256 lines
11 KiB
Markdown
256 lines
11 KiB
Markdown
<header><h1>
|
|
Signaux et échantillonnage
|
|
</h1></header>
|
|
|
|
-----------
|
|
|
|
# Fourier
|
|
Pour comprendre les signaux, il est important de comprendre la transformée de Fourier.
|
|
La transformée de Fourier est une technique de traitement du signal utilisée pour analyser et manipuler les signaux continus.
|
|
Elle permet d'exprimer un signal dans le temps en domaine fréquentiel.
|
|
|
|
## Transformée de Fourier
|
|
La transformée de Fourier est une technique de traitement du signal utilisée pour analyser et manipuler les signaux continus.
|
|
Elle permet d'exprimer un signal dans le temps en domaine fréquentiel.
|
|
|
|
La transformée de Fourier est définie par la formule suivante :
|
|
|
|
Soit $f(x)$ une fonction non périodique définie sur $\mathbb{R}$.
|
|
$$\begin{align}
|
|
\text{Transformée de Fourier de }f(x) &: \qquad \widehat{f}(\omega) = \int^{\infty}_{-\infty}f(x)e^{-\mathbf{i}\omega x}dx \qquad (\omega\in \mathbb{R})\\
|
|
\text{Intégrale de Fourier de } f(x) &: \qquad \frac{1}{2\pi}\int_{-\infty}^{\infty} \widehat{f}(\omega) e^{\mathbf{i}x\omega}\, d\omega \qquad(x \in\mathbb{R}).
|
|
\end{align}$$
|
|
**Théorème** : Si $\int_{-\infty}^{\infty} |f(x) \, dx < \infty$ et si $f$ est une fonction de variation bornée sur tout $\mathbb{R}$, alors
|
|
$$
|
|
\frac{1}{2\pi}\int_{-\infty}^{\infty} \widehat{f}(\omega)e^{\mathbf{i}x\omega} \, d\omega = \begin{cases}
|
|
f(x) &\text{si }f \text{ est continue au point }x \\
|
|
\text{milieu du saut de } f(x) &\text{si }f \text{ a un saut en }x
|
|
\end{cases}
|
|
$$
|
|
|
|
|
|
## Transformée de Fourier discrète
|
|
|
|
La transformée de Fourier discrète (DFT - Discret Fourier Transform) est une transformation discrète utilisée pour analyser le spectre fréquentiel
|
|
d'un signal discret.
|
|
Elle est l'équivalent discret de la transformée de Fourier, qui est utilisée pour analyser les signaux continus.
|
|
|
|
On pose: $\Omega := \omega \cdot T_{s}$
|
|
La transformation de Fourier de $x[k]$ est donnée par la formule suivante :
|
|
$$\mathcal{F}\{x[k]\} = X(\Omega) \quad := \quad\sum^{+\infty}_{k=-\infty}x[k]\cdot e^{-jk\Omega}= \mathcal{F}\{x_{s}(t)\}$$
|
|
|
|
|
|
$$\mathcal{F\{x[k]\} = \mathcal{Z}\{x[k]\}}|_{z=e^{j\Omega}}$$
|
|
|
|
$$x[k]=\frac{1}{2\pi} \int^{+\pi}_{-\pi}X(\Omega)e^{jk\Omega} d\Omega$$
|
|
|
|
|
|
|
|
|
|
La DFT est utilisée dans de nombreux domaines, notamment en traitement du signal, en télécommunications, en traitement d'images
|
|
et en compression de données.
|
|
|
|
> [!NOTE|label:FFT]
|
|
> La transformée de Fourier rapide (FFT) est un algorithme efficace pour calculer la DFT. Elle est largement utilisée dans
|
|
> de nombreuses applications, notamment en traitement du signal et en compression de données.
|
|
|
|
----------
|
|
|
|
# Réponse impulsionnelle
|
|
La réponse impulsionnelle $h[k]$ d'un système discret LIT est sa réponse à l'impulsion unitaire à l'origine $δ[k]$.
|
|
|
|
|
|
|
|
Avant l'impulsion, la réponse impulsionnelle $h$ est nulle.
