UV Traitement du signal

Cours 8

Systmes linaires discrets

Dfinition et caractrisations (temporelle et frquentielle)

ASI 3
 Contenu du cours
Introduction
Dfinition d'un systme discret

Classification des systmes discrets

Caractrisation temporelle des systmes linaires discrets

Notion de convolution linaire de signaux discrets

Rponse impulsionnelle d'un systme (stabilit, rponse une entre quelconque)

Systme linaire discret dcrit par une quation aux diffrences

Rponse frquentielle des systmes linaires discrets

Caractrisation des SLID par la fonction de transfert

Transforme en z
Dfinition
Proprits
SLID et Transforme en z
Ples et zros
Stabilit d'un SLID
TdS 2
 Introduction
Dfinition d'un systme discret

Un systme discret est une entit qui ralise la conversion d'une suite discrte {x(n)}
en entre en une autre suite discrte {y(n)} en sortie.

Signal dentre x(n) Signal de sortie

Systme discret
T ou rponse y(n)

Notation : y ( n) = T [ x ( n)]

Classification des systmes

Systme statique ou sans mmoire
Exemple
L'chantillon de sortie y(n) l'instant n ne dpend
que de l'chantillon de l'entre x(n) au mme instant y (n) = ax 2 (n) + b

Systme dynamique ou avec mmoire

L'chantillon y(n) est fonction des chantillons de l'entre aux instants
antrieurs ou gaux n et/ou des chantillons de sortie antrieurs l'instant n

Exemple y ( n) = a1 y ( n 1) + a2 y ( n 2) + b0 x 2 ( n) + b1x ( n 1)
TdS 3
 Introduction
Exemple de systmes dynamiques : Voice transformer

Signal dentre x(n) Signal de sortie

Systme discret
T ou rponse y(n)

Effet cho : ajout au signal d'entre le mme son retard

y t=x t x t t 0
Effet rverbration : addition d'chos successifs avec retards et
filtrages diffrents (attnuations)
nbechos A
y t=x t n=0 n
xtnt 0
2
Effet voix de robot : addition d'un tremolo

y t=x t sin 2 f 0 t
Effet flanger, chorus, wha wha, etc.
TdS 4
 Introduction
Classification des systmes
Linarit

Si x( n) = a1x1 ( n) + a2 x2 ( n) alors y ( n) = a1T [ x1 ( n)] + a2T [ x2 ( n)]

Causalit

La rponse y(n) du systme l'instant n=k0 ne dpend que des entres x(n) aux instants nk0

Invariance temporelle

Si y (n) = T [ x(n)] alors y (n n0 ) = T [ x (n n0 )] n, n0

Exemples

y (n) = x(n) x(n 1) est un systme invariant

y (n) = nx(n) est un systme variant

Stabilit BIBO (Bounded Input, Bounded Output)

Un systme discret est dit stable si en rponse une entre borne, sa sortie est borne

M x / x ( n) < M x M y / y ( n) = T [ x ( n) ] < M y n

TdS 5
 Convolution linaire de signaux discrets
Dfinition
On appelle produit de convolution linaire de deux signaux discrets x(n) et h(n), l'expression

+
x ( n) h( n) = x ( k ) h( n k )
k=

Cas de signaux causaux ( x(n) = 0, h(n) = 0 pour n < 0)

n
x ( n) h( n) = x ( k ) h( n k ) Ne pas confondre la convolution linaire et la
convolution circulaire des signaux discrets
k= 0

