Académique Documents
Professionnel Documents
Culture Documents
1.1 INTRODUCTION
Les applications de l'électricité sont généralement regroupées en deux domaines principaux
largement indépendants : les techniques de l'énergie et les techniques de l'information.
La théorie et le traitement des signaux est une discipline appartenant aux deuxièmes
techniques particulières.
L'universalité de la théorie et le traitement des signaux, est attestée par la diversité des
secteurs d'application : industriels, scientifiques, biomédicaux, militaires, spatiaux, etc...
Le mot signal vient de signe - signum en Latin - qui dénote un objet, une marque, un élément
de langage, un symbole convenu pour servir à une information. [1]
1.2.4 Traitement de signal : C’est la discipline technique qui, s’appuyant sur les ressources
de l’électronique, de l’informatique et de la physique appliquée, a pour objet l’élaboration ou
l’interprétation des signaux porteurs de l’information. Son application se situe dans tous les
domaines concernés par la transmission ou l’exploitation des informations transportées par
ces signaux.
Un système de mesure a de façon générale la structure de la figure ci-dessous, le phénomène
physique que l’on veut étudier est présenté par un capteur qui le transforme en un signal
électrique tension ou courant, à ce niveau un bruit s’ajoute. Le signal transmit à travers le
canal de transmission atteint le récepteur, puis il subit un traitement pour extraire
l’information utile sans bruit.
Fonction échelon
Fonction rampe
Fonction rectangulaire
Fonction triangulaire
1.4.6 Impulsion de Dirac
L'impulsion de Dirac correspond à une fonction porte dont
la largeur T tendrait vers 0 et dont l'aire est égale à 1.
Propriétés :
Intégrale Produit
Identité Translation
Peigne de Dirac
T est la période du peigne.
Avec =1
Fonction sinus cardinal
Cette fonction joue un rôle très important en
traitement du signal.
Propriétés :
1.4.9 Application
Représenter les signaux suivants :
δ(t+2), δ( t-3) , 2δ( t-1), x(t) = δ( t+1)- δ( t) + δ( t-2) , u(t – 1) et 2u(t + 2)
Correction :
x(t) = δ(t+1)- δ(t) + δ(t-2)
2δ(t-1)
δ(t+2) δ(t-3)
-2 1 3 -1 2
2u(t +2)
u(t – 1)
1 -2
2.1 INTRODUCTION
Un signal est décrit par une fonction mathématique et il est régit par deux représentations:
La représentation temporelle dont la variable est : y= f(t)
La représentation fréquentielle dont la variable est : y= F(f).
Un signal est caractérisé par sa durée, sa période si elle existe, et son amplitude. Ces trois
paramètres conduisent à la représentation temporelle du signal. Il est aussi caractérisé par sa
fréquence, sa bande passante, et sa phase c’est-à-dire la représentation fréquentielle ou la
représentation spectrale. La transformée de Fourier permet le passage de la représentation
temporelle à la représentation fréquentielle. C'est une généralisation de la série de Fourier pour des
signaux non périodiques [2],[3].
d- L’élément neutre
f[t] * δ[t] = ∫ f (τ). δ(t- τ). dτ = f[t]
e- Soit le signal d’entrée f(t), s(t) est la réponse du système telle que :
f(t) * δ(t-t0) = s(t) = f(t - t0)
t
t t0 t t0
t
2.2.4 Application
Soit un système S, caractérisé par sa réponse impulsionnelle h(t). Si on excite ce système par un
signal x(t), on aura une réponse y(t). Soient les deux signaux continus x(t) et h(t) telle que :
x(t) = 1 pour 0 ≤ t ≤ 4 sinon x(t) = 0
h(t) =1 pour -2 ≤ t ≤ 2 sinon h(t) = 0
a - Déterminer le produit de convolution y(t) = x(t) * h(t).
b - Représenter le produit de convolution y(t).
