Traitement de

signal
Responsable du cours: GHNIMI JAMILA

Niveau: 2 Année préparatoire

Année universitaire : 2023-2024

 Objectifs du cours
C’est la discipline qui a pour but l’élaboration ou
l’interprétation des signaux porteurs d’information, en
s’appuyant sur l’électronique, l’informatique et la physique
appliquée.
•Décrire et représenter les signaux
•Comprendre le principe est les limitations des méthodes
d’analyse et de traitement
•Caractériser un signal dans le domaine temporel et
fréquentiel pour aboutir à des modèles mathématiques
 Plan du cours
1. Généralités sur les signaux 2. Les signaux déterministes à
temps continu

3. Filtrage des signaux 4. Echantillonnage des

déterministes à temps signaux continus
continu
5. Etude des signaux
déterministe à temps
discret
CHAPITRE I: Généralités sur les Signaux
 I- Système de communication

Schéma général d’un système de communication

S(t), u (t) et b (t) désignent respectivement le signal brut reçu par le récepteur, le signal utile
transmis par l’émetteur et le bruit
Ce rapport permet de caractériser un système de
SNR =( puissance
transmission en comparant le rapport (S. N. R)entrée à son
moyenne du signal / entrée avec le rapport (S. N. R)sortie à sa sortie afin de
puissance moyenne du comparer les qualités des divers méthodes de traitement
bruit ) des signaux.
Définition

On désigne par signal toute représentation physique d’une information

envoyée d’une source vers un destinataire. En pratique, ce signal est le résultat
d’une mesure qui est effectuer par un capteur quelque soit sa nature.

signal

Information Information
Emetteur Récepteur
Le traitement de signal est la discipline technique qui s’appuyant sur les
ressources de l’électronique, de l’informatique, et de la physique appliquée,
est qui a pour objet l’élaboration ou l’interprétation des signaux.
Les fonctions principales du traitement du signal:
-Élaboration des signaux (synthèse, modulation, codage).
-Interprétation des signaux (filtrage, détection, identification, analyse,
mesure)
On désigne par bruit tout signal inutile capable de s’ajouter au signal utile
dont il risque de compromettre le bon fonctionnement de l’électronique. Il est
subdivisé en un bruit naturel est un bruit artificiel.
II. Classification des signaux
Un signal peu être considéré selon plusieurs aspects:
• Nature: aléatoire ou déterministe
• Morphologie: discret ou continu
• Aspect énergétique
•Bande passante (continue fréquentiel)
1. Classification déterministes/Aléatoires
A. Signaux déterministes
Signaux dont l’évolution en fonction du temps peut être parfaitement
décrite par un modèle mathématique pour n’importe quel instant « ti »
Exemple de signaux déterministes
a. Signaux périodiques
Un signal est dit périodique si les variations de son amplitude se reproduisent
régulièrement, au bout d’une période T constante.

Signal périodique de forme quelconque.

S (t) = s(at+nT) où et T désigne la période du signal

•Exemple

Les signaux sinusoïdaux de la forme:

b. Signaux apériodiques
un signal est dit apériodique ou non périodique, s’il ne satisfait pas la
relation précédente. S (t) = sin (t)e-0.15t
•Exemple
B. Signaux aléatoires
Les signaux aléatoires sont des signaux dont le comportement temporel est
imprévisible et pour la description desquels il faut se contenter
d’observations statistiques.
Les signaux aléatoires sont gouvernés par des lois statistiques.
Exemple : les signaux de la forme:
Un signal aléatoire peut être de nature stationnaire ou non-stationnaire
a. Signaux stationnaires
Ce sont des signaux dont les propriétés statistiques sont indépendantes du temps
b. Signaux non-stationnaires
Il s’agit des signaux dont les caractéristiques statistiques varient en fonction du
temps.
Résumé
Signaux typiques

•Afin de simplifier les opérations ainsi que les formules obtenus, certains
signaux fréquemment rencontrés en traitement du signal dispose d’une
modélisation propre.
•Fonction signe
•Fonction échelon
•Fonction rampe
•Fonction rectangulaire ou porte
•Fonction triangulaire
•Impulsion de Dirac
 ➢Fonction signe

