Support Filtres Numériques 2024

Université de Monastir
Faculté des Sciences de Monastir

Département de Physique
Support de Cours de Traitement de Signal Numériques
Enseignant Responsable : Adel AMIMI
Année universitaire : 2023-2024

Support Filtrage numérique LSE2/LEI2
Systèmes Linéaires Invariants (Rappel)
Il s’agit d’une classe de système largement utilisée en traitement du signal. On suppose un tel système
linéaire, et invariant dans le temps. L’hypothèse de linéarité conduit au principe de superposition dû à
la conservation de l’opérateur d’addition par la transformation ; cette hypothèse simplifie grandement
les études analytiques des systèmes numériques. La stratégie générale d’analyse d’un système linéaire
invariant est la suivante :
1. Décomposition du signal d’entrée en une somme de signaux ou fonctions de base.
𝑥(𝑛) = ∑ 𝑎𝑘 𝑥𝑘𝑏 (𝑛)
𝑘
2. Etude de la réponse du système pour l’ensemble des fonctions de base :𝑦𝑘𝑏 (𝑛) = 𝑇[𝑥𝑘𝑏 (𝑛)]
3. Recomposition de la sortie en appliquant le principe de superposition: 𝑦(𝑛) = ∑𝑘 𝑎𝑘 𝑦𝑘𝑏 (𝑛)
L’intérêt d’une telle approche est de s’appuyer sur un ensemble de fonctions de base possédant des
caractéristiques intéressantes connues (fonction ±(n) et l’exponentiel complexe par exemple).
Représentation d’un signal
Appliquons le premier point énuméré précédemment en utilisant des signaux 𝜹 comme fonction de base.
Soit 𝑥(𝑛) un signal numérique quelconque que l’on cherche à représenter uniquement avec un ensemble
de fonctions 𝜹(𝒏).
Développons le signal 𝑥(𝑛) :
𝑥(𝑛) = ⋯ , 𝑥(−2), 𝑥(−1), 𝑥(0), 𝑥(1), 𝑥(2), ⋯
On rappelle que 𝜹(𝒏) vaut 1 si 𝑛 = 0, 0 sinon; une somme de fonction 𝜹(𝒏) qui ne se recouvre pas
sur le même indice vaut soit 1, soit 0.
On peut donc écrire:
⋮
𝑥(−1) = ⋯ , +0. 𝑥(−2), 𝟏. 𝒙(−𝟏), 0. 𝑥(0), 0. 𝑥(1), 0. 𝑥(2) + ⋯
𝑥(0) = ⋯ , +0. 𝑥(−2), 0. 𝑥(−1), 𝟏. 𝒙(𝟎), 0. 𝑥(1), 0. 𝑥(2) + ⋯
𝑥(1) = ⋯ , +0. 𝑥(−2), 0. 𝑥(−1), 0. 𝑥(0), 𝟏. 𝒙(𝟏), 0. 𝑥(2) + ⋯
⋮
Le signal 𝑥(𝑛) s'écrit alors:
+∞
𝑥(𝑛) = ∑ 𝑥(𝑘)𝛿(𝑛 − 𝑘)
𝑘=−∞
Système Linéaire Invariant

Soit maintenant un système linéaire (SL) transformant un signal d'entrée 𝑥(𝑛) en un signal de sortie :
𝑦(𝑛) = 𝑇[𝑥(𝑛)]
+∞ +∞
𝑦(𝑛) = 𝑇 [ ∑ 𝑥(𝑘)𝛿(𝑛 − 𝑘)] = ∑ 𝑇[𝑥(𝑘)𝛿(𝑛 − 𝑘)]

𝑘=−∞ 𝑘=−∞
+∞
𝑦(𝑛) = ∑ 𝑥(𝑘)𝑇[𝛿(𝑛 − 𝑘)]

𝑘=−∞
On pose : ℎ𝑘 (𝑛) = 𝑇[𝛿(𝑛 − 𝑘)]
En plus d'être linéaire, si le système est invariant, ℎ𝑘 (𝑛) ne dépend plus de 𝑘, donc: ℎ(𝑛) = 𝑇[𝛿(𝑛)]
Enseignant : AMIMI Adel 1

Pour un système linéaire invariant (SLI), on obtient alors la relation suivante entre le signal d'entrée et
de sortie:
+∞
𝑦(𝑛) = ∑ 𝑥(𝑘) ℎ(𝑛 − 𝑘)

𝑘=−∞
Un Système Linéaire Invariant est donc entièrement caractérisé par sa réponse impulsionnelle ℎ(𝑛).
Cette opération d'accumulation de termes multiplicatifs porte le nom de convolution et se note ∗, on a:
𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛)
Par simple changement de variable sous le signe somme, il est simple de montrer qu'il s'agit d'un
opération commutative, on a alors:
𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛) = ℎ(𝑛) ∗ 𝑥(𝑛)
Stabilité
Un système est stable si à une entrée bornée correspond une sortie bornée. Soit h(n) la réponse
impulsionnelle d’un système linéaire invariant, la condition de stabilité d’un tel système s’écrit :
+∞
∑ |ℎ(𝑛)| < ∞
𝑛=−∞
Un système linéaire invariant est stable si le domaine de convergence de sa transformée en z inclue le
cercle unité.
Pour finir, un système linéaire invariant causal est stable si et seulement si tous les pôles de sa fonction
de transfert sont à l’intérieur, strictement, du cercle unité.
Causalité
Un système est causal si un changement en sortie ne précède pas un changement en entrée.
Soient deux signaux d’entrée 𝑥1 (𝑛) et 𝑥2 (𝑛) ainsi que leurs sorties respectives 𝑦1 (𝑛) et 𝑦2 (𝑛),
un système est causal si et seulement si ∃ 𝑛0 tel que si 𝑥1 (𝑛) = 𝑥2 (𝑛) pour 𝑛 < 𝑛0 alors
𝑦1 (𝑛) = 𝑦2 (𝑛) pour 𝑛 < 𝑛0.
Un système linéaire invariant est causal si et seulement si ℎ(𝑛) = 0 pour 𝑛 < 0.
Une séquence est causale si les échantillons de cette séquence sont nuls pour 𝑛 < 0.
Equation aux différences finies

Les équations de convolutions développées au cours des paragraphes précédents font intervenir
des sommes infinies de termes. Si la réponse impulsionnelle possède un nombre infini de termes il est
difficilement envisageable de mettre en œuvre cette convolution sur un calculateur. Mais, il cependant
possible pour certaines classes de réponses impulsionnelles infinies de développer la convolution sous
la forme d’une récursion. La relation entre l’entrée et la sortie est une combinaison linéaire à coefficients
constants (et en nombre fini) des échantillons d’entrée et de sortie.
Une équation aux différences finies peut s’écrire sous la forme :
𝑁 𝑀
𝑦(𝑛) = ∑ 𝑎𝑘 𝑦(𝑛 − 𝑘) + ∑ 𝑏𝑘 𝑥(𝑛 − 𝑘)

𝑘=1 𝑘=0
Un système régit par une équation aux différences finies du type précédent est linéaire, invariant et
causal.
Si 𝑵 ≥ 𝟏 :
 un échantillon de sortie au temps 𝑛, 𝑦(𝑛) dépend des 𝑵 précédents échantillons de sortie
𝑦(𝑛 − 1) ⋯ 𝑦(𝑛 − 𝑁),
 un tel système est dit récursif,
 la réponse impulsionnelle est infinie (RII), ou IIR en anglais (Infinite Impulse Response).
Si 𝑵 = 𝟎 :
 la sortie 𝑦(𝑛) dépend seulement de l’entrée courante 𝑥(𝑛) et de ses M échantillons précédents,
 le système est dit non-récursif,
 la réponse impulsionnelle est finie (RIF), ou FIR en anglais (Finite Impulse Response).
 La réponse impulsionnelle d’un système RIF est donnée par :
𝑀
ℎ(𝑛) = ∑ 𝑏𝑘 𝛿(𝑛 − 𝑘)
𝑘=0
Puisque qu’étudier un système linéaire invariant revient à étudier sa réponse impulsionnelle, le cas
particulier d’une réponse impulsionnelle mise sous la forme d’une équation aux différences finies
consiste à étudier un système linéaire d’équations, c’est-à-dire à en extraire les racines du polynôme
caractéristique. Ceci sera effectué de manière efficace en utilisant la transformée en 𝒁.
Transformation en Z
La transformée en Z est un outil largement utilisé pour l’étude des systèmes de traitement
numérique du signal. Ce type de transformée permet de décrire aisément les signaux à temps discret et
la réponse des systèmes linéaires invariants soumis à des entrées diverses. La transformée en Z est un
outil permettant de dériver la réponse impulsionnelle d’un système linéaire invariant décrit par une
équation aux différences finies. De plus, à l’opérateur de convolution dans le domaine temporel
correspond l’opérateur multiplicatif dans le domaine de la transformée en Z.
La transformée en Z directe d’un signal à temps discret x(n) est définie par :
+∞
𝑇𝑍[𝑥(𝑛)] = 𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛

𝑛=∞
La transformée en Z établit une correspondance entre l’espace des signaux à temps discret et un espace
de fonctions définies sur un sous-ensemble du plan complexe. On définit le plan en 𝐳 comme étant le
plan complexe. La série des puissances introduite dans l’équation de définition précédente ne converge
que pour un sous-ensemble du plan complexe. Ce sous-ensemble est appelé région de convergence ou
domaine de convergence. Une région de convergence correspond à l’ensemble des valeurs de 𝐳 telles
que X(z) soit définie et à valeurs finies. Spécifier le domaine de convergence de la transformée est tout
aussi important que la transformée elle-même.
Exemples de transformée:
Soit le signal à temps discret suivant:
1 𝑠𝑖 𝑛 = 0
𝑥(𝑛) = 𝛿(𝑛) = {
0 𝑠𝑖 𝑛 ≠ 0
On a bien :
+∞
𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛 = 𝑧 0 = 1, ∀ 𝑧 ∈ ℂ
𝑛=−∞
Pour ce premier exemple la région de convergence est ℂ.
Soit le signal à temps discret suivant: 𝑥(𝑛) = 𝛿(𝑛 − 𝑘)
On a: 𝑋(𝑧) = 𝑧 −𝑘
La région de convergence dépend ici de 𝑘.
 Si 𝒌 = 𝟎, la région de convergence est ℂ (exemple précédent).

 Si 𝒌 < 0, 𝑋(𝑧) n'est pas à valeur fini pour 𝑧 = ∞, donc la région de convergence est
ℂ − {∞}.
 Si 𝒌 > 0, 𝑋(𝑧) n'est pas à valeur fini pour 𝑧 = 0, donc la région de convergence est
ℂ − {0}.
Pour un signal à durée finie, la région de convergence correspond au plan complexe ℂ avec l'exclusion
possible de 𝑧 = 0 ou 𝑧 = ∞.
Soit le signal à temps discret suivant: 𝑥(𝑛) = 𝑎𝑛 𝑢(𝑛)
On a:
+∞ +∞ +∞
−𝑛 𝑛 −𝑛
1
𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 = ∑𝑎 𝑧 = ∑(𝑎𝑧 −1 )𝑛 =
1 − 𝑎𝑧 −1
𝑛=−∞ 𝑛=0 𝑛=0
La série précédente converge si et seulement si |𝑎𝑧 −1 | < 1, c'est-à-dire ssi |𝑎| < |𝑧|. La figure ci-
dessous représente la région de convergence dans le plan complexe. Si 𝑎 = 1, on obtient le cas
particulier de l'échelon unité. La transformée en 𝒛 de l'échelon est donc:
1
𝑈(𝑧) = , |𝑧| > 1
1 − 𝑧 −1
Im
Domaine de convergence
a Ré
0
1
Figure 2 : Domaine de convergence, 𝑋(𝑧) =
1−𝑎𝑧 −1
Propriétés de la transformée en z
 Linéarité:
Soient deux signaux à temps discret 𝑥1 (𝑛) et 𝑥2 (𝑛) ayant pour transformées en 𝑧 respectives 𝑋1 (𝑧)
et 𝑋2 (𝑧). Soit le signal 𝑥(𝑛) = 𝑎𝑥1 (𝑛) + 𝑏𝑥2 (𝑛).
La définition de transformée en 𝑧 conduit directement à la relation suivante:
𝑋(𝑛) = 𝑎𝑋1 (𝑧) + 𝑏𝑋2 (𝑧)
Par exemple, soit 𝑥(𝑛) = cos(𝑛𝜔0 )𝑢(𝑛), on peut décomposer 𝑥(𝑛) de la manière suivante:
1
𝑥(𝑛) = (𝑒 𝑗𝜔0 𝑛 + 𝑒 −𝑗𝜔0 𝑛 ) 𝑢(𝑛)
2
En reprenant l'exemple de 𝑥(𝑛) = 𝑎𝑛 𝑢(𝑛) avec 𝑎 = 𝑒 ±𝑗𝜔0 𝑛 , on obtient:
1 1 1 1 1 − cos(𝜔0 )𝑧 −1
𝑋(𝑧) = ( ) + ( ) =
2 1 − 𝑒 𝑗𝜔0 𝑧 −1 2 1 − 𝑒 −𝑗𝜔0 𝑧 −1 1 − 2cos(𝜔0 )𝑧 −1 + 𝑧 −2

