Chapitre 5

`
Signaux et systemes discrets

On presente ici la base des signaux et syst`emes a` temps discret. Un signal discret peut
se produire naturellement (comme la population annuelle des chevreuils) ou comme le
resultat dun e chantillonnage (la vitesse dune voiture mesuree a` toutes les secondes).
Toute donnee stockee sur un ordinateur est une donnee discr`ete. On utilise la forme x[n]
pour representer un signal discret.

Un syst`eme discret est un syst`eme ou` lentree et la sortie sont des signaux discrets. Par
exemple, un syst`eme peut representer le trajet entre une tour de telecommunications et
un telephone cellulaire. Ce trajet modifiera un peu le signal ; lentree est un peu differente
de la sortie.

On sinteresse ici aux syst`emes lineaires. Cette supposition permet de simplifier le

travail et est tr`es importante pour ce quon verra ici.

5.1 Signaux discrets

Un signal discret ou e chantillonne x[n] est une sequence ordonnee de valeurs corres-
pondant a` un index entier n qui represente lhistoire en fonction du temps du signal.
Le signal discret ne donne aucune information quant a` lintervalle dechantillonnage ts ,
le temps entre chaque e chantillon du signal. Un signal discret est trace en fonction de
lechantillon n et non en fonction du temps. Pour representer lorigine du signal, le point
ou` n = 0, on utilise une fl`eche soit au-dessus ou au-dessous du chiffre correspondant a`
n = 0. Ex : x[n] = {1, 2, 4, 8, . . .}. La figure 5.1 montre un exemple de signal discret.

1
 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

Figure 5.1 Exemple de signal discret

Un signal discret periodique se rep`ete a` tous les N e chantillons, et est decrit par :
x[n] = x[n kN ] ou` k = 1, 2, 3, . . . (5.1)
La periode N est le plus petit nombre dechantillons qui se rep`etent. La periode dun
signal discret est toujours un entier. Pour un signal periodique, la valeur moyenne xav et
la puissance P sont definis selon
N 1 N 1
1X 1X
xav = x[n] P= |x[n]|2 (5.2)
N N
n=0 n=0

Lenergie dun signal est :

X
E= |x[n]|2 (5.3)
n=

Exemple 1

Calculer la valeur moyenne et la puissance dun signal periodique x[n] = 6 cos(2n/4)

de periode N = 4.

Une periode de ce signal est (n = 1, 2, 3, 4) :

x1 [n] = {6, 0, 6, 0}

La valeur moyenne est :

3
1X 1
xav = x[n] = (6 + 0 6 + 0) = 0
4 4
n=0

et la puissance est :
3
1X 1
P= |x[n]|2 = (36 + 0 + 36 + 0) = 18 W
4 4
n=0

Gabriel Cormier 2 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

5.2
Operations sur un signal discret

On retrouve generalement les meme proprietes pour un signal discret que pour un
signal continu. Les deux operations les plus importantes sont le dephasage temporel et le
repliement.

Le dephasage temporel a lieu lorsquon deplace la sequence x[n] vers la droite ou vers
la gauche dun certain nombre dechantillons . Un signal y[n] = x[n ] represente une
version retardee de x[n] (pour > 0). En dautres mots, si x[n] commence a` n = N , alors
y[n] = x[n ] commence a` N + .

Le repliement permet de faire une image miroir dun signal. Un signal y[n] = x[n]
represente une version repliee de x[n], ou un image miroir de x[n] autour de n = 0.

Evidemment, on peut aussi appliquer le retard temporel a` un signal replie.

La technique generale de transformation vue pour les signaux a` temps continu sap-
plique aux signaux a` temps discrets.

Exemple 2

Soit la sequence x[n] = {2, 3, 4, 5, 6, 7}. Trouver et tracer le graph de y[n] = x[n + 1].

Pour obtenir y[n], on va deplacer la sequence vers la gauche de 1 e chantillon, puis faire
limage miroir :
y[n] = {7, 6, 5, 4, 3, 2}

Ou, dune autre facon, m = n + 1, et donc le nouvel axe est n = m + 1.