Fonction signe
Par convention, on admet pour valeur : sgn (t) =0 pour t =0.
➢Fonction échelon
2. Classification morphologique (signal discret ou continu)
On distingue les signaux à évolution temporelle continue et des signaux à
évolution temporelle discrète ainsi que ceux dont l’amplitude est
continue ou discrète (le temps et l’amplitude son deux élément très
importants).
a- signal analogique
b- signal échantillonné
c- signal quantifié
d- signal numérique
3. Classification énergétique des signaux
On appelle énergie d’un signal s (t), la quantité donnée par l’expression suivante:

On appelle puissance moyenne d’un signal s (t), la quantité définie par la relation
suivante: l’équation précédente s’écrit:

Dans le cas particulier des signaux périodiques, de période T0,

NB: la puissance d’un signal périodique de période T0, se calcule comme
moyenne quadratique du signal sur une seule période.
 4. Classification spectrale
Un signal peut être classé suivant la distribution de son amplitude, sa puissance
ou son énergie en fonction de la fréquence (spectre du signal). Le domaine
des fréquences occupé par son spectre est aussi appelé la largeur de bande
spectrale du signal

On peut distinguer deux types de signaux:

- Les signaux à bande étroite avec / Fmoy petit
(soit Fmax=Fmin) (très rapprocher)
- les signaux à bande étroite avec / Fmoy grande
(soit Fmax>>Fmin )
➢Autre classes de signaux

▪Signal causal
Tout signal dont on ne connait pas le futur. Cela se traduit par un signal
nul au temps négatif (t<0).
Exemple: signal reçu au vol (émission radio)

▪Signaux pairs et signaux impaires

Exemple de signaux très utile en traitement de signal
Impulsion de Dirac
Définition: soient f et g deux fonctions. On appelle produit scalaire de f par g la
quantité définie par:

L’impulsion de Dirac, notée , comme sous le

nom de distribution delta, est définie par le produit
scalaire:
la fonction possède les propriétés principales suivantes:

l’impulsion de Dirac peut être interprétée comme une fonction rectangulaire de

largeur nulle:
Peigne de Dirac
le peigne de Dirac, noté PgnT(t) est défini comme une suite infinie d’impulsion de
Dirac espacées. Si T est un intervalle entre deux impulsions de Dirac successives , le
peigne de Dirac est définie par:

Fonction sinus-cardinal
CHAPITRE 2: Les signaux déterministes à temps continu
I. Introduction

Le lien entre la représentation temporelle d’un signal et sa représentation

fréquentielle est la décomposition en Série de Fourier (DSF) pour les signaux
périodique ou la Transformée de Fourier (TF) pour les signaux non
périodiques.
II. Propriétés temporelles
1. Énergie est puissance des signaux:
✓Énergie de x (t)

✓Puissance moyenne de x (t):

✓Puissance moyenne des signaux périodiques de période T :

2. Fonction d’auto corrélation et d’inter corrélation
Pour comparer deux signaux entre eux, ou faire ressortir une caractéristique
d’un signal noyé dans le bruit, on compare le signal x (t) pris à un instant « t »,
à un signal y (t) pris à un instant
2.1. l’inter corrélation
L’inter corrélation compare deux signaux réels x (t) et y (t) retardée, elle
traduit la ressemblance de forme entre eux:

Pour les signaux complexes:

2.2. L’auto corrélation
L’auto corrélation réalise une comparaison entre un signal x (t) et ses copies
retardées.
Pour les signaux réels:

2.3. Propriétés de corrélation

- Cx.x (t) est maximale pour t - 0.
- Cx.y (t) – Cx.y (-t) : c’est une fonction paire.
- Cx.y (t) – x (t) * y(-t) et Cx.x (t) – x (t) * y(-t).
III. Produit de Convolution
1. Définition
Soit le système ci-dessous, ayant pour entrée une impulsion de Dirac
et de sortie la réponse impulsionelle h(t)

Figure: la réponse impulsiomelle du système

III. Produit de Convolution
1. Définition
Un système linéaire est modélisé par sa réponse impulsionelle.
La réponse y(t) d’un système à une entrée x(t) est une superposition de
réponses impulsionelle amplifié par des valeurs instantanées de x(t);
cette opération appelé : convolution de x par h : noté (*).

