Signaux et Systmes Discrets

Olivier Sentieys ENSSAT - Universit de Rennes 1 IRISA - Equipe de recherche R2D2 Olivier.Sentieys@enssat.fr

ENSSAT ENSSAT
14 avril 2003
Olivier Sentieys ENSSAT EII 1

Plan

Introduction 1. Signaux temps discret 2. Transformation en Z 3. Transformation de Fourier 4. Systmes discrets 5. chantillonnage et reconstruction des signaux

Olivier Sentieys

ENSSAT EII 1

Introduction

Traitement (numrique) du signal : 1. Modliser ou identier consiste en lanalyse dun signal ou dun systme, dans le domaine temporel ou frquentiel (i.e. spectral). On parlera galement destimation. 2. Synthtiser ou gnrer un signal. 3. Transmettre un ensemble de signaux sur un support. 4. Transformer un ensemble de signaux laide dun systme linaire (ltrer, moduler, coder, . . .) ou non linaire (()2, | |, . . . ).

Olivier Sentieys

ENSSAT EII 1

Classication des signaux

1. Dimensionnalit Fonction de la dimension du signal ou des dimensions des variables du signal : Signal scalaire pouvant prendre des valeurs relles ou complexes : x(t) Signal vectoriel pouvant prendre des valeurs relles ou complexes : [R, V, B] = T V (t) Signal mono-dimensionnel qui correspond des fonctions un seul argument, comme par exemple le temps Signal multi-dimensionnel qui correspond des fonctions plusieurs arguments : [I] = T V (t, x, y) 2. Caractristiques temporelles Signaux temps continu ou signaux analogiques. La variable t R. On notera un signal analogique de la faon suivante : sa(t)
Olivier Sentieys ENSSAT EII 1 3

 Signaux temps discret : ces signaux sont dnis pour certaines valeurs de la variable t : s(n) = s(nT ) = s(t)|t=nT 3. Valeurs prises par le signal Signaux valeurs continues pouvant prendre une valeur relle dans un intervalle continue Signaux valeurs discrtes prenant seulement des valeurs parmi un ensemble ni de valeurs possibles : voir quantication 4. Prdictibilit des signaux Signaux dterministes qui peuvent tre reprsents explicitement par une fonction mathmatique Signaux alatoires qui voluent dans le temps dune manire imprvisible. Il est cependant possible de dcrire mathmatiquement certaines caractristiques statistiques de ces signaux

Olivier Sentieys

ENSSAT EII 1

1. Signaux temps discrets

1. Dnition 2. Oprations sur les signaux temps discret 3. Signaux temps discret de base 4. Proprits des signaux temps discret

Olivier Sentieys

ENSSAT EII 1

1.1 Signaux temps discret

Squence X de nombres dans laquelle le nime nombre est x(n). On crira : X = {x(n)} <n< Exemple de signal discret x(n) est gal la valeur du signal analogique xa(t) au temps t = nT , i.e. x(n) = xa(nT ) <n< 1 T : priode dchantillonnage, fe = T : frquence dchantillonnage Exemple de signal de parole : T = ?
Olivier Sentieys ENSSAT EII 1 6

1.2 Oprations sur les signaux temps discret

1. +, , de signaux 2. +, , par une constante 3. Dcalage de n0 chantillons y(n) = x(n n0) 4. Convolution 5. Corrlation 6. . . .
Olivier Sentieys ENSSAT EII 1 7

1.3 Signaux temps discret de base

1. Impulsion unit (n), (n k) 2. Echelon unit u(n) u(n) = u(n) =

k=

(n k)
k=0 n

(k)

(n) = u(n) u(n 1) 3. x1(n) = An x2(n) = Anu(n)

Olivier Sentieys ENSSAT EII 1 8

4. Sinusode, Priode = ? x3(n) = A cos (n0 + ) 5. Signal complexe 6. Cas gnral

+

x4(n) = ejn0

x(n) =
k=

x(k)(n k).

e.g. p(n) = (n) + 0.5(n 2) 0.5(n 4)

