Exercices de traitement numérique du signal

Gabriel Dauphin

1 Cours A : description d’un signal

1.1 Exercices d’application
Exercice 1 (56) On considère un signal temps discret non-périodique défini par xn = δn − 1.1δn−4 avec fe = 2Hz.
1. Que devient le signal quand on amplifie par un facteur 2 ?
2. Que devient le signal quand on lui ajoute 2 ?
3. Que devient le signal quand on dilate l’échelle des temps par un facteur 2 ?
4. Que devient le signal quand on retarde le signal d’une seconde ?
5. Que devient le signal quand on le quantifie sur 2bits, donnez le résultat graphiquement ?
Dans chacun des cas représentez sur une figure ce que devient le signal.

Solution :
1. xn = 2δn − 2.2δn−4
2. xn = 2 + δn − 1.1δn−4
3. Te0 = 2 ∗ 1/2 = 1, fe0 = 1Hz.
4. d = τ fe = 1×2 = 2 xn = δn−2 − 1.1δn−6
5. max= 1, min=−1.1, pas de quantification est 2.1/4 = 0.525. Les intervalles sont [−1.1, −0.575], [−0.575, −0.05], [−0.05, 0.47
Finalement, on a xq [n] = 0.475δn − 1.1δn − 4

1.2 Exercices pour approfondir

Exercice 2 (29) On considère un signal s1 (t) = cos(2πt) et s2 (t) = | cos(2πt)| où t représente le temps mesuré en secondes.
1. Représentez s1 (t) et s2 (t) sur un graphique pour t ∈ [0, 2].
2. Montrez que s1 est périodique de période 1.
3. Proposez une formule à appliquer pour calculer la puissance du signal ?
1+cos(4πt)
4. Démontrez la formule trigonométrique cos2 (2πt) = 2
5. Déduisez la puissance de s1 .
6. Montrez que s2 est périodique de période 1/2.
7. Proposez une formule à appliquer pour calculer la puissance, si possible la même que la précédente.
8. Montrez que la puissance de s2 est la même que la puissance de s1 .

Solution :
1. Les signaux sont représentés sur la figure 1 (p. 2).
2. La fonction cosinus est périodique de période 2π aussi s1 est périodique de période 1 :
s1 (t + 1) = cos(2π(t + 1)) = cos(2πt + 2π) = s1 (t).
R 1/2
3. Le signal est périodique de période 1 aussi la puissance vaut P1 = 11 −1/2 s21 (t) dt En fait la valeur de l’intégrale reste
R1
identique lorsqu’on décale le signal aussi P1 = 0 s21 (t) dt
4. Pour démontrer la formule trigonométrique, on interprète cos(4πt) comme cos(2 × 2πt) = cos2 (2πt) − sin2 (2πt), on
fait disparaître le sin2 (2πt) en ajoutant 1 = cos2 (2πt) + sin2 (2πt), ceci conduit au résultat souhaité.
5. Après substitution au moyen de la formule trigonométrique,
R1 la formule de la puissance se décompose en deux termes,
dont le premier vaut 1/2 et le deuxième vaut 12 0 cos(4πt) dt ce qui vaut 0 parce que la primitive de cos(4πt) est
périodique de période 1. Ainsi la puissance de s1 vaut 1/2.
1
F IGURE 1 – Signaux s1 et s2 en fonction du temps (exercice 2).

2
 6. Une sinusoïde décalée d’une demi-période est en opposition de phase aussi la valeur absolue d’une sinusoïde est pério-
dique d’une demi-période.
7. s2R(t) est aussi périodique de période 1 aussi la précédente formule pour calculer la puissance est encore valable : P2 =
1 1 2
1 0 s2 (t) dt
8. Du fait des propriétés de la valeur absolue, s21 (t) = s22 (t) aussi P2 = P1 = 1/2.

Exercice 3 (ex28) On considère un robinet qui goutte. On considère que les gouttes d’eau sont de même taille et ont un volume
de 1/20mL. Le débit de la moyen de la fuite est de 0.3Lḣ−1 . Expliquez comment ce phénomène peut se modéliser par :
1. un signal temps continu à valeurs réelles,
2. un signal temps continu à valeurs discrètes,
3. un signal temps discret à valeurs réelles,
4. un signal temps discret à valeurs discrètes.
Pour chacun de ces modèles indiquez la période d’échantillonnage et la fréquence d’échantillonnage lorsque cela est nécessaire.

Solution : Voici des suggestions de réponses.

1. Le signal est le débit instantané de la fuite d’eau quelques centimètres sous le robinet en fonction du temps. Ce signal
est une succession de pulses, la surface de chaque pulse correspond au volume d’eau de chaque goutte d’eau.
2. Le signal vaut 1 aux instants où une goutte se détache du robinet et 0 sinon. Comme ici les gouttes d’eau sont de volumes
identiques, il suffit de savoir quand ces gouttes d’eau se sont formées.
3. On place un dispositif qui compte les gouttes à chaque fois qu’elles tombent, le signal est la durée de l’intervalle entre
deux gouttes en fonction du numéro de la goutte. Dans cet exemple on peut considérer que l’indice de la suite est une
variable arbitraire et donc que la période d’échantillonnage et la fréquence d’échantillonnage sont égales à 1. On peut
aussi considérer que l’indice du signal est en fait une indication de la quantité d’eau tombée depuis une certaine date, à
ce titre la période d’échantillonnage vaut 5 × 10−5 L et que la fréquence d’échantillonnage vaut 2 × 104 L−1 .
4. On peut considérer que le débit de la fuite est relativement constant au cours du temps et donc que le temps entre chaque
goutte est lui aussi constant. Dans ce cas la période d’échantillonnage est le temps entre chaque goutte et le signal vaut
1 à chacun de ces instants parce qu’il y a une goutte qui s’est détachée. La période d’échantillonnage se déduit du débit
−3
de la fuite et du volume d’une goutte : Te = 1/20×10
0.3/3600 = 0.6s. La fréquence d’échantillonnage vaut 1.67Hz.

2 Cours B : Echantillonnage d’un signal

2.1 Exercices d’application
Exercice 4 (55) On considère un signal dont les mesures aux instants : t = 0, t = 15s, t = 30s sont les suivantes 0.5, 0, 1.5.
1. Montrez comment on peut interpréter ces mesures comme celles associées à un signal temps discret non-périodique.
Quelle est la fréquence d’échantillonnage ?
2. Trouvez l’énergie correspondante.
3. Montrez comment on peut interpréter ces mesures comme celles associées à un signal temps discret périodique. Repré-
sentez graphique le signal correspondant.
4. Trouvez la puissance correspondante.

Solution :
1
1. xn = 0.5δn + 1.5δn−2 et Te = 15s. fe = 15 Hz.
2. E = 0.52 + 02 + 1.52 = 2.5
3. xn = {1, 0, 2}
4. P = 13 (0.52 + 02 + 1.52 )= 65

t=0:1e-3:60; T=30; x1=0.5*cos(2*pi*t/T); x2=-0.5*cos(2*pi*t/T/2);

figure(1); plot(t,1+x1,t,1+x2,t,1+x1+x2);
3
2.2 Exercices pour approfondir
Exercice 5 (33) Un filtre anti-repliement de spectre est souvent placé avant l’échantillonnage. A quoi est-ce que cela sert ? Ce
filtre est souvent analogique, comment pourrait-on utiliser un filtre numérique à la place ?

Solution : On peut aussi placer un filtre analogique avec une fréquence de coupure beaucoup plus élevé, moins précis et par
suite plus facile à réaliser, puis utiliser un filtre numérique pour couper les fréquences précisément à la bonne fréquence.

3 Cours C : Série de Fourier, transformée de Fourier

3.1 Exercices d’application
Exercice 6 (51) On considère le signal temps continu et périodique de période 2 défini par sur [0, 2] par x(t) = 1[0,1] (t).
Calculez la transformée de Fourier et représentez graphiquement le module de la transformée de Fourier en fonction de la
fréquence.

Solution :
1 − (−1)k
X̂k =
2jkπ
ou encore

0 si k est pair
X
bk = j
− πk si k est impair

Exercice 7 (53) On considère trois signaux temps continu, x(t), y(t), z(t).
— x(t) est périodique de période 2 et pour t ∈ [0, 2[, il est défini par x(t) = 1[0,1] (t).
— y(t) n’est pas périodique et pour t ∈ R, il est défini par x(t) = 1[0,1] (t).
— z(t) est périodique de période T et pour t ∈ [0, T [, il est défini par x(t) = 1[0,1] (t).
1. Représentez sur un même graphique pour t ∈ [0, 4], x(t), y(t), z(t) avec T = 3
2. Calculez la transformée de Fourier de x(t).
3. Calculez la transformée de Fourier de y(t).
4. Calculez la transformée de Fourier de z(t) en l’exprimant à partir de Yb (f ).
5. Représentez les trois spectres pour f ∈ [−2, 2] avec T = 4.
Solution :

eps=1e-5;
t=[0 1-eps 1 2-eps 2 3-eps 3 4-eps 4];
x=[1 1 0 0 1 1 0 0 1];
y=[1 1 0 0 0 0 0 0 0];
z=[1 1 0 0 0 0 1 1 0];
figure(1);
subplot(131); plot(t,x); title('x');
subplot(132); plot(t,y); title('y');
subplot(133); plot(t,z); title('z');
2. x(t) est périodique de période 2, c’est donc la série de Fourier. Les raies sont aux fréquences fk = k2 .
b0 = 1 2 x(t) dt = 1
R
Pour k = 0, X 2 0 2
Pour k 6= 0,
1 2 −j2π k2 t
R1
dt = 12 0 e−jπkt dt
R
X
bk =
2 0 x(t)e
h i1  
1 −1 −jπkt −1
1
e−jπk −

X
bk =
2 jπk e = 2 jπk 1
0

1
Si k est impaire, X
bk =
jkπ et si k 6= 0 est paire, X
bk = 0.
4
1.

F IGURE 2 – Courbes représentatives de x(t), y(t), z(t). Exercice 7

5
 F IGURE 3 – Courbes représentatives de |X
bk |, |Yb (f )|, |Zbk |. Exercice 7

3. y(t) est temps continu non-périodique, donc la transformée de Fourier est

R∞ h i1
−j2πf t dt = 1 e−j2πf t dt = −1 −j2πf t
R
Yb (f ) = −∞ y(t)e 0 j2πf e
0 
−1 −e −jπf sin(πf )
−j2πf −jπf jπf −jπf
   
Yb (f ) = j2πf e − 1 = j2πf e − e = e πf

k
4. z(t) est périodique de période T , c’est donc la série de Fourier. Les raies sont aux fréquences fk = T.
Z T Z 1
1 −j2π Tk t 1 k 1b k
Zbk = z(t)e dt = e−2jπ T t dt = Y( )
T 0 T 0 T T

5. k=-4:4; fk=k/2;
Xk=zeros(size(k));
Xk(k~=0)=(1-(-1).^k(k~=0))./k(k~=0)/pi/2; Xk(k==0)=1/2;
figure(1); subplot(311); stem(fk,abs(Xk));
f=-2:1e-3:2; Yf=ones(size(f)); Yf(f~=0)=sin(pi*f(f~=0))./f(f~=0)/pi;
figure(1); subplot(312); plot(f,abs(Yf));
fk=-2:1/4:2; Zk=ones(size(fk))/4;
Zk(fk~=0)=sin(pi*fk(fk~=0))./fk(fk~=0)/pi/4;
figure(1); subplot(313); stem(fk,abs(Zk));
1−cos(4πt)
Exercice 8 (30) On cherche à calculer la transformée de Fourier de s(t) = sin2 (2πt) = 2
2
1. Représentez sur une même figure les fonctions sin(2πt), cos(2πt), −1/2 cos(4πt) et sin (2πt) pour t ∈ [0, 1].
6
 2. Ecrivez sin(2πt) comme une combinaison linéaire d’exponentielles complexes.
3. Montrez que sin(2πt) est périodique de période 1. Déduisez de ceci que la précédente formule est en fait la décompo-
sition en série de Fourier de sin(2πt) en exponentielles complexes. Que valent les coefficients de la série Fourier de
sin(2πt) ?
4. Que vaut la transformée de Fourier de sin(2πt) ?
5. En déduire la transformée de Fourier de cos(2πt) = − sin(2π(t − 1/4)) ? (la fonction cosinus est en avance d’un quart
de période par rapport à la fonction sinus, elle est donc en opposition de phase avec la fonction sinus retardée d’un
quart de période).
6. On observe que la fonction cos(4πt) est une contraction de la fonction cos(2πt), calculez sa transformée de Fourier ?
7. Quelle est la transformée de Fourier de la fonction constante t 7→ 1 ?
8. En utilisant la formule trigonométrique initiale, quelle est la transformée de Fourier de sin2 (2πt) ?
9. Calculez la transformée de Fourier inverse de celle trouvée et retrouvez la formule trigonométrique initiale.

