S&S TD Corr

Signal and Systems – Exercices June 2017
TD –Signaux et Systèmes
Traitement numérique du signal
1. Partie I – Rappels
L’importance de la Transformée de Fourier
Figure 1 - Signal carré de fréquence 𝑓𝑓 = 1/𝑇𝑇
Soit le signal périodique 𝑥𝑥 de fréquence 𝑓𝑓 représenté sur la Figure 1.
On rappelle qu’un signal périodique peut s’écrire, suivant sa décomposition en série de Fourier :
+∞ +∞
𝑥𝑥 (𝑡𝑡) = 𝑎𝑎0 + � 𝑎𝑎𝑛𝑛 cos (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋) + 𝑏𝑏𝑛𝑛 sin(2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋) = � 𝑐𝑐𝑛𝑛 ej2πfnt

𝑛𝑛=1 𝑛𝑛=−∞
Avec :
1
𝑎𝑎0 = � 𝑥𝑥 (𝑡𝑡)𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇
2
∀𝑛𝑛 > 1, 𝑎𝑎𝑛𝑛 = � 𝑥𝑥 (𝑡𝑡)cos (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋)𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇
2
𝑏𝑏𝑛𝑛 = � 𝑥𝑥 (𝑡𝑡)sin (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋)𝑑𝑑𝑑𝑑
𝑇𝑇 𝑇𝑇
1
1
(𝑎𝑎𝑛𝑛 − 𝑗𝑗𝑏𝑏𝑛𝑛 ) 𝑠𝑠𝑠𝑠 𝑛𝑛 > 0
𝑐𝑐𝑛𝑛 = ∫𝑇𝑇 𝑥𝑥 (𝑡𝑡)𝑒𝑒 −𝑗𝑗2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋
𝑑𝑑𝑑𝑑 = �21
𝑇𝑇 (𝑎𝑎𝑛𝑛 + 𝑗𝑗𝑏𝑏𝑛𝑛 ) 𝑠𝑠𝑠𝑠 𝑛𝑛 < 0
2
sylvain.toru@univ-grenoble-alpes.fr 1
1. Calculer les coefficients 𝑎𝑎𝑛𝑛 et 𝑏𝑏𝑛𝑛 pour tout 𝑛𝑛 ∈ ℕ.

1
𝑎𝑎0 =
2
𝑇𝑇 𝑇𝑇
2 𝑇𝑇 2 2 2 1 2
𝑎𝑎𝑛𝑛 = � 𝑥𝑥 (𝑡𝑡)cos (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋)𝑑𝑑𝑑𝑑 = � cos(2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋) 𝑑𝑑𝑑𝑑 = � sin (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋)� = 0 − 0 = 0
𝑇𝑇 0 𝑇𝑇 0 𝑇𝑇 2𝜋𝜋𝜋𝜋𝜋𝜋 0
𝑇𝑇 𝑇𝑇
2 𝑇𝑇 2 2 2 1 2
𝑏𝑏𝑛𝑛 = � 𝑥𝑥 (𝑡𝑡)sin (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋)𝑑𝑑𝑑𝑑 = � sin(2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋) 𝑑𝑑𝑑𝑑 = �− cos (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋)�
𝑇𝑇 0 𝑇𝑇 0 𝑇𝑇 2𝜋𝜋𝜋𝜋𝜋𝜋 0
1 1 𝑛𝑛
=− [cos(𝜋𝜋𝜋𝜋) − 1] = [1 − (−1) ]
𝜋𝜋𝜋𝜋 𝜋𝜋𝜋𝜋
2. Comment peut-on approximer 𝑥𝑥 avec 2 sinus ? Avec 3 sinus ? Avec 𝑁𝑁 sinus ?
Avec la formule de la DSF et n=N>
3. En déduire les coefficients 𝑐𝑐𝑛𝑛 .

1
𝑐𝑐0 = (valeur moyenne, cf definition)
2
𝑗𝑗𝑏𝑏𝑛𝑛 𝑗𝑗
𝑆𝑆𝑆𝑆 𝑛𝑛 > 0, 𝑐𝑐𝑛𝑛 = − =− [1 − (−1)𝑛𝑛 ]
2 2𝜋𝜋𝜋𝜋
𝑗𝑗𝑏𝑏−𝑛𝑛 𝑗𝑗
𝑆𝑆𝑆𝑆 𝑛𝑛 < 0, 𝑐𝑐𝑛𝑛 = =− [1 − (−1)𝑛𝑛 ]
2 2𝜋𝜋𝜋𝜋
4. En déduire la transformée de Fourier de 𝑥𝑥 et en représenter le module.
+∞
𝑘𝑘
𝑋𝑋(𝑓𝑓) = � 𝑐𝑐𝑛𝑛 𝛿𝛿 �𝑓𝑓 − �
𝑇𝑇
𝑘𝑘=−∞
1 1
𝑐𝑐0 = 𝑝𝑝𝑝𝑝𝑝𝑝 …
2 4
Propriétés de la Transformée de Fourier
1. Quelle est la transformée de Fourier de 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 ?
𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠
Soit le signal 𝑥𝑥 défini par :
𝑡𝑡
∀𝑡𝑡 ∈ ℝ, 𝑥𝑥 (𝑡𝑡) = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � �
𝑇𝑇𝑎𝑎
2. Représenter 𝑥𝑥.
3. Calculer la transformée de Fourier de 𝑥𝑥 et la représenter.
4. Représenter 𝑥𝑥 (𝑡𝑡 − 𝜏𝜏) pour 𝜏𝜏 = 2𝑠𝑠 et 𝑇𝑇𝑎𝑎 = 5𝑠𝑠.
5. Calculer et représenter la transformée de Fourier de 𝑥𝑥 (𝑡𝑡 − 𝜏𝜏)pour 𝜏𝜏 = 2𝑠𝑠 et 𝑇𝑇𝑎𝑎 = 5𝑠𝑠.
Exercice 3 : Détermination de la TF de fonctions particulières
1. Montrer que ℱ [𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟] = 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠.
On peut démontrer que :
ℱ −1 [𝑋𝑋] = ℱ ∗ [𝑋𝑋 ∗ ]
2. En déduire que ℱ [𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 ] = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟.

