Poly Tds PDF

MSA 12 :
Bases du traitement numerique du signal

- Notes de Cours-
Regis MARCHIANO
regis.marchiano@upmc.fr
Universite Pierre et Marie Curie - Paris 6
Institut Jean Le Rond dAlembert - UMR CNRS 7190
4, place Jussieu - 75252 Paris cedex 05 France
Octobre 2012 - v1.2
Ce document contient les notes de cours de lUE de M1 Bases du traitement du signal
numerique dispense aux parcours acoustique et robotique du master SDI de lUPMC
(Paris-France). Ces notes ne remplacent pas celles qui peuvent etre prise en cours. Elles sont
incomplètes. Par ailleurs, elles contiennent de nombreuses coquilles. Nhesitez pas ` a me les
communiquer (regis.marchiano@upmc.fr).
1
Table des matières
1 Introduction 4
1.1 Le traitement du signal... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Les ltres lineaires et invariants par translation dans le temps . . . . . . . . . 4
1.3 Filtrage et convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Premier bilan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Elements de traitement des signaux continus : outils mathematiques 11
2.1 Elements sur les distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.2 Distributions utilisees en TDS . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Le produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.1 Proprietes essentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.2 Interpretation graphique . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Les series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2 Quelques proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 La transformee de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.2 Transformee de Fourier, SLITT et ltrage . . . . . . . . . . . . . . . . 24
2.5 Rappels sur les transformees de Laplace . . . . . . . . . . . . . . . . . . . . . 27
2.5.1 La Transformee de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 27
3 Du continu au discret 31
3.1 Filtres lineaires, invariants par translation dans le temps pour les signaux numeriques 31
3.2 Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2.1 Theorème de lechantillonnage . . . . . . . . . . . . . . . . . . . . . . . 34
3.3 Reconstruction du signal ` a partir de la suite des echantillons . . . . . . . . . . 36
3.4 Quantication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Filtrage frequentiel 39
4.1 La Transformee de Fourier à Temps Discret . . . . . . . . . . . . . . . . . . . 39
4.1.1 La Transformee de Fourier Discrète . . . . . . . . . . . . . . . . . . . . 41
4.1.2 Resolution et precision . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.1.3 Application au ltrage des signaux numeriques . . . . . . . . . . . . . . 44
2
5 Filtrage temporel 46
5.1 Equation recurrente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2 La transformee en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2.1 Denition et premiers exemples . . . . . . . . . . . . . . . . . . . . . . 47
5.3 Filtrage et transformee en z . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.4 Etude des ltres RIF et RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.4.1 Les ltres RIF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.4.2 Les ltres RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3
Chapitre 1
Introduction
1.1 Le traitement du signal...
Le traitement du signal designe lensemble des operations que lon fait subir ` a un signal
(analogique ou numerique) pour le transformer en un autre signal (par exemple de la musique
codee sur un disque vinyl ou un CD qui est transformee en un signal acoustique). Le trai-
tement du signal se rencontre donc dans de nombreux domaines et fait partie integrante de
la plupart des appareils que nous utilisons quotidiennement. On distingue generalement les
signaux analogiques (ou continus) des signaux numeriques :
les signaux analogiques, ils peuvent etre representes par des fonctions continues du
type x(t), o` u t est une variable continue (par exemple la tension dans un circuit electrique
v(t))
les signaux numeriques, ils peuvent etre representes par des suites de nombres du type
x[n] o` u n represente le numero dechantillon (par exemple des signaux dans baladeur
numerique).
Comme son titre lindique, ce cours est essentiellement consacre au traitement des signaux
numeriques. Cependant, le premier chapitre est consacre aux signaux analogiques (ou conti-
nus), an den rappeler les idees fondamentales ainsi que quelques outils mathematiques utiles
pour les signaux numeriques.
En traitement du signal (analogique et numerique), la notion de ltre est primordiale. Une
denition intuitive de la notion de ltre est dadopter la vision entree/sortie et de dire que le
ltre est la partie qui relie la sortie dun système à lentree comme lillustre la gure 1.1. Cette
vision simpliste resume cependant très bien la plupart des concepts que nous verrons dans ce
cours. Ce cours est essentiellement destine ` a jeter les bases de letude des ltres lineaires et
invariants par translation dans le temps.
1.2 Les ltres lineaires et invariants par translation dans
le temps
Les ltres (ou systèmes) lineaires et invariants par translation dans le temps sont ca-
racterisees par les deux proprietes suivantes :
4
!"#$ %"#$
!
Figure 1.1 Representation schematique dun système
ltres lineaires
On considère un ltre S qui fait correspondre ` a lentree x(t) la sortie y(t) (cf gure
1.1). On dira que le ltre S est lineaire si ` a lentree x
1
(t) +x
2
(t) correspond la sortie
y
1
(t)+y
2
(t) (o` u y
1
(t) et y
2
(t) sont les sorties correspondant respectivement aux entrees
x
1
(t) et x
2
(t)) comme lillustre la gure 1.2.
Cette denition setend sans problème aux ltres numeriques qui à une entree x[n] font
correspondre une sortie y[n] telle que x
1
[n] + x
2
[n] y
1
[n] + y
2
[n]
ltres invariants par translation dans le temps
On dira quun système ou un ltre S est invariant par translation dans le temps si à
lentree x(t) correspond la sortie y(t) et quà lentree x(t) correspond la sortie y(t).
Autrement dit, si on decale dune quantite lentree, la sortie est egalement decalee de
la meme quantite .
L` a aussi, la propriete setend aux ltres numeriques à la dierence que le retard est
quantie : si on considère un ltre numerique invariant par translation dans le temps tel
qu` a une entree x[n] corresponde une sortie y[n], alors ` a lentree x[n q] correspond la
sortie y[n q] o` u q Z
Exemple 1 (Filtres lineaires et non lineaires)
Exemples de ltres lineaires
x(t) y(t) : y(t) = 2x(t) ;
x(t) y(t) :
d
2
y
dt
2
+ ky = x(t) ;
et de ltres non lineaires :
x(t) y(t) : y(t) = sin(x(t)) ;
1.3 Filtrage et convolution
Le but de ce paragraphe est dobtenir la relation fondamentale des ltres lineaires et
invariants par translation dans le temps par quelques petites experiences de pensee. Le rai-
sonnement se fait en 5 etapes, lensemble des etapes est illustre par les gures 1.4,1.5,1.6 1.7
et 1.8. Pour cela, on considère un ltre S lineaire et invariant par translation dans le temps.
5
x
1
(t) y
1
(t)
S
x
2
(t) y
2
(t)
S
x
1
(t)+x
2
(t)
S
y
1
(t)+y
2
(t)
Figure 1.2 Representation schematique dun système lineaire
x(t)
y(t)
S
S
x(t-)
y(t-)
Figure 1.3 Representation schematique dun ltre invariant par translation dans le temps
6
1. On impose comme signal dentree une impulsion damplitude unite à t = 0, on note ce
signal i(t). A ce signal dentree correspond un signal de sortie, que lon note h(t) (gure
1.4) :
i(t) h(t)
2. Si on decale dans le temps dune quantite limpulsion en entree, alors le motif h(t) est
lui aussi decale dans le temps de la quantite car S est invariant par translation dans
le temps (gure 1.5) :
i(t ) h(t )
3. Si on considère deux impulsions damplitude respective A
1
et A
2
emises aux temps
1
et
2
, comme S est un ltre lineaire et invariant par translation dans le temps, dans le
premier cas le signal de sortie est A
1
h(t
1
) et dans le deuxième cas A
2
h(t
2
) :
A
1
i(t
1
) A
1
h(t
1
)
A
2
i(t
2
) A
2
h(t
2
)
4. On somme maintenant les deux signaux A
1
i(t
1
) et A
2
i(t
2
) en entree du ltre,
le ltre etant lineaire et invariant par translation dans le temps, la sortie du ltre est
simplement A
1
h(t
1
) + A
2
h(t
2
) :
A
1
i(t
1
) + A
2
i(t
2
) A
1
h(t
1
) + A
2
h(t
2
)
5. On considère maintenant un signal quelconque s(t), ce signal peut etre vu comme la
superposition de signaux impulsions damplitude dierente et decale dans le temps :
e(t) =
i
A
i
i(t
i
), le ltre etant lineaire et invariant par translation dans le temps,
la sortie du ltre secrira : s(t) =
i
A
i
h(t
i
). En passant ` a la limite continue, on
trouve :
e(t) s(t) =
_
e()h(t )d (1.1)
Cette dernière relation (eq. 1.1) est la relation fondamentale des ltres lineaires et invariants
par translation dans le temps, car elle permet de determiner le signal de sortie s(t) à un signal
dentree quelconque e(t) à condition de connatre la fonction h(t) qui caracterise le ltre. Dans
la suite nous allons voir que cette relation est un produit de convolution entre lentree du ltre
et sa reponse impulsionnelle.
1.4 Premier bilan
Ce chapitre dintroduction nous a permis de denir quelques notions fondamentales pour le
traitement des signaux numeriques. Il nous a egalement permis dintroduire de fa con pratique le
produit de convolution. Cette relation va nous suivre tout au long du cours. Il est très important
de pouvoir la manipuler, or sa structure est complexe. An de faciliter son utilisation, nous
allons introduire dierents outils mathematiques : distributions, produit de convolution, series
et transformee de Fourier. Ces outils nous serviront ensuite ` a construire et etudier dierents
ltres.
7
!"#$
%"#$
!
&
# #
' '
Figure 1.4 Illustration du principe de convolution - etape 1
i(t-
1
)
h(t-
1
)
!
1
t t
0 0

1

0
8
A
1
i(t-
1
) A
1
h(t-
1
)
S
A
1
t t
0 0

1

1
A
2
i(t-
2
) A
2
h(t-
2
)
S
A
2
t t
0 0
2

2
A
1
i(t-
1
)+A
2
i(t-
2
) A
1
h(t-
1
)+A
2
h(t-
2
)
!
A
1
t t
0 0

1

1
2

2
A
2
9
Z A
i
i(t-
i
)
Z A
i
h(t-
i
)
!
A
1
t t
0 0

1

1
2

2
A
2
10
Chapitre 2
Elements de traitement des signaux
continus : outils mathematiques
Ce chapitre est consacre ` a quelques rappels de mathematiques sur les fonctions conti-
nues (=signaux continus). Il ne sagit pas dun cours de mathematiques mais dun bref
recapitulatif des dierentes notions qui vont nous servir tout au long du cours de traitement
du signal. Ainsi, la denition et les proprietes essentielles des distributions sont rappeles. La
notion de distribution est indispensable pour pouvoir utiliser la fonction de Dirac ainsi que
dautres fonctions utilisant la fonction de Dirac comme le peigne de Dirac. De meme les series
de Fourier et les transformees de Fourier seront utiles pour etudier les proprietes frequentielles
des signaux continus et discrets. Enn, nous utiliserons la transformee de Laplace sous sa
forme discrète la transformee en Z, par consequent il nest pas inutile de rappeler la denition
et les proprietes de cette transformee.
2.1 Elements sur les distributions
2.1.1 Denition
Soit D une distribution et une fonction inniment derivable ` a support compact. On note
la valeur de la distribution appliquee ` a la fonction :
D, =
_
T
D(t)(t)dt. (2.1)
On denit sa derivee D/t par :
_
D
t
,
_
=
_
D
t
(t)dt =
_
T
D(t)
(t)
t
dt =
_
D,

t
_
, (2.2)
2.1.2 Distributions utilisees en TDS
Denition 2.1.1 (Fonction generalisee de Dirac)
On denit la distribution (t t
0
) (ou fonction generalisee) de Dirac au point t
0
T la
11
Figure 2.1 Representation graphique de la fonction generalisee de Dirac : (t t
0
)
distribution telle que :
, =
_
(t t
0
)(t)dt = (t
0
). (2.3)
La distribution (t t
0
) de Dirac est une fonction

generalisee

, nulle partout sauf en t
0
,
et inniment grande en t
0
, si bien que, lorsquon la multiplie par une fonction

test

et que
lon intègre sur T, on obtient la relation 2.3. La distribution (t t
0
) est loutil mathematique
permettant de decrire une

action

concentree en un point.
Denition 2.1.2 (Peigne de Dirac)
On denit le peigne de Dirac : distribution (t t
0
) la distribution telle que :
, =
_
(t t
0
)(t)dt =
_
n=
(t nt
0
)(t)dt =
n=
(nt
0
) (2.4)
La fonction generalisee peigne de Dirac permet de prelever des echantillons ` a intervalle
regulier.
2.2 Le produit de convolution
2.2.1 Proprietes essentielles
Denition 2.2.1 (Le produit de convolution)
On appelle produit de convolution loperation suivante :
f(t) g(t) =
_
+
f(u)g(t u)du (2.5)

