Quelques élément très généraux liés à la commande des systèmes et au traitement
du signal
Signaux & Systèmes : notions
Σu y
Signaux
• Temps ?
• Déterministe ?
• Energie ?
• Puissance
Système
• Linéaire ?
• Invariant ?
• Causal ?Modèles
Externes (unicité) Internes (non unicité)
liens
un cas particulièrement important
Modèles
Externes Internes
Equations différentielles
mnRba
ubububyayaya
ii
mm
nn
,,
'' )(10
)(10
nn
mmst
sasaa
sbsbbsGdtetfsF
10
10
0
)(,)()(
0
)()()( dtuyty
Fonction de transfert
Produit de convolution
Equations différentielles
Fonction de transfert
Produit de convolution
DuCxy
BuAxx
DBAsICsG 1)()(
0
)( )()( dBuCety tA
CI=0 CI=0
?
Signaux
• Déterministe
• Temps continu
Système
• Linéaire
• Causal
• Invariant
autres cas
Signaux
• Déterministe
• Temps discret
Système
• Linéaire
• Causal
• Invariant
Modèles
Similaires au cas précédent
Signaux
• Déterministe
• Temps discret
Système
• Non linéaire
• Causal
• Invariant
Modèles
Externes Internes
0),,,,,( )()( mn uuyyg ),(),,( uxhyuxfx
Plus difficile
Problème de contrôle
Σu y
Perturbationω
Pb : Soit ys, sortie souhaitée, trouver us tel que us ys
Modèle
Monde réel
Monde du calcul
Différences :
Responsables des problèmes dans les applications
Minimisation des différences sur les résultats
• Boucle fermée (Automatique)
• Prise en compte des Incertitudes (Commande Robuste)
La chaîne de traitement de l’information et le TS
Systè
me P
hysiq
ue
Capteur
Extraction
de l’information
Récepteur
TraitementContrôle/régulation
Stockage
Affichage
Canal
de transmission
Signal électrique
+ bruit
Bruit
En automatique, c’est le système qui est au cœur des préoccupations. On cherche alors à le caractériser, corriger, …pour qu’il fournisse une réponse (signal) satisfaisant certaines contraintes.
En TS, c’est le signal qui nous intéresse en premier lieu. L’objectif consiste alors à le caractériser, filtrer, …
TS / Automatique
Traitement du signal
– Conditionnement
– Caractérisation
– Détection/Estimation
– Optimisation
– Modélisation/Identification
– Codage/décodage
– Synthèse du signal
– Reconnaissance/Décision/
Compréhension/Interprétation
Automatique
– Commande des systèmes
(Commande linéaire, adaptative,
optimale, …)
– Asservissement : système bouclé/
performances/ Correction
(Régulation, Poursuite automatique
de trajectoire, …)
Exemple (filtrage) : La terre est soumise
depuis des millénaires à des fluctuations
climatiques naturelles qu’il est nécessaire
à les gommer (filtrage) pour mettre en
évidence les fluctuations artificielles dûes
à l’homme.
Exemple : Régulation de la température
d’une salle
Analogique : la température est mesurée
en permanence.
Numérique : la température est mesurée
à intervalles de temps réguliers.