T0
An 2 T s ( t ). cos(
0
n 2 f 0 t ) dt pour n≥1
T0
Bn 2 T s ( t ). sin(
0
n 2 f 0 t ) dt pour n≥1
2 2
avec C n An Bn et φn= arctg(-Bn/An)
C1 C3 Cn
C2
Avec S (nf0) = ½(An – jBn) =1/T0 s(t ) ejn2πf0t dt pour n≥1 et S(0) = A0
Les valeurs négatives de n sont introduites dans un but de simplification, s(t) étant réel d’où nous
avons : A-n = An et B-n = - Bn
S(nf0) représente les composantes du spectre en fréquence de s(t), grandeur complexe, qui a pour
module S (nf 0 ) 1
2 2
An Bn et phase φ(nf0) = arctg(-Bn/An).
2
L’expression du spectre S(f) est :
S(f)
S(-nf 0) S(-3f0) S(-2f0) S(-f0) S(f0) S(2f0) S(3f0 ) S(nf0)
S(0)
2.3.1.5 Propriétés
Si s(t) est paire => Bn = 0 et Sn = S-n
Si s(t) est impaire => An = 0 et Sn = -S-n
2.3.2 Transformation de Fourier des fonctions
La transformée de Fourier permet d’obtenir une représentation en fréquence (représentation
spectrale) des signaux déterministes, continus et non périodiques. Elle exprime la répartition
fréquentielle de l’amplitude, de la phase et de l’énergie (ou de la puissance) des signaux
considérés.
2.3.2.1 Définition
Soit x(t) un signal déterministe non périodique, sa transformée de Fourier est :
x(t) TF X(f)
+∞
X(f) indique quelle "quantité" de fréquence f est présentée dans le signal x(t) sur l’intervalle]-∞ +∞
[. X(f) est une fonction de f, généralement complexe :
x(t)= TF-1{X(f)} ; x(t ) X ( f )e
j 2ft
df
2.3.2.3 Propriétés de la TF
Soit les deux signaux analogiques s(t) et r(t) à partir de lesquels on définit les propriétés de la
transformée de Laplace suivantes :
s(t) S(f)
s(t).r(t) S(f)*R(f)
δ(t) 1
δ(t – τ) e j2πfτ
e j2 π δ ( f + f0 )
f 0t
2.3.2.5 Application :
Calculer et représenter la transformée de Fourier d’un signal sinusoïdale s(t) d’amplitude S
et de fréquence f0 telle que : s(t) = S cos(2πf0t)
Correction:
S(f)=∫ s(t )e-j2πft dt =S. ∫ cos(2πf0t)e-j2πftdt
or cos(2πf0t)=(ej2πf0t + e-j2πf0t)/2 formule d’Euler
S(f)=S. ∫ e-j2πft (ej2πf0t + e-j2πf0t)/2dt = S/2[ ∫ e-j2πft ej2πf0t dt+ ∫ e-j2πft e-j2πf0tdt]
= S/2[ ∫ e-j2π(f-f0)t dt+ ∫ e-j2π(f+f0)tdt]
S(f)= S/2[δ(f-f0)+δ(f+f0)]
TF[S. cos(2πf0t)]= S/2[δ(f-f0)+δ(f+f0)]
EXERCICES
Exercice 1
Exercice 2
Soit le signal v(t) dont la décomposition en série de Fourier est (en Volts) :
1 1 1
v(t ) 5 2 sin wt sin 3wt sin 5wt sin 7 wt ...
3 5 7
1- rec(t/2T) ;
2- tri(t) ;
3- δT(t)
Exercice 4
Exercice 5
Exercice 6
Calculer et représenter la fonction de convolution x(t) et h(t) représentées par les figures suivantes
en fixant x(t) et en balayant par h(t).
x(t) h(t)
2A
A
0 T t 0 2T t
Exercice 7
x(t) y(t)
1 1
τ 2τ t
3.1 INTRODUCTION
Les filtres actifs sont constitués de condensateurs, de résistances et d’éléments actifs qui
sont essentiellement des AOP (Amplificateur Opérationnel). Ils sont moins encombrants,
faciles à concevoir et moins coûteux que les filtres passifs mais restent limités en fréquence
(f < 1MHz à cause de l’AOP). Ils consomment plus et nécessitent une source
d’alimentation
F < 1 MHz
Filtres actifs AOP, R et C besoin d’alimentation
tension filtrée faible < 12V
F < qq MHz
Filtres à
AOP, Interrupteur commandé besoin d’alimentation
capacité
MOS, R et C intégrées intégrable
commutée
fréquence programmable
- fiables
Le cas idéal est un filtrage qui élimine totalement les bandes indésirables sans transition et
sans introduire de déphasage dans les bandes conservées.