12
Figure 2.2 Representation graphique de la fonction generalisee de Dirac : (t t
0
)
Le produit de convolution est commutatif :
Propriete 2.2.1 (Commutation du produit de convolution)
f(t) g(t) = g(t) f(t) =
_
+
f(u)g(t u)du =
_
+
f(t u)g(u)du.
Demonstration : On pose v = t u, on a dv = du et :
_
+
f(u)g(t u)du =
_

+
f(t v)g(v)(dv) (2.6)
=
_
+
f(t v)g(v)(dv) (2.7)

Le produit de convolution est distributif :
Propriete 2.2.2 (Distribution du produit de convolution)
f(t) (g(t) + h(t)) = f(t) g(t) + f(t) h(t)
Demonstration :
_
+
f(t u)(g(u) + h(u))du =

_

+
f(t u)g(u) + f(t u)h(u)du (2.8)
=
_

+
f(t u)g(u)du +
_

+
f(t u)h(u)du (2.9)
Le produit de convolution est associatif :
Propriete 2.2.3 (Association du produit de convolution)
(f(t) g(t)) h(t) = f(t) (g(t) h(t))
La fonction generalisee de Dirac est lelement neutre du produit de convolution :
13
Propriete 2.2.4 (Element neutre du produit de convolution)
g(t) (t) = g(t)
Demonstration :
g(t) (t) =
_
+
f(u)(t u)du =
_
+
f(t u)(u)du = g(t) (2.10)

Il est possible de decaler une fonction g(t) dune quantite t
0
en utilisant le produit de
convolution :
Propriete 2.2.5 (Decalage en temps par convolution avec la fonction de Dirac)
g(t) (t t
0
) = g(t t
0
)
Demonstration :
g(t) (t t
0
) =
_
+
f(u)(t t
0
u)du =
_
+
g(t u)(u t
0
)du = g(t t
0
) (2.11)
Propriete 2.2.6 (Periodisation par convolution avec le peigne de Dirac)
g(t) (t T) =
n
g(t nT)
Demonstration :
g(t) (t T) =
_
+
g(t u) (u T)du =
_
+
g(t u)
n
(u nT)du =
n
g(t nT) (2.12)
Cette propriete montre que convoluer une fonction g(t) avec un peigne de Dirac de periode T
revient ` a construire une fonction periodique de periode T dont le motif elementaire est donne
par g(t) (cf. Fig. ??).
2.2.2 Interpretation graphique
2.3 Les series de Fourier
2.3.1 Denition
Denition 2.3.1 (Decomposition en series de Fourier)
Soit g(t) une fonction periodique de periode T =
2
( est la pulsation). La decomposition

en series de Fourier de la fonction g(t) est :
g(t) = a
0
+
+
n=1
a
n
cos(nt) + b
n
sin(nt) (2.13)
les coecients a
0
, a
n
et b
n
sont donnes par les formules dEuler :
a
0
=
1
T
_
T/2
T/2
g(t)dt; (2.14)
14
a
n
=
2
T
_
T/2
T/2
g(t) cos(nt)dt; (2.15)
b
n
=
2
T
_
T/2
T/2
g(t) sin(nt)dt. (2.16)
Theorème 2.3.1 (Existence de la decomposition en series de Fourier)
Soit f une fonction periodique de periode T. On suppose que f est continue par morceaux
et possède une derivee ` a droite et ` a gauche en tout point (pas necessairement egales).
Alors f peut etre decomposee en series de Fourier.
Demonstration des formules dEuler : Demontrons les 3 formules dEuler :
1. formule donnant a
0
Daprès la denition de la decomposition en series de Fourier :
_
T/2
T/2
g(t)dt =
_
T/2
T/2
_
a
0
+
+
n=1
a
n
cos(nt) + b
n
sin(nt)
_
dt (2.17)
=
_
T/2
T/2
a
0
dt +
+
n=1
_
T/2
T/2
a
n
cos(nt)dt +
_
T/2
T/2
b
n
sin(nt)dt(2.18)
= a
0
_
T/2
T/2
dt (2.19)
= a
0
T (2.20)
2. formule donnant a
n
:
Daprès la denition de la decomposition en series de Fourier :
I =
_
T/2
T/2
g(t) cos(pt)dt (2.21)
=
_
T/2
T/2
_
a
0
+
+
n=1
a
n
cos(nt) + b
n
sin(nt)
_
cos(pt)dt (2.22)
=
_
T/2
T/2
a
0
cos(pt)dt (2.23)
+
+
n=1
_
T/2
T/2
a
n
cos(nt) cos(pt)dt +
_
T/2
T/2
b
n
sin(nt) cos(pt)dt (2.24)
(2.25)
On rappelle que : cos(a) cos(b) = 1/2(cos(a+b)+cos(ab))) et sin(a) cos(b) = 1/2(sin(a+
15
b) + sin(a b)))
I =
+
n=1
_
T/2
T/2
a
n
2
(cos(t(n + p)) + cos(t(n p)))dt (2.26)
+
_
T/2
T/2
b
n
2
(sin(t(n + p)) + sin(t(n p)))dt (2.27)
=
+
n=1
_
T/2
T/2
a
n
2
(cos(t(n + p)) + cos(t(n p)))dt (2.28)
Cette dernière integrale est nulle pour p = n, pour p = n on a :
_
T/2
T/2
g(t) cos(nt)dt =
a
n
2
_
T/2
T/2
dt =
a
n
T
2
(2.29)
Exemple 2 (fonction creneau)
On considère la fonction g(t) de periode 2 :
g(t) =
_
0 si < t 0,
1 si 0 > t .
Calculons la decomposition en series de Fourier de cette fonction : a
0
= 1/2, a
n
= 0, b
n
=
1
n
((1)
n
1)
2.3.2 Quelques proprietes
Propriete 2.3.2 (Decomposition dune fonction paire)
Soit g(t) une fonction paire et periodique de periode T, sa decomposition en series de
Fourier secrit :
g(t) = a
0
+
+
n=1
a
n
cos(nt). (2.30)
Demonstration : La fonction g(t) etant periodique, on peut la decomposer en series de Fourier :
g(t) = a
0
+
+
n=1
a
n
cos(nt) + b
n
sin(nt), (2.31)
o` u :
b
n
=
2
T
_
T/2
T/2
g(t) sin(nt)dt. (2.32)
Comme g(t) est une fonction paire, g(t) sin(nt) est egalement une fonction impaire. Or
lintegrale dune fonction impaire entre des bornes symetriques est nulle. Par consequent,
b
n
= 0 n N
16
Propriete 2.3.3 (Decomposition dune fonction impaire)
Soit g(t) une fonction impaire et periodique de periode T, sa decomposition en series de
Fourier secrit :
g(t) =
+
n=1
b
n
sin(nt). (2.33)
Propriete 2.3.4 (Forme complexe de la decomposition en series de Fourier)
La forme complexe de la decomposition en series de Fourier secrit :
g(t) =
+
n=
c
n
e
int
, (2.34)
avec,
c
n
=
1
T
_
T/2
T/2
g(t)e
int
dt. (2.35)
Demonstration : On considère une fonction g(t) periodique de periode T. Cette fonction admet
une decomposition en series de Fourier :
g(t) = a
0
+
+
n=1
a
n
cos(nt) + b
n
sin(nt) (2.36)
On rappelle que cos = (e
i
+ e
i
)/2 et sin = (e
i
e
i
)/2i, alors :
g(t) = a
0
+
+
n=1
a
n
e
int
+ e
int
2
+ b
n
e
int
e
int
2i
, (2.37)
= a
0
+
+
n=1
e
int
a
n
ib
n
2
+ e
int
a
n
+ ib
n
2
. (2.38)
Calculons à present les coecients a
n
ib
n
et a
n
+ ib
n
:
a
n
ib
n
=
2
T
_
_
T/2
T/2
g(t) cos(nt)dt i
_
T/2
T/2
g(t) sin(nt)dt
_
(2.39)
=
2
T
_
T/2
T/2
g(t)
_
e
int
+ e
int
2
i
e
int
e
int
2i
_
dt (2.40)
=
2
T
_
T/2
T/2
g(t)e
int
dt (2.41)
En procedant de la meme manière, on trouve :
a
n
+ ib
n
=
2
T
_
T/2
T/2
g(t)e
int
dt (2.42)
17
Remarquons que le coecient a
0
peut secrire :
a
0
=
1
T
_
T/2
T/2
g(t)dt =
1
T
_
T/2
T/2
e
i0t
dt (2.43)
Par consequent, la fonction g(t) peut secrire :
g(t) = a
0
+
+
n=1
e
int
_
2
T
_
T/2
T/2
g(t)e
int
dt
_
+ e
int
_
2
T
_
T/2
T/2
g(t)e
int
dt
_
(2.44)
Posons :
c
n
=
1
T
_
T/2
T/2
g(t)e
nt
dt (2.45)
La fonction g(t) peut sexprimer en fonction de c
n
:
g(t) = c
0
+
+
n=1
_
e
int
c
n
+ e
int
c
n
_
, (2.46)
= c
0
+
+
n=1
e
int
c
n
+
+
n=1
e
int
c
n
, (2.47)
= c
0
+
+
n=1
e
int
c
n
+
1
n=
e
int
c
n
, (2.48)
=
+
n=
c
n
e
int
. (2.49)
On remarquera que la decomposition en serie de Fourier permet de passer dune representation
continue (g(t)), à une representation discrète (c
n
) ` a condition que la fonction continue soit
periodique. Nous allons retrouver cette propriete lors de letude du theorème de lechantillonnage.
2.4 La transformee de Fourier
Dans la partie precedente, nous avons vu quil etait possible de decomposer toutes fonctions
periodiques sous la forme de series de Fourier. Dans ce chapitre, nous allons essayer detendre
cette idee de decomposition en fonctions elementaires ` a une gamme de fonctions plus grande
que les seules fonctions periodiques.
Denition 2.4.1 (Transformee de Fourier)
On appelle transformee de Fourier de la fonction g(t), la fonction notee g() :
g() =
_
+
g(t) exp[it]dt (2.50)

18
Denition 2.4.2 (Transformee de Fourier inverse)
On appelle transformee de Fourier inverse de la fonction g(), la fonction notee g(t) :
g(t) =
1
2
_
+
g() exp[it]d (2.51)

Generalement on denote la transformee de Fourier avec le symbole chapeau :. On utilisera
par la suite les notations suivantes :
g() = F(g(t)) = TF(g(t)) = G() (2.52)
g(t) = F
1
( g()) = TF
1
( g()) (2.53)
La denition transformee de Fourier nest pas unique. Nous aurions pu modier les prefacteurs
et faire un autre choix à la condition que le produit des deux pre-facteurs soit egale ` a 1/2.
Exemple 3 (TF de la fonction porte)
Calculons la transformee de Fourier de la fonction porte denie par :
g(t) =
_
1 si |t| 1,
0 ailleurs.
Daprès la denition, on a :
g() =
_
+
g(t) exp[it]dt
=
_
+1
1
exp[it]dt,
=
1
i
_
e
it
+1
1
,
= 2 sin
c
()
On obtient une fonction continue de la variable
Quelques remarques sur la transformee de Fourier :
1. La transformee de Fourier permet de passer dune representation dans lespace des temps
` a une representation dans lespace des frequences ( = 2f) ;
2. g(t) et g() peuvent etre des fonctions complexes. Le plus souvent, nous serons amenes ` a
traiter le cas o` u f(t) est reelle et

f() est une fonction complexe ` a symetrie hermitienne.
3. la formule 2.51 peut etre interpretee de la facon suivante : f(t) se decompose comme
une somme innie de fonctions harmoniques (exp[it]) ponderees par les coecients
f() ;
4.

