Академический Документы
Профессиональный Документы
Культура Документы
Energétique Oran
Janvier 2018
AVANT–PROPOS
Ce document est un support de cours destiné aux étudiants en 3ème année de la formation
d'ingénieur d'état en électrotechnique. Mais bien entendu il peut être utilisé par tout ceux en
1er cycle ou 2ème cycle LMD.
En plus c’est un document de base en matière de théorie et traitement de signal pour les post-
graduants, qui désirent approfondir leurs connaissances.
Dans le cadre de ce cours, nous nous intéressons principalement au traitement de signal qui
est une discipline indispensable de nos jours. Il a pour objet l’élaboration ou l’interprétation
des signaux porteurs d’information.
ii
TABLE DES MATIERES
iii
Chapitre I
I.1 Introduction :
I.2. Signal :
Une grandeur physique dépendant du temps ou d’autre variable, véhicule une information utile a
l’observateur
Remarque : le rôle majeur du signal c’est la communication dans les disciplines tel que :
automatique, informatique et électrique.
La théorie du signal est l’ensemble des outils conceptuels qui permettent de construire des
modèles théoriques basés sur les lois physiques exprimés en langage mathématique pour fournir
une représentation du signal.
Domaine d’application : le traitement de signal trouve sont champ d’application dans les
domaines concerner par la perception, la transmission ou l’exploitation de ses informations.
En électrotechnique : vibration d’une machine tournante, fluctuation des charges d’un réseau
électrique, perturbation électromagnétique.
1
GENERALITES SUR LES SIGNAUX
Remarque : Les signaux que nous étudions sont des grandeurs qui évoluent avec le temps. La
variable peut ne pas être «t». ex : un signal optique est une fonction du temps et de l’espace.
I.5. Système :
Figure I.1. Schéma universel d’un système de structure indifférente (boite noire).
x(t)
x(t1)
I.6.1. Signaux déterministes :
Se sont des signaux dont le comportement est imprévisible pour leur description, on utilise la
description physique. On distingue également dans chacune des deux classes des signaux
analogiques et des signaux numériques.
2
GENERALITES SUR LES SIGNAUX
Un signal causal est tout signal nul pour toutes les valeurs nulles du temps, on dit qu’un système
est causal si sa réponse est nulle pour t 0 .
u t Ri t
t2
u 2 t t2
E dt Ri 2 t dt
t1 R t1
t2 t2
E u 2 t dt i 2 t dt
t1 t1
t2
E s 2 t dt
t1
Si s t est complexe
t2 t2
E s t s t dt s t dt
2
t1 t1
* : c’est le conjugué.
x a jb , x* a jb
Définition : on appelle un signal à énergie finie non nulle tout signal dont l’énergie reste
finie quand l’intervalle considéré varie de a
s t
E s t dt
2
A
3
GENERALITES SUR LES SIGNAUX
Exemple :
s t Ae
a t
,a0
E s t dt Ae
2 2
a t
dt
Le signal est à énergie finie
0
2 at A2
E A e dt A e
2 2 at 2
dt
0 a
Remarque : les signaux d’énergie finie sont tout les signaux de type transitoire, qu’il soit
déterministes ou aléatoires.
est égale à :
1 t2
s t dt
2
P
t2 t1 t1
Définition : on dit qu’un signal s t est à une puissance moyenne finie non nulle, un signal pour
T
1 2
0 P lim s t dt
2
T T
2
Remarque : les signaux à puissance moyenne fini ne sont pas des signaux physiquement
réalisables.
4
GENERALITES SUR LES SIGNAUX
Exemple :
d’énergie ?
E 25dt
T
1 2 1
P lim 25dt lim 25 T 25W c’est un signal de puissance.
T T T T T
2
Dans cette famille, on prend en compte les différentes étapes sous les quelles un signal se
présente
a) Signal analogique (continu) : c’est un signal dont l’amplitude et le temps sont continu.
f t (Fonction mathématique).
a : amplitude.
2 f : pulsation.
5
GENERALITES SUR LES SIGNAUX
: phase.
x (t)
b) Signal échantillonné : un signal
échantillonné est un signal dont
l’amplitude est continue et le temps
t
discret.
d) Signal numérique :
x (t)
x q (t)
La bande de fréquence B f 2 f1 .
On aura donc :
6
GENERALITES SUR LES SIGNAUX
x f
f
f2 f1 f1 f2
x f
f
f2 f1 f1 f2
x f
4. Signaux à large bande
f
f2 f1 f1 f2
TF
x t X f
(Spectre du signal)
réel complexe
X f x t e j 2 f t dt X f e j f dt
7
GENERALITES SUR LES SIGNAUX
X f : Amplitude
: Phase
f
I.12. Bruit:
Tout signal perturbateur gênant la perception ou l’interprétation d’un signal est considéré
comme bruit.
Rapport signal/bruit :
puissance du signal
dB 10 Log10
puissance du bruit
8
Chapitre II
II.1. Introduction :
L’évolution des signaux déterministes ou certains en fonction du temps peut être parfaitement
modélisé par une fonction mathématique. On l’utilise pour alléger la représentation
mathématique de certains signaux rencontrés souvent en théorie du signal.
1 t0
sgn t 1
1 t 0
t
-1
t
1
II.5. Fonction Rectangulaire :
rect(t)
t
-1/2 1/2
t
x t A.rect
T
A : Amplitude.
9
LES SIGNAUX DETERMINISTES
: Centre de symétrie. x t
T : Largeur.
1 1
rect t u t u t
2 2
1 3 5 t
tri t
II.6. Fonction Triangulaire :
1
1 t t 0
Tri t
0 t 0
1 1 t
t x t
x t A.tri
T
A : Amplitude. A
: Centre de symétrie.
T T t
T : La demi-largeur.
2T
10
LES SIGNAUX DETERMINISTES
Impulsion unité
t
Elle peut être définie par le produit scalaire : 0
x t , t x t . t dt x 0 (II.1)
x t
x t1 t t1
t t
0 t1 0 t1
A
x t , t t1 x t . t t1 dt x t1
0 t
T
Dans l’équation (II.1) si x t 1 F t
1
0
t dt 0 t 0
t dt 1 u t
t dt 1 t 0 t
0
lim F t t
0
du t
t
dt
Pratiquement l’impulsion du Dirac peut être considérer comme une fonction rectangulaire de
surface unité dont la durée tend vers zéro.
11
LES SIGNAUX DETERMINISTES
x t . t x 0 . t (II.2)
x t . t t0 x t0 . t t0 (II.3)
t
t t t0
kT 2T T T 2T 3T kT t0
T t t kT
k
x t . T t x kT . t kT (II.4)
k
sin
sin c sin
0
2 1 1 2
12
LES SIGNAUX DETERMINISTES
II.9. Systèmes :
Mathématiquement un système est un opérateur, ou une transformation qui à partir d’un signal
d’entrée x t fournit un signal de sortie y t .
On note y t T x t
x t t0 y t t0
13
LES SIGNAUX DETERMINISTES
x t x t t0
y t y t t0
t t
14
Chapitre III
CONVOLUTION ET CORRELATION
CONVOLUTION ET CORRELATION
III.1. Introduction :
La convolution et la corrélation sont des concepts physiques significatifs dans plusieurs domaines
scientifiques.
Elles jouent un rôle important dans l’analyse et le traitement des signaux.
III.2. Convolution :
III.2.1. Définition :
Le produit de convolution entre deux fonctions f t et g t est défini de la façon suivante :
f t g t f .g t d (III.1)
De même le signal de sortie y t d’un système linéaire causal est donné par le produit de
convolution du signal d’entré x t par la réponse impulsionnelle du système h t .
y t x t h t
(III.2)
x .h t d
On peut énumérer les différentes étapes et opérations intervenant dans le produit de convolution :
Exemple :
t2
Soit x t h t rect
4
x t y t
h t
Calculer y t
x t x
h t h
16
CONVOLUTION ET CORRELATION
2ème étape
3ème étape
h h t
h t x
1 er cas :
t 0 y t 0 (il n’y a aucune section entre les deux).