On peut écrire :
Donc
Cas général :
Un filtre est un circuit électronique qui réalise une opération de traitement du signal. Il atténue
certaines composantes d'un signal et en laisse passer d'autres. Il existe plusieurs types de
filtres, dont les plus connus sont :
Filtre passe-haut : Il ne laisse passer que les fréquences au-dessus d'une fréquence
déterminée, appelée "fréquence de coupure". Il atténue les autres (les basses fréquences).
Filtre passe-bande : Il ne laisse passer qu'une certain bande de fréquences (et atténue tout ce
qui est au-dessus ou en-dessous). Il est très utilisé dans les récepteurs radio, tv… pour isoler le
signal que l'on désire capter.
Filtre rejecteur de bande : aussi appelé filtre trappe, cloche ou coupe-bande, est le
complémentaire du passe-bande. Il atténue une plage de fréquences. Cela peut être utile pour
diminuer certains parasites par exemple.
1
H ( jw) ; H dB ( w) 20 log H ( jw)
1 j w wc
Un filtre passe-bande est un filtre ne laissant passer qu’un intervalle de fréquences, celui-ci
étant limité par la fréquence de coupure basse et la fréquence de coupure haute du filtre.
Les applications en électronique sont multiples. Un circuit passe-bande peut servir à éliminer
le bruit du signal, si l'on sait que le signal a des fréquences comprises dans une gamme de
fréquences déterminée. C'est aussi un circuit passe-bande qui permet, en radiocommunication,
de sélectionner la fréquence radio écoutée.
f0
La bande passante : f
Q
La fréquence centrale : f 0 f c1 xf c 2
1er ordre
w
j
1 wc
Passe-bas : Passe-haut :
w w
1 j 1 j
wc wc
2ème ordre
w
j 2
1 wc
Passe-bas : 2
Passe-haut : 2
w w w w
1 j 2 j 1 j 2 j
wc wc wc wc
2 2
w w
j
1 j
Passe-bande : wc
Coupe-bande : wc
2 2
w w w w
1 j 2 j 1 j 2 j
wc wc wc wc
Le passage d'un type à l'autre s'effectue facilement par changement de variable.
1
Passe-bas vers Passe-haut : s
s
1 1 fc fc1
Passe-bas vers Passe-bande : s s ; B 2 avec B : bande passante ;
B s f0
fc1 et fc2 : fréquences de coupure ; f0 : fréquence centrale du filtre
1er ordre
Passe-bas : Passe-haut :
2ème ordre
Décomposition sous forme de produit : Une fonction de transfert d'ordre n quelconque peut
se décomposer en un produit de fonctions de transfert élémentaires d'ordres 1 et 2 (les ordres
s'ajoutent) : H ( jw) H 1 ( jw).H 2 ( jw)...H n ( jw)
Dans les diagrammes de Bode, les courbes de gain (en dB) s'additionnent :
1 w
20 log H () 20 log ;
1
2 2N wp
Ap
Soit Ap le gain à la pulsation w=wp, soit Ω=1, on peut démontrer que l’on a : 10 10
1
Ap
log10 10 2 log
On peut démontrer que l’ordre du filtre est donné par : N avec
2 log a
wa
a ; le résultat peut être fractionnaire et l’ordre choisi est l’entier supérieur. On peut
wp
démontrer que la fréquence de coupure à -3dB est liée à la fréquence fp par la relation:
wp
wc N ; il suffit d’imposer que le gain soit –Ap (dB) pour w=wp ; on a alors Ω2N=1 et la
seule inconnue est ε ; on impose que la courbe passe par le point (wp, -Aa)et la seule inconnue
sera N.
Une fois les pôles de la fonction de transfert calculés, les pôles complexes conjugués sont
regroupés ensemble. Chaque paire correspond ‡ une cellule élémentaire (passe-bas) du 2ème
ordre. Le pôle simple réel, s'il existe (ordre impair), correspond à la cellule élémentaire
(passe-bas) du 1er ordre.
