IV.

Transformée de Fourier en Temps

Continu
1 - Signaux Apériodiques: Transformée de Fourier Temps
Continu
2 - Paires de Transformées de Fourier en Temps Continu
3 - Propriétés de la TF Temps Continu
4 - Propriété de la convolution
5 - Propriété de la multiplication
6 - Signaux Périodiques et Transformée de Fourier
7 - Réponse fréquentielle d’un SLTI régi par des équations
différentielles linéaires à coefficients constants

1
 Aτ sin( nω 0τ / 2) sin(ωτ / 2)
Xn = X ( jω ) = Aτ Enveloppe des échantillons
T nω 0τ / 2 ωτ / 2 T Xn
T Xn
T A / 20
=5
τ X ( jω )

0 5ω0 10ω0

T Xn
T A / 20
= 10
τ
X ( jω )

0 10ω0 20ω0

T Xn
T
= 20 A / 20
τ X ( jω )

2 0 20ω0 40ω0
IV.1 Signaux Apériodiques: Transformée de Fourier T.C.
Rappels: Signaux périodiques (T) à puissance finie - Série de Fourier
x (t )
~
ω 0 = 2π / T
+∞ T /2
x (t ) = x (t )e
1 ~ − jkω 0t
~
∑X
k = −∞
k e jkω 0t
Xk = ∫
T −T / 2
dt ... ...
-T -T1 0 T1 T 2T t
Somme infinie d ’exponentielles complexes reliées harmoniquement - Spectre discret

x(t)
T /2 +∞
1
( ) − j kω 0 t 1
( ) − j kω 0 t

T −T∫/ 2 T −∫∞
Or: Xk = x t e dt = x t e dt

+∞
-T1 T1 t

Soit: X ( jω ) = ∫ x (t )e − jω t
dt Enveloppe des échantillons [Link]
−∞

X ( j kω 0 )
1
Xk =
T
+∞ +∞
x (t ) = ∑ X ( jkω 0 )e jkω 0t = ∑ X ( jkω )e
~ 1 1 jkω 0t
ω0
2π
0
k = −∞ T k = −∞

+∞ Intégrale
x(t ) = X ( jω )e
1
x (t ) → x(t )
jω t
Si
∫ dω
T →∞ ~
2π −∞ de Fourier
3 ω 0 → dω
 Série de Fourier
Somme infinie d ’exponentielles
Signaux périodiques +∞ complexes reliées
Période T x(t ) = ∑X k e jkω 0t harmoniquement
ω 0 = 2π / T k = −∞ Spectre discret apériodique
Puissance Finie
T /2

x(t )
Xk =
1
∫ x (t )e − jkω 0t
dt Xk
T −T / 2

0 T 2T t 0 1 2 k

Transformée de Fourier
Transformée de Fourier Inverse
(Synthèse)
Signaux apériodiques Intégrale infinie
+∞ d ’exponentielles
x(t ) = X ( jω )e dω
1 jω t
∫
Période T ∞
Energie Finie 2π −∞ complexes
Spectre continu apériodique
+∞ X(j)
X ( jω ) = ∫ x(t )e
x(t) − jω t
dt
−∞
0 T t 
4
Transformée de Fourier Directe (Analyse)
Transformée de Fourier en Temps Continu pour des Signaux Apériodiques

+∞ jω t +∞ j 2πf t
x(t ) = X ( jω ) e x(t ) = ∫ X ( f )e
1
2π ∫−∞ dω
−∞
df

+∞ +∞
X ( jω ) = ∫ x (t ) e − jω t
dt X(f )= ∫ x (t ) e − j 2πf t
dt
−∞ −∞

Pulsation Fréquence

5
IV.2 Paires de Transformées de Fourier en TC

Signaux TF fréquence TF pulsation

δ (t ) 1 1
1 δ(f ) 2πδ (ω )

cos(2πf 0t ) = cos(ω 0t ) [δ ( f − f 0 ) + δ ( f + f 0 )] π [δ (ω − ω 0 ) + δ (ω + ω 0 )]
1
2
π
sin (2πf 0t ) = sin (ω 0t )
1
[δ ( f − f 0 ) − δ ( f + f 0 )] [δ (ω − ω 0 ) − δ (ω + ω 0 )]
2j j