Représentations Temporelles Des Signaux
Plan du chapitre :
I. Introduction
II. Classification des signaux
III.Signaux élémentaires
IV. Définitions
Un signal est une représentation physique d’une information à transmettre
• Représentation Temporelle
La forme la plus générale peut s’écrire :
),( wvfx Vecteur de dimension n
distribution Vecteur de dimension m
Vecteur de dimension p faisant
Apparaître une dépendance
statistique si le signal est aléatoire
Soit :
• Signal à TC, àTD
)(:,:
),(,:
tedéterminissignalfixéwfonctionf
ttempsvscalairex
)()( tftx Vecteur à TC ou à TD
Exemple de distribution : Impulsion de Dirac
sinon0)(
0)(
t
tsit
Soit la fonction f(t)
f(t)
-T/2 T/20)(lim)(
0tft
T
I. Introduction
II. Classification (1/4)II.1. Classification morphologique
A
M
P
L
T
U
D
E
T E M P S
0 0.5 1 1.5 2 2.5 3 3.50
0.5
1
1.5
2
2.5
3
Signal numérique
(ex: notes d’un étudiant)
0 0.5 1 1.50
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Step Response
Time (sec)
Am
plit
ude
0 1 2 3 4 5 6 7 8-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Signal analogique
(ex: tension électrique)
Signal quantifié
(ex: compte bancaire)
t varie continuellement ou par morceaux
x(t) signal à TC
échantillonnage
0 1 2 3 4 5 6 7-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Signal échantillonné
t est discret, noté n (nT)
x(t) signal à TD
T / x(t)=x(t+kT)
II. Classification (2/4)II.2. Classification phénoménologie
• Signal déterministe : dont l’évolution temporelle est prévisible et dont
le comportement peut être régie par une formulation mathématique ou graphique
Signal réel : c’est un signal représentant une grandeur physique. Sa formulation mathématique est une fonction réelle
Signal périodique Signal apériodique Signal transitoire
Support non borné Support borné
II. Classification (3/4)II.2. Classification phénoménologie
• Signal aléatoire (stochastique) : dont l’évolution temporelle est imprévisible et dont on ne peut pas prédire la valeur à un temps t. La description est alors basée sur les propriétés statistiques des signaux (moyenne, variance, loi de probabilité, …)
Signaux aléatoires stationnaires : La stationnarité suppose une indépendance des propriétés statistiques par rapport à l’origine des temps
Stationnaire Non stationnaire
II. Classification (4/4)II.3. Classification énergique
Signaux à énergie finie
Signaux à énergie infinie
Puissance moyenne nulle
Puissance moyenne non nulle
Cas des signaux transitoires à support borné
Cas des signaux périodiques
22
)()()()( nxETDdttxETC
k
kk
T
T
Tnx
kTDdttx
TPTC
2
2/
2/
2)(
12
1lim)()(
1lim)(
III. Signaux usuels (1/2)
Signal TC TD
Échelon
(fonction de Heaviside, ou fonction existence)
Représente un brusque changement de régime de fonctionnement
Notation : u ou Ф ou Г
Fenêtre ou porte ouimpulsion
Notation : ΠT
Г(t)
t0
1
Г(t)= 1 si t>0
= 0 si t<0
Г(n)
t0
1
Г(n)= 1 si t≥0
= 0 si t<0
1 2 3 4-1
ΠT(t)
t0
1
ΠT(t)= 1 si -T/2<t<T/2
= 0 sinon
ΠT(nTe)
t-T/2
1
T/2-T/2 T/2
ΠT(nTe)= 1 si
-T/2<nTe<T/2
= 0 sinon
III. Signaux usuels (2/2)
Signal TC TD
Exponentielle décroissante
Impulsion de DiracReprésente une brève perturbation ou une « claque »
Notation : δ
y(t)=Г(t)exp(-a.t)
a>0
0 1 2 3 4 5 6 7 8 9 100
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 1 2 3 4 5 6 7 8 9 100
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
y(n)=Г(n)exp(-a.n)
a>0
δ(t)
t
1
δ(t) = ∞ si t=0
= 0 sinon
t
1δ(n)
δ(n) = 1 si n=0
= 0 sinon
IV. DéfinitionsIV.1. Produit de convolution
k
k
knykxnynxTDdtyxtytxTC )()()(*)()()()()(*)()(
Propriétés : - le produit de convolution est commutatif,
associatif et distributif par rapport à l’addition
IV.2. Fonction d’intercorrélationElle permet la comparaison de deux signaux en traduisant la ressemblance entre eux.