17
CONVOLUTION ET CORRELATION
2ème cas :
t
0 t 4 y t 1.d t
0
ème
3 cas :
4
t 4 y t 1.d 8 t
t 4
t 4 4 t 8 y t 0
0 t0
t 0t 4
y t x t h t
8 t 4 t 8
0 t 8
t4
y t 4tri
4
III.3. Propriétés :
III.3.1. Commutativité :
Le produit de convolution est commutatif
y t x t h t h t x t (III.3)
x t h t x .h t d (III.4)
18
CONVOLUTION ET CORRELATION
Si on pose :
d dM
t M , M (III.5)
, M
L’équation (III.4) devient :
x t M .h M dM
x t M .h M dM (III.6)
h t x t
III.3.2. Associativité :
x t y t
h1 t h2 t
x t y t
h t
y t x t h t
x t h1 t h2 t (III.7)
x t h1 t h2 t
III.3.3. Distributivité :
Cette propriété est la conséquence de la linéarité des intégrales.
y t x t h1 t x t h2 t
(III.8)
x t h1 t h2 t
Grâce à cette propriété, on peut dire que la mise en parallèle de deux systèmes de réponse
impulsionnelle h1 t et h2 t est équivalente à un système dont la réponse impulsionnelle h t est
19
CONVOLUTION ET CORRELATION
h1 t
x t x t h1 t x t h2 t
+
h2 t
x t y t
h t h1 t h2 t
III4. Corrélation :
III.4.1. Principe de la corrélation :
En traitement de signaux, il est souvent nécessaire de comparer deux signaux, cela peut se faire de
plusieurs manières.
La méthode qui est la plus utilisée consiste à une mesure de leur similitude de forme et de position
en faisant translater l’un des signaux par rapport à l’autre mathématiquement. Cette opération est un
produit scalaire.
Avec x* t le conjugué de x t .
20
CONVOLUTION ET CORRELATION
Cas discret :
Rxy k x* n . y n k (III.10)
n
Cas particulier :
Si nous somme dans les signaux réels
Rxy x t . y t dt (III.11)
dont l’un des signaux est décalé (translaté) d’une certaine quantité y t x t .
Rx x* , x x* t .x t dt (III.12)
Cas discret :
Rx k x* n .x n k (III.13)
21
CONVOLUTION ET CORRELATION
T
1 2
Px lim x* t x t dt Rx 0 (III.18)
T T T
2
z x y x t . y t dt
(III.19)
Rxy x* t . y t dt
Si on pose M t
t M
t M
dt dM
trouve au niveau de la fonction qui est inversé par rapport au temps. Dans le cas des fonctions
réelles et paires, la convolution et la corrélation sont équivalent.
Si x réel et paire alors : Rxy x y .
22
CONVOLUTION ET CORRELATION
III.6. Propriétés :
a) La symétrie :
Si les signaux sont complexes :
Rxy R*yx (III.21)
Remarque : pour une fonction d’autocorrélation, on peut dire que pour un signal réel :
Rx Rx (III.23)
Cela veut dire que la fonction d’autocorrélation Rx est une fonction réelle paire.
b) La périodicité :
Si un signal x t est périodique d’une période T alors Rx est aussi périodique de la même
période.
x t x t kT Rx Rx kT (III.24)
c) Additivité :
z t x t y t Rz
(III.25)
Rz Rx Ry Rxy Ryx
Cas particulier :
Si x t et y t sont indépendants (il n’y’a aucune ressemblance entre les deux)
Rxy Ryx 0
(III.26)
Rz Rx Ry
23
Chapitre IV
ANALYSE DE FOURIER
ANALYSE DE FOURIER
IV.1.Introduction:
Jean Baptiste Joseph Fourier (1768-1830), plus communément appelé Joseph Fourier, est un
mathématicien et physicien français connu pour ses travaux sur la décomposition des fonctions
périodiques en séries trigonométriques convergentes appelées séries de Fourier et leurs
applications au problème de la propagation de la chaleur.
La transformée et la série de Fourier permet de donner une autre représentation des signaux très
intéressante pour la théorie de l’information du signal. Cette décomposition exponentielle ou
trigonométrique permet d’exprimer le signal en fonction de ses harmoniques. L'analyse de
Fourier est très utilisée en électricité comme en physique.
Le spectre d’un signal n’est rien d’autre que la représentation en fréquence des sinusoïdes qui le
compose.
A : Amplitude
2 f : Pulsation
:La phase
24
ANALYSE DE FOURIER
x t x Cn .cos n0t n (IV.1)
n 1
x t x an .cos n0t bn .sin n0t (IV.2)
n 1
1
Avec 0 2 f 0 , T0
f0
T0
1 2
x x t dt xT0
T0 T0
(IV.3)
2
T0
2 2
an xT t .cos n0t dt
T0 T0 0
(IV.4)
2
25
ANALYSE DE FOURIER
T0
2 2
bn xT t .sin n0t dt
T0 T0 0
(IV.5)
2
b
n Arg Z Arctg n (IV.10)
an
Propriété :
1) Si x t est paire x t x t bn 0 t
2) Si x t est impaire x t x t an 0 t
3) Si on ajoute une constante à x t , c’est la valeur moyenne qui change et non pas an et
bn .
4) Si on change l’origine des temps de x t , le spectre de phase est modifié et non pas le
spectre d’amplitude.
x t Cn e j n0 t (IV.11)
Cn sont les coefficients de la série de Fourier complexe. La suite des coefficients complexes Cn
26
ANALYSE DE FOURIER
x t Cn cos n0t j sin n0t (IV.13)
n
T0
1 2
Cn x t e j n0 t dt (IV.14)
T0 T0
2
Si n 2
x t C2 cos 20t j sin 20t C1 cos 0t j sin 0t C0
(IV.15)
C1 cos 0t j sin 0t C2 cos 20t j sin 20t
x t C2 C2 cos 20t C1 C1 cos 0t C0 j C2 C2 sin 20t j C1 C1 sin 0t
a2 a1 a0 b2 b1
x t a0 an cos n0t bn sin n0t (IV.17)
n 1
1 1
an Cn C n x t e jn0t dt x t e jn0t dt (IV.18)
TT TT
1
x t e 0 e 0 dt
jn t jn t
an (IV.19)
TT
2
an
TT
x t cos n0t dt (IV.20)
2
bn j Cn C n x t sin n0t dt (IV.21)
TT
1
a0 C0
TT
x t dt (IV.22)
an jbn an jbn
Cn C n (IV.23)
2 2
27
ANALYSE DE FOURIER
Propriété :
Si x t pair Bn 0 n C n Cn
Si x t impair An 0 n C n Cn
Exemple :
Cn v n rd
C5
C1
C2
2
f Hz C2 f Hz
C3 2
La condition de convergence x t .
28
ANALYSE DE FOURIER
Application :
Calculer a0 , an et bn
2
La période est : T 2s ; la pulsation est : ; f t est une fonction paire : bn 0 .
