Notes de cours

Traitement du signal
G. Dauphin
September 16, 2013
Contents
1 Description dun signal : Cours A 3
1.1 Classication discret/continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Signaux p eriodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Quantication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Quelques transformations simples de signaux et leur visualisation . . . . . . . . . . . . . . . . . 4
1.5 Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Quelques signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Echantillonnage dun signal : Cours B 8
2.1 Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Crit` ere de Shannon-Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Chane de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 Transform ees de Fourier des signaux temps continu : Cours C 11
3.1 Signaux p eriodiques/signaux ` a dur ee limit ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 S erie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Propri et es de la s erie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4 Transform ee de Fourier ` a temps continu (TFTC) . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5 Propri et es de la transform ee de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5.1 Propri et es similaires ` a celles des s eries de Fourier . . . . . . . . . . . . . . . . . . . . . . 15
3.5.2 Propri et es suppl ementaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.5.3 Exemples de transform ees de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4 Transform ees de Fourier des signaux temps discret : Cours D 19
4.1 Transform ee de Fourier ` a temps discret (TFTD) . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 Propri et es de la transform ee de Fourier ` a temps discret . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Transform ee de Fourier discr` ete (TFD) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.4 Propri et es de la transform ee de Fourier discr` ete . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.5 Exemples de transform ees de Fourier discr` ete de signaux . . . . . . . . . . . . . . . . . . . . . . 25
4.6 Notation matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.7 Bourrage de z eros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
5 Repliement de spectre, ltres : Cours E 28
5.1 Filtre analogique et r eponse fr equentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5.2 Filtre num erique et r eponse fr equentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.3 Repliement de spectre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.4 Crit` ere de Shannon-Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.5 Interpolation et reconstruction dun signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.6 Sous- echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.7 Sur- echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1
6 Filtres et descripteurs de signaux 36
6.1 Filtres analgoqiques et produit de convolution en temps continu . . . . . . . . . . . . . . . . . . . 36
6.2 Filtres num eriques et produit de convolution en temps discret . . . . . . . . . . . . . . . . . . . . 37
6.3 Intercorr elation, autocorr elation et densit e spectrale . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.3.1 Signaux temps continu non-p eriodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.3.2 Signaux temps discret non-p eriodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.3.3 Signaux temps discret p eriodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
7 Fonctions de transfert : Cours 1F 41
7.1 D enition de la transform ee de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
7.2 Propri et es de la transform ee de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
7.3 Filtre analogique, causalit e et fonction de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . 44
7.4 Crit` ere de stabilit e des ltres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
7.5 Filtres analogiques ` a phase lin eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
7.6 Filtres analogiques ` a phase minimale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
8 Descripteurs de signaux et de ltres : cours 2F 49
8.1 Transform ee en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
8.2 Propri et es de la transform ee en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
8.3 Filtre num erique, causalit e et fonction de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . 52
8.4 Crit` ere de stabilit e des ltres num eriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8.5 Filtres num eriques ` a phase lin eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8.6 Filtres num eriques ` a phase minimale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
9 Synth` ese de ltres num eriques ` a r eponse impulsionnelle nie : Cours G 57
9.1 Filtres id eaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
9.2 Synth` ese dun ltre num erique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
9.3 Utilisation des fen etres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
9.4 M ethode de linvariant impulsionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
9.5 Application aux signaux al eatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.5.1 G en eralit es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.5.2 Application au d ebruitage dun signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
10 Synth` ese de ltres ` a r eponses impulsionnelles innies : Cours H 65
10.1 D enition dun ltre de Butterworth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
10.2 Synth` ese dun ltre analogique par un ltre de Butterworth . . . . . . . . . . . . . . . . . . . . . 66
10.3 Transform ee Bilin eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
10.4 Synth` ese dun ltre num erique par un ltre de Butterworth . . . . . . . . . . . . . . . . . . . . . 69
10.5 Synth` ese avec dautres ltres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2
Chapter 1
Description dun signal : Cours A
1.1 Classication discret/continu
En traitement de signal, on entend par signal une succession de valeurs correspondant ` a des instants diff erents.
Si le signal prend une valeur nie pour tous les instants, il sagit dun signal ` a temps continu qui peut etre d ecrit
par une fonction d enie sur R.
Si le signal prend des valeurs nies ` a des instants r eguli` erement r eparties, il sagit dun signal temps discret qui
peut etre d ecrit par une suite not ee indiff eremment s
n
ou s[n].
Si le signal correspond ` a une grandeur qui ne peut prendre quun nombre ni de valeurs, on appelle alphabet
lensemble de ces valeurs, un tel signal est ` a amplitude discr` ete et il peut etre d ecrit par une suite ou une fonction,
dans les cas ` a valeurs dans un espace ayant un nombre ni d el ements.
Si le signal peut au contraire prendre nimporte quelle valeur il est dit ` a amplitude continue.
Ces deux crit` eres temps continu/ temps discret et amplitude continu/ amplitude discrt` ee d enissent une clas-
sication des signaux en quatre cat egories. Le fait de mod eliser un ph enom` ene par un signal dans une certaine
cat egorie est dabord un choix qui conditionne le fait de pouvoir utiliser tel ou tel outil et qui ensuite sav erera
plus ou moins pertinent. On peut aussi choisir de mod eliser au moyen dune de ces cat egories des signaux qui
nappartiennent ` a aucune de ces cat egories, il convient alors de v erier si les outils de traitement de signal quon
souhaiterait utiliser s etendent ` a de tels signaux.
1.2 Signaux p eriodiques
Un signal temps continu p eriodique de p eriode T v erie :
t s(t +T) = s(t) (1.1)
On dit aussi quun tel signal est T-p eriodique.
Un signal temps discret p eriodique de p eriode N v erie :
n s
n+N
= s
n
(1.2)
On dit aussi quun tel signal est N-p eriodique.
1.3 Quantication
La quantication dun signal correspond au fait se d ecompose en quatre etapes.
On restreint les valeurs du signal ` a un interval donn e, cela peut se faire en ecr etant le signal, cest-` a-dire que
les valeurs qui sortent de lintervalle sont remplac ees par des valeurs extr emes de lintervalle.
3
On d ecoupe lintervalle en N intervalles juxtapos es appel es classes.
On remplace chaque valeur du signal par le num ero de la classe auquel la valeur appartient.
On attribue ` a chaque code du signal quanti e une valeur repr esentative de la classe d esign ee par le code,
cette valeur repr esentative est souvent le milieu de lintervalle.
La quantication est dite lin eaire si les diff erentes classes sont de la m eme taille, dans le cas contraire il sagit
dune quantication non-lin eaire. Mais la quantication nest jamais une transformation lin eaire. Dans une chane
de mesure, la quantication est souvent r ealis ee par un convertisseur analogique/num erique.
Le signal ainsi transform e est de nouveau ` a valeurs continues mais il est diff erent du signal de d epart. L etude de
limpact dune quantication sur un signal repose sur la comparaison entre le signal de d epart et le signal quanti e
puis d ecod e.
Pour simuler une quantication lin eaire, une m ethode consiste ` a utiliser la fonction partie enti` ere (cette fonction
est not ee E et ` a tout r eel elle associe le plus grand entier inf erieur ` a ce r eel ; il ne faut pas la confondre avec
lesp erance qui a la m eme notation). Cette fonction partie enti` ere r ealise de fait une quantication lin eaire sur un
intervalle quelconque mais avec des classes de taille 1. Il suft donc de transformer lin eairement lintervalle [a, b[
sur lequel on veut quantier le signal en lintervalle [0, N[ si N est le nombre de classes souhait es. Le code de la
valeur ` a quantier est :
n = E
_
N
max (a, min (b, x)) a
b a
_
La valeur d ecod ee est :
x
q
=
n +
1
2
N
(b a) +a
Du fait quun signal quanti e sur 2
N
niveaux peut etre stock e sur un registre ` a m emoire contenant N cases
pouvant prendre la valeur 0 ou 1 il est dusage dappeler cela une quantication sur N bits.
On peut noter quun signal p eriodique quanti e est encore p eriodique.
1.4 Quelques transformations simples de signaux et leur visualisation
La gure 1.1 montre un exemple de visualisations de signaux. En abscisse gure l echelle de temps, dont il est
parfois essentiel de pr eciser lunit e par exemple pour distinguer entre seconde et millisecondes. Il ny a en g en eral
pas dunit e sur laxe des ordonn ees.
Sur la gure 1.1, le deuxi` eme graphique repr esente s
1
(t) qui est un signal retard e par rapport ` a s(t) : s
1
(t) =
s(tt
0
) avec t
0
approximativement egal ` a 0.05s. s(t) est un signal en avance par rapport ` a s
1
(t) : s(t) = s
1
(t+t
0
).
La transformation de s(t) en s
1
(t) est un d ecalage de l echelle de temps.
Sur la gure 1.1, le troisi` eme graphique repr esente s
2
(t) qui est un signal dilat e par rapport ` a s(t) : s
2
(t) = s(
t
a
)
avec a approximativement egal ` a 1.1. a est sans unit e puisquil est un rapport entre deux variable avec la m eme
unit e (en loccurence les deux variables les arguments de s et s
2
et sont en secondes). On appelle argument pour
une fonction ou un signal, lexpression qui se trouve entre les parenth` eses et qui suivent la lettre qui d esigne le
signal. s(t) est un signal concentr e par rapport ` a s
2
(t) : s(t) = s
2
(at). La transformation de s(t) en s
2
(t) est une
dilatation de l echelle de temps et la transformation de s
2
(t) en s(t) est une concentration de l echelle de temps.
Dans cette gure ce qui permet de distinguer une dilatation de l echelle des temps dun d ecalage de l echelle des
temps est que dans le deuxi` eme graphique s
1
(t) est par rapport ` a s(t) partout d ecal e un peu vers la droite, tandis
que dans le troisi` eme graphique s
2
(t) est ` a peu pr` es inchang e par rapport ` a s(t) pour t proche de z ero et est d ecal e
vers la droite sur la droite de la courbe.
Sur la gure 1.1, le quatri` eme graphique repr esente s
3
(t) qui apparat sur elev e par rapport ` a s(t), on lui a
rajout e une composante continue : s
3
(t) = s(t) +C avec C approximativement egal ` a 0.5. C aurait la m eme unit e
que s(t), mais comme ici s(t) est sans unit e, C na pas non plus dunit e. s(t) est un signal provenant de s
3
(t)
auquel on a retranch e une composante continue egale ` a C : s(t) = s
3
(t) C.
4
Figure 1.1: Repr esentation graphique dun signal dorigine et du m eme signal retard e, dilat e, ajout e dune com-
posante continue et ampli e.
5
Sur la gure 1.1, le cinqui` eme graphique repr esente s
4
(t) qui est ampli e par rapport ` a s(t) : s
4
(t) = as(t)
avec a approximativement egal ` a 1.2. a est sans unit e en tant que quotient de deux variables ayant la m eme unit e (en
loccurence cest le quotient de s
4
(t) et de s(t), ici ils nont pas dunit e mais cela ne change pas le raisonnement.
s(t) est att enu e par rapport ` a s
4
(t) : s(t) =
1
a
s
4
(t). Dans cette gure ce qui permet ici de distinguer lamplication
du fait dajouter une composante continue est que dans le cinqui` eme graphique on voit quau de laxe horizontal
s
4
(t) nest pas elev e que s(t) alors quen haut du m eme graphique s
4
(t) est plus elev e que s(t). En revanche dans
le quatri` eme graphique s
3
(t) est partout un peu plus elev e que s(t).
1.5 Dirac
Nous utilisons la notion de Dirac ` a la fois pour les signaux ` a temps continu et pour les signaux ` a temps discret.
Pour les signaux ` a temps continu, nous utilisons la distribution de Dirac, qui par un abus de notation et de
langage est aussi appel ee fonction de Dirac et v erie
_
+

(t t
0
)g(t) dt = g(t
0
)
Tout se passe comme si (t) est nul partout sauf en t = 0 et que (t t
0
) est nul partout sauf en t = t
0
en
effet (1.3) montre que les valeurs prises par g(t) en dehors de t = t
0
nont aucun impact sur le r esultat du calcul de
lint egrale en loccurence g(t
0
).
Nous utilisons cette fonction de Dirac chaque fois quelle permet de simplier les notations en particulier
lorsquune transform ee de Fourier dun signal est un ensemble de raies, cette notation a lavantage de pouvoir noter
` a la fois la valeur complexe prise par ces raies et la fr equence associ ee ` a cette raie.
Pour les signaux ` a temps discret, nous utilisons le symbole de Kronecker
n
qui est d enie par

n
=
_
1 si n = 0
0 sinon
Par un abus de langage, cette notation est appel ee aussi un Dirac. Le point commun est quil sagit dun signal
` a temps discret qui est nul partout sauf en n = 0. On utilise aussi
nn
0
qui un peu comme (t t
0
) est nul partout
sauf en n = n
0
.
Ces notations permettent aussi de simplier l ecriture de signaux ` a temps discret. Pour d enir une suite x
n
on
peut utiliser
x
0
= 1 x
1
= 2 x
2
= 1 n {0, 1, 2} x
n
= 0
ou alors
x
n
=
n
+ 2
n1

n2
On peut aussi d enir cette suite sans utiliser le symbole de Dirac :
x
n
= {1, 2, 1}
Mais pour cette derni` ere notation il est pr ef erable de pr eciser que x
n
nest pas p eriodique pour eviter une ambig uit e.
1.6 Quelques signaux
Le terme de fonction porte est utilis ee pour des signaux temps continu un petit peu diff erents les uns des autres. On
utilise ce terme par exemple pour
x(t) = 1
[T/2,T/2]
(t)
6
Le nom de fonction porte provient de la ressemblance entre la courbe repr esentative de x(t) et une porte. Telle x(t)
est d enie, il sagit dune fonction paire x(t) = x(t), mais on parle aussi de fonction porte pour x(t) = 1
[0,T]
(t),
ainsi d enie il sagit dun signal dit causal cest-` a-dire pour lequel x(t) = 0 quand t < 0. Dans ces deux cas
son int egrale vaut T :
_
+

x(t) dt = T On parle aussi de fonction porte pour x(t) = 1

[1/2,1/2]
(t) ou pour
x(t) = 1
[0,1]
(t)
La fonction sinus cardinal est une fonction tr` es utilis ee en optique de Fourier et en diffraction. Elle est souvent
d enie dans lespace des fr equences, cest-` a-dire quil sagit dune fonction qui ` a une fr equence associe une valeur.
La fonction suivante est appel ee un sinus cardinal
x(t) =
sin (t/T)
t/T
Cette fonction est parfois not ee sinc(t/T) ou sinc(t/T). Pour eviter toute ambig uit e, nous utiliserons lexpression
sin(t/T)
t/T
Cette fonction est maximale en t = 0 et vaut 1. Le lobe central est de largeur 2T, les autres lobes sont de
largeur T.
7
Chapter 2
Echantillonnage dun signal : Cours B
2.1 Echantillonnage
On appelle echantillonnage le fait de transformer un signal temps continu en un signal ` a temps discret. On appelle
p eriode d echantillonnage la dur ee entre deux echantillons, lunit e est a priori la seconde. On appelle fr equence
d echantillonnage linverse de la p eriode d echantillonnage, lunit e est a priori le hertz (Hz). L echantillonnage
peut s ecrire ainsi :
s
n
= s(nT
e
) (2.1)
Cependant on peut aussi noter les signaux temps discret comme etant une fonction ayant des diracs ` a chaquun des
instants r eguli` erement r eparties, cest-` a-dire quun signal temps discret peut s ecrire sous la forme

n
s
n
(t nT
e
)
Du coup l echantillonnage dun signal apparait comme le produit dun signal par un peigne de dirac (somme innie
de diracs ` a des instants r eguli` erement r epartis)
s
e
(t) =

n
s(t)(t nT
e
)
La d emonstration repose sur le fait que pour nimporte quelle fonction f, f(t)(t a) = f(a)(t a), ce qui
traduit le fait quun dirac est nul partout sauf en un instant particulier.
Si un signal est p eriodique de p eriode T et si la fr equence d echantillonnage est multiple de 1/T alors s
n
est
N-p eriodique o` u N = Tf
e
.
Dans une chane de mesure l echantillonnage est r ealis e par un echantillonneur, qui peut etre un bloqueur
dordre z ero. Dans ce cas l echantillonnage est relativement conforme ` a l equation (2.1) ` a un d ecalage de temps
pr` es, mais ce nest pas toujours le cas. En fait (2.1) est plut ot une mod elisation simple.
2.2 Crit` ere de Shannon-Nyquist
Lorsquon echantillonne un signal, il est naturel de sattendre ` a ce que le fait de chercher ` a retrouver le signal du
d epart ` a partir de la seule connaissance du signal echantillonn e soit difcile, voire impossible, surtout si le signal
de d epart est tr` es variable. Le crit` ere de Shannon-Nyquist etablit une dur ee minimale entre deux echantillons pour
quil soit possible de reconstruire parfaitement le signal de d epart ` a condition que ce signal de d epart ne varie pas
trop en un certain sens. Appliqu e ` a une sinusode p eriodique de p eriode T, ce crit` ere afrme quil faut plus que
deux points par p eriode, ou dit autrement que la fr equence de la sinusode soit inf erieure ` a la moiti e de la fr equence
d echantillonnage. Pour pouvoir appliquer le crit` ere de Shannon-Nyquist ` a des signaux plus complexes il est
n ecessaire dintroduire la notion de transform ee de Fourier an de d eterminer si le signal nest pas trop variable.
8
Dans une chane de mesure, il y a en g en eral un ltre anti-repliement de spectre avant l echantillonneur, cela
permet denlever au spectre du signal les fr equences trop elev ees (celles au-del` a de la moiti e de la fr equence
d echantillonnage) de telle facon que lorsquon reconstruit le signal ` a partir du signal echantillonn e celui-ci ne soit
pas trop eloign e du signal du d epart (autrement dit on peut esp erer que la seule diff erence soit celle d ue au fait
quon a retir e les fr equences trop elev ees).
2.3 Chane de mesure
Quand on cherche ` a utiliser la puissance informatique pour traiter un signal, ou pour le transmettre ` a distance via
un r eseau il est n ecessaire de transformer le signal provenant de capteurs en un signal qui peut etre utilis e par un
ordinateur, puis de faire la transformation inverse. A ce titre une chane de mesure contient les el ements suivants :
capteur
ltre anti-repliement
echantillonneur
convertisseur analogique num erique
unit e de calcul
convertisseur num erique analogique
syst` eme de restitution
2.4 Puissance
Par convention on consid` ere que le carr e du signal ` a un instant donn e, s
2
(t) est une puissance instantan ee. Dans un
certain nombre dapplications cette quantit e nest pas homog` ene ` a une energie, elle peut cependant etre utilis ee pour
d ecrire le signal. On appelle puissance la moyenne de la puissance instantan ee et on appelle energie la puissance
instantan ee cumul ee au cours du temps.
Pour le calcul de la puissance et de l energie, il faut distinguer quatre cas
Si le signal est temps continu et T-p eriodique :
P =
1
T
_
T
0
s
2
(t)dt
l energie est innie, (sauf si la puissance est nulle auquel cas le signal est nul et l energie est nulle).
Si le signal est temps continu et non-p eriodique :
E =
_

s
2
(t)dt
si l energie est non-innie alors la puissance est nulle. Mais si l energie est innie alors on peut essayer de
calculer la puissance
P = lim
T+
1
T
_
T/2
T/2
s
2
(t) dt
Si le signal est temps discret N-p eriodique :
P =
1
N
N1

n=0
s
2
n
l energie est innie, (sauf si la puissance est nulle auquel cas le signal est nul et l energie est nulle).
9
Si le signal est temps discret et non-p eriodique :
E =

s
2
n
si l energie est non-innie alors la puissance est nulle. Mais si l energie est innie alors on peut essayer de
calculer la puissance
P = lim
N+
1
2N + 1
N

n=N
s
2
n
On observe les propri et es suivantes :
Si on retarde un signal, cest-` a-dire si on consid` ere s(t ) ` a la place de s(t), cest-` a-dire si lon consid` ere
un signal dont sa courbe aurait et e d ecal ee vers la droite, alors la puissance et l energie (si elles sont d enies)
restent identiques.
Si on amplie un signal, cest-` a-dire si on consid` ere s

(t) = s(t) au lieu de s(t) alors la puissance et

l energie sont ampli ees proportionnellement : P

=
2
P et E

=
2
E.
Si l echelle des temps est dilat ee, cest-` a-dire si on consid` ere s

(t) = s(t/a) alors la puissance est identique

mais l energie est augment ee proportionnellement : E

= aE.
Les energies dun signal sur des p eriodes de temps disjointes sajoutent :
s(t) =

n
1
[Tn,T
n+1
]
(t) E =

2
n
(T
n+1
T
n
)
o` u 1
A
(x) d esigne la fonction caract eristique d enie par 1
A
(x) = 1 si x A et 1
A
(x) = 0 sinon.
Les puissances dun signal sur des plages de fr equences disjointes sajoutent :
s(t) =
0
+

n
cos(2f
n
t +
n
) E =
2
0
+
1
2

2
n
10
Chapter 3
Transform ees de Fourier des signaux temps
continu : Cours C
3.1 Signaux p eriodiques/signaux ` a dur ee limit ee
Un signal ` a dur ee limit ee est nul en dehors dun certain intervalle :
t [t
0
, t
0
+T] s(t) = 0
On appelle dur ee dun signal la longueur de lintervalle en dehors duquel ce signal est nul, ici la dur ee est T. A
partir dun signal ` a dur ee limit ee on peut construire un signal p eriodique en r epliquant ce signal. Cest ce quon
appelle la p eriodisation.
s

(t) =

n
s(t nT)
Le signal obtenu s

(t) est bien T-p eriodique puisquil v erie s

(t +T) = s

(t). A partir de ce signal p eriodique on

peut retrouver le signal de d epart en multipliant le signal par une fonction porte :
s

(t)1
[t
0
,t
0
+T]
(t)
Les m emes notions sont vraies pour les signaux ` a temps discret.
Un signal ` a dur ee limit ee est nul en dehors dun certain ensemble dindices :
n {n
0
..n
0
+N 1} s
n
= 0
On appelle dur ee dun signal la taille de lensemble dindices successifs en dehors duquel ce signal est nul, ici la
dur ee est N. A partir dun signal ` a dur ee limit ee on peut construire un signal p eriodique en r epliquant ce signal.
Cest ce quon appelle la p eriodisation.
s

n
=

k
s
nkN
Le signal obtenu s

n
est bien N-p eriodique puisquil v erie s

n+N
= s

n
. A partir de ce signal p eriodique on peut
retrouver le signal de d epart en multipliant le signal par une fonction porte :
s

n
1
{n
0
..n
0
+N1}
[n]
On remarque que la somme de deux signaux p eriodiques de m eme p eriode est aussi p eriodique en revanche les
deux p eriodes ne sont pas identiques, il nest pas forc ement vrai que cette somme soit un signal encore p eriodique.
11
3.2 S erie de Fourier
La s erie de Fourier est un cas particulier de la transform ee de Fourier, elle concerne exclusivement les signaux
temps continu et p eriodiques. La transform ee de Fourier de tels signaux sont une succession de raies, ces raies sont
localis ees en les fr equences multiples de 1/T :

X(f) =

X
k
(f
k
T
)
o` u X
k
sont les coefcients de la s erie de Fourier :

X
k
=
1
T
_
T/2
T/2
x(t)e
j2k
t
T
dt
Dans la mesure o` u la fonction ` a lint erieur de lint egrale t x(t)e
j2k
t
T
est en fait T-p eriodique, on ne modie
pas la valeur de lint egrale et par suite de X
k
lorsquon d ecale les bornes inf erieures et sup erieures du m eme laps
de temps. Ainsi le calcul du coefcient de la s erie de Fourier ne porte en fait que sur un morceau du signal, avec
une dur ee T et qui peut en fait etre pr elev e nimporte o` u dans le signal.
La transform ee de Fourier inverse permet de retrouver le signal ` a partir de

X(f) appel e spectre du signal (et qui
est en fait la transform ee de Fourier du signal en temps). Comme il sagit dun signal temps continu et p eriodique,
la transform ee de Fourier inverse ne porte que sur X
k
et produit un signal temps continu et T-p eriodique :
x(t) =
+

k=

X
k
e
j2k
t
T
Cette formule est appel ee d eveloppement en s erie de Fourier.
3.3 Propri et es de la s erie de Fourier
On consid` ere x(t) un signal temps continu p eriodique de p eriode T. Son energie est inni et sa puissance est
d etermin ee par P =
1
T
_
T
0
x
2
(t) dt L egalit e de Parseval permet de retrouver sa puissance ` a partir de son spectre
qui est constitu e a priori dune innit e de raies dont les coefcients associ es

X
k
sont ` a valeurs complexes
P =
+

n=

S
k

2
On consid` ere une signal x(t) temps continu p eriodique de p eriode T. Le coefcient de la s erie de Fourier
associ e ` a la fr equence nulle correspond ` a la moyenne du signal x(t)

X
0
=
1
T
_
T
0
x(t) dt
De m eme la valeur en linstant nul (pourvu quil ny ait pas de discontinuit e) de x(t) est donn ee ` a partir des
coefcients associ ees aux diff erentes raies du spectre :
x(0) =

kZ

X
k
Le d eveloppement en s erie de Fourier est une transformation lin eaire cest-` a-dire que si on multiplie un signal
x(t) par un facteur : y(t) = x(t) alors y(t) est aussi temps continu et p eriodique de p eriode T et les coefcients
de sa s erie de Fourier

Y
k
se d eduisent de ceux de

X
k

Y
k
=

X
k
12
De plus si on ajoute deux signaux temps continu p eriodique z(t) = x(t) + y(t) alors la somme est aussi un
signal temps continu et p eriodique dont les coefcients de la s erie de Fourier sont

Z
k
=

X
k
+

Y
k
Lorsquon retarde x(t) un signal temps continu p eriodique de p eriode T dun laps de temps y(t) = x(t ),
le signal retard e est lui aussi p eriodique de p eriode T et les coefcients de la s erie de Fourier sont d ephas ees

Y
k
= e
j2

T
k

X
k
(3.1)
Ainsi le module de ces coefcients reste identique.
Lorsquon dilate un signal x(t) temps continu et p eriodique de p eriode T, y(t) = x(
t
a
) avec a > 1, le signal
dilat e est p eriodique mais avec une p eriode plus longue T

= aT. Les coefcients de la s erie de Fourier de y(t)

sont identiques ` a ceux de x(t) :

Y
k
=

X
k
mais les raies auxquelles ils correspondent ont et e concentr ees. Les coefcients

Y
k
ne correspondent pas aux
fr equences f
k
=
k
T
mais aux fr equences f

k
=
k
aT
.
f

k
=
f
k
a
Les coefcients de la s erie de Fourier sont en g en eral ` a valeurs complexes. Elles sont ` a valeurs r eeels si elles
proviennent dun signal x(t) temps continu p eriodique de p eriode T et paire
x(t) = x(t)

X
k

En pratique on repr esente graphiquement plus souvent les signaux temps continu p eriodique par une fonction
d enie sur lintervalle [0, T] plut ot que sur lintervalle [T/2, T/2]. Pour de tels signaux la parit e est equivalente
` a la sym etrie par rapport ` a laxe t = T/2.
x((t
T
2
)) = x((t
T
2
)) x(t) = x(T t) x(T/2 t) = x(T/2 +t)
Quand le signal x(t) temps continu et p eriodique de p eriode T nest pas pair, les coefcients de la s erie de
Fourier ne sont pas r eels mais sont une suite hermitienne

X
k
=

X
k
Le module de ces coefcients est une suite paire

X
k

X
k

Largument de ces coecients est une suite impaire

arg
_

X
k
_
= arg
_

X
k
_
Le signal x(t) = cos(2f
0
t) est un signal temps continu p eriodique de p eriode T =
1
f
0
et ses coefcients de
Fourier

X
k
sont nuls sauf pour k = 1 :

X
1
=
1
2

X
1
=
1
2
. Il est alors plus simple de noter sa transform ee de
Fourier ainsi
x(t) = cos(2f
0
t)

X(f) =
1
2
(f f
0
) +
1
2
(f +f
0
)
13
De m eme pour le signal x(t) = sin(2f
0
t) est un signal temps continu p eriode de p eriode T ==
1
f
0
qui na
que deux coefcients de s erie de Fourier non-nuls

X
1
=
1
2j

X
1
=
1
2j
qui sont associ es aux fr equences
1
T
= f
0
et
1
T
= f
0
. Il est alors plus simple de noter sa transform ee de Fourier ainsi
x(t) = sin(2f
0
t)

X(f) =
1
2j
(f f
0
)
1
2
(f +f
0
)
Le signal x(t) = 1 est un signal constant et ` a ce titre peut etre consid er e comme p eriodique : pour toute valeur
de T, l equation x(t +T) = x(t) est v eri ee. Ce signal na quun coefcient de s erie de Fourier non nul

X
0
= 1,
ce coefcient est associ e ` a la fr equence nulle
x(t) = 1

X(f) = (f)
Si en g en eral, on peut dire que le produit de transform ees de Fourier de deux signaux est egal ` a la transform ee
de Fourier de la convolution entre les deux signaux, cette afrmation prend un sens tr` es particulier quand il sagit
de signaux temps continu p eriodiques. Comme les transform ees de Fourier sont en fait des raies, il faut que ces
raies soient positionn ees sur les m emes fr equences. La multiplication des raies (parfois not ees sous la formes de
sommes pond er ees de fonctions de Dirac) signie en fait le produit des coefcients complexes des s eries de Fourier
et associ es ` a ces raies. Le fait que ces raies soient positionn ees sur les m emes fr equences signie aussi que les
deux signaux sont p eriodiques de la m eme p eriode T. Le produit de convolution ` a consid erer ici est un produit de
convolution circulaire. Ces notions sont rarement utilis ees.
Il existe en g en eral une relation entre la transform ee de fourier dun signal x(t) et la transform ee de Fourier de
sa primitive y(t) et aussi entre la transform ee de Fourier dun signal x(t) et la transform ee de Fourier de sa d eriv ee
z(t). La premi` ere relation est valable si la primitive y(t) est aussi p eriodique, cest-` a-dire si lint egrale sur une
p eriode de x(t) est nulle. La deuxi` eme relation est valable ` a condition de tenir compte de toutes les fonctions de
Dirac qui peuvent apparatre du fait d eventuelles discontinuit ees de de x(t) notamment entre t = 0 et t = T.
3.4 Transform ee de Fourier ` a temps continu (TFTC)
Lorsquon applique la transform ee de Fourier ` a un signal temps continu non p eriodique, cette transform ee de
Fourier garde le nom de transform ee de Fourier et est d enie par

S(f) =
_
+

s(t)e
j2ft
dt (3.2)

S(f) est une fonction ` a valeurs complexes d enie pour toutes les fr equences. Cette fonction nest pas p eriodique.
Sa transform ee de Fourier inverse est d enie par
s(t) =
_
+

S(f)e
j2ft
df (3.3)
Il est possible de retrouver les coefcients de la s erie de Fourier dun signal s(t) p eriodique de p eriode T ` a partir
dun calcul fait avec la transform ee de Fourier adapt ee aux signaux temps continu non p eriodiques. Il sagit en effet
de consid erer s

(t) = s(t)1
[0,T]
(t) (s

(t) est aussi appel e restriction de s(t) sur une p eriode). La ressemblance entre
le calcul de la s erie de Fourier de s(t) et le calcul de la transform ee de Fourier de s

(t) permet d ecrire

S
k
=
1
T

_
k
T
_
3.5 Propri et es de la transform ee de Fourier
La transform ee de Fourier a des propri et es similaires ` a la s erie de Fourier et aussi deux propri et es qui auraient et e
difcile ` a formuler en terme de s erie de Fourier.
14
3.5.1 Propri et es similaires ` a celles des s eries de Fourier
L egalit e de Parseval qui pour la s erie de Fourier permet de calculer la puissance dun signal temps continu
p eriodique en fonction des coefcients de la s erie de Fourier est ici remplac e par une autre egalit e de Parseval
qui permet de calculer l energie dun signal temps continu non p eriodique (la puissance serait nulle) en fonction
dune int egrale sur le module au carr e de la transform ee de Fourier (cette transform ee de Fourier nest plus com-
pos ee de raies).
E =
_
+

X(f)|
2
df
Lint egrale dun signal temps continu non p eriodique x(t) est donn ee par la valeur de la transform ee de Fourier

X(f) en la fr equence nulle

X(0) =
_
+

x(t) dt (3.4)
La diff erence avec la s erie de Fourier est que

X(0) nest pas la moyenne du signal mais son int egrale. Il vaut mieux
r eserver lutilisation de cette formule au cas

X(f) ne comporte pas de discontinuit e en f = 0.
De m eme la valeur en linstant nul du signal x(t) est donn ee avec une expression int egrale
x(0) =
_
+

X(f) df
Tout comme la s erier de Fourier, la transform ee de Fourier est un op erateur lin eaire, cest-` a-dire stable pour la
multiplication par un facteur
TFTC[x(t)] = TFTC[x(t)]
et stable pour laddition de deux signaux
TFTC[x(t) +y(t)] = TFTC[x(t)] +TFTC[y(t)]
Lorsquon retarde un signal x(t) de y(t) = x(t ), alors la transform ee de Fourier est d ephas ee

Y (f) = e
j2f

X(f) (3.5)
On peut remarquer que le module de cette transform ee reste identique |

Y (f)| = |

X(f)| La seule diff erence entre

(3.5) et la formule relative aux s eries de Fourier (3.1) est que la fraction
k
T
qui correspond ` a une fr equence est ici
remplac ee par f.
Lorsquun signal temps continu x(t) est dilat e y(t) = x
_
t
a
_
avec a > 1, alors tout se passe comme si l echelle
des temps etait concentr ee dun facteur a et que le spectre est ampli e dun facteur a.

Y (f) = a

X(af)
Dans le cas des s eries de Fourier, il ny avait que le premier ph enom` ene et non le second ph enom` ene.
Les propri et es relatives ` a la parit e sont les m emes que pour les s eries de Fourier. La transform ee de Fourier
dun signal temps continu non p eriodique x(t) est hermitienne cest-` a-dire que

X(f) =

X(f)
|

X(f)| = |

X(f)|
arg
_

X(f)
_
= arg
_

X(f)
_
De plus le fait quun signal temps continu non p eriodique soit pair est equivalent au fait que sa transform ee de
Fourier soit r eel.
x(t) = x(t)

X(f) R
15
3.5.2 Propri et es suppl ementaires
Une propri et e importante pour les communications num eriques o` u linformation importante doit se trouver en des
fr equences voisines de la porteuse est la possibilit e de d ecaler le spectre dans l echelle des fr equences. Lorsquon
multiplie un signal x(t) par e
j2f
0
t
alors le spectre est d ecal e de f
0
TFTC
_
x(t)e
j2f
0
t
_
(f) = TFTC[x(t)] (f f
0
) (3.6)
Dans la pratique un signal temps continu ` a valeur complexe na pas forc ement de sens, et on utilise en g en eral
plut ot la transformation suivante
TFTC[x(t) cos(2f
0
t)] (f) =
1
2
TFTC[x(t)] (f f
0
) +
1
2
TFTC[x(t)] (f +f
0
) (3.7)
On alors un spectre qui est ` a la fois d ecal e vers des fr equences plus elev ees et des fr equences plus basses. Il suft
alors comme on le verra plus tard dutiliser un ltre passe-haut ou passe-bande pour supprimer la composante qui
ne convient pas. On passe de (3.6) ` a (3.7) en ajoutant ` a (3.6) cette m eme equation appliqu ee ` a f
0
et du fait que
cos(2f
0
t) =
1
2
e
j2f
0
t
+
1
2
e
j2f
0
t
ceci permet dobtenir le r esultat souhait e.
Lint egrale du spectre

X(f) dun signal temps continu non p eriodique x(t) est donn ee par la valeur du signal
en linstant t = 0
x(0) =
_
+

X(f) df
Il est pr ef erable dutiliser cette relation que lorsque x(t) ne comporte pas de discontinuit e en t = 0. En fait
cette relation tout comme (3.4) pose des difcult es math ematiques, puisque dun c ot e on d enit souvent lint egrale
utilis ee dans la transform ee de Fourier ou dans sa transform ee de Fourier inverse par une int egrale de Lebesgue
qui naccorde pas dimportance aux variations du signal sur un ensemble d enombrable de valeurs et par ailleurs on
pr etend pouvoir acc eder aux valeurs exactes du signal en tout instant.
Il existe une relation entre la transform ee de Fourier dun signal et les transform ee de Fourier de sa primitive et
de sa d eriv ee. Plus pr ecis ement, on note x(t) un signal temps continu alors
TFTC
__
t

x() d
_
(f) =
1
j2f
TFTC[x(t)](f) (3.8)
_
t

x() d est une primitive de x(t), cest-` a-dire que sa d eriv ee est x(t). Pour etre math ematiquement correct,
il faudrait que x(t) et y(t) aient les bonnes propri et es de r egularit e, on peut quand m eme v erier que x(t) est un
signal qui tend vers z ero en linni lim
t+
x(t) = 0.
Soit x(t) un signal et y(t) =
dx
d
|
t
alors

Y (f) = j2f

X(f) (3.9)
Math ematiquement il faudrait que x et y aient les bonnes propri et es de r egularit e.
La transform ee de Fourier du produit de convolution entre deux signaux temps continu non p eriodiques x(t) et
y(t) est le produit des transform ees de Fourier de ces signaux.
TFTC[x(t) y(t)] (f) = TFTC[x(t)](f)TFTC[y(t)](f)
o` u d esigne le produit de convolution entre deux signaux temps continu non p eriodiques
z(t) = x(t) y(t) =
_
+

x()y(t ) d
Etant donn e la similarit e math ematique entre la transform ee de Fourier et la transform ee de Fourier inverse
pour des signaux temps continu non p eriodiques, il est aussi vrai que la transform ee du produit de deux signaux
temps continu non p eriodiques et le produit de convolution des transform ees de Fourier
TFTC[x(t)](f) TFTC[y(t)](f) = TFTC[x(t)y(t)](f)
16
en notant

X(f) = TFTC[x(t)](f) et

Y (f) = TFTC[y(t)](f)
TFTC[x(t)](f) TFTC[y(t)](f) =

X(f)

Y (f) =
_
+

X()

Y (f ) d
3.5.3 Exemples de transform ees de Fourier
Les quatre premiers exemples qui suivent posent une r eelle difcult e math ematique vis-` a-vis de la d enition de la
transform ee de Fourier avec (3.2). Les deux derniers exemples sont bien d enis avec (3.2). Dune facon g en erale,
il arrive souvent que soit la d enition du signal ` a temps continu, soit sa d enition en terme de spectre, pose un
probl` eme, pr ecis ement parce que si un signal est concentr e autour de t = 0, son spectre devient etendu et si ` a
linverse un signal est etendu son spectre devient concentr e. La facon de proc eder consiste ` a se servir des propri et es
de la transform ee de Fourier pour trouver une formulation simple ` a utiliser et sans ambig uit e.
x(t) = 1 est un signal temps continu non p eriodique mais lint egrale dans (3.2) nest pas d eni (en effet
t e
j2ft
nest pas une fonction major ee par une fonction positive et dont lint egrale est nie). En revanche
on peut facilement calculer la transform ee de Fourier inverse de

X(f) = (f) (non pas parce que lint egrale est
d enie mais en application de (1.3)) :
_
+

(f)e
j2ft
df = 1, ce qui prouve donc que
TF [1] (f) = (f)
Lapplication de (1.3)) prouve aussi que
TF [(t)] (f) = 1
Lorsque x(t) = cos(2f
0
t), (3.2) nest pas d eni, mais on peut encore remarque qui si on introduit
1
2
(f
f
0
) +
1
2
(f +f
0
) dans (3.3) et quon applique (1.3)) :
_
+

_
1
2
(f f
0
) +
1
2
(f +f
0
)
_
e
j2ft
df =
1
2
e
j2f
0
t
+
1
2
e
j2f
0
t
= cos(2f
0
t)
TF [cos(2f
0
t)] (f) =
1
2
(f f
0
) +
1
2
(f +f
0
)
Le m eme raisonnement montre aussi que
TF [sin(2f
0
t)] (f) =
1
2j
(f f
0
)
1
2j
(f +f
0
)
Le signal temps continu p eriodique d enie par x(t) = 1
[
T
2
,
T
2
]
(t) est une fonction porte. Sa transform ee de
Fourier est un sinus cardinal
TFTC
_
1
[
T
2
,
T
2
]
(t)
_
(f) =
sin(fT)
f
On peut retrouver dans cette equation lapplication de diverses propri et es. La valeur en f = 0 du sinus cardinal,
en loccurence T, est egal ` a lint egral de la fonction porte. Si on r eduit la plage de temps associ ee ` a la porte, sa
transform ee de Fourier est diminu ee en amplitude et dilat ee en fr equence, ses lobes sont plus larges, moins elev es
et plus eloign es les uns des autres. Si on augmente la plage de temps associ ee ` a la porte, sa transform ee de Fourier
est augment ee en amplitude et concentr ee en fr equence, ses lobes sont plus etroits, plus elev es et plus proches les
uns des autres. La porte ainsi d enie est un signal pair et son spectre est ` a valeurs r eels.
17
Cest par d ecalage fr equentiel de ce spectre que lon peut prouver
TFTC
_
cos(2f
0
t)1
[
T
2
,
T
2
]
(t)
_
=
1
2
sin((f f
0
)T)
(f f
0
)
+
1
2
sin((f +f
0
)T)
(f +f
0
)
Cette relation illustre un autre ph enom` ene important. Pour des raisons pratiques, un signal dans la r ealit e ne peut
s etendre depuis linnit e des temps et durer pour toute l eternit e. Il ny a donc pas dans la r ealit e de vrais signaux
sinusodaux. Mais on peut avoir une id ee de limpact dune restriction dun signal sinusodal ` a un certain intervalle
de temps sur son spectre. Dans le cadre de cette restriction on observe que le spectre qui aurait d u etre compos e
de deux raies, comporte effectivement ces deux raies mais il y a aussi des ondulations correspondant aux sinus
cardinaux et la largeur du lobe principal est de
2
T
. Ainsi un ordre de grandeur de la r esolution fr equentielle que lon
peut avoir avec un signal dune dur ee de T est de f =
1
T
.
18
Chapter 4
Transform ees de Fourier des signaux temps
discret : Cours D
4.1 Transform ee de Fourier ` a temps discret (TFTD)
la transform ee de Fourier ` a temmps discret est un cas particulier de la transform ee de Fourier, cette transform ee de
Fourier ` a temps discret ne sapplique que sur des signaux temps discret non-p eriodiques. La transform ee de Fourier
dun tel signal est une fonction d enie pour toutes les fr equences, f
e
-p eriodique o` u f
e
est la fr equence d echan-
tillonnage. Il sagit dune fonction ` a valeurs complexes dont le module est une fonction paire (|

X(f)| = |

X(f)|)
et la phase est impaire (arg(

X(f)) = arg(

X(f))). Elle est d enie par :

X(f) =

n=
x
n
e
j2fnTe
On peut noter que si on avait cherch e ` a approximer le r esultat de la transform ee de Fourier (
_

x(t)e
j2ft
dt)
en approximant le signal x(t) par la suite x
n
, on aurait trouv e la transform ee de Fourier temps discret multipli e par
T
e
. Dans la d enition ce T
e
nest pas pr esent, mais il y a de nombreuses occasions o` u de fait on le rajoute (soit
pour ajuster les spectre dun signal temps continu avec un signal temps discret, soit pour etablir des equivalences
entre la transform ee de Fourier et la transform ee de Fourier temps discret pour des signaux particuliers).
La transform ee de Fourier discr` ete inverse transforme un spectre qui est f
e
-p eriodique en une succession de
raies qui correspond au signal temps discret aussi la formule calcule une suite ` a partir dune fonction ` a valeurs
complexes d enies sur un intervalle :
x
n
=
1
f
e
_
fe/2
fe/2

X(f)e
j2fnTe
o` u x
n
est un signal temps discret dont la p eriode d echantillonnage est 1/f
e
.
4.2 Propri et es de la transform ee de Fourier ` a temps discret
Soit s
n
un signal temps discret non p eriodique ` a valeurs r eels. Alors sa transform ee de Fourier ` a temps discret

S(f)
v erie pour tout f.

S(f) =

S(f)
|

S(f)| = |

S(f)|
arg
_

S(f)
_
= arg
_

S(f)
_
De plus le fait que s
n
est un signal pair (s
n
= s
n
) est equivalent au fait que

S(f) est r eel.
19
L energie dun signal s
n
temps discret non p eriodique peut aussi etre evalu ee ` a partir de son spectre (th eor` eme
de Parseval)
E =
1
f
e
_ fe
2

fe
2
|

S(f)|
2
df
Cest le fait que le signal est non p eriodique qui fait quon sint eresse ` a l energie et non ` a la puissance, (qui serait
nulle). La d enition de l energie utilis ee ne d epend pas de f
e
, ainsi si on multiplie par 2 f
e
, le spectre de

S(f)
reste p eriodique par rapport ` a f
e
, lint egrale ainsi calcul ee aurait alors doubl ee en valeur mais comme il faut aussi
diviser par f
e
, le r esultat serait encore identique.
On a aussi les relations suivantes :

X(0) =

nZ
x
n
x
0
=
1
f
e
_
fe/2
fe/2

X(f) df
La transform ee de Fourier ` a temps discret est un op erateur lin eaire. Elle conserve la multiplication par un
facteur
TFTD[x
n
](f) = TFTD[x
n
](f)
o` u x
n
est un signal temps discret non p eriodique. Elle conserve ladditivit e des signaux
TFTD[x
n
+y
n
](f) = TFTD[x
n
](f) +TFTD[y
n
](f)
Un retard sur un signal temps discret non p eriodique se traduit aussi par un d ephasage du spectre
TFTD[x
nd
](f) = e
j2fdTe
TFTD[x
n
](f) (4.1)
o` u x
n
et x
nd
sont deux signaux temps discret non p eriodiques, le deuxi` eme etant retard e de dT
e
par rapport au
premier et T
e
=
1
fe
est la p eriode d echantillonnage.
Un spectre peut etre d ecal e en fr equence par la multiplication dun signal appropri e
TFTD
_
x
n
e
j2f
0
nTe
_
(f) = TFTD[x
n
] (f f
0
)
o` u x
n
est un signal temps discret non p eriodique. Dans la pratique on multiplie x
n
par un signal sinusodal de
fr equence f
0
et on obtient un spectre qui est d ecal e vers des fr equences plus elev ees de f
0
et plus basses de f
0
TFTD[x
n
cos(2f
0
nT
e
)] (f) =
1
2
TFTD[x
n
] (f f
0
) +
1
2
TFTD[x
n
] (f +f
0
)
On utilise en g en eral un ltre passe-haut ou passe-bande pour supprimer le d ecalage en fr equence non souhait ee.
Dilater ou concentrer un signal temps discret non p eriodique signie changer sa p eriode d echantillonnage ou
sa fr equence d echantillonnage sans changer les valeurs prises par la suite qui d enit ce signal. Soit x
n
un signal
TDNP echantillonn e avec une fr equence d echantillonnage f
x
e
et y
n
un signal TDNP ayant les m emes valeurs que
x
n
mais echantillonn e avec une autre fr equence d echantillonnage f
y
e
. On pose a =
T
y
e
T
x
e
. Alors les deux spectres
prennent les m emes valeurs mais pas pour les m emes fr equences et
f
y
e
f
x
e
=
1
a
. Pour tout f

Y (f) =

X(af)
On ne peut pas d eriver ou int egrer un signal temps discret, en revanche ` a partir dun signal temps discret non
p eriodique, on peut d enir le signal diff erence ou le signal somme cumul ee avec la m eme fr equence d echan-
tillonnage. Le premier a pour valeur les diff erences entre les termes successifs des signaux. Le deuxi` eme a pour
20
valeur les valeurs successives des sommes cumul ees. De facon analogue ` a la transform ee de Fourier il y a aussi
une relation la transform ee de Fourier ` a temps discret dun signal temps discret non p eriodique et la transform ee de
Fourier ` a temps discret du signal diff erence et aussi avec la transform ee de Fourier ` a temps discret du signal somme
cumul ee.
Soit x
n
un signal temps discret non p eriodique et y
n
= x
n
x
n1
le signal diff erence correspondant alors

Y (f) = (1 e
j2fTe
)

X(f) (4.2)
En effet

Y (f) = TFTD[x
n
](f) TFTD[x
n1
](f) =

X(f) e
j2fTe
X(f) (x
n1
est le signal retard e et on a
appliqu e (4.1)).
Soit x
n
un signal temps discret non p eriodique et y
n
=

kn
x
k
le signal somme cumul ee alors

Y (f) =
1
1 e
j2fTe

X(f) (4.3)
Cette propri et e peut etre vue comme une cons equence de (4.2), puisque x
n
= y
n
y
n1
.
Il est int eressant de noter que (4.2) et (4.3) ressemblent ` a (3.8) et (3.9) quand on fait tendre fT
e
vers z ero.
La transform ee de Fourier ` a temps discret transforme le produit de convolution entre deux signaux ` a temps
discret non p eriodiques en un simple produit de transform ee de Fourier.
TFTD
_
x
n
d
y
n
_
(f) = TFTD[x
n
] (f)TFTD[y
n
] (f) (4.4)
Pour des signaux temps discret non p eriodiques, on d enit le produit de convolution ` a temps discret par
x
n
d
y
n
=

kZ
x
k
y
nk
Z est lensemble des entiers positifs et n egatifs.
A la diff erence de la transform ee de Fourier pour les signaux ` a temps continu, il ny a ici pas de difcult es
math ematiques pour donner un sens ` a la transform ee de Fourier ` a temps discret des signaux suivants.
La transform ee de Fourier dun Dirac ` a temps discret est la fonction constante 1.
TFTD[
n
] (f) = 1
On peut remarquer que ce spectre est p eriodique mais en fait p eriodique de p eriode f
e
pour toute valeur de f
e
. De
m eme
n
correspond ` a un signal temps discret qui ne d epend pas de la p eriode d echantillonnage T
e
. Il conrme
(4.4) dans la mesure o` u
n
est l el ement neutre du produit de convolution
n
d
x
n
= x
n
et de m eme 1 est l el ement
neutre du produit 1

X(f) =

X(f).
L equivalent ` a temps discret dune fonction porte est un signal qui vaut 1 pour 0 n < N et 0 ailleurs et
est d eni par x
n
= 1
[0..N1]
[n]. Sa transform ee de Fourier ressemble ` a un sinus cardinal, il sagit dun quotient
de sinus qui en basse fr equence est approximativement egale au sinus cardinal mais qui est aussi une fonction
p eriodique de p eriode f
e
.
TFTD
_
1
[0..N1]
[n]

(f) = e
jf(N1)Te
sin(fNT
e
)
sin(fT
e
)
(4.5)
Cette relation se d emontre en utilisant

n0
z
n
=
1z
n1
1z
1
et en cherchant ` a mettre en facteur e
jfNTe
dans la
partie haute de la fraction et e
jfTe
dans la partie basse de la fraction. Avec cette relation, on observe aussi que si
N augmente, le signal en temps a une dur ee plus longue et que le spectre correspondant a des lobes plus etroits et
des valeurs plus elev es tout en conservant une p eriodicit e identique et egale ` a f
e
.
La transform ee de Fourier de signaux sinusodaux de fr equence f
0
sur une dur ee N et ` a temps discret de
fr equence d echantillonnage f
e
> 2f
0
forme un spectre p eriodique dont la p eriode est compos e de deux pics en f
0
et en f
0
avec des ondulations.
21
TFTD
_
cos(2f
0
nT
e
)1
[0..N1]
[n]

(f) =
1
2
e
j(ff0)(N1)Te
sin((ff0)NTe)
sin((ff0)Te)
+
1
2
e
j(f+f0)(N1)Te
sin((f+f0)NTe)
sin((f+f0)Te)
TFTD
_
sin(2f
0
nT
e
)1
[0..N1]
[n]

(f) =
1
2j
e
j(ff0)(N1)Te
sin((ff0)NTe)
sin((ff0)Te)

1
2j
e
j(f+f0)(N1)Te
sin((f+f0)NTe)
sin((f+f0)Te)
Ces relations se d emontrent en appliquant un d ecalage fr equentiel au spectre obtenu en (4.5). On observe aussi
que si N augmente alors les pics en f
0
et f
0
se d etachent mieux des ondulations, ces pics sont plus elev es et les
ondulations sont plus resser es autour des deux pics. M eme lorsque la condition f
e
> 2f
0
nest pas v eri ee les
formules restent vraies, mais ce qui se passe est quon ne voit plus les pics, et ce ` a cause du terme sous la fraction
qui au lieu datt enuer comme dans le cas dun sinus cardinal contribue ` a masquer ou ` a donner une apparence de
d eplacement de ces pics. Cette condition f
e
> 2f
0
correspond ` a une approximation du crit` ere de Shannon Nyquist,
ce serait le crit` ere si le signal consid er e etait un vrai signal.
4.3 Transform ee de Fourier discr` ete (TFD)
La transform ee de Fourier discr` ete est adapt ee au cas des signaux temps discret p eriodiques de fr equence d echan-
tillonnage f
e
=
1
Te
et de p eriode T = NT
e
. Le spectre est alors p eriodique de p eriode f
e
parce que le signal est
temps discret. Le spectre est compos e de raies espac ees de
fe
N
=
1
NTe
=
1
T
parce que le signal est p eriodique de
p eriode T = NT
e
.
On consid` ere un signal temps discret p eriodique s
n
de p eriode N echantillonn ee ` a f
e
. La transform ee de
Fourier

S(f) est p eriodique de p eriode f
e
et est form ee dune succession de raies aux fr equences f
k
= k
fe
N
avec
k Z (Z etant les entiers positifs et n egatifs).

S(f) est d ecrite par des coefcients qui correspondent ` a f

k
= k
fe
N
pour k {0...N 1} et qui sont :

S
k
=
1
N
N1

n=0
s
n
e
j2
kn
N
(4.6)
Ces coefcients forment une suite p eriodique de p eriode N. Ce sont ces coefcients qui permettent de calculer la
transform ee de Fourier discr` ete. Aussi la transform ee de Fourier discr` ete peut aussi s ecrire de cette facon

S
k
= TFD[s
n
][k]
Dans cette ecriture on dit que

S
k
est p eriodique de p eriode N.
La transform ee de Fourier discr` ete de s
n
peut s ecrire aussi
TF[s
n
](f) = f
e

lZ
N1

k=0

S
k
(f k
f
e
N
lf
e
) (4.7)
Le deuxi` eme signe somme et le param` etre k d ecrit les diff erentes raies au sein de lintervalle de fr equences [0, f
e
].
Le premier signe somme et le param` etre l d ecrit la facon dont les diff erentes raies au sein de lintervalle de
fr equences [0, f
e
] sont rendues p eriodiques et s etalent sur lensemble des fr equences. Dans cette deuxi` eme ecriture
on dit que

S(f) est p eriodique de p eriode f
e
. Cette ecriture est en fait moins utilis ee, on remplace g en eralement
le premier signe somme en utilisant le fait que

S
k
est en fait p eriodique. Le terme f
e
est rajout e pour rendre
compatible cette formule avec la d enition des s eries de Fourier, en effet f
e
est en fait
1
Te
.
La transform ee de Fourier discr` ete peut aussi s ecrire aussi
TF[s
n
](f) = f
e

kZ
TFD[s
n
][k](f k
f
e
N
) (4.8)
On retrouve aussi le terme f
e
.
Par convention nous utiliserons pour la transform ee de Fourier dun signal temps discret p eriodique lexpression
TF[s
n
](f) lorsquil sagit de la d ecrire au moyen dun ensemble de fonctions de Dirac p eriodique de p eriode f
e
et
22
lexpression TFD[s
n
][k] lorsquil sagit de la d ecrire par une suite de coefcients ` a valeurs complexes et p eriodique
de p eriode N. La d enition de TFD[s
n
][k] nest pas unique, le terme de normalisation N est parfois introduit dans
la transform ee de Fourier discr` ete inverse, cest le cas de Matlab, ce terme est parfois r eparti entre la transform ee
de Fourier discr` ete et la transform ee de Fourier discr` ete inverse sous la forme de deux produits par
1

N
.
Lutilisation importante de la transform ee de Fourier ne provient pas tellement de ce que dans la r ealit e il est
souvent pertinent de mod eliser un ensemble d ev` enements par un signal temps discret p eriodique, mais surtout de
la possibilit e de calculer avec un ordinateur (4.6) ce qui n etait pas exactement le cas des autres transform ees de
Fourier. En fait il y a m eme un algorithme rapide qui optimise le calcul de (4.6) qui sappelle la transform ee de
Fourier rapide (TFR) ou Fast Fourier Transform (FFT).
Cest la raison pour laquelle on sint eresse ` a lapproximation suivante. Soit x(t) un signal temps continu non
p eriodique nul sauf en un intervalle [0, T]. Soit x
n
le signal temps discret p eriodique, echantillonn e en respectant
le crit` ere de Shannon-Nyquist, rendu p eriodique de p eriode N en modiant les donn ees nulles. On suppose aussi
que N est sufsamment grand pour que T NT
e
. Alors pour k entier dans [N/2...N/2],
TF[x(t)](kf
e
/N) NT
e
TFD[x
n
][k]
Le terme NT
e
rajout e est l` a pour concider avec lapproximation, N annule la division par N faite dans la d enition
de TFD faite ` a tort vis-` a-vis de cette approximation et T
e
est la largeur des rectangles utiliser pour approximer
lint egrale faite dans la transform ee de Fourier de x(t). M eme si on est amen e ` a lutiliser souvent, cette approxi-
mation nest pas toujours de bonne qualit e.
On peut naturellement aussi chercher ` a approximer la transform ee de Fourier dun signal temps continu non
p eriodique par le calcule de la transform ee de Fourier ` a temps discret du signal echantillon e ` a laide de lordinateur
en un ensemble ni de fr equences mais si cet ensemble de fr equences en lesquels on calcule est comparable aux
nombre de donn ees que lon dispose, les erreurs que lon commet sont similaires ` a ceux que lon effectue en
utilisant une transform ee de Fourier discr` ete.
Lorsquon calcule une transform ee de Fourier discr` ete ` a laide dun ordinateur, celui-ci fournit les coefcients
` a valeurs complexes

S
k
pour k {0...N1} qui correspondent aux fr equences f
k
=
kfe
N
[0, f
e
[ Ces coefcients
sufsent ` a d eterminer compl` etement la transform ee de Fourier discr` ete puisque celle-ci est p eriodique de p eriode
f
e
. Cependant on visualise en g en eral cette transform ee de Fourier sur lintervalle [f
e
/2, f
e
/2] et non sur [0, f
e
] et
lallure des courbes nest pas du tout la m eme suivant quon la repr esente sur le premier ou le deuxi` eme intervalle.
Ainsi un spectre qui serait croissant entre f
e
/2 et 0 puis d ecroissant entre 0 et f
e
/2 et serait donc maximal au
centre apparatrait comme minimal au centre sil etait repr esent e sur [0, f
e
] puisque d ecroissant entre 0 et f
e
/2 et
croissant entre f
e
/2 et f
e
. Par cons equent pour visualiser un spectre ` a partir de ses coefcients

S
k
calcul es par
transform ee de Fourier discr` ete il est n ecessaire de trouver les coefcients correspondant aux fr equences f
k

[f
e
/2, 0]. Si N est paire ce sont les fr equences associ ees ` a k {
N
2
..N 1}, math ematiquement on peut aussi
bien mettre k = N/2 associ e ` a f = f
e
/2 ou ` a f = f
e
/2 tout ` a droite ou tout ` a gauche du graphique. Si N est
impaire ce sont les fr equences associ ees ` a k {
N+1
2
..N 1}. Dans la visualisation sur [f
e
/2, 0] les fr equences
associ es ` a ces coefcients sont f
k
=
(kN)fe
N
, elles sont not ees f

k
ou k

= k N et les coefcients complexes

correspondant sont

S
k
et souvent not es

S
k
.
La transform ee de Fourier discr` ete inverse est d enie de mani` ere similaire. On consid` ere un spectre p eriodique

S(f) de p eriode f
e
ayant des raies aux fr equences f
k
= k
fe
N
pour k {0...N 1} associ es aux coefcients

S
k
.
Alors la transform ee de Fourier discr` ete inverse, not ee TFD
1
, est un signal s
n
de p eriode N
s
n
=
N1

k=0

S
k
e
j2
kn
N
La transform ee de Fourier discr` ete inverse s ecrit aussi
TFD
1
[

S
k
](t) =

nZ
N1

k=0

S
k
e
j2
kn
N
(t nT
e
) (4.9)
23
4.4 Propri et es de la transform ee de Fourier discr` ete
Soit s
n
un signal temps discret p eriodique. Alors les coefcients de sa transform ee de Fourier discr` ete

S
k
v erient

S
k
=

S
k
|

S
k
| = |

S
k
|
arg(

S
k
) = arg(

S
k
)
Si s
n
est un signal temps discret p eriodique et paire (s
n
= s
n
ou dit autrement s
n
= s
Nn
) alors

S
k
est ` a
valeurs r eels. En fait il y a m eme equivalence entre le fait que

S
k
est r eel et la parit e de s
n
.
La puissance dun signal s
n
TDP peut aussi etre evalu e ` a partir de son spectre (th eor` eme de Parseval)
E = +
P =

kZ
|

S
k
|
2
On peut remarquer que cette egalit e ne d epend pas de la fr equence d echantillonnage et en fait la d enition de P
ne fait pas non plus intervenir la p eriode d echantillonnage ou la fr equence d echantillonnage.
On a aussi les relations suivantes :

X
0
=
1
N
N1

n=0
x
n
x
0
=
N1

k=0

X
n
La transform ee de Fourier discr` ete est un op erateur lin eaire. Elle conserve la multiplication par un facteur et
ladditivit e.
TFD[x
n
][k] = TFD[x
n
][k]
o` u x
n
est un signal temps discret p eriodique de p eriode N et echantillonn e ` a la fr equence f
e
.
TFD[x
n
+y
n
][k] = TFD[x
n
+y
n
][k]
o` u x
n
et y
n
sont deux signaux temps discret p eriodiques de m eme p eriode N et echantillonn e ` a la m eme fr equence
f
e
.
La transform ee de Fourier discr` ete dun signal retard ee est d ephas ee.
TFD[x
nd
][k] = e
j2k
d
N
TFD[x
n
][k] (4.10)
o` u x
n
et x
nd
sont deux signaux temps discret p eriodique de m eme p eriode N echantillonn e ` a la m eme fr equence
f
e
, le deuxi` eme signal est retard e de d < N pas de temps par rapport au premier signal. Du fait que ces deux
signaux sont p eriodiques, on peut aussi dire que x
nd
est en avance de N d pas de temps sur x
n
, en effet
x
nd
= x
n+(Nd)
.
Lorsquun signal temps discret p eriodique est dilat e, ce ne sont pas les valeurs complexes calcul ees par la trans-
form ee de Fourier discr` ete qui sont modi ees, mais la fr equence d echantillonnage qui est modi e et en loccurence
diminu ee. Il en r esulte alors que le spectre est modi e du fait de la diminution des valeurs complexes associ ees aux
diff erentes raies et du fait des fr equences de ces diff erentes raies qui sont plus proches les unes des autres.
Soit x
n
un signal temps discret p eriodique de p eriode N echantillonn e ` a la fr equence d echantillonnage f
x
e
et
y
n
un signal temps discret p eriodique avec les m emes valeurs que x
n
et de m eme p eriode N mais echantillonn e ` a
24
la nouvelle fr equence f
y
e
. Alors les raies de

Y (f) sont espac ees de
f
y
e
N
tandis que celles de

X(f) sont espac ees de
f
x
e
N

Y
k
=

X
k
1
f
y
e

Y (f) =
1
f
x
e

X
k
Pour deux signaux temps discret p eriodiques x
n
et y
n
de m eme p eriode N et de m eme fr equence d echan-
tillonnage f
e
, il est faux de dire que le produit des transform ees de Fourier est la transform ee dun produit de
convolution. Cest une id ee fausse ne serait-ce parce que le produit de convolution est d enie par une somme inne
et quappliqu e ` a des signaux p eriodiques il produirait une suite innie en tout instant. Cette propri et e est vraie si
on utilise le produit de convolution circulaire d enie par
x
n
y
n
=
1
N
N1

k=0
x
k
y
nk
(4.11)
Cependant si N est grand, x
n
y
n
est parfois une bonne approximation du produit de convolution de signaux
rendus non p eriodiques en annulant les indices contenus hors de {0...N 1}. Cette approximation est, nous le
verrons, assez souvent utiliser en particulier lorsque les ltres sont assez complexes et leur r eponses fr equentielles
bien d etermin ees. Cette approximation repose sur la m eme id ee que le fait de consid erer la transform ee de Fourier
discr` ete comme une bonne approximation de la transform ee de Fourier ` a temps discret.
4.5 Exemples de transform ees de Fourier discr` ete de signaux
On consid` ere un signal x
n
= 1 echantillonn e ` a la fr equence d echantillonnage f
e
et p eriodique de p eriode N = 1.
Sa transform ee de Fourier discr` ete est

X
k
= 1 dapr` es (4.6), mais ces coefcients complexes correspondent ` a des
fr equences qui sont espac ees de f
e
, tandis que le signal x
n
a ses echantillons espac ees de T
e
=
1
fe
. x
n
et

X
k
correspondent ` a un signal et ` a un spectre tous deux compos es dune innit e de raies r eguli` erement espac es qui sont
ce quon appelle un peigne de Dirac et cest pour cette raison que lon dit aussi que la transform ee de Fourier dun
peigne de Dirac est un peigne de Dirac, en fait un peigne de Dirac divis e par lintervalle de temps entre chaque
Dirac du premier peigne de Dirac, ce qui revient ` a dire multipli e par f
e
, ceci conrme le terme f
e
rajout e dans (4.7)
et (4.8).
TF
_

nZ
(t nT
e
)
_
=
1
T
e
_

kZ
(f kf
e
)
_
On consid` ere un signal x
(1)
n
p eriodique de p eriode N et echantillonn e ` a la fr equence f
(1)
e
d eni par x
(1)
n
=
{10...0}. Sa transform ee de Fourier est

X
(1)
k
=
1
N
{1...1} dapr` es (4.6). On peut aussi voir x
(1)
n
comme etant une
facon diff erente d ecrire le signal x
n
en posant T
e
= NT
(1)
e
, NT
(1)
e
s epare en effet les echantillons non-nuls de
x
(1)
n
qui sont les seuls echantillons utiles. Le spectre de x
n
est en fait compos e de raies espac ees de f
e
=
f
(1)
e
N
et de
valeur f
e
1 =
f
(1)
e
N
qui concide avec le spectre de x
(1)
n
dont les raies sont aussi espac ees
f
(1)
e
N
et ont aussi comme
valeur f
(1)
e
1
N
. On conrme ainsi aussi limportance du terme f
e
rajout e dans (4.8).
On consid` ere un signal x
(2)
n
p eriodique de p eriode N et echantillonn e ` a la fr equence f
(2)
e
d eni par x
n
=
{11...1}. Sa transform ee de Fourier discr` ete vaut

X
k
= {10...0} dapr` es (4.6). On peut aussi voir x
(2)
n
comme
etant une facon diff erente d ecrire le signal x
n
en posant T
e
= T
(2)
e
. Le spectre de x
n
est compos e de raies espac ees
de f
e
= N
f
(2)
e
N
et de valeur f
e
= f
(2)
e
qui concident avec les raies non-nulles de x
(2)
n
qui sont espac ees de N
f
(2)
e
N
(il ny a quune valeur de k pour chaque ensemble de N valeurs pour lesquelles

X
k
sont non-nuls), et ces raies sont
de valeurs f
(2)
e
puisque quand

X
k
est non-nul il vaut 1.
25
On consid` ere un signal x
(3)
n
temps discret de fr equence d echantillonnage f
(3)
e
et p eriodique de p eriode N
d eni sur sa p eriode par
nd
o` u d {0..N 1}. Sa transform ee de Fourier discr` ete vaut

X
k
=
1
N
e
j2
dk
N
par
application de (4.6). On peut aussi voir que x
(3)
n
est le signal x
(1)
n
retard e de d pas de temps et retrouver ainsi le
r esultat par application de (4.10).
On consid` ere un signal x
(4)
n
temps discret de fr equence d echantillonnage f
(4)
e
et p eriodique de p eriode N
d enie par x
n
= cos(2
dn
N
). Sa transform ee de Fourier vaut

X
(4)
d
=
1
2
et

X
(4)
Nd
=
1
2
et

X
(4)
k={d,Nd}
= 0 si d = N/2

X
(4)
N/2
= 1 et

X
(4)
k=d
= 0 sinon
Il serait difcile de trouver ce r esultat avec (4.6) mais on peut d ecomposer x
n
en la somme de deux exponentielles
complexes x
n
=
1
2
e
j2
dn
N
+
1
2
e
j2
dn
N
et utiliser la d enition de la transform ee de Fourier discr` ete inverse (4.9).
On consid` ere dabord le cas d = N/2, et on voit que
TFD
1
[
kd
[k]] [n] = e
j2
dn
N
et que
TFD
1
[
k+Nd
[k]] [n] = e
j2
(Nd)n
N
= e
j2
dn
N
Ce qui suft pour trouver le r esultat souhait e. Dans le cas o` u d = N/2, les deux exponentielles complexes qui
composent le signal sinusodal sont en fait confondues en une seule exponentielle. Cet exemple montre quil est
aussi possible de d ecaler le spectre fr equentiellement en le multipliant par un signal sinusodal, ce signal sinusodal
etant lui aussi temps discret et p eriodique de la m eme p eriode.
R epliquer un signal signie juxtaposer le signal d eni sur un intervalle de temps un certain nombre de fois.
R epliquer un signal p eriodique sur un intervalle correspondant ` a sa p eriode ne modie pas le signal. Mais sagissant
dun signal temps discret p eriodique, cela modie consid erablement les calculs effectu es par la transform ee de
Fourier discr` ete et tout se passe comme si la r eplication de P fois le signal introduit P 1 z eros dans les coefcients
de la transform ee de Fourier discr` etes calcul es.
Soit x
n
un signal temps discret p eriodique de p eriode N de fr equence d echantillonnage f
e
de coefcients de
transform ee de Fourier discr` ete

X
k
. Soit y
n
un signal temps discret p eriodique de p eriode PN echantillonn e ` a f
e
d eni par
y
n
= {x
0
...x
N1
x
0
...x
N1
...x
0
..x
N1
}
Alors

Y
k
= {X
0
0...0 X
1
0...0 ...X
N1
0...0}
Ins erer des z eros dans un signal temps discret signie augmenter la fr equence d echantillonnage par un facteur
multiplicatif entier et mettre ` a z ero la valeurs des echantillons nouvellementa apparus. Cela ne change pas le signal,
mais sagissant dun signal temps discret p eriodique, cela modie consid erablement le calcul de la transform ee de
Fourier discr` ete et tout se passe comme si lintroduction de P 1 z eros dans le signal temps discret (et la multipli-
cation par P de la fr equence d echantillonnage) provoque la r eplication P fois, des coefcients de la transform ee
de Fourier discr` ete calcul es.
Soit x
n
un signal temps discret p eriodique de p eriode N de fr equence d echantillonnage f
e
et de coefcients
de transform ee de Fourier discr` ete

X
k
. Soit y
n
un signal temps discret p eriodique de p eriode PN de fr equence
d echantillonnage Pf
e
d eni par
y
n
= {x
0
0...0 x
1
0...0 ... x
N1
0...0}
Alors

Y
k
=
1
P
{X
0
X
1
...X
N1
X
0
X
1
...X
N1
...X
0
X
1
...X
N1
}
26
4.6 Notation matricielle
En notant W = e
j
2
N
, on peut noter la transform ee de Fourier discr` ete sous forme matricielle
_

X
0

X
1

X
2
:

X
N1
_

_
=
1
N
_

_
1 1 1 1 .. 1
1 W W
2
W
3
.. W
N1
1 W
2
W
4
W
6
.. W
2(N1)
1 W
3
W
6
W
9
.. W
3(N1)
: : : : :: :
1 W
N1
W
2(N1)
W
3(N1)
.. W
(N1)(N1)
_

_
_

_
x
0
x
1
x
2
:
x
N1
_

_
Tous ces calculs sont faits ` a N x es et dans ce cas la valeur de W ne change pas dun bout ` a lautre de la matrice,
ce qui autorise cette ecriture, mais ceci nest plus vrai si on modie N parce qualors la valeur de W change.
4.7 Bourrage de z eros
Le bourrage de z eros concerne les signaux ` a temps discret p eriodiques et se distinguent de linsertion de z eros entre
chaque echantillons, le bourrage de z eros consiste ` a placer tous ces z eros en un seul emplacement et le signal est
r eellement modi e. On a alors deux propri et es, dune part si le nombre de z eros rajout es est un multiple du nombre
d echantillons initial alors certaines valeurs de la transform ee de Fourier discr` ete du nouveau signal concident avec
les valeurs de la transform ee de Fourier discr` ete de lancien signal ` a un facteur pr` es. Dautre part plus on rajoute
ainsi des z eros, plus la tranform ee de Fourier discr` ete se rapproche de la transform ee de Fourier ` a temps discret du
signal ap eriodis e.
Pour un signal temps discret p eriodique de p eriode N et de fr equence d echantillonnage f
e
, on appelle signal
ap eriodis e le signal y
n
= x
n
1
{0..N1}
.
Pour un signal x
n
temps discret p eriodique de p eriode N et de fr equence d echantillonnage f
e
, on dit quon
fait un bourrage de z ero lorsquon consid` ere le signal y
n
temps discret de m eme fr equence d echantillonnage f
e
et
p eriodique mais sur une p eriode plus longue M > N
y
n
= x
n
si n {0..N 1}
y
n
= 0 si n {N..M 1}
La premi` ere propri et e enonce que lon peut parfois retrouver certaines valeurs complexes de la transform ee de
Fourier discr` ete du nouveau signal ` a partir de la transform ee de Fourier discr` ete de lancien signal. Si M est un
multiple de N alors k {0..N 1}, M

Y
k
M
N
= N

X
k
Mais on na pas dinformations de ce type pour les autres
valeurs.
La deuxi` eme propri et e concerne la possibilit e dutiliser le bourrage de z eros pour faire de lapproximation.
Plus M est grand, plus on r ealise un bonne approximation de la transform ee de Fourier ` a temps discret du signal
ap eriodis e
TFD[y
n
][k] TFTD
_
x
n
1
{0..N1}
[n]

(kf
e
/N)
Le terme bourrage de z ero est parfois utilis e lorsquon rajoute des z eros ` a la transform ee de Fourier discr` ete de
facon ` a r ealiser un sur- echantillonnage avec interpolation. Cependant la facon de rajouter les z eros est diff erente et
repose sur le prochain cours sur le repliement de spectre.
27
Chapter 5
Repliement de spectre, ltres : Cours E
5.1 Filtre analogique et r eponse fr equentielle
Un ltre analogique transforme un signal dentr ee x(t) en un signal de sortie y(t).
y(t) = H[x(t)](t) (5.1)
Le premier t et le deuxi` eme t ne peuvent avoir la m eme valeur, il sagit dun abus de notation qui entre autre a
lavantage de pouvoir ecrire plus facilement la notion dinvariance dans le temps (5.2). Les trois t rappellent que
lentr ee et la sortie sont des fonctions. Le crochet ouvrant et fermant permet de pr eciser lentr ee sur lequel le ltre
sapplique. H nest pas une application dun nombre r eel vers un nombre r eel mais une application dune fonction
vers une fonction. Le fait de modier lentr ee x(t) sur une intervalle de tempps I
1
peut avoir une cons equence sur
al sorie sur un autre intervalle de temps.
On sint eresse g en eralement ` a des ltres lin eaires temps invariant et causaux. Un ltre est dit lin eaire si dune
part il conserve la multiplication par un nombre
H[x(t)] = H[x(t)]
et sil conserve ladditivit e des signaux
H[x(t) +y(t)] = H[x(t)] +H[y(t)]
Un ltre est dit temps invariant, sil conserve le d ecalage dans le temps : si on retarde lentr ee de alors la sortie
est retard ee de :
H[x(t )](t) = H[x(t)](t ) (5.2)
Un ltre est dit causal si une modication dans le temps pour des instants sup erieurs ` a t
0
ne peut affecter la sortie
pour des instants inf erieurs ` a t
0
.
On peut d enir la r eponse fr equentielle dune ltre uniquement lorsque ce ltre est lin eaire et temps invariant.
Cette r eponse fr equentielle est d enie pour chaque fr equence et not ee

H(f) et d enie comme le facteur multi-
plicatif entre la transform ee de Fourier de lentr ee

X(f) = TF[x(t)](f) et la transform ee de Fourier de la sortie

Y (f) = TF[y(t)](f).

Y (f) =

H(f)

X(f) (5.3)
La grande importance accord ee ` a la transform ee de Fourier vient entre autre de (5.3) est valable pour les ltres
lin eaires temps invariant.
Beaucoup de ltres peuvent approximativement etre consid er es comme un de ces cinq types de ltres en fonc-
tion de ce que leur r eponse fr equentielle ressemble ` a un des graphiques de la gure 5.1.
28
Figure 5.1: Types de ltres analogiques
29
Sur la gure 5.1, on appelle fr equence de coupure la fr equence pour laquelle la r eponse fr equencielle passe de
1 ` a 0, elle vaut 1 pour les deux premiers graphiques et 0.5 et 1.5 pour les deux suivants. Toutes ces courbes sont
sym etriques par rapport ` a f = 0, cest g en eralement le cas des r eponses fr equentielles, (plus pr ecis ement cest le
cas lorsque le ltre transforme des signaux ` a valeurs r eelles en des signaux ` a valeurs r eelles).
Un ltre passe-tout nest pas n ecessairement un ltre identit e o` u la sorite serait egale ` a lentr ee, en effet la phase
de la r eponse fr equentielle (arg(

H(f))) peut varier ce qui est le cas pour un ltre ` a retard, cest-` a-dire un ltre dont
la sortie est egale ` a lentr ee retard ee dun certain laps de temps.
La r eponse fr equentielle donne des informations sur le comportement du ltre, la fr equence nulle correspond
au comportement ` a longue dur ee.
La moyenne du signal en sortie peut sexprimer en fonction de la moyenne du signal en entr ee et la valeur de
la r eponse fr equentielle en la fr equence nulle.
< y(t) >=

H(0) < x(t) >
o` u < x(t) > et < y(t) > d esignent les moyennes des signaux en entr ee et en sortie. Ces moyennes peuvent se
calculer avec
1
T
_
T
0
x(t)dt lorsque le signal consid er e est p eriodique de p eriode T ou avec lim
T+
1
T
_
T/2
T/2
x(t)dt
lorsque le signal nest pas p eriodique.
Tout signal peut sinterpr eter comme un m elange de sinusodes de diverses fr equences et le ltre ampli-
e/att enue, avance/retarde chacune de ces sinusodes en fonction de la valeur de la r eponse fr equentielle associ ee ` a
cette fr equence-l` a.
Si le signal en entr ee est x(t) = cos(2f
0
t) alors le signal en sortie est y(t) =

H(f
0
)

cos(2f
0
t + ) o` u
= arg
_

H(f
0
)
_
. Cest le module de la r eponse fr equentielle

H(f
0
)

qui d etermine sil y a amplication ou

att enuation du signal et cest la phase de la r eponse fr equentielle arg
_

H(f
0
)
_
qui d etermine sil y a avance ou
retard du signal. Cette afrmation nest valable que si le signal en entr ee est une sinusode d enie sur R. Cette
afrmation peut aussi se mettre sous la forme
H
_
e
j2f
0
t
_
=

H(f
0
)e
j2f
0
t
5.2 Filtre num erique et r eponse fr equentielle
Un ltre num erique est identique ` a un ltre analogique ` a ceci pr` es quil sapplique ` a un signal temps discret x
n
(lentr ee) et que sa sortie est aussi un signal temps discret y
n
.
y
n
= H[x
n
] [n]
Dans cette notation les trois n sont des variables muettes au m eme titre que les trois t de (5.1). Le premier n et le
deuxi` eme n nont pas les m emes valeurs, il sagit aussi dun abus de notation. H nest pas une application dun
nombre r eel vers un nombre r eel mais une application dune suite x
n
vers une autre suite y
n
. Le fait de modier
lentr ee x
n
` a un instant n
0
peut en g en eral avoir des cons equences sur la sortie y
n
` a un autre instant n
1
= n
0
.
On sint eresse g en eralement ` a des ltres num eriques lin eaires temps invariants et causaux.
Un ltres est dit lin eaire sil conserve la multiplication par un nombre
H[x
n
] [n] = H[x
n
] [n]
et sil conserve ladditivit e des signaux
H[x
n
+y
n
] [n] = H[x
n
] [n] +H[y
n
] [n]
Un ltre est dit temps invariant sil conserve le d ecalage dans le temps
H[x
nn
0
] [n] = H[x
n
] [n n
0
]
30
Les r eponses fr equentielles sont d enies pour les ltres num eriques lin eaires temps invariant pour chaque
fr equence comme le facteur multiplicatif entre la transform ee de Fourier ` a temps discret de lentr ee

X(f) =
TFTD[x
n
](f) et la transform ee de Fourier ` a temps discret de la sortie

Y (f) = TFTD[y
n
](f).

Y (f) =

H(f)

X(f)
La diff erence entre cette r eponse fr equentielle et celle d enie pour les ltres analogiques est que celle-ci est
p eriodique de p eriode f
e
(fr equence d echantillonnage), du fait des propri et es de la transform ee de Fourier ` a
temps discret. La r eponse fr equentielle dun ltre ltre num erique est g en eralement repr esent ee sur lintervalle
[f
e
/2, f
e
/2] parce que cet intervalle suft ` a d eterminer compl` etement la r eponse fr equentielle.
Beaucoup de ltres num eriques approxim es par un de ces cinq ltres en fonction de la ressemblance entre les
r eponses fr equentielles et lune des courbes de la gure 5.2.
Figure 5.2: Types de ltres analogiques
La r eponse fr equentielle donne des informations sur le comportement du ltre, la fr equence nulle correspond
au comportement ` a longue dur ee.
La moyenne du signal en sortie peut sexprimer en fonction de la moyenne du signal en entr ee et la valeur de
la r eponse fr equentielle en la fr equence nulle.
< y
n
>=

H(0) < x
n
>
o` u < x
n
>et < y
n
>d esignent les moyennes des signaux en entr ee et en sortie. Ces moyennes peuvent se calculer
avec
1
N

N1
n=0
x
n
lorsque le signal consid er e est p eriodique de p eriode N ou avec lim
N+
1
2N+1

N
n=N
x
n
lorsque le signal nest pas p eriodique.
31
Tout signal peut sinterpr eter comme un m elange de sinusodes de diverses fr equences et le ltre ampli-
e/att enue, avance/retarde chacune de ces sinusodes en fonction de la valeur de la r eponse fr equentielle associ ee ` a
cette fr equence-l` a.
Si le signal en entr ee est x(t) = cos(2f
0
nT
e
) alors le signal en sortie est y(t) =

H(f
0
)

cos(2f
0
nT
e
+) o` u
= arg
_

H(f
0
)
_
et T
e
est la p eriode d echantillonnage. Cest le module de la r eponse fr equentielle

H(f
0
)

qui
d etermine sil y a amplication ou att enuation du signal et cest la phase de la r eponse fr equentielle arg
_

H(f
0
)
_
qui d etermine sil y a avance ou retard du signal. Cette afrmation nest valable que si le signal en entr ee est une
sinusode d enie sur Z (i.e. tous les entiers positifs et n egatifs). Cette afrmation peut aussi se mettre sous la forme
H
_
e
j2f
0
nTe
_
=

H(f
0
)e
j2f
0
nTe
5.3 Repliement de spectre
Dans cette section nous nous int eressons ` a la relation qui doit exister entre la transform ee de Fourier dun signal
temps continu s(t) et la transform ee de Fourier ` a temps discret dun signal echantillonn e s
n
= s (nT
e
). On
consid` ere tout dabord des signaux non-p eriodiques. Cette relation est donn ee par
1
f
e
TFTD[s
n
] (f) =

kZ
TF[s(t)] (f kf
e
) (5.4)
On peut remarquer TFTD[s
n
](f) est p eriodique alors que TF[s(t)](f) ne lest pas. Cette contradiction est
r esolue dans (5.4) en superposant toutes les fonctions construites ` a partir de TF[s(t)](f) et d ecal ees de kf
e
avec k
un entier positif ou n egatif. Cette superposition innie produit une fonction p eriodique. Il faut faire attention que
si on repr esente souvent les transform ees de Fourier au moyen de modules, ce ne sont pas les modules qui sont
ajout es dans (5.4) mais les valeurs complexes de ces transform ees de Fourier. La justication de (5.4) provient de
la ressemblance entre ces deux formules
s
n
=
1
f
e
_
fe/2
fe/2
TFTD[s
n
](f)e
j2fnTe
df
s(nT
e
) =
_
+

TF[s(t)](f)e
j2fnTe
df
(5.4) rappelle que sil est possible de calculer TFTD[s
n
] ` a partir de TF[s(t)] il nest pas possible de faire
linverse et de trouver TF[s(t)](f) ` a partir de TFTD[s
n
]. Ce constat est coh erent avec le fait que si on peut echan-
tillonner un signal s(t) s
n
il y a toujours une ambig uit e dans la transformation inverse, transformation que lon
appelle interpolation, ambig uit e que lon peut lever lorsquon impose au signal s(t) une contrainte suppl ementaire
celle du crit` ere de Shannon-Nyquist.
Plus g en eralement lorsquon consid` ere un signal temps continu
1
f
e
TF[s
n
] (f) =

kZ
TF[s(t)] (f kf
e
) (5.5)
En particulier cette relation (5.5) peut etre utilis ee pour calculer la transform ee de Fourier dun signal temps
discret d eni par y
n
= cos(2f
0
nT
e
) echantillonn e ` a la fr equence f
e
. Un tel signal est p eriodique quand f
0
T
e
est
un rationnel (cest-` a-dire quil sagit dun nombre qui peut s ecrire comme le quotient de deux entiers). Consid erer
y
n
comme non-p eriodique et par suite chercher ` a appliquer la transform ee de Fourier ` a temps discret pose un
probl` eme dans la mesure o` u lexpression nest pas d enie au sens des outils classiques et pour cause le r esultat
32
est une somme innie de Diracs. En revanche (5.5) permet justement dobtenir le r esultat simplement. y
n
est
l echantillonnage de x(t) = cos(2f
0
t) dont la transform ee de Fourier est

X(f) =
1
2
(f f
0
) +
1
2
(f +f
0
)
Lapplication (5.5) permet alors dafrmer que la transform ee de Fourier de y
n
est

Y (f) =
f
e
2

kZ
((f f
0
kf
e
) +(f +f
0
kf
e
))
5.4 Crit` ere de Shannon-Nyquist
Un signal v erie le crit` ere de Shannon-Nyquist vis-` a-vis de la fr equence d echantillonnage f
e
si

S(f) = 0 pour f ] f
e
/2, f
e
/2[
Ce crit` ere peut aussi sexprimer en calculant f
max
, la fr equence au-del` a de laquelle TF[s(t)](f) est nul
f
max
= sup
f
{f| |

S(f)| > 0}
et en imposant que
f
max
<
f
e
2
On d emontre qualors on peut retrouver s(t) ` a partir de son signal echantillonn e ` a la fr equence f
e
: s
n
= s(
n
fe
) et
(5.4) se simplie en
1
f
e
TFTD[s
n
] (f) = TF[s(t)] (f)
5.5 Interpolation et reconstruction dun signal
Linterpolation dun signal temps discret vers un signal temps continu signie en g en eral chercher un signal temps
continu en saidant dun certain nombre dinformations sur ce que devrait etre le signal temps continu. En traitement
du signal, linterpolation prend un sens plus explicite. Nous nous int eresserons plus particuli` erement aux signaux
non-p eriodiques. Le signal temps continu x(t) recherch e concide avec x
n
aux instants nT
e
et ce signal doit
avoir une transform ee de Fourier nulle en dehors des fr equences [f
e
/2, f
e
/2] et cette transform ee de Fourier doit
concider avec
1
fe
TFTD[xn] dans lintervalle [f
e
/2, f
e
/2]. f
e
d esigne la fr equence d echantillonnage du signal
temps discret ` a interpoler.
En pratique on cherche rarement ` a calculer x(t) pour tous les instants mais plut ot en un isntant en partic-
ulier ou en un ensemble dinstants r eguli` erement r epartis et dans ce cas on parle plut ot de sur- echantillonnage ou
eventuellement de sous- echantillonnage.
Le signal recherch e v erie le crit` ere de Shannon-Nyquist et (5.4) permet d ecrire
x(t) = TF
1
_
1
f
e
TFTD[x
n
](f)1
[fe/2,fe/2]
(f)
_
(t) (5.6)
Ainsi linterpolation peut sinterpr eter comme le fait dappliquer (i.e. mutliplier) une porte (1
[fe/2,fe/2]
(f))
sur le spectre p eriodique de p eriode f
e
de x
n
(TFTD[x
n
](f)) et dappliquer la transform ee de Fourier inverse.
On peut aussi ecrire sous la forme dune s erie innie
x(t) =
+

n=
x
n
sinf
e
(t nT
e
)
f
e
(t nT
e
)
(5.7)
33
Le signal interpol e peut alors aussi se voir comme une superposition de courbes en sinus cardinales
sinfe(tnTe)
fe(tnTe)
dont le lobe principal est de largeur 2T
e
et dont les autres lobes sont de largeur T
e
, ces courbes sont d ecal es les unes
par rapport aux autres de T
e
, elles sont nulles ` a tous les instants kT
e
sauf en un instant o` u se trouve leur maximum.
La formule (5.7) se d eduit de (5.6)
x(t) =
_
+

1
f
e
_
+

n=
x
n
e
j2fnTe
_
1
[fe/2,fe/2]
(f)e
j2ft
df
La fonction indicatrice 1
[fe/2,fe/2]
(f) permet de modier les bornes de lint egrale. Les propri et es des fonctions
exponentielles permettent alors d ecrire que
x(t) =
_
fe/2
fe/2
1
f
e
+

n=
x
n
e
j2f(tnTe)
df
On echange le signe somme et lint egrale
x(t) =
+

n=
x
n
1
f
e
_
fe/2
fe/2
e
j2f(tnTe)
df
L evaluation de lexpression int egrale permet de conclure
1
f
e
_
fe/2
fe/2
e
j2f(tnTe)
df =
1
f
e
_
e
j2f(tnTe)
j2f(t nT
e
)
_
fe/2
fe/2
=
sinf
e
(t nT
e
)
f
e
(t nT
e
)
Par extension il est possible dutiliser (5.7) pour interpoler un signal x
n
temps discret p eriodique de p eriode N
echantillonn e ` a la fr equence f
e
=
1
Te
. On obtient alors un signal x(t) temps continu p eriodique de p eriode NT
e
dont le spectre est compos e de raies en les fr equences f
k
=
k
NTe
avec k < N/2.
5.6 Sous- echantillonnage
Sous- echantillonner un signal consiste ` a construire un nouveau signal y
n
` a partir de x
n
dont la nouvelle fr equence
d echantllonnage f
Y
e
est plus faible que la fr equence d echantillonnage de x
n
, f
X
e
. La nouvelle p eriode d echan-
tillonnage et par suite la dur ee entre les nouveaux echantillons successifs auront augment es T
Y
e
> T
X
e
.
Le spectre du signal sous- echantillonn e (

Y (f) = TFTD[y
n
](f)) est p eriodique et sa p eriode est une bande de
fr equence plus etroite que celle dont est p eriodique le spectre de x
n
. Le signal sous- echantillonn e est d eni par le
fait que son spectre condice avec celui de x
n
sur [f
Y
e
/2, f
Y
e
/2] ` a un facteur pr` es.
f [f
Y
e
/2, f
Y
e
/2],
1
f
Y
e
TFTD[y
n
](f) =
1
f
X
e
TFTD[x
n
](f)
Le crit` ere de Shannon-Nyquist impose que pr ealablement au sous- echantillonnage le spectre de x
n
soit nul sur la
bande de fr equence [f
X
e
/2, f
X
e
/2] qui nest pas recouvert par [f
Y
e
/2, f
Y
e
/2].
f [f
X
e
/2, f
X
e
/2]\[f
Y
e
/2, f
Y
e
/2], TFTD[y
n
](f) = 0
Dans la pratique et pour simplier on cherche plut ot ` a utiliser des ltres pour r ealiser un sous- echantillonnage.
Ainsi pour r ealiser une r eduction de la fr equence d echantillonnage par un facteur M (f
Y
e
=
f
X
e
M
) on applique
dabord un ltre passe-bas de fr equence de coupure f
c
=
f
X
e
2M
, (une telle fr equence de coupure a bien un sens
puisque f
c
< f
X
e
/2), puis on pr el` eve un echantillon tous les M echantillons.
z
n
= H[x
n
][n] et y
n
= z
nM
34
Plus g en eralement pour r ealiser une modication de la fr equence d echantillonnage, on cherche dabord ` a
approcher le quotient
f
Y
e
f
X
e
par une fraction
Q
P
et on sur- echantillonne le signal dun facteur Q puis on sous- echan-
tillonne dun facteur P.
Lors dun sous- echantillonnage, il est important de penser ` a appliquer un ltre passe-bas pr ealablement pour
eviter un repliement de spectre et en loccurence eviter quune activit e dans le signal de x
n
dans les bandes
de fr equences [f
X
e
/2, f
Y
e
/2] et [f
Y
e
/2, f
X
e
/2] ne vienne modier le signal y
n
dans la bande de fr equence
[f
Y
e
/2, f
Y
e
/2].
5.7 Sur- echantillonnage
Sur- echantillonner un signal consiste ` a construire un nouveau signal y
n
` a partir de x
n
dont la nouvelle fr equence
d echantillonnage f
Y
e
est plus elev ee que la fr equence d echantillonnage de x
n
, f
X
e
. La nouvelle p eriode d echan-
tillonnage T
Y
e
et par suite la dur ee entre les echantillons successifs auront diminu e T
Y
e
< T
X
e
. Le spectrre du signal
sur- echantillonn e (

Y (f) = TFTD[y
n
](f)) est p eriodique sur une bande de fr equence f
Y
e
plus large que celle du
spectre de x
n
, f
X
e
. Le signal sur- echantillonn e est d eni par le fait que son spectre concide ` a un facteur pr` es sur la
bande spectrale commune [f
X
e
/2, f
X
e
/2] et quil est nul sur la bande spectrale compl ementaire.
f [f
X
e
/2, f
X
e
/2],
1
f
Y
e
TFTD[y
n
](f) =
1
f
X
e
TFTD[x
n
](f)
f [f
Y
e
/2, f
Y
e
/2]\[f
X
e
/2, f
X
e
/2], f
Y
e
TFTD[y
n
](f) = 0
De m eme que pour le sous- echantillonnage, on cherche aussi ` a utiliser des ltres, la principale diff erence est
que le ltre est appliqu e en n de traitement et non plus en d ebut de traitement. Ainsi pour augmenter la fr equence
d echantillonnage f
X
e
dun facteur M (f
Y
e
= Mf
X
e
), M etant un entier sup erieur ou egal ` a 2, on intercale M 1
z eros entre les echantillons successifs puis on applique un ltre passe-bas de fr equence de coupure f
X
e
/2. Une telle
fr equence de coupure a bien un sens puisquelle est inf erieure ` a f
Y
e
/2 et f
Y
e
est al fr equence d echantillonnage du
signal auquel on a intercall e M 1 z eros entre les echantillons successifs.
z
n
= x
n
M
si
n
M
Z et z
n
= 0 sinon. De plus y
n
= H[z
n
][n]
On peut remarquer que si on napplique que la premi` ere etape, rajout de M 1 z eros, le spectre est bien
p eriodique sur une p eriode de fr equence plus large (f
Y
e
= Mf
X
e
), il est cependant aussi egal ` a celui de x
n
sur
cette bande plus large. Cest le fait dimposer que le spectre du signal sur- echantillonn e y
n
est nul sur la bande
compl ementaire qui fait que les echantillons rajout es ne restent pas nuls lors de la deuxi` eme etape.
35
Chapter 6
Filtres et descripteurs de signaux
6.1 Filtres analgoqiques et produit de convolution en temps continu
Nous nous int eressons ici aux signaux ` a temps continu.
Le produit de convolution est une op eration d enie sur des signaux temps continu non-p eriodiques x(t) et y(t).
Le r esultat du produit de convolution est aussi un signal temps continu non-p eriodique z(t).
z(t) = x(t) y(t) =
_
+

x()y(t ) dt
Dans la notation z(t) = x(t) y(t), les diff erents t ne sont pas identiques, il sagit dun abus de notation.
Lexpression ` a lint erieur de lint egrale peut s ecrire diff eremment en echangeant et t, un moyen m emotechnique
pour v erier la formule est de v erier que la somme des arguments de x et de y ` a lint erieur de lexpression int egrale
est egale ` a largument de z.
Le produit de convolution v erie les propri et es auxquelles on peut sattendre : commutativit e x(t) y(t) =
y(t) x(t), associativit e x(t) (y(t) z(t)) = (x(t) y(t)) z(t), lin earit e ` a gauche (x(t)) y(t) = (x(t)
y(t)) et (x(t) + y(t)) z(t) = x(t) z(t) + y(t) z(t) et lin earit e ` a droite x(t) (y(t)) = (x(t) y(t)) et
(x(t) (y(t) +z(t)) = x(t) y(t) +x(t) y(t). La fonction de dirac est l el ement neutre du produit de convolution
x(t) (t) = x(t). Le produit de convolution v erie une autre propri et e importante : la transform ee de Fourier du
produit de convolution de deux signaux est le produit de leur transform ee de Fourier.
TF[x(t) y(t)] (f) = TF[x(t)] (f)TF[y(t)] (f)
Lint er et du produit de convolution est justement que tout ltre lin eaire temps invariant H peut etre d eni au
moyen dun signal appel e r eponse impulsionnelle h(t) et du produit de convolution
H[x(t)] = h(t) x(t)
Par exemple un ltre ` a retard H[x(t)](t) = x(t t
0
) a pour r eponse impulsionnelle h(t) = (t t
0
).
Si on place un ltre H
2
en sortie dun ltre H
1
et que les r eponses impulsionnelles de H
1
et H
2
sont h
1
(t) et
h
2
(t) alors la composition de ces deux ltres est un ltre de r eponse impulsionnelle h
1
(t) h
2
(t). En particulier si
lentr ee est une fonction de Dirac x(t) = (t), alors la sortie est la r eponse impulsionnelle y(t) = h(t). Cest cette
observation qui a donn e le nom de r eponse impulsionnelle (i.e. r eponse ` a une impulsion).
La r eponse fr equentielle dun ltre est la transform ee de Fourier de la r eponse impulsionnelle

H(f) = TF[h(t)] (f)

Cette r eponse fr equentielle est parfois aussi appel ee r eponse harmonique. La r eponse fr equentielle est a priori ` a
valeurs complexes. On r epr esente g en eralement le module |

H(f)| en fonction de la fr equence f et aussi la phase

arg(

H(f)) en fonction de la fr equence f. On peut aussi repr esenter la r eponse fr equentielle avec un diagramme
de Bode. Dans ce cas on utilise la pulsation =
f
2
. Il sagit dune echelle logarithmique ` a la fois sur laxe des
36
ordonn ees et sur laxe des abscisses. On repr esente avec une echelle en d ecibel 20 log
1
0(|

H(f)|) en fonction de
log
1
0() o` u en fonction de quand suit une echelle logarithmique. On repr esente aussi la phase arg(

H(f)) en
degr e ou en radian en fonction de log
1
0() o` u en fonction de quand suit une echelle logarithmique. Lint er et
de cette repr esentation est quun ltre comme H(p) =
1
p+1
est approximativement identique une courbe constante
jusqu` a = 1 et ensuite une courbe d ecroissante avec une pente ` a -20dB/d ecade.
On d enit aussi la r eponse indicielle a(t) qui est la r eponse du ltre ` a un echelon 1
R
+
(t). Si x(t) = 1
R
+
(t)
alors y(t) = a(t).
6.2 Filtres num eriques et produit de convolution en temps discret
Nous nous int eressons ici aux signaux ` a temps discret.
Le produit de convolution est une op eration d enie sur des signaux temps discret non-p eriodiques x
n
et y
n
. Le
r esultat du produit de convolution est aussi un signal temps discret non-p eriodique z
n
.
z
n
= x
n
d
y
n
=
+

n=
x
k
y(n k)
Dans la notation z
n
= x
n
d
y
n
, les diff erents n ne sont pas identiques, il sagit dun abus de notation. Lexpression
` a lint erieur du signe somme peut s ecrire diff eremment en echangeant k et n k, un moyen m emotechnique pour
v erier la formule est de v erier que la somme des arguments de x et de y ` a lint erieur de lexpression int egrale est
egale ` a largument de z.
Le produit de convolution v erie les propri et es auxquelles on peut sattendre : commutativit e x
n
d
y
n
= y
n
d

x
n
, associativit e x
n
d
(y
n
d
z
n
) = (x
n
d
y
n
)
d
z
n
, lin earit e ` a gauche (x
n
)
d
y
n
= (x
n
d
y
n
) et (x
n
+ y
n
)
d

z
n
= x
n
d
z
n
+ y
n
d
z
n
et lin earit e ` a droite x
n
d
(y
n
) = (x
n
d
y
n
) et (x
n
d
(y
n
+ z
n
) = x
n
d
y
n
+ x
n
d
y
n
.
La fonction de dirac est l el ement neutre du produit de convolution x
n
d

n
= x
n
. Le produit de convolution
v erie une autre propri et e importante : la transform ee de Fourier ` a temps discret du produit de convolution de deux
signaux est le produit de leur transform ee de Fourier ` a temps discret.
TFTD
_
x
n
d
y
n
_
(f) = TFTD[x
n
] (f)TFTD[y
n
] (f)
Lint er et du produit de convolution est justement que tout ltre lin eaire temps invariant H peut etre d eni au
moyen dun signal appel e r eponse impulsionnelle h
n
et du produit de convolution
H[x
n
] = h
n
d
x
n
Par exemple un ltre ` a retard H[x
n
]
n
= x
nn
0
a pour r eponse impulsionnelle h
n
=
nn
0
.
Si on place un ltre H
2
en sortie dun ltre H
1
et que les r eponses impulsionnelles de H
1
et H
2
sont h1
n
et
h2
n
alors la composition de ces deux ltres est un ltre de r eponse impulsionnelle h1
n
d
h2
n
.
La r eponse fr equentielle dun ltre est la transform ee de Fourier ` a temps discret de la r eponse impulsionnelle

H(f) = TFTD[h
n
] (f)
6.3 Intercorr elation, autocorr elation et densit e spectrale
On d enit lintercorr elation, lautocorr elation et la densit e spectrale pour des signaux temps continu non-p eriodiques,
temps discret non-p eriodiques et temps discret p eriodiques. Lintercorr elation indique dans quelle mesure un signal
est similaire ` a un autre signal d ecal e dans le temps. Lautocorr elation indique dans quelle mesure un signal d ecal e
dans le temps est similaire ` a lui-m eme. La densit e spectrale de puissance ou d energie aide ` a d ecrire comment un
signal est similaire ` a lui-m eme.
On parle d energie pour les signaux non-p eriodiques, leur puissance etant nulle et on parle de puissance pour
les signaux p eriodiques, leur energie etant innie.
37
6.3.1 Signaux temps continu non-p eriodiques
Lintercorr elation sapplique ` a deux signaux temps continu non-p eriodiques x(t) et y(t) et produit un signal temps
continu non-p eriodique

x,y
() =
_
+

x(t)y(t ) dt (6.1)
Ainsi
x,y
() mesure la similarit e entre le signal x(t) et le signal y(t) retard e de . Il est un outil efcace pour
indiquer lexistence dun el ement de signal de x(t) qui se trouverait aussi dans y(t) mais avec un d ecalage dans le
temps provoqu e par exemple par un echo. Lorsquon applique lintercorr elation ` a des signaux complexes, le terme
y(t ) dans (6.1) doit etre conjugu e (i.e. le signe de la partie imaginaire doit etre modi e).
On d enit la densit e spectrale d energie pour deux signaux comme la transform ee de Fourier de lintercorr elation

xy
(f) = TF[
xy
(t)] (f)
Le th eor` eme de Wiener Kintchine montre que cette densit e spectrale d energie peut aussi sexprimer en fonction
des transform ee de Fourier des deux signaux

xy
(f) =

X(f)

Y (f)
Lutilisation de lintercorr elation est tr` es diff erente de lutilisation du produit de convolution, il y a cependant
une certaine proximit e math ematique entre les deux outils.

xy
() = (x(t) y(t)) () o` u y(t) = y(t)
On retrouve aussi cette proximit e math ematique dans le domaine fr equentiel avec le th eor` eme de Wiener Kintchine
qui ressemble au fait que la transform ee de Fourier de la sortie est le produit de la transform ee de Fourier de lentr ee
par la r eponse fr equentielle.
Lautocorr elation sapplique ` a un signal temps continu non-p eriodique x(t) et est d eni par

x
() =
_
+

x(t)x(t ) dt (6.2)
Lautocorr elation permet par exemple de diff erencier un signal qui varie tr` es rapidement dun signal qui varie plus
lentement. Lorsquon applique lautocorr elation ` a un signal ` a valeurs complexes, le terme x(t ) dans (6.2) doit
etre conjugu e.
Lautocorr elation est une fonction sym etrique et maximale en = 0. La valeur en = 0 de lautocorr elation
est l energie du signal.

x
() =
x
() et
x
()
x
(0) = E
x
De m eme que pour lintercorr elation, on d enit aussi la densit e spectrale d energie pour un signal x(t) et
celle-ci sexprime en fonction de la transform ee de Fourier de x(t).

x
(f) = TF[
x
(t)] (f) =

X(f)

2
Cet outil est utilis e en th eorie des signaux al eatoires pour interpr eter les signaux al eatoires comme etant la
sortie dun ltre lin eaire dont lentr ee serait un bruit blanc, cest-` a-dire un signal al eatoire particulier au sens quon
ne trouverait aucune corr elation entre les valeurs prises par ce signal en diff erents instants. Cet outil permet ainsi
destimer le module au carr e de la r eponse fr equentielle de ce ltre.
38
6.3.2 Signaux temps discret non-p eriodiques
Lintercorr elation peut aussi sappliquer ` a deux signaux temps discret non-p eriodiques x
n
et y
n
et produit un signal
temps continu non-p eriodique

x,y
[k] =
+

n=
x
n
y
nk
(6.3)
Ainsi
x,y
[k] mesure la similarit e entre le signal x
n
et le signal y
n
retard e de k. Lorsquon applique lintercorr elation
` a des signaux complexes, le terme y
nk
dans (6.3) doit etre conjugu e (i.e. le signe de la partie imaginaire doit etre
modi e).
On d enit la densit e spectrale d energie pour deux signaux comme la transform ee de Fourier ` a temps discret de
lintercorr elation

xy
(f) = TFTD[
xy
[n]] (f)
Le th eor` eme de Wiener Kintchine montre que cette densit e spectrale d energie peut aussi sexprimer en fonction
des transform ee de Fourier des deux signaux

xy
(f) =

X(f)

Y (f)
De m eme qu` a temps continu, il y a encore la m eme proximit e math ematique entre lintercorr elation et le
produit de convolution.

xy
[k] =
_
x
n
d
y
n
_
[k] o` u y
n
= y
n
Lautocorr elation sapplique ` a un signal temps discret non-p eriodique x
n
et est d eni par

x
[k] =
+

n=
x
n
x
nk
(6.4)
Lorsquon applique lautocorr elation ` a un signal ` a valeurs complexes, le terme x
nk
dans (6.4) doit etre conjugu e.
Lautocorr elation est une fonction sym etrique et maximale en = 0. La valeur en = 0 de lautocorr elation
est l energie du signal.

x
[k] =
x
[k] et
x
[k]
x
[0] = E
x
De m eme que pour lintercorr elation, on d enit aussi la densit e spectrale d energie pour un signal x
n
et celle-ci
sexprime en fonction de la transform ee de Fourier ` a temps discret de x
n
.

x
(f) = TFTD[
x
[n]] (f) =

X(f)

2
A partir de donn ees exp erimentales compos ees de N echantillons des signaux x
n
et y
n
on peut estimer leur
intercorr elation (k 0)

xy
[k] =
1
N k
N1

n=k
x
n
y
nk
(6.5)
Si k < 0,

xy
[k] =
1
N +k
N+k1

n=0
x
n
y
nk
(6.6)
39
La normalisation par N k et le fait que la variable n parcourt lensemble {0...N k 1} compos e de
N k el ements provient justement de ce quand on d ecale un signal de k echantillons par rapport ` a lautre, il
ny a plus que N k echantillons qui peuvent etre pris en compte. Le chapeau dans
xy
[k] ne signie quon a
effectu e une transform ee de Fourier mais quil sagit dune quantit e estim ee, quil faut distinguer de la d enition
de lintercorr elation.
A partir de donn ees exp erimentales compos ees de N echantillons dun signal x
n
, on peut aussi estimer son
autocorr elation

x
[k] =
xy
[k]
6.3.3 Signaux temps discret p eriodiques
Lintercorr elation peut aussi sappliquer ` a deux signaux temps discret p eriodiques x
n
et y
n
de p eriodes N et produit
un signal temps continu p eriodique de p eriode N

x,y
[k] =
1
N
N1

n=0
x
n
y
nk
(6.7)
Lorsquon applique lintercorr elation ` a des signaux complexes, le terme y
nk
dans (6.7) doit etre conjugu e (i.e.
le signe de la partie imaginaire doit etre modi e). La normalisation par N et le fait que la variable n parcourt
lensemble {0...N 1} compos e de N el ements est possible du fait que les signaux sont p eriodiques et que par
exemple y
1
est en fait egal ` a y
N1
. On peut remarquer que aussi bien dans le cas pr esent que pour (6.5) on
peut calculer lintercorr elation ` a partir de la seule connaissance de N donn ees de x
n
et de y
n
, les formules sont
diff erentes et reposent sur des suppositions diff erentes. Cest en fonction de lapplication que lon appliquera (6.7)
ou (6.5).
On d enit la densit e spectrale de puissance pour deux signaux comme la transform ee de Fourier discr` ete de
lintercorr elation

xy
(f) = TFD[
xy
[n]] (f)
Le th eor` eme de Wiener Kintchine montre que cette densit e spectrale de puissance peut aussi sexprimer en
fonction des transform ee de Fourier des deux signaux

xy
(f) =

X(f)

Y (f)
A la diff erence du cas temps discret non-p eriodique, la proximit e math ematique est avec le produit de convolu-
tion circulaire.
Lautocorr elation sapplique aussi ` a un signal temps discret p eriodique x
n
et est d eni par

x
[k] =
1
N
N1

n=0
x
n
x
nk
(6.8)
Lorsquon applique lautocorr elation ` a un signal ` a valeurs complexes, le terme x
nk
dans (6.8) doit etre conjugu e.
Lautocorr elation est une fonction sym etrique et maximale en = 0. La valeur en = 0 de lautocorr elation
est la puissance du signal.

x
[k] =
x
[k] et
x
[k]
x
[0] = P
x
De m eme que pour lintercorr elation, on d enit aussi la densit e spectrale de puissance pour un signal x
n
et
celle-ci sexprime en fonction de la transform ee de Fourier discr` ete de x
n
.

x
(f) = TFD[
x
[n]] (f) =

X(f)

2
40
Chapter 7
Fonctions de transfert : Cours 1F
Lobjectif de ce chapitre est de pr esenter une nouvelle transformation qui pr esente certaines similarit es avec la
transformation de Fourier : la transform ee de Laplace pour les signaux ` a temps continu. Le chapitre suivant traite
de la transform ee en Z pour les signaux ` a temps discret. Ces deux transformations sont plus adapt ees ` a l etude des
ltres analogiques (et num eriques). Elles ne permettent pas de prendre en compte le pass e lointain dun signal (en
particulier on ne pas lappliquer ` a des signaux p eriodiques), mais cette limitation permet une plus grande libert e
dans lutilisation de cet outil et une simplication des calculs.
7.1 D enition de la transform ee de Laplace
La transform ee de Laplace sapplique ` a des signaux temps continu x(t) causaux. De tels signaux sont d enis par
t < 0 x(t) = 0 (7.1)
Il sagit de signaux qui sont nuls pour tous les instants pr ec edent linstant nul. La partie ` a gauche de laxe des
ordonn ees de la courbe repr esentative de tels signaux est sur laxe des abscisses.
Figure 7.1: Repr esentation graphique dun signal temps continu et causal.
La gure 7.1 montre un signal temps continu causal.
41
La transform ee de Laplace est une transformation qui sapplique ` a un signal temps continu causal x(t) et
qui produit une fonction de variable complexe p d enie seulement pour les complexes dont la partie r eelle est
strictement positive.
X(p) =
_
+
0
x(t)e
pt
dt (7.2)
On peut observer que la borne inf erieure de lint egrale est 0 et non pr ecis ement parce que x(t) est un signal
causal.
Le fait de se limiter aux complexes ` a partie r eelle strictement positive fait que lint egrale converge pratiquement
quelle que soit le signal x(t) consid er e parce que |e
pt
| est major ee par e
(p)t
qui est une fonction qui d ecrot
vers z ero exponentiellement. Techniquement il suft que x(t) soit une fonction mesurable et major ee en valeure absolue
par une fonction polynomiale pour que lint egrale soit d enie et prenne une valeure nie.
Pour d enir la transform ee inverse, il faudrait etendre la notion dint egrale par rapport ` a une variable r eelle ` a
une notion plus g en erale d enie sur le plan complexe. Cette notion existe, mais dans le cadre de ce cours, nous
naurons pas besoin de cette notion. Nous utiliserons seulement le fait quil ne peut pas exister de vraies diff erences
entre deux signaux causaux ayant la m eme transform ee de Laplace (voir cours sur les int egrales de Lebesgue). Ainsi
pour calculer la transform ee de Laplace inverse, il suft de deviner quel est le signal causal dont la transform ee de
Laplace donne le r esultat souhait e. Lutilisation des propri et es de la transform ee de Laplace permet en g en eral de
trouver le signal causal.
La transform ee de Laplace pr esente de nombreuses similarit es avec la transform ee de Fourier. On consid` ere
un signal x(t) pour lequel ` a la fois la tranform ee de Fourier et la transform ee de Laplace sont d enis, x(t) est ` a la
fois temps continu causal (et non-p eriodique) et on note X(p) sa transform ee de Laplace et

X(f) sa transform ee
de Fourier. On suppose que X(p) est encore d enie sur laxe des ordonn ees (ce qui suppose par exemple que le
signal x(t) nait pas le comportement dune sinusode quand t tend vers linni).