Solution :

F IGURE 4 – Graphique des fonctions sin(2πt), cos(2πt), −1/2 cos(4πt) et sin2 (2πt) (exercice 8)

La correction proposée ici utilise la notion de série de Fourier, cependant l’exercice peut aussi se faire en utilisant uniquement
la transformée de Fourier et ses propriétés. La deuxième question utilise alors la propriété qu’il existe une unique fonction
généralisée dont la transformée de Fourier inverse vaut t 7→ sin(2πt).
1. Les différentes fonctions sont représentées sur la figure 4 (p. 7).
2. A partir de la formule trigonométrique
ej2πt = cos(2πt) + j sin(2πt)
7
 il vient
ej2πt − e−j2πt
sin(2πt) = = −j/2ej2πt + j/2e−j2πt
2j

3. La fonction t 7→ sin(2πt) est périodique de période 1 : sin(2π(t + 1)) = sin(2πt) Aussi elle se décompose en une série
de Fourier
X
sin(2πt) = Xk ej2πkt
k

Les coefficients sont uniques. Par identification avec la précédente combinaison linéaire d’exponentielles complexes, on
a X1 = −j/2, X−1 = j/2, et sinon Xk = 0.
4. TF[sin(2πt)](f ) = −j/2δ(f − 1) + j/2δ(f + 1).
5. Les coefficients de Fourier de la fonction t 7→ cos(2πt) sont donc Ck = −Xk e−j2πk1/4 = −(−j)k Xk . Aussi C1 = 1/2
et C−1 = 1/2. Ainsi TF[cos(2πt)](f ) = 1/2δ(f − 1) + 1/2δ(f + 1).
6. On observe que cos(4πt) = cos(2π(2t)) aussi la fonction t 7→ cos(4πt) est périodique de période 1/2, les coefficients
de la décomposition de la série de Fourier restent identiques mais ils sont associés à des fréquences 2 fois plus élevées.
Finalement TF[cos(4πt)](f ) = 1/2δ(f − 2) + 1/2δ(f + 2).
7. La fonction constante peut s’interprêter comme une fonction périodique décomposable en série de Fourier, mais dont
tous les coefficients sont nuls hormis le coefficient associé à la fréquence nulle qui vaut 1. Ainsi TF[1](f ) = δ(f ).
8. La fonction s(t) = sin2 (2πt) = 1−cos(4πt)
2 est périodique de période 1/2 et a pour décomposition en série de Fourier
la somme des coefficients associés à t 7→ 1 et à t 7→ − cos(4πt). Aussi ces coefficients valent S0 = 1/2, S1 = −1/4,
S−1 = −1/4 et les autres coefficients sont nuls. Finalement TF[sin2 (2πt)](f ) = 1/2δ(f ) − 1/4δ(f − 2) − 1/4δ(f + 2).
9. La transformée de Fourier inverse de 1/2δ(f ) − 1/4δ(f − 2) − 1/4δ(f + 2) est 1/2 − 1/4ej4πt − 1/4e−j4πt =
1/2 − 1/2 cos(4πt).

Exercice 9 (31) On cherche à déterminer la transformée de Fourier de

s(t) = 1[0,1] (t) + 1[0,2] (t)

1. Représentez le signal s pour t ∈ [0, 2].

R∞ −j2πf t dt,
2. Calculez la transformée de Fourier de s1 (t) = 1[0,1] (t) en utilisant la transformée de Fourier S(f ) = −∞ s(t)e
montrez qu’elle se met sous la forme de
sin(πf )
Ŝ1 (f ) = e−jπf
πf

3. Expliquez le fait que ce signal ne soit pas à valeurs réelles ?

4. Calculez la transformée de Fourier en f = 0 sans utiliser la formule plus haut.
5. Déduisez la transformée de Fourier de s2 (t) = 1[0,2] (t)
6. Montrez que la transformée de Fourier de s se met sous la forme suivante :

2 − e−2jπf − e−4jπf
Ŝ(f ) =
2jπf

7. Pour faciliter la représentation du module de la transformée de Fourier, il est en général souhaitable d’exprimer ce
module sous la forme de produit de fonction simple. Après avoir remarqué que le numérateur s’annule en la fréquence
nulle et effectué une factorisation, montrez que le module de la transformée de Fourier se met sous la forme suivante :
 
 sin πf  p
|Ŝ(f )| =   5 + 4 cos 2πf
πf 

8. Dessinez à main levée le module de la transformée de Fourier pour f ∈ [−4, 4].

Solution :
8
 F IGURE 5 – signal s (exercice 9)

√ √
5 1 5+4 cos(2πf ) 3
F IGURE 6 – module du spectre de s (jaune), ainsi que les fonctions |πf | (bleu), et |πf | ≤ |πf | ≤ |πf | (rouge, bleu clair,
vert) ; exercice 9)

9
 1. Le signal est représenté sur la figure 5.
2. Le signal est temps continu non périodique, aussi la transformée de Fourier peut se calculer ainsi pour f 6= 0 :

1 − e−j2πf
Z 1
Ŝ1 (f ) = e−j2πf t dt =
0 j2πf
ejπf −e−jπf
Il suffit de factoriser le numérateur par e−jπf et d’utiliser la formule trigonométrique sin(πf ) = 2j pour obtenir
la formule souhaitée.
3. En la fréquence nulle, la transformée de Fourier coïncide avec l’intégrale du signal sur toute sa durée, c’est-à-dire ici 1 :
Ŝ1 (0) = 1.
4. La fraction sin(πf
πf
)
est en fait un sinus cardinal qui est la transformée de Fourier de 1[−1/2,1/2] (t) et le terme devant e−jπf
est apparu du fait qu’on a retardé ce signal de τ = 1/2.
5. s2 peut s’interprêter comme la dilatation de s1 : s2 (t) = 1[0,1] (t/2) = s1 (t/2). Aussi

sin(2πf )
Ŝ2 (f ) = e−j2πf
πf

6. Comme le signal s est la somme de s1 et de s2 , la transformée de Fourier de s est aussi la somme de Ŝ1 (f ) et de Ŝ2 (f ) :
sin(πf ) sin(2πf )
Ŝ(f ) = e−jπf + e−2jπf
πf πf
On obtient l’expression souhaitée en remplaçant sin(πf ) par les exponentielles complexes.
7. Le numérateur 2−e−2jπf −e−4jπf peut s’interprêter comme un polynôme du second degré 2−Z −Z 2 où Z = e−2jπf , il
s’annule en f = 0, c’est-à-dire en Z = 1 et donc se factorise sous la forme de (1−Z)(2+Z) = (1−e−2jπf )(2+e−2jπf ).
On calcule maintenant le module de cette expression : |1−e−2jπf | = |e−jπf 2j sin(πf )| = 2| sin(πf )|, et |2+e−2jπf |2 =
(2 + cos(2πf ))2 + sin2 (2πf ) = 5 + 4 cos(2πf ) Cela permet de trouver l’expression souhaitée.
8. Le module de la transformée de Fourier est représentée sur la figure 6 (p. 9).

Exercice 10 (6)
Soit le signal défini par x(t) = 0 pour t 6∈] − 1, 3[, x(t) = t pour t ∈]1, 2[, x(t) = 2 − t pour t ∈]0, 1[ et x(t) = 2 pour
t ∈] − 1, 0[ et aussi pour t ∈]2, 3[.
1. Calculez arg(X(f )).
2. Calculez X(0).
R
3. Calculez X(f )df .
4. Calculez |X(f )|2 df .
R

Solution :
1. On pose x1 (t) = x(t + 1). Le signal x1 (t) est symétrique aussi Ĥ1 (f ) ∈ R, mais on ne connait pas le signe. x(t) =
x1 (t − 1) est retardé par rapport à x(t) aussi X̂(f ) = e−j2πf X1 (f ) et arg(X̂(f )) = −2πf + arg(X̂1 (f )). A π près on
connait la phase. Le graphe de la phase est une succession de triangles rectangles décroissants, avec des possibles sauts
supplémentaires (quand X̂1 (f ) change de signe).
R
2. X̂(0) = x(t)dt = 7.
R
3. X̂(f )df = x(0) = 1.
4. |X̂(f )|2 df = x2 (t)dt = 12 + 2/3.
R R

Exercice 11 (58)
1. Après observation précise de la figure 8, montrez qu’une des trois courbes n’est pas une sinusoïdes et que les deux autres
sont en fait des sinusoïdes ajoutées chacune à une composante continue.
2. En vous inspirant de l’annexe C du polycopié, montrez que deux des trois courbes sont données par

x1 = 12 + 12 cos 2π 30 t


x2 = 12 − 12 cos 2π 60 t


10
 F IGURE 7 – signal s (exercice 10)

F IGURE 8 – Représentation de deux sinusoïdes auquel on a ajouté 1 et de la somme de ces deux sinusoïdes auquel on a encore
ajouté 1. Exercice 11

11
 3. On considère maintenant le signal
   
1 1 t 1 t
x = + cos 2π − cos 2π
2 2 30 2 60

Montrez que ce signal coïncide avec les mesures de l’exercice 4 (p. 3). Ces mesures sont définies aux instants t = 0,
t = 15s, t = 30s et valent respectivement 0.5, 0, 1.5.
4. Calculez la transformée de Fourier de ce signal.
5. Déduisez la puissance de ce signal.

Solution :
1. La courbe rouge qui est la plus haute en t = 30s n’est pas une sinusoïde ajoutée à une composante continue.
2. Pour la courbe bleue ayant la fréquence la plus élevée, la période T = 30s. A son maximum et son minimum, elle vaut
respectivement 1 et 0. Son maximum se trouve à t = 0s.
Pour la courbe verte ayant la fréquence la moins élevée, la période T = 60s. A son maximum et son minimum, elle vaut
respectivement 1 et 0. Son maximum se trouve à t = 30s.
t t
3. Sur les points de mesures t = 0, 15, 30, 0.5 cos(2π 30 ) vaut 0.5, −0.5, 0.5. et −0.5 cos(2π 60 ) vaut −0.5, 0, 0.5. Aussi
sur ces points de mesures, x(t) vaut 0.5, 0, 1.5.
4. La transformée de Fourier est :

b ) = 0.5δ(f ) + 0.25δ(f − 1 ) + 0.25δ(f + 1 ) − 0.25δ(f − 1 ) − 0.25δ(f + 1 )

X(f
30 30 60 60
5. La puissance est donc donnée par :

P = (0.5)2 + (0.25)2 + (0.25)2 + (0.25)2 + (0.25)2 = 0.5

t=0:1e-3:60; T=30; x1=0.5*cos(2*pi*t/T); x2=-0.5*cos(2*pi*t/T/2);

figure(1); plot(t,1+x1,t,1+x2,t,1+x1+x2);

3.2 Exercices pour approfondir

Exercice 12 (3)
Donnez le développement en série de Fourier d’un pulse périodique de période T , de largeur τ et d’amplitude A, centré par
rapport à l’origine. En posant K = Tτ , donnez le nombre de raies du lobe principal et des lobes secondaires. Que se passe-t-il
pour K → +∞ en maintenant A/K constant.