La figure suivante montre la sequence x[n] et y[n].

x[n] x[n]
7 7

2 2
n n
0 0

Gabriel Cormier 3 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

5.2.1
Symetrie

Tout comme les signaux continus, on peut definir certaines symetries pour les signaux
discrets. Un signal est dit de symetrie paire si

x[n] = x[n] (5.4)

On utilise la notation xe pour noter un signal pair.

Un signal est dit de symetrie impaire si

x[n] = x[n] (5.5)

On utilise la notation xo pour noter un signal impair.

Les deux formes de symetrie sont mutuellement exclusives : un signal ne peut pas e tre
pair et impaire en meme temps. De plus, nimporte quel signal peut e tre decompose en
une somme dun signal pair et un signal impair :

x[n] = xe [n] + xo [n] (5.6)

On obtient les composantes paires et impaires selon :

xe [n] = 0.5(x[n] + x[n]) (5.7)

xo [n] = 0.5(x[n] x[n]) (5.8)

` noter que xo [0] = 0, et que la somme de xo [n] doit e tre nulle.

A

5.3
Decimation et interpolation

La decimation et linterpolation sont deux operations qui affectent lechelle de temps

dun signal. Pour des signaux discrets, la mise a` lechelle du temps correspond a` aug-
menter ou reduire la longueur du signal. Il faut cependant faire attention a` comment ces
operations sont effectues.

5.3.1
Decimation

La decimation est la compression du temps dun signal. Ceci correspond a` accelerer

un signal, ou reduire son taux dechantillonnage. Supposons quon a un signal x[n] qui
correspond a` un signal continu x(t) e chantillonne a` des intervalles ts . Le signal y[n] =

Gabriel Cormier 4 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

x[2n] e quivaut alors au signal compresse x(2t) qui est e chantillonne a` ts et contient les
e chantillons x[0], x[2], x[4], . . .. On peut aussi obtenir y[n] directement si on e chantillonne
le signal x(t) a` des intervalles de 2ts .

Une decimation dun facteur N e quivaut a` garder tous les N e chantillons dun signal.
Ceci peut mener a` de la perte dinformation.

5.3.2 Interpolation

Linterpolation est letirement en fonction du temps. Ceci correspond a` ralentir le si-

gnal, ou augmenter le taux dechantillonnage. Supposons quon a un signal x[n] qui cor-
respond a` un signal continu x(t) e chantillonne a` des intervalles ts . Le signal y[n] = x[n/2]
e quivaut alors au signal x(t) qui est e chantillonne a` des intervalles de ts /2 (ou a` un taux
de S = 2/ts ). On a donc 2 fois plus dechantillons : on e tire le signal x[n] dans les deux
directions. Cependant, comment calculer la valeur des nouveaux e chantillons ?

Trois techniques populaires existent pour faire linterpolation :

1. Interpolation zero : Implique que chaque nouvel e chantillon est nul (zero).
2. Interpolation e chelon : On prend la valeur precedente pour le nouvel e chantillon.
3. Interpolation lineaire : On fait la moyenne entre les valeurs de chaque cote du
nouvel e chantillons.
La figure 5.2 montre des exemples des trois types dinterpolation. La figure 5.2 a) est
le signal original. Les e chantillons en rouge sont les nouveaux e chantillons.

La decimation est linverse de linterpolation, mais le contraire nest pas necessaire-

ment vrai. Lorsquil y a decimation, il y a perte dinformation ; on nest pas capable de
reproduire correctement le signal original. Comme exemple, on utilise la sequence
x[n] = {1, 2, 6, 4, 8}

On applique en premier linterpolation e chelon sur cette sequence, et on obtient :

{1, 1, 2, 2, 6, 6, 4, 4, 8, 8}

Puis on applique la decimation, et on retrouve le signal original :

{1, 2, 6, 4, 8}

Cependant, si on inverse lordre des operations, on ne retrouvera pas la sequence ori-

ginale. On applique en premier la decimation sur la sequence x[n] :
{1, 6, 8}

Gabriel Cormier 5 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

x[n] x[n]

6 6

n n
0 2 2 0 2 4 6

a) signal original b) interpolation zero

x[n] x[n]

6 6

n n
2 0 2 4 6 2 0 2 4 6

c) interpolation lineaire d) interpolation e chelon

Figure 5.2 Exemples dinterpolation

et puis on applique linterpolation e chelon :

{1, 1, 6, 6, 8, 8}

ce qui nest pas la meme sequence que loriginale.