|
|
Après l'impulsion, la réponse impulsionnelle $h$ est la réponse du système à l'impulsion unitaire à l'origine.
|
|
|
|
*Causal* = le futur n'a pas d'influence sur le passé.
|
|
|
|
$$ h[k] = \mathcal{H} \{ δ[k] \} $$
|
|
|
|
$\mathcal{H}$ : Heaviside (peut aussi se noter $\varepsilon$ pour un heaviside en discret) <br>
|
|
$y[k]$ : réponse du système <br>
|
|
$x[k]$ : signal d'entrée <br>
|
|
$h[k]$ : réponse impulsionnelle <br>
|
|
|
|
$$
|
|
\forall x \in \mathbb{R}, \mathcal{H}(x)=\begin{cases}
|
|
0 &\text{ si } x<0 \\
|
|
1 &\text{ si } x \geq 0
|
|
\end{cases}
|
|
$$
|
|
|
|
Pour un système causal
|
|
|
|
$$\begin{align}
|
|
y[k] &= \sum^{k}_{n=-\infty}(x[n]\cdot h[k-n]) \\
|
|
\\
|
|
y[k] &= \sum^{+\infty}_{n=0}(x[k-n]\cdot h[n])
|
|
\end{align}$$
|
|
|
|
La réponse impulsionnelle caractérise <u>ENTIÈREMENT</u> un système LIT.
|
|
|
|
## Système LIT stable
|
|
Un système LIT (Linéaire et Invariant dans le Temps) est stable si et seulement si sa réponse impulsionnelle est sommable.
|
|
|
|
> [!NOTE]
|
|
> $\sum^{+\infty}_{k=-\infty}|h[k]|<+\infty$
|
|
|
|
## Système LIT causal à réponse impulsionnelle finie
|
|
Un système LIT (Linéaire et Invariant dans le Temps) est causal à réponse impulsionnelle finie si et seulement si sa
|
|
réponse impulsionnelle est nulle pour $k<0$ et sommable pour $k\geq0$.
|
|
|
|
> [!NOTE]
|
|
> fini: $h(k) |_{k<\infty} = 0$
|
|
|
|
$$\begin{align}
|
|
y[k] &= \sum^{N}_{n=0}x[k-n]\cdot h[n] \\
|
|
&= b_{0}x[k]+b_{1}x[k-1]+\dots+b_{N}x[k-N]
|
|
\end{align}$$
|
|
$N$ : Limite de notre réponse impulsionnelle.
|
|
|
|
|
|
|
|
En faisant la somme, la réponse impulsionnelle se transforme en facteurs $(b_0, b_1, b_2, ..., b_n)$.
|
|
On peut retrouver la réponse impulsionnelle à partir de ces facteurs.
|
|
La somme décomposée est appelée *équation aux différences*.
|
|
|
|
Pour obtenir la réponse indicielle depuis la réponse impulsionnelle, on utilise la somme cumulée de la réponse impulsionnelle.
|
|
On peut aussi mathématiquement obtenir la réponse impulsionnelle en multipliant la réponse indicielle par Heaviside ($F(z)\cdot \varepsilon(z)$).
|
|
|
|
----------
|
|
|
|
# Transformée en Z
|
|
La transformée en Z, également connue sous le nom de transformée en fréquence Z, est une technique de traitement du
|
|
signal utilisée pour analyser et manipuler les signaux numériques.
|
|
Elle permet de décomposer un signal en fonction de la fréquence et de fournir des informations sur la nature du signal.
|
|
|
|
La principale différence entre la transformée en Z et la transformation de Laplace (ou S) est que la transformée en Z
|
|
est adaptée aux signaux discrets, c'est-à-dire aux valeurs qui ne varient pas continuellement dans le temps.
|
|
En revanche, la transformation de Laplace est utilisée pour les signaux continus et permet d'étudier leur réponse en
|
|
fréquence et en phase.
|
|
|
|
En résumé, la transformée en Z est conçue pour les signaux discrets et les systèmes numériques, tandis que la
|
|
transformation de Laplace s'applique aux signaux continus et aux systèmes analogiques.
|
|
|
|
[Tableau des transformées en Z](/infotro/Eln/Ztransform)
|
|
|
|
> [!NOTE|label:S]
|
|
> Domaine fréquentiel continue avec Laplace.
