SlideShare una empresa de Scribd logo
1 de 11
Descargar para leer sin conexión
07/11/12                                                         chap13-_fin_-TS-exp




                       Traitement de signal                                 -1-                Mastere NTSID


                                              Traitement de signal: signaux, systèmes et filtres
                                                             (Signal Processing)


                                                      Chapitre 1 Généralités + exemples
                                                                             (fin)


                     Plan
                                  1- Signal- Définitions et classification : déterministes/aléatoires,
                                     périodiques/apériodiques, continus/discrets, réels/complexes,
                                     stationnaires/non stationnaires
                                  2- Signaux tests : impulsion de Dirac, porte, échelon, rampe,
                                     sinus…
                                  3- Système- propriétés : invariant, causal, linéaire/non linéaire,
                                     continu/discret
                                  4- Opérations sur les signaux : convolution, corrélation, fonctions
                                     d’inter et d’auto corrélation,

                       M. Ben Messaoud                                 ENIS/CES Lab                  2009/10

dc185.4shared.com/doc/4m4VdWd-/preview.html                                                                    1/11
07/11/12                                               chap13-_fin_-TS-exp




                       Traitement de signal                       -2-                 Mastere NTSID


                     PRODUIT DE CONVOLUTION
                     La Convolution est une notion liée à la Réponse Impulsionnelle (RI)
                     temporelle. Cette notion est très riche et très importante.
                     Définition de la Convolution
                     Soient deux signaux continus suffisamment réguliers x et y, alors on
                     construit un troisième signal z noté    x * y et dit produit de convolution
                     de x et y dont l'expression est donnée par :
                                                                             ∞
                                              z(t) = [x * y](t) = ∫−∞x(τ)y(t - τ)dτ

                     Le calcul de la convolution consiste à calculer la surface du produit
                     x(u)y(t-u).
                     Le signal y(t-u) est simplement le signal initial y(u), retourné dans le
                     temps pour donner y(-u), puis translaté de t.
                     En calculant alors l’ensemble des surfaces obtenues en faisant glisser
                     y, c’est-à-dire pour tous les décalages de t, on obtient le produit de
                     convolution pour tout t.

                       M. Ben Messaoud                       ENIS/CES Lab                  2009/10
dc185.4shared.com/doc/4m4VdWd-/preview.html                                                           2/11
07/11/12                                            chap13-_fin_-TS-exp




                       Traitement de signal                    -3-                  Mastere NTSID

                     Exemple Calculer le produit de convolution des fonctions f(t) et g(t)
                     décrits par les figures suivantes :




                     Opérations sur l’argument de f(x-x’)


                     pour x = 0, on a f(-x')



dc185.4shared.com/doc/4m4VdWd-/preview.html                                                         3/11
07/11/12                                                chap13-_fin_-TS-exp

                       M. Ben Messaoud                        ENIS/CES Lab         2009/10




                       Traitement de signal                        -4-        Mastere NTSID



                     pour x = 1, on a f(-1-x') =f(-[x’+1])


                     pour x = -1, on a f(1-x') =f(-[x’-1])


                       Calculons
                     * pour x' < 0 et x' > 1 on a : f(x') = 0
                     alors on a

                     (1) pour x < -1 on a

                                              = f*g=0

                     (2) pour -1 < x < 0 on a

dc185.4shared.com/doc/4m4VdWd-/preview.html                                                   4/11
07/11/12                                               chap13-_fin_-TS-exp


                       M. Ben Messaoud                       ENIS/CES Lab         2009/10




                       Traitement de signal                       -5-        Mastere NTSID




                     (3) pour 0 < x < 1 on a
                     f * g = 1/ 2 (aire du triangle)

                     (4) pour 1 < x < 2 on a




                     (5) pour x > 2 on a f * g = 0


                     Alors, f * g donne la figure ci contre




dc185.4shared.com/doc/4m4VdWd-/preview.html                                                  5/11
07/11/12                                            chap13-_fin_-TS-exp




                       M. Ben Messaoud                    ENIS/CES Lab         2009/10




                       Traitement de signal                    -6-        Mastere NTSID

                     Exercice
                     Soit le signal x(t) suivant.
                     Ecrire x(t) sous la forme de convolution
                     de deux fonctions de base.