T
t 1, 0 et t 0,1
f t at b f t 3t 3 f t ct d f t 3t 3
D’où :
0
3t 3dt t 2 3t
10 1 3 3
2 2
2 1 1 4
a0 3 3 3 a0 3
4 4 2 2
2 T0 21
an f t .cos 2 n f 0 t dt an f t .cos 2n t dt
T0 0 T 1
x(t)
0 1
an 3t 3.cos n t dt 3t 3.cos n t dt
1 0
29
ANALYSE DE FOURIER
6 1 1n
D’où : an
n
2
Exemple :
Soit un signal x t T t
T T
1 2 1 2 1 1
t e dt y 0 t t0 y t dt y t0
j n 0 t j n 0 t
Cn x t e dt car
T T T T yt
T T
2 2
1 1 2 2 1
2) an Cn C n an a0 C0
T T T T T
1 1
bn 0 j Cn C n j 0
T T
T
2 2 2 2
Sinon an t cos n0t dt cos 0
T T T T
2
1
On remarque que dans ce cas que Cn quel que soit n cela veut dire que les Cn sont
T
réels (phase nulle).
an
Cn 2
T
1
1 T
T
nf 0
nf 0
n
nf 0
30
ANALYSE DE FOURIER
L'égalité de Parseval dite parfois théorème de Parseval est une formule fondamentale de la
théorie des séries de Fourier.
Dans de nombreuses applications physiques (courant électrique par exemple), cette formule peut
s'interpréter comme suit : l'énergie totale s'obtient en sommant les contributions des
différents harmoniques.
E x t dt X f df
2 2
a0 an cos nt bn sin nt , est sa série de Fourier, alors on a :
n 1
1
1T 2
T0
f t dt a02 an2 bn2
2 n 1
Remarque : l’intégrale peut être prise sur n’importe quel
intervalle de longueur T.
En utilisant la forme complexe des séries de Fourier, on montre que l’égalité de Parseval s’écrit
aussi :
1T 2
f t dt Cn
2
T0 n
Exemple :
1 sur
f t
0;
1 sur ; 2
f t
2 2 t
Cette fonction est monotone par morceaux et bornée. Calculons ses coefficients de Fourier:
10
a0 1 dt dt 0
0
10
an 1 cos nt dt cos nt dt 0
0
10
2
bn 1 sin nt dt sin nt dt 1 cos n
0 n
0, si n est pair
Soit : bn 4
n , si n est impair
1 2 2 1
f t dt bn2
2 0 2 n 0
sin 2n 1 t
4
n 0 2n 1
1 2 2 1
f t dt bn2
2 0 2 n 0
1 2 2
Or :
2 0
f t dt 1
2
1 2 1 4 8 1
Et : bn 2
2 n 0 2 p 0 2 p 1 p 0 2 p 1
2
Et donc :
1 2
2 p 1
2
p 0 8
1 1 1 2
C'est-à-dire : 1 ...
32 52 7 2 8
X f TF x t x t e j 2 ft dt
X f indique quelle quantité de fréquence f est présente dans le signal x t sur l’intervalle
, .
X f R X f j.I X f X f .e j f
X f cos f j X f .sin f
33
ANALYSE DE FOURIER
X f R X f I X f
2 2
Im X f
L’argument f arg X f arctg
Re X f
T .F 1
x t TF 1 X f
x t X f .e j 2 f t .df
1
x t X .e .d avec 2 f d 2 df
j t
2
Application :
T T
2 2
2. Représenter le spectre de x t .
X f TF x t rectT t .e j 2 ft .dt
T
2 1
1.e j 2 ft .dt e j fT e j fT
T j 2 f
2
1 j j sin
Or : sin e e et sinc
2j
34
ANALYSE DE FOURIER
1 1
D’où X f .sin fT T . .sin fT T .sinc fT
f fT
f
2 1 1 2
T T T T
La symétrie des transformations directe et inverse montre l’existence d’une dualité entre l’espace
temps et l’espace fréquence.
TF
x(t) X(f)
Espace Espace
temps 1 fréquence
TF
Cette dualité joue un rôle fondamental dans la plupart des méthodes de traitement de signal.
35
ANALYSE DE FOURIER
rect tT
T T
2 2
T
x t , T x t .rect t
En développant en série de Fourier cette portion du signal, on trouve les résultats suivants :
x t , T C exp j 2 nf t
n 0
T
1 2
Cn x t , T exp j 2 nf 0t dt
T T
2
périodique de période T.
RepT x t , T
T T
2 2
36
ANALYSE DE FOURIER
Or pour obtenir notre signal de départ x(t) il faut augmenter la fenêtre d’observation.
x t lim x t , T
T
lim Cn exp j 2 nf 0t
T n
T
1 2
lim x t , T exp j 2 nf 0t dt exp j 2 nf 0t
T n T T
2
1
T df
Si T nf 0 f
x t df x t exp j 2 ft dt exp j 2 ft
X f
x t X f exp j 2 ft df
En conclusion, on peut dire que la TF est une généralisation de la SF en cas des signaux non
périodique.
IV.4.4. Conclusion :
37
ANALYSE DE FOURIER
f at
TF
1
a
F f
a
Cette propriété montre qu’une dilatation de l’échelle du temps conduit a une compression de
l’échelle de fréquence et inversement.
Cette propriété montre qu’une translation d’un signal dans le domaine temporelle n’influe rien
sur son spectre d’amplitude, seul la phase est affectée d’un déphasage liée à cette translation.
d) Translation fréquentiel :
F f f t
1
TF
Si F f f 0 f t e j 2 f 0 t
1
TF
F f f 0 f t e j 2 f 0 t
1
TF
e) Dérivation temporelle :
f t
TF
F f
f t F f e j 2 ft df
df t d
F f e j 2 ft df
dt dt
df t
dt
F f
dt
e
d j 2 ft
df
df t
F f j 2 f e j 2 ft df
dt
df t
TF
F f j 2 f
dt
d n f t
F f j 2 f
n
Cas générale : n
TF
dt
38
ANALYSE DE FOURIER
f) Dérivation fréquentielle :
F f f t
1
TF
d nF f
f t j 2 t
1 n
n
TF
df
g) Convolution :
x t h t
TF
X f .H f
x t .h t
TF
X f H f
Constante A t A f
t 1
Peigne de Dirac t nT 1 n
n f
n T T
t e j 2 f
Echelon unité U t 1
f
1
2 j 2 f
t A .sinc f
A.rect
t AT .sinc2 fT
A.tri
T
e j 2 f 0 t f f0
e j 2 f 0 t f f0
Application :
39
ANALYSE DE FOURIER
S f s t e j 2 f0t dt S . cos 2 f 0t e j 2 ft dt
e j 2 f 0 t e j 2 f 0 t
Or cos 2 f 0t
2
j 2 f0t j 2 ft
e e j 2 f 0 t S j 2 f0t j 2 ft
S f S. e dt e .e dt e j 2 f0t .e j 2 ft dt
2 2
S j 2 f0 f t
j 2 f 0 f t S j 2 f f0 t
e 0 dt
j 2 f f t
e dt e dt e dt
2 2
S
S f f f 0 f f 0
2
S
TF S .cos 2 f 0t f f 0 f f 0
2
S(t) S(f)
S S/2
t f0 f0 f
Remarque :
de deux impulsions de Dirac centrée sur les fréquences f 0 avec une amplitude S et sur f 0
2
40
ANALYSE DE FOURIER
x t E. f
y t y t nT
z t x t .y t
z f X f Y f
n
n
j 2 t
y t Cn e T
TF
Y f Cn f
n n T
n
Z f X f Cn f
n T
n
Cn X f f
n T
n
Z f Cn X f
n T
Conclusion :
On peut dire que le spectre d’un signal temporel obtenu à partir du produit d’un signal à énergie
finie avec un signal périodique est :
- Un signal d’énergie
n
- Une combinaison entre les deux signaux avec x t décalé par un pas régulier de sur
T
l’axe des fréquences.
Application :
z t x t .cos 2 f 0t
Z f ??
