Chapitre 3 - Filtres et analyse fr ´equentielle
On se concentre dans ce chapitre sur une analyse des quatre types de filtres : passe-bas passe-haut
IMN317 - Chapitre 3 - Analyse fréquentielle
23 sept. 2013 Plan du chapitre. 1. Transformée de Fourier à temps discret. 2. Transformée en z. 3. Classification des filtres. Analyse fréquentielle.
Traitement du signal
1 sept. 2016 ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES. 3 ... Chap. 3):. 1 Ceci définit en fait un signal numérique scalaire.
Mémoire de Magister en Electronique biomédicale
par la db4 (c) signal filtré par la db4
Chapitre 3 Synthèse des filtres non récursifs
Analyse et synthèse des filtres numériques 5 Réponses fréquentielles et impulsionnelles idéales ... Chap.3 – Synthèse des filtres non récursifs ...
Filtres
CHAPITRE 3. FILTRES ET ANALYSE FRéQUENTIELLE. 2. Largeur de bande : la largeur de la bande passante. 3. Facteur de qualité Q :.
Chapitre III : Réponse indicielle dun système linéaire 1. Définitions
Les analyses fréquentielle et temporelle conduisent l'une et l'autre
Analyse fréquentielle
3. Analyse fréquentielle. Le théorème de Fourier permet de décomposer Etudions le comportement des filtres passifs rencontrés au début de ce chapitre.
IMN 318 – Traitement de laudionumérique
Filtres ; Analyse fréquentielle d'un système LTI ; Transformée locale (à court terme) ; Fenêtrage ; Spectrogramme. 5. 1 2
Cours Signal Aléatoire
1.6.2 Filtrage d'un signal aléatoire stationnaire au sens large : analyse fréquentielle . . . . . . 18. 1.6.3 Quelquesconséquentesimmédiates .
IMN317
Chapitre 3 - Analyse fréquentielle
Olivier Godin
Université de Sherbrooke
23 septembre 2013
Analyse fréquentielle1 / 194
Plan du chapitre
1Transformée de Fourier à temps discret
2Transformée enz3Classification des filtres
Analyse fréquentielle2 / 194
Transformée de Fourier à temps discret
Plan de la section
1Transformée de Fourier à temps discret
Transformée de Fourier à temps continu
DTFT : définition, propriétés et calcul
Réponse en fréquence d"un système
2Transformée enz3Classification des filtres
Analyse fréquentielle3 / 194
Transformée de Fourier à temps discretTransformée de Fourier à temps continuMise en contexte
Au chapitre précédent, on a vu quetoute séquence peut être représentée comme une combinaison linéaire d"impulsions unité décalée temporellement. Une conséquence de cette propriété est d"avoir permis de définir une relation entrée/sortie pour un système LTIdans le domaine temporel à l"aide de la convolution : y[n] =1X k=1x[k]h[nk]Analyse fréquentielle4 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuMise en contexte
Dans ce chapitre, on va définir cette même relation entrée/sortie, mais cette fois-cidans le domaine fréquentiel. On verra qu"il est parfois utile de savoirexprimer les effets d"un système en terme de fréquences plutôt qu"en terme d"échantillons.Analyse fréquentielle5 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuMise en contexte
Pour obtenir cette représentation fréquentielle, on étudiera la transformée de Fourier à temps discret, qui propose d"exprimer une séquence discrète à l"aide d"un espace continu de fréquences. Avant d"en arriver là, quelques rappels sur latransformée de Fourier continueest nécessaire.Analyse fréquentielle6 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuDéfinition
Soitxa(t)unsignal continu, sa représentation dans le domaine fréquentiel est donnée par latransformée de Fourier à temps continu: X a(i ) =F[xa(t)] =Z 1 1 x a(t)ei tdtAnalyse fréquentielle7 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuDéfinition
Le signalxa(t)peut être retrouvé à partir de sa transformée de Fourier grâce à latransformée de Fourier inverse: x a(t) =F1[Xa(i )] =12Z 1 1 X a(i )ei tdOn notera alors cette paire
x a(t)F$Xa(i )Analyse fréquentielle8 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuDéfinition
En général,Xa(i
)seraune fonction complexe, avec1< <1. Il est donc possible de l"exprimer sousforme polaire: X a(i ) =jXa(i )jeia( aveca( ) =arg(Xa(iChacune de ces parties porte un nom :jXa(i
)jest lespectre d"amplitudede la TF; a( )est lespectre de phasede la TF.Analyse fréquentielle9 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuDéfinition
La transformée de Fourier à temps continu d"un signalxa(t)existe sice signal respecte lesconditions de Dirichlet:Le signal possèdeun nombre fini de discontinuitésetun
nombre fini de maximums et minimumssur tout intervalle fini.Le signal estabsolument intégrable, c"est-à-dire que
Z 1 1 jxa(t)jdt<1Analyse fréquentielle10 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuÉnergie d"un signal
L"énergieExd"un signal continuxa(t)est donnée par E x=Z 1 1 jxa(t)j2dt Il s"agit de laversion continuede la définition de l"énergie vue au chapitre 2 : E x=1X n=1jx[n]j2Analyse fréquentielle11 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuÉnergie d"un signal
On peut montrer qu"il est aussi possible d"exprimer l"énergie d"un signaldans le domaine fréquentiel.Analyse fréquentielle12 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuÉnergie d"un signal
Si on a que
x a(t)F$Xa(i alors E x=Z 1 1 jxa(t)j2dt=12Z 1 1 jXa(i )j2dCette propriété est connue sous le nom d"identité de Parseval.Analyse fréquentielle13 / 194
Transformée de Fourier à temps discretTransformée de Fourier à temps continuÉnergie d"un signal
Il est important de noter qu"un signal continu absolument intégrable x a(t)possède toujours une énergie finie. Z 1 1 jxa(t)jdt<1 )Z 1 1 jxa(t)j2dt<1Analyse fréquentielle14 / 194 Transformée de Fourier à temps discretTransformée de Fourier à temps continuLargeur de bande d"un signal
On définit maintenant un nouveau concept relatif aux fréquences que l"on retrouve dans un signal, lalargeur de bande. Un signal continu à énergie finie sera dità bande complètesi son spectre de fréquences occupe l"étendu1< <1, tandis qu"il sera dità bande limitéesi seule une portion de cet étendu est couvert par les fréquences du signal.Analyse fréquentielle15 / 194
Transformée de Fourier à temps discretTransformée de Fourier à temps continuLargeur de bande d"un signal
Unsignal à bande limitée idéalaura un spectre qui sera nul en dehors d"un certain intervalle de fréquences a j j b, c"est-à-dire X a(i ) =8 :0 si 0 j j< a X a(i )si a j j b 0 si bLargeur de bande d"un signal
On appelle lalargeur de banded"un signal l"intervalle de fréquences où se trouve la plus grande partie de son énergie. Dans le cas précédent, la largeur de bande du signalxa(t)serait a j j b On dispose maintenant des atouts nécessaires pourtraverser dans le merveilleux monde du discret...Analyse fréquentielle17 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculDéfinition
Latransformée de Fourier à temps discret(DTFT) d"un signal à temps discretx[n]est la représentation de celui-ci en terme d"une séquence d"expontielles complexesei!n, avec!2Rqui est la variable des fréquences.Analyse fréquentielle18 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculDéfinition
La DTFT d"une séquencex[n]est définie par
X(ei!) =F[x[n]] =1X
n=1x[n]ei!n Notons la différence des symboles :Fpour la transformée de Fourier à temps continu etFpour la DTFT.Analyse fréquentielle19 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculExemple 3.1
Analyse fréquentielle20 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculDéfinition
De manière équivalente à tout à l"heure, on définit laDTFT inversepar x[n] =F1hX(ei!)i
=12ZX(ei!)ei!nd!
On notera alors
x[n]F$X(ei!)Analyse fréquentielle21 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculDéfinition
Une question se pose alors : si la DTFT d"un signalx[n]est une fonction continue pour!,pourquoi l"intégrale de la DTFT inverse se limite-t-elle à l"intervalle[;]?Analyse fréquentielle22 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculPériodicité de la DTFT
Contrairement à la transformée de Fourier continue,la DTFT d"un signal discret est une fonction périodiquede période 2pour!. En effet,X(ei(!+2k)) =1X
n=1x[n]ei(!+2k)n 1X n=1x[n]ei!nei2kn 1X n=1x[n]ei!n =X(ei!)Analyse fréquentielle23 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculSpectres d"amplitude et de phase
En général, la DTFTX(ei!)d"un signal est unefonction complexe d"une variable réelleet peut être écrit sous la formeX(ei!) =X<(ei!) +X=(ei!);
oùX<(ei!)etX=(ei!)sont respectivementles parties réelle et imaginaire de la DTFT.Analyse fréquentielle24 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculSpectres d"amplitude et de phase
On peut aussi exprimer la DTFTX(ei!)d"un signal sous la forme polaire :X(ei!) =X(ei!)ei(!)avec(!) =arg(X(ei!))
Comme tout à l"heure, on a donné des noms à chacune des parties de cette représentation : X(ei!)est lespectre d"amplitude(!)est lespectre de phaseAnalyse fréquentielle25 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculSpectres d"amplitude et de phase
Notons finalement qu"un lien existe entre les deux représentations de la DTFT.En effet, on a que
tan((!)) =X=(ei!)X <(ei!)Analyse fréquentielle26 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculSpectres d"amplitude et de phase
Géométriquement, le spectre de phase est l"angle par rapport à l"axe desxlorsqu"on considère le nombre complexeX(ei!)dans le plan.Le calcul avec l"équation tan((!)) =X=(ei!)X <(ei!) s"explique alors très bien d"un point de vue géométrique.Analyse fréquentielle27 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculCondition de convergence
Une série infinie de la forme
X(ei!) =1X
n=1x[n]ei!n peut ne pas converger. Or, on dira quela DTFT d"un signal existe si la sommation converge.Analyse fréquentielle28 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculCondition de convergence
Une condition suffisante pour assurer la convergence de la série est que la séquencex[n]soitabsolument sommable, c"est-à-dire que 1 X n=1jx[n]j<1En effet,
X(ei!)=
1 X n=1x[n]ei!n1X n=1jx[n]jei!n1X n=1jx[n]j<1Analyse fréquentielle29 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculDTFT usuelles62 FOURIER ANALYSIS [CHAP. 2
Given X(eJw), the sequence x(n) may be recovered using the inverse DTFT,The inverse DTFT may be viewed as adecomposition of x(n) into alinear combination of all complex exponentials
that have frequencies in the range -17 i w 5 IT. Table 2- 1 contains a list of some useful DTFT pairs.
Table 2-1 Some Common DTFT Pairs
Sequence Discrete-Time Fourier Transform
6(n)S(n - no)
1 eJ"wO anu(n), la1 < I -anu(-n - I), la1 > 1 (n + I)anu(n), la1 < 1 EXAMPLE 2.5.2 Suppose X(eJ") consists of an impulse at frequency w = wo:X(eJ") = 6(w - wO)
Using the inverse DTFT, we have
Note that although x(n) is not absolutely summable, by allowing the DTFT to contain impulses, we may consider the DTFT
of sequences that contain complex exponentials. As another example, ifX(eJ") = r6(w - 9) + r8(w + 9)
computing the inverse DTFT, we find x(n) = iejw + ie-l"wo = cos(nwo)2.6 DTFT PROPERTIES
There are a number of properties of the DTFT that may be used to simplify the evaluation of the DTFT and its
inverse. Some of these properties are described below. A summary of the DTFT properties appears in Table 2-2.
Periodicity
The discrete-time Fourier transform is periodic in w with a period of 2n: ~(~jw) = x (,jW+zx) 1This property follows directly from the definition of the DTFT and the periodicity of the complex exponentials: Analyse fréquentielle30 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculPropriétés
On s"intéresse maintenant àcertaines propriétés importantes de la DTFT. Pour présenter celles-ci, on considère qu"on a les paires de transformées suivantes : g[n]F$G(ei!)eth[n]F$H(ei!)Analyse fréquentielle31 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculPropriétés
Linéarité:g[n] +h[n]F$G(ei!) +H(ei!), avec;2RInversion temporelle:g[n]F$G(ei!)Décalage temporel:g[nn0]F$ei!n0G(ei!), avecn02ZAnalyse fréquentielle32 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculExemple 3.2
Analyse fréquentielle33 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculPropriétés
Décalage fréquentiel:ei!0ng[n]F$G(ei(!!0)), avec!02R.Dérivation en fréquences:ng[n]F$idG(ei!)d!Analyse fréquentielle34 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculExemple 3.3
Analyse fréquentielle35 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculPropriétés
Convolution:g[n]h[n]F$G(ei!)H(ei!)Modulation:g[n]h[n]F$G(ei!)H(ei!), avecG(ei!)H(ei!) =12Z
G(ei)H(ei(!))dAnalyse fréquentielle36 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculPropriétés
Soit l"énergieEgd"une séquence, telle que définie dans le chapitre 2. E g=1X n=1jg[n]j2 Comme dans le cas de la transformée de Fourier continue, on a l"identité de Parsevalqui met en relation le calcul d"énergie dans le domaine temporel et dans le domaine fréquentiel : E g=1X n=1jg[n]j2=12ZG(ei!)2d!Analyse fréquentielle37 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculLargeur de bande d"un signal