Exemple
Calculer le produit de convolution linaire des signaux suivants
x(n)
h (n)
1
1 h( n) = a n ( n )
avec 0 < a < 1

n n
TdS N-1
6
 Convolution linaire de signaux discrets
Exemple (suite et fin)
x(k)
Posons z ( n) = x ( n) h( n) . Les 2 signaux tant 1 1
causaux, on a
h (-k)
n
z ( n) = x ( k ) h( n k )
k
k= 0 N-1
On distingue 3 cas

n< 0 0 n < N 1 n N 1

x(k) x(k)
1 1 h (n-k)
x(k) et h(nk) n'ont pas
h (n-k)
d'chantillons non nuls
en commun
k k
N-1 N-1
z ( n) = 0
n N1
z ( n) = a n k . Suite go. de premier
terme an et de raison 1/a
z ( n) = a n k . On trouve
k= 0 k= 0

n 1 a ( n+ 1) a ( n+ 1) 1 1 a N
z ( n) = a z ( n) = z ( n) = a n
TdS 1 a 1 a 1 1 a 1 7
 Convolution linaire de signaux discrets
Proprits (idem analogique)
Commutativit

x ( n ) h( n ) = x ( n) h ( n)
Associativit

x ( n ) h( n) z ( n ) = x ( n) ( h ( n) z ( n) ) = ( x ( n) h ( n) ) z ( n )

Distributivit par rapport l'addition

h( n ) ( x ( n ) + z ( n ) ) = h( n ) x ( n ) + h( n) z ( n )

Elment neutre du produit de convolution : impulsion de Dirac

x ( n ) ( n ) = x ( n)

et aussi :
Dure d'un signal issu du produit de convolution linaire

Si x(n) est de dure N1 et h(n) de dure N2, alors x(n)*h(n) est de dure N1+N21
TdS 8
 Etude de systme linaire invariant discret (SLID)
Caractrisation d'un SLID : rponse impulsionnelle

La rponse impulsionnelle d'un systme discret est sa

rponse une entre sous forme d'impulsion de Dirac

h(n)
(n)

n Systme discret n h( n) = T [ ( n )]
T

Avantages de la rponse impulsionnelle : idem analogique

caractrisation complte du systme

permet de calculer la sortie du systme discret pour des signaux dentre

quelconques en utilisant la convolution linaire de signaux discrets

TdS 9
 Rponse d'un SLID une entre quelconque
Application de la convolution linaire

x(n) Systme T y ( n) = ?

Dcomposition du x ( n) = x(k ) (n k )
signal discret x(n) k

Rponse du systme y ( n) = T [ x ( n) ] y (n) = T x(k ) (n k )
k

Proprit de linarit
du systme discret
y ( n) = x(k )T [ (n k )] L'oprateur T [.] agit sur les termes
dpendant de la variable temporelle n
k

T [ ( n k )] = h( n k )
Proprit d'invariance
temporelle du systme Rponse impulsionnelle dcale

On en dduit y ( n) = x ( k ) h( n k ) y ( n) = x ( n) h ( n)
k

La rponse d'un systme discret linaire invariant une entre quelconque x(n)
est la convolution linaire de x(n) avec la rponse impulsionnelle h(n) du systme.
TdS 10
 Rponse impulsionnelle d'un SLID
Stabilit et rponse impulsionnelle

Stabilit = garantir que la sortie d'un systme est borne si son entre est borne

Un systme linaire discret invariant est stable ssi sa h( n ) < +

rponse impulsionnelle est absolument sommable n

Causalit et rponse impulsionnelle

Un systme linaire discret invariant est causal

h( n ) = 0 n < 0
ssi sa rponse impulsionnelle h(n) est causale

Remarque : si le systme est causal, on a

n
y ( n) = x ( n) h( n) = x ( k ) h( n k )
k=

Exemple
Etudier la causalit et la stabilit du systme linaire caractris par la rponse impulsionnelle
h( n) = a n ( n )
TdS 11
 Autre caractrisation d'un SLID
Equation aux diffrences linaire coefficients constants
Systme rgi par une quation aux diffrences d'ordre N
N M N a M b
ak y (n k ) = br x(n r ) y ( n) = k y ( n k ) + ar x(n r )
k= 0 r= 0 k = 1 a0 r= 0 0

Avantages
Calcul de la sortie du systme sans connaissance de la rponse impulsionnelle h(n)

