Chap1 Signaux Discrets

ENSI Caen - Informatique 1A
M.FRIKEL - G.BINET 2008 2009

LES SIGNAUX DISCRETS
ENSI Caen - Informatique 1A
M.FRIKEL - G.BINET 2008 2009

I GENERALITES SIGNAL MESURE - CAPTEURS. .................................................................1
I.1 GENERALITES SUR LES SIGNAUX:......................................................................................................1
I.2 CLASSIFICATION DES SIGNAUX: ........................................................................................................1
I.3 MODELISATION DES SIGNAUX-THEORIE DU SIGNAL..........................................................................1
I.4 SYSTEMES - FILTRES: .......................................................................................................................2
II SIGNAUX DISCRETS.......................................................................................................................3
II.1 SIGNAUX CONTINUS, DISCRETS, ECHANTILLONNES: ........................................................................3
Signal continu: ..................................................................................................................................3
Signal discret: ...................................................................................................................................3
Signal chantillonn: ........................................................................................................................3
II.2.SIGNAUX ELEMENTAIRES DISTRIBUTIONS:....................................................................................4
Proprits mathmatiques fondamentales de la distribution de Dirac : ..........................................4
Proprit mathmatique fondamentale du peigne de Dirac:............................................................5
Reprsentation des signaux priodiques: .........................................................................................5
Reprsentation des signaux discrets et des signaux chantillonns:................................................5
Un problme pratique pour l'chantillonnage: ................................................................................6
II.3 SIGNAUX DISCRETS ET PERIODIQUES:...............................................................................................6
III ANALYSE FREQUENTIELLE ......................................................................................................7
III.1 TRANSFORMEE DE FOURIER: ..........................................................................................................7
III.2 APPLICATION AUX SIGNAUX PERIODIQUES: ....................................................................................7
Spectre discret (mthode n1):..........................................................................................................7
Spectre discret (mthode n2):..........................................................................................................8
Lien srie-transforme:.....................................................................................................................8
Cas particulier des sinusodes: .........................................................................................................8
III.3 APPLICATION AUX SIGNAUX DISCRETS:..........................................................................................8
Signaux discrets (mthode n1): .......................................................................................................8
Signaux chantillonns (mthode n2): ............................................................................................9
Bande de frquence de Shannon :.....................................................................................................9
Phnomne de recouvrement frquentiel :........................................................................................9
Remarque :......................................................................................................................................10
Consquences exprimentales: .......................................................................................................10
III.4 RECONSTRUCTION D'UN SIGNAL ECHANTILLONNE: ......................................................................10
III.5 SIGNAUX DISCRETS ET PERIODIQUES:...........................................................................................11
III.6.SIGNAUX REELS : .........................................................................................................................11
Proprits de la transforme de Fourier d'un signal rel: .............................................................11
Application au calcul de la transforme de Fourier d'un signal rel:............................................12
Cas particulier d'un signal pair:.....................................................................................................12
Cas particulier d'un signal impair:.................................................................................................12
Annexe: proprits de la transforme de Fourier d'un signal rel: ...............................................12
III.7.TRANSFORMEE DE FOURIER, TRANSFORMEE DE LAPLACE ET TRANSFORMEE EN Z: .....................13

ENSI CAEN Informatique 1A - Les signaux discrets-
--------------------------------------------------- -------------------------------------------------------------------
M.FRIKEL - G.BINET SigDeter
1
LES SIGNAUX DISCRETS

I GENERALITES SIGNAL MESURE - CAPTEURS.