f() est le spectre de la fonction f(t) ;
5. |
f()| est appele module du spectre de f(t), cette quantite represente la contribution de
chaque harmonique ;
6. arg(

f()) est la phase du spectre, cette quantite represente le dephasage entre chaque
harmonique ;
7. la transformee de Fourier est reversible :
f(t) = F
1
{F(f(t))} ; (2.54)
19
8. Il est assez facile de calculer la transformee de Fourier dune fonction f(t) sur un ordi-
nateur en utilisant les algorithmes de FFT (Fast Fourier Transform). Toutefois, comme
nous le verrons, les algorithmes de FFT sont des moyens pour caluler les transformees de
Fourier discrète qui dière sur plusieurs points des transformees de Fourier continues,
telles que nous venons de les voir.
Exemple 4 (Le son)
Un objet de la vie quotidienne pour lequel il est naturel de parler de frequence et de
spectre est le son. Tout le monde a dej` a associe ` a un son les concepts de graves ou aigus.
Ces mots signient respectivement quun son possède un spectre avec seulement des basses
frequences ou seulement des hautes frequences. On fait donc de la transformee de Fourier
sans le savoir !
Applet : traitement temps - reel de sons : acquisition et visualisation des sons sous forme
de fonction du temps et de sa transformee de Fourier.
La transformee de Fourier et donc une autre vision de la fonction f(t), la visualisation
du spectre permet de voir les informations autrement. Cette outil est loutil de base de
lanalyse harmonique.
Propriete 2.4.1 (Linearite)
La transformee de Fourier dune combinaison lineaire des fonctions f et g est la combinaison
lineaire des transformees de Fourier des fonctions f et g :
F {af(t) + bg(t))} = a
f() + b g(). (2.55)

Cette propriete permet de decouper les expressions quand on calcule la transformee de Fourier
dune equation.
Demonstration :
F {af(t) + bg(t))} =
_
+
(af(t) + bg(t)) exp[it]dt (2.56)

=
_
+
af(t) exp[it] +
1
2
_
+
bg(t) exp[it]dt (2.57)

= a

f() + b g(). (2.58)
Propriete 2.4.2 (derivation)
Loperation de derivation de la fonction f(t) revient à multiplier la fonction

f() par i :
F
_
df
dt
_
= i

f() (2.59)
20
Nous utiliserons beaucoup cette propriete dans la suite car elle permet de passer dune expres-
sion faisant apparatre des derivees à une expression de type polynome en .
Demonstration :
F
_
df
dt
_
=
_
+
df
dt
exp[it]dt (2.60)
=
_
_
f(t)e
it

_
+
f(t)
_
ie
it
_
_
dt (2.61)
= i
_
+
f(t) exp[it]dt (2.62)

= i

f() (2.63)
Ce resultat setend sans diculte aux derivees dordre superieur :
Propriete 2.4.3 (derivee dordre superieur)
F
_
d
n
f
dt
n
_
= (i)
n

f() (2.64)
Demonstration : Pour demontrer cette propriete, on utilise le fait que
d
n
f
dt
n
=
d
dt
d
n1
f
dt
n1
Propriete 2.4.4 (decalage dans le temps)
Un decalage dune quantite t
0
dans lespace des temps correspond ` a multiplier la fonction
f() par e
it
0
dans lespace de Fourier :
F {f(t t
0
)} = e
it
0
f() (2.65)
Demonstration :
F {f(t t
0
)} =
_
+
f(t t
0
) exp[it]dt (2.66)
On pose : u = t t
0
, donc du = dt, u si t et u + si t +, en eectuant
ce changement de variables on obtient :
F {f(t t
0
)} =
_
+
f(u) exp[i(u + t
0
)]du (2.67)
= e
it
0
_
+
f(u) exp[iu]du (2.68)

= e
it
0
f() (2.69)
Propriete 2.4.5 (Theorème de convolution)
Soient f et g, deux fonctions absolument integrables sur laxe des reels, alors la transformee
de Fourier du produit de convolution de f par g est le produit simple des transformees de
21
Fourier :
F {f(t) g(t)} =

f(). g() (2.70)
Demonstration :
F {f(t) g(t)} =
_
+
f(t) g(t) exp[it]dt (2.71)

=
_
+
_
+
f(u)g(t u)duexp[it]dt (2.72)

=
_
+
_
+
f(u)g(t u) exp[it]dudt (2.73)

=
_
+
__
+
f(u)g(t u) exp[it]dt
_
du (2.74)
On pose v = t u donc t = u + v à u xe,
F {f(t) g(t)} =
_
+
__
+
f(u)g(v) exp[i(v + u)]dv

_
du (2.75)
=
_
+
f(u) exp[iu]du
_
+
g(v) exp[iv]dv (2.76)

=

f(). g() (2.77)
Cette relation est très importante. Elle permet de transformer un produit de convolution
en un produit simple. Elle justie, ` a elle seule, lemploi intensif de la transformee de Fourier
en traitement du signal.
Propriete 2.4.6 (transformee de Fourier de la fonction generalisee de Dirac)
La transformee de Fourier de la fonction generalisee de Dirac est :
F {(t t
0
)} = e
it
0
. (2.78)
Demonstration :
F {(t t
0
)} =
_
+
(t t
0
) exp[it]dt (2.79)
= e
it
0
(2.80)
Cette propriete existe aussi pour la fonction generalisee de Dirac dans lespace de Fourier :
Propriete 2.4.7
F
1
{(
0
)} = e
i
0
t
. (2.81)
Demonstration :
F
1
{(
0
)} =
_
+
(
0
) exp[it]dt (2.82)
= e
i
0
t
(2.83)
22
Propriete 2.4.8 (Transformees de Fourier des fonctions sinus et cosinus)
Les transformees de Fourier des fonctions sinus et cosinus sont respectivement :
F {sin(
0
t)} =
i
2
(( +
0
) (
0
)) (2.84)
F {cos(
0
t)} =
1
2
(( +
0
) + (
0
)) (2.85)
Demonstration :
F {cos(
0
t)} = F
_
e
i
0
t
+ e
i
0
t
2
_
(2.86)
=
1
2
F
_
e
i
0
t
_
+F
_
e
i
0
t
_
(2.87)
or daprès la relation 2.83, on a :
F
_
e
it
0
_
= (
0
)
Par consequent on obtient la relation desiree :
F {cos(
0
t)} =
1
2
((
0
) + ( +
0
)) (2.88)
La demonstration pour la fonction sinus est analogue.
Propriete 2.4.9 (Transformee de Fourier du peigne de Dirac )
F {(t)} = F
_
n=+
n=
(t nT)
_
=
1
T
n=+
n=
(f n/T) (2.89)
Cette propriete montre que la transformee de Fourier dun peigne de Dirac de periode T est
un peigne de Dirac avec une frequence de recurrence de 1/T et une amplitude de 1/T.
Demonstration : Pour montrer ce resultat, nous allons proceder en deux temps : (i) mettre
le peigne de Dirac sous une forme equivalente en calculant son developpement en series de
Fourier, (ii) calculer la transformee de Fourier du developpement en serie de Fourier.
Le peigne de Dirac est une fonction (generalisee) de periode T. Il peut etre decompose en
serie de Fourier. En utilisant la forme complexe du developpement en series de Fourier (Eq.
2.3.4), il vient :
T
(t) =
+
n=
c
n
e
i
0
nt
avec les coecients c
n
qui valent :
c
n
=
1
T
_
T/2
T/2
T
(t)e
i
0
nt
dt
=
1
T
_
T/2
T/2
(t)e
i
0
nt
dt
=
1
T
23
Calculons à present la transformee de Fourier du peigne de Dirac en utilisant la formule
donnee par son developpement en series de Fourier et les proprietes sur les transformees de
Fourier des fonction de Dirac generalisees exposees ci-dessus :
F {(t)} = F
_
+
n=
1
T
e
i
0
nt
_
=
1
T
+
n=
F
_
e
i
0
nt
_
=
1
T
+
n=
( n
0
)
=
1
T
+
n=
(f
n
T
)
2.4.2 Transformee de Fourier, SLITT et ltrage
On considère un ltre appartenant à la classe des SLITT (Systèmes lineaires et Invariants
par Translation dans le Temps). Rappelons que les systèmes lineaires et invariant par trans-
lation dans le temps sont caracterises par une equation de convolution :
s(t) =
_
+
h(t u)e(u)du = h(t) e(t), (2.90)

s(t) est le signal de sortie du ltre, e(t) est le signal dentree du ltre et h(t) est la reponse
impulsionnelle du ltre. En eet, si e(t) = (t) alors s(t) = h(t), car comme nous lavons vu,
la fonction generalisee de Dirac est lelement neutre du produit de convolution.
Daprès le theorème de convolution, la transformee de Fourier de cette relation secrit :
s() = H() e() (2.91)
Denition 2.4.3 (Fonction de transfert)
On appelle fonction de transfert la fonction notee H() reliant la sortie et lentree dun
système lineaire et invariant dans le temps :
H() =
s()
e()
(2.92)
Cette fonction caracterise entièrement le système etudie, elle contient lintegralite de ces
proprietes physiques.
On voit quune fois H() connue, on peut calculer nimporte quelle sortie pour une entree
donnee :
s() = H() e() (2.93)
On remarque que la reponse impulsionnelle du ltre et la fonction de transfert sont reliees par
la relation :
h(t) = F
1
{H()} (2.94)
24
!
"
#$%& '$%&
Figure 2.3 ltre analogique RC
Linformation sur le ltre est contenue soit dans la reponse impulsionnelle h(t), soit dans la
fonction de transfert H() qui sont deux representations dune meme chose, lune dans lespace
des temps, lautre dans lespace des frequences. Selon, le problème, il est plus interessant de
travailler avec lune ou lautre de ces representations.
Nous allons voir brièvement quelques ltres dont les caracteristiques sont frequentielles.
Exemple 5 (Filtre passe-bas du premier ordre.)
On considère le ltre analogique produit par le circuit RC presente à la gure 2.4.2. On
note e(t) la tension ` a lentree du circuit, s(t) la tension ` a la sortie du circuit. Lentree et
la sortie du circuit sont reliees par la formule suivante :
e(t) = RC
ds(t)
dt
+ s(t). (2.95)
Dans la suite pour alleger les notations on pourra poser = RC
1. Calculer la transformee de Fourier de lequation 2.95.
2. En deduire la fonction de transfert