Équation générale de convolution;

2. Propriétés du produit de convolution
Soit les trois signaux continus: f1[t], f2[t] et f3[t].
a- la commutativité:
f1[t] * f2[t] – f2[t] * f1[t]
b- la distributivité
(f1[t] + f2[t]) * f3[t] - (f1[t] * f3[t]) + (f2[t] * f3[t])
c- l’associativité
f1[t] * f2[t] * f3[t] - f1[t] *(f2[t] * f3[t]) - (f1[t] * f2[t]) * f3[t]
d- l’élément neutre
Exemple 1:

Soit les signaux continus h (t) et x (t):

h (t) =2 pour 0 < t < 2
h (t) =0 sinon
x (t) = 2 . e –t pour t > 0

a- représenter les deux signaux.

b- Déterminer le produit de convolution
y (t) = x (t) * h (t).
Réponse:

a-

La représentation temporelle des signaux x (t) et h (t)

b- le produit de convolution
 La représentation des signaux pour t <0

Pas d’intersection entre les deux signaux d’où y (t) = 0

La représentation des signaux pour 0 < t <2
IV. Propriétés fréquentielles
1. Transformation de Fourier des fonctions périodiques: Série de Fourier
L’introduction de la transformée et de série de Fourier permet de donner une
autre représentation des signaux très intéressante pour la théorie de
l’information et du signal. Cette décomposition exponentielle ou
trigonométrique permet d’exprimer le signal en fonction de ses harmoniques.
1.1. Décomposition sous une forme trigonométrique
Un signal périodique s (t) de période T. continu par morceaux et vérifiant les
condition de Dirichlet.
Peut être décomposé en Série de Fourier selon la décomposition
trigonométrique suivante:
Pour tout signal s (t) réel où s (t) = s (t+T0). On peut écrire:

A0 est la valeur moyenne de s (t)

1.1.1. Spectre du signal périodique
Le spectre en fréquence d’un signal périodique est constituer de la composante
continue avec à la fréquence nulle d’amplitude A0, du fondamental à la
fréquence F0 d’amplitude C1est des différents harmoniques situés aux
fréquences f = nf0 d’amplitude respectives Cn
Le spectre d’une fonction périodique, de période T0 avec T0= 1/ F0, est
discontinue et composé de raies dont l’écart minimum est, sur l’axe des
fréquences F0
➢ Représentation spectral unilatéral
A partir de (2) on peut construire la représentation spectrale du signal dans un
plan amplitude fréquence
C’est la succession de pics ou raies d’amplitude Cn est positionnés aux
fréquences n F0
1.2. Décomposition sous une forme exponentielle
Un signal périodique s (t) de période T. continu par morceaux peut etre
décomposé en Série de Fourier selon la décomposition exponentielle suivante:
L’expression (1) peut se mettre sous la forme complexe suivante:

Les valeurs négatives de n sont introduites dans un brut de simplification, s (t)

étant réel d’où nous avons:
a-n = an et b-n = -bn
1.2. Décomposition sous une forme exponentielle
S (n F0) représente les composantes du spectre en fréquence de s (t) grandeur en
général complexe, qui a pour:

L’expression du spectre S (f) est :

1.3. Propriétés
Si s (t) est paire donc Bn= 0 et Sn =S-n
Si s (t) est impaire donc An= 0 et Sn = - S-n
Exemple:
Décomposer en Série de Fourier le signal représentée sr la figure suivante:
Correction :
La période est : T= 2s: La pulsation est : f est une fonction paire :
Bn = 0.
La valeur moyenne est:
2. Transformer de Fourier des fonctions
La transformé de Fourier permet d’obtenir une représentation en fréquence
(représentation spectrale) des signaux déterministe, continus et non
périodique. Elle exprime la répartition fréquentielle de l’amplitude de la
phase et de l’énergie (ou de la puissance) des signaux considérés.
2.1. Définition
Soit x (t) un signal déterministe non périodique, sa transformée de Fourier
est:
X (f) indique quelle ‘’quantité ‘’ de fréquence f est présente dans le
signal x (t) sur l’intervalle
✓X (f) est une fonction de f généralement complexe:

-Le module est l’amplitude du spectre:

-L’argument
-La transformation inverse est donnée par:
Exemple:
1. Calculer la transformée de Fourier de x (t) = rectT (t)
2. Représenter le spectre de x (t)