I.1 Gnralits sur les signaux:

Un signal est une grandeur physique accessible la mesure. En gnral, un signal dpend des
coordonnes d'espace (l'endroit o il se situe et le temps) soit {x,y,z,t}. On attribue un signal des proprits
lmentaires comme l'intensit, la puissance, l'nergie Ce sont ces grandeurs auxquelles sont sensibles les
capteurs qui constituent l'instrument de mesure du signal.
Un capteur mesure l'un des aspects du signal par exemple:
Signal lectrique: intensit (ampres), tension (volts), puissance (watts).
Signal thermique: intensit (C, Kelvin), nergie ( calorie ou joule ).
Signal lumineux: intensit (lumen), puissance (watts), nergie (joules)
Mlange chimique: concentration (mol/l), acidit (pH), taux de calcaire( tH)
Signal magntique (tesla).
Signal baromtrique (hectopascal).
Vitesse d'un mobile (m/s, rd/s), acclration.
Etc..
Bon nombre de capteurs sont aussi en gnral des transducteurs c'est dire qu'ils transforment la grandeur
physique tudie en une autre grandeur physique ventuellement proportionnelle et plus aise traiter avec les
outils modernes d'o la grande vogue des signaux lectriques (tensions ou courants).
I.2 Classification des signaux:

Les signaux sont classables selon des grands groupes de proprits:
Signaux continus ou discrets.
Signaux priodiques ou non.
Signaux dterministes ou alatoires.

I.3 Modlisation des signaux-Thorie du signal

Afin de pouvoir prvoir des comportements ou de concevoir des appareils susceptibles de modifier,
d'analyser les signaux il est intressant de les modliser grce des outils mathmatiques les plus puissants
possibles.
La modlisation du signal peut se faire grce des "fonctions" mathmatiques plus ou moins
compliques dcrivant la manire dont le signal volue dans l'espace et le temps s(x,y,z,t). Pour l'tude d'un
signal en un point de l'espace la fonction sera uniquement dpendante du temps: s(t). Si le signal est une
--------------------------------------------------- -------------------------------------------------------------------
2
image statique forme par exemple sur une barrette CCD, la fonction devient s(x). S'il s'agit d'une image
statique: s(x,y), d'une image 3 dimensions (hologramme,): s(x,y,z). Si ces images sont animes on retrouve
soit s(x,t) soit s(x,y,t) soit s(x,y,z,t).
L'tude du signal de manire lmentaire se fait sur des fonctions d'une seule variable s(t) ou s(x). La
gnralisation plusieurs dimensions utilise les mmes concepts, seule est ajoute un peu de complexit.
I.4 Systmes - Filtres:

Les signaux sont traits par des systmes ou filtres dont le but est de les modifier pour leur confrer
certaines proprits ou d'en extraire des informations. De mme que les signaux, les systmes se classent en
grandes catgories: continus ou discrets. Dans l'une et l'autre de ces catgories le cas particulier des systmes
linaires invariants par translation (SLI, LTI) est particulirement intressant car nous disposons pour l'tude de
ceux-ci d'outils mathmatiques performants tout en restant d'approche relativement aise.
Outils mathmatiques:
Modlisation
Energie ou
puissance
Analyse frquentielle
Signaux continus
Fonctions
Distribution
Signaux discrets Distributions
Systmes continus
Convolution
Transforme de Laplace
Systmes discrets
Convolution discrte
Transforme en Z
Signaux alatoires
Moments statistiques
Corrlations statistiques
T
r
a
n
s
f
o
r
m
e

d
e

F
o
u
r
i
e
r

d
e
s

f
o
n
c
t
i
o
n
s

e
t

d
e
s

d
i
s
t
r
i
b
u
t
i
o
n
s

Signaux priodiques
A
n
a
l
y
s
e

p
a
r

c
o
r
r
l
a
t
i
o
n
,

i
n
t
e
r
c
o
r
r
l
a
t
i
o
n

e
t

m
o
m
e
n
t
s

t
e
m
p
o
r
e
l
s

Srie de Fourier et
transforme de Fourier
discrte

--------------------------------------------------- -------------------------------------------------------------------
3
II SIGNAUX DISCRETS
II.1 Signaux continus, discrets, chantillonns:

Signal continu:
Classe de signaux largement tudie dans les cours prcdents. Un signal continu est connu chaque
instant t sauf en un nombre de points de mesure nulle (discontinuits de premire espce).
Les signaux lmentaires ont dj t largement tudis :
lchelon dHeaviside e(t)
e
-t
e(t)
t e(t)
cos(t+)
e
j2ft
.