3. En déduire qu’avec 𝑇𝑇0 > 0 :
𝑡𝑡
ℱ �𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 � �� (𝑓𝑓) = 𝑇𝑇0 . 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 (𝑓𝑓𝑇𝑇0 )
𝑇𝑇0
𝑡𝑡
𝑘𝑘
4. Nous avons vu en cours que ℱ(𝑒𝑒 𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇 ) = 𝛿𝛿 �𝑓𝑓 − �. Démontrer cette affirmation.
𝑇𝑇
Exercice 4 : Calcul de Transformée de Fourier
Calculer la transformée de Fourier de la fonction 𝑥𝑥 avec :
∀𝑡𝑡 ∈ ℝ, 𝑥𝑥 (𝑡𝑡) = 𝑡𝑡 2 𝑒𝑒 −3𝑡𝑡 𝜖𝜖(𝑡𝑡)

On rappelle
∀𝑡𝑡 > 0 𝜖𝜖 (𝑡𝑡) = 1
�
∀𝑡𝑡 < 0 𝜖𝜖 (𝑡𝑡) = 0
𝑏𝑏 𝑏𝑏
� 𝑢𝑢(𝑡𝑡)𝑣𝑣 ′ (𝑡𝑡)𝑑𝑑𝑑𝑑 = [𝑢𝑢(𝑡𝑡)𝑣𝑣(𝑡𝑡)]𝑏𝑏𝑎𝑎 − � 𝑢𝑢′ (𝑡𝑡)𝑣𝑣 (𝑡𝑡)𝑑𝑑𝑑𝑑
𝑎𝑎 𝑎𝑎
Correction :
+∞ +∞
𝑋𝑋(𝑓𝑓) = � 𝑡𝑡 2 𝑒𝑒 −3𝑡𝑡 𝜖𝜖(𝑡𝑡)𝑒𝑒 −𝑗𝑗2𝜋𝜋𝜋𝜋𝜋𝜋 𝑑𝑑𝑑𝑑 = � 𝑡𝑡 2 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 𝑑𝑑𝑑𝑑
−∞ 0
On utilise la formule (Intégration Par Parties en français) ci-dessus avec 𝑢𝑢(𝑡𝑡) = 𝑡𝑡 2 et 𝑣𝑣′(𝑡𝑡) =
𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡
𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 . Donc 𝑢𝑢′ (𝑡𝑡) = 2𝑡𝑡 et 𝑣𝑣(𝑡𝑡) = − .
𝑗𝑗2𝜋𝜋𝜋𝜋+3
+∞ +∞
𝑡𝑡 2 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 2𝑡𝑡
𝑋𝑋(𝑓𝑓) = �− � −� − 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 𝑑𝑑𝑑𝑑
𝑗𝑗2𝜋𝜋𝜋𝜋 + 3 0 0 𝑗𝑗2𝜋𝜋𝜋𝜋 + 3
+∞
𝑡𝑡 2 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡
Or, lim 𝑡𝑡 2 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 = 0, donc �− � = 0 − 0 = 0. Donc on a :
𝑡𝑡→+∞ 𝑗𝑗2𝜋𝜋𝜋𝜋+3 0
+∞
2𝑡𝑡
𝑋𝑋(𝑓𝑓) = � 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 𝑑𝑑𝑑𝑑
0 𝑗𝑗2𝜋𝜋𝜋𝜋 + 3
2 2
On réutilise cette même formule avec 𝑢𝑢(𝑡𝑡) = 𝑡𝑡 et 𝑣𝑣 ′ (𝑡𝑡) = 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 . Donc 𝑢𝑢′ (𝑡𝑡) =
𝑗𝑗2𝜋𝜋𝜋𝜋+3 𝑗𝑗2𝜋𝜋𝜋𝜋+3
𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡
et 𝑣𝑣(𝑡𝑡) = − .
𝑗𝑗2𝜋𝜋𝜋𝜋+3
+∞ +∞
2𝑡𝑡𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 2
𝑋𝑋(𝑓𝑓) = �− � −� − 𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 𝑑𝑑𝑑𝑑
(𝑗𝑗2𝜋𝜋𝜋𝜋 + 3)2 0 (𝑗𝑗2𝜋𝜋𝜋𝜋 + 3)2
0
+∞
2𝑡𝑡𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡
Or, lim 𝑡𝑡𝑒𝑒 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡 = 0, donc �− (𝑗𝑗2𝜋𝜋𝜋𝜋+3)2 0
� = 0 − 0 = 0. Donc on a :
𝑡𝑡→+∞
+∞ +∞
2 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡
2 −(𝑗𝑗2𝜋𝜋𝜋𝜋+3)𝑡𝑡
2
𝑋𝑋(𝑓𝑓) = � 𝑒𝑒 𝑑𝑑𝑑𝑑 = �− 𝑒𝑒 � =0−−
0 (𝑗𝑗2𝜋𝜋𝜋𝜋 + 3)2 (𝑗𝑗2𝜋𝜋𝜋𝜋 + 3)3 0
( 𝑗𝑗2𝜋𝜋𝜋𝜋 + 3)3
2
𝑋𝑋(𝑓𝑓) =
(𝑗𝑗2𝜋𝜋𝜋𝜋 + 3)3
On retrouve bien la formule de l’exemple du cours.
Exercice 3 : Jeu des correspondances
Trouver la correspondance entre les signaux temporels et leurs transformées de Fourier sur les
Figure 2 et Figure 3. Justifiez vos choix.
On rappelle
𝑡𝑡𝑡𝑡𝑡𝑡 = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 ∗ 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟
𝑓𝑓
𝑓𝑓
𝑓𝑓
Figure 2 - Exercice 3: Partie I
𝑓𝑓
𝑓𝑓
𝑓𝑓
Figure 3 - Exercice 3: Partie II
2. Partie II – Signaux échantillonnés
Exercice 1 :
Le signal continu ci-dessous est échantillonné avec la période d’échantillonnage 𝑇𝑇𝑠𝑠 .