dc185.4shared.com/doc/4m4VdWd-/preview.html                                               6/11
07/11/12                                               chap13-_fin_-TS-exp




                       M. Ben Messaoud                       ENIS/CES Lab                          2009/10




                       Traitement de signal                       -7-                         Mastere NTSID


                     Produit de convolution d’un Syst Lin Invariant
                     La convolution discrète des séquences periodiques x(n) et y(n), (de
                     période N), s’écrit
                                                                 N -1
                                                      1
                                              z(n ) =           ∑            x(k )y(n - k )
                                                      N          k=0

                     Démarche de la convolution numérique
                     Le comportement d'un système linéaire, à temps invariant et discret,
                     entre le signal d'entrée x [n] et signal de sortie y [n] est décrite par le
                     produit de convolution
                                                                 N -1
                                                      1
                                              y(n ) =           ∑ h (k )x(n - k )
                                                      N         k=0

                     Le signal h[n], supposé connu, est la réponse impulsionnelle du
                     système.
dc185.4shared.com/doc/4m4VdWd-/preview.html                                                                   7/11
07/11/12                                              chap13-_fin_-TS-exp


                     La sommation de convolution         a une interprétation graphique simple :

                       M. Ben Messaoud                      ENIS/CES Lab                      2009/10




                       Traitement de signal                      -8-                    Mastere NTSID


                     First, traçant h[k] et "retourner et décaler" x [k- n] sur l'axe k, où n est
                     fixé.
                     Second, multiplier les deux signaux pour obtenir une parcelle de la
                     séquence sommée indexée par k.
                     Additionnant les valeurs de cette séquence par rapport à k ce qui
                     donne y [n].
                     Ces opérations peuvent être répétées pour chaque valeur de n.

                     Exemples
                     x[n] et h[n] sont deux séquences représentés par les figures suivantes.




dc185.4shared.com/doc/4m4VdWd-/preview.html                                                             8/11
07/11/12                                             chap13-_fin_-TS-exp




                     a. esquisser x[n] * h[n].

                       M. Ben Messaoud                     ENIS/CES Lab                       2009/10




                       Traitement de signal                     -9-                    Mastere NTSID

                     b. esquisser x[n - 1] * h[n].
                     c. esquisser (x[n] - x[n - 1]) * h[n].
                     d. esquisser la réponse à un échelon unitaire s[n] of h[n], défini par
                                                       s[n] = u[n] * h[n].
                     Solution
                     On a h(k)= δ (k) + δ (k-1) + δ (k-2) et x[n-k] = x[n]* δ (n-k)
                     a. application de la superposition:
                     n:          -4 -3 -2 -1              0      1     2   3     4
                     x[n] :       0     0 -1 -1            1     1     1   0     0
                     x[n − 1] : 0       0      0 -1 -1           1     1   1     0
                     x[n – 2 ] : 0      0      0     0 -1       -1     1   1     1
                     somm:        0     0     -1 -2 -1           1     3   2     1



dc185.4shared.com/doc/4m4VdWd-/preview.html                                                             9/11
07/11/12                                                         chap13-_fin_-TS-exp




                       M. Ben Messaoud                                 ENIS/CES Lab                               2009/10




                      Traitement de signal                                 - 10 -                            Mastere NTSID


                     b. Retarder l’entrée d’un pas correspond au même retard de la sortie.
                     c. Si l'entrée est la différence de deux signaux, la sortie est la différence
                     entre les sorties correspondantes.

                     n:                       -4   -3   -2 -1       0            1     2    3     4      5       6
                     y[n] :                    0    0   -1 -2     -1             1     3    2    1      0       0
                     y[n − 1] :                0    0     0 -1     -2           -1     1    3     2     1       0
                     diff:                     0    0   -1 -1       1            2     2   -1   -1    -1       0




dc185.4shared.com/doc/4m4VdWd-/preview.html                                                                                  10/11
07/11/12                                      chap13-_fin_-TS-exp




                       M. Ben Messaoud              ENIS/CES Lab    2009/10




dc185.4shared.com/doc/4m4VdWd-/preview.html                                   11/11

