SlideShare une entreprise Scribd logo
MA32 (GEII - S3)
B - T RANSFORMÉE EN Z ET CONVOLUTION DISCRÈTE :
EXPOSITION

F. Morain-Nicolier
frederic.nicolier@univ-reims.fr

2013 - 2014 / URCA - IUT Troyes

1 / 25
O UTLINE

1. S IGNAUX DISCRETS

2. U N SYSTÈME DISCRET SIMPLE

3. P RINCIPALES PROPRIÉTÉS DE LA TZ

2 / 25
1.1 S IGNAUX DISCRETS ?
Un signal est le support physique d’une information (ex :
signaux sonores, visuels)
signaux continus (analogiques), discrets (échantillonnés),
numériques (échantillonnés et quantifiés)

F IGURE : Signal échantillonné

3 / 25
1.1 S IGNAUX DISCRETS ?

F IGURE : Signal mal échantillonné

4 / 25
1.2 N OTATION MATHÉMATIQUE DES SIGNAUX
DISCRETS

Un signal discret est donc un liste ordonné de valeurs réelles
ou complexes
En mathématique, on le représente donc par une suite
numérique
(D ÉFINITION ) Une suite numérique (un )n∈N est une
application de N sur R (ou C). un est le terme
général de la suite.

5 / 25
1.2 S UITES ET SÉRIES

Une série est obtenue en sommant les termes généraux d’une
suite, en particulier :
(Définition) Une série {un } est la somme des termes généraux
un de la suite (un ).
∞

{un } =

∑

n=0

∞

un ou {un } =

∑

n=−∞

un

ex : série de Fourier

6 / 25
1.3 Q UELQUES EXEMPLES
impulsion unité

δn =

1
0

si n = 0
.
sinon

7 / 25
1.3 Q UELQUES EXEMPLES
Échelon unité
un =

1
0

si n ≥ 0
sinon

8 / 25
1.3 Q UELQUES EXEMPLES
Signal exponentiel
xn = an

9 / 25
O UTLINE

1. S IGNAUX DISCRETS

2. U N SYSTÈME DISCRET SIMPLE

3. P RINCIPALES PROPRIÉTÉS DE LA TZ

10 / 25
2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE
(xk)

(yk)

+
a

retard

F IGURE : système discret simple

yk = xk + ayk−1 . (0)

C’est une équation aux différences (simple)
Cherchons à exprimer explicitement (yk ) en fonction de
(xk )
11 / 25
2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE

On a donc

k

yk =

∑

n=−∞

ak−n xn .

Reformulons la sortie en posant
hn =

0
an

si t < 0
.
si n ≥ 0

12 / 25
2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE

(hn ) est donc la réponse impulsionnelle du système.
Cherchons la réponse à une entrée
xk = zk
où z est un nombre complexe fixé.
Montrons alors que
yk =

z
xk .
z−a

13 / 25
2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE

H (z) =

z
z−a

est la fonction de transfert du filtre.
C’est une fonction de la variable z, définie dans le domaine
|z| > |a|.
Explicitons l’obtention de H (z) à partir de (hn ).

14 / 25
2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE

H (z) est donc la transformée en z de (hn ), avec
∞

Z [ fn ] =

∑

n=−∞

fn z − n .

quelles sont ses propriétés ?
quelles sont ses conditions d’existence et de convergence ?

⇒ suites et séries numériques et de fonctions

15 / 25
O UTLINE

1. S IGNAUX DISCRETS

2. U N SYSTÈME DISCRET SIMPLE

3. P RINCIPALES PROPRIÉTÉS DE LA TZ

16 / 25
3.1. D ÉFINITION
(D ÉFINITION ) La transformée en z d’un signal discret (xn ) est
∞

X ( z ) = Z [ fn ] =

∑

n=−∞

fn z − n

où z est une variable complexe.

La TZ peut-être considérée comme une généralisation de
la transformée de Fourier (poser z = eiω )
La TZ constitue l’outil privilégié pour l’étude des système
discrets.
Elle joue un rôle équivalent à la transformée de Laplace
Par exemple, la TZ permet de représenter un signal possédant
une infinité d’échantillons par un ensemble fini de nombres.
17 / 25
3.2 D OMAINE DE CONVERGENCE
TRANSIORMATIONIN/

45

r R*- la limite
La TZ n’a de sens que si l’on précise le domaine des valeurs de
lim lr( & 1l 1/* = 4,(2.8)
z pour lesquelles la série existe.

série

Xr(z)

converge alors pour lzl

>Rr_.

