UV Traitement du signal Cours 8
Systèmes linéaires discrets
Définition et caractérisations (temporelle et fréquentielle)
ASI 3
TdS
Contenu du cours
Introduction
Définition d'un système discret
Classification des systèmes discrets
Caractérisation temporelle des systèmes linéaires discrets
Notion de convolution linéaire de signaux discrets
Réponse impulsionnelle d'un système (stabilité, réponse à une entrée quelconque)
Système linéaire discret décrit par une équation aux différences
Réponse fréquentielle des systèmes linéaires discrets
Caractérisation des SLID par la fonction de transfert
Transformée en z
Définition
Propriétés
SLID et Transformée en z
Pôles et zéros
Stabilité d'un SLID
TdS
Introduction
Définition d'un système discret
Classification des systèmes
Système statique ou sans mémoire
Système dynamique ou avec mémoire
Signal d’entrée x(n) Système discret
TSignal de sortie ou réponse y(n)
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 ) ]
b n ax n
y ( ) =
2( ) +
Exemple
L'échantillon y(n) est fonction des échantillons de l'entrée aux instants
antérieurs ou égaux à n et/ou des échantillons de sortie antérieurs à l'instant n
) 1 ( )
( )
2 (
) 1 ( )
( n = a
1y n − + a
2y n − + b
0x
2n + b
1x n −
Exemple
y
L'échantillon de sortie y(n) à l'instant n ne dépend que de l'échantillon de l'entrée x(n) au même instant
TdS
Introduction
Exemple de systèmes dynamiques : « Voice transformer »
Effet « écho » : ajout au signal d'entrée le même son retardé
Effet « réverbération » : addition d'échos successifs avec retards et filtrages différents (atténuations)
Effet « voix de robot » : addition d'un tremolo
Effet « flanger », « chorus », « wha wha », etc.
Signal d’entrée x(n) Système discret
TSignal de sortie ou réponse y(n)
y t = x t x t −t
0
y t = x t ∑n=0nbechos A
2
nx t − nt
0
y t = x t sin 2 f
0t
TdS
Introduction
Classification des systèmes
Linéarité
Causalité
Invariance temporelle
Stabilité BIBO (Bounded Input, Bounded Output)
)( )
( )
(n a1x1 n a2x2 n
x = + y(n) = a1T
[
x1(n)]
+ a2T[
x2(n)]
Si alors
La réponse y(n) du système à l'instant n=k0 ne dépend que des entrées x(n) aux instants n≤k0
Si
y ( n ) = T [ x ( n
alors) ] y ( n − n
0) = T [ x ( n − n
0) ]
∀ n,n0 ∈ ) 1 ( ) ( )
( n = x n − x n − y
Exemples
est un système invariant) ( )
( n nx n y =
est un système variantUn système discret est dit stable si en réponse à une entrée bornée, sa sortie est bornée
[ ]
yy x
x
x n M M y n x n M
M < ⇒ ∃ = <
∃ / ( ) / ( ) T ( )
∀ n∈ℤ
TdS
Convolution linéaire de signaux discrets
Définition
Exemple
On appelle produit de convolution linéaire de deux signaux discrets x(n) et h(n), l'expression
∑
∞+
− ∞
=
−
=
∗
k
k n h k x n
h n
x ( ) ( ) ( ) ( )
Cas de signaux causaux
( x(n) = 0, h(n)= 0 pour n < 0)Calculer le produit de convolution linéaire des signaux suivants
1 0
avec
) ( )
(
<
< Γ
=
a n a
n
h
n∑
=−
=
∗
nk
k n h k x n
h n
x
0
) (
) ( )
( )
(
Ne pas confondre la convolution linéaire et laconvolution circulaire des signaux discrets
h (n) 1
n 1
n x(n)
N-1
TdS
Convolution linéaire de signaux discrets
Exemple (suite et fin)
Posons . Les 2 signaux étant causaux, on a
On distingue 3 cas
n < 0
0 ) ( n = z
1 0 ≤ n < N −
Suite géo. de premier terme an et de raison 1/a
1 1 )
1 ( ) 1
( ( 11) → = ( −1) −
−
= − − −+ z n a a+
a a a
n
z n n n
) ( ) ( )
( n x n h n
z = ∗
∑
=−
=
nk
k n h k x n
z
0
) (
) ( )
(
h (-k)
1 1
k x(k)
N-1
x(k) et h(n−k) n'ont pas d'échantillons non nuls en commun
. )
(
∑
0=
= n − k
k
an
n z
− 1
≥ N
n
h (n-k)
1
k x(k)
N-1
h (n-k) 1
k x(k)
N-1 .