41
ANALYSE DE FOURIER
f0 f0
e j 2 f 0 t e j 2 f 0 t A j 2 f 0 t j 2 f 0 t
A cos 2 f 0t A e e
2 2
1 j 2 f 0 t 1
cos 2 f 0t e e j 2 f0t
TF
f f 0 f f 0
2 2
1
Z f X f f f 0 f f 0
2
1
Z f X f f f 0 X f f f 0
2
1
Zf X f f 0 X f f 0
2
42
Chapitre V
TRANSFORMEE DE LAPLACE
TRANSFORMEE DE LAPLACE
V.1. Introduction :
La transformée de Laplace est une technique très utilisée dans la résolution des problèmes
d’engineering comme pour la transformée de Fourier. Cette transformation permet d'associer, à
toute fonction f(t), une fonction F(p) d'une variable complexe P j . Elle permet de
remplacer les opérations analytiques de dérivation et d'intégration par des opérations algébriques.
Cette propriété facilite la résolution des équations différentielles.
x t .e dt
t
(V.1)
Si on pose p j 2 f
TL x t x t e pt dt X p
(V.3)
La variable p est appelé fréquence complexe et des fois elle est notée s
Remarque importante :
La TL trouve sont intérêt dans l’étude des régimes transitoires des signaux physiquement
réalisables qui justement sont nuls pour t 0 .
43
TRANSFORMEE DE LAPLACE
Exemple 1
0 pour t 0
Calculer la TL de l’échelon unité : x t u t
1 pour t 0
e pt
TL u t 1e pt 1
dt
0 p 0 p
1
U p
p
Exemple 2
Soit à calculer TL f t connaissant TL f t .
On a TL f t F p e pt f t dt
0
e pt
du f t dt v Or : uv u v uv uv uv u v
p
e pt 1 pt
F p e pt
f t dt f t e f t dt
0 p 0 p 0
f 0
TL f t
1
F p
p p
TL f t pF p f 0
Si la condition initiale est nulle f 0 0 , alors :
TL f t pF p
Dans ce cas là, l’équation différentielle (pour un système linéaire) liant l’entrée e t à la sortie
s t est :
dn d dk d
an n
s t ... a1 s t a0 s t bk k
e t ... b1 e t b0e t s’écrit, en utilisant la
dt dt dt dt
transformée de Laplace :
an p n S p ... a1 pS p a0 S p bk p k E p ... b1 pE p b0 E p
44
TRANSFORMEE DE LAPLACE
bk p k ... b0 S p TL s t
S p E p avec
an p n ... a0 E p TL e t
e t s t
1
jC
S p E p
1
R
jC
Si p Dp X p existe
Définition :
x t e dt x t e dt
pt t
0 0 (V.4)
On dit que x t est d’ordre exponentiel s’il existe un nombre réel 0 et un nombre positif
finie M tel que :
lim x t e 0t M
t
(V.5)
Toute fonction bornée est une fonction d’ordre exponentiel (tous les signaux physiques sont
d’ordre exp).
45
TRANSFORMEE DE LAPLACE
a) Linéarité :
Si a et b sont constants, on a :
TL f t F p
TL af t bg t aF p bG p
TL g t G p
Car : e pt af t bg t dt a e pt f t dt b e pt g t dt
0 0 0
En particulier :
TL f t jg t TL f t j.TL g t
et TL Kf t K .TL f t (V.6)
b) Dérivation :
TL f t pF p f 0
dn r 2n
TL n f t p n F p p 2 n r f r n 1 0
dt r n 1
d r n 1 f t
Avec : f r n 1
0
dt r n 1 t 0
d2
TL 2 f t p 2 F p pf 0 f 0
dt
Exemple :
d 3
TL 3 f t p 3 F p p 2 F 0 pf 0 f 0
dt
46
TRANSFORMEE DE LAPLACE
c) Intégration :
t
Soit à calculer TL f t dt TL P t , P t désignant une primitive de f t pour t > 0.
0
On a : TL P t e P t dt
pt
0
En utilisant l'intégration par partie, on aura :
u P t dv e pt dt
e pt
du P ' t dt v dt uv uv uv uv uv uv
p
e pt 1 pt
TL p t e pt
p t dt p t e p t dt
0 p 0 p 0
p 0 1 pt
TL p t e f t dt
p p 0
p 0
TL p t TL f t
1
p p
En général :
t t t 1
TL ... f t dt n n TL f t
0 0 0 p (V.7)
En supposant nulles toutes les primitives de f(t) quand t 0 par valeurs positives.
d) Changement d'échelle :
t kt ou t k ".
t
On a :
TL f kt e pt k kt dt
0
du
Posant : kt u du kdt dt
k
Donc :
1 p uk 1 p
TL f kt e f u du F
k 0 k k
47
TRANSFORMEE DE LAPLACE
f t
TL
F p
f at
TL
1
a
F p
a
1 TL
f t aF ap
a
e) Translation temporelle :
f t
TL
F p
f t T
TL
F p e pT
F p f t
1
TL
F p a f t e at
1
TL
f t (causal) F p Dp
t 1 ,
U t 1
p
0,
e atU t 1 Re a ,
pa
tU t 1 2
p
0,
t n U t n! 0,
p n 1
sin 0t .U t 0 0,
p 02
2
48
TRANSFORMEE DE LAPLACE
Les entrées e t représentent les actions par exemple différence de potentiel, courant,
force…agissants sur le système.
Les sorties y t sont des fonctions mesurées résultantes de la présence des entrées et de la
constitution du système.
Grâce à la TL, on passe d’un problème portant sur le domaine temporelle à un problème portant
sur le domaine de la variable complexe p, après avoir obtenu la solution du problème. Il est
nécessaire d’inverser cette transformation pour obtenir la solution ayant pour domaine de temps.
C’est la transformée de Laplace inverse. On la note TL1 ou L1 . Toute la complication est de
déterminer la TL-1.
Soit F p TL f t
Si F p peut être décomposée en termes distincts : F p F1 p F2 p ... Fn p et Si les
49
TRANSFORMEE DE LAPLACE
Cette technique est très utilisée par les physiciens, car elle permet d’utiliser la table de
transformation.
m
bi p i n m
S p i 0
i an 1
n
i
a p
i 0
n
Résoudre l’équation ai p i 0 pour déterminer les racines
i 0
n L
ai p i p ri i
n
i 0 i 1
m m
bi p i bi p i
S p i 0
n
L
i 0
ai p p ri
i ni
i 0 i 1
i 1
50
TRANSFORMEE DE LAPLACE
Remarque :
B p
Dans le cas où le degré de B p degré de A p dont F p , il faut alors diviser le
A p
numérateur par dénominateur, ensuite appliquer la méthode des fractions partielles.
Exemple :
p3
Trouver la Transformée Inverse de F p 2 pôles distincts : p 1, p 2
p 1 p 2
Cas des racines doubles :
m
bi p i
S p L
i 0
nm On suppose que la deuxième racine est double
p ri
ni
i 1
Pour terminer nous dirons que toute la difficulté réside dans la première étape surtout comme
l’ordre de l’équation est supérieur à 4, pour cela plusieurs méthodes de résolution dite
numériques peuvent être envisagées :
Exemple :
p2 2 p 2
S p 2
p 3p 2
Trouver s t ?
1er étape :
X p p2 3 p 2
r 1
X p 0 p2 3 p 2 0 1
r2 2
2eme étape :
51
TRANSFORMEE DE LAPLACE
1
1 2 TL
S p 1 s t t e t 2e 2t
p 1 p 2
i t
w t
x t y t
Si x t 2et , déterminer y t
R 1M , C 1 F , Vco 1V
x t y t w t
y t Ri t
1t
w t i d
C0
1t
x t y t i d Vco
C0
y t Ri t i t y t
R
dx t dy t 1
y t pX p x 0 pY p y 0
TL 1
Y p
dt dt RC RC
2
x t 2e t X p
1 p
x 0 lim x t 2V
t 0
52
TRANSFORMEE DE LAPLACE
1t
y 0 lim y t lim x t i d Vco
t 0 t 0
C0
x 0 Vco 1V
2p 1
Y p
p 1 p 1
2
La Table des principales transformées de Laplace et leurs propriétés est présentée dans
l’Annexe A.