 Décalage temporel
Soit un signal 𝑥(𝑛) de transformée en 𝑍, 𝑋(𝑧). Soit 𝑘, un indice temporel quelconque et 𝑥′(𝑛) = 𝑥(𝑛 −
𝑘), on obtient simplement à partir de la définition de la transformée:
𝑋′(𝑧) = 𝑧 −𝑘 𝑋(𝑧)
La région de convergence reste inchangée, excepté l'ajout ou la suppression de 𝑧 = 0 ou 𝑧 = ∞. C'est
cette propriété que vient l'utilisation d'une cellule 𝑧 pour tenir compte d'un décalage temporel d'une
unité.
 Facteur d'échelle en z
Soit un signal 𝑥(𝑛) de transformée en 𝑍, 𝑋(𝑧) avec 𝑟1 < |𝑧| < 𝑟2 pour région de convergence. Soit
𝑥 ′ (𝑛) = 𝑎𝑛 𝑥(𝑛), on a alors:
𝑧
𝑋 ′ (𝑧) = 𝑋 ( )
𝑎
avec |𝑎|𝑟1 < |𝑧| < |𝑎|𝑟2 pour région de convergence.
 Inversion de l'axe temporel
Soit 𝑥(𝑛) avec 𝑋(𝑧) pour transformée et 𝑟1 < |𝑧| < 𝑟2 pour région de convergence. Soit 𝑥 ′ (𝑛) =
𝑥(−𝑛), on a alors:
1
𝑋 ′ (𝑧) = 𝑋 ( )
𝑧
1 1
avec 𝑟 < |𝑧| < 𝑟 comme région de convergence.
1 2
 Dérivation dans l'espace
Soit 𝑥(𝑛) avec 𝑋(𝑧) pour transformée. Soit 𝑥 ′ (𝑛) = 𝑛𝑥(𝑛) on a alors:
𝑑
𝑋 ′ (𝑧) = −𝑧 𝑋(𝑧)
𝑑𝑧
La région de convergence reste inchangée.
+∞
′ (𝑧)
𝑑 𝑑
𝑋 = −𝑧 𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛
𝑑𝑧 𝑑𝑧
𝑛=−∞
+∞ +∞
= −𝑧 ∑ 𝑥(𝑛)(−𝑛)𝑧 −𝑛−1 = ∑ [𝑛𝑥(𝑛)]𝑧 −𝑛

𝑛=−∞ 𝑛=−∞
Par exemple, soit 𝑥(𝑛) = 𝑛 𝑢(𝑛), on a vu précédemment que
1
𝑈(𝑧) =
1 − 𝑧 −1
On obtient alors:
𝑑 𝑧 −2
𝑋(𝑧) = −𝑧 𝑈(𝑧) = −𝑧 [ ]
𝑑𝑧 (1 − 𝑧 −1 )2
𝑧 −1
= 𝑎𝑣𝑒𝑐 |𝑧| > 1
(1 − 𝑧 −1 )2
 Convolution
Soient 𝑥1 (𝑛)et 𝑥2 (𝑛) avec pour transformées en Z respectives 𝑋1 (𝑧) et 𝑋2 (𝑧). Soit 𝑥(𝑛) = 𝑥1 (𝑛) ∗
𝑥2 (𝑛), on a alors:
𝑋(𝑧) = 𝑋1 (𝑧). 𝑋2 (𝑧)
Démonstration:
+∞
𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛
𝑛=−∞

+∞ +∞ +∞ +∞
−𝑛
= ∑ [ ∑ 𝑥1 (𝑘)𝑥2 (𝑛 − 𝑘)] 𝑧 = ∑ 𝑥1 (𝑘) [ ∑ 𝑥2 (𝑛 − 𝑘) 𝑧 −𝑛 ]
𝑛=−∞ 𝑘=−∞ 𝑘=−∞ 𝑛=−∞
+∞
= ( ∑ 𝑥1 (𝑘) 𝑧 −𝑘 ) 𝑋2 (𝑧) = 𝑋1 (𝑧) 𝑋2 (𝑧)

𝑘=−∞
Pour calculer la convolution de deux signaux, il peut être intéressant de multiplier les transformées
respectives de deux signaux convolués et de rechercher la transformées en Z inverse de la transformée
résultante.
Soit 𝑦(𝑛) la sortie d'un système linéaire invariant de réponse impulsionnelle ℎ(𝑛) soumis à l'entrée
𝑥(𝑛), on a alors:
𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛) ⟹ 𝑌(𝑧) = 𝑋(𝑧) × 𝐻(𝑧)
Une convolution dans l'espace à temps discret lui correspond une multiplication dans l'espace complexe
z et vice versa.
Transformées en Z rationnelles
Cette classe de fonction correspond aux systèmes linéaires invariants décrits par une équation aux
différences finies.
Définitions des pôles et des zéros

Les zéros d'une transformée en 𝑍, 𝐻(𝑧), sont les valeurs de 𝑧 telles que 𝐻(𝑧) = 0.
Les pôles d'une transformée en 𝑍, 𝐻(𝑧), sont les valeurs de 𝑧 telles que 𝐻(𝑧) = ∞
Si 𝐻(𝑧) est une fonction rationnelle, 𝐻(𝑧) peut alors s'écrire sous la forme suivante:
𝑁(𝑧) 𝑏0 + 𝑏1 𝑧 −1 + ⋯ + 𝑏𝑀 𝑧 −𝑀 ∑𝑀 𝑘=0 𝑏𝑘 𝑧
−𝑘
𝐻(𝑧) = = =
𝐷(𝑧) 𝑎0 + 𝑎1 𝑧 −1 + ⋯ + 𝑎𝑁 𝑧 −𝑁 ∑𝑁 𝑘=0 𝑎𝑘 𝑧
−𝑘
En supposant 𝑎0 ≠ 0 𝑒𝑡 𝑏0 ≠ 0, on peut réécrire l'équation ci-dessus
𝑏0 𝑧 −𝑀 (𝑧 − 𝑧1 ) ⋯ (𝑧 − 𝑧𝑀 ) 𝑧 −𝑀 ∏𝑀
𝑘=1(𝑧 − 𝑧𝑘 )
𝐻(𝑧) = −𝑁
= 𝛼 −𝑁 𝑁
𝑎0 𝑧 (𝑧 − 𝑝1 ) ⋯ (𝑧 − 𝑝𝑁 ) 𝑧 ∏𝑘=1(𝑧 − 𝑝𝑘 )
Il vient alors:
 𝐻(𝑧) possède 𝑀 zéros finis en 𝑧1 ⋯ 𝑧𝑀
 𝐻(𝑧) possède 𝑁 pôles finis en 𝑝1 ⋯ 𝑝𝑁
 Si 𝑁 > 𝑀, 𝐻(𝑧) possède 𝑁 − 𝑀 zéros en 𝑧 = 0
 Si 𝑁 < 𝑀, 𝐻(𝑧) possède 𝑀 − 𝑁 pôles en 𝑧 = 0
 Il peut aussi y avoir des pôles ou zéros en 𝑧 = ∞ selon que 𝐻(𝑧) = 0 ou 𝐻(𝑧) = ∞
En suivant la notation précédente, 𝐻(𝑧) est complètement déterminé par la position de ses pôles et de
𝑏
ses zéros ainsi que par le facteur d'amplitude 𝛼 = 𝑎0 . Les pôles et zéros reflètent le comportement du
0
système (ou signal) tandis que le facteur 𝛼 n'intervient que sur l'amplitude des signaux. 𝐻(𝑧) peut donc
être représenté sous la forme d'un graphique modélisant la position des pôles et des zéros dans le plan
complexe. Par définition, la région de convergence de 𝐻(𝑧) exclue tous les pôles de cette fonction.
Représentation fréquentielle
Au cours du paragraphe précédent, nous avons vu que les systèmes linéaires invariants ont des
propriétés, notamment le principe de superposition, qui conduisent à des solutions analytiques simples.
Si on applique une sinusoïde à l’entrée d’un système LI la sortie est elle aussi sinusoïdale et de même
pulsation. Les amplitudes et phases dépendent par contre des caractéristiques du système. Il est donc
possible d’analyser le comportement d’un système linéaire invariant par l’observation de l’évolution des
paramètres d’une série de sinusoïdes. C’est cette propriété qui rend si intéressante l’utilisation de la
transformée de Fourier pour l’étude des systèmes LI. Soit l’entrée 𝑥(𝑛) = 𝑒 𝑗𝜔𝑛𝑇 = 𝑒 𝑗Ω𝑛𝑇 pour −∞ <
𝑛 < +∞ d’un système linéaire invariant de réponse impulsionnelle ℎ(𝑘). La sortie peut alors s’écrire :
∞ ∞
𝑗Ω(𝑛−𝑘) 𝑗Ω𝑛
𝑦(𝑛) = ∑ ℎ(𝑘)𝑒 ⟹ 𝑦(𝑛) = 𝑒 ∑ ℎ(𝑘)𝑒 −𝑗Ω𝑘
𝑘=−∞ 𝑘=−∞
en posant:
∞
𝑗Ω𝑛
𝐻(𝑒 ) = ∑ ℎ(𝑘)𝑒 −𝑗Ω𝑘
𝑘=−∞
L’équation précédente représente la modification apportée par le système et modélisée par une
amplitude complexe.
𝐻(𝑒 𝑗Ωn ) est appelé réponse fréquentielle du système caractérisé par sa réponse impulsionnelle ℎ(𝑘). Il
s’agit d’un terme complexe qui peut s’exprimer par une partie réelle ou imaginaire; on adopte le plus
souvent une représentation de type polaire où l’on fait référence au module et à la phase de cette réponse
fréquentielle :
𝑗Ω𝑛
𝐻(𝑒 𝑗Ω𝑛 ) = |𝐻(𝑒 𝑗Ω𝑛 )|𝑒 𝑗arg[𝐻(𝑒 )]
La définition de la réponse fréquentielle d’un système linéaire invariant montre qu’il s’agit d’une
fonction périodique de période 2𝜋. Cela veut dire qu’à deux entrées identiques mais à une pulsation
double le système répond d’une manière identique. Puisque 𝐻(𝑒 𝑗Ω𝑛 ) est une fonction périodique, elle
peut être représentée par une série de Fourier. En fait l’équation de définition fait apparaître 𝐻(𝑒 𝑗Ω𝑛 )
comme une série de Fourier où les coefficients sont ℎ(𝑘).
La fonction de transfert se déduit aussi à partir de la fonction de transfert en z soit:
+∞
𝐻(𝑧) = ∑ ℎ𝑛 𝑧 −𝑛 ⟹ 𝐻(𝑓) = [𝐻(𝑧)]𝑧=𝑒 𝑗2𝜋𝑓𝑇𝑒

𝑛=0
𝑇𝑒 : période d'échantillonnage de notre filtre et 𝑓: la variable fréquentiel

Fonction de transfert d’un système linéaire invariant
On a vu qu’une manière de caractériser un système linéaire invariant consiste à étudier sa

réponse impulsionnelle ℎ(𝑛). Il est donc tout aussi légitime de caractériser un système par la transformée
en 𝑍, 𝐻(𝑧), de sa réponse impulsionnelle, encore appelée fonction de transfert du système. Lors de
l’analyse d’un système donné, on considère le plus souvent ℎ(𝑛) ou 𝐻(𝑧) comme inconnue. A partir
d’une entrée connue, 𝑥(𝑛), on observe alors la sortie 𝑦(𝑛) caractérisée par sa transformée en 𝑍, 𝑌(𝑧).
la fonction de transfert du système est alors :
𝑌(𝑧)
𝐻(𝑧) =
𝑋(𝑧)
On a vu que si 𝑥(𝑛) = 𝛿(𝑛), on obtient directement 𝑦(𝑛) = ℎ(𝑛); ce qui devient dans le plan en 𝑍,
𝑋(𝑧) = 1 donc 𝐻(𝑧) = 𝑌(𝑧)
Si on applique cette approche au système linéaires invariants décrits par une équation aux différences
finies, le système est décrit par la relation suivante:
𝑀 𝑁
𝑦(𝑛) = ∑ 𝑏𝑘 𝑥(𝑛 − 𝑘) − ∑ 𝑎𝑘 𝑦(𝑛 − 𝑘)

𝑘=0 𝑘=1
Prenons la transformée en Z des membres de l'équation précédente:
𝑀 𝑁
𝑌(𝑧) = ∑ 𝑏𝑘 𝑧 −𝑘 𝑋(𝑧) − ∑ 𝑎𝑘 𝑧 −𝑘 𝑌(𝑧)