Avec le changement de variable / =

-k,

peut montrer d'ure madère similaire que la série Xl (z) converge pour lzl (Â,+,
Nous montrerons (plus tard) que le domaine de convergence
R,a est la lirnite
de X(z) est un anneau du plan complexe.
R,+ = 1/[ lim lx( -/)lt/t
(2.e)
:

,- + -

si,
série TZ converge si
Ainsilaune(2.1) converge en général dans un anneau du plan complexe
0 ( R,- ( lzl ( R,* ( +R < |z| < R

x−

i est illustré sur la figure

tt évident que si Àx-

)

2. I

.

x+

(2.r 0)

Rjr, et .R, + caractérisent le signal x
série (2.1) n'est pas convergente.

Les limites

À,-} , la

des z donné

///l

Fig.2.l

([

).

résiortr de convetzenî.e

18 / 25
3.3 E XEMPLES

TZ de l’impulsion unité
Z[δn ] = 1
TZ de l’échelon unité
Z [ un ] =

1
1 − z−1

TZ du signal exponentiel
Z [ an u n ] =

z
z−a

19 / 25
3.4 P ROPRIÉTÉS
(L INÉARITÉ ) Soit sn = axn + byn alors
S(z) = aX(z) + bY(z).

Quel est le domaine de convergence ?
(D ÉCALAGE ) Si yn = xn−n0 alors
Y ( z ) = z − n0 X ( z ) .
En particulier, si yn = xn−1 , Y(z) = z−1 X(z).

20 / 25
3.4 P ROPRIÉTÉS
(D ÉRIVÉE ) La dérivée d’une TZ multipliée par −z est la TZ
du signal multiplié par n :

−z

∞
dX(z)
= ∑ nxn z−n = Z[nxn ]
dz
n=−∞

(C ONVOLUTION ) La convolution discrète étant définie par
∞

xn ∗ yn =

∑

xn−k yn ,

k=−∞

la TZ est
Z[xn ∗ yn ] = X(z)Y(z).

21 / 25
3.5 R EPRÉSENTATION PAR PÔLES ET ZÉROS

Considérons H (z) = Z[hn ].
Les pôles de H(z) sont les valeurs de z pour lequelles H (z)
tend vers l’infini.
Les zéros de H(z) sont les valeurs de z pour lesquelles H (z)
est nul.
Les pôles et les zéros complexes de H (z) sont de la forme
α ± iβ.

22 / 25
3.5 R EPRÉSENTATION PAR PÔLES ET ZÉROS
Si X(z) possède M zéros zm et N pôles pn , on peut la mettre sous
la forme :
X (z)
Y (z)
b + b1 z − 1 + . . . + bM z − M
= 0
1 + a1 z−1 + . . . + aN z−N
∏M (z − zm )
= A m=1
∏N=1 (z − pn )
n

H (z) =

On peut toujours écrire une TZ sous cette forme, et donc
représenter le signal par des listes de pôles et de zéros.
Exemple :
H ( z ) = Z ( an u n ) =

z
z−a
23 / 25
3.6. TZ INVERSE
À partir de la TZ X(z) d’un signal, l’original xn peut être
retrouvé de plusieurs manières :
en développant X(z) en une série (puissance par exemple)
en utilisant le théorème des résidus pour calculer
xn =

1
2iπ

Γ

X(z)zn−1 dz

où Γ est un lacet entourant l’origine, situé dans la
couronne de convergence et orienté dans le sens positif.
un formulaire

24 / 25
3.6. TZ INVERSE
Le théorème des résidus indique que l’intégrale sur un
contour fermé C d’une fonction complexe holomorphe
F(z) rationnelle vaut

C

F(z)dz = 2iπ

∑

pi ∈C

Résidu(pi )

où pi est un pôle de F(z).
(Fonction holomorphe = fonction à valeurs complexes, définie et
dérivable en tout point d’un sous-ensemble ouvert du plan complexe.)
si pi est un pôle simple : Résidu(pi ) = limz→pi (z − pi )F(z)
1
Exemple : calcul de Z−1 [ 1+az−1 ].
25 / 25