Solution : La figure 9 (p. 13) montre un pulse périodique et sa transformée de Fourier. Le pulse est périodique de période T
et sur [−T /2, T /2], il vaut A1[−τ /2,τ /2] . En tenant compte du support de la fonction, les coefficients complexes de la série de
Fourier sont pour k 6= 0 :
τ /2 k
sin(π K )
Z
1 t
Xk = e−j2πk T dt = A
T −τ /2 πk

où K = T /τ . X0 est l’intégrale du signal sur une période divisé par la période, en l’occurence X0 = A/K. Le premier lobe
est le plus grand et contient 2K raies et représente une plage de fréquences 2K/T Hz. Les autres lobes sont plus petits, ils
contiennent K raies et représente une plage de fréquence de K/T Hz. A k fixé, quand A et K tendent vers l’infini en laissant
constant A/K, alors Xk tend vers la limite de A/K.
Le calcul des coefficients de la série de Fourier pouvait se faire différemment. La transformée de Fourier de 1[−1/2,1/2] est
sin(πf )
πf . Après dilatation et amplification du signal en temps, le spectre de A1[−τ /2,τ /2] est A sin(πf
πf
τ)
. En périodisant ce signal,
le spectre n’est plus formé que de raies en k/T dont les valeurs coïncident avec le spectre en ces fréquences à ceci près qu’il
sin(π k τ )
faut diviser par T . Finalement Xk = A πkT
On a ainsi montré qu’un peigne de dirac a pour transformée de Fourier un autre peigne de dirac, les raies de ce deuxième
peigne de dirac sont espacées de l’inverse de l’espacement entre les pics de dirac du premier peigne.
12
 F IGURE 9 – pulse périodique (T = 5s, τ = 0.33s, A = 15) et les coefficients de la série de Fourier (exercice 12)

Exercice 13 (4)
Donnez la transformée de Fourier d’un pulse de largeur τ et d’amplitude A, centré autour de l’origine. Donnez la largeur
du lobe principale et des lobes secondaires. Que se passe-t-il pour τ → 0 en maintenant Aτ constant ?
sin(πf )
Solution : La transformée de Fourier d’un pulse centré 1_[−1/2, 1/2] vaut πf . Quand ce pulse est dilaté et son amplitude
augmentée, la transformée de Fourier vaut alors A sin(πf
πf
τ)
. Il s’agit d’un sinus cardinal dont le premier lobe est le plus grand :
2/τ Hz. Les autres lobes sont plus petits et leur support mesure : 1/τ Hz. Quand on écrit ce spectre sous la forme Aτ sin(πf
fτ
τ)
,
il apparaît que cette expression tend vers la même limite que Aτ quand τ tend vers zéro, f étant fixé.
On a ainsi montré que la transformée de Fourier d’un dirac est la fonction constante égale à 1.

4 Cours D : TFD, TFTD

4.1 Exercices d’application
Exercice 14 (40) On considère deux signaux xn et yn définis par

xn = δn + δn−2 et yn = δn + δn−1 + δn−2 (1)

où δn est la suite nulle sauf en n = 0 où elle vaut 1. On cherche à calculer la transformée de Fourier. La fréquence d’échan-
tillonnage est notée fe et vaut 1kHz.
1. Dessinez les signaux xn et yn . S’agit-il de signaux à temps discret/temps continu, s’agit-il de signaux périodiques ou
non-périodiques. Quelle transformée de Fourier vous semble adaptée pour de tels signaux ?
2. Calculez la transformée de Fourier de xn , notée X̂(f ).
3. Retrouvez la signal xn en calculant la transformée de Fourier inverse. Pour cela il est conseillé de traiter séparément
les trois cas n = 0, n = 2, n 6∈ {0, 2}.
4. On considère un complexe z, montrez que
!
2z 3/2 z −3/2 − z 3/2
1 + z + z = 1/2 (2)
z z −1/2 − z 1/2

5. Déduisez de (2) que

sin( 23 θ)
1 + ejθ + e2jθ = ejθ (3)
sin( 21 θ)
13
 F IGURE 10 – Courbe représentative de X(f
b ). Exercice 14

6. Utilisez (3) pour en déduire la transformée de Fourier de yn , notée Ŷ (f ).

7. Représentez sur f ∈ [−3fe /2, 3fe /2], |Ŷ (f )| en utilisant le fait qu’à basse fréquence cela ressemble à un sinus cardinal.

Solution :
1. xn et yn sont des signaux temps discret non-périodiques. La transformée de Fourier à appliquer est la TFTD.
2.
b ) = P+∞ xn e−j2πnf Te = e−j2πf Te ×0 + e−j2πf Te ×2
X(f n=−∞
b ) = 1 + e−j4πf Te = e−j2πf Te (ej2πf Te + e−j2πf Te ) = 2e−j2πf Te cos(2πf Te )
X(f

3. D’après la définition de la TFTD inverse,

1 +f e/ 2 b j2πf nTe df = 1 +f e/ 2 1 + e−j4πf Te ej2πf nTe
R R

xn = fe −fe /2 X(f )e fe −fe /2 df
1 +f e/ 2 j2πf nTe
R +f e/ 2 j2πf (n−2)T
df + f1e −fe /2
R
xn = fe −fe /2 e e e df

h ife /2
1 +f e/ 2 j2πf nTe 1 1 j2πf nTe 1 1
ejπfe nTe − e−jπfe nTe = 0
R

Si n 6= 0, fe −fe /2 e df = fe j2πnTe e = fe j2πnTe
−fe /2
1 +f e/ 2 j2πf nTe 1 +f e/ 2
R R
Si n = 0, fe −fe /2 e df = fe −fe /2 1 df = 1
R +f e/ 2 j2πf (n−2)T h ife /2
Si n 6= 2, f1e −fe /2 e e df = 1 1
fe j2π(n−2)Te e j2πf (n−2)Te
−fe /2
1 +f e/ 2 j2πf (n−2)Te 1 1 jπf (n−2)T −jπf nT
R

e − e
fe −fe /2 e df = fe j2π(n−2)Te e e =0
e e

14
 1 +f e/ 2 j2πf (n−2)Te
R +f e/ 2
df = f1e −fe /2
R
Si n = 2, fe −fe /2 e 1 df = 1
+f e 2
Finalement si n 6= 0 et n 6= 2, f1e −fe /2/ b )ej2πf nTe df = 0.
R
X(f
R +f e/ 2
Si n = 0, f1e −fe /2 b )ej2πf nTe df = 1.
X(f
R +f e/ 2
Si n = 2, f1e −fe /2 b )ej2πf nTe df = 1.
X(f
On retrouve bien xn .
4.
z 3/2 z −3/2 − z 3/2


1 − z3
2
1+z+z = = 1/2 −1/2

1−z z z − z 1/2

5. En appliquant (2) à z = ejθ ,

ejθ×3/2 e−jθ×3/2 − ejθ×3/2 sin( 32 θ)


jθ 2jθ
= ejθ
1+e +e = jθ×1/2 −jθ×1/2
e e − ejθ×1/2 sin( 12 θ)
6. D’après la TFTD,
3
−j2πnf Te = 1 + e−j2πf Te + e−j4πf Te = e−j2πf Te sin(− 2 2πf Te )
P+∞
Yb (f ) = n=−∞ y n e sin(− 1 2πf T )
2 e

Yb (f ) = e−j2πf Te sin(3πf Te )
sin(πf Te )

Si f = 0, Yb (f ) = 3
7. Le spectre Yb (f ) est représenté sur la figure 10 pour f ∈ [−3fe /2, 3fe /2].
  
 b   sin(3πf Te ) 

Y (f ) = 
sin(πf Te ) 
fe=1e3;
f=-3*fe/2:fe/1000:3*fe/2;
Yf=3*ones(size(f));
Yf(sin(pi*f/fe)~=0)=sin(3*pi*f(sin(pi*f/fe)~=0)/fe)./sin(pi*f(sin(pi*f/fe)~=0)/fe);
figure(1); plot(f,abs(Yf));

Exercice 15 (45) On considère xn , un signal temps discret périodique de période 4 échantillonné à la fréquence fe = 100Hz.
Les premières valeurs de xn sont x0 = x1 = 1 et x2 = x3 = 0.
Calculez le module de la transformée de Fourier de ce signal. Représentez graphiquement le module de la transformée de
Fourier en fonction de la fréquence.

Solution :
πk kfe
|Xk | = 0.5| cos( )| fk =
4 4

Exercice 16 (52)
On considère un signal xn échantillonné à la fréquence fe et défini par
xn = δn + δn−1 + δn−2
On définit yn = xn ∗ xn Calculez yn

Solution : La définition du produit de convolution à temps discret montre que

+∞
X
yn = xk xn−k
k=−∞

Comme il n’y a que trois termes non-nuls,

yn = x0 xn + x1 xn−1 + x2 xn−2
15
 — yn est nul pour n < 0
— y0 = x20 = 1
— y1 = x0 x1 + x1 x0 = 2
— y2 = x0 x2 + x21 + x2 x0 = 3
— y3 = x1 x2 + x2 x1 = 2
— y4 = x2 x2 = 1
— yn = 0 pour n > 4

4.2 Exercices pour approfondir

Exercice 17 (34)
On considère le signal périodique x1 [n] de motif {1, 0, 0, 1} et le signal x2 [n] périodique de motif {1, 0, 0, 1, 1, 0, 0, 1}.
Calculez les transformées de Fourier discrètes de ces deux signaux. Montrez comment les deux s’expriment en fonction d’un
cosinus et comment la deuxième aurait pu se déduire de la première.

Solution : La première transformée de Fourier discrète est :

1 3k
X1 [k] = (1 + e−j2π 4 )
4
Après factorisation,
1 3k 3πk
X1 [k] = e−jπ 4 cos( )
2 4
La deuxième transformée de Fourier discrète est :
1 3k 4k 7k
X2 [k] = (1 + e−j2π 8 + e−j2π 8 + e−j2π 4 )
8
On observe une similitude entre les termes 1,3 et 4,7. Après regroupement
1 3k
X2 [k] = (1 + (−1)k )(1 + e−j2π 4 )
8
Finalement si k est paire, X2 [k] = X1 [k/2] et si k est impaire X2 [k] = 0.
Le deuxième signal est formé de la répétition du premier signal sur deux motifs. Les deux signaux sont périodiques aussi
les deux signaux sont identiques, mais la transformée de Fourier discrète ne produit pas les mêmes valeurs, parce que la signi-
fication des coefficients complexes calculés n’est pas la même. Dans le premier cas, les coefficients correspondent à des raies
de fréquences espacées de 1/4 dans le deuxième cas ils correspondent à des raies de fréquences espacées de 1/8, il est donc
logique que les coefficients impaires soient nuls tandis que les coefficients pairs coïncident avec les coefficients issus du premier
signal.

Exercice 18 (15)
On considère le signal cosinus tel que : x[k] = cos(2πk/6), observé sur une durée limitée T=N.Te, avec comme fréquence
d’échantillonnage f e = 1kHz. On considère 3 cas : N=6, N=12 et N=16.
1. Quelle est la fréquence du signal à temps discret s’il était défini sur une durée infinie ?
2. Calculez la TFD dans les deux premiers cas. On pourra s’aider de ce que sur l’ordinateur on trouve les résultats affichés
sur la figure 11.
3. Le calcul de la TFD dans ces 3 configurations donne les résultats suivants montrés sur la figure 11. Mettez les bonnes
échelles en fréquences pour les trois graphiques. Confrontez ce résultat à ceux trouvés précédemment. Expliquez pour-
quoi le troisième cas est différent.
4. Proposez une idée pour atténuer les distorsions dans le 3ème cas ?

Solution :
1. xk est périodique de période 6Te . On peut soit justifier en montrant qu’effectivement xk+6 = xk , soit faire le raisonne-
ment que θ → cos(θ) est 2π-périodique aussi on cherche k 0 tel que 2πk/6 = 2πk 0 /6 + 2π.
Comme tout signal périodique, xk a sa première harmonique en f = 1/T et en l’occurence en f = 1/6/T e = f e/6.
16
 F IGURE 11 – s0,se,sa

2. Premier cas :
De même que pour calculer la transformée de Fourier d’une sinusoïde à temps continu, une idée consiste à remarquer que
xn est la somme de deux exponentielles complexes puis à identifier xn avec la transformée de Fourier discrète inverse :
P −1 j2π nk
xn = N k=0 Xk e
6 . On remarque que ej2π(6−1)k/6 = e−j2πk/6 , ce qui permet de conclure, Xk = 0.5 pour k = 1

ou k = 5, et Xk = 0 pour k ∈ {0, 2, 3, 4}.