δ ( f )+ πδ (ω ) +
1 1 1
u (t )
2 j 2πf jω

1, t < a / 2 ω 
x(t ) a sinc(πfa ) a sinc a 
0, t > a / 2 2 

+∞
1 +∞  k 2π 2π +∞
 2π 
PT (t ) = ∑ δ (t − kT ) P1 ( f ) = ∑ P2π ( jω ) = ∑ δ ω − k
1
δ f −  
k = −∞ T T T k = −∞  T T T T k = −∞  T 
Peigne de Dirac
6
Principales paires
de la Transformée
de Fourier Temps
Continu

7
IV.3 Propriétés de la TF Temps Continu

α x(t ) + β y (t ) ↔ α X ( jω ) + β Y ( jω )
TF
 Linéarité

 ω
x(α t ) ↔
TF 1
x(− t ) ↔ X (− jω )
TF
 Changement d ’échelle X j 
α  α
Contraction Temporelle (>1) Dilatation Fréquentielle

 Dualité

x(t − t0 ) ↔ X ( jω ) e − jω t0
TF
x(t ) e ↔ X ( j (ω − ω 0 ))
TF
 Décalage jω 0 t

x(t − t0 ) ↔ X ( jω ) e − j [∠X ( jω )−ω t0 ]

TF

dx( t ) TF dX ( jω )
− jt x( t ) ↔
TF
 Dérivation ↔ jω X ( jω )
8 dt dω
  Conjugaison
x (t ) ↔ X ∗ (− jω )
TF
∗

Cas particulier: x(t) réel  Symétrie conjuguée: X ( jω )= X ∗ (− jω )

Re{X ( jω )}: paire X ( jω ) : paire

Im{X ( jω )}: impaire ∠ X ( jω ) : impaire

x(t) réel et paire  X(j) réel et paire

x(t) réel et impaire  X (j) imaginaire et impaire

 Relation de Parseval

+∞ +∞ +∞ (
X jω ) 2

x(t ) X ( jω ) X(f )
1
∫ ∫ ∫
2 2 2
E= dt = dω = df Densité Spectrale d’Energie
−∞
2π −∞ −∞ du signal x(t)

Energie total d ’un signal = Energie par unité de temps intégrée sur tous les temps
= Densité spectrale d ’énergie intégrée sur toutes les fréquences

9
IV.4 Propriété de la convolution
+∞
Recherchons la TF de y(t)=x(t)*h(t) y (t ) = ∫ x(τ )h(t − τ )dτ
−∞
   +∞ 

+∞ +∞
 − j ωt +∞
  Rappel: vrai si SLTI Stable
Y ( jω ) = ∫  ∫ x(τ )h(t − τ )dτ  e dt = ∫ x(τ ) ∫ h(t − τ )e − jωt dt  dτ +∞
− ∞ − ∞

+∞


−∞  −∞

+∞

 ∫ h(t ) dt < ∞
−∞

∫ x(τ )H ( jω )e dτ = H ( jω ) ∫ x(τ )e − jωτ dτ

− jωτ
Y ( jω ) = = H ( jω ) X ( jω )
−∞ −∞

TF
y (t ) = x(t ) ∗ h(t ) ↔ Y ( jω ) = X ( jω ) H ( jω )

x(t) y(t) = x(t) * h(t)

h(t)
h(t): réponse impulsionnelle du SLTI

H(j): réponse fréquentielle du SLTI TF TF TF

+∞
H ( jω ) = ∫ h(t )e − jω t dt X(f) Y(f) = X(f) . H(f)
−∞ H(f)
10
 IV.5 Propriété de la multiplication

Modulation d ’amplitude

TF
signal modulé r (t ) = s (t ) p(t ) ↔ R( f ) = S ( f )∗ P( f )

signal modulant porteuse

S(f)
Exemple A
Porteuse: p(t ) = cos(2πf 0t )
-f1 f1 f
P(f)
1/2 1/2
P( f ) =
1
[δ ( f − f 0 ) + δ ( f + f 0 )]
-f0 f0 f 2
R(f)
A/2 A/2
R( f ) =
1
[S ( f − f 0 ) + S ( f + f 0 )]
-f0-f1 -f0 +f1 f0 -f1 f0 +f1 f 2
11 -f0 f0
 Exemple: Démodulation d ’amplitude g (t ) = r (t ) p(t )
R(f)
A/2 A/2

f0 -f1
R( f ) =
1
[S ( f − f 0 ) + S ( f + f 0 )]
-f0-f1 -f0 +f1 f0 +f1 f 2
-f0 f0
P(f) Porteuse: p(t ) = cos(2πf 0t )
1/2 1/2
P( f ) =
1
[δ ( f − f 0 ) + δ ( f + f 0 )]
f0 2
-f0
G(f)
A/2
A/4 A/4