|
|
|
|
> [!NOTE|label:Z]
|
|
> Domaine fréquentiel discret.
|
|
|
|
Avec $z:=e^{sT_{s}}$ on a
|
|
$$\mathcal{Z}\{x[k]\} = X(z) \quad := \quad \sum^{+\infty}_{k=-\infty}(x[k]\cdot z^{-k})=\mathcal{L\{x_{s}(t)\}}$$
|
|
qui est la transformée en Z de $x[k]$.<br>
|
|
|
|
$T_{s}$ : Période d'échantillonnage. <br>
|
|
$x[k]$ : Fonction du [Tableau des transformées en Z](/infotro/Eln/Ztransform) ou valeur du graphe des réponses impulsionnelle<br>
|
|
|
|
On a aussi la propriété suivante :
|
|
$$\mathcal{Z}\{x[k-n]\}=z^{-n}\cdot X(z)$$
|
|
|
|
## Marche à suivre - Transformée en *Z*
|
|
1. Avoir une équation aux différences.
|
|
2. Pour chaque terme de l'équation, appliquer la transformée en Z.
|
|
Avec :
|
|
- $f[k] => F(z)$
|
|
- $f[k-n] => z^{-n}\cdot F(z)$
|
|
3. Isoler $Y(z)$.
|
|
4. $H(z) = \frac{Y(z)}{X(z)}$ est la fonction de transfert.
|
|
|
|
> [!NOTE|label:Example]
|
|
> L'équation aux différences est donnée par $$\tag{1} y[k] = \frac{1}{2}(x[k]+y[k-1])$$
|
|
> devient
|
|
> $$\begin{align}
|
|
\tag{2} Y(z) &= \frac{1}{2}(X(z)+z^{-1}\cdot Y(z)) \\
|
|
Y(z)-\frac{1}{2}\cdot z^{-1}\cdot Y(z) &= \frac{1}{2}\cdot X(z) \\
|
|
\tag{3} Y(z) &= \frac{1}{2-z^{-1}}X(z) \\
|
|
\tag{4} H(z) &= \frac{Y(z)}{X(z)} = \frac{1}{2-z^{-1}}
|
|
\end{align}$$
|
|
|
|
> [!TIP]
|
|
> $h[k]\stackrel{\text{Z tabel}}{\longleftrightarrow}H(z)$
|
|
>
|
|
> Exemple: $h[k] = 2^{-(k+1)}$ devient
|
|
> $$\begin{align}
|
|
2^{-(k+1)} &= 2^{-k}\cdot 2^{-1} = \frac{1}{2}\cdot 2^{-k} = \frac{1}{2}\cdot (2^{-1})^k \\
|
|
&\to \frac{1}{2}\cdot \frac{z}{z-\frac{1}{2}} =\frac{z}{2z-1} = \frac{1}{2-\frac{1}{z}} = \frac{1}{2-z^{-1}}
|
|
\end{align}$$
|
|
|
|
> [!WARNING]
|
|
> Les propriétés de la transformée en Z se trouvent dans le [Tableau des transformées en Z](/infotro/Eln/Ztransform)
|
|
|
|
|
|
L'équation aux différences
|
|
$$y[k] + a_{1}y[k-1]+\dots+a_{M}y[k-M] \quad = \quad b_{0}x[k]+b_{1}x[k-1]+\dots+b_{N}x[k-N]$$
|
|
devient par la transformation en z
|
|
$$H(z) = \frac{Y(z)}{X(z)} = \frac{b_{0}+b_{1}z^{-1}+\dots+b_{N}z^{-1}}{1+a_{1}z^{-1}+\dots+a_{M}z^{-M}} \quad a_{m}, b_{n} \space \text{réels}$$
|
|
|
|
Les zéros et les pôles de la fonction de transfert donnent donc :
|
|
$$H(z) = K \frac{(z-o_{1})\cdot (z-o_{2})\cdot \space \dots \space \cdot (z-o_{N})}{(z-p_{1})\cdot (z-p_{2})\cdot \space \dots \space \cdot (z-p_{M}) }\quad o_{n}, p_{n} \space \text{complexes}$$