Signal discret:
Un signal discret nest connu qu certains instants t
k
soit un tableau de valeurs numriques {x(t=t
k
)}.
Le cas le plus simple et le plus important est celui o : ( t
k+1
-t
k
) = cste = T
s
k. Le signal est alors connu
par sa srie de valeurs contenues dans un tableau {x(kT
s
)} {x
k
}.
La reprsentation d'un signal discret par un tableau de valeurs {x
k
} n'est pas vraiment satisfaisante car
un tableau n'est pas un objet mathmatique ais manipuler tel quel en comparaison avec les fonctions. La
reprsentation graphique lie ce modle (modle physique) sera:

Nous allons voir ensuite comment lui associer un modle mathmatique plus intressant manipuler.

Signal chantillonn:
Un signal chantillonn est un signal discret dont les valeurs {x
k
} sont prleves (mesures) sur un
signal continu. Par convention cela se schmatise comme suit:

Signal continu Signal chantillonn
chantillonneur
t t = kT
s
x
k

Signal discret
--------------------------------------------------- -------------------------------------------------------------------
4
II.2.Signaux lmentaires distributions:

Nous verrons par la suite que les signaux discrets et priodiques sont intimement lis. Pour palier
l'insuffisance de la modlisation par un tableau de valeurs et ainsi pouvoir manipuler les signaux discrets de
manire analytique il est intressant d'utiliser la thorie des distributions de Laurent Schwartz (1915-2002).
Cette mme thorie permet de modliser les signaux priodiques et constitue ainsi un excellent outil pour
l'tude globale des signaux discrets. Par ailleurs rappelons que c'est la seule approche satisfaisante pour
l'tude de la drivation gnralise dans le cas des signaux continus ayant des discontinuits de premire
espce.
Il n'est pas ncessaire de reprendre les dtails de cette thorie dveloppe dans les cours de
mathmatiques mais simplement de rappeler les quelques rsultats lmentaires qui nous intressent.

Deux signaux fondamentaux seront ainsi utiliss :
La distribution de Dirac (t) Le peigne de Dirac
+
=
=
n
s T
) nT t ( ) t ( Pgn
s

Proprits mathmatiques fondamentales de la distribution de Dirac :
parit: (-t) = (t)
facteur d'chelle: (at) = (1/|a|) (t) avec aR
produit dune fonction ( distribution rgulire ) par la distribution de Dirac :
x(t). (t-t
0
) = x(t
0
). (t-t
0
)
produit de convolution dune fonction (ou d'une distribution) par la distribution de Dirac :
x(t) (t-t
0
) = x(t-t
0
).
Le produit de deux distributions de Dirac n'existe pas: (t-t
1
).(t-t
2
) n'a pas de sens. Le produit de
convolution de deux distributions existe en particulier : (t - t
1
) (t - t
2
) = (t - t
1
- t
2
).
Transforme de Fourier: TF[ (t)] = 1.
Ces proprits ne dpendent bien videmment pas de la variable (ici le temps t), nous pouvons l'utiliser
dans tout autre espace comme celui des frquences: par exemple y(f) (f-f
0
) = y(f-f
0
) ce qui reprsente la
translation frquentielle.

Ts
2.Ts 0 -Ts -2.Ts
t
(t)
t
Pgn
Ts
(t)
--------------------------------------------------- -------------------------------------------------------------------
5
Proprit mathmatique fondamentale du peigne de Dirac:
Le peigne de Dirac est une distribution priodique nous savons calculer sa transforme de Fourier:

+
=
+
=
+
=
= =
(

k
s s
k
s s
n
s
) kf t ( f )
T
k
f (
T
1
) nT t ( TF

"La transforme d'un peigne de Dirac est un peigne de Dirac".
Attention au coefficient f
s
=1/T
s
.

