Академический Документы
Профессиональный Документы
Культура Документы
Informations pratiques 5
Planning 7
I Enoncés 9
1 Signaux de base et systèmes LIT 11
1.1 Signaux de base : échelon, rampe et impulsion . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Systèmes linéaires et invariants dans le temps (LIT) . . . . . . . . . . . . . . . . . . 13
5 Transformée de Laplace 29
7 Echantillonnage 35
7.1 Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
7.2 Zero-padding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
7.3 Relations entre les différentes transformations de Fourier . . . . . . . . . . . . . . . . 37
7.4 Anciens examens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
8 Transformée de Laplace 41
9 Stabilité 45
10 Transformée en z 47
12 Stabilité 55
II Solutions 59
III Annexes 99
A Formulaire d’examen 101
3
4 TABLE DES MATIÈRES
Encadrants
Les remarques (typos, erreurs, suggestions, etc.) concernant ce syllabus d’énoncés sont à adresser à
Stéphanie Guérit (stephanie.guerit@uclouvain.be) pour la partie Signaux et à Emilie Renard (emi-
lie.renard@uclouvain.be) pour la partie Systèmes. Elles sont essentielles pour améliorer le syllabus
d’année en année. Merci !
Références
[1] S. Haykin and B. Van Veen, Signals and Systems : Second Edition, John Wiley & Sons, Inc,
2005.
[2] M. Unser and P. Vandergheynst, Signaux et systèmes I et II : exercices, Ecole Polytechnique
Fédérale de Lausanne, 2010.
5
Planning
7
Première partie
Enoncés
9
Séance 1
Rappel
Propriétés du delta de Dirac (temps continu)
Formules d’Euler
1 jωt 1 jωt
e + e−jωt e − e−jωt
cos (ωt) = sin (ωt) =
2 2j
a. A partir de la séance 2.
b. A partir de la séance 2.
Exercice 1.1 @ Commencer par dessiner les trois signaux de base (impulsion, rampe et/ou
fonction échelon). Donner une expression analytique compacte pour les signaux suivants en utilisant
ces signaux de base. Calculer leur dérivée.
11
12 SÉANCE 1. SIGNAUX DE BASE ET SYSTÈMES LIT
Exercice 1.4
Indice : δ 0 (t) est une fonction impaire (voir annexe B, page 105).
Exercice 1.5? Déterminer si les signaux suivants sont périodiques et donner, le cas échéant, la
période fondamentale :
Exercice 1.6? Soient deux signaux x[n] et y[n] donnés aux figures 1.1 et 1.2.
x[n] y[n]
3 3
2 2
1 1
−4 −2
n n
−6 −4 −2 2 4 6 −6 2 4 6
−1 −1
a) x[2n]
? b) x[3n − 1]
c) y[1 − n]
d) y[2 − 2n]
e) x[n − 2] + y[n + 2]
? f) x[2n] + y[n − 4]
g) x[n + 2]y[n − 2]
h) x[3 − n]y[n]
i) x[−n]y[−n]
j) x[n]y[−2 − n]
k) x[n + 2]y[6 − n]
Exercice 1.7? Un système linéaire H possède les paires d’entrée-sortie données à la figure 1.3.
Répondre aux questions suivantes et expliquer les réponses :
x1 (t) y1 (t)
2 2
1 1
t [s] t [s]
1 2 3 1 2 3
x2 (t)
y2 (t)
2
1
1 3
t [s]
1 2
t [s]
1 2 3 −1
x3 (t) y3 (t)
2 2
1 1
t [s] t [s]
1 2 3 1 2 3
x(t)
2
t [s]
1 2 3
Exercice 1.8 Un système en temps discret est à la fois linéaire et invariant dans le temps. La
sortie pour une entrée x[n] = δ[n] est donnée par le signal de la figure 1.5.
y[n] x[n]
2 2
1 1
n n
−2 2 4 −2 2 4
−1 −1
Figure 1.5 – Sortie pour x[n] = δ[n]. Figure 1.6 – Entrée pour l’exercice 1.8.
Séance 2
Rappel
La convolution est une opération que l’on peut effectuer entre deux signaux, tout comme l’addition,
la multiplication, etc.
Soit f (t) et g(t), deux signaux en temps continu. Dans le cas continu, cette opération est définie
comme Z ∞
f (t) ∗ g(t) = f (t − τ )g(τ ) dτ.
−∞
Soit f [n] et g[n], deux signaux en temps discret. Dans le cas discret, l’opération de convolution est
définie comme
∞
X
f [n] ∗ g[n] = f [n − k]g[k].
k=−∞
Exemple de convolution graphique entre deux signaux en temps continu : f (t) et g(t).
f (t)
g(t)
t [s]
Etape 1 : la première étape consiste à renverser un des signaux (symétrie orthogonale d’axe y). Ici,
on choisit de renverser la fonction f . A noter : on ne se trouve plus dans le domaine temporel : l’axe
des x est celui de τ !
f (−τ )
g(τ )
Etape 2 : on fixe t = t1 et on décale le signal f (−τ ) de t1 vers la droite. On obtient alors le signal
f (−(τ − t1 )) = f (t1 − τ ).
f (t1 − τ )
t1 g(τ )
15
16 SÉANCE 2. CONVOLUTION ET RÉPONSE IMPULSIONNELLE
Rappel
Etape 3 : comme l’indique la définition, on multiplie ensuite les deux signaux : f (t1 − τ )g(τ ) et on
calcule l’intégrale de cette nouvelle courbe.
f (t1 − τ )g(τ )
Etape 4 : l’aire obtenue correspond à l’ordonnée du point t = t1 sur le graphe résultant (on retourne
dans le domaine temporel). Il faut ensuite recommencer à l’étape 2, en fixant une autre valeur pour
t. On construit ainsi petit à petit le graphe f (t) ∗ g(t).
f (t) ∗ g(t)
t [s]
t1
Les numéros entre parenthèses sont des références aux exercices du livre [1].
Exercice 2.1 @ Soit f une fonction à temps discret quelconque. Evaluer le résultat des convolu-
tions suivantes :
a) f [n] ∗ δ[n]
b) f [n] ∗ δ[n − 4]
c) f [n − 2] ∗ δ[n + 2]
Exercice 2.2?
? a) Evaluer graphiquement z1 [n] = x1 [n] ∗ y[n], avec x1 [n] et y[n] représentés aux figures 2.1 et
2.2, respectivement.
? b) Evaluer z2 [n] = x2 [n] ∗ y[n] en utilisant uniquement les résultats obtenus en (a). Le signal
x2 [n] est représenté à la figure 2.3.
c) Evaluer z3 [n] = x3 [n] ∗ y[n] en utilisant uniquement les résultats obtenus en (a). Le signal
x3 [n] est représenté à la figure 2.4.
2.1. OPÉRATION DE CONVOLUTION 17
Exercice 2.3? Considérer x[n] et y[n] tels que représentés sur les figures 2.5 et 2.6. Que vaut
z[n] = x[n] ∗ y[n] ?
x[n] y[n]
2 2
n n
−2 2 4 −2 2 4
Exercice 2.4 (2.34a) Considérer x[n] et y[n] tels que représentés aux figures 2.7 et 2.8. Que vaut
z[n] = x[n] ∗ y[n] ?
x[n] y[n]
2 2
n n
−6 −4 −2 2 4 6 8 −6 −4 −2 2 4 6 8
Exercice 2.5 (2.37a) La convolution correspond à la procédure d’évaluation des coefficients d’un
polynôme produit par la multiplication de deux autres polynômes. Pour voir cela, nous interprétons
les polynômes comme des signaux discrets dont la valeur au temps n est égale au coefficient z n . Par
exemple, le polynôme x(z) = 2+3z 2 −z 3 correspond au signal discret x[n] = 2δ[n]+3δ[n−2]−δ[n−3].
Calculer la convolution entre x[n] = δ[n] − 2δ[n − 1] + δ[n − 2] et h[n] = u[n] − u[n − 3] en se basant
sur la multiplication des deux polynômes correspondants.
Exercice 2.6 (2.39a) Effectuer le calcul suivant : y(t) = (u(t) − u(t − 2)) ∗ u(t).
18 SÉANCE 2. CONVOLUTION ET RÉPONSE IMPULSIONNELLE
x(t) y(t)
2 2
t [s] t [s]
−1 2 4 −1 2 4
Exercice 2.8? (2.32b) Un système LIT discret a une réponse impulsionnelle comme esquissée sur
la figure 2.11. Utiliser la linéarité et l’invariance temporelle pour déterminer la sortie du système si
son entrée est x[n] = u[n + 1] − u[n − 3].
h[n]
2
n
−4 −2 4
Exercice 2.9 (2.41) Pour modéliser les imperfections dans un canal de communication, nous
utilisons un circuit RC comme illustré sur la figure 2.12. L’entrée est représentée par x(t) et la
sortie par y(t). Supposons que le message envoyé se présente sous un format binaire, que un ‘1’ est
envoyé durant un intervalle de temps de longueur T grâce à la transmission du signal p(t) illustré
à la figure 2.13 et que un ‘0’ est envoyé grâce à la transmission du signal −p(t). Si nous voulons
envoyer le message ‘1101001’, nous transmettrons alors le signal x(t) tel qu’illustré à la figure 2.14.
R p(t) x(t)
1 1
+
x(t) − y(t) C
t [s] t [s]
T T 5T 7T
−1 −1
Figure 2.12 – Circuit RC. Figure 2.13 – Signal p(t) pour Figure 2.14 – Signal x(t) pour
la transmission d’un ‘1’. la transmission de ‘1101001’.
2.2. RÉPONSE IMPULSIONNELLE D’UN SYSTÈME LIT 19
a) Utiliser la convolution pour calculer la sortie obtenue quand on transmet un ‘1’ au temps t = 0.
Remarquer que, bien que l’entrée soit nulle en dehors de l’intervalle [0, T ], la sortie n’est pas
nulle entre T et 2T . Supposer que T = 1/RC. Pour rappel, la réponse impulsionnelle d’un
circuit RC est
1 −t/RC
h(t) = e u(t).
RC
b) Utiliser la convolution pour calculer la sortie due à la transmission des signaux ‘1110’ et ‘1000’.
Comparer les signaux obtenus avec ceux obtenus si le canal de communication était parfait
(h(t) = δ(t)) avec
(a) RC = 1/T
(b) RC = 5/T
(c) RC = 1/(5T )
Exercice 2.10 (2.44) Démontrer que si y(t) = x(t) ∗ h(t) est la sortie d’un système LIT dont
l’entrée est x(t) et la réponse impulsionnelle est h(t) alors
d d
y(t) = x(t) ∗ h(t) ,
dt dt
et
d d
y(t) = x(t) ∗ h(t).
dt dt
Exercice 2.11? (2.57b) Déterminer la sortie du système décrit par l’équation différentielle sui-
vante :
d2 y dy dx
2
(t) + 5 (t) + 4y(t) = (t),
dt dt dt
dy −
avec y(0− ) = 0, dt (0 ) = 1 et x(t) = sin (t)u(t).
Exercice 2.12 (2.59c) Déterminer la sortie du système décrit par l’équation aux différences sui-
vante :
1 1
y[n] + y[n − 1] − y[n − 2] = x[n] + x[n − 1],
4 8
n
avec y[−1] = 4, y[−2] = −2 et x[n] = (−1) u[n]. Vérifier le calcul pour les vingt premières valeurs
de la sortie grâce à la fonction impz de Matlab.
Séance 3
Rappel
Réponse libre : réponse du système pour des conditions initiales non-nulles et une entrée nulle
Réponse forcée : réponse du système pour des conditions initiales nulles et une entrée non-nulle
q[n + 1] q[n]
d
Représentation d’état :
q̇(t) R q(t)
Représentation d’état :
Exercice 3.1? (2.69) (a?, b?) Déterminer la représentation d’état pour les systèmes discrets re-
présentés à la figure 3.1.
Exercice 3.2? (2.71) (a?, c?) Déterminer la représentation d’état pour les systèmes continus re-
présentés à la figure 3.2.
Exercice 3.3? (2.74) Considérer le système LTI continu décrit par le schéma de la figure 3.3.
On vous demande :
a) de déterminer la représentation d’état du système grâce aux variables d’état q1 (t) et q2 (t).
b) de définir deux nouvelles variables d’état z1 (t) = q1 (t) − q2 (t) et z2 (t) = 2q1 (t) et de calculer
les nouvelles matrices Ã,b̃, c̃ et D̃ correspondantes.
21
22 SÉANCE 3. REPRÉSENTATION DES SYSTÈMES LIT
Figure 3.1
Figure 3.2
Exercice 3.4? Transformer les deux équations aux différences en schémas-blocs et donner ensuite
la représentation d’état associée.
Exercice 3.5? (2.62) Utiliser une équation aux différences du premier ordre pour étudier le bilan
mensuel d’un emprunt de 100 000 euros à 1% d’intérêts par mois. On suppose que les paiements
mensuels sont de x euros (par exemple, x = 1200). Calculer les réponses libre et forcée. Dans cet
exemple, la réponse libre (ou naturelle) représente le bilan de l’emprunt, en supposant qu’aucun
paiement n’est effectué. Combien de paiements sont nécessaires pour rembourser la totalité de
l’emprunt ?
23
Figure 3.3
Séance 4
Rappel
Il y a quatre représentations de Fourier distinctes. Les expressions de celles-ci ainsi que les liens
entre domaine direct et domaine fréquentiel sont repris dans le tableau ci-dessous.
Continu
Non-périodique
Discret
Périodique
Formules utiles :
1 jx 1 jx
cos x = (e + e−jx ) sin x = (e − e−jx )
2 2j
N −1 ∞
X 1 − aN X 1
an = si a 6= 1 an = si |a| < 1
n=0
1−a n=0
1 − a
sin (πu) u sin (u)
sinc(u) = sinc =
πu π u
Exercice 4.1? Calculer les coefficients de série de Fourier des signaux discrets suivants :
25
26 SÉANCE 4. SÉRIES ET TRANSFORMÉE DE FOURIER
? c) x[n] = cos nπ nπ
30 + 2 sin 90
P+∞
? d) x[n] = m=−∞ δ[n − 3m]
P+∞
e) x[n] = m=−∞ (−1)m (δ[n − 2m] + δ[n + 3m])
Exercice 4.2?
? a) Calculer les coefficients de série de Fourier du signal x(t) représenté sur la figure 4.1. Montrer
que x(t) peut s’écrire comme une superposition de cosinusoïdes.
Indication : commencer par exprimer x(t) sur une période.
b) Calculer les coefficients de série de Fourier du signal y(t) représenté sur la figure 4.2. Montrer
que y(t) peut s’écrire comme une superposition de sinusoïdes.
c) Calculer le développement en série de y(t) en considérant que y(t) est une version décalée de
x(t). Comparer votre réponse avec ce que vous avez trouvé au point (b).
x(t) y(t)
t [s] t [s]
−4 −2 2 4 −5 −3 −1 1 3 5
−1
Exercice 4.3 Mêmes consignes que l’exercice 4.2?, en utilisant les figures 4.3 et 4.4.
x(t) y(t)
1 1
t [s] t [s]
−4 −2 2 4 −4 −2 2 4
−1 −1
Exercice 4.4? À l’aide de la définition, calculer la transformée de Fourier des signaux suivants :
? a) x(t) = e−4|t|
4.2. TRANSFORMÉES DE FOURIER 27
x(t)
2T
t [s]
−T T
Figure 4.5
Exercice 4.5? Calculer les signaux qui ont comme transformée de Fourier les fonctions suivantes :
|X(jω)| arg(X(jω))
4
2
1 2
ω [rad/s] ω [rad/s]
−2 2 −2
−2
−4
Exercice 4.6? A l’aide de la définition, calculer la transformée de Fourier en temps discret (DTFT)
des signaux suivants :
Exercice 4.7? Calculer les signaux qui ont comme transformée de Fourier en temps discret (DTFT)
les fonctions suivantes :
|X(ejΩ )| arg(X(ejΩ ))
1 π π
−2π −π − 2 2 π 2π
−2π −π − π2 π π 2π Ω [rad] Ω [rad]
2
−π
Exercice 4.8 Calculer la réponse impulsionnelle en temps continu d’un filtre passe-bande :
1 si W < |ω| < W ,
1 2
H(jω) =
0 sinon.
Le but de ce problème est d’introduire la notion de transformée de Laplace qui est un des outils les
plus utilisés dans les domaines du traitement du signal et de l’étude des systèmes.
On considère le moteur à courant continu représenté à la figure 5.1.
R L
e q3 I
q1
q̇1 = q2
J q̇2 = −Bq2 + KIq3
Lq̇3 = e − Rq3
avec
• J, l’inertie du rotor ;
• R, la résistance du stator ;
• L, l’inductance du stator.
29
30 SÉANCE 5. TRANSFORMÉE DE LAPLACE
Partie 2 Rechercher la solution complète de l’équation différentielle obtenue pour une entrée
x(t) = eat (voir annexe D, page 111). On peut considérer que a 6= −1.
Partie 3 Vérifier que h(t) = u(t) − u(t)e−t est la réponse impulsionnelle du système.
Partie 5 On serait tenté d’utiliser la transformée de Fourier pour résoudre le système obtenu à la
question précédente. Cela fonctionne-t-il ? En déduire l’intérêt d’utiliser la transformée de Laplace.
On considère toujours le même système mais on suppose maintenant connaître les conditions ini-
tiales.
Partie 7 Soient les conditions initiales q2 (0) = 0 et q1 (0) = 0. Rechercher la solution de l’équation
différentielle entrée-sortie qui modélise le système. Obtient-on le même résultat qu’avec la méthode
utilisant la transformée de Laplace ?
Partie 8 Soient les conditions initiales q2 (0) = 5/2 et q1 (0) = 0. Répondre aux mêmes questions
qu’au point 7.
Partie 9 Au point 8, on n’obtient pas la même solution que celle obtenue en utilisant la trans-
formée de Laplace puisque cette dernière méthode ne vous a pas permis d’imposer des conditions
initiales. Comment peut-on corriger cela ?
Séance 6
Rappel
Propriétés fondamentales de la transformée de Fourier (continu)
R∞
Opération f (t) F (jω) = −∞
f (t)e−jωt dt
Combinaison linéaire α1 f1 (t) + α2 f2 (t), α1 , α 2 ∈ R α1 F1 (jω) + α2 F2 (jω)
Renversement f (−t) F (−jω)
∗
Complexe conjugué f (t) F (−jω)∗
Dilatation f (t/a), a>0 |a|F (ajω)
Translation f (t − t0 ) F (jω)e−jωt0
Modulation ejω0 t f (t) F (j(ω − ω0 ))
Convolution h(t) ∗ f (t) H(jω) F (jω)
1
Multiplication f1 (t) f2 (t) F1 (jω) ∗ F2 (jω)
2π
dn f (t)
Différentiation (jω)n F (jω)
dtn
dn F (jω)
Multiplication par un monôme tn f (t) jn
dω n
Rt F (jω)
Intégration −∞
f (τ ) dτ + πF (0)δ(ω)
jω
Dualité F (t) 2πf (−jω)
Exercice 6.1 @ Si f (t) a pour transformée de Fourier F (jω), donner la transformée de Fourier
des signaux suivants en partant de la définition :
a) f (t − T )
Exercice 6.2? Calculer, à l’aide des propriétés, les transformées de Fourier suivantes :
31
32 SÉANCE 6. PROPRIÉTÉS DE LA TRANSFORMÉE DE FOURIER
x(t) x(t)
1 1
T
t [s] t [s]
−T −T T
−1 −1
Exercice 6.3? Soit un signal x(t) qui a comme transformée de Fourier X(jω) = e−jω |ω|e−2|ω| ,
calculer la transformée de Fourier de x(−2t) sans calculer x(t).
Exercice 6.4? En utilisant les propriétés adéquates, trouver la représentation équivalente dans
l’autre domaine (fréquentiel ou temporel) de :
1 1
? a) X(jω) = +
2 + j(ω − 3) 2 + j(ω + 3)
−j2ω
2 sin (ω − 2) e sin (2ω)
b) X(jω) = ∗
ω−2 ω
d −5jt −2|t−3|
? c) x(t) = e e
dt
1
Z ejΩ =
d) , |a| < 1
1 − αe−j(Ω+π/4)
1 1
X ejΩ =
e)
1 − (1/2)e−jΩ 1 + (1/2)e−jΩ
e−j3Ω
jΩ
sin (21Ω/2)
f) X e = ∗
1 + 21 e−jΩ sin (Ω/2)
π
g) x[n] = nej 8 n αn−3 u[n − 3], |α| < 1
Exercice 6.5? En utilisant la décomposition en fractions simples (voir annexe C, page 109), calculer
les signaux qui ont comme transformée de Fourier les fonctions suivantes :
−jω
a) X(jω) =
(jω)2 + 3jω + 2
5jω + 12
? b) X(jω) =
(jω)2 + 5jω + 6
2(jω)2 + 5jω − 9
c) X(jω) =
(jω + 4)(−ω 2 + 4jω + 3)
2(jω)2 + 12jω + 14
d) X(jω) =
(jω)2 + 6jω + 5
jω + 3
e) X(jω) =
(jω + 1)2
33
Exercice 6.6? Calculer la réponse fréquentielle et la réponse impulsionnelle des systèmes décrits
par les équations différentielles et aux différences suivantes :
d2 d d
a) dt2 y(t) + 5 dt y(t) + 6y(t) = − dt x(t)
Exercice 6.7 Soit x(t) la tension appliquée au circuit RLC de la figure 6.3 et y(t) le courant qui
le parcourt dans le sens horlogique.
b) Calculer la réponse en fréquence du système ayant comme entrée x(t) et comme sortie y(t).
c) Calculer la réponse impulsionnelle de ce système si L = 10 mH.
1Ω L
+
x(t) − 100 µF
y(t)
Figure 6.3
Exercice 6.8? Utiliser les relations de Parseval pour évaluer les intégrales suivantes :
Z ∞
2
a) dω
−∞ |jω + 2|2
Z ∞
8
? b) dω
−∞ (ω 2 + 4)2
Z π
4
? c) 1 −jΩ 2 dΩ
−π |1 − 3e |
∞
sin2 (πt)
Z
d) dt
−∞ πt2
Exercice 6.9 Soit un signal x(t) réel et non périodique. Quelle propriété possède
Echantillonnage
Rappel
Soit un signal continu x(t). Le signal échantillonné à une fréquence 1/Te peut être représenté par
un signal discret ou par un signal continu, deux représentations équivalentes et liées.
Représentation par un signal discret. L’échantillonnage du signal continu avec une période
Te consiste à évaluer x(t) en chaque multiple entier de Te . Les échantillons, identifiés par les indices
n, sont représentés dans un espace discret :
x[n] = x(nTe ).
Matlab et les transformées de Fourier. Matlab étant basé sur le calcul matriciel, il n’est
pas possible d’effectuer des transformées de Fourier en temps continu (TF) ou en temps discret
(DTFT). En effet, la TF d’un signal en temps continu est continue (ω) et la DTFT d’un signal
en temps discret est également continue (Ω). Pour pallier cela, la transformée de Fourier discrète
(DFT) a été introduite : elle s’applique sur un signal en temps discret et renvoie un signal en temps
discret également. Dans Matlab, la fonction correspondante est fft. Elle est définie comme
N
X −1
X[k] = x[n]e−2πjkn/N (périodique, de période N ). (7.1)
n=0
Les coefficients X[k] obtenus par (7.1) sont indexés par des entiers k ∈ Z. Si on affiche ces coefficients,
il peut être utile de modifier les unités de l’axe des abscisses (e.g., pour comparer avec une TF ou
une DTFT théoriques). Les liens entre les différentes échelles sont repris dans le tableau ci-dessous.
35
36 SÉANCE 7. ECHANTILLONNAGE
7.1 Echantillonnage
Exercice 7.1 @ Calculer les signaux discrets obtenus après échantillonnage (Te = 1) des signaux
en temps continu suivants. Simplifier les signaux obtenus au maximum.
Exercice 7.2 @ Soit S, le système représenté à la figure 7.1, avec un pas d’échantillonnage Te
inconnu et φ(t) = sinc(t).
xe (t)
x(t) φ(t) y(t)
P
k∈Z δ(t − kTe )
a) Dessiner le spectre X(jω). Faire un second graphe où l’axe des abscisses n’est plus en [rad/s]
mais bien en [Hz].
b) Donner l’expression de Xe (jω) et dessiner Te Xe (jω) sur les deux graphes précédents, pour
Te = 1 et Te = 3.
c) Donner l’expression de Y (jω) pour Te = 1 et Te = 3 et en déduire les signaux de sortie y(t)
correspondants.
d) Donner la condition sur le pas d’échantillonnage Te telle que le signal en sortie soit égal au
signal en entrée y(t) = x(t).
Exercice 7.3? Soient les signaux sinusoïdaux x(t) = cos (2πt/3 + π/2) et y(t) = sin (πt/3). Ces
signaux sont échantillonnés avec un pas Te = 2 et l’instant t = 0 est un instant d’échantillonnage.
a) Représenter x(t) et y(t) sur des graphiques séparés. Ajouter sur chacun d’eux les signaux
échantillonnés xe (t) et ye (t).
P P
b) Ecrire xe (t) sous la forme k∈Z c[k]δ(t − kTe ) et ye (t) sous la forme k∈Z d[k]δ(t − kTe ).
Précisez les suites cn et dn . Que peut-on observer ?
c) Calculer et représenter les transformées de Fourier de x(t) et y(t). Ces signaux sont-ils à bande
limitée ? Si oui, quelles sont leurs fréquences maximales ?
d) Exprimer Xe (jω) et Ye (jω) en fonction de X(jω) et Y (jω) respectivement. Représenter gra-
phiquement Xe (jω) et Ye (jω). Que peut-on observer ?
e) On transmet les échantillons des signaux x et y. A l’autre extrémité du canal de communica-
tion, on souhaite reconstruire les signaux d’origine à l’aide de la formule de Shannon. Est-ce
possible ? Le cas échéant, vérifier que la reconstruction est exacte en utilisant la transformée
de Fourier.
7.2. ZERO-PADDING 37
7.2 Zero-padding
Exercice 7.4?
Que peut-on dire de la relation entre DFT et DTFT quand N est grand par rapport à 1/Te ?
e) Calculer la limite quand Te → 0 de Te X(ejΩ ) (indication : utiliser le développement de Taylor
de l’exponentielle autour de 0 ). Comparer avec la transformée de Fourier de x(t). Le résultat
est-il surprenant ?
Exercice 7.6 Soit x(t) un signal continu, Te une période d’échantillonnage et N un entier stric-
tement positif.
a) On note xe (t) la version échantillonnée de x(t) et x[n] ses échantillons. Exprimer xe (t) en
utilisant x[n]. Exprimer également la transformée de Fourier Xe (jω) en utilisant la DTFT
X(ejΩ ).
b) On note h(t) la version N Te -périodisée de xe (t), et b[n] la version N -périodisée de x[n].
Exprimer h(t) en utilisant b[n], puis H(jω) en utilisant la DFT B[k].
On pose x(t) = e−t pour t ≥ 0 et x(t) = 0 sinon, ainsi que Te = 1/5 et N = 20.
Exercice 7.7 (examen janvier 2007) Considérons le signal z(t) qui est une approximation du
signal y(t) représenté à la figure 7.2. L’approximation est réalisée en utilisant seulement les cinq
premiers termes de la série de Fourier du signal y(t) et est donnée par
y(t)
1
t [s]
−1.25 −0.75 −0.25 0.25 0.75 1.25
c) Soit z[n], le signal en temps discret résultant de l’échantillonnage de z(t) à une fréquence
de 10 Hz. Donner l’expression analytique de z[n]. Quel est l’effet de l’échantillonnage sur le
spectre du signal ? Esquisser le module du spectre de z[n].
d) Soit zT [n] défini comme le signal z[n] tronqué à une période. Esquisser sur un même diagramme
le module du spectre de zT [n] (DTFT) et sa transformée de Fourier discrète (DFT). Expliquer
les possibles différences.
f) Quels sont les effets de l’approximation de y(t) par z(t) dans le domaines fréquentiel et tem-
porel ?
b) Considérer xfe [n], signal en temps discret résultant de l’échantillonnage de x(t) à la fréquence
fe :
Exercice 7.9 (examen janvier 2012) On considère un signal x1 (t) dont la transformée de Fourier
est donnée à la figure 7.3. Ce signal a donc un contenu fréquentiel limité à une fréquence maximale
fm . On l’échantillonne à la cadence fe = 4fm , ce qui produit un premier signal échantillonné noté
x1 [n]. On considère ensuite un signal x2 (t) dont la transformée de Fourier est donnée à la figure
7.4. On échantillonne également ce signal à la cadence fe = 4fm , ce qui produit un deuxième signal
échantillonné noté x2 [n].
X1 (f )
1
f [Hz]
−4fm −2fm −fm fm 2fm 4fm
X2 (f )
1
f [Hz]
−4fm −3fm −fm fm 3fm 4fm
d) Comment fait-on pour reconstruire x1 (t) à partir de x1 [n] et x2 (t) à partir de x2 [n] ? Est-ce
possible ? Expliquer.
Séance 8
Transformée de Laplace
Rappel
Décomposition en fractions simples : voir annexe C, page 109.
Pour exister, la transformée doit être finie : quand on utilise la transformée de Laplace, il faut tenir
compte de la région de convergence (ROC).
Transformées de Laplace de signaux usuels (et leur ROC) : voir annexe A, page 101.
où t1 et t2 sont des valeurs définies. Montrer que si X(s) converge pour au moins une valeur de s,
alors la ROC de X(s) est le plan complexe tout entier.
Exercice 8.3? En utilisant la table des transformées, calculer la transformée de Laplace X(s) et
esquisser la ROC pour les signaux x(t) suivants :
41
42 SÉANCE 8. TRANSFORMÉE DE LAPLACE
Exercice 8.5 Calculer la transformée de Laplace et la ROC associée pour chacun des signaux
suivants :
a) x(t) = δ(t − t0 )
b) x(t) = u(t − t0 )
c) x(t) = e−2t [u(t) − u(t − 5)]
P∞
d) x(t) = k=0 δ(t − kT )
e) x(t) = δ(at + b), a, b ∈ R
Exercice 8.6? En utilisant les différentes propriétés de la transformée de Laplace, calculer les
transformées des signaux suivants en fonction de la transformée de u(t).
? a) δ(t)
b) δ 0 (t)
? c) tu(t)
d) e−at u(t)
? e) te−at u(t)
f) cos (ω0 t) u(t)
? g) e−at cos (ω0 t) u(t)
1
a) X(s) = , Re(s) > −1
s+1
1
b) X(s) = , Re(s) < −1
s+1
1
c) X(s) = , Re(s) > 0
s2 + 4
s+1
d) X(s) = , Re(s) > −1
(s + 1)2 + 4
Exercice 8.10? La sortie y(t) d’un système continu LIT est 2e−3t u(t) lorsque l’entrée x(t) est
l’échelon unité u(t).
Exercice 8.11 On considère un système LIT continu pour lequel la relation entre l’entrée x(t) et
la sortie y(t) est donnée par
y 00 (t) + y 0 (t) − 2y(t) = x(t).
b) Déterminer la réponse impulsionnelle h(t) dans chacun des trois cas suivants : (i) le système
est causal, (ii) le système est stable, (iii) le système n’est ni causal ni stable.
Stabilité - APP
Rappel
Critère de Routh-Hurwitz : le nombre de racines à partie réelle positive d’un polynôme de
degré n à coefficients réels est le nombre de changements de signe des coefficients de la première
colonne du tableau de Routh (si ces coefficients sont tous non nuls).
avec
an−1 × an−2i − an × an−2i−1
bi =
an−1
b1 × an−2i−1 − an−1 × bi+1
ci =
b1
q̇ = Aq.
q̇ = Aq
possède un équilibre en 0 (qu’est-ce qu’un équilibre d’un système ?). Supposons que notre
système est à l’équilibre 0 et imaginons qu’un élément extérieur vient perturber notre système
d’une perturbation qp 6= 0. Cela revient à considérer
q̇ = Aq
q0 = qp .
Comment les solutions qi (t) vont elles se comporter ? Le système va-t-il revenir à son point
d’équilibre ? Si oui, à quelles conditions ?
c) Quand peut-on dire qu’un équilibre est stable ? Quel lien peut-on faire entre les valeurs propres
de A et la stabilité du système homogène associé ?
Partie 2 Soit un système dynamique représentant un pendule inversé monté sur un ressort en
spirale, où la masse peut être déplacée le long de la barre (un tel système a entre autres été utilisé
45
46 SÉANCE 9. STABILITÉ
dans des campagnes de mesure de la gravité). Sur la figure 9.1, m représente la masse, l la distance
au centre de gravité de la masse et I le moment d’inertie associé à la masse. Le ressort possède un
coefficient élastique K. L’équation du mouvement est donc
I θ̈ = mgl sin θ − Kθ.
On s’intéresse à ce qu’il se passse autour de l’équilibre en θ = 0, on suppose alors sin θ ≈ θ.
I
m
θ
l
Partie 3 Soit un système dynamique constitué de deux ressorts en série et de deux masses. Sur
la figure 9.2, qi représente l’allongement du ressort i par rapport à sa longueur L au repos. Nous
supposerons qu’un amortissement de coefficient µ ≥ 0 est présent sur chaque ressort. Les équations
du mouvement sont
mq̈1 = −k1 q1 + k2 q2 − µq˙1 ,
mq̈2 = k1 q1 − 2k2 q2 − µ(q˙2 − q˙1 ).
Soit q T = q1 q2 q̇1 q̇2 , α = µ/m et k1 /m = 3, k2 /m = 2.
Transformée en z
Rappel
Transformée en z bilatérale :
+∞
X
X(z) = x[k]z −k
−∞
Pour exister, la transformée doit être finie : il faut tenir compte de la région de convergence (ROC).
Transformées en z de signaux usuels (et leur ROC) : voir annexe A, page 101.
Causalité : un système est dit causal si la valeur présente du signal de sortie dépend seulement
des valeurs présentes ou passées du signal d’entrée. A l’inverse, un système est dit non causal si le
signal de sortie dépend de une ou plusieurs valeurs futures du signal d’entrée (voir annexe B, page
105).
où N1 et N2 sont finis. Montrer que la ROC de X(z) est le plan complexe tout entier sauf éventuel-
lement z = 0 ou z = ∞.
Exercice 10.3? Calculer la transformée en z, X(z) et esquisser la carte des pôles et zéros ainsi
que la ROC pour chacune des séquences suivantes :
1 n 1 n
a) x[n] = 2 u[n] + 3 u[n]
1 n 1 n
? b) x[n] = 3 u[n] + 2 u[−n − 1]
1 n 1 n
? c) x[n] = 2 u[n] + 3 u[−n − 1]
47
48 SÉANCE 10. TRANSFORMÉE EN Z
Exercice 10.4 Calculer la transformée en z, X(z), et la ROC pour chacune des séquences sui-
vantes :
a) x[n] = δ[n − n0 ]
b) x[n] = u[n − n0 ]
d) x[n] = u[−n]
Exercice 10.7? En utilisant le développement en fractions simples (voir annexe C, page 109),
calculer la transformée en z inverse de :
z 1
a) X(z) = |z| <
2z 2 − 3z + 1 2
z
b) X(z) = |z| > 1
2z 2 − 3z + 1
2 + z −2 + 3z −4
X(z) = |z| > 3.
z 2 + 4z + 3
Exercice 10.9 L’entrée x[n] et la réponse impulsionnelle h[n] d’un système LIT discret sont
données par :
x[n] = u[n] h[n] = αn u[n] 0 < α < 1.
Calculer la sortie y[n] de ce système.
Exercice 10.10 La sortie y[n] d’un système LIT discret vaut 2( 31 )n u[n] lorsque l’entrée vaut
l’échelon unité.
Rappel
La réponse fréquentielle d’un système, ou d’un filtre, peut s’écrire
où |H(jω)| est le module (ou amplitude) de la réponse fréquentielle et ΦH (jω) sa phase. La construc-
tion des diagrammes de Bode en amplitude et en phase permettent de visualiser aisément certaines
caractéristiques du filtre :
Dans cette séance, nous construirons uniquement le diagramme en amplitude qui permet de
visualiser le gain du filtre et de déterminer ainsi son type (passe-bas, passe-bande, etc.). L’échelle
fréquentielle est logarithmique sur un diagramme de Bode.
11.1 Filtres
Exercice 11.1 @ On considère les systèmes définis par les réponses impulsionnelles suivantes.
Pour chaque système, calculer sa réponse en fréquence et représenter graphiquement sa réponse en
amplitude. Caractériser l’effet de chaque système (filtre passe-bas, passe-bande ou passe-haut).
1 7 n
d) h[n] = 8 8 u[n]
Exercice 11.2? Esquisser le diagramme de Bode en amplitude des réponses fréquentielles sui-
vantes :
8jω + 40
? a) H(jω) =
jω(jω + 20)
10
? b) H(jω) =
(jω + 1)(jω + 2)(jω + 10)
51
52 SÉANCE 11. FILTRES ET DIAGRAMME DE BODE
100(jω + 1)
c) H(jω) =
jω((jω)2 + 20jω + 100)
Exercice 11.3? La sortie d’un système LIT en réponse à une entrée x(t) = e−2t u(t) est donnée
par y(t) = e−t u(t). Donner la réponse fréquentielle du système et dessiner son diagramme de Bode
en amplitude. De quel type de filtre s’agit-il ? En utilisant la transformée de Fourier inverse, donner
la réponse impulsionnelle du système.
Exercice 11.4? (examen janvier 2007) Considérons le filtre passif représenté à la figure 11.1.
L’équation différentielle entre la tension d’entrée x(t) et la tension de sortie y(t) est donnée par
x(t) R L y(t)
f) Refaire les points (b), (c) et (d) en utilisant L = 0.5 mH (R et C ne changent pas).
Exercice 11.5 (examen janvier 2012) Soit is (t) la source de courant appliquée au circuit RLC
parallèle de la figure 11.2 et v(t) la tension aux bornes de chacun des éléments R, L et C. Considérons
le système ayant comme entrée x(t) = is (t) et comme sortie y(t) = v(t).
is (t) R v(t) C L
iC (t)
iL (t)
Pour rappel, les courants iC (t) et iL (t) dans la capacité C et l’inductance L sont respectivement
donnés par :
dv(t)
iC (t) = C
dt
et
1 t 0
Z
diL (t)
iL (t) = v(t ) dt0 + iL (t0 ) =⇒ v(t) = L ,
L t0 dt
où t0 désigne un instant initial quelconque. L’équation différentielle qui lie x(t) et y(t) est donnée
par
dx(t) 1 1 dy(t) d2 y(t)
= y(t) + +C .
dt L R dt dt2
Stabilité
Rappel
Stabilité asymptotique : soit le système q̇(t) = f (q, x). On dit que (q̄, x̄) est un équilibre du
système si f (q̄, x̄) = 0. On suppose dans ce qui suit que l’entrée x est maintenue à sa valeur
d’équilibre x = x̄.
• Un équilibre est stable si ∀ > 0, ∃δ > 0 : ||q(t0 ) − q̄|| < δ ⇒ ||q(t) − q̄|| < , ∀t ≥ t0 .
• Un équilibre est attractif si ∃δ > 0 : ||q(t0 ) − q̄|| < δ ⇒ limt→∞ ||q(t) − q̄|| = 0.
• Un équilibre est asymptotiquement stable si il est stable et attractif.
Etudier la stabilité interne d’un système revient à s’intéresser aux valeurs propres de la matrice A
de la représentation d’état.
Stabilité BIBO (= EBSB) : un système est dit stable au sens BIBO (bounded-input, bounded-
output) si tout signal d’entrée borné résulte en un signal de sortie également borné. La sortie d’un
tel système ne diverge donc pas si l’entrée ne diverge pas. S’agissant de la relation entrée-sortie
du système, on s’intéresse aux pôles de la fonction de transfert, après d’éventuelles annulations
pôles/zéros.
Exercice 12.1? Soit le système représenté par le schéma-bloc de la figure 12.1, où x est l’entrée
du système et y est la sortie :
Figure 12.1
Exercice 12.2? Soit le système représenté par le schéma-bloc de la figure 12.2, où x est l’entrée
du système et y est la sortie :
55
56 SÉANCE 12. STABILITÉ
Figure 12.2
Exercice 12.3? On considère le filtre représenté par le schéma bloc de la Figure 12.3 où d représente
l’opérateur de décalage (d x[n] = x[n − 1]) et α, β, T sont des paramètres réels.
x α + d
1-α
-1 +
+ T
β/T + d
Figure 12.3
Exercice 12.4? Soit le système discret représenté par le schéma bloc de la figure 12.1, où k est un
réel positif :
Figure 12.4
Exercice 12.5? (examen 2016) Le schéma-bloc de la figure 12.5 illustre un dispositif possible
d’atténuation du bruit moteur lorsqu’un pilote d’hélicoptère doit transmettre des informations par
radio à une émission d’information sur le trafic routier. La fonction de transfert H1 modélise le
canal allant du bruit du moteur (x) vers le micro dans lequel s’exprime le pilote. Le signal w est
celui émis par la voix du pilote. La fonction de transfert H2 modélise le canal allant du bruit du
moteur (x) vers un autre micro placé à l’arrière du casque du pilote, et insensible à w. La fonction
de transfert H3 est conçue comme un filtre atténuant l’effet de x sur le signal envoyé par radio, y.
H1 +
x + y
H2 H3
Figure 12.5
Solutions
59
Séance 1
Solution 1.2
x(t) y(t)
1 1
t [s] t [s]
−4 −2 2 4 −4 −2 2 4
−1 −1
Solution 1.3
a) δ(t)
b) Fait lors de la séance encadrée.
c) Fait lors de la séance encadrée.
d) cos (3t − 6)
e) Fait lors de la séance encadrée.
f) e2
g) δ[k − 2]
h) Fait lors de la séance encadrée.
Solution 1.5
61
62 SÉANCE 1. SIGNAUX DE BASE ET SYSTÈMES LIT
j) Pas périodique.
k) Fait lors de la séance encadrée.
Solution 1.6
Figure 1.3 – Signal (a). Figure 1.4 – Signal (c). Figure 1.5 – Signal (d).
Figure 1.6 – Signal (e). Figure 1.7 – Signal (g). Figure 1.8 – Signal (h).
2 2 2
n n n
−5 5 −5 5 −5 5
−2 −2 −2
Figure 1.9 – Signal (i). Figure 1.10 – Signal (j). Figure 1.11 – Signal (k).
63
Solution 1.7
a) Non (+ justification)
b) Non (+ justification)
c) Non (+ justification)
d) Le système est linéaire. Par conséquent, puisque le signal d’entrée est x(t) = x1 (t) + 2x3 (t),
le signal de sortie vaut y1 (t) + 2y3 (t).
Solution 1.8
y[n] y[n]
4
2
2
1
2
n n
−2 4 −1 3 5
−1 −2
Solution 2.2
z3 [n]
6
n
2 4 6
Solution 2.3 z[n] = δ[n + 2] + 2δ[n + 1] + 2δ[n] + 4δ[n − 1] + 7δ[n − 2] + 6δ[n − 3] + 2δ[n − 4]
Solution 2.4
z[n] = δ[n+5]+2δ[n+4]+3δ[n+3]+4δ[n+2]+6δ[n+1]+8δ[n]+10δ[n−1]+11δ[n−2]+12δ[n−3]
+ 11δ[n − 4] + 10δ[n − 5] + 8δ[n − 6] + 6δ[n − 7] + 4δ[n − 8] + 2δ[n − 9]
Solution 2.6 y(t) = r(t) − r(t − 2). Le signal est illustré à la figure 2.2.
y(t)
2
t [s]
1 2 3
65
66 SÉANCE 2. CONVOLUTION ET RÉPONSE IMPULSIONNELLE
Solution 2.8 y[n] = δ[n + 2] + 4δ[n + 1] + 6δ[n] + 5δ[n − 1] + 5δ[n − 2] + 2δ[n − 3] + δ[n − 5]
Solution 2.9
y(t) y(t)
1 1
0.5 0.5
t [s] t [s]
2 4 6 8 2 4 6 8
−0.5 −0.5
y(t) y(t)
1 1
0.5 0.5
t [s] t [s]
2 4 6 8 2 4 6 8
−0.5 −0.5
−1 −1
y(t) y(t)
1 1
0.5 0.5
t [s] t [s]
2 4 6 8 2 4 6 8
−0.5 −0.5
−1 −1
13 −4t 1 −t 5 3
Solution 2.11 y(t) = − e + e + sin(t) + cos(t)
51 6 34 34
n n
5 1 7 1
Solution 2.12 y[n] = − − +
6 2 12 4
Séance 3
Solution 3.1
a)
q[n + 1] = −2q[n] + x[n]
y[n] = q[n] + 3x[n]
b)
0 −1 2
q[n + 1] = q[n] + x[n]
1 1
4 2 −1
y[n] = 0 −2 q[n]
Solution 3.2
a)
q̇(t) = −q(t) + x(t)
y(t) = 2q(t) + 6x(t)
c)
−1 1 2 0
q̇(t) = 0
4 1 q(t) + 3 x(t)
−3 −8 0 1
y(t) = 1 0 0 q(t)
Solution 3.3
a)
q̇1 (t) = α1 q1 (t) + b1 x(t)
q̇2 (t) = α2 q2 (t) + b2 x(t)
y(t) = c1 q1 (t) + c2 q2 (t)
b)
z 1 −1 q
1 = 1 ; z = Tq
z2 2 0 q2
ż = T q̇ = T AT −1 z + T Bx; y = CT −1 z,
avec
α2 α1 /2 − α2 /2 b1 − b2
T AT −1 = ; TB = ; CT −1 = −c2 c1 /2 + c2 /2 .
0 α1 2b1
69
70 SÉANCE 3. REPRÉSENTATION DES SYSTÈMES LIT
d)
1/b1 0 b 1 0
T = ; T −1 =
b2 −b1 b2 −1/b1
α1 0 1
T AT −1 = ; T B = ; CT −1 = c1 b1 + c2 b2 −c2 /b1
(α1 − α2 )b1 b2 α2 0
Solution 3.4
y[n]
x[n]
-‐1/4
+
D
D
3/4
1/4
Figure 3.1
q1 [n + 1] = q2 [n]
1 3 1
q2 [n + 1] = q1 [n] + q2 [n] − x[n]
4 4 4
1 3 1
y[n] = q1 [n] + q2 [n] − x[n].
4 4 4
y[n]
+
x[n]
-‐1/4
2
+
D
D
3/4
1/4
Figure 3.2
q1 [n + 1] q2 [n] =
1 3 1
q2 [n + 1] = q1 [n] + q2 [n] − x[n]
4 4 4
1 11 1
y[n] = q1 [n] + q2 [n] − x[n].
4 4 4
71
Solution 4.1
a) X[0] = 1 et X[1] = 1.
1 3jπ 1 3jπ
b) X[0] = 1, X[1] = e 8 et X[−1] = − e− 8 .
2j 2j
X[k] = 0 pour toutes les autres valeurs de k.
1 1 1 1
c) X[−3] = , X[−1] = − , X[1] = et X[3] = .
2 j j 2
X[k] = 0 pour k 6= {−3, −1, 1, 3}, k ∈ [−89, 90].
d) X[k] = 31 , k ∈ {0, 1, 2}.
kπ kπ
e) X[k] = 16 cos 2kπ
3 − cos 2 − cos 3 +1
Solution 4.2
+∞
j k (−1)k − 1 X
a) X[k] = ∀k 6= 0 et X[0] = 0 x(t) = 2X[k] cos (kπt/2)
jkπ
k=1
+∞
(−1)k − 1 X
b) Y [k] = ∀k 6= 0 et Y [0] = 0 y(t) = 2jY [k] sin (kπt/2)
jkπ
k=1
+∞
X
c) y(t) = 2X[k] sin (kπt/2) sin (kπ/2)
k=1
k impair
Solution 4.3
+∞
2 X
a) X[k] = 2 2 (1 − (−1)k ) ∀k 6= 0 et X[0] = 0 x(t) = 2X[k] cos (kπt/2)
k π
k=1
+∞
2 X
b) Y [k] = ((−j)k − j k ) ∀k 6= 0 et Y [0] = 0 y(t) = 2jY [k] sin (kπt/2)
k2 π2
k=1
+∞
X
c) y(t) = 2X[k] sin (kπt/2) sin (kπ/2)
k=1
k impair
Solution 4.4
73
74 SÉANCE 4. SÉRIES ET TRANSFORMÉE DE FOURIER
Solution 4.5
Solution 4.6
1 − a2
c) X(ejΩ ) =
1 + a2 − 2a cos(Ω)
Solution 4.7
Z 2π
1 j2Ω jnΩ
a) x[n] = e e dΩ = δ[n + 2]
0 2π
1 h πn i
b) x[n] = cos −1 si n 6= 0 et x[0] = 0
πjn 2
j nj
c) x[n] = − (δ[n + 1] − δ[n − 1]) + 2
2 π(n − 1/4)
Solution 4.8
Z +∞
1 1
a) h(t) = H(jω)ejωt dω = [sin(W2 t) − sin(W1 t)]
2π −∞ πt
1 1
b) H(jω) = H2 (jω)−H1 (jω) ⇒ h(t) = sin(W2 t)− sin(W1 t) (par linéarité de la transformée
πt πt
de Fourier)
Séance 6
Solution 6.1
1 jω
c) Posons g(t) = f (at), G(jω) = F . (indication : discuter pour a positif et a négatif)
|a| a
Solution 6.2
X(jω)
2T
ω [rad/s]
π 2π 3π
T T T
Figure 6.1
Solution 6.4
75
76 SÉANCE 6. PROPRIÉTÉS DE LA TRANSFORMÉE DE FOURIER
e−3j(Ω−π/8)
jΩ d
g) X(e ) = j
dΩ 1 − αe−j(Ω−π/8)
Solution 6.5
1 2
a) X(jω) = − x(t) = e−t u(t) − 2e−2t u(t)
jω + 1 jω + 2
2 3
b) X(jω) = + x(t) = 2e−2t u(t) + 3e−3t u(t)
jω + 2 jω + 3
2 3 1
c) X(jω) = − + + x(t) = −2e−t u(t) + 3e−3t u(t) + e−4t
jω + 1 jω + 3 jω + 4
1 1
d) X(jω) = 2 + − x(t) = 2δ(t) + e−t u(t) − e−5t u(t)
jω + 1 jω + 5
1 2
e) X(jω) = + x(t) = e−t u(t) + 2te−t u(t)
jω + 1 (jω + 1)2
Solution 6.6
2 3
a) H(jω) = − h(t) = 2e−2t u(t) − 3e−3t u(t)
jω + 2 jω + 3
n n
jΩ 1 2 1 1
b) H(e ) = 1 −jΩ + 1 −jΩ h[n] = − u[n] + 2 − u[n]
1 + 2e 1 + 3e 2 3
n n
2 3 1 1
c) H(ejΩ ) = 1 −jΩ + 1 −jΩ h[n] = 2 u[n] + 3 u[n]
1− 4e 1− 5e
4 5
Solution 6.7
Solution 6.8
π
a) π b) c) 9π d) π
2
Solution 6.9
Echantillonnage
Solution 7.3
1
P
d) Xe (jω) = Te k∈Z X(j(ω − 2πk/Te )).
1
P
Ye (jω) = Te k∈Z Y (j(ω − 2πk/Te )).
Les modules des spectres sont représentés aux figures 7.5 et 7.6.
x(t) y(t)
t [s] t [s]
−5 5 −5 5
Figure 7.1 – Signaux x(t) et xe (t) (flèches). Figure 7.2 – Signaux y(t) et ye (t) (flèches).
2π
3
ω [rad/s] − π3 ω [rad/s]
−π −π
Figure 7.3 – Partie imaginaire de X(jω). Figure 7.4 – Partie imaginaire de Y (jω).
77
78 SÉANCE 7. ECHANTILLONNAGE
2π ω [rad/s] 2π ω [rad/s]
3 3
−π −π
Figure 7.5 – Partie imaginaire de Xe (jω). Figure 7.6 – Partie imaginaire de Ye (jω).
Solution 7.4
1 − e−N
a) F0 [k] =
1 − e−1−2πjk/N
1 − e−N −jπk
b) F1 [k] =
1 − e−1−2πjk/(2N )
1 − e−N (1+jΩ)
c) F (ejΩ ) =
1 − e−1−jΩ
d) La DTFT subit un rééchantillonnage pour chaque choix de la longueur de la DFT.
Solution 7.5
1
a) X(jω) =
jω + 1
b) x[n] = e−nTe u[n]
1
c) X(ejΩ ) =
1− e−(Te +jΩ)
1 − e−N Te
d) X[k] = . N 1/Te = fe implique X[k] ≈ X(e2πjk/N ).
1 − e−Te e−2πjk/N
1
e) limTe →0 Te X(ejΩ ) = 1+jω = X(jω).
Solution 7.6
X
a) xe (t) = x[n]δ(t − nTe )
n∈Z
Figure 7.7 – Signal x(t). Figure 7.8 – Signal xe (t). Figure 7.9 – Signal h(t).
1
e) X(jω) =
jω + 1
1
X(ejΩ ) =
1 − e−(Te +jΩ)
B[k] = X(e2πjk/N )
f) X(jω), Te X(ejΩ ) et Te k∈Z B[k]δ(ω − k N2πTe ) sont représentés aux figures 7.10 à 7.12.
P
Solution 7.7
a) Z(jω) = πδ(ω) + 0.64π [δ(ω + 2π) + δ(ω − 2π)] − 0.21π [δ(ω + 6π) + δ(ω − 6π)]. Le module
est esquissé à la figure 7.13.
b) La condition est fe > 6 Hz, avec fe , la fréquence d’échantillonnage. Le signal échantillonné
z[n] est périodique si et seulement si fe est rationnelle.
De manière générale, le rapport T /Te (où T est la période du signal continu, ici T = 1) doit
être rationnel pour que le signal échantillonné soit lui aussi périodique. On peut le montrer
par un petit développement mathématique.
Soit z(t), le signal continu de période T . On sait alors que z(t) = z(t + T ), par définition d’un
signal périodique. On cherche à vérifier les conditions pour que z[n] = z[n + N ] avec N ∈ Z.
La période N sera alors égale à kT /Te où k est le plus petit k en valeur absolue tel que kT /Te
est un entier.
|Z(jω)| |Z(ejΩ )|
3 3fe
2 2fe
1 fe
Figure 7.13 – Module de la TF du signal z(t). Figure 7.14 – Module de la DTFT du signal z[n].
n πn
3πn
c) z[n] = z(nTe ) = z = 0.5 + 0.64 cos − 0.21 cos
10 5 5
Le module du spectre (DTFT) de z[n] est représenté à la figure 7.14.
(
1, n ∈ [0, N − 1]
d) Soit le signal tronqué zT [n] = z[n]w[n], avec w[n] = .
0, ailleurs
1
On calcule le spectre (DTFT) du signal z[n] tronqué à N échantillons : ZT,0 (ejΩ ) = 2π Z(ejΩ )∗
jΩ
W (e ). Pour simplifier les notations, on garde uniquement la période de la DTFT corres-
pondant à k = 0 (ne pas oublier que celle-ci est périodique, de période T = 2π) :
NΩ
1 −j ( N2 −1)Ω sin
ZT,0 (ejΩ ) = e Ω
2
2 sin 2
N π
N π
!
0.64 −j ( N π sin
2 −1)(Ω+ 5 ) 2 (Ω + 5 ) −j ( N π sin
2 −1)(Ω− 5 ) 2 (Ω − 5 )
+ e 1 π +e 1 π
2 (Ω − 5 )
2 sin 2 (Ω + 5 ) sin
N 3π
N 3π
!
0.21 N 3π sin
2 (Ω + 5 ) N 3π sin
2 (Ω − 5 )
− e−j ( 2 −1)(Ω+ 5 ) 1 3π + e−j ( 2 −1)(Ω− 5 ) 1 3π ,
2 (Ω − 5 )
2 sin 2 (Ω + 5 ) sin
pour N pair. Le module du spectre est représenté en trait continu sur la figure 7.15.
1 −j ( N2 −1)( 2πl
N )
sin (πl)
ZT,0 (ejΩl ) = e
sin πl
2 N
πN
πN
!
0.64 N π sin πl + N π sin πl −
+ e−j ( 2 −1) ( 2πl
N +5)
πl
10
π
+ e−j ( 2 −1) ( 2πl
N −5)
πl
10
π
2 sin N + 10 sin N − 10
!
πl + 3πN 3πN
0.21 −j ( N 3π sin
−j ( N 3π sin πl −
2 −1)( N + 5 )
2πl
2 −1)( N − 5 )
2πl
10 10
− e πl 3π
+e πl 3π
,
2 sin N + 10 sin N − 10
2πl
où Ωl = N . La DFT est représentée par les flèches sur la figure 7.15.
Ces résultats peuvent être mieux compris sur base de la figure 7.16 qui représente les points
d’échantillonnage et le module de la convolution entre W (ejΩ ) et chaque fonction delta d’une
période du spectre Z(ejΩ ).
81
|ZT,0 (ejΩ )|
5
− 3π
5
− π5 π
5
3π
5
Ω [rad]
Figure 7.15 – Module de la DTFT (trait continu) et de la DFT (flèches) du signal zT [n]. La figure
montre seulement une période (k = 0).
− 3π
5
− π5 π
5
3π
5
Ω [rad]
Figure 7.16 – Module de la convolution entre W (ejΩ ) et chaque impulsion delta du spectre de Z0 (ejΩ ).
e) Le spectre de p(t) = z(t) cos (2π1000t) est équivalent au spectre de z(t) (voir figure 7.13)
dupliqué et translaté autour de ω = −2000π et ω = 2000π.
f) L’approximation de y(t) par z(t) peut être interprétée dans le domaine fréquentiel comme le
résultat de l’application d’un filtre passe-bas qui conserve seulement les premiers termes de
la série de Fourier. Dans le domaine temporel, des oscillations apparaissent dans le signal à
proximité des discontinuités. Ceci est connu comme le phénomène de Gibbs. La figure 7.17
illustre les signaux z(t) et y(t) dans le domaine temporel.
y(t)
1
y(t)
z(t)
t [s]
−1,25 −0,75 −0,25 0,25 0,75 1,25
Solution 7.8
a) X(jω) = π [δ(ω − 6π) + δ(ω + 6π) + δ(ω − 10π) + δ(ω + 10π)]. Le module est esquissé à la
figure 7.18.
82 SÉANCE 7. ECHANTILLONNAGE
|X(jω)|
3
|Z(jω)| |Z(jω)|
3fe 3fe
2fe 2fe
fe fe
ω [rad/s] ω [rad/s]
2π 8π 10π 4π 2π π 5π 7π 3π 2π
3 9 9 3 2 6 6 2
Figure 7.19 – Module de la DTFT du signal Figure 7.20 – Module de la DTFT du signal
x9 [n]. x12 [n].
|X12,12 (ejΩ )|
6
π 5π 7π 3π Ω [rad]
2 6 6 2
Figure 7.21 – Module du spectre de x12 [n] tronqué à 12 échantillons (trait continu) et module de la
transformée de Fourier discrète (DFT) du même signal évalué en 12 points (flèches). On remarque sur
cette figure que, lors de la discrétisation de la DTFT, l’échantillonnage ne se fait pas au droit du
maximum des lobes principaux. Il n’était bien entendu pas demandé lors de l’examen de rendre compte de
cet effet. La figure montre seulement une période (k = 0).
" #
1 −j5( πl − 7π ) sin (πl − 7π) −j5( πl
− 3π
) sin (πl − 9π))
+ e 6 6
πl
+e 6 2
πl
,
2 sin 12 − 7π
12 ) sin 12 − 3π
4 )
avec N = 16.
• La transformée de Fourier discrète (DFT) de x12 [n] évaluée en 16 points (pour k = 0)
est donnée par
" #
1 −j7( πl − π ) sin 8( πl − π2 ) πl
− 5π
πl 5π sin 8( )
jΩl 8 −j7( − ) 8 6
X12,16 (e )= e 8 2
πl
+e 8 6
− π4 πl
− 5π
2 sin 16 sin 16 12 )
" #
1 −j7( πl − 7π ) sin 8( πl − 7π πl
− 3π
8 6 ) −j7( πl
− 3π sin 8(
) 8 2 ))
+ e 8 6
πl
+e 8 2
πl
,
2 sin 16 − 7π
12 ) sin 16 − 3π4 )
où Ωl = πl/8.
Solution 7.9
Xe,1 (f )
fe
f [Hz]
−5fm −3fm −fm fm 3fm 5fm
Xe,2 (f )
fe
f [Hz]
−5fm −3fm −fm fm 3fm 5fm
k=1 k = −1
k=2 k = −2
Figure 7.23 – Transformée de Fourier de xe,2 (t).
sin( πn
2 ) sin( πn
2 )
Après échantillonnage, on a x1 [n] = πn et x2 [n] = πn .
4fm 4fm
d) Le signal x1 [n] est échantillonné en accord avec le théorème de Shannon et peut être reconstruit
avec un passe-bas classique,
+∞
X sin 4πfm t − 4fnm
x1 (t) = x1 [n] .
n=−∞ 4πfm t − 4fnm
Le signal x2 [n] n’est pas échantillonné conformément au théorème de Shannon mais il n’y a pas
de recouvrement entre les différentes répétitions du spectre. On utilise un filtre passe-bande,
+∞
X sin 2π4fm t − 4fnm sin 2π3fm t − 4fnm
x2 (t) = x2 [n] − .
n=−∞ 4πfm t − 4fnm 4πfm t − 4fnm
Séance 8
Transformée de Laplace
−2a
Solution 8.1 Si a > 0 X(s) = ROC : − a < Re{s} < a. Si a < 0, il n’y a pas de
s2 − a2
transf. de Laplace.
Solution 8.2 Considérer que X(s) converge pour s = σ0 . Etudier les cas Re{s} = σ1 > σ0 et
Re{s} = σ1 < σ0 .
Solution 8.3
2(s + 5/2)
a) Re{s} > −2
(s + 2)(s + 3)
−5
b) −3 < Re{s} < 2
(s − 2)(s + 3)
c) X(s) n’existe pas.
Solution 8.4 Utiliser la définition et le changement de variable t0 = at, avec a > 0 ou a < 0.
Solution 8.5
a) X(s) = e−st0 ∀s
e−st0
b) X(s) = Re{s} > 0
s
1
1 − e−5(s+2)
c) X(s) = Re{s} > −2
s+2
1
d) X(s) = Re{s} > 0
1 − e−sT
1 sb/a
e) X(s)a = e ∀s
|a|
Solution 8.6
a) 1 ∀s
b) s ∀s
1
c) Re{s} > 0
s2
1
d) Re{s} > −a
s+a
85
86 SÉANCE 8. TRANSFORMÉE DE LAPLACE
1
e) Re{s} > −a
(s + a)2
s
f) Re{s} > 0
s2 + ω02
s+a
g) Re{s} > −a
(s + a)2 + ω02
Solution 8.7
x(t) = −e−3t + e−t u(t)+ 3e−3(t−2) − e−(t−2) u(t−2)+2 −e−3(t−4) + e−(t−4) u(t−
Solution 8.9
4)
Solution 8.10
Solution 8.11
1
a) H(s) =
(s + 2)(s − 1)
1 −2t
b) • Système causal : h(t) = − e − et u(t)
3
1 −2t 1
• Système stable : h(t) = − e u(t) − et u(−t)
3 3
1 −2t 1
• Système ni causal ni stable : h(t) = e u(−t) − et u(−t)
3 3
1 −t 9
Solution 8.12 y(t) = e + 6e−2t − e−3t t≥0
2 2
Séance 10
Transformée en z
Solution 10.1
• Si N1 ≥ 0 : ROC = C\{z = 0}
• Si N2 ≤ 0 : ROC = C\{|z| = ∞}
Solution 10.2
+∞
X 3
X
X(z) = x[k]z −k = x[k]z −k
k=−∞ k=−2
−2
= 2
5z + 3z − 2 + 4z − 3z −3
Solution 10.3
2z(z − 5/12)
a) X(z) = |z| > 1/2
(z − 1/2)(z − 1/3)
1 z 1 1
b) X(z) = − < |z| <
6 (z − 1/2)(z − 1/3) 3 2
z z
c) X(z) = − |z| > 1/2
z − 1/2 z − 1/3
X(z) n’existe pas |z| < 1/3
Solution 10.4
|z| > 0 si n0 > 0
a) z −n0
|z| < ∞ si n0 < 0
z −(n0 −1)
b) 1 < |z| < ∞
z−1
z2
c) |a| < |z| < ∞
z−a
1
d) |z| < 1
1−z
1 1
e) |z| <
1 − az |a|
87
88 SÉANCE 10. TRANSFORMÉE EN Z
Pn
Solution 10.5 Observer que k=−∞ x[k] = x[n] ∗ u[n].
1 5 5
Solution 10.6 x[n] = {. . . , 0, 1, , − , 1, 0, . . .}, où la valeur − correspond à x[0].
2 2 2
Solution 10.7
n
1
a) x[n] = − 1 u[−n − 1]
2
n
1
b) x[n] = 1 − u[n]
2
Solution 10.8
1
x[n] = (−1)n−1 − (−3)n−1 u[n − 1] + (−1)n−3 − (−3)n−3 u[n − 3]
2
3
(−1)n−5 − (−3)n−5 u[n − 5]
+
2
1 − αn+1
Solution 10.9 y[n] = u[n]
1−α
Solution 10.10
n
1
a) h[n] = 6δ[n] − 4 u[n]
3
n n
1 1
b) y[n] = 8 −6 u[n]
3 2
Solution 10.11
1
a) H(z) = |z| > 1/2
(1 −1/4z −1 ) (1
− 1/2z −1 )
n n
1 1
b) h[n] = − +2 u[n]
4 2
n n
1 1 1 8
c) s[n] = −2 + u[n]
3 4 2 3
Solution 10.12
n n
1 7 1
a) y[n] = −2 + n ≥ −1
3 2 2
n n
1 1 1 3
b) y[n] = − + + n ≥ −2
2 2 3 2
Séance 11
Solution 11.1
Solution 11.2
Solution 11.3 Fait lors de la séance encadrée. Le diagramme de Bode est donné à la figure 11.4.
Solution 11.4
20 log10 |H(jω)|
20
−20
−40
Figure 11.1 – Diagramme de Bode exact (trait tillé) et asymptotique (trait continu) de H(jω).
89
90 SÉANCE 11. FILTRES ET DIAGRAMME DE BODE
−20
−40
−60
Figure 11.2 – Diagramme de Bode exact (trait tillé) et asymptotique (trait continu) de H(jω).
20 log10 |H(jω)|
20
10−1 101
ω [rad/s]
−20
Figure 11.3 – Diagramme de Bode exact (trait tillé) et asymptotique (trait continu) de H(jω).
7 20 log10 |H(jω)|
Figure 11.4 – Diagramme de Bode exact (trait tillé) et asymptotique (trait continu) de Y (jω)/X(jω).
91
20 log10 |H(jω)|
0
−20
−40
−60
−80
102 103 104 105
ω [rad/s]
Figure 11.5 – Diagramme de Bode exact (trait tillé) et asymptotique (trait continu) de Y (jω)/X(jω).
20 log10 |H(jω)|
−20
−40
−60
−80
102 103 104 105
ω [rad/s]
Figure 11.6 – Diagramme de Bode exact (trait tillé) et asymptotique (trait continu) de Y (jω)/X(jω).
Solution 11.5
jωL
a) H(jω) = L
(jω)2 LC +R jω + 1
√ √
(−2 + 3)106 (−2+√3)104 t (2 + 3)106 (−2−√3)104 t
b) h(t) = √ e u(t) + √ e u(t)
2 3 2 3
92 SÉANCE 11. FILTRES ET DIAGRAMME DE BODE
Stabilité
Solution 12.1
q˙1 0 1 0 q1 1
x
q˙2 = 0 3 2 q2 + 0
q˙3 0 0 −1 q3 1
q1
y= 1 0 0 q2
q3
Solution 12.2
a) L’arête allant du s−1 le plus à droite au signe somme intermédiaire, et l’arête allant du s−1
le plus à droite au premier signe somme.
1
b) On nomme la sortie des blocs (respectivement, de droite à gauche) : q1 , q2 ,
s
q˙1 k 2 q −1
= 1 + x
q˙2 k 0 q2 1
q
1
y = −1 1
q2
93
94 SÉANCE 12. STABILITÉ
Solution 12.3
Figure 12.1
Solution 12.4
q1
y= 1 k/3
q2
z + k/3
c) H(z) = √ √
(z − k/2)(z + k/2)
95
d) • 0 ≤ |k| < 4 :
Stabilité interne : asymptotiquement stable
Stabilité BIBO : stable BIBO
• |k| = 4 :
Stabilité interne : marginalement stable
Stabilité BIBO : instable BIBO
• |k| > 4 :
Stabilité interne : instable
Stabilité BIBO : instable
Solution 12.5
H1
a) H3 = − H 2
Annexes
97
Annexe A
Formulaire d’examen
Remarques
1
x(t) = u(t) X(jω) = + πδ(ω)
jω
Z t
FT X(jω)
x(τ ) dτ ←→ + πX(0)δ(ω)
−∞ jω
99
100 ANNEXE A. FORMULAIRE D’EXAMEN
Relations de Parseval
Z ∞ Z ∞
1
|x(t)|2 dt = |X(jω)|2 dω
−∞ 2π −∞
∞ Z π
X 1
|x[n]| = 2
|X(ejΩ )|2 dΩ
n=−∞
2π −π
N −1
X 1 − aN
an =
n=0
1−a
∞
X 1
an = , si |a| < 1
n=0
1−a
101
δ(t) 1 ∀s
1
u(t) Re{s} > 0
s
1
−u(−t) Re{s} < 0
s
tn−1 1
u(t) Re{s} > 0
(n − 1)! sn
tn−1 1
− u(−t) Re{s} < 0
(n − 1)! sn
1
e−αt u(t) Re{s} > −α
s+α
1
−e−αt u(−t) Re{s} < −α
s+α
tn−1 −αt 1
e u(t) Re{s} > −α
(n − 1)! (s + α)n
tn−1 −αt 1
− e u(−t) Re{s} < −α
(n − 1)! (s + α)n
δ(t − T ) e−sT ∀s
s
[cos ω0 t]u(t) Re{s} > 0
s2 + ω02
ω0
[sin ω0 t]u(t) Re{s} > 0
s2 + ω02
s+α
[e−αt cos ω0 t]u(t) Re{s} > −α
(s + α)2 + ω02
ω0
[e−αt sin ω0 t]u(t) Re{s} > −α
(s + α)2 + ω02
Table A.1 – Source : « Signals and Systems (2nd Edition) » de A.V. Oppenheim et A. S. Willsky.
102 ANNEXE A. FORMULAIRE D’EXAMEN
Transformées en z usuelles
δ[n] 1 ∀z ∈ C
1
u[n] {z ∈ C; |z| > 1}
1 − z −1
1
−u[−n − 1] {z ∈ C; |z| < 1}
1 − z −1
1
αn u[n] {z ∈ C; |z| > |α|}
1 − αz −1
1
−αn u[−n − 1] {z ∈ C; |z| < |α|}
1 − αz −1
αz −1
nαn u[n] {z ∈ C; |z| > |α|}
(1 − αz −1 )2
αz −1
−nαn u[−n − 1] {z ∈ C; |z| < |α|}
(1 − αz −1 )2
1 − [cos ω0 ]z −1
[cos ω0 n]u[n] {z ∈ C; |z| > 1}
1 − [2 cos ω0 ]z −1 + z −2
[sin ω0 ]z −1
[sin ω0 n]u[n] {z ∈ C; |z| > 1}
1 − [2 cos ω0 ]z −1 + z −2
1 − [r cos ω0 ]z −1
[rn cos ω0 n]u[n] {z ∈ C; |z| > r}
1 − [2r cos ω0 ]z −1 + r2 z −2
[r sin ω0 ]z −1
[rn sin ω0 n]u[n] {z ∈ C; |z| > r}
1 − [2r cos ω0 ]z −1 + r2 z −2
Table A.2 – Source : « Signals and Systems (2nd Edition) » de A. V. Oppenheim et A. S. Willsky.
Annexe B
Fonction échelon
(
1 si n ≥ 0
Temps discret : u[n] =
0 si n < 0
(
1 si t ≥ 0
Temps continu : u(t) =
0 si t < 0
Fonction rampe
(
n si n ≥ 0
Temps discret : r[n] = = nu[n]
0 si n < 0
(
t si t ≥ 0
Temps continu : r(t) = = tu(t)
0 si t < 0
Fonction impulsion
Définitions
où x∆ (t) est une fonction rectangulaire de durée ∆, centrée autour de 0 et d’amplitude 1/∆.
d
• u(t) = δ(t)
dt
Rt
• u(t) = −∞ δ(τ ) dτ
• δ(−t) = δ(t)
1
• δ(at) = a δ(t), a>0
103
104 ANNEXE B. SIGNAUX DE BASE ET SYSTÈMES LIT : RAPPEL
et en particulier, si t0 = 0,
Z +∞
x(t) δ(t) dt = x(0).
−∞
La fonction impulsion δ(t) est un être mathématique qui sert d’approximation à un signal physique
de durée extrêmement courte et de grande amplitude. La réponse d’une système à une impulsion
révèle certaines caractéristiques de ce système.
Dérivées de δ(t)
Ceci n’a pas été vu au cours mais est quand même à connaître (Haykin, section 1.6.7) !
d
Dès lors, puisque δ(t) = lim∆→0 x∆ (t) et dt u(t) = δ(t), on a
d d
δ (1) (t) , δ(t) = lim x∆ (t)
dt ∆→0 dt
1 ∆ 1 ∆
= lim δ t+ − δ t− .
∆→0 ∆ 2 ∆ 2
La dérivée première de la fonction impulsion δ(t) consiste donc en une paire d’impulsions, l’une
d’amplitude +∞ au temps t = 0− et l’autre d’amplitude −∞ au temps t = 0+ .
Dérivées d’ordre supérieur. Dérivée seconde de δ(t) = dérivée première de δ (1) (t) :
d2 d (1)
2
δ(t) = δ (t)
dt dt
δ (1) (t + ∆/2) − δ (1) (t − ∆/2)
= lim
∆→0 ∆
B.2. FONCTIONS PÉRIODIQUES 105
Propriété :
+∞
d2
Z
x(t) δ (2) (t − t0 ) dt = +(ou−?) x(t)
dt2
−∞ t=t0
dn d (n−1)
δ(t) = δ (t)
dtn dt
Propriété :
+∞
dn
Z
x(t) δ (n) (t − t0 ) dt = +(ou−?) x(t)
dt n t=t0
−∞
Temps continu
Un signal en temps continu x(t) est dit périodique s’il satisfait la condition :
où T est une constante réelle strictement positive. Si cette condition est satisfaite pour T = T0 , elle
est aussi satisfaite pour T = 2T0 , 3T0 , 4T0 , . . . La plus petite valeur de T qui remplit la condition
est appelée période fondamentale ou, simplement, période de x(t).
Temps discret
Un signal en temps discret x[n] est dit périodique s’il satisfait la condition :
où N est un entier strictement positif. Le plus petit entier N qui satisfait cette condition est appelé
la période fondamentale ou période de x[n].
Stabilité BIBO
Un système est dit stable au sens BIBO (bounded-input, bounded-output) si tout signal d’entrée
borné résulte en un signal de sortie également borné. La sortie d’un tel système ne diverge donc pas
si l’entrée ne diverge pas.
Mémoire
Un système est dit avec mémoire si son signal de sortie dépend des valeurs passées ou futures du
signal d’entrée.
A l’inverse, un système est dit sans mémoire si son signal de sortie dépend uniquement de la valeur
présente du signal d’entrée.
106 ANNEXE B. SIGNAUX DE BASE ET SYSTÈMES LIT : RAPPEL
Causalité
Un système est dit causal si la valeur présente du signal de sortie dépend seulement des valeurs
présentes ou passées du signal d’entrée.
A l’inverse, un système est dit non causal si le signal de sortie dépend de une ou plusieurs valeurs
futures du signal d’entrée.
Inversibilité
Un système est dit inversible si l’entrée du système peut être retrouvée à partir de sa sortie.
Invariance temporelle
Un système est dit invariant dans le temps si un décalage temporel du signal d’entrée conduit à un
même décalage temporel du signal de sortie. Ceci implique qu’un système invariant dans le temps
répond de manière identique quel que soit le moment auquel le signal d’entrée est appliqué. En
d’autres termes, les caractéristiques d’un système invariant dans le temps ne change pas dans le
temps.
Linéarité
Soit un système soumis à une entrée x(t) = x1 (t) produisant une sortie y(t) = y1 (t). Supposons
ensuite que le même système soit soumis à une entrée différente x(t) = x2 (t) produisant une sortie
y(t) = y2 (t).
Pour que le système soit linéaire en termes du signal d’entrée et de sortie, il faut que le signal
d’entrée x(t) = α x1 (t) + β x2 (t) produise le signal de sortie y(t) = α y1 (t) + β y2 (t) (où α et β sont
des constantes).
Annexe C
Références :
• Fonctions en temps continu : cfr transparents du cours et/ou annexe B.1 du livre de référence
(page 767)
• Fonctions en temps discret : cfr transparents du cours et/ou annexe B.2 du livre de référence
(page 770)
Etape 2. Vérifier que le degré du numérateur est bien strictement inférieur à celui du dénomi-
nateur. Sinon, se ramener à une telle situation en effectuant la division euclidienne de ces deux
polynômes.
0=A+C
107
108 ANNEXE C. DÉCOMPOSITION EN FRACTIONS SIMPLES
3 = 3A + B + 2C
5 = 2A + 2B + C
h i 3u + 5
C = (u + 2)H(u) = = −1
(u + 1)2
u=−2 u=−2
Racine double :
d h i d h 3u + 5 i
A= (u + 1)2 H(u) = =1
du du (u + 2) u=−1
u=−1
Etape 6. Inverser la transformée de Fourier en s’aidant des tables (voir annexe A, page 101) :
Pn
Principe de superposition Si y1 (t) est solution de l’équation j=0 aj y (j) (t) = f1 (t) et y2 (t)
Pn (j)
est solution de l’équation j=0 aj y (t) = f2 (t) alors y1 (t) + y2 (t) est solution de l’équation
Pn (j)
j=0 aj y (t) = f1 (t) + f2 (t).
sont les fonctions y : R → C de la forme y(t) = u(t) + v(t) ; où u(t) est une solution arbitraire de
l’équation homogène associée, et v(t) une solution particulière.
109
110 ANNEXE D. RÉSOLUTION D’UNE ÉQUATION DIFFÉRENTIELLE ORDINAIRE
D.4 Exemple
Soit l’équation
y 00 + 5y 0 + 4y = 3 − 2t,
et l’équation homogène associée
y 00 + 5y 0 + 4y = 0.
Le polynôme caractéristique est P (x) = x2 + 5x + 4 qui admet deux racines simples x1 = −4 et
x2 = −1. Par conséquent :
• La solution générale de l’équation homogène est u(t) = Ae−4t + Be−t avec A, B ∈ C arbi-
traires.
• Une solution particulière de l’équation non homogène est v(t) = −1/2t + 11/8.
• La solution générale de l’équation non homogène est y(t) = v(t) + u(t) = Ae−4t + Be−t −
1/2t + 11/8 avec A, B ∈ C arbitraires.
• Une solution particulière du problème peut être trouvée en fixant les valeurs de A, B ∈ C,
généralement via des conditions initiales (problème de Cauchy).
Annexe E
La matière reprise dans cette annexe n’est pas incluse dans le livre de référence et constitue donc
un complément très utile aux slides du cours.
Nous avons vu au fil des différents chapitres quatre formes principales de représentation des systèmes
linéaires à une entrée et une sortie 1 :
a) la représentation d’état
c) la fonction de transfert
Y (s)
H(s) =
X(s)
d) le schéma-bloc
Ces quatre représentations ne sont pas nécessairement équivalentes (par exemple, la représentation
d’état ne permet pas de représenter un système comportant un retard pur, ce que permettent les
fonctions de transfert et les schémas-bloc) mais, dans la plupart des cas, on peut passer d’une
représentation à l’autre. Certains de ces passages sont immédiats : on a par exemple
ou
bm sm + bm−1 sm−1 + · · · + b0
H(s) = .
an sn + an−1 sn−1 + · · · + a0
1. Dans ce qui suit, nous nous contentons d’évoquer les systèmes LIT continus. Un traitement rigoureusement
parallèle existe pour les systèmes LIT discrets. C’est un excellent exercice laissé au lecteur que de faire la transposition.
111
112 ANNEXE E. COMMANDABILITÉ ET OBSERVABILITÉ
La première de ces formules permet de passer d’une représentation d’état à une fonction de transfert
mais pas l’inverse (voir plus loin). La deuxième permet un passage de fonction de transfert à équation
différentielle dans les deux sens, tout au moins à condition que la fonction de transfert soit rationnelle
(quotient de deux polynômes).
De même, transformer un schéma-bloc en une fonction de transfert est un travail algébrique simple
(mais parfois fastidieux).
Il est également facile de produire un schéma-bloc correspondant à un système décrit par une
représentation d’état : il suffit de placer un bloc intégrateur devant chacune des variables d’état du
système et de réaliser les connexions telles qu’elles sont décrites par les équations d’état.
Il reste donc un passage moins immédiat qui consiste à transformer une fonction de transfert (ou
une équation différentielle) en une représentation d’état. Ce problème (appelé réalisation dans le
langage de la théorie des systèmes) n’a évidemment pas de solution unique, puisqu’à partir d’une
représentation d’état, on peut construire, par simple « changement de variables d’état », une infinité
d’autres représentations d’état correspondant à la même fonction de transfert entrée-sortie.
Observons encore qu’en principe la formule H(s) = C(sI − A)−1 B + D conduit à une fonction
de transfert dont les pôles sont exactement les valeurs propres de la matrice A. Ceci est toujours
vrai, sauf lorsqu’il y a annulation pôles-zéros, c’est à dire une simplification de termes communs au
numérateur et au dénominateur de C(sI − A)−1 B + D.
Observons enfin, même si cela déborde du cadre de ce cours, que la représentation d’état est celle
qui se généralise le plus facilement aux systèmes à plusieurs entrées et plusieurs sorties (MIMO
pour muLITple inputs muLITple outputs, en anglais). C’est également la forme de représentation
la plus complète puisque non seulement elle décrit le comportement entrée-sortie du système mais
elle décrit également son comportement interne, c’est-à-dire l’évolution des états du système.
Nous évoquerons dans ce qui suit deux propriétés des systèmes linéaires que nous traiterons dans le
cadre simple des systèmes à une entrée et une sortie (SISO pour single input single output) mais qui
se généralisent très aisément dans le cas de systèmes linéaires MIMO. Le concept de commandabilité
s’intéresse à la question de savoir s’il existe une fonction d’entrée qui permet d’amener l’état du
système d’une certaine valeur initiale à zéro en un temps fini. Le concept d’observabilité, quant à
lui, s’intéresse à la possibilité de reconstruire l’état du système à partir de l’observation de la sortie
sur un intervalle de temps fini. Ces deux notions, que nous présenterons ci-dessous dans un cadre
simple de système en boucle ouverte, ont cependant une importance considérable dans la théorie
de la commande de systèmes en boucle fermée. Nous verrons également que ces deux propriétés
structurelles des systèmes linéaires permettent de décomposer ces systèmes, de manière canonique
en quatre parties et que les représentations entrée-sortie comme par exemple la fonction de transfert
ne s’intéressent qu’à la partie du système qui est à la fois commandable et observable. Ceci souligne
une fois de plus la différence de nature entre la représentation d’état, qui est une représentation
interne du système, et les représentations par fonction de transfert, réponse impulsionnelle ou
équation différentielle qui elles sont des représentations de la relation entrée-sortie.
E.2.1 Commandabilité
Commençons par deux exemples pour illustrer le concept. Considérons tout d’abord le pendule
inversé représenté à la figure E.2. Autour de sa position d’équilibre (instable), on peut modéliser
ce système mécanique par une représentation d’état linéaire d’ordre 4, avec comme variables d’état
z, ż, θ et θ̇. Le système est soumis à une seule entrée, la force exercée sur le chariot, x. La question qui
se pose est de savoir si cette seule action de commande permet de ramener les quatre composantes
de l’état du système à zéro, à partir d’une valeur initiale quelconque.
E.2. COMMANDABILITÉ ET OBSERVABILITÉ 113
Dans un autre domaine, soit le circuit électrique représenté à la figure E.3. On peut le modéliser par
une représentation d’état d’ordre deux, les variables d’état q1 et q2 étant logiquement les tensions
aux bornes des deux capacités. On peut alors se poser la question de savoir si en choisissant une
forme particulière de la source de tension à l’entrée du circuit, on peut atteindre n’importe quel
couple de valeurs pour les deux variables d’état. Le cas particulier où les trois résistances sont égales,
de même que les deux capacités, est intéressant : on voit bien dans ce cas, grâce à la symétrie du
circuit, que seuls les couples (q1 , q2 = q1 ) peuvent être atteints quelle que soit l’entrée appliquée au
circuit. La commandabilité (et une notion plus forte appelée accessibilité) étudie ces questions.
Formalisons maintenant ce qui précède.
Soit un système décrit par ses équations d’état
q̇ = Aq(t) + Bx(t) (E.3)
y(t) = Cq(t) + Dx(t). (E.4)
Définition E.2.1. Un état q0 = q(0) est dit commandable s’il existe un intervalle de temps fini
[0, T ] et une entrée {x(t), t ∈ [0, T ]} tels que q(T ) = 0. Si tous les états sont commandables, le
système est dit complètement commandable.
Même si les deux notions semblent assez différentes, dans le cadre des systèmes linéaires continus
et invariants dans le temps, il y a équivalence entre complète commandabilité et complète accessi-
bilité. Ce n’est cependant pas vrai pour les systèmes discrets, pour lesquels il est facile d’imaginer
des conditions qui assurent la complète commandabilité sans que l’on ait pour autant complète
accessibilité.
R3
C1 R2
+
x −
R1 y C2
On peut établir le résultat suivant, extrêmement élégant d’un point de vue algébrique.
Théorème E.2.1. Soit le système décrit par les équations (E.3) - (E.4).
i) L’ensemble des états commandables est l’espace engendré par les colonnes de la matrice de
commandabilité C(A, B), où
C(A, B) , [B AB A2 B · · · An−1 B]
ii) Le système est complètement commandable si la matrice C(A, B) est de plein rang.
Remarque E.2.1.
a) Tel qu’énoncé ci-dessus, le théorème s’applique également pour les systèmes à plusieurs entrées
(matrice B à plusieurs colonnes). Dans le cas d’un système à m entrées, la matrice C(A, B) est
de genre n×n·m et la condition de complète commandabilité est bien que cette matrice soit de
plein rang (c.à.d. de rang n). Si le système n’a qu’une entrée, la matrice de commandabilité
est carrée, et le système sera complètement commandable si et seulement si la matrice de
commandabilité est régulière.
b) Il n’est pas moins remarquable de constater que le théorème ci-dessus s’applique sans aucune
modification au cas des systèmes discrets représentés par les équations
q[k + 1] = Aq[k] + Bx[k] (E.5)
y[k] = Cq[k] + Dx[k]. (E.6)
Pour s’en convaincre, le lecteur est invité à essayer de rédiger une démonstration semblable
à celle qui suit, établie pour les systèmes LIT continus.
Cette dernière expression montre qu’on pourra amener q(0) = q0 à q(t) = 0, quel que soit q0 , si et
seulement si les n vecteurs (B, AB, . . . An−1 B) sont indépendants.
E.2. COMMANDABILITÉ ET OBSERVABILITÉ 115
x y R
E.2.2 Observabilité
Reprenons l’exemple illustré par la figure E.2. Une question intéressante est de savoir si on peut
reconstituer l’état du système à partir de la mesure d’une seule de ses composantes, par exemple la
position x du chariot, durant un certain laps de temps.
Dans un autre domaine, soit le circuit électrique représenté à la figure E.4, pour lequel on décide de
mesurer (d’« observer ») la tension aux bornes de la résistance. On se demande si cette observation
durant un certain temps permet de reconstituer la valeur de l’état du système. Ces deux questions
concernent la notion d’observabilité du système. En général, les systèmes LIT décrits par des équa-
tions d’état sont tels que la dimension du vecteur des sorties y(t) est plus faible que celle du vecteur
d’état q(t). On ne peut donc pas inverser la matrice C pour retrouver q(t) en fonction de y(t), mais
il est possible que l’observation de y(t) durant un certain temps permette de déterminer quelle était
la valeur de l’état initial qui a produit cette évolution de la sortie. Voici la définition formelle.
Définition E.2.3. Soit le système décrit par les équations (E.3) - (E.4). L’état q0 6= 0 est dit
non observable si, pour q(0) = q0 , x(t) ≡ 0 et T > 0, y(t) = 0, 0 ≤ t ≤ T . Le système est dit
complètement observable si aucun état n’est non observable.
Un lecteur sensible à la structure algébrique des systèmes LIT représentés par des équations d’état
aura peut-être déjà perçu que commandabilité et observabilité sont des notions duales. C’est effec-
tivement le cas, et l’on peut donc établir le critère d’observabilité suivant.
Théorème E.2.2. Soit le système décrit par les équations (E.3) - (E.4).
i) L’ensemble des états non observables est égal à l’espace annulateur de la matrice d’observabilité
O(A, C) où
C
CA
O(A, C) ,
..
.
CAn−1
ii) Le système est complètement observable si la matrice O(A, C) est de plein rang.
Remarque E.2.2.
a) Tel qu’énoncé ci-dessus, le théorème s’applique également pour les systèmes à plusieurs sorties
(matrice C à plusieurs lignes). Dans le cas d’un système à p sorties, la matrice O(A, C) est de
genre n · p × n et la condition de complète observabilité est bien que cette matrice soit de plein
116 ANNEXE E. COMMANDABILITÉ ET OBSERVABILITÉ
rang (c.à.d. de rang n). Si le système n’a qu’une sortie, la matrice d’observabilité est carrée,
et le système sera complètement commandable si et seulement si la matrice d’observabilité est
régulière.
b) Il n’est pas moins remarquable de constater que le théorème ci-dessus s’applique sans aucune
modification au cas des systèmes discrets représentés par les équations
La démonstration de l’observabilité est particulièrement simple dans le cas discret. C’est pourquoi
nous reprenons ici la définition et la démonstration dans ce cas.
Soit le système
q[k + 1] = Aq[k]
y[k] = Cq[k].
Dès lors,
y[0] C
y[1] CA
= q0 .
.. ..
. .
y[n − 1] CAn−1
T
Si la matrice C CA CAn−1 est de plein rang, on peut donc reconstruire q0 à partir du vecteur
des n sorties successives y[0], . . . , y[n − 1].
Théorème E.3.1. Soit le système décrit par les équations (E.3) - (E.4). Il existe une transforma-
tion d’état T telle que le système transformé dans les nouvelles variables d’état z = T −1 q s’écrit
sous la forme suivante :
où
Āco 0 Ā13 0 B̄1
Ā21 Ā22 Ā23 Ā24 B̄2
Ā = ; B̄ =
0 ;
C̄ = C̄1 0 C̄2 0 .
0 0 Ā33 0
0 0 Ā34 Ā44 0
Mentionnons que cette décomposition est présentée ici sous forme « générique » et que, pour des
systèmes donnés, certaines lignes ou colonnes de la décomposition peuvent ne pas exister.
Le premier item du théorème signifie également que
et que dès lors les parties non commandables ou non observables d’un système linéaire n’apparaissent
pas dans sa fonction de transfert, mais bien, en toute généralité, dans sa représentation d’état. Bien
évidemment, si un système est donné par sa fonction de transfert, il est possible d’en construire une
représentation d’état qui sera à la fois complètement commandable et complètement observable.
On appelle cette représentation d’état la réalisation minimale de la fonction de transfert. Dans ce
cas, les pôles de la fonction de transfert seront égaux aux valeurs propres de la matrice d’état A de
cette représentation minimale.
De manière générale, les valeurs propres de la matrice A du système décrit par les équations (E.3) -
(E.4) sont l’union des valeurs propres de Āco (modes commandables et observables), de Ā22 (modes
commandables et non observables), de Ā33 (modes non commandables et observables) et de Ā44
(modes non commandables et non observables).
S’il y a une seule annulation pôle/zéro dans une fonction de transfert, cela signifie-t-il qu’il y a soit
perte de commandablité, soit perte d’observabilité (mais pas les deux simultanément) ?
La réponse est non et le petit exemple ci-dessous l’illustre.
Soit le système
q˙1 −3 2 0 q1 0 q1
q˙2 = −5 4 0 q2 + 1 · xy = 1 0 0 q2 .
q˙3 −5 6 −2 q3 1 q3
118 ANNEXE E. COMMANDABILITÉ ET OBSERVABILITÉ
2(s + 2) 2
C(sI − A)−1 B = =
(s + 2)(s − 2)(s + 1) (s − 2)(s + 1)
et le lecteur assidu vérifiera que l’on retrouve ainsi le système que nous avons étudié au début de
cette section.
E.4. QUESTION SUR L’ANNULATION PÔLE/ZÉRO 119
où zi sont les zéros, pi sont les pôles de H(jω) et K, ξ ∈ R sont des constantes.
On peut tracer la courbe correspondant à chacun des termes et les additionner ensuite. Chaque
terme est analysé en détails dans la section suivante.
Terme constant : K
121
122 ANNEXE F. CONSTRUCTION DU DIAGRAMME DE BODE
jω
Zéro réel : 1 + ω0
• Module :
s
0,
2 si ω ω0
jω ω
√
= 20 log10 ( 2)≈ 3 dB,
20 log10 1 +
= 20 log10 1 + si ω = ω0
ω0 ω0
20 log10 ω ,
ω0 si ω ω0
• Phase :
0, si ω ω0
jω ω
] 1+ = arctan = π4 , si ω = ω0
ω0 ω0 π
2, si ω ω0
1
Pôle réel : jω
1+ ω
0
• Module :
s
0,
si ω ω0
1
ω
2 √
20 log10
= −20 log 10 1 + = −20 log 10 ( 2)≈ −3 dB, si ω = ω0
1 + jω ω
ω0
0 ω
−20 log10
, si ω ω0
ω0
• Phase :
! 0,
si ω ω0
1 ω
] = − arctan = − π4 , si ω = ω0
1 + jω
ω0
ω0 π
−2, si ω ω0
jω
Zéro à l’origine : ω0
• Module : 20 log10 jω
ω0 = 20 log10
ω
[dB]
ω0
jω π
• Phase : ] ω0 = 2
1
Pôle à l’origine : jω
ω0
1 ω
• Module : 20 log10 jω = −20 log10
ω0 [dB]
ω 0
• Phase : ] 1
jω = − π2
ω0
2
jω
Zéros complexes : ω0
+ 2ξ jω
ω0
+1
• Module :
v
jω 2
u 2 !2 2
jω u ω ω
20 log10 + 2ξ + 1 = 20 log10 1− + 2ξ
t
ω0 ω0 ω0 ω0
F.2. ANALYSE DE CHAQUE TERME 123
0,
si ω ω0
= 20 log10 (2ξ),
si ω = ω0
40 log10 ω ,
ω0 si ω ω0
• Phase :
!
0, si ω ω0
2ξ ωω0
2
jω jω π
] + 2ξ +1 = arctan = 2, si ω = ω0
2
ω0 ω0
ω
1 − ω0
π, si ω ω0
1
Pôles complexes : jω
2 jω
ω0 +2ξ ω +1
0
• Module :
v
u 2 !2 2
1 u ω ω
20 log10 2 = −20 log10 1− + 2ξ
t
jω ω0 ω0
ω0 + 2ξ jω
ω0 + 1
0,
si ω ω0
= −20 log (2ξ),
10 si ω = ω0
ω
−40 log10
, si ω ω0
ω0
• Phase :
ω 0, si ω ω0
2ξ
1 ω0
] = − arctan = − π2 , si ω = ω0
2 2
jω
+ 2ξ jω +1 1 − ω0 ω
−π, si ω ω0
ω0 ω0