5.4 Signaux discrets communs

On retrouve les meme signaux communs en temps discret quen temps continu, soit
limpulsion, lechelon et la rampe. Limpulsion, par definition, est :

0, n , 0


[n] = (5.9)
1, n = 0

La fonction e chelon discr`ete est :

0, n<0


u[n] = (5.10)
1,
n0

Gabriel Cormier 6 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

La fonction rampe est :

0, n<0


r[n] = (5.11)
n,
n0

Quelques autres fonction utiles sont les fonctions rect et tri. La fonction rect(n/2N)
represente un pulse centre a` lorigine, de largeur totale 2N .

1, |n| N


rect[n/2N ] = (5.12)
0, ailleurs

La fonction tri cree un triangle damplitude maximale 1 centre a` lorigine, de largeur

totale a` la base de 2N .
|n|
1 N , |n| N


tri[n/2N ] = (5.13)
0,
ailleurs

La fonction sinc est aussi une fonction souvent rencontree en analyse des signaux. Par
definition,
sin(n/N )
sinc[n/N ] = (5.14)
n/N
` n = 0, par definition, sinc(0) = 1.
La fonction sinc(n/N ) est 0 pour n = kN , k = 0, 1, 2, . . .. A

5.5 `
Sinusodes discretes

Si on e chantillonne une sinusode continue x(t) = cos(2f0 t) a` un intervalle ts , (ce qui

correspond a` un taux dechantillonnage S = 1/ts e chantillons par seconde), on obtient la
sinusode e chantillonnee suivante :
f0
x[n] = cos(2f0 nts + ) = cos(2n + ) = cos(2nF + ) (5.15)
S
ou` F = f0 /S est la frequence numerique (en e chantillons/seconde). Les quantites f0 et
= 2f0 sont des frequences continues. La frequence numerique radiale est = 2F, en
radians/echantillon.

Bien quune sinusode continue est une fonction periodique, une sinusode e chantil-
lonnee nest pas toujours periodique. On utilise un exemple : supposons quune sinusode
quelconque est e chantillonnee. Si elle est periodique, il faut que x[n] = x[n + N ] (equation
5.1). On a donc :

cos(2nF + ) = cos(2(n + N )F + ) = cos(2nF + + 2N F) (5.16)

Gabriel Cormier 7 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

Pour que les deux cotes de lequation soient e gaux, il faut que N F = k, un entier. Si N F
nest pas un entier, la periode du signal e chantillonne sera differente de celle du signal
original continu. La figure 5.3 donne un exemple de signal e chantillonne periodique et
non periodique.

cos(0.125n) cos(0.5n)

1 1

0 0

1 1
0 5 10 15 20 25 30 0 5 10 15 20 25 30
n n

Figure 5.3 Exemples de sinusodes e chantillonnees

Remarquer que dans la deuxi`eme figure, cos(0.5n) nest pas periodique : les sommets
(ou zeros) ne sont pas aux memes endroits. Lenveloppe de ce signal est quand meme
periodique.

5.6 `
Systemes discrets

Un syst`eme a` temps discret est un syst`eme ou` lentree et la sortie sont des signaux
discrets. Les syst`emes e tudies ici sont des syst`emes lineaires. Les syst`emes lineaires per-
mettent detudier une grande variete de syst`emes sans avoir besoin de les apprendre tous
en detail. Sans cette linearite, il faudrait e tudier chaque syst`eme un par un, pour en com-
prendre le comportement. Il est donc bien important de comprendre les caracteristiques
des syst`emes lineaires.