pour les signaux à énergie finie :
Propriétés :
k
k
xyxy knykxnTDdtyxtTC )()()()()()()()( **
)()()()()()( nnTDttTC yxxyyxxy
IV.3. Fonction d’autocorrélation
Elle traduit la vitesse de variation du signal x(t) (respectivement x(n))
Propriétés : - la fonction d’autocorrélation est maximale pour t = 0
(resp. pour n=0) et elle est paire
IV. Définitions (1/2)IV.4. Rapport Signal/bruit
Objectif : Déterminer la qualité d’un signal
Rapport RS/B quantifiant l’effet du bruit
RS/B = Puissance du signal/Puissance du bruit
RS/B(dB) =10log10(RS/B)
V. TD 1Exercice 1
On donne
a) Représenter les graphes de ces deux signaux
b) Expliciter et représenter les deux signaux retardés, avancés, renversés, avec offset et amplifiés
Exercice 2Calculer, analytiquement et graphiquement, la convolution de deux portes
Exercice 3
a) Soit le signal porte, centré sur l’origine, d’amplitude A
et de durée T. L’autocorrélation de ce signal est :
• un sinus cardinal
• une fonction triangle
• impaire et maximale à l’origine
• majorée par A2.T
10
1044
014
10
)(1
2
1
10
)(
tpour
tpourt
tpour
tpour
tyetnpour
npour
nxn
b) Le signal x(t)=Asin(2Πf0.t), A>0, f0>0 possède:
• une énergie totale infinie
• une énergie totale finie
• une puissance totale nulle
Exercice 4
Calculer la fonction d’intercorrélation dans les cas suivants:
-a) x(t)=1 et y(t)=sin(wt) –b) x(t)=exp(-a|t|), a>0 et y(t) une impulsion de Dirac
–c) x(t)=sin(wt) et y(t)=cos(wt)
Transformation de FourierReprésentation Fréquentielle
Des Signaux
1ère partie : Signaux périodiques à TC
I. Introduction
II. Théorème de Fourier: décomposition en série de Fourier
III.Forme exponentielle
IV. Spectre bilatéral
V. Propriétés
I. Introduction
La radio – l’ouie – un radar – un téléphone portable – un réseau
Notion de contenu fréquentiel de l’information qu’elle véhicule ou qu’elle analyse
Analyse fréquentielle des signaux
II. Théorème de FourierII.1. Décomposition en série de FourierUn signal x(t) périodique de période T, peut être sous certaines conditions, mis sous la forme d’une somme de fonctions sinusoïdales
1
0 sincos)(
n
nn tnbtnaatx
2/
2/0 )(
1T
T
dttxT
a
Valeur moyenne du signal
2/
2/
cos)(2
T
Tn dttntx
Ta
2/
2/sin)(
2 T
Tn dttntx
Tb
T
2
Harmonique d’ordre nForme trigonométrique
1
0 )(cos)(
n
nn tncatx
22
nnn bac n
nn
a
barctg
L’harmonique d’ordre 1 est appelé Fondamental
II. Théorème de FourierII.2. Cas particuliers
x(t) est pair
1
0
1
0
sincos)(
sincos)(
n
nn
n
nn
tnbtnaatx
tnbtnaatx
La relation précédente devant être vraie quel que soit t, on en conclut que : bn =0 quel que soit n.
x(t) est impair
1
0
1
0
sincos)(
sincos)(
n
nn
n
nn
tnbtnaatx
tnbtnaatx
La relation précédente devant être vraie quel que soit t, on en conclut que : an =0 quel que soit n.
II. Théorème de FourierII.3. Spectres de fréquences
spectre d’amplitude
spectre de phase
Spectre occupation en fréquence de x(t) densité spectrale de puissance
En ordonnée : l’amplitude des harmoniques
En abscisse : les pulsations correspondantes
a0c1
c2
c3c4 c5 c6 c7
32 4 5 6 70
Π φ1
-Π
32 45 6 7
0
φ2
φ3
φ4
φ5
φ0
φ6
φ7
En ordonnée : la phase des harmoniques
En abscisse : les pulsations correspondantes
+B
-B
T/2
Tt
tri(t)
x(t) Représentation fréquentielle
Spectre d’amplitude
II. Théorème de FourierII.3. Spectres de fréquences : exemples de décomposition
+A
-A
T/2 Tt
car(t)
012
)12sin(4
)(
nn
tnA
tcar
0
22 )12(
)12cos(8
)(
nn
tnB
ttri
4A/π
32 4 5 60
4A/3π4A/5π
,...6,4,2,0
