Académique Documents
Professionnel Documents
Culture Documents
I. Introduction
Objectifs du traitement du signal :
Champs d’applications :
Télécoms
Instrumentation scientifique
Intelligence artificielle
Traitement de l’image
etc.
Codeur / Emetteur : le signal doit être codé ou modulé afin d’être adapté au canal de transmission.
Décodeur / Récepteur : il restaure la forme initiale du signal. C’est ici qu’intervient le traitement du
signal afin de retrouver au mieux le signal original malgré le bruit qui lui a été
superposé.
Le Bruit : ce sont des signaux aléatoires dont les causes peuvent êtres provoquées ou naturelles. Il
constitue une limitation fondamentale pour tous les systèmes de transfert d’information.
2. Signal et information
Définition d’un signal : un signal est la représentation physique d’une information qui est transmise
d’une source à un destinataire.
Types de signaux :
Le signal électrique,
Le signal vocal
Le signal optique,
Etc.
Remarque : tout signal peut, suivant le phénomène envisagé, être considéré comme aléatoire.
Exemple : les ondes électromagnétiques d’origine galactique captées par les antennes sont des
bruits pour les ingénieurs télécom, mais sont le signal utile pour les astronomes.
Définition du signal électrique : un signal électrique est la représentation d’une grandeur électrique
en fonction du temps.
Puisqu’il est facile de transformer un signal électrique en autre type de signal, le traitement du signal
s’appliquera sur le signal électrique.
Exemple :
Signaux sinusoïdaux
Signaux pseudo-aléatoires
Signaux composites reproductibles
x(t)
Exemple :
Les signaux quasi-périodiques
Les signaux transitoires
x(t)
Exemple : le bruit
1.2.3 Récapitulatif
Signaux
Déterministes Aléatoires
Non Stationnaires
Non
Périodiques Stationnaires
Périodiques
x ( t) x ( t)
To To
t t
S ig n a l s i n u s o ïd a l S i g n a l p s e u d o a lé a to ir e
x ( t) x ( t)
To
t
t
S i g n a l p é r io d iq u e c o m p o s ite S ig n a l a lé a to ir e s ta ti o n n a ir e
x ( t) x ( t)
T2
T1
t t
S i g n a l q u a s i p é ri o d iq u e S i g n a l a lé a to ir e n o n s ta t io n n a ir e
2. Classification morphologique
Amplitude
continue
Variable
continue
Variable
continue
Variable
discrète
Variable
discrète
3. Classification spectrale
L’analyse spectrale (l’étude de la transformée de Fourier d’un signal) conduit à une classification basée sur
la répartition de l’énergie en fonction de la fréquence).
• Basse fréquence
• Haute fréquence
• Bande étroite
• Large bande
4. Classification énergétique
On peut classer les signaux en fonction de leur énergie, selon qu’elle soit finie ou infinie.
1
Dans le cas d’une résistance linéaire : p (t ) Ri ²(t )
R
v ²(t )
t2 t2 t2
L’énergie absorbée dans un intervalle [t1,t2] : E=∫ p(t ) dt =R∫ i² (t ) dt= 1 ∫ u² (t )dt (Joules)
t t
1
Rt 1 1
t2 t2 t2
1 R 1 (Watt)
P= ∫ p(t) dt= ∫ i² (t ) dt= ∫ u² (t )dt
t 2 −t 1 t1
t 2 −t 1 t 1
R (t 2 −t 1 ) t 1
Pour caractériser un signal f(t) (i(t) ou v(t)) du point de vue énergétique, on définit l’énergie totale d’un signal de la
manière suivante :
+∞
E= ∫ f² (t ) dt (V².s ou A².s)
−∞
Ce qui correspond à l’énergie absorbée dans un intervalle (-,+) par une résistance de 1 .
Ce qui correspond à la puissance moyenne absorbée dans un intervalle (-,+) par une résistance de
1 .