Forme développée :
n=1 : s+1
n=2 : s2+1.41s+1
n=3 : s3+2s2+2s+1
n=4 : s4+2.6131s3+3.4142s2+2.6131s+1
n=5 : s5+3.2361s4+5.2361s3+5.2361s2+3.2361s+1
n=6 : s6+3.8537s5+7.4741s4+9.1416s3+7.4741s2+3.8537s+1
Forme factorisée :
n=1 : s+1
n=2 : s2+1.41s+1
n=3 : (s+1)(s2+s+1)
n=4 : (s2+0.765s+1)(s2+1.848s+1)
n=5 : (s+1) (s2+0.618s+1)(s2+1.618s+1)
n=6 : (s2+1.932s+1)(s2+1.414s+1) (s2+0.518s+1)
w
2TN2
2 1 2 w p ; 1 avec w
Type 1 : H ( w) ; 1 et Type 2 : H ( w)
w w wp
1 2TN2 1 2TN2
w w
p p
N
le polynôme d’ordre N est désigné par TN (w) comme suit : TN ( w) Re w j 1 w 2
Caractéristiques
1
H ( w) 1
1 2
Type 2 : Oscillations dans la bande atténuée : 0 H ( w)
1 2
1 w
On part du gain en dB : 20 log H () 20 log ; . On peut montrer que le
1 22N wp
Ap
paramètre est défini par : 10 10 1 où Ap est l’atténuation à wp et que l’ordre N du filtre
Ap
10 10 1
arg ch
est donné par : N avec wa est la pulsation réduite d’atténuation
a
arg ch( a ) wp
minimale en bande atténuée. Les coefficients du polynôme sont donnés en fonction du gain Ap
(en général, on prend 0,5 ou 1) et de l’ordre du filtre N. Pour Ap=1dB on a:
Forme développée :
n=1 : 0.509s+1
n=2 : 0.907s2+0.9957s+1
n=3 : 2.0353s3+2.0116s2+2.5206s+1
n=4 : 3.628s4+3.4568s3+5.2749s2+2.6942s+1
n=5 : 8.1415s5+7.6271s4+13.75s3+7.933s2+4.7264s+1
n=6 : 14.512s6+13.47s5+28.02s4+17.445s3+13.632s2+4.456s+1
Forme factorisée :
n=1 : 0.509s+1
n=2 : 0.907s2+0.996s+1
n=3 : (2.024s+1)(1.006s2+0.497s+1)
n=4 : (3.579s2+2.411s+1)(1.014s2+0.283s+1)
n=5 : (3.454s+1) (2.329s2+1.091s+1)(1.012s2+1.81s+1)
n=6 : (8.019s2+3.722s+1)(1.793s2+0.609s+1) (1.009s2+0.126s+1)
3.3 SYNTHESE DES FILTRES ANALOGIQUES [7] , [8]
Selon un gabarit donné du filtre, on est capable de dimensionner ce filtre. Pour faire la
synthèse d'un filtre on suit l'organigramme suivant :
Pour f=fa :
Ap
10 10 1
arg ch
Ap 1
N avec 10 10 1 10 10 1 0.509 et wa 2
a
arg ch( a ) wp
Aa
arg ch 10 10 1 / 0.509
N 4.5 on prend N=5
arg ch(2)
1
H ( s)
3.454s 1 2.329s 1.091s 1 1.012s 2 0.181s 1
2
Dénormalisation :
w w
s j j H ( s ) H ( jw) H 1 ( jw) xH 2 ( jw) xH 3 ( jw)
wp 2f p
2 2
w w w
j j j
wc1 x wc 2 wc 3
x
w w w
2
w w
2
1 j 1 j 2 j 1 j 2 j
wc1 wc 2 wc 2 wc3 wc3
Identification :
ξ2=0.357 ; ξ3=0.09
EXERCICES
Exercice 02 :
1. Donner le schéma d’un filtre RL passe-haut 1er ordre. Exprimer sa fonction de transfert G
= tension de sortie / tension d’entrée.
2. La résistance R est de 10 kΩ et la fréquence de coupure fc est de 3,5 KHz. Une tension de
1,6 V est mesurée à la sortie du filtre lorsqu'un signal de K MHz est appliqué à l'entrée.
Calculer la valeur de la bobine ainsi que la valeur de la tension à l'entrée du filtre.