𝑘=0 𝑘=1
ou bien
𝑁 𝑀
−𝑘
𝑌(𝑧) [1 + ∑ 𝑎𝑘 𝑧 ] = 𝑋(𝑧) [∑ 𝑏𝑘 𝑧 −𝑘 ]
𝑘=1 𝑘=0
En posant 𝑎0 = 1, sans perdre en généralité, on a :
𝑌(𝑧) ∑𝑀
𝑘=0 𝑏𝑘 𝑧
−𝑘 ∑𝑀
𝑘=0 𝑏𝑘 𝑧
−𝑘
𝐻(𝑧) = = = (1.1)
𝑋(𝑧) 1 + ∑𝑁 𝑘=1 𝑎𝑘 𝑧
−𝑘 ∑𝑁
𝑘=0 𝑎𝑘 𝑧
−𝑘
L’équation (1.1) met en évidence qu’un système linéaire invariant décrit par une équation aux
différences finies a une fonction de transfert dont la transformée en 𝑍 est une fonction rationnelle. Ceci
montre l’intérêt de l’étude des transformées en 𝑍 s’écrivant sous la forme de polynômes rationnels.
Systèmes tout zéros

Un système tout zéros est un système dont la transformée en 𝑍 s’exprime sous la forme de l’équation
(1.1) avec 𝑁 = 0, c’est-à-dire pour lequel 𝑎1 = 𝑎2 = ⋯ = 𝑎𝑁 = 0. La fonction de transfert (1.1)
devient alors:
𝑀 𝑀
−𝑘
1
𝐻(𝑧) = ∑ 𝑏𝑘 𝑧 = 𝑀 ∑ 𝑏𝑘 𝑧 𝑀−𝑘
𝑧
𝑘=0 𝑘=0
Le polynôme numérateur possède 𝑀 racines. La réponse impulsionnelle de ce système est de type finies
(RIF).
Systèmes tout pôles
Un système tout pôles est un système dont la transformée en 𝑍 s’exprime sous la forme de l’équation
(1.1) avec 𝑀 = 0, c’est-à-dire pour lequel 𝑏1 = 𝑏2 = ⋯ = 𝑏𝑀 = 0. La fonction de transfert devient :
𝑏0 𝑏0 𝑧 𝑁
𝐻(𝑧) = =
1 + ∑𝑁𝑘=1 𝑎𝑘 𝑧
−𝑘 ∑𝑀
𝑘=0 𝑎𝑘 𝑧
𝑁−𝑘
Le polynôme dénominateur possède N racines. La réponse impulsionnelle de ce système est de type

infinie (RII).
Transformée en Z inverse
A partir d'une liste de transformées en Z de signaux élémentaires connus, il peut être efficace
de retrouver des signaux temporels à partir de transformées dérivées des opérateurs et propriétés
décrits précédemment. Cependant, lorsque la transformée ne peut facilement s'écrire comme la
combinaison de transformées élémentaires, il reste les techniques générales de transformation
inverse:
 L'intégration sur un contour fermé.
 Le développement en puissance de 𝑧 et de 𝑧 −1
 Le développement en fractions élémentaires.
Transformée inverse par intégration

Soit 𝑋(𝑧) la transformée en 𝑍 du signal 𝑥(𝑛). On définit la transformée en 𝑍 inverse, la relation
déterminant 𝑥(𝑛) à partir de 𝑋(𝑧) telle que:
1
𝑥(𝑛) = ∮ 𝑋(𝑧)𝑧 𝑛−1 𝑑𝑧
2𝜋𝑗
L'intégrale précédente consiste à sommer 𝑋(𝑧) pour des valeurs de 𝑧 prises sur un contour fermé du
plan complexe qui contient l'origine du plan tout en étant inclue dans le domaine de convergence de
la fonction.
Transformée inverse par développement en puissance

S'il est possible d'écrire 𝑋(𝑧) comme une série de puissances en 𝑧 −1 , l'unicité de la transformation
directe conduit à prendre les coefficients de la série pour le signal temporel.
Si 𝑋(𝑧) = ∑+∞
𝑛=−∞ 𝐶𝑛 𝑧
−𝑛
𝑎𝑙𝑜𝑟𝑠 𝑥(𝑛) = 𝐶𝑛
On cherche par exemple la réponse impulsionnelle d'un système décrit par l'équation aux différences
finies suivante:
𝑦(𝑛) = 𝑦(𝑛 − 3) + 𝑥(𝑛)
On trouve aisément
1
𝐻(𝑧) =
1 − 𝑧 −3
En utilisant la limite des séries géométriques, on a:

∞
1
= ∑(𝑧 −3 )𝑘
1 − 𝑧 −3
𝑘=0
∞
𝐻(𝑧) = ∑ 𝑧 −3𝑘 = 1 + 𝑧 −3 + 𝑧 −6 + ⋯
𝑘=0
On obtient donc:
∞
ℎ(𝑛 = ∑ 𝛿(𝑛 − 3𝑘)

𝑘=0
Il s'agit ici d'un cas simple d'utilisation des séries géométriques. En général, le développement de
𝑋(𝑧) en puissance de 𝑧 −1 est un calcul assez long, difficile et fastidieux.
Analyse des Systèmes Linéaires Invariants par la transformée en Z

L’objet de ce paragraphe est d’étudier le comportement des systèmes linéaires invariants par
l’analyse de leur fonction de transfert décrite par une fonction en 𝒁. Il s’agit donc de caractériser la
sortie d’un système en fonction d’une entrée et de spécifier les conditions de stabilité d’un tel système.
Réponse d’un système décrit par une fonction rationnelle

Ce mode de représentation est le plus usuel. Il permet de lier l’entrée et la sortie dans le plan 𝑧 par
𝑌 (𝑧) = 𝐻(𝑧)𝑋(𝑧). On posera dans la suite
𝑁(𝑧) ∑𝑁
𝑖=0 𝑎𝑖 𝑧
−𝑖
𝐻(𝑧) = =
𝐷(𝑧) 1 + ∑𝑁
𝑖=1 𝑏𝑖 𝑧
−𝑖
où 𝑁(𝑧) est le polynôme du numérateur de la fonction de transfert, tandis que 𝐷(𝑧) est son
dénominateur. 𝑁 est ici l’ordre du filtre. Dans le cas où 𝐻(𝑧) possède des pôles, on parlera de filtres
RII (pour Réponse Impulsionnelle Infinie). Si 𝑁(𝑧) = 1, on parlera de filtre tous-pôles. Dans le cas où
𝐷(𝑧) = 1, le filtre ne possède que des zéros. Cette famille de filtre correspond au cas des filtres RIF
(pour Réponse Impulsionnelle Finie). Celle ci n’a pas d’équivalent en filtrage analogique, et nous
verrons que ses propriétés en font une fonction très utilisée en traitement numérique du signal.
L’équation précédente peut également être représentée en mettant en avant les pôles et les zéros.
∏𝑁
𝑖=1(𝑧 − 𝑧𝑖 )
𝐻(𝑧) = 𝑏0 𝑁
∏𝑖=1(𝑧 − 𝑝𝑖 )
où pi sont les pôles et zi sont les zéros de H(z). On rappelle ici que la stabilité du filtre sera déterminé
par l’appartenance des pôles au cercle unité (i.e.|𝑝𝑖 | < 1), et que des zéros appartenant au cercle unité
caractériseront un filtre à minimum de phase. La figure 3 montre plusieurs versions de représentations
de H(z). La forme directe (figure 1.3.a) peut être décomposée en produit ou en somme de fonctions de
transfert d’ordre inférieur, généralement d’ordre 2. L’équation 2.1 et la figure 1.3.b représentent la forme
parallèle, tandis que l’équation 2.2 et la figure 3.c représentent la forme cascade.

H1(z)
X(z) Y(z) X(z) H2(z) Y(z)

H(z)
⋮
(a) Forme directe HM(z)
(b) Forme parallèle
X(z) Y(z)
H1(z) H2(z) ⋯ HM(z)
(c) Forme cascade
Figure 1.3 : Représentation sous forme de fonctions de transfert en z
𝑀 𝑀 −2
𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧
𝐻(𝑧) = ∑ 𝐻𝑖 (𝑧) = ∑ (2.1)
1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2
𝑖=1 𝑖=1
𝑀 𝑀 −2
𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧
𝐻(𝑧) = ∏ 𝐻𝑖 (𝑧) = ∏ (2.2)
1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2
𝑖=1 𝑖=1
Soit le système décrit par l’équation suivante: 𝑌(𝑧) = 𝐻(𝑧)𝑋(𝑧)

Il s'agit de caractériser 𝑦(𝑛). On suppose que 𝐻(𝑧) peut s'écrire sous la forme d'une fraction de
𝑁(𝑧)
polynômes en z, c'est à dire: 𝐻(𝑧) = 𝐷(𝑧)
On suppose de plus que la transformée de l’entrée du système X(z) s’écrit par une fraction de polynômes:
𝑃(𝑧)
𝑋(𝑧) =
𝑄(𝑧)
𝑁(𝑧).𝑃(𝑧)
On a donc: 𝑌(𝑧) = 𝐷(𝑧)𝑄(𝑧)
Le signal de sortie est donc caractérisé par une transformée rationnelle.

Supposons :
 Les pôles du système sont uniques, 𝑝1 ⋯ 𝑝𝑁
 Les pôles de l’entrée sont uniques, 𝑞1 ⋯ 𝑞𝐿
 Les pôles du système et de l’entrée sont différents.
 Les zéros du système et de l’entrée diffèrent de l’ensemble des pôles.
On peut alors écrire Y (z) sous la forme suivante :
𝑁 𝐿
𝐷𝑘 𝑄𝑘
𝑌(𝑧) = ∑ −1
+∑
1 − 𝑝𝑘 𝑧 1 − 𝑞𝑘 𝑧 −1
𝑘=1 𝑘=1
En supposant un système causal, on obtient :

𝑁 𝐿
𝑦(𝑛) = ∑ 𝐷𝑘 𝑝𝑘𝑛 𝑢(𝑛) + ∑ 𝑄𝑘 𝑞𝑘𝑛 𝑢(𝑛)

𝑘=1 𝑘=1

L’équation précédente montre que le signal de sortie peut être considéré comme composé de deux partie
:
– une réponse en régime naturel (termes en pk)
– une réponse en régime forcé (termes en qk)
Causalité et Stabilité
Condition de causalité pour 𝑯(𝒛)

Au début du chapitre caractérisant les systèmes à temps discret, on a vu qu’un système linéaire invariant
est causal si et seulement si sa réponse impulsionnelle ℎ(𝑛) est nulle si 𝑛 < 0.
Un système linéaire invariant est causal si et seulement si le domaine de convergence de sa transformée
en 𝑧 est l’extérieur d’un cercle de rayon 𝑟 < ∞ incluant 𝑧 = ∞. Ainsi, 𝐻(𝑧) = 𝑧 2 a une région de
convergence : ℂ − ∞ qui est extérieur à un cercle de rayon 0 mais excluant 𝑧 = ∞. Donc le système
est non causal.
Condition de stabilité pour 𝑯(𝒛)

On a vu que pour qu'un système linéaire invariant soit stable il suffit que sa réponse impulsionnelle
vérifie:
+∞
∑ |ℎ(𝑛)| < ∞
𝑛=−∞
Un système linéaire invariant est stable si le domaine de convergence de sa transformée en 𝑧 inclue le
cercle unité. Pour finir, un système linéaire invariant causal est stable si et seulement si tous les pôles
de sa fonction de transfert sont à l’intérieur, strictement, du cercle unité.
Détermination du module et de la phase du système
Pour un système dont le domaine de convergence de sa fonction de transfert X(z) contient le cercle unité,
alors la réponse fréquentielle de ce système consiste à évaluer X(z) sur le cercle unité, c’est-à-dire pour
𝒛 = 𝒆𝒋𝟐𝝅𝒇.
Prenons par exemple, un système dont la fonction de transfert s’exprime sous la forme suivante :
1
𝐻(𝑧) =
1 + 0,5𝑧 −1
𝑧
on a alors: 𝐻(𝑧) = 𝑧+0,5
1
Ce système possède donc un zéro en 𝑧 = 0 et pôle en 𝑧 = − , en prenant 𝑧 sur le cercle unité:
2
𝑒 𝑗2𝜋𝑓
𝐻(𝑒 𝑗2𝜋𝑓 ) =
1
𝑒 𝑗2𝜋𝑓 + 2
En précisant explicitement amplitude et phase:
𝑗𝑎𝑟𝑔(𝐻(𝑒 𝑗2𝜋𝑓 ))
𝐻(𝑒 𝑗2𝜋𝑓 ) = |𝐻(𝑒 𝑗2𝜋𝑓 ) |𝑒
On obtient alors:

1
𝐻(𝑒 𝑗2𝜋𝑓 ) =
1
𝑒 𝑗2𝜋𝑓 + 2
1
𝑎𝑟𝑔 (𝐻(𝑒 𝑗2𝜋𝑓 )) = 2𝜋𝑓 − 𝑎𝑟𝑔 (𝑒 𝑗2𝜋𝑓 + )
2
la double figure 4 représente sur sa partie gauche la position des pôles et des zéros de la fonction de
transfert (un pôle est indiqué par le symbole ×, et un zéro par le symbole 𝒐) et sur sa partie droite la
réponse fréquentielle du système : module et phase pour 0 ≤ Ω = 2𝜋𝑓 ≤ 𝜋 L’évolution du module de
la réponse fréquentielle nous montre qu’il-y-a atténuation des contributions dues au basses fréquences
par rapport aux hautes fréquences. Le comportement de ce système est donc celui d’un filtre passe-haut.
partie 2
1.8
Imaginaire 1.6
1 1.4
1.2
0.8
0 0.3
0 × 0.1 0.2 0.4 0.5
0.7
-1 0.6
-1 -1/2 0 1/2 1 0.5
0.4
partie réel 0.3
o zéros 0.2
x pôles 0.1
0
0 0.1 0.2 0.3 0.4 0.5
1
Figure 4: Réponse fréquentielle, 𝑋(𝑧) =
1+0.5𝑧 −1

Filtrage numérique
Le filtrage numérique est une opération qui touche plusieurs domaines de l'électronique par
exemple:
 la réduction de bruit pour des signaux radio, des images issues de capteurs, ou encore
des signaux audio.
 Modification de certaines zones de fréquence dans un signal audio ou sur une image.
 Limitation à une bande fréquentielle pré-définie.
 Fonctions spéciales (dérivation, intégration, ...).

Représentation d'un filtre numérique:
Un filtre numérique peut être représenté en utilisant plusieurs types de spécifications.
Fonction de transfert en Z.
Ce mode de représentation est le plus usuel. Il permet de lier l'entrée et la sortie dans le plan z
par 𝑌(𝑧) = 𝐻(𝑧). 𝑋(𝑧). On posera dans la suite:
𝑁(𝑧) ∑𝑁𝑖=0 𝑏𝑖 𝑧
−𝑖
𝐻(𝑧) = = (1.1)
𝐷(𝑧) 1 + ∑𝑁 𝑖=1 𝑎𝑖 𝑧
−𝑖
où 𝑁(𝑧) est le polynôme du numérateur de la fonction de transfert, tandis que 𝐷(𝑧) est son
dénominateur. 𝑁 est ici l'ordre du filtre. Dans le cas où 𝐻(𝑧) possède des pôles, on parlera des
filtres RII (pour Réponse Impulsionnelle Infinie). Si 𝑁(𝑧) = 1, on parlera de filtre tous pôle.
Dans le cas où 𝐷(𝑧) = 1, le filtre ne possède que des zéros. Cette famille de filtre correspond
au cas des filtres RIF (pour Réponse Impulsionnelle Finie). Celle ci n'a pas d'équivalent en
filtrage analogique, et nous verrons que ses propriétés en font une fonction très utilisée en
traitement numérique du signal.
L'équation (1.1) peut également être représentée en mettant en avant les pôles et les zéros.
∏𝑁 𝑖=1(𝑧 − 𝑧𝑖 )
𝐻(𝑧) = 𝑏0 𝑁 (1.2)
∏𝑖=1(𝑧 − 𝑝𝑖 )
où 𝑝𝑖 sont les pôles et 𝑧𝑖 sont les zéros de 𝐻(𝑧). On rappelle ici que la stabilité du filtre sera
déterminé par l'appartenance des pôles au cercle unité (i.e. |𝑝𝑖 | < 1), et que des zéros
appartenant au cercle unité caractériseront un filtre à minimum de phase.
Réponse impulsionnelle.
La réponse impulsionnelle est la fonction en z inverse de 𝐻(𝑧).
∞
𝐻(𝑧) = ∑ ℎ(𝑛)𝑧 −𝑛 (1.5)

𝑛=0
Comme en filtrage analogique, la sortie d'un filtre 𝑦(𝑛𝑇) est le résultat de la convolution du
signal d'entrée représenté de manière temporelle 𝑥(𝑛𝑇) avec la réponse impulsionnelle du filtre
ℎ(𝑛𝑇). On a alors 𝑦(𝑛𝑇) = 𝑥(𝑛𝑇) ∗ ℎ(𝑛𝑇), ou si on fait abstraction de la période
d'échantillonnage 𝑇:
∞ ∞
𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛) = ∑ 𝑥(𝑘)ℎ(𝑛 − 𝑘) = ∑ 𝑥(𝑛 − 𝑘)ℎ(𝑘) (1.6)

𝑘=0 𝑘=0

Dans le cas où 𝑥(𝑛) est une impulsion 𝛿(𝑛), on retrouve bien 𝑦(𝑛) = ℎ(𝑛).
Selon les cas où ℎ(𝑛) est à support infini ou fini, on retrouvera respectivement les deux types
de filtres RII et RIF.
Equation aux différences

Une transformation en Z inverse de l'équation 1.1 permet d'aboutir à la forme suivante:
𝑁 𝑁
𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) − ∑ 𝑎𝑖 𝑦(𝑛 − 𝑖) (1.7)

𝑖=0 𝑖=0
On identifie ici deux parties distinctes: une partie fonction de la valeur courante et des valeurs
précédentes de l'entrée 𝑥(𝑛), et une partie fonction des valeurs précédentes de la sortie 𝑦(𝑛),
selon si les 𝑎𝑖 sont non nuls ou nuls, on parlera donc de filtres récursifs ou de filtres non
récursifs
Spécification d'un filtre numérique

Avant qu'un filtre numérique soit conçu et implanté, nous avons besoin de définir ses
spécifications. Un filtre doit laisser passer certaines fréquences, alors qu'il doit atténuer (voire
éliminer) d'autres. Nous devons donc pouvoir représenter ces contraintes. il ya quatre filtre de
bases:
1. les filtres passe-bas laissent passer les fréquences inférieures à une fréquence de
coupure 𝑓𝑐 et bloquent celles qui lui sont supérieures (figure 1.2.a),
2. les filtres passe-haut bloquent les fréquences inférieures à une fréquence de coupure 𝑓𝑐
et laissent passer celles qui lui sont supérieures (figure 1.2.b),
3. les filtres passe-bande laissent passer les fréquences autour d’une fréquence centrale
f0 (ou comprises entre 𝑓1 et 𝑓2 ) et bloquent les autres (figure 1.2.c),
4. les filtres réjecteur-de-bande bloquent les fréquences autour d’une fréquence centrale
𝑓0 (ou comprises entre 𝑓1 et 𝑓2 ) et laissent passer les autres (figure 1.2.d).
𝐻(𝑒 −𝑗Ω ) 𝐻(𝑒 −𝑗Ω )

1
1
Ω Ω
Ωc π Ωc π
(b) Filtre passe haut
(a) Filtre passe bas
𝐻(𝑒 −𝑗Ω ) 𝐻(𝑒 −𝑗Ω )

1 1
Ω Ω
Ω1 Ω0 Ω2 π Ω1 Ω0 Ω2 π
(c) Filtre passe bande (d) Filtre réjecteur de bande
Figure 1.2 : Réponses fréquentielles idéales des 4 filtres de base

Les filtres représentés en figure 1.2 sont idéaux. Dans un cas réel il ne peut y avoir de
discontinuités. Le passage entre zones passantes et zones atténuées se fait par des zones dites
”de transition” dont la largeur va exprimer la sélectivité du filtre. Les bandes passantes et

atténuées ne sont également pas idéales, elles contiennent des ondulations dont l’amplitude est
exprimée par les paramètres d’ondulation en bande passante et d’atténuation.
Pour toutes ces raisons, la spécification d’un filtre est habituellement réalisée à partir d’un
gabarit fréquentiel, défini entre 0 et 𝜋.
Spécifications des filtres passe-bas et passe-haut

Un filtre passe-bas possède trois zones : la bande passante (0 ≤ Ω ≤ Ωp ), la bande de transition
(Ωp ≤ Ω ≤ Ωa ) et la bande atténuée (Ωa ≤ Ω ≤ π). La figure (1.3.a) montre une représentation
graphique du gabarit fréquentiel linéaire d’un filtre passe-bas, tandis que la figure (1.3.b)
représente un gabarit fréquentiel en dB. Un filtre passe-haut verrait ses bandes atténuées et
passantes inversées, on aurait dans ce cas Ωp > Ωa . 𝛿1 est l’ondulation en bande passante, 𝛿2
est l’atténuation.
La sélectivité du filtre est définie dans le tableau 1.1
|𝐻(𝑒 −𝑗Ω )| |𝐻(𝑒 −𝑗Ω )| (𝑑𝐵)
(1 + 𝛿1 ) Ωp Ωa
20log(1 + 𝛿1 ) Ω
1 π
(1 − 𝛿1 ) 0dB
20log(1 − 𝛿1 )
20log 𝛿2 Ω 20log 𝛿2
Ωp Ωa π
(a) Gabarit fréquentiel linéaire (b) Gabarit fréquentiel en dB
Figure 1.3: Gabarit fréquentiel d'un filtre passe-bas
Spécification des filtres passe-bande et réjecteur de bande

Un filtre passe-bande possède plusieurs zones : la bande passante (Ωp ≤ Ω ≤ Ωa ), deux bandes
de transition et deux bandes atténuées (0 ≤ Ω ≤ Ωa− et Ωa+ ≤ Ω ≤ π) La figure 1.4 montre
une représentation graphique du gabarit fréquentiel linéaire d’un filtre passe-bande. Un filtre
réjecteur-de-bande verrait ses bandes atténuées et passantes inversées. Le tableau 1.1 ci dessous
résume les paramètres des différents gabarits étudiés.
Passe-bas Passe-haut Passe-bande Réjecteur-de-

bande
Sélectivité 𝑠 Ωp /Ωa Ωa /Ωp Ωp+ − Ωp− Ωa+ − Ωa−
Ωa+ − Ωa− Ωp+ − Ωp−
Ondulation δ1 δ1 δ1 δ1
Atténuation δ2 δ2 δ2 δ2
Fréquence centrale Ω0 - -
√Ωp+ . Ωp− √Ωp+ . Ωp−
Largeur de bande B - - Ωp+ − Ωp− Ωp+ − Ωp−
Ωa Ωa
Tableau 1.1 : Paramètres de spécification d'un filtre numérique

(1 + 𝛿1 )
1
(1 − 𝛿1 )
𝛿2
Ω
Ωa− Ωp− Ωp+ π
Ωa+
Figure 1.4: Gabarit fréquentiel linéaire d'un filtre passe-bande
Classification des filtres numériques

Les filtres numériques peuvent être classés selon plusieurs critères :
1. la longueur de la réponse impulsionnelle implique deux types de filtres RII et RIF,

2. le type de représentation, ou de structure, implique deux types de filtres récursifs et
non récursifs.
Nous verrons qu’à l’exception d’un cas particulier, les filtres récursifs et non récursifs sont
respectivement équivalents aux filtres RII et RIF
Filtres récursifs RII

Les filtres analogiques ont nécessairement une réponse impulsionnelle infinie. Les filtres
numériques RII se comportent de manière similaire, mis à part les effets dus à la discrétisation.
Cette catégorie de filtre est également caractérisée par une fonction de transfert en z contenant
des pôles, et une équation aux différences récursives, c’est à dire lorsque la sortie y(n) dépend
à la fois des entrées et des sorties précédentes. Les équations 1.8 et 1.9 montrent la fonction de
transfert en z et l’équation aux différences correspondante de la forme générale d’un filtre RII.
N est appelé ici l’ordre du filtre.
𝑁(𝑧) ∑𝑁𝑖=0 𝑏𝑖 𝑧
−𝑖
𝐻(𝑧) = = (1.8)
𝐷(𝑧) 1 + ∑𝑁 𝑖=1 𝑎𝑖 𝑧
−𝑖
𝑁 𝑁
𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) − ∑ 𝑎𝑖 𝑦(𝑛 − 𝑖) (1.9)

𝑖=0 𝑖=0
A partir de l'équation 1.8, deux cas se présentent:
1. Si 𝑁(𝑧) n'est pas divisible par 𝐷(𝑧), on a un nombre infini de termes dans la division
polynomiale de 𝑁(𝑧) par 𝐷(𝑧):
𝑁
𝐻(𝑧) = ∑ 𝑐𝑛 . 𝑧 −𝑛
𝑛=0
ℎ(𝑛) = 𝑐𝑛 𝑝𝑜𝑢𝑟 𝑛 = 0 ⋯ ∞
𝐻(𝑧) est un filtre RII.
2. Si 𝑁(𝑧) est divisible par 𝐷(𝑧), on a un nombre infini de termes dans la division
polynomiale de 𝑁(𝑧) par 𝐷(𝑧)
𝑁−1
𝐻(𝑧) = ∑ 𝑐𝑛 . 𝑧 −𝑛
𝑛=0
ℎ(𝑛) = 𝑐𝑛 𝑝𝑜𝑢𝑟 𝑛 = 0 ⋯ 𝑁 − 1
𝐻(𝑧) est un filtre RIF.