Représentation temporelle d’un signal rectangulaire

Correction :
2.2. Propriétés de la TF
Soit les deux signaux analogiques s (t) et r (t)
2.3. cas particulier: transformée de Fourier de Dirac
Exemple:
Calculer et représenter la transformée de Fourier d’un signal sinusoïdale s (t)
d’amplitude S et de fréquence f0 telle que :
Correction :
Remarque :
•La transformée de Fourier d’une fonction cosinus de fréquence f0 et d’amplitude S, est
la somme de deux impulsions de Dirac centrée sur les fréquences –f0 et +f0 et
d’amplitude moitié de celle du signal: S/2.
•La transformée de Fourier d’une fonction cosinus de fréquence f0 et d’amplitude S, est
la somme de deux impulsions de Dirac centrée sur les fréquences –f0 avec amplitude S/2
et sur +f0 avec amplitude -S/2.
3. Transformer de Fourier du produit de convolution
CHAPITRE 3: Filtrage des Signaux déterministes à temps

continu
I. Introduction
En électronique, on a besoin d traiter des signaux provenant de différentes
sources (capteurs de température, signaux audio…).
Un bruit indésirable provenant soit du cana de transmission, soit des
composant qui constituent le circuit électronique, peut se superpose à ces
signaux.
II. La fonction filtrage
le filtrage d’un signal électrique est l’opération qui consiste à séparer les
composantes spectrales de ce signal selon leurs fréquences.
Exemple:
L’antenne d’un récepteur radio simple capte plusieurs signaux provenant de
différents émetteurs.
Le signal d’entrée est constitué de la somme de plusieurs signaux émis et
seule l’utilisation d’un filtre passe-bande permet de récupérer le signal
correspondant à la station choisie.
II. La fonction filtrage
On peut conclure qu’un filtre est un circuit qui apporte une modification de
l’amplitude et (ou) de la phase des composantes spectrales d’un signal, donc
c’est un sélecteur de fréquence et la bande de fréquence transmise s’appelle
la bande passante du filtre.
On classe les filtres en deux grandes familles:
-Les filtres analogiques réalises à partir de composant passifs (résistance,
inductance, condensateur) ou actifs.
-Les filtres numériques réalisés à partir de structure intégrée micro
programmable.
III. La fonction filtrage
III.1. Filtre idéal
Un filtre idéal transmet sans déformation tout signal dont la fréquence
appartient à la bande passante.
On peut classer les filtres en quatre catégories selon les fréquences favorise
et atténués.
a- Filtre passe bas
Permet le passage de des fréquences inférieurs à une limite appelée
fréquence de coupure fc, cette fréquence est définie comme la fréquence
pour laquelle l’amplitude du signal est atténuée de -3db.
Gabari du filtra passe-bas
b- Filtre passe-haut
Permet le passage de des fréquences supérieur à la fréquence de
coupure fc

Gabarit du filtre passe-haut

c- Filtre passe-bande
Permet le passage d’un signal de fréquence comprise entre une
fréquence de coupure basse notée fcB et une fréquence de coupure
haute fcH

Gabarit du filtre passe-bande

d- Filtre coupe-bande
On dit aussi éjecteur de bande, c’est un filtre qui permet le passage
de tous les fréquences sauf celle comprises à l’intérieur de
l’intervalle [fcB, fCH]
IV. Fonction de transfert
Le comportement d’un filtre est défini par l’étude fréquentielle de la
fonction de transfert entre la tension de sortie et la tension d’entrée du filtre.
On le caractérise par l’amplification et le déphasage qu’il apporte sur les
différents harmoniques du signal d’entrée.
IV. 1. Fonction de transfert d’un filtre passe-bas de premier ordre
La fonction de transfert d’un filtre passe-bas de premier ordre:
IV. 2. Fonction de transfert d’un filtre passe-haut de premier ordre
La fonction de transfert d’un filtre passe-haut de premier ordre:

IV. 3. Fonction de transfert d’un filtre passe-bande de premier ordre

La fonction de transfert d’un filtre passe-bande de premier ordre:
Avec:
IV. 4. Exemple d’application:
Exemple 1:
Soit le circuit du filtre RC de la figure ci-dessous:

a- déterminer la fonction de transfert de ce montage

b- Déduire la nature de ce filtre
c- Déterminer Vs (t) pour un signal d’entré
d- On donne f1= 2khz, f2= 5khz et la fréquence de coupure de ce filtre
fc=3.14khz
Réponse:
a- L’équation de maille donne:
De plus, pour le condensateur C, on a :
On en tire:
La transformé de Laplace de cette expression en supposant que le
condensateur est initialement déchargé à t=0.