Más contenido relacionado

La actualidad más candente

Étude des fonctions à plusieurs variables (GEII MA32)
Étude des fonctions à plusieurs variables (GEII MA32)Étude des fonctions à plusieurs variables (GEII MA32)
Étude des fonctions à plusieurs variables (GEII MA32)Frédéric Morain-Nicolier
 
Chapitre iii récursivité et paradigme diviser pour régner
Chapitre iii récursivité et paradigme diviser pour régnerChapitre iii récursivité et paradigme diviser pour régner
Chapitre iii récursivité et paradigme diviser pour régnerSana Aroussi
 
traitement de signal cours
traitement de signal cours traitement de signal cours
traitement de signal cours sarah Benmerzouk
 
Chapitre 3 NP-complétude
Chapitre 3 NP-complétudeChapitre 3 NP-complétude
Chapitre 3 NP-complétudeSana Aroussi
 
Les algorithmes recurrents
Les algorithmes recurrentsLes algorithmes recurrents
Les algorithmes recurrentsmohamed_SAYARI
 
124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011sunprass
 
Les algorithmes avancés
Les algorithmes avancésLes algorithmes avancés
Les algorithmes avancésmohamed_SAYARI
 
JIM-2022 3 Puissances et racines
JIM-2022 3 Puissances et racinesJIM-2022 3 Puissances et racines
JIM-2022 3 Puissances et racinesClément Boulonne
 
Travaux dirigés
Travaux dirigésTravaux dirigés
Travaux dirigéshoudamath
 
Localisation d’une source émettrice par un réseau d’antennes
Localisation d’une source émettrice par un réseau d’antennesLocalisation d’une source émettrice par un réseau d’antennes
Localisation d’une source émettrice par un réseau d’antennesAhmed Ammar Rebai PhD
 
Traitement de signal -chapitre 1
Traitement de signal -chapitre 1Traitement de signal -chapitre 1
Traitement de signal -chapitre 1Samir Tabib
 
Clustering efficace avec les divergences de bregman
Clustering efficace avec les divergences de bregmanClustering efficace avec les divergences de bregman
Clustering efficace avec les divergences de bregmanMedalith Estrada
 

La actualidad más candente (20)

Étude des fonctions à plusieurs variables (GEII MA32)
Étude des fonctions à plusieurs variables (GEII MA32)Étude des fonctions à plusieurs variables (GEII MA32)
Étude des fonctions à plusieurs variables (GEII MA32)
 
Chapitre iii récursivité et paradigme diviser pour régner
Chapitre iii récursivité et paradigme diviser pour régnerChapitre iii récursivité et paradigme diviser pour régner
Chapitre iii récursivité et paradigme diviser pour régner
 
GEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériquesGEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériques
 
Traitement du signal
Traitement du signalTraitement du signal
Traitement du signal
 
traitement de signal cours
traitement de signal cours traitement de signal cours
traitement de signal cours
 
DCT1 4SI
DCT1  4SIDCT1  4SI
DCT1 4SI
 
Récursivité
RécursivitéRécursivité
Récursivité
 
Chapitre 3 NP-complétude
Chapitre 3 NP-complétudeChapitre 3 NP-complétude
Chapitre 3 NP-complétude
 
Fourier
FourierFourier
Fourier
 
Les algorithmes recurrents
Les algorithmes recurrentsLes algorithmes recurrents
Les algorithmes recurrents
 
124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011124776153 td-automatique-1 a-jmd-2011
124776153 td-automatique-1 a-jmd-2011
 
Les algorithmes avancés
Les algorithmes avancésLes algorithmes avancés
Les algorithmes avancés
 
Mon intervention lors du Ciro10
Mon intervention lors du Ciro10Mon intervention lors du Ciro10
Mon intervention lors du Ciro10
 
JIM-2022 3 Puissances et racines
JIM-2022 3 Puissances et racinesJIM-2022 3 Puissances et racines
JIM-2022 3 Puissances et racines
 
Travaux dirigés
Travaux dirigésTravaux dirigés
Travaux dirigés
 
4e ds2-2012-2013
4e ds2-2012-20134e ds2-2012-2013
4e ds2-2012-2013
 
Localisation d’une source émettrice par un réseau d’antennes
Localisation d’une source émettrice par un réseau d’antennesLocalisation d’une source émettrice par un réseau d’antennes
Localisation d’une source émettrice par un réseau d’antennes
 