Contenu connexe

PDF
Prml
PDF
EXPOSE SUR L’ALGORITHME DU TRI À BULLES (BUBBLE SORT).
PPT
03 truncation errors
PDF
ΠΛΗ30 ΔΙΑΓΩΝΙΣΜΑ 7
PDF
traitement de signal cours
PDF
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
PDF
Chapitre 4 récursivité
Prml
EXPOSE SUR L’ALGORITHME DU TRI À BULLES (BUBBLE SORT).
03 truncation errors
ΠΛΗ30 ΔΙΑΓΩΝΙΣΜΑ 7
traitement de signal cours
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
Chapitre 4 récursivité

Tendances (20)

PPTX
Les algorithmes d’approximation
PDF
S3.echantillonnage estimation-s3
PDF
1 entropie-capacite theorie de l'information
PDF
Chap4 Récursivité en python
PDF
Chapitre i rappel sur l'algèbre de boole
KEY
Ääriarvojen laskeminen
PPT
Architecture des ordinateurs Elaboré par- ABIDA Mounir.ppt
PDF
Les algorithmes d'arithmetique
PDF
Les Filtres Numeriques
PDF
PRML 5.2.1-5.3.3 ニューラルネットワークの学習 (誤差逆伝播) / Training Neural Networks (Backpropa...
PDF
Stuff You Must Know Cold for the AP Calculus BC Exam!
PDF
Correction
PDF
Cours algorithmique et complexite complet
PDF
Mes devoirs 4 si
PDF
Algorithmes de tri
PPTX
FM calculus
PDF
Chapitre 1 arbres de recherche
DOCX
Résumé Algorithme et Programmation
PDF
Filtrage image
PDF
cours algorithme
Les algorithmes d’approximation
S3.echantillonnage estimation-s3
1 entropie-capacite theorie de l'information
Chap4 Récursivité en python
Chapitre i rappel sur l'algèbre de boole
Ääriarvojen laskeminen
Architecture des ordinateurs Elaboré par- ABIDA Mounir.ppt
Les algorithmes d'arithmetique
Les Filtres Numeriques
PRML 5.2.1-5.3.3 ニューラルネットワークの学習 (誤差逆伝播) / Training Neural Networks (Backpropa...
Stuff You Must Know Cold for the AP Calculus BC Exam!
Correction
Cours algorithmique et complexite complet
Mes devoirs 4 si
Algorithmes de tri
FM calculus
Chapitre 1 arbres de recherche
Résumé Algorithme et Programmation
Filtrage image
cours algorithme
Publicité

Similaire à Introduction à la transformée en z et convolution discrète (GEII MA32) (20)

PDF
GEII - OL3 : Signaux et systèmes numériques
PDF
andrix en Z pour les fort et etudiant###
DOCX
Les séries de Laurens et La transformee en Z
PDF
GEII - Ma3 - Représentations de Fourier et convolution
PDF
Sujettdtds
PPTX
traitement-du-signal-avance.pptx
PDF
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
PPT
CM4 - Transformée en z
PDF
Chapitre 2-Transformer en Z.pdf
PDF
exercice de transformer en Z l'automatique
PDF
Ch-3_Transformée en Z cours asservissement
PPT
Traitement de signal rappel outilmathematiques
PDF
Dea mip
PPT
chap2 outil_mathematiques
PDF
Theorie du signal
PDF
Exercices avec les solutions d'analyse complexe
PDF
Rappel de cours traitement de signal
PPTX
Transparents Filtrage Analogique.pptx
PDF
Travaux pratique de Traitement du Signal seconde
GEII - OL3 : Signaux et systèmes numériques
andrix en Z pour les fort et etudiant###
Les séries de Laurens et La transformee en Z
GEII - Ma3 - Représentations de Fourier et convolution
Sujettdtds
traitement-du-signal-avance.pptx
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
CM4 - Transformée en z
Chapitre 2-Transformer en Z.pdf
exercice de transformer en Z l'automatique
Ch-3_Transformée en Z cours asservissement
Traitement de signal rappel outilmathematiques
Dea mip
chap2 outil_mathematiques
Theorie du signal
Exercices avec les solutions d'analyse complexe
Rappel de cours traitement de signal
Transparents Filtrage Analogique.pptx
Travaux pratique de Traitement du Signal seconde
Publicité

Plus de Frédéric Morain-Nicolier (12)