Les principales caractéristiques des filtres RII sont:
1. une bande de transition qui peut être étroite.
2. des méthodes de synthèse par transposition des méthodes pour les filtres analogiques
3. une instabilité potentielle due à des pôles situés en dehors du cercle unité (i.e. |𝑝𝑖 | ≥ 1
quel que soit i).
4. une instabilité numérique (i.e. après quantification des coefficients et du signal)
potentielle due au rebouclage.
Filtres non récursifs RIF

Les filtres RIF ne peuvent pas être dérivés des filtres analogiques. Il sont cependant très
largement utilisés car ils possèdent des propriétés uniques (phase linéaire, stabilité, flexibilité).
Les équations 1.10 et 1.11 montrent la fonction de transfert en z et l’équation aux différences
correspondante de la forme générale d’un filtre RII. N est appelé ici la longueur de la réponse
impulsionnelle du filtre.
𝑁−1
𝐻(𝑧) = ∑ 𝑏𝑖 𝑧 −𝑖 (1.10)
𝑖=0
𝑁−1 𝑁−1
𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) = ∑ ℎ(𝑖)𝑥(𝑛 − 𝑖) (1.11)

𝑖=0 𝑖=0
On remarque en exploitant l’équation 1.11 que les coefficients bi du filtre sont également les
valeurs de la réponse impulsionnelle h(n), qui se trouve donc être limitée dans le temps.
𝑁−1 𝑁−1
−𝑖
𝐻(𝑧) = ∑ 𝑏𝑖 𝑧 ⟺ ℎ(𝑛) = ∑ 𝑏𝑖 𝛿(𝑛 − 𝑖) (1.12)
𝑖=0 𝑖=0
𝑏𝑛 𝑝𝑜𝑢𝑟 0≤𝑛 ≤𝑁−1
ℎ(𝑛) = { (1.13)
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
Les principales caractéristiques des filtres RIF sont :

1. Une bande de transition qui sera toujours plus large qu’un filtre RII ayant le même
nombre de coefficients.
2. Des méthodes de synthèse permettant de dériver n’importe quelle réponse
fréquentielle.
3. Une stabilité inhérente (∑𝑁−1
𝑛=0 |ℎ(𝑛)| < ∞).
4. Une plus grande stabilité numérique que les RII.

5. Une phase qui peut être exactement linéaire, par conséquent un temps de propagation
de groupe constant et une absence de distorsion harmonique dans le signal.
6. Une plus grande facilité d’implantation dans un système numérique de traitement.
Analyse fréquentielle des filtres numériques

L’analyse fréquentielle est la représentation de la fonction de transfert du filtre dans le domaine

des fréquences, c’est à dire celui de ℱ𝑜𝑢𝑟𝑖𝑒𝑟. La fonction de transfert en Ω est la transformée
de ℱ𝑜𝑢𝑟𝑖𝑒𝑟 du signal h(n).
∞
𝐻(𝑒 ) = ∑ ℎ(𝑛) . 𝑒 −𝑗𝑛Ω = 𝐻(𝑧)/𝑧=𝑒 𝑗Ω

𝑗Ω
(1.14)
𝑛=0
Cette fonction correspond à un signal discret, elle est donc périodique de période 2𝜋. C’est pour
cette raison que l’on a l’habitude d’utiliser la notation 𝐻(𝑒 𝑗Ω ) plutôt que 𝐻(Ω). La figure 1.5
représente un exemple de filtre passe-bas. En traitement du signal, on étudie généralement le
module et la phase (ou argument) de la fonction complexe 𝐻(𝑒 𝑗Ω ).
𝐻(𝑒 𝑗Ω ) = 𝐻𝑟 (𝑒 𝑗Ω ) + 𝑗𝐻𝑖 (𝑒 𝑗Ω ) = |𝐻(𝑒 𝑗Ω )|𝑒 −𝑗Φ(Ω) (1.15)
|𝐻(𝑒 𝑗Ω )|
π 2π
Figure 1.5: Exemple de filtre passe-bas
d’un coefficients 𝑧 −1 représentant un délai d’une période d’échantillonnage. Ce coefficient se

représente également sous la forme d’un registre.
L'équation:
𝑁
𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) = 𝑏0 𝑥(𝑛) + 𝑏1 𝑥(𝑛 − 1) + ⋯ + 𝑏𝑁−1 𝑥(𝑛 − 𝑁 + 1) + 𝑏𝑁 𝑥(𝑛 − 𝑁)

𝑖=0
représente le comportement temporel d’un filtre RIF. On peut en déduire immédiatement la

structure directe d’un filtre RIF qui est représentée à la figure 1.6 (a). La structure transposée
de la figure 1.6.(b) est obtenue après manipulation de cette équation.

x(n) b0 + y(n) x(n) b0 + y(n)

n)1 n)1
Z-1
Z-1
x(n-1) b1 +
b1 +
⋮
bN-1 + ⋮ Z-1
Z-1 bN-1 +
x(n-N) bN
Z-1
bN +
(a) structure directe (b) structure transposée
Figure 1.6 : Structures des filtre RIF
Complexité d’implantation d’un filtre RIF

Un filtre RIF nécessite N + 1 opérations de multiplication, N opérations d’addition pour chaque
nouvel échantillons à filtrer. On peut également exprimer la complexité en nombre de
multiplication-accumulation (MAC), qui, dans le cas du filtre RIF, vaut N + 1. Le coût mémoire
d’un filtrage RIF est de 2(N +1) (N +1) coefficients 𝑏𝑖 et N +1 points mémoire pour le vecteur
des entrées 𝑥(𝑖)).
Si la fréquence d’échantillonnage du signal vaut 𝐹𝑒 , cela signifie que le calcul d’un filtre
1
devra être réalisé en un temps Tcalcul inférieur à 𝑇𝑒 = 𝐹 .
𝑒
Sur un processeur de type DSP (Digital Signal Processor) capable d’exécuter une
multiplication-accumulation (MAC) à chaque cycle, de puissance de calcul Pcalcul exprimée
en MIPS (Million d’Instruction Par Seconde), Le temps de calcul sera : Tcalcul = (N + 1).Tcycle
= (N + 1)/Pcalcul. Aussi, la puissance de calcul d’un DSP pour l’implantation d’un filtrage RIF
vaut :
𝐹𝑒
𝑃𝑐𝑎𝑙𝑐𝑢𝑙 (𝑀𝐼𝑃𝑆) > (𝑁 + 1). (1.16)
106
Structure des filtres RII
L’équation suivante 1.17 montre que l’on peut représenter un filtre RII H(z) sous la forme
du produit de 2 structures, dont une est un filtre RIF N(z), et l’autre un filtre RII tout-pôle
1/𝐷(𝑧)

𝑁
𝑁(𝑧) 1 1
𝐻(𝑧) = = [𝑁(𝑧)] × [ ] = [∑ 𝑏𝑖 𝑧 −𝑖 ] × [ 𝑁 ] (1.17)
𝐷(𝑧) 𝐷(𝑧) 1 + ∑𝑖=1 𝑎𝑖 𝑧 −𝑖
𝑖=0
La structure directe d’un filtre RII est donc obtenue en mettant en cascade un filtre RIF sous
forme directe, et la représentation immédiate du filtre tout-pôle 1/𝐷(𝑧). Celle ci est donnée à
la figure 1.7.a. En réunissant les additions du centre de la figure, on obtient la forme directe
classique utilisée dans la littérature représentée à la figure 1.7.b.
x(n) y(n)
b0 + + y(n)
n)1
x(n)
b0 + n)1
Z-1 Z-1
Z-1 Z-1
x(n-1) b1 + + -a1
x(n-1) b1 + -a1 y(n-1)
⋮ ⋮
⋮ ⋮ ⋮ ⋮
bN-1 + + -aN-1
bN-1 + -aN-1
Z -1 Z-1
Z-1 Z-1
x(n-N) bN -aN
bN -aN
x(n-N) y(n-N)
RIF RII
(a) Cascade (b) structure directe
Figure 1.7 : Structures directes des filtre RII
Il est bien entendu possible de représenter différemment un filtre RII en utilisant la propriété de
commutativité de la multiplication. On a alors :
𝑁
1 1
𝐻(𝑧) = [ ] × [𝑁(𝑧)] = [ ] × [∑ 𝑏𝑖 𝑧 −𝑖 ] (1.18)
𝐷(𝑧) 1 + ∑𝑁
𝑖=1 𝑎 𝑖 𝑧 −𝑖
𝑖=0
On peut donc échanger sur la figure 1.7.a les 2 blocs RIF et RII. Les deux lignes à retard
permettant de mémoriser les signaux 𝑥(𝑛) se retrouvant communes, il est possible de les réunir
en obtenant un vecteur unique de registres 𝑤(𝑛), comme représenté à la figure 1.8.a.

x(n) y(n) x(n) y(n)

+ b0 b0 +
+ n)1 n)1
x(n) w(n)
Z -1 n)1
Z-1
+ -a1 b1 +
w(n-1) b1 + -a1
x(n-1)
-1
Z
+ -aN-1 bN-1 Z-1

+
Z-1 bN-1 + -aN-1
-aN bN
w(n-N) Z-1
bN -aN
x(n-N) y(n-N)
(a) Structure canonique directe (b) structure canonique transposée
Figure 1.8 : Structures canoniques des filtre RII

On peut également représenter la structure canonique sous la forme d’un système d’équation
(1.19) faisant apparaître le signal 𝑤(𝑛)
𝑁
1 𝑤(𝑛) = 𝑥(𝑛) − ∑ 𝑎𝑖 𝑤(𝑛 − 𝑖)

𝑊(𝑧) = . 𝑋(𝑧) 𝑖=1
{ 𝐷(𝑧) 𝑁 (1.19)
𝑌(𝑧) = 𝑁(𝑧). 𝑊(𝑧)
𝑦(𝑛) = ∑ 𝑏𝑖 𝑤(𝑛 − 𝑖)
{ 𝑖=0
Complexité d’implantation d’un filtre RII

Un filtre RII nécessite 2N + 1 opérations de multiplication, 2N opérations d’addition pour
chaque nouvel échantillons à filtrer ou 2N + 1 MAC. Le coût mémoire d’un filtrage RII en
structure directe est de 4N + 3 (2N + 1 coefficients 𝑏𝑖 et 2(N + 1) points mémoire pour les
vecteurs des entrées 𝑥(𝑛) et des sorties 𝑦(𝑛)). La structure canonique permet de diminuer le
coût mémoire qui ne nécessite plus que N + 1 points mémoire pour le vecteur 𝑤(𝑛).
Si la fréquence d’échantillonnage du signal vaut 𝐹𝑒 , cela signifie que le calcul du filtre devra
1
être réalisé en un temps Tcalcul inférieur à 𝑇𝑒 = 𝐹 .
𝑒
Sur un processeur de type DSP capable d’exécuter une multiplication-accumulation (MAC) à

chaque cycle, de puissance de calcul Pcalcul exprimée en MIPS (Million d’Instruction Par
Seconde), Le temps de calcul sera : Tcalcul = (2N + 1).Tcycle = (2N + 1)/Pcalcul. Aussi, la
puissance de calcul d’un DSP pour l’implantation d’un filtrage RII vaut :
𝐹𝑒
𝑃𝑐𝑎𝑙𝑐𝑢𝑙 (𝑀𝐼𝑃𝑆) > (2𝑁 + 1). (1.20)
106

Synthèse des filtres non récursifs ou RIF
1. Détermination par identification à une structure connue
On pourra procéder par identification à une structure connue. Supposons que l'on veuille
concevoir un filtre passe-bas de fréquence de coupure 𝑓𝑐 , on peut alors prendre la structure
réalisée par le filtre RIF suivant :
1 1
𝑦(𝑛) = 𝑥(𝑛) + 𝑥(𝑛 − 1)
2 2
La réponse de ce type de filtre s'obtient de la manière suivante :
1 1 𝑌(𝑧) 1 1 −1
𝑌(𝑧) = 𝑋(𝑧) + 𝑋(𝑧)𝑧 −1 𝑑′ 𝑜ù 𝐻(𝑧) = = + 𝑧
2 2 𝑋(𝑧) 2 2
La réponse fréquentielle sera donc :
1 1 −𝑗𝜔𝑇 1 𝑗𝜔𝑇 /2 𝜔𝑇𝑒 −𝑗𝜔𝑇 /2

𝐻(𝑗𝜔) = + 𝑒 𝑒 = (𝑒 𝑒 + 𝑒 −𝑗𝜔𝑇𝑒 /2 )𝑒 −𝑗𝜔𝑇𝑒 /2 = cos ( )𝑒 𝑒
2 2 2 2
d'où on tirera les réponses en amplitude et en phase :
𝜔𝑇𝑒 𝜔𝑇𝑒 𝜔𝑇𝑒

|𝐻(𝑗𝜔)| = |cos ( )| 𝑎𝑟𝑔(𝐻(𝑗𝜔)) = 0 − =−
2 2 2
Réponse en fréquence Réponse en phase

1 0
0.707
0.5 -50
0 -100
fc Fe/2 Fe/2
Bode : Amplitude
Gain 0
-3
en dB
-20
Fréquence : Echelle Log
-40
100 101 102 fc 103
On obtient 𝑓𝑐 = 𝐹𝑒 /4. Par conséquent, si l'on désire une certaine fréquence de coupure 𝑓𝑐 , il
suffit de fixer 𝐹𝑒 . Naturellement dans ce cas, il n'y aura pas similitude de la pente en dB par
octave ni du déphasage entre les filtres analogique et numérique.

