Nel Xp(t) = YS xp(kexp(-j2atk) tno Xi(f) pétiodique de période 1. Ne} . Nel X p(n) = Dy xp(Wexp-j2e—) = Y) xp(k)Wy™ Koe0 No geo La transformation inverse x 1 nk. I ok xp(k)=— X,(n) exp(j2n—) = — X,(n)W, kej0,N-1 nth) WS p(ndesp(iaa vO (0) Wy fo -1] Remarque : L'importance du role joug par la TED en traitement numérique du signal est énormément renforeée par lexistence d'un algorithme de calcul rapide, ces algorithmes sont basés sur les propriétés de symétrie (dues aux signaux réels) pour éviter des ealculs redondants. Principales propriétés de la transformée de fourrier diserdtes Sila durée de x; est Ny celle de x2 est No la durée du signal est N=Max (Ni, N:) Si, par exemple, N>Np , on doit calculer les deux TFD avec N=N; ainsi X,(n) sera Ia TFD du signal xa(n) prolongée par Ni-N2 échantillons nuls . ‘TRANSFORMATION EN Z ~ INTRODUCTION La Transformée de Fourier TF est un outil précieux en Traitement du Signal Numérique et Analogique sur les deux plans théorique et expérimental. Toutefois, dans certains problémes, surtout dans ceux qui sont orientés vers 'analyse et la synthése de systémes de traitement (par exemple en filtrage numérique) les limites des capacités de la TF sont vites atteintes, le besoin ainsi créé d'un outil plus puissant est comblé, principalement sur le plan théorique, par la TF a laquelle elle peut stidentifier dans un cas particulier. Par sa nature générale, In T en Z permet, par exemple, de représenter un signal possédant une infinité d’échantillons par un ensemble fini de nombres. Ces nombres, caractérisant complétement le signal, permettent de le reconstituer enti¢rement. Ce chapitre présentera la transformation en Z, les conditions de son existence et les différentes méthodes qui permettent de calculer la transformation inverse. On étalera aussi les propriétés de la T en Z ainsi que les relations qui existe en TF et Ten Z et TL. Finalement, on défini : fonction de transfert d'un systéme lingaire. On étudie ces conditions de ccausalité et de stabilité dans le plan des Z. Traitement du Signal IEA SScanné avec CamScannerA TRANSFORMATION EN Z 1- Définition ee gesinic pat = La Transformée en Z X(z) d'un signal x() est a Pane x(2) 2 Deh? able 2- i de ta variabl od z variable complexe ou X(z) est une fonction complexe See 5 i fonction Forme analtique série de Laurent: toute les drivers sont des On utilise souvent Ia notation : fe X(z)- 20) atous les entiers k - sommation sétend mae ela oe 1 dite bilatérale vu, at sérale définie Pa: Remarque : La Transformée en Zest P ansformée en Z unilal Dans étude des signaux et systémes causals on utilise 19 Tr e 3 x)= Y xe" 2) fed La définition (3) est considérée comme un cas particulier. 2- Existence de la T en Z Test clair que le probléme majeur sera celui de la convergence. On appellera domaine de convergence pour un signal donné, Vensemble des valeurs de z pour lesquelles la série (1) converge. - Critére de Cauchy : Une série du type : 2 YU; = Uy t Uy +U2+U3+.. Uy kao converge sila condition suivante est satisfaite : 1 bi Ri-. Avec le changement de variable I=- 1 <1 puis Him 1 ee k be 7 ‘on montre que Xi(z) converge pour [2] <. Avec Line-bh ainsi, la série (1) converge en général dans un anneau du plan complexe z donné par: OSR- 0, inclure z= 0 ouz= 0, Cas 2: Séquence de droite Une séquence de droite est une séquence qui est nulle pour n <7. Nous avons V(2)= Siv(n) 2 imal La région de convergence est définie comme I'extérieur d'un cercle: sauf z= oo si m <0; voir figure suivante : O Pour une séquence causale m 2 0, la région de convergence comprend z = co. ‘Traitement du Signal IEA. SScanné avec CamScanner 357“wow 7 r % yaese S—--43: Sequence de gauche Un ; ie séquence de gauche est celle qui est nulle pour 7 > n; une valeur finic, Nous avons ¥(2)= So(n)e V(2)= 35 v(-m) 2" On a alors le méme résultat que pour le cas 2 avec n remplacée par -n et z par z!. La région de convergence est I'intérieur d'un cercle, l 0; voir figure suivante : ' Si la transformée en z d'une séquence de gauche converge pour z = 0 la séquence est zéro pour n > Cas 4 : Séquence générale de deux cétés Pour une séquence générale de deux cétés, nous avons: X(2)= 5 x(n) 2" = Exe +3 x(n)e" convergence convergence Le premier terme a un domaine de convergence|2| > Dh llal ou = + Mell (1-az") Exemple 5: Soit ¥(n) =a" sin bn u(n) Traitement du Signal IEA SScanné avec CamScannerro-kee bn ate Ma") ‘Nous avons: (acts) -L(aers') ‘| convergence: cad. l-l> a] Aprés quelque manipulations algébrique, nous pouvons écrire: V(2)= ()-Taacesbe teas l-l> lal voir figure suivante Et pareillement, nous pouvons montrer que: . 1 -acosb 2" areosonu(n) Fee eee Nous remarquons que Ia transformée d'un exponentiel réel eu(n) aun péle dans le plan z sur laxe lal réel A une distance e* de l'origine. La transformée d'une séquence ¢” a un pole Az =a. Celle de e* cos fn a deux péles situés & z= oF et et? Traitement du Signal IIEA SScanné avec CamScannerext la somme de séquences exponentielles de droite Ia région de conver, es poles) du plus grand rayon parmi 2 Pour une séquence qui Je qui est Ia somme des composantes = 2 = s cat alors Textérieur du cercle qui passe par le pole (I Parcitlement, pour une séquence de gaucl 1c est Fintérieur duu cercle des poles du plus petit rayon- quand elle existe, est un le des pales de ta partie f des poles de la partie composantes. exponemticlles Ia région de convergenc Je de deux cbtés, In région de convergence, Le plus grand cercle est fe plus petit cercl ‘anneau est le plus grand cercle Finalement pour une séquenc anneau bomé par deux cercles. gauche de In séquence. Le plus petit cercle de I droite de Ia séquence. 