Traitement de signal -chapitre 1
Traitement de signal -chapitre 1Traitement de signal -chapitre 1
Traitement de signal -chapitre 1
 
Clustering efficace avec les divergences de bregman
Clustering efficace avec les divergences de bregmanClustering efficace avec les divergences de bregman
Clustering efficace avec les divergences de bregman
 
Résumer arithmétique
Résumer arithmétiqueRésumer arithmétique
Résumer arithmétique
 

Similar a Chap13 fin--ts-exp

Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdfChapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdfHeithem2
 
Cours vibration 2016 prat
Cours vibration 2016 pratCours vibration 2016 prat
Cours vibration 2016 pratOumaimaBenSaid
 
cours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdfcours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdfOllSraphin
 
24032022075339668574813012.pdf
24032022075339668574813012.pdf24032022075339668574813012.pdf
24032022075339668574813012.pdfKarroumAbdelmalek
 
CM-SIC1App_Ch1_IntroSignal.pdf
CM-SIC1App_Ch1_IntroSignal.pdfCM-SIC1App_Ch1_IntroSignal.pdf
CM-SIC1App_Ch1_IntroSignal.pdfdocteurgyneco1
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourierismailkziadi
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourierMehdi Maroun
 
Planification séquentielle pour l'estimation de probabilités de défaillance
Planification séquentielle pour l'estimation de probabilités de défaillancePlanification séquentielle pour l'estimation de probabilités de défaillance
Planification séquentielle pour l'estimation de probabilités de défaillanceJulien Bect
 
TDSA, Analyse Spectrale et Filtrage continu.pdf
TDSA, Analyse Spectrale et Filtrage continu.pdfTDSA, Analyse Spectrale et Filtrage continu.pdf
TDSA, Analyse Spectrale et Filtrage continu.pdfSAHELAicha
 
chap 3 complexité (3).pdf
chap 3 complexité (3).pdfchap 3 complexité (3).pdf
chap 3 complexité (3).pdfdonixwm
 
cours1_courtellemont.ppt
cours1_courtellemont.pptcours1_courtellemont.ppt
cours1_courtellemont.pptTITANIUMALFREDO
 
Les Filtres Numeriques
Les Filtres NumeriquesLes Filtres Numeriques
Les Filtres NumeriquesSAHELAicha
 
Integrales doubles-ou-triples
Integrales doubles-ou-triplesIntegrales doubles-ou-triples
Integrales doubles-ou-triplesm.a bensaaoud
 
Introduction au traitement de signal
Introduction au traitement de signalIntroduction au traitement de signal
Introduction au traitement de signalmanahil2012
 

Similar a Chap13 fin--ts-exp (20)

Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdfChapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
 
Cours vibration 2016 prat
Cours vibration 2016 pratCours vibration 2016 prat
Cours vibration 2016 prat
 
Théorie des distributions
Théorie des distributionsThéorie des distributions
Théorie des distributions
 
CM4 - Transformée en z
CM4 - Transformée en zCM4 - Transformée en z
CM4 - Transformée en z
 
corr_exos.pdf
corr_exos.pdfcorr_exos.pdf
corr_exos.pdf
 
cours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdfcours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdf
 
24032022075339668574813012.pdf
24032022075339668574813012.pdf24032022075339668574813012.pdf
24032022075339668574813012.pdf
 
CM-SIC1App_Ch1_IntroSignal.pdf
CM-SIC1App_Ch1_IntroSignal.pdfCM-SIC1App_Ch1_IntroSignal.pdf
CM-SIC1App_Ch1_IntroSignal.pdf
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
 
transparents-Algo-complexite.pdf
transparents-Algo-complexite.pdftransparents-Algo-complexite.pdf
transparents-Algo-complexite.pdf
 
Planification séquentielle pour l'estimation de probabilités de défaillance
Planification séquentielle pour l'estimation de probabilités de défaillancePlanification séquentielle pour l'estimation de probabilités de défaillance
Planification séquentielle pour l'estimation de probabilités de défaillance
 
TDSA, Analyse Spectrale et Filtrage continu.pdf
TDSA, Analyse Spectrale et Filtrage continu.pdfTDSA, Analyse Spectrale et Filtrage continu.pdf
TDSA, Analyse Spectrale et Filtrage continu.pdf
 
chap 3 complexité (3).pdf
chap 3 complexité (3).pdfchap 3 complexité (3).pdf
chap 3 complexité (3).pdf
 
cours1_courtellemont.ppt
cours1_courtellemont.pptcours1_courtellemont.ppt
cours1_courtellemont.ppt
 
Les Filtres Numeriques
Les Filtres NumeriquesLes Filtres Numeriques
Les Filtres Numeriques
 
Integrales doubles-ou-triples
Integrales doubles-ou-triplesIntegrales doubles-ou-triples
Integrales doubles-ou-triples
 
Introduction au traitement de signal
Introduction au traitement de signalIntroduction au traitement de signal
Introduction au traitement de signal
 
Tds 1
Tds 1Tds 1
Tds 1
 
7480 solutions
7480 solutions7480 solutions
7480 solutions
 

Chap13 fin--ts-exp

  • 1. 07/11/12 chap13-_fin_-TS-exp Traitement de signal -1- Mastere NTSID Traitement de signal: signaux, systèmes et filtres (Signal Processing) Chapitre 1 Généralités + exemples (fin) Plan 1- Signal- Définitions et classification : déterministes/aléatoires, périodiques/apériodiques, continus/discrets, réels/complexes, stationnaires/non stationnaires 2- Signaux tests : impulsion de Dirac, porte, échelon, rampe, sinus… 3- Système- propriétés : invariant, causal, linéaire/non linéaire, continu/discret 4- Opérations sur les signaux : convolution, corrélation, fonctions d’inter et d’auto corrélation, M. Ben Messaoud ENIS/CES Lab 2009/10 dc185.4shared.com/doc/4m4VdWd-/preview.html 1/11
  • 2. 07/11/12 chap13-_fin_-TS-exp Traitement de signal -2- Mastere NTSID PRODUIT DE CONVOLUTION La Convolution est une notion liée à la Réponse Impulsionnelle (RI) temporelle. Cette notion est très riche et très importante. Définition de la Convolution Soient deux signaux continus suffisamment réguliers x et y, alors on construit un troisième signal z noté x * y et dit produit de convolution de x et y dont l'expression est donnée par : ∞ z(t) = [x * y](t) = ∫−∞x(τ)y(t - τ)dτ Le calcul de la convolution consiste à calculer la surface du produit x(u)y(t-u). Le signal y(t-u) est simplement le signal initial y(u), retourné dans le temps pour donner y(-u), puis translaté de t. En calculant alors l’ensemble des surfaces obtenues en faisant glisser y, c’est-à-dire pour tous les décalages de t, on obtient le produit de convolution pour tout t. M. Ben Messaoud ENIS/CES Lab 2009/10 dc185.4shared.com/doc/4m4VdWd-/preview.html 2/11
  • 3. 07/11/12 chap13-_fin_-TS-exp Traitement de signal -3- Mastere NTSID Exemple Calculer le produit de convolution des fonctions f(t) et g(t) décrits par les figures suivantes : Opérations sur l’argument de f(x-x’) pour x = 0, on a f(-x') dc185.4shared.com/doc/4m4VdWd-/preview.html 3/11
  • 4. 07/11/12 chap13-_fin_-TS-exp M. Ben Messaoud ENIS/CES Lab 2009/10 Traitement de signal -4- Mastere NTSID pour x = 1, on a f(-1-x') =f(-[x’+1]) pour x = -1, on a f(1-x') =f(-[x’-1]) Calculons * pour x' < 0 et x' > 1 on a : f(x') = 0 alors on a (1) pour x < -1 on a = f*g=0 (2) pour -1 < x < 0 on a dc185.4shared.com/doc/4m4VdWd-/preview.html 4/11