Deuxième cas :
On note x̃n ce deuxième signal qui est identique au premier parce que N est multiple de 6 et qui a donc le même
spectre, mais celui-ci n’est pas codé de la même façon. La transformée de Fourier discrète X̃k correspond à la fréquence
f˜k = kfe /12 = 0.5 ∗ kfe /6 = 0.5fk et par suite à Xk/2 quand k est paire et à 0 quand k est impaire.
Finalement X2 = X1 0 = 1/2 et Xk = 0 pour les 10 autres indices.
3. Troisième cas :
En fait le signal xn a vraiment été changé, il n’est plus périodique de période 6, le signal en temps correspondant n’est
plus périodique de période 6Te , sa première harmonique n’est plus 1/6kHz mais 1/16kHz. Les différentes raies sont
espacées de f e/N aussi il n’y a pas de raies à 1/6kHz et l’énergie de cette raie se trouve répartie dans les raies autour.
4. Si on considère le signal à N = 16 termes et qu’on lui rajoute M − 16 zéros, on peut montrer que X̂(f ) peut être
approché par M Xk en choisissant k et M tel que f ≈ kfe /M , avec X̂(f ) la transformée de Fourier à temps discret et
Xk la transformée de Fourier discrète. L’affirmation repose sur la similitude des deux expressions.

5 Cours E : Repliement de spectre

5.1 Exercices d’application
Exercice 19 (57) On considère le spectre d’un signal défini par
1−r
X(f
b )= (4)
1 − re−j2πf Te
Le module de ce spectre est représenté sur la figure 12 pour une certaine valeur de r ∈]0, 1[
1. Le signal associé à ce spectre est-il temps discret et non-périodique ? Quelle est la fréquence d’échantillonnage ?
fe
2. À partir de (4) trouvez la valeur du module du spectre en f = 2 ? Dessinez le graphique associé à ces valeurs en
fonction de r pour r ∈]0, 1[ ?
3. Quelle est la valeur de r ∈]0, 1[ associée à ce graphique, sachant que sur le graphique on observe que |X(f
b e /2)| =
0.05 ?
17
F IGURE 12 – Représentation du spectre pour une valeur particulière de r. Exercice 19

18
 4. À partir de la figure 12, trouvez la fréquence de coupure de ce signal, en supposant qu’on interpréte ce spectre comme
la réponse fréquentielle d’un filtre ? S’agit-il d’un filtre passe-bas/passe-haut/passe-bande/coupe-bande/passe-tout ?

Solution :
1. temps discret, non-périodique, fe = 10Hz.
2.
1−r
|X(f
b e /2)| =
1+r
3.
1 − |X(f
b e /2)|
r=
1 + |X(f
b e /2)|

r = 19/21.
4. fc = 0.17Hz. Il s’agit d’un passe-bas.

j=sqrt(-1);
r=19/21;
fe=10;
f=-3*fe:1e-3:3*fe;
X=(1-r)./(1-r*exp(j*2*pi*f/fe));
figure(1); subplot(121); plot(f,abs(X),f,0.05*ones(size(f)),':'); grid;
subplot(122); plot(f(abs(f)<=0.5),abs(X(abs(f)<=0.5))); grid

6 Cours EBis : Filtre et descripteur de signaux

Densité spectrale et autocorrélation
6.1 Exercices d’application
Exercice 20 (41) On considère une suite hn = δn − δn−1 On considère une entrée ayant les valeurs suivantes

x0 = 1 x1 = 1 x2 = 0 x3 = 0 x4 = 1 x5 = −1
d
Calculez yn = hn ∗ xn Vous pourrez d’abord montrer que

yn = xn − xn−1

Remarquez qu’on a ici calculé la sortie yn d’un filtre de réponse impulsionnelle hn dont l’entrée est xn .

Solution : On met le produit de convolution sous la forme

yn = h0 xn + h1 xn−1 + h2 xn−2 + . . . + h−1 xn+1 + . . .

Aussi

yn = xn − xn−1

Finalement, on a

y0 = 1 y1 = 0 y2 = −1 y3 = 0 y4 = 1 y5 = −2

Exercice 21 (42) On considère une filtre analogique défini par

Z t
y(t) = x(τ ) dτ
t−1

où x(t) est l’entrée et y(t) est la sortie.

19
 1. Calculez y(t) quand x(t) = δ(t) en distinguant le cas où t < 0, t ∈ [0, 1] et t > 1. On note h(t) le résultat trouve, c’est
la réponse impulsionnelle.
2. Tracez la réponse impulsionnelle.
3. Calculez la transformée de Fourier de h(t). On pourra utiliser le fait que
  sin(πf )
TF 1[−1/2,1/2] (f ) =
πf

C’est la réponse fréquentielle notée Ĥ(f ).

4. S’agit-il d’un passe-bas, passe-haut, passe-bande, coupe-bande ou passe-tout ?

Exercice 22 (43) On considère une fréquence d’échantillonnage fe = 100Hz. On considère un filtre numérique défini par

y = xn−1 (5)

1. On considère une entrée xn = δn . Calculez la sortie yn correspondant à cette entrée. Cette sortie est notée hn , il s’agit
de la réponse impulsionnelle du filtre.
2. Tracez la réponse impulsionnelle
3. Calculez la transformée de Fourier à temps discret de hn . C’est ce qu’on appelle la réponse fréquentielle notée Ĥ(f ).
4. Tracez le module de la réponse fréquentielle. S’agit-il d’un passe-bas, passe-haut, passe-bande, coupe-bande ou un
passe-tout ?
5. Montrez en utilisant (5) que

Ŷ (f ) = Ĥ(f )X̂(f )

Exercice 23 (44) On considère un signal xn échantillonné à la fréquence fe = 1Hz. On le sur-échantillonne en doublant la

fréquence d’échantillonnage. On suppose que xn = 0 pour n < 0. Le procédé consiste à d’abord rajouter des échantillons nuls
après chaque échantillon, le signal obtenu est zn

z2n = xn z2n+1 = 0

Puis on applique un filtre au signal zn , la sortie du filtre est notée yn

yn = zn + zn−1

1. On considère le cas de xn défini par

x0 = 2 x1 = 1 x2 = −3 x3 = −2

Tracez sur le même graphique xn , zn et yn avec une échelle en temps (s) et non en valeurs de n.
2. Exprimez y0 , . . . y7 en fonction de x0 , x1 , x2 , x3
3. Démontrez les relations suivantes

y2n+1 = xn y2n = xn

Exercice 24 (49) On considère la fréquence d’échantillonnage fe = 100Hz. On considère le filtre numérique H défini par
l’équation aux différences suivante
yn
yn+1 + = xn
2
où xn est l’entrée et xn est la sortie. Montrez que
   
1 2jπf Te 1
TFTD yn+1 + yn = e + TFTD [yn ]
2 2
Calculez la réponse fréquentielle.
20
 F IGURE 13 – Représentations des spectres X(f
b ), Yba (f ), Z(f
b ), Ybb (f ). Exercice 26

Solution :
−j2π ff
e e
Ĥ(f ) =
−j2π ff
1 + 0.5e e

Exercice 25 (46) On considère un signal temps continue non-périodique x(t) = 1[0,1] (t). Calculez la densité spectrale d’éner-
gie. Représentez graphiquement cette densité spectrale d’énergie.

Solution :
sin2 (πf )
X̂(f ) =
π2f 2

6.2 Exercices pour approfondir

Exercice 26 (54) On considère un signal xn

(−1)n
xn = 1N [n]
2n
échantillonné à la fréquence fe = 2Hz.
1. Sous-échantillonnez ce signal à fe0 = 1Hz en ne conservant qu’un échantillon sur deux. Calculez le nouveau signal
obtenu appelé ya [n].
21
 2. On applique un filtre à xn , ce filtre est défini par la relation entrée sortie :
xn + xn−1
zn = (6)
2
Calculez le signal zn .
3. Sous-échantillonnez le signal zn à fe0 = 1Hz en ne conservant qu’un échantillon sur deux. Calculez le nouveau signal
obtenu appelé yb [n].
4. Tracez les xn , ya [n], yb [n], zn pour les trois premières secondes. Commentez l’intérêt de considérer yb [n].
5. Calculez la fréquence de coupure associée au filtre défini par (6).
6. Sur la figure 13, sont représentés les spectres X(f
b ), Z(f
b ), Yba (f ), Ybb (f ). Trouvez quelle courbe correspond à quel
spectre.

Solution :
1.
1 1
ya [n] = x2n = 1N [n] = n 1N [n]
22n 4
2.
(−1)n (−1)n−1 (−1)n+1
 
1+0 1 1
z0 = = et zn = + =
2 2 2 2n 2n−1 2n+1

3.
1 (−1)2n+1 −1
yb [0] = et si n ≥ 1 yb [n] = 2n+1
=
2 2 2 × 4n

4. fe=2; t=0:1/fe:3; n=0:(length(t)-1);

xn=(-1).^n./2.^n; ya=xn(1:2:end); t2=t(1:2:end); zn=1/2*([0 xn(1:end-1)]+xn);
yb=zn(1:2:end);
figure(1); plot(t,xn,'+',t2,ya,'-',t,zn,'^',t2,yb); legend('xn','ya','zn');
On peut observer que yb [n] est plus proche de l’ensemble des valeurs de xn que ya [n].
5. Le module de la réponse fréquentielle est :
        
 b   1 1 −j2πf Te   −jπf Te 1 −jπf Te 1 −jπf Te   f 

H(f ) =  + e  = e e + e  = cos π fe 
2 2 2 2

On observe que lorsque f0 = fe /4,

  √2  
H(f0 ) = H(0)
b  b 
2
La fréquence de coupure est bien f0 = fe /4.
6. les différentes spectres visibles sur la figure 13 sont : X(f
b ) (bleu), Z(f
b ) (rouge), Yba (f ) (vert), Ybb (f ) (cyan). En effet la
courbe Z(f ) a une pente plus raide du fait du filtrage et de même Yb (f ) est a aussi une pente plus raide que Yba (f ). Du
b b
fait du sous-échantillonnage, Yba (f ), Ybb (f ) ont un spectre qui se répète dans la bande [ f2e , f2e ].
fe=2; t=0:1/fe:100; n=0:(length(t)-1); xn=(1).^n./2.^n; [Xf,f]=freqz(xn,1,100,fe);
ya=xn(1:2:end); [Yaf,f2]=freqz(ya,1,100,fe/2);
zn=([0 xn(1:end-1)]+xn)/2; [Zf,f]=freqz(zn,1,100,fe);
yb=zn(1:2:end); [Ybf,f2]=freqz(yb,1,100,fe/2);
figure(1); plot(f,abs(Xf),[f2 ;f2+fe/4],2/abs(Yaf(1))*[abs(Yaf) ;abs(Yaf)],f,abs(Zf),
[f2; f2+fe/4],2/abs(Ybf(1))*[abs(Ybf); abs(Ybf)]);
legend('X(f)','Ya(f)','Z(f)','Yb(f)'),

22
F IGURE 14 – Représentations des signaux temps discret xn , ya [n], zn , yb [n] pour t ∈ [0, 3]. Exercice 26

23
7 Cours 1F : Filtres analogiques
7.1 Exercices d’applications
Exercice 27 (5)
Calculez les transformées de Laplace de sin(2πf0 t)1R+ (t) et cos(2πf0 t)1R+ (t).
1. En utilisant les propriétés de dérivation, reliant le sinus au cosinus, vérifiez que la TL du cosinus se calcule bien à partir
de la TL du sinus.
2. En utilisant les propriétés d’intégration, reliant le cosinus au sinus, vérifiez que la TL du sinus se calcule bien à partir
de la TL du cosinus.