Donner l’expression analytique du signal échantillonné pour :
𝑇𝑇𝑠𝑠 = 0.8𝑠𝑠, 𝑇𝑇𝑠𝑠 = 1.5𝑠𝑠, 𝑇𝑇𝑠𝑠 = 0.5𝑠𝑠, 𝑇𝑇𝑠𝑠 = 1𝑠𝑠 𝑒𝑒𝑒𝑒 𝑇𝑇𝑠𝑠 = 2𝑠𝑠
Exercice 2 :
On considère une fréquence d’échantillonnage fixée à 15 kHz. Représenter (sans calcul) le spectre
d’amplitude des signaux suivants après échantillonnage :
1. Une composante sinusoïdale pure de fréquence 3.5 kHz, additionnée d’une composante
sinusoïdale pure de fréquence 7 kHz.
Le signal non échantillonné est composé de 4 diracs d’amplitude 0.5, en -7,-3.5,3.5 et 7 kHz. En
notant 𝑓𝑓0 = 3.5 𝑘𝑘𝑘𝑘𝑘𝑘 et 𝑓𝑓1 = 7 𝑘𝑘𝑘𝑘𝑘𝑘 :
𝛿𝛿 (𝑓𝑓 − 𝑓𝑓0 ) + 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓0 ) + 𝛿𝛿 (𝑓𝑓 − 𝑓𝑓1 ) + 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓1 )
2
On utilise la formule du cours qui va périodiser ce spectre, de période 𝐹𝐹𝑠𝑠 , et affecter l’amplitude d’un
facteur 1/𝑇𝑇𝑠𝑠 :
+∞
1 𝑘𝑘
𝑋𝑋𝑒𝑒 (𝑓𝑓) = � 𝑋𝑋 �𝑓𝑓 − �
𝑇𝑇𝑠𝑠 𝑇𝑇𝑠𝑠
𝑘𝑘=−∞
𝐹𝐹𝑠𝑠
Ici, le théorème de Shannon est respecté car 𝑓𝑓𝑚𝑚𝑚𝑚𝑚𝑚 = 𝑓𝑓1 = 7𝑘𝑘𝑘𝑘𝑘𝑘 < = 7.5 𝑘𝑘𝑘𝑘𝑘𝑘.
2
2. Un signal rectangulaire (ou porte) de durée 0.5 ms.

𝑡𝑡
Ici, on a 𝑥𝑥 (𝑡𝑡) = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � � avec 𝑇𝑇𝑎𝑎 = 0.5 × 10−3 𝑠𝑠
𝑇𝑇𝑎𝑎
En utilisant a propriété de changement d’échelle, on montre que 𝑋𝑋(𝑓𝑓) = 𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑇𝑇𝑎𝑎 𝑓𝑓). On utilise la
même formule que précédemment :
+∞
1 𝑘𝑘
𝑘𝑘=−∞
Ici, le théorème n’est clairement pas respecté, puisque pour 𝑓𝑓 > 𝑓𝑓𝑚𝑚𝑚𝑚𝑚𝑚 , on a |𝑋𝑋(𝑓𝑓)| > 0.
3. Un signal sinusoïdal à 10 kHz.
Comme pour la question 1, mais avec 2 diracs seulement (Ici 𝑓𝑓0 = 10 𝑘𝑘𝑘𝑘𝑘𝑘):
𝛿𝛿 (𝑓𝑓 − 𝑓𝑓0 ) + 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓0 )
2
𝐹𝐹𝑠𝑠
Ici le théorème de Shannon n’est pas respecté : 𝑓𝑓𝑚𝑚𝑚𝑚𝑚𝑚 = 𝑓𝑓1 = 10𝑘𝑘𝑘𝑘𝑘𝑘 > = 7.5 𝑘𝑘𝑘𝑘𝑘𝑘.
2
La fréquence aliasée (nouvelle fréquence) due au recouvrement de spectre est de 5 𝑘𝑘𝑘𝑘𝑘𝑘.
Dans les 3 cas, on précisera si le théorème de Shannon est respecté ou non.
Exercice 3 :
Soit le signal s(t)=a0 + a1.cos(2πf1t) + a2.cos(2π.3f1t) avec f1 = 20Hz, a0=1, a1=2 et a2=1.
Le signal se(t) est le signal s(t) échantillonné avec une fréquence 𝐹𝐹𝑠𝑠 = 150 𝐻𝐻𝐻𝐻.
1. Le signal s(t) est-il périodique ? Si oui, de quelle période ? sinon, pourquoi ?
Une somme de signaux périodique est un signal périodique de période la plus petite période
1
commune à tous les signaux périodiques le composant. Ici 𝑇𝑇1 = est une période des 3 signaux
𝑓𝑓1
contenus dans 𝑠𝑠(𝑡𝑡). On peut donc dire que 𝑠𝑠(𝑡𝑡) est périodique de période 𝑇𝑇1 .
2. Justifier le choix de la fréquence d’échantillonnage.
Pour respecter le théorème de Shannon, il faut 𝐹𝐹𝑠𝑠 > 2𝑓𝑓𝑚𝑚𝑚𝑚𝑚𝑚 . Ici 𝑓𝑓𝑚𝑚𝑚𝑚𝑚𝑚 = 3𝑓𝑓1 = 60 𝐻𝐻𝐻𝐻. Il faut donc 𝐹𝐹𝑠𝑠 >
120 𝐻𝐻𝐻𝐻 . Ici, 𝐹𝐹𝑠𝑠 = 150 𝐻𝐻𝐻𝐻 . Le théorème de Shannon est donc respecté et la fréquence
d’échantillonnage est bien choisie.
3. Donner l’expression de S(f) la transformée de Fourier de s(t).
On utilise la propriété de linéarité de la TF :

𝑎𝑎1 𝛿𝛿 (𝑓𝑓 − 𝑓𝑓1 ) + 𝑎𝑎1 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓1 ) + 𝑎𝑎2 𝛿𝛿 (𝑓𝑓 − 3𝑓𝑓1 ) + 𝑎𝑎2 𝛿𝛿 (𝑓𝑓 + 3𝑓𝑓1 )
𝑆𝑆(𝑓𝑓) = 𝑎𝑎0 𝛿𝛿 (𝑓𝑓) +
2
𝛿𝛿 (𝑓𝑓 − 3𝑓𝑓1 ) + 𝛿𝛿 (𝑓𝑓 + 3𝑓𝑓1 )
𝑆𝑆(𝑓𝑓) = 𝛿𝛿 (𝑓𝑓) + 𝛿𝛿 (𝑓𝑓 − 𝑓𝑓1 ) + 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓1 ) +
2
4. Donner l’expression de Se(f) la transformée de Fourier de se(t).
+∞
1 𝑘𝑘
𝑆𝑆𝑒𝑒 (𝑓𝑓) = � 𝑆𝑆 �𝑓𝑓 − �
𝑘𝑘=−∞
5. Représenter sur le même graphe le module de S(f) et de Se(f) entre −𝐹𝐹𝑠𝑠 et𝐹𝐹𝑠𝑠 .
On utilise la formule ci-dessus (périodisation de 𝑆𝑆(𝑓𝑓) de période 𝐹𝐹𝑠𝑠 ,multiplication par 𝐹𝐹𝑠𝑠 )
6. Expliquer les différences entre S(f) et Se(f). Quel est l’effet de l’échantillonnage sur le spectre
du signal ?
Les différences ont été expliquées ci-dessus (𝑆𝑆𝑒𝑒 (𝑓𝑓) est périodique et son amplitude a été multipliée
par 𝐹𝐹𝑠𝑠 ).
7. Tracer Se(f) dans le cas où 𝐹𝐹𝑠𝑠 = 100 𝐻𝐻𝐻𝐻.
Il y a alors du recouvrement de spectre car 𝐹𝐹𝑠𝑠 < 120 𝐻𝐻𝐻𝐻. En appliquant la même méthode que
précédemment, on trouve :
On échantillonne maintenant (𝐹𝐹𝑠𝑠 = 150 𝐻𝐻𝐻𝐻) le signal s(t) simplement sur une période. On note swe(t)
le signal résultant.
8. Donner l’expression de Swe(f) sans faire l’application numérique.
L’expression temporelle du signal fenêtre (« w » pour window = fenêtre en anglais) est :

