Traitement Num´rique e du Signal D´terministe e

(2008-2009) - FIP 2A

Christophe DOIGNON Maˆ de Conf´rences HdR ıtre e

Universit´ Louis Pasteur de Strasbourg e Bureau C418 - ENSPS, Pˆle API o Boulevard Brant, 67412 Illkirch, France 03 90 24 43 41 courriel : christophe.doignon@ensps.u-strasbg.fr

Table des mati`res e
Bibliographie 1 Rappels de Premi`re Ann´e e e 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Repr´sentation des Signaux D´terministes . . . . . . . . . . . . e e 1.2.1 Fonction signe . . . . . . . . . . . . . . . . . . . . . . . 1.2.2 Fonction ´chelon (unit´) . . . . . . . . . . . . . . . . . . e e 1.2.3 Fonction rectangle . . . . . . . . . . . . . . . . . . . . . 1.2.4 Fonction triangle . . . . . . . . . . . . . . . . . . . . . . 1.2.5 Fonction sinus cardinal . . . . . . . . . . . . . . . . . . 1.2.6 Impulsion unit´ (distribution de Dirac) . . . . . . . . . e 1.2.7 Fonction ”peigne de Dirac” (fonction d’´chantillonnage) e 1.3 Energie et Puissance . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Energie d’un signal . . . . . . . . . . . . . . . . . . . . . 1.3.2 Puissance moyenne d’un signal . . . . . . . . . . . . . . 1.4 Classification des signaux . . . . . . . . . . . . . . . . . . . . . 1.4.1 Signaux ` ´nergie finie . . . . . . . . . . . . . . . . . . . ae 1.4.2 Signaux ` puissance moyenne finie . . . . . . . . . . . . a 1.4.3 Causalit´ . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.4.4 Parit´ . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.5 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . 1.6 Transformations fr´quentielles . . . . . . . . . . . . . . . . . . . e 1.6.1 Transform´e de Fourier . . . . . . . . . . . . . . . . . . e 1.6.2 Th´or`me de Plancherel . . . . . . . . . . . . . . . . . . e e 1.6.3 Transform´e de Laplace . . . . . . . . . . . . . . . . . . e 1.7 S´rie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.8 Corr´lation et densit´s spectrales . . . . . . . . . . . . . . . . . e e 1.8.1 Signaux ` ´nergie finie . . . . . . . . . . . . . . . . . . . ae 1.8.2 Signaux ` puissance moyenne finie . . . . . . . . . . . . a 1.8.3 Densit´s spectrales . . . . . . . . . . . . . . . . . . . . . e 1.8.4 Th´or`me de Parseval . . . . . . . . . . . . . . . . . . . e e 1.9 Filtrage analogique . . . . . . . . . . . . . . . . . . . . . . . . . 1.9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . 1.9.2 Filtres stables physiquement r´alisables . . . . . . . . . e 1.9.3 Fr´quence de coupure et bande passante . . . . . . . . . e 1.9.4 Transformations de fr´quences . . . . . . . . . . . . . . e 1.9.5 Synth`se des filtres analogiques . . . . . . . . . . . . . . e 1.10 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 7 8 11 11 11 12 12 13 13 14 15 15 15 15 15 16 16 16 17 18 18 20 20 21 23 23 23 24 24 25 25 26 26 27 27 43