Olivier Sentieys

ENSSAT EII 1

1.4 Proprits des signaux temps discret

1. Signaux causaux x(n) = 0, 2. nergie totale : nie ou innie

n < 0

E()
n=

|x(n)|2

(1)

3. Puissance moyenne : nie ou innie 1 lim N N

N 2

Pm

|x(n)|2
n= N 2

(2)

Olivier Sentieys

ENSSAT EII 1

10

4. Priodique de priode P : x(n + P ) = x(n) n sinon x(n) est apriodique 5. Intercorrlation entre deux signaux x(n) et y(n)
+

Rxy (k)
n=

x(n)y(n + k) = Ryx(k)

(3)

6. Autocorrlation dun signal x(n)

+

Rxx(k)
n=
Olivier Sentieys ENSSAT EII 1

x(n)x(n + k) = Rxx(k)

(4)

11

7. Convolution linaire entre deux signaux x(n) et y(n)

+

xy (k) = x(k) y(k)

n=

x(n)y(k n)

(5)

Olivier Sentieys

ENSSAT EII 1

12

2. Transforme en Z

1. Dnition de la T Z 2. Domaine de convergence 3. Proprits de la transforme en Z 4. Transforme en Z inverse

Olivier Sentieys

ENSSAT EII 1

13

2.1 Dnition de la transforme en Z

La transforme en Z directe bilatrale dun signal temps discret x(n) est dnie par :

Z [x(n)] = X(z) =
n=

x(n)z n

(6)

o z est une variable complexe (z C) dnie partout o cette srie converge. Les signaux discrets tant la plupart du temps causaux on dnit plutt la transforme en Z (dite unilatrale) par :

Z [x(n)] = X(z) =
n=0
Olivier Sentieys ENSSAT EII 1

x(n)z n

(7)

14

Le critre de Cauchy appliqu la T Z donne :

Olivier Sentieys

Dans le cas de la T Z unilatrale, le domaine de convergence correspond lextrieur du disque de convergence dni par |z| > r.

Exemple : x(n) = anu(n)

lim |x(n)| = r

ENSSAT EII 1

2.2 Domaine de convergence DCV

1 n

Domaine de convergence avec r = a

Domaine de convergence

Im

Re

15

2.3 Proprits de la T Z
1. Linarit x(n) = ax1(n) + bx2(n) 2. Thorme du retard Z [x(n k)] = z k X(z) 3. Thorme de lavance
k1

X(z) = aX1(z) + bX2(z)

Z [x(n + k)] = z +k X(z)

n=0
Olivier Sentieys ENSSAT EII 1

x(n)z kn

16

4. Drivation dans lespace en z Z [n.x(n)] = Y (z) = z 5. Thorme de la valeur initiale x(0) = lim X(z)
z

d X(z) dz

6. Thorme de la valeur nale

n

lim x(n) = x() = lim

z1 X(z) = lim (1 z 1)X(z) z1 z1 z

7. Thorme de la convolution linaire discrte x(n) = x1(n) x2(n)

Olivier Sentieys ENSSAT EII 1

X(z) = X1(z)X2(z)
17

2.4 Transforme en Z inverse

Soit X(z) la transforme en Z du signal x(n). On dnit la transforme en Z inverse, la relation dterminant x(n) partir de X(z) telle que : 1 x(n) = 2j z n1X(z)dz
C

(8)

Il existe trois principales mthodes : 1. lintgration sur un contour ferm en utilisant le calcul des rsidus, 2. le dveloppement en puissance de z et de z 1, 3. le dveloppement en fractions lmentaires.

Olivier Sentieys

ENSSAT EII 1

18

T Z inverse par la mthode des rsidus

x(n) = avec R(z) = Rsidus de R(z) aux ples pi e o fractionnelle. (9)

Tous les ples pi de R(z) o z n1X(z) = N (z) sous forme D(z)

On notera plutt : x(n) =

pi DCV

Res z n1X(z), pi

(10)