𝑇𝑇𝑎𝑎
𝑡𝑡 −
𝑠𝑠𝑤𝑤 (𝑡𝑡) = 𝑠𝑠(𝑡𝑡) × 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � 2�
𝑇𝑇𝑎𝑎
Avec 𝑇𝑇𝑎𝑎 la durée d’acquisition. Ici, comme on échantillonne seulement sur une période, on a 𝑇𝑇𝑎𝑎 = 𝑇𝑇1 .
On a donc :
𝑇𝑇
𝑡𝑡− 𝑎𝑎
𝑆𝑆𝑤𝑤 (𝑓𝑓) = 𝑆𝑆(𝑓𝑓) ∗ 𝑇𝑇𝑇𝑇 �𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � 2
��
𝑇𝑇𝑎𝑎
𝑆𝑆𝑤𝑤 (𝑓𝑓) = 𝑆𝑆(𝑓𝑓) ∗ 𝑇𝑇𝑎𝑎 𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑇𝑇𝑎𝑎 𝑓𝑓)

𝛿𝛿 (𝑓𝑓 − 3𝑓𝑓1 ) + 𝛿𝛿 (𝑓𝑓 + 3𝑓𝑓1 )
𝑆𝑆𝑤𝑤 (𝑓𝑓) = �𝛿𝛿 (𝑓𝑓) + 𝛿𝛿 (𝑓𝑓 − 𝑓𝑓1 ) + 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓1 ) + � ∗ 𝑇𝑇𝑎𝑎 𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 (𝑇𝑇𝑎𝑎 𝑓𝑓)
2
𝑆𝑆𝑤𝑤 (𝑓𝑓) = 𝑇𝑇𝑎𝑎 �𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 (𝑇𝑇𝑎𝑎 𝑓𝑓) + 𝑒𝑒 −𝑗𝑗𝑗𝑗(𝑓𝑓−𝑓𝑓1 )𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 − 𝑓𝑓1 )� + 𝑒𝑒 −𝑗𝑗𝑗𝑗(𝑓𝑓+𝑓𝑓1 )𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 + 𝑓𝑓1 )�
𝑒𝑒 −𝑗𝑗𝑗𝑗(𝑓𝑓−3𝑓𝑓1 )𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 − 3𝑓𝑓1 )� + 𝑒𝑒 −𝑗𝑗𝑗𝑗(𝑓𝑓+3𝑓𝑓1 )𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 + 3𝑓𝑓1 )�
+ �
2
Si on échantillonne ce signal, on a alors :

+∞
1 𝑘𝑘
𝑆𝑆𝑤𝑤𝑤𝑤 (𝑓𝑓) = � 𝑆𝑆𝑤𝑤 �𝑓𝑓 − �
𝑘𝑘=−∞
9. Représenter Swe(f) sur le même graphique que précédemment.
10. Expliquer les différences entre Se(f) et Swe(f). A quoi sont-elles dues ?
Elles sont dues au fenêtrage du signal qui convolue le spectre par un 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 d’amplitude 𝑇𝑇𝑎𝑎 .
(démonstration Q8). Au lieu d’avoir des diracs, nous avons donc des 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠, soit pour chaque pic un
lobe principal et des lobes secondaires, qui s’ajoutent les uns aux autres, rendant la lecture difficile.
Pour améliorer la lecture, on pourrait :
- Augmenter la durée d’acquisition, soit augmenter 𝑇𝑇𝑎𝑎 .

- Utiliser une fenêtre de pondération (Hanning par exemple).
Exercice 4 :
On considère le système suivant :
𝑥𝑥(𝑡𝑡) 𝑥𝑥𝑒𝑒 (𝑡𝑡) 𝑦𝑦(𝑡𝑡)

E B
E est un échantillonneur parfait qui produit des échantillons du signal d’entrée 𝑥𝑥(𝑡𝑡) à la fréquence
d’échantillonnage 𝐹𝐹𝑠𝑠 . Le signal 𝑥𝑥𝑒𝑒 (𝑡𝑡) est la modélisation « idéale » dans le domaine temporel continu
du signal échantillonné. B est un bloqueur d’ordre 0 (BOZ) : il maintient la valeur échantillonnée
entre deux instants d’échantillonnage.
Soit 𝑥𝑥 (𝑡𝑡) = cos (2𝜋𝜋𝑓𝑓0 𝑡𝑡).
1. La condition de Shannon est respectée pour l’échantillonnage. Quelle est cette condition ?
Il faut 𝐹𝐹𝑠𝑠 > 2𝑓𝑓𝑚𝑚𝑚𝑚𝑚𝑚 , 𝑓𝑓𝑚𝑚𝑚𝑚𝑚𝑚 étant la fréquence maximale contenue dans le signal 𝑥𝑥(𝑡𝑡).
2. Donner l’expression théorique de 𝑦𝑦(𝑡𝑡)
Comme précisé dans le cours, il s’agit d’une convolution du signal échantillonné avec une fonction
porte (avec des 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 pour une reconstitution parfaite).
𝑇𝑇𝑠𝑠
𝑡𝑡 −
𝑦𝑦(𝑡𝑡) = 𝑥𝑥𝑒𝑒 (𝑡𝑡) ∗ 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � 2�
𝑇𝑇𝑠𝑠
3. Tracer les signaux 𝑥𝑥(𝑡𝑡), 𝑥𝑥𝑒𝑒 (𝑡𝑡) et 𝑦𝑦(𝑡𝑡).
Pour l’exemple, j’ai pris un signal sinusoïdal de fréquence 10 𝐻𝐻𝑧𝑧, et une période d’échantillonnage de
100 𝐻𝐻𝐻𝐻 pour respecter le théorème de Shannon. On a alors :
Soient 𝑋𝑋(𝑓𝑓), 𝑋𝑋𝑒𝑒 (𝑓𝑓) et 𝑌𝑌(𝑓𝑓) les spectres respectifs des signaux 𝑥𝑥(𝑡𝑡), 𝑥𝑥𝑒𝑒 (𝑡𝑡) et 𝑦𝑦(𝑡𝑡). Tracer ces 3
spectres en module en précisant les fréquences importantes.
Avec 𝑓𝑓0 = 10 𝐻𝐻𝐻𝐻, on a :

