Professional Documents
Culture Documents
Numérique
Numérique
I.1 Introduction
Un signal numérique est une suite de nombres réels appelés ‶échantillons″ obtenus après
un traitement numérique ou une numérisation d’un signal analogique. De point de vue
mathématique, un signal numérique est représenté par des séquences de nombres notés x[n]
pour n compris entre -∞ et +∞ n’est défini que pour n entier.
TV numérique,
Enregistrement audio MP3 et enregistrement vidéo MP4…
Téléphonie mobile etc.
En général une chaine de traitement numérique d’un signal analogique en temps réel est
représentée par la figure suivante :
1
Signal analogique
d’entrée Ve(t)
Signal analogique
de sortie Vs(t)
Figure 5.1. Chaine de traitement numérique d’un signal analogique en temps réel
Ve(t) est le signal analogique d’entrée provenant de l’extérieur comme par exemple : une
tension issue d’un capteur de température.
Conversion analogique/numérique notée CAN : processus qui transforme le signal
analogique Ve(t) en un signal numérique de n bits. Cette transformation est la succession
de trois étapes à savoir :
1. Echantillonnage qui correspond à la discrétisation du signal continu.
2. Quantification qui associe à chaque échantillon une valeur.
3. Codage pour associer un code binaire (nombre écrit avec 0 ou 1) à chaque valeur
quantifiée.
Filtre anti-recouvrement qui permet de limiter le domaine fréquentiel sur lequel portera
le traitement du signal à transmettre (enlever les fréquences non utiles).
Système informatique constitué en général d’un microprocesseur programmable ou d’un
microcontrôleur dont le rôle est d’effectuer des calculs rapides sur plusieurs échantillons
Conversion numérique/analogique notée aussi CNA convertie le signal à son entrée de n
bits en un signal analogique une tension ou un courant.
Filtre de reconstitution ou de lissage permet de reconstruire le signal de sortie Vs(t). En
général ce filtre est de type passe-bas dont la bande passante doit être assez suffisante
pour laisse passer l’information contenue dans le signal à la sortie du CNA.
2
L’importance de cette séquence est qu’elle peut servir à définir n’importe quelle autre séquence.
En effet on peut toujours écrire pour une suite x[n] quelconque :
+∞
1 𝑛=𝑘
avec : 𝛿[𝑛 − 𝑘] = { 𝑒𝑠𝑡 𝑙 ′ 𝑖𝑚𝑝𝑢𝑙𝑠𝑖𝑜𝑛 𝑑é𝑐𝑎𝑙é𝑒
0 𝑛≠𝑘
II.1. I.2.2 Le saut unité
1 𝑛≥0
Appelée aussi la fonction échelon unité et définie par : 𝑢 [𝑛] = { ; on peut facilement
0 𝑛<0
écrire :
+∞ u[n]
𝑢[𝑛] = ∑ 𝛿[𝑛 − 𝑘] ; 𝑒𝑡 𝛿[𝑛] = 𝑢[𝑛] − 𝑢[𝑛 − 1]
𝑘=0
1
. 0 1 2 3 n
2
1
. . 0 1 2 3 n
rect T [n]
. -T 0 1 2 T
. n
3
Remarques:
∑ 𝑥[𝑛] < ∞
𝑛=−∞
Energie finie : un signal numérique est à énergie finie si sa norme au carré est bornée
soit :
+∞
𝐸 = ∑ |𝑥[𝑛]|2 < ∞
𝑛=−∞
Puissance finie : un signal numérique est dit à puissance finie s’il vérifie la condition
suivante :
𝑛=𝑁
1
𝑃 = lim ( ∑ |𝑥[𝑛]|2 ) < ∞
𝑁→+∞ 2𝑁 + 1
𝑛=−𝑁
Symétrie :
- Symétrie paire : x[n] = x[-n].
- Symétrie impaire : x[-n] = -x[n].
La corrélation d’un signal avec lui-même est appelée autocorrélation et il est définie comme
suit :
- Si le signal est à énergie finie :
𝑛=+∞ 𝑛=+∞
5
𝒙𝒆 (𝒕) = 𝒙(𝒌𝑻𝒆 ), 𝒂𝒗𝒆𝒄: 𝒌 𝒖𝒏 𝒆𝒏𝒕𝒊𝒆𝒓
Cette opération est effectuée par un échantillonneur symbolisé par un interrupteur
comme indiqué sur la figure suivante :
x(t) xe (t)
Echantillonneur
de période Te
t Te t
L’échantillonnage est dit idéal si le prélèvement des échantillons se fait pendant un temps
infiniment court.
× ⇒
t -2Te -Te Te 2Te 3Te t Te t
Donc on a :
+∞ +∞
Or: x(t)δ(t − t 0 ) = x(t 0 )δ(t − t 0 ) ⇒ ∀k, on a: x(t)δ(t − kTe ) = x(kTe )δ(t − kTe )
Par suite on a :
6
+∞
Conclusion :
|X(f)|
∀ |f| > Fmax; on a: |X(f)| = 0
1
Que devient le spectre de 𝐱 𝐞 (𝐭) ?
D’après le paragraphe précèdent on a :
+∞
7
⇨ 1er cas: 𝑭𝒆 ≥ 𝟐𝑭𝒎𝒂𝒙
Dans ce cas on a :
|Xe (f)|
k = −2 k = −1 Fe k = 0 k=1 k =2
2Fmax
On remarque que les motifs sont disjoints et que le motif principal (central pour k=0)
correspond au spectre de x(t) , donc on peut facilement reconstruire le signal x(t) à partir de son
échantillonné xe(t) il suffit d’applique un filtre passe bas à |Xe (f)| pour obtenir |X(f)|.
|X𝑒 (f)|
Spectre résultant du
recouvrement des motifs
Fe
k = −2 k = −1 k=0 k=1 k =2
2Fmax
Fe
−2Fe −Fe −Fmax Fmax 2Fe f
8
On constate qu’on a chevauchement des motifs élémentaires constituants le spectre de xe (t) ce
qui conduit à un phénomène de recouvrement spectral. Ce repliement du spectre (Aliasing) rend
impossible la reconstitution de x(t) ce qui nous amène à la condition de Shannon.
𝑭𝒆 ≥ 𝟐𝑭𝒎𝒂𝒙
Fe
Pour Fe fixée, , appelée fréquence de Nyquist, correspond à la fréquence maximale
2
admissible du signal pour éviter les distorsions du spectre.
Si la période d’échantillonnage est trop petite donc la fréquence trop grande cela peut
modifier gravement le signal temporel perçu après échantillonnage. On dit que le signal est sous
échantillonné. Donc il faut choisir la fréquence d’échantillonnage de telle façon à éviter le sur-
échantillonnage et le sous-échantillonnage comme l’indique la figure suivante qui représente
l’échantillonnage d’une sinusoïde.
𝑇𝑒 trop grande
𝑇𝑒 de Shannon
𝑇𝑒 trop petite
Remarques :
9
X.1. II.2.6 Exercices d’application de l’échantillonnage
Exercice1
On considère le signal périodique 𝑠(𝑡) = sin(2𝜋𝐹𝑡) = sin(𝜔𝑡) ; 𝑎𝑣𝑒𝑐 𝜔 = 2𝜋𝐹, de
période T=1ms qu’on échantillonne avec une période d’échantillonnage Te=0.1ms.
1. Représenter s(t) et se(t) pour une période T.
1
2. Si S(f) la transformée de Fourier de s(t) telle que : S(f) = 2j [δ(f − F) − δ(f + F)]
a. Représenter S(f)
b. Donner l’expression de la transformée de Fourier du signal échantillonné se(t) soit
Se(f)
c. Représenter Se(f) pour -2 < k < 2
Solution :
T
1. On a T=1ms et Te = 0.1ms = 10 ; d’où les figures suivantes :
s(t) se (t)
1 1
T T
t 1 t
Fe = Te
Te
1 1
2. a. on a : S(f) = 2j [δ(f − F) − δ(f + F)] = 2 j[δ(f + F) − δ(f − F)]
j j
S(f) = δ(f + F) − δ(f − F)
2 2
S(f)
1/2
𝐹
−𝐹 f
-1/2
10
1 1
b. On a : Fe = T = 104 Hz et F = T = 103 Hz donc Fe = 10F > 2F, on peut dire que
e
l’échantillonnage ce fait sans perte selon la condition de Shannon et le spectre du signal
échantillonné se(t) est donné par la relation suivante :
+∞
S(f)
Fe
2
F
−Fe −F Fe 2Fe
-2Fe f
−Fe
2
11
II.2. Echantillonnage Réel
𝑠𝑒 (𝑡) = ∑ 𝑠(𝑘𝑇𝑒 )𝛱𝜏 (𝑡) ⊗ 𝛿(𝑡 − 𝑘𝑇𝑒 ) = ∑ 𝑠(𝑘𝑇𝑒 )𝛿(𝑡 − 𝑘𝑇𝑒 ) ⊗ 𝛱𝜏 (𝑡)
𝑘=−∞ 𝑘=−∞
+∞
12
+∞
1
𝑆𝑒 (𝑓) = 𝑆(𝑓) ⊗ ∑ 𝛿(𝑓 − 𝑘𝐹𝑒 ) × 𝜏𝑆𝑖𝑛𝑐(𝑓𝜏)
𝑇𝑒
𝑘=−∞
+∞
+∞ +∞
𝑭𝒆
Si on applique un filtre passe-bas de fréquence de coupure 𝑭𝒄 = ; alors on isole le spectre
𝟐
de base celui pour k=0 et on aura :
𝑺𝒆𝟎 (𝒇) = 𝝉𝑭𝒆 𝑺𝒊𝒏𝒄(𝒇𝝉)𝑺(𝒇); ceci représente une modulation du spectre initial S(f) par la
fonction Sinc(τf), si 𝜏 est très faible alors la distorsion est faible.
1 1
𝑠(kTe ) = 𝑠(𝑡)𝛱𝜏 (𝑡 − 𝑘𝑇𝑒 ) = [𝑠(𝑡) × (𝛱𝜏 (𝑡) ⊗ 𝛿(𝑡 − 𝑘𝑇𝑒 ))]
𝜏 𝜏
1
𝑠(kTe ) = 𝜏 𝑠(𝑡) ⊗ (𝛱𝜏 (𝑡)[𝛿(𝑡 − 𝑘𝑇𝑒 )]
+∞ +∞
1 1
𝑠𝑒 (t) = ∑ 𝑠(𝑡) ⊗ (𝛱𝜏 (𝑡)[𝛿(𝑡 − 𝑘𝑇𝑒 )] = ∑ 𝑠(𝑡) ⊗ (𝛱𝜏 (𝑡)[𝛿(𝑡 − 𝑘𝑇𝑒 )]
𝜏 𝜏
𝑘=−∞ 𝑘=−∞
Donc :
13
+∞
1
𝑆𝑒 (𝑓) = 𝑇𝐹(𝛱𝜏 (𝑡)) × 𝑇𝐹(𝑠(𝑡)) ⊗ 𝑇𝐹 ( ∑ 𝛿(𝑡 − 𝑘𝑇𝑒 ))
𝜏
𝑘=−∞
+∞
1 1
𝑆𝑒 (𝑓) = × 𝜏𝑠𝑖𝑛𝑐(𝜏𝑓) × 𝑆(𝑓) ⊗ ( ∑ 𝛿(𝑓 − 𝑘𝐹𝑒 ))
𝜏 𝑇𝑒
𝑘=−∞
+∞
1
𝑆𝑒 (𝑓) = 𝑠𝑖𝑛𝑐(𝜏𝑓) [ ∑ 𝑆(𝑓) ⊗ 𝛿(𝑓 − 𝑘𝐹𝑒 )]
𝑇𝑒
𝑘=−∞
+∞
II.3. Quantification
14
xe (t)
Quantification Signal analogique continu
Valeurs discrètes
quantifiées
Te t
Echantillonnage
xq (kTe ) xq (kTe )
∆q . ∆q .