H() du ltre analogique.
3. Tracer lallure du gain en frequences log(|H()|).
4. Comment peut-on qualier ce ltre ?
La transformee de Fourier de lequation du ltre secrit :
e() = RCi s() + s().
On deduit de cette expression la fonction de transfert du ltre :
H() =
s()
e()
=
1
1 + i
Letude de la fonction de transfert est generalement eectue sur la fonction log(|H()|). En
eet, lutilisation du logarithme permet detudier une grande gamme de frequences tout en
25
!6 !5 !4 !3 !2 !1 0 1 2 3 4 5
!3
!2
!1
0
1
2
3
4
5
l og()
l
o
g
(
|
H
(
)
|
)
Figure 2.4 Gain en frequence du ltre de la gure 2.4.2
gardant une representation compacte, de transformer les produits en somme et les puissances
en produit. Cette fonction peut-etre etudiee par une etude asymptotique :
1. si >> 1/, alors log(|H()|) log(),
2. si << 1/, alors log(|H()|) 0
Lallure de log(|H()|) et ses asymptotes sont presentees à la gure 2.4.2. On constate que si
on multiplie une entree e() par la fonction H(), la partie du spectre comprise entre 0 et 1/
ne sera pas aecte alors que celle superieure ` a 1/ va etre attenuee. Par consequent, laction
de ce ltre est de laisser passer les informations basse-frequences, et de couper les hautes
frequences. Le ltre de cet exemple est appele ltre passe-bas.
La forme de H() peut bien-s ur etre aussi complexe quon veut. Cependant, on a tendance
` a classer les ltres daprès la forme de cette fonction. Generalement, on distingue les ltres
suivants :
ltre passe-bas ;
ltre passe-haut ;
ltre passe-bande ;
ltre coupe-bande (ou rejecteur) ;
Comme nous venons de le voir, la notion de ltrage par lutilisation de la fonction de
transfert est importante pour les signaux continus. Dans la suite du cours, nous verrons quelle
lest tout autant dans le cas des ltres numeriques pour lesquelles il y a une plus grande liberte
26
pour synthetiser (fabriquer) des fonctions de transfert.
2.5 Rappels sur les transformees de Laplace
La partie precedente a permis de mettre en place le formalisme des transformees de Fou-
rier. Cette transformee est bien adpatee aux problèmes impliquant des fonctions denies (et
integrables) de moins linni ` a plus linni. Cependant, il existe dautres problèmes avec des
conditions initiales du type à t=0, ... qui ne sont pas bien decrits par la transformee de
Fourier. On utilise alors la transformee de Laplace.
2.5.1 La Transformee de Laplace
Denition 2.5.1 (La transformee de Laplace)
On appelle transformee de Laplace de la fonction f(t), la fonction F(p) denie par :
F(p) =
_
+
0
f(t)e
pt
dt (2.96)
Theorème 2.5.1
Si f(t) est ne fonction integrable sur tout intervalle ni de laxe des reels et qui ne diverge
pas en norme ` a linni plus vite quune exponentielle de type e
ct
(avec c R).
Alors sa transformee de Laplace existe pour tout p C dont la partie reelle est plus
grande que c (Re(p) > c)
Demonstration : la demonstration decoule naturellement des hypothèse de lenonce du theorème.
Dans ce cours, la transformee de Laplace sera notee indieremment F(p) = L(f(t)) =
TL(f(t)).
Exemple 6 (Transformee de Laplace de la fonction Heaviside)
Calculons la transformee de Laplace de la fonction de Heaviside.
h(t) =
_
0 si t < 0,
1 si t 0.
Daprès la denition 2.96 la transformee de Laplace de la fonction de Heaviside est :
H(p) =
_
+
0
e
pt
dt,
=
_
e
pt
p
_
+
0
,
=
1
p
.
27
Theorème 2.5.2 (Transformee de Laplace inverse)
Soit f(t) une fonction admettant une transformee de Laplace F(p). Soit un nombre reel
plus grand que la partie reelle de tous les points o` u F(p) est singulière.
Alors la transformee de Laplace inverse sobtient par lexpression suivante :
f(t) =
1
2
_
+i
i
F( + i)e
(+i)t
d (2.97)
Demonstration : ADMIS
En pratique, on calcule rarement les transformees de Laplace directe ou inverse. On utilise
des tables dans lesquelles, les fonctions usuelles et leur transformee ont ete compilees (cf
tableau 2.1)
f(t) F(p)
f(t) =
_
0 si t < 0,
1 si t 0.
1
p
f(t) =
_
0 si t < 0,
t si t 0.
1
p
2
f(t) =
_
0 si t < 0,
e
at
si t 0.
1
p+a
f(t) =
_
0 si t < 0,
te
at
si t 0.
1
(p+a)
2
f(t) =
_
0 si t < 0,
1
a
sin(at) si t 0.
1
p
2
+a
2
f(t) =
_
0 si t < 0,
cos(at) si t 0.
p
p
2
+a
2
f(t) =
_
0 si t < 0,
erfc(
k
2
(t)
) si t 0.
1
p
e
k
p
Table 2.1 Quelques exemples de transformees de Laplace
La transformee de Laplace dune combinaison lineaire des fonctions f et g est la combinai-
son lineaire des transformees de Laplace des fonctions f et g :
L{af(t) + bg(t))} = aF(p) + bG(p). (2.98)
28
Cette propriete permet de decouper les expressions quand on calcule la transformee de La-
place dune equation.
Demonstration :
L{af(t) + bg(t))} =
_
+
0
(af(t) + bg(t)) exp[pt]dt (2.99)
= p
_
+
0
af(t) exp[pt]dt +
_
+
bg(t) exp[pt]dt (2.100)

= aF(p) + bG(p). (2.101)
Propriete 2.5.4 (derivation)
L
_
df
dt
_
= pF(p) f(0) (2.102)
Nous utiliserons beaucoup cette propriete dans la suite car elle permet de passer dune expres-
sion faisant apparatre des derivees à une expression de type polynome en p.
Demonstration :
L
_
df
dt
_
=
_
+
0
df
dt
exp[pt]dt (2.103)
=
_
_
f(t)e
pt
+
0

