Fiche de révision : Analyse des systèmes et signaux discrets

📋 Plan du Cours

1. Signaux discrets
2. Transformée de Fourier
3. Transformée en Z
4. Systèmes linéaires
5. Convolution discrète
6. Signaux usuels
7. Propriétés signaux
8. Opérations sur signaux
9. Systèmes invariants
10. Réponse impulsionnelle

📖 1. Signaux discrets

🔑 Notions clés & Définitions

• Signal discret : Signal défini uniquement à des instants précis et espacés dans le temps, généralement représenté par une suite de valeurs.
  Exemple : température mesurée chaque heure.

• Signal échantillonné : Représentation d’un signal analogique obtenue en prélevant ses valeurs à intervalles réguliers (période d’échantillonnage T).
  Exemple : sin(2πt) échantillonné toutes les 0,1 s.

• Signal quantifié : Signal dont l’amplitude est limitée à un nombre fini de niveaux, résultant de la quantification lors de la conversion analogique-numérique.
  Exemple : audio codé sur 8 bits (256 niveaux).

• Signal numérique : Signal discret et quantifié, prenant un nombre fini de valeurs à des instants espacés.
  Exemple : fichier MP3.

• Impulsion de Dirac discrète δ[n] : Fonction de base en traitement du signal, valant 1 à n=0 et 0 ailleurs, utilisée pour décomposer tout signal discret.
  Formule : δ[n] = 1 si n=0, 0 sinon.

• Propriétés : périodicité et symétrie

  • Périodicité : un signal discret s[n] est périodique si s[n+N] = s[n] pour un N fixe.
  • Parité : un signal est pair si s[−n] = s[n], impair si s[−n] = −s[n].

📝 Points essentiels

• La différence entre signal échantillonné et signal discret : l’échantillonnage consiste à prélever des valeurs d’un signal continu à intervalles réguliers, tandis qu’un signal discret peut être naturellement défini à des instants précis (ex : mesures horodatées).
• La réponse impulsionnelle d’un système linéaire discret permet de le caractériser entièrement, car tout signal peut s’écrire comme une somme d’impulsions de Dirac.
• La périodicité d’un signal discret dépend de la fréquence d’échantillonnage ; un bon choix de T évite le phénomène de repliement (aliasing).
• La convolution est une opération fondamentale pour analyser la réponse d’un système discret à un signal donné.

💡 À retenir

Les signaux discrets, essentiels en traitement numérique, se caractérisent par leur définition à des instants précis, leur décomposition en impulsions, et leur comportement périodique ou symétrique, permettant leur analyse via la réponse impulsionnelle et la convolution.

📖 2. Transformée de Fourier

🔑 Notions clés & Définitions

• Transformée de Fourier (TF) : Opération mathématique qui décompose un signal temporel ou spatial en une somme de sinusoïdes de différentes fréquences, permettant d'analyser sa composition fréquentielle.
  Point essentiel : Elle établit une correspondance entre le domaine temporel (ou spatial) et le domaine fréquentiel.

• Transformée de Fourier discrète (DFT) : Version numérique de la TF appliquée à un signal discret fini, permettant d’obtenir ses composantes fréquentielles.
  Point essentiel : Elle est calculée via l’algorithme FFT pour une efficacité accrue.

• Spectre d’un signal : Représentation de l’amplitude et de la phase des différentes fréquences constituant un signal, généralement obtenu par la TF ou la DFT.
  Point essentiel : Le spectre permet d’identifier les composantes dominantes et la structure fréquentielle.

• Théorème de Shannon : Principe fondamental stipulant que pour une reconstruction parfaite d’un signal continu à partir de ses échantillons, la fréquence d’échantillonnage doit être au moins deux fois supérieure à la fréquence maximale du signal (fréquence de Nyquist).
  Point essentiel : Garantit la fidélité de la conversion entre domaine continu et discret.

• Transformée en Z : Outil d’analyse des systèmes discrets, généralisant la DFT pour étudier la stabilité et la réponse en fréquence des systèmes linéaires discrets.
  Point essentiel : Elle permet d’étudier la stabilité et la réponse dynamique via la localisation des pôles et zéros.

📝 Point à retenir

La transformée de Fourier, qu’elle soit continue ou discrète, est essentielle pour analyser la composition fréquentielle des signaux et la réponse des systèmes, en permettant une compréhension approfondie du comportement en fréquence et facilitant le traitement numérique.