E x = ∫ ∣xt ∣²dt∞
−∞
illustration:
x(t)
t
t1 t2
f(t)
t
-/2 /2
+∞ + /2
Énergie totale : E= ∫ f² (t ) dt = ∫ E² (t ) dt =E²
−∞ − / 2
T
+
2
1 E²
Puissance moyenne totale : P= lim ∫ f² (t)dt =lim =0
T →∞ T T T →∞ T
−
2
4.3 Définition
+∞
Les signaux à énergie totale finie sont ceux pour lesquels l’intégration E= ∫ f² (t) dt est bornée. Leur
−∞
Énergie totale :
+∞ +∞ +∞ +∞
2 A² +∞ 1
E= ∫ f² (t ) dt = ∫ A²sin (2 t )dt= ∫ (1−cos(2 t ))dt=[ A²t ]−∞−[ A² sin(2 t)] → ∞
−∞ −∞ 2 −∞ 2 −∞
4.4.2 Définition
Les signaux à puissance moyenne totale finie sont ceux qui satisfont à la condition suivante :
T
+
2
1
0< lim ∫ f² (t )dt < ∞ , leur énergie totale est infinie.
T →∞ T T
−
2
5. Signal causal
Un signal est dit causal si il est nul pour toute valeur négative du temps.
x(t) = 0 si t < 0
La réalité expérimentale ne connaît que des signaux causaux. Cependant, pour la commodité des calculs on
les définit souvent sur la totalité de l’axe des temps.
Remarque : Un signal expérimental est l’image d’un processus physique, il est donc soumis aux
contraintes suivantes :
1. Signal exponentiel
f (t) ke t où est une valeur réelle, on distingue alors trois cas :
> 0, la valeur du signal augmente avec le temps
< 0, la valeur du signal diminue avec le temps
= 0, c’est un signal avec une valeur constante
f(t)
<0 >0
=0
2. Signal sinusoïdal :
f t = K sin t
où : K représente l’amplitude (valeur crête)
1
représente la pulsation : 2f 2
T
2
La valeur efficace est donnée par : F eff = 1 ∫ K² sin² t dt = K2
T T
−
2
f(t)
To
3. Fonction signe
Sgn(t) -1 t < 0
+1 t > 0
t
= t pour t 0
Sgn(t)
+1
-1
La valeur à l’origine est arbitraire (située entre -1 et 1) on prend généralement 0 qui est la valeur moyenne.
1 1 +1
u(t) Sgn(t)
2 2
t
t=to
u(t)
+1
u(t) = 0 t < to
1 t > to
5. Fonction rampe
t
r t = ∫ u d =t×ut
−∞
dr t
ou u t = pour t 0
dt
r(t)
t
1
1 1
donc : rect(t) u(t ) u(t )
2 2
Surface
unité rect(t)
1
t
-1/2 1/2
Remarque :
d
éca
lag
e
A.rect t
tt T
re
c
T
’e
nve
rgu
re’ S
urfa
ce=T
A
1
t t
T
T -T/2 T/2
2 2
Cette fonction intervient fréquemment comme facteur multiplicatif pour localiser un segment de durée T
d’un signal quelconque.
x (t)
x (t).rec t t
T
t
7. Fonction triangle
tri(t) = 1 - |t| |t| 1
0 |t| > 1
tr
i(t
) t
r
it
T
S
urf
ace
u
ni
té S
ur
fac
eT
1 1
t t
-
1 1
-T
+T
8.1 Introduction
Impulsion de Dirac : Signal particulier qui n’existe pas réellement dans la pratique
mais qui est très utilisé en théorie des signaux et systèmes continus.
La description théorique complète de cette fonction est donnée par la « théorie des distributions ».
Ici : résumé sommaire de la fonction Delta et de ses propriétés les plus importantes
8.2 Définition
D’une manière générale on peut considérer l’impulsion de Dirac comme la limite d’un signal rectangulaire
de surface unité dont la largeur tend vers 0.
L’une des nombreuses définitions possibles de la fonction Delta est la suivante. Partons d’une impulsion
rectangle définie par :
1 t
f(t) = 1
2 |t| < =
2
rect
2
0 |t| >
Si on diminue le paramètre , l’impulsion f(t) devient plus étroite et haute, tandis que l’aire demeure égale
à 1. Dans le cas limite où 0, on obtient la fonction delta (t) :
t =lim f t
0
f
(t
)
(
t
)
1 1
2
+
- t 0 t
1ère possibilité :
(t) = 0 t0
∞
∫ t dt=1
−∞
2ème possibilité :
∞
Ces deux dernières définitions ne sont pas faciles à se représenter visuellement, mais elle permettent de
mieux comprendre certaines propriétés de (t).