𝛿𝛿 (𝑓𝑓 − 𝑓𝑓0 ) + 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓0 )
2
Après échantillonnage,
+∞
1 𝑘𝑘
𝑘𝑘=−∞
D’après la question précédente,
𝑇𝑇𝑠𝑠
𝑡𝑡 −
𝑦𝑦(𝑡𝑡) = 𝑥𝑥𝑒𝑒 (𝑡𝑡) ∗ 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � 2�
𝑇𝑇𝑠𝑠
Donc on peut calculer le spectre 𝑌𝑌(𝑓𝑓) :

𝑇𝑇𝑠𝑠
𝑡𝑡 −
𝑌𝑌(𝑓𝑓) = 𝑋𝑋𝑒𝑒 (𝑓𝑓) × 𝑇𝑇𝑇𝑇 �𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � 2 ��
𝑇𝑇𝑠𝑠
𝑌𝑌(𝑓𝑓) = 𝑇𝑇𝑠𝑠 × 𝑋𝑋𝑒𝑒 (𝑓𝑓) × 𝑒𝑒 𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠 × 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑇𝑇𝑠𝑠 𝑓𝑓)

+∞
𝑘𝑘
𝑌𝑌(𝑓𝑓) = � 𝑋𝑋 �𝑓𝑓 − � × 𝑒𝑒 𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠 × 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑇𝑇𝑠𝑠 𝑓𝑓)
𝑇𝑇𝑠𝑠
𝑘𝑘=−∞
On peut alors tracer ces différents spectres :
On peut voir sur cette figure l’effet qu’un BOZ a sur le spectre d’un signal reconstitué. Il apparait
quelques diracs indésirables (qu’on ne veut pas). C’est logique : on a en sortie un signal en
« escalier » qui n’est pas parfaitement sinusoïdal, et donc composé de plusieurs fréquences.
Plus la fréquence d’échantillonnage augmente, et plus 𝑦𝑦(𝑡𝑡) se rapproche d’un sinus pur. On peut le
voir sur le spectre : plus 𝐹𝐹𝑠𝑠 augmente, plus l’amplitude des fréquences indésirables diminue (les
diracs se rapprochent des zéros du 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 qui sont tous les 𝑘𝑘𝐹𝐹𝑠𝑠 .
3. Partie III – Signaux numériques et TFD

Exercice 1
On considère de nouveau le signal s(t)=a0 + a1.cos(2πf1t) + a2.cos(2π.3f1t) avec f1 = 20Hz, a0=1, a1=2 et
a2=1.
Le signal se(t) est le signal s(t) échantillonné avec une fréquence 𝐹𝐹𝑠𝑠 = 150𝐻𝐻𝐻𝐻. Les échantillons sont
acquis par un ordinateur pendant une durée 𝑇𝑇𝑎𝑎 = 100 𝑚𝑚𝑚𝑚.
1. Donner l’expression de tous les échantillons 𝑠𝑠𝑘𝑘 .
𝑠𝑠𝑘𝑘 = 𝑎𝑎0 + 𝑎𝑎1 cos(2𝜋𝜋𝑓𝑓1 𝑘𝑘𝑇𝑇𝑠𝑠 ) + 𝑎𝑎2 cos (2𝜋𝜋3𝑓𝑓1 𝑘𝑘𝑇𝑇𝑠𝑠 )

2. Donner l’expression de S(f) la transformée de Fourier de s(t).
On utilise la propriété de linéarité de la TF :

𝑎𝑎1 𝛿𝛿 (𝑓𝑓 − 𝑓𝑓1 ) + 𝑎𝑎1 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓1 ) + 𝑎𝑎2 𝛿𝛿 (𝑓𝑓 − 3𝑓𝑓1 ) + 𝑎𝑎2 𝛿𝛿 (𝑓𝑓 + 3𝑓𝑓1 )
𝑆𝑆(𝑓𝑓) = 𝑎𝑎0 𝛿𝛿 (𝑓𝑓) +
2
𝛿𝛿 (𝑓𝑓 − 3𝑓𝑓1 ) + 𝛿𝛿 (𝑓𝑓 + 3𝑓𝑓1 )
𝑆𝑆(𝑓𝑓) = 𝛿𝛿 (𝑓𝑓) + 𝛿𝛿 (𝑓𝑓 − 𝑓𝑓1 ) + 𝛿𝛿 (𝑓𝑓 + 𝑓𝑓1 ) +
2
3. Donner l’expression de Se(f) la transformée de Fourier de se(t).
+∞
1 𝑘𝑘
𝑆𝑆𝑒𝑒 (𝑓𝑓) = � 𝑆𝑆 �𝑓𝑓 − �
𝑘𝑘=−∞
4. Représenter sur le même graphe le module de S(f) et de Se(f) entre −𝐹𝐹𝑠𝑠 et𝐹𝐹𝑠𝑠 .
On utilise la formule ci-dessus (périodisation de 𝑆𝑆(𝑓𝑓) de période 𝐹𝐹𝑠𝑠 ,multiplication par 𝐹𝐹𝑠𝑠 )
5. Sur le même graphique, représenter la TFD 𝑆𝑆𝑛𝑛 .
Concernant la TFD, il faut forcément prendre en compte le fenêtrage. Les coefficients 𝑆𝑆𝑛𝑛 sont des
points du spectre du signal fenêtré et échantillonné 𝑠𝑠𝑤𝑤𝑤𝑤 (𝑡𝑡). Nous avons calculé son spectre dans
l’exercice 3 de la partie précédente :
𝑆𝑆𝑤𝑤 (𝑓𝑓) = 𝑇𝑇𝑎𝑎 �𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 (𝑇𝑇𝑎𝑎 𝑓𝑓) + 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 − 𝑓𝑓1 )� + 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 + 𝑓𝑓1 )�
𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 − 3𝑓𝑓1 )� + 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 + 3𝑓𝑓1 )�

+ �
2
Si on échantillonne ce signal, on a alors :

+∞
1 𝑘𝑘
𝑆𝑆𝑤𝑤𝑤𝑤 (𝑓𝑓) = � 𝑆𝑆𝑤𝑤 �𝑓𝑓 − �
𝑘𝑘=−∞
Ici, on a 𝑇𝑇𝑎𝑎 = 0.1𝑠𝑠. Si on représente 𝑆𝑆𝑛𝑛 sur le même graphique que précédemment, les points seront
confondus avec les diracs de 𝑆𝑆(𝑓𝑓). Les voici sur une autre figure :
Toujours en échantillonnant à la même fréquence (150 𝐻𝐻𝐻𝐻), la durée d’acquisition est cette fois de
𝑇𝑇𝑎𝑎 = 110 𝑚𝑚𝑚𝑚.
6. Reprendre la question 5.
Ici, les points du spectre qui sont calculés tous les 1/𝑇𝑇𝑎𝑎 ne correspondent plus avec les différents pics.
A la question précédente, c’était de la « chance » si les points correspondaient aux pics recherchés,
tous les autres étant égaux à 0. Conclusion : il faut faire très attention quand on analyse le spectre
d’un signal numérique.
Exercice 2: Zero padding
On cherche à estimer la transformée de Fourier d’un signal 𝑥𝑥(𝑡𝑡) = 𝑐𝑐𝑐𝑐𝑐𝑐(2𝜋𝜋𝑓𝑓0 𝑡𝑡), avec 𝑓𝑓0 = 1 𝐻𝐻𝐻𝐻. On a
vu en cours qu’on ne pouvait pas la calculer de manière exacte à partir d’un nombre fini de points.
On fait l’acquisition de 𝑥𝑥 sur une durée 𝑇𝑇𝑎𝑎 . On note ce signal 𝑥𝑥1 .
1. Quelle est la transformée de Fourier de 𝑥𝑥 ?

𝛿𝛿 (𝑓𝑓 − 𝑓𝑓0 ) + 𝛿𝛿(𝑓𝑓 + 𝑓𝑓0 )
2
2. Représenter le signal 𝑥𝑥1 .
3. Quelle est la transformée de Fourier théorique de 𝑥𝑥1 dont on fait l’acquisition ? Tracer sur un
graphique le module de cette transformée de Fourier.
𝑡𝑡 − 𝑇𝑇𝑎𝑎
𝑥𝑥1 (𝑡𝑡) = 𝑥𝑥 (𝑡𝑡). 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � �
2
𝑡𝑡 − 𝑇𝑇𝑎𝑎
𝑋𝑋1 (𝑓𝑓) = 𝑋𝑋(𝑓𝑓) ∗ 𝑇𝑇𝑇𝑇 �𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 � ��
2
𝛿𝛿 (𝑓𝑓 − 𝑓𝑓0 ) + 𝛿𝛿(𝑓𝑓 + 𝑓𝑓0 )
𝑋𝑋1 (𝑓𝑓) = ∗ 𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 (𝑇𝑇𝑎𝑎 𝑓𝑓)𝑒𝑒 −𝜋𝜋𝜋𝜋𝑇𝑇𝑎𝑎
2
𝑇𝑇𝑎𝑎 −𝜋𝜋(𝑓𝑓−𝑓𝑓 )𝑇𝑇
𝑋𝑋1 (𝑓𝑓) = �𝑒𝑒 0 𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇 (𝑓𝑓 − 𝑓𝑓 )� + 𝑒𝑒 −𝜋𝜋(𝑓𝑓+𝑓𝑓0 )𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇 (𝑓𝑓 + 𝑓𝑓 )��
𝑎𝑎 0 𝑎𝑎 0
2
1
Si 𝑇𝑇𝑎𝑎 ≫ , les 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 sont disjoints et on peut dire :
𝑓𝑓0
𝑇𝑇𝑎𝑎 𝑇𝑇𝑎𝑎
|𝑋𝑋1 (𝑓𝑓)| ≈ |𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 (𝑇𝑇𝑎𝑎 (𝑓𝑓 − 𝑓𝑓0 )| + |𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑇𝑇𝑎𝑎 (𝑓𝑓 + 𝑓𝑓0 )|
2 2
Le spectre de 𝑥𝑥1 est périodique, on ne trace celui-ci que pour les fréquences positives :
Pour calculer numériquement des points de cette transformée de Fourier, on utilise la TFD, par
l’intermédiaire de la FFT, sur Matlab par exemple. 𝑁𝑁 échantillons de 𝑥𝑥 ont été acquis tous les 𝑇𝑇𝑠𝑠 . La
durée d’acquisition est ainsi 𝑇𝑇𝑎𝑎 = 𝑁𝑁𝑇𝑇𝑠𝑠 .
4. Rappeler la définition de la TFD.

1
Il s’agit de calculs de 𝑁𝑁 points de 𝑋𝑋1𝑒𝑒 (𝑓𝑓), le spectre du signal échantillonné 𝑥𝑥1𝑒𝑒 (𝑡𝑡), distants de et
𝑇𝑇𝑎𝑎
1
compris entre 0 et 𝐹𝐹𝑠𝑠 − .
𝑇𝑇𝑎𝑎
De plus on a :
𝑁𝑁−1
𝑘𝑘𝑘𝑘
𝑋𝑋𝑛𝑛 = � 𝑥𝑥𝑘𝑘 𝑒𝑒 −2𝜋𝜋𝜋𝜋 𝑁𝑁
𝑘𝑘=0
5. Quelle est la résolution fréquentielle de la TFD (=quel est l’intervalle fréquentiel entre 2
points) ?
1
Comme précisé précédemment, Δ𝑓𝑓 =
𝑇𝑇𝑎𝑎
6. Pour 𝑇𝑇𝑎𝑎 = 10𝑠𝑠, représenter sur un même graphique le module de la transformée de Fourier
théorique du signal échantillonné et les points de la TFD. Qu’en concluez-vous ?
On ne voit pas le 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 car il n’y a pas assez de points calculés par la TFD :
On peut améliorer la résolution fréquentielle en utilisant une technique appelée « zero padding ».
Cette méthode consiste à construire un signal 𝑥𝑥1 ′(𝑘𝑘) qui vaut 𝑥𝑥1 (𝑘𝑘) sur ses 𝑁𝑁 premiers échantillons,
et 0 sur les suivants (L échantillons en tout), puis d’en calculer sa TFD.
On notera 𝐿𝐿 le nombre d’éléments de 𝑥𝑥1′ (𝑘𝑘).
7. Sur un même graphe, représenter 𝑥𝑥1 (𝑘𝑘) et 𝑥𝑥1 ‘(𝑘𝑘).
8. Montrer que la TFD de 𝑥𝑥′1 (𝑘𝑘) est le calcul de points de la transformée de Fourier de 𝑥𝑥1 (𝑡𝑡).
La TFD de 𝑥𝑥1′ (𝑘𝑘) est le calcul de L points du spectre du signal échantillonné. Ce signal échantillonné
est ici 𝑥𝑥1 (𝑡𝑡), car comme on peut le voir sur la figure précédente, les points noirs sont sur la courbe
rouge. Les points calculés sont donc des points de la transformée de Fourier représentée à la
question 6.
9. Quelle est la résolution fréquentielle de la TFD de 𝑥𝑥1 ′(𝑘𝑘) ?