3. La transformée en z inverse La transformée en z inverse peut étre développée comme suit: Nous avons V(z)= Ler) Multiplions les deux edtés par 2" et intégrons, nous avons f V(z)z""dz=f D v(") zeiids Sila série est convergente nous pouvons renverser l'ordre de sommation et intégration: Mais, selon le théoréme d'intégration de Cauchy: [ten {" i © k=0 0 k#0 oi Cencercle forigine. Dioa J ¥(2)2""de= 27 ¥(K) ot v(n ¢ ou C’se trouve dans le domaine de convergence et encercle l'origine. Si V(z) est rationnelle il est convenable d'utiliser le théoréme des résidus pour évaluer cette cette demiére équation. Nous écrivons v(n) = S)[résidus de 7 (z)2"" a ses péles dedans c] aye a Si V(z)2"" est une fonction rationnelle en z nous pouvons éctire V(z)2" Traitement du Signal IIEA 63 Scanné avec CamScanner% 9 % % 4% 4 AN v (ze) az=% sont poles Azz Les résidus de Res[¥ (2)2”" aren ]=F(%) 5, GPa)" ampatesdz™ vet ME) n'a pas de donnés par Res[¥(2)# Araz pour le cas dun pte simple En particulier, 221252" = 2252 5 ie] 2 0,75 ¥(2)= Tyase t+ 0,375 2° Al ‘Nous avons | Semen 25 2 Auk (Fosz")(1-0.75 z s|e|> 0,75 ) | 1 (2-1,25 2") 2"de ve ia! (1-0,52")(1-0,75 zr) © “aayf (z-0,5)(z- 0,75) La région de convergence implique une séquence de droite. De plus V(2) dew dot la séquence est causale, c. ad. v(n) = 0 pour n <0. Le cercle C contient deux pdles seulement pour n2 0; la figure ci-dessous explicite le cas. “du Signal IEA SScanné avec CamScannerww "2 “y(0.78). bu” a5- ={(0.5)° e ee {0.97 +(.25"}ue Soit ve Des 0,5 <| — i fractions utilisant UME expansion &P jeux cOtéS La régi gion de conv le convergence implique une séquence de 4 partielles, nous écrivons A=[(2-2)7(2)] 2 7 24 ;0,5<|-1<2 2 2-05 te deuxitane canrespod & Une de droite. ou Le premier terme correspond & une séquence de gauche, ¥(2)=¥e(2)+Fal) Ecrivons 2 = |e[<2 ¥, (2) ou 0,5 “@=F98 -]>0,5 Considérons d'abord V;{z), nous avons ¥, (2) =0 giot Ia séquence ©" cause ie. n(n) = 0 pourn <0; et es ples de la transformée inv trans erse evraient cite veifés uniquement pour 2 0 deve pour "> 0 le contour C contient un seul ple az= 0,5 et 65 ‘traitement du Signal IEA SScanné avec CamScanner0,5 2°" =| res.de 252". yan [ 2-05 42-03] =0,5(0,5)"'=(0,5)" nn >0 [Pour = Ole contour C contient deux poles, a z ~ 0 et z= 0,5, comme illustré ci-dessous. vto)=[s de xG-03) a =-141=0 vale) =(0.3) wl) Considérons maintenant V;(z). Nous avons 7(0) = 1, dod Ia séquence vx(n) est mulle pour ” > 0- 22" a Maintenant, pour le contour C contient un péle a z= 0, sa multiplicité dépendant de ». Pour n= 0 ce péle est simple et vtod-[me ce 5 asealets neo Pour n= -I le pile 4 z= 0 est un péle double. Traitement du Signal IEA 66 Scanné avec CamscannerPour n=.2 On peut montrer que cad, v,(n)=2" u(-! Finalement nous avons (rn) =(0,5)"w(n =) +2" 0(-") mime est intéressant de remarquer que nous pouvons calculer ¥(1) €0 Lp -h52" v(n) aaj | Gaye-05) ; A ; artic gauche de Ia partic directement, sans utiliser texpansion en fractions partilles pour séparer Ia partie gat il és droite de la sequence. L'étudiant est conseillé de résoudre ce probléme utilisant cette méthode, ‘Nous remarquons aussi que existence dun zér0 multiple complique le calcul de la partic gauche de la séquence. Nous pouvons simplifer le développement s ‘nous utilisons la substitution 1 x dans al"ee Nous avons alors vl 1 om (x sy jr(4): Nag ot le contour dintégration est ici dans le sens de Thorlo, Be. Nous avons alors ‘Traitement du Signal NEA SScanné avec CamScannergos que sile contour C est un cercle de rayon r, le contour Cyest un cercle de rayon Wr, et que les _sies de 1) qui étaient &Tintrieur de C dans le plan 2 deviennent & Fextéricur dans te plan x et vice versa. Comme exemple, appliquons cette méthode pour évaluer Ia transformée inverse de Viz) de exemple précédent. Nous avons Le contour C; est montré a la figure 6.11. Il contient un pole 4x = 0,5 pourn <0. Dott =(0,5)"=2" ; nso cad. y,(n)=2" u(-n) comme déja trouvé. Inversion par une longue division Une autre méthode pour évaluer la transformée inverse est celle de la longue division. Exemple: Effectuons une longue division Traitement du Signal IEA 68 SScanné avec CamScanner7 bog get ghost az sya za azt a'z FI a ano = eos Doi ae V(z)eartsteatzeate +" eo v(m) =a" w(t”) Inversion par une expansion en série ymme Dans cette méthode nous exprimons M(z) comme Une so! v(e)= Se) Rappelons nous que i de plus nous connaissions la région de convergence nous pouvons identifier vn). Exemple: te (j= 224 zee" e* 1 10, -na*u{-n-1] lelt 12, [si eae pat >t 13, [r" cos Qn] u{n] 1- [reos.Q] 2" : 2|>r ‘Traitement du Signal IEA 70 SScanné avec CamScannerLa Transformée Rapide de Fourier o appr . La Transformée Rapide de Fourier (rrp) west ca - ale ls nécessaires pol transformée diseréte de Fourier (TDF). 1 “rp éduit le" ve, Pour (wir)io8e No rest un enti A ue 10° 500 Ja TDF pour une séquence de N poists do ten général 8 ‘opérations (multi 1024 et r= 2, le nombre a core 8.256% 5 = x 10 = 5000. Pour r= 4 ceci se réduit en En ce qui suit le principe de Ia TRE sera expliqué sur un exemple simple. pourrait s‘écrire sous une forme matricielle. Cette forme est choisie ici puisqu'elle La TDF ffectuées. ‘aiderait mieux a visualiserIes opérations ef pour un vectew de données x de dimension N, qui représente Ia séquence de valeurs x(n), la TDF n), la TDF ‘yd peut serie comme un vesteurXde NV point quireprésente ls coefficients X(). s X(K). La TDF sécrit alors sous la forme matricielle ‘Traitement du Signal IEA SScanné avec CamScannerChapitre Viltres et filtrage analogiques et numériques Introdu odes de synthése des filtres récursifs sont souvent issues de travaux antérieurs sur les filtres Les métho nalogiques: il existe de nombreuses formes de filtres aux propriétés variées adaptées & certaines s. On peut exploiter ces modéles de filtre analogique et les transférer dans le domaine des applicat filtres numériques en effectuant une transformation affine (passage du plan de Laplace au plan 7). , porte sur le sujet des filtres continus particuliérement Butherworth et Le présent chapit ‘Tehebychev. Les filtres numériques sont abordés sous leurs deux formes récursives et non récursives ainsi que leur synihése & partir filtres continus. La stabilité, la conversion de bandes de fréquences sont aussi parm les sujets étudiés. 