1
(at) (t)
a
x(t)(t) = x(0) (t) donc x(t) (t-to) = x(to) (t-to)
8.4 Remarques
8.4.1 Échantillonnage
L’impulsion de Dirac est un opérateur d’échantillonnage qui restitue la valeur x(0) d’un signal x(t) à t=0 ou
la valeur x(to) de x(t) à t=to si on utilise (t-to).
Système continus
Systèmes discrets (systèmes échantillonnés)
1. Introduction
Un système est un ensemble structuré destiné à effectuer des opérations sur les grandeurs d’entrée.
Deux propriétés :
Linéarité
Invariance dans le temps
1.1 Linéarité
Un système continu est linéaire si :
ax1(t) + bx2(t) ay1(t) + by2(t), (a et b constantes arbitraires)
y(t)=f[x1(t)+x2(t)]
x1(t)+x2(t) Système =f[x1(t)]+f[x2(t)]
linéaire =y1(t)+y2(t)
Si l’entrée est multipliée d’un facteur , alors la sortie est multiplié par .
x(t1) x(t1)
x1(t) y1(t)
t S.L.I.T. t
x(t1) x(t1)
x1(t-) y2(t- )
S.L.I.T.
t t
Relation entre x(t) et y(t) dans tout système linéaire invariant dans le temps :
équation différentielle linéaire en t à coefficients constants, par exemple :
dx(t ) d N x(t ) dy (t ) d M y (t )
y (t ) b0 x(t ) b1 .... bN N
a1 .... aM
dt dt dt dt M
où les coefficients : a1, …, aM, b0, …,bM caractérisent le système.
Utilisation d’autres méthodes plus simple applicables aux systèmes stables et causaux.
2.1 Stabilité
Un système continu est stable si tout signal d’entrée arbitraire x(t) d’amplitude finie produit un signal de
sortie d’amplitude finie.
3. Réponse impulsionnelle
Un système linéaire invariant dans le temps (CLI) peut être entièrement décrit par sa réponse
impulsionnelle, c’est à dire par le signal de sortie h(t) obtenu si le signal d’entrée est une fonction delta
(t).
(t)
h(t)
(t)
Système h(t)
CLI
t t
0
La connaissance de h(t) permet de calculer le signal de sortie y(t) correspondant à un signal d’entée quelconque x(t).
Exemple
xˆ(t ) est une suite de rectangles adjacents d’épaisseur et de hauteur égale à la valeur de la fonction de départ à la demi-
largeur du rectangle.
x(t) x(t)
t t
Système linéaire : yˆ(t ) obtenu à partir de xˆ(t ) en calculant les signaux de sortie de chacun des petits
rectangles et en les additionnant.
Dans un système CLI il est donc uniquement nécessaire de connaître le signal de sortie d’un rectangle pour
pouvoir calculer, pour un xˆ(t ) donné, le signal de sortie yˆ (t ) .
De plus, plus devient petit, plus xˆ(t ) devient une meilleure approximation de x(t) et yˆ(t ) de y(t).
Cas limite où 0 : on peut remplacer le rectangle à t= par une fonction delta x()(t-) et on peut donc
écrire :
+∞
x (t )=∫ x ( )(t − ) d
−∞
On peut donc déterminer y(t) pour un signal x(t) donné si on connaît le signal de sortie correspondant à
(t), et par définition cela constitue la réponse impulsionnelle notée h(t).
En résumé :
Le signal d’entrée (t) produit le signal de sortie h(t),
En vertu de l’invariance dans le temps, le signal d’entrée (t-) produit le signal de sortie h(t-)
En vertu de la linéarité x()(t-) x()h(t-)
+∞ +∞
Le signal d’entrée ∫ x ( ) (t−) d produit donc le signal de sortie ∫ x ( ) h(t −)d
−∞ −∞
En résumé, un système CLI dont la réponse impulsionnelle est h(t), produit à partir du signal d’entrée x(t)
un signal de sortie y(t) donné par :
+∞
y (t )= ∫ x ( ) h(t−) d
−∞
+∞
∫ ∣h(t )∣dt< ∞
−∞
Donc l’exponentielle complexe est fonction propre des systèmes linéaires et invariants dans le temps.