1. Ples simples de R(z) : pi tel que D(z)|pi = 0 N (z) Res (R(z), pi) = (z pi) D(z)
Olivier Sentieys ENSSAT EII 1

(11)
z=pi
19

2. Ples multiples dordre m de R(z). Si D(z) = (z pi)mF (z) avec F (pi) = 0 alors 1 N (z) dm1 Res (R(z), pi) = (z pi)m (m 1)! dz m1 D(z) Exemples : (12)
z=pi

z z eaT z X(z) = (z a)(z b) z X(z) = (z 1)2 X(z) =

Olivier Sentieys

ENSSAT EII 1

20

T Z inverse par division polynmiale

N (z) X(z) = = cnz n = c0 + c1z 1 + c2z 2 + . . . + ck z k + . . . D(z) n= alors x(n) = cn

Exemples :

0.5z 0.5z 1 X(z) = 2 = z 1.5z + 0.5 1 1.5z 1 + 0.5z

21

Olivier Sentieys

ENSSAT EII 1

T Z inverse par dcomposition en fonctions rationnelles

On dcompose X(z) selon : z 1X(z) = 1 On aura alors par T ZI : x(n) = 1pn + 2pn + . . . 1 2 Exemple : X(z) =
z (za)(zb)

1 1 + 2 + ... z p1 z p2

(13)

(14)

Attention au cas des ples doubles (voir le dtail dans le cours de Mathmatiques sur les fonctions holomorphes).
Olivier Sentieys ENSSAT EII 1 22

3. Transforme de Fourier dun signal discret

1. Rappels sur les signaux continus 2. T F dun signal discret non priodique 3. T F dun signal discret priodique 4. Condition dexistence de la T F 5. Proprits de la transforme de Fourier 6. Transforme de Fourier discrte

Olivier Sentieys

ENSSAT EII 1

23

3.1 Rappels sur les signaux continus

Soit un signal analogique xa(t) dont la transforme de Fourier est dnie par :

Xa(j) =

xa(t)ejtdt

(15)

avec = 2f . On retrouve le signal temporel partir de sa transforme par la transforme de Fourier inverse dnie par la relation suivante : 1 xa(t) = 2

Xa(j)ejtd

(16)

Olivier Sentieys

ENSSAT EII 1

24

3.2 T F dun signal discret non priodique

Pour un signal x(n) discret quelconque non priodique, sa transforme de Fourier (T F ) scrit :

X(ej) =
n=

x(n)ejn

(17)

X(ej) peut tre exprim partir de la transforme en Z par la relation :

X(ej) =
n=

x(n)z n

z=ej

= X(z)|z=ej

(18)

Cette quation implique que le T F nexiste que si le cercle unit, caractris par z = ej, appartient au domaine de convergence de X(z).
Olivier Sentieys ENSSAT EII 1 25

 X() est priodique de priode 2 . Ceci implique que le spectre dun signal discret est priodique.

La T F inverse est obtenue partir de la transforme en Z inverse de X(z). On obtient : 1 x(n) = 2

2 0

1 j jn X(e )e d = 2

X(ej)ejnd

(19)

Sur la variable frquence f , la T F priodique de priode fe = 1/T scrit :

X(f ) = X(e

j2f T

)=
n= fe

x(n)e

j2f nT

(20)

1 x(n) = fe

X(f )e
0

j2f nT

df

(21)

Olivier Sentieys

ENSSAT EII 1

26

T F dun signal discret non priodique

Exemple : x(n) = anu(n)
1 a avec a=0.75 0.5
n

0 4 3 2 1

10

12

14

16

18

Module

0 0.5 1

0.4

0.3

0.2

0.1

0.1

0.2

0.3

0.4

0.5

Argument 0.5 0 0.5 1 0.5 0.4 0.3 0.2 0.1 0 0.1 0.2 0.3 0.4 0.5

Olivier Sentieys

ENSSAT EII 1

27

T F dun signal discret non priodique

Exemple : x(n) = an, pour n = 0 . . . N 1
1 an limit 6 points 0.5

0 4 3 2 1

10

12

14

16

18

Module

0 0.5 2 1 0 1 2 0.5

0.4

0.3

0.2

0.1

0.1

0.2

0.3

0.4

0.5

Argument

0.4

0.3

0.2

0.1

0.1

0.2

0.3

0.4

0.5

Olivier Sentieys

ENSSAT EII 1

28

3.3 T F dun signal discret priodique

Pour un signal xp(n) discret priodique de priode N , une dcomposition en srie de Fourier doit tre utilise sous la forme :
N 1