.
-∆q
. . .
∆q xe (kTe )
.
-∆q
. . .
∆q xe (kTe )
.
-∆q .-∆q
∆𝑞
En général ce bruit est constitué de segments de droite compris entre ± et durée
2
∆𝑞 ∆𝑞 ∆𝑡 ∆𝑡
variable ∆t soit on a : − ≤ 𝜀(𝑡) ≤ 2 𝑝𝑜𝑢𝑟 − 2 ≤ 𝑡 ≤ 2
2
∆𝒒 ∆q
𝜺(𝒕) = 𝒕, c ′ est une droite de pente
∆𝒕 ∆t
Lorsque les valeurs quantifiées sont obtenues par arrondi, l’erreur due à la quantification
se répartit uniformément autour de la droite de conversion idéale comme indiqué sur la figure
suivante :
16
Signal analogique
original
.
∆q Quantification par
-∆q
. . . .
∆q
arrondi
. -∆q
𝜀(𝑡)
∆𝒒Τ𝟐
𝑡
−∆𝒒Τ𝟐
17
𝑁𝑖𝑣𝑒𝑎𝑢𝑥 𝑞𝑢𝑎𝑛𝑡𝑖𝑓𝑖é𝑠
111 7 .
110 6 .
101 5 .
100 4 .
011 3 .
010 2 . ∆q=1
001 1 .
000 0 . . . . .. . . .
1 2 3 4 5 6 7 8 V
V= 4.7 V
II.3 Codage
18
Chapitre 2
Soit x(t) un signal échantillonné avec une période d’échantillonnage 𝑇𝑒 et soit 𝑥𝑒 (𝑡) son
signal échantillonné correspondant on peut toujours écrire :
𝑘=+∞
Définition de la TFTD :
La transformée de Fourier 𝑿(𝒇) d’un signal x(t) discret est définie par :
+∞ +∞
𝒌𝒇
−𝒋𝟐𝝅𝒇𝒌𝑻𝒆 −𝒋𝟐𝝅
𝑿(𝒇) = ∑ [𝒙(𝒌)𝒆 ] = ∑ [𝒙(𝒌)𝒆 𝑭𝒆 ] , 𝑓 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝒆
𝒌=−∞ 𝒌=−∞
19
+∞ ⁄𝟐 𝑭𝒆
𝟏 𝒌𝒇
𝒋𝟐𝝅
𝑺𝒊 ∑|𝒙(𝒏)| < ∞ i. e. un signal sommable, alors: 𝒙(𝒏) = ∫ 𝑿(𝒇)𝒆 𝑭𝒆 𝒅𝒇
𝑭𝒆 −𝑭𝒆⁄
−∞ 𝟐
𝑘=−∞
+∞ +∞
𝑘(𝑓+𝐹𝑒 ) 𝑘𝑓 𝑘𝐹
−𝑗2𝜋 −𝑗2𝜋 −𝑗2𝜋 𝑒
𝑋(𝑓 + 𝐹𝑒 ) = ∑ [𝑥(𝑘)𝑒 𝐹𝑒 ] = ∑ [𝑥(𝑘)𝑒 𝐹𝑒 𝑒 𝐹𝑒 ]
𝑘=−∞ 𝑘=−∞
−𝑗2𝜋𝑘
𝑒 = 1, ∀𝑘 𝑒𝑛𝑡𝑖𝑒𝑟
+∞
𝑘𝑓
−𝑗2𝜋
𝑋(𝑓 + 𝐹𝑒 ) = ∑ [𝑥(𝑘)𝑒 𝐹𝑒 ] = 𝑋(𝑓)
𝑘=−∞
20
Donc : la transformée TFTD est périodique de période 𝑭𝒆 ce qui implique que toute
l’information fréquentielle du signal discret est localisée dans l’intervalle de fréquence :
𝑭𝒆 𝑭𝒆
[− , ] (voir figure précédente).
𝟐 𝟐
Remarques :
1. Si x(n) est réel, |X( f )| est paire et arg(X( f )) est impair ce qui réduit donc l'analyse de X( f )
𝐹𝑒
sur l'intervalle de fréquence [0, ].
2
2. Généralement la TFTD possède les mêmes propriétés que la transformée de Fourier comme
la linéarité, le décalage temporel, décalage fréquentiel, relation de Parseval etc…
3. Selon la nature de x(n) on a deux types de représentation spectrale possibles :
1 |𝑛| ≤ 𝑁/2
x(n) est non périodique alors X(f) est à support continu, ex : 𝑥(𝑛) = {
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
x(n) est périodique alors X(f) est à support discret ex : 𝑥(𝑛) = 𝐴𝑐𝑜𝑠(2𝜋𝑓0 𝑛).
4. On peut conclure que la transformée de Fourier marche bien sur un signal temporel discret
mais une fois qu’on passe au domaine fréquentiel on perd l’avantage du numérique puisque
la transformée devient continu.
1 |𝑛| ≤ 𝑁/2
Soit le signal discret 𝑥(𝑛) = { , on a :
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
𝑁⁄
+∞ 2
X(f) est la somme de N+1 termes d’une suite géométrique de raison e−j2πf et de premier terme
ejπNf. Donc :
𝑗𝜋𝑁𝑓
1 − 𝑒 −𝑗2𝜋(𝑁+1)𝑓 𝑗𝜋𝑁𝑓
𝑒 −𝑗𝜋(𝑁+1)𝑓 (𝑒 𝑗𝜋(𝑁+1)𝑓 − 𝑒 −𝑗𝜋(𝑁+1)𝑓 )
𝑋(𝑓) = 𝑒 =𝑒
1 − 𝑒 −𝑗2𝜋𝑓 𝑒 −𝑗𝜋𝑓 (𝑒 𝑗𝜋𝑓 − 𝑒 −𝑗𝜋𝑓 )
21
II. La transformée de Fourier discrète TFD
Problème
On désire calculer la transformée de Fourier d’un signal discret à l’aide d’un calculateur
et d’après l’expression de cette transformée on constate que ce calcul va nécessiter une infinité
de points de mesures x(n) (ce qui n’est pas le cas dans la réalité) en plus ceci demande un temps
de calcul long et une mémoire infinie.
Solution :
Pour remédier à ce problème il faut :
1. Tronquer le signal temporel x(n) ce qui revient à prendre en considération
qu’une partie limitée de ce signal en limitant sa durée à un nombre fini N de
points temporels.
2. Discrétiser le signal dans le domaine fréquentiel en considérant uniquement un
nombre fini L de points fréquentiels.
𝑥𝑁 (𝑛) est issu du signal x(t) en échantillonnant N valeurs durant une durée finie T on a donc :
𝑻 = 𝑵𝑻𝒆 , avec 𝑇𝑒 est la période d’échantillonnage.
22
Cependant ce processus de troncature influe directement sur le spectre du signal en effet
si on calcule la TFDT du signal tronqué on obtient :
23
II.2. Définition générale de la TFD
On appelle transformée de Fourier discrète d’une suite de N termes x(0), x(1),............ x(N-1)
représentant un signal discret de durée finie, la suite de N termes X(0), X(1),………, X(N-1),
définie par :
𝒏=𝑵−𝟏
𝒌
N : nombre de points temporels et fréquentiels.
𝑿(𝒌) = ∑ [𝒙(𝒏)𝒆−𝒋𝟐𝝅𝑵𝒏 ] , avec: { n: variable temporelle, n = 0, … , N − 1.
𝒏=𝟎 k: variable fréquentielle, k = 0, … , N − 1.
En effet on a :
𝑘=𝑁−1 𝑖=𝑁−1 𝑖=𝑁−1 𝑘=𝑁−1
1 𝑘 𝑘 1 𝑘 𝑘
𝐴= ∑ [ ∑ [𝑥(𝑖)𝑒 −𝑗2𝜋𝑁𝑖 ] 𝑒 𝑗2𝜋𝑁𝑛 ] = ∑ 𝑥(𝑖) [ ∑ [𝑒 −𝑗2𝜋𝑁𝑖 𝑒 𝑗2𝜋𝑁𝑛 ]]
𝑁 𝑁
𝑘=0 𝑖=0 𝑖=0 𝑘=0
𝑖=𝑁−1 𝑘=𝑁−1
1 𝑘
𝐴= ∑ 𝑥(𝑖) [ ∑ [𝑒 𝑗2𝜋𝑁(𝑛−𝑖) ]]
𝑁
𝑖=0 𝑘=0
Si : 𝑖 ≠ 𝑛, alors:
24
𝑘=𝑁−1
𝑘 1 − 𝑒 𝑗2𝜋(𝑛−𝑖)
∑ [𝑒 𝑗2𝜋𝑁(𝑛−𝑖) ] = (𝑛−𝑖)
=0
𝑘=0 1 − 𝑒 𝑗2𝜋 𝑁
Si : 𝑖 = 𝑛, alors:
𝑘=𝑁−1 𝑘=𝑁−1
𝑘
∑ [𝑒 𝑗2𝜋𝑁(𝑛−𝑖) ] = ∑ 1=𝑁
𝑘=0 𝑘=0
Conclusion :
𝑖=𝑁−1 𝑘=𝑁−1
1 𝑘
(𝑛−𝑖) 1
𝐴= ∑ 𝑥(𝑖) [ ∑ [𝑒 𝑗2𝜋𝑁 ]] = 𝐿𝑥(𝑛)
𝑁 𝑁
𝑖=0 𝑘=0
𝑨 = 𝒙(𝒏)
Remarque :
x(n) est une suite périodique de période N, alors une discrétisation de X(k)
(échantillonnage dans le domaine fréquentiel) va entrainer une périodisation de x(n) dans le
domaine temporel. Tout se passe comme si la durée d’observation N (ou d’acquisition)
correspondait à une période du signal temporel x(n).
En partant du fait que les deux domaines temporel et fréquentiel sont discrétisés avec le
même nombre N, on peut tirer les points suivants :
L’espace-temps est caractérisé par la largeur de la fenêtre (durée d’acquisition) T et du
pas d’incrémentation ou d’échantillonnage temporel ∆𝑡 = 𝑇𝑒 tel qu’on a : ∆𝑡 = 𝑇Τ𝑁.
L’espace-fréquence est caractérisé par le pas d’échantillonnage ∆𝑓 et la fréquence
maximale 𝐹𝑚𝑎𝑥 qui n’est autre que la fréquence d’échantillonnage 𝐹𝑒 = 1Τ𝑇𝑒 tel qu’on
a : ∆𝑓 = 𝐹𝑒 Τ𝑁 = 𝐹𝑚𝑎𝑥 Τ𝑁.
De ces deux points, on peut tirer les relations liant les deux domaines temporel et fréquentiel :
- ∆𝑓 = 1Τ𝑇 : le pas d’échantillonnage fréquentiel est l’inverse de la largeur de la
fenêtre de troncature.
- 𝐹𝑚𝑎𝑥 = 𝐹𝑒 = 1Τ𝑇𝑒 : la période spectrale 𝐹𝑚𝑎𝑥 est l’inverse de l’incrément
temporel 𝑇𝑒 .
- ∆𝑡 × ∆𝑓 = 1Τ𝑁 : si N est donné, on ne peut pas avoir en même temps une bonne
définition temporel (∆𝑡 petit) et une bonne définition fréquentielle (∆𝑓 petit).
25
𝐹𝑒 𝐹𝑒
- Le domaine d’analyse spectrale est limité par l’intervalle [− , 2 ].
2
La transformée de Fourier Rapide TFR est une transformée de Fourier Discrète calculée
selon un algorithme permettant de réduire le nombre d’opérations à effectuer en particulier le
nombre de multiplications et d’additions. En effet si on veut calculer la TFD, on doit calculer
N valeurs de X(k) pour 𝑘 ∈ [0, 𝑁 − 1] d’après la formule suivante :
𝑛=𝑁−1
𝑛𝑘
𝑋(𝑘) = ∑ [𝑥(𝑛)𝑒 −𝑗2𝜋 𝑁 ]
𝑛=0
𝑁 2 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛𝑠
Si on fait le calcul directement sans algorithme, on doit effectuer : {
𝑁(𝑁 − 1) 𝑎𝑑𝑑𝑖𝑡𝑖𝑜𝑛𝑠
Ce qui nécessite un temps de calcul très longs et plus le temps est important plus la fréquence
maximale du signal à analyser est réduite. Il existe plusieurs algorithmes de FFT mais le plus
connu est surement celui de Cooley-Tukey appelé aussi algorithme à entrelacement temporel
𝑁
qui réduit le nombre de multiplications à : 2 log 2 𝑁 au lieu de 𝑁 2 .
On pose :
𝑛=𝑁−1
−𝑗2𝜋
𝑋(𝑘) = ∑ [𝑥(𝑛)𝑊𝑁𝑛𝑘 ], 𝑎𝑣𝑒𝑐 ∶ 𝑊𝑁 = 𝑒 𝑁
𝑛=0
−2𝑗2𝜋𝑛𝑘 −𝑗2𝜋𝑛𝑘 𝑁
𝑛𝑘+
𝑊𝑁𝑛𝑘
𝑁⁄
On peut montrer que : 𝑊𝑁2𝑛𝑘 =𝑒 𝑁 =𝑒 2 = ⁄2
et 𝑊𝑁 2
= −𝑊𝑁𝑛𝑘
La condition d’utilisation de cet algorithme est que le nombre d’échantillons N est une
puissance de 2 : 𝑁 = 2𝑚 .
On va illustrer la méthode tout d’abord par un exemple de N=4 dans ce cas on :
−𝑗2𝜋 4 −𝑗2𝜋 2
𝑊4 𝑁 = (𝑒 4 ) = 1 𝑒𝑡 𝑊4 𝑁Τ2 = (𝑒 4 ) = −1.
26
On remarque que les résultats sont regroupés en deux paquets : un paquet d’indices pairs
{𝑥(0), 𝑥(2)} et un paquet d’indices impairs {𝑥(1), 𝑥(3)} puis sur chaque paquet on effectue
une TFD d’ordre 2 et on combine les résultats de ces 2 TFD pour obtenir celle d’ordre 4=2×2.
Donc pour obtenir les 4 valeurs X(k), on calcule 2 TFD d’ordre 2 et on combine les
résultats 2 à 2 à l’aide d’une addition et d’une multiplication au maximum pour chaque valeur
X(k). On généralise ce principe à toute N multiple de 2 par :
𝑁 𝑁
𝑛=𝑁−1 −1 −1
2 2
−𝑗2𝜋𝑛𝑘 −𝑗2𝜋2𝑖𝑘 −𝑗2𝜋(2𝑖+1)𝑘
𝑋(𝑘) = ∑ [𝑥(𝑛)𝑒 𝑁 ] = ∑ [𝑥(2𝑖)𝑒 𝑁 ]+ ∑ [𝑥(2𝑖 + 1)𝑒 𝑁 ]
𝑛=0 𝑖=0 𝑖=0
𝑁 𝑁
−1 −1
2 2
𝑗2𝜋𝑖𝑘 −𝑗2𝜋𝑖𝑘
−
𝑋(𝑘) = ∑ [𝑥(2𝑖)𝑒 𝑁Τ2 ] + ∑ [𝑥(2𝑖 + 1)𝑒 𝑁Τ2 𝑒 −𝑗2𝜋𝑘 ]
𝑖=0 𝑖=0
𝑁 𝑁
−1 −1
2 2
𝑗2𝜋𝑖𝑘 −𝑗2𝜋𝑖𝑘
−
𝑋(𝑘) = ∑ [𝑥(2𝑖)𝑒 𝑁Τ2 ] + 𝑊𝑁𝑘 ∑ [𝑥(2𝑖 + 1)𝑒 𝑁Τ2 ] , 𝑎𝑣𝑐𝑒: 𝑊𝑁𝑘 = 𝑒 −𝑗2𝜋𝑘
𝑖=0 𝑖=0
28
Chapitre 3
I.1 Définition
On appelle système numérique SyN toute fonction ou algorithme qui agit sur un signal
numérique en entrée appelé ‶Excitation″ pour obtenir en sortie un autre signal numérique
appelé ‶signal de sortie ou réponse du système″. Mathématiquement un tel système est
défini comme un opérateur H qui modifie une séquence d’entrée x[n] en une séquence de sortie
y[n] tel que : 𝒚[𝒏] = {𝒙[𝒏]}.
1. Système identité qui restitue le signal x[n] en son entrée : 𝑦[𝑛] = 𝑥[𝑛].
2. Système décalage arrière ou en avant tel que :𝑦[𝑛] = 𝑥[𝑛 ± 1].
3. Système accumulateur qui effectue la somme des valeurs qui apparaissent au du
temps tel que :
𝑛
𝑦[𝑛] = ∑ 𝑥[𝑘]
𝑘=−∞
4. Système dérivateur qui effectue la différence entre la valeur actuelle et celle
d’avant : 𝑦[𝑛] = 𝑥[𝑛] − 𝑥[𝑛 − 1].
En plus de la donnée d’une équation qui relie la sortie à l’entrée d’un SyN, ces derniers
sont représentés à l’aide des diagrammes fonctionnels comme indiqué par l’exemple suivant :
𝑦[𝑛] = 0,5[3𝑥1 [𝑛] + 𝑥1 [𝑛 + 1]] × [𝑥2 [𝑛 − 1] − 𝑥2 [𝑛 − 2]] − 0,25𝑦[𝑛 − 1].
Le schéma fonctionnel ou encore structure canonique d’un tel système est le suivant :
29
x1 [n + 1]
Z
3 0,5
𝐱𝟏 [𝐧] ⊕ ⊗ ⊕ 𝒚[𝐧]
- 0,25
x2 [n − 1] −1
𝐱𝟐 [𝐧] Z−1 ⊕ 𝑦[n − 1] Z
(-1)
Z−1
x2 [n − 2]
Suivant leurs propriétés, on peut classer les systèmes numériques comme suit :
Système statique
Un système numérique statique ou encore sans mémoire est un système dont la sortie
x2 [n]
y[n] ne dépend que du signal d’entrée x[n] pour la valeur n. Ex : y[n] = x[n] − .
4
Système dynamique
Appelé aussi système avec mémoire possède une sortie y[n] qui dépend en plus de la
valeur de x[n], de sa valeur avant et après n donc elle dépend de l’état passé et future de
1
x[n]. Ex : y[n] = 3 [x[n − 1] + x[n]] + 4x[n + 1].
Système linéaire
C’est un système qui possède toutes les caractéristiques de superposition i.e. :
y[n] = H{ax1 [n] + bx2 [n]} = H{ax1 [n]} + H{bx2 [n]} = aH{x1 [n]} + bH{x2 [n]}.
Système Invariant
Un SyN invariant dans le temps pour lequel un décalage temporel sur le signal d’entrée
entraine un décalage du signal de sortie de la même valeur :
Si H{x[n]} = y[n] alors ∶ H{x[n + τ]} = y[n + τ].
Ex : y[n] = x[2n] , Le signal x[n − τ] aura pour sortie y[n − τ] = x[2(n − τ)] alors
que le signal de sortie décalé de τ est x[2n − τ] ≠ y[n − τ]
Système causal
Un SyN est causal si la séquence de sortie ne dépend que des valeurs actuelles ou
passées de la séquence d’entrée et si le signal d’entrée est causal à partir de n=n0 alors
la sortie l’est aussi. Autrement dit la réponse (l’effet) ne précède jamais la cause. i.e.
Si x[n] = 0 pour n < n0 alors: y[n] = 0 pour < n0
Ex : La différence avant y[n] = x[n + 1] − x[n] n’est pas causale à cause de x[n + 1].
La différence arrière y[n] = x[n] − x[n − 1] est causale.
Système stable
30
Un SyN est dit stable si quelle que soit la séquence d’amplitude finie appliquée à son
entrée, sa sortie ne devient pas infiniment grande (la sortie est aussi finie).
Ex : L’accumulateur défini par y[n] = ∑𝑛−∞ 𝑥[𝑘]
0 𝑠𝑖 𝑘 < 0
pour 𝑥[𝑘] = 𝑒[𝑘] = 𝑠𝑎𝑢𝑡 𝑢𝑛𝑖𝑡é = { , alors y[n] ne cesse d’augmenter et
1 𝑠𝑖 𝑘 ≥ 0
devient infini donc l’accumulateur est instable.