Synthèse des filtres RII
Etude des filtres numériques récursifs par la méthode des pôles et zéros
Afin de faciliter l'étude des filtres récursifs, mais aussi pour améliorer la stabilité numérique de
ceux-ci, il est commode de représenter respectivement le numérateur, et le dénominateur des
filtres récursifs comme étant le produit de filtres du premier ordre (un pôle ou un zéro) et du
second ordre (paire de pôles, ou de zéros, complexes conjugués). On factorisera donc la
fonction de transfert de la forme suivante :
𝐾(𝑧 − 𝑧1 )(𝑧 − 𝑧2 ) ⋯ (𝑧 − 𝑧𝑝 )
𝐻(𝑧) =
(𝑧 − 𝑝1 )(𝑧 − 𝑝2 ) ⋯ (𝑧 − 𝑝𝑞 )
Rappel : la condition de stabilité est que tous les pôles 𝑝𝑖 soient contenus dans le cercle unité.
Interprétation de la position des pôles et zéros
Lorsqu'un zéro est placé sur un point donné du plan en 𝑧, la réponse fréquentielle sera de 0 au
point considéré. Un pôle quant à lui produira un pic au point correspondant.
Im H(f)
fe/4
×
-fe/2 Ré
0
× f
o zéros 3fe/4 fe/4 3fe/4

x pôles
Sur la figure de gauche, le cercle complet correspond à une fréquence d'échantillonnage (-180°
correspondant à −𝑓𝑒 /2 et 180°à 𝑓𝑒 /2). Des pôles proches du cercle unité sont à l'origine de
larges pics tandis que des zéros proches ou sur le cercle unité produisent des minima. Il est donc
possible, par un placement judicieux des pôles et des zéros, d'obtenir un filtre sélectif simple.
N.B.: Pour que les coefficients du filtre soient réels, il faut que les pôles et zéros soient réels
(sur l'axe des réels) ou par paires de complexes conjugués.
Utilisation de la méthode des pôles et des zéros pour calculer les coefficients d’un filtre.
Trouver, grâce à la position des pôles et des zéros, la fonction de transfert et l’équation de
récurrence d’un filtre numérique simple qui a les caractéristiques suivantes :
Fréquence de coupure : 50 𝐻𝑧
Largeur de bande à 3 𝑑𝐵 : ± 5𝐻𝑧

Fréquence d’échantillonnage : 500𝐻𝑧

|𝐻(𝑓)| Figure (b)
Im
× Réel
-1 1
×
o zéros f (Hz)
x pôles Figure (a) 0 50 250
2 pôles à 55 et -55 et 2 zéros à 50 et -50
Solution
Pour rejeter les composants à 50Hz, on place une paire de zéros aux points du cercle unité qui
50
correspondent à 50Hz. Ces points se situent à un angle de 360° ∗ 500 = ±36° de rayon unité.
Pour obtenir un filtre idéal réjécteur de bande et améliorer la réponse en amplitude de chaque
côté de la fréquence de coupure, deux pôles complexes conjugués sont placés sur le cercle de
rayon inférieur à 1. La largeur de la bande rejetée est déterminée par la position de pôles. La
𝑙𝑎𝑟𝑔𝑒𝑢𝑟
relation entre la largeur de bande et le rayon est donc applicable (𝑟 ≈ 1 − ( ) 𝜋). Par
𝑓𝑒
conséquent, la norme des pôles est 0,937. Le diagramme des pôles et des zéros est donné par la
figure (a) ci-dessus. Depuis la figure, la fonction de transfert du filtre est donnée par :
(𝑧 − 𝑒 −𝑗36° )(𝑧 − 𝑒 𝑗36° ) 1 + 𝑧 2 − 2 cos(36)𝑧

𝐻(𝑧) = =
(𝑧 − 0.937𝑒 −𝑗39.6° )(𝑧 − 0.937𝑒 𝑗39.6° ) 0.878 + 𝑧 2 − 2 × 0.937 × 𝑐𝑜𝑠(39.6)𝑧
qui s'écrit sous la forme
𝑧 2 − 1.6180𝑧 + 1 1 − 1.6180𝑧 −1 + 𝑧 −2
𝐻(𝑧) = =
𝑧 2 − 1.4439𝑧 + 0.878 1 − 1.4439𝑧 −1 + 0.878𝑧 −2
𝑝ℎ𝑎𝑠𝑒×180
N.B.: Conversion du radian en degré: 𝜃(𝑒𝑛 𝑑𝑒𝑔𝑟é) = 𝜋
L'équation de récurrence du filtre s'écrit alors:
𝑦(𝑛) = 𝑥(𝑛) − 1.6180𝑥(𝑛 − 1) + 𝑥(𝑛 − 2) + 1.4439𝑦(𝑛 − 1) − 0.8780𝑦(𝑛 − 2)
Les coefficients sont :

𝑎0 = 1, 𝑎1 = −1.6180, 𝑎2 = 1, 𝑏1 = −1.4439, 𝑏2 = 0.8780,
𝑁 𝑀
𝑦(𝑛) = ∑ 𝑎𝑖 𝑥(𝑛 − 𝑖) − ∑ 𝑏𝑗 𝑦(𝑛 − 𝑗)
𝑖=0 𝑗=1

APPLICATION
EXERCICE 1
On considère un signal continue 𝑥(𝑡), et le signal 𝑥2𝜃 (𝑡) correspondant à 𝑥(𝑡) mais réduit à
l'intervalle [−𝜃, 𝜃] soit :
𝑡
𝑥2𝜃 (𝑡) = 𝑥(𝑡) ∙ 𝑟𝑒𝑐𝑡 ( )
2𝜃
𝑡
1) Donner l’expression de la transformée de Fourier du signal 𝑟𝑒𝑐𝑡 (2𝜃) (sans faire de calcul).
1
2) Dans le cas où 𝑥(𝑡) = 2 [1 + 𝑐𝑜𝑠(2𝜋𝐹0 𝑡)], donner l’expression de 𝑋(𝑓).
3) En déduire l’expression du spectre 𝑋2𝜃 (𝑓).
𝑠𝑖𝑛𝑋
4) En déduire une représentation graphique du spectre |𝑋2𝜃 (𝑓)|, sachant que 𝑋 = 0 à partir du
3ème passage par zéro. (On prendra 𝐹0 = 3/𝜃)
5) Soit 𝑥1 (𝑡) le nouveau signal obtenu en multipliant 𝑥2𝜃 (𝑡) par le peigne de Dirac de période 𝑇𝑒 ,
𝑡
Exprimer 𝑥1 (𝑡) en fonction de 𝑟𝑒𝑐𝑡 (2𝜃) et 𝑥(𝑛𝑇𝑒 ).
6) On désigne par 𝑋1 (𝑓) le spectre de 𝑥1 (𝑡), exprimer 𝑋1 (𝑓) en fonction de 𝑋2𝜃
7) Donner le développement de 𝑋1 (𝑓) pour 𝑛 ∈ [−1, 1].
8) Dans le cas où 𝐹𝑒 = 3𝐹0 et 2𝜃 = 4𝑇0 Donner l’allure |𝑋1 (𝑓)| Sur le domaine fréquentiel
[0, 4𝐹0 ].
EXERCICE 2
Dans cet exercice on se propose d’étudier le comportement d’un filtre numérique du second ordre qui
se présente sous la forme suivante :
(𝑧 − 𝑧1 ) ∙ (𝑧 − 𝑧2 )
𝐻(𝑧) = 𝑏0 ∙
(𝑧 − 𝑝1 ) ∙ (𝑧 − 𝑝2 )
1. Déterminer la fonction de transfert 𝐻(𝑧) du filtre sachant qu’il possède deux zéros
𝑧1 = +1 𝑒𝑡 𝑧2 = −1 et deux pôles 𝑝1 = 𝑅𝑒 +𝑗Ω0 𝑒𝑡 𝑝2 = 𝑅𝑒 −𝑗Ω0
𝐹0
𝑎𝑣𝑒𝑐 Ω0 = 2𝜋 (𝑝𝑢𝑙𝑠𝑎𝑡𝑖𝑜𝑛 𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑠é𝑒) 𝑒𝑡 𝑅 < 1
𝐹𝑒
2. Montrer que la fonction de transfert en 𝑧 peut se mettre sous la forme suivante :

1 − 𝑧 −2
𝐻(𝑧) = 𝑏0 ∙
1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2
Les valeurs de 𝑎1 𝑒𝑡 𝑎2 sont à déterminer
3. Quel est le critère de stabilité de ce filtre ?

𝑓
4. Déterminer la réponse fréquentielle du filtre 𝐻(𝑗Ω), sachant que Ω = 2𝜋 𝐹 (pulsation réduite).
𝑒
5. On se place dans le cas particulier suivant :
𝐹𝑒
𝐹0 = , 𝑅 = 0,9 𝑒𝑡 𝑏0 = 1 − 𝑅 = 0,1
8
𝐹𝑒
Déterminer les valeurs de Ω0 , 𝐻(𝑓 = 0) 𝑒𝑡 𝐻 (𝑓 = 2
)
6. Déterminer l’expression de 𝐻(𝑗Ω0 ). En déduire la valeur de 𝐻(𝑗𝐹0 )

7. Placer les pôles et les zéros de ce filtre dans le plan complexe.
8. Calculer la valeur du gain 𝑏0 pour |𝐻(𝑗𝐹0 )| = 1.

𝐹 𝐹𝑒
9. Donner l’allure de 𝐻(𝑓) sur le domaine fréquentiel [− 2𝑒 , 2
]. En déduire la nature du filtre sur le
𝐹
domaine fréquentiel [0, 𝑒 ].
2
10. Déterminer l’équation aux différences finies du filtre.
EXERCICE 3 : FILTRAGE NUMERIQUE (RIF)
Soit 𝑥 (𝑡 ) le signal analogique entrant dans le CAN et 𝑥(𝑛) le signal numérique sortant du CAN et
entrant dans le système numérique supposé linéaire et invariant dans le temps.
𝑥(𝑡) 𝑥(𝑛) Système 𝑦(𝑛) 𝑦(𝑡)

CAN CNA
Linéaire
Discret
On notera 𝑇𝑒 et 𝐹𝑒 la période d’échantillonnage et la fréquence d’échantillonnage respectivement. 𝑦(𝑛)

le signal numérique après traitement numérique, en sortie du système, 𝑦(𝑡) le signal analogique à la
sortie du CNA.
Le système numérique est caractérisé par une réponse impulsionnelle qui s'écrit:
0 𝑠𝑖 𝑛 = 0 𝑒𝑡 𝑛 = 2
1
ℎ(𝑛) = { 𝑠𝑖 𝑛 = 1 𝑒𝑡 𝑛 = 3
2
0 ∀𝑛 >3
1) Donner une représentation graphique de la réponse impulsionnelle ℎ(𝑛). En déduire
l’expression de ℎ(𝑛) en fonction de 𝛿(𝑛). Quel est l’ordre du système ?
2) Déterminer l'équation aux différences finis 𝑦(𝑛) de ce système.
3) Etudier la causalité ainsi que la stabilité du système.
4) Déterminer la fonction de transfert 𝐻(𝑧) de ce système
5) En déduire la structure du filtre
On étudie à présente le comportement en régime sinusoïdal du système discret en appliquant à
l'entrée le signal sinusoïdal : 𝑥(𝑛) = 𝐸𝑐𝑜𝑠(𝑛𝜔𝑇𝑒 )
6) Exprimer 𝑦(𝑛) sous la forme 𝑦(𝑛) = 𝑆𝑐𝑜𝑠(𝑛𝜔𝑇𝑒 + 𝜑), 𝑆 et 𝜑 sont à déterminer.