,...5,3,1,4
,0
nb
nn
Ab
na
n
n
n
8B/π2
32 4 50
8B/9π2
nb
na
nn
Ba
n
n
n
,0
,...6,4,2,0,0
,...5,3,1,8
2
II. Théorème de FourierII.5. Définitions
a) Facteur de forme : est défini par le rapport entre la valeur efficace et la valeur moyenne
b) Taux d’ondulation :
• L’ondulation est la variation du signal x(t) autour de sa valeur moyenne A0. Elle est égale à
• Le taux d’ondulation est le rapport entre la valeur efficace de l’ondulation et la valeur moyenne de x(t)
c) Taux de distorsion harmonique : est défini par le rapport entre la valeur efficace de l’ensemble des harmoniques d’ordre >1 et la valeur efficace du fondamental (il permet de chiffrer la pureté d’un signal sinusoïdal)
0
1
22
02
1
A
cA
Fn
n
1
)cos(n
nn tnc
0
1
2
2
1
A
cn
n
22 1aon et F
1
22
3
2
2
c
ccc n
III. Forme exponentielle
)(cos)(1
0 n
n
n tncatx
nnnn
T
T
tjnn
ccc
dtetxT
c
arget
)(2
2/
2/
Application : calculer et représenter les spectres d’amplitude de :
1. Un signal rectangulaire de rapport cyclique a
2. Un peigne de Dirac
La décomposition en série de Fourier d’un signal périodique, peut être écrite sous forme suivante (facilement démontrable) :
avec
IV. Spectre bilatéral (1/2)
n
tjnneXtx )(
Tt
t
tjnn dttx
TX e
0
0
)(1
A l’aide des relations d’Euler, la décomposition en série de Fourierd’un signal périodique, peut être écrite sous la forme d’inversion :
avec
Il apparaît, dans cette expression, des harmoniques pour les fréquences s’étendantde -∞ à +∞, d’où le nom de : spectre bilatéral
Remarques
a) Dans les transformations précédentes:
• x(t) est resté le signal périodique réel
• Xn et X-n sont des nombres complexes et n’ont pas d’existence réelle, mais
n harmoniquel' de amplitudel' à correspond ,222
nnnnn baXXX
n harmoniquel' de phase la à correspond ,-arg nn
nn
a
barctgX
IV. Spectre bilatéral (2/2)
Remarques
b) Si le signal x(t) est sinusoïdal :
on peut écrire
)cos()( ttx
2)(
jtjjtj eeeetx
on peut écrire et
21
jeX
21
jeX
d’où le spectre bilatéral du signal sinusoïdal :
1/2
V. Propriétés (1/2)
(P1) Symétrie Hermitique :
(P2) Le spectre d’un signal périodique de période T, est discret
(P4) Parité :
(P3) Puissance d’un signal périodique :
Théorème de Perseval
(P5) Linéarité
(P6) Xk est généralement complexe même si x(t) est réel
) de conjugué :*(: ** XXXk kk
Pour un signal réel, |Xk| est pair et arg(Xk) est pair
Tt
t k
kXdttxT
P0
0
22)(
1
La puissance temporelle est égale à la puissance spectrale
PAIR IMPAIR
x(t) Réel Imaginaire pur Réel Imaginaire pur
Xk
V. Propriétés (2/2)
(P7) correspondance bi-univoque
Opérations Représentation Temporelle Représentation Fréquentielle
Combinaison linéaire
Renversement du temps
Retard
offset
Dérivation
Intégration
Dérivation
Conjugaison complexe
Convolution
Produit
)()()( tybtxatu kkk YbXaU
)()( txty kk XY
)()( txtyjk
kk eXY
ctxty )()( kkk cXY
)()( txty
kk XjkY .
duuxty
tt
t
)()(0
0
)0( kjk
XY k
k
)()( * txty kk XY *
)()( )( txty pk
pk XjkY .)(
)(*)()( tytxtu kkk YXU .
)().()( tytxtu kkk YXU *
Transformation de FourierReprésentation Fréquentielle
Des Signaux
2ère partie : Signaux non périodiques à TC
I. Transformation de Fourier
II. Propriétés
III. TF d’un signal périodique à TC
IV. Transformation de Laplace
I. Transformation de Fourier
La transformée de Fourier (TF) d’un signal x(t) s’écrit :
fréquence laest
)())(()(
2
f
dtetxtxTFfX
ftj
X(f) est la représentation fréquentielle de x(t).
Elle est généralement complexe même si x(t) est réel.