1- Les Filtres de Butterworth Le module de réponse fréquentielle d'un filtre de Butterworth d'ordre n est donnée par : 2_ HB Imo ay Lorsque ¢ = 1, on a affaire a un filtre de Butterworth standard. Lorsque e# 1, on a affaire a un filtre de Butterworth généralisé. L'allure du module de la réponse fréquentielle d'un tel filtre est représentée par la figure 1. Les points a souligner sont le caractére monotone décroissant de H(w) et V'atténuation qui tend vers 6 dB par octave ou 20 dB par décade lorsque w tend vers l'nfini, Mentionnons aussi que la fréquence de coupure normalisée w. est toujours égale 4 1 rad/s. La fonction de transfert d'un filtre de Butterworth d'ordre n peut se mettre sous l'une ou l'autre forme suivante : Hy Ho (S= PAMS=P2)(S~ Pp) 8" ays" teat ay H(s)= 9 SScanné avec CamScannerYe 0 0 aD 1 Modul Psa aa ‘es or ion normalise ut! ed saath ta réponse ne ie PO let foment HN talent et dans ce eas seulement, es enetcens oe aoa “ symétriqui ° que. La valeur de ces coefficients ainsi ave a Fig. Suivants, toujours pour le cas ¢ = 1 yisées P Yun fil it worth noma I Sane les dun Site de Butte ss aie | = 2 caro7i 1 +j0-70711 | 4 0.38268 # j0.92388 oes 205068 tO 6 0.25882 + 0.96593 Z Zozo7it £j0-70711 ey 0.96593 + 0.25882 sane? % “9.19509 = j.98079 7 0.17365 + 0 10155557 #083147 20,5000 + j0.86603 0.83147 + 0.58557 20,7604 + j0.64279 oe 0.98079 2 0.19509 93969 # j0.34202 ro TT TO PE alent pe 5 1 ‘i iénominateur de H(s), file de isée, = ‘i Coefficients du dén (), file de Butterworth normalisée, ¢ = |. Le dénominateur est de a forme * Pd ca Sty 1S FS +9 nous pouvoos déduire les valeurs des coefficients a, pour différent es Vi leurs de n dans la 80 SScanné avec CamScannerwat” aKhz) ent exigeantes- ‘ ‘ons relative re d'un aux spécificati a chapitre pour Ie calcul de Tord ce qui est do Vondre dleve eu filtres abaques annexées Nous remarquons u intre Mutilisation des: srilisation de Liexemple qui suit mor filtre. Rapport des 2 fréquences, > 1S > 0 | ox | Notes sur la forme de Butterworth avec & #1 Beri \ rivons P a [Heol : . 1+e2w™ e 2 woop = 2 ew" 82 Scan avec Camscaner2 2 {ous voyons que [eGo HOM) H,(s)= Ms Doi Les pdles sont i.e. se trouvent sur un cercle de rayon &™ py Nous remarquons que les abaques fonctionnent pour toute valeur de «, tandis que les tables s‘appliquent au cas ¢= 1 seulement, Ceci est facile & voir: notons que les poles dans les tables se trouvent sur le cercle unitaire En remplagant s par 2s seats La fonction de transfert H.(s) peut étre obtenue de H(s) fournie par la table. Exemple: Concevoir un Butterworth ayant: Fluctuation: Max 1 dB dans la bande passante Atténuation 2 30 dB & @=3 83 SScanné avec CamScanneri patenua scque 0 impliave te Nous avons ici ¢# 1 puist ate 1 204080770) 1° conditio a) Solution analytique \Hol 2ol0800 fio) Jive =10 = 112 Leet 2126907 =0.26 5 BRU 0 2 condition: 2O1ogyo (HOMO) 3 (Ho) _|__Wol_| yo Ecrivons Tay” HO) [Hoa +623") V1e026%3" =31.62 140.26 x3" = 1000 3 = 38423 2n logy 3 = log;, 3842.3 = 3.58 2n=3.58/0.48=75 n=375=n=4 ) Solution utilisant les abaques: Agp = atténuation a la fin de la bande passante A, = atténuation & une fréquence (normalisée) 84 SScanné avec CamScannerRapport des 2 fréquences > 3 > @ 3- Filtres de Chebychev La fonction de Butterworth, étant monotone et maximalement "plate" 4 @ = 0, produit la meilleure approximation de la bande passante. Toutefois, pour un ordre de filtre n donné, elle ne produit pas la meilleure approximation du spectre idéal entier Figure 2. En effet, une transition plus rapide entre la bande passante et celle d'arrét peut étre obtenue si des oscillations sont permises en approximant la bande passante. C'est ce qu'effectue le filbre Chebyschev. Module de la réponse fréquentielle nA nimpale 7 ni2 oscillation(s) Hi (14e2)'7| 7 A. ceose NS eccccecsseece ‘Atténuation : 6 7 dB par octave % o,F1 a Pulsation normalisée w ; Fig. 2 Module de ta réponse fréquentielle de filtres de Chebychev passe-bas normalisées. Le module de réponse fréquentielle d'un filtre de Chebychev d'ordre n est défini par : Ho H(w)? = —2,— [ooh 1+ 67C2 (Ww) 85 SScanné avec CamScannercnetyet™ ont ou cognyeote poly c,09% gente Par la figure 2. Les aN 1 et fatténuation glenda We ate do mee de IO réponse fea yer sont Te caractere monotone ¢ ne = A souligh le ©! AM par octave 01 20 dB par Je oscille éponst Par contre, lorsque 02 saan a sinsons ot sv ar conte, lorsque 02 W "de 2. Lamp! sup Fe norubre doseillations HylNiee’ ‘ re, Mentionnons €™ ‘ésignde par Je terme de ronflement du filt est toujours égale a1 rad/s. normalisée W. ¢s . "ne: re de Chebychev dordre n peut s mettre sous la form La fonction de transfert d'un fil HOAs $B St tn tS + Bo cu, par identification, Ka est égal a bsHa lorsque n est impair et & be Hg / Vite? lorsque n est pair. La valeur des coefficients b, pour différentes valeurs du ronflement et différentes valeurs de n est donnée au tableau ci-dessous. Coefficients du dé os ju dénominateur de H(s), filtre de Chebychev normalisé, Le dénominsteur est de la Sens Ft Bs +p Concevoir un filtre Che é bychev ayant les mémes