)
( 1
∑
−0=
= N − k
k
an
n
z On trouve
1 1
) 1
( −−
−
= −
a a a
n
z n N
TdS
Convolution linéaire de signaux discrets
Propriétés (idem analogique)
Commutativité
Associativité
Distributivité par rapport à l'addition
Elément neutre du produit de convolution : impulsion de Dirac
et aussi :
Durée d'un signal issu du produit de convolution linéaire
) ( ) ( )
( )
( n h n x n h n
x ∗ = ∗
( ( ) ( ) ) ( ( ) ( ) ) ( )
) ( )
( ) ( )
( n h n z n x n h n z n x n h n z n
x ∗ ∗ = ∗ ∗ = ∗ ∗
) ( )
( )
( n n x n
x ∗ δ =
( ( ) ( ) ) ( ) ( ) ( ) ( )
)
( n x n z n h n x n h n z n
h ∗ + = ∗ + ∗
Si x(n) est de durée N
1et h(n) de durée N
2, alors x(n)
*h(n) est de durée N
1+N
2− 1
TdS
Etude de système linéaire invariant discret (SLID)
Caractérisation d'un SLID : réponse impulsionnelle
Avantages de la réponse impulsionnelle : idem analogique
caractérisation complète du système
permet de calculer la sortie du système discret pour des signaux d’entrée quelconques en utilisant la convolution linéaire de signaux discrets
La réponse impulsionnelle d'un système discret est sa réponse à une entrée sous forme d'impulsion de Dirac
Système discret
Tn δ(n)
n h(n)
[ ( ) ]
)
( n n
h = T δ
TdS
Réponse d'un SLID à une entrée quelconque
Application de la convolution linéaire
Système T
x(n) y(n) = ?
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.
Décomposition du signal discret x(n)
[ ( ) ]
)
( n x n
y = T ⇒
Réponse du système
Propriété de linéarité du système discret Propriété d'invariance
temporelle du système
T [ δ ( n − k ) ] = h ( n − k )
Réponse impulsionnelle décaléeOn en déduit
⇒ y ( n ) = x ( n ) ∗ h ( n )
∑
∈−
=
k
k n k
x n
x ( ) ( ) δ ( )
−
= ∑
∈ k
k n k
x n
y ( ) T ( ) δ ( )
[ ]
∑
∈−
=
k
k n k
x n
y ( ) ( ) T δ ( )
L'opérateur T [.] agit sur les termes dépendant de la variable temporelle n∑
∈−
=
k
k n h k x n
y ( ) ( ) ( )
ℤ
ℤ
ℤ
ℤ
TdS
Réponse impulsionnelle d'un SLID
Stabilité et réponse impulsionnelle
Causalité et réponse impulsionnelle
Exemple
Stabilité = garantir que la sortie d'un système est bornée si son entrée est bornée Un système linéaire discret invariant est stable ssi sa
réponse impulsionnelle est absolument sommable
∑ < + ∞
∈ n
n h ( )
Un système linéaire discret invariant est causal
ssi sa réponse impulsionnelle h(n) est causale
h ( n ) = 0 ∀ n < 0
Etudier la causalité et la stabilité du système linéaire caractérisé par la réponse impulsionnelle )
( )
(n a n
h = nΓ
Remarque : si le système est causal, on a
∑
− ∞=
−
=
∗
= n
k
k n h k x n
h n x n
y( ) ( ) ( ) ( ) ( )
ℤ
TdS
Autre caractérisation d'un SLID
Equation aux différences linéaire à coefficients constants
Exemple
Système régi par une équation aux différences d'ordre N
∑
∑
=− =
M=−
r r N
k
a
ky n k b x n r
0 0
) (
)
( ∑ ∑
=
=
− + −
−
=
Mr N r
k
k
x n r
a k b
n a y
n a y
0 0 1 0
) (
) (
) (
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 Avantages
Quelle que soit la longueur de la réponse impulsionnelle h(n) (finie ou infinie), le nombre d'opérations nécessaires au calcul de y(n) est fini (comparativement au calcul par convolution linéaire)) ( )
1 ( )
(n ay n cx n
y − − =
TdS
Autre caractérisation d'un SLID
Equation aux différences linéaire à coefficients constants
N=0
y(n) dépend de l'entrée courante x(n) et des M entrées précédentes x(n−r)
Système à réponse non récursive
La réponse impulsionnelle est finie
On parle de système à Réponse Impulsionnelle Finie (RIF)
N ≥ 1
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
Système à Réponse Impulsionnelle Infinie (RII)
∑
∑
= =−
=
− M
r r N
k
k y n k b x n r a
0 0
) (
) (
∑
=−
= M
r
rx n r b
n y
0
) (
) (
∑
=−
= M
r
r n r b
n h
0
) (
)
( δ
∑
∑
= =− +
−
−
= M
r r N
k
ky n k b x n r a
n y
0 1
) (
) (
) (
avec a0=1
TdS
SLID et Transformée de Fourier à Temps Discret
Réponse fréquentielle des SLID
Système T
y (n ) )
(n x
) ( ) ( )
( n h n x n
y = ∗
) ( f
H : TFTD de la réponse impulsionnelle ou fonction de transfert du système discret
En utilisant le théorème de Plancherel, on a
) ( ).