Formule d’inversion :
dfefXfXTFtx
ftj 2
1 )())(()(
II. Propriétés (1/3)
(P1) Symétrie Hermitique :
(P2) Le spectre d’un signal non périodique est continu (à fréquences continus)
(P3) Théorème de Perseval
)()(: aon réel,est si fXfXx(t)
dffYfXdttytxP )()()()(
impairest ))(Arg(et pair est )( : aon réel, signalun Pour fXfX
(P4) Energie du signal
dffXdttxE22
)()(Perseval) de théorèmeleutilisant (en
II. Propriétés (2/3)
(P5) Parité :
(P6) Linéarité
(P7) X(f) est généralement complexe même si x(t) est réel
PAIR IMPAIR
x(t) Réel Imaginaire pur Réel Imaginaire pur
X(f)
(P8) TF de la fonction de corrélation
)()()]([ fYfXtTF xy
II. Propriétés (3/3)
Opérations Représentation Temporelle Représentation Fréquentielle
Combinaison linéaire
Renversement du temps
Retard
offset
Dérivation d’ordre p
Intégration
Conjugaison complexe
Convolution
Produit
Multiplication par tp
Modulation exponentielle
)()()( tybtxatu )()()( fYbfXafU
)()( txty )()( fXfY
)()( txty fjefXfY 2)()(
ctxty )()( )()()( fcfXfY
duuxty
tt
t
)()(0
0
déterminer à cte:
)(2
)()(
C
fCfj
fXfY
)()( txty )()( fXfY
)()( )( txty p )(.)2()( fXfjfY p
)(*)()( tytxtu )().()( fYfXfU
)().()( tytxtu )(*)()( fYfXfU
)()( txtty pp
p
df
fXd
fjfU
)(
2
1)(
)()( 02txety
tfj )()( 0ffXfY
III. TF d’un signal périodique à TC
n
n
n
nffiablen
n
tnffj
n
ftj
n
tfjn
n
nffXTFXdteX
dteeXtxTF
)(]1[
))((
0)0( var
)0(2
202
x(t) signal périodique de période 1/f0
n
n nffXtxTF )())(( 0
Dirac de peigneun par multipliésFourier de série la de tscoefficien les
X(f)Xn
)( X0f
f
Série de Fourier TF
IV. Transformation de Laplace
La transformée de Laplace généralise la représentation fréquentielle
dtetxtxTLpX pt)())(()(
sp aussi notée Laplace, de (complexe) variable
réels et ,2 ffjp
0
)()(0, Si dtetxpX pt causaux signaux lesour utilises' x(t)p
TD 2
Exercice 2
On considère les signaux :
a. Tracer les allures de ces signaux, pour a=1 et f0 = 1Hz
b. Déterminer la transformée de Fourier de y(t) et tracer l’allure de son spectre
c. Déterminer la transformée de Fourier de z(t) et tracer l’allure de son spectre en supposant que f0>>a.
Exercice 1
On considèrent les signaux périodiques suivants :
a. Calculer le développement en série de Fourier complexe du signal x(t) et tracer son spectre en amplitude pour a=T/4 et a=T/8 .
b. En déduire ceux de y(t).
a-a T
x(t)
2a
y(t)
T
)().()(;)2cos()(;0,0,)( 0 tytxtztftytaetx at
TD 2
Exercice 3
Soit les signaux suivants (y(t) est périodique de période 2T )
a. Déterminer la puissance totale et l’énergie totale des signaux x(t) et y(t).
b. Déterminer la transformée de Fourier de x(t). Tracer le spectre en module de x pour A=3 et T=2.
c. En déduire la transformée de Fourier de y(t).
d. Développer y(t) en série de Fourier à coefficients complexes. Comparer avec le résultat précédent
e. Tracer le spectre en module de y. Faire apparaître l’allure du spectre de x et les valeurs des coefficients du développement en séries de Fourier
f. Déterminer la transformée de Fourier de z(t) et tracer son spectre en module
g. Tracer l’allure de s(t)=cos(2πf0t)x(t). Quel phénomène physique est modélisé via la multiplication par x(t)
h. Déterminer S(f) et racer le spectre en module de s(t).