spéifications imposées dans Nexempl ‘exemple précédent Frequence in ae Sue ttenuation d’amplitude 2x (10 kHz) ie, = Um x10 rs, Nous avons SScanné avec Camscanneroe 2 Jer 10log40| WO. etol [trae Pat et |G? = 1/1 +42, nousavons 10 toe e}-! Puisque |!) ax 7 = 10° =1 = 0.259 o =051 De plus 10 loB,0 A =60 | Fek ie. 10 logye[t+ 2 CBT =60 Dood asf 10S! -386%10° é C,@BT= cosh Gcosh"' 1511 1.963% 10? cosh @x 0.9624 T= 1.963 x 10° nx 0.9624 = cosh” 1.963 x10? = 8.275 ie. n=86 Nous prenons n= 9 tna] +1 ef” =01587 sinh g, = 0.1594 ; cosh, = 1013 $s Les péles normalisés de H(s) se trouvent a Se= tj ‘ stale a= Pete 01594 5 k=0,12. = asin FE > 3 k=0) nal SScanné avec CamScanner 87| dlow'8 Ke sal ot «asf 27 0319x10 m 9 etal p canna 208 2 ‘ longueur @ = sinh $y =0319x10° 7 Liellipse a un axe mineur de et un axe majeur de longueur = ©, cosh $y = 2.029 x 10° La fonction de transfert du filtre est donnée par ud 7 we [[@-st ind an Nous remarquons que n étant impaire, H(0) = Sin était paire alor: 2 » (0) i Pair s lH@)| W/14 é SScanné avec CamScanner7 by n bo bg ba bs Ronflement égal & 0.5 dB (e = 0.3493114 3 €* = 0.1220184) 1 2.8627752 2 1.5162026 — 1.4256245 3 0.7156938 1.5248954 —1.2529130 4 0.3790506 1.0254553 1.7168662 11973856 5 0.1780234 07525181 1.9095747 1.9373675 1.1 724909 6 _0.0947626 _0.4323660 _1.1718613 _1.5897635 2.1 718446 1.1591761 Ronflement égal & 1 dB (e = 0.5088471 ; €* = 0.2589254) 1 1.9652267 2 1.1025103 —1.0977343 3 04913067 1.2884092 _0.9883412 4 02786276 0.7426194 1.430248 0.952814 5 0.1228267 0.5808342 0.9743961 1.688160 _0.9368201 6 _0.0689069 0.070808 0.993461 12021419 1.908956 0.9282510 Ronflement égal 4 2 dB (e = 0.7047831 ; <2 = 0.5848932) 1 1.3075603 2 0.6367681 _0,8038164 3 0.3268901 1.021903 0.7378216 4 0,2057651 0.5167981 1.2564819 _0.7162150 5 0.081725 0,4593491 0.6934770 1.499543 0.7064606 6 0.0514413 _0.2102706 0.714618 08670149 _1.7488587 0.7012257 Ronflement égal &3 dB (e = 0.9976283 7 = 0.9952623) 1 1.002373 2 0.7079478 —0.6448996 3 0.2805043 0.923480 0.5972404 4 0.1769869 0.447679 1.169176 _0.8815799 5 0.0626391 0.4079421 0.5488626 1.4149847 0.5744296 6 0.442467 0.1634209 0.699097 0.6906098 1.628481 05706979 Vordre d'un filtre de Chebychey passe-bas normalisé peut également @tre déterminé a l'aide de Tabaque donnée par la figure 4, quelle que soit la valeur de e, 89 Scanné avec CamScannerbande, passe. pienit dS filtres Passe rae passe-bas: etpars=osy,, nérale P= w(s). Considérons, maintenant qUelaves transformations aamnentalteS- tL | -pande b) Transformation d'un filtre passes # stop s ' 1 a ()=se0t Considérons la transformation Fro pour s =e, nous avons goa La figure 7.15 montre qutun specie passe-bes et conver enum spectre de bande arte | | oo -lt 22 SScanné avec CamScannerae “es frdquences de coupure o et o dans In figure, sobtiennent en mettant 2= 1 et 2=-1 Nous obtenons Dod et Pour dénormaliser le filtre ainsi obtenu voir la section suivante. c) Transformation d’un filtre passe-bas a passe-bande 2 ba? Considérons la transformation p=i te s oa? do’, pour s= ja, nous obtenons 2 ® Nous pouvons alors montrer que 1+ Jl+4o? 2 -l+Jl+4o? 2 et Scanné avec CamScanneratt wari ensuite Teeter ev ainsi transformés ea chebyeh ransfert un Jn fonction de t sgap\des flees putl ande cst effectuée « nontre Pallore | cen des filtres sive pase tas st fontion de hav cen remplagant s Pat 140 92 Scanné avec Camsi> San Ainsi, le filtre passe-bande obtenu est normalisé en fonction de s. Pour obtenir ensuite le filtre (passe-bande) dénormalisé nous procédons comme auparavant, remplagant s par 5 i= a, Autrement, nous pouvons dénormaliser le filtre passe-bas avant de le transformer en un filtre passe-haut. Dans ce cas, la fonction de transfert du filtre est fonction de s la variable dénormalisée. La transformation est alors effectuée en remplagant s par sto 5 se Nous pouvons vérifier que ces deux approches ménent au méme résultat puisque doa La section suivante, section 7.7 présente une approche pratique et simple pour effectuer la conversion et dénormalisation des filtres. Elle est basée sur les concepts que nous venons d'étudier mais, de plus, elle est présentée sous forme de procédures simplifies, Exemple: Utilisant le filtre passe-bas Butterworth, déji congu au premier exemple de ce chapitre, concevoir un filtre passe-bande centré a la fréquence 50 KHz. Nous avons « = 2 2x 50 x 10° r/s et nous avons déja trouvé la fréquence de coupure de a. du filtre passe-bas @.= 2.09 10'r et f= 10.45 KHz Dot 93 SScanné avec CamScannerésolwons ees deus équations nous trouvons 2 -209x108x 0-1 x10" =0 3 fy 255.5 Kz 7, =11.10x10° | aoa oo 0, 245.05x20x10s 5 fy 755.5 KHz | La fonction de transfert du filtre passe-bas a été trouvée, | i | / | od | Remplacons s par: Nous avons ! Remarquons d le plus que si la transformation Poles et 19 a8to, See s SScanné avec CamScannerbas est plut6t appliquée, elle ménera A une oi produit un filtre passe-haut & partir du filtre pass fonction de transfert ayant 19 poles et 19 zér0s. e) Transformation d'un filtre Passe-bas normalisé & Passe-bande Partant d'un filtre passe-bas normalisé ayant une fonction de transfert Hrrai(s) nous désirons obtenir la fonction de transfert Hrana(s) d'un filtre passe-bande ayant une fréquence centrale a, une tangeur de bande B 1's, Nous pouvons choisir Tune des deux méthodes suivantes: Méthode 1: A partir du filtre passe-bas normalisé donné nous obtenons un filtre passe-bande normalisé correspondant utilisant la transformation sal si Bs B ot B= aan largeur de bande normalisée du filtre passe-bande. Ainsi nous obtenons s+ He) = HL (3) ( a PBande —P.Bas normalisé normalisé Ecrivons et mettons p = jet s = je nous obtenons Substituons pour (2= + 1 nous obtenons les fréquences correspondantes @ et @, En particulier, nous avons 95 SScanné avec CamScannerpande aye aU UIEIRe Pall a de 4, ny f jn poll un fille punsse" : ‘i final / » \ Aisi cet iraneld f \ ce cee le frauen oe : | iid utilisant la transform: | A isons Ye fle paseo ainsi oblent en tog | gy. Naas demormalsons 5 | em a, | Ceci prt wn filtre passerbande | on 2B 0,0 0} Nous ot sins} ous obvenons ainsi a fonction de transfert Ms) = P. bande dénom, yyant ute fargeut de bande B el { une fréquence centrale a. H(slan) P. bande normal. ofa B(s/a) } P. Bas norm, Scanné avec CamScannerH(s) = P. bande dénorm. Transformation d’un filtre Passe-bas dénormalisé 4 passe-bande dénormalisé Nous venons de voir que H(s) = H(s) PBande P.Bas| 9? 