5. Réponse en fréquence
La transformé de Fourier de la réponse impulsionnelle h(t) d’un système CLI est appelée réponse en
fréquence H(). Tout comme h(t), H() fournit une description complète de ce système.
L’importance de H() est due principalement au fait qu’elle permet de déterminer le signal de sortie y(t)
pour un signal d’entrée donné x(t) sans avoir à calculer l’intégrale de convolution.
En effet si X() et Y() désignent les transformées de Fourier de x(t) et y(t), nous avons la relation :
Y() = X().H()
Les deux méthodes pour calculer y(t) à partir de x(t) et h(t) (convolution dans l’espace des temps et
multiplication dans l’espace des fréquences) sont schématisées ici :
x(t) h(t)
x(t) h(t) TF TF
X( ) H()
Y()
y(t)
TF -1
y(t)
6. Convolution
6.1 Définition
C’est l’effet que produit un instrument de mesure qui donne d’un phénomène, par exemple le signal
d’entrée, non pas une image nette, mais une image un peu floue. En optique l’image d’un point à travers un
instrument est une tache.
En électronique une impulsion infiniment brève injectée à l’entrée d’un système linéaire ne donne jamais
en sortie une impulsion infiniment brève mais un signal de durée non nulle (d’autant plus vite éteint que la
bande passante est grande).
Nous avons vu précédemment que ce signal, réponse à une impulsion infiniment faible, est appelé réponse
impulsionnelle.
Le fait que le système traduise un signal infiniment bref par un signal de durée infinie va évidemment
déformer un signal quelconque qui est injecté à son entrée.
Connaissant la réponse impulsionnelle h(t) d’un système linéaire et un système d’entrée e(t), peut-on
déterminer par le calcul, le signal de sortie s(t) ?
6.2.1 Principe
e(t)
e(t) s(t) = ?
t
(t)
1
t
t
h1(t)
1
t
t.h1(t)
e(0)
t
1ère impulsion
e(0).h1(t).t
e(t)
t
2nde impulsion
e(0).h1(t-t).t
e(kt)
t
kième impulsion
e(kt).h1(t-kt).t
Puisque le système est linéaire nous pouvons lui appliquer le théorème de superposition où la sortie sera la
somme des contributions de chaque impulsion élémentaire jusqu’à l’instant considéré.
l
s(t)=∑ e (k t ). h(t−k t ). t où l est la partie entière de t
t
k =0
+∞
+∞
Distributif :
a(t) [b(t)+c(t)]=a(t) b(t) + a(t) c(t)
Commutatif et associatif :
a(t) b(t) c(t) = a(t) c(t) b(t) = c(t) b(t) a(t) etc….
[a(t) b(t)] c(t) = a(t) [b(t) c(t)] = a(t) b(t) c(t)
6.2.2 Remarque
Il est inexact de représenter cette opération par le schéma de gauche car le signal de sortie à l’instant t ne
dépend pas de la seule valeur de h(t) à l’instant t et de la seule valeur de e(t) à l’instant t.
t
e
(
t) s
(
t) e
(
t)
s
(
t)
h
(
t) h
(
t)
Le signal de sortie à l’instant t dépend théoriquement de toute l’histoire du signal e(t). Le schéma correct
est donc celui de droite.
6.3 Dé-convolution
On peut se trouver confronter à deux classes de problèmes :
Connaissant le signal d’entrée et le signal de sortie d’un système linéaire , peut on en déduire sa réponse
impulsionnelle ?
Connaissant la réponse impulsionnelle d’un système linéaire et son signal de sortie, peut-on obtenir son
signal d’entrée ?
Un tel problème n’a en général pas de solution, autrement dit, sauf cas particulier, il n’existe pas de
réponse impulsionnelle qui à un signal e(t) donné fasse correspondre un signal s(t) donné.
C’est un réel problème car l’essentiel des problèmes d’identification de processus ou de mesure réside dans
cette opération de dé-convolution.