Solution : Bien que les signaux soient en apparence définis pour t ∈] − ∞, ∞[, seule la partie correspondant aux instants
positifs est prise en considération. Au delà de la convention qui veut que la transformée de Laplace est réservée aux signaux
causaux (i.e. nuls aux instants négatifs), la construction mathématique (la transformée doit être holomorphe sur un domaine
défini par <(p) > C te ) suppose une décroissance très forte du signal aux instants négatifs. Le calcul des transformées de
Laplace des deux signaux sont
2πf0 p
S(p) = C(p) =
p2 + 4πf02 p2 + 4πf02
1. La propriété de dérivation est :
d
2πf0 cos(2πf0 t) = [sin(2πf0 t)]
dt
Pour un signal nul en zéro, le fait de le dériver conduit à multiplier sa transformée de Laplace par p, voici la démonstration
au moyen d’une intégration par partie :
Z +∞ Z +∞  
+∞ d d
pe−pt s(t) dt = −e−pt s(t) 0 − (−e−pt ) [s(t)]dt = TL

pS(p) = s(t)
0 0 dt dt
En appliquant cette propriété, on trouve

2πf0 C(p) = pS(p)

2. La propriété d’intégration est :

Z t
1
sin(2πf0 t) = cos(2πf0 τ ) dτ
2πf0 0

Le fait d’intégrer un signal depuis l’instant nul conduit à diviser par p sa transformée de Laplace, voici la démonstration
au moyen d’une intégration par partie :
Z t  Z t Z t   −pt Z t +∞
−pt e
TL c(t) dt (p) = e c(τ ) dτ dt = − c(τ ) dτ −
0 0 0 p 0 0
e−pt
Z t
1
− c(t) dt = TL[c(t)](p)
0 p p
L’application de cette propriété conduit à la même formule que précédemment :
S(p) 1
= C(p)
2πf0 p

Exercice 28 (11)
1. Calculez la transformée de Laplace de s1 (t) = cos(2πf0 t)1R+ (t).
2. Calculez la transformée de Fourier de s1 (t). Commentez les différences et ressemblances entre les deux formules.
3. s2 (t) = sin(2πf0 t)1R+ (t) s’exprime en fonction de la dérivée de s1 (t) en déduire la transformée de Laplace de s2 (t).
Commentez la pertinence physique de ce calcul.
24
 Solution :
p
1. T L[s1 (t)](p) = p2 +4π 2 f02

2. T F [s1 (t)](f ) = 21 δ(f − f0 ) + 12 δ(f + f0 ) Les deux transformées ont comme point commun d’avoir une singularité en
les fréquences f0 et −f0 . En revanche les valeurs sur les autres fréquences diffèrent, de mêmes que diffèrent les formules
permettant de retrouver s1 (t) à partir de leur transformées.
−1
3. T L[s2 (t)] = 2πf0 [−1 + pT L[cos(2πf0 t)]].
4. Formellement s2 (t) s’exprime bien en fonction de la dérivée de s1 (t) cependant il s’agit de la dérivée d’un signal
créneau. Physiquement il y a de nombreux exemples qui peuvent être modélisés par la dérivation d’un signal créneau,
ouverture d’un circuit contenant une inductance (par exemple transformateur débranché). Cependant il est probable
qu’alors la modélisation soit moins précise, que d’autres phénomènes physiques deviennent prépondérant. Toutefois il
est important qu’une modélisation soit cohérente et le terme en zéro permet cette cohérence.

Exercice 29 (47) On considère un filtre analogique H défini par l’équation différentielle suivante
dy y
+ =x
dt 2
où x(t) est l’entrée et y(t) est la sortie. Montrez que ce filtre est stable.

Solution :
1
H(p) =
p + 1/2

H n’a pas de pôle dans <(p) > 0.

7.2 Exercices pour approfondir

Exercice 30 (9)
On considère un filtre de transformée de Laplace H(p) = a p+1
p+b , avec a, b dans R.
1. Pour quelles valeurs de b ce filtre est-il stable ?
2. Calculez la réponse fréquentielle de ce filtre.
3. Donnez la relation entre a et b pour que Ĥ(0) = 1. A quoi sert cette relation ?
4. Représentez le module de la réponse fréquentielle quand b ∈]0, 1[ puis quand b ∈]1, +∞[. Commentez.
5. Calculez la réponse impulsionnelle de ce filtre. Commentez sur la stabilité du filtre.
6. Reprendre les deux dernières questions en considérant une nouvelle échelle de temps t0 = 2t appliquée à un nouveau
1
filtre H(p) = p+1 .
7. Ecrire la relation entrée-sortie sous la forme d’une équation différentielle.
8. Ecrivez la relation entrée-sortie sous la forme d’une équation intégrale.
R +∞
La transformée de Laplace est définie par H(p) = 0 h(t)e−pt dt
R∞
La transformée de Fourier est définie par Ĥ(f ) = −∞ h(t)e−j2πf t dt

Solution :
1. Un filtre dont la transformée de Laplace est une fraction rationnelle est stable si la partie réelle des pôles (i.e. les racines
du dénominateur) sont strictement négatives, aussi le filtre est stable si et seulement si b > 0.
2. Pour un filtre dont la réponse impulsionnelle est nulle aux instants négatifs, la réponse fréquentielle lorsqu’elle est définie
en la fréquence à f coïncide avec la transformée de Laplace pour p = j2πf . Aussi Ĥ(f ) = a j2πf +1
j2πf +b
3. a = b. Cela assure qu’une entrée constante produit une sortie constante égale. En fait cela assure même que la moyenne
de la sortie est égale à la moyenne de l’entrée.

25
 4. On met |Ĥ(f )| sous la forme : s
1 − b2
|Ĥ(f )| = b 1 +
4π 2 f02 + b2

Si b ∈]0, 1[ alors Ĥ(f ) est un passe-bas. Si b ∈]1, +∞[ alors Ĥ(f ) est un passe-haut.
On met la phase sous la forme : arg(Ĥ(f )) = arctan(2πf ) − arctan( 2πf b ) ainsi la phase s’annule en f = −∞, f = 0 et
f = +∞. Si b ∈]1, +∞[ elle est négative puis positive, et si b ∈]0, 1[ alors elle est positive puis négative. Voir figure 15
et 16 (p. 26-27). En représentant le plan complexe d’abord avec le zéro à gauche du pôle puis à droite du pôle, on peut
observer l’influence respective des deux singularités sur la réponse fréquentielle.
5. Le calcul de la transformée de Laplace inverse se met en mettant sous une expression telle qu’on reconnaît des trans-
formées de Laplace de signaux classiques (il s’agit d’une décomposition en élément simple de la fraction rationnelle) :
1−b
H(p) = a(1 + p+b ). Sous cette forme il est possible de calculer une fonction dont la transformée de Laplace soit
justement H : h(t) = aδ(t) + a(1 − b)e−bt
On observe que pour b > 0, h(t) → 0, or il se trouve que ce comportement asymptotique est justement une condition
nécessaire de la stabilité.
6. Si on dilate le temps par 2 en posant h1 (t) = h( 2t ), alors Ĥ1 (f ) = 2Ĥ(2f ) et l’échelle des fréquences est compressée.
1
On a de même H1 (p) = 2H(2p) = p+1/2 1
et h1 (t) = e− 2 t .
7.
d d
y(t) + by(t) = a x(t) + ax(t)
dt dt
8.
Z t
y(t) = x(t) + a(1 − b) x(t − τ )e−bτ dτ
0

F IGURE 15 – abs(H) et angle(H) pour b=0.1, (les angles du numérateur et du dénominateur sont aussi représentés autour de
angle(H)). Exercice 30. COURBES INVERSEES, A REFAIRE

Exercice 31 (39) On considère un filtre de réponse impulsionnelle

h(t) = 1[0,1] (t)

L’entrée de ce filtres est notée x(t) et la sortie est notée y(t). Un tel filtre est appelé moyenneur.
26
F IGURE 16 – abs(H) et angle(H) pour b=3, (les angles du numérateur et du dénominateur sont aussi représentés autour de
angle(H)). Exercice 30

1. Expliquez pourquoi ce filtre est stable ?

2. Montrez que la sortie du filtre s’exprime en fonction de l’entrée
Z t
y(t) = x(τ )dτ
t−1

3. On place en entrée un échelon : x(t) = 1[0,+∞[ (t) Calculez la sortie y(t) en distinguant le cas t < 0, t ∈ [0, 1] et le cas
t > 1.
4. Représentez graphiquement la sortie du filtre y(t).
5. Calculez la fonction de transfert de ce filtre.
6. Expliquez pourquoi ce filtre n’est pas un filtre rationnel ?
7. Pourquoi peut-on dire que ce filtre est stable ?
8. Montrez que Ĥ(0) = 1. Pourquoi est-ce une propriété attendue d’un filtre moyenneur.

Solution :
1. Le filtre est causal parce que h(t) = 0 pour t < 0.
2. Définition d’une réponse impulsionnelle :
Z +∞
y(t) = h(t) ∗ x(t) = x(τ )h(t − τ ) dτ
−∞

On obtient le résultat en remarquant que h(t − τ ) = 0 quand τ ∈ [t − τ, t].

3. 1er cas quand t < 0, y(t) = 0 du fait
R t de la causalité.
2ème cas quand t ∈ [0, 1],y(t) = 0 dτ parce que x(τ ) est nul quand τ < 0 et que t − 1 < 0. Donc y(t) = t.
Rt
3ème cas quand t > 1, y(t) = t−1 dτ = 1.
4. La courbe de y(t) est nulle pour t < 0, elle croît entre 0 et 1 avec une pente égale à 1 et redevient horizontale pour t > 1.
5. Définition de la fonction de transfert au moyen de la transformée de Laplace
Z +∞
H(p) = h(t)e−pt dt
0

Compte tenu de la définition de h(t),

1
1
1 − e−p

−1 −pt
Z
−pt
H(p) = e dt = e =
0 p 0 p
27
 6. H(p) n’est pas un quotient de deux polynômes, ce n’est donc pas une fonction de transfert rationnelle.
7. h(t) tend vers zéro en l’infini, donc le filtre est stable (en réalité il faudrait dire h est une fonction L1). On ne peut plus
utiliser la caractérisation en termes de zéros et de pôles.
8. Pour un filtre, on a toujours
Z +∞
Ĥ(0) = h(τ ) dτ
−∞

Ce qui permet de trouver le résultat. Cela signifie que le gain statique est de 1 et que donc le signal en sortie n’est pas
amplifié ou atténué par rapport au signal d’entrée. En particulier la moyenne du signal de sortie est égale à la moyenne
du signal en entrée.

8 Cours 2F : Filtres numériques, MA, AR, ARMA, Transformée en Z

8.1 Exercices d’application

F IGURE 17 – s0,se,sa (exercice 32, (12))

Exercice 32 (12)
On désigne par en et sn respectivement les valeurs de l’entrée et de la sortie du filtre à l’instant nTe défini dans la figure 17
(p. 28).
1. Montrer que l’algorithme de ce filtre peut s’écrire : sn = aen + bsn−1 , (a et b sont deux coefficients constants).
a
2. En déduire que la fonction de transfert en z de ce filtre peut s’écrire : T (z) = 1−bz −1
.
La transformée en Z s’écrit T Z[hn ] = n≥0 hn z −n
P

Solution :
1. Le symbole en croix ajoute à gauche aen à bsn−1 en dessous pour fournir à droite sn .
2. La transformée en Z de sn est S(z), de sn−1 est z −1 S(z), de en est E(z), aussi l’équation de récurrence devient S(z) =
S(z)
aE(z) + bz −1 S(z). La fonction de transfert du filtre est défini par T (z) = E(z) a
, après calcul il vient T (z) = 1−bz −1 .

Exercice 33 (48) On considère le filtre numérique H défini par l’équation aux différences suivante
yn
yn+1 + = xn
2
où xn est l’entrée et xn est la sortie. Calculez la réponse impulsionnelle.

