GELE2511 Ch5 PDF

Chapitre 5
`
Signaux et systemes discrets
On presente ici la base des signaux et systèmes a` temps discret. Un signal discret peut
se produire naturellement (comme la population annuelle des chevreuils) ou comme le
resultat dun e chantillonnage (la vitesse dune voiture mesuree a` toutes les secondes).
Toute donnee stockee sur un ordinateur est une donnee discrète. On utilise la forme x[n]
pour representer un signal discret.
Un système discret est un système ou` lentree et la sortie sont des signaux discrets. Par
exemple, un système peut representer le trajet entre une tour de telecommunications et
un telephone cellulaire. Ce trajet modifiera un peu le signal ; lentree est un peu differente
de la sortie.
On sinteresse ici aux systèmes lineaires. Cette supposition permet de simplifier le

travail et est très importante pour ce quon verra ici.
5.1 Signaux discrets
Un signal discret ou e chantillonne x[n] est une sequence ordonnee de valeurs corres-
pondant a` un index entier n qui represente lhistoire en fonction du temps du signal.
Le signal discret ne donne aucune information quant a` lintervalle dechantillonnage ts ,
le temps entre chaque e chantillon du signal. Un signal discret est trace en fonction de
lechantillon n et non en fonction du temps. Pour representer lorigine du signal, le point
ou` n = 0, on utilise une flèche soit au-dessus ou au-dessous du chiffre correspondant a`
n = 0. Ex : x[n] = {1, 2, 4, 8, . . .}. La figure 5.1 montre un exemple de signal discret.

1
`
CHAPITRE 5. SIGNAUX ET SYSTEMES DISCRETS
Figure 5.1 Exemple de signal discret
Un signal discret periodique se repète a` tous les N e chantillons, et est decrit par :
x[n] = x[n kN ] ou` k = 1, 2, 3, . . . (5.1)
La periode N est le plus petit nombre dechantillons qui se repètent. La periode dun
signal discret est toujours un entier. Pour un signal periodique, la valeur moyenne xav et
la puissance P sont definis selon
N 1 N 1
1X 1X
xav = x[n] P= |x[n]|2 (5.2)
N N
n=0 n=0
Lenergie dun signal est :

X
E= |x[n]|2 (5.3)
n=
Exemple 1
Calculer la valeur moyenne et la puissance dun signal periodique x[n] = 6 cos(2n/4)

de periode N = 4.
Une periode de ce signal est (n = 1, 2, 3, 4) :

x1 [n] = {6, 0, 6, 0}

La valeur moyenne est :

3
1X 1
xav = x[n] = (6 + 0 6 + 0) = 0
4 4
n=0
et la puissance est :
3
1X 1
P= |x[n]|2 = (36 + 0 + 36 + 0) = 18 W
4 4
n=0
Gabriel Cormier 2 GELE2511

`
5.2
Operations sur un signal discret
On retrouve generalement les meme proprietes pour un signal discret que pour un
signal continu. Les deux operations les plus importantes sont le dephasage temporel et le
repliement.
Le dephasage temporel a lieu lorsquon deplace la sequence x[n] vers la droite ou vers
la gauche dun certain nombre dechantillons . Un signal y[n] = x[n ] represente une
version retardee de x[n] (pour > 0). En dautres mots, si x[n] commence a` n = N , alors
y[n] = x[n ] commence a` N + .
Le repliement permet de faire une image miroir dun signal. Un signal y[n] = x[n]
represente une version repliee de x[n], ou un image miroir de x[n] autour de n = 0.
Evidemment, on peut aussi appliquer le retard temporel a` un signal replie.
La technique generale de transformation vue pour les signaux a` temps continu sap-
plique aux signaux a` temps discrets.
Exemple 2
Soit la sequence x[n] = {2, 3, 4, 5, 6, 7}. Trouver et tracer le graph de y[n] = x[n + 1].

Pour obtenir y[n], on va deplacer la sequence vers la gauche de 1 e chantillon, puis faire
limage miroir :
y[n] = {7, 6, 5, 4, 3, 2}

Ou, dune autre facon, m = n + 1, et donc le nouvel axe est n = m + 1.
La figure suivante montre la sequence x[n] et y[n].
x[n] x[n]
7 7
2 2
n n
0 0

`
5.2.1
Symetrie
Tout comme les signaux continus, on peut definir certaines symetries pour les signaux
discrets. Un signal est dit de symetrie paire si
x[n] = x[n] (5.4)
On utilise la notation xe pour noter un signal pair.
Un signal est dit de symetrie impaire si
x[n] = x[n] (5.5)
On utilise la notation xo pour noter un signal impair.
Les deux formes de symetrie sont mutuellement exclusives : un signal ne peut pas e tre
pair et impaire en meme temps. De plus, nimporte quel signal peut e tre decompose en
une somme dun signal pair et un signal impair :
x[n] = xe [n] + xo [n] (5.6)
On obtient les composantes paires et impaires selon :
xe [n] = 0.5(x[n] + x[n]) (5.7)

xo [n] = 0.5(x[n] x[n]) (5.8)
` noter que xo [0] = 0, et que la somme de xo [n] doit e tre nulle.

A
5.3
Decimation et interpolation
La decimation et linterpolation sont deux operations qui affectent lechelle de temps

dun signal. Pour des signaux discrets, la mise a` lechelle du temps correspond a` aug-
menter ou reduire la longueur du signal. Il faut cependant faire attention a` comment ces
operations sont effectues.
5.3.1
Decimation
La decimation est la compression du temps dun signal. Ceci correspond a` accelerer

un signal, ou reduire son taux dechantillonnage. Supposons quon a un signal x[n] qui
correspond a` un signal continu x(t) e chantillonne a` des intervalles ts . Le signal y[n] =

`
x[2n] e quivaut alors au signal compresse x(2t) qui est e chantillonne a` ts et contient les
e chantillons x[0], x[2], x[4], . . .. On peut aussi obtenir y[n] directement si on e chantillonne
le signal x(t) a` des intervalles de 2ts .
Une decimation dun facteur N e quivaut a` garder tous les N e chantillons dun signal.
Ceci peut mener a` de la perte dinformation.
5.3.2 Interpolation
Linterpolation est letirement en fonction du temps. Ceci correspond a` ralentir le si-

gnal, ou augmenter le taux dechantillonnage. Supposons quon a un signal x[n] qui cor-
respond a` un signal continu x(t) e chantillonne a` des intervalles ts . Le signal y[n] = x[n/2]
e quivaut alors au signal x(t) qui est e chantillonne a` des intervalles de ts /2 (ou a` un taux
de S = 2/ts ). On a donc 2 fois plus dechantillons : on e tire le signal x[n] dans les deux
directions. Cependant, comment calculer la valeur des nouveaux e chantillons ?
Trois techniques populaires existent pour faire linterpolation :

1. Interpolation zero : Implique que chaque nouvel e chantillon est nul (zero).
2. Interpolation e chelon : On prend la valeur precedente pour le nouvel e chantillon.
3. Interpolation lineaire : On fait la moyenne entre les valeurs de chaque cote du
nouvel e chantillons.
La figure 5.2 montre des exemples des trois types dinterpolation. La figure 5.2 a) est
le signal original. Les e chantillons en rouge sont les nouveaux e chantillons.
La decimation est linverse de linterpolation, mais le contraire nest pas necessaire-

ment vrai. Lorsquil y a decimation, il y a perte dinformation ; on nest pas capable de
reproduire correctement le signal original. Comme exemple, on utilise la sequence
x[n] = {1, 2, 6, 4, 8}

On applique en premier linterpolation e chelon sur cette sequence, et on obtient :

{1, 1, 2, 2, 6, 6, 4, 4, 8, 8}

Puis on applique la decimation, et on retrouve le signal original :

{1, 2, 6, 4, 8}

Cependant, si on inverse lordre des operations, on ne retrouvera pas la sequence ori-

ginale. On applique en premier la decimation sur la sequence x[n] :
{1, 6, 8}


`
x[n] x[n]
6 6
n n
0 2 2 0 2 4 6
a) signal original b) interpolation zero
x[n] x[n]
6 6
n n
2 0 2 4 6 2 0 2 4 6
c) interpolation lineaire d) interpolation e chelon
Figure 5.2 Exemples dinterpolation
et puis on applique linterpolation e chelon :
{1, 1, 6, 6, 8, 8}

ce qui nest pas la meme sequence que loriginale.
5.4 Signaux discrets communs
On retrouve les meme signaux communs en temps discret quen temps continu, soit
limpulsion, lechelon et la rampe. Limpulsion, par definition, est :

0, n , 0

[n] = (5.9)
1, n = 0

La fonction e chelon discrète est :

0, n<0

u[n] = (5.10)
1,
n0

`
La fonction rampe est :

0, n<0

r[n] = (5.11)
n,
n0
Quelques autres fonction utiles sont les fonctions rect et tri. La fonction rect(n/2N)
represente un pulse centre a` lorigine, de largeur totale 2N .

1, |n| N

rect[n/2N ] = (5.12)
0, ailleurs

La fonction tri cree un triangle damplitude maximale 1 centre a` lorigine, de largeur

totale a` la base de 2N .
|n|
1 N , |n| N

tri[n/2N ] = (5.13)
0,
ailleurs
La fonction sinc est aussi une fonction souvent rencontree en analyse des signaux. Par
definition,
sin(n/N )
sinc[n/N ] = (5.14)
n/N
` n = 0, par definition, sinc(0) = 1.
La fonction sinc(n/N ) est 0 pour n = kN , k = 0, 1, 2, . . .. A
5.5 `
Sinusodes discretes
Si on e chantillonne une sinusode continue x(t) = cos(2f0 t) a` un intervalle ts , (ce qui

correspond a` un taux dechantillonnage S = 1/ts e chantillons par seconde), on obtient la
sinusode e chantillonnee suivante :
f0
x[n] = cos(2f0 nts + ) = cos(2n + ) = cos(2nF + ) (5.15)
S
ou` F = f0 /S est la frequence numerique (en e chantillons/seconde). Les quantites f0 et
= 2f0 sont des frequences continues. La frequence numerique radiale est = 2F, en
radians/echantillon.
Bien quune sinusode continue est une fonction periodique, une sinusode e chantil-
lonnee nest pas toujours periodique. On utilise un exemple : supposons quune sinusode
quelconque est e chantillonnee. Si elle est periodique, il faut que x[n] = x[n + N ] (equation
5.1). On a donc :
cos(2nF + ) = cos(2(n + N )F + ) = cos(2nF + + 2N F) (5.16)

`
Pour que les deux cotes de lequation soient e gaux, il faut que N F = k, un entier. Si N F
nest pas un entier, la periode du signal e chantillonne sera differente de celle du signal
original continu. La figure 5.3 donne un exemple de signal e chantillonne periodique et
non periodique.
cos(0.125n) cos(0.5n)
1 1
0 0
1 1
0 5 10 15 20 25 30 0 5 10 15 20 25 30
n n
Figure 5.3 Exemples de sinusodes e chantillonnees
Remarquer que dans la deuxième figure, cos(0.5n) nest pas periodique : les sommets
(ou zeros) ne sont pas aux memes endroits. Lenveloppe de ce signal est quand meme
periodique.
5.6 `
Systemes discrets
Un système a` temps discret est un système ou` lentree et la sortie sont des signaux
discrets. Les systèmes e tudies ici sont des systèmes lineaires. Les systèmes lineaires per-
mettent detudier une grande variete de systèmes sans avoir besoin de les apprendre tous
en detail. Sans cette linearite, il faudrait e tudier chaque système un par un, pour en com-
prendre le comportement. Il est donc bien important de comprendre les caracteristiques
des systèmes lineaires.
Les systèmes lineaires discrets possèdent les meme caracteristiques que les systèmes
lineaires continus :
1. Homogeneite
2. Additivite
3. Linearite statique
4. Fidelite sinusodale

`
5. Superposition
La reponse impulsionnelle fonctionne de la meme facon que pour les systèmes conti-
nus.
5.7
Lechantillonnage
Lechantillonnage est une composante très importante dun système discret. Lechan-
tillonnage permet de convertir un signal continu a` un signal discret. On ne sinteresse
pas ici a` lelectronique de cette conversion, mais plutot laspect de quand prendre les
e chantillons (cest-à-dire a` quelle frequence).
Lobjectif principal de ce chapitre est de comprendre le theorème de lechantillonnage

(sampling theorem). Le theorème de lechantillonnage dit quon peut reconstruire exacte-
ment un signal a` partir de ses e chantillons si la frequence dechantillonnage est plus de 2
fois la plus haute frequence contenue dans le signal.
Le processus de reconvertir un signal discret a` un signal continu est appele la recons-

truction. Un bon exemple de reconstruction est les CD audio. La musique est stockee de
facon numerique sur les CD, puis le lecteur reconvertit ce signal en forme analogique
pour les haut-parleurs. La reconstruction est un processus dinterpolation.
5.7.1
Echantillons
Lechantillonnage est le processus de discretiser un signal : cest aller lire une valeur
dun signal continu a` des temps fixes. Pour un signal continu x(t) (comme un signal radar),
quon e chantillonne a` toutes les ts secondes, on obtient un signal discret x[n] :
x[n] = x(nts ) (5.17)
Pour bien effectuer la reconstruction du signal, il faut un nombre suffisant dechan-

tillons. Si on ne prend pas assez dechantillons par rapport a` la periode dun signal, on
ne pourra pas reconstruire correctement le signal. La figure 5.4 montre quatre exemples
dechantillonnage. La courbe en bleu represente le signal continu, tandis que les points
rouges representent les e chantillons.
Dans la figure 5.4 a), on voit bien quon a aucun problème a` reconstruire le signal
original, puisquil sagit du DC.

`
DC f0 = 0.09fs
1 1
0
0.5
1
0
0 0.05 0.1 0.15 0.2 0 0.05 0.1 0.15 0.2
Temps (s) Temps (s)
f0 = 0.31fs f0 = 0.95fs
1 1
0 0
1 1
0 0.05 0.1 0.15 0.2 0 0.05 0.1 0.15 0.2
Temps (s) Temps (s)
Figure 5.4 Exemples dechantillonnage
Dans la figure 5.4 b), londe continue a une frequence plus de 10 fois plus petite que
la frequence dechantillonnage (f0 = 0.09fs ). Un exemple serait une sinusode ayant une
frequence de 90Hz, et lechantillonnage se faisant a` 1000 e chantillons par seconde (fs =
1000Hz). Dans ce cas, on prend 11.1 e chantillons par periode du signal dentree. On voit
bien quand meme quon pourra bien reconstruire le signal original.
Le troisième exemple, celui de la figure 5.4 c), montre une sinusode dont la frequence
est 0.31 de la frequence dechantillonnage. On ne prend donc que 3.2 e chantillons par
periode. Les e chantillons sont assez espaces pour quil soit difficile de reconnatre le signal
original. Est-ce quon peut quand meme reconstruire le signal original ? Bien que cest un
peu difficile a` dire visuellement, la reponse est oui.
Pour le dernier exemple, figure 5.4 d), ou` la frequence de la sinusode est 0.95 de la
frequence dechantillonnage, on voit clairement quon ne pourra pas reconstruire le signal

`
original. Le signal e chantillonne semble e tre une sinusode de frequence plus faible. En
fait, cest une sinusode de frequence 0.05 la frequence dechantillonnage. Dans ce cas,
le taux dechantillonnage est trop faible pour lentree continue. Le phenomène ou` une
sinusode change de frequence pendant lechantillonnage est appele le aliasing (distortion
de repliement). Après lechantillonnage, il ny a rien qui puisse indiquer que le signal
dentree continu avait une frequence de 0.95 fois la frequence dechantillonnage plutot
que le 0.05 fois mesure. Cest ce qui mène au theorème de lechantillonnage.
5.7.2 eme
Theor `
de lechantillonnage
Le theorème de lechantillonnage, aussi appele theorème de Nyquist, ou theorème de

Shannon 1 , dit quon peut reconstruire exactement un signal si la frequence dechantillon-
nage est plus de 2 fois la plus haute frequence dans un signal.
eme
Theor `
de Nyquist : Pour un signal continu de frequence maximale fmax ,

le taux dechantillonnage S doit etre
plus grand que 2fmax .
Le theorème de lechantillonnage indique quil faut bien connatre les frequences dun
signal ou e tre en mesure den filtrer. Par exemple, si on peut mesurer 2000 e chantillons
par seconde, il faut limiter lentree a` 1kHz. Sil y a des frequences au-dessus de 1kHz
presentes dans le signal dentree, ces frequences vont se replier (aliasing) a` des frequences
entre 0 et 1000Hz et se combiner avec linformation qui est legitimement dans cette
region.
Il y a plusieurs exemples du theorème dechantillonnage dans la vie courante. Par

exemple, les CD audio utilisent une frequence dechantillonnage de 44.1kHz pour le sto-
ckage, ce qui est un peu plus de 2 fois la frequence maximale percue par loreille humaine,
soit 20kHz.
5.8 Repliement
Quarrive-til a` un signal si la frequence dechantillonnage nest pas assez e levee ? On

a vu quil se produit un repliement : les frequences plus e levees que la moitie de la
frequence dechantillonnage apparaissent alors comme des frequences plus faibles. Pour
quil ny ait pas de repliement, il faut que les frequences dans un signal soient contenues
dans lintervalle 0.5fs < f < 0.5fs . Les frequences plus e leves apparatront comme des
signaux de frequence fa = f0 Mfs , ou` M est un entier choisit pour que 0.5fs < fa < 0.5fs .
1. Harry Nyquist et Claude Shannon ont travaille pour Bell Telephone Laboratories, et ont publie dans
les annees 1940 leurs travaux de recherche.

`
Exemple 3
Soit un système ou` lon fait de lechantillonnage a` 200Hz. Pour les entrees 180 Hz et
220Hz, y aura-til du repliement ? Si oui, quelle frequence apparatra ? Tracer le graphe de
cet e chantillonnage.
Pour la première frequence, on a fs < 2f0 , alors il y a repliement. Pour savoir quelle
frequence on aura au repliement, on calcule :
|fa | = 180 M(200) < 0.5(200)
Il faut donc que M = 1, ce qui donne une frequence de repliement fa = 20Hz.
Pour la deuxième frequence, il y aura aussi du repliement. On calcule :
|fa | = 220 M(200) < 0.5(200)
Il faut donc que M = 1, ce qui donne une frequence de repliement fa = 20Hz. On peut
tracer cet effet a` laide de Matlab :
Remarquer que les deux entrees donnent la meme frequence repliee, mais quil y a un
dephasage de 180 avec le premier signal. La frequence est bien 20Hz (1/50ms).
Lorsque la frequence dun signal continu est plus e levee que le taux de Nyquist, le re-
pliement change la frequence mesuree a` quelque chose qui peut e tre represente par le taux
dechantillonnage. Toutes les frequences au-dessus du taux de Nyquist vont se replier a`
une frequence entre 0 et le taux de Nyquist. Sil y a dejà une sinusode a` cette frequence, le
signal replie sy ajoutera, ce qui donne une perte dinformation. Le repliement peut causer
une perte dinformation aux basses et aux hautes frequences. Exemple : supposons quon
vous donne un signal qui contient une frequence de 0.2 fois le taux dechantillonnage. Sil
ny a pas eu de repliement, alors le signal continu fut e chantillonne correctement. Cepen-
dant, sil y a eu du repliement, on ne sait pas si cest a` cause dune frequence de 0.2, 0.8,
1.2, 1.8, 2.2, etc.
Tout comme le repliement change la frequence dun signal, il peut aussi changer la
phase, comme on a vu a` lexemple 3. Dans le signal de la figure 5.4 d), il y a dephasage de
180. Seulement deux changements de phase sont possibles : 0 ou 180. Un dephasage de
0 a lieu pour des frequences entre 0 et 0.5, 1.0 a` 1.5, 2.0 a` 2.5, etc. Le dephasage de 180 a
lieu pour des frequences entre 0.5 et 1.0, 1.5 a` 2.0, 2.5 a` 3.0, etc.
On analyse maintenant plus en detail le repliement. Soit le signal continu de la figure

5.5, et son spectre en frequence. Dans ce cas-ci, le taux dechantillonnage propose est
plus e leve que 2 fois la frequence la plus haute dans le signal. Par exemple, ceci pourrait

`
f0 = 180Hz
1
0 5 10 15 20 25 30 35 40 45 50 55
Temps (ms)
f0 = 220Hz
1
0 5 10 15 20 25 30 35 40 45 50 55
Temps (ms)
e tre un signal audio dont on a filtre les composantes plus e levee que 4kHz, avec un taux
dechantillonnage de 10kHz.
On va maintenant faire lechantillonnage du signal continu, avec notre système de 10

000 e chantillons par seconde. Lechantillonnage se fait en multipliant le signal continu
par une serie dimpulsions. Le spectre du système après e chantillonnage est montre a` la
figure 5.6. La transformee de Fourier dune serie dimpulsions dans le temps est une serie
dimpulsions dans le domaine de la frequence, a` des harmoniques de la frequence princi-
pale (fs , le taux dechantillonnage dans ce cas). La multiplication de deux signaux dans le
temps est e quivalent a` leur convolution dans le domaine de la frequence. Le spectre du si-
gnal continu apparat donc de chaque cote des impulsions dues aux harmoniques de fs . Il
y a donc duplication du spectre original. La bande superieure provient des frequences po-
sitives, tandis que la bande inferieure provient des frequences negatives du signal continu.
Lechantillonnage a produit de nouvelles frequences. Est-ce quon a quand meme bien

`
0 t f
0 fs 2fs
Figure 5.5 Signal continu et son spectre
Bande infrieure Bande suprieure
0 t f
0 fs 2fs
Figure 5.6 Signal continu e chantillonne et son spectre
e chantillonne le signal ? Oui, parce quon peut e liminer les frequences superieures en
utilisant un filtre passe-bas.
Quarrive-til maintenant si la frequence dechantillonnage serait trop faible ? Pour

cet exemple, on reduit le taux dechantillonnage de moitie. La largeur du spectre du
signal continu na pas changee, et donc les largeurs des bandes laterales, mais le taux
dechantillonnage plus faible fera en sorte que les bandes laterales se chevauchent, comme
a` la figure 5.7. En pratique ce recouvrement fait que les deux bandes sadditionnent, et il
y a perte dinformation. Meme avec un filtre passe-bas, il est impossible de dobtenir le
signal original.
Bande infrieure Bande suprieure
0 t f
0 fs 2fs
Recouvrement
Figure 5.7 Signal continu e chantillonne et son spectre

`
5.9 Reconstruction du signal
La reconstruction dun signal est loperation de passer dun signal discret a` un signal
continu. Une e quation generale permet de representer ceci :

X
y(t) = y[n]p(t nTs ) (5.18)
n=
ou` p(t) est un pulse dune forme quelconque.
Il existe quelques possibilites pour reconstruire le signal. La figure 5.8 montre quatre
exemples.
-0.5ts 0.5ts -ts ts

a) Pulse carr b) Pulse triangulaire
-ts ts
-ts ts
c) Cubique d) Sinc (idal)
Figure 5.8 Quelques pulses pour reconstruire un signal
Le pulse sinc est le pulse qui, theoriquement, reconstruit exactement le signal original.
Cependant, pour reconstruire exactement le signal original, le pulse sinc doit e tre de lon-
gueur infinie, ce qui nest pas possible en pratique. On utilise plutot un pulse triangulaire,
avec plus dechantillons, pour reconstruire le signal original.

GELE2511 Ch5 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

GELE2511 Ch5 PDF

Cargado por

Copyright:

Formatos disponibles

Chapitre 5

On sinteresse ici aux syst`emes lineaires. Cette supposition permet de simplifier le

5.1 Signaux discrets

Figure 5.1 Exemple de signal discret

Lenergie dun signal est :

Calculer la valeur moyenne et la puissance dun signal periodique x[n] = 6 cos(2n/4)

Une periode de ce signal est (n = 1, 2, 3, 4) :

La valeur moyenne est :

Gabriel Cormier 2 GELE2511

Evidemment, on peut aussi appliquer le retard temporel a` un signal replie.

Ou, dune autre facon, m = n + 1, et donc le nouvel axe est n = m + 1.

La figure suivante montre la sequence x[n] et y[n].

Gabriel Cormier 3 GELE2511

x[n] = x[n] (5.4)

On utilise la notation xe pour noter un signal pair.

Un signal est dit de symetrie impaire si

x[n] = x[n] (5.5)

On utilise la notation xo pour noter un signal impair.

x[n] = xe [n] + xo [n] (5.6)

On obtient les composantes paires et impaires selon :

xe [n] = 0.5(x[n] + x[n]) (5.7)

` noter que xo [0] = 0, et que la somme de xo [n] doit e tre nulle.

La decimation et linterpolation sont deux operations qui affectent lechelle de temps

La decimation est la compression du temps dun signal. Ceci correspond a` accelerer

Gabriel Cormier 4 GELE2511

Linterpolation est letirement en fonction du temps. Ceci correspond a` ralentir le si-

Trois techniques populaires existent pour faire linterpolation :

La decimation est linverse de linterpolation, mais le contraire nest pas necessaire-

On applique en premier linterpolation e chelon sur cette sequence, et on obtient :

Puis on applique la decimation, et on retrouve le signal original :

Cependant, si on inverse lordre des operations, on ne retrouvera pas la sequence ori-

Gabriel Cormier 5 GELE2511

a) signal original b) interpolation zero

c) interpolation lineaire d) interpolation e chelon

Figure 5.2 Exemples dinterpolation

et puis on applique linterpolation e chelon :

ce qui nest pas la meme sequence que loriginale.

5.4 Signaux discrets communs

La fonction e chelon discr`ete est :

Gabriel Cormier 6 GELE2511

La fonction rampe est :

La fonction tri cree un triangle damplitude maximale 1 centre a` lorigine, de largeur

Si on e chantillonne une sinusode continue x(t) = cos(2f0 t) a` un intervalle ts , (ce qui

cos(2nF + ) = cos(2(n + N )F + ) = cos(2nF + + 2N F) (5.16)

Gabriel Cormier 7 GELE2511

Figure 5.3 Exemples de sinusodes e chantillonnees

Gabriel Cormier 8 GELE2511

Lobjectif principal de ce chapitre est de comprendre le theor`eme de lechantillonnage

Le processus de reconvertir un signal discret a` un signal continu est appele la recons-

x[n] = x(nts ) (5.17)

Pour bien effectuer la reconstruction du signal, il faut un nombre suffisant dechan-

Gabriel Cormier 9 GELE2511

Figure 5.4 Exemples dechantillonnage

Gabriel Cormier 10 GELE2511

Le theorème de lechantillonnage, aussi appele theorème de Nyquist, ou theorème de

Il y a plusieurs exemples du theor`eme dechantillonnage dans la vie courante. Par

Quarrive-til a` un signal si la frequence dechantillonnage nest pas assez e levee ? On

Gabriel Cormier 11 GELE2511

|fa | = 180 M(200) < 0.5(200)

Il faut donc que M = 1, ce qui donne une frequence de repliement fa = 20Hz.

Pour la deuxi`eme frequence, il y aura aussi du repliement. On calcule :

|fa | = 220 M(200) < 0.5(200)

On analyse maintenant plus en detail le repliement. Soit le signal continu de la figure