3. Dessiner les diagrammes de Bode de la phase et de l'amplitude.
Exercice 03 :
1. Donner le schéma d’un filtre RL passe-bas 1er ordre. Exprimer sa fonction de transfert
G = tension d’entrée / tension de sortie.
2. La résistance R est de 820Ω et la fréquence de coupure fc est de 10kHz. Une tension
de 1,91V est mesurée à la sortie du filtre lorsqu'un signal de 1kHz est appliqué à l'entrée,
calculer la valeur de la bobine ainsi que la valeur de la tension à l'entrée du filtre.
Exercice 04 :
Soit le circuit suivant : Ue = 10V ; R = 10kΩ ; L = 100mH.
1. Calculer l’impédance totale (ZT) vue par la source alternative si elle génère un sinus ayant
une fréquence de 100kHz? Quelle est la fréquence de coupure du circuit ?
2. Que valent Us, Av (dB) et le déphasage φ à la fréquence de coupure?
3. Si on branche en parallèle avec L une charge de 4k7, quelle sera la tension Us maximale
possible et la nouvelle fréquence de coupure?
4. Que valent Us, Av (dB) et le déphasage φ à la fréquence de coupure?
4.1 INTRODUCTION
La conversion d’un signal analogique sous forme numérique implique une double approximation.
D’une part, dans l’espace des temps, le signal fonction du temps est remplacé par ses valeurs
à des instants multiples entiers d’une durée T; c’est l’opération d’échantillonnage. D’autre part,
dans l’espace des amplitudes, chaque valeur est approchée par un multiple entier d’une quantité
élémentaire q; c’est l’opération de quantification. La valeur approchée ainsi obtenue est ensuite
associée à un nombre ; c’est le codage, ce terme étant souvent utilisé pour désigner l’ensemble, c’est-à-
dire le passage de la valeur au nombre qui la représente.
La conversion analogique numérique est la succession de trois effets sur le signal analogique :
- l’échantillonnage pour rendre le signal discret.
- la quantification pour associer à chaque échantillon une valeur.
- le codage pour associer un code à chaque valeur.
4.2.1 Echantillonnage
4.2.1.1 Définition
L’échantillonnage consiste à prélever à des instants précis, le plus souvent équidistants, les valeurs
instantanées d’un signal. Le signal analogique s(t), continu dans le temps, est alors représenté par un
ensemble de valeurs discrètes : avec n entier et la période d’échantillonnage.
Cette opération est réalisée par un circuit appelé « préleveur ou échantillonneur» symbolisé souvent
par un interrupteur.
L’intervalle entre deux échantillons successifs est appelé pas d’échantillonnage et fréquence
d’échantillonnage.
L’échantillonnage idéal est modélisé par la multiplication du signal continu et d’un peignede
Dirac de période .
Donc :
On obtient donc un spectre infini qui provient de la périodisation du spectre du signal d’origine
autourdes multiples de la fréquence d’échantillonnage.
Le théorème de SHANNON montre que la reconstitution correcte d’un signal nécessite que la
fréquence d’échantillonnage soit au moins deux fois plus grande que la plus grande des
fréquences du spectre du signal :
donc
On retrouve la même allure de spectre modulé en amplitude par une fonction en sinus cardinale.
Pour se rapprocher d’un échantillonnage idéal et qu’ainsi le signal soit facilement reconstructible, il
faut que soit le plus petit possible.
Dans le cas où est du même ordre de grandeur que , il faudra .
4.2.1.4 Echantillonnage-blocage
En pratique, on n'échantillonne pas un signal pour le reconstruire juste après. L'échantillonnage est
utilisé pour prélever le signal à des instants multiples de et ensuite convertirles échantillons sous
forme d'un code binaire (8, 12, 16 bits, ...). Cette conversion est effectuée par l’intermédiaire d’un
convertisseur analogique-numérique (CAN). Cette conversion n’est pas instantanée. Si le signal à
convertir varie trop rapidement, il est nécessaire de procéder au blocage du signal pour avoir une
conversion sans erreur. On utilise donc un échantillonneur-bloqueur qui mémorise la tension à
convertir et la maintient constante pendant toute la durée de conversion.