. . . . . . . . . . . . . . . . . . . . . . . .3 Structures d’un CAN .4 Exercices . . . . . . . . . . .3. . . . . . . . . . . .1 Transform´e de Laplace . . . . . . 2.2 Filtres ` r´ponse impulsionnelle finie (RIF) .4 Equations aux diff´rences . . . . . . . . a e 3. .2 Transform´e en z . . . . . . . . . . . . . 2. . . . . . 3. . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . e 3. . . . . . .1 Introduction . 2. . . . . . . .3. . . . . . . . . . . . . .1 Synth`se par la m´thode des fenˆtres . . . . . . . . . . . . . . . . . . . . . . . . .1 Principe et caract´ristiques de la conversion e 2. . . . . . . . . . . . . . . . .2. . . e 2. . . . . . . . . . . . . . . . . . . .2 Structures d’un CNA . . . . . .2 Synth`se par la Transformation bilin´aire e e 3. . . . .1 Principe .3 Filtres ` r´ponse impulsionnelle infinie (RII) . . .3. . . 2. . . . . . . . . . .5 Quantification . . . . . e e e 3. . . .2 Echantillonnage/Quantification 2. . . . . . .3 Transform´es d’un signal ´chantillonn´ . . . . . . . .6 Convolution discr`te . . .5. . . . . . . . . . a e 3.7 Exercices . . . . . . . . .5 Transform´e de Fourier discr`te (TFD) . . . . . .5. . . . .1 M´thode de l’Invariance Impulsionnelle . . . . . e 2. . . . . . . . . . . e 2. . . . . .2. . . . . . . . . e 2. . . .2. . . . . . . .3. . . . . . . . . . . . . .6 Corr´lation num´rique . . . . . . . . . . 2. . . e e e 3. . . . 3 Filtrage num´rique e 3. . . . . . . . . . . . . . e e 2. . . . . . .3. . . . . . . . . .5. . . . . . . . . . . . . .2 Echantillonnage . . . . . . .3. . .3 Transform´e en z inverse . . . . . . . . . . . . . .1 Introduction . . . . . 2. . . . . e 2. . . . . . . . . . . . . . . . . . e 2. . . . . . . . . . .2 M´thode de l’´chantillonnage fr´quentiel . . . . . . . . . . . . . e e e 2. .3.4 Energie et puissance d’un signal num´rique . . . . . . . . . . . . . . . . . e e 2. . . 47 48 48 48 52 52 52 54 55 55 56 58 58 58 62 64 66 68 71 72 78 80 85 86 86 87 89 4 . . .

Traitement num´riques des signaux. Paris. e [6] P. Prentice Hall. Masson. Le filtrage analogique. John Wiley & Sons. Digital modulation and coding.Bibliographie [1] B. 1982. Th´orie et traitement des signaux. Burros. Delmas.-P. 2000. Digital Image Processing. Leich. [13] K.-L. Herm`s. Paris. e [10] M. Dunod. Codage et traitement du signal. Paris. Labarr`re. e 1991. Parks et C. Traitement num´riques des signaux. de Coulon. Bovik. Paris. Th´orie des signaux et des syst`mes. Krief et B. Dunod e e Universit´. Wilson. e [2] F. Picinbono. 1991. 1989. Ele e e lipses. Dunod. Bellanger. Les filtres num´riques. C´padu`s e e e ´ditions. [14] A. Max et J. Academic Press. e [12] T. 1987. Masson. Digital filter Design. M´thodes et techniques de traitement du signal et e application aux mesures physiques. Wade. 1991. J. Prentice-Hall. ISBN 2-04-018837-1. Lacoume. Castleman. 1991. 1985. Toulouse. Duvaut.-P. 1996. Gimonet. 5 . 260 pages. Kunt. Paris. Traitement du signal : concepts et applications. e [3] J. [7] J. Masson. 1996. Paris. Handbook of Image and Video Processing. [5] M. Paris. [4] J. Masson. 1991. Upper Saddle River. e [11] R. Boite et H. 1990. [8] S. Paris. El´ments de th´orie du signal : les signaux d´terministes. 1996. [9] M.

6 .

Chapitre 1 Rappels de Premi`re Ann´e e e Joseph Fourier (21 mars 1768 ` Auxerre . o` il aura comme professeur entre autres Joseph-Louis e u Lagrange. manquant de peu de se faire guillotiner durant la ea e Terreur. e C’est ` Grenoble qu’il conduit ses exp´riences sur la propagation de la chaleur a e qui lui permettront de mod´liser l’´volution de la temp´rature au travers de e e e s´ries trigonom´triques. Il int`gre l’Ecole ee e e Normale Sup´rieure. il a ´t´ sauv´ de justesse par la chute de Robespierre. Il a ´t´ instruit par les B´n´dictins ` l’Ecole militaire d’Auxerre. Ces travaux qui apportent une grande am´lioration ` e e e a la mod´lisation math´matique de ph´nom`nes ont contribu´ aux fondements de e e e e e la thermodynamique. ee e e a Il ´tait destin´ ` l’´tat monastique. Fourier est connu pour sa th´orie analytique de la chaleur (1822). 7 . Il e e a e ee a particip´ ` la R´volution. mais il pr´f´ra s’adonner aux sciences.16 mai 1830 ` Paris) est un a a math´maticien et physicien fran¸ais connu pour ses travaux sur la d´composition e c e de fonctions p´riodiques en s´ries trigonom´triques convergentes appel´es s´ries e e e e e de Fourier.