Calcul de la sortie y(n) partir des N sorties dcales y(nk), des M entres dcales
x(nr) et de l'entre courante x(n). Mais ceci ncessite la connaissance des conditions
initiales du systme

Quelle que soit la longueur de la rponse impulsionnelle h(n) (finie ou infinie), le nombre
d'oprations ncessaires au calcul de y(n) est fini (comparativement au calcul par
convolution linaire)

Exemple
y (n) ay (n 1) = cx(n)

TdS 12
 Autre caractrisation d'un SLID
Equation aux diffrences linaire coefficients constants
N M
ak y ( n k ) = br x(n r ) avec a0=1
k= 0 r= 0
M
N=0 y ( n) = br x(n r )
r= 0
y(n) dpend de l'entre courante x(n) et des M entres prcdentes x(nr)
Systme rponse non rcursive M
La rponse impulsionnelle est finie h( n ) = br (n r )
r= 0

On parle de systme Rponse Impulsionnelle Finie (RIF)

N M
N1 y ( n) = ak y ( n k ) + br x(n r )
k= 1 r= 0

y(n) dpend de l'entre courante x(n) , des M entres prcdentes x(nr) mais aussi des
N sorties prcdentes y(nk)
Systme rponse rcursive
Systme Rponse Impulsionnelle Infinie (RII)
TdS 13
 SLID et Transforme de Fourier Temps Discret

x(n) Systme T y (n)

Rponse frquentielle des SLID

y ( n) = h ( n) x ( n)

En utilisant le thorme de Plancherel, on a

Y ( f ) = H ( f ). X ( f )

H ( f ) : TFTD de la rponse impulsionnelle ou fonction de transfert du systme discret

Module H ( f ) : spectre d'amplitude

H( f )
Argument ( f ) = arg( H ( f ) ) : spectre de phase

TdS 14
 Transforme en z (TZ)
Dfinition
La TZ est la gnralisation de la TFTD. Soit un signal discret x(n). Sa TZ est dfinie par

+ Rappel : la TFTD de x(n) est :

X ( z) = x(n).z n avec z +
n=
X(f ) = x(n)e j 2 nf
n=
Condition d'existence de la TZ
La transforme existe si la srie converge. L'ensemble des valeurs de la variable
complexe z pour lesquelles la srie converge est appele Rgion De Convergence (RDC)
+
/ x(n).z n < +
RDC = z
n=

Exemple
Calculer la TZ de x(n) = (n)
+ + N1
X ( z) = x(n).z n X ( z) = z n X ( z) = lim z n
n= n= 0 N + n= 0

1 z N
X ( z ) = lim 1
N + 1 z 1 La limite est finie si z 1 < 1 i.e. z > 1 X ( z) = pour z > 1
TdS 1 z 1
15
 Transforme en z
Rgion de convergence Im(z)
De faon gnrale, on montre que la RDC
est un anneau de convergence dfini par r1
0 r1 z r2 + Re(z)
RDC
1/ n 1/ n r2
avec r1 = lim x(n) et r2 = lim x( n)
n + n +

Remarques
Si r1 > r2, la srie ne converge pas Im(z)
Signal dfini droite n0 / x(n) = 0 n < n0 RDC
(signal causal pour n0=0) r1
Re(z)
r2 = + RDC = rgion extrieure au cercle de rayon r1

Signal dfini gauche n0 / x(n) = 0 n > n0 Im(z)

(signal anticausal pour n0=0) r2
Re(z)
r1 = 0 RDC = disque de rayon r2
RDC
TdS 16
 Transforme en z : proprits
Soit x(n), un signal discret. Soit X(z) sa TZ avec la RDC : r1 z r2

Linarit Dcalage temporel

ax(n) + by (n) aX ( z ) + bY ( z ) x(n n0 ) z n0 X ( z ) n0
La RDC est au moins l'intersection de La RDC est identique l'exception de
la RDC de X(z) et de la RDC de Y(z) restrictions ventuelles en z=0 et z=