L’effet de blocage peut être modélisé par une fonction porte décalée de /2 :
4.2.2 Quantification
3.3.2.1 Définition
La quantification consiste à associer à une valeur réelle x quelconque, une autre valeur appartenant à
un ensemble fini de valeurs et ce suivant une certaine loi : arrondi supérieur, arrondi le plus proche,
etc…
L’écart entre chaque valeur est appelé pas de quantification.
Le fait d’arrondir la valeur de départ entraîne forcément une erreur de quantification que l’on appelle
le bruit de quantification.
Alors et Ainsi :
Ainsi, le cas d’un convertisseur analogique-numérique, chaque fois que l’on rajoutera un bit dans le
résultat de conversion, on améliorera le rapport signal sur bruit dû à la quantification d’environ 6dB.
Exemple
Dans ce cas, et
4.2.3 Le codage
Il existe diverses façons d’établir la correspondance entre l’ensemble des amplitudes quantifiées et
l’ensemble des nombres binaires qui doivent les représenter.
Les signaux à coder ayant des amplitudes en général positives et négatives, les représentations
préférées sont celles qui conservent l’information de signe. Les plus courantes pour les codages à
échelon constant sont les suivantes :
– signe et valeur absolue
– binaire décentré
– complément à 1
– complément à 2.
Les représentations en signe et valeur absolue et en binaire décentré sont les plus commodes pour la
conversion Analogique/Numérique ; les deux autres sont surtout utilisées dans les circuits de calcul
numérique.
EXERCICES
Exercice 1
Soit échantillonné à .
Exercice 2
Exercice 3
5.1 INTRODUCTION
Les systèmes linéaires discrets constituent un domaine très important du traitement numérique
du signal. Ces systèmes se caractérisent par le fait que leur fonctionnement est régi par une
équation de convolution. L’analyse de leurs propriétés se fait à l’aide de la Transformation en
Z, qui joue pour les systèmes discrets le même rôle que la transformée de Laplace ou de
Fourier pour les systèmes continus.
Un système discret est un système qui convertit une suite de données d’entrée x(n) en une
suite de sortie y(n). Il est linéaire si la suite x1(n) + ax2(n) est convertie en la suite y1(n) +
ay2(n). Il est invariant dans le temps si la suite x(n – n0) est convertie en la suite y(n – n0) quel
que soit n0 entier.
Soit u0(n) la suite unitaire définie par :
pour
pour
Toute suite x(n) peut se décomposer en une somme de suites unitaires convenablement
décalées :
D’autre part soit h(n) la suite qui constitue la réponse du système à la suite unitaire .A
la suite correspond la réponse h(n – m) en raison de l’invariance temporelle. La
linéarité entraîne alors la relation suivante :
5.3.1 Définition
Linéaire :
Théorème du retard :
Multiplication par n :
Modulation :
Théorème : Retard
Soit x un signal discret causal. Le signal retardé de n0 (n0 N) est le signal y défini par :
y(n) = x(n − n0)u(n − n0). On a :
Théorème : Avance
Soit x un signal discret causal. Le signal avancé de n0 (n0 N) est le signal y défini par :
y(n) = x(n + n0). On a :
Ou C est un chemin fermé parcouru dans le sens inverse des aiguilles d'une montre et
appartenant entièrement au domaine de convergence (chemin entourant tous les pôles de
F(z)). En pratique, ce calcul s'effectue souvent à l'aide du théorème des résidus et la formule
devient dans le cas d'un signal causal :
5.4.1 Définition
Un signal analogique est défini à tout instant t et est donc représentable mathématiquement
par une fonction continue du temps f(t). Contrairement au signal analogique, un signal à
Signal Spectre
Méthode de calcul Caractéristiques
Continu et périodique Série de Fourier Discret et non périodique
Continu et non Transformée de Fourier Continu et non périodique
périodique
Discret et non périodique Transformée de Fourier Continu et périodique
Discret et périodique Transformée de Fourier Discret et périodique
discrète (TFD)
En effet, le spectre d’un signal continu est non périodique. Que le signal soit périodique (cas
1) ou non (cas 2), il est obtenu à partir du développement en série de Fourier pour le cas 1 et
de la transformée de Fourier pour le cas 2. Le spectre d’un signal discret et non périodique
(cas 3) est continu et périodique et obtenu à partir de la transformée de Fourier. Par contre le
Dr. S. LATRECHE Master 1 Automatique et Systèmes Page 44
calcul du spectre d’un signal périodique et discret (cas 4) utilise une nouvelle transformée : la
transformée de Fourier discrète (TFD).