PDF
Practising Fourier Analysis with Digital Images
PDF
GEII - Ma3 - Matrices
PDF
GEII - Ma3 - Suites et séries
PDF
Étude des fonctions à plusieurs variables (GEII MA32)
PDF
2012.09.25 - Local and non-metric similarities between images - why, how and ...
PDF
Capteurs de positions
PDF
SRC - SAV - La lumière
PDF
SRC - SAV - Système Visuel et Auditif Humain
PDF
Mesures de dissimilarités locales et globales entre images, symétriques et as...
PDF
Binary Symbol Recognition from Local Dissimilarity Map
Practising Fourier Analysis with Digital Images
GEII - Ma3 - Matrices
GEII - Ma3 - Suites et séries
Étude des fonctions à plusieurs variables (GEII MA32)
2012.09.25 - Local and non-metric similarities between images - why, how and ...
Capteurs de positions
SRC - SAV - La lumière
SRC - SAV - Système Visuel et Auditif Humain
Mesures de dissimilarités locales et globales entre images, symétriques et as...
Binary Symbol Recognition from Local Dissimilarity Map

Dernier (20)

PPTX
Le rendez-vous de l'été.pptx Film français
PPTX
Hopital bonne sante.pptxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
PPTX
Copie de Présentation Personal Branding J2025.pptx_20250610_120558_0000.pptx
PDF
_LEAN_MANAGEMENT_Am_lioration_continue_�_1724845102.pdf
PDF
585-developpement-d-une-application-avec-python-fr-en-business.pdf
PPTX
risque environnema et mesure protect.pptx
PDF
Avis Digital Marketing Elite: Mon Retour d'Expérience Après 3 Mois d'Utilisation
PPTX
Informatique pour débutants niveau 1.pptx
PPTX
Fondamentaux du LMD.pptx pour les etudiants
PPTX
Formation Equipement de protection .pptx
PPTX
Marketing de l'Artisanat et la technique
PPTX
Conception de documents et d'interfaces numériques.pptx
PPT
le-subjonctif-présent, Grammaire, français
PPTX
le subjonctif présent, Conjugaison français
PPTX
Présentation Personal Branding J2025.pptx_20250218_132749_0000.pptx_20250610_...
PPTX
SESSION2-SUPPORT-DE-COURS-FLEC-(Future leader en énergie au Cameroun)-CECOSDA...
PPTX
Séminaire protection des personnes vulnérables.pptx
PPTX
SESSION4-SUPPORT-DE-COURS-FLEC-(Future leader en énergie au Cameroun)-CECOSDA...
PPTX
SESSION5-SUPPORT-DE-COURS-FLEC-(Future leader en énergie au Cameroun)-CECOSDA...
PPTX
le-present-de-lindicatif-ou-le-subjonctif-present-exercice-grammatical-feuill...
Le rendez-vous de l'été.pptx Film français
Hopital bonne sante.pptxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
Copie de Présentation Personal Branding J2025.pptx_20250610_120558_0000.pptx
_LEAN_MANAGEMENT_Am_lioration_continue_�_1724845102.pdf
585-developpement-d-une-application-avec-python-fr-en-business.pdf
risque environnema et mesure protect.pptx
Avis Digital Marketing Elite: Mon Retour d'Expérience Après 3 Mois d'Utilisation
Informatique pour débutants niveau 1.pptx
Fondamentaux du LMD.pptx pour les etudiants
Formation Equipement de protection .pptx
Marketing de l'Artisanat et la technique
Conception de documents et d'interfaces numériques.pptx
le-subjonctif-présent, Grammaire, français
le subjonctif présent, Conjugaison français
Présentation Personal Branding J2025.pptx_20250218_132749_0000.pptx_20250610_...
SESSION2-SUPPORT-DE-COURS-FLEC-(Future leader en énergie au Cameroun)-CECOSDA...
Séminaire protection des personnes vulnérables.pptx
SESSION4-SUPPORT-DE-COURS-FLEC-(Future leader en énergie au Cameroun)-CECOSDA...
SESSION5-SUPPORT-DE-COURS-FLEC-(Future leader en énergie au Cameroun)-CECOSDA...
le-present-de-lindicatif-ou-le-subjonctif-present-exercice-grammatical-feuill...