  • 5. 07/11/12 chap13-_fin_-TS-exp M. Ben Messaoud ENIS/CES Lab 2009/10 Traitement de signal -5- Mastere NTSID (3) pour 0 < x < 1 on a f * g = 1/ 2 (aire du triangle) (4) pour 1 < x < 2 on a (5) pour x > 2 on a f * g = 0 Alors, f * g donne la figure ci contre dc185.4shared.com/doc/4m4VdWd-/preview.html 5/11
  • 6. 07/11/12 chap13-_fin_-TS-exp M. Ben Messaoud ENIS/CES Lab 2009/10 Traitement de signal -6- Mastere NTSID Exercice Soit le signal x(t) suivant. Ecrire x(t) sous la forme de convolution de deux fonctions de base. dc185.4shared.com/doc/4m4VdWd-/preview.html 6/11
  • 7. 07/11/12 chap13-_fin_-TS-exp M. Ben Messaoud ENIS/CES Lab 2009/10 Traitement de signal -7- Mastere NTSID Produit de convolution d’un Syst Lin Invariant La convolution discrète des séquences periodiques x(n) et y(n), (de période N), s’écrit N -1 1 z(n ) = ∑ x(k )y(n - k ) N k=0 Démarche de la convolution numérique Le comportement d'un système linéaire, à temps invariant et discret, entre le signal d'entrée x [n] et signal de sortie y [n] est décrite par le produit de convolution N -1 1 y(n ) = ∑ h (k )x(n - k ) N k=0 Le signal h[n], supposé connu, est la réponse impulsionnelle du système. dc185.4shared.com/doc/4m4VdWd-/preview.html 7/11
  • 8. 07/11/12 chap13-_fin_-TS-exp La sommation de convolution a une interprétation graphique simple : M. Ben Messaoud ENIS/CES Lab 2009/10 Traitement de signal -8- Mastere NTSID First, traçant h[k] et "retourner et décaler" x [k- n] sur l'axe k, où n est fixé. Second, multiplier les deux signaux pour obtenir une parcelle de la séquence sommée indexée par k. Additionnant les valeurs de cette séquence par rapport à k ce qui donne y [n]. Ces opérations peuvent être répétées pour chaque valeur de n. Exemples x[n] et h[n] sont deux séquences représentés par les figures suivantes. dc185.4shared.com/doc/4m4VdWd-/preview.html 8/11
  • 9. 07/11/12 chap13-_fin_-TS-exp a. esquisser x[n] * h[n]. M. Ben Messaoud ENIS/CES Lab 2009/10 Traitement de signal -9- Mastere NTSID b. esquisser x[n - 1] * h[n]. c. esquisser (x[n] - x[n - 1]) * h[n]. d. esquisser la réponse à un échelon unitaire s[n] of h[n], défini par s[n] = u[n] * h[n]. Solution On a h(k)= δ (k) + δ (k-1) + δ (k-2) et x[n-k] = x[n]* δ (n-k) a. application de la superposition: n: -4 -3 -2 -1 0 1 2 3 4 x[n] : 0 0 -1 -1 1 1 1 0 0 x[n − 1] : 0 0 0 -1 -1 1 1 1 0 x[n – 2 ] : 0 0 0 0 -1 -1 1 1 1 somm: 0 0 -1 -2 -1 1 3 2 1 dc185.4shared.com/doc/4m4VdWd-/preview.html 9/11
  • 10. 07/11/12 chap13-_fin_-TS-exp M. Ben Messaoud ENIS/CES Lab 2009/10 Traitement de signal - 10 - Mastere NTSID b. Retarder l’entrée d’un pas correspond au même retard de la sortie. c. Si l'entrée est la différence de deux signaux, la sortie est la différence entre les sorties correspondantes. n: -4 -3 -2 -1 0 1 2 3 4 5 6 y[n] : 0 0 -1 -2 -1 1 3 2 1 0 0 y[n − 1] : 0 0 0 -1 -2 -1 1 3 2 1 0 diff: 0 0 -1 -1 1 2 2 -1 -1 -1 0 dc185.4shared.com/doc/4m4VdWd-/preview.html 10/11
  • 11. 07/11/12 chap13-_fin_-TS-exp M. Ben Messaoud ENIS/CES Lab 2009/10 dc185.4shared.com/doc/4m4VdWd-/preview.html 11/11