D’une façon générale, si l’on désire avoir une représentation spectrale numérique (calcul par
ordinateur), le calcul des raies spectrales implique une discrétisation en fréquence, ce qui a
pour conséquence de rendre le signal temporel périodique et discret. Le calcul de façon
pratique est limité à une tranche du signal, ce qui revient à des transformées identiques pour
un signal non périodique et un signal périodique, c’est-à-dire que le signal transitoire doit être
considéré comme périodiquement répété en dehors de son domaine d’existence.
Remarques
On vérifie bien que X(f) est une fonction périodique de période Fe (à cause de
l’échantillonnage). Si on remplace f par (f + kFe) :
n f kFe nf nkFe nf
j 2 j 2 j 2 j 2
e Fe
e Fe
e Fe
e Fe
5.5.2 Propriétés
x(n) X(f)
Linéarité αx(n) + βy(n) αX(f) + βY(f)
Translation x(n – n0) e-j2πn0f/Fe X(f)
Modulation e-j2πnf0 x(n) X(f – f0)
Dilatation x(an) avec a ≠ 0 1/ ׀a׀X(f/a)
Convolution x(n)*y(n) X(f).Y(f)
x(n).y(n) X(f)*Y(f)
Conjugaison x*(n) X*(-f)
X(f )
2 2
x ( n) df
n Fe / 2
5.6.1 Fenêtrage
La fenêtre d’analyse est définie par une suite d’échantillons y[n] tels que :
xT n y n .x n pour 0 n N 1
xT n 0 pour n 0 et n N 1
Exemple
Troncature d’une sinusoïde par un fenêtrage rectangulaire.
Soit x(t) = S cos(2πf0t) et y(t) = rect(t/T).
On sait que X(f) = ½ S [δ(f - f0)+ δ(f + f0)]
et que Y(f) = T. sinc(Tf)
Donc si on effectue la troncature de x(t) sur une durée T :
xT (t ) x(t ). y (t ) X T ( f ) Y ( f )
Remarques
On constate que le fait de tronquer le signal tend à élargir les raies contenues dans le
spectre. Plus la fenêtre sera large plus les raies seront étroites et tendront vers les Dirac
originaux. On le conçoit aisément dans le domaine temporel puisque plus la fenêtre est large,
plus le signal tronqué se rapproche du signal d’origine.
Si on ne conserve qu’une période de la sinusoïde, les deux sinus cardinaux se
chevaucheront bien avant d’avoir atteint des amplitudes négligeables. Ainsi, plus on voudra
une résolution importante en fréquence plus il faudra conserver un nombre important de
périodes temporelles du signal à analyser. La qualité de la représentation spectrale sera
d'autant plus grande que la période d'acquisition T sera longue.
La fenêtre rectangulaire n'est pas forcément la meilleure. Dans le domaine temporel, elle
interrompe brusquement le signal à ces extrémités générant des hautes fréquences. Dans le
domaine fréquentiel, la fonction sinc a des lobes non négligeables loin de f = 0 qui déforme le
spectre.
Afin de compenser ces défauts, toute une série de fenêtres ont été imaginées. Aucune n'est
idéale, toutes ont leurs qualités et défauts suivant les applications voulues.
Par exemple, la fenêtre de Hanning présente dans le domaine fréquentiel des lobes
secondaires qui deviennent vite négligeables, mais au prix d'un lobe principal plus large.
Ainsi, le spectre sera moins précis au voisinage de f0 mais moins bruité dans les hautes
fréquences.
N 1
X T ( f ) xT (n)e j 2nk / M pourk 0,..., M 1
n 0
On vient ainsi d'introduire la transformée de Fourier discrète, le problème réside dans le choix
du pas d’échantillonnage en fréquence et donc du choix de M. En effet, le fait
d’échantillonner en fréquence revient à périodiser dans le domaine temporel la partie du
signal qui a été tronquée :
Remarques
A Fe fixe, plus la durée d’acquisition sera longue et plus la résolution en fréquence sera fine.