La fonction de transfert de ce montage est:

Exemple 2:
Soit le circuit du filtre RC de la figure ci-dessous:

a- Déterminer la fonction de transfert de ce montage

b- Déduire la nature de ce filtre
Réponse:
a- L’équation de maille donne:

De plus, pour le condensateur C, on a :

Or on sait que:
CHAPITRE 4: Echantillonnage des signaux continus
I. Introduction
l’importance des systèmes numériques de traitement de l’information ne
cesse de croitre (radio, télévision, téléphone, instrumentation…). Ce choix
est souvent justifié par des avantages techniques tels que la grande stabilité
des paramètres, une excellente reproductibilité des résultats et des
fonctionnalités accrues. Les signaux porteurs d’informations sont
pratiquement toujours de type analogiques (amplitude et temps continu).
Le traitement de signal par voie numérique nécessite une opération
préliminaire de conversion analogique numérique. La conversion
analogique numérique est la succession de trois effets sur le signal
analogique de départ:
•L’échantillonnage pour rendre le signal discret
•La quantification pour associer à chaque échantillon une valeur
•Le codage pour associer un code à chaque valeur.
II. Echantillonnage
II.1. Définition
L’échantillonnage consiste à prélever à des instants précis, le plus souvent
équidistants, les valeurs instantanées d’un signal. Le signal analogique s (t),
continu dans le temps, est alors représenter par un ensemble de valeur
discrète:

Avec n: entier
Te: période d’échantillonnage
Cette opération est réalisée par un échantillonneur souvent symbolisé par un
interrupteur.
II.2. Echantillonnage idéal
L’échantillonnage idéal est modélisé par la multiplication du signal continu s (t)
et d’un peigne de Dirac de période Te

•Le spectre du signal échantillonné

Le spectre du signal échantillonné est doc le suivant:
On obtient donc un spectre infini qui provient de la périodisation du spectre du
signal d’origine autour des multiples de la fréquence d’échantillonnage fe avec
fe = 1/Te
Il y a donc un problème pour choisir la fréquence d’échantillonnage. On se fixe
donc en pratique une fmax à partir de laquelle on estime la représentation de
notre signal satisfaisante pour les applications que l’on veut en faire. Puis on
effectue un filtrage passe-bas (à fmax) avant l’échantillonnage afin de remédier
aux repliement de spectre. On appelle ce filtre un filtre anti reliement
Remarque :
• on voit sur le spectre du signal échantillonné qu’il est possible de restituer le
signal original par un simple filtrage passe-bas.
•Si fM, la fréquence maximale du spectre du signal à échantillonner , est
supérieur à fe/2, la restitution du signal original sera impossible car il
apparaitre un recouvrement spectral lors de l’échantillonnage. On dit qu’on est
en sous-échantillonnage.
Le théorème de CHANNON montre que la reconstitution correcte d’un signal
nécessite que la fréquence d’échantillonnage fe soit au moins deux fois plus
grande des fréquences fM du spectre du signal: fe> 2 fM
Lorsqu’il y a recouvrement spectrale, nous avons vu qu’il était impossible de
reconstruire correctement le signal. Pourtant dans la plupart des situations, le
spectre du signal à échantillonner s’étale sur tout le domaine des fréquences
(tout en diminuant du coté des hautes fréquences) , mais il n’existe pas une
fréquence f max au-delà de laquelle l’énergie est nulle.
III. Application
Soit le signal sinusoïdal
se(t) est le signal échantillonné avec un pas d’échantillonnage Te=1ms
1- Représenter le signal s(t) et se(t) pour une période T.
2- Soit S(f) la transformé de Fourier de s(t) telle que S(f)
a- Représenter S(f).
b- Donner l’expression de la transformé de Fourier de se(t) : Se(f)
c- Représenter Se (f) pour -2 < n < 2
Réponse:
CHAPITRE 5: Etude des signaux déterministe à temps discret
I. Introduction
• Le traitement numérique de l’information apporte de nombreux avantages
techniques ainsi qu’une flexibilité accrue dans beaucoup de domaine.
• Le traitement de signal par transformée de Fourier pose cependant un
certain nombre de problèmes. En effet un ordinateur ne peut traiter que deux
signaux numériques, ceux-ci sont obtenus après un échantillonnage et une
quantification. Leur étude devra tenir compte des effets indult sur le spectre
par ces deux techniques.
➢II. Les signaux discrets
➢II.1. Définition
Soit un signal xe(t) échantillonné à une période d’échantillonnage Te

Le signal échantillonné s’écrit:

On obtient la suite de valeurs {x(n Te)} appelée signal discret.