-2f0 -f0 f0 2f0 f

H(f)
H(f) Filtre Passe-Bas
-fc fc f

H(0) A/2 Y(f) = G(f) H(f) Y(f) = G(f) H(f)

12
y(t) ~ s(t)
f
Propriétés de la
Transformée de
Fourier Temps
Continu

13
IV.6 Signaux Périodiques et Transformée de Fourier

A/ Extension de la TF en Temps Continu

+∞
X ( f ) = δ ( f − f0 ) ↔ x(t ) = ∫ δ ( f − f 0 )e
TF
Considérons l ’impulsion j 2π f t
df = e j 2π f 0t

−∞
Un signal périodique se décompose en Série de Fourier

+∞
x p (t ) = ∑X e jk 2π f 0t
1
= T période du signal
k f0
k = −∞ +∞

∑ δ ( f − kf )
0

+∞ +∞ k = −∞

x p (t ) = ∑ ∫
k = −∞
X k δ ( f − kf 0 )e jk 2π ft df
... ...
−∞
-2f0 -f0 0 f0 2f0 3f0
+∞ f
 +∞

x p (t ) =  ∫ ∑
− ∞ k = −∞
X k δ ( f − kf 0 )  e jk 2π ft df


+∞ Train d ’impulsions de Dirac pondérées

Par identification X p( f )= ∑ X δ ( f − kf )
k = −∞
k 0 par les coefficients de Fourier Xk et
situées aux fréquences f = kf0
14
 Comparaison entre la décomposition en Série de Fourier d ’un signal
périodique et sa Transformée de Fourier

xp(t)

T= 4 T1
-T 0 T1 T

Xk X p ( jω )

15
 B/ Expression simple de la TF d ’un signal périodique en TC

Tout signal périodique xp(t) peut être représenté comme la somme d ’une suite infinie de translatées de
x(t) motif élémentaire sur [0, T] x (t) p

x(t ) x(t + T ) x(t ) x(t − T ) x(t − 2T )

... ...
t 0 T 2T 3T
0 T t
+∞
PT (t ) = ∑ δ (t − kT )
+∞
x p (t ) = ∑ x(t − kT )
k = −∞
k = −∞

... ...
Or: x(t − kT ) = x(t ) ∗ δ (t − kT )
-T 0 T 2T 3T t
+∞ X(f )
D ’où: x p (t ) = x(t ) ∗ ∑ δ (t − kT ) = x(t )∗ PT (t )
k = −∞
 1
X − 
1
X 
 T  T  X  2 
T 
Propriété de la convolution 1
f0 =
T f
X p ( f ) = X ( f ) . P1 ( f )
1 0 1/T 2/T 3/T

X p( f )
T T
+∞ +∞
 k 1 k  k
X p( f )= ∑ X ( f )δ  f −  = ∑
1 1 1
X δ f −  1  1
X − 
X 
T T  1 X 2 
T k = −∞  T  T k = −∞  T   T T  T  
T T 

1 k 1 La TF permet d ’obtenir

Xk = X   = X (k f 0 ) 0 1/T 2/T 3/T f
16 T T  T directement les coefficients de Fourier!
IV.7 Réponse fréquentielle d’un SLTI régi par des équations
différentielles linéaires à coefficients constants
N
d k y (t ) M d k x(t )
∑
k =0
ak
dt k
= ∑ bk
k =0 dt k

Y ( jω ) Hypothèse:
Propriété des SLTI: Y ( jω ) = H ( jω ) X ( jω ) H ( jω ) =
X ( jω ) H(j) existe (converge)

 N d k y (t )  M d k x(t ) 
Or: TF  ∑ ak k
 = TF  ∑ bk
 k


 k =0 dt   k =0 dt 

N k M k
∑
 k =0   k =0
∑
 ak ( jω ) Y (ω ) =  bk ( jω )  X ( jω )