A
T/2-T/2
x(t)A
T/2-T/2 2T+T/22T-T/2
y(t)
-A
A
z(t)
T-T/2 T+T/2
CaractérisationsTemporelles et Fréquentielles Des Systèmes linéaires à TC
I. Introduction : Définition et classification
II. Caractérisation temporelle
II.1. Relation Entrée/sortie
II.2. Réponse impulsionnelle
III. Caractérisation fréquentielle
III.1. Réponse fréquentielle d’un SLTI
III.2. Système LTI et transformée de Fourier
III.3. Représentation fréquentielle de Laplace
I. Introduction (1/3)
Définition : Un système est un ensemble
d’éléments fonctionnels interagissant entre eux
et qui établit un lien de cause à effet entre
ses signaux d’entrées et ses signaux de sortie
x y
Perturbations
Signaux
de sortie
Signaux
D’entrée
Système
Σ
Exemples
Système électrique
Système mécanique
Circuit RC intégrateur
Entrée : tension u(t)
Sortie : tension y(t)
Entrée : force f(t)
Sortie : position x(t) % x0
Intégrateur mécanique
k : coeff. de frottement élastique
a : coeff. de frottement visqueux
x0 : position d’équilibre
• Système statique / dynamique :
• statique : la réponse à une excitation est instantanée
• dynamique : la réponse à une excitation est fonction des réponses passées
• Système monovariable / multivariable : - système monovariable : une entrée et une sortie- système multivariable : nbre d’entrées et de sorties > 2
• Système linéaire : tel que les effets sont proportionnels aux causes
)]([)]([)( alors )()()( si 22112211 txtxtytxtxtx
R
tutitu
)()(courant : Sortie - )( tension : Entrée-
)()()(
)( tension : Sortie - )( tension : -Entrée
tutVdt
tdVRC
tVtu
cc
c
I. Introduction (2/3) Caractéristiques
• Système causal : La réponse du système ne peut pas se produire avant l’excitation qui l’engendre
• Système invariant ou stationnaire : un décalage temporel en entrée induit le même décalage en sortie
• Système stable :
• Si à une entrée bornée répond par une sortie bornée (stabilité au sens large)
• perturbé, il revient à son état initial après disparition de la perturbation (stabilité asymptotique au sens de Lyapunov)
0pour 0)]([)( alors ,0pour 0)( si ttxtyttx
)]([)( alors )]([)( si 00 ttxttytxty
I. Introduction (3/3) Caractéristiques
Dans la suite, on considère les systèmes monovariables LTI
(Linéaire Invariant dans le Temps)
II. Caractérisation temporelle (1/4)
II.1. Relation Entrée / Sortie d’un système LTI
généralement, c’est une équation différentielle à coefficients constants
nm
txbdt
tdxb
dt
txxbtya
dt
tdya
dt
tyda
m
m
mn
n
n
nt,Généraleme
)()()(
)()()(
0101
connaissance des coefficients caractérisation complète du système
connaissance de l’entrée sortie calculable
Exemple : Circuit RLC
(t)VsystèmeduSortie
u(t)systèmeduEntrée
c :
:
)()()()(
2
2
tutVdt
tdVRC
dt
tVdLC c
cc
II. Caractérisation temporelle (2/4)II.2. Réponse impulsionelle (RI)
La RI d’un système est sa réponse pour une entrée impulsion de Dirac
Propriétés :
La RI Caractérise complètement un système LTI
La seule connaissance de h(t) permet de prédire la réponse du SLTI
à n’importe quelle entrée x(t)
Un système est stable ssi sa RI est absolument intégrable :
Il en découle que la RI d’un système causal stable vérifie:
)(:)( thty Système
Σ
)()( ttx
)]([)( tth
dh )(
0)(lim
tht
II. Caractérisation temporelle (3/4)
Démonstration de la relation fondamentale des SLTI
?)( tySystème
Σ
)(tx
dtx
ttxtx
)()(
)(*)()(
dtxtxty )()()()(
dtxty
)()()(
dthxty
)()()(
)(*)()( thtxty
Σ : linéaire
Σ : invariant
nconvolutio la de
neutreélément l'est )(t
La réponse d’un SLTI à une entrée quelconque est
la convolution de cette entrée avec la RI de ce système
II. Caractérisation temporelle (4/4)
Convolution : Rappel
dtyxtytx )()()(*)(Cas de signaux
causaux
dtyxtytx )()()(*)(
0
Commutativité
associativité
Distributivité par rapport à l’addition
Élément neutre : impulsion de Dirac
Translation temporelle
Convolution avec