𝐹𝐹𝑠𝑠
𝐿𝐿 points doncΔ𝑓𝑓 =
𝐿𝐿
10. Pour 𝐿𝐿 = 2𝑁𝑁, représenter sur le graphique de la question 6 les points de cette nouvelle TFD.
Qu’en concluez-vous ?
1
Les points sont cette fois distants de :
2𝑇𝑇𝑎𝑎
Dans Matlab, vous avez la possibilité de faire du zero padding avec 𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥, 𝐿𝐿). On rappelle que la FFT
est un algorithme de calcul de la TFD optimisé pour un nombre étant une puissance de 2.
11. Si on veut une résolution fréquentielle d’au moins 1 𝑚𝑚𝑚𝑚𝑚𝑚, avec 𝑇𝑇𝑠𝑠 = 1 𝑚𝑚𝑚𝑚, quelle valeur
choisiriez-vous pour 𝐿𝐿 ?
1 1
On veut Δ𝑓𝑓 < 10−3 𝐻𝐻𝐻𝐻. On sait queΔ𝑓𝑓 = =
𝑇𝑇𝑎𝑎 𝐿𝐿𝑇𝑇𝑠𝑠
1 103
Donc < 10−3 ⇒ 𝐿𝐿 > ⇒ 𝐿𝐿 > 106
𝐿𝐿𝑇𝑇𝑠𝑠 𝑇𝑇𝑠𝑠
Pour calculer la 𝑓𝑓𝑓𝑓𝑓𝑓, il est préférable de choisir pour L une puissance de 2 (le calcul sera rapide). Soit
𝐿𝐿 = 2𝑀𝑀 . Il faut donc trouver M pour que 2𝑀𝑀 > 106 .
On peut choisir 𝑀𝑀 = 20 et donc 𝐿𝐿 = 1048576.
Exercice 2 : Equation aux différences
Le comportement d’un système linéaire invariant (SLIT) est caractérisé par l’équation aux différences:
𝑦𝑦𝑛𝑛 − 1.2𝑦𝑦𝑛𝑛−1 + 0.3𝑦𝑦𝑛𝑛−2 = 2. 10−3 𝑥𝑥𝑛𝑛 + 0.5𝑥𝑥𝑛𝑛−1

1. Calculer la fonction de transfert 𝐻𝐻(𝑧𝑧) du système.
On utilise la propriété du retard (𝑇𝑇𝑇𝑇[𝑥𝑥𝑘𝑘−𝑛𝑛 ] = 𝑧𝑧 −𝑛𝑛 × 𝑇𝑇𝑇𝑇[𝑥𝑥𝑘𝑘 ])
𝑌𝑌(𝑧𝑧) − 1.2𝑧𝑧 −1 𝑌𝑌(𝑧𝑧) + 0.3𝑧𝑧 −2 𝑌𝑌(𝑧𝑧) = 2.10−3 𝑋𝑋(𝑧𝑧) + 0.5𝑧𝑧 −1 𝑋𝑋(𝑧𝑧)
𝑌𝑌(𝑧𝑧) × (1 − 1.2𝑧𝑧 −1 + 0.3𝑧𝑧 −2 ) = 𝑋𝑋(𝑧𝑧) × (2.10−3 + 0.5𝑧𝑧 −1 )
𝑌𝑌(𝑧𝑧) 2.10−3 + 0.5𝑧𝑧 −1

𝐻𝐻 (𝑧𝑧) = =
𝑋𝑋(𝑧𝑧) 1 − 1.2𝑧𝑧 −1 + 0.3𝑧𝑧 −2
2. Calculer les 5 premiers éléments de la réponse impulsionnelle ℎ𝑘𝑘 du système.
La réponse impulsionnelle correspond à la réponse à une impulsion de dirac. Soit 𝑥𝑥𝑛𝑛 = 𝛿𝛿𝑛𝑛 . Avec 𝛿𝛿0 =
1 et ∀𝑛𝑛 ∈ ℕ∗ , 𝛿𝛿𝑛𝑛 = 0.
𝑦𝑦0 = 1.2 × 𝑦𝑦−1 − 0.3𝑦𝑦−2 + 2.10−3 𝛿𝛿0 + 0.5𝛿𝛿−1 = 0 − 0 + 2.10−3 + 0 = 2.10−3
𝑦𝑦1 = 1.2 × 𝑦𝑦0 − 0.3𝑦𝑦−1 + 2.10−3 𝛿𝛿1 + 0.5𝛿𝛿0 = 1.2 × 2.10−3 − 0 + 0 + 0.5 × 1 = 0.5024
𝑦𝑦2 = 1.2 × 𝑦𝑦1 − 0.3𝑦𝑦0 + 2.10−3 𝛿𝛿2 + 0.5𝛿𝛿1 = 1.2 × 0.5024 − 0.3 × 2.10−3 + 0 + 0 = 0.6023
𝑦𝑦3 = 1.2 × 𝑦𝑦2 − 0.3𝑦𝑦1 + 2.10−3 𝛿𝛿3 + 0.5𝛿𝛿2 = 1.2 × 0.6023 − 0.3 × 0.5024 + 0 + 0 = 0.5720
𝑦𝑦4 = 1.2 × 𝑦𝑦3 − 0.3𝑦𝑦2 + 2.10−3 𝛿𝛿4 + 0.5𝛿𝛿3 = 1.2 × 0.5720 − 0.3 × 0.6023 + 0 + 0 = 0.5057
Avec Matlab, on peut tracer la réponse impulsionnelle (fonction 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖) :
3. Calculer la réponse fréquentielle du système.
Il faut remplacer 𝑧𝑧 par 𝑒𝑒 𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠 . Cela donne :
2.10−3 + 0.5𝑒𝑒 −𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠

𝐻𝐻′(𝑓𝑓) = 𝐻𝐻�𝑧𝑧 = 𝑒𝑒 𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠 � =
1 − 1.2𝑒𝑒 −𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠 + 0.3𝑒𝑒 −𝑗𝑗4𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠
Avec Matlab, on peut en faire le tracer avec la fonction 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓.
20
10
Magnitude (dB)
-10
-20
0 50 100 150 200 250 300 350 400 450 500
Frequency (Hz)
-50
Phase (degrees)
-100
-150
-200
0 50 100 150 200 250 300 350 400 450 500
Frequency (Hz)

S&S TD Corr

Transféré par

Informations du documentcliquez pour développer les informations du document

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

S&S TD Corr

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

S&S TD Corr

Transféré par

Droits d'auteur :

Formats disponibles

Signal and Systems – Exercices June 2017

Figure 1 - Signal carré de fréquence 𝑓𝑓 = 1/𝑇𝑇

Soit le signal périodique 𝑥𝑥 de fréquence 𝑓𝑓 représenté sur la Figure 1.