Solution :

hn = (−1/2)n 1N+ [n]

28
Exercice 34 (50) On considère la fréquence d’échantillonnage fe = 100Hz. On considère le filtre numérique H défini par
l’équation aux différences suivante
yn
yn+1 + = xn
2
où xn est l’entrée et xn est la sortie. Calculez la réponse fréquentielle.

Solution :
−j2π ff
e e
Ĥ(f ) =
−j2π ff
1 + 0.5e e

Exercice 35 (14) On définit deux filtres. Le premier filtre est défini par sa réponse impulsionnelle : han = δ[n] + 2δ[n − 1] +
−1
δ[n − 2]. Le deuxième filtre est défini par sa fonction de transfert : H(z) = 1+3z
2−z −1
.
Pour les différents filtres ci-dessus, utilisés avec une fréquence d’échantillonnage de 1MHz, compléter les informations de
manière à avoir :
1. Le type de filtre (RII,RIF)
2. La stabilité
3. Le diagramme de pôle et de zéros
4. La réponse impulsionnelle
5. L’allure du module de la réponse fréquentielle.
6. Quelle est l’équation qui lie l’entrée et la sortie.

Solution :

F IGURE 18 – Module de la réponse fréquentielle du deuxième filtre numérique. Exercice 35

Premier filtre

1. filtre FIR
2. FIR⇒ stabilité, ou encore quelle que soit l’entrée bornée, la sortie tend vers zéro, ou encore les pôles sont en z = 0.
3. La linéarité de la transformée en z ainsi que le fait que z −1 est un opérateur de retard montre que la fonction de transfert
2
(i.e. la TZ de la réponse impulsionnelle) est H1 (z) = 1 + 2z −1 + z −2 qui après calcul se met sous la forme de (1+z) z2
aussi il y a deux zéros en z = 1 et deux pôles en z = 0.
29
 4. La définition de δn (i.e. δ0 = 1 et δn = 0 ailleurs) montre que h0 = 1, h1 = 2, h2 = 1, hn = 0 ailleurs.
5. En substituant z par ej2πf Te dans l’expression développée de l’itéré 3, on forme la réponse fréquentielle du filtre, celle-
ci a un déphasage de e−j2πf Te par suite de la symétrie de la réponse impulsionnelle autour de n = 1 : Ĥ(f ) =
1 + 2e−j2πf Te + e−j4πf Te . Après factorisation et en ayant remarqué que les exponentielles complexes se recombinent
en un cosinus, on trouve que Ĥ(f ) = 4e−j2πf Te (0.5 cos(2πf Te ) + 0.5). Le module est un cosinus sur-élevé qui est un
passe-bas s’annulant en f e/2. En tant que module de réponse fréquentielle d’un filtre numérique échantillonné à fe , il
est aussi périodique de période fe .
6. L’expression développée de la fonction de transfert donne la relation entrée-sortie yn = xn + 2xn−1 + xn−2 . La dé-
Y (z)
monstration se fait en utilisant l’interprétation entrée-sortie de cette fonction de transfert H(z) = X(z) et en interprétant
−1
z comme un opérateur de retard.
Deuxième filtre

1. filtre FII
z+3
2. On écrit la fonction de transfert comme quotient de deux polynômes de variables z : H(z) = 2z−1 . Le dénominateur a
une racine z = 1/2, ceci est donc le seul pôle de cette fonction de transfert et précisément il est dans le disque unité,
aussi le filtre est-il stable.
3. Le zéro est −3 et le pôle est 1/2.
4. L’expression initiale de la fonction de transfert montre que le système a pour équation : yn − 1/2yn−1 = 1/2xn +
3/2xn−1 . On met en entrée un dirac xn = δn , la sortie sera alors la réponse impulsionnelle : y0 = 1/2, y1 = 7/4, puis
yn = 1/2yn−1 pour n ≥ 2. Finalement hn = 7/2n+1 pour n ≥ 1 et h0 = 1/2.
b
Une autre façon de procéder consiste à chercher a et b tels que H(z) = a + 1−1/2z −1 , en fait a vaut −3 en tant que limite
1
de H(z) quand z → 0 et a + b vaut 1/2 en tant que limite de H(z) quand z → ∞. Aussi H(z) = −3 + 7/2 1−1/2z −1 .
n
On reconnait dans le quotient la transformée en z de la suite 1/2 , cela confirme le résultat précédent.
5. En substituant z par ej2πf Te dans l’expression développée de l’itéré 3, on forme la réponse fréquentielle du filtre :
1 + 3e−j2πf Te
Ĥ(f ) =
2 − e−j2πf Te
Pour exprimer le module d’une façon plus simple, il suffit de faire apparaître des cosinus et sinus à la place des exponen-
tielles complexes : e−j2πf Te = cos(2πf Te ) − j sin(2πf Te ) puis d’utiliser le fait que cos2 (2πf Te ) + sin2 (2πf Te ) = 1
pour trouver que
s
35 3
|Ĥ(f )| = −
10 − 8 cos(2πf Te ) 2

On observe ainsi que le module est périodique de période fe , il est paire ; il est croissant entre −fe /2 et 0 puis décroissant
entre 0 et fe /2. Il a donc l’allure d’un passe-bas. Il est représenté sur la figure 18 (p. 29).
6. La relation qui lie la sortie à l’entrée a déjà été exposée plus haut pour calculer la réponse impulsionnelle : yn −
1/2yn−1 = 1/2xn + 3/2xn−1 , elle provient de l’écriture de la fonction de transfert.

8.2 Exercices pour approfondir

Exercice 36 (20)
On considère le filtre de fonction de transfert H # (z) = 1 + 3z −1 + 6z −2 + 3z −3 + z −4 . Pourquoi ce filtre est à phase
linéaire ? Montrez qu’il se comporte comme un filtre à retard, quel est ce retard ?

Solution :
Après factorisation, on peut réécrire la réponse fréquentielle sous la forme :
" #
3 2

−j4πf Te 7
Ĥ(f ) = 4e cos(2πf Te ) + +
4 16

Ainsi le filtre est bien à phase linéaire, comme le terme entre parenthèse est toujours positif, la phase est entièrement déterminée
par e−j4πf Te , c’est-à-dire un retard de deux pas de temps. On peut alors proposer un filtre à retard 4z −2 qui a le même déphasage
que H et qui coïncide avec le gain uniquement en f = fe /4. Ces deux filtres sont représentés sur la figure 19 (p. 31)
30
F IGURE 19 – réponse fréquentielle en module et en phase du filtre étudié ainsi que du filtre à retard correspondant (exercice 36,
(20))

Exercice 37 (59) On considère un filtre moyenneur de taille N défini par

1
hn = 1 [n] (7)
N {0,...,N −1}
La fréquence d’échantillonnage considérée est fe . La réponse fréquentielle de ce filtre est un sinus cardinal ingénieur, il s’agit
d’un passe-bas. Trouvez un moyen de justifier le fait que pour N assez grand, la fréquence de coupure de ce filtre est donné par
√ !
1 2
fc ∼ fe − 2 (8)
N N

Solution : La réponse fréquentielle de ce filtre s’obtient en appliquant la TFTD à hn

N −1
X 1 − e−j2πf N Te
H(f
b )= e−j2πf nTe = (9)
1 − e−j2πf Te
n=0

En considérant le module de cette expression,

 b  sin(πf N Te )
 
H(f ) =
sin(πf Te )

9 Cours G : Synthèse de filtre MA, gabarit, fenêtre, invariant impulsionnel

9.1 Exercices d’applications
Exercice 38 (19)
On cherche à synthétiser avec un filtre à réponse impulsionnelle finie un passe-haut de fréquence de coupure fc = fe /6,
avec fe = 1kHz, à l’aide de la fenêtre triangulaire.
1. On considère une suite temps discret h1n dont la transformée de Fourier est périodique de période fe et égale à 1[−fc ,fc ]
sur l’intervalle [−fe /2, fe /2]. Quelle transformée de Fourier utiliser pour calculer han ?
sin(πf )
2. On sait que la transformée de Fourier de 1[−1/2,1/2] (t) est πf . Montrez qu’alors la transformée de Fourier inverse
de 1[−fc ,fc ] (f ) est sin(πtf
πt
e /3)
?
3. Déduisez que han = sin(πn/3) πn

31
 4. On note hbn la suite dont la transformée de Fourier vaut 1[−fe /2,−fc ] + 1[fc ,fe /2] au sein de l’intervalle [−fe /2, fe /2].
Que vaut hbn .
5. On souhaite maintenant un filtre causal avec une réponse impulsionnelle hcn causale sur sept termes (i.e. ailleurs que
sur ces sept termes la réponse impulsionnelle est nulle). Que vaut hcn ?
6. On utilise maintenant une fenêtre triangulaire, que vaut le filtre hdn ainsi modifié ?
7. Pourquoi le filtre obtenu est-il à phase linéaire ?
8. Les modules et les phases des filtres recherchés sont représentés sur la figure 20 (p. 32), précisez quelle courbe corres-
pond à quel filtre.

F IGURE 20 – Module et phase des réponse fréquentielle des différents filtres pour deux troncatures à N = 6 et N = 100, avec
et sans application de la fenêtre triangulaire, (exercice 38)

Solution :
1. On considère la transformée de Fourier temps discret inverse.
2. Le signal 1[−1/2,1/2] (t) est symétrique aussi la transformée de Fourier et la transformée de Fourier inverse sont en fait
identiques aussi :
sin(πt)
TF−1 [1[−1/2,1/2](f ) ](t) =
πt
1[−fc ,fc ] (f ) ne diffère du précédent spectre que par une dilatation/contraction du spectre :
 
f
1[−fc ,fc ] (f ) = 1[−1/2,1/2]
2fc
32
 Aussi
sin(πt2fc ) sin(πtfe /3)
TF−1 [1[−fc ,fc ](f ) ](t) = 2fc =
πt2fc πt

3. Le signal temps continu sin(πtf

πt
e /3)
respecte le critère de Nyquist puisque son spectre est contenu dans ] − fe /2, fe /2[,
aussi l’échantillonnage à la fréquence fe a un spectre identique sur la bande ] − fe /2, fe /2[, à savoir 1[−fc ,fc ] (f ) ce qui
est l’objectif. Ainsi han est simplement l’échantillonnage de sin(πtf
πt
e /3)
à la fréquence fe . De plus ha0 = 1/3 en effet le
spectre 1[−fc ,fc ] occupe le tiers de la bande de fréquence [−fe /2, fe /2] (écriture de la transformée de Fourier discrète
inverse en l’indice nul).
S
4. L’intevalle [−fe /2, −fc ] [fc , fe /2] est le complémentaire de l’intervalle [−fc , fc ] au sein de l’intervalle [−fe /2, fe /2].
On sait que la transformée de Fourier discrète d’un dirac δn a un spectre constant égale à 1. Aussi le signal temps discret
recherché est hcn = δn − han . De plus hb0 = 1 − 1/3 = 2/3.

hc0 =0 √
3
hc1 = −√ 4π
hc2 = − 2π3
hc3 = 23 √
3
hc4 = −√ 2π
hc5 = − 4π3
hc6 =0

5. La fenêtre triangulaire est définie par : wn = (1 − |n−3|

4 ). Le produit terme à terme de la fenêtre et la réponse impulsion-
nelle donne :
hd0 =0 √
3
hd1 = − 8π√
hd2 = − 38π3
hd3 = 23 √
3 3
hd4 = −√ 8π
hd5 = − 8π3
hd6 =0

6. Les filtres hcn et hdn sont symétriques aussi ils sont à phase linéaire (factorisation possible de la réponse fréquentielle par
la phase d’un terme central et par une réponse fréquentielle réelle parce que provenant d’une réponse impulsionnelle
paire).
7. A gauche ce sont les modules des filtres et à droite les phases. La courbe douce et assez éloigné du spectre idéal
correspond à hdn . Sa phase est linéaire et n’a qu’un saut sur la figure. La courbe avec deux lobes et un peu plus proche du
spectre idéal correspond au filtre hcn (donc sans fenêtre triangulaire), sa phase est linéaire mais a un saut supplémentaire
qui correspond au changement de signe du sinus en passant un lobe. La courbe très oscillantes est obtenue avec hcn mais
avec 100 termes. La courbe presqu’aussi proche du filtre idéal mais tout en restant assez douce est obtenue avec hdn et 100
termes. Sa phase est représentée à droite, elle est linéaire mais avec une décroissance très forte et donc avec énormément
de sauts.