|
|
|
|
|
|
## Marche à suivre - Transformée en *Z* inverse
|
|
1. Avoir une fonction de transfert : $H(z) = \frac{Y(z)}{X(z)}$.
|
|
2. Effectuer le numérateur et le dénominateur.
|
|
3. Mettre les $z$ en puissance négative : $\cdot \frac{z^{-1}}{z^{-1}}$
|
|
4. Effectuer le produit en croix.
|
|
5. Pour chaque terme, appliquer la transformée en Z inverse.
|
|
- $F(z) \implies f[k]$
|
|
- $F(z)\cdot z^{-n} \implies f[k-n]$
|
|
6. Isoler $y[k]$. Et on a notre équation aux différences.
|
|
|
|
----------
|
|
|
|
# Approximation bilinéaire
|
|
L'approximation bilinéaire est une technique utilisée pour convertir une fonction de transfert continue en une fonction
|
|
de transfert discrète.
|
|
Elle est utilisée dans le domaine du traitement du signal pour convertir un système continu en un système discret.
|
|
|
|
Développement en série de la fonction $ln$ autour de 1 ($x=0$) :
|
|
$$\ln\left( \frac{1+x}{1-x} \right) = 2\left(x + \frac{x^{3}}{3} + \frac{x^{5}}{5} + \dots \right)$$
|
|
donne l'approximation
|
|
$\ln\left( \frac{1+x}{1-x} \right) \approx 2x$
|
|
|
|
## Approximation bilinéaire - Pôles et zéros
|
|
$$p_{di} = e^{p_{ai} \cdot T} \qquad z_{di} = e^{z_{ai} \cdot T} $$
|
|
- $k_a$, $p_{ai}$ and $z_{ai}$ sont le gain, les pôles et les zéros de notre filtre analogique
|
|
Attention, $k_a$ n'est pas le gain DC
|
|
- $k_d$, $p_{di}$ and $z_{di}$ sont le gain, des pôles et les zéros de notre filtre numérique.
|
|
Pour un filtre passe bas sans zéros, le gain numérique est:
|
|
$$k_{d} = k_{a}\cdot \prod_{i} \frac{1-e^{P_{ai}\cdot T}}{P_{ai}}$$
|
|
|
|
On peut appliquer la transformation bilinéaire aux pôles et zéros du filtre analogique pour obtenir les pôles et zéros du filtre numérique.
|
|
$$
|
|
p_{di} = \frac{1+p_{ai}\cdot \frac{T}{2}}{1-p_{ai}\cdot \frac{T}{2}}
|
|
\qquad \qquad
|
|
z_{di} = \frac{1+z_{ai}\cdot \frac{T}{2}}{1-z_{ai}\cdot \frac{T}{2}}
|
|
$$
|
|
Pour un filtre passe bas, le gain "bilinear" est :
|
|
$$k_{d} = k_{a}\cdot \frac{1}{\prod_{i}\left( \frac{2}{T}-p_{ai} \right)}$$
|
|
|
|
Pour passer de $\omega_o'$ à $\omega_o$ et vice-versa, on utilise la relation suivante :
|
|
$$\begin{align}
|
|
\omega_{0} &= 2f_{s}\tan\left( \frac{\omega_{0}'}{2f_{s}} \right) \\
|
|
\\
|
|
\omega_{0}'&=2f_{S}\cdot \arctan\left( \frac{\omega_{0}}{2fs} \right)
|
|
\end{align}$$
|
|
|
|
|
|
## Autres méthodes d'approximation d'un système continu LIT par un syst. discret
|
|
On détermine la réponse impulsionnelle du système discret LIT à partir de celle du système continu en appliquant la relation :
|
|
$$h[k] = T_{s}\cdot(kT_{s})$$
|
|
$h(kT_s)$ : Réponse impulsionnelle en continu <br>
|
|
|
|
On peut du coup approximer l'équation différentielle par une équation aux différences.
|
|
Par exemple pour la dérivée première de $x(t)$, on a
|
|
$$x'[k]= \frac{x[k]-x[k-1]}{T_{s}}$$
|
|
|
|
|
|
|
|
|
|
|
|
|
|
---------- |