un peigne de Dirac
Exemple :
)(*)()(*)( tftgtgtf
)(*))(*)((
))(*)((*)()(*)(*)(
tgtfte
tgtftetgtfte
)(*)()(*)())()((*)( tgtetftetgtfte
)(*)()( ttftf
)(*)()( 00 tttfttf
nn
T nTtfnTttfttf )( )(*)()(*)(
III. Caractérisation fréquentielle (1/9)
III.1. Réponse fréquentielle d’un SLTI
)(tySystème
Σ
)(tx
dehAedeAhAethAe fjftjtfjftjftj 22)(222 )()(*)(][
)(][ 22 fHAeAe ftjftj
TF de la RI := H(f)
La réponse d’un système lTI à une exponentielle (resp. à un signal sinusoïdal)
est égale au produit de cette exponentielle (resp. du signal sinusoïdal)
par le gain complexe H(f)
ftjAetx 2)(
:Soit
Donc :
III. Caractérisation fréquentielle (2/9)
III.2. Système LTI et TF
dfefXtx ftj 2)()(
Le signal d’entrée est quelque :
On peut l’exprimer à l’aide de la TF inverse
linéarité) de (ppté])([])([)]([)( 22 dfefXdfefXtxty ftjftj
Forme exponentielle
)()(])([ 22 fHefXefX ftjftj OR
inverse TF : )()()( 2 dfefXfHty ftj
y(t)TF)( fY
)(*)()( txthty )().()( fXfHfY
Transfert deFonction : )( fH
III. Caractérisation fréquentielle (3/9)
Représentation fréquentielle d’un SLTI
Relation E/S fréquentielle
Transfert deFonction : )( fH
module : )( fH
argument : )(arg fHReprésentation fréquentielle
Cette représentation fréquentielle illustre l’aptitude du système à faire passer une composante
fréquentielle présente dans le signal d’entrée
)( fYSystème
H(f)
)( fX
)().( fXfH
La relation entrée/sortie dans le domaine fréquentiel est caractérisée par sa simplicité
• Module :
• Argument :
• Densité spectrale d’énergie :
)().()( fXfHfY
)(.)()( fXfHfY
)(arg)(arg)(arg fXfHfY
)().()( fSfSfS hhxxyy
III. Caractérisation fréquentielle (4/9)
III.3. Représentation fréquentielle de Laplace
III.3. 1. De la TF à la TL
La transformée de Laplace généralise la représentation fréquentielle. En effet :
))(()()( txTLdtetxsX st
:obtient on ,2posant En fjs
)()( 2 dtetxtxTF ftj
Cette TF existe si l’intégrale converge
Dans le cas contraire, le signal est multiplié par une exponentielle décroissante telle que :
0 avec )(
dtetx t TF
dteetxfX ftjt 2)(),(
dtetx tfj )2()(
Définition de la Transformée de Laplace
III. Caractérisation fréquentielle (5/9)
III.3. 2. Propriétés de la TL
Linéarité
Convolution
Translation temporelle
Translation fréquentielle
Dérivation
Intégration
Théorème le la valeur initiale
Théorème le la valeur finale
)(lim)(lim)0(0
ssXtxxst
)(lim)(lim)(0
ssXtxxst
)()()(.)(.)()( sbYsaXtyTLbtxTLatybtxaTL
)().()(*)( sYsXtytxTL
)()( sXetxTL s
)()( asXtxeTL at
)0()()(
xssXdt
tdxTL
s
sXdxTL
t)(
)(0
Impulsion de Dirac
Rampe ou Échelon de vitesse
Échelon unité
III. Caractérisation fréquentielle (6/9)
III.3. 3. TL de quelques signaux usuels
1)( tTL
2
1)(
stTL
s
tTL1
)(
Temps Fréquence
Réponse Indicielle (RI) :
Système invariant (STI)
Système linéaire invariant (SLTI)
Relation E/S : convolution
Relation E/S d’un SLTI
Eq. diff. à coeff. Constants:
les conditions initiales (CI)
supposées nulles
Fonction de transfert (FT) :
Filtre
Filtre linéaire
Relation E/S : produit
Fraction rationnelle en s
Quotient rationnelle en s
de deux polynômes en s
Transmittance
III. Caractérisation fréquentielle (7/9)
III.3. 4. Dualité temps/fréquence
)(th )(sH
m
ii
i
i
n
ii
i
idt
tydb
dt
txda
0
)(
0
)( )()( TL 0)(CI ,)(
)()(
0
0
m
i
ii
n
i
ii
sb
sa
sX
sYsH
III. Caractérisation fréquentielle (8/9)
III.3. 5. Notions de pôles et de zéros
011
1
011
1
)(
)()(
bsbsbsb
asasasa
sD
sNsH
mm
mm
nn
nn
0)(équation l’ de racines lessont ,...,1 , notés racines, Les
0)(
:tiquecaractériséquation l’ de racines lessont ,...,1 , notés pôles, Les
i
i
sNmiz
sD
ni
Un système est stable ssi tous ses pôles sont à parties réelles strictement négatives
Exemple : dans chaque cas, dire si le système est stable ou non
65
5)(
)1)(1(
2)(
1)(
2
sssH
ss
ssH
s
ssH
III. Caractérisation fréquentielle (9/9)
III.3. 6. Application
Top Related