𝑆
7) Tracer la fonction 𝐻 = 𝐸 en fonction de 𝑓 pour 0 ≤ 𝑓 ≤ 2𝐹𝑒 . Que peut-on dire de la réponse
en fréquence du système numérique?
8) On veut échantillonner un signal sinusoïdal 𝑠(𝑡) de fréquence pouvant aller jusqu'à une valeur
maximale 𝑓𝑚 . Rappeler la condition sur la fréquence d’échantillonnage 𝐹𝑒 pour pouvoir
échantillonner 𝑠(𝑡) sans perte d’information. En déduire la portion utile de la réponse en
fréquence du système numérique.
𝐹
9) Dans le domaine utile de fréquences [0, 2𝑒 ], quel est le type de filtrage réalisé ? Calculer alors
la fréquence de coupure à −3 𝑑𝐵 du filtre pour 𝐹𝑒 = 10𝐾𝐻𝑧
𝐹𝑒 𝐹𝑒
10) Tracer 𝜑 en fonction de 𝑓 sur le domaine de fréquences [− , ], Comment appelle-t-on un
2 2
tel filtre ?
𝐹 𝐹𝑒
11) Quel est le type de filtrage réalisé sur le domaine fréquentiel [− 2𝑒 , 2
].

EXERCICE 4 : FILTRE A REPONSE IMPULSIONNELLE INFINIE (RII)
Dans cet exercice on se propose d’étudier le comportement d’un filtre numérique du second ordre qui
se présente sous la forme suivante :
(𝑧 − 𝑧1 ) ∙ (𝑧 − 𝑧2 )
𝐻(𝑧) = 𝐾 ∙
(𝑧 − 𝑝1 ) ∙ (𝑧 − 𝑝2 )
Nature du filtre Pôles et zéros Fonction de transfert en 𝑧

Passe-bas 𝑧 = −1 Zéro double (𝑧 + 1)2
±𝑗𝜃 𝐻(𝑧) = 𝐾 ∙
2 pôles complexes 𝑝1,2 = 𝑅𝑒 (𝑧 − 𝑅𝑒 +𝑗𝜃 ) ∙ (𝑧 − 𝑅𝑒 −𝑗𝜃 )
Passe-haut 𝑧 = 1 Zéro double (𝑧 − 1)2
±𝑗𝜃 𝐻(𝑧) = 𝐾 ∙
Passe bande 2 Zéros réelles 𝑧1,2 = ±1 (𝑧 − 1) ∙ (𝑧 + 1)
±𝑗𝜃 𝐻(𝑧) = 𝐾 ∙
Coupe bande 2 Zéros complexes 𝑧1,2 = 𝑒 ±𝑗𝜃 (𝑧 − 𝑒 +𝑗𝜃 ) ∙ (𝑧 − 𝑒 −𝑗𝜃 )
±𝑗𝜃 𝐻(𝑧) = 𝐾 ∙
𝑓𝑐 ∆𝑓(3𝑑𝐵)
𝜃 = × 360° 𝑅 =1− ×𝜋 (𝑅 < 1)
𝑓𝑒 𝑓𝑒
𝑓𝑐 ∶ 𝑓𝑟é𝑞𝑢𝑒𝑛𝑐𝑒 𝑑𝑒 𝑐𝑜𝑢𝑝𝑢𝑟𝑒 𝑒𝑡 𝑓𝑒 ∶ 𝑓𝑟é𝑞𝑢𝑒𝑛𝑐𝑒 𝑑′é𝑐ℎ𝑎𝑛𝑡𝑖𝑙𝑙𝑜𝑛𝑛𝑎𝑔𝑒
Application
Au cours de la transmission numérique (échantillonné à une fréquence de 𝑓𝑒 = 5𝐾𝐻𝑧), le signal a

été affecté d’un bruit sinusoïdal de fréquence 𝑓0 = 250𝐻𝑧. On veut éliminer le bruit par l’emploi d’un
filtre possédant une bande de transition ∆𝑓 = ±50𝐻𝑧 à − 3𝑑𝐵.
1. Quel est la nature du filtre qu’il faut construire, En déduire son allure fréquentiel 𝐻(𝑓) idéal.
2. Déterminer 𝜃 𝑒𝑡 𝑅, en déduire les valeurs de 𝑧1,2 𝑒𝑡 𝑝1,2
3. Donner l’emplacement de 𝑧1,2 𝑒𝑡 𝑝1,2 dans le plan complexe. En déduire la stabilité du filtre
4. Déterminer la fonction de transfert en 𝑧 du filtre 𝐻(𝑧).
5. Montrer que 𝐻(𝑧) peut se mettre sous la forme suivante
(𝑧 2 − 2𝑐𝑜𝑠𝜃 𝑧 + 1)
𝐻(𝑧) = 𝐾 2
𝑧 − 2𝑅𝑐𝑜𝑠𝜃 𝑧 + 𝑅 2
Le coefficient 𝐾 est à déterminer sachant que : 𝐻(𝑧 = 1) = 𝐾
𝐹 𝐹
6. Donner l’allure de 𝐻(𝑓) sur le domaine fréquentiel [− 2𝑒 , 2𝑒 ]
7. Montrer que 𝐻(𝑧) peut se mettre sous la forme suivante
𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2
𝐻(𝑧) =
𝑎0 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2
8. En déduire l’équation aux différences finies du filtre

Corrigé de l’Exercice 1
𝑡
1) Donner l’expression de la transformée de Fourier du signal 𝑟𝑒𝑐𝑡 (2𝜃) (sans faire de
calcul).
𝑡
𝑇𝐹 [𝑟𝑒𝑐𝑡 ( )] = 2𝜃𝑠𝑖𝑛𝑐(2𝜋𝑓𝜃)
2𝜃
1
2) Dans le cas où 𝑥(𝑡) = 2 [1 + 𝑐𝑜𝑠(2𝜋𝐹0 𝑡)], donner l’expression de 𝑋(𝑓).
1 1
𝑋(𝑓) = 𝛿(𝑓) + [𝛿(𝑓 + 𝐹0 ) + 𝛿(𝑓 − 𝐹0 )]
2 4
3) En déduire l’expression du spectre 𝑋2𝜃 (𝑓).

𝑋2𝜃 (𝑓) = 𝑋(𝑓) ∗ 2𝜃𝑠𝑖𝑛𝑐(2𝜋𝑓𝜃)
1 1
𝑋2𝜃 (𝑓) = { 𝛿(𝑓) + [𝛿(𝑓 + 𝐹0 ) + 𝛿(𝑓 − 𝐹0 )]} ∗ 2𝜃𝑠𝑖𝑛𝑐(2𝜋𝑓𝜃)
2 4
𝜃 𝜃
𝑋2𝜃 (𝑓) = 𝜃𝑠𝑖𝑛𝑐(2𝜋𝑓𝜃) + 𝑠𝑖𝑛𝑐(2𝜋𝜃(𝑓 + 𝐹0 )) + 𝑠𝑖𝑛𝑐(2𝜋𝜃(𝑓 − 𝐹0 ))
2 2
𝑠𝑖𝑛𝑋
4) En déduire une représentation graphique du spectre |𝑋2𝜃 (𝑓)|, sachant que =0à
𝑋
partir du 3ème passage par zéro. (On prendra 𝐹0 = 3/𝜃)
|𝑿𝟐𝜽 (𝒇)|
𝜽
𝜽/𝟐
𝒇
−𝑭𝟎 𝟎 𝟏 𝑭𝟎 𝟑𝜽
𝑭𝟎 +
𝟐𝜽 𝟐
𝑡
5) 𝑥1 (𝑡) en fonction de 𝑟𝑒𝑐𝑡 (2𝜃) et 𝑥(𝑛𝑇𝑒 ).
𝑡
𝑥1 (𝑡) = 𝑥2𝜃 (𝑡) × 𝛿𝑇𝑒 (𝑡) = 𝑥(𝑡) 𝑟𝑒𝑡 ( ) 𝛿𝑇𝑒 (𝑡)
2𝜃
+∞ +∞
𝑡 𝑡
𝑥1 (𝑡) = 𝑟𝑒𝑡 ( ) ∑ 𝑥(𝑡) × 𝛿(𝑡 − 𝑛𝑇𝑒 ) = 𝑟𝑒𝑡 ( ) ∑ 𝑥(𝑛𝑇𝑒 )
2𝜃 2𝜃
−∞ −∞
+∞
𝑡
𝑥1 (𝑡) = 𝑟𝑒𝑡 ( ) ∑ 𝑥(𝑛𝑇𝑒 )
2𝜃
−∞

6) On désigne par 𝑋1 (𝑓) le spectre de 𝑥1 (𝑡), exprimer 𝑋1 (𝑓) en fonction de 𝑋2𝜃

𝑋1 (𝑓) = 𝑇𝐹[𝑥1 (𝑡)] = 𝑇𝐹[𝑥2𝜃 (𝑡) × 𝛿𝑇𝑒 (𝑡)] = 𝑋2𝜃 (𝑓) ∗ 𝐹𝑒 𝛿𝐹𝑒 (𝑓)
+∞ +∞
𝑋1 (𝑓) = 𝑋2𝜃 (𝑓) ∗ 𝐹𝑒 ∑ 𝛿(𝑓 − 𝑛𝐹𝑒 ) = 𝐹𝑒 ∑ 𝑋2𝜃 (𝑓) ∗ 𝛿(𝑓 − 𝑛𝐹𝑒 )

−∞ −∞
+∞
𝑋1 (𝑓) = 𝐹𝑒 ∑ 𝑋2𝜃 (𝑓 − 𝑛𝐹𝑒 )

−∞
7) Donner le développement de 𝑋1 (𝑓) pour 𝑛 ∈ [−1, 1].

𝑋1 (𝑓) = 𝐹𝑒 [𝑋2𝜃 (𝑓 + 𝐹𝑒 ) + 𝑋2𝜃 (𝑓) + 𝑋2𝜃 (𝑓 − 𝐹𝑒 )]
𝜃 𝜃
𝑋2𝜃 (𝑓 ± 𝐹𝑒 ) = 𝜃𝑠𝑖𝑛𝑐(2𝜋𝜃(𝑓 ± 𝐹𝑒 )) + 𝑠𝑖𝑛𝑐(2𝜋𝜃(𝑓 ± 𝐹𝑒 + 𝐹0 )) + 𝑠𝑖𝑛𝑐(2𝜋𝜃(𝑓 ± 𝐹𝑒 − 𝐹0 ))
2 2
𝜃 𝜃
𝑋2𝜃 (𝑓) = 𝜃𝑠𝑖𝑛𝑐(2𝜋𝑓𝜃) + 𝑠𝑖𝑛𝑐(2𝜋𝜃(𝑓 + 𝐹0 )) + 𝑠𝑖𝑛𝑐(2𝜋𝜃(𝑓 − 𝐹0 ))
2 2
𝑋1 (𝑓) = 𝐹𝑒 [𝑋2𝜃 (𝑓 + 𝐹𝑒 ) + 𝑋2𝜃 (𝑓) + 𝑋2𝜃 (𝑓 − 𝐹𝑒 )]
8) Dans le cas où 𝐹𝑒 = 3𝐹0 et 2𝜃 = 4𝑇0 , donner l’allure |𝑋1 (𝑓)| sur le domaine fréquentiel
|𝑿𝟏 (𝒇)| [0, 𝐹𝑒 ]
𝜽/𝟐
𝒇
𝟎 𝟏 𝑭𝟎 𝟑𝑭𝟎
𝑭𝟎 +
𝟑𝜽 𝟒𝑭𝟎
𝟐𝜽 𝟐
Corrigé de l’Exercice 2
1. Déterminer la fonction de transfert 𝐻(𝑧) du filtre sachant qu’il possède deux zéros
(𝑧 − 𝑧1 ) ∙ (𝑧 − 𝑧2 ) (𝑧 − 1) ∙ (𝑧 + 1)
𝐻(𝑧) = 𝑏0 ∙ = 𝑏0 ∙
(𝑧 − 𝑝1 ) ∙ (𝑧 − 𝑝2 ) (𝑧 − 𝑅𝑒 +𝑗Ω0 ) ∙ (𝑧 − 𝑅𝑒 −𝑗Ω0 )
𝑧2 − 1
𝐻(𝑧) = 𝑏0 ∙
𝑧 2 − 2𝑅𝑐𝑜𝑠Ω0 𝑧 + 𝑅 2
2. Placer les pôles (𝑝1 𝑒𝑡 𝑝2 ) et les zéros (𝑧1 𝑒𝑡 𝑧2 ) de ce filtre dans le plan complexe ci-dessous :