Xp(k) =
n=0

xp(n).e(2j N ), k = 0, 1 . . . N 1 1 N
N 1 k=0

n.k

(22)

xp(n) =

Xp(k).e(2j N ), n = 0, 1 . . . N 1

n.k

(23)

Sa Transforme de Fourier scrit alors :

Xp(ej) =
k=
Olivier Sentieys ENSSAT EII 1

Xp(k) k

2 N

(24)

29

Exemple : x(n) = an, pour n = 0 . . . N 1, priodique N e

1 a priodique 6 0.5
n

0 4 3 2 1

10

12

14

16

18

Module

0 0.5 1

0.4

0.3

0.2

0.1

0.1

0.2

0.3

0.4

0.5

Argument 0.5 0 0.5 1 0.5 0.4 0.3 0.2 0.1 0 0.1 0.2 0.3 0.4 0.5

Olivier Sentieys

ENSSAT EII 1

30

3.4 Condition dexistence de la T F

Une condition sufsante la convergence de la T F peut tre dtermine comme suit (x(n) est dite absolument sommable) :

|X(ej)|
n=

|x(n)| <

De plus, la srie converge uniformment vers une fonction continue de .

Certaines squences ne sont pas absolument sommables mais sont de carr sommable (ou nergie nie), i.e.
Olivier Sentieys ENSSAT EII 1 31

|x(n)|2 <
n=

(25)

Ces squences peuvent tre reprsentes par une transforme de Fourier mais sans convergence uniforme de la somme innie dnissant X(ej). Cela signie que lerreur |X(ej) XM (ej)| ne tend pas vers 0 quand M mais que par contre lnergie de lerreur tend vers 0.

Exemple : H(e ) =
Olivier Sentieys

1, || < c 0, c < ||

sin nc h(n) = , n

< n <
32

ENSSAT EII 1

HM (e ) =
n=M

sin nc jn e n

Olivier Sentieys

ENSSAT EII 1

33

3.5 Proprits de la transforme de Fourier

Linarit ou superposition
j j

a.x(n) + b.y(n)
Dcalage en temps-frquence

a.X(e ) + b.Y (e )

x(n n0) x(n)e

Drivation en frquence
jn0

jn0

X(e ) )

X(e

j(0 )

n.x(n)
Produit de convolution

dX(ej) j d
j j

x1(n) x2(n) =
i=

x1(i) x2(n i)

X1(e ).X2(e )

Olivier Sentieys

ENSSAT EII 1

34

 Thorme du fentrage (ou de la modulation)

x1(n).x2(n)

1 2

X1(e

).X2(e

j()

)d

Thorme de Parseval (conservation de la puissance dun signal)

1 |x(i)| = 2 i=
2

|X(e )| d

Si x(n) est une suite relle, alors sa TF est symtrique conjugue (partie relle et module pairs ; partie imaginaire et phase impaires)

x(n) R

X(e ) = X (e

Densit spectrale dnergie (pour des signaux nergie nie)

SE (f ) = |X(e
Olivier Sentieys ENSSAT EII 1

j2f T

)|

35

3.6 Transforme de Fourier discrte

N 1

X(k) =
n=0

x(n)ej
N 1

2kn N

k = 0, , N 1

(26)

1 x(n) = N

Xk e
k=0

j 2kn N

n = 0, , N 1

(27)

Olivier Sentieys

ENSSAT EII 1

36

 Dcalage en temps-frquence x(n n0) Produit de convolution circulaire

N 1

2j

kn0 N X(k)

x1(n)

x2(n) =
i=0

x1(i) x2(n i)

X1(k).X2(k)

avec x1(n) et x2(n) des signaux priodiques de priode N . Thorme de Parseval (conservation de la puissance dun signal)

1 N

N 1

N 1

|x(i)| =
n=0 k=0

|X(k)|

Proprits de symtrie x(n) R X(k) = X (N k) Calcul rapide (Fast Fourier Transform, F F T )

Olivier Sentieys

ENSSAT EII 1

37

4. Systmes discrets

1. Systmes linaires invariants 2. Reprsentation temporelle 3. Analyse par transforme en Z 4. Reprsentation frquentielle

Olivier Sentieys

ENSSAT EII 1

38

4.1 Systmes discrets linaires invariants

1. Un signal dentre e(n) est transform en un signal de sortie s(n) : s(.) = T [e(.)] 2. Un systme est dit invariant en temps (ou au dcalage) ssi : e(n) s(n)
T

e(n k) s(n k) e(.), k (N )

3. Un systme est linaire ssi : T [a e1(n) + b e2(n)] = a T [e1(n)] + b T [e2(n)] e1(.), e2(.), (a, b)
Olivier Sentieys ENSSAT EII 1 39

Systmes linaires invariants (SLI)

1. Causalit : un systme est causal si un changement en sortie ne prcde pas un changement en entre. Un systme linaire invariant est causal si et seulement si h(n) = 0 pour n < 0. 2. Stabilit : un systme est stable si une entre borne correspond une sortie borne. La condition de stabilit dun systme scrit :
+

|h(k)| < +
k=

Exemples : retard idal, moyenneur, sans mmoire, . . .

Olivier Sentieys ENSSAT EII 1 40

Reprsentation temporelle des systmes discrets

Stratgie gnrale danalyse dun systme linaire invariant :
1. Dcomposition du signal dentre en une somme de signaux ou fonctions de base.

e(n) =
k

k ek (n)

2. Etude de la rponse du systme pour lensemble des fonctions de base.

sk (n) = T [ek (n)]

3. Recomposition de la sortie en appliquant le principe de superposition.

s(n) =
k

k sk (n)

Olivier Sentieys

ENSSAT EII 1

41

Produit de convolution

e(n)

=
k=

e(k)(n k)
+ +

s(n)

T [e(n)] = T [
k=

e(k)(n k)] =
k=

e(k)T [(n k)]

On pose h(n) = T [(n)], alors

+

s(n) =
k=

e(k)h(n k) = e(n) h(n) = h(n) e(n)

Olivier Sentieys

ENSSAT EII 1

42

Un systme discret est donc entirement caractris par sa rponse impulsionnelle h(n). Lopration liant la sortie s(n) lentre e(n) et la rponse impulsionnelle du systme h(n) est appele produit de convolution. Exemple
1 0.9 0.8 1 0.9 0.8 6 0.7 8 7

reponse impulsionnelle h(n)

0.7

signal de sortie y(n)

-20 -10 0 indice temporel: n 10 20 30

signal entre e(n)

0.6 0.5 0.4 0.3 0.2 0.1 0 -30

0.6 0.5 0.4 0.3

2 0.2 0.1 0 -30 1

-20

-10

0 indice temporel: n

10

20

30

0 -30

-20

-10

0 indice temporel: n

10

20

30

h(n) : rponse impulsionnelle

Olivier Sentieys ENSSAT EII 1

e(n) : entre du systme

s(n) : rponse du systme lentre

43

Equation aux diffrences nies

Une quation aux diffrences nies peut scrire sous la forme :
N M

s(n) =
k=1

ak s(n k) +
k=0

bk e(n k)

(28)

Systme rcursif ou non-rcursif Rponse impulsionnelle innie (RII ou IIR) ou nie (RIF ou FIR)

Olivier Sentieys

ENSSAT EII 1

44

Fonction de transfert en z
La fonction de transfert en z H(z) dun systme est dnie par : H(z) = S(z) E(z) (29)

H(z) est galement la transforme en Z de la rponse impulsionnelle h(n) du systme. partir de lquation aux diffrences (28), on obtient : H(z) =
M k k=0 bk z N k k=1 ak z

1+

N (z) D(z)

(30)

Olivier Sentieys

ENSSAT EII 1

45

ou H(z) =

M N k k=0 bk z N z N + k=1 ak z N k

(31)

ou en faisant apparatre les ples et les zros : H(z) = b0z N M

M i=1 (z N i=1 (z

zi ) pi)

= b0

M 1 ) i=1 (1 zi z N 1 i=1 (1 pi )z

(32)

Lquation prcdente permet de tracer dans le plan complexe le diagramme des ples et des zros.