Comme le spectre d"un signal à temps discret est une fonction périodique de période 2pour!, un signalà bande complète occupera en entier l"étendu des fréquences, soit!. Un signalà bande limitéen"occupera quant à lui qu"une portion de cet étendu. Comme dans le cas des signaux continus,un signal à bande limité idéal(c"est-à-direnul en dehors d"un intervalle de fréquences) ne peut être généré.Analyse fréquentielle38 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculCalcul de la DTFT avec Matlab
Évaluer la DTFT d"une séquence dans Matlab estune tâche plutôt ardue. On préférera évaluer celles-ci à la main. C"est une fois la DTFT obtenue queMatlab peut s"avérer très utile avec des fonctions commeabs,angle,unwrap,realetimag.Analyse fréquentielle39 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculCalcul de la DTFT avec Matlab
Considérons par exemple la DTFT suivante :
X(ei!) =0:0080:033ei!+0:05e2i!0:033e3i!+0:008e4i!1+2:37ei!+2:7e2i!+1:6e3i!+0:41e4i! À l"aide de Matlab,on peut facilement obtenir ses représentations graphiques.Analyse fréquentielle40 / 194 Transformée de Fourier à temps discretDTFT : définition, propriétés et calculCalcul de la DTFT avec Matlab
t/ t/ t/ t/Analyse fréquentielle41 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculCalcul de la DTFT avec Matlab
MATLAB
>> k = 50; >> num = [0.008 -0.033 0.05 -0.033 0.008]; >> den = [1 2.37 2.7 1.6 0.41]; >> w = 0:pi/(k-1):pi; >> h = freqz(num, den, w);Analyse fréquentielle42 / 194
Transformée de Fourier à temps discretDTFT : définition, propriétés et calculCalcul de la DTFT avec Matlab
MATLAB
>> subplot(2,2,1) >> plot(w/pi,real(h));grid >> title("Real part") >> xlabel("\omega/\pi"); ylabel("Amplitude") >> subplot(2,2,2) >> plot(w/pi,imag(h));grid >> title("Imaginary part") >> xlabel("\omega/\pi"); ylabel("Amplitude") >> subplot(2,2,3) >> plot(w/pi,abs(h));grid >> title("Magnitude Spectrum") >> xlabel("\omega/\pi"); ylabel("Magnitude") >> subplot(2,2,4) >> plot(w/pi,angle(h));grid >> title("Phase Spectrum") >> xlabel("\omega/\pi"); ylabel("Phase, radians")Analyse fréquentielle43 / 194 Transformée de Fourier à temps discretRéponse en fréquence d"un systèmeDéfinition
Laréponse en fréquences d"un système LTIfournit une description complète du système dans le domaine fréquentiel. La réponse en fréquence estla DTFT de la réponse impulsionnelleh[n].H(ei!) =1X
n=1h[n]ei!nAnalyse fréquentielle44 / 194 Transformée de Fourier à temps discretRéponse en fréquence d"un systèmeDéfinition
Comme tout DTFT qui se respecte,H(ei!)est une fonction complexe et peut être exprimée en terme de composantes réelle et imaginaire, de même qu"en fonction de son amplitude et de sa phase :H(ei!) =H<(ei!) +H=(ei!) =H(ei!)ei(!)
La quantité
H(ei!)sera laréponse en amplitudedu système, tandis que(!)sera saréponse en phase.Analyse fréquentielle45 / 194 Transformée de Fourier à temps discretRéponse en fréquence d"un systèmeDéfinition
Rappelons que si la réponse en fréquencesH(ei!)est une fonction complexe,il n"en est pas de même pour les réponses en amplitude et en phase, qui sont des fonctions réelles. Pour un système ayant une réponse impulsionnelle réelle, on trouvera quela réponse en amplitude est une fonction paire, tandis quelaquotesdbs_dbs9.pdfusesText_15[PDF] DM n 3 : Circuit RLC parall`ele
[PDF] Polycopié de cours et d 'exercices dirigés 1ère partie
[PDF] GRAND NANCY ? vélo - les balades ? vélo dans l 'agglomération
[PDF] Circuito Paralelo
[PDF] el circuito mixto - Repositorio Institucional del Servicio Nacional de
[PDF] CÁLCULO DE CIRCUITOS MIXTOS DE
[PDF] Corriente continua : Condensadores y circuitos RC - U-Cursos
[PDF] CÁLCULO DE CIRCUITOS MIXTOS DE
[PDF] CÁLCULO DE CIRCUITOS MIXTOS DE
[PDF] Circuitos electrónicos - DIWO
[PDF] Exercices corrigés (architecture ordinateurs et circuits logiques)
[PDF] Application des dispositions du décret n° 85-603 - Circulairesgouvfr
[PDF] Application de la loi n° 2016-274 du 7 mars - Circulairesgouvfr
[PDF] circulaire aux etablissements de credit n° 91-24 du 17 - BCT