Les syst`emes lineaires discrets poss`edent les meme caracteristiques que les syst`emes
lineaires continus :
1. Homogeneite
2. Additivite
3. Linearite statique
4. Fidelite sinusodale

Gabriel Cormier 8 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

5. Superposition
La reponse impulsionnelle fonctionne de la meme facon que pour les syst`emes conti-
nus.

5.7
Lechantillonnage

Lechantillonnage est une composante tr`es importante dun syst`eme discret. Lechan-
tillonnage permet de convertir un signal continu a` un signal discret. On ne sinteresse
pas ici a` lelectronique de cette conversion, mais plutot laspect de quand prendre les
e chantillons (cest-`a-dire a` quelle frequence).

Lobjectif principal de ce chapitre est de comprendre le theor`eme de lechantillonnage

(sampling theorem). Le theor`eme de lechantillonnage dit quon peut reconstruire exacte-
ment un signal a` partir de ses e chantillons si la frequence dechantillonnage est plus de 2
fois la plus haute frequence contenue dans le signal.

Le processus de reconvertir un signal discret a` un signal continu est appele la recons-

truction. Un bon exemple de reconstruction est les CD audio. La musique est stockee de
facon numerique sur les CD, puis le lecteur reconvertit ce signal en forme analogique
pour les haut-parleurs. La reconstruction est un processus dinterpolation.

5.7.1
Echantillons

Lechantillonnage est le processus de discretiser un signal : cest aller lire une valeur
dun signal continu a` des temps fixes. Pour un signal continu x(t) (comme un signal radar),
quon e chantillonne a` toutes les ts secondes, on obtient un signal discret x[n] :

x[n] = x(nts ) (5.17)

Pour bien effectuer la reconstruction du signal, il faut un nombre suffisant dechan-

tillons. Si on ne prend pas assez dechantillons par rapport a` la periode dun signal, on
ne pourra pas reconstruire correctement le signal. La figure 5.4 montre quatre exemples
dechantillonnage. La courbe en bleu represente le signal continu, tandis que les points
rouges representent les e chantillons.

Dans la figure 5.4 a), on voit bien quon a aucun probl`eme a` reconstruire le signal
original, puisquil sagit du DC.

Gabriel Cormier 9 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

DC f0 = 0.09fs

1 1

0
0.5

1
0
0 0.05 0.1 0.15 0.2 0 0.05 0.1 0.15 0.2
Temps (s) Temps (s)

f0 = 0.31fs f0 = 0.95fs

1 1

0 0

1 1
0 0.05 0.1 0.15 0.2 0 0.05 0.1 0.15 0.2
Temps (s) Temps (s)

Figure 5.4 Exemples dechantillonnage

Dans la figure 5.4 b), londe continue a une frequence plus de 10 fois plus petite que
la frequence dechantillonnage (f0 = 0.09fs ). Un exemple serait une sinusode ayant une
frequence de 90Hz, et lechantillonnage se faisant a` 1000 e chantillons par seconde (fs =
1000Hz). Dans ce cas, on prend 11.1 e chantillons par periode du signal dentree. On voit
bien quand meme quon pourra bien reconstruire le signal original.

Le troisi`eme exemple, celui de la figure 5.4 c), montre une sinusode dont la frequence
est 0.31 de la frequence dechantillonnage. On ne prend donc que 3.2 e chantillons par
periode. Les e chantillons sont assez espaces pour quil soit difficile de reconnatre le signal
original. Est-ce quon peut quand meme reconstruire le signal original ? Bien que cest un
peu difficile a` dire visuellement, la reponse est oui.

Pour le dernier exemple, figure 5.4 d), ou` la frequence de la sinusode est 0.95 de la
frequence dechantillonnage, on voit clairement quon ne pourra pas reconstruire le signal

Gabriel Cormier 10 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

original. Le signal e chantillonne semble e tre une sinusode de frequence plus faible. En
fait, cest une sinusode de frequence 0.05 la frequence dechantillonnage. Dans ce cas,
le taux dechantillonnage est trop faible pour lentree continue. Le phenom`ene ou` une
sinusode change de frequence pendant lechantillonnage est appele le aliasing (distortion
de repliement). Apr`es lechantillonnage, il ny a rien qui puisse indiquer que le signal
dentree continu avait une frequence de 0.95 fois la frequence dechantillonnage plutot
que le 0.05 fois mesure. Cest ce qui m`ene au theor`eme de lechantillonnage.

