Beruflich Dokumente
Kultur Dokumente
Cours 8
ASI 3
Contenu du cours
Introduction
Définition d'un système discret
Transformée en z
Définition
Propriétés
SLID et Transformée en z
Pôles et zéros
Stabilité d'un SLID
TdS 2
Introduction
Définition d'un système discret
Un système discret est une entité qui réalise la conversion d'une suite discrète {x(n)}
en entrée en une autre suite discrète {y(n)} en sortie.
Notation : y ( n) = T [ x ( n) ]
Causalité
La réponse y(n) du système à l'instant n=k0 ne dépend que des entrées x(n) aux instants n≤k0
Invariance temporelle
Si y ( n) = T [ x ( n) ] alors y (n − n0 ) = T [ x (n − n0 )] ∀n, n0 ∈ ?
Exemples
∀n ∈ ?
TdS
∃
M
/
x(
n
)
<
M
⇒
∃
M
/
y(
n
)
=
T
[x
(n
)]
<
M
4
x
y
Convolution linéaire de signaux discrets
Définition
On appelle produit de convolution linéaire de deux signaux discrets x(n) et h(n), l'expression
+∞
x (n ) ∗ h ( n ) = ∑ x (k ) h (n − k )
k = −∞
n
Ne pas confondre la convolution linéaire et la
x (n ) ∗ h ( n ) = ∑ x ( k )h ( n − k ) convolution circulaire des signaux discrets
k =0
Exemple
Calculer le produit de convolution linéaire des signaux suivants
x(n)
h (n)
1
1 h( n ) = a n Γ( n )
avec 0 < a < 1
n n
TdS N-1
5
Convolution linéaire de signaux discrets
Exemple (suite et fin)
x(k)
Posons z ( n) = x ( n) ∗ h( n) . Les 2 signaux étant 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(n−k) n'ont pas
h (n-k)
d'échantillons non nuls
en commun
k k
N-1 N-1
z ( n) = 0
n N −1
z (n) = ∑ a n− k . On trouve z (n ) = ∑ a n −k . On trouve
k =0 k =0
x ( n) ∗ h ( n) = x ( n ) ∗ h( n )
Associativité
x ( n) ∗ h ( n ) ∗ z ( n) = x ( n) ∗ ( h( n) ∗ z ( n) ) = ( x ( n ) ∗ h( n) ) ∗ z ( n)
h ( n) ∗ ( x ( n ) + z ( n) ) = h ( n ) ∗ x ( n ) + h( n ) ∗ z ( n)
x(n) ∗δ (n) = x( n)
Si x(n) est de durée N1 et h(n) de durée N2, alors x(n)*h(n) est de durée N1+N2−1
TdS 7
Etude de système linéaire invariant discret (SLID)
Caractérisation d'un SLID : réponse impulsionnelle
h(n)
δ(n)
n Système discret n h ( n ) = T [ δ ( n) ]
T
TdS 8
Réponse d'un SLID à une entrée quelconque
Application de la convolution linéaire
x(n) y (n) = ?
Système T
Décomposition du
signal discret x(n)
x ( n) = ∑ x(k )δ (n − k )
k∈
Réponse du système y ( n) = T [ x ( n) ] ⇒ y (n) = T ∑ x (k )δ (n − k )
k∈
Propriété de linéarité
du système discret
y ( n) = ∑ x(k )T [ δ (n − k )] L'opérateur T [.] agit sur les termes
dépendant de la variable temporelle
k∈
n
Propriété d'invariance
temporelle du système T [ δ ( n − k ) ] = h( n − k ) Réponse impulsionnelle décalée
On en déduit y ( n) = ∑ x( k ) h( n − k ) ⇒ y ( n ) = x ( n ) ∗ h( n )
k∈
La réponse d'un système discret linéaire invariant à une entrée quelconque x(n)
est la convolution linéaire de x(n) avec la réponse impulsionnelle h(n) du système.
