2.

5 Systèmes linéaires invariant en temps

Un système linéaire invariant en temps (« linear time-invariant » - LTI) est un système pour
lequel les propriétés de linéarité et d’invariance en temps sont toutes deux vraies. Un système
LIT peut être défini par sa réponse impulsionnelle, h(t). La réponse impulsionnelle est définie
comme la sortie du système lorsqu’une impulsion (fonction delta de Dirac) est appliquée à
l’entrée. Autrement dit, pour un système LTI :

( ) { ( )} ( ) (2.17)

Puisque c’est un système LTI, si ( ) ∑ ( ) alors

( ) ∑ ( ) (2.18)

Une entrée à temps-continu, x(t), peut se faire approximer par:

( ) ∑ ( ) ( ) (2.19)

L’équation (2.19) peut être réécrite comme :

( ) ∑ ( ) {( ) ( )} (2.20)

De la discussion sur l’impulsion rectangulaire, nous savons que le terme dans { } est δ(t-nt) car
t tends vers 0, donc nous pouvons réécrire (2.20) comme :

( ) ∑ ( ) ( ) (2.21)

Avec x(t) exprimé comme (2.21), nous pouvons déduire de (2.18) qu’étant donné que le système
soit LTI, y(t) peut être exprimé comme :

( ) ∑ ( ) ( ) (2.22)

Dans (2.22), t qui tend vers 0 représente une tranche de temps infiniment mince et nt
représente la nième tranche de temps. La (n+1)ième tranche de temps est voisine de la nième
tranche de temps mais ne la chevauche pas. Par conséquent, la variable nt, comme n va de -∞ à
∞, se rapproche d’une variable continue que nous désignerons comme  alors que la sommation
se rapproche de l’intégration. Donc dans la limite où t s’approche de 0, (2.22) devient :

( ) ∫ ( ) ( ) (2.23)

Ainsi, la sortie d’un système LTI est la convolution de l’entrée et de la réponse impulsionnelle
du système LTI.
2.5.1 Stabilité des systèmes LTI.

Soit y(t) donné par (2.23), alors y(t) = x(t)*h(t). Nous savons d’après (2.11) que nous pouvons
aussi l’exprimer par y(t) = h(t)*x(t). Nous pouvons donc écrire :

( ) ∫ ( ) ( ) (2.24)

Un système est stable si pour toute entrée bornée, la sortie est également bornée. Nous disons
donc que le système est borné si |y(t)| < M pour |x(t)| < N où M, N < ∞. Alors :

| ( )| |∫ ( ) ( ) | (2.25)

L’inégalité de Schwarz indique que |∫ ( ) ( ) | ∫ | ( )|| ( )| , donc si

∫ | ( )|| ( )| pour |x(t) |< N < ∞, alors y(t) sera également borné et le système
sera stable. En insérant l’inégalité de Schwarz dans (2.25), on obtient :

| ( )| ∫ | ( )|| ( )|
∫ | ( )| (2.26)
∫ | ( )|

ce qui ne peut être vrai que si ∫ | ( )| . Un système LTI est donc stable si sa réponse
impulsionnelle est absolument intégrable. Autrement dit, il est stable si :

∫ | ( )| (2.27)

Exercice 2.7

Trois systèmes LTI ont les réponses impulsionnelles h1(t)=0.1e-0.1tu(t), h2(t) = u(t) et h3(t) =
4(t)-2(t-1). Lequel ou lesquels des trois systèmes n’est pas garanti d’être stable, le cas échéant?

2.5.2 Causalité

Un système est non causal si la valeur de la sortie au moment to dépend des valeurs de l’entrée à
des temps supérieurs à to. Autrement dit, si la valeur de la sortie dépend des valeurs futures de
l’entrée, le système est non causal. Pour les systèmes linéaires et invariants en temps :

( ) ∫ ( ) ( ) (2.28)

La valeur de la sortie au temps to dépend des valeurs de x(t) aux temps (to-) qui sont supérieures
à to pour toutes les valeurs négatives de . Cependant, si h() = 0 quand  < 0, alors la valeur de
la sortie ne dépendra pas des valeurs futures de l’entrée. Par conséquent, un système LTI est
causal si l’équation suivante est satisfaite :

( ) (2.29)

Exercice 2.8

En observant leurs réponses impulsionnelles, lesquels des systèmes LIT suivants sont non
causaux:
( ) ( )
⁄
( ) ( )
( ) ( )

2.6 Représentation des signaux dans le domaine fréquentiel

2.6.1 Série de Fourier généralisée

Considérez un ensemble de signaux,{n(t)} où n = 1, 2, … , N qui sont orthogonaux sur un

intervalle de temps to < t < to + T. Autrement dit :

∫ ( ) ( ) (2.30)

où n et m sont des nombres entiers entre 1 and N et * est le conjugué complexe. Prenons le cas où
n = m, (2.30) devient :

∫ | ( )| (2.31)

où cn est un nombre réel et positif. Les étudiants devraient remarquer de leur cours de signaux et
systèmes que cn représente l’énergie du signal n(t) sur l’intervalle de temps to < t < to + T.