∑ b ( jω )
k
k
H ( jω ) = k =0
N

∑ a ( jω )
k
k
k =0

17
 V. Transformée de Fourier en Temps
Discret
1 - Signaux Apériodiques: Transformée de Fourier Temps Discret
2 - Propriétés de la TF Temps Discret
3 - Propriété de la convolution
4 - Propriété de la multiplication
5 - Signaux périodiques et Transformée de Fourier Temps Discret
6 - Calcul de la Transformée de Fourier d’une suite numérique
7 - Réponse fréquentielle d’un SLTI régi par des équations aux
différences linéaires à coefficients constants
Résumé Séries de Fourier - Transformées de Fourier

18
 V.1 Signaux Apériodiques: Transformée de Fourier T.D.
Série de Fourier
Somme finie de N
2π
Signaux périodiques exponentielles complexes
x[n] =
jk n
Période N
Puissance Finie
∑ Xk e N
reliées harmoniquement
k= N Spectre discret et périodique
2π

∑ x[n]e
1 −jk n
x[n] Xk = N
Xk
N n= N
... ...
0 N 2N 01 N k

Transformée de Fourier Inverse

Transformée de Fourier (Synthèse)

Signaux apériodiques Intégrale sur une période

x[n] = ∫ ( )
Période N  ∞ 1 jω n d ’exponentielles complexes
Energie Finie
X e jω e dω
2π 2π Spectre continu et périodique
+∞
x[n]
( ) = ∑ x[n] e
X e jω − jω n X(ej)

n = −∞
n 0 2π
190 N 
Transformée de Fourier Directe (Analyse)
Principales paires de
la Transformée de
Fourier Temps Discret

20
V.4 Propriétés de la TF Temps Discret

 Périodicité (
X e j (ω +2π ) = X e jω ) ( )

( ) ( )
TF
 Linéarité α x[n] + β y[n] ↔ α X e jω + β Y e jω

( )
TF
 Inversion temporelle x[− n] ↔ X e − jω

( )e ( )
TF TF
 Décalage x[n − n0 ] ↔ X e x[n] e ↔ X e j (ω −ω 0 )
jω − jω n0 jω 0 n

 Dérivation
TF
(
x[n] − x[n − 1] ↔ 1 − e − jω
)X (e ) jω
− jn x[n] ↔
dX e jω
TF ( )
dω

21
 Changement d ’échelle

Soit:  x[n / k ] si n multiple de k xk: « version ralentie » de x[n]

x(k )[n] = 
 0 sinon

( )= ∑ x[r ]e − j (kω ) r = X (e j kω )
+∞ +∞ +∞
X (k ) e jω
∑ x(k )[n]e − jω n
= ∑ x(k )[rk ]e − jω rk
=
n = −∞ r = −∞ r = −∞

22
 ( )
TF
 Conjugaison x [n] ↔ X ∗ e − jω
∗

Cas particulier: x[n] réel  Symétrie conjuguée: ( ) (

X e jω = X ∗ e − jω )
{ ( )}
Re X e jω : paire ( )
X e jω : paire
Im{X (e ω )}: impaire
j
∠ X (e ω ): impaire
j

x[n] réel et paire  X(e j) réel et paire

x[n] réel et impaire  X (e j) imaginaire et impaire

 Relation de Parseval X e ( )
jω 2

∫ X (e )
+∞ 1
Densité Spectrale
∑ x[n] jω 2
dω = ∫ X ( f )
2 1 2
E= = df d’Energie
n = −∞ 2π 2π 0 du signal x(t)

Energie total d ’un signal = Energie par unité de temps sommée sur tous les temps
= Densité spectrale d ’énergie intégrée sur une période

23
V.5 Propriété de la convolution

( ) ( ) ( )
TF
y[n] = x[n]∗ h[n] ↔ Y e jω = X e jω H e jω

x[n] y [n] = x [n] * h [n]

h [n]
h[n]: réponse impulsionnelle du SLTI

H(e j): réponse fréquentielle du SLTI TF TF TF

+∞
( ) = ∑ h[n] e
He jω − jω n
X(f) Y(f) = X(f) . H(f)
n = −∞ H(f)

+∞
Rappel: vrai si SLTI Stable ∑ h[n] < ∞
n = −∞

24
V.6 Propriété de la multiplication

TF
y[n] = x1[n] x2 [n] ↔ Y ( f ) = X 1 ( f )∗ X 2 ( f )

Attention: Convolution périodique

1

Y ( f ) = X 1 (υ )X 2 ( f − υ )dυ = ∫ ( ) ( )
1
∫0
2π 2π
X 1 e j θ X 2 e j ω − e j θ dω