40? dénorm. norm. |5 ~ Bs Or, H(s) = H(s) P.Bas —P.Bas : set dénorin, norm. |* ~ @, ie. H(s) = H(s) P.Bas —P.Bas norm, — dénorm,|* — Dio A(s) =[H(s) P.Bande }P.Bas 2 2 a 8 +0, dénorm. | dénorm.|s @,s}|s <— Bi 1 is =H P.Bas dénorm|5 — a,(s° +t) Bs D’oi, la transformation de passe-bas dénormalisé a passe-bande dénormalisé s'écrit o,(s? +07) Bs se Scanné avec CamScanneran par OXEIDICY sony 1 | fuels | geal des voir arene ittres eons oe He bles | j : eta pm yen re Chebyehe nvalind ayant frdquence Centra,” : fn target de bo \ pie . - un fill jn 5 76 de Huelsman" wert | sa a Ih, ate) oO. el =f oe i hand corral Bp 0.5 dB, tare senate de 0.91 0.0085") 7 soa voor (tl i) (ioe sours us utilisonss on ar 1000 #8 10 Pour obtenir une fréquence cental 4 s__, 0) Dare 1000 1a lageur de bande ainsi obtenue est Be flay = 2 » 100 th Exemple, Oltenir un filtre passe-bande ayant une fréquence centrale de | et une largeur de bande de 0.05 rls, Le filtre passe-bas correspondant est ordre 2 et une largeur de bande de @ > La fonction de transfert du filtre passe-bas eat H(s) = —t | Phas 9 LAMA SH ‘Nous utilisons Ia transformation | ret : pis oi} J 0.05; dow | Ws) —— P.Bande ( ee. vat (ii!) SScanné avec CamScanner7? ‘ Tranaformation d'un filtre Passe-bas a stop-bande 8) Mareillement au cas préeédent nous utilisons la transformation Ecrivons Bs sal p= Et mettons p = jet s = je, comme auparavant, nous trouvons que dod @,-0,=B ©, 0, =1 clest-a-dire d'une fréquence centrale de | et une largeur de bande normalisée B. b) Pour dénormaliser ce filtre afin d'obtenir une fréquence centrale, nous mettons a, Nous pouvons combiner les deux étapes a) et b) en une seule étape: 2 ee Als!) ie. doa H(s) =H B.Arret P.Bas dénorm. norm. g) Conversion Passe-Bas a Passe-haut ; ‘tons Pour la conversion passe-bas normalisé & passe-haut normalisé nous me! SScanné avec CamScanner1 set 5 pequence AE COUpur. Ensui ite pour dé ; Normaliser Je fil + une iltre passe-haut aii ptenit insi obtenu afin d’o! @ NOUS mettons sek 3 et H(s) =H (*) P.Haut P.Bas\ 5 Exemple: Soit un filtre passe-bas Chebychev dordre n= 3 et atténvation maximum de la band tum de la bande passante de 1d, 1 iB table 2-2 - 2c.p. 36 Huelsman donne H(s)= i OO Pamacama Trea Soit a convertir ce filtre & un fle passehaut vee TEqLENC de ogo, 4 le Ki » Nous uti Utiliso, Ms la transformation SScanné avec CamScannera a? HQ) =p PH, 11 en {09912 +0.4942 Laltt +0454) ; s (0.9942 5? 0.49425 +1) (1+0.494s) 1 s 0.99420.494 (s? +0.497s +1.005) (2.024 +s) . 2.036 (s* +0.497s +1.005) (2.02445) qui se vérifie bien contre la Table 2.4 - 16, Huelsman. ! oe | Mettons @, 2ax1000 | Nous avons | ; Ly 0: a7 7 36(5io05) H(s) = oy : +20 5 PHaut |(——S __) +0497 +1.005 [ | (dénorm.) [(cecico) * 21000 2#x1000 | 101 SScanné avec CamScannerAra (sy sterminatio : ue pour | erate toh Wily & Son, Fig. 3 Abad Ook ee nination i aie a ie t rev, aque Pour 4 rilter synthesisy ons, ig. 4 Al Ko Fig. | Handboo! vere loz5- Filtre numérique Ce paragraphe sur le filtres numériques aussi bien écursif que non récursifs et les différentes mthodes.de:leur synthase.’ La prcmidre pastio monire le différentes strucurea des filtees. La deuxiéme discute les différentes méthodes de symhse de. filtre numérique (définir ses aractéristiques), partant d'un filtre analogique. a) Description d’un filtre numérique Equation aux différences Comme tout systéme linéaire discret un filtre est défini par une équation de différence dans le domaine de "temps" et par une fonction de transfert au domaine de 2. Un filtre numérique est décrit par une équation aux différences de la forme Lav(n-t)=Zas(n-k) Bm ot x(n) et y(n) sont respectivement son entrée et sa sortie. Nous pouvons réécrire cette équation sous la forme ato) Lav (r-k)=Saxe(n-k) ro Normalement by est égal 1 et les autres bs sont négatifs. Nous pouvons toujours diviser l'équation par bo pour obtenir v(n)=-SPy(o-w)e LH aH) we tat by mS posons ¢,=-by/bo et c,=-ax/bo Dans la demniére équation nous obtenons y(n) = Srear(n-t) Sedex(n-#) tt Transformons en z nous avons 103 SScanné avec CamScannerJ £ (z= we tx) * f La font aka rare : Netion de “ = ‘ ‘f transfert d f Wu fille s'écrit ne é nt * ny Bs (=e N x(@) 1-2 ip yeawo” de diffe. ee a aol ect re ae aintenant quelques réalisations des sities “ tla fonction de transfert b) Di )) Diagramme de fluence Premiére for ce. / : oe fluent Un tre ratsant les équations 0 et est monse sigue! age yh Dans cette figures une fléche ent re deux noeuds avec une valeur marquée inquée A cite teprésente le une fonction 4 ransfertentre ces nezuds donnée pa la valeur indiquee. un nowd auquel plusieurs fléches eo nvergent est un sommat ateur qui i effect ue la 5 somm © dey 4 sign ala sortie des fléches respectives. Un neeud doi it Sortent Plusieuy 5 fleet hes ¢: pane ans Ie domaine de z. La SUN oj Structure montrée Pui Point de diay sque 5 cn ert és iret , rent forme air te trans} ne Meche avec "été signif un éléme de eta dd, igure Asa PPelle la Premigge ‘i Ome Scanné avec CamSeatLes équations (7.14) et (7.16) peuvent étre réécrites sous la forme w(e)=x(e)=S0 7 )2"} ¥(2)=¥4 (7 (2)2"} et raf structure dun filtre correspondant a ces équations; ou M est prise égale & N. o do yo) La figure 7.4 montre une x(n) Nous notons que cette structure @ un nombre minimum d’éléments de retard, & savoir, N pour un systéme d'ordre N. Deuxiéme for directe Nous pouvons réécrire I'équation 7.6 sous Ja forme 105 SScanné avec CamScanner\ $ & : F% es axl) s ¥()=S fa, x()ea OE” & a, x(n) Hn) =F fd, x(n—k) +e, y(0-4)* Lag a \ la 7 i de fluence de Cette méme structure Peut étre obtenue par une transposition du diagramme figure .3, La transposition S‘effectue par un renversement des sens de fléches. 