En d’autres termes, si l’équation de convolution s(t) = e(t) * h(t) a toujours une solution, l’équation de dé-
convolution que l’on écrit :
h(t ) s (t )** e(t )
*
n’a pas toujours de solution (ou bien en a plusieurs)
e ( t ) s ( t )* h ( t )
On pourrait supposer qu’en enregistrant simultanément le signal d’entrée et le signal de sortie réels d’un
système réel, on puisse, par dé-convolution, en tirer h(t), puisque le système existant, sa réponse
impulsionnelle existe aussi.
Or cette opération n’est en général pas réalisable. Elle n’est pas réalisable non plus dans le cas de systèmes
linéaires, car on ne mesure jamais exactement e(t) mais on mesure e(t) entaché d’une erreur (t), de même
pour s(t) on mesure s(t) + (t) donc l’équation de dé-convolution n’est pas forcément soluble.
7. Fonction de transfert
7.1 Définition
La fonction de transfert H(f) d’un système linéaire invariant dans le temps est égale à la transformée de
Fourier de la réponse impulsionnelle. La fonction de transfert est également appelée gain complexe.
+∞
−2 jf
H ( f )= ∫ h( )e d
−∞
Remarque : La fonction de transfert est sans dimension, ce qui permet d’exprimer son module en décibels.
Les signaux à temps et fréquence continus transformation de Fourier qui permet de passer de la
représentation en temps à la représentation en fréquence.
Les signaux à temps continu et fréquence discrète série de Fourier.
1. Définition
a0 ∞
x t = ∑ a n cos2 n 0 t b n sin 2 n 0 t
2 n=1
1
où 0
T
est la fréquence fondamentale du signal x(t)
a0
x(t) est donc formé d’une composante continue ( 2 ), de la fréquence fondamentale (0), et des
harmoniques du fondamental.
Cette décomposition du signal x(t) en une série d’harmoniques est la série de Fourier.
+T /2
∞
1 − j 2 n t
x t =∑ X n e j 2 n t
0
avec X n = ∫ x(t)e dt0
−∞ T −T /2
Xn est le spectre complexe qui fait apparaître des fréquences positives (n > 0) et négatives (n < 0).
Les composantes e j 2 n t et e− j 2 n t permettent de retrouver la composante en phase ( cos 2 n
0 0 0 t ) et la
composante en quadrature ( sin 2 n t ) apparaissant dans la série de Fourier.
0
2.1 Simplifications
propriétés de symétrie :
an = 0 si la fonction x(t) est impaire car x(t) = -x(-t)
bn = 0 si la fonction x(t) est paire car x(t) = x(-t)
1. Définition
Soit un signal transitoire x(t) vérifiant :
∫ ∣x(t)∣² dt< ∞
−∞
La transformée de Fourier X() du signal x(t), appelée aussi spectre complexe est donnée par :
∞
X = ∫ x t e− j 2 t dt
−∞
X ( ) R ( ) jI ( ) A( )e j ( )
Où R() et I() sont respectivement les parties réelles et imaginaires de X() et s’écrivent :
+∞ +∞
R()= ∫ x (t)cos(2 t)dt et I ()=−∫ x(t )sin(2 t)dt
−∞ −∞
Ce sont les composantes de x(t) en phase et en quadrature à la fréquence .
I
=arctan [ ] R
est le spectre de phase
2. Transformée inverse
On peut reconstituer le signal x(t) à partir de son spectre complexe par :
+∞
j 2 t
x(t)= ∫ X ()e d
−∞
1
que l’on note également x(t ) TF X ( )
La transformation de Fourier inverse (TF-1) permet d’interpréter x(t) comme une somme de composantes de
fréquence pure ( e ) dont le module et la phase sont fixés par le spectre.
2 j t
Réciproque vraie : il suffit que f(t) ainsi que sa transformée de Fourier soient à énergie finie.
4. Propriétés
Notation : x (t ) TF X ( )
→
1
x (at) TF
Dilatation d’abscisses :
→ ∣a∣
X
a ()
Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 61
Licence 3 ESA et Mécatronique
Relation de symétrie :
x ∗ (t ) TF X ∗
(−)
→
X ( ) X * ( ) : Symétrie Hermitienne
dx(t ) TF
Dérivée : 2 j X ()
dt →
Or les éléments sinusoïdaux sont des fonctions propres des systèmes linéaires, c’est à dire qu’un tel signal
n’est pas déformé par passage dans un filtre linéaire.
1. Introduction
Nous avons déjà vu que les signaux naturels sont représentés par des fonctions continues du temps :
signaux analogiques ou signaux à temps continus. Afin d’utiliser des systèmes de traitement numériques on
échantillonne ces signaux. En général on réalise un échantillonnage régulier parfait qui associe au signal
analogique x(t) la suite de ses valeurs aux instants nTE, TE étant la période d’échantillonnage. La suite
x(nTE) constitue le signal échantillonné ou signal digital x(n), car, afin de simplifier les notation, on ne fait
pas apparaître le période d’échantillonnage. Comme pour les signaux analogiques, les signaux
échantillonnés peuvent être traités en utilisant des systèmes linéaires invariants dans le temps, que l’on
appelle systèmes échantillonnés.
2. Définition des systèmes échantillonnés
Considérons le système échantillonné suivant soumis à signal d’entrée échantillonné x(n) :
Il délivre alors en sortie le signal échantillonné y(n). Comme dans le paragraphe précédent, le système est
linéaire s’il possède les propriétés d’homogénéité et d’additivité.
Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 64
Licence 3 ESA et Mécatronique
2.1 Homogénéité
Si l’entrée est multipliée d’un facteur , alors la sortie est multiplié par .
2.2 Additivité
La sortie globale d’un système linéaire pour une entrée composée de la somme de deux signaux x 1(n) et
x2(n) est égale à la somme de deux sorties y1(n) et y2(n).
y(n)=f[x1(n)+x 2(n)]
x1(n)+x 2(n) Système =f[x1(n)]+f[x2(n)]
Disc. Lin. =y1(n)+y 2(n)
1x1(n)+2x2(n) 1y1(n)+2y2(n)
Dans un tel systèmes les signaux d’entrée et se sortie peuvent être reliés :
en temps
en fréquence (TZ)
par une équation aux différences
3. Réponse impulsionnelle
Comme dans le cas d’un système continu, le système peut être entièrement décrit par sa réponse
impulsionnelle, c’est à dire par le signal de sortie obtenu si le signal d’entrée est une impulsion de Dirac.
(n) = 0,n = 0 si n 0
1 si n = 0
Soit h(n) la réponse impulsionnelle du système, à une entrée x(n) correspond la sortie :
y ( n )=∑ h( n− p ) x ( p )=∑ h( p ) x ( n− p )
p p
Cette relation entre la sortie et l’entrée définit la convolution à temps discret qui est la version
échantillonnée de la convolution définie précédemment.
Nous verrons à la section suivante que les systèmes échantillonnés peuvent être décrit en fréquence
(fonction de transfert en z). Ils peuvent également être décrits par des équations aux différences qui sont
l’équivalent des équations différentielles décrivant les systèmes à temps continus.
+∞ +∞
∑a k
y ( n−k )= ∑ b k x( n−k )
k =−∞ k =−∞
En considérant que le système décrit par cette équation est causal, et qu’il ne peut pas faire appel à des
signaux d’entrées et de sorties futurs, et en normalisant par a0, on obtient :
+∞ +∞
Cette relation décrit de manière générale les systèmes linéaires et stationnaires causaux. Dans la pratique,
on limite les valeurs des retards sur y(n) et x(n) ce qui conduit à :
P M
Cette expression de la relation entrée-sortie est très utile puisqu’elle donne un algorithme facilement
implantable pour calculer la sortie à l’instant n lorsque l’on connaît les P sorties précédentes et les M
entrées concomitantes et précédentes.
5. Filtres numériques
y ( n )+ ∑ ak y ( n−k )= x ( n )
k =1
y ( n )=∑ b k x( n−k )
k =0
La réponse impulsionnelle, h(n) des filtres RIF est obtenue simplement en faisant :
x(n) = (n)
On obtient alors :
h(k) = bk
La réponse impulsionnelle de ces filtres est donc de longueur finie d’où leur dénomination.
Pour les signaux à temps discret on fait appel à la transformation en Z. Étant donné que la notion de
fréquence est mal représentée par la transformée en Z, la transformation en fréquence réduite, qui permet
de retrouver la notion intuitive de fréquence, sera présentée. Ces signaux à temps discret dépendent d’une
variable continue en fréquence.
La deuxième partie de ce chapitre traitera donc des signaux à temps et fréquence discrets, exploitables par
des systèmes numériques dans les deux domaines temps et fréquence. Ces deux domaines sont reliés par la
transformation de Fourier discrète (TFD).
III. Transformation en Z
Les signaux à temps discret sont utilisés dans les systèmes de traitement numériques. On les obtient par
échantillonnage des signaux naturels. Pour étendre la représentation fréquentielle aux signaux à temps
discret on utilise la transformation en Z et la transformation en fréquence réduite.
1. Transformée en Z
La transformée en Z du signal à temps discret x(n) est la fonction de la variable complexe z :
X ( z ) TZ x (n) x (n) z n
n
et en particulier : TZ x ( n 1) X ( z ) z 1
z-1représente donc l’opération de retard de 1 pas d’échantillonnage. Cette propriété rend la transformation
en Z très utile dans l’étude des systèmes échantillonnés.
2. Fonction de transfert en Z
Considérons un système échantillonné de réponse impulsionnelle h(n). Appliquons lui x(n) à l’entrée et soit
y(n) la sortie, on a alors la relation suivante :
y (n ) h (n p ) x ( p )
p
p
k M
Y ( z ) 1 ak z X ( z ) bk z k soit Y(z)=H(z)X(z)
k 1 k 0
( z z 0i )
H ( z ) b0 z P M i 1
P
( z z
j 1
pj )
Les zéros du numérateur (z0i) sont les zéros du système (zéros de H(z)), les zéros du dénominateur (z pj) sont
les pôles du système (pôles de H(z)).
Les pôles et les zéros décrivent le système à une facteur d’amplitude (b 0) près et à un retard (zP-M) près.
On sera souvent amené à prolonger ce signal sur tout l’axe réel, pour n variant de - à +. Ce
prolongement peut être fait par des zéros. La représentation fréquentielle de x(n) est donnée par la
transformée en fréquences réduites, X(). Cette fonction de la variable continue n’est pas accessible à un
système numérique de traitement.
On peut aussi prolonger le signal x(n) en le périodisant, c’est à dire en lui ajoutant toutes ses translatées en
temps. Il est logique de réaliser des translations d’une durée D. Le signal ainsi obtenu est périodique, de
période D, sa représentation fréquentielle est donc discrétisée avec un pas en fréquence :
1
b
D
Pour décrire tout le signal en fréquence il faut donner ses composantes fréquentielles sur une bande totale
1
1 TE
de TE Hertz, il faut donc disposer de 1
N échantillons.
D
La transformation qui associe les suites temporelles et fréquentielles est la version de la transformée de
Fourier échantillonnée en temps et en fréquence. On l’appelle transformation de Fourier discrète : TFD.
au signal fréquentiel :
X(m) 0m<N
Par :
X (m) TFD x(n)
N1 nm
2 j
X (m) x(n)e N
n 0
Pour retrouver la TFD dans les mêmes dimensions que la TF, (X() est un signal multiplié par un temps),
on pourra prendre =TE, période d’échantillonnage.
3. Propriétés de la TFD
3.1 Inversibilité
La TFD est inversible et on la note TFD-1. On peut retrouver la suite des échantillons temporels à partir des
échantillons fréquentiels par la transformée inverse :
x( n) TFD 1 X ( m)
N1 2 j
nm
avec N = 1
x ( n ) X ( m) e N
m 0
Cette propriété est importante car elle établit l’équivalence entre les deux représentations. Notons que
sera égal selon le cas à 1 ou à 1/N.
Si l’on rétablit la dimension de X(m) en choisissant =TE, 1 NT sera égal à l’écart entre deux canaux de
E
la TFD.
3.2 Linéarité
La TFD et la TFD-1 sont des transformations linéaires
3.3 Convolution
Compte tenu de la définition des signaux de la TFD sur l’intervalle [0-N[, la convolution fait apparaître la
notion de translation circulaire. En raison de l’aspect périodique des signaux traités (en temps et en
fréquence), en cas de translation vers les temps positifs, les échantillons sortant à droite rentreront a
gauche. On parle alors de convolution circulaire.
Ainsi, la convolution circulaire en temps ou en fréquence se transforme, par TFD, en un produit simple
dans le domaine dual :