25
Propriétés de la
Transformée de
Fourier Temps
Discret

26
 V.2 Signaux périodiques : Extension de la TF Temps Discret
+∞

A/ Extension de la TF en Temps Discret ∑ δ ( f − f0 − k )

k = −∞
+∞
Soit le peigne X(f )= ∑ δ ( f − f0 − k ) ... ...
de Dirac: k = −∞
0
+∞ f0-2 f0-1 f0 f0+1 f0+2 f
∑δ ( f − f − k)
TF
Montrons que: j 2π f 0 n
e ↔ 0
k = −∞
+∞
x[n] = ∫ X(f )e ∫ ∑δ ( f − f − k )e j 2π f n df
1 1
j 2π f n
0
df =
0
0 (Hypothèse
k = −∞
0<f0<1 )
x[n] = ∫ δ ( f − f 0 )e j 2π f n df = ∫ δ ( f − f 0 ) e j 2π f n df = e j 2π f
1 1
0 0 n
0 0
2π
Un signal périodique se décompose en Série de Fourier x p [n] = ∑X
jk n
N
k e
k= N
 1 +∞
     1
k 
x p [n] = ∑ ∫∑ x p [n] = ∑
k
k= N
Xk

δ  f − − l  e j 2π f n df
 0 l = −∞  N 


 k= N
 
0
∫
X k  δ  f −  e j 2π f n df
N



 +∞ k 
1

∫ ∑
x p [n] = 
0  l = −∞
X k δ  f −   e j 2π f n df
 N Train d ’impulsions de Dirac
pondérées par les coefficients de
+∞
 k Fourier périodiques et
Par identification
27
X p( f )=
l = −∞
∑
Xk δ  f − 
 N
situées aux fréquences f = k/N
B/ Expression simple de la TF d ’un signal périodique en TD

Tout signal périodique xp(t) peut être représenté comme la somme d ’une suite infinie de translatées de
x[n] motif élémentaire sur [0, N] x [n] p
x[n]
x[n + N ] x[n] x[n − N ] x[n − 2 N ]
... ...
0 N n 0 N 2N 3N
n
+∞
PN [n] = ∑ ∆[n − kN ]
+∞
x p [n] = ∑ x[n − kN ]
k = −∞
k = −∞

... ...
Or: x[n − kN ] = x[n]∗ ∆[n − kN ]
-N 0 N 2N 3N t
+∞
D ’où: x p [n] = x[n]∗ ∑ ∆[n − kN ] = x[n]∗ P [n]
k = −∞
N X(f)
1
X 
Propriété de la convolution ... N ...

X p ( f ) = X ( f ). P1 ( f )
1 0 1 f
N N
+∞ +∞ Xp (f)
 k 1 k  k
X p( f )= ∑ X ( f )δ  f −  = ∑
1
X δ f −  1 1
N k = −∞  N N k = −∞  N   N X 
N N

... ...
1 k 1 k La TF permet d ’obtenir 0 1/N 1
Xk = X  = X  f
28 N N N N directement les coefficients de Fourier!
V.3 Calcul de la Transformée de Fourier d’une suite numérique

Pour calculer la Transformée de Fourier d ’un signal numérique fini de N points (TFD ou DFT),
- on périodise implicitement le signal et
- on rajoute éventuellement des 0 (Nz), pour avoir une TFD sur (N+Nz) points.
Généralement le calcul se fait avec N+Nz = 2n points, grâce à l ’algorithme de Transformée de
Fourier Rapide (TFR ou FFT) mis au point par Cooley et Tukey (1965)

2π

x[n] = ∑ X [k ]e
jk n
N

k= N

N −1 2π
X [k ] = ∑ x[n]e
1 −jk n
N
N n =0

Remarque: X [k ] = X k
29
V.7 Réponse fréquentielle d’un SLTI régi par des équations aux
différences linéaires à coefficients constants
N M
∑ ak y[n − k ] = ∑ bk x[n − k ]
k =0 k =0

Propriété des SLTI: ( ) = H (e )X (e )

jω jω jω
( )
jω
=
( )
Y e jω Hypothèse:
( )
Ye He H(e j) existe (converge)
X e jω

Or: linéarite + décalage temporelle

 N

 ∑ ak e

− jω k 
( )
Y e

j ω
=
M


 ∑ bk e − jω k  X e jω

( )
 k =0   k =0 

M
∑ bk e − jω k
( )
H e jω = k =0
N
∑ a k e − jω k
k =0
30
 Résumé Séries de Fourier - Transformées de Fourier
Spectre discret
Signaux périodiques
apériodique
x(t ) ω 0 = 2π / T +∞ T /2 Xk
x(t )e − jkω 0t dt
1
x(t ) = ∑X k e jkω 0t
Xk = ∫
k = −∞ T −T / 2
0 T 2T t
012 k

Signaux apériodiques
Spectre continu
apériodique
+∞ X(j)
x(t) +∞
x(t ) = X ( jω )e
1 jω t

2π ∫
−∞
dω X ( jω ) = ∫ x(t )e
− jω t
dt
−∞

0 T t

Spectre discret
Signaux périodiques
périodique
x[n] 2π 2π
Xk
∑ x[n]e
1 −jk
x[n] =
jk n n

... ∑ Xk e N Xk =
N n= N
N

k= N

0 N 2N
01 N k
Spectre continu
Signaux apériodiques
périodique
x[n] X(e j)
+∞
x[n] = ∫ X (e ) e ( ) = ∑ x[n] e− jω n
1 jω jω n
dω X e jω

2π 2π
n = −∞
310 N n 0 2π 
 VI. Caractérisation en Temps et
Fréquence
des Signaux et Systèmes
1 - Représentation en Amplitude et en Phase de la
Transformée de Fourier
2 - Représentation en Amplitude et en Phase de la
réponse fréquentielle des SLTI
3 - Filtres non idéaux- Aspects dans les domaines
Temporel et Fréquentiel
4 - Systèmes du 1er ordre et du 2nd ordre en Temps
Continu
5 - Systèmes du 1er ordre et du 2nd ordre en Temps
Discret
6 - Filtres non-récursifs en Temps Discret - Filtres FIR
32
 VI.1 Représentation en Amplitude et en Phase de la
Transformée de Fourier

Amplitude et Phase de la TF: X ( jω ) = X ( jω ) e ∠X ( jω ) ( ) ( )

X e jω = X e jω e ∠X (e )
jω

Amplitude Contenu fréquentiel du signal

X ( jω ) 2 Densité spectrale d ’énergie de x(t)

Phase Information sur la phase des différentes fréquences composant le signal

Des signaux qui ont 1 TF avec amplitude = mais 1 phase peuvent être très différents

x(t ) = 1 + cos(2πt + Φ1 ) + cos(4πt + Φ 2 ) + cos(6πt + Φ 3 )

1 2
Exemple:
2 3

33
 VI.2 Représentation en amplitude et en phase de la la réponse
fréquentielle d’un SLTI
SLTI Y ( jω ) = H ( jω ) X ( jω ) ( ) ( ) ( )
Y e jω = H e jω X e jω

D ’où: Y ( j ω ) = H ( jω ) X ( jω ) ∠Y ( jω ) = ∠H ( jω ) + ∠X ( jω )

GAIN du système DECALAGE DE PHASE du système

Si effets négatifs: Distorsion d ’Amplitude et Distorsion de Phase...

Phase Linéaire et Phase Non Linéaire

H ( j ω ) = e − jω t 0 ( )
H e jω = e − jω n0

H ( jω ) = 1 ∠H ( jω ) = −ω t0 ( )
H e jω = 1 ( )
∠H e jω = −ω n0
Phase linéaire avec  Phase linéaire avec 

y (t ) = x(t − t0 ) y[n] = x[n − n0 ]

Le signal d’entrée est simplement décalé temporellement (décalage = pente de la phase), 

il34n’est pas déformé
 Exemple

Retard de Groupe

Le retard de groupe à une fréquence 

τ (ω ) = − {∠H ( jω )}
d
est égal à l ’opposé de la pente de la
dω phase à cette fréquence

Cas particulier: Phase linéaire τ (ω ) = t0 ou τ (ω ) = n0

35
Exemple Etude d ’un système passe-tout, dont le retard de groupe varie en fonction de la fréquence

3 1 + ( jω / ω i )2 − 2 jξ i (ω / ω i )
H ( jω ) = ∏ H i ( j ω ) avec H i ( jω ) =
i =1 1 + ( jω / ω i )2 + 2 jξ i (ω / ω i )
f1= 50Hz ξ1 = 0.066
f1= 150Hz ξ 2 = 0.033
f1= 300Hz ξ 3 = 0.058

unwrapped phase
H ( jω ) = 1

 2ξ i (ω / ω i ) 
∠H i ( jω ) = −2 arctan  2
1 − (ω / ω i ) 

3
∠H ( jω ) = ∑ ∠H i ( jω )
i =1

τ (ω ) = − {∠H ( jω )}
d
Réponse impulsionnelle

dω

36
Amplitude Logarithmique - Diagramme de Bode

Intérêt de l ’échelle logarithmique log Y ( jω ) = log H ( jω ) + log X ( jω ) Les amplitudes

log H ( jω ) = log H1 ( jω ) + log H 2 ( jω ) s ’ajoutent ...

Unité: le décibel (dB): 20 log10 H ( jω ) 0dB |H(jω)| = 1 6dB |H(jω)| = 2

-3dB |H(jω)| = 1/2 20dB |H(jω)| = 10

Diagramme de Bode: 20 log10 H ( jω ) et ∠ H ( jω ) en fonction de log10 ( f )

Pour les systèmes Temps Continu

Exemple: Système du 2nd ordre

37
 Bande passante et Largeur de bande

• Bande passante • Largeur de bande

– Caractérise un système – Caractérise un signal
– Module de la réponse en fréquence – Densité Spectrale
– Définie à -3dB (1/2) (Pm/2) – Espace des fréquences utiles !

38
 VI.3 Filtres non idéaux- Aspects dans les domaines Temporel et
Fréquentiel
Rappel: Filtres idéaux non réalisables car non causaux ...
H(e j)
H(j)

- c c  −
−π - c 0 c π 2π 
2π

Précision, sélectivité comprom Coût, Complexité

is

Flexibilité pour le comportement du filtre : - dans la Bande Passante

- dans la Bande Coupée
- dans la zone de transition

39
 VI.4 Systèmes du 1er ordre et du 2nd ordre en Temps Continu

Système du 1er ordre

dy (t )
τ + y (t ) = x(t ) τ >0 Constante de temps
dt
Ex: R 
C Rapidité de réponse du
x(t) + y(t)
-
système
H ( jω ) =
1
dy (t )
jωτ + 1
RC + y (t ) = x(t )
st

t
Réponse impulsionnelle −
h(t ) = e u (t )
1 τ
τ
 − 
t
Réponse indicielle s (t ) = h(t ) ∗ u (t ) = 1 − e  u (t )
τ

 

40
Diagramme de Bode

(
20 log10 H ( jω ) = −10 log10 (τω ) + 1
2
)
τω << 1 ⇒ 20 log10 H ( jω ) ≅ 0

τω >> 1 ou ω >> 1 / τ ⇒ 20 log10 H ( jω ) ≅ −20 log10 (τω ) = −20 log10 ω − 20 log10 τ

Asymptote en HF: Pente de 20 dB / décade
 1
ω = 1 / τ ⇒ 20 log10 H  j  = −3dB Fréquence de coupure à 3dB
 τ

∠ H ( jω ) = − Arctan(τω )
FIG 6.20 449
τω << 1 ⇒ ∠ H ( jω ) ≅ 0

τω >> 1 ⇒ ∠ H ( jω ) ≅ −π / 2

 1
ω = 1 / τ ⇒ ∠ H  j  = −π / 4
 τ

41
Système du 2nd ordre d 2 y (t ) dy (t )
2
+ 2ξω n + ω n
2
y (t ) = ω n
2
x(t )
dt dt

ωn2
H ( jω ) =
( jω )2 + 2ξω n ( jω ) + ω n 2
ωn2 c1 = −ξω n + ω n ξ 2 − 1
H ( jω ) =
( jω − c1 )( jω − c2 ) c2 = −ξω n − ω n ξ 2 − 1

H ( jω ) =
M
−
M ωn
M=
jω − c1 jω − c 2 2 ξ 2 −1 ω n : Fréquence propre
ξ : Facteur d ’amortissement

[ ]
h(t ) = M e c1t − e c2t u (t )

Régime Amorti
ξ > 1 ⇒ c1 et c2 réels et < 0
h(t) = différence de 2 exponentielles réelles décro

ξ = 1 ⇒ c1 = c2 Régime Critique h(t ) = ω n2 t e −ω n t u (t )

0 < ξ < 1 ⇒ c1 et c2 complexes Régime Pseudo-Périodique

42 h(t ) =
ω n e −ξω t
2 j 1−ξ
n

2
{exp[j(ω n )] [ ( ) ]}
1 − ξ 2 t − exp − j ω n 1 − ξ 2 t u (t )
 1
Q= Facteur de qualité
2ξ
Amplification pour < 0.7

H ( jω ) =
1
2
 ω   ω 
 j  + 2ξ  j  + 1
 ωn   ωn 
 2 2
 2
  ω  2 ω  
20 log10 H ( jω ) = −10 log10 1 −    + 4ξ   
  ω n    ωn  


 0 pour ω << ω n
20 log10 H ( jω ) ≅ 
− 40 log10 ω + 40 log10 ω n pour ω >> ω n

 2ξ (ω / ω n ) 
∠ H ( jω ) = − Arctan 
2 
 1 − (ω / ω n ) 
 0 ω << ω n
∠ H ( jω ) = 
43 − π ω >> ω n
 VI.5 Systèmes du 1er ordre et du 2nd ordre en Temps Discret

Système du 1er ordre y[n] − ay[n − 1] = x[n] a <1

Rapidité de réponse du système

( )
H e jω =
1
1 − a n +1
1 − ae − jω h[n] = a u[n]
n
s[n] = h[n]∗ u[n] = u[n]
1− a

Fig 6.26 6.27 p 462

44
 ( )
H e jω =
1  a sin ω 
∠ H ( jω ) = − Arctan 
(1 − a 2
− 2a cos ω )
1/ 2
 1 − a cos ω 

45
Système du 2nd ordre
y[n] − 2r cosθ y[n − 1] + r 2 y[n − 2] = x[n]

( )
H e jω =
1
1 − 2r cosθ e − jω + r 2 e − j 2ω Équivalent au système du 2nd ordre en
Temps Continu en régime pseudo-périodique
Pour =0 régime critique
( )
H e jω =
1

[1 − (re ) e ] [1 − (re ) e ]
jθ − jω − jθ − jω

r : taux de décroissance
θ ≠ 0 ou π : fréquence d ’oscillation

( )
H e jω =
(
1 − re
A
jθ
)e − jω
(
1 − re
B
− jθ
)e − jω

A=
e jθ
2 j sin θ
B=
e − jθ
2 j sin θ
[(
h[n] = A re jθ )
n
(
+ B re − jθ ) ]u[n] = r
n n sin[(n + 1)θ ]
sin θ
u[n]

θ =0

( )
H e jω =
1
h[n] = (n + 1) r n u[n]
(1 − r e ) − jω 2

θ =π
( )
H e jω =
1
h[n] = (n + 1)(− r ) u[n]
n

46 (1 + r e ) − jω 2
Réponse
impulsionnelle
d ’un système
du 2nd ordre

47
 Réponse fréquentielle d ’un système du 2nd ordre

48
 VI.6 Systèmes non récursifs en Temps Discret - Filtres FIR

FIR (non récursif) IIR (récursif)

Phase linéaire Flexibilité

Complexité + grande pour les mêmes Filtres IIR = connexion de système du 1er et 2nd ordre
spécifications que IIR Implantation efficace et facile
Compromis entre sélectivité du filtre et durée Ajustement des caractéristiques = réglage des paramètres
de la réponse impulsionnelle (nb. coeff ) Phase linéaire impossible

Filtres non-récursifs de type Moyenne-Glissante (Moving Average Filter)

h[n]
M
y[n] = ∑ x[n − k ]
1
N + M + 1 k =− N
0 n
-N M

sin[ω ( N + M + 1) / 2]
( )
H e jω =
1
N + M +1
e jω [( N − M )/ 2 ]
sin (ω / 2 )
49
 M+N+1 = 33 M+N+1 = 65

Longueur de la réponse impulsionnelle , largeur du lobe principal de la réponse fréquentielle 

( lobe principal BP du filtre)

Filtres non-récursifs - Forme générale

M
y[n] = ∑ b x[n − k ]
k =− N
k
Choix des bk , fonction des spécifications du filtre
(ex: raideur de la transition BP BC...)

50
Comparaison entre les réponses fréquentielles d ’un filtre à moyenne
glissante et un filtre de réponse impulsionnelle h[n]

sin (2πn / 33) / πn , n ≤ 32 Réponse impulsionnelle d ’un filtre idéal de fréquence de

h[n] =  coupure c= 2/33
 0 , n > 32

Réponse impulsionnelle Réelle et Paire Réponse fréquentielle Réelle et Paire (Phase nulle)

Filtre causal décalage temporel de la réponse impulsionnelle Filtre à Phase Linéaire

51