Les systèmes numériques peuvent être interconnectés pour former des systèmes plus
complexes selon les deux schémas possibles suivants :
Connexion parallèle
𝑦1 [𝑛]
H1
𝒙[𝐧] ⊕ 𝒚[𝐧]= 𝐲𝟏 [𝐧] + 𝐲𝟐 [𝐧]
𝒚[𝐧]= 𝐇𝟏 [𝒙(𝐧)] + 𝐇𝟐 [𝒙(𝐧)]
H2 𝑦2 [𝑛]
Connexion en cascade
𝑦1 [𝑛] 𝑦2 [𝑛]
𝒙[𝐧] H1 H2 𝐲[𝐧]=𝐇𝟐 [𝐇𝟏 (x(n))]
II.1. Définition
La réponse impulsionnelle d’un système SyN_LI désignée par h(n) est telle que :
1 𝑠𝑖 𝑛 = 0
ℎ[𝑛] = 𝐻{∆[𝑛]} 𝑎𝑣𝑒𝑐: ∆[𝑛] = { 𝑒𝑠𝑡 𝑙 ′ 𝑖𝑚𝑝𝑢𝑙𝑠𝑖𝑜𝑛 𝑢𝑛𝑖𝑡é 𝑛𝑢𝑚é𝑟𝑖𝑞𝑢𝑒
0 𝑠𝑖 𝑛 ≠ 0
31
+∞
On conclue que la sortie 𝑦[𝑛] est relié à l’entrée x[n] par le produit de convolution de cette
dernière avec la réponse impulsionnelle h[n].
Dans le cas où le système SyN_LI est aussi causal pour n=0 alors sa réponse
impulsionnelle l’est aussi i.e. h(n=0) pour n<0 et selon cette réponse on distingue deux cas :
En plus du produit de convolution qui relie l’entrée à la sortie, un système SyN_LI peut
être décrit aussi par une équation aux différences linéaires à coefficients constants d’ordre N
(ou équation de récurrence) de la forme :
32
𝑵 𝑴
Important :
Dans le cas d’un SyN_LI de type RIF on a :
𝑀
Exemple 1
Soit l’accumulateur causal représenté par l’équation : 𝑦[𝑛] = ∑𝑛𝑘=0 𝑥[𝑘]. Déterminer
son équation aux différences ?
On a:
𝑛 𝑛−1
𝑥[n] ⊕ 𝑦[n]
Z−1
𝑦[n − 1]
Définie par :
33
𝑛 𝑛−1
1 1
𝑦[𝑛] = ∑ 𝑥[𝑘] = [∑ 𝑥[𝑘] + 𝑥[𝑛]]
𝑛+1 𝑛+1
𝑘=0 𝑘=0
𝑛−1
1 1 1
𝑦[𝑛] = [𝑥[𝑛] + 𝑛 ∑ 𝑥[𝑘]] = [𝑥[𝑛] + 𝑛𝑦[𝑛 − 1]]
𝑛+1 𝑛 𝑛+1
𝑘=0
1
𝑛+1
𝑥[n] ⊕ ⊗ 𝑦[n]
⊗ Z−1
𝑦[n − 1]
n
La représentation utile pour décrire le contenu fréquentiel des systèmes numériques est
la représentation en Z basée sur la transformée en Z. Cette transformée s’applique aux signaux
discrets, généralisant ainsi la transformée de Fourier et remédiant aux limitations connues par
cette dernière en particulier en cas du filtrage numérique.
La transformée en Z représente pour les signaux discrets ce que la transformée de
Laplace pour les signaux continus.
IV.1. Transformée en Z
34
Im(Z)
R + : rayon de convergence extérieur.
𝑹+ R − : rayon de convergence intérieur.
𝑹−
Re(Z)
Couronne de convergence
Exemple :
Soit le signal discret défini par:
1 𝑛≥0
𝑥[𝑘] = 𝑎𝑘 𝑢[𝑘], avec 0 < a < 1 et u[k] est le saut unité défini par: {
0 𝑛<0
Calculons la transformée en Z de x[k] ?
+∞ +∞
Dans le tableau suivant on a regroupé les transformées de quelques fonctions les plus
utilisées en traitement numérique du signal :
35
Signal Transformée en Z Domaine de convergence
δ[n] 1 Tout z
u[n] échelon unité 𝑧 1
1 𝑛≥0 = |𝑧| > 1
{ 𝑧 − 1 1 − 𝑧 −1
0 𝑛<0
1 − 𝑧 −𝑠
u[n] – u[n-s] z≠0
1 − 𝑧 −1
𝑧
𝑎𝑛 𝑢[𝑛] |𝑧| > |𝑎|
𝑧−𝑎
𝑧
(−𝑎)𝑛 𝑢[𝑛] |𝑧| > |𝑎|
𝑧+𝑎
𝑧
nu[n] |𝑧| > 1
(𝑧 − 1)2
𝑧𝑎
𝑛𝑎𝑛 𝑢[𝑛] |𝑧| > |𝑎|
(𝑧 − 𝑎)2
𝑧 2 − 𝑧𝑐𝑜𝑠𝛺
cos(nΩ)u[n] |𝑧| > 1
𝑧 2 − 2𝑧𝑐𝑜𝑠𝛺 + 1
𝑧𝑠𝑖𝑛𝛺
sin(nΩ)u[n] 2
|𝑧| > 1
𝑧 − 2𝑧𝑐𝑜𝑠𝛺 + 1
𝑧 2 − 𝑧𝑎𝑐𝑜𝑠𝛺
𝑎𝑛 𝑐𝑜𝑠(𝑛𝛺)𝑢[𝑛] |𝑧| > |𝑎|
𝑧 2 − 2𝑧𝑐𝑜𝑠𝛺 + 𝑎2
𝑧𝑎𝑠𝑖𝑛𝛺
𝑎𝑛 𝑠𝑖𝑛(𝑛𝛺)𝑢[𝑛] |𝑧| > |𝑎|
𝑧 2 − 2𝑧𝑐𝑜𝑠𝛺 + 𝑎2
𝑧𝐾𝑒 𝑗𝜙 𝑧𝐾𝑒 −𝑗𝜙
2𝐾𝑎𝑛 𝑐𝑜𝑠(𝑛𝛺 + 𝜙) + |𝑧| > |𝑎|
𝑧 − 𝑎𝑒 𝑗𝛺 𝑧 − 𝑎𝑒 −𝑗𝛺
Dans le tableau suivant on cite quelques propriétés de la transformée en Z les plus utiles :
Propriété Transformée
𝑎𝑋1 [𝑛] + 𝑏𝑋2 [𝑛]
Linéarité: 𝑎𝑥1 [𝑛] + 𝑏𝑥2 [𝑛]
pour 𝑚𝑎𝑥[𝑅𝑥1 − , 𝑅𝑥2 − ] < |𝑧| < 𝑚𝑖𝑛[𝑅𝑥1 + , 𝑅𝑥2 + ]
Décalage : 𝑥[𝑛 ± 𝑛0 ] 𝑧 ±𝑛0 𝑋(𝑧) pour 𝑅𝑥− < |𝑧| < 𝑅𝑥+
Changement d’échelle : 𝑎𝑛 𝑥[𝑛] 𝑧
𝑋 (𝑎) pour |𝑎|𝑅𝑥− < |𝑧| < |𝑎|𝑅𝑥+
(Ou amortissement)
𝑑𝑋[𝑧]
nx[n] −𝑧 pour 𝑅𝑥− < |𝑧| < 𝑅𝑥+
𝑑𝑧
𝑧
x[-n] 𝑋( )
𝑎
cos(nΩ)x[n] 0,5[𝑋[𝑧𝑒 ] + 𝑋[𝑧𝑒 −𝑗𝛺 ]]
𝑗𝛺
36
sin(nΩ)x[n] 𝑗0,5[𝑋[𝑧𝑒 𝑗𝛺 ] − 𝑋[𝑧𝑒 −𝑗𝛺 ]]
Convolution : x[n]*h[n] X[z]×H[z] pour
1
Inter corrélation : 𝑟𝑥𝑦 [𝑛] 𝑅𝑥𝑦 [𝑧] = 𝑋 [ ] 𝑌[𝑧]
𝑧
Ils sont composés de deux théorèmes très utiles en traitement des signaux numériques
par la transformée en Z.
+∞
1 1
∮ 𝑋[𝑧]𝑧 𝑛−1 𝑑𝑧 = ∮ ∑ 𝑥[𝑘]𝑧 −𝑘+𝑛−1 𝑑𝑧
𝑗2𝜋 𝛤 𝑗2𝜋 𝛤
𝑘=−∞
+∞
1
= ∑ ( ∮ 𝑧 −𝑘+𝑛−1 𝑑𝑧) 𝑥[𝑘] =
𝑗2𝜋 𝛤
𝑘=−∞
or :
37
1 1 𝑠𝑖 𝑛 = 𝑘 𝟏
∮ 𝑧 (𝑛−𝑘)−1 𝑑𝑧 = { ; ⇒ ∮ 𝑿[𝒛]𝒛𝒏−𝟏 𝒅𝒛 = 𝒙[𝒏]
𝑗2𝜋 𝛤 0 𝑠𝑖 𝑛 ≠ 𝑘 𝒋𝟐𝝅 𝜞
Exemple :
1
𝑋[𝑧] =
𝑧 2 − 3𝑧 + 2
On peut écrire :
1 1 1 1 1
𝑋[𝑧] = = − = −
(𝑧 − 1)(𝑧 − 2) (𝑧 − 2) (𝑧 − 1) 𝑧(1 − 2𝑧 −1 ) 𝑧(1 − 𝑧 −1 )
1 1
𝑋[𝑧] = 𝑧 −1 − 𝑧 −1
(1 − 2𝑧 −1 ) (1 − 𝑧 −1 )
Or :
1 1
−1
= 𝑇𝑍{𝑢[𝑛]} 𝑒𝑡 = 𝑇𝑍{2𝑛 𝑢[𝑛]} 𝑒𝑡 𝑧 −1 𝑒𝑠𝑡 𝑢𝑛 𝑑é𝑐𝑎𝑙𝑎𝑔𝑒
(1 − 𝑧 ) (1 − 2𝑧 −1 )
Donc :
𝑋[𝑧] = 𝑧 −1 𝑇𝑍{2𝑛 𝑢[𝑛]} − 𝑧 −1 𝑇𝑍{𝑢[𝑛]}
Soit :
𝑥[𝑛] = 2𝑛−1 𝑢[𝑛 − 1] − 𝑢[𝑛 − 1]
𝑥[𝑛] = (2𝑛−1 − 1)𝑢[𝑛 − 1]
38
+∞
+∞
−𝑘
𝑋(𝑓) = ∑ 𝑥(𝑘𝑇𝑒 )(𝑒 𝑗2𝜋𝑇𝑒𝑓 )
𝑘=−∞
𝐚𝐫𝐠(𝒛)
𝑿(𝒇) = (𝑿[𝒛])𝒛=𝒆𝒋𝟐𝝅𝑻𝒆𝒇 ⇒ 𝐚𝐫𝐠(𝒛) = 𝟐𝝅𝒇𝑻𝒆 ⇒ 𝒇 = .
𝟐𝝅𝑻𝒆
Rappel :
+∞
𝑋(𝑝) = 𝑇𝐿{𝑥(𝑡)} = ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡; 𝑎𝑣𝑒𝑐 𝑝 = 𝜎 + 𝑗2𝜋𝑓
−∞
Donc :
+∞ +∞ +∞ +∞
−𝑝𝑡
𝑋(𝑝) = ∫ ∑ 𝑥(𝑘𝑇𝑒 )𝛿(𝑡 − 𝑘𝑇𝑒 ) 𝑒 𝑑𝑡 = ∑ 𝑥(𝑘𝑇𝑒 ) [∫ 𝛿(𝑡 − 𝑘𝑇𝑒 ) 𝑒 −𝑝𝑡 𝑑𝑡]
−∞ 𝑘=−∞ 𝑘=−∞ −∞
Or :
𝑒 −𝑝𝑘𝑇𝑒 𝑝𝑜𝑢𝑟 𝑡 = 𝑘𝑇𝑒
𝛿(𝑡 − 𝑘𝑇𝑒 )𝑒 −𝑝𝑡 = {
0 𝑝𝑜𝑢𝑟 𝑡 ≠ 𝑘𝑇𝑒
Donc :
+∞
𝑿(𝒑) = 𝑿[𝒛])𝒛=𝒆−𝑝𝑇𝑒
On a :
−𝑝𝑇𝑒
𝑙𝑛𝑧 𝑙𝑛(|𝑧|𝑒 jarg(𝑧) ) 𝑙𝑛(|𝑧|) + 𝑙𝑛(𝑒 jarg(𝑧) )
𝑧=𝑒 ⇒ 𝑝𝑇𝑒 = 𝑙𝑛𝑧 ⇒ 𝑝 = = =
𝑇𝑒 𝑇𝑒 𝑇𝑒
𝒍𝒏(|𝒛|)
𝝈=
𝒍𝒏(|𝒛|) 𝐚𝐫𝐠(𝒛) 𝑻𝒆
𝒑= +𝒋 = 𝝈 + 𝒋𝟐𝝅𝒇 ⇒
𝑻𝒆 𝑻𝒆 𝐚𝐫𝐠(𝒛) 𝐚𝐫𝐠(𝒛)
𝟐𝝅𝒇 = ⇒𝒇=
{ 𝑻𝒆 𝟐𝝅𝑻𝒆
39
V. Analyse des systèmes numériques
Exemple :
𝑧
𝑋[𝑧] = 𝑇𝑍{𝑥[𝑛]} = 𝑇𝑍{ (0,4)𝑛 𝑢[𝑛]} =
𝑧 − 0,4
2 2
(𝑧 − 0,4𝑧 + 0,4𝑧)
𝑧 3𝑧 3𝑧
𝑌[𝑧] = × = 2
=3
𝑧 − 0,4 𝑧 − 0,4 (𝑧 − 0,4) (𝑧 − 0,4)2
𝑧(𝑧 − 0,4) 0,4𝑧 𝑧 0,4𝑧
𝑌[𝑧] = 3 [ 2
+ 2
] = 3[ + ]
(𝑧 − 0,4) (𝑧 − 0,4) (𝑧 − 0,4) (𝑧 − 0,4)2
𝑧 0,4𝑧
𝑦[𝑛] = 𝑇𝑍 −1 {𝑌[𝑧]} = 𝑇𝑍 −1 {3 [ + ]}
(𝑧 − 0,4) (𝑧 − 0,4)2
𝑧 0,4𝑧
𝑦[𝑛] = 3𝑇𝑍 −1 { } + 3𝑇𝑍 −1 { }
(𝑧 − 0,4) (𝑧 − 0,4)2
𝑦[𝑛] = 3𝑛(0,4)𝑛 𝑢[𝑛] + 3(0,4)𝑛 𝑢[𝑛]
Dans le paragraphe III, on a vu qu’un système SyN _LI est régi par une équation aux
différences de la forme suivante :
40
𝑁 𝑀
∑ 𝑎𝑘 𝑦[𝑛 − 𝑘] = ∑ 𝑏𝑖 𝑥[𝑛 − 𝑖]
𝑘=0 𝑖=0
En passant à la transformée en Z et en utilisant les propriétés de linéarité et de décalage,
l’équation aux différences devient :
𝑁 𝑀 𝑁 𝑀
−𝑘 −𝑖 −𝑘
∑ 𝑎𝑘 𝑧 𝑌[𝑧] = ∑ 𝑏𝑖 𝑧 𝑋[𝑧] ⇒ 𝑌[𝑧] ∑ 𝑎𝑘 𝑧 = 𝑋[𝑧] ∑ 𝑏𝑖 𝑧 −𝑖
𝑘=0 𝑖=0 𝑘=0 𝑖=0
Donc :
𝒀[𝒛] ∑𝑴𝒊=𝟎 𝒃𝒊 𝒛
−𝒊
𝑯[𝒛] = =
𝑿[𝒛] ∑𝑵 𝒌=𝟎 𝒂𝒌 𝒛
−𝒌
L’équation :
𝑁
Donc si la fonction de transfert H[z] possède M zéros zi et N pôles pk alors son expression
devient :
∏𝑴 −𝟏
𝒊=𝟏(𝟏 − 𝒛𝒊 𝒛 )
𝑯[𝒛] = 𝑯𝟎 ; 𝒂𝒗𝒆𝒄 𝑯𝟎 = 𝐥𝐢𝐦 𝑯[𝒛]
∏𝑵 −𝟏
𝒌=𝟏(𝟏 − 𝒑𝒌 𝒛 )
𝒛→∞
Conclusion :
Exemple :
Soit le système SyN_LI défini par l’équation aux différences suivante :
𝑦[𝑛] − 0,5𝑦[𝑛 − 1] = 2(0,25)𝑛 𝑢[𝑛]
Résoudre l’équation (trouver la réponse y[n]).
En passant à la transformée en Z on a :
2𝑧 2𝑧
𝑌[𝑧] − 0,5𝑧 −1 𝑌[𝑧] = ⇒ (1 − 0,5𝑧 −1 )𝑌[𝑧] =
𝑧 − 0,25 𝑧 − 0,25
𝑌[𝑧] 2𝑧 𝑌[𝑧] 2𝑧 𝐴 𝐵
(𝑧 − 0,5) = ⇒ = = +
𝑧 𝑧 − 0,25 𝑧 (𝑧 − 0,25)(𝑧 − 0,5) (𝑧 − 0,25) (𝑧 − 0,5)
41
𝑌[𝑧] 𝐴(𝑧 − 0,5) + 𝐵(𝑧 − 0,25)
=
𝑧 (𝑧 − 0,25)(𝑧 − 0,5)
𝐴+𝐵 =2
On cherche A et B tels que : {
−0,5𝐴 − 0,25𝐵 = 0 ⇒ 𝐵 = −2𝐴
⇒ A=-2 et B=4
𝑌[𝑧] −2 4 −2𝑧 4𝑧
⇒ = + ⇒ 𝑌[𝑧] = +
𝑧 (𝑧 − 0,25) (𝑧 − 0,5) (𝑧 − 0,25) (𝑧 − 0,5)
𝑋[𝑧] = ∑ 𝑥[𝑛]𝑧 −𝑛
𝑛=−∞
𝑗𝛺
z étant un complexe donc : 𝑧 = 𝑅𝑒 avec 𝛺 = 2𝜋𝐹 , on aura :
+∞ +∞ +∞
𝑗𝛺 −𝑛 −𝑛 −𝑛𝑗𝛺
𝑋[𝑧] = ∑ 𝑥[𝑛](𝑅𝑒 ) = ∑ 𝑥[𝑛]𝑅 𝑒 = ∑ 𝑥[𝑛]𝑅 −𝑛 𝑒 −𝑛𝑗2𝜋𝐹
𝑛=−∞ 𝑛=−∞ 𝑛=−∞
f
Pour R=1 i.e. |z| = 1, et F = F est la fréquence normalisée avec Fe est la fréquence de
e
discrétisation du signal alors on a :
+∞
𝒇
−𝒋𝒏𝟐𝝅
𝑿[𝒛]|𝒛|=𝟏 = ∑ 𝒙[𝒏]𝒆 𝑭𝒆 = 𝑿(𝒇)
𝒏=−∞
Cette dernière relation montre que la transformée de Fourier n’est autre que la transformée en
Z évaluée sur le cercle unité i.e. |z| = 1. Donc le spectre d’un signal numérique est obtenu en
f
remplaçant la variable z par la valeur située sur le cercle unité et d’argument Ω = 2π F .
e
f
Ω = 2πF = 2π F : étant la pulsation normalisée mesurée en radian/échantillon et elle est
e
comprise entre –π et π donc on a :
1 1 Fe Fe
−𝜋 ≤ Ω ≤ π ⇔ −π ≤ 2πF ≤ π ⇒ − ≤F≤ ⇒ − ≤f≤
2 2 2 2
Fe Fe
Toutes les fréquences f du signal sont comprises dans l’intervalle : [− 2 , 2 ].
42
∑𝑀
𝑛=0 𝑏𝑛 𝑧
−𝑛
𝐻[𝑧] =
∑𝑁
𝑘=0 𝑎𝑘 𝑧
−𝑘
∑𝑀
𝑛=0 𝑏𝑖 𝑒
−𝑗𝑛2πf
𝐻[𝑓] = ; c ′ est la réponse fréquentielle.
∑𝑁
𝑘=0 𝑎𝑘 𝑒
−𝑗𝑘2πf
Cas particuliers :
si f=0 alors z=1 ⇒ H(f)f=0 = H[z]z=1 qui correspond à la composante (DC) du signal
fe
si f = soit Ω = π, alors z = -1 ⇒ H(f)f=fe = H[z]z=−1 qui correspond à la fréquence de
2 2
Nyquist.
Exemple :
Soit le système défini par sa fonction de transfert suivante :
1 𝑧
𝐻[𝑧] = −1
=
1 − 0,5𝑧 𝑧 − 0,5
j2πf
En remplaçant z par e , on obtient :
ej2πf
𝐻[𝑓] = j2πf
e − 0,5
Donc la réponse fréquentielle en amplitude est :
ej2πf | ej2πf | 1
|𝐻[𝑓]| = | j2πf | = j2πf =
e − 0,5 |e − 0,5| √(𝑐𝑜𝑠2𝜋𝑓 − 0,5)2 + (𝑠𝑖𝑛2𝜋𝑓)2
1 1
|𝐻[𝑓]| = =
√1 − 𝑐𝑜𝑠2𝜋𝑓 + 0,25 √1,25 − 𝑐𝑜𝑠2𝜋𝑓
Et la réponse fréquentielle en phase est :
𝜑(𝑓) = arg( ej2πf ) − 𝑎𝑟𝑔( ej2πf − 0,5) = 2𝜋𝑓 − 𝑎𝑟𝑔(𝑐𝑜𝑠2πf − 0,5 + jsin2πf)
𝑠𝑖𝑛2𝜋𝑓 𝑠𝑖𝑛2𝜋𝑓
𝜑(𝑓) = 2𝜋𝑓 − 𝑎𝑟𝑐𝑡𝑔 ( ) = 2𝜋𝑓 − 𝑎𝑟𝑐𝑡𝑔 ( )
𝑐𝑜𝑠2𝜋𝑓 − 0,5 𝑐𝑜𝑠2𝜋𝑓 − 0,5
On a :
1 −1
𝐻(𝑓)𝑓=0 = 𝐻[𝑧]𝑧=1 = = 2 𝑒𝑡 𝐻(𝑓) fe = 𝐻[𝑧]𝑧=−1 = = 0,666.