A N fixe, plus Fe sera importante et plus la condition de Shannon sera respectée mais moins la
résolution en fréquence sera fine et la durée d’acquisition longue.
Ainsi, pour obtenir les N valeurs de XT[k], il faut donc 2N2 multiplications et 2(N-1)N
additions. Par exemple, un signal où N = 1024 échantillons (soit 1ko en mémoire si chaque
échantillon est codé sur 8 bits), le nombre de multiplications est de 2097152 et celui des
additions de 2095104. On arrive très vite à des temps de calcul très longs. Si ces durées ne
sont pas gênantes pour des traitements en temps différé, il n’en est pas de même en temps
réel. En effet, plus le temps de calcul sera important et plus la fréquence maximale du signal à
analyser sera réduite (Shannon).
Pour pouvoir utiliser la transformée de Fourier discrète en temps réel, on dispose
d’algorithmes de calcul permettant d’obtenir les résultats beaucoup plus rapidement sous
certaines conditions. Ces algorithmes sont connus sous le nom de Transformée de Fourier
Rapide (TFR) ou Fast Fourier Transform (FFT).
EXERCICES
Exercice 1
Exercice 2
Calculer la transformée en z de la fonction causale suivante et calculer ses zéros et/ou ses
pôles
0 1 2 3 4 5…∞
1 4 6 4 1 0… 0
0 1 2 3 4 5 6 7 8…∞
0 0 0 1 4 6 4 1 0… 0
Exercice 3
Exercice 4
et
Exercice 5
n
H (z) h(n). z
n 0
Exemple :
Soit donc un filtre numérique dont la relation de récurrence s'écrit :
x (n) y (n 1)
y ( n)
2
La fonction de transfert en Z de ce filtre est donnée par :
Y ( z) 1
H ( z) 1
X ( z) 2 z
La transformée inverse de H(z) donne les éléments h(n) suivants :
n
1 1
h( n) U ( n)
2 2
n
n 1 1 n
Donc H ( z) h(n) z U ( n) z
n 0 2n 0 2
Exemple :
y(n) 0.0976x(n) 0.1952x(n 1) 0.097 x(n 2) 0.9428 y(n 1) 0.333 y(n 2)
d. Représentation d'un filtre numérique
a- forme directe
b- Forme parallèle
Figure 6.1 Représentations sous forme de fonctions de transfert en z
Ou bien :
N
N (z) 1 i 1
H ( z) N ( z) . bi .z N
D( z ) D( z ) i 0 i
1 ai .z
i 1
2 1 Fe
N log10
3 10 1 2 f
h( n) H ( f )e j 2fn df
12
6.3.3 Exemple :
w(n) est la fenêtre rectangulaire en fréquence, on a donc :
sin( Nf )
HN ( f ) H ( f ) *W ( f ) avec W( f )
sin(f )
Réponse en fréquence
L'échantillonnage de ha(t) entraîne une périodisation du spectre
1 k
Hd ( f ) Ha f
Te k Te
Si Re(b) < 0, alors |exp(b)| < 1 : le pôle du filtre numérique appartient au cercle unité. On a
donc bien une conservation de la stabilité
Précautions
La réponse du filtre numérique sera proche de celle du filtre analogique dans la bande [-Fe/2,
Fe/2]. Si le filtre analogique a une réponse fréquentielle nulle en dehors de cette bande. Cette
méthode est utile seulement dans le cas de filtres analogiques à bande limitée.
6.4.3 Exemple
On utilise des fonctions modèles classiques de types filtres de Butterworth, Tchebychev…
Soit un filtre de Butterworth analogique défini par la fonction H(s) suivante :
wc2
H ( s)
s2 2 wc s wc2
1
2 1 z
On applique la transformation bilinéaire : s . 1
Te 1 z
Après calcul et en prenant wc = 2 Te = 2 on obtient :
0.0302 z 2 2 z 1
H ( z)
z 2 1.4514z 0.5724
EXERCICES
Exercice 1
1- Préciser la nature du filtre (RIF/RII) représenté
sur la figure suivante et donner son équation aux
différences.
2- Calculer et représenter la réponse impulsionnelle
h(n).
REFERENCES BIBLIOGRAPHIQUES