𝐼𝑚(𝑧)
zéro o
𝑝ô𝑙𝑒 𝑝1
𝑧 =1 x
𝑅é𝑙(𝑧)
𝑅<1
0
zéro
x 𝑝ô𝑙𝑒 𝑝2
𝑧 = −1 o
𝐶𝑒𝑟𝑐𝑙𝑒 𝑐𝑒𝑛𝑡𝑟é𝑒 𝑒𝑛 0 𝑑𝑒 𝑟𝑎𝑦𝑜𝑛 1
1−𝑧 −2
3. Montrer que la fonction 𝐻(𝑧) peut se mettre sous la forme suivante : 𝐻(𝑧) = 𝑏0 ∙
1+𝑎1 𝑧 −1 +𝑎2 𝑧 −2
𝑧2 − 1 1 − 𝑧 −2
𝐻(𝑧) = 𝑏0 ∙ = 𝑏0 ∙
𝑧 2 − 2𝑅𝑐𝑜𝑠Ω0 𝑧 + 𝑅 2 1 − 2𝑅𝑐𝑜𝑠Ω0 𝑧 −1 + 𝑅 2 𝑧 −2
1−𝑧 −2
C’est bien de la forme 𝐻(𝑧) = 𝑏0 ∙ 1+𝑎 −1 −2 avec :
1 𝑧 +𝑎2 𝑧
𝑎1 = −2𝑅𝑐𝑜𝑠Ω0 𝑎2 = 𝑅 2
4. Quel est le critère de stabilité de ce filtre ? (Condition sur les coefficients 𝑎1 𝑒𝑡 𝑎2 )

Pour que le système soit stable ile faut que les pôles de la fonction de transfert en z soit à l’intérieur
du cercle unitaire soit : |𝑝1 | < 1 𝑒𝑡 |𝑝2 | < 1
𝑓
5. Déterminer la réponse fréquentielle du filtre 𝐻(𝑗Ω), sachant que Ω = 2𝜋 𝐹 (pulsation réduite).
𝑒
−2 −2𝑗Ω
1−𝑧 1−𝑒
𝐻(𝑗Ω) = 𝑏0 ∙ −1 2 −2
= 𝑏0 ∙
1 − 2𝑅𝑐𝑜𝑠Ω0 𝑧 + 𝑅 𝑧 1 − 2𝑅𝑐𝑜𝑠Ω0 𝑒 −𝑗Ω + 𝑅 2 𝑒 −2𝑗Ω
1 − 𝑒 −2𝑗Ω
𝐻(𝑗Ω) = 𝑏0 ∙
1 − 2𝑅𝑐𝑜𝑠Ω0 𝑒 −𝑗Ω + 𝑅 2 𝑒 −2𝑗Ω
𝐹𝑒
6. On se place dans le cas particulier suivant : 𝐹0 = 8
, 𝑅 = 0,9 𝑒𝑡 𝑏0 = 1 − 𝑅 = 0,1
𝐹
Déterminer les valeurs de Ω0 , 𝐻(𝑓 = 0) 𝑒𝑡 𝐻 (𝑓 = 2𝑒 )
𝜋 𝐻(0) = 0 𝐹𝑒
Ω0 = 𝐻( ) = 0
4 2
7. Déterminer l’expression de 𝐻(𝑗Ω0 ). En déduire la valeur de 𝐻(𝑗𝐹0 )

π π
1 − 𝑒 −2𝑗 4 1 − 𝑒 −𝑗 2
𝐻(𝑗Ω0 ) = 𝑏0 ∙ π π = 𝑏0 ∙ π π
π
1 − 2𝑅𝑐𝑜𝑠Ω0 𝑒 −𝑗 4 + 𝑅 2 𝑒 −2𝑗 4 1 − 2𝑅𝑐𝑜𝑠 ( ) 𝑒 −𝑗 4 + 𝑅 2 𝑒 −𝑗 2
4

1+𝑗 1+𝑗 1+𝑗

𝐻(𝑗Ω0 ) = 𝑏0 ∙ = 𝑏0 ∙ 2
= 𝑏0 ∙
√2 √2 1 − 𝑅(1 − 𝑗) − 𝑗𝑅 1 − 𝑅 + 𝑗𝑅 − 𝑗𝑅 2
1 − √2𝑅 ( 2 − 𝑗 2 ) − 𝑗𝑅 2
1+𝑗
𝐻(𝑗Ω0 ) = 𝑏0 ∙
1 − 𝑅 + 𝑗𝑅(1 − 𝑅)
Comme 𝑅 = 0,9 𝑒𝑡 𝑏0 = 1 − 𝑅 = 0,1
1+𝑗 1+𝑗 1+𝑗

𝐻(𝑗𝐹0 ) = (1 − 𝑅) ∙ = (1 − 𝑅) =
1 − 𝑅 + 𝑗𝑅(1 − 𝑅) (1 − 𝑅)(1 + 𝑗𝑅) (1 + 𝑗0,9)
1+𝑗 1+𝑗
𝐻(𝑗Ω0 ) = 𝑏0 ∙ 𝐻(𝑗𝐹0 ) =
1 − 𝑅 + 𝑗𝑅(1 − 𝑅) (1 + 𝑗0,9)
8. Calculer la valeur du gain 𝑏0 pour |𝐻(𝑗𝐹0 )| = 1.
𝑏0 =
𝐹𝑒 𝐹𝑒
9. Donner l’allure de 𝐻(𝑓) sur le domaine fréquentiel [− 2
, 2 ]. En déduire la nature du filtre
𝐹𝑒
sur le domaine fréquentiel [0, ].
2
𝐻(𝑓)
−𝐹𝑒 /2 0 𝐹𝑒 /4 𝐹𝑒 /2
𝐹𝑒
Sur le domaine fréquentiel [0, 2
] c’est l’allure d’un filtre passe bande
10. Déterminer l’équation aux différences finies du filtre.

1 − 𝑧 −2 𝑌(𝑧)
𝐻(𝑧) = 𝑏0 ∙ −1 −2
=
1 + 𝑎1 𝑧 + 𝑎2 𝑧 𝑋(𝑧)
(1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2 )𝑌(𝑧) = 𝑏0 (1 − 𝑧 −2 )𝑋(𝑧)
En appliquant la transformée en z inverse on obtient :
𝑦(𝑛) + 𝑎1 𝑦(𝑛 − 1) + 𝑎2 𝑦(𝑛 − 2) = 𝑏0 𝑥(𝑛) − 𝑏0 𝑥(𝑛 − 2)
𝑦(𝑛) = 𝑏0 (𝑥(𝑛) − 𝑥(𝑛 − 2)) − 𝑎1 𝑦(𝑛 − 1) − 𝑎2 𝑦(𝑛 − 2)

Transformées en z de fonctions usuelles
Le tableau ci-dessous donne les transformées en z des fonctions utilisées en traitement numérique du
signal. 𝑇𝑒 désigne la période d'échantillonnage du signal transformé dans lequel on a posé 𝑡 = 𝑛𝑇𝑒
𝑥(𝑛) 𝑋(𝑧)
𝛿(𝑛) 1
𝛿(𝑛 − 𝑘) 𝑧 −𝑘
𝑢(𝑛) 𝑧
𝑧−1
𝑎𝑛 𝑧
𝑧−𝑎
𝑒 −𝑎𝑛𝑇𝑒 𝑧
𝑧 − 𝑒 −𝑎𝑇𝑒
sin(𝜔0 𝑛𝑇𝑒 ) 𝑧 sin(𝜔0 𝑇𝑒 )

𝑧 2 − 2𝑧 𝑐𝑜𝑠(𝜔0 𝑇𝑒 ) + 1
cos(𝜔0 𝑛𝑇𝑒 ) 𝑧[𝑧 − cos(𝜔0 𝑇𝑒 )]

𝑧2 − 2𝑧 𝑐𝑜𝑠(𝜔0 𝑇𝑒 ) + 1
𝑒 −𝑎𝑛𝑇𝑒 sin(𝜔0 𝑛𝑇𝑒 ) 𝑧 𝑒 −𝑎𝑇𝑒 sin(𝜔0 𝑇𝑒 )

𝑧 2 − 2𝑧 𝑒 −𝑎𝑇𝑒 𝑐𝑜𝑠(𝜔0 𝑇𝑒 ) + 𝑒 −2𝑎𝑇𝑒
𝑒 −𝑎𝑛𝑇𝑒 cos(𝜔0 𝑛𝑇𝑒 ) 𝑧 2 − 𝑧𝑒 −𝑎𝑇𝑒 cos(𝜔0 𝑇𝑒 )

𝑧 2 − 2𝑧 𝑒 −𝑎𝑇𝑒 𝑐𝑜𝑠(𝜔0 𝑇𝑒 ) + 𝑒 −2𝑎𝑇𝑒

Support Filtres Numériques 2024

Transféré par

Droits d'auteur :

Formats disponibles

Support Filtres Numériques 2024

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Support Filtres Numériques 2024

Transféré par

Droits d'auteur :

Formats disponibles

Université de Monastir

Faculté des Sciences de Monastir

Support de Cours de Traitement de Signal Numériques

Enseignant Responsable : Adel AMIMI

Année universitaire : 2023-2024

Systèmes Linéaires Invariants (Rappel)

Système Linéaire Invariant

𝑦(𝑛) = 𝑇 [ ∑ 𝑥(𝑘)𝛿(𝑛 − 𝑘)] = ∑ 𝑇[𝑥(𝑘)𝛿(𝑛 − 𝑘)]

𝑦(𝑛) = ∑ 𝑥(𝑘)𝑇[𝛿(𝑛 − 𝑘)]

Enseignant : AMIMI Adel 1

𝑦(𝑛) = ∑ 𝑥(𝑘) ℎ(𝑛 − 𝑘)

Equation aux différences finies

𝑦(𝑛) = ∑ 𝑎𝑘 𝑦(𝑛 − 𝑘) + ∑ 𝑏𝑘 𝑥(𝑛 − 𝑘)

𝑇𝑍[𝑥(𝑛)] = 𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛

Enseignant : AMIMI Adel 3

Enseignant : AMIMI Adel 4

= −𝑧 ∑ 𝑥(𝑛)(−𝑛)𝑧 −𝑛−1 = ∑ [𝑛𝑥(𝑛)]𝑧 −𝑛

Enseignant : AMIMI Adel 5

= ( ∑ 𝑥1 (𝑘) 𝑧 −𝑘 ) 𝑋2 (𝑧) = 𝑋1 (𝑧) 𝑋2 (𝑧)

Définitions des pôles et des zéros

En supposant 𝑎0 ≠ 0 𝑒𝑡 𝑏0 ≠ 0, on peut réécrire l'équation ci-dessus

𝐻(𝑧) = ∑ ℎ𝑛 𝑧 −𝑛 ⟹ 𝐻(𝑓) = [𝐻(𝑧)]𝑧=𝑒 𝑗2𝜋𝑓𝑇𝑒

Enseignant : AMIMI Adel 7

Fonction de transfert d’un système linéaire invariant

On a vu qu’une manière de caractériser un système linéaire invariant consiste à étudier sa

𝑦(𝑛) = ∑ 𝑏𝑘 𝑥(𝑛 − 𝑘) − ∑ 𝑎𝑘 𝑦(𝑛 − 𝑘)

𝑌(𝑧) = ∑ 𝑏𝑘 𝑧 −𝑘 𝑋(𝑧) − ∑ 𝑎𝑘 𝑧 −𝑘 𝑌(𝑧)

Systèmes tout zéros

Le polynôme dénominateur possède N racines. La réponse impulsionnelle de ce système est de type

Transformée inverse par intégration

Transformée inverse par développement en puissance

Enseignant : AMIMI Adel 9

ℎ(𝑛 = ∑ 𝛿(𝑛 − 3𝑘)

Analyse des Systèmes Linéaires Invariants par la transformée en Z

Réponse d’un système décrit par une fonction rationnelle

Enseignant : AMIMI Adel 10

X(z) Y(z) X(z) H2(z) Y(z)

(b) Forme parallèle

(c) Forme cascade

Figure 1.3 : Représentation sous forme de fonctions de transfert en z

Soit le système décrit par l’équation suivante: 𝑌(𝑧) = 𝐻(𝑧)𝑋(𝑧)

Le signal de sortie est donc caractérisé par une transformée rationnelle.

En supposant un système causal, on obtient :

𝑦(𝑛) = ∑ 𝐷𝑘 𝑝𝑘𝑛 𝑢(𝑛) + ∑ 𝑄𝑘 𝑞𝑘𝑛 𝑢(𝑛)

Enseignant : AMIMI Adel 11

Condition de causalité pour 𝑯(𝒛)

Condition de stabilité pour 𝑯(𝒛)

Détermination du module et de la phase du système

Enseignant : AMIMI Adel 12

-1 -1/2 0 1/2 1 0.5

Enseignant : AMIMI Adel 13

𝐻(𝑧) = ∑ ℎ(𝑛)𝑧 −𝑛 (1.5)

𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛) = ∑ 𝑥(𝑘)ℎ(𝑛 − 𝑘) = ∑ 𝑥(𝑛 − 𝑘)ℎ(𝑘) (1.6)

Enseignant : AMIMI Adel 14

Equation aux différences

𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) − ∑ 𝑎𝑖 𝑦(𝑛 − 𝑖) (1.7)

Spécification d'un filtre numérique

𝐻(𝑒 −𝑗Ω ) 𝐻(𝑒 −𝑗Ω )

𝐻(𝑒 −𝑗Ω ) 𝐻(𝑒 −𝑗Ω )