On fait à ces signal échantillonné correspond un signal discret:
➢Cas général:

Exemple:
Soit le signal discret suivant:

1. Déterminer la longueur de ce signal

2. Ecrire x[n] en fonction de
3. Représenter le signal x[n].
Réponse:
1. La longueur de ce signal est l= 4- (-1) + 1=6
II.2.1. Echelon unité
Soit un signal xe(t) échantillonné à une période d’échantillonnage Te

II.2.2. Impulsion discrète

On obtient la suite de valeurs {x(n Te)} appelée signal discret.

On fait à ces signal échantillonné correspond un signal discret:
II.2.3. Signal rectangulaire
•Soit le signal rectangulaire suivant:

Le signal est de longueur 2T+1 et d’amplitude A=1v.

Signal rectangulaire en fonction d’échelon unitaire est:

•Pour T=2
✓Signal rectangulaire en fonction d’échelon unitaire est:

✓Signal rectangulaire en fonction d’impulsion de Dirac est:

III. Opération de base sur les signaux discrets
•Soit les signaux discrets x1[n], x2[n] et y[n]:
III.1. Addition

III.1. Multiplication
IV. Produit de convolution des signaux discrets
IV.1. Définition
Le calcul de produit de convolution de deux signaux discrets est donné par
l’équation suivante:

IV.2. Propriétés de la convolution

1. La commutativité

2. La distributivité
3. L’associativité

4. L’élément neutre
L’élément neutre du produit de convolution est l’impulsion de Dirac discrète
IV.3. Calcul du produit de convolution de signaux discrets
➢ Exemple
On considère deux séquences discrètes apériodiques non-nul sur les
intervalles de durée Nf1 et Nf2. Soit f1(n) séquence non nul pour
et f2(n) séquence non nul pour

1. Déterminer le produit de convolution de f1 (n) et de f2(n) par calcule et

par méthode graphique.
2. Représenter le produit de convolution
➢ Réponse
Soit la représentation des signaux discrets:

✓ Calcul du produit de convolution par la méthode théorique:

*Nombre d’impulsion Ny de y[n]:
*Calcul des valeurs de n de y:
*Calcul de la produit de convolution par la méthode graphique

➢ Les cas possible pour avoir le produit de convolution des signaux

discrets f1(n) et f2(n)
La représentation du produit de convolution y(k) est:
V. Transformée de Fourier d’un signal discret: TFTD
V.1. Définition
Un signal discret est défini par une suite d’échantillons espacés entre eux
d’une période Te. La transformée de Fourier appliquée à un signal discret
x[n] devient donc:

Si cette série converge, la transformée de Fourier inverse est définie par:

V.2. Propriétés de la TFTD
Globalement, la TFTD possède les mêmes propriétés que la TF.
X(f) est une fonction complexe.
est le spectre d’amplitude et arg (X(f)) est le spectre de phase.
V.3. Application
Soit le signal discret suivant:

1- Représenter le signal discret et donner son expression en fonction

d’Echelon unitaire
2- calculer la Transformer de Fourier de ce signal
Correction:
1- C’est un signal rectangulaire d’amplitude A=1v et de durée N+1

Représentation du signal
rectangulaire discret
Le signal en fonction d’échelon:

2- La TEFTD de x[n] est:

X(f) est la somme de N+1 termes d’une suite géométrique de raison

et de premier terme
VI. Filtrage numérique
VI.1. Système linaire invariant dans le temps
Un système est discret, si à la suite d’entrée discrète x(n) correspond une
suite de sortie discrète y(n).