Reprsentation des signaux priodiques:
Un signal priodique est constitu par une fonction motif x
m
(t) = x(t). La modlisation complte du signal
est obtenue en priodisant la priode T
0
le motif x
m
(t) puis en superposant les composantes obtenues soit:
+
=
=
n
0 m
) nT t ( x ) t ( x
Un cas particulier trs utilis pour les reprsenter est de dfinir x
m
(t) pour t[0,T
0
] (ou tout autre
intervalle de largeur T
0
) et nulle en dehors de la priode T
0

La convolution par la distribution de Dirac fournissant la reprsentation d'une translation, nous aurons:

+
=
+
=
= =
n
0 m
n
0 m
) nT t ( ) t ( x ) nT t ( x ) t ( x
"Priodicit convolution par un peigne de Dirac".
Remarque: ceci est aussi valable pour tout autre variable que t en particulier la frquence f.
Reprsentation des signaux discrets et des signaux chantillonns:
Par dfinition, la modlisation mathmatique d'un signal discret est effectue par un peigne de Dirac
pondr par les chantillons du signal :
+
=
=
k
s k
) kT t ( x ) t ( x

Un signal chantillonn est un signal discret obtenu partir dun signal continu dont on prlve les
valeurs intervalles de temps rguliers T
s
(priode dchantillonnage) :

+
=
+
=
= =
k
s
k
s k e
) kT t ( ). t ( x ) kT t ( x ) t ( x

"Echantillonner produit simple par un peigne de Dirac".

Ts 2.Ts 0 -Ts -2.Ts
t
--------------------------------------------------- -------------------------------------------------------------------
6
Un problme pratique pour l'chantillonnage:
Certains signaux continus, en tout cas leur reprsentation mathmatique (signaux dfinis presque partout
sauf en un ensemble de points de mesure nulle), prsentent des discontinuits de premire espce: e(t), signal
carr,.Les proprits d'une de ces discontinuits t = t
0
sont:
A l'instant t
0
le signal n'est pas connu. Seule hypothse: sa valeur est borne.
)] t ( f [ lim ) t ( f )] t ( f [ lim ) t ( f
0
0
0 0
0
0
= + =

+
et ) t ( f ) t ( f ) t ( f
0 0 0
+
= .
La drive n'existe qu'au sens des distributions: ) t t ( ) t ( f ) t ( f
0 0 0
,
= .
Que se passe-t-il si nous chantillonnons
un tel signal l'instant t = t
0
? La valeur de
l'chantillon ne peut tre f(t
0
) qui n'existe pas. Si
nous considrons la discontinuit en t
0
comme
un cas limite, selon le cas choisi la valeur sera
f(t
0
-
), f(t
0
+
), [f(t
0
-
) + f(t
0
+
)]. Ce raisonnement est
purement thorique.
Si nous nous intressons au problme
pratique, l'chantillonnage est ralis par un circuit lectronique type SAH (sample and hold), convertisseur
analogique-numrique,..Quelque soit le circuit utilis, entre l'instant o il reoit l'ordre d'effectuer
l'chantillonnage et l'instant de ralisation, il y aura toujours un retard (mme extrmement faible: qqs ns ou s).
Cette faon de voir les choses nous amne donc considrer que la valeur de l'chantillon en t
0
sera
systmatiquement f(t
0
+
).
Sauf indication contraire nous choisirons par la suite cette valeur. Ce n'est en aucun cas rigoureux et nous
parlerons alors de "convention d'chantillonnage rel".