Changement d'chelle en z Drivation en z

a n x(n) X
z dX ( z )
a n x ( n) z
dz
RDC : a r1 z a r2 La RDC est identique l'exception de
restrictions ventuelles en z=0 et z=
Retournement du temps
x ( n) X ( z 1 ) Produit de convolution

RDC :
1
z
1 x(n) y (n) X ( z ).Y ( z )
r2 r1
La RDC est au moins l'intersection de
Thorme de la valeur finale la RDC de X(z) et de la RDC de Y(z)
lim x(n) = lim ( z 1) X ( z )
TdS n + z 1
17
 Transforme en z : proprits
Transforme en z inverse
1
Intgrale de Cauchy x( n) =
j 2 X ( z ) z n 1dz (en pratique : thorme des rsidus)
C
x n= n1
Res {z n1 X z }z=z i
z i = ples de z X z

Dcomposition en lments simples

X ( z) = X i ( z) x ( n) = xi (n) Les Xi (z) sont des fonctions TZ-1 connues

i i

Dveloppement en srie de puissance

+ Si X (z) peut tre dcompos en srie
X ( z) = cn z n x(n) = cn n alors x(n) est le coefficient associ z-n
n=

TZ et Transforme de Fourier Temps Discret (TFTD)

Hypothse : on suppose que le cercle unit (|z|=1) RDC de X (z).

On restreint le calcul de X(z) au cercle unit en posant z = e j 2 f

+
X ( z) = x(n).e j 2 fn = X(f ) X ( f ) = X ( z ) z = e j 2 f La transforme de Fourier temps discret
(TFTD) d'un signal est sa transforme en
n= z value sur le cercle unit
(|z|=1) RDC
TdS 18
 Transforme en z
Exemples
Calculer la TZ et la rgion de convergence associe des signaux suivants :

+
x(n) = a (n), a
n

an , n 0
x(n) = b n , n 1 avec a < b

x ( n ) = ( n) ( N n)

TdS 19
 Transforme en z et systmes linaires discrets
Caractrisation par la rponse impulsionnelle
y ( n) = h ( n) x ( n)
x(n) Systme T y (n)

Y ( z ) = X ( z ).H ( z )
h(n) : rponse impulsionnelle du systme

Caractrisation du SLID par une quation aux rcurrences

N M
Equation aux rcurrences : ak y (n k ) = br x(n r )
k= 0 r= 0

N k Y ( z ) = M
En utilisant la proprit de dcalage temporel de la TZ, on a : k
a z
br z r X ( z )

N
k= 0 r= 0
ak z k
Y ( z) k = 0 bM z M + + b1z 1 + b0
H ( z) = = M
X ( z) ou H ( z) =
br z r a N z N + + a1z 1 + a0
r= 0
N ( z)
La fonction de transfert H(z) a la forme d'une fraction rationnelle : H ( z ) =
D( z )
TdS N(z) et D(z) : polynmes en z-1 de degrs respectifs M pour les entres et N pour les sorties
20
 Ples et zros stabilit d'un systme discret causal
N ( z) Ples d'un systme discret
H ( z) =
D( z )
Les ples sont les racines i du polynme D(z)
Zros d'un systme discret
Remarque : H(z) diverge (H(z) = ) pour z=i
Les zros sont les racines du polynme N(z) i RDC de H(z)

Fonction de transfert H(z) et stabilit d'un systme discret causal

Causalit

RDC = { z , z > r}
Le systme est causal ssi la RDC de H(z)
i { z , z r}
est l'extrieur d'un disque i au disque

Stabilit
Un systme linaire discret est stable ssi h( n) < + { z , z = 1} RDC
sa FT H(z) converge sur le cercle unit n

Conclusion

Un systme discret linaire et causal est stable ssi tous

les ples de H(z) sont l'intrieur du cercle unit
TdS 21