( )
( f H f X f
Y =
) ( f H
Module H ( f )
Argument φ ( f ) = arg ( H ( f ) )
: spectre d'amplitude
: spectre de phase
TdS
Transformée en z (TZ)
Définition
Condition d'existence de la TZ
Exemple
La TZ est la généralisation de la TFTD. Soit un signal discret x(n). Sa TZ est définie par
Calculer la TZ de
avec
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)
∑
∞+
− ∞
=
=
− nz
nn x z
X ( ) ( ). z ∈
∈ < + ∞
=
∑
+∞− ∞
=
− n
z n
n x z
RDC / ( ).
) ( )
(n n
x = Γ
∑
∞+
− ∞
=
= − n
z n
n x z
X( ) ( ). +
∑
∞=
= − 0
) (
n
z n
z
X
∑
−=
− + ∞
= → 1
0
lim )
( N
n
n
N z
z X
1 1
lim 1 )
( −−
+ ∞
→ −
= −
z z z
X N
N La limite est finie si i.e. z−1 < 1 z > 1 1 1
) 1
( −
= − z z
X pour z > 1
∑
∞+
− ∞
=
=
− nnf
e
jn x f
X ( ) ( )
2πRappel : la TFTD de x(n) est : ℂ
ℂ
TdS
Transformée en z
Région de convergence
Remarques
Si r1 > r2, la série ne converge pas
Signal défini à droite
Signal défini à gauche
0 0
/ x ( n ) 0 n n n = ∀ <
∃
(signal causal pour n0=0)
De façon générale, on montre que la RDC est un anneau de convergence défini par
∞ +
≤
≤
≤
≤
1 20 r z r
avec n
n
x n
r
1lim ( )
1/+ ∞
=
→ et nn
x n
r
2lim ( )
−1/+ ∞
→
−
=
Re(z) Im(z)
RDC
r
1r
2RDC = région extérieure au cercle de rayon r1
+ ∞
2
= r
0 0
/ x ( n ) 0 n n n = ∀ >
∃
(signal anticausal pour n0=0)
1
= 0
r
RDC = disque de rayon r2 Re(z)Im(z)
RDC
r2
Re(z) Im(z)
r1
RDC
TdS
Transformée en z : propriétés
Linéarité
) ( )
( )
( )
( n by n aX z bY z
ax + → + x ( n − n
0) → z
−n0X ( z ) ∀ n
0∈
Soit x(n), un signal discret. Soit X(z) sa TZ avec la RDC : r1 ≤ z ≤ r2
La RDC est au moins l'intersection de la RDC de X(z) et de la RDC de Y(z)
Décalage temporel
Changement d'échelle en z
→ X a z
n x a
n( )
RDC : ar1 ≤ z ≤ ar2
Dérivation en z dz
z z dX n
x
n ( ) → − ( )
La RDC est identique à l'exception de restrictions éventuelles en z=0 et z=∞
La RDC est identique à l'exception de restrictions éventuelles en z=0 et z=∞
Théorème de la valeur finale
Produit de convolution ) ( ).