II.3 signaux discrets et priodiques:

Un signal peut tre la fois chantillonn et priodique. Sa reprsentation devient simple lorsque le
nombre dchantillons dans une priode est entier soit: T
0
= N.T
s
avec N entier.
Sa reprsentation peut se faire de trois faons compltement quivalentes :

Motif discret priodis :

+
=
=

(
=
n
0
1 N
0 k
s k ed
) nT t ( ) kT t ( x ) t ( x
Motif continu chantillonn et priodis :

+
=
=

(
=
n
0
1 N
0 k
s ed
) nT t ( ) kT t ( ). t ( x ) t ( x
Motif continu priodis et chantillonn :

+
=
+
=

(
=
k
s
n
0 m ed
) kT t ( . ) nT t ( ) t ( x ) t ( x
t
t
0

--------------------------------------------------- -------------------------------------------------------------------
7
III ANALYSE FREQUENTIELLE

III.1 Transforme de Fourier:

L'analyse de Fourier largement utilise dans le domaine du signal permet de dcomposer une fonction
sur une base d'exponentielles:
Transformation directe :
}
+

= = dt e ) t ( x ) f ( X )] t ( x [ TF
ft 2 j

Transformation inverse :
}
+

= = df e ) f ( X ) t ( x )] f ( X [ TF
ft 2 j 1

Cette transforme dfinie au sens des fonctions de L
(1)
est tendue aux distributions tempres avec les
rsultats suivants:
Translation temporelle - Dphasage frquentiel
0
ft 2 j
0
e )] t t ( [ TF

= => 1 )] t t ( [ TF
0
=
Dphasage temporel - Translation frquentielle ) f f ( ] e [ TF
0
t f 2 j
0
=

La drivation gnralise applique aux sries de Fourier termes complexes permet d'tablir les formules
de Poisson:

+
=
+
=

=
n
0 0
n
fnT 2 j
) nf f ( f e
0

Ce qui permet d'tablir les formules dj rappeles pour le peigne de Dirac (avec f
0
T
0
=1):

+
=
+
=
+
=
+
=

+
=
=
(

= =
(

n
0 0
n
0
1
n
0 0
n
fnT 2 j
n
0
) nT t ( T ) nf f ( TF
) nf f ( f e ) nT t ( TF
0

III.2 Application aux signaux priodiques:

Spectre discret (mthode n1):
Un signal priodique possde une dcomposition en srie de Fourier termes complexes :
[ ]

}
+
=
+
=

+
=
= =
= =
n
0 n
n
t nf 2 j
n
) T (
t nf 2 j
0
n
n
t nf 2 j
n
) nf f ( C e TF C )] t ( x [ TF
dt e ) t ( x
T
1
C avec e C ) t ( x
0
0
0 0

d'o le rsultat important suivant: la transforme de Fourier d'un signal priodique est discrte.
Signal priodique TF discrte

--------------------------------------------------- -------------------------------------------------------------------
8
Spectre discret (mthode n2):
En utilisant l'expression du signal priodique dfini partir de sa fonction motif x
m
(t) :

+
=
+
=
+
=
= = =
n
0 0 0 m
n
0 0 m
n
0 m
) nf f ( f ). nf ( X ) nf f ( f ). f ( X ] ) nT t ( ) t ( x [ TF )] t ( x [ TF
Le rsultat est toujours un peigne de Dirac pondr => la transforme de Fourier est discrte.

Lien srie-transforme:
Les deux mthodes prcdentes sont quivalentes et aboutissent bien sr la mme conclusion. En
comparant les deux rsultats il vient:
C
n
= f
0
.X
m
(nf
0
)
Ce rsultat nous permet de concevoir diffremment le coefficient de dcomposition en srie de Fourier
termes complexes : le coefficient C
n
est obtenu par discrtisation frquentielle d'intervalle f
0
de la transforme
de Fourier du motif du signal priodique multiplie par f
0
.