Exercice 39 (35) Les signaux audio stéréo sont numérisés sur 16 bits à la fréquence d’échantillonnage avec fe = 44.1kHz.
log10 (2) ≈ 0.3 et log10 (3) ≈ 0.5.
1. Déterminez le rapport signal sur bruit en décibel pour une sinusoïde à plein échelle.
2. Le nombre de bits est multiplié par 1.05 (bit d’horloge, correcteur d’erreur, contrôle, affichage). Quel est le débit du
système d’enregistrement ?
3. On peut enregistrer une heure de musique sur un CD. Evaluez le nombre de bits que l’on peut stocker.
4. A titre de comparaison : un dictionnaire peut posséder jusqu’à 1500 pagesavec deux colonnes par page, 100 lignes par
colonne, 8 mots par ligne, 6 lettres par mot. Il faut 7 bits pour coder une lettre. Combien de dictionnaires peut on stocker
sur un CD ?
33
 Solution :
1. On suppose que les signaux sont à valeurs dans [−1, 1]. Lorsqu’on quantifie un signal, la distortion peut être modélisée
par une loi uniforme de 0 à la moitié de la valeur codée par le dernier bit. Il y a un bit pour coder le signe et 15 bits pour
coder entre 0 et 1. Le bruit est donc une loi uniforme sur [−0.5 ∗ 2−15 , 0.5 ∗ 2−15 ]. On pose α = 2−16 . La puissance de
2
ce bruit est Pb = var[B] = α3 . La puissance
  du signal est Ps = 1/2 (signal périodique temps discret, d’amplitude 1).
Ps
Le rapport signal sur bruit est 10 log10 Pb c’est-à-dire 88dB.
2. Le débit est d = fe nr où n est le nombre de bits et r est le correctif. Donc 74.1kbits.
3. Le nombre de bits que l’on peut stocker est N b = d∆t où ∆t est la durée de l’enregistrement 2.67Mbit.
d∆t
4. Le nombre de dictionnaire est N d = 1500×2×100×8×6×7 donc 26 dictionnaires.

Exercice 40 (37) La fréquence d’échantillonnage est fe = 1kHz. Faites la synthèse d’un filtre passe-bas de fréquence de
coupure fc = 250Hz avec une fenêtre rectangulaire et en utilisant que 7 termes non-nuls.

Solution : La première étape est de calculer la transformée temps discret inverse de 1[−fe /4,fe /4] (f ). Le résultat des 7 termes
autour de 0 est h−3 = h3 = − π1 , h−2 = h2 = 0, h−1 = h1 = π1 et h0 = 1/2. La réponse impulsionnelle du filtre synthétisé
est obtenue en décalant ce signal de façon à rendre le filtre causal, (l’application d’une fenêtre causale ne modifie rien dans la
réponse impulsionnelle trouvée). h0 = h6 = − π1 , h1 = h5 = 0, h2 = h4 = π1 et h3 = 1/2.

10 Exercice pour approfondir

(a) (b)
F IGURE 21 – Transformée de Fourier de wn et wn

Exercice 41 (36) On étudie l’impact d’une fenêtre sur la synthèse d’un filtre de réponse impulsionnelle hn . La fréquence
d’échantillonnage est fe = 1kHz.
(a) 1
1. Montrez que la transformée de Fourier de wn = N +1 10..N [n]

1 sin πf (N + 1)Te
TF[wn(a )](f ) = e−jπf N Te (10)
N +1 sin πf Te

2. Expliquez en quoi le résultat trouvé se distingue d’un sinus cardinal.

(b) (a) d (a) (b)
3. On considère wn = wn ∗ wn . Calculez wn . Pour cela on pourra d’abord considérer le cas N = 2, N = 3 puis
généraliser en considérant séparément le cas n ≤ N et le cas n ≥ N .
(b)
4. Comment appele-t-on la fenêtre associée à wn ?
34
 (a) (b)
F IGURE 22 – Transformée de Fourier de xn , xn wn (avec N = 20) et xn wn (avec N = 10).

(b) (a) d (a) (b)

5. A partir de la définition de wn = wn ∗ wn et à partir (10), calculez le module de la transformée de Fourier de wn .
6. Indiquez à partir de la figure 21 à quelle courbe 1, 2 ou 3 correspondent les modules des transformées de Fourier de
(a) (b)
wn pour N = 10 et N = 20 et wn pour N = 10 ? Justifiez votre réponse ?
(a) (b)
7. La figure 22 représente les modules des transformées de Fourier de xn = cos(2πf0 nTe ), xn wn et xn wn , avec
f0 = 240Hz. Ecrivez (sans faire de véritables calculs) les modules des transformées de Fourier de ces trois signaux.
Indiquez à partir de la figure 22 à quelle courbe 4,5,6 correspondent les transformées de Fourier de ces signaux ?
Justifiez votre réponse ?
(b) (a)
8. Commentez sur l’intérêt d’utiliser la fenêtre wn par rapport à la fenêtre wn .
Solution :
1. C’est l’application de la transformée de Fourier à temps discret.
N
1 X −j2πf nTe
TFTD[wn(a) ](f ) = e
N +1
n=0

L’utilisation de la formule sur la somme d’une suite géométrique permet d’écrire que
1 1 − e−j2πf (N +1)Te
TFTD[wn(a) ](f ) =
N + 1 1 − e−j2πf Te
(a)
2. TFTD[wn ](f ) est périodique de périoide fe , ce que vérifie le résultat calculé et ne vérifie pas un sinus cardinal.
(b) n+1 (b) 2N +1−n
3. Pour n ≤ N , wn = N +1 et pour n ≥ N , wn = N +1 . Le premier signal a N + 1 termes non-nuls, le deuxième
signal a 2N + 1 termes non-nuls.
4. C’est la fenêtre triangulaire
5.
1 sin2 πf (N + 1)Te
|TF[wn(b )](f )| =
(N + 1)2 sin2 πf Te
(a) (b) (a)
6. La courbe 1 correspond à wn pour N = 10. La courbe 2 correspond à wn . La courbe 3 correspond à wn pour
N = 20. La courbe 2 apparaît bien comme le carré de la courbe 1, la courbe 3 et la courbe 2 se distinguent par les
fréquences auxquelles les transformées de Fourier s’annulent.
(a)
7. X̂(f ) = 0.5δ(f − f0 ) + 0.5δ(f + f0 ). C’est la courbe 6. TF[xn wn ](f ) = 0.5W (a) (f − f0 ) + 0.5W (a) (f + f0 ). C’est
(b)
la courbe 4. TF[xn wn ](f ) = 0.5W (b) (f − f0 ) + 0.5W (b) (f + f0 ). C’est la courbe 5.
(b) (a)
8. Le fait de multiplier un signal par wn plutôt que par wn réduit fortement les ondulations sur la transformée de Fourier.
35
11 Cours H : Synthèse de filtre AR, gabarit, transformées bilinéaires
11.1 Exercices d’applications
Exercice 42 (22)
On cherche à synthétiser avec un filtre numérique de Butterworth un passe-bas de fréquence de coupure fc# = fe /6, avec
fe = 1kHz à l’ordre 3.
1. On cherche le gabarit que devrait avoir le filtre analogique pour qu’après application de la transformée bilinéaire le
filtre numérique obtenu soit celui souhaité. L’ingénieur A dit que les fréquences sont transformées par une application
non-linéaire qui est une tangeante, il propose f # = a tan(bf ), où f désigne les fréquences du filtre analogique et f #
désigne les fréquences du filtre numérique ; quand pour deux fréquences f et f # cette relation est vérifiée alors il y a
égalité entre Ĥ(f ) et Ĥ # (f ). Pourquoi cette relation, telle qu’elle est proposée par l’ingénieur A n’est pas pertinente ?
L’ingénieur B propose une autre relation f = a tan(bf # ). Proposez un raisonnement permettant de fixer b ; puis un
deuxième raisonnement permettant de fixer a en fonction de b en utilisant le fait qu’à basse fréquence on souhaite que
le filtre analogique et le filtre numérique ait le même comportement. Quel est alors le gabarit ?
1
2. Sachant que les fonctions de transfert des filtres de Butterworth vérifient H(p)H(−p) = (−1)n p2n +1
, montrez que le
p0
changement de variable p = 2πf0 permet d’approcher le gabarit recherché, calculez pour cela la réponse fréquentielle.
Comment choisir alors f0 ?
1
3. La table des filtres de Butterworth indique que pour n = 3, H(p) = (p+1)(p2 +p+1)
. D’après la façon de construire ces
filtres et par suite sans calcul, donnez les pôles de ces filtres.
4. Calculez H a la fonction de transfert du filtre analogique qui s’approche du gabarit, ainsi que la réponse fréquentielle.
5. Calculez H b la fonction de transfert du filtre numérique
√ 1−zrecherché (fonction de transfert et réponse fréquentielle). Les
−1
calculs sont simplifiés en montrant d’abord que p = 3 1+z −1 .

1 + 3z −1 + 3z −2 + z −3
H b (z) = √ √ √ √
(5 3 + 7) − (7 3 + 3)z −1 + (7 3 − 3)z −2 + (−5 3 + 7)z −3

6. Sans utiliser ce dernier résultat, calculez la réponse fréquentielle du filtre numérique recherché.

Solution :
1. La première relation n’est pas définie pour une infinité de valeurs de f alors qu’elle devrait l’être. Elle a toutes les valeurs
possibles sans que la périodicité n’apparaisse.
bf # doit correspondre à +∞ quand f # = fe /2 aussi b = fπe .
fe
A basse fréquence, f # ≈ f aussi a = 1/b = π.
f√e
Le gabarit du filtre analogique recherché est celui d’un passe-bas idéal de fréquence de coupure π 3
≈ 184Hz.
2. On pose H 0 (p0 ) = H(p) : H 0 (p0 ) = 1
p0 et par suite la réponse fréquentielle est : Ĥ 0 (f ) = r 1
.
(−1)n ( 2πf )2n +1 0
2πf 2n
( 2πf ) +1
0
0
f√e
Cette expression s’approche du gabarit recherché si f0 = π 3
.
3. Le polynôme (−1)3 p6 + 1 = 0 a six racines : p = ej(k2π/6) . Les
pôles sont les trois racines qui se trouvent être dans la
partie stable, à savoir <(p) < 0, en l’occurence il s’agit des racines formées à partir de : k = 2, 3, 4.
(2πf0 )3 3
4. H a (p) = (p+2πf0 )(p2 +p2πf0 +(2πf0 )2 )
Ĥ a (f ) = √(f60 )
f +f06
−1
5. La transformée bilinéaire est p = 2fe 1−z
1+z −1
fe #
6. La relation entre les réponses fréquentielles a déjà été donnée précédemment. f = π tan( πffe ). Ĥ b (f # ) = r 1
#
1+27 tan6 ( πf
f
)
e

Exercice 43 (13)
On cherche à comparer la réponse impulsionnelle d’une filtre analogique avec la réponse impulsionnelle d’un filtre numé-
p
rique. La transformée de Laplace du filtre analogique étudié est H(p) = p+1
1. Pourquoi H est-il stable ?
36
2. On considère que la fréquence d’échantillonnage est de f e = 1Hz. Montrez la transformée bilinéaire H d de H peut se
b
mettre sous la forme H d (z) = a + 1−cz −1 , avec a = 2, b = −4/3, c = 1/3.

3. Calculez la réponse impulsionnelle.

4. Du fait de l’utilisation de la transformée bilinéaire, il existe une relation entre la réponse fréquentielle du filtre ana-
logique et la réponse fréquentielle du filtre numérique. Quelle est cette relation, redémontrez cette relation et en dé-
duire le module de la réponse fréquentielle du filtre numérique ? Représentez le module de la réponse fréquentielle sur
[−2fe , 2fe ].