5.7.2 eme
Theor `
de lechantillonnage

Le theor`eme de lechantillonnage, aussi appele theor`eme de Nyquist, ou theor`eme de

Shannon 1 , dit quon peut reconstruire exactement un signal si la frequence dechantillon-
nage est plus de 2 fois la plus haute frequence dans un signal.

eme
Theor `
de Nyquist : Pour un signal continu de frequence maximale fmax ,

le taux dechantillonnage S doit etre
plus grand que 2fmax .

Le theor`eme de lechantillonnage indique quil faut bien connatre les frequences dun
signal ou e tre en mesure den filtrer. Par exemple, si on peut mesurer 2000 e chantillons
par seconde, il faut limiter lentree a` 1kHz. Sil y a des frequences au-dessus de 1kHz
presentes dans le signal dentree, ces frequences vont se replier (aliasing) a` des frequences
entre 0 et 1000Hz et se combiner avec linformation qui est legitimement dans cette
region.

Il y a plusieurs exemples du theor`eme dechantillonnage dans la vie courante. Par

exemple, les CD audio utilisent une frequence dechantillonnage de 44.1kHz pour le sto-
ckage, ce qui est un peu plus de 2 fois la frequence maximale percue par loreille humaine,
soit 20kHz.

5.8 Repliement

Quarrive-til a` un signal si la frequence dechantillonnage nest pas assez e levee ? On

a vu quil se produit un repliement : les frequences plus e levees que la moitie de la
frequence dechantillonnage apparaissent alors comme des frequences plus faibles. Pour
quil ny ait pas de repliement, il faut que les frequences dans un signal soient contenues
dans lintervalle 0.5fs < f < 0.5fs . Les frequences plus e leves apparatront comme des
signaux de frequence fa = f0 Mfs , ou` M est un entier choisit pour que 0.5fs < fa < 0.5fs .
1. Harry Nyquist et Claude Shannon ont travaille pour Bell Telephone Laboratories, et ont publie dans
les annees 1940 leurs travaux de recherche.

Gabriel Cormier 11 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

Exemple 3

Soit un syst`eme ou` lon fait de lechantillonnage a` 200Hz. Pour les entrees 180 Hz et
220Hz, y aura-til du repliement ? Si oui, quelle frequence apparatra ? Tracer le graphe de
cet e chantillonnage.

Pour la premi`ere frequence, on a fs < 2f0 , alors il y a repliement. Pour savoir quelle
frequence on aura au repliement, on calcule :

|fa | = 180 M(200) < 0.5(200)

Il faut donc que M = 1, ce qui donne une frequence de repliement fa = 20Hz.

Pour la deuxi`eme frequence, il y aura aussi du repliement. On calcule :

|fa | = 220 M(200) < 0.5(200)

Il faut donc que M = 1, ce qui donne une frequence de repliement fa = 20Hz. On peut
tracer cet effet a` laide de Matlab :

Remarquer que les deux entrees donnent la meme frequence repliee, mais quil y a un
dephasage de 180 avec le premier signal. La frequence est bien 20Hz (1/50ms).

Lorsque la frequence dun signal continu est plus e levee que le taux de Nyquist, le re-
pliement change la frequence mesuree a` quelque chose qui peut e tre represente par le taux
dechantillonnage. Toutes les frequences au-dessus du taux de Nyquist vont se replier a`
une frequence entre 0 et le taux de Nyquist. Sil y a dej`a une sinusode a` cette frequence, le
signal replie sy ajoutera, ce qui donne une perte dinformation. Le repliement peut causer
une perte dinformation aux basses et aux hautes frequences. Exemple : supposons quon
vous donne un signal qui contient une frequence de 0.2 fois le taux dechantillonnage. Sil
ny a pas eu de repliement, alors le signal continu fut e chantillonne correctement. Cepen-
dant, sil y a eu du repliement, on ne sait pas si cest a` cause dune frequence de 0.2, 0.8,
1.2, 1.8, 2.2, etc.

Tout comme le repliement change la frequence dun signal, il peut aussi changer la
phase, comme on a vu a` lexemple 3. Dans le signal de la figure 5.4 d), il y a dephasage de
180. Seulement deux changements de phase sont possibles : 0 ou 180. Un dephasage de
0 a lieu pour des frequences entre 0 et 0.5, 1.0 a` 1.5, 2.0 a` 2.5, etc. Le dephasage de 180 a
lieu pour des frequences entre 0.5 et 1.0, 1.5 a` 2.0, 2.5 a` 3.0, etc.

On analyse maintenant plus en detail le repliement. Soit le signal continu de la figure

5.5, et son spectre en frequence. Dans ce cas-ci, le taux dechantillonnage propose est
plus e leve que 2 fois la frequence la plus haute dans le signal. Par exemple, ceci pourrait

Gabriel Cormier 12 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

f0 = 180Hz

1
0 5 10 15 20 25 30 35 40 45 50 55
Temps (ms)

f0 = 220Hz

1
0 5 10 15 20 25 30 35 40 45 50 55
Temps (ms)

e tre un signal audio dont on a filtre les composantes plus e levee que 4kHz, avec un taux
dechantillonnage de 10kHz.

On va maintenant faire lechantillonnage du signal continu, avec notre syst`eme de 10

000 e chantillons par seconde. Lechantillonnage se fait en multipliant le signal continu
par une serie dimpulsions. Le spectre du syst`eme apr`es e chantillonnage est montre a` la
figure 5.6. La transformee de Fourier dune serie dimpulsions dans le temps est une serie
dimpulsions dans le domaine de la frequence, a` des harmoniques de la frequence princi-
pale (fs , le taux dechantillonnage dans ce cas). La multiplication de deux signaux dans le
temps est e quivalent a` leur convolution dans le domaine de la frequence. Le spectre du si-
gnal continu apparat donc de chaque cote des impulsions dues aux harmoniques de fs . Il
y a donc duplication du spectre original. La bande superieure provient des frequences po-
sitives, tandis que la bande inferieure provient des frequences negatives du signal continu.

Lechantillonnage a produit de nouvelles frequences. Est-ce quon a quand meme bien

Gabriel Cormier 13 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

0 t f
0 fs 2fs

Figure 5.5 Signal continu et son spectre

Bande infrieure Bande suprieure

0 t f
0 fs 2fs
Figure 5.6 Signal continu e chantillonne et son spectre

e chantillonne le signal ? Oui, parce quon peut e liminer les frequences superieures en
utilisant un filtre passe-bas.

Quarrive-til maintenant si la frequence dechantillonnage serait trop faible ? Pour

cet exemple, on reduit le taux dechantillonnage de moitie. La largeur du spectre du
signal continu na pas changee, et donc les largeurs des bandes laterales, mais le taux
dechantillonnage plus faible fera en sorte que les bandes laterales se chevauchent, comme
a` la figure 5.7. En pratique ce recouvrement fait que les deux bandes sadditionnent, et il
y a perte dinformation. Meme avec un filtre passe-bas, il est impossible de dobtenir le
signal original.

Bande infrieure Bande suprieure

0 t f
0 fs 2fs

Recouvrement
Figure 5.7 Signal continu e chantillonne et son spectre

Gabriel Cormier 14 GELE2511

 `
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS

5.9 Reconstruction du signal

La reconstruction dun signal est loperation de passer dun signal discret a` un signal
continu. Une e quation generale permet de representer ceci :

X
y(t) = y[n]p(t nTs ) (5.18)
n=

ou` p(t) est un pulse dune forme quelconque.

Il existe quelques possibilites pour reconstruire le signal. La figure 5.8 montre quatre
exemples.

-0.5ts 0.5ts -ts ts

a) Pulse carr b) Pulse triangulaire

-ts ts
-ts ts
c) Cubique d) Sinc (idal)
Figure 5.8 Quelques pulses pour reconstruire un signal

Le pulse sinc est le pulse qui, theoriquement, reconstruit exactement le signal original.
Cependant, pour reconstruire exactement le signal original, le pulse sinc doit e tre de lon-
gueur infinie, ce qui nest pas possible en pratique. On utilise plutot un pulse triangulaire,
avec plus dechantillons, pour reconstruire le signal original.

Gabriel Cormier 15 GELE2511