• Un système est linéaire, si à la suite ax1(n) +bx2(n) correspond la suite

ay1(n) +by2(n)
• Un système est invariant dans le temps, si à la suite x(n-m) correspond la
suite y(n-m).
Si est la suite unitaire alors toute suite x(n) peut
s’écrire:

Si h(n) est la réponse d’un système discret linéaire et invariant dans le temps
à la suite alors:

On reconnait alors une équation de convolution:

y(n)=h(n) * x(n)
Ainsi dès qu’un système peut être considéré comme linéaire, discret et
invariant dans le temps, il en découle qu’il est:
• Régi par une équation de convolution
• Entièrement déterminé par la réponse h(n) qu’il fournit lorsqu’il est
excité par la suite impulsionnelle . Cette suite h(n) constituant la
réponse impulsionnelle du système.
VI.2. Transformée en w d’une séquence
• Le signal analogique est maintenant numérisé et transformé en une suite
de valeurs numériques x[n] codées sur N bits qu’on représente par des
segments dont la hauteur est proportionnelle à la valeur binaire.
• C’est une façon commode de représenter graphiquement une séquence
numérique x[n] constituée des valeurs du signal x(t) aux instants t=0, Te,
2Te….on supposera que le signal x(t) est nul pour t<0.
On appelle transformée en z de la séquence numérique x[n] le polynôme X(z) défini
par la relation
Exemple:

✓Séquence impulsion unité:

x[n] =1 à t= 0
x[n] =0 à Te, 2Te….
X(z) = 1

✓Séquence échelon:
La Transformée en Z d’une suite x(n) est définie par l’expression
suivante:

En considérant l’expression de la Transformée de Fourier discrète:

Le passage de la Transformée en Z à la transformée de Fourier est

immédiat:

Ainsi l’analyse d’un système discret se fera au moyen da la

Transformée en Z
VI.3. Transmittance en z d’un filtre numérique
• De la même manière que la transformée de Laplace est l’outil fondamental
pour l’analyse des systèmes continus, la transformée en Z est l’outil
d’analyse pour les systèmes discrets. Soit un système qui à une séquence
d’entrée xn restitue en sortie une séquence yn :

• La transmittance T(z) du filtre est alors définie par:

• Puisque les transformées X(z) et Y(z) sont des
polynômes contenant les puissances négatives de z, la transmittance sera un
rapport de deux polynômes en puissances négatives de z.
VI.3. Structure générale d’un filtre numérique
• Un filtre numérique calcule la valeur numérique de sortie yn à l’instant
t= n.Te à partir des échantillons précédents de la sortie et des
échantillons précédents de l’entrée, plus celui qui vient d’être appliqué
sur l’entrée xn

• Cette formule de calcul ou algorithme conduit naturellement à la

structure générale d’un filtre numérique:
Structure générale d’un filtre numérique
Remarque :

- Toutes les Te secondes, les valeurs son décalées dans les registres, multipliées
par leur coefficient respectif et additionnées pour donner yn.
- Cette structure peut être réalisée sous forme matérielle (registres, multiplicateurs,
additionneur) ou entièrement logicielle.
- Un filtre simple calcule la sortie à partir de quelques échantillons seulement, au
contraire, l’algorithme d’un filtre sophistiqué peut compter jusqu’à une centaine
de termes.
VI.4. Algorithme de calcul et transmittance T(z):
• L’algorithme nous permet de calculer la valeur de l’échantillon de sortie
yn en fonction des échantillons d’entrée et de sortie précédents. Le filtre
numérique le plus général peut se décrire par un algorithme de calcule
de la forme

• La transmittance T(z) permet de synthétiser le filtre, de tracer son

diagramme de Bode et d’étudier ses réponses à une impulsion, à un
échelon ou à une entrée quelconque.
• Pour passer de l’algorithme, relatif au domaine temporel, à la variable z,
on utilise la règle de passage très simple:

En utilisant cette règle, l’algorithme se transforme en:

Soit après factorisation

Ce qui donne la transmittance

en z du filtre:
Exemple de passage de T(z) à l’algorithme :
On souhaite trouver l’algorithme de calcul du filtre caractérisé par la transmittance
T(z) suivante

➢La transmittance est le rapport entre la transformée en z de la sortie et la

transformée en z de l’entrée.

➢Soit, en faisant le produit en croix

Ce qui donne, en isolant Y(z):

En utilisant la règle de passage au domaine temporel, l’algorithme s’écrit:

Soit, enfin: