La transformation en Z est un outil mathématique de l'automatique et du traitement du signal, qui est l'équivalent discret de la transformation de Laplace. Elle transforme un signal réel du domaine temporel en un signal représenté par une série complexe et appelé transformée en Z.
Elle est utilisée entre autres pour le calcul de filtres numériques à réponse impulsionnelle infinie et en automatique pour modéliser des systèmes dynamiques de manière discrète.
Sa définition mathématique est la suivante : la transformation en Z est une application qui transforme une suite s (définie sur les entiers) en une fonction S d'une variable complexe nommée z, telle que :
La variable n représente en général le temps discrétisé, la variable complexe z n'est qu'un être mathématique. Lorsqu'on travaille sur s(n) on dit que l'on est dans le domaine temporel, lorsqu'on travaille sur S(z) le domaine est appelé fréquentiel par analogie avec la transformée de Fourier.
Si , on parle de signal causal.
Inversement, si , on parle de signal anti-causal.
Pour les signaux causaux, on peut aussi utiliser la transformée en Z monolatérale :
Le domaine de convergence est le sous-ensemble de dans lequel la série converge.
Autrement dit, le domaine de convergence de la transformée en de la suite est l'ensemble :
Le sous-ensemble de dans lequel cette série converge absolument est appelé la couronne de convergence. En posant , il vient :
avec
Le domaine de convergence absolue de est donc une couronne
où signifie à chaque fois ou et où l'inégalité (large ou stricte) (resp. ) est la condition nécessaire et suffisante pour que ait une limite finie lorsque (resp. ) tend vers . Explicitement,
Dans toute la suite de l'article, la couronne de convergence est supposée non vide et les transformées en Z sont valides pour seulement.
On montre les propriétés énoncées ci-dessous :
Linéarité
La transformée en Z d'une combinaison linéaire de deux signaux est la combinaison linéaire des transformées en Z de chaque signal.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Students learn digital signal processing theory, including discrete time, Fourier analysis, filter design, adaptive filtering, sampling, interpolation and quantization; they are introduced to image pr
A theoretical and computational framework for signal sampling and approximation is presented from an intuitive geometric point of view. This lecture covers both mathematical and practical aspects of
This course covers fundamental notions in image and video processing, as well as covers most popular tools used, such as edge detection, motion estimation, segmentation, and compression. It is compose
Basic signal processing concepts, Fourier analysis and filters. This module can
be used as a starting point or a basic refresher in elementary DSP
Adaptive signal processing, A/D and D/A. This module provides the basic
tools for adaptive filtering and a solid mathematical framework for sampling and
quantization
Advanced topics: this module covers real-time audio processing (with
examples on a hardware board), image processing and communication system design.
Explore la transformation en Z, les propriétés du système et l'analyse des systèmes discrets, en se concentrant sur les fonctions de stabilité et de transfert.
Couvre les principes de l'approximation dérivée dans les systèmes à temps discret.
In system analysis, among other fields of study, a linear time-invariant (LTI) system is a system that produces an output signal from any input signal subject to the constraints of linearity and time-invariance; these terms are briefly defined below. These properties apply (exactly or approximately) to many important physical systems, in which case the response y(t) of the system to an arbitrary input x(t) can be found directly using convolution: y(t) = (x ∗ h)(t) where h(t) is called the system's impulse response and ∗ represents convolution (not to be confused with multiplication).
vignette|300px|right|Réponses impulsionnelles d'un système audio simple (de haut en bas) : impulsion originale à l'entrée, réponse après amplification des hautes fréquences et réponse après amplification des basses fréquences. En traitement du signal, la réponse impulsionnelle d'un processus est le signal de sortie qui est obtenu lorsque l'entrée reçoit une impulsion, c'est-à-dire une variation soudaine et brève du signal.
La transformation en Z est un outil mathématique de l'automatique et du traitement du signal, qui est l'équivalent discret de la transformation de Laplace. Elle transforme un signal réel du domaine temporel en un signal représenté par une série complexe et appelé transformée en Z. Elle est utilisée entre autres pour le calcul de filtres numériques à réponse impulsionnelle infinie et en automatique pour modéliser des systèmes dynamiques de manière discrète.
Shift-invariant spaces play an important role in sampling theory, multiresolution analysis, and many other areas of signal and image processing. A special class of the shift-invariant spaces is the cl
In this paper, we present a stable method for simulating passive distributed networks connected to linear and nonlinear devices using the time marching (TM) method. The method is based on the use of t
Institute of Electrical and Electronics Engineers2017
A stable method for the analysis of lossy transmission lines with nonlinear loads is presented. The simulation employs the time marching (TM) method for solving the convolution equations in the time d