TdS 9
Réponse impulsionnelle d'un SLID
Stabilité et réponse impulsionnelle
Stabilité = garantir que la sortie d'un système est bornée si son entrée est bornée
n
y(n ) = x(n ) ∗ h(n ) = ∑ x(k )h (n − k )
k = −∞
Exemple
Etudier la causalité et la stabilité du système linéaire caractérisé par la réponse impulsionnelle
h ( n ) = a n Γ ( n)
TdS 10
Autre caractérisation d'un SLID
Equation aux différences linéaire à coefficients constants
Système régi par une équation aux différences d'ordre N
N M N ak M b
∑ ak y (n − k ) = ∑ br x(n − r ) y ( n ) = − ∑ y ( n − k ) + ∑ r x( n − r )
k =0 r =0 k =1 a0 r =0 a0
Avantages
Calcul de la sortie du système sans connaissance de la réponse impulsionnelle h(n)
Calcul de la sortie y(n) à partir des N sorties décalées y(n−k), des M entrées décalées
x(n−r) et de l'entrée courante x(n). Mais ceci nécessite la connaissance des conditions
initiales du système
Exemple
y (n) − ay (n − 1) = cx(n)
TdS 11
Autre caractérisation d'un SLID
Equation aux différences linéaire à 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) dépend de l'entrée courante x(n) et des M entrées précédentes x(n−r)
Système à réponse non récursive M
La réponse impulsionnelle est finie h (n ) = ∑ brδ (n − r )
r =0
N M
N≥1 y ( n) = − ∑ ak y ( n − k ) + ∑ br x(n − r )
k =1 r =0
y(n) dépend de l'entrée courante x(n) , des M entrées précédentes x(n−r) mais aussi des
N sorties précédentes y(n−k)
Système à réponse récursive
TdS Système à Réponse Impulsionnelle Infinie (RII) 12
SLID et Transformée de Fourier à Temps Discret
x(n) y (n)
Système T
y ( n ) = h( n) ∗ x ( n )
Y ( f ) = H ( f ). X ( f )
TdS 13
Transformée en z (TZ)
Définition
La TZ est la généralisation de la TFTD. Soit un signal discret x(n). Sa TZ est définie par
+∞
X (z) = ∑ x (n).z −n avec z ∈?
n= −∞
Condition d'existence de la TZ
La transformée existe si la série converge. L'ensemble des valeurs de la variable
complexe z pour lesquelles la série converge est appelée Région De Convergence (RDC)
+∞
RDC = z ∈
/ ∑ x(n ). z −n < +∞
n =−∞
Exemple
Calculer la TZ de x (n) = Γ(n)
+∞ +∞ N −1
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 La limite est finie si z −1 < 1 i.e. z > 1 X ( z) = 1 pour z > 1
N →+∞ 1 − z −1
TdS 1 − z −1
14
Transformée en z
Région de convergence Im(z)
De façon générale, on montre que la RDC
est un anneau de convergence défini 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 Im(z)
Signal défini à droite ∃ n0 / x(n) = 0 ∀n < n0 RDC
(signal causal pour n0=0) r1
r2 = +∞ Re(z)
r1 = 0 Re(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 à l'exception de
restrictions éventuelles en z=0 et z=∞
Retournement du temps
x(−n) → X ( z −1 ) Produit de convolution
+∞
La transformée de Fourier à temps discret
X ( z) = ∑ x(n).e − j 2πfn = X ( f ) X ( f ) = X ( z ) z =e j 2πf (TFTD) d'un signal est sa transformée en
n= −∞ z évaluée sur le cercle unité
TdS (|z|=1) ∈ RDC
17
Transformée en z
Exemples
Calculer la TZ et la région de convergence associée des signaux suivants :
x(n) = a nΓ(n), a ∈ ?