Cas particulier des sinusodes:
Les sinusodes peuvent tre exprimes par les formules
d'Euler:
) f f ( ) f f ( )] t f 2 [cos( TF
2
e e
) t f 2 cos(
0
2
1
0
2
1
0
t f 2 j t f 2 j
0
0 0
+ + =
+
=

) f f ( ) f f ( )] t f 2 [sin( TF
j 2
e e
) t f 2 sin(
0
j 2
1
0
j 2
1
0
t f 2 j t f 2 j
0
0 0
+ =
=

III.3 Application aux signaux discrets:

Signaux discrets (mthode n1):
+
=
=
k
s k
) kT t ( x ) t ( x =>
+
=

=
k
f kT 2 j
k
s
e x )] t ( x [ TF
Cest une srie de Fourier termes complexes dans le domaine des frquences => TF[x(t)] est une fonction
priodique de la frquence f.
Signal discret TF priodique
consquence:
f
Re
Im
f
0
-f
0
1/2
1/2
f
Re
Im
f
0
-f
0
1/2 1/2
--------------------------------------------------- -------------------------------------------------------------------
9
Les x
k
sont des coefficients de dcomposition en srie de Fourier termes complexes nous pouvons donc les
retrouver partir de la transforme de Fourier :
X(f) = TF[x(t)] => df e ) f ( X T df e ) f ( X
f
1
x
s
s
s
s
T / 1
f kT 2 j
s
f
f kT 2 j
s
k } }

= =

Signaux chantillonns (mthode n2):
Cette proprit peut tre tablie de manire plus lgante en faisant intervenir les distributions. Le
signal chantillonn x(t) est obtenu partir du signal continu x
c
(t).

+
=
+
=
= =
k
s c
k
s k
) kT t ( ). t ( x ) kT t ( x ) t ( x

+
=
+
=
= =
n
s c s
n
s s c
) nf f ( X f ) nf f ( f ) f ( X )] t ( x [ TF
Nous retrouvons ainsi la priodicit du spectre.

Bande de frquence de Shannon :
Pour tudier le spectre dun signal discret, il suffit de le connatre sur une priode frquentielle de dure
f
s
le reste du spectre tant obtenu par priodisation de ce motif. Par convention, nous utiliserons la bande de
frquence de Shannon (ou de Nyquist) [-f
s
/2 , f
s
/2] [-1/(2T
s
) , 1/(2T
s
)]. Lutilisation de frquences normalises
justifiant la notation abrge [-1/2 , 1/2].
Pour les calculs, bon nombre de logiciels utilisent la bande de frquences [0 , f
s
] soit [0 , 1] en
frquences normalises. Ceci sera utilis en particulier avec la transforme discrte (TFD) et son algorithme
rapide (FFT).

Phnomne de recouvrement frquentiel :
(repliement, folding, aliasing)
Si le spectre f
s
X
c
(f) est plus tendu que la bande de Shannon, la priodisation va introduire un recouvrement
dont la consquence est que X(f) f
s
X
c
(f) ce qui interdit par simple filtrage (troncature frquentielle) de
retrouver le signal continu dorigine.

Absence de repliement Repliement important
--------------------------------------------------- -------------------------------------------------------------------
10
THEOREME DE SHANNON (1916-2001):
Cest le premier rsultat fondamental de la thorie des signaux discrets.
Si on appelle f
M
la frquence maximale du spectre X
c
(f) du signal continu, celui-ci pourra tre retrouv sans
distorsion si on respecte la condition :
f
s
2.f
M
=> T
s
1/(2.f
M
)
1/(2f
M
) est la priode dchantillonnage critique (pour un signal sinusodal, 2 chantillons par priode).

Remarque :
En pratique, pour un grand nombre de signaux, le spectre de Fourier nest pas limit mais tend
asymptotiquement vers 0 lorsque f+. Dans ce cas, f
M
=+ et il est impossible de respecter rigoureusement la
condition de Shannon. On peut quand mme chercher la respecter approximativement par exemple en
ngligeant dans le spectre toutes les frquences pour lesquelles le module de la transforme de Fourier du
signal est infrieur % de son maximum.