1 − 0,5 𝑓=
2 −1 − 0,5
43
VI.3. Relation entre la réponse fréquentielle et les pôles et les zéros de la fonction
de transfert
∏𝑀 −1
𝑖=1(1 − 𝑧𝑖 𝑧 )
𝐻[𝑧] = 𝐻0 ; 𝑎𝑣𝑒𝑐 𝐻0 = lim 𝐻[𝑧]
∏𝑁 −1
𝑘=1(1 − 𝑝𝑘 𝑧 ) 𝑧→∞
Les zéros annulent la fonction de transfert ce qui implique que la réponse fréquentielle
s’affaiblit lorsque la fréquence s’approche des zéros zi (car (z − zi ) diminue) et elle devient
maximale aux voisinages des pôles puisque cette fois ci c’est (z − pk ) qui diminue.
Exemple :
𝑯(𝒇) = 𝑯[𝒛]|𝒛|=𝟏
44
H(f)
0 f0 𝑓𝑒 Τ2 f
Posons :
1 ⇒Ω=0 ⇒f=0
jΩ j2πf⁄f
z=e =e e ={ fe
−1 ⇒ Ω = π ⇒ f =
2
1. Il ne doit pas faire passer la fréquence 0 qui correspond dans le domaine des complexes
à z=1. On doit avoir un zéro en cet endroit i.e. z1 = 1.
fe
2. Il doit bloquer les signaux de fréquence qui se situent dans le cercle unité en z=-1où
2
on doit avoir un zéro i.e. z2 = −1.
3. Il doit faire passer le signal de fréquence f0 . En cette fréquence la réponse fréquentielle
est maximale donc on doit avoir deux pôles : p1 = RejΩ0 , et p2 = Re−jΩ0 , avec la
𝑓
condition : 𝛺0 = 2𝜋 𝑓0 est la pulsation normalisé et R<1 pour avoir un système
𝑒
stable (voir paragraphe V.2).
𝟏 − 𝒆−𝒋𝟐𝛀
𝑯[𝒋𝛀] = 𝑨
𝟏 − 𝟐𝑹𝒆−𝒋𝛀 𝒄𝒐𝒔𝛀𝟎 + 𝑹𝟐 𝒆−𝒋𝟐𝛀
Cas particuliers :
𝑓0
Ω = Ω0 = 2𝜋
, 𝑖. 𝑒. 𝑓 = 𝑓0
𝑓𝑒
1 − 𝑒 −𝑗2Ω0
𝐻[𝑗Ω0 ] = 𝐴
1 − 2𝑅𝑒 −𝑗Ω0 𝑐𝑜𝑠Ω0 + 𝑅 2 𝑒 −𝑗2Ω0
45
Or :
−𝑗Ω0 −𝑗Ω0
𝑒 𝑗Ω0 + 𝑒 −𝑗Ω0 1 + 𝑒 −𝑗2Ω0
𝑒 𝑐𝑜𝑠Ω0 = 𝑒 =
2 2
Donc :
1 − 𝑒 −𝑗2Ω0 1 − 𝑒 −𝑗2Ω0
𝐻[𝑗Ω0 ] = 𝐴 = 𝐴
1 + 𝑒 −𝑗2Ω0 2 𝑒 −𝑗2Ω0 1 − 𝑅(1 + 𝑒 −𝑗2Ω0 ) + 𝑅 2 𝑒 −𝑗2Ω0
1 − 2𝑅 + 𝑅
2
𝐟𝐞⁄
𝐟= 𝟐 𝐟 =0
0 f0 ⁄2 f
fe 𝐳𝟐 = -1 𝐳𝟏 =1 Re(Z)
𝝅
−𝒋
0,9𝒆 𝟒 = 𝐩𝟐
𝟑𝐟𝐞
⁄𝟒
46
Chapitre 4
H1 [z]
Filtre de fonction de
X[z] Y[z]=H[z]X[z]
transfert H[z]
𝑿[𝒛] H2 [z] ⊕ Y[z]
Forme directe
:
:
X[z] H1 [z] H2 [z] ... HM [z] Y[z]
HM [z]
Forme en cascade Forme en parallèle
Un filtre numérique peut être caractérisé aussi par sa réponse impulsionnelle h[n] qui
correspond à la réponse du filtre lorsqu’on applique en son entrée l’impulsion unité ou le saut
unité (ce n’est pas l’impulsion de Dirac) défini par :
1 𝑛≥0
𝑢 [𝑛] = {
0 𝑛<0
47
Si elle est finie on parle des filtres à réponse impulsionnelle finie qu’on note RIF
(qui se caractérisent par une réponse impulsionnelle h[n] est à support fini i.e.
h[n]=0 pour n<0 et n>N.
Si elle est infinie, il s’agit des filtres à réponse impulsionnelle infinie qu’on note
RII et qui possèdent un support infini i.e. h[n]≠0, ∀n.
𝑦[𝑛] = ∑ 𝑏𝑖 𝑥[𝑛 − 𝑖]
𝑖=0
On voit bien que la valeur de la sortie à l'instant n est une combinaison linéaire des
valeurs de l'entrée à l'instant n et aux (M–1) instants antérieurs.
𝑀−1 𝑀−1 𝑀−1
−𝑖
𝑌[𝑧] = 𝑇𝑍 ( ∑ 𝑏𝑖 𝑥[𝑛 − 𝑖]) = ∑ 𝑏𝑖 𝑋[𝑧]𝑧 = 𝑋[𝑧] ∑ 𝑏𝑖 𝑧 −𝑖 = 𝑋[𝑧]𝐻[𝑧]
𝑖=0 𝑖=0 𝑖=0
Donc :
𝑀−1 𝑀−1
𝑌[𝑧]
𝐻[𝑧] = = ∑ 𝑏𝑖 𝑧 −𝑖 ⇒ 𝑇𝐹 −1 (𝐻[𝑧]) = ℎ[𝑛] = ∑ 𝑏𝑖 𝑢[𝑛 − 𝑖]
𝑋[𝑧]
𝑖=0 𝑖=0
𝒉[𝒏] = 𝒃𝒏
On constate que les coefficients bi du filtre non récursif sont les valeurs de sa réponse
impulsionnelle h[i]=bi, qui ne sont définis que dans un intervalle de durée M.
Conclusion
Un filtre non récursif est à réponse impulsionnelle finie c’est un RIF stable de durée M
appelée longueur du filtre.
Vu que les filtres RIF sont inconditionnellement stables on peut faire l’approximation
suivante : toute fonction de filtrage numérique stable et causale peut être approchée par la
fonction de transfert d'un filtre RIF.
b0
x[n] ⊕ y[n]
Z−1
x[n − 1] x[n − 2] x[n − M + 1] b1
−1
x[n] Z Z −1 Z−1 ⊕
b0 b1 b2 bM−2 bM−1
⊕ ⊕ ⊕ ⊕ ⊕ y[n] bM−2 x[n − 1] + bM−1 x[n − 2]
Z−1
Structure directe
bM−2
⊕
bM−1 x[n − 1]
−1
Z
bM−1
Structure transposée
Exemple :
Soit le filtre défini par sa fonction de transfert suivante :
𝐻[𝑧] = 0.5 + 2𝑧 −2 , Réaliser ce filtre (donner son schéma fonctionnel) ?
On a: 𝑏0 = 0,5 𝑒𝑡 𝑏2 = 2
Donc : ℎ[0] = 0,5 𝑒𝑡 ℎ[2] = 2
⇒ 𝑦[𝑛] = 0,5𝑥[𝑛] + 2𝑥[𝑛 − 2]
49
0,5
𝐱[𝐧] ⊕ 𝒚[𝐧]
2
Z−1
𝑥[n − 1]
Z−1
𝑥[n − 2]
Remarques :
D’après l’équation reliant y[n] à x[n] on peut dire que le filtre RIF effectue une
pondération des valeurs du signal d’entrée. Cette pondération peut être interprétée
comme une moyenne glissante d’où la notation MA (Moving Average).
𝑦[𝑛] = 𝑏0 𝑥[𝑛] + 𝑏1 𝑥[𝑛 − 1] + 𝑏2 𝑥[𝑛 − 2] + ⋯ + 𝑏𝑀−1 𝑥[𝑛 − 𝑀 + 1]
Les filtres RIF sont des filtres stables par défaut, une stabilité pas besoin de s’assurer de
la position des pôles aux bons endroits.
𝑀−1
𝐻[𝑧] = ∑ 𝑏𝑘 𝑧 −𝑘
𝑘=0
𝑗𝜔
en posant 𝑧 = 𝑒 et en tenant compte du fait que : 𝑏𝑘 = ℎ(𝑘) alors on a :
𝑀−1 𝑀−1
−𝑘
𝐻[𝑧] = ∑ 𝑏𝑘 𝑧 = ∑ ℎ[𝑘]𝑒 −𝑗𝜔𝑘
𝑘=0 𝑘=0
Pour la facilité du calcul on va supposer que le filtre est symétrique i.e. h(n)=h(M-1-n) donc on
distingue deux cas selon que M est pair ou impair.
50
𝒉[𝒌]
𝐻[𝑧] = ∑ 𝑏𝑘 𝑧 −𝑘
𝑘=0
0 −1 −𝑛
𝐻[𝑧] = 𝑏0 𝑧 + 𝑏1 𝑧 + ⋯ + 𝑏𝑛 𝑧 + 𝑏𝑛+1 𝑧 −(𝑛+1) + ⋯ + 𝑏2𝑛+1 𝑧 −(2𝑛+1) + 𝑏2𝑛 𝑧 −2𝑛
Or :
ℎ[𝑘] = ℎ[2𝑛 − 𝑘], ∀ 0 ≤ 𝑘 ≤ 2𝑛
51
𝒉[𝒌]
0 1 𝑛 𝑛+1 2𝑛 2𝑛+1
𝒌
2𝑛+1
𝐻[𝑧] = ∑ ℎ[𝑘]𝑧 −𝑘
𝑘=0
𝐻[𝑧] = ℎ[0]𝑧 0 + ℎ[1]𝑧 −1 + ⋯ + ℎ[𝑛]𝑧 −𝑛 + ℎ[𝑛 + 1]𝑧 −(𝑛+1) + ⋯ + ℎ[2𝑛]𝑧 −2𝑛 + ℎ[2𝑛
+ 1]𝑧 −(2𝑛+1)
Or :
ℎ[𝑘] = ℎ[2𝑛 + 1 − 𝑘], ∀ 0 ≤ 𝑘 ≤ 2𝑛 + 1
52
Ainsi si un filtre est à phase linéaire alors sa réponse fréquentielle est de la forme :
Exemple :
Rq : Notez que les résultats obtenus pour les filtres symétriques restent valables aussi pour les
filtres antisymétriques.
Exercice :
Donc ce filtre peut être approximé à un filtre RIF de réponse impulsionnelle h[n] :
53
𝑌[𝑧] 1 1
𝐻[𝑧] = = (1 + 2𝑧 −1 + 𝑧 −2 ) ⇒ ℎ[𝑛] = (𝛿[𝑛] + 2𝛿[𝑛 − 1] + 𝛿[𝑛 − 2])
𝑋[𝑧] 4 4
L’idée de la conception d’un filtre numérique RIF par la méthode de fenêtrage est qu’à
partir du gabarit fréquentiel on effectue la synthèse d’un filtre RIF réalisable (système causal)
à phase linéaire. Cette conception se fait en suivant les étapes suivantes :
1. Spécification du filtre.
2. Calcul des coefficients de la réponse impulsionnelle h[n].
XXII.1. III.4.1. Spécification du filtre
Souvent, on ramène le travail à la spécification d’un filtre passe-bas normalisé i.e. que
l’échelle des fréquences est modifiée de manière à ce que la fréquence de coupure devienne 1
Les filtre passe haut, passe bande et coupe bande peuvent être spécifiés en termes d’un filtre
passe-bas normalisé équivalent ce qui revient à effectuer un changement de variable f pour
obtenir le filtre passe-bas équivalent et on défait le changement à la fin du calcul.
En se basant sur le gabarit réel d’un filtre analogique passe-bas, on peut spécifier les
caractéristiques du filtre à concevoir, à savoir :
𝟏 − 𝛅𝟏
• La bande atténuée (ou coupée)
• La largeur de la zone de transition: ∆f = f c − f p
𝐟𝐩 𝐟𝐜 f
A partir du gabarit réel du filtre on peut déterminer la longueur du filtre RIF par la
relation suivante :
𝟐 𝟏 𝑭𝒆
𝑴 = 𝐥𝐨𝐠 𝟏𝟎 ( )
𝟑 𝟏𝟎𝜹𝟏 𝜹𝟐 ∆𝒇
Exemple :
54
On désire créer un filtre RIF avec les caractéristiques suivantes pour accentuer la
sonorité d’un trombone (instrument de musique) :
Filtre de type : passe-bande.
Bande de transmission : 150-3000 Hz.
Bande de transition : 100 Hz.
Fréquence d’échantillonnage : 44 000 Hz.
XXIII.1. III.4.2. Méthode de fenêtrage
La seconde étape pour la conception d’un filtre consiste à calculer les coefficients de la
réponse impulsionnelle h[n] pour cela il existe plusieurs méthodes comme la méthode de
fenêtrage, celle de l’échantillonnage du spectre d’amplitude de H(f) suivi de la transformation
de Fourier inverse, méthode de l’optimisation par moindres carrés et bien d’autres. Dans notre
cas on va s’intéresser à la méthode des fenêtres car c’est la plus directe pour la conception des
filtres numériques RIF.
Cette troncation est équivalente à une pondération sur la réponse impulsionnelle idéale par
une suite discrète finie définie par une porte 𝑤[𝑛] telle qu’on a :
1 𝑝𝑜𝑢𝑟 0 ≤ 𝑛 ≤ 𝑀
ℎ𝑇 [𝑛] = ℎ[𝑛] × 𝑤[𝑛], 𝑜ù 𝑤[𝑛] = { ∶ 𝑝𝑜𝑟𝑡𝑒 𝑟𝑒𝑐𝑡𝑎𝑛𝑔𝑢𝑙𝑎𝑖𝑟𝑒
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
1Τ2
ℎ𝑇 [𝑛] = ℎ[𝑛] × 𝑤[𝑛] ⇒ 𝐻𝑇 [𝑓] = 𝐻[𝑓] ∗ 𝑊[𝑓] = ∫−1Τ2 𝐻[𝜃]𝑊[𝑓 − 𝜃]𝑑𝜃
55
Avec :
𝑠𝑖𝑛(𝑀𝜋𝑓)
𝑊[𝑓] =
𝑠𝑖𝑛(𝜋𝑓)
1Τ2
ℎ𝑇 [𝑛] = ∫ 𝐻𝑇 [𝑓]𝑒 𝑗2𝜋𝑓𝑛 𝑑𝑓
−1Τ2
Pour bien comprendre ceci on prend comme filtre idéal un filtre passe-bas normalisé à
1 et de fréquence de coupure Fe on a :
Fe Fe
𝑗2𝜋𝑓𝑛
𝑠𝑖𝑛(𝑛2𝜋Fe )
ℎ[𝑛] = ∫ 𝐻[𝑓]𝑒 𝑑𝑓 = ∫ 1. 𝑒 𝑗2𝜋𝑓𝑛 𝑑𝑓 = 2Fe
−Fe −Fe 𝑛2𝜋Fe
h[n]
2Fe
|H(f)|
1
−Fe 1 1 n
Fe f −
2Fe 2Fe
La séquence h[n] est infinie donc il faut la tronquer en utilisant une fenêtre rectangulaire
w[n] réponse fréquentielle W(f). Cette troncature se fait par convolution entre H(f) et W(f) pour
donner le schéma suivant :
0 f
−𝐅𝐞 𝐅𝐞 f
HT (f)=H(f) ∗ W(f)
Avec : H(f) : réponse idéale.
HT (f) : réponse obtenue par limitation du nombre des échantillons à M
W(f) : fenêtre de pondération.
D’un autre côté, d’après le schéma de l’allure de W(f) pour une fenêtre rectangulaire et
en se basant sur la relation entre la longueur M de la fenêtre et la bande de transition ∆F du
filtre obtenu M. ∆F = cste, on constate que si on augmente la longueur de la fenêtre M, L la
largeur du lobe principal se réduit, d'où l'effet d'arrondissement par suite la bande de transition
∆F va diminuer. D'un autre côté, il est préférable d'avoir un h(n) le plus court possible d'où une
petite fenêtre (pour des raisons de complexité d’implantation et de calcul numérique).
|W(f)|
L
f
Rq :
A est indépendant de la longueur M de la fenêtre
On ne peut pas réduire simultanément A et L.
Dans ce qui suit on présente quelques fenêtres de longueur M ou d’ordre M-1, connues et très
utilisées en filtrage numérique :
57
IV. Les filtres numériques récursifs ou RII
Si N(z) est divisible par D(z) (cas particulier), on a un nombre fini de termes dans la division
polynomiale. Dans ce cas le filtre est du type RIF.
Si N(z) n'est pas divisible par D(z) (cas général), on a un nombre infini de termes dans la
division polynomiale est :
+∞ +∞
∏𝑖=𝑀−1(𝑧 − 𝑧𝑖 )
𝑁−𝑀 𝑖=1
𝐻[𝑧] = 𝑏0 𝑧 = ∑ 𝑐𝑖 𝑧 −𝑖 = ∑ ℎ[𝑛]𝑧 −𝑛
∏𝑖=𝑁−1
𝑖=1 (𝑧 − 𝑝𝑖 ) 𝑖=0 𝑛=0
Remarques :
Un filtre récursif peut aussi être spécifié par les zéros de sa fonction de transfert H[z]
qui sont les racines de N[z] et les pôles qui sont les racines de D[z]. Si les pôles ne se
trouvent pas dans le cercle unité alors le filtre n‘est pas stable (voir cours systèmes
numériques).
Les coefficients 𝑐𝑛 sont les valeurs de la réponse impulsionnelle h[n] ce qui montre
qu’un filtre récursif est à réponse impulsionnelle infini RII.
58
En remplaçant z par 𝑒 𝑗𝛺 , 𝛺 𝑒𝑡𝑎𝑛𝑡 𝑙𝑎 𝑝𝑢𝑙𝑠𝑎𝑡𝑖𝑜𝑛 𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑠é𝑒 = 𝜔𝑇𝑒 = 2𝜋𝑓𝑇𝑒 , dans la
fonction de transfert H[z] on obtient la réponse en fréquence:
∑𝑀−1
𝑘=0 𝑏𝑘 𝑒
−𝑗𝑘𝛺
𝐻[𝛺] = 𝐻[𝑧]𝑧=𝑒 𝑗𝛺 =
1 + ∑𝑁−1
𝑘=1 𝑎𝑘 𝑒
−𝑗𝑘𝛺
En se basant sur la relation liant l’entrée x[n] d’un filtre RII à sa réponse y[n], on peut
le réaliser de deux façons possibles selon la figure suivante :
𝑁−1 𝑁−1
𝑏0
x[n] ⊕ y[n]
𝑏0
x[n] ⊕ y[n] 𝑏1 x[n − 1]−𝑎1 y[n − 1]
Un filtre RII est dit purement récursif du 1er ordre si le numérateur de sa fonction de transfert
ne contient que le terme en b0. Un tel filtre possède une équation aux différences du type :
𝑦[𝑛] = 𝑎𝑦[𝑛 − 1] + 𝑏𝑥[𝑛], 𝑎𝑣𝑒𝑐 ∶ 𝑎 ≠ 1 𝑒𝑡 𝑎, 𝑏 𝑠𝑜𝑛𝑡 𝑑𝑒𝑠 𝑟é𝑒𝑙𝑠.
A. Fonction de transfert
On obtient la fonction de transfert H[z] en appliquant la transformation en Z à l’équation
aux différences :
𝑇𝑍(𝑦[𝑛]) = 𝑇𝑍(𝑎𝑦[𝑛 − 1] + 𝑏𝑥[𝑛])
𝑌[𝑧]) = 𝑎𝑧 −1 𝑌[𝑧] + 𝑏𝑋[𝑧] ⇒ 𝑌[𝑧](1 − 𝑎𝑧 −1 ) = 𝑏𝑋[𝑧]
𝒀[𝒛] 𝒃
⇒ 𝑯[𝒛] = =
𝑿[𝒛] 𝟏 − 𝒂𝒛−𝟏
H[z] possède un zéro en z=0 et un pôle en z=a (un seul pôle d’où le nom 1er ordre)
B. Réponses temporelles
On calcule TZ −1 (H[z])
bz
TZ −1 (H[z]) = TZ −1 ( ) = 𝑏𝑎𝑛 𝑢[𝑛]
z−a
D’où : 𝒉[𝒏] = 𝒃𝒂𝒏 𝒖[𝒏]
60
1 𝑠𝑖 𝑛 ≥ 0
C’est la réponse y[n] à un échelon unité e[n] défini par :𝑢[𝑛] = { , donc
0 𝑠𝑖 𝑛 < 0
pour la calculer on considère la relation :
𝑌[𝑧] 𝑧
𝐻[𝑧] = ⇒ 𝑌[𝑧] = 𝐻[𝑧]𝑋[𝑧], 𝑎𝑣𝑒𝑐: 𝑋[𝑧] = TZ(𝑒[𝑛]) =
𝑋[𝑧] 𝑧−1
bz 𝑧 b 1 𝑏
𝑌[𝑧] = × = × =
z − a 𝑧 − 1 1 − a𝑧 −1 1 − 𝑧 −1 (1 − a𝑧 −1 )(1 − 𝑧 −1 )
En décomposant Y[z] sous forme d’éléments simples on a :
1 𝑏𝑎
A 𝐵 𝐴 = lim (1 − a𝑧 −1 )𝑌[𝑧] = = −
𝑌[𝑧] = + , 𝑎𝑣𝑒𝑐 ∶ {
𝑧→𝑎 1 − 𝑎 −1 1−𝑎
1 − a𝑧 −1 1 − 𝑧 −1 𝑏
𝐵 = lim(1 − 𝑧 −1 )𝑌[𝑧] =
𝑧→1 1−𝑎
𝑏𝑎 𝑏
−1 − 𝑎
𝑌[𝑧] = + 1 − 𝑎 = 𝑏 [ −𝑎 + 1
]
1 − a𝑧 −1 1 − 𝑧 −1 1 − 𝑎 1 − a𝑧 −1 1 − 𝑧 −1
𝑏 −𝑎 1 𝑏 −𝑧𝑎 𝑧
𝑦[𝑛] = 𝑇𝑍 −1 (𝑌[𝑧]) = 𝑇𝑍 −1 ( [ −1
+ −1
]) = 𝑇𝑍 −1 ([ + ])
1 − 𝑎 1 − a𝑧 1−𝑧 1−𝑎 z−a 𝑧−1
𝑏
𝑦[𝑛] = (−𝑎𝑎𝑛 𝑢[𝑛] + 𝑢[𝑛])
1−𝑎
𝒃
𝒚[𝒏] = (𝟏 − 𝒂𝒏+𝟏 )𝒖[𝒏]
𝟏−𝒂
Si |𝑎| > 1 𝑎𝑙𝑜𝑟𝑠 lim 𝑦[𝑛] = +∞ c’est une suite qui ne cesse d’accroitre donc divergente.
𝑛→+∞
𝑏
Si |𝑎| < 1 𝑎𝑙𝑜𝑟𝑠 lim 𝑦[𝑛] = 1−𝑎
𝑛→+∞
𝑦[0] = ℎ[0] = 𝑏
C. Stabilité du filtre
61
En général pour étudier la stabilité d’un filtre il faut s’assurer que sa fonction de transfert
H[z] ne possède pas des pôles à l’extérieur du cercle unité défini par z=1. Les pôles situés
le long de z=1 donnent lieu à des réponses oscillatoires.
NB : H(z) est couramment exprimé en fonction des puissances négatives de z afin d’assurer la
causalité temporelle. Il faut alors convertir son expression en fonction de puissances positives
de z avant de déterminer la position des pôles pour l’analyse de stabilité.
Si |𝑎| < 1 alors le pôle se trouve à l’intérieur du cercle unité donc le filtre est stable.
Si |𝑎| > 1 alors le pôle se trouve à l’extérieur du cercle unité donc le filtre est instable.
Cette dernière relation nous permet de restreindre l’intervalle d’étude à [0, Fe Τ2] d’où la
représentation graphique suivante :
|H(f)|
|𝑏|
1−a
|𝑏|
1+a
Fe Fe f
0 ⁄2
D’après cette représentation on constate que ce filtre amplifie les basses fréquences et atténue
F
les hautes fréquences c’est donc un filtre passe-bas et que sa fréquence maximale est e⁄2 ce
F
qui obéit à la condition d’échantillonnage de Shannon i.e. Fe ≥ 2Fmax = e⁄2
Ce sont des filtres qui possèdent une équation aux différences du type :
𝑦[𝑛] = 𝑏0 𝑥[𝑛] + 𝑎1 𝑦[𝑛 − 1] + 𝑎2 𝑦[𝑛 − 2], 𝑎𝑣𝑒𝑐: 𝑏0 , 𝑎1 , 𝑎2 𝑠𝑜𝑛𝑡 𝑑𝑒𝑠 𝑟é𝑒𝑙𝑠.
De tels filtres ont la fonction de transfert de la forme suivante :
𝑏0 𝑏0 𝑧 2 𝑁(𝑧)
𝐻[𝑧] = = =
1 − 𝑎1 𝑧 −1 − 𝑎2 𝑧 −2 𝑧 2 − 𝑎1 𝑧 − 𝑎2 𝐷(𝑧)
Une fonction qu’on peut toujours décomposer en éléments simples et faire l’analyse en
cherchant les pôles et les racines et procéder comme pour le filtre de 1er ordre.
Cas général
Pour faire l’analyse d’un filtre récursif d’ordre quelconque, il faut se ramener à une
combinaison des éléments suivants :
63
Des filtres récursifs du second ordre avec des pôles complexes conjugués.
Un filtre récursif du premier ordre (éventuellement)
Problématique
On désire déterminer la fonction de transfert H[z] (ou l’équation aux différences)
d’un filtre RII qui doit avoir une réponse temporelle imposée ou une réponse
fréquentielle obéissant à un gabarit précis. Pour que le filtre soit réalisable, il faut un
certain nombre de conditions :
La fonction de transfert est une fonction rationnelle aux coefficients réels.
Les pôles sont tous à l'intérieur du cercle unité.
Solution
Il existe plusieurs méthodes pour faire la synthèse et la conception d’un filtre de type
RII et toutes s’appuient généralement sur un filtre analogique pris comme modèle. Dans ce
cours on va s’intéresser aux deux méthodes suivantes:
Méthode de l’invariance impulsionnelle : c’est la plus courante et elle se base sur
l’utilisation des méthodes de synthèse des filtres analogiques aboutissant à une
fonction H(p) correspondant aux exigences imposées par le gabarit. Puis on effectue
un basculement du plan p au plan z pour obtenir H(z). Cette fonction doit maintenir la
stabilité du filtre analogique et maintenir, au mieux, les caractéristiques de la réponse
fréquentielle H(f) du filtre numérique.
Méthode par transformation bilinéaire qui consiste à déterminer la fonction de
transfert du filtre numérique avec la même réponse fréquentielle d’un filtre analogique
de référence.
En général, La synthèse par invariance temporelle a pour but de faire correspondre les
sorties des filtres analogiques et numériques pour des entrées données c’est-à-dire :
𝑦𝑑 (𝑘) = 𝑦(𝑡 = 𝑘𝑇𝑒 )
yd (k) est la sortie du filtre discret.
Avec : {
y(t)est la sortie du filtre continu.
64
Dans notre étude on va s’intéresser uniquement à l’invariance impulsionnelle. Le
principe de cette méthode est de suivre les étapes suivantes :
1. On détermine la réponse impulsionnelle désirée h(t) par le calcul de la transformation
de Laplace inverse h(t) = L−1 (H(p)).
2. On échantillonne cette réponse impulsionnelle à une fréquence Fe et on en déduit la
suite discrète hd {k} = h[t = kTe ].
3. On calcule la fonction de transfert H[𝑧] qui est la transformée en Z de hd {k}.
𝐻[𝑧] = 𝑇𝑍[𝐿−1 (𝐻(𝑝))]
Pour illustrer cette technique, on va effectuer la synthèse d’un filtre passe-bas de 1er
ordre de fréquence de coupure fc . On peut montrer facilement que la relation qui lie la sortie
Y(p) à l’entrée X(p) du filtre analogique est de la forme :
1
𝑌(𝑝) = 𝑋(𝑝) [ 𝑝 ] = 𝑋(𝑝)𝐻(𝑝)
1+
2𝜋𝑓𝑐
1 1 1
⇒ 𝐻(𝑝) = 𝑝 = , 𝑎𝑣𝑒𝑐 ∶ 𝜏 =
1+ 1 + 𝜏𝑝 2𝜋𝑓𝑐
2𝜋𝑓𝑐
1
⇒ ℎ(𝑡) = 𝐿−1 (𝐻(𝑝)) = 𝑒 −𝑡Τ𝜏 , 𝑝𝑜𝑢𝑟 𝑡 ≥ 0
𝜏
1
l′ échantillonnage de h(t) ⇒ hd {k} = ℎ(𝑡 = 𝑘𝑇𝑒 ) = 𝑒 −𝑘𝑇𝑒Τ𝜏
𝜏
On en déduit donc :
+∞ +∞
1 1 1 𝑘
𝐻[𝑧] = 𝑇𝑍(𝑒 −𝑘𝑇𝑒Τ𝜏 ) = ∑ 𝑒 −𝑘𝑇𝑒Τ𝜏 𝑧 −𝑘 = ∑ (𝑧 −1 𝑒 −𝑇𝑒Τ𝜏 )
𝜏 𝜏 𝜏
𝑘=−∞ 𝑘=−∞
𝟏 𝟏 −1 −𝑇𝑒Τ𝜏
𝑯[𝒛] = × , 𝑎𝑣𝑒𝑐 ∶ |𝑧 𝑒 |<1
𝝉 𝟏 − 𝒆−𝑻𝒆 Τ𝝉 𝒛−𝟏
𝑌[𝑧]
or: 𝐻[𝑧] =
𝑋[𝑧]
𝑋[𝑧] 1
𝑌[𝑧][(1 − 𝑒 −𝑇𝑒Τ𝜏 𝑧 −1 )] = ⇒ 𝑦[𝑛] = 𝑒 −𝑇𝑒Τ𝜏 𝑦[𝑛 − 1] + 𝑥[𝑛]
𝜏 𝜏
𝒚[𝒏] = 𝒆−𝟐𝝅𝒇𝒄𝑻𝒆 𝒚[𝒏 − 𝟏] + 𝟐𝝅𝒇𝒄 𝒙[𝒏]: l′ équation aux différences du filtre RII
De plus la fonction de transfert H[z] possède un seul pôle en 𝑧 = 𝒆−𝑻𝒆 Τ𝝉 = 𝒆−𝑻𝒆 𝟐𝝅𝒇𝒄
et 𝑧 < 1, la stabilité du filtre est conservée.
Rqs : * 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.
65
IV.4.2 Synthèse des filtres RII par la méthode de la transformation bilinéaire
Le but de cette méthode est d’obtenir la fonction de transfert H[z] d’un filtre numérique
avec la même réponse fréquentielle H(p) qu’un filtre analogique de référence. En général, le
passage de H(p) à H[z] se fait de façon théorique en posant p=ln(z), ce qui conduit à une
fonction H[z] non rationnelle et donc à un filtre difficilement réalisable pour cela il faut trouver
une transformation p=f(z) qui permet d’avoir H[z] sous une forme rationnelle. Une telle relation
est établie par équivalence entre la fonction réalisée par le filtre analogique H(p) et celle du
filtre discret H[z].
Exemple:
Soit le circuit analogique défini par :
1
𝐻(𝑝) =
1+𝑝
2 1 − 𝑧 −1 1 𝑇𝑒 (1 + 𝑧 −1 )
𝐻[𝑧] = 𝐻 (𝑝 = )= =
𝑇𝑒 1 + 𝑧 −1 2 1 − 𝑧 −1 𝑇𝑒 + 2 + (𝑇𝑒 − 2)𝑧 −1
1+𝑇 −1
𝑒1+𝑧
𝟏
𝒚[𝒏] = {𝑻 𝒙[𝒏] + 𝑻𝒆 𝒙[𝒏 − 𝟏] + 𝒚[𝒏 − 𝟏](𝟐 − 𝑻𝒆 )}
𝑻𝒆 + 𝟐 𝒆
66
V. Comparaison entre les filtres RIF et RII
Le tableau suivant regroupe les comparaisons possibles entre les filtres non récursifs
RIF et les filtres récursifs RII.
67