53
Chapitre VI
L’ECHANTILLONNAGE
L’ECHANTILLONNAGE
VI. 1. Introduction :
La plupart des signaux physiques porteurs d’information sont de nature analogique (amplitude et
temps continus) qui exigent un traitement spécifique.
De nos jour et avec les progrès de l’électronique numérique conversion analogique numérique
(C.A.N) et conversion numérique analogique (C.N.A) des fonctions complexes telle que le
filtrage, la corrélation, la convolution… sont réalisables sous forme de carte autonome à base de
D.S.P (digital signal processing) grâce à un micro-ordinateur. Ce type de traitement donne des
résultats plus fiables que le traitement à base de signal analogique. De ce fait il faut discrétiser le
signal c’est l’opération d’échantillonnage.
I 1 se t s t
I 2 se t 0
54
L’ECHANTILLONNAGE
Principe de base d’un échantillonneur est réalisé comme le montre la figure (VI.2). Cet
1
interrupteur s’ouvre et se ferme périodiquement à la fréquence f e
Te
f t t nTe
n
f t : fonction d’échantillonnage.
Dans le cas d’un échantillonnage idéal f t n’est qu’une suite d’impulsion de Dirac qui
55
L’ECHANTILLONNAGE
se t s t t nTe
n
(VI.1)
s nTe t nTe
n
Echantillonnage idéal est caractérisé par une suite d’impulsions de Dirac périodique ( Te
échantillonnage régulier) dont l’air de chaque impulsion est égal à l’amplitude du signal
analogique s t à l’instant d’échantillonnage.
Echantillonnage temporelle
TF
?
se t s t . t nTe (VI.2)
n
1 n
TF
Se f S f f (VI.3)
n Te Te
1
Fe
Te
Se f Fe S f f nFe (VI.4)
n
Se f Fe S f nFe (VI.5)
n
56
L’ECHANTILLONNAGE
s t s f
t f
Fmax Fmax
Te t Fe f
Te Fe
t f
se t Se f
t f
Fe Fmax Fmax Fe
TF
Echantillonnage Temporel périodicité du spectre
Le spectre du signal échantillonné est formé par une suite du spectre du signal analogique (le
spectre du signal analogique se répète périodiquement sur l’axe des fréquences avec une période
1
Fe ).
Te
x t x nTe y nTe y t
57
L’ECHANTILLONNAGE
1) Quelle doit être la valeur de Te pour avoir un signal échantillonné représentant le plus
fidèlement le signal x t .
2) Comment doit être choisi le filtre de reconstitution pour obtenir un signal analogique
- Pour ce qui est pour la première question, la solution a été donnée par le théorème
1
Shannon, il faut respecter la condition Fe 2 Fmax , Te Tmax .
2
Le signal doit posséder un spectre borné pour qu’on puisse le reconstituer à partir de sa version
échantillonnée à condition que la fréquence Fe 2 Fmax
Xf
On considère que x(t) est un signal réel dont le spectre est
borné en fréquence, de fréquence maximale Fmax.
n
X e f Fe . X f nFe (VI.6)
n
Cas 1 : Fe 2 Fmax
Xe f
Fe
n 1 n0 n 1
58
L’ECHANTILLONNAGE
Le motif principal (n = 0) est égal au spectre de x(t). Comme les motifs sont disjoints, on peut
extraire X( f ) grâce à un filtre passe-bas idéal et donc reconstituer intégralement le signal x(t) à
partir de la connaissance de son échantillonné xe(t).
Cas 2 : Fe 2 Fmax
Xe f
Fe
Par conséquent, pour que la répétition périodique du spectre de xe(t) ne déforme pas le spectre
X f répété, il faut et il suffit que Fe 2 Fmax (appliquer le théorème de Shannon)
59
L’ECHANTILLONNAGE
Conclusion :
Le signal doit posséder un spectre borné pour qu’on puisse le reconstituer à partir de sa version
échantillonnée, à condition que la fréquence Fe 2 Fmax
La condition nécessaire et suffisante pour échantillonner un signal sans perte d'information est
que la fréquence d'échantillonnage Fe soit supérieure ou égale au double de la fréquence
maximale du signal. Plus précisément, si on note Fmax la fréquence maximale du signal, il faut et
il suffit que : Fe 2 Fmax .
x nTe
On remarque que : x t t x . t d on
nTe t
T
60
L’ECHANTILLONNAGE
xe t x t h t t nTe (VI.8)
n
Sachant que le peigne de Dirac n’est pas une fonction physiquement réalisable. Ce la veut dire
qu’un échantillonnage avec ce type de fonction ne peut être réalisable. Par contre on sait qu’une
Dirac peut être assimilée à :
t
1
t
t lim t
0
f t
t
f t Re ctTe t
61
L’ECHANTILLONNAGE
s t
f t
t
se t
t
se t s t .Re ctTe
(VI.9)
t
se t s t . Re ct t nTe
n
n (VI.10)
Se f Fe S f sinc nFe f nFe
n
Le spectre d’un signal échantillonné réellement, est constitué d’une suite de motif S f qui se
répète périodiquement sur l’axe de fréquence avec une période Fe . Ces motifs spectraux sont
pondérés par un facteur qui dépend de la densité d’impulsion ( Fe ) et qui varie en fonction de n
selon une loi en sinc.
VI.8. Quantification :
Chaque niveau de tension est codé sur p bits, chaque bit pouvant prendre deux valeurs (0 ou 1).
Donc un convertisseur à p bits possède 2p niveaux de quantification.
Considérons un CAN 4 bits, il n’y a donc que 24 = 16 valeurs possibles attribuables à toutes les
valeurs prélevées lors de l’échantillonnage.
L’opération se fait donc avec une perte d’information d’autant plus grande que p est petit.
Pour une quantification par défaut, où xn = nq si x est compris entre nq et (n+1)q, l’erreur
commise appelée bruit de quantification est donnée sur le graphe ci-dessous :
63
L’ECHANTILLONNAGE
xn t
t x t xn t
Figure VI.4. Bruit de quantification d’un signal échantillonné.
Te
x t x n x t nTe
x t x n
t n
64
L’ECHANTILLONNAGE
X f x t e j 2 ft dt (VI.12)
1) on numérise x t x n
Soit n 0 à N 1
N 1
3) X f x n e j 2 fn
n 0
1 2 3 N 1
4) soit f , , ,...
N N N N
k
f
N
k N 1
k
j 2 n
X x n e N
N n 0
N 1 2
j
X k x n e k 0, N 1
kn
N
(VI.13)
n 0
2
1 N 1
x n X k e N n 0, N 1
j kn
(VI.14)
N k 0
2
j
On note WN e N
N 1
X k x n WNkn , X : vecteur, x : vecteur, W : matrice
n 0
1 N 1
x n X k WN kn (VI.15)
N k 0
65
L’ECHANTILLONNAGE
Notation matricielle :
X W x et x W 1 X
Remarque : la matrice W possède des propriétés très intéressantes qui permettent de vérifier une
méthode de calcule de la TFD. Cette méthode est appelée transformée de Fourier rapide FFT
(Fast Fourier transform).