Consquences exprimentales:
Exprimentalement il est ncessaire de supprimer toutes les frquences suprieures f
M
en particulier
celles qui peuvent tre dues des bruits. Il faut donc de procder au pralable un filtrage du signal par un
filtre passe-bas : le filtre anti-repliement. Ce filtre ne peut tre videmment ralis que de manire analogique
puisquil prcde lchantillonnage.

III.4 Reconstruction d'un signal chantillonn:

Celle-ci est thoriquement possible si la condition dchantillonnage de Shannon a t respecte. Il suffit de
faire le raisonnement suivant :
Isoler le spectre du signal continu dans la bande de Shannon : X
c
(f) = (1/f
s
).X(f).rect(f/f
s
)
Effectuer la transformation de Fourier inverse : x
c
(t) = TF
-1
[X
c
(f)]
+
=

=
k
s
s
s k
s
s
s
s
c
t f
) t f sin(
) kT t ( x
t f
) t f sin(
f ) t ( x
f
1
) t ( x =>
) kT t ( f
)) kT t ( f sin(
x ) t ( x
s s
s s
k
k c

=

+
=

Connaissant les chantillons x
k
nous sommes donc capables de reconstituer le signal. Il y a cependant
un inconvnient : cette reconstruction nest pas causale puisque, un instant t donn, il nous faut tous les
Signal
chantillonn
chantillonneur Filtre analogique
passe-bas
anti-repliement
Signal
continu filtr
Signal
continu
Principe de la chane d'acquisition d'un signal continu et de
sa transformation en signal discret
--------------------------------------------------- -------------------------------------------------------------------
11
chantillons y compris ceux qui interviennent dans le futur. Elle ncessite le calcul avec tous les chantillons qui
peuvent tre en nombre infini => temps de calcul prohibitif.
Cette technique peut nanmoins tre utilise en temps diffr sur des signaux possdant un nombre
limit dchantillons. Dans la pratique nous levons ces inconvnients en sadressant des techniques de
reconstruction approximatives mais causales et de temps de calcul raisonnable.
La formule exprime quand mme le fait thorique important qui est que, si on respecte la condition de Shannon,
le signal chantillonn possde la totalit des "informations" contenues dans le signal continu.

III.5 Signaux discrets et priodiques:
Ils seront tudis en dtail dans le chapitre sur la transforme de Fourier discrte. Compte tenu des
chapitres prcdents, le spectre aura les deux proprits de priodicit et de discrtisation.
Signal discret TF priodique
Signal priodique TF discrte

Signal priodique et discret TF discrte et priodique

III.6.Signaux rels :

Signaux dont la mesure est exprime par un nombre rel (x
k
R) c'est dire la grande majorit des
signaux traits dans la pratique. Que le signal soit discret ou continu leur spectre a les mmes proprits
gnrales. Ce sont ces proprits dj tablies dans le cas continu qui sont ici brivement rappeles.

Proprits de la transforme de Fourier d'un signal rel:
Utilisons les proprits de la transforme de Fourier (cf preuve en fin de paragraphe):
)] t ( x [ TF ] ) t ( x [ TF ) f ( X )] t ( x [ TF ) f ( X = = =
Pour un signal x(t) rel :
) f ( B j ) f ( A )] t ( x [ TF ) f ( B j ) f ( A ) f ( X
rels sont ) f ( B et ) f ( A o ) f ( B j ) f ( A ) f ( X )] t ( x [ TF
= = + =
+ = =

La transforme de Fourier d'un signal rel est telle que:
- sa partie relle A(f) est paire
- sa partie imaginaire B(f) est impaire.
X(f) peut tre exprime aussi sous la forme module-argument: X(f) = |X(f)| e
j(f)

Cas du module: |X(f)|
2
= |A(f)|
2
+ |B(f)|
2
= |X(-f)|
2

Cas de l'argument: (f) = Arg[X(f)] = Arctg[B(f)/A(f)] = -Arg[X(-f)]
--------------------------------------------------- -------------------------------------------------------------------
12
La transforme de Fourier d'un signal rel est telle que:
- le module |X(f)| est pair
- l'argument Arg[X(f)] est impair.