📖 3. Transformée en Z

🔑 Notions clés & Définitions

Transformée en Z

• Définition : Outil mathématique permettant d'analyser et de représenter les systèmes discrets en transformant une séquence temporelle en une fonction de la variable complexe $z$.
• Formule : $Z\{x[n]\} = X(z) = \sum_{n=-\infty}^{+\infty} x[n] z^{-n}$
• Utilité : Étudier la stabilité, la réponse en fréquence, et la réponse impulsionnelle des systèmes discrets.

Systèmes invariants dans le temps (LTI)

• Définition : Systèmes dont la réponse ne dépend pas du temps où l'entrée est appliquée. La transformée en Z facilite leur caractérisation par la fonction de transfert $H(z)$.

Fonction de transfert $H(z)$

• Définition : Rapport entre la transformée en Z de la sortie et celle de l'entrée pour un système LTI : $H(z) = \frac{Y(z)}{X(z)}$.
• Rôle : Permet d'étudier la stabilité, la réponse fréquentielle, et de réaliser la conception de filtres.

Stabilité d’un système en transformée en Z

• Critère : Un système est stable si toutes les pôles de $H(z)$ sont à l’intérieur du cercle unité ($|z|<1$).
• Point à retenir : La stabilité est liée à la position des pôles dans le plan complexe.

Réponse impulsionnelle $h[n]$

• Définition : Réponse du système à une impulsion de Dirac $\delta[n]$.
• Relation avec la transformée en Z : $H(z) = Z\{h[n]\}$. La réponse impulsionnelle permet de déterminer la réponse à toute entrée via convolution.

📝 Points essentiels

• La transformée en Z convertit un signal discret en une fonction complexe $X(z)$, facilitant l’analyse des systèmes linéaires invariants dans le temps.
• La fonction de transfert $H(z)$ caractérise complètement un système LTI en transformée en Z.
• La stabilité du système dépend de la localisation des pôles de $H(z)$ dans le plan $z$.
• La réponse impulsionnelle $h[n]$ est la clé pour décrire le comportement d’un système en transformée en Z.
• La transformée en Z est un outil puissant pour la conception et l’analyse des filtres numériques.

💡 À retenir

La transformée en Z permet d’étudier efficacement la stabilité, la réponse en fréquence et la réponse impulsionnelle des systèmes discrets, en transformant des équations de récurrence en expressions algébriques dans le plan complexe.

📖 4. Systèmes linéaires

🔑 Notions clés & Définitions

• Système linéaire discret : Transformation qui associe à une entrée discrète $x[n]$ une sortie $y[n]$ vérifiant la propriété de linéarité, c’est-à-dire que la réponse à une combinaison linéaire d’entrées est la même combinaison linéaire des réponses individuelles.

• Réponse impulsionnelle $h[n]$ : La sortie d’un système discret lorsqu’il est excité par une impulsion de Dirac $\delta[n]$. Elle caractérise totalement le comportement du système linéaire invariant dans le temps.

• Convolution $(x * h)[n]$ : Opération mathématique qui permet de calculer la sortie $y[n]$ d’un système linéaire discret à partir de son entrée $x[n]$ et de sa réponse impulsionnelle $h[n]$. Elle est définie par $y[n] = \sum_{k=-\infty}^{+\infty} x[k] h[n - k]$.

• Invariant dans le temps : Propriété d’un système où la réponse à une entrée décalée dans le temps est la même que la réponse initiale décalée, c’est-à-dire que le comportement du système ne dépend pas du moment précis de l’observation.

• Causalité : Un système est causal si la sortie à l’instant $n$ dépend uniquement des entrées et des sorties aux instants antérieurs ou égaux à $n$. La réponse impulsionnelle $h[n]$ est nulle pour $n < 0$.

📝 Points essentiels

• La réponse impulsionnelle $h[n]$ permet de décrire entièrement un système linéaire invariant dans le temps.
• La sortie d’un système discret peut être obtenue par la convolution de l’entrée avec la réponse impulsionnelle.
• La linéarité et l’invariance dans le temps sont des propriétés fondamentales pour simplifier l’analyse et la conception des systèmes numériques.
• La causalité impose que la réponse du système ne dépend que des valeurs passées ou présentes, ce qui est essentiel pour la stabilité et la mise en œuvre pratique.

💡 À retenir

Un système linéaire discret est entièrement défini par sa réponse impulsionnelle, et sa sortie pour toute entrée peut être calculée par convolution, ce qui facilite l’analyse et la conception en traitement numérique du signal.