Exemple :
k 0 : X DFT 0 x n e0 1 2 1 0 4
3
n 0
k 1: X DFT 1 x n e j n 2 1 2e j 2 e j 0 j 2
3
n 0
k 2 : X DFT 2 x n e j n 1 2e j e j 2 0 0
3
n 0
k 3 : X DFT 3 x n e j 3 n 2 1 2e j 3 2 e j 3 0 j 2
3
n 0
X FTD 4, j 2, 0, j 2
N 1 2
j
X k x n WNkn avec WN e N
et x n , n 0, N 1
n 0
Le calcul directe exige un nombre d’opérations élevé, c’est pour cette raison qu’on à recourt a
l’algorithme de la FFT.
Le nombre de multiplication : N .N N 2 .
66
L’ECHANTILLONNAGE
La découverte de la transformée rapide de Fourier en 1965 par Cooley et Tukey a été d'une
importance majeure pour le traitement du signal car elle a permis d'envisager l'analyse spectrale
numérique de signaux de longue durée en des temps raisonnablement courts. L'algorithme de
Cooley et Tukey a très vite été connu sous le nom de transformation rapide de Fourier.
Il ne faut pas se méprendre sur la signification de la FFT : l'algorithme FFT n'est pas une
nouvelle transformation. Ce n'est rien d'autre qu'un moyen rapide d'obtenir les mêmes résultats
que ceux fournis par la TFD.
X (0 )
X (2 )
.
X (0 ) .
X (1 )
. X (N -2 )
.
.
.
. X (1 )
X (3 )
X (N -1 ) .
.
X (N -1 )
Exemple N=8
X(0)
X(2) N
X(0) X(6) 2
X(1) X(6)
.
.
.
.
.
X(1)
N
X(7) X(3)
X(5) 2
X(7)
67
L’ECHANTILLONNAGE
N N
1 1
N 1
X k x n W x 2n W x 2n 1WN 2 n 1k
2 2
nk 2 nk
N N
n 0 n 0 n 0
X k X1 k W X 2 k
k
N
N N N
N
k
X k X 1 k WN 2 X 2 k
2 2 2
N
Méthode de FFT nécessite que log 2 N =12 multiplications et N log 2 N 24 additions
2
68
Chapitre VII
LA TRANSFORMEE EN Z
LA TRANSFORMEE EN Z
VII.1. Introduction :
La transformé en Z est utilisée pour simplifier les opérations des équations de différence.
Elle est utilisée comme un outil dans l’analyse et la conception des systèmes échantillonnés
discrets, elle permet de simplifier la solution d’un problème de système discret par la conversion
des équations de différence d’un système en équation algébriques et la convolution en une
multiplication.
Elle joue le même rôle que la transformée de Laplace pour les systèmes continus.
VII.2. Définition 1:
X z x0 x1 z 1 x2 z 2 ...xn z n ...
xn z n x nT z n
n 0 n 0
T : temps d’échantillonnage
VII.3. Définition 2:
n 0
z e sT
Les identités suivantes vont être utilisées pour définir les transformées en z des signaux discrets
standards :
69
LA TRANSFORMEE EN Z
k
1 a k 1
a
n 0
n
1 a
; a 1
1
n 0
an
1 a
; a 1
X z 1 0 z 1 0 z 2 ... 1
x t t transformée de Laplace X s 1
En utilisant la définition 1
U z 1 z 1 z 2 z 3 ... z n ... 1
z n n
n 0 -1 0 1 2 3
En utilisant les identités déjà vu :
1
U z
1 z 1
z
si z 1
z 1
VII.4.3. Exponentiel :
x t e t u t
x n e nT e T
n
a n , n 0
x n avec a e T 1 a a2
0 , n 0 a3
X z 1 az 1 a 2 z 2 ... a n z n ... n
n -1 0 1 2 3
a n z n az 1
n 0 n0
70
LA TRANSFORMEE EN Z
1 z
U z 1
1 az za
VII.5.1. Linéarité :
Z f1 n f 2 n F1 z F2 z
Exemple :
F z Z 2 1 n 4 n 2Z 1 n 4Z n
2z 6z 4
4
z 1 z 1
Z f n k z k F z
z k f m z m z k f k z k ... f m z m
m k m 0
z k f k z k ... F z
Exemple 1:
4, n 2,3...
f n
0, n 0,1...
F z Z 4 1 n 2 4 z 2 Z 1 n
4z 4
z 2
z 1 z z 1
71
LA TRANSFORMEE EN Z
Exemple 2:
Z y n 2 y n 2 z n
n 0
z 2 y m z m
m 2
z 2 y 2 z 2 y 1 z1 y m z m
m 0
Dans le cas ou y 2 y 1 0 Z y n 2 z 2 y m z m z 2Y z
m 0
Z f n 1 zF z zf 0
Z f n k z k F z z k f 0 z k 1 f 1 ... zf k 1
Z f n 1 f n 1 z n
n 0
z f n 1 z n 1
n 0
Z f n 1 z f 0 f n 1 z n 1 f 0
n 0
Z f n 1 z f m z m f 0
m 0
zF z zf 0
Exemple :
La séquence causale :
f n 4,8,16,...
La séquence peut être écrite :
f n 2 n2
g n 2 , n 0,1, 2,....
72
LA TRANSFORMEE EN Z
F z z 2G z z 2 g 0 zg 1
z 4z
z2 z2 2z
z2 z2
Z a n f n F az
a n f n z n f n az F az
n
n 0 n 0
Exemple :
1 1
F z 1 z 1
1 z 1
Et g n e T 1
n
Z eT n
f n 1 eT z
1 1
z
z e T
g n n, n 0,1, 2,...
z
f n 1 F z
z 1
Or g n n 1
73
LA TRANSFORMEE EN Z
d z
Z n 1 z
z 1 z z
z
dz z 1 z 1 z 1
2 2
Exemple :
z 1
F z
z 0.3 z 0.02
2
En va prendre en premier F z z
F z z 1
z
z z 2 0.3 z 0.02
F z A B C
z z z 0.1 z 0.2
F z 1
A z F 0 50
z z 0
0.02
F z 1 0.1
B z 0.1 90
z z 0.1
0.1 0.1
F z 1 0.2
C z 0.2 40
z z 0.2
0.2 0.1
50 z 90 z 40 z
Ainsi : F z
z z 0.1 z 0.2
En utilisant la table :
N z r A1i n Aj
F z
z z1
r
z zj
n
i 1 z z1
r 1i
j r 1 z z j
j r 1
1 d i 1
i 1
z z1 F z
r
A1,i , i 1, 2,...r
i 1! dz zz 1
Exemple :
1
F z
z z 0.5
2
F z 1 A A A A4
113 122 13
z z z 0.5 z
3
z z z 0.5
Où :
F z 1
A11 z 3 2
z z 0
z 0.5 z 0
1 d 3 F z d 1 1
A12 z 4
1! dz z z 0 dz z 0.5 z 0 z 0.5 2
z 0
1 d 2 3 F z 1 d 1 1 1 2
A13 z 8
2! dz 2
z z 0 2 dz z 0.5 2 2 z 0.5 3
z 0 z 0
F z 1
A4 z 0.5 8
z z 0.5
z3 z 0.5
75
LA TRANSFORMEE EN Z
1 8z
Ainsi : F z 2 z 2 4 z 1 8
z z 0.5 z 0.5
2
8 0.5 n 2 n 2 4 n 1 8 n ; n 0
f n
0; n 0
f 0 8 8 0
f 1 8 0.5 4 0
f 2 8 0.5 2 0
2
0.5 n 3 ; n 3
f n
0; n 0
z
F z z 3
z 0.5
y n x n h n h k x n k
M
k 0
Y z h k z k X z
M
k 0
h k z k X z H z X z
M
k 0
y n x n h n
Z
Y z H z X z
Exemple :
Soit :
x n 2 n 3 n 2 4 n 3
h n n 2 n 1 n 2
76
LA TRANSFORMEE EN Z
Calculer y n x n h n
La transformée en Z de x n et h n
X z 2 3 z 2 4 z 3
H z 1 2 z 1 z 2
Y z 2 3 z 2 4 z 3 1 2 z 1 z 2
2 4 z 1 z 2 2 z 3 5 z 4 4 z 5
y n 2 n 4 n 1 n 2
2 n 3 5 n 4 4 n 5
77
Chapitre VIII
VIII.1. Introduction :
Un filtre est un système ou un programme dont le rôle est de modifier le contenu spectral des
signaux le traversant. Le but peut être d'extraire une partie de l'information contenue dans le
signal ou d'éliminer des parasites le perturbant…
Un filtre analogique est plus souvent un sélecteur de fréquences alors que les filtres numériques
ont comme but plus général de transformer le signal (sélecteur de fréquences, fabrication
d'échos, transformation de la voix…).