Nous aborderons alors le traitement num´rique du signal. en come e men¸ant par les processus d’acquisition (Chapitre 2) puis en pr´sentant les outils c e employ´s dans ce cas pour terminer sur l’´tude du comportement des signaux e e num´riques et du filtrage num´rique de ces signaux (Chapitre 3). C’est le cas notamment en imagerie m´dicale. Pour e att´nuer. pour une grande part. de commande.1 Introduction e Traitement du Signal (TdS) est une discipline indispensable que tout ing´nieur doit connaˆ e ıtre. e e ee onde acoustique (sonar). Les implications en ce qui concerne un diagnostic m´dical. l’IRM ou encore les RADAR actuels sont des inventions dont les performances (en termes de pr´cision et de rapidit´) sont sans commune mesure e e avec les premiers prototypes apparus. mais les techniques de traitement de signal faisant appel ` des e a traitements num´riques sophistiqu´s ont ´t´ int´gr´es pour permettre d’extraire e e ee e e de l’echo sonore ou de l’image reconstitu´e une quantit´ plus grande d’informae e tions. Les structures mat´rielles sont sensiblee ment les mˆmes. sinon supprimer ce bruit il faut en connaˆ les caract´ristiques ainsi e ıtre e que celles du signal utile. de signaux vid´o. onde lumineuse (fibre optique). ` l’application des e e a techniques de traitement du signal. L’objectif du traitement du signal apparaˆ alors comme un oue ıt til math´matique employ´ pour extraire un maximum d’informations utiles sur e e un signal perturb´ par du bruit. En a fonction de la nature du support. e en t´l´phonie et t´l´communication. la surveillance e d’une zone a´rienne ou sous-marine ou encore la localisation de pannes sont e imm´diates. on parle par exemple de : – – – – – signal ´lectrique (t´l´phonie). e e L Signal : Support de l’information transmise de sa source ` sa destimation. Il s’agit essentiellement de revoir bri`vement la e e e repr´sentation des signaux d´terministes. Le chapitre I est donc e plus un document de rappel qu’un support de cours en pr´sence des e ´tudiants. les th´or`mes fondamentaux en traie e e e tement du signal et du filtrage analogique lin´aire.1. On parle ´galement de signal de mesure. un traitement e num´rique s’impose presque toujours. Il est rendu possible grˆce ` la puissance e a a des circuits de calculs et des ordinateurs modernes. nous allons tout d’abord fournir quelques rappels par le biais d’exercices se rapportant aux notions vues en premi`re ann´e. Les signaux utiles sont souvent perturb´s par e e des signaux parasites (le bruit) qui les masquent parfois compl`tement. mais toutes ne pourront pas ˆtre trait´es de nouveau. L’am´lioration des performances des syst`mes au cours e e des trente derni`res ann´es est due. Un syst`me d’imagerie ´chographique par ee ee e e ultra-sons. e ee onde ´lectromagn´tique (t´l´communication). Les techniques utilis´es peuvent ˆtre appliqu´es ` un e e e e e a signal analogique (continu) mais compte tenu de leur complexit´. e e 8 . C’est pourquoi le traitement du signal est une discipline tr`s math´matique. e e La plupart des notions sont fournies dans ce document. signal binaire (ordinateur). En ce qui concerne ce cours. audio.

– R´g´n´rer Redonner ` un signal qui a ´t´ distordu sa forme initiale. Traitement du signal : A l’aide d’une formulation math´matique ad´quate. e – Synth´tiser : Cr´er un signal de forme appropri´e. Th´orie du signal : C’est la description math´matique des signaux quelque e e soit leur nature et quelque soit le support physique. e – Analyser : Isoler les composantes et les caract´ristiques essentielles d’un e signal pour mieux en comprendre la nature.1) : a – Filtrer : ´liminer d’un signal des composantes ind´sirables. ee T´l´phonie. ` transmettre ou ` recevoir.. ` transformer.. Traitement d’images.etc. 9 .. L’objectif est d’´tablir une e repr´sentation d’un signal en fonction du temps ou de l’espace contenant une e information ` stocker. e e e – Moduler : Modifier les caract´ristiques d’un signal pour l’adapter ` une e a voie de transmission ou un support d’enregistrement. – Codage : Traduire le signal en langage num´rique. e e – D´tecter : Extraire une composante utile d’un signal et/ou du bruit de e fond qui lui est superpos´. – Mesurer : Estimer la valeur d’une grandeur caract´ristique associ´e au e e signal. e Automatique. Astronomie. Sonar. G´ophysique. ee Radar. e e le traitement du signal ` pour principales fonctions de (voir Fig. La th´orie du a a a a e signal ne pr´juge pas de la nature physique du signal.. r´duire les redondances e e d’informations et lutter contre l’influence du bruit. . e Bruit : Toute perturbation superpos´e ` un signal et g´nant la perception de e a e ce signal. e e e a ee – Identifier : Classer un signal observ´. 1..en fonction de la nature de l’information transmise. Domaine d’application – – – – – – – – – T´l´communications.

ıne 10 . Ce domaine inclut aussi les techniques de reconnaissance de formes et de compressions. L’analyse des ´chos permet d’obtenir des informations sur le milieu sur lequel e les ondes se sont r´fl´chies. Système physique Capteur Bruit Canal de transmission Bruit Récepteur Bruit Traitement Information utile + bruit résiduel Figure 1. et minimiser les pertes. e e la r´alisation d’effets sp´ciaux. Le traitement de s´quences vid´o concerne la compression. dans le spatial e e (traitement de photos satellites ou d’images radar). e e Cette technique est utilis´e dans le domaine de la prospection mini`re et dans e e la pr´diction des tremblements de terre. Les techniques de e correction d’´cho permettent de r´duire les effets de r´flexions acoustiques dans e e e la pi`ce. Elle a ´t´ ` l’origine de nombreux bouleversements e ea en musique. en analysant les r´flexions d’ondes e e acoustiques. la comprese e sion des donn´es est primordiale pour exploiter au mieux la bande passante e disponible. imagerie par r´sonance magn´tique . caract´risation etc. Cette technique est exploit´e dans le domaine de e e e l’imagerie radar ou sonar. La suppression d’´chos est un autre domaine e d’application. En audio : on cherche ` am´liorer les techniques d’enregistrement et de coma e pression pour obtenir la plus grande qualit´ sonore possible. la restauration. e e e a La synth`se sonore permet en outre de cr´er des sons artificiels ou de recr´er les e e e sons d’instruments naturels. e En imagerie : on trouve des applications dans le domaine m´dical (reconstruce tion tomographique. suivi de mouvements.Dans les t´l´communications : que ce soit dans le domaine de la t´l´phonie ou ee ee dans le transfert de donn´es num´riques terrestre ou via satellite.) afin de produire e des annotations automatiques dans une perspective de bases de donn´es (ree cherche par le contenu).IRM). l’extraction de descripteurs (reconnaissance de e e formes et textures. Le traitement du son s’est largement am´lior´ grˆce aux ordinateurs. En g´ophysique.1 – Synoptique d’une chaˆ classique de traitements d’un signal. on peut d´terminer l’´paisseur et la nature des strates du sous-sol.

1) avec a quelconque (par convention a = 0).4) 11 .2. 1.1. 2 2 Γ( t) 1 0 t (1.3) avec a quelconque (par convention a = 1/2).2) 1. (1. e Nous pr´sentons dans cette section quelques fonctions math´matiques ainsi que e e leurs propri´t´s. On a alors : Γ(t) = 1 1 + sgn(t) ∀ t . supports de signaux ´l´mentaires et utilis´es tout au long du ee ee e cours de traitement du signal.2.2 Fonction ´chelon (unit´) e e   1 si 0 si Γ(t) =  a si t>0 t<0 t=0 (1. On a alors : sgn(t) = t |t| sgn(t) 1 0 t −1 ∀t=0.2 Repr´sentation des Signaux D´terministes e e Les signaux d´terministes renferment une information dont l’´volution en e e fonction du temps peut ˆtre parfaitement pr´dite par un mod`le math´matique e e e e (au contraire des signaux al´atoires/stochastiques).1 Fonction signe   −1 si a si sgn(t) =  1 si t<0 t=0 t>0 (1.

1. On a alors : rect(t) = Γ(t + 1/2) − Γ(t − 1/2) rect(t) 1 0 −1/2 1/2 t (1. T Question 2 : Calculer +∞ −∞ rect(t) dt .3 Fonction rectangle   0 1 rect(t) =  a si |t| > 1/2 si |t| < 1/2 si |t| = 1/2 (1.2.6) Propri´t´ : la fonction rect(t) est normalis´e.4 Fonction triangle tri(t) = 1 − |t| si 0 si tri(t) 1 0 −1 1 t |t| ≤ 1 |t| > 1 (1. Question 1 : Tracer la fonction (porte) A rect( t−τ ) .7) La fonction triangle est elle aussi normalis´e : e +∞ −∞ tri(t) dt = 1 . 12 . car la surface (sous la courbe) e e e est unitaire.2.5) avec a quelconque (par convention a = 1/2).1.

2 – (a) fonction sinc(t). 1 correspond ` l’aire sous la courbe. on a : +∞ −∞ +∞ −∞ sinc(t) dt = 1 . c’est une fonction (distribution) d´finie par e e f (t) δ(t) dt = f (0) . on a coutume de mod´liser une impulsion de Dirac par un sie gnal rectangle (porte) dont la largeur tend vers 0 et l’amplitude tend vers l’infini.1. La fonction de Dirac est normalis´e : e +∞ δ(t) dt = 1 .5 Fonction sinus cardinal sinc(t) = 1 0. δ( t ) 1 0 t Remarque : sur la figure ci-dessus.4 −2 0 2 4 −2 0 2 4 (a) (b) Figure 1.6 Impulsion unit´ (distribution de Dirac) e +∞ Math´matiquement. pas ` la a a hauteur qui est ∞.2. 1.4 0.8 0.8) 0. sinc2 (t) dt = 1.6 sin(π t) πt 1 (1. e Physiquement.4 −4 0 −4 0.9) quelle que soit la fonction f (t). La fonction sinus cardinal est elle aussi normalis´e : e D’autre part.2 −0. on a : t δ(τ ) dτ = −∞ 0 si 1 si t<0 t>0 = Γ(t) (1.10) D’autre part.2 −0. −∞ (1.2 0 0. L’impulsion de Dirac est un signal non r´alisable.2.6 0.11) On dit que Γ(t) est la primitive de δ(t) ou bien que δ(t) est la d´riv´e de Γ(t) e e (au sens des distributions).8 0. −∞ (1. (b) fonction sinc(t)2 . 13 .

δ(t) = 0 si t = 0. (1.2..L’impulsion de Dirac est ´gale ` la limite de nombreuses familles de fonctions. Elle permet de cae e ract´riser les syst`mes lin´aires dans le domaine temporel. (1. δ(k t) = 1 |k| et f (t) δ(t − T ) = f (T ) δ(t − T ). R´ponse impulsionnelle e La r´ponse impulsionnelle est simplement d´finie comme ´tant la r´ponse d’un e e e e syst`me physique dont l’entr´e est une impulsion de Dirac.13) Cette fonction est appel´e ”fonction d’´chantillonnage” car selon la propri´t´ 2 e e ee (voir ci-dessus) on a. ` savoir T . δ(t) . pour tout signal f (t) : k=+∞ f (t) δT (t) = k=−∞ f (kT ) δ(t − kT ).14) δT ( t ) 1 0 −3T −2T −T T 2T 3T f(t) δ ( t ) T f(−3T) f(−2T) f(−T) 1 f(T) f(3T) f(2T) t −3T −2T −T 0 T 2T 3T t (a) (b) Cela revient ` ne retenir que les valeurs de la fonction continue f (t) aux instants a d’´chantillonnage. e a ainsi : 1 t limT →+∞ T rect( T ) δ(t) = limT →+∞ limT →+∞ 1 T 1 T t tri( T ) t sinc( T ) (1. 2. 3T .7 Fonction ”peigne de Dirac” (fonction d’´chantillonnage) e k=+∞ La fonction δT (t) est d´finie par : e δT (t) = k=−∞ δ(t − kT ). e a 14 . 2T . e e e 1.. f (t) δ(t) = f (0) δ(t) 3.12) Propr´t´s de la fonction de Dirac e e 1.

16) Cas particulier des signaux p´riodiques de p´riode T0 e e k=+∞ x(t) = k=−∞ xp (t − kT0 ) .3 1.15) o` la notation |x(t)|2 signifie x(t) x (t) . (1. t2 ] est d´finie par : e e t2 Wx (t1 . t2 ) = 1 t2 − t1 t2 t1 |x(t)|2 dt . alors la puissance moyenne sur une u e p´riode est ´gale ` : e e a Px = 1 T0 +T0 /2 −T0 /2 |x(t)|2 dt = 1 T0 +∞ −∞ |xp (t)|2 dt .3. (1. t2 ] est d´finie par : e Px (t1 . t2 ) = t1 |x(t)|2 dt . (1.18) 1. 15 .4 1. c’est-`-dire si ae e a Wx = −∞ |x(t)|2 dt < ∞. u 1.1.1 Classification des signaux Signaux ` ´nergie finie ae +∞ Un signal x(t) est dit ` ´nergie finie s’il est de carr´ sommable.17) o` xp (t) est le signal sur une p´riode T0 . – L’´nergie sur [t1 .19) Ce qui implique que Px = 0 . (1.3.2 Puissance moyenne d’un signal Soit x(t) un signal quelconque (fonction complexe).1 Energie et Puissance Energie d’un signal Soit x(t) un signal quelconque (fonction complexe). – La puissance moyenne sur [t1 . (1.4.