Olivier Sentieys

ENSSAT EII 1

46

4.3 Analyse des systmes discrets par la transforme en Z

Soit le systme dcrit par S(z) = H(z)E(z), il sagit de caractriser s(n). N (z) H(z) = , D(z) On a donc : P (z) E(z) = Q(z)

N (z)P (z) S(z) = D(z)Q(z) s(n) = T Z 1 [S(z)]

Olivier Sentieys

ENSSAT EII 1

47

Sous la condition dunicit des ples et des zros, on peut crire Y (z) sous la forme : N L Dk Qk S(z) = + 1 pk z 1 1 qk z 1
k=1 N k=1 L

s(n) =
k=1

Dk pnu(n) + k
k=1 rgime naturel e

n Qk qk u(n) rgime forc e e

Lquation prcdente montre que le signal de sortie peut tre considr comme compos de deux parties : une rponse en rgime naturel (termes en pk ), appele rponse transitoire si |pk | < 1 k. une rponse en rgime forc (termes en qk ).

Olivier Sentieys

ENSSAT EII 1

48

Analyse des systmes discrets par la transforme en Z

Condition de stabilit :

|h(n)| <
n=

Un SLI causal est stable si et seulement si tous les ples de sa fonction de transfert sont lintrieur, strictement, du cercle unit.

Olivier Sentieys

ENSSAT EII 1

49

4.4 Reprsentation frquentielle des systmes discrets

Soit lentre e(n) = ejnT = ejn pour < n < + dun SLI de rponse impulsionnelle h(k). La sortie peut alors scrire :

s(n) =
k=

h(k)ej(nk) = ejn
k=

h(k)ejk

H(ej) =
k=

h(k)ejk

H(ej) est appel rponse frquentielle du systme. On tudie son module et sa phase : j j jarg[H(ej )] H(e ) = |H(e )|e
Olivier Sentieys ENSSAT EII 1 50

Exemple : H(z) =

1 1 + 0.5z 1
Magnitude Response (dB)
10

1 0.8 0.6 0.4

Imaginary part

0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -1 -0.5 0 Real part 0.5 1

-5 0

0.1

0.2

0.3 0.4 0.5 0.6 0.7 Normalized frequency (Nyquist == 1)

0.8

0.9

30

Phase (degrees)

20

10

0 0

0.1

0.2

0.3 0.4 0.5 0.6 0.7 Normalized frequency (Nyquist == 1)

0.8

0.9

Olivier Sentieys

ENSSAT EII 1

51

5. chantillonnage et reconstruction des signaux

5.1 chantillonnage idal : soit un signal analogique xa(t) dni par sa TF : 1 Xa(j)ejtd (33) xa(t) = 2 Lchantillonnage de xa(t) est dni par x(n) = xa(t)|t=nT Le signal discret x(n) est dni par : 1 x(n) = 2
Olivier Sentieys ENSSAT EII 1

X(j)ejnd

(34)
52

On trouve la relation suivante entre les T F de x(n) et de xa(t) : 1 X(ej) = T

Xa(
k=

j j2k + ) T T

(35)

Le spectre du signal numrique est donc compos dune somme innie de versions dcales du signal analogique.

Olivier Sentieys

ENSSAT EII 1

53

5.2 Thorme dchantillonnage de Shannon

Il est possible de reconstruire le signal continu partir du signal discret si le signal analogique est bande limite, i.e. X() est nulle pour || > max
On obtient alors :

max 2fmax

< <

2 max T fN
avec fN =

(36)

1 T

(37)

fN est la frquence limite dchantillonnage ou encore appele frquence de Nyquist.

Olivier Sentieys

ENSSAT EII 1

54

Exemple pratique dchantillonnage

Soit un signal analogique xa(t) correspondant une sinusode de frquence f = 0.5Hz et dni par : xa(t) = 5 sin(20.5t) avec 2 t +2

La frquence de Nyquist correspond fN = 2 0.5 = 1Hz.

Olivier Sentieys

ENSSAT EII 1

55