Solution :

F IGURE 23 – Module de la réponse fréquentielle du filtre numérique. Exercice 43

1. Pour un filtre dont la fonction de transfert est une fraction rationnelle, la stabilité est déterminée par le fait que l’ensemble
des pôles soient à partie réelle strictement négative. C’est le cas ici.
1−z −1
2. La transformée bilinéaire est définie par p = 2/T e ∗ 1+z −1 . Après substitution puis calcul on trouve le résultat souhaité.

T (z) = ∞ −n
P
3. La fonction de transfert T (z) est définie et s’exprime en fonction de la réponse impulsionnelle n=0 hn z
1 P ∞ 1 n −n
pour |z| > 1 , sur ce domaine 1−1/3z −1 est développable en série entière et vaut n=0 ( 3 ) z Par identification on
obtient : h0 = 2/3, hn = −4/3/3n pour n ≥ 1.
4. Il n’y a pas de singularité sur l’axe imaginaire de H(p) ni sur le cercle unité de H d (z) (la transformée bilinéaire n’en
introduit pas de nouvelles singularités), aussi il y a une correspondance entre la transformée de Laplace et la réponse
fréquentielle de H et de même entre la transformée en Z et la réponse fréquentielle de H d . Ceci est a priori nécessaire
1−z −1
pour la démonstration pour les relations entre réponses fréquentielles de H et H d . Dans la relation p = 2/T e ∗ 1+z −1 ,
d
on substitue p = j2πf et z = e−j2πf Te où f est la fréquence de la réponse fréquentielle de H, tandis que f d est la
fréquence de la réponse fréquentielle de H d . Il y a égalité entre Ĥ(f ) et Ĥ d (f d ) lorsque cette relation entre f et f d est
vérifiée. Après calcul on trouve

fe πf d
f= tan( )
π fe
j2πf
La réponse fréquentielle du filtre analogique s’obtient par substitution p = j2πf : Ĥ(f ) = 1+j2πf . Le module de cette
réponse fréquentielle vaut alors |Ĥ(f )| = √ 2π|f | . Après substitution par la relation entre f et f d , on trouve
1+4π 2 f 2
  d 
2fe tan πf
 
d d fe 
|H (f )| = r  d
1 + 4fe2 tan2 πf
fe
37
 C’est une fonction périodique de période fe , paire et décroissante entre −fe /2 et 0 puis croissante 0 et fe /2, à son
maximum elle vaut 1. Ceci se démontre en notant que la composition d’une fonction par une fonction croissante ne
change pas la monotonie d’une fonction puis en observant que la fonction x 7→ √x|x| 2 +1
est aussi décroissante puis
q
1
croissante et cela se démontre en la mettant sous la forme x 7→ 1 − 1+x 2 . Le module de la réponse fréquentielle est

représenté sur la figure 23 (p. 37).

Exercice 44 (16)
1
On considère un filtre de transformée de Laplace H(p) = p+1 . L’unité de temps choisie est la seconde.
1. En quoi cette précision sur l’unité donne un sens plus précis à ce qui précède ?
2. Montrez que la relation entrée-sortie associée est : y 0 + y = u.
3. Ce filtre est-il stable ?
−1
4. On définit un filtre linéaire numérique par sa fonct1ion de transfert H # (z) = H( T2e 1−z 1+z −1
), où Te est la période
d’échantillonnage égale à 1ms. Il s’agit de la transformée bilinéaire. Quelle est la relation entre la réponse fréquentielle
de ce filre numérique et celle du filtre analogique précédent ?
5. Calculez le filtre numérique associé.
6. Ce filtre est-il stable ?

Solution :
1. Le terme 1 dans H(p) a en fait une unité.
2. On utilise les propriétés de dérivation de la transformée de Laplace.
3. Il y a un seul pôle p = −1 et il est à partie réelle strictement négative, aussi le filtre est stable.
4. La relation entre les fréquences entre f et f # est :
 #
fe πf
f= tan
π fe
Cette relation assure qu’à ces fréquences les réponses fréquentielles de H et de H # sont égales : Ĥ(f ) = Ĥ # (f # ).
−1
5. La relation indiquée plus haut H # (z) = H( T2e 1+z
1−z
−1 ) permet de calculer la fonction de transfert du filtre :

Te 1 + z −1
H # (z) =
2 + Te 1 − 2−T e −1
2+Te z

6. Il y a un pôle z = 2−T e
2+Te . Pour le trouver on peut soit utiliser l’expression de la fonction de transfert juste au dessus, soit
le calculer à partir de la transformée bilinéaire qui fait correspondre au pôle du filtre analogique p = −1 un unique pôle
du filtre numérique. Ce pôle est stable puisqu’il se trouve sur l’intervalle ] − 1, 1[ et par suite dans l’intérieur du disque
4
unité (z = −1 + 2+T e
).

11.2 Exercices pour approfondir

Exercice 45 (23)
On cherche à construire un filtre numérique passe-bande de fréquences de coupures fe /8 et 3fe /8, avec une fréquence
d’échantillonnage de fe = 1kHz en utilisant les filtres de Butterworth à l’ordre 1, 2 ou 3. Le gabarit et les filtre numériques
synthétisés sont représentés à droite de la figure 24 (p. 39).
√
1. Dessinez le gabarit du filtre anal ogique √
que l’on recherche.
√
On pourra utiliser que tan(π/8) = 2 − 1 et que
√ fe ( 2−1) fe ( 2+1)
tan(3π/8) = 2 + 1. On pose f1 = π et f2 = π
2. On propose le changement de variable
√ √
p0
 
f1 f2 2π f1 f2
p= √ +
f2 − f1 2π f1 f2 p0
A quoi doit servir un√tel changement de variable ? Quel est le changement de variable en fréquence correspondant ?
Montrez que si f 0 = f1 f2 alors f vaut 0. Montrez que si f 0 = f1 ou si f 0 = f2 alors |f | = 2π
1
. Montrez que si f 0 > f2
0 1
ou si f < f1 alors |f | > 2π . Montrez pourquoi un tel changement de variable permet de transformer le gabarit d’un
filtre de Butterworth en le gabarit du filtre analogique recherché.
38
 1+z −2
3. Montrez que le filtre numérique s’obtient avec le changement de variable p = 1−z −2
.
1 √1
4. Sur les tables des filtres de Butterworth, on a H(p) = p+1 , H(p) = p2 + 2p+1
et H(p) = (p+1)(p12 +p+1) . En déduire
−2 +3z −4 −z −6
trois filtres numériques qui répondent au problème. Le troisième est H(z) = 1−3z 6+2z −4 .

F IGURE 24 – A gauche : gabarit d’un passe-bas et filtre de Butterworth analogique. A droite : gabarit du passe-bande et filtres
numériques synthétisés en utilisant les filtres de Butterworth à l’ordre 1, 2 et 3 (exercice 45, (23))
Solution :
#
1. f = fπe tan(π ffe ), où f # désigne une fréquence du filtre numérique tandis que f désigne une fréquence du filtre
analogique. Quand cette relation est vérifiée on a : Ĥ(f ) = Ĥ # (f # ). Le gabarit du filtre analogique est un passe-bande
délimité par f1 et f2 .
2. Ce changement de variable sert à transformer un des passe-bas défini par la table des filtres de Butterworth en un passe-
bande.
√
On pose f0 = f1 f2 , après calcul on observe que f0 = fπe et que f2 − f1 = 2f0 . Aussi p = 1/2(p0 /2fe + 2fe /p0 ).
En remplaçant p et p0 par j2πf et j2πf 0 , on obtient la relation entre f et f 0 :
πf 0 fe
4πf = −
fe πf 0
√
Cette relation transforme f 0 = f1 f2 = f0 en f = 0, elle transforme f 0 = f1 en f = − 2π 1
et f 0 = f2 en f = 2π 1
πf 0 f
Constatant que la fonction f 0 7→ fe − πfe0 on peut affirmer que f 0 ∈ [f1 , f2 ] alors |f | ≤ 2π1
et que f 0 6∈ [f1 , f2 ] alors
1
|f | ≥ 2π
3. La transformée bilinéaire transforme la fonction de transfert analogique en une fonction de transfert numérique avec
−1 −1 −1
p0 = 2fe 1−z
1+z −1
. Aussi p = 1/2( 1−z
1+z −1
+ 1+z
1−z −1
). Après simplification on obtient le résultat souhaité.
(1−z −2 )2
4. Le premier filtre numérique est 21 (1 − z −2 ). Le deuxième filtre numérique est √ √
(2+ 2)+(2− 2)z −4
.

Exercice 46 (24)
On cherche à déterminer l’ordre minimal du filtre de Butterworth qui permet
 de respecter
 le gabarit d’un filtre passe-bas.
2
On utilise pour le gain une échelle en dB inversée définie par α = −10 log10 |Ĥ(f )| . Cette échelle est commune aux filtres
analogiques et numériques. L’objectif porte sur le filtre numérique à synthétiser, il est que α ∈ [0, α1 ] en f # ≤ f1# et α > α2
en f # ≥ f2# .
1. Pourquoi souhaite-t-on que le filtre numérique synthétisé vérifie α = 0 en la fréquence nulle ? Pourquoi α ≥ 0 ?
2. Déterminez le gabarit du filtre analogique correspondant, exprimez f1 et f2 en fonction de f1# et f2# .
p0
3. On considère le changement de variable p = 2πf0 , montrez qu’alors les filtres de Butterworth se transforment en des
filtres de réponses fréquentielles |Ĥ 0 (f 0 )|2 =  1
f0
2n . Pour cette question et les suivantes, on note p et f pour les
f0
+1
variables associées aux filtres de Butterworth définis dans les tables et on note p0 et f 0 pour les variables associés aux
filtres de Butterworth transformés.
39
4. Montrez que si f 0 = f0 alors α = 3. Les réponses fréquentielles dépendent de f0 et de n, montrez comment f0 et n
modifient ces réponses fréquentielles.
5. Montrez que
 α2

10 10 −1
log10 α1
1 10 10 −1
n=  
2 log10 f2
f1

6. Montrez que par substitution on peut ensuite trouver f0 :

α1
f0 = f1 (10 10 − 1)−1/2n

7. Montrez que l’on peut exprimer l’ordre du filtre directement à partir des fréquences du gabarit du filtre numérique.
 α 
2
10 10 −1
log10 α2
1 10 10 −1
n=  
2 tan(f2# π/fe )
log10 #
tan(f1 π/fe )

Solution :
1. Pour un passe-bas, |Ĥ(f )| ≤ 1, aussi α ≥ 0.
2. Le gabarit du filtre analogique est identique au filtre numérique, à ceci près qu’il porte sur f et plus sur f # . La relation
fe # f1# π f2# π
entre f et f # est : f = π tan( ffeπ ) aussi a-t-on f1 = fe
π tan( fe ) et f2 = fe
π tan( fe ).
p0
3. Les filtres de Butterworth vérifient H(p)H(−p) = 1
(−1)n p2n +1
. Après transformation en H 0 (p0 ) = H(p) où p = 2πf0 ,
les nouveaux filtres vérifient
1
H 0 (p0 )H 0 (−p0 ) = p 02n
(−1)n (2πf0)
2n + 1

Les réponses fréquentielles de ces filtres s’obtiennent en remplaçant p0 par j2πf 0 et on obtient le résultat souhaité.
4. A la fréquence f 0 = f0 , le module vaut √1 ,
2
c’est-à-dire que f0 est la fréquence de coupure. L’échelle en dB correspon-
dante est −3dB.  
5. Le résultat s’obtient à partir de la définition de α pour Ĥ 0 : α = −10 log10 |Ĥ 0 (f 0 )|2 et de l’expression du module
de H 0 : |Ĥ(f )|2 = 
f0
12n . Il suffit d’écrire ces équations pour f 0 = f1 puis pour f 0 = f2 puis de rassembler ces
f0
+1
équations de façon à éliminer f0 .
6. Le résultat s’obtient en reprenant la première équation écrite pour f 0 = f1 .
fe #
7. Cette équation résulte de l’utilisation de f 0 = π tan( ffeπ )

40