X(f) = X(j2f) (7.3)

Ceci signie que la transform ee dun signal peut se lire en prolongeant (si tant est que cela est possible) la trans-
form ee de Laplace sur laxe des ordonn ees.
Nous verrons dans la partie suivante que les propri et es de la transform ee de Laplace sont tr` es similaires ` a la
transform ee de Fourier.
7.2 Propri et es de la transform ee de Laplace
La notion de parit e est relativement similaire, ` a ceci pr` es quon ne peut bien s ur plus consid erer les signaux
sym etriques par rapport ` a t = 0, de tels signaux ne sont pas causaux. On consid` ere un signal x(t) un signal
causal et r eel et X(p) sa transform ee de Laplace.
X( p) =

X(p) (7.4)
En particulier si X(p) est un polyn ome ou une fraction rationnelle (cest-` a-dire un quotient de polyn omes), les
coefcients utilis es sont n ecessairement ` a valeurs r eelles.
En p = 0, on a la relation suivante :
X(0) =
_
+
0
x(t) dt
Comme toutes les autres transform ees vues en cours, la transform ee de Laplace est aussi lin eaire. On consid` ere
un signal x(t) temps continu et causal et x

(t) = ax(t). On note X(p) et X

(p) les deux transform ees de Laplace.

X

(p) = aX(p) (7.5)

42
On consid` ere deux signaux x(t) et y(t) temps continu et causaux et z(t) = x(t) + y(t). On note X(p), Y (p) et
Z(p) les transform ees de Laplace de x(t), y(t) et z(t).
Z(p) = X(p) +Y (p) (7.6)
La transform ee de Laplace a aussi une propri et e relative au changement d echelle de temps. On consid` ere un
signal temps continu causal x(t) et y(t) = x(
t
a
) un signal obtenu par changement d echelle de temps, ce signal est
aussi causal. Les transform ees de Laplace associ ees v erient la relation suivante :
Y (p) = aX(ap) (7.7)
Une propri et e particuli` erement remarquable des transform ees de Laplace est quelle transforme lint egration
en une division par p et un d erivation par une multiplication par p. En toute rigueur il y a cependant quelques
pr ecautions ` a prendre pour eviter lapparition de singularit es ou pour les calculer.
On consid` ere un signal x(t) temps continu et causal qui en linni tend vers z ero (lim
t+
x(t) = 0). On
d enit y(t) = 1
[0,+[
(t)
_
t
0
x() d Les deux transform ees de Laplace v erient les relations suivantes :
Y (p) =
X(p)
p
(7.8)
On consid` ere x(t) un signal temps continu causal et continu en t = 0 (lim
t0
x(t) = 0). On d enit y(t) =
dx
dt
|
t
.
Les deux transform ees de Laplace v erient la relation suivante :
Y (p) = pX(p) (7.9)
La transform ee de Laplace transforme un produit de convolution en un produit de transform ee de Laplace. On
consid` ere deux signaux temps continu et causaux x(t) et y(t). Etant continus, leur produit de convolution s ecrit
z(t) =
_
t
0
x()y(t ) d (7.10)
Ce signal est aussi causal. La relation entre les transform ees de Laplace X(p), Y (p) et Z(p) de x(t), y(t) et z(t)
s ecrit
Z(p) = X(p)Y (p) (7.11)
La transform ee de Laplace transforme un produit de convolution en un produit de transform ee de Laplace. On
consid` ere deux signaux temps continu et causaux x(t) et y(t). Etant causaux, leur produit de convolution s ecrit
z(t) =
_
t
0
x()y(t ) d (7.12)
Ce signal est aussi causal. La relation entre les transform ees de Laplace X(p), Y (p) et Z(p) de x(t), y(t) et z(t)
s ecrit
Z(p) = X(p)Y (p) (7.13)
Si on retarde un signal alors sa transform ee de Laplace est transform e par l equivalent dun d ephasage. On
consid` ere x(t) un signal temps continu et causal et x

(t) un signal retard e dun temps egal ` a t

0
x

(t) = x(t t
0
)
alors

(p) = e
pt
0
X(p) (7.14)
Lorsquon prolonge X(p) et X

(p) sur laxe des ordonn ees, on retrouve bien un d ephasage : X(p) et X

(p)
ont alors m eme module et ne diff` erent que par la phase.
43
La propri et e relative ` a la modulation existe aussi pour les transform ees de Laplace. On consid` ere un signal
temps continu et causal x(t) et un signal modul e x

(t) = e
j2f
0
t
x(t) alors la relation entre les deux transform ees
de Laplace est
X

(p) = X(p j2f

0
) (7.15)
Cette relation permet justement de retrouver lid ee que le spectre est alors d ecal e de f
0
.
On consid` ere maintenant quelques exemples de transform ee de Laplace. Le premier est similaire ` a la trans-
form ee de Fourier.
TL[(t)] = 1 (7.16)
Les trois suivants sont clairement diff erents de la transform ee de Fourier.
TL
_
1
[0,+[
(t)

(p) =
1
p
TL
_
cos(2f
0
t)1
[0,+[
(t)

(p) =
1
2
1
pj2f
0
+
1
2
1
p+j2f
0
TL
_
sin(2f
0
t)1
[0,+[
(t)

(p) =
1
2j
1
pj2f
0

1
2j
1
p+j2f
0
Il est tentant de vouloir retrouver la transform ee de Laplace ` a partir de la transform ee de Fourier, cela peut etre
une mauvaise id ee en particulier sil sagit dun signal constant ou p eriodique et ce m eme si le signal a et e rendu
causal par linterm ediaire de la fonction 1
[0,+[
(t).
7.3 Filtre analogique, causalit e et fonction de transfert
On souhaite maintenant pouvoir appliquer cette transformation aux ltres analogiques. Mais pour cela il faut que
la r eponse impulsionnelle des ltres consid er es soient causale.
On d enit un ltre causal comme etant un ltre dont la r eponse impulsionnelle est causale.
H est causal h(t) est causal (7.17)
Il se trouve que la causalit e peut etre d enie de mani` ere equivalente par la propri et e suivante. Un ltre est
causal si une modication de lentr ee post erieure ` a un instant t
0
ne peut entraner de cons equences sur la sortie
pour t < t
0
.
Les ltres utilis es pour mod eliser des ph enom` enes qui s ecoulant dans le temps sont a priori causaux, ne serait-
ce que parce quil nest pas possible dagir aujourdhui sur les ev` enements du pass e. Il nest par exemple pas
possible dagir sur le volant dune voiture pour apr` es un accident faire en sorte quil ny ait pas eu daccident.
En revanche lorsquon utilise les ltres pour mod eliser des ph enom` enes qui sont distribu es spatialement, cest
le cas pour les images, les ltres consid er es ne sont en g en eral pas causaux et certaines pr ecautions sont n ecessaires.
On appelle fonction de transfert la transform ee de Laplace de la r eponse impulsionnelle dun ltre analogique.
On appelle gain dun ltre le module de cette fonction de transfert et phase largument de cette fonction de transfert.
On dit que la fonction de transfert dun ltre s ecrit sous la forme dune fraction rationnelle sil existe des
coefcients a
0
...a
N
et b
0
...b
M

H(p) =
b
0
+b
1
p +... +b
M
p
M
a
0
+a
1
p +... +a
N
p
N
(7.18)
De tels ltres sont parfois appel es ltres rationnels. En pratique les ltres que nous consid ererons ont des fonctions
de transfert qui s ecrivent sous la forme dune fraction rationnelle.
De tels ltres peuvent aussi etre mod elis es par une equation diff erentielle
a
0
y(t) +a
1
d
dt
y(t) +... +a
N
d
dt
N
y(t) = b
0
x(t) +b
1
d
dt
x(t) +... +b
M
d
dt
M
x(t)
En effet le produit par p sinterpr ete comme une d erivation par rapport au temps. De tels ltres peuvent aussi etre
simul es par un assemblage de condensateurs et de r esistances. La r eponse fr equentielle de tels ltres peut souvent
44
(` a condition que la fonction de transfert puisse etre prolong ee sur lensemble de laxe imaginaire) se mettre sous la
forme

H(f) =
b
0
+b
1
j2f +... +b
M
(j2f)
M
a
0
+a
1
j2f +... +a
N
(j2f)
N
7.4 Crit` ere de stabilit e des ltres analogiques
Pour quon puisse utiliser un ltre comme mod elisation dun ph enom` ene physique il est souhaitable que ce ltre
soit stable. En g en eral on attend trois propri et es :
y(t) 0 quand u(t) 0
y(t) est born e quand u(t) est born e.
|y z| 0 quand |u v| 0.
o` u u(t), v(t) sont des entr ees du ltre et y(t) et z(t) sont les sorties correspondantes. Il se trouve que pour les ltres
que nous consid erons ces trois propri et es sont equivalentes entre elles et cest ce que nous appelerons la propri et e
de stabilit e.
Nous consid erons ici que des ltres rationnels, la stabilit e est donc n ecessairement d etermin es par les valeurs
prises par les coefcients qui d enissent ces fractions rationnelles, mais donner une condition sur la valeur de ces
coefcients seraient une t ache complexe. Au lieu de cela on d enit la notion de z ero et de p ole.
On consid` ere un ltre H de fonction de transfert H(p) =
P(p)
Q(p)
. P est un polyn ome appel e num erateur et Q est
un polyn ome appel e d enominateur. On appelle z eros de H les racines de P et on appelle p oles de H les racines de
Q.
La stabilit e dun ltre est d etermin e par le lieu des p oles de H.
H est stable si il ny aucun p ole sur {p|e(p) 0}.
On peut aussi dire que H de fonction de transfert H(p) =
P(p)
Q(p)
est stable si
p tel que e(p) 0 on a Q(p) = 0 (7.19)
La d ecomposition en el ement simple est un outil math ematique permettant d ecrire les fractions rationnelles (et
donc en loccurence les fonctions de transfert des ltres rationnels) sous une forme un peu diff erente.
On dit que p
0
est racine dun polyn ome Q si Q(p
0
) = 0. On dit que cette racine est de multiplicit e 1 si le
polyn ome sannule en p
0
mais pas sa d eriv ee. On dit que p
0
est de multiplicit e m si le polyn ome Q et toutes ses
d eriv ees jusqu` a lordre m 1 sannulent en p
0
et que la d eriv ee ` a lordre m ne sannulle pas en p
0
. En fait pour
un polyn ome trouver les racines et leur multiplicit e cest factoriser le plus compl` etement un polyn ome. Un r esultat
math ematique afrme en effet que, ` a condition de sautoriser ` a consid erer des racines ` a valeurs complexes, tout
polyn ome Q de degr e n a toujours un ensemble de racines dont la somme des multiplicit es est egale ` a n, et que
si on note p
0
...p
M
les racines de Q et
0
...
M
les multiplicit es de ces racines, alors il existe K un r eel tel que
Q(p) = K(p p
0
)

0
..(p p
M
)

M
.
On consid` ere un ltre dont la fonction de transfert s ecrit sous la forme dune fraction rationnelle H(p) =
P(p)
Q(p)
.
On note p
0
...p
M
les racines de Q et
0
...
M
les multiplicit es de ces racines. Il existe a
0
0
... a

0
1
0
... a
0
M
...a

M
1
M
tel que
H(p) =
a
0
p p
0
+... +
a

0
1
0
(p p
0
)

0
1
+... +
a
M
p p
M
+... +
a

M
1
M
(p p
M
)

M
1
(7.20)
Cette ecriture sappelle la d ecomposition en el ement simple de H(p). Il existe diff erentes techniques pour calculer
ces coefcients. Mais sans connatre ces techniques, il est toujours possible trouver ces coefcients en cherchant ` a
retrouver lexpression de d epart.
La d ecomposition en el ement simple est un outil permettant de trouver la r eponse impulsionnelle dun ltre ` a
partir de sa fonction de transfert. Voici les etapes ` a effectuer.
45
1. Trouver les racines de Q avec leur ordre de multiplicit e.
2. Ecrire la relation (7.20).
3. Calculer les valeurs des coefcients a
j
i
.
4. Trouver des signaux causaux dont les transform ees de Laplace concident avec les el ements de la d ecomposition.
5. En d eduire la r eponse impulsionnelle.
7.5 Filtres analogiques ` a phase lin eaire
Un ltre est dit ` a phase lin eaire si courbe repr esentative de la phase de la r eponse fr equentielle en fonction de la
fr equence est constitu ee dune succession de droite de m emes pentes. Il est rare que cette courbe soit une droite
parce que la phase est en fait un angle souvent repr esent e entre et et quil a en g en eral un saut quand lune de
ces deux extr emit es est atteinte. On peut aussi dire quun ltre est ` a phase lin eaire si en dehors dun certain nombre
de fr equences particuli` eres, la d eriv ee de la phase est une constante.
d
df
arg

S(f) = C
te
Figure 7.2: Repr esentation graphique de la phase de la r eponse fr equentielle (rad) en fonction de la fr equence (Hz)
du ltre de r eponse impulsionnelle h(t) = 1
[0,1]
(t), (t en s).
Les gures 7.2 et 7.3 montrent la phase de la r eponse fr equence fr equentielle en fonction de la fr equence. Pour
la gure 7.2 il sagit dun ltre ` a phase lin eaire tandis que pour la gure 7.3, le ltre nest pas ` a phase lin eaire.
Lobjectif de cette section est d enoncer que le fait quun ltre soit ` a phase lin eaire d epend en fait dune
caract eristique de la r eponse impulsionnelle. Un ltre est ` a phase lin eaire lorsque sa r eponse impulsionnelle est
sym etrique ou anti-sym etrique par rapport ` a un instant donn e.
On dit quun signal s(t) est sym etrique par rapport ` a linstant t = t
0
, si la courbe repr esentative de s(t) par
rapport ` a t admet un axe de sym etrie en t = t
0
. La sym etrie de s(t) par rapport ` a t = t
0
peut aussi etre d enie de
la facon suivante :
t, s(t) = s(2t
0
t)
46
Figure 7.3: Repr esentation graphique de la phase de la r eponse fr equentielle (rad) en fonction de la fr equence (Hz)
du ltre de r eponse impulsionnelle h(t) = et1
[0,+[
(t), (t en s).
On dit quun signal s(t) est anti-sym etrique par rapport ` a linstant t = t
0
, si la courbe repr esentative de s(t)
par rapport ` a t admet un point de sym etrie centrale en t = t
0
et 0. La sym etrie de s(t) par rapport ` a t = t
0
peut
aussi etre d enie de la facon suivante :
t, s(t) = s(2t
0
t)
Les gures 7.4 et 7.5 repr esentent les r eponses impulsionnelles en fonction du temps des ltres repr esent es sur
les gures 7.2 et 7.3. Sur la gure 7.4, on observe que la r eponse impulsionnelle est bien sym etrique et il est donc
normal que sur la gure 7.2, le ltre soit ` a phase lin eaire. En revanche la r eponse impulsionnelle montr ee sur la
gure 7.3 nest pas sym etrique et il est donc normal que le ltre repr esent e sur la gure 7.3 ne soit pas ` a phase
lin eaire.
7.6 Filtres analogiques ` a phase minimale
Un ltre ` a minimum de phase a tous ces z eros ` a lint erieur du demi-plan {p|(p) < 0}. Une des propri et es
des ltres ` a minimum de phase est quils ont un ltre inverse stables. Pour un ltre quelconque stable et causal
H, il existe un ltre ` a minimum de phase H
m
dont le module de la fonction de transfert |H
m
(p)| est identique
au module de la premi` ere fonction de tranfert |H(p)|. Trouver un tel ltre ` a minimum de phase, cest faire une
d ecomposition dun ltre en une association dun ltre ` a minimumde phase |H
m
(p)| et dun ltre passe-tout
H(p)
Hm(p)
.
On trouve ce ltre ` a minimum de phase en remplacant les z eros de Hqui se trouveraient dans le mauvais demi-plan
{p|(p) > 0} par des z eros dont on a chang e le signe de la partie r eelle et apr` es multiplication par une constante
appropri ee.
47
Figure 7.4: Repr esentation graphique de la r eponse impulsionnelle h(t) = 1
[0,1]
(t) en fonction du temps (s) qui est
sym etrique par rapport ` a t = 1/2.
Figure 7.5: Repr esentation graphique de la r eponse impulsionnelle h(t) = e
t
1
[0,+[
(t) en fonction du temps (s)
qui nest pas sym etrique.
48
Chapter 8
Descripteurs de signaux et de ltres : cours 2F
Lobjectif de ce chapitre est de pr esenter la transform ee en Z qui est tr` es similaire ` a la transform ee de Laplace, ` a
ceci pr` es quelle sapplique aux signaux ` a temps discret et est utilis ee pour les ltres num eriques. Tout comme la
transform ee de Laplace, elle ne permet pas de prendre en compte le pass e lointain dun signal (en particulier on ne
pas lappliquer ` a des signaux p eriodiques), mais cette limitation permet une plus grande libert e dans lutilisation de
cet outil et une simplication des calculs.
8.1 Transform ee en Z
La transform ee de Laplace sapplique ` a des signaux temps discret x
n
causaux. De tels signaux sont d enis par
n < 0 x
n
= 0 (8.1)
Il sagit de signaux qui sont nuls pour tous les instants pr ec edent linstant nul. La partie ` a gauche de laxe des
ordonn ees de la courbe repr esentative de tels signaux est sur laxe des abscisses.
Figure 8.1: Repr esentation graphique dun signal temps discret et causal.
La gure 8.1 montre un signal temps discret causal.
La transform ee en Z est une transformation qui sapplique ` a un signal temps discret causal x
n
et qui produit
une fonction de variable complexe z d enie seulement pour les complexes dont le module est strictement sup erieur
49
` a 1.
S(z) =

nN
x
n
z
n
(8.2)
On peut observer que la borne inf erieure de la somme est 0 et non pr ecis ement parce que x
n
est un signal
causal.
Le fait de se limiter aux complexes de module strictement sup erieur ` a 1 fait que la s erie converge pratiquement
quelle que soit le signal x
n
consid er e parce que |z
n
| est major ee par |z|
n
qui est une fonction qui d ecrot vers z ero
exponentiellement. Techniquement il suft que la suite x
n
soit major ee en valeure absolue par une fonction polynomiale en
n pour que lint egrale soit d enie et prenne une valeure nie.
Pour d enir la transform ee inverse, il faudrait etendre la notion dint egrale par rapport ` a une variable r eelle ` a
une notion plus g en erale dint egrale d enie sur le plan complexe. Cette notion existe, mais dans le cadre de ce
cours, nous naurons pas besoin de cette notion. Nous utiliserons seulement le fait quil ny a aucune diff erence
entre deux signaux causaux ayant la m eme transform ee en Z. Ainsi pour calculer la transform ee en Z inverse, il
suft de deviner quel est le signal causal dont la transform ee en Z donne le r esultat souhait e. Lutilisation des
propri et es de la transform ee en Z permet en g en eral de trouver le signal causal.
La transform ee en Z pr esente de nombreuses similarit es avec la transform ee de Fourier. On consid` ere un signal
temps discret x
n
pour lequel ` a la fois la tranform ee de Fourier et la transform ee de Laplace sont d enis, x
n
est ` a
la fois temps discret causal (et non-p eriodique) et on note X(z) sa transform ee en Z et

X(f) sa transform ee de
Fourier ` a temps discret. On suppose que X(z) est encore d enie sur le cercle unit e (ce qui suppose par exemple
que le signal x
n
nait pas le comportement dune sinusode quand n tend vers linni).

X(f) = X(e
j2fTe
) (8.3)
o` u T
e
est la p eriode d echantillonnage du signal x
n
. Ceci signie que la transform ee dun signal peut se lire en
prolongeant (si tant est que cela est possible) la transform ee en Z sur le cercle unit e.
Nous verrons dans la partie suivante que les propri et es de la transform ee en Z sont tr` es similaires ` a la trans-
form ee de Fourier.
8.2 Propri et es de la transform ee en Z
La notion de parit e est relativement similaire, ` a ceci pr` es quon ne peut bien s ur plus consid erer les signaux
sym etriques par rapport ` a n = 0, de tels signaux ne sont pas causaux. On consid` ere un signal x
n
un signal
causal et ` a valeurs r eelles et X(z) sa transform ee en Z.
X( z) =

X(z) (8.4)
En particulier si X(z) est un polyn ome de variable z
1
ou une fraction rationnelle de variable z
1
, les coefcients
utilis es sont n ecessairement ` a valeurs r eelles.
En z = 1, on a la relation suivante :
X(1) =

nN
x
n
Comme toutes les autres transform ees vues en cours, la transform ee en Z est aussi lin eaire. On consid` ere un
signal x
n
temps discret et causal et x

n
= ax
n
. On note X(z) et X

(z) les deux transform ees en Z.

X

(z) = aX(z) (8.5)

On consid` ere deux signaux x
n
et y
n
temps discret et causaux et z
n
= x
n
+ y
n
. On note X(z), Y (z) et Z(z) les
transform ees de Laplace de x
n
, y
n
et z
n
.
Z(z) = X(z) +Y (z) (8.6)
50
La transform ee en Z ne peut pas transformer une int egration ou une d erivation en un produit ou une division,
mais il existe deux propri et es relativement similaires.
On consid` ere un signal x
n
temps discret et causal qui en linni tend vers z ero (lim
n+
x
n
= 0). On d enit
y
n
=

n
m=0
x
m
Les deux transform ees en Z v erient la relation suivante :
Y (z) =
X(z)
1 z
1
(8.7)
On consid` ere x
n
un signal temps discret causal. On d enit y
n
= x
n
x
n1
. Les deux transform ees en Z
v erient la relation suivante :
Y (z) = (1 z
1
)X(z) (8.8)
La transform ee en Z transforme un produit de convolution (entre signaux temps discrets causaux) en un produit
de transform ee en Z. On consid` ere deux signaux temps discret et causaux x
n
et y
n
. Etant causaux, leur produit de
convolution s ecrit
z
n
=
n

p=0
x
p
y
np
(8.9)
Ce signal est aussi causal. La relation entre les transform ees en Z X(z), Y (z) et Z(z) de x
n
, y
n
et z
n
s ecrit
Z(z) = X(z)Y (z) (8.10)
Si on retarde un signal temps discret dun certain nombre de pas de temps alors sa transform ee en Z est trans-
form ee par l equivalent dun d ephasage. On consid` ere x
n
un signal temps discret et causal et y
n
un signal retard e
de d pas de temps y
n
= x
nd
alors

Y (z) = z
d
X(z) (8.11)
Lorsquon prolonge X(z) et Y (z) sur le cercle unit e, on retrouve bien un d ephasage : X(z) et Y (z) ont alors
m eme module et ne diff` erent que par la phase.
La propri et e relative ` a la modulation existe aussi pour les transform ees en Z. On consid` ere un signal temps
discret et causal x
n
et un signal modul e y
n
= e
j2f
0
nTe
x
n
alors la relation entre les deux transform ees en Z est
Y (z) = X(e
j2f
0
Te
z) (8.12)
Cette relation permet justement de retrouver lid ee que le spectre est alors d ecal e de f
0
.
On consid` ere maintenant quelques exemples de transform ee de Laplace. Le premier est similaire ` a la trans-
form ee de Fourier ` a temps discre.
TL[
n
] = 1 (8.13)
Les trois suivants sont clairement diff erents de la transform ee de Fourier ` a temps discret.
TZ[1
N
[n]] (z) =
1
1z
1
TZ[cos(2f
0
nT
e
)1
N
[n]] (z) =
1
2
1
1e
j2f
0
Te
z
1
+
1
2
1
1e
j2f
0
Te
z
1
TZ[sin(2f
0
nT
e
)1
N
[n]] (z) =
1
2j
1
1e
j2f
0
Te
z
1

1
2j
1
1e
j2f
0
Te
z
1
Il est tentant de vouloir retrouver la transform ee en Z ` a partir de la transform ee de Fourier, cela peut etre une
mauvaise id ee en particulier sil sagit dun signal constant ou p eriodique et ce m eme si le signal a et e rendu causal
par linterm ediaire dune suite echelon 1
[0,+[
[n].
51
8.3 Filtre num erique, causalit e et fonction de transfert
On souhaite maintenant pouvoir appliquer cette transformation aux ltres num eriques. Mais pour cela il faut que
la r eponse impulsionnelle des ltres consid er es soient causale.
On d enit un ltre causal comme etant un ltre dont la r eponse impulsionnelle est causale.
H est causal h
n
est causal (8.14)
Il se trouve que la causalit e peut etre d enie de mani` ere equivalente par la propri et e suivante. Un ltre est
causal si une modication de lentr ee post erieure ` a un instant n
0
ne peut entraner de cons equences sur la sortie
pour n < n
0
.
Les ltres utilis es pour mod eliser des ph enom` enes qui s ecoulant dans le temps sont a priori causaux. En
revanche lorsquon utilise les ltres pour mod eliser des ph enom` enes qui sont distribu es spatialement, cest le cas
pour les images num eriques, les ltres consid er es ne sont en g en eral pas causaux et certaines pr ecautions sont
n ecessaires.
Dans la pratique, il y a en g en eral un temps de retard entre une variation de lentr ee et la cons equence sur
la sortie dun ltre. Les ltres qui pr esentent cette caract eristique sont dits strictement causaux. Leur r eponse
impulsionnelle est nulle en n = 0.
On appelle fonction de transfert la transform ee en Z de la r eponse impulsionnelle dun ltre analogique.
On dit que la fonction de transfert dun ltre s ecrit sous la forme dune fraction rationnelle sil existe des
coefcients a
0
...a
N
et b
0
...b
M

H(z) =
b
0
+b
1
z
1
+... +b
M
z
M
a
0
+a
1
z
1
+... +a
N
z
N
(8.15)
De tels ltres sont parfois appel es ltres rationnels. En pratique les ltres que nous consid ererons ont des fonctions
de transfert qui s ecrivent sous la forme dune fraction rationnelle.
De tels ltres peuvent aussi etre mod elis es par une equation aux diff erences
a
0
y
n
+a
1
y
n1
+... +a
N
y
nN
= b
0
x
n
+b
1
x
n1
+... +b
M
x
nM
En effet le produit par z
1
sinterpr ete comme un retard dun pas de temps. La r eponse fr equentielle de tels ltres
peut souvent (` a condition que la fonction de transfert puisse etre prolong ee sur lensemble de le cercle unit e) se
mettre sous la forme

H(f) =
b
0
+b
1
e
j2fTe
+... +b
M
e
j2fMTe
a
0
+a
1
e
j2fTe
+... +a
N
e
j2fNTe
Parmi les ltres num eriques causaux, on distingue plusieurs cat egories. On appelle ltre MA (moving average,
ou ` a moyenne mobile) ou ltre RIF, un ltre dont la R eponse Impulsionnelle est Finie (nombre ni de termes
non-nuls). Les relations entr ees-sorties peuvent se mettre sous la forme suivante :
a
0
y
n
= b
0
x
n
+b
1
x
n1
+... +b
M
x
nM
On appelle ltre AR (autor egressif) un ltre dont la relation entr ee-sortie est d enie par
a
0
y
n
= x
n
a
1
y
n1
... a
N
y
nN
On appelle ltre ARMA (autor egressif et ` a moyenne mobile ou autor egressif) un ltre dont la relation entr ee-
sortie est d enie par
a
0
y
n
= b
0
x
n
+b
1
x
n1
+... +b
M
x
nM
a
1
y
n1
... a
P
y
nP
Les ltre AR et ARMA sont des ltres RII (ltres ` a r eponses impulsionnelles innies).
52
8.4 Crit` ere de stabilit e des ltres num eriques
Pour quon puisse utiliser un ltre comme mod elisation dun ph enom` ene physique il est souhaitable que ce ltre
soit stable. En g en eral on attend trois propri et es :
y
n
0 quand u
n
0
y
n
est born e quand u
n
est born e.
|y
n
z
n
| 0 quand |u
n
v
n
| 0.
o` u u
n
, v
n
sont des entr ees du ltre et y
n
et z
n
sont les sorties correspondantes. Il se trouve que pour les ltres que
nous consid erons ces trois propri et es sont equivalentes entre elles et cest ce que nous appelerons la propri et e de
stabilit e.
Nous consid erons ici que des ltres rationnels, la stabilit e est donc n ecessairement d etermin es par les valeurs
prises par les coefcients qui d enissent ces fractions rationnelles, mais donner une condition sur la valeur de ces
coefcients seraient une t ache complexe. Au lieu de cela on d enit la notion de z ero et de p ole.
On consid` ere un ltre H de fonction de transfert H(z) =
P(z)
Q(z)
. P est un polyn ome appel e num erateur et Q est
un polyn ome appel e d enominateur. On appelle z eros de H les racines de P et on appelle p oles de H les racines de
Q.
La stabilit e dun ltre est d etermin e par le lieu des p oles de H.
H est stable si tous les p oles sont ` a lint erieur il ny aucun p ole sur sur le cercle unit e ou ` a lext erieur. {z||z|
1}.
On peut aussi dire que H de fonction de transfert H(z) =
P(z)
Q(z)
est stable si
p tel que |z| 1 on a Q(z) = 0 (8.16)
On peut utiliser de la m eme facon la d ecomposition en el ement simple pour trouver la r eponse impulsionnelle
` a partir de la fonction de transfert. Voici les etapes ` a effectuer.
1. Trouver les racines de Q avec leur ordre de multiplicit e.
2. Ecrire la relation (7.20).
3. Calculer les valeurs des coefcients a
j
i
.
4. Trouver des signaux causaux dont les transform ees en Z concident avec les el ements de la d ecomposition.
5. En d eduire la r eponse impulsionnelle.
Si on utilise les formules propres ` a la d ecomposition en el ement simple, il faut se souvenir quelles ne sont
valables que si on utilise des polyn omes de variable z et non z
1
ce qui pourtant est parfois tentant.
8.5 Filtres num eriques ` a phase lin eaire
Un ltre est dit ` a phase lin eaire si courbe repr esentative de la phase de la r eponse fr equentielle en fonction de la
fr equence est constitu ee dune succession de droite de m emes pentes. Il est rare que cette courbe soit une droite
parce que la phase est en fait un angle souvent repr esent e entre et et quil a en g en eral un saut quand lune de
ces deux extr emit es est atteinte. On peut aussi dire quun ltre est ` a phase lin eaire si en dehors dun certain nombre
de fr equences particuli` eres, la d eriv ee de la phase est une constante.
d arg

S(f)
df
= C
te
53
Figure 8.2: Repr esentation graphique de la phase de la r eponse fr equentielle (rad) en fonction de la fr equence (Hz)
du ltre de r eponse impulsionnelle h(t) = 1
[0,4]
[n], (n en s).
Figure 8.3: Repr esentation graphique de la phase de la r eponse fr equentielle (rad) en fonction de la fr equence (Hz)
du ltre de r eponse impulsionnelle h
n
= e
n
1
N
[n], (n en s).
54
La gure 8.2 et 8.3 montrent la phase de la r eponse fr equence fr equentielle en fonction de la fr equence. Pour
la gure 8.2 il sagit dun ltre ` a phase lin eaire tandis que pour la gure 8.3, le ltre nest pas ` a phase lin eaire.
Lobjectif de cette section est d enoncer que le fait quun ltre soit ` a phase lin eaire d epend en fait dune
caract eristique de la r eponse impulsionnelle. Un ltre est ` a phase lin eaire lorsque sa r eponse impulsionnelle est
sym etrique par rapport ` a un instant donn e.
On dit quun signal s(t) est sym etrique par rapport ` a linstant t = n
0
T
e
/2, si la courbe repr esentative de s
n
par
rapport ` a n admet un axe de sym etrie en t = n
0
T
e
. La sym etrie de s
n
par rapport ` a t = n
0
T
e
/2 peut aussi etre
d enie de la facon suivante :
t, s
n
= s
n
0
Ten
Figure 8.4: Repr esentation graphique de la r eponse impulsionnelle h
n
= 1
[0,4]
[n] en fonction du temps (s) qui est
sym etrique par rapport ` a t = 2.
Les gures 8.4 et 8.5 repr esentent les r eponses impulsionnelles en fonction du temps des ltres repr esent es sur
les gures 8.2 et 8.3. Sur la gure 8.4, on observe que la r eponse impulsionnelle est bien sym etrique et il est donc
normal que sur la gure 8.2, le ltre soit ` a phase lin eaire. En revanche la r eponse impulsionnelle montr ee sur la
gure 8.3 nest pas sym etrique et il est donc normal que le ltre repr esent e sur la gure 8.3 ne soit pas ` a phase
lin eaire.
8.6 Filtres num eriques ` a phase minimale
Un ltre ` a minimum de phase a tous ces z eros ` a lint erieur du disque unit e {z||z| < 1}. Une des propri et es des
ltres ` a minimum de phase est quils ont un ltre inverse stables. Pour un ltre quelconque stable et causal H, il
existe un ltre ` a minimum de phase H
m
dont le module de la fonction de transfert |H
m
(z)| est identique au module
de la premi` ere fonction de tranfert |H(z)|. Trouver un tel ltre ` a minimum de phase, cest faire une d ecomposition
dun ltre en une association dun ltre ` a minimum de phase |H
m
(z)| et dun ltre passe-tout
H(z)
Hm(z)
. On trouve ce
ltre ` a minimum de phase en remplacant les z eros de H qui se trouveraient hors du disque unit e, dans {z||z| < 1}
par des z eros dont on a invers e le module sans changer largument et apr` es une multiplication par une constante
appropri ee.
55
Figure 8.5: Repr esentation graphique de la r eponse impulsionnelle h
n
= e
n
1
N
[n] en fonction du temps (s) qui
nest pas sym etrique.
56
Chapter 9
Synth` ese de ltres num eriques ` a r eponse
impulsionnelle nie : Cours G
Lobjectif dans ce chapitre et dans celui qui suit nest plus de d eterminer les propri et es dun ltre ` a partir de ses
caract eristiques donn ees par sa r eponse impulsionnelle, son equation entr ee-sortie, sa fonction de transfert ou sa
r eponse fr equentielle. Il sagit au contraire de choisir les caract eristiques du ltre de facon ` a ce quil r eponde ` a
des caract eristiques souhait ees. Il existe un tr` es grand nombre de m ethodes, nous en verrons deux, lune dans ce
chapitre permettant de faire la synth` ese dun ltre num erique ` a r eponse impulsionnelle nie (MA), et lautre dans
le chapitre qui suit permettant de faire la synth` ese dun ltre num erique ` a r eponse impulsionnelle innie (ARMA).
Il existe des techniques tr` es similaires permettant de synth etiser un ltre analogique, mais dans le cadre de ce
cours, nous nous limiterons ` a la synth` ese des ltres num eriques.
La premi` ere partie du chapitre d enit la notion de ltres id eaux qui nous servent ici ` a d enir lobjectif ` a
atteindre. La deuxi` eme partie expose une m ethodologie permettant de faire la synth` ese de ce ltre. La troisi` eme
partie propose dutiliser des fen etres pour am eliorer la synth` ese du ltre. La quatri` eme partie pr esente une technique
permettant de d enir un ltre num erique ` a partir des caract eristiques dun ltre analogique. La cinqui` eme partie
d ecrit une application utilisant la synth` eese de ltre : le d ebruitage dun signal.
9.1 Filtres id eaux
Dans un certain nombre dapplication, on d enit ce que lon recherche comme ltre optimal en indiquant les
fr equences pour lesquelles on ne souhaite aucune d eformation du signal, les fr equences pour lesquelles on souhaite
supprimer tout le signal et eventuellement les fr equences pour lesquelles la facon dont le signal est transform e nest
pas prise en compte dans lobjectif. Comme on sait que lapplication dun ltre sur un signal revient ` a multiplier la
r eponse fr equentielle du ltre par la transform ee de Fourier du signal, cette facon de formuler lobjectif de synth` ese
dun ltre revient ` a chercher ` a approcher un ltre id eal. Par ltre id eal, on entend ici un ltre dont le module de la
r eponse fr equentielle vaut soit 1 soit 0 en fonction de la valeur de la fr equence.
On distingue 5 types de ltres analogiques id eaux. On peut les d enir par leur spectre ou par la facon dont il
transforme un signal dentr ee u(t) de transform ee de Fourier

U(f), en un signal de sortie v(t) de transform ee de
Fourier

V (f).
Un ltre passe-bas id eal est un ltre qui laisse inchang e le spectre de lentr ee |

U(f)| pour toutes les fr equences

inf erieures ` a une fr equence de coupure et qui annule le spectre de lentr ee pour toutes les fr equences inf erieures
` a la fr equence de coupure. On peut le d enir ainsi
|

H(f)| = 1
[fc,fc]
(f)
La courbe en haut de la gure 9.1 est un exemple de r eponse fr equentielle de ltre passe-bas de fr equence de
coupure ` a 1Hz.
57
Figure 9.1: Repr esentation graphique de 4 r eponses fr equentielles de ltres analogiques id eaux (passe-bas, passe-
haut, passe-bande, coupe-bande). Laxe horizontal correspond aux fr equences.
Un ltre passe-haut id eal est un ltre qui laisse inchang e le spectre de lentr ee pour toutes les fr equences
sup erieures ` a une fr equence de coupure et qui annule le spectre pour toutes les fr equences inf erieures ` a la
fr equence de coupure. On peut le d enir ainsi :
|

H(f)| = 1
],fc]

[fc,+[
(f)
La deuxi` eme courbe de la gure 9.1 est un exemple de r eponse fr equentielle de ltre passe-haut de fr equence
de coupure ` a 1Hz.
Un ltre passe-bande id eal suppose ` a priori deux fr equences de coupures f
c1
et f
c2
. Il sagit dun ltre qui
laisse inchang e le spectre sur toutes les fr equences qui se situent entre f
c1
et f
c2
. Ce ltre annule le spectre
sur toutes les autres fr equences. On peut le d enir ainsi :
|

H(f)| = 1
[f
c2
,f
c1
]

[f
c1
,f
c2
]
(f)
La troisi` eme courbe de la gure 9.1 est un exemple de r eponse fr equentielle de ltre passe-bande de fr equences
de coupure ` a 1Hz et 2Hz.
Un ltre coupe-bande id eal suppose aussi quon choisisse deux fr equences de coupures f
c1
et f
c2
. Il sagit
dun ltre qui laisse inchang e le spectre sur toutes les fr equences qui se situent en dehors de lintervalle
[f
c1
, f
c2
]. Ce ltre annule le spectre sur toutes les fr equences situ ees entre la premi` ere et la seconde fr equence
de coupurre. On peut le d enir ainsi :
|

H(f)| = 1
]f
c2
]

[f
c1
,f
c1
]

[f
c2
,+[
(f)
La quatri` eme courbe de la gure 9.1 est un exemple de r eponse fr equentielle de ltre coupe-bande de
fr equences de coupure ` a 1Hz et 2Hz.
Un ltre passe-tout laisse inchang e le spectre de lentr ee mais peut modier sa phase. Il peut etre d eni par
|

H(f)| = 1
58
On utilise aussi cette classication pour les ltres num eriques id eaux. Les termes sont identiques, mais leur sig-
nication est l eg` erement modi ee puisque la r eponse fr equentielle dun ltre num erique est p eriodique de p eriode
f
e
o` u f
e
est la fr equence d echantillonnage. La modication consiste seulement ` a ce que la caract erisation d enie
plus haut est valable sur lintervalle [f
e
/2, f
e
/2].
Figure 9.2: Repr esentation graphique de 4 r eponses fr equentielles de ltres num eriques id eaux (passe-bas, passe-
haut, passe-bande, coupe-bande). Laxe horizontal correspond aux fr equences.
Les courbes de la gure 9.2 correspondent aux r eponses fr equentielles des ltres num eriques id eaux pour une
fr equence d echantillonnage f
e
= 6Hz. La courbe du haut correspond ` a un passe-bas. La deuxi` eme courbe
correspond ` a un passe-haut, la troisi` eme courbe correspond ` a un passe-bande, la quatri` eme courbe correspond ` a un
coupe-bande.
9.2 Synth` ese dun ltre num erique
Il nexiste pas de ltre num erique de taille nie qui ait une r eponse fr equentielle egale ` a ces ltres id eaux. Lobjectif
de la synth` ese de ltre consiste ` a trouver un ltre MAcausal qui sapproche le plus possible du ltre id eal recherch e.
On souhaite aussi que la r eponse impulsionnelle de ce ltre ne soit pas trop longue et que par exemple seuls les
termes associ es aux instants entre t = 0 et t = (N 1)T
e
soient non-nuls.
La m ethodologie ` a suivre pour synth etiser un ltre num erique, consiste ` a choisir un ltre id eal not e H
i
(type et
fr equence de coupure) et ` a suivre les etapes suivantes.
1. On calcule de la transform ee de Fourier temps discret inverse de la r eponse fr equentielle du ltre id eal,

H
i
(f)
59
de facon ` a obtenir une r eponse impulsionnelle not ee
h
a
n
= TFTD
1
_

H
i
(f)
_
2. Troncature de la r eponse impulsionnelle
h
b
n
= h
a
n
1
{N..N}
[n]
3. Application dun retard sur la r eponse impulsionnelle de facon ` a d ecaler les indices et ` a rendre causal le ltre
ainsi synth etis e.
h
c
n
= h
b
nN
Pour synth etiser un ltre passe-haut, on peut appliquer la m ethodologie pr esent ee en consid erant comme l-
tre id eal un ltre passe-haut, soit appliquer la m ethodologie pr ec edente avec un ltre id eal passe-bas de m eme
fr equence de coupure et intercaler une etape suppl ementaire entre la deuxi` eme et la troisi` eme etape : h
bBis
n
=

n
h
b
n
En effet une telle transformation sur la r eponse impulsionnelle permet de transformer un passe-bas en un
passe-haut (

H
bBis
(f) = 1

H
b
(f)).
9.3 Utilisation des fen etres
La deuxi` eme etape de troncature en modiant la r eponse impulsionnelle modie aussi la r eponse fr equentielle,
l eloigne du ltre id eal en y ajoutant des ondulations. Cest ce quillustre la gure 9.3 sur un exemple. La partie
gauche de la gure repr esente les r eponses impulsionnelles, la partie droite repr esente les r eponses fr equentielles.
La deuxi` eme ligne correspond ` a lapplication de la transform ee de Fourier temps discret inverse ` a un ltre passe-bas
id eal. La premi` ere ligne correspond ` a la transform ee de Fourier inverse du ltre id eal analogique et nous fournit
une r eponse impulsionnelle temps continu dont la deuxi` eme ligne est l echantillonnage. La r eponse fr equentielle
de la deuxi` eme ligne est p eriodique, ce qui est normal pour un ltre num erique, et cela peut aussi se voir comme la
cons equence de cet echantillonnage. La troisi` eme ligne consiste ` a transformer le ltre passe-bas en un ltre passe-
haut par linterm ediaire de la relation h
bBis
n
=
n
h
b
n
. La quatri` eme ligne supprime les oscillations de la r eponse
impulsionnelle grace ` a une troncature de la r eponse impulsionnelle, mais les introduit sur la r eponse fr equentielle.
La cinqui` eme ligne est justement lutilisation dune fen etre (en loccurence dune fen etre triangulaire) qui aboutit ` a
r eduire les oscillations sur la r eponse fr equentielle. Les traits en semi-pointill es (alternance de traits longs et courts)
indiquent les fr equences f
e
/2 et f
e
/2 qui sont des axes de sym etrie du module dune r eponse fr equentielle.
Au del` a de cet exemple particulier, la troncature dun signal produit des ondulations sur la r eponse fr equentielle.
En effet la troncature peut se voir comme le fait de multiplier la r eponse impulsionnelle par un signal porte p[n] =
1
{N/2...N/2}
[n] dont la transform ee de Fourier est un quotient de sinusodes :
TFTD[p[n]](f) =
sin (f(N + 1)T
e
)
sin (fT
e
)
Cette fonction ressemble ` a basse fr equence ` a un sinus cardinal, mais diff` ere ` a plus haute fr equence puisque cette
fontion est aussi p eriodique de p eriode f
e
= 1/T
e
. Or le fait de faire une multiplication de signaux dans le
domaine temporel est equivalent au produit de convolution dans le domaine fr equentiel. Cest donc en ce sens que
la troncature produit des ondulations.
Lobjectif dune fen etre ` a temps discret est de multiplier la r eponse impulsionnelle par un signal tronqu e et dont
leffet est de rapprocher la nouvelle r eponse fr equentielle de celle obtenue avant la troncature. Plus formellement
on peut d enir lobjectif recherch e, on notant x
n
un signal quelconque et w
n
le signal associ e ` a la fen etre qui doit
etre nul sauf pour les instants compris entre t = NT
e
et t = NT
e
. On cherche ` a avoir la meilleur approximation
pour la relation suivante :
TFTD[w
n
x
n
] (f) TFTD[x
n
] (f)
Voici quelques exemples de fen etres
60
Figure 9.3: R eponses impulsionnelles et r eponses fr equentielles ayant servies ` a la synth` ese dun ltre num erique
passe-haut de fr equence de coupure ` a 1.5Hz pour une fr equence d echantillonnage de f
e
= 5Hz.
61
1. Fen etre rectangulaire
h
n
= 1
{N,N}
[n]
2. Fen etre triangulaire
h
n
=
N + 1 |n|
N + 1
1
{N,N}
[n]
3. Fen etre de Hann
h
n
=
_
0.5 0.5 cos(2
n +N
2N + 1
)
_
1
{N,N}
[n]
4. Fen etre de Hamming
h
n
=
_
0.54 0.46 cos(2
n +N
2N + 1
)
_
1
{N,N}
[n]
En pratique, lutilisation dune fen etre se fait juste apr` es la troncature de la r eponse impulsionnelle et avant
lapplication dun retard sur la r eponse impulsionnelle. Elle consiste simplement ` a multiplier terme ` a terme la
r eponse impulsionnelle.
h
bBis
n
= h
b
n
w
n
Lutilisation dune fen etre ne peut malgr e tout pas suppl eer aux performances que lon peut obtenir en utilisant
un ltre num erique plus long. Il existe dailleurs une relation entre la longueur du ltre num erique synth etis e
N, la raideur de la r eponse fr equentielle du ltre synth etis e (F d esigne la largeur de bande de transition), les
ondulations pr esentes sur la bande passante (
1
) et la bande datt enuation (
2
)
N =
2
3F
ln
_
1
10
1