Nous intéresserons dans ce cours qu'au filtrage analogique passif, basse fréquence ou haute
fréquence. On rencontre ces filtres dans de nombreux domaines :
- radiocommunication : sélection de bande…
- analyse spectrale
- élimination de bruit
- sélecteur de fréquences en sortie de mélangeur, oscillateur ou autre circuit non linéaire
- …etc
Les technologies utilisées en filtrage analogique sont très nombreuses et dépendent en général de
la gamme de fréquences concernée.
- En dessous de quelques MHz, les filtres actifs utilisant des amplificateurs opérationnels (AOP)
sont très utilisés. Ils ont l'avantage de ne pas nécessiter de bobine dont le prix, l'encombrement
ou le poids sont importants à fréquence basses.
- En haute fréquence, au-delà de quelques MHz, les filtres passifs utilisant des condensateurs et
des bobines deviennent intéressants. En hyperfréquence, de 1 à 100 GHz, c'est pratiquement la
seule technologie utilisable. A ces fréquences, les composants peuvent être soudés sur des
circuits imprimés.
On se concentre dans ce chapitre sur une analyse des quatre types de filtres : passe-bas, passe-
haut, bande passante, et filtre coupe-bande. On verra aussi une méthode pour tracer la réponse de
ces filtres en fonction de la fréquence, soit le diagramme de Bode.
78
LES FILTRES ANALOGIQUES
VIII.2.1. Bande passante : C'est l'étendue des fréquences entre lesquelles un signal à l'entrée
passe à la sortie.
VIII.2.2. Bande atténuée : C'est l'étendue de fréquences où l'amplitude d'un signal est atténuée
de sorte qu'il n'apparait pas à la sortie.
Les filtres sont caractérisés selon leur réponse en fréquence. La variation de l'amplitude en
fonction de la fréquence est le critère le plus important. On peut voir les différents types de
filtres à la figure (VIII.1) et (VIII.2).
H j H j
c c
Les courbes idéales de la figure (VIII.1) précédente montrent les deux premiers types de filtres
principaux, le filtre passe-bas et le filtre passe-haut, qui ont tous deux une bande passante et une
bande atténuée. La fréquence qui sépare les deux bandes est appelée la fréquence de coupure c .
Le nom de ces filtres vient de la région dans laquelle les fréquences passent de l'entrée à la sortie
: pour un passe-bas, ce sont les fréquences les plus faibles que la fréquence de coupure qui
passent, tandis que pour le passe-haut, ce sont les fréquences les plus élevées qui passent. Les
termes bas et haut, ils ne font référence qu'à la fréquence de coupure.
Les deux autres types de filtres de la figure (VIII.2), ont deux fréquences de coupure. Le filtre
passe-bande permet de passer seulement les fréquences entre les deux fréquences de coupure ; le
filtre à rejet (ou filtre coupe-bande) laisse passer tout sauf ce qui est entre les deux fréquences de
coupure.
79
LES FILTRES ANALOGIQUES
H j H j
c1 c 2 c1 c 2
fréquences supérieures à fc. Toute onde sinusoïdale à l'entrée du filtre et dont la fréquence se
situe dans la bande passante apparaîtra à la sortie du filtre. Mais toute onde sinusoïdale dont la
fréquence est supérieure à fc est complètement atténuée par le filtre.
Ve f Vs f
Filtre
Ve Passe-bas Vs
fc f fc f
Figure VIII.3. Spectres des signaux d'entrée et de sorties d'un filtre passe-bas.
80
LES FILTRES ANALOGIQUES
Les filtres réels ont une réponse semblable à celle représentée sur la figure (VIII.4). Par
définition la fréquence de coupure est la fréquence est la
H
1
fréquence à la quelle l'amplitude de sortie est à de la I
2
valeur maximale:
fc f
Figure VIII.4. Filtre passe-bas.
1
H jc H max (VIII.1) réel
2
Le plus souvent, on préfère représenter la réponse du filtre par le gain en dB GdB 20 Log10 H
avec une échelle logarithmique pour l'axe des fréquences. La fréquence de coupure correspond
alors à une chute du gain de 3dB.
81
LES FILTRES ANALOGIQUES
Vi R Vo
R L
H p (VIII.6)
pR L
Pour étudier la réponse en fréquence, on fait la substitution p j :
R L
H j (VIII.7)
j R L
On sépare cette dernière équation en deux parties : une pour l'amplitude, et l'autre pour la phase.
R L
H j
2 R L
2
(VIII.8)
L
j tan 1
R
82
LES FILTRES ANALOGIQUES
Vi C Vo
Vi t R.i t Vo t
1 dV t
Vo t i t .dt i t C o (VIII.11)
C dt
dV t
Vi t R.C. o Vo t
dt
Vi p R.C . p.Vo p Vo p (VIII.12)
Vo p 1
(VIII.13)
Vi p 1 R.C. p
Vo p 1 RC
H p (VIII.14)
Vi p p 1 RC
1 RC
H j (VIII.15)
1 RC
2 2
Si on compare la fonction de transfert obtenue pour le circuit RL et pour le circuit RC, on obtient
la forme générale suivante :
c
H p (VIII.16)
p c
N'importe quel circuit ayant une fonction de transfert de la même forme que l’équation
précédente agira comme un filtre passe-bas.
Une autre relation importante à propos des deux filtres présentés est la relation entre la fréquence
de coupure et la constante de temps. En effet, si on compare la constante de temps des circuits
RL et RC série et leur fréquence de coupure, on obtient :
1
(VIII.17)
c
VIII.3.3. Les courbes de Bode :
Les courbes de Bode d’un filtre sont tout simplement les courbes illustrant la variation en
fonction de la fréquence du module et de la phase de la fonction de transfert.
Pour le gain G, on préfère tracer le gain en décibel GdB 20 log H avec une échelle
logarithmique sur l'axe des fréquences. Le tracé de cette courbe est rendu très simple par le
comportement asymptotique de GdB quand f 0 et quand f et aussi par la
1 1
H j Avec : c
RC
1 j
c
1
H H j (VIII.18)
2
1
c
84
LES FILTRES ANALOGIQUES
2
GdB 20 log
1
20 log 1 10 log 1 u
2
(VIII.19)
c
2
1
c
f
Avec u
c f c
On représente le gain en décibel non pas en fonction de (ou ou f ) mais en fonction de
c
log (la plage de fréquence pouvant s’étendre de quelques Hz à 106 Hz et plus)
c
Si grand devant c alors GdB 20 log droite de pente 20dB par décade.
c
Figure VIII.8. Courbe de réponse GdB d’un Filtre passe-bas (RC série).
Les deux asymptotes se coupent pour 0 20 log c'est-à-dire pour c ;
c
1 1
Pour c , H et GdB 20 log 3dB .