Introduction à la transformée en z et convolution discrète (GEII MA32)

  • 1. MA32 (GEII - S3) B - T RANSFORMÉE EN Z ET CONVOLUTION DISCRÈTE : EXPOSITION F. Morain-Nicolier frederic.nicolier@univ-reims.fr 2013 - 2014 / URCA - IUT Troyes 1 / 25
  • 2. O UTLINE 1. S IGNAUX DISCRETS 2. U N SYSTÈME DISCRET SIMPLE 3. P RINCIPALES PROPRIÉTÉS DE LA TZ 2 / 25
  • 3. 1.1 S IGNAUX DISCRETS ? Un signal est le support physique d’une information (ex : signaux sonores, visuels) signaux continus (analogiques), discrets (échantillonnés), numériques (échantillonnés et quantifiés) F IGURE : Signal échantillonné 3 / 25
  • 4. 1.1 S IGNAUX DISCRETS ? F IGURE : Signal mal échantillonné 4 / 25
  • 5. 1.2 N OTATION MATHÉMATIQUE DES SIGNAUX DISCRETS Un signal discret est donc un liste ordonné de valeurs réelles ou complexes En mathématique, on le représente donc par une suite numérique (D ÉFINITION ) Une suite numérique (un )n∈N est une application de N sur R (ou C). un est le terme général de la suite. 5 / 25
  • 6. 1.2 S UITES ET SÉRIES Une série est obtenue en sommant les termes généraux d’une suite, en particulier : (Définition) Une série {un } est la somme des termes généraux un de la suite (un ). ∞ {un } = ∑ n=0 ∞ un ou {un } = ∑ n=−∞ un ex : série de Fourier 6 / 25
  • 7. 1.3 Q UELQUES EXEMPLES impulsion unité δn = 1 0 si n = 0 . sinon 7 / 25
  • 8. 1.3 Q UELQUES EXEMPLES Échelon unité un = 1 0 si n ≥ 0 sinon 8 / 25
  • 9. 1.3 Q UELQUES EXEMPLES Signal exponentiel xn = an 9 / 25
  • 10. O UTLINE 1. S IGNAUX DISCRETS 2. U N SYSTÈME DISCRET SIMPLE 3. P RINCIPALES PROPRIÉTÉS DE LA TZ 10 / 25
  • 11. 2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE (xk) (yk) + a retard F IGURE : système discret simple yk = xk + ayk−1 . (0) C’est une équation aux différences (simple) Cherchons à exprimer explicitement (yk ) en fonction de (xk ) 11 / 25
  • 12. 2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE On a donc k yk = ∑ n=−∞ ak−n xn . Reformulons la sortie en posant hn = 0 an si t < 0 . si n ≥ 0 12 / 25
  • 13. 2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE (hn ) est donc la réponse impulsionnelle du système. Cherchons la réponse à une entrée xk = zk où z est un nombre complexe fixé. Montrons alors que yk = z xk . z−a 13 / 25
  • 14. 2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE H (z) = z z−a est la fonction de transfert du filtre. C’est une fonction de la variable z, définie dans le domaine |z| > |a|. Explicitons l’obtention de H (z) à partir de (hn ). 14 / 25
  • 15. 2.1. É TUDE D ’ UN SYSTÈME DISCRET SIMPLE H (z) est donc la transformée en z de (hn ), avec ∞ Z [ fn ] = ∑ n=−∞ fn z − n . quelles sont ses propriétés ? quelles sont ses conditions d’existence et de convergence ? ⇒ suites et séries numériques et de fonctions 15 / 25
  • 16. O UTLINE 1. S IGNAUX DISCRETS 2. U N SYSTÈME DISCRET SIMPLE 3. P RINCIPALES PROPRIÉTÉS DE LA TZ 16 / 25
  • 17. 3.1. D ÉFINITION (D ÉFINITION ) La transformée en z d’un signal discret (xn ) est ∞ X ( z ) = Z [ fn ] = ∑ n=−∞ fn z − n où z est une variable complexe. La TZ peut-être considérée comme une généralisation de la transformée de Fourier (poser z = eiω ) La TZ constitue l’outil privilégié pour l’étude des système discrets. Elle joue un rôle équivalent à la transformée de Laplace Par exemple, la TZ permet de représenter un signal possédant une infinité d’échantillons par un ensemble fini de nombres. 17 / 25
  • 18. 3.2 D OMAINE DE CONVERGENCE TRANSIORMATIONIN/ 45 r R*- la limite La TZ n’a de sens que si l’on précise le domaine des valeurs de lim lr( & 1l 1/* = 4,(2.8) z pour lesquelles la série existe. série Xr(z) converge alors pour lzl >Rr_. Avec le changement de variable / = -k, peut montrer d'ure madère similaire que la série Xl (z) converge pour lzl (Â,+, Nous montrerons (plus tard) que le domaine de convergence R,a est la lirnite de X(z) est un anneau du plan complexe. R,+ = 1/[ lim lx( -/)lt/t (2.e) : ,- + - si, série TZ converge si Ainsilaune(2.1) converge en général dans un anneau du plan complexe 0 ( R,- ( lzl ( R,* ( +R < |z| < R x− i est illustré sur la figure tt évident que si Àx- ) 2. I . x+ (2.r 0) Rjr, et .R, + caractérisent le signal x série (2.1) n'est pas convergente. Les limites À,-} , la des z donné ///l Fig.2.l ([ ). résiortr de convetzenî.e 18 / 25
  • 19. 3.3 E XEMPLES TZ de l’impulsion unité Z[δn ] = 1 TZ de l’échelon unité Z [ un ] = 1 1 − z−1 TZ du signal exponentiel Z [ an u n ] = z z−a 19 / 25
  • 20. 3.4 P ROPRIÉTÉS (L INÉARITÉ ) Soit sn = axn + byn alors S(z) = aX(z) + bY(z). Quel est le domaine de convergence ? (D ÉCALAGE ) Si yn = xn−n0 alors Y ( z ) = z − n0 X ( z ) . En particulier, si yn = xn−1 , Y(z) = z−1 X(z). 20 / 25
  • 21. 3.4 P ROPRIÉTÉS (D ÉRIVÉE ) La dérivée d’une TZ multipliée par −z est la TZ du signal multiplié par n : −z ∞ dX(z) = ∑ nxn z−n = Z[nxn ] dz n=−∞ (C ONVOLUTION ) La convolution discrète étant définie par ∞ xn ∗ yn = ∑ xn−k yn , k=−∞ la TZ est Z[xn ∗ yn ] = X(z)Y(z). 21 / 25
  • 22. 3.5 R EPRÉSENTATION PAR PÔLES ET ZÉROS Considérons H (z) = Z[hn ]. Les pôles de H(z) sont les valeurs de z pour lequelles H (z) tend vers l’infini. Les zéros de H(z) sont les valeurs de z pour lesquelles H (z) est nul. Les pôles et les zéros complexes de H (z) sont de la forme α ± iβ. 22 / 25
  • 23. 3.5 R EPRÉSENTATION PAR PÔLES ET ZÉROS Si X(z) possède M zéros zm et N pôles pn , on peut la mettre sous la forme : X (z) Y (z) b + b1 z − 1 + . . . + bM z − M = 0 1 + a1 z−1 + . . . + aN z−N ∏M (z − zm ) = A m=1 ∏N=1 (z − pn ) n H (z) = On peut toujours écrire une TZ sous cette forme, et donc représenter le signal par des listes de pôles et de zéros. Exemple : H ( z ) = Z ( an u n ) = z z−a 23 / 25
  • 24. 3.6. TZ INVERSE À partir de la TZ X(z) d’un signal, l’original xn peut être retrouvé de plusieurs manières : en développant X(z) en une série (puissance par exemple) en utilisant le théorème des résidus pour calculer xn = 1 2iπ Γ X(z)zn−1 dz où Γ est un lacet entourant l’origine, situé dans la couronne de convergence et orienté dans le sens positif. un formulaire 24 / 25
  • 25. 3.6. TZ INVERSE Le théorème des résidus indique que l’intégrale sur un contour fermé C d’une fonction complexe holomorphe F(z) rationnelle vaut C F(z)dz = 2iπ ∑ pi ∈C Résidu(pi ) où pi est un pôle de F(z). (Fonction holomorphe = fonction à valeurs complexes, définie et dérivable en tout point d’un sous-ensemble ouvert du plan complexe.) si pi est un pôle simple : Résidu(pi ) = limz→pi (z − pi )F(z) 1 Exemple : calcul de Z−1 [ 1+az−1 ]. 25 / 25