_
+
0
f(t)
_
pe
pt
_
_
dt (2.104)
= f(0) + p
_
+
0
f(t) exp[pt]dt (2.105)
= pF(p) f(0) (2.106)
Ce resultat setend sans diculte aux derivees dordre superieur :
Propriete 2.5.5 (derivee dordre superieur)
L
_
d
n
f
dt
n
_
= p
n
F(p) p
n1
f(0) p
n2
f
(0) ...
d
n1
f
dt
n1
(0) (2.107)
Propriete 2.5.6 (integration)
L
__
t
0
f(u)du
_
=
1
p
F(p) (2.108)
Demonstration :
L
__
t
0
f(u)du
_
=
_
+
0
_
t
0
f(u)duexp[pt]dt (2.109)
=
__
+
0
f(u)du
e
pt
p
_
+
0
_
+
0
f(t)
e
pt
p
dt (2.110)
=
1
p
F(p) (2.111)
29
Propriete 2.5.7 (decalage dans le temps)
Un decalage dune quantite t
0
dans lespace des temps correspond ` a multiplier la fonction
F(p) par e
pt
0
dans lespace de Fourier :
L{f(t t
0
)h(t t
0
)} = e
pt
0
F(p) (2.112)
Propriete 2.5.8 (Produit de convolution)
La transformee de Laplace dun produit de convolution de deux fonctions f et g est le
produit simple des transformees de Laplace :
L{f(t) g(t)} = F(p)G(p) (2.113)
30
Chapitre 3
Du continu au discret
3.1 Filtres lineaires, invariants par translation dans le
temps pour les signaux numeriques
Dans le chapitre dintroduction, nous avons presentes les ltres lineaires, invariants par
translation dans le temps essentiellement pour les signaux continus. Dans ce chapitre, nous
presentons lequivalant de ces ltres pour les signaux numeriques. Nous introduisons egalement
les concepts de convolution discrète, de stabilite et causalite des ltres.
Filtre numerique
Nous notons un signal numerique de la facon suivante x[n], o` u n designe le n
ième
echantillon
du signal x. En fait, x[n] est une suite de nombres indexes par lentier n. On appellera
ltre numerique, tout dispositif qui fait correspondre ` a un signal dentree numerique
x[n] un signal de sortie numerique y[n] :
x[n] F y[n]
Filtre numerique lineaire
On considère un ltre F qui agit de la facon suivante :
x
1
[n] F y
1
[n]
x
2
[n] F y
2
[n]
On dira que F est un ltre lineaire si ` a une combinaison lineaire en entree x
1
[n] +x
2
[n]
correspond la meme combinaison lineaire des signaux de sortie : y
1
[n] + y
2
[n]
x
1
[n] + x
2
[n] F y
1
[n] + y
2
[n].
Filtre numerique invariant par translation dans le temps
On dira que F est un ltre numerique invariant par translation dans le temps si pour
une entree x[n] et une sortie y[n] (x[n] F y[n]), on a la propriete suivante :
x[n n
0
] F y[n n
0
]
Cette propriete traduit le fait qui si on decale lentree dune quantite n
0
, la sortie reste
la meme mais elle subit le meme decalage : le ltre est donc invariant par translation
dans le temps.
31
On a vu dans le chapitre dintroduction quun ltre lineaire, invariant par translation
dans le temps est regi par une equation de convolution. On denit pour cela le produit de
convolution discret :
Denition 3.1.1 (produit de convolution discret)
Soient u[n] et v[n], deux signaux numeriques, le produit de convolution discret entre ces
deux signaux est deni par loperation :
u[n] v[n] =
+
m=
u[m]v[n m]
On montre que ce produit de convolution a les memes proprietes que son equivalent continu.
Propriete 3.1.1 (Commutation du produit de convolution discret)
u[n] v[n] = v[n] u[n] =
+
m=
u[m]v[n m] =
+
m=
u[n m]v[m]
Demonstration :
u[n] v[n] =
+
m=
u[m]v[n m]
On pose j = n m, en faisant ce changement dans lexpression ci-dessus :
u[n] v[n] =
j=
j=+
u[n j]v[j]
Denition 3.1.2 (Equation de convolution dun ltre numerique LIT)
Un ltre numerique LIT est regi par lequation de convolution suivante :
y[n] = h[n] x[n] =
+
m=
h[m]x[n m] (3.1)
o` u x[n] et y[n] sont respectivement lentree et la sortie du ltre et h[n] est la reponse
impulsionnelle du ltre.
32
La reponse impulsionnelle dans ce cas est la reponse du ltre ` a une entree de type :
x[n] = 0 si n = 0 et x[n = 0] = 1. En eet daprès la relation 3.1 :
y[n] =
+
m=
h[m]x[n m], (3.2)
=
+
m=
h[n m]x[m], (3.3)
=
+
m=
h[n 0]x[0], (3.4)
= h[n], (3.5)
pour cette entree particulière. Cette entree impulsion est la version discrète de la fonction
generalisee de Dirac, on la note [n] = 0 si n = 0 et x[n = 0] = 1.
Denissons ` a present les notions de causalite et de stabilite pour les ltre numeriques :
Denition 3.1.3 (causalite dun ltre numerique LIT)
Un ltre numerique LIT est dit causal si la sortie y[n
0
] ne depend que des entrees aux
indices n n
0
Propriete 3.1.2 (causalite dun ltre numerique LIT)
Une condition pour quun ltre numerique LIT soit causal est que h[n] = 0 pour n 0.
Demonstration : Lequation du ltre numerique LIT est :
y[n] = h[n] x[n] =
+
m=
h[m]x[n m]
developpons cette equation :
y[n] = ... + h[2]x[n + 2] + h[1]x[n + 1] + h[0]x[n] + h[1]x[n 1] + h[2]x[n 2] + ...
Cette relation montre que la denition de la causalite sera respectee si h[n] = 0 pour n < 0.
Denition 3.1.4 (stabilite dun ltre numerique LIT)
Un ltre numerique LIT est dit stable si à toute entree bornee x[n] correspond une sortie
bornee y[n].
Propriete 3.1.3 (stabilite dun ltre numerique LIT)
Une condition necessaire et susante pour que le ltre soit stable est que :
+
m=
|h[n]| < +
33
Demonstration : Demontrons que la condition est necessaire :
Pour cela, on choisit un cas particulier comme signal dentree : x[n] = 1 si h[n] 0 et
x[n] = 1 si h[n] < 0. Remarquons que ce signal particulier est borne. Si le système est
stable, la sortie correspondante doit donc etre bornee. Le ltre etant un ltre numerique LIT,
la sortie est reliee à lentree par la relation :
y[n] = h[n] x[n] =
+
m=
h[m]x[n m]
pour n = 0, on a :
y[0] =
+
m=
h[m]x[m] =
+
m=
h[m]x[m]
compte tenu de lhypothèse sur le signal dentree :
y[0] =
+
m=
|h[m]|
par consequent, il est necessaire que
+
m=
|h[m]| < + pour que la sortie du système soit
bornee.
Montrons à present que cette condition est susante. Considerons une entree bornee :
|x[n]| < M
Alors daprès la relation liant y[n] et x[n] :
|y[n]|
+
m=
|h[m]||x[n m]| M
+
m=
|h[m]|
Par consequent, cette condition est susante pour que le ltre soit stable.
Les resultats de ce chapitre mettent en evidence que les proprietes du ltre numerique sont
contenus dans sa reponse impulsionnelle. La synthèse de ltre numerique se fait donc en
construisant de facon adequate la reponse impulsionnelle ou son equivalent dans lespace
frequentiel la fonction de transfert. Dans la partie suivante nous etudions leet de lechantillonnage
sur les signaux numeriques. Les deux chapitres suivants seront respectivement consacres ` a
letude des ltres numeriques du point de vue frequentiel et du point de vue temporel.
3.2 Echantillonnage
3.2.1 Theorème de lechantillonnage
Lechantillonnage est loperation qui permet de passer dun signal ` a temps continu à un
signal à temps discret. Soit x(t) le signal à temps continu et x
E
[n] les echantillons preleves à
des temps reguliers (toutes les T secondes). Ces deux quantites sont reliees en considerant que
le signal echantillonne est obtenu en multipliant le signal continu par un peigne de Dirac (Eq
2.4) :
34
x
E
[n] = x(t). (t T) = x(t).
+
n=
(t nT). (3.6)
Calculons la transformee de Fourier de cette relation. On note X(f) la transformee de Fourier
de x(t) et X
E
(f) la transformee de Fourier de x
E
(t) :
X
E
(f) = F
_
x(t).
+
n=
(t nT)
_
. (3.7)
Daprès la propriete 2.4.5, la transformee de Fourier dun produit simple dans le temps est le
produit de convolution des transformees de Fourier :
X
E
(f) = X(f) F
_
+
n=
(t nT)
_
. (3.8)
Daprès la propriete 2.4.9, la transformee de Fourier du peigne de Dirac est aussi un peigne
de Dirac :
X
E
(f) = X(f)
1
T
+
n=
(f
n
T
) (3.9)
Compte tenu des proprietes de la fonction generalisee de Dirac, le produite de convolution
apparaissant dans cette formule se calcule simplement :
X
E
(f) =
1
T
+
n=
X(f
n
T
). (3.10)
Ainsi le spectre de la fonction echantillonnee est composee de la superposition du spectre de
la fonction continue decale de n/T.
De cette dernière relation, on tire les conclusions suivantes :
le spectre de la fonction continue est le motif elementaire permettant de construire le
spectre de la fonction echantillonnee ;
si le spectre de la fonction continue est tel que |X(f)| = 0 si f > f
c
et que 1/(2T) > fc,
alors les deux spectres concident dans la plage de frequence = [
f
e
2
,
f
e
2
] (f
e
= 1/T est
la frequence dechantillonnage) ;
f
c
est la frequence de coupure du spectre de la fonction continue, cest la frequence
maximale pour lequel le spectre nest pas nul, si f
c
= alors lallure du spectre est un
passe bas ;
Ces remarques permettent detablir le theorème de lechantillonnage :
Soit x(t) un signal continu dont le spectre est tel que |X(f)| = 0 si f > f
c
, la
frequence dechantillonnage f
e
= 1/T doit respecter linegalite suivante pour que
le signal ne soit pas altere : f
e
2f
c
Examinons ` a present dierents scenarios pour un signal remplissant les conditions men-
tionnees ci-dessus :
35
!1000 !800 !600 !400 !200 0 200 400 600 800 1000
0
100
200
300
400
500
600
700
800
900
1000
f
X
(
f
)
!1000 !800 !600 !400 !200 0 200 400 600 800 1000
0
100
200
300
400
500
600
700
800
900
1000
f
X
(
f
)
!1000 !800 !600 !400 !200 0 200 400 600 800 1000
0
100
200
300
400
500
600
700
800
900
1000
f
X
(
f
)
!1000 !800 !600 !400 !200 0 200 400 600 800 1000
0
100
200
300
400
500
600
700
800
900
1000
f
X
(
f
)
Figure 3.1 Eet de lechantillonnage sur le spectre : (a) spectre analogique (fonction conti-
nue), (b) f
c
= f
e
/2, (c) f
e
/2 < f
c
, (d)
f
e
2
> f
c
1. si f
e
= 2f
c
alors le signal est correctement echantillonne meme si limpression visuelle
peut laisser penser le contraire (cf paragraphe sur la reconstruction) ;
2. si
f
e
2
< f
c
alors le signal est sous-echantillone, le spectre dans la bande de frequences
[
f
e
2
,
f
e
2
] est modie, on dit quil y a repliement du spectre (cf exemple ci-dessous) ;
3. si
f
e
2
> f
c
le signal sera bien echantillonne, cependant la frequence dechantillonnage est
plus grande que necessaire : on parle de sur-echantillonnage.
3.3 Reconstruction du signal à partir de la suite des
echantillons
Lobjectif de ce paragraphe est de voir comment reconstruire x(t) ` a partir des echantillons
x(nT) = x[n].
Pour cela, on part de la relation 3.10 reliant le spectre de la fonction echantillonnee ` a celui
de la fonction continue. Sous reserve davoir echantillonne le signal correctement (f
e
2f
c
),
36
on constate que :
X(f) = X
E
(f).rect
(f
e
/2;f
e
/2)
(f). (3.11)
On peut donc reconstruire le spectre de la fonction continue en appliquant au spectre de la
fonction echantillonnee un ltre de gain 1 (rect
(f
e
/2;f
e
/2)
(f)) dans la bande de frequences
(f
e
/2; f
e
/2) et 0 ailleurs. En prenant la transformee de Fourier inverse de cette expression,
on obtient
F
1
{X(f)} = x(t) = F
1
{X
E
(f).rect
(f
e
/2;f
e
/2)
(f)} (3.12)
Comme nous lavons dej` a vu, la transformee de Fourier dun produit simple est equivalente
au produit de convolution des transformees de Fourier :
x(t) = F
1
{X
E
(f)} F
1
{rect
(f
e
/2;f
e
/2)
(f)} (3.13)
Calculons la transformee de Fourier inverse de la fonction porte :
F
1
{rect
(f
e
/2;f
e
/2)
(f)} =
_
+
rect
(f
e
/2;f
e
/2)
(f)e
i2ft
df (3.14)
=
_
+f
e
/2
f
e
/2
e
i2ft
df (3.15)
=
_
e
i2ft
i2t
_
f
e
/2
f
e
/2
(3.16)
=
sin(f
e
t)
t
(3.17)
Injectons cette dernière expression dans le produit de convolution :
x(t) =
_
x(t).
+
n=
(t nT)
_
_
sin(f
e
t)
t
_
(3.18)
=
_
+
x(u).
+
n=
(u nT)f
e
sin
c
(f
e
(t u))du (3.19)
= f
e
+
n=
_
+
x(u) sin
c
(f
e
(t u))(u nT)du (3.20)
= f
e
+
n=
x(nT) sin
c
(f
e
(t nT)) (3.21)
(3.22)
Cette dernière formule permet de reconstruire le signal continu x(t) ` a partir des echantillons
x(nT). Il sagit en fait dune interpolation entre les echantillons. Mais cette interpolation assure
de reconstruire le signal continu parfaitement.
37
3.4 Quantication
Nous naborderons pas dans ce cours la notion de quantication. Nous retiendrons seule-
ment que la quantication resulte de lechantillonnage sur un certains nombre de niveaux (bits)
du signal. Toutefois, on voit que cette expression necessite le calcul dun produit de convolu-
tion. En pratique, le calcul de x(t) se fait par interpolation entre les echantillons (interpolation
lineaire, quadratique, spline, ...), ce qui a pour consequence de degrader linformation et de ne
pas reconstruire exactement la fonction continue.
38
Chapitre 4
Filtrage frequentiel
Nous avons dans les chapitres precedents que laction dun ltre LIT se resume ` a multiplier
le spectre de lentree du ltre par la fonction de transfert pour obtenir la sortie : s() =
H() e(). Nous savons egalement que laction de discretisation pour passer dun signal continu
` a un signal numerique nest pas anodine. Elle est accompagnee dun certains nombres de
phenomènes à prendre en compte (cf. Chapitre sur lechantillonnage). Ce chapitre est consacre
` a letude des transformees de Fourier pour les signaux numeriques et lapplication de cet outil
au ltrage des signaux numeriques. On commence par presenter les transformees de Fourier ` a
temps discret (TFTD) puis on sinteresse au cas des transformees de Fourier discrètes (TFD).
Enn, on appliquera la TFD à la realisation de ltres numeriques.
4.1 La Transformee de Fourier à Temps Discret
Lorsquon travaille avec des fonctions echantillonnees, on ne peut plus utiliser la trans-
formee de Fourier qui est un outil dedie aux fonctions continues. Pour cela, on introduit la
Transformee de Fourier ` a Temps Discret (TFTD).
Denition 4.1.1 (Transformee de Fourier à Temps Discret)
On appelle TFTD de x[n], la fonction X() telle que :
X() =
n=+
n=
x[n]e
2in
(4.1)
avec = f/F
e
la frequence reduite, f la frequence en Hertz, et F
e
la frequence dechantillonnage
(F
e
= 1/T o` u T est le pas de temps entre deux echantillons).
Cette denition appelle plusieurs remarques :
est une variable continue (pas dechantillons) ;
x[n] est un signal numerique (echantillons) ;
X() est une fonction continue ;
X() est une fonction periodique de periode 1 : X( + 1) = X() ;
en general, on restreint la representation de X() sur lintervalle [0, 1[ ou [
1
2
;
1
2
[
39
Daprès cette denition, on constate que la TFTD est en fait la decomposition en serie
de Fourier de la fonction X() (sous sa forme complexe, cf prop. 2.3.4). Les coecients de la
decomposition permettent de calculer les x[n] à partir des X() :
x[n] =
_
1/2
1/2
X()e
2in
d (4.2)
Cette formule permet de denir la TFTD inverse. Cette formule est coherente avec le
chapitre sur lechantillonnage puisquon retrouve quune suite de valeurs discrètes en temps
correspond à une fonction continue mais periodique en frequences.
Le lien entre la TFTD et la TFTC (Transformee de Fourier à Temps Continu - Trans-
formee de Fourier classique) est donne par le theorème de lechantillonnage :
x(t) TFTC
X(f) (4.3)
x
e
[n] TFTD
X
e
() = X
e
(f) (4.4)
Daprès le theorème de lechantillonnage :
X
e
(f) =
1
T
+
n=
X
_
f
n
T
_
(4.5)
= F
e
+
n=
X (F
e
nF
e
) (4.6)
X
e
() = F
e
+
n=
X (F
e
( n)) (4.7)
(4.8)
Cette dernière formule fait apparatre explicitement le lien entre TFTC et TFD. La TFTD
sobtient ` a partir de la TFTC en eectuant les operations suivantes :
on normalise la TFTC par le facteur F
e
;
on periodise la fonction avec la periode 1 ;
on divise laxe des frequences par F
e
.
On obtient la TFTC ` a partir de la TFTD en faisant les operations suivantes :
On normalise par le facteur T ;
on multiplie laxe des frequences par F
e
;
on limite la bande de frequences.
La TFTD apparat comme loutil naturel pour les signaux ` a temps discrets. Tout comme la
TFTC, la TFTD possède les proprietes de linearite, translation dans le temps et de convolution.
Propriete 4.1.1 (Linearite de la TFTD)
x
1
[n] + x
2
[n] TFTD
X
1
() + X
2
()
Propriete 4.1.2 (Translation dans le temps- dephasage)
x[n n
0
] TFTD
X()e
2in
0
40
Propriete 4.1.3 (Theorème de convolution)
La TFTD du produit de convolution discret (denition 3.1.1) de deux signaux numeriques
est le produit des deux TFTD :
x[n] y[n] TFTD
X()Y ()
4.1.1 La Transformee de Fourier Discrète
La TFTD vue dans la partie precedente, ne peut pas etre calculee sur ordinateur car cest
une fonction continue. Lutilisation de calculateur impose dintroduire un nouvel outil qui ne
sappliquerait quaux signaux discrets tel que :
x[n] TFD
X[k]
o` u x[n] est une suite dechantillons en temps (n indice les temps) et X[k] une suite
dechantillons en frequences (k indice les frequences). Pour cela, il faut discretiser les va-
riables continues temps et frequences. On decoupe alors laxe des temps en N echantillons
regulièrement repartis et on divise laxe des frequences en K echantillons :
discretisation de laxe des temps : n [0, N 1], T = 1/F
e
, t[n] = nT et t [0; t
+
T]
discretisation de laxe des frequences : k [0; K1], = 1/K, [k] = k et [0; 1[
Denition 4.1.2
TFD : Transformee de Fourier Discrète
On appelle Transformee de Fourier Discrète la transformation reliant les suites x[n] et
X[k] :
X[k] =
N1
n=0
x[n]w
nk
K
(4.9)
o` u w
K
= e
2i
K
Denition 4.1.3
TFD inverse : Transformee de Fourier Discrète inverse
On appelle Transformee de Fourier Discrète inverse , la transformation reliant les suites
X[k] et x[n] :
x[n] =
1
N
K1
k=0
X[k]w
nk
K
(4.10)
o` u w
K
= e
2i
K
On voit les similitudes avec la TFTD en ecrivant la formule ci-dessus de fa con developpee :
X[k] =
N1
n=0
x[n]e
2ink
K
,
on constate que par rapport ` a la TFTD :
41
on modie les bornes de la somme (tout se passe comme si on multiplie x[n] par la
fonction porte) ;
on discretise laxe des frequences (on prelève des echantillons sur laxe des frequences)
w
K
= e
2i
K
est une racine K
ième
de lunite.
La TFD apparait comme etant la TFTD calcule en un point particulier : = k/K car dans
ce cas X[k] = X(). Par consequent, la TFD est loutil numerique permettant de calculer de
facon operationnelle la Transformee de Fourier à Temps Discret. Cette propriete est essentielle
et justie le fait quon utilise la TFD pour calculer la TFTD. On fait ensuite le lien entre
TFTD et TFTC avec les relations exposees au paragraphes precedent.
En pratique, pour le calcul de la TFD, on sarrange pour que le nombre dechantillons
frequentiels soit superieur au nombre dechantillons temporels : K N. On vient ensuite
completer les echantillons temporels par des zeros de sorte que les calculs sont faits pour K
points en temps et en frequences :
x
2
[n] =
_
x[n] si n N 1,
0 si K 1 n N.
(4.11)
En eet, on montre que les TFD de x[n] et de x
2
[n] sont egales dans ce cas :
X
2
[k] =
K1
n=0
x[n]w
nk
K
(4.12)
=
N1
n=0
x[n]w
nk
K
(4.13)
= X[k]. (4.14)
Cette operation sappelle faire du zero padding.
Tout comme la TFTC et la TFTD, la Transformee de Fourier discrète possède certaines
proprietes :
Propriete 4.1.4
Linearite de la TFD
x
1
[n] + x
2
[n] TFD
X
1
[k] + X
2
[k]
Propriete 4.1.5 (Translation dans le temps- dephasage)
x[n n
0
] TFD
w
n
0
k
K
X[k]
Le theorème de convolution existe egalement pour cette transformee. Toutefois, comme
nous lavons vu, le nombre dechantillons composant les signaux (en temps ou en frequence)
est limite. Par consequent, le produit de convolution discret tel que deni par la relation 3.1.1
na plus de sens. Il faut denir un nouveau produit de convolution.
Denition 4.1.4
Produit de convolution circulaire On appelle produit de convolution circulaire loperation
42
entre les signaux x[n] et y[n] avec n [0; N 1] telle que :
z[n] =
N1
p=0
x[p]y[n p] (4.15)
o` u les indices sont calcules modulo N
Rappel sur la notation modulo :
Loperation modulo N consiste à faire une permutation circulaire des indices. Soit la suite
x[n] telle que x[n] = {x[1], x[2], x[3], x[4]}. On a donc N = 4. Si les proprietes ou resultats
sappliquant ` a la suite x[n] sont dits modulo N cela signie que la suite notee x[n 2] est
x[n 2] = {x[3], x[4], x[1], x[2]}.
Propriete 4.1.6
Theorème de convolution pour la TFD
x[n] y[n] TFD
X()Y ()
o` u les indices sont calcules modulo N
La FFT La FFT ou Fast Fourier Transform est un algorithme de calcul rapide de la
Transformee de Fourier discrète. Cest cet algorithme introduit en 1965 par Cooley et Tuckey
qui est utilise (avec des versions plus ou moins optimisee) dans la plus part des logiciels fai-
sant appel aux transformees de Fourier. Son succès repose sur le fait quil necessite N log N
operations alors quun calcul classique de la TFD requiert N
2
operations (si N = 1024 alors
N log N 3083 operations et N
2
= 1048576 operations). Notons que la plupart des algo-
rithmes de FFT necessite de travailler avec un nombre dechantillons egal ` a un puissance de
2 (N = 2, 4, 8, 16, 32, 64, 128, 512, 1024, 2048, ...). Pour atteindre ce nombre dechantillons on a
recours à lutilisation de la technique de zero-padding exposee precedemment.
4.1.2 Resolution et precision
La resolution et la precision sont deux notions distinctes :
la resolution est la capacite ` a separer deux frequences proches lune de lautre ;
la precision est la capacite de calculer la frequence exacte dun pic.
Exemple 7
FFT et resolution spectrale
Cet exemple est tire de Signal deterministe et aleatoire de A. Quinquis (ex SD20).
On veut calculer la FFT dun signal avec une resolution dau moins 5 Hz. On suppose que
le spectre du signal analogique ne contient pas de frequence au dessus de 1.25kHz
1. Quelle est la valeur minimale de la frequence dechantillonnage ?
2. Quel est alors le nombre de points contenu dans le signal ?
3. Pour cette valeur de la frequence dechantillonnage, quelle est la duree minimale du
signal à traiter ?
4. Faut-il faire du zero-padding si on dispose de signaux de duree :
43
!"#$%& ()*)+)
x[n]
y[n]=h[n]*x[n]
X[k]
Y[k]=H[k]X[k]
h[n]
H[k]
temporel
frquentiel
Figure 4.1 Illustration du processus de ltrage
(a) T
tot
= 150ms,
(b) T
tot
= 300ms.
Elements de reponse :
1. La frequence dechantillonnage minimale est : F
e
= 2F
M
= 2 1.25kHz= 2.5kHz.
2. Pour que la resolution spectrale soit f = 5Hz avec une frequence dechantillonnage
F
E
= 2.5kHz, le nombre de points est : F = F
E
/N soit N = F
E
/F, N = 500
points.
3. la duree du signal est donc : T
tot
= NT = N/F
E
= 500/2500 = 0.2s
4. (a) Si la duree du signal est de 150ms alors il possède que 375 echantillons, ce
qui nest pas susant pour obtenir la resolution spectrale demandee : F =
F
E
/N = 6, 66Hz, et ce meme en faisant du zero-padding (il faut soit diminuer
la frequence dechantillonnage (risque de repliement) ou augmenter la periode
dacquisition.
(b) Si la duree du signal est de 300ms, le nombre dechantillons N = 750 est suf-
sant. On fera du zero-padding pour atteindre un nombre dechantillon egal ` a
1024.
4.1.3 Application au ltrage des signaux numeriques
La TFD et les algorithmes de FFT qui en sont issus sont des elements essentiels du trai-
tement des signaux numeriques. En eet, ils permettent de faire des operations de ltrage
dans lespace frequentiel de manière aisee et très versatile. Le schema 4.1.3 illustre la sim-
plicite du ltrage frequentiel. En eet, laction de ltrage dans le domaine frequentiel revient
` a choisir une forme adaptee au ltre numerique, i.e. à construire une fonction H() dont les
caracteristiques repondent au problème. Il sut ensuite de multplier le spectre du signal à
traiter par cette fonction pour obtenir le resultat souhaite. Cette souplesse dutilisation est à
comparer aux ltrages des signaux analogiques, pour lesquels le plus souvent, les ltres sont
construits à partir de module de bases (resistance, inductance, capacite) qui ne permettent
pas une synthèse du ltre aussi simple.
44
Des exemples dapplication seront vus en TD et en TP.
45
Chapitre 5
Filtrage temporel
Ce chapitre est consacre au ltrage temporel. On appelle ici ltrage temporel, un ltre qui
va agir directement sur le signal dentree par une equation recurrente (combinaison lineaire
des echantillons dentree x[n] et de sortie y[n]).
5.1 Equation recurrente
Dans les parties precedentes, nous avons vu que laction dun ltre lineaire et invariant
par translation dans le temps est caracterisee par loperation de convolution entre lentree du
ltre et la reponse impulsionnelle du ltre : y[n] = x[n] h[n].
Un cas particulier de la relation de convolution est lorsque la relation entree/sortie du
système secrit :
y[n] + a
1
y[n 1] + ... + a
P
y[n P] = b
0
x[n] + b
1
x[n 1] + ... + b
N
x[n N] (5.1)
Cette formulation est appelee equation recurrente. On justiera plus loin quelle nest quun
cas particulier. On peut constater que cette formulation permet de determiner la sortie du
ltre en appliquant un certain nombre de combinaisons lineaires. Cest ce qui va etre la base
du ltrage temporel.
Generalement, on distingue deux classes de ltres :
les ltres RII (ltres ` a Reponse Impulsionnelle Innie) qui sont caracterises par une
equation recurrente du type 5.1,
les ltres RIF (ltres à Reponse Impulsionnelle Finie) qui sont caracterises par une
equation recurrente dans laquelle a
p
= 0 avec p [1, P] : y[n] = b
0
x[n] + b
1
x[n 1] +
... + b
N
x[n N].
Pour les ltres RIF, la relation entre equation recurrente et relation de convolution est
immediate puisque y[n] =
k=N
k=0
b
k
x[nk], on a identication immediate entre les coecients
b
n
et la reponse impulsionnelle h[n] : h[n] = b
n
. Le nombre de coecients b
n
etant ni, il en est
de meme pour le nombre dechantillons composants la reponse impulsionnelle, ce qui justie
la terminologie (RIF) employee pour ces ltres.
Pour le moment, il est dicile de dire quoi que ce soit sur ce type de ltre (RII ou RIF).
Letude du ltrage temporel va etre facilite par lintroduction dun nouvel outil : la transformee
en z.
46
Figure 5.1 Illustration du domaine de convergence en forme de couronne dans le plan
complexe pour la transformee en Z
5.2 La transformee en Z
5.2.1 Denition et premiers exemples
Denition 5.2.1 (La transformee en z)
On appelle transformee en z du signal discret x[n], la fonction complexe :
X(z) =
+
n=
x[n]z
n
,
avec z C tel que R
1
< |z| < R
2
.
Daprès la denition, le domaine de convergence de cette serie est une couronne dans le plan
complexe. Les valeurs de R
1
et R
2
dependent bien entendu de x[n].
47
Exemple 8 (TZ de la fonction impulsion)
On rappelle que :
[n] =
_
1 si n = 0,
0 sinon.
48
Par consequent,
TZ([n]) =
+
n=
[n]z
n
= 1
Le domaine de convergence de la transformee en z de la fonction impulsion est donc C.
Exemple 9 (TZ de la fonction echelon (ou fonction de Heavyside))
On rappelle que :
u[n] =
_
1 si n 0,
0 sinon. .
Par consequent,
TZ(u[n]) =
+
n=
u[n]z
n
=
+
n=0
z
n
En restreignant letude aux cas o` u |z| > 1 on obtient :
U(z) =
1
1 z
1
=
z
z 1
Pour etablir ce resultat on a utilise la propriete de sommation des series geometriques :
S
M
=
M
n=0
ax
n
= a
1 x
M+1
1 x
, avec x C ou x R
Denition 5.2.2 (Zeros et Poles)
Les points tels que X(z) = 0 sont appeles les zeros.
Les points tels que X(z) + sont appeles les poles.
La transformee en Z dune combinaison lineaire et la combinaison lineaire des transformees
en Z :
TZ(ax[n] + by[n]) = aX(z) + bY (z) (5.2)
49
Demonstration :
TZ(ax[n] + by[n]) =
=
+
n=
(ax[n] + by[n])z
n
= a
+
n=
x[n]z
n
+ b
+
n=
y[n]z
n
= aX(z) + bY (z)
Propriete 5.2.2 (Decalage)
Loperation de decalage de n
0
indices dans le domaine temporel est equivalent ` a multiplier
la transformee en Z par z
n
0
dans le plan complexe :
TZ(x[n n
0
]) = z
n
0
X(z) (5.3)
Demonstration :
TZ(x[n n
0
]) =
=
+
n=
x[n n
0
]z
n
=
+
p=
x[p]z
(p+n
0
)
= z
n
0
+
p=
x[p]z
p
= z
n
0
X(z)
Propriete 5.2.3 (Transformee en z inverse)
Soit un contour ferme contenant tous les points singuliers de X(z) ainsi que lorigine.
Les echantillons x[n] peuvent se deduire de la fonction X(z) par la relation :
x[n] =
1
2i
_
z
n1
X(z)dz (5.4)
Propriete 5.2.4 (Produit de convolution)
Soit la relation de convolution :
y[n] =
k
x[k]h[n k],
50
la transformee en Z de cette relation est alors :
Y (z) = H(z)X(z) (5.5)
Propriete 5.2.5 (Produit simple)
Soit la suite y[n] denie comme le produit des suites x
1
[n] et x
2
[n] :
y[n] = x
1
[n].x
2
[n],
la transformee en Z de cette relation est alors :
Y (z) =
1
2i
_
X
1
(u)X
2
_
Z
u
_
du. (5.6)
Propriete 5.2.6 (Relation entre la TZ et la TFTD)
Daprès la denition de la TZ (def. 5.2.1), la TFTD est un cas particulier de la TZ pour
lequel z = e
2i
, i.e. lorsquon parcourt le cercle unite |z| = 1.
5.3 Filtrage et transformee en z
Considerons un ltre numerique LIT. Supposons que la relation entree/sortie de ce ltre
soit de type equation recurrente :
y[n] + a
1
y[n 1] + ... + a
P
y[n P] = b
0
x[n] + b
1
x[n 1] + ... + b
N
x[n N].
Compte tenu des diverses proprietes vues dans le paragraphe precedent, la transformee en z
de cette equation secrit :
Y (z) + a
1
z
1
Y (z) + a
2
z
2
Y (z) + ... + a
P
z
P
Y (z) = b
0
X(z) + b
1
z
1
X(z) + ... + b
N
z
N
X(z)
On peut factoriser cette equation et lecrire sous la forme :
Y (z) = H(z)X(z)
o` u H(z) est denie par :
H(z) =
b
0
+ b
1
z
1
+ ...b
N
z
N
a
1
z
1
+ ...a
P
z
P
.
Ainsi, on constate que la TZ permet de montrer quune equation recurrente est un cas parti-
culier de la convolution puisquon peut ecrire une relation entree/sortie (dans lespace des z)
du meme type que pour la convolution.
Nous retiendrons que quelque soit la representation du ltre (RIF, RII, convolution), dans
lespace des z, la relation fondamentale secrit :
Y (z) = H(z)X(z),
o` u X(z) designe la transformee en z du signal dentree x[n], Y (z) est la transformee en z du
signal de sortie y[n] et o` u H(z) est la fonction de transfert en z du ltre. Cette fonction contient
les informations sur le comportement du système comme lillustre les proprietes suivantes :
51
Propriete 5.3.1 (Causalite)
Le ltre est causal si le rayon exterieur de lanneau de convergence de H(z) tend vers
linni(R
2
+).
Demonstration : On rappelle que la convergence de la serie
n=0
u[n] est assuree à condition
que lim
n+
|u[n]|
1/n
< 1.
Decomposons la transformee en z en une partie causale et une autre anti-causale :
X(z) =
1
n=
x[n]z
n
+
+
n=0
x[n]z
n
,
Examinons à present la TZ de la partie causale :
X
2
(z) =
+
n=0
x[n]z
n
,
cette serie converge si :
lim
n+
|x[n]z
n
|
1/n
< 1, (5.7)
par consequent :
lim
n+
|x[n]|
1/n
|z
1
| < 1, (5.8)
Introduisons
R
1
= lim
n+
|x[n]|
1/n
. (5.9)
Cette serie converge si :
R
1
< |z| (5.10)
Examinons, à present, la TZ de la partie anti-causale :
X
1
(z) =
1
n=
x[n]z
n
, (5.11)
=
+
n=1
x[n]z
n
. (5.12)
La serie converge si :
lim
n+
|x[n]z
n
|
1/n
< 1, (5.13)
Introduisons
R
2
= ( lim
n+
|x[n]|
1/n
)
1
(5.14)
La serie X
1
(z) converge si : z < R
2
.
Par consequent, la TZ de x[n] sera une serie convergente si : R
1
< |z| < R
2
. Compte
tenu des denitions de R
1
et R
2
, on constate que si la fonction de transfert est causale alors
R
2
+.
Propriete 5.3.2 (Stabilite)
Le ltre est stable si le cercle unite appartient au domaine de convergence de la fonction
52
de transfert en z
Demonstration : La fonction de transfert en z secrit :
H(Z) =
+
h[n]z
n
(5.15)
Le module doit donc satisfaire la relation suivante :
|H(z)| = |
+
h[n]z
n
|
+
|h[n]z
n
| =
+
|h[n]||z
n
| (5.16)
Evaluons cette expression sur le cercle unite : |z| = 1 :
H(|z| = 1)
+
|h[n]|, (5.17)
Dans le chapitre consacre au passage du continu au discret nous avons vu quun ltre numerique
LIT stable etait tel que
|h[n]| M (avec M une borne reelle). On en deduit que si le