2 2
La pulsation de coupure à 3dB du filtre est par définition la pulsation telle que :
Les signaux de pulsations c sont transmis en sortir avec une atténuation inferieure à 3 dB ;
Les signaux de pulsations c sont transmis en sortir avec une atténuation supérieure à 3 dB ;
85
LES FILTRES ANALOGIQUES
Idéalement, on considérera que le filtre laisse passer une pulsation si l’atténuation en sortie est
inferieure à 3 dB.
La Bande passante de ce filtre, c'est-à-dire l’ensemble des pulsations qu’il laisse passer, est donc
0, c .
Représentation de la courbe de phase :
L’argument de la fonction de transfert est appelé phase
arg H j
0 arg 1 j arctan (VIII.20)
c c
On présente la phase non pas en fonction de (ou ou f) mais en fonction de log (la
c c
Si grand devant c alors
2
Si c alors
4
86
LES FILTRES ANALOGIQUES
Vi R Vo
p
H p (VIII.21)
p 1 RC
Ce qui donne, en termes de fréquence,
j
H j (VIII.22)
j 1 RC
H j (VIII.23)
1 RC
2 2
GdB 20 log H j
2
20 log 10 log 1 (VIII.26)
c c
87
LES FILTRES ANALOGIQUES
Si petit devant c alors GdB 20 log
c
2
Si grand devant c alors GdB 20log 10log 0
c c
Figure VIII.11. Courbe de réponse GdB d’un Filtre passe-haut (RC série).
Les deux asymptotes se coupent pour 0 20 log c'est-à-dire pour c pulsation de
c
coupure à 3dB .
La bande passante de ce filtre, c'est-à-dire l’ensemble des pulsations qu’il laisse passer, est donc
c , .
arg H j
arg j arg 1 j arctan (VIII.27)
c c 2 c
88
LES FILTRES ANALOGIQUES
VIII.5.1. Caractéristiques :
Les filtres passe-bande ont quelques caractéristiques additionnelles comparativement aux filtres
passe-bas et passe-haut. Ces paramètres sont :
a. Fréquence centrale 0 : C'est la fréquence à laquelle la fonction de transfert du filtre est
purement réelle. On l'appelle aussi la fréquence de résonance. La fréquence centrale est la
moyenne géométrique des fréquences de coupure, 0 c1c 2 . Pour un filtre passe-bande,
C L
R Vo
Vi
89
LES FILTRES ANALOGIQUES
p R L
H p (VIII.28)
p p R L 1 LC
2
R L
H j (VIII.29)
1 LC R L
2 2
2
Et le déphasage est :
R L
j 90 tan 1 2
(VIII.30)
1 LC
La figure suivante montre la réponse typique d'un filtre passe-bande. Les fréquences de coupure
sont définies par les points où l'amplitude atteint 0.707 de la valeur maximale.
H j
c1 0 c 2
On peut maintenant calculer les cinq paramètres qui caractérisent le filtre passe-bande. En
premier, la fréquence centrale est définie comme étant la fréquence où la fonction de transfert est
purement réelle. Ceci se produit au point ou l'impédance de la capacitance annule celle de
l'impédance, soit
j
j L 0 (VIII.31)
C
90
LES FILTRES ANALOGIQUES
1
0 (VIII.32)
LC
Les fréquences de coupure sont calculées de la même façon que d'habitude, on calcule pour
H j 1 2.
R
c 2 c1 (VIII.34)
L
Le dernier type de filtre étudié est le filtre coupe-bande. Ce genre de filtre permet de tout passer
à la sortie sauf certaines fréquences. Un exemple d'application est un filtre qui permet d'éliminer
un canal TV d'une transmission.
L Vo
Vi
C
91
LES FILTRES ANALOGIQUES
pL 1 pC p 2 1 LC
H p 2 (VIII.35)
R pL 1 pC p p R L 1 LC
1 LC 2
H j (VIII.36)
1 LC R L
2 2
2
Et le déphasage,
R L
j tan 1 2
(VIII.37)
1 LC
H j
c1 0 c 2
Figure VIII.16. Réponse typique d'un filtre à élimination de bande RLC série.
1
0 (VIII.38)
LC
Les fréquences de coupure sont les même que celle du filtre passe-bande. Les deux fréquences
de coupure sont :
2
R R 1
c1
2L 2 L LC
(VIII.39)
2
R R 1
c 2
2L 2 L LC
92
LES FILTRES ANALOGIQUES
R
c 2 c1 (VIII.40)
L
La forme générale d'un filtre coupe-bande est :
p 2 02
H p (VIII.41)
p 2 p 02
93
ANNEXES
ANNEXE A
U t 1 1 f1 t 2 f 2 t 1F1 p 2 F2 p
p
1 df t pF p f 0
t
p2 dt
n
n! d f t
2
p 2 F p pf 0 f 0
t
p n 1 dt 2
1 d n f t r 2 n d r n1 f 0
e at
p F p p
n 2 nr
.
pa dt n r n 1 dt r n1
t t t
F p
... f t .dt
n
1
te at 00 0 pn
p a
2
(Avec conditions
initiales nulles)
n! f kt 1 p
t n e at .F
p a
n 1
k k
a t k.F kp
1 e at p p a
f
k
ba e f t
at
F p a
e at ebt
p a p b
f t e p .F p
sin t
p 2 Pour t
2
p t
F1 p .F2 p
cos t
p 2
2 f1 t . f 2 d
0
2 p t. f t
d
F p
t .sin t
p
2
2
2 dp
pa
e at .cos t
p a 2
2
94
ANNEXE B
x n X z en z 1 X z en z
n 1 1
1 z
u n
1 z 1 z 1
1 z
n.u n
1 z z 1
2 2
1
z
a n .u n
1
1 az 1 z a
a az
na .u n
n
1 az 1
2
z a
2
1 az 1 cos 0
a cos 0 n u n
n z 2 az cos 0
1 2az cos 0 a z
1 2 2
z 2 2az cos 0 a 2
az 1 sin 0
a n sin 0 n u n 1 2az 1 cos 0 a 2 z 2 az sin 0
z 2az cos 0 a 2
2
95
ANNEXE B
Z x n k z k Z x n
k 1
Z x n k z k Z x n x j z k
j 0
Z x n * y n Z x n Z y n
Z x n z a
Z an x n
Z nx n Z x n
d
z
dz
Z nk x n d
k
z Z x n
dz
96
BIBLIOGRAPHIES
BIBLIOGRAPHIES
BIBLIOGRAPHIES
[1] F. Cottet, “Traitement des signaux et acquisition de données : Cours et exercices corrigés”,
3ème édition, Dunod Édition, 2009.
[3] A. Palamides, A. Veloni, “Signals and Systems Laboratory with MATLAB”, Taylor &
Francis Group, CRC Press 2011.
[4] B. Boulet, “Fundamentals of Signals and Systems”, Copyright 2006 Career & Professional
Group, a division of Thomson Learning.
[5] M, Hayes, “Schaum’s Outline of Digital Signal Processing”, Mc Graw-Hill, New York,
1999.
[12] A. Yger, “Théorie et analyse du signal : Cours et initiation pratique via MATLAB et
SCILAB”, Editeur : Ellipses Marketing Collection : Universités mathématiques, 1999.
[13] S. Radhakrishnan Practicing, “Signals and Systems Laboratory using MATLAB: Signals
and Systems Introduction and implementation using MATLAB”, LAP Lambert Academic
Publishing, 2011.
97
BIBLIOGRAPHIES
[16] M. Benidir, “Théorie et traitement du signal, tome 2 : Méthodes de base pour l'analyse et
le traitement du signal”, Dunod édition, Collection : Sciences Sup, 2004.
98