( )
( )
( n y n X z Y z
x ∗ →
La RDC est au moins l'intersection de la RDC de X(z) et de la RDC de Y(z)
) ( ) 1 ( lim )
(
lim x n
1z X z
z
n
= −
→ + ∞
→
Retournement du temps )
( )
( − n → X z
−1x
1 2
1 1
z r r ≤ ≤ RDC :
TdS
Transformée en z : propriétés
Transformée en z inverse
Intégrale de Cauchy (en pratique : théorème des résidus)
Décomposition en éléments simples
Développement en série de puissance
TZ et Transformée de Fourier à Temps Discret (TFTD)
∫
−=
C
dz z
z j X
n
x ( )
n 12 ) 1
( π
∑
=
i
X
iz z
X ( ) ( ) = ∑
i
x
in n
x ( ) ( )
Les Xi (z) sont des fonctions à TZ-1 connues∑
∞+
− ∞
=
=
− nn
z
nc z
X ( ) x ( n ) = c
n∀ n
Si X (z) peut être décomposé en série alors x(n) est le coefficient associé à z-n
Hypothèse : on suppose que le cercle unité (|z|=1) ∈ RDC de X (z).On restreint le calcul de X(z) au cercle unité en posant
z = e
j2πf)
( ).
( )
( z x n e
2X f
X
n
fn
j
=
=
+∑
∞− ∞
=
− π La transformée de Fourier à temps discret
(TFTD) d'un signal est sa transformée en z évaluée sur le cercle unité
f
ej
z
zX f
X ( ) = ( )
= 2π(|z|=1) ∈ RDC
xn=
∑
zi=pôles de zn−1Xz
Res{zn−1Xz}z=zi
TdS
Transformée en z
Exemples
Calculer la TZ et la région de convergence associée des signaux suivants :
∈
+Γ
= a n a
n
x ( )
n( ),
b n a
b n n a
x
nn<
−
≤
−
= ≥ avec
1 ,
0 ) ,
(
) (
) ( )
( n n N n
x = Γ − Γ −
ℝ
TdS
∑
∑
=
−
=
−
=
=
Mr r r N k
k k
z b
z a z
X z z Y
H
0
)
0( ) ) (
(
Transformée en z et systèmes linéaires discrets
Caractérisation par la réponse impulsionnelle
Caractérisation du SLID par une équation aux récurrences
Equation aux récurrences :
La fonction de transfert H(z) a la forme d'une fraction rationnelle :
( ) ) ) (
( D z
z z N
H =
N(z) et D(z) : polynômes en z-1 de degrés respectifs M pour les entrées et N pour les sorties Système T
y (n )
) (n x
h(n) : réponse impulsionnelle du système
) ( ) ( )
( n h n x n
y = ∗
) ( ).
( )
(z X z H z
Y =
∑
∑
=− =
M=−
r r
N
k
a
ky n k b x n r
0 0
) (
) (
En utilisant la propriété de décalage temporel de la TZ, on a :
( ) ( )
0 0
z X z
b z
Y z
a
Mr r r N
k
k k
=
∑ ∑
=
−
=
−
1 0 1
1 0
)
1( a z a z a
b z
b z
z b
H
NN M M
+ +
+
+ +
=
−−+
−−
ou
TdS
Pôles et zéros – stabilité d'un système discret causal
Fonction de transfert H(z) et stabilité d'un système discret causal
Causalité
Stabilité
Conclusion
Un système discret linéaire et causal est stable ssi tous les pôles de H(z) sont à l'intérieur du cercle unité
Le système est causal ssi la RDC de H(z)
est l'extérieur d'un disque ⇒
λ
i ∈ au disqueRDC = { z ∈ , z > r }
Un système linéaire discret est stable ssi
sa FT H(z) converge sur le cercle unité
∑
∈< + ∞ { z ∈ , z = 1 } ∈ RDC
n
n
h ( ) ⇔ )
( ) ) (
( D z
z z N
H =
Les pôles sont les racines λi ∈ du polynôme D(z)
Pôles d'un système discret
H(z) diverge (H(z) = ∞) pour z=λi
⇒ λi ∉ RDC de H(z)
Remarque : Les zéros sont les racines du polynôme N(z)
Zéros d'un système discret
{
z z r}
i∈ ∈ , ≤
λ ℂ
ℂ ℕ
ℂ