ltre est stable : alors la fonction de transfert sur le cercle unite est bornee, ce qui revient à
dire quelle est contenue dans le domaine de convergence (sans quoi elle ne serait pas bornee).
Propriete 5.3.3 (Stabilite et Causalite)
Le ltre est stable et causal si tous les p oles de H(z) sont compris à linterieur du cercle
unite.
Demonstration : En combinant les proprietes sur la causalite et la stabilite on obtient immediatement
que le ltre est stable et causal si tous les poles de H(z) sont compris à linterieur du cercle
unite.
Exemple 10 (Synthèse de ltre)
On souhaite construire un ltre qui lorsque le signal dentree est la fonction de Heavyside
donne en sortie une suite dechantillons damplitude exponentiellement decroissante (nous
noterons la constante de temps caracteristique de lamortissement). Le problème consiste
` a trouver lequation recurrente repondant aux critères ci-dessus. On a donc :
y[n] = e
nT/
si x[n] = 1 pour n 0, T etant la periode dechantillonnage. Calculons la
transformee en z de chacune de ces relations :
X(z) =
z
z 1
Y (z) =
+
n=
e
nT/
z
n
=
+
n=
_
e
T/
z
1
_
n
53
En supposant que |z| > e
T/
Y (z) =
z
z e
T/
On en deduit la fonction de transfert :
H(z) =
Y (z)
X(z)
=
z 1
z e
T/
La fonction H(z) a un zero situe en z = 1 et un pole situe en z = e
T/
. Par consequent,
ce ltre est stable et causal (tous les p oles sont dans le cercle unite).
Cherchons ` a present lequation temporelle de ce ltre. Pour cela, on reecrit la relation
precedente :
Y (z)(z e
T/
) = (z 1)X(z)
zY (z) e
T/
Y (z) = zX(z) X(z)
Y (z) e
T/
z
1
Y (z) = X(z) z
1
X(z)
En utilisant la relation de decalage (prop 5.2.2), on peut facilement retrouver la relation
de recurrence qui donne lequation temporelle de ce ltre :
y[n] e
T/
y[n 1] = x[n] x[n 1]
Cette methode de synthèse de ltre se nomme synthèse par identication de la reponse
indicielle.
5.4 Etude des ltres RIF et RII
De manière generale, pour des ltres RII ou RIF, on a vu que la fonction de transfert en
z secrit :
H(z) =
b
0
+ b
1
z
1
+ ...b
N
z
N
a
1
z
1
+ ...a
P
z
P
=