C’est pourquoi. ae Exemple : Calculer la puissance moyenne du signal r´el et sinuso¨ repr´sent´ e ıdal e e par la fonction x(t) = A cos(ωt + φ).20) Cas des signaux p´riodiques de p´riode T : e e Px = 1 T t0 +T /2 t0 −T /2 |x(t)|2 dt < ∞ .1.25. e 1. Tout signal r´el x(t) est la somme d’un signal pair xp (t) et d’un signal ime pair xi (t) : x(t) = xp (t) + xi (t) o` xp (t) = x(t)+x(−t) et xi (t) = x(t)−x(−t) .Quelle est la parit´ des signaux x(t) = e−αt sin(ωt + φ) (sinuso¨ att´nu´e) e ıde e e −αt2 (gauche) et x(t) = e sin(ωt + φ) (droite) repr´sent´s ci-dessous pour les e e valeurs α = 0. e e e a on imposera que sa r´ponse impulsionnelle soit causale. Un signal x(t) est dit anti-causal ssi x(t) = 0 . u 2 2 Exemples : .5 5 0 0 −0. (1.4. il va de e e soit que sa r´ponse ne peut ˆtre que post´rieure ` l’excitation. (1. 1. φ = π/6 et ω = 3 rad/s : 15 1 10 0. ∀ t > 0 .4.3 Causalit´ e Un signal x(t) est dit causal ssi x(t) = 0 .4 Parit´ e Un signal x(t) est pair si x(t) = x(−t) ou impair si x(t) = −x(−t). alors Wx = ∞ (signal ` ´nergie totale infinie).4.2 Signaux ` puissance moyenne finie a +T /2 −T /2 Un signal x(t) est dit ` puissance moyenne finie si a Px = limT →+∞ 1 T |x(t)|2 dt < ∞. Remarque : Dans le cas d’un filtre que l’on veut r´aliser en temps r´el. ∀ t < 0 .21) Si Px = 0.5 −5 −10 −10 −5 0 5 10 −1 −10 −5 0 5 10 16 .

3 – Interpr´tation du produit de convolution entre f (t) et g(t).5 Produit de convolution On appelle produit de convolution entre deux fonctions x(t) et h(t). l’op´ration e (not´e ´galement ⊗) d´finie par : e e e +∞ (x h)(t) = −∞ x(τ ) h(t − τ ) dτ (1. Dans le domaine ´lectronique. e 17 . on retrouve le mˆme ph´nom`ne : une a e e e e impulsion infiniment br`ve appliqu´e ` l’entr´e d’un amplificateur ne donne jae e a e mais en sortie une impulsion br`ve. par exemple) e e e est repr´sent´e par la fonction h(t). L’image e e e d’un point dans un instrument d’optique n’est jamais r´ellement un point mais e une tˆche. e e e Le produit de convolution repr´sente l’´volution de la valeur de l’aire contenue e e sous le produit des deux fonctions en fonction du temps. Il exprime la quantit´ e de recouvrement de la fonction x(t) lorsqu’on la d´place sur la fonction h(t). mais un peu floue.22) Si la r´ponse impulsionnelle d’un syst`me lin´aire (comme un filtre.1. la sortie du signal y(t) s’obtient comme le e e produit de convolution de l’entr´e x(t) avec la r´ponse impulsionnelle h(t). e e x(t) Système linéaire h(t) : réponse impulsionnelle y(t) = x(t) * h(t) y(t) La convolution est l’effet que produit un instrument de mesure qui donne d’un ph´nom`ne physique non pas une r´ponse nette. e Figure 1. mais un signal de dur´e non nulle (d’autant e e plus ´troite que la bande-passante de l’appareil est plus ´lev´e).

Dans de tels cas. soit en raison du traitement qu’ils doivent subir.1 Transformations fr´quentielles e Transform´e de Fourier e La repr´sentation temporelle peut ˆtre suffisante dans tous les cas o` la e e u forme du signal et la nature du traitement restent simples. e la repr´sentation du signal en