5 Les filtres & réponse impulsionnelle fini (RIF) filtres non récursifs : “Les filtres & réponse impulsionnelle fine (RIF) sont sues! connus sous le nom filtres-non- récursifs" pour les distinguer des filtres que nous avons traités ci-avant et qui contiennent des boucles de retour. Puisque leur réponse impulsionnelle est finie, leur fonction de transfert n'a que des zéros, Labsence de boucle de retour signifie une absence daccumulaion des erreurs de troncation et d'arrondissement. Toutefois, leur réponse impulsionnelle n'est qu'une @PPrOximation d'une réponse impulsionnelle infinie. fert d'un filtre RIF sécrit La fonction de trans x =) A(n)z” H(z) x (») Nous avons eget xl) ° r()eyid ) oye Hee? SScanné avec CamScannerqealisation d'un tel filtre est " Montrée A Ja Fi, a Figure 7,9, x(n) z! Encore, nous pouvons écrire vn) = Sia(e)(n-) ce qui méne a la structure décrite par la figure 7.10. x(n) Les filtres & réponse impulsionnelle finie peuvent étre congus de telle fagon que leur phase soit linéaire. Soit h(n) = h(N = 1 -n) Pour N paire 107 Scanné avec CamScannerM2) = h(oy (6 +2) ent) (2°77 tes h(W a1) (e 04 ) ga te « ¥ A(n){z* 4 20 ) Ss YOU Hinphire a w-syt Pela } WA) = Woy (2 5 po "Jeet a((v—1yr2-1){2 M(H. Yai (error) yp wy “> Moe" 6540). 4(y 1/2) S O0 Pe Hither Ia Vineatins de phase: YOu M pire Me) 3 Hafem sents neni SE (ny (error eeneinamn) sem 'Y 2H(m eof fo-(or-12] / [i (e’) = -[(v- 1)/2Jor;une phase linéaire, Pour N impaire HN yale '¥ 2H(n)cos[ on ~“W~1ry] M(e!”) «Af (n- (A (e!*) =-[(-1)/2]oslinéaire. -écursifs) Me infinie (r 7- Les filtres 4 réponse impulsionnel haere — as esl ™PUlsi, a Sonnele sible dans un cas particulier een lsat ae Hl est possi -ci nécessite l'express! saeatcaleulég vt, rng ne bre infini d'échantillons, mais ce Hons préeéde on 7 ' Ju écurrente fiant y(t) aux échanti el cos me eg ation any équation récurret : ate es 7 - tillons du signal dentrée, x(t), x@-1), fons intales 13 échantitions 5 $ -ondit urs des c uivante, en supposant que Jes valet . SScanné avec CamScanneryj vn) & 2 . 4X Le anit les polyndmes (ray = Aetna i 7 7 ; =0 . sion connait la yi A(z) Oar" 1 ae} aleur d le la tray nsforn née région rca os 2de x( 1), on Peut calculer ta transf for de endo Y@e 8 @= Dowwr. § rma k 7 A [3 WPS aylp-l-r i J qu'on peut aussi écrire v= 8 k 2)= = | bee ate mete a x(p- her) arp-netr| pamcoL ke a x _ | L ¥(2) = Dbz *X(2)-Yqj2"'V2) k=O i et en remarc quant que la valeur de Ia transformée en 2de Vopérateur retard est 2~t on obtient Y(@) Bx Dans le domaine des transformées en z, la réponse du filtre n'est plus un polyndme n rationnelle. Dans ce cas le filtre n'est pas toujours stable. Nous verm he une méthode pour analyser nelle infinie) les conditions jnitiales x(-q), sformée en z du signal i() & ‘ous le nom du théoréme de l'avance fraction paragrap! filtres 4 connaissan' Ia stabilité dun filtre réoursif (a ), Liécriture complete d AX), YCP) gal a x(t-k) pour t >=0 et nul réponse impulsio ce des valeurs 4 supposées égales 4 2410. La tran: ja formule connue st X=? forme données par I bg (deh? tent) kytx(-D2* que nous noterons sous sous la X,(2)= Ex) +2) SScanné avec CamScanner mais une ons dans un prochain wutre terme pour nommer les ¢ 1a transformée Y(2) nécessite 8 <1) que nous avions pour t<0 esOY NG) ost | li Cranston forme one Dente Wo 01 # UM jl cata NCO), (Do Neds etry att aye ely tine IE DE erated, tel © NOUS Note 8 i i" Ww a SHoterons sous sous ta iene 8 te Form 12) ee Yee yen jons La transti teiite pret IstOIMge @ Cn de Mk i Néquation rdcurrent prenant en compte les condition ” x Vey Safety t zh [xe sxet) Savers] Jol ¥(3) = : ZENMUAXE) + 2(2, b)- Salgtv(a) +909] Soi 7 ¥(z) = Dunetx 3 & (2) + 2(244)) — Sa Le¥ (2) +u(z, 9] ist ¥(z)= . ) Ay MEX) + YH 4) — Malay 4] ist y Les conditions initiate 7 ace ales se traduisent par des modifications du ny s ne modifient pas les ples qui, eux ne proviennent que d ste de lf So ds ples Netion X(z) et fe AZ), 8- Synthase de filtres c fl ‘ Nous étudions ici les deux méthodes principales pour cone eC VOI ‘Olt Un Filtre is d'un filtre continu, Ces deux méthodes sont celles dinvariance & tmp mérique a sion o Part de |, tir a tra INsfo, Mation bilingaire. a) Invariance de Pimpulsion Soit #,(s) la fonction de transfert d'un filtre continu. Notre but est gg a ley rait en performance Ie plus poss ed ler uy ) dun filtee diseret qui sapproche "fil ‘ance & Timpulsion, iscret ainsi ol nal discret ains! ten Comme transfert (=) nous Navons qU' gy, Selon la méthode invari nh nner ; dy filtre conti ndre te sige uisionnelle du filtre continu, prek Stan la imp' SScanné avec CamScannerfiltre disere ont evel, Lav tan j msformée en z de cette réponse impul se impulsionnelle est d st done la tion de transtert recherchée, soit h(0 la réponse impulsionnelte du fltr cont imu, a (d= Eth taréponse impulsionnelle du filtre diseret est définie alo _u rs comme Au) = Than), et la fonction de transfert H(z) est donnée par HG) = Z{h(o)] En particulier, soit alors et H(2)=D () Live’ zal Nous notons que si le spectre du filtre analogique est assez Giroit en largeur de bande 1a technique que nous venons de voir produirait un illre dont la réponse en fréquence pourrait s\écrire 2 H(e’”) ; H. ( j 2) (voir 'échantillonnage idéal) gain du filtre sera trés élevé. Pour cette .