𝑥𝑥 (𝑡𝑡) = 𝑎𝑎0 + � 𝑎𝑎𝑛𝑛 cos (2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋) + 𝑏𝑏𝑛𝑛 sin(2𝜋𝜋𝜋𝜋𝜋𝜋𝜋𝜋) = � 𝑐𝑐𝑛𝑛 ej2πfnt

1. Calculer les coefficients 𝑎𝑎𝑛𝑛 et 𝑏𝑏𝑛𝑛 pour tout 𝑛𝑛 ∈ ℕ.

Avec la formule de la DSF et n=N>

3. En déduire les coefficients 𝑐𝑐𝑛𝑛 .

Propriétés de la Transformée de Fourier

1. Quelle est la transformée de Fourier de 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 ?

Exercice 3 : Détermination de la TF de fonctions particulières

1. Montrer que ℱ [𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟] = 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠.

On peut démontrer que :

2. En déduire que ℱ [𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 ] = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟.

Exercice 4 : Calcul de Transformée de Fourier

Calculer la transformée de Fourier de la fonction 𝑥𝑥 avec :

∀𝑡𝑡 ∈ ℝ, 𝑥𝑥 (𝑡𝑡) = 𝑡𝑡 2 𝑒𝑒 −3𝑡𝑡 𝜖𝜖(𝑡𝑡)

On retrouve bien la formule de l’exemple du cours.

Exercice 3 : Jeu des correspondances

𝑡𝑡𝑡𝑡𝑡𝑡 = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 ∗ 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟

Figure 2 - Exercice 3: Partie I

Figure 3 - Exercice 3: Partie II

2. Partie II – Signaux échantillonnés

Le signal continu ci-dessous est échantillonné avec la période d’échantillonnage 𝑇𝑇𝑠𝑠 .

2. Un signal rectangulaire (ou porte) de durée 0.5 ms.

3. Un signal sinusoïdal à 10 kHz.

La fréquence aliasée (nouvelle fréquence) due au recouvrement de spectre est de 5 𝑘𝑘𝑘𝑘𝑘𝑘.

Dans les 3 cas, on précisera si le théorème de Shannon est respecté ou non.

1. Le signal s(t) est-il périodique ? Si oui, de quelle période ? sinon, pourquoi ?

2. Justifier le choix de la fréquence d’échantillonnage.

3. Donner l’expression de S(f) la transformée de Fourier de s(t).

On utilise la propriété de linéarité de la TF :

7. Tracer Se(f) dans le cas où 𝐹𝐹𝑠𝑠 = 100 𝐻𝐻𝐻𝐻.

8. Donner l’expression de Swe(f) sans faire l’application numérique.

L’expression temporelle du signal fenêtre (« w » pour window = fenêtre en anglais) est :

𝑆𝑆𝑤𝑤 (𝑓𝑓) = 𝑆𝑆(𝑓𝑓) ∗ 𝑇𝑇𝑎𝑎 𝑒𝑒 −𝑗𝑗𝑗𝑗𝑗𝑗𝑇𝑇𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑇𝑇𝑎𝑎 𝑓𝑓)

Si on échantillonne ce signal, on a alors :

9. Représenter Swe(f) sur le même graphique que précédemment.

- Augmenter la durée d’acquisition, soit augmenter 𝑇𝑇𝑎𝑎 .

On considère le système suivant :

𝑥𝑥(𝑡𝑡) 𝑥𝑥𝑒𝑒 (𝑡𝑡) 𝑦𝑦(𝑡𝑡)

Soit 𝑥𝑥 (𝑡𝑡) = cos (2𝜋𝜋𝑓𝑓0 𝑡𝑡).

2. Donner l’expression théorique de 𝑦𝑦(𝑡𝑡)

3. Tracer les signaux 𝑥𝑥(𝑡𝑡), 𝑥𝑥𝑒𝑒 (𝑡𝑡) et 𝑦𝑦(𝑡𝑡).

Avec 𝑓𝑓0 = 10 𝐻𝐻𝐻𝐻, on a :

D’après la question précédente,

Donc on peut calculer le spectre 𝑌𝑌(𝑓𝑓) :

𝑌𝑌(𝑓𝑓) = 𝑇𝑇𝑠𝑠 × 𝑋𝑋𝑒𝑒 (𝑓𝑓) × 𝑒𝑒 𝑗𝑗2𝜋𝜋𝜋𝜋𝑇𝑇𝑠𝑠 × 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠(𝑇𝑇𝑠𝑠 𝑓𝑓)

On peut alors tracer ces différents spectres :

3. Partie III – Signaux numériques et TFD

1. Donner l’expression de tous les échantillons 𝑠𝑠𝑘𝑘 .

𝑠𝑠𝑘𝑘 = 𝑎𝑎0 + 𝑎𝑎1 cos(2𝜋𝜋𝑓𝑓1 𝑘𝑘𝑇𝑇𝑠𝑠 ) + 𝑎𝑎2 cos (2𝜋𝜋3𝑓𝑓1 𝑘𝑘𝑇𝑇𝑠𝑠 )

On utilise la propriété de linéarité de la TF :

5. Sur le même graphique, représenter la TFD 𝑆𝑆𝑛𝑛 .

𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 − 3𝑓𝑓1 )� + 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠�𝑇𝑇𝑎𝑎 (𝑓𝑓 + 3𝑓𝑓1 )�

Si on échantillonne ce signal, on a alors :

Exercice 2: Zero padding

On fait l’acquisition de 𝑥𝑥 sur une durée 𝑇𝑇𝑎𝑎 . On note ce signal 𝑥𝑥1 .