Il y a un signal x(t) qu’on aimerais approximer par xa(t), qui est la somme pondérée de notre
ensemble de signaux orthogonaux sur l’intervalle de temps to < t < to + T. Cette approximation
xa(t) est donnée par :

( ) ∑ ( ) (2.32)

où les coefficients Xn sont choisis pour minimiser l’erreur quadratique moyenne, N, entre x(t) et
xa(t) sur l’intervalle de temps to < t < to + T. L’erreur quadratique moyenne est donnée par :

∫ | ( ) ( )| (2.33)
En insérant (2.32) dans (2.33), on obtient le suivant :

∫ | ( ) ∑ ( )|

∫ ( ( ) ∑ ( ))( ( ) ∑ ( ))
(2.34)
∫ | ( )| ∫ ( )(∑ ( ))

∫ ( )(∑ ( )) ∫ |∑ ( )|

En réorganisant les termes dans (2.34), on obtient:

∫ | ( )| ∑ ∫ ( ) ( )
(2.35)
∑ ∫ ( ) ( ) ∑ ∑ ∫ ( ) ( )

Le dernier terme dans (2.35) ∫ ( ) ( ) qui est 0 si n ≠ m et cn pour n = m. Donc on

peut simplifier (2.35) par:

∫ | ( )| ∑ ∫ ( ) ( )
(2.36)
∑ ∫ ( ) ( ) ∑ | |

En plaçant les trois derniers termes de (2.36) dans une sommation commune, on obtient :

∫ | ( )| ∑ (| | ∫ ( ) ( ) ∫ ( ) ( ) )(2.37)

On peut démontrer que

| ∫ ( ) ( ) | | | ∫ ( ) ( )
(2.38)
∫ ( ) ( ) |∫ ( ) ( ) |

Donc (2.37) devient:

∫ | ( )| ∑ ( | ∫ ( ) ( ) | |∫ ( ) ( ) | ) (2.39)

Le Xn apparaît dans le deuxième terme qui est un module au carré, ce qui est toujours réelle et
positive ou 0. Donc (2.39) est minimisé lorsque :

∫ ( ) ( ) (2.40)
Si Xn est donné par (2.40), alors le troisième terme de (2.39) est donc cn|Xn|2. Par conséquent,
l’erreur quadratique moyenne entre le signal et son estimation dans (2.39) devient :

∫ | ( )| ∑ | | (2.41)

2.6.2 Série de Fourier exponentielle complexe

Pour la série de Fourier exponentielle complexe, l’ensemble des fonctions orthogonales utilisées
pour approximer x(t) sur l’intervalle to < t < to+T est donné par :

( ) (2.42)

où fo = 1/T. Les étudiants doivent démontrer que :

(2.43)

Exercice 2.8

Démontrez que l’ensemble des fonctions dans (2.42) sont orthogonales entre elles et que cn = T
pour toute valeur de n.

Exemple 2.5

On veut approximer x(t) = t sur l’intervalle 0 < T < 2. Trouvez l’expression de la série de Fourier
et la dessiner (en utilisant Matlab) en prenant la somme entre ±N où N = 3. Répéter pour N=5 et
N=7.

Solution
 x7(t)
x5(t) x3(t)

x3(t)
x3(t)

Figure 2.10: Graphique pour la série de Fourier exponentielle complexe de x(t) = t sur l’intervalle
0 < t < 2 pour –N ≤ n ≤ N lorsque N = 3, 5 et 7.
Exemple 2.6

Que se passe-t-il lorsqu’on dessine la série de Fourier exponentielle complexe de l’Exemple 2.5
sur l’intervalle 0 < t < 4 au lieu de 0 < t < 2?

Solution

Malgré que x(t) = t n’est pas une fonction périodique, la série de Fourier exponentielle complexe
l’est. Elle a une période T = 1/fo comme démontré dans la figure 2.11.

Figure 2.11: Graphique de x3(t), x5(t) et x7(t) de l’Exemple 2.5 sur l’intervalle 0 < t < 4. Nous
pouvons montrer que la série de Fourier exponentielle complexe est périodique avec la
période T = 1/fo.

Exemple 2.7

Quelle est l’erreur quadratique moyenne entre x(t) et x3(t), x5(t) et x7(t) de l’Exemple 2.5?

Solution

L’équation (2.41) nous permet de calculer l’erreur quadratique moyenne:

En observant les résultats, on remarque que lorsque N accroit, l’EQM entre x(t) et xN(t) décroit.
Puisqu’il a une infinité de base pour la série de Fourier exponentielle complexe,

(2.44)