¢ d'échantillonnage est élevée (T <<) le Si la fréquenc de l'invariance a raison, en pratique, une multiplication par 7 est effectuée en utilisant lapproche Timpulsion. Nous écrivons alors h(n) = That) in SScanné avec CamScanneron aw pte see ot Pag + er ages tae pea =2/4le™ cos( Bt +l4)u() a(njar(4ertee on) erode" cos(BnT +14) u(r) H(z)=7| a (2)=T| rere 2" Ecrivons a =e” nous avons A A wea Sia =) (4+4')-(4 a'+A'a)z" =T- Ce que nous pouvons ré-écrire sous la forme _7(24,-214lle| cos((A+1a) z-1) 1-24, 2 af 2? 112 SScanné avec CamScanner4, = Re[ A] l4= arg[ a] 4, =e cos Br Mais °" la= Br doa U1 (2) =A Peosla=2]417 6" cos(l4 Br) = 1-2" cos BT Z* 40" Une réalisation de H(z) est montrée a a figure . o 2Ay y(n) T =2|A| [al cos(LA + a) Des filtres d'ordre plus élevé peuvent étre construits utilisant ce filtre du deuxiéme ordre, et d'autres plus simples du premier ordre. b) Transformation bilinéaire Comme nous I'avons vu un filtre idéal n'est pas réalisable puisque sa réponse impulsionnelle siétend a (-4). Nous avons de plus vu que les approximations Butterworth, Chebychev, ménent des filtres dont le spectre s'étend A @ = V 4. Selon le théoréme de Nyquist, aucune fréquence hantillonnage de /h.(0) serait done suffisante pour éviter le recouvrement ("aliasing") des spectres. La méthode dinvariance & l'impulsion produira done une distorsion dans le sens que le spectre du filtre discret et le résultat de recouvrements des spectres du filtre continu. 113 SScanné avec CamScannerent des s7ecHS en transtog, Pe ° sequen 7 devient le poin, n cercles sappelle une Mettons nous avons Nous voyons que @ = 0 se transforme €7 er=letque ayarop( 2?) oi? uate) dot Q=2arcigt (To!2) et o=(2/T)tgt (2/2) La figure montre @ en fonction de {2 pour T= 1, Nous remarquons que tout axe jo est ainsi comprimé en lintervalle Q=-7 4 Q= n. Cette compression peut étre vue comme une distorsion et est le prix que nous payons pour éviter le recouvrement des spectres. La figure 7.18 montre aussi que la fréquence de coupure d'un filtre continu se transforme en une fréquence de coupure différente & savoir 2, =2areigt (To, /2) pour le filtre numérique. M4 SScanné avec CamScanner=9, Pour obtenir une fréquence de coupure 2. donnée pour le filtre numérique nous devions donc concevoir le filtre continu comme ayant une fréquence de coupure J ret(, 12) Cette opération s'appelle "pré-déformation” ("pre-warping") de transfert de la forme Un filtre continu ayant une fonction H(s) se transforme en SScanné avec CamScannerssi stable, il fa ic la somme des _ sun filtre soit s fe, if faut 4 ipposerons que Ie fi st causal n dig est causal, Pour a! i ue le filtre étudi a ponse impulsionnelle 8 ‘Nous modules des échantillons de sa Sy] M fe anée en 2, H(z) caleulé pour [21 vérifie ze) Spe rae] io fo . textérieur d doit done étre bomné pour £/>1. H(@) ne doit pas avorr de ples & I'extérieur du vs unit, Un filtre récusif ne sera stable que si tous ses poles sont & Vintérieur du cercle ationnelles de degré fini, si les poles .n éléments simples et un calcul de alors une somme d'exponentielles Le module de la transfor Le module de H(2) cercle de rayor de rayon un. Dans le cas des fonctions de transfert causales et ¥ sont tous 4 I'ntérieur du cercle de rayon 1, une décomposition transformée en z inverse montre que la réponse impulsionnelle est décroissantes: le filtre est toujours stable. mme dans le cas des filtres a réponse impulsionnelle finie, la position des Remarque. Exactement co! zéros de la fonction de transfert (les racines du polynéme numérateur) n'influence pas la stabilité du filtre. 4) Réponse en fréquence d'un filtre En particulier, si on fixe z=e (sur le cercle de rayon un), on obtient le cas particulier de la transformée de Fourier. Ainsi, pour amplifier, atténuer, déphaser un signal, il suffira de trouver les coefficients de la réponse impulsiohnelle du filtre h(t), ou de sa réponse en fréquence H(e) définie en module et en phase pour toutes les fréquences entre -n et m et de programmer un calculateur numérique pour effectuer le calcul de convolution. It faut en général respecter deux conditions, le filtre doit étre causal et stable. 116 Scanné avec CamScanneravec 8 déphasage minimal p (2) a toutes Ses racines A Vintéri sivBC A Vintéticur du Cercle de rayoy i 1s 2008s Fes 1%) eons UN On obtient un Filtre qui retarde moins facteur 1/29 prés: Le filtre dont la réponse impulsionnelle est composé des deux échantillons [1, -.] retarde moins le signal que le filtre composé des deux échantillons [-z., 1]: en moyenne le premier le retarde au plus d'un ““demi-échantillon” tandis que le second le retarde au moins d'un demi-échantillon. De plus, le filtre récursif inverse aura tous ses ples a l'ntéricur du cercle de rayon un; ce sera un filtre stable. 