j
(z z
j
)
i
(z p
i
)
, (5.18)
o` u les z
j
donnent la position des zeros et les p
i
la position des p oles. Dans ce cours, on se
restreint ` a letude des systèmes ` a coecients reels : a
i
R, i [1, P] et b
i
R, i [0, M].
5.4.1 Les ltres RIF
Les ltres à reponse impulsionnelle nie, sont caracterises par une equation temporelle du
type :
y[n] = b
0
x[n] + b
1
x[n 1] + ... + b
N
x[n N]. (5.19)
54
La fonction de transfert en z du ltre secrit :
H(z) =
Y (z)
X(z)
= b
0
+ b
1
z
1
+ ... + b
N
z
N
, (5.20)
= z
N
_
b
0
z
N
+ b
1
z
N1
+ ... + b
N
_
. (5.21)
H(z) possède un p ole en z = 0 et N zeros. Ainsi daprès les proprietes de causalite et de
stabilite montrees precedemment, on en deduit quun ltre RIF est toujours stable et causal.
Filtre RIF du 1er ordre
Un ltre RIF du premier ordre est un ltre dont lequation recurrente a la forme :
y[n] = b
0
x[n] + b
1
x[n 1], (5.22)
La transformee en Z de cette equation permet de calculer la fonction de transfert en Z de
ce type de ltre :
H(z) =
Y (z)
X(z)
= z
1
(b
0
z + b
1
) (5.23)
Il y a donc un pole en z = 0 et un zero en z
1
=
b
1
b
0
. On a suppose que b
0
R et b
1
R, ainsi
le zero est reel.
Etudions à present le gain en frequences associe à ce ltre. Pour cela, on sinteresse au
module de la fonction de transfert en frequence qui se deduit de la fonction de transfert en z
en se restreignant ` a z = e
2i
:
|H()| = |z
1
(b
0
z + b
1
) | = | (b
0
z + b
1
) | = |b
0
(z z
1
)| (5.24)
Le gain en frequences est proportionnelle à la norme de |z z
1
|.
Interpretation geometrique
Geometriquement, z designe laxe dun point courant M (cf g. 5.2) se deplacant sur le
cercle centre en 0 et de rayon 1 (car z = e
2i
). z
1
designe le point Z (xe) representant le
zero de la fonction de transfert en z. Pour un ltre RIF du 1er ordre, le gain en frequences est
proportionnelle à la distance entre les points M et Z. La gure 5.3 montre le gain en frequences
pour b
0
= 1 et z
1
= 1.3. Un cas interessant est celui pour lequel le zero est situe sur le cercle
unite à la frequence de Nyquist : = 0.5, i.e. z
1
= 1. On voit que quand z = 1 la distance
entre M et P est nulle, ce type de ltre, elimine complètement la frequence = 0.5 soit
f = f
e
/2. Nous allons voir que ce type de ltre peut se construire en eectuant simplement
la moyenne sur 2 points des echantillons.
Exemple 11 (Filtre RIF du 1er ordre : le ltre moyenneur)
Le ltre moyenneur est le ltre qui ` a la suite dechantillons x[n] associe la moyenne des
echantillons :
y[n] =
1
2
(x[n] + x[n 1]) , (5.25)
On peut facilement determiner la reponse impulsionnelle de ce ltre en identiant les
55
!"
#$
%
&
Figure 5.2 Interpretation geometrique du gain en frequences pour un ltre RIF du premier
ordre
!0.5 !0.4 !0.3 !0.2 !0.1 0 0.1 0.2 0.3 0.4 0.5
0
0.5
1
1.5
2
2.5
!
|
H
(
!
)
|
Figure 5.3 gain en frequences pour un ltre RIF du premier ordre avec b
0
= 1 et z
1
= 1.3
56
coecients :
y[n] =
k
h[k]x[n k]
= ... + h[2]x[n + 2] + h[1]x[n + 1] + h[0]x[n] + h[1]x[n 1] + h[2]x[n 2] + ...
Lidentication des coecients donne h[0] =
1
2
, h[1] =
1
2
et h[n] = 0 si n = (0, 1) Daprès
les resultats de la partie consacree aux SLIT, on en deduit que ce ltre est stable et causal.
Ceci est coherent avec les resultats issus de letude de la transformee en Z. La fonction de
transfert en Z sobtient en calculant la transformee en Z des deux membres de lequation
recurrente :
Y (z) =
1
2
_
X(z) + Z
1
X(z)
_
, (5.26)
soit,
H(z) =
1
2
_
z + 1
z
_
, (5.27)
La fonction de transfert en z possède un pole en z = 0 et un zero en z = 1. Le gain en
frequences secrit alors :
|H()| = |
1
2
z
1
_
z + 1
z
_
| =
1
2
|z + 1| = cos() (5.28)
Geometriquement on constate que le gain en frequences est proportionnelle ` a la distance
entre laxe courante sur le cercle unite z = e
2i
et le zero de la fonction de transfert en
z :
|H()| MZ (5.29)
La gure 5.4.1 montre que la frequence = 0.5 (f = f
e
/2) est certes annulee mais le
gain pour les autres frequences nest pas egale ` a 1. Ce type de ltre ne peut donc pas etre
employe seul pour eliminer la frequence f
e
/2 sans alterer las autres frequences.
Linterpretation geometrique fournit un moyen simple de construire des ltres. Par exemple,
pour annuler une frequence autre que f
e
/2, la fonction de transfert doit avoir un zero à la
frequence en question dont le module est egal à 1 (pour etre sur le cercle unite). Par consequent,
le zero doit etre un nombre complexe. Comme letude est restreinte aux systèmes ` a coecients
reels, cela signie que le zero complexe ne peut pas etre obtenu par une equation du 1er ordre
par une equation au moins du deuxième ordre, cest ` a dire par un ltre RIF faisant intervenir
les echantillons x[n], x[n 1] et x[n 2]
Filtres RIF du second ordre
On appelle ltre RIF du second ordre, les ltres dont lequation recurrente est du type :
y[n] = b
0
x[n] + b
1
x[n 1] + b
2
x[n 2]. (5.30)
La transformee en Z de cette equation permet de determiner la fonction de transfert en Z
du système :
H(z) = z
2
_
b
0
z
2
+ b
1
z + b
2
_
. (5.31)
57
!0.5 !0.4 !0.3 !0.2 !0.1 0 0.1 0.2 0.3 0.4 0.5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
!
|
H
(
!
)
|
Figure 5.4 gain en frequences pour le ltre moyenneur
La fonction de transfert en Z a un p ole double situe en z = 0 et deux zeros z
1
et z
2
.
Le calcul des zeros sobtient en resolvant lequation du second degre : b
0
z
2
+b
1
z +b
2
= 0.
On distingue 3 cas :
1. = b
2
1
4b
0
b
2
> 0
Alors les zeros sont reels et sont : z
1
= (b
1

)/2b
0
, z
1
= (b
1
+
)/2b
0
. Par
rapport aux objectifs xes dans ce paragraphe (creer un zero complexe pour annuler le
gain en frequences à une frequence voulue), ce cas na pas dinteret.
2. = b
2
1
4b
0
b
2
= 0
Alors, il y a une racine double reelle : z = (b
1
)/2b
0
. On peut faire la meme remarque
que pour le cas precedent : par rapport aux objectifs xes dans ce paragraphe (creer un
zero complexe pour annuler le gain en frequences ` a une frequence voulue), ce cas na pas
dinteret.
3. = b
2
1
4b
0
b
2
< 0
Alors, les zeros sont deux nombres complexes conjugues : z
1
= (b
1
i
)/2b
0
, z
1
=
(b
1
+ i
)/2b
0
. Geometriquement, cela signie que les deux zeros sont symetriques
par rapport ` a laxe des abscisses (Fig. 5.5). Dans la suite nous nous interesserons surtout
aux cas pour lesquels : |z
1
| = |z
2
| = 1, (zeros situes sur le cercle unite).
On suppose que < 0 et |z
1
| = |z
2
| = 1. Le gain en frequences dun tel ltre sera :
|H()| = |
_
b
0
z
2
+ b
1
z + b
2
_
| = b
0
|z z
1
||z z
2
| = b
0
|MZ
1
||MZ
2
| (5.32)
Le gain en frequences est proportionnelle au produit des distances entre le point courant M
daxe z = e
2i
et les zeros de la fonctions de transfert en z. Comme on a suppose que les
zeros sont situes sur le cercle unite, le gain en frequences est nul à la frequence
1
correspondant
au premier zero et ` a la frequence
2
correspondant au deuxième zero (cf Fig. 5.5).
58
Figure 5.5 gain en frequences dun ltre RIF du 2ème ordre (avec z
1
= exp(i/4) et
z
2
= exp(i2.5/4))
5.4.2 Les ltres RII
Les ltres RII sont aussi appeles ltres recursifs. Tout comme pour les ltres RIF, le nombre
de termes correspond ` a lordre du ltre.
Filtre RII du premier ordre
La forme generale dun ltre RII du premier ordre est :
y[n] + a
1
y[n 1] = x[n] (5.33)
on suppose ici que a
1
R.
La transformee de Z de cette relation nous permet de trouver la fonction de transfert en
z du ltre :
H(z) =
z
z a
1
(5.34)
On constate quil a y un zero z
1
= 0 et un p ole p
1
= a
1
. Daprès les proprietes de stabilite et
causalite, le ltre est stable et causal seulement si |a
1
| < 1.
Le gain en frequences est |H()| :
|H()| =
|e
2i
|
|e
2i
b
1
|
=
1
|MP|
(5.35)
o` u M est le point daxe courant et P est laxe du p ole.
Filtre RII du second ordre purement recursif
On appelle ltre RII du second ordre purement recursif, un ltre dont lequation recurrente
est de la forme :
y[n] = x[n] a
1
y[n 1] a
2
y[n 2]. (5.36)
59
La fonction de transfert en z de ce ltre secrit :
H(z) =
z
2
z
2
+ a
1
z + a
2
, (5.37)
Soit en factorisant le denominateur :
H(z) =
z
2
(z p
1
)(z p
2
)
, (5.38)
o` u p
1
et p
2
sont les p oles de la fonction de transfert en z
Deux cas se presentent alors :
a
2
1
4a
2
0 ; alors p
1,2
R : p
1,2
=
a
1
a
2
1
4a
2
2
(les p oles dont donc situes sur laxe des
reels) ;
a
2
1
4a
2
< 0 ; alors p
1,2
C et ils sont complexes conjugues : p
1,2
=
a
1
i
4a
2
a
2
1
2
;
Le gain en frequence secrit :
|H( = e
2i
)| =
|e
2i|
|e
2i
p
1
||e
2i
p
2
|
=
1
MP
1
.
1
MP
2
(5.39)
On constate que le gain en frequences est proportionnel ` a linverse du produit des distances
entre laxe courante M et les p oles P
1
et P
2
(cf. 5.6). On retrouve la propriete stipulant
que si les poles de la fonction de transfert en z appartiennent au cercle unite alors le ltre est
instable puisque dans ce cas, le gain en frequences serait inni aux frequences correspondant
` a z = p
1
ou z = p
2
. La gure 5.7 illustre le gain en frequence pour ce type de ltre tel que
p
1,2
=
0.9i
2
.
Filtre RII du second ordre
La formulation la plus generale pour un ltre du second ordre est la suivante :
y[n] = b
0
x[n] + b
1
x[n 1] + b
2
x[n 2] + a
1
y[n 1] + a
2
y[n 2]. (5.40)
On constate que le ltre ainsi deni nest plus purement recursif car il y a maintenant
presence de termes en x[n1] et x[n2]. On peut donc sattendre à lapparition de frequences
pour lesquelles le gain en frequences sera nulle comme nous lavons vu dans letude des ltres
RIF.
La fonction de transfert en z de ce type de ltre secrit :
H(z) =
b
0
z
2
+ b
1
z + b
2
z
2
+ a
1
z + a
2
=
b
0
(z z
1
)(z z
2
)
(z p
1
)(z p
2
)
(5.41)
o` u z
1,2
et p
1,2
sont respectivement les zeros et les p oles de la fonction de transfert en z.
On en deduit le gain en frequences :
H() =
MZ
1
.MZ
2
MP
1
.MP
2
(5.42)
dont linterpretation geometrique est donnee à la gure 5.8. La gure 5.9 presente deux courbes
de gain en frequences tracees lune pour z
1,2
= e
i/4
et p
1,2
= 0.9e
i/4
(en bleu) et lautre
60
!"
#$
%&
%'
(
Figure 5.6 Interpretation geometrique du gain en frequences dun ltre RII du 2ème ordre
purement recursif
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
5
10
15
20
25
!
|
H
(
!
)
|
Figure 5.7 Gain en frequences dun ltre RII du 2ème ordre purement recursif (avec p
1,2
=
0.9i
2
)
61
Re
m
Z2
P1
M
P2
Z1
Figure 5.8 Interpretation geometrique du gain en frequences pour un ltre RII dordre 2
pour z
1,2
= e
i/4
p
1,2
= 0.99e
i/4
(en bleu). Dans les deux cas dune part les zeros sont de
module 1 (ils sont places sur le cercle unite et permettent deliminer une frequence), et dautre
part les zeros et les p oles ont le meme argument (ici /4). La seule dierence concerne le
module des p oles. Dans le premier cas, ils sont plus eloignes des zeros que dans le second cas.
Rapprocher les poles des zeros permet ici de fabriquer un ltre plus precis en neliminant que
les frequences proches de la frequence des zeros.
On retiendra que les zeros servent ` a eliminer des frequences tandis que les p oles per-
mettent de rehausser certaines frequences. Ainsi, en associant les zeros et les p oles, comme
dans lexemple de la gure 5.9, on peut jouer sur les deux eets pour synthetiser des ltres
ayant un gain en frequences repondant aux donnees du problème.
62
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
!
|
H
(
!
)
|
Figure 5.9 Gain en frequences dun ltre RII du 2ème ordre purement recursif (avec z
1,2
=
e
i/4
p
1,2
= 0.9e
i/4
(en bleu) et p
1,2
= 0.99e
i/4
(en rouge))
63

Poly Tds PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Poly Tds PDF

Uploaded by

Copyright:

Available Formats

MSA 12 :

Bases du traitement numerique du signal

f(u)g(t u)du (2.5)

f(t v)g(v)(dv) (2.7)

f(t u)(g(u) + h(u))du =

f(t u)(u)du = g(t) (2.10)

( est la pulsation). La decomposition

g(t) exp[it]dt (2.50)

g() exp[it]d (2.51)

f() + b g(). (2.55)

(af(t) + bg(t)) exp[it]dt (2.56)

bg(t) exp[it]dt (2.57)

f(t) exp[it]dt (2.62)

f(u) exp[iu]du (2.68)

f(t) g(t) exp[it]dt (2.71)

f(u)g(t u)duexp[it]dt (2.72)

f(u)g(t u) exp[it]dudt (2.73)

f(u)g(v) exp[i(v + u)]dv

g(v) exp[iv]dv (2.76)

h(t u)e(u)du = h(t) e(t), (2.90)

bg(t) exp[pt]dt (2.100)

|h[n]| M (avec M une borne reelle). On en deduit que si le

You might also like