Application au calcul de la transforme de Fourier d'un signal rel:
Dans le cas d'un signal rel et discret, il suffit de calculer la transforme de Fourier sur la moiti de la
bande de Shannon [0 ; 0,5] l'autre partie [-0,5 ; 0] ou [0,5 ; 1] tant complte:
par symtrie pour le module qui est pair.
par antisymtrie pour l'argument qui est impair.

Cas particulier d'un signal pair:
Si x(t) est pair la transforme de Fourier est paire: X(f)=X(-f).
Si de plus il est rel seul A(f) existe X(f) est rel.
La transforme de Fourier d'un signal rel et pair est relle et paire.

Cas particulier d'un signal impair:
Si x(t) est impair la transforme de Fourier est impaire: X(f)=-X(-f).
Si de plus il est rel seul B(f) existe X(f) est imaginaire.
La transforme de Fourier d'un signal rel et impair est imaginaire et impaire.

Annexe: proprits de la transforme de Fourier d'un signal rel:
Cas de signaux continus:
)] t ( x [ TF dt e ) t ( x ] ) t ( x [ TF dt e ) t ( x dt e ) t ( x ) f ( X
dt e ) t ( x ) f ( X )] t ( x [ TF
ft 2 j ft 2 j ft 2 j
ft 2 j
= = = = =
= =
} } }
}
+

+

+

+

Cas de signaux discrets:
)] t ( x [ TF e x ] ) t ( x [ TF e x e x ) f ( X
e x ) f ( X ) kT t ( x TF )] t ( x [ TF
k
f kT 2 j
k
k
f kT 2 j
k
k
f kT 2 j
k
k
f kT 2 j
k
k
s k
s s s
s
= = = = =
= =
(
=

+
=

+
=

+
=
+
=

+
=

--------------------------------------------------- -------------------------------------------------------------------
13
III.7.Transforme de Fourier, transforme de Laplace et transforme en Z:

Ce sujet est plus largement discut dans l'tude de la transformation en Z dont nous rappelons ici les
points essentiels.
La transforme de Fourier nexiste que pour les signaux de L
(1)
(ensemble des signaux stables). En
continu, elle a t gnralise par la transforme de Laplace (moyennant quelques conditions de convergence)
et lextension de cette transformation de Laplace peut se faire avec prcautions aux distributions et en
particulier la distribution de Dirac. Nous sommes ainsi en mesure de ltendre ltude des signaux discrets.
}
+
= + = =
0
pt
dt e ) t ( x ) j p ( X )] t ( x [ TL au sens des fonctions.
TL[(t)]=1 TL[(t-)]=e
-p
pour les distributions.
+
=
=
k
s k
) kT t ( x ) t ( x =>
+
=
=
k
kpT
k
s
e x )] t ( x [ TL
La transforme de Laplace dun signal discret ne se met plus sous forme polynomiale comme dans le
cas continu ce qui nous fait perdre un outil puissant. Pour le retrouver un changement de variable complexe
suffit et amne dfinir la transforme en Z dun signal discret :
z=e
pTs
=>

+
=
+
=
= = =
k
k
k
k
kpT
k
)] t ( x [ TZ z x e x )] t ( x [ TL
s

Le passage de cette transforme en Z la transforme de Fourier se fait en posant z = e
jTs
et n'est
possible que si le cercle unit appartient l'anneau de convergence de la transforme en Z tudie (cf: notions
de base sur la transforme en Z)

Chap1 Signaux Discrets

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap1 Signaux Discrets

Transféré par

Droits d'auteur :

Formats disponibles

ENSI Caen - Informatique 1A

M.FRIKEL - G.BINET 2008 2009

Vous aimerez peut-être aussi