+
an , n ≥ 0
x( n) = − bn , n ≤ −1 avec a < b
x ( n) = Γ ( n) − Γ ( N − n)
TdS 18
Transformée en z et systèmes linéaires discrets
Caractérisation par la réponse impulsionnelle
y ( n ) = h( n) ∗ x ( n)
x (n) y (n)
Système T
Y ( z ) = X ( z ).H ( z )
h(n) : réponse impulsionnelle du système
N M
En utilisant la propriété de décalage temporel de la TZ, on a : ∑ ak z Y ( z ) = ∑ br z − r X ( z )
− k
k =0 r =0
N
∑ 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) : polynômes en z-1 de degrés respectifs M et N
19
Pôles et zéros – stabilité d'un système discret causal
N ( z) Pôles d'un système discret
H ( z) =
D( z)
Les pôles sont les racines λi ∈ du polynôme D(z)
Zéros d'un système discret
Remarque : H(z) diverge (H(z) = ∞) pour z=λi
Les zéros sont les racines du polynôme N(z) ⇒ λi ∉ RDC de H(z)
Causalité
Le système est causal ssi la RDC de H(z)
RDC = { z ∈ ? , z > r} λi ∈ { z ∈ ? , z ≤ r}
est l'extérieur d'un disque ⇒ λi ∈ au disque
Stabilité
Un système linéaire discret est stable ssi ∑ h(n) < +∞ ⇔ { z ∈ ? , z = 1} ∈ RDC
sa FT H(z) converge sur le cercle unité n∈
Conclusion
TdS 21
Réponse d'un système LTI par la TL
Exemple (suite et fin)
TdS 22
Conclusion
Caractérisation d’un système linéaire continu par :
réponse fréquentielle H( f )
Réponse
impulsionnelle
h(t)
TdS 23
a n y ( n ) (t ) + + a1 y (1) (t ) + a0 y (t ) = bm x ( m ) (t ) + + b1 x (1) (t ) + b0 x (t )
i
avec y (i ) = d y (t ) (dérivée d'ordre i)
i
dt
Lois de l'électricité
i(t) R L di(t )
Ri (t ) + L + Vc (t ) = u (t )
dt
u(t) C Vc(t) 1 t
Vc (t ) = i(τ ) dτ ⇒ i (t ) = CVc (t )
C ∫0
Entrée du système : x(t ) = u (t ) On en déduit :
Sortie du système : y (t ) = Vc (t ) LC Vc (t ) + RC Vc (t ) + Vc (t ) = u (t )
TdS 24
Convolution
Propriétés (suite et fin)
TdS 25
Etude d'un système linéaire invariant discret (SLID)
Caractérisation d'un SLID : réponse impulsionnelle
Généralement m ≤ n
Caractérisation complète du système par la connaissance des coefficients
Sortie y(t) calculable par la connaissance de x(t)
Exemple
TdS 26
Systèmes et transformée de Fourier
Réponse fréquentielle des systèmes LTI
x (t ) y (t )
Système +∞
Si le signal d'entrée est quelconque, on peut l'exprimer sous la forme
d'une somme infinie d'exponentielles complexes : c'est la TF inverse x(t ) = ∫ X ( f )e j 2πft df
−∞
+∞
y (t ) = S [ x(t )] ⇒ y (t ) = ∫ S [ X ( f )e j 2πft ] df (linéarité du système)
−∞
[ ]
En vertu du résultat précédent S X ( f )e j 2πft = H ( f ). X ( f ).e j 2πft
+∞
⇒ y (t ) = ∫ H ( f ). X ( f ).e j 2πft df (définition de la TF inverse de Y)
−∞
Y( f )
(TF de la sortie y)
TdS 27
Systèmes et transformée de Fourier
Représentation fréquentielle des systèmes LTI
x (t ) y (t )
Système Module H ( f )
Y ( f ) = X ( f ).H ( f ) H( f )
Argument φ ( f ) = arg( H ( f ) )
x(t ) ∗ y (t ) ↔ X ( f ).Y ( f )
x(t ). y (t ) ↔ X ( f ) ∗ Y ( f )
TdS 29
Exemples
Tachymètre
Entrée : Vitesse d'un véhicule v(t)
Sortie : Position angulaire de l'aiguille θ (t)
Propriétés : linéaire, causal, invariant
Exemple de système
non linéaire : hauteur d’une vague en fonction du vent
non causal : retour vers le futur
non invariant : parcmètre, modulation d'amplitude
TdS 30
TL de quelques signaux usuels
Impulsion de Dirac δ(t) Rampe ou échelon de vitesse
δ (t ) v(t)
v(t ) = tΓ(t )
t 1
L ( v (t ) ) =
L ( δ (t ) ) = 1 t s2
Signal sinusoïdal
Echelon unité Γ(t)
Γ (t )
t t
0 t < 0
Γ (t ) =
x(t ) = sin ( ωt + ϕ ) t ≥ 0
1 t ≥ 0
1
L ( Γ (t ) ) = L ( x (t ) ) =
s sin ϕ + ω cos ϕ
s
TdS s2 + ω 2
31
Classification des systèmes
Linéarité
La réponse du système y(n) à l'instant n=k0 ne dépend que des entrées x(n)
aux instants n≤k0 et des sorties passées y(n) telles que n<k0
Invariance temporelle
Si y ( n) = T [ x ( n)] alors y ( n − n0 ) = T [ x ( n − n0 )]
Un système discret est dit stable si en réponse à une entrée bornée, sa sortie est bornée
∃ M x / x ( n) < M x ⇒ ∃ M y / y ( n) = T [ x ( n) ] < M y
TdS 32
Divers
TdS 33
Systèmes Linéaires Discrets
Aspects fréquentiels des SLID