7 SScanné avec CamScanner: £ . proniocRarit 7 "MASSON" + aye,” Belanger rpgorie & Pratiaues \ érique du signal, Théorie & ; 1. "Traitement Numériq| a aD jes M. NOD F de Coulon" "pUNOD" >. “Traitement Numérique ¢ ; 7 ruc 3. "Théorie et Traitement des signaux", saat itemen, Pao | sti utom 4- "Théorie du signal, modélisation statistique, al -4- "Théo al, G Follit "MASSON" / . spyaton 1 cares S "Méthodes et technique de ‘Traitement du Signal e -S- "Méthodes physiques(2)", J. Max "MASSON" ee -6- "Cours d'électronique 4, Transformation des signaux", F. Milsant . : jgnaux", Milsant "EYROLLES' -7- "Problémes d’électronique 4, Transformation des signaux", Milsant EYR( - "Elements de théorie du signal, Les signaux déterministes", J.P. Delmas "ELLIPSE" . -9- "Signaux & Circuits", Alain PELAT, "ELLIPSE" -10- "MICROELECTRONIQUE, Traitement de signaux & saisie de donnée", Jacob Milman Awin Grabel "Ediscience International", -I1- "Signaux aléatoires Pour le traitement du signal et les communications", Pierre Bremaud "ELLIPSE", TECHNIQUE DE LA TRANSMI ISSION DES DONNEES", J, BEHR , "MASSON", EES", J. GLAVIER, M. Nigui, Traitement du Signal NEA Scanné avec CamScanneray X(p)= Nous admettrons que Vintégrate (1) est absolument D={o, < Rp) <0} Convergente dans le dor ‘WE nous appellerons domaine de convergence de X(P) Tl ne faut pas confondre le domain Vintégrale (1) pour un signal x(t) donné et singularités de X(P), we de convergence de X(P) qui est lié & la convergence de Je domaine de définition d'une fonction X(P) qui est lié ate La Transformée de Laplace n'est complétement spécifié que si Yon se donne & la fois une fonction de p et son domaine de convergence. En effet, deux signaux différents peuvent avoir une Transformée de Laplace avec 1a mé fonction X(P) mais des régions de convergences différentes, - Exemple : (0) = exp(-at)u(t) y(t) = -exp(-arju(—1) Elles ont respectivement pour transformée : 1 1 =— Re(p) <~ Ke=s55 el) >-a R= Micne ~ Inversion de la Transformée de Laplace : Comme la transformée de fourrier, a transformée de Laplace nfest qu'une représentation du signal X) ‘omm . i e x t de son ste si elle caractérise celui-ci et si Yon sat retrouver x(t) & partir de la donnée de X(P) 4 domaine de convergence. On pose paar jaf 38 Traitement du Signal IEA SScanné avec CamScanner- : vias fr) Jerert-eas 22208 / Far mite ta TE invere aoeteaty= [X* prop yo PLE fxmen(po? 4 1 x(t) pr i 1 yee de X(P). 4 droite / & Yaxe imaginaire située dans le domaine de com vergen en sia, Te inversion, In TL est aussi une repré iels et Pt fonction des signaux exponentiels *P". En raison de cette formule ies résidus que nous allons détailler par un plus Cest un développement de x(t) en ippelle au théoreme Le calcul de TL inverse fait exemple. - Exemple d'application : . CCherchons ainsi directement Ia réponse impulsionnelle hit) d'un filtre RC passe bas de fonction de transfert : 1 + j2ARCf HY) ‘h(t) n'est rien d’autre que la trans inverse de H(A) _ 1 mo) “J Trpgne 2a lémentaires de Ia transformée de Laplace : Propr Posons oul eile) 1) Linéarité : Lan z La Xp) 2) Symeétrie : x —, ) 7 *CP) 3) Détivation : ke X(p) _ ok we P’X(p) Traitement du Signal EA 89 SScanné avec CamScannerCon ep) me ayh lun produit de convolution. Nous admettrons également sans démonstration que si les Signaux x(t) et y(t) admetient un TL alors le signal 2(t) = x(t)* y(t) admet comme TL : UP) = XP) 1?) de ne de convergence. 44) Convolution : La transformé de Laplace ¢ Dz= Dx ADy . HY) > KpHp) Par contre, la TL du produit x(t) y(t) n'est plus simplement un produit de convolution comme ¢est le as pour la transformée de Fourrier. Traitement du Signal IIEA SScanné avec CamScannerAnnexe IT * Les Distrimutrons in mathématique correcte doy it definition es distributions mathématiques. constituent une distributions rencontrées en physique. Y *DétieiBen fespace vectoriel D des i akats i ir l'espace On appelle Distribution D : une fonctionnelle linéaire continue sur sp fonctions définies sur IR indéfiniment dérivables et & support borné. ié un nombre complexe D(po ), A toute fonction © appartenant A D, la distribution D associ Qui sera aussi noté par avec les propriétés suivantes: Dol +92) = De! )+ D(@2) D(Agxw )= Ax DC) Ax est scalaire Si gaj converge vers go quand j tend vers linfini alors D(gj) converge vers D( pa )- -EXEMPLE: ~ Si f( est une fonction sur tout ensemble bomé, elle définit une distribution Df par : (2,,0)= [ropa ~Si 9" désigne la dérivée de la fonctionnelle : (o »y = J/Oe'Odt est une distribution, ~ La distribution de Dirac est définie par : <8, 9>=9(0) la distribution de Dirac au point réel x est définie par : <8(t-X),9 >=9(x) on dit que cette distribution représente la masse + 1 au point x. ~ Soit limpulsion i(t) de durée + et ‘amplitude a~I/¢ centrée sur Vorigine. Elle définit une 2 distribution Di== t J oma 2 Pour des valeurs trés petites de t on obtien = 90) Traitement du Signal IEA a SScanné avec CamScannerso? jstribution de Di nae dire WE {a distri irae peut tre consid ve Ia lienit ee) de ln distribution Di a _ pésivation des distributions on définit Ia dérivée d'une distribution D par la relation : ap pre < Dye on par exemple la fonction U de Heaviside ou échelon unité égale a0 si t<0 et a +1 sit 0. 1 10 wf 1<0 dl Es oa 7 Jowa = 9(0)= <6 > il en résulte que la discontinuité de U apparait pour la forme d'une masse ponctuelle unitare dans sa dérivée. Cet exemple illustre un intérét pratique considérable de la notion de distribution, qui permet OOOO Errr————s—Ss—Ss=sSsSss continues. - Transformation de fourrier d'une distribution Par définition de la TF d'une distribution D est une di < FD,g >=< D,Fo> ion aux distributions & support ponctuel, il vient : istribution notée FD telle que = Par application de cette définit < F5,9 >=< 6,F 9 >= fowa = Par suite F6 = 1 De méme : F8(t-a) = exp(-j2fa) Un cas fondamental pour l'étude de I de Dirac décalés de T, notée peig telle que = "échantillonnage est celui que consttue la suite des distributions F50-n7) peig(t) Cette suite est une distribution de masse unitaire aux points dont Yabscisse est un multiple entier de T. Sa Transformée de Fourier s'écrit : Traitement du Signal IEA o Scanné avec CamScanner