📖 5. Convolution discrète

🔑 Notions clés & Définitions

• Convolution discrète : Opération mathématique qui combine deux signaux discrets pour produire un nouveau signal, en multipliant et en sommant leurs valeurs décalées dans le temps.
  Formule : $(x * h)[n] = \sum_{k=-\infty}^{\infty} x[k] \, h[n - k]$

• Réponse impulsionnelle : La sortie d’un système linéaire discret lorsqu’il est excité par une impulsion de Dirac $\delta[n]$. Elle caractérise entièrement le système.
  Notation : $h[n]$

• Propriétés de la convolution :

  • Commutativité : $(x * h)[n] = (h * x)[n]$
  • Associativité : $(x * h_1) * h_2 = x * (h_1 * h_2)$
  • Distributivité : $x * (h_1 + h_2) = x * h_1 + x * h_2$
  • Élément neutre : La impulsion de Dirac $\delta[n]$ vérifie $x[n] = (x * \delta)[n]$

• Produit de polynômes : Méthode pour calculer la convolution finie en effectuant la multiplication des coefficients de deux polynômes associés aux signaux.

📝 Points essentiels

• La convolution discrète permet de déterminer la sortie d’un système linéaire invariant dans le temps à partir de son entrée et de sa réponse impulsionnelle.
• La réponse impulsionnelle $h[n]$ suffit à décrire complètement le comportement du système.
• La convolution est une opération commutative, ce qui facilite son calcul et son interprétation.
• La convolution finie de deux signaux de longueur $L_x$ et $L_h$ donne un signal de longueur $L_x + L_h - 1$.
• La méthode du ruban glissant est couramment utilisée pour calculer la convolution manuellement.

💡 À retenir

La convolution discrète est l’outil fondamental pour analyser et implémenter le comportement des systèmes linéaires discrets, en reliant l’entrée, la réponse impulsionnelle et la sortie du système.

📖 6. Signaux usuels

🔑 Notions clés & Définitions

• Impulsion de Dirac discrète (δ[n]) : Signal discret prenant la valeur 1 en n=0 et 0 ailleurs. Elle sert de référence pour la décomposition des signaux discrets.
  Exemple : δ[n−k] = 1 si n=k, 0 sinon.

• Échelon unité (u[n]) : Signal qui vaut 1 pour n ≥ 0, 0 sinon. Utilisé pour modéliser des montées ou des seuils dans un signal.
  Exemple : u[n] = 1 si n ≥ 0, 0 si n < 0.

• Signal périodique : Signal qui se répète après un certain nombre d’échantillons N, tel que s[n+N] = s[n]. La périodicité est essentielle pour l’analyse fréquentielle.
  Exemple : Signal carré avec période N=8.

• Produit de convolution (x ∗ h)[n] : Opération combinant deux signaux pour produire un nouveau signal, représentant la réponse d’un système linéaire invariant.
  Formule : (x ∗ h)[n] = Σ x[k] h[n−k].

• Signal sinusoïdal discret : Signal de la forme s[n] = A sin(2πf n Te + ϕ), périodique si NTe = k, avec N la période en échantillons. La périodicité dépend de la fréquence f et du pas d’échantillonnage Te.

📝 Points essentiels

• La décomposition des signaux discrets en impulsions de Dirac permet leur analyse et leur traitement via la convolution.
• La périodicité d’un signal discret dépend de la fréquence d’échantillonnage et de la fréquence du signal analogique.
• La réponse impulsionnelle d’un système linéaire invariant dans le temps (SLI) suffit à le caractériser entièrement.
• La convolution est une opération fondamentale pour modéliser la sortie d’un système à partir de son entrée et de sa réponse impulsionnelle.
• Les signaux usuels comme l’impulsion δ[n], l’échelon u[n], la rampe r[n], et le signal rectangulaire sont des outils de base pour la modélisation et l’analyse.

💡 À retenir

Les signaux discrets usuels et leurs opérations fondamentales, notamment la convolution, sont essentiels pour analyser et concevoir des systèmes numériques, en particulier dans le traitement du signal et la commande numérique.

📖 7. Propriétés signaux

🔑 Notions clés & Définitions

• Signal discret : Signal défini uniquement à des instants discrets, souvent issus d’un échantillonnage d’un signal continu.
  Exemple : valeurs de température mesurées chaque heure.

• Périodicité : Propriété d’un signal qui se répète après un certain nombre d’échantillons N, tel que s[n + N] = s[n].
  Exemple : signal carré avec période N = 8.

• Signal sinusoïdal discret : Signal périodique en échantillons, de la forme s[n] = A sin(2πfnTe + ϕ), où Te est la période d’échantillonnage.
  Condition de périodicité : NTe = k, avec k ∈ N.

• Parité d’un signal : Propriété de symétrie.

  • Signal pair : s[−n] = s[n], symétrie par rapport à l’axe n=0.
  • Signal impair : s[−n] = −s[n], symétrie par rapport à l’origine.

• Opération de déphasage : Décalage d’un signal de k échantillons dans le temps, noté s[n ± k].
  Exemple : retard ou avance d’un signal.

• Produit de convolution : Opération combinant deux signaux pour produire un nouveau signal, notée (x ∗ h)[n], qui modélise la réponse d’un système linéaire invariant.
  Propriétés essentielles : commutativité, associativité, élément neutre (impulsion δ[n]).

📝 Points essentiels

• La périodicité d’un signal discret dépend de la période d’échantillonnage et de la fréquence du signal original.
• La réponse impulsionnelle d’un système linéaire invariant dans le temps permet de le caractériser entièrement.
• La convolution est une opération fondamentale pour analyser la réponse d’un système à une entrée quelconque.
• La parité (pair ou impair) influence la symétrie du signal, utile pour simplifier les calculs.
• La différence entre signal échantillonné et signal discret : le premier est une mesure à intervalles réguliers, le second peut être une donnée intrinsèque à des instants discrets.

💡 À retenir

Les propriétés de périodicité, parité et convolution des signaux discrets sont fondamentales pour analyser et traiter efficacement les systèmes numériques, en permettant notamment leur modélisation, leur filtrage et leur réponse à diverses entrées.

📖 8. Opérations sur signaux

🔑 Notions clés & Définitions

• Déphasage : Opération consistant à décaler un signal discret de k échantillons vers la gauche (avance) ou la droite (retard).
  Exemple : s[n ± k].

• Repliement (Symétrie) : Transformation d’un signal x[n] en y[n] = x[−n], créant un miroir par rapport à l’axe n=0.
  Point à retenir : Permet d’étudier la symétrie du signal.

• Décimation : Réduction de la fréquence d’échantillonnage d’un signal en conservant un échantillon sur k, supprimant ainsi des données.
  Formule : y[n] = x[kn].

• Interpolation : Augmentation de la fréquence d’échantillonnage en insérant des valeurs intermédiaires entre les échantillons existants.
  Méthodes : zéro, échelon, linéaire.

• Produit de convolution : Opération combinant deux signaux x[n] et h[n] pour produire un nouveau signal y[n], en multipliant et sommant leurs valeurs décalées.
  Formule : y[n] = Σ x[k] h[n−k].

• Propriétés de la convolution :

  • Neutre : impulsion de Dirac δ[n] (y[n] = x[n]).
  • Commutative : (x * h)[n] = (h * x)[n].
  • Associative : (x * h1) * h2 = x * (h1 * h2).
  • Distributive : x * (h1 + h2) = x * h1 + x * h2.

📝 Point à retenir

Les opérations sur les signaux, telles que le décalage, la repliement, la décimation, l’interpolation et la convolution, sont fondamentales pour le traitement numérique du signal, permettant de modifier, analyser et synthétiser des signaux discrets dans diverses applications.

📖 9. Systèmes invariants

🔑 Notions clés & Définitions

• Système invariant dans le temps : Système dont la réponse à une entrée décalée dans le temps est décalée de la même manière. Formellement, si l’entrée x[n] produit la sortie y[n], alors pour toute translation k, l’entrée x[n - k] produit la sortie y[n - k].

• Réponse impulsionnelle (h[n]) : Réponse d’un système à une impulsion de Dirac δ[n]. Elle caractérise entièrement un système linéaire invariant dans le temps (SLDI).

• Linéarité : Propriété selon laquelle la réponse à une combinaison linéaire d’entrées est la combinaison linéaire des réponses individuelles. Si x₁[n] et x₂[n] donnent respectivement y₁[n] et y₂[n], alors pour α, β ∈ ℝ, l’entrée αx₁[n] + βx₂[n] donne la sortie αy₁[n] + βy₂[n].

• Causalité : Le système ne dépend que des entrées présentes ou passées, pas du futur. La sortie y[n] dépend uniquement de x[k] pour k ≤ n.

• Réponse à une impulsion : La réponse d’un système à δ[n], qui permet de déterminer la réponse à tout autre signal via la convolution.

📝 Points essentiels

• La réponse impulsionnelle h[n] suffit à décrire complètement un SLDI, car toute réponse à une entrée x[n] peut s’obtenir par convolution : y[n] = (x * h)[n].

• La propriété d’invariance dans le temps implique que le comportement du système ne change pas avec le temps, ce qui facilite son analyse et sa modélisation.

• La convolution est une opération fondamentale pour analyser et implémenter les systèmes linéaires invariants dans le temps.

• La causalité impose que la réponse d’un système à une impulsion ne dépend que des valeurs passées ou présentes, ce qui est essentiel pour la stabilité et la réalisabilité pratique.

💡 À retenir

Un système invariant dans le temps est entièrement décrit par sa réponse impulsionnelle, et sa linéarité permet de prédire sa réponse à toute entrée par convolution, simplifiant ainsi son étude et sa conception.

📖 10. Réponse impulsionnelle

🔑 Notions clés & Définitions

• Réponse impulsionnelle (h[n]) : La sortie d’un système linéaire discret lorsqu’il est excité par une impulsion de Dirac δ[n]. Elle caractérise entièrement le système en invariance dans le temps.

• Impulsion de Dirac discrète (δ[n]) : Signal discret qui vaut 1 à n=0 et 0 ailleurs. Elle sert de référence pour analyser la réponse d’un système.

• Linéarité : Propriété selon laquelle la réponse d’un système à une combinaison linéaire d’entrées est la même combinaison linéaire des réponses individuelles.

• Invariance dans le temps : Propriété selon laquelle le comportement du système ne dépend pas du moment où l’entrée est appliquée, la réponse décalée étant la même.

• Convolution (∗) : Opération mathématique qui combine l’entrée x[n] avec la réponse impulsionnelle h[n] pour donner la sortie y[n], exprimée par y[n] = (x ∗ h)[n].

• Système invariant et causal : Système dont la réponse dépend uniquement des entrées passées ou présentes, et dont la réponse ne change pas dans le temps.

📝 Points essentiels

• La réponse impulsionnelle est la description complète d’un système linéaire discret invariant dans le temps.

• Tout signal d’entrée peut s’écrire comme une somme d’impulsions de Dirac pondérées, permettant de calculer la sortie via la convolution avec la réponse impulsionnelle.

• La convolution est associative, commutative et distributive, ce qui facilite l’analyse et la conception de systèmes.

• La réponse impulsionnelle permet de déterminer la stabilité, la causalité et la fréquence de fonctionnement d’un système.

💡 À retenir

La réponse impulsionnelle d’un système linéaire discret invariant dans le temps suffit à en connaître le comportement complet, car la sortie pour tout signal d’entrée peut être obtenue par la convolution de cette réponse avec l’entrée.

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre signal discret et signal échantillonné : un signal discret peut être défini naturellement, un échantillonnage est une opération sur un signal continu.
2. Oublier que la transformée de Fourier continue et discrète ne sont pas interchangeables : la DFT est une approximation numérique.
3. Se méfier des faux-amis : "périodicité" en numérique ne signifie pas nécessairement périodicité dans le temps réel.
4. Confondre stabilité et causalité : un système peut être causal mais instable si ses pôles sont à l’extérieur du cercle unité.
5. Négliger la condition de Nyquist : un mauvais choix de T provoque aliasing, déformant le spectre.
6. Mal interpréter la réponse impulsionnelle : elle doit être finie ou causal pour certains systèmes.
7. Confondre la transformée en Z et la transformée de Fourier : la Z est plus générale, la Fourier est une limite lorsque $z$ est sur le cercle unité.

✅ Checklist Examen

1. Vérifier si un signal est discret, échantillonné, quantifié ou numérique.
2. Identifier si un signal est périodique ou pair/impair.
3. Expliquer la différence entre la transformée de Fourier continue et discrète.
4. Définir la transformée en Z et ses applications principales.
5. Déterminer la stabilité d’un système à partir de ses pôles en transformée en Z.
6. Calculer la réponse impulsionnelle d’un système à partir de sa fonction de transfert.
7. Expliquer le principe de convolution et sa relation avec la réponse d’un système.
8. Identifier si un système est causal ou non.
9. Décrire le rôle de la réponse impulsionnelle dans la caractérisation d’un système.
10. Analyser un spectre fréquentiel pour déterminer les composantes principales.
11. Vérifier la conformité de la fréquence d’échantillonnage avec le théorème de Shannon.
12. Vérifier si la réponse d’un système est invariance dans le temps.