2
_
De telles relations sont d esign ees sous le terme de relation temps-fr equence.
De telles relations permettent de faire un compromis ` a faire entre lobjectif datteindre le plus pr ecis ement le
ltre id eal et le fait de ne pas dobtenir un ltre dont la r eponse impulsionnelle nest pas trop longue. Ce compromis
d epend de lapplication vis ee.
On d enit la notion de r esolution fr equentielle. Un signal a une r esolution f sil est possible de distinguer
deux fr equences f et f + f.
9.4 M ethode de linvariant impulsionnel
La m ethode de linvariant impulsionnel est un exemple de technique permettant de discr etiser un ltre. Ce que lon
appelle discr etiser un ltre, consiste ` a transformer un ltre analogique en un ltre num erique. Lobjectif recherch e
est en g en eral de faire en sorte que la relation entr ee sortie du ltre num erique soit la plus proche de la relation
entr ee sortie du ltre analogique. Et comme le produit de convolution ` a temps discret est une op eration un peu
diff erente du produit de convolution ` a temps continu, lobjectif recherch e est un peu diff erent de celui qui consiste
` a discr etiser un signal ` a temps continu.
La m ethode de linvariant impulsionnel consiste ` a d enir un ltre num erique par sa r eponse impulsionnelle est
obtenue ` a partir de la discr etisation de la r eponse impulsionnelle du ltre analogique
h
#
n
= T
e
h(nT
e
)
62
o` u h(t) est la r eponse impulsionnelle du ltre analogique.
Ce nest pas forc ement une m ethode simple si la r eponse impulsionnelle du ltre analogique est difcile ` a
calculer. Ce nest pas forc ement une m ethode que lon peut utiliser si la r eponse fr equentielle du ltre analogique
ne respecte pas le crit` ere de Nyquist. En effet la r eponse fr equentielle du ltre num erique ainsi discr etis e est d enie
par

H(f) =

H(f kf
e
)
Cette m ethode est cependant utilis ee par exemple pour d enir un ltre moyenneur ou un ltre gaussien.
9.5 Application aux signaux al eatoires
9.5.1 G en eralit es
On distingue les signaux d eterministes des signaux al eatoires (ou stochastiques). Les premiers prennent ` a chaque
instant une valeur d enie, tandis que les seconds prennent une plage de valeurs, ` a chacune de ces valeurs est affect ee
un coefcient appel e probabilit e qui traduit la conance que lon a dans le fait que tel signal prennent effectivement
telle valeur. Le fait de savoir appliquer des outils sur des signaux al eatoires est lobjet dun autre cours, notamment
du traitement du signal al eatoire. Cependant ces deux cours sont en r ealit e compl ementaires. Le traitement du
signal propose des outils qui sont d enis sur des signaux d eterministes, mais qui ont des propri et es stochastiques
int eressantes lorsquon les applique ` a des signaux al eatoires.
Lautocorr elation dun signal al eatoire ` a temps discret pourrait etre d eni e comme pour un signal d eterministe
par
B
[k] =

+
n=
B
n+k
B
n
Mais le r esultat devient une quantit e al eatoire. Aussi pour un processus al eatoire
ce quon appelle lautocorr elation est lesp erance.

B
[k] = E
_
+

n=
B
n+k
B
n
_
Il sagit de faire une moyenne sur les diff erentes valeurs prises par

+
n=
B
n+k
B
n
en les pond erant par la
probabilit e de ces valeurs. En pratique pour calculer cette quantit e on utilise les propri et es des lois gaussiennes
sans chercher ` a calculer la densit e de probabilit e de

+
n=
B
n+k
B
n
. La puissance dun signal al eatoire est
d enie par
P
B
= E[B
2
n
]
La densit e spectrale de puissance dun signal al eatoire est la transform ee de Fourier ` a temps discret de lautocorr elation,
lesp erance peut etre calcul ee soit avant soit apr` es avoir appliqu e la transform ee de Fourier ` a temps discret.

B
(f) = TFTD[
B
[k]] (f)
Elle peut aussi sexprimer ` a partir du module au carr e de la transform ee de Fourier ` a temps discret, mais il faut
aussi appliquer lesp erance

X
(f) = E
_
|TFTD[X
n
] (f)|
2
_
Un exemple particulier de bruit al eatoire ` a temps discret est le bruit blanc ` a temps discret. Le signal ` a chaque
instant est une variable al eatoire ind ependante du signal ` a tous les autres instants. Il est de moyenne statistique
nulle et a la m eme d enition stochastique ` a chaque instant
E[B
k
B
l
] =
2

kl
63
o` u
kl
= 0 si k = l et
0
= 1. Son autocorr elation est

B
[k] =
2

k
Sa puissance est
P
B
=
2
Une tel signal al eatoire une densit e spectrale de puissance constante

B
(f) =
2
On peut ecouter un bruit blanc avec les instructions Matlab suivantes :
y=randn(1,10000);
sound(y)
La premi` ere instruction g en` ere une r ealisation dun bruit blanc gaussien d ecart-type 1. La seconde envoie les
valeurs ainsi tir ees al eatoirement vers un haut-parleur (via une carte son). On peut alors entendre un sifement.
Le bruit blanc joue un r ole important dans l etude des signaux al eatoires. Consid erons un signal al eatoire ayant
des caract eristiques sufsamment r eguli` eres pour avoir une densit e spectrale
Y
(f) = |

H(f)|
2
o` u

H(f) est la
r eponse fr equentielle dun ltre. Ce signal a alors la m eme autocorr elation que sil avait et e g en er e par un bruit
blanc ltr e par un ltre H de r eponse fr equentielle

H(f).
Lapplication dun ltre Y
n
= H[X
n
] de r eponse fr equentielle

H(f) d eforme la densit e spectrale
X
(f) dun
signal X
n
en la densit e spectrale
Y
(f) dun signal Y
n

Y
(f) = |

H(f)|
2

X
(f)
9.5.2 Application au d ebruitage dun signal
Pour expliquer la diff erence entre les r esultats th eoriques et les r esultats pratiques lors dune exp erimentation, on dit
quil y a une diff erence entre le signal observ e et le signal r eel (dit aussi signal source). La diff erence peut bien s ur
provenir aussi dune mod elisation inexacte ou trop simpli e, mais une telle inexactitude est difcile ` a mod eliser,
alors cette diff erence l` a aussi est souvent mod elis e comme une diff erence entre le signal r eel et le signal observ e.
On appelle cela le bruit. Et lhypoth` ese souvent utilis e est que la diff erence entre le vrai signal et le signal mod elis e
est un bruit blanc. Autrement dit le signal observ e est la somme dun signal d eterministe (appel e signal source ou
vrai signal) et dun signal al eatoire (appel e bruit additif).
On mesure la proportion du bruit dans le signal en consid erant la puissance P
S
du signal d eterministe et P
B
la
puissance du bruit. On mesure alors le rapport du signal sur bruit en d ecibel.
RSB
dB
= 20 log
10
_
P
s

P
b
_
Le rapport signal sur bruit est dautant plus elev e quil y a moins de bruit. Ce rapport signal sur bruit augmente de
6dB quand on multiplie par deux le siganl r eel sans changer le bruit. Il diminue de 20dB si on multiplie le bruit par
10 sans rien changer au signal source.
On appelle d ebruitage le fait dappliquer un ltre ` a un signal bruit e de facon ` a ce que la sortie de ce ltre appel e
signal ltr e soit plus proche du signal r eel que le signal ltr e, (le rapport signal sur bruit du signal ltr e doit etre
plus elev e que le rapport signal sur bruit du signal non ltr e). En th eorie on peut d ebruiter au moins un petit peu
un signal si pour certaines fr equences le bruit est plus important que le signal. Dans ce cas, a priori, le ltre id eal ` a
utiliser est

H(f) = 1 si
X
(f) >
B
(f)

H(f) = 0 sinon
o` u
X
(f) est la densit e spectrale du signal r eel et
B
(f) est la densit e spectrale du bruit.
64
Chapter 10
Synth` ese de ltres ` a r eponses impulsionnelles
innies : Cours H
Lobjectif de ce chapitre est de pr esenter une technique pour synth etiser des ltres num eriques ARMA, cest-` a-
dire pour calculer les coefcients dun ltre en fonction de ce quil sagit dun passe-bas, passe-haut, passe-bande,
coupe-bande ayant telles ou telles fr equences de coupures. La m ethode propos ee ici utilise les ltres de Butter-
worth parce quils sont plus simples ` a calculer. Les autres m ethodes, toutes en etant plus complexes pr esentent de
nombreuses similitudes avec la m ethode pr esent ee ici.
10.1 D enition dun ltre de Butterworth
Figure 10.1: Repr esentation graphique du module des 4 r eponses fr equentielles en fonction de la fr equence des 4
premiers ltres de Butterworth, H
1
, H
2
, H
3
, H
4
.
Les ltres de Butterworth sont une famille de ltre analogiques dont les r eponses fr equentielles sont toutes des
courbes d ecroissantes valant 1 en f = 0 et 0 en f = +. Elles ont toutes la m eme fr equence de coupure f
c
=
1
2
(l ecriture de ces r eponses fr equentielles est plus simple lorsquelle est faite en fonction de la pulsation = 2f,
la pulsation de coupure v erie alors
c
= 1). Les diff erentes r eponses fr equentielles diff` erent seulement par leur
raideur qui augmente avec lordre de ces ltres. Les r eponses fr equentielles de ces ltres sont repr esent ees sur la
gure 10.1.
Les ltres de Butterworth dordres 1 ` a 4 sont donn es par
H
1
(p) =
1
p + 1
65
H
2
(p) =
1
p
2
+

2p + 1
H
3
(p) =
1
(p + 1)(p
2
+p + 1)
H
4
(p) =
1
(1 + 2 cos(
3
8
)p +p
2
)(1 + 2 cos(

8
)p +p
2
)
avec cos(/8) 0.92 et cos(3/8) = 0.38.
Une d enition plus g en erale de ces ltres de Butterworth sappuie sur les polyn omes suivants. Les polyn omes
de degr e paires N = 2P sont d enis par
B
2P
(p) =
P

k=1
_
1 + 2 cos(
k
)p +p
2
_
avec
k
=
1 2k
4P
pour k {1..P}
Les polyn omes de degr e impaires N = 2P + 1 sont d enis par
B
2P+1
(p) = (p + 1)
P

k=1
_
1 + 2 cos(
k
)p +p
2
_
avec
k
=
k
2P + 1
pour k {1..P}
Les ltres de Butterworth dordre N sont d enis par
H(p) =
1
B
N
(p)
La r eponse fr equentielle de ces ltres est donn ee par
|

H(f)|
2
=
1
((4
2
f
2
)
N
+ 1)
Avec cette ecriture on retrouve dune part que leur fr equence de coupure commune est f
c
=
1
2
:
f =
1
2
|

H(f)| =

2
2
max(|

H(f)|)
10.2 Synth` ese dun ltre analogique par un ltre de Butterworth
On souhaite maintenant utiliser les ltres de Butterworth pour d enir un ltre analogique qui soit un passe-bas,
passe-haut, passe-bande, coupe-bande et qui ait les bonnes fr equences de coupures et une raideur sufsante.
La raideur est d etermin e par lordre N, plus N est elev e plus le ltre obtenu est raide. Il existe des techniques
permettant de calculer N en fonction dobjectifs ` a atteindre sur la courbe de la r eponse fr equentielle ` a calculer. En
fonction du type de ltre ` a synth etiser on consid` ere diff erentes m ethodologies.
M ethodologie 1 (Synth` ese dun ltre passe-bas avec un ltre de Butterworth) On se donne la r eponse fr equentielle
correspondant ` a un ltre passe-bas id eal de fr equence de coupure f
c
.
1. Choisir lordre N du ltre de Butterworth,
66
2. On d enit le changement de variable p

=
p
2fc
. Le ltre analogique de Butterworth associ e est :
H

(p) = H(
p
2f
c
) =
1
B
N
(
p
2fc
)
3. La r eponse fr equentielle du nouveau ltre est alors
|

(f)| =
1
_
1 + (
f
fc
)
2N
M ethodologie 2 (Synth` ese dun ltre passe-haut avec un ltre de Butterworth) On se donne la r eponse fr equentielle
correspondant ` a un ltre passe-haut id eal de fr equence de coupure f
c
.
1. Choisir lordre N du ltre de Butterworth
2. On d enit le changement de variable
1
p

=
p
2fc
. Le ltre analogique de Butterworth associ e est :
H

(p) = H(
2f
c
p
) =
1
B
N
(
2fc
p
)
3. La r eponse fr equentielle du nouveau ltre est alors
|

(f)| =
1
_
1 + (
fc
f
)
2N
M ethodologie 3 (Synth` ese dun ltre passe-bande avec un ltre de Butterworth) On se donne la r eponse fr equentielle
correspondant ` a un ltre passe-bande id eal de fr equence de coupure f
1
et f
2
.
1. On pose B = f
2
f
1
et f
0
=

f
1
f
2
.
2. Choisir lordre N du ltre de Butterworth.
3. On d enit le changement de variable
p

=
f
0
B
_
p
2f
0
+
2f
0
p
_
Calculer le ltre analogique de Butterworth associ e :

(p) =

H(p

) =
1
B
N
(p

)
4. La r eponse fr equentielle du nouveau ltre est alors
|

(f)| =
1
_
1 +g(f)
2N
g(f) =
f
0
B
_
f
f
0
+
f
0
f
_
Remarque 1 Pour la synth` ese dun passe-bande et dun coupe-bande, on a en fait quune approximation des propri et es
souhait ees. La r eponse fr equentielle est bien nulle en la fr equence nulle et en la fr equence innie.
lim
f0
|

(f)| = lim
f+
|

(f)| = 0
67
Les fr equences f = f
1
et f = f
2
ne sont pas exactement les fr equences de coupures :
|

H(f
1
)| = |

H(f
2
)| =
1

1 +
_
1+
f1
f2
1
f1
f2
_
2N
=
1

2
Lallure globale de la r eponse fr equentielle est d etre croissante sur lintervalle [0, f
0
] (intervalle contenant f
1
) et d ecroissante
sur lintervalle [f
0
, +[ (intervalle contenant f
2
).
M ethodologie 4 (Synth` ese dun ltre coupe-bande avec un ltre de Butterworth) On se donne la r eponse fr equentielle
correspondant ` a un ltre passe-bande id eal de fr equence de coupure f
1
et f
2
.
1. On pose B = f
2
f
1
et f
0
=

f
1
f
2
.
2. Choisir lordre N du ltre de Butterworth.
3. On d enit le changement de variable
1
p

=
f
0
B
_
p
2f
0
+
2f
0
p
_
Calculer le ltre analogique de Butterworth associ e :

(p) =

H(p

) =
1
B
N
(p

)
4. La r eponse fr equentielle du nouveau ltre est alors
|

(f)| =
1
_
1 +g(f)
2N
g(f) =
B
f
0
1
f
f
0
+
f
0
f
10.3 Transform ee Bilin eaire
Nous avons comment faire la synth` ese de ltres analogiques. Mais pour appliquer cela il faudrait un outil qui
d enissent les coefcients dun ltre num eriques en fonction des coefcients dun ltre analogiques. Nous avons
d ej` a vu pr ec edemment linvariant impulsionnel qui propose de consid erer comme ltre num erique, celui associ e
` a l echantillonnage de la r eponse impulsionnelle. Mais cette transformation ne convient pas ici, parce quil est
difcile de calculer la r eponse impulsionnelle et que dautre part linvariant impulsionnel suppose que la r eponse
fr equentielle du ltre analogique soit nulle en deca de f
e
/2 o` u f
e
est la fr equence d echantillonnage, et justement
cette r eponse fr equentielle nest en g en eral pas nulle sur cet intervalle.
La transform ee bilin eaire est une autre transformation qui ` a un ltre analogique associe le ltre num erique dont
la fonction de transfert H
#
(z) est calcul e ` a partir de la fonction de transfert du ltre analogique H(p)
H(p) = H
#
(z) o` u p =
2
T
e
1 z
1
1 +z
1
T
e
est la p eriode d echantillonnage. Si le ltre analogique est stable, le ltre num erique le sera aussi et si le ltre
num erique est stable, cest que le ltre analogique l etait aussi. La r eponse fr equentielle du ltre num erique

H
#
(f)
peut aussi se d eduire de la r eponse fr equentielle du ltre analogique

H(f)
Si on pose :
f =
f
e

tan(
f
#
f
e
) (10.1)
68
Figure 10.2: En haut ` a gauche : r eponse fr equentielle du ltre analogique
1
p+1
. En haut ` a droite : r eponse
fr equentielle du ltre num erique
1+z
1
2
. En bas ` a gauche : bissectrice qui change labscisse en ordonn ee. En
bas ` a droite : compression des fr equences qui transforme f en f
#
.
alors

H(f) =

H
#
(f
#
)
La gure 10.2 permet dillustrer comment calculer la r eponse fr equentielle du ltre num erique ` a partir de la
r eponse fr equentielle du ltre analogique. En haut ` a gauche se trouve la r eponse fr equentielle du ltre de fonction
de transfert H(p) =
1
p+1
, not ee

H(f). En haut ` a droite se trouve la r eponse fr equentielle de H
#
(z) =
1+z
1
2
,
not ee

H
#
(f
#
), elle est obtenue en appliquant la transform ee bilin eaire sur le ltre H. Le trait en pointill e en haut
joint un point de la r eponse fr equentielle de

H(f) avec un point de la r eponse fr equentielle de

H
#
(f
#
) mais ` a
une diff erente fr equence (et en loccurence ` a plusieurs autres fr equences, etant donn e que la r eponse fr equentielle

H
#
(f
#
) est en r ealit e p eriodique de p eriode f
e
). Lobjet des deux graphiques en dessous est de donner une
m ethode graphique pour d eterminer f
#
en fonction de f. Le graphique en bas ` a gauche repr esente la bissectrice et
permet de positionner sur laxe des ordonn ees la fr equence qui se trouvait sur laxe des abscisses. Ainsi la position
verticale du trait plein horizontal est en fait li ee ` a la position horizontale du trait plein vertical, elle-m eme li ee ` a
la fr equence du premier point etudi e. Le graphique en bas ` a droite permet ensuite de transformer une fr equence f
(axe des ordonn ees) en une fr equence f
#
(axe des abscisses) ; l equation de cette courbe est donn ees par (10.1).
10.4 Synth` ese dun ltre num erique par un ltre de Butterworth
On pourrait penser que pour synth etiser un ltre num erique, il suft de synth etiser un ltre analogique du type
souhait e (passe-bas, passe-haut, passe-bande, coupe-bande) et avec la/les fr equences de coupure souhait ees, et
dappliquer la transform ee bilin eaire. Malheureusement en faisant cela on aura bien un ltre num erique du type
souhait e mais avec a priori les mauvaises fr equences de coupure, parce que modi ees par la transform ee bilin eaire.
Il faut donc au pr ealable calculer la/les valeurs des fr equences de coupures du ltre analogiques f
c
qui soient telles
quapr` es lapplication de la transform ee bilin eaire on puisse avoir les fr equences de coupures f
#
c
souhait ees. Cela
se fait en appliquant (10.1) ` a f
#
c
. Une astuce qui permet de simplier les calculs consiste ` a combiner les deux
transformations, celle permettant de modier la fr equence de coupure du ltre analogique et celle associ ee ` a la
transform ee bilin eaire. On peut alors appliquer la transformation globale ` a un des ltres de Butterworth.
M ethodologie 5 (Synth` ese dun ltre num erique par un ltre de Butterworth) On se donne un gabarit que le
ltre num erique doit respecter et une fr equence d echantillonnage f
e
.
1. Calculer le gabarit que devrait respecter le ltre analogique si le ltre num erique est d eduit du ltre analogique
avec une transform ee bilin eaire. On applique
f
#
f =
f
e

tan(
f
#
f
e
)
69
2. Calculer lordre du ltre de Butterworth et la transformation p p

3. Calculer la nouvelle transformation z p

sachant que p =
2
Te
1z
1
1+z
1
:
H
#
(z) = H

(p) = H(p

)
o` u H est le ltre de Butterworth d eni ` a partir des polyn omes de Butterworth et H
#
est le ltre num erique
souhait e.
4. En d eduire le ltre num erique de Butterworth.
10.5 Synth` ese avec dautres ltres
M ethodologie 6 (Synth` ese dun ltre num erique avec un autre type de ltre) L etape 2 est modi ee, parce que
pour les autres ltres il ny a pas forc ement que lordre du ltre ` a d eterminer.
Propri et es 1 (Les autres ltres) 1. Le ltre de Tchebycheff de type 1 pr esente des ondulations dans la bande
passante.
2. Le ltre de Tchebycheff de type 2 pr esente des ondulations constantes dans la bande att enu ee
3. Le ltre elliptique (ou ltre de Cauer) pr esente des ondulations constantes ` a la fois dans la bande passante
et dans la bande att enu ee, mais au prix dune distortion de phase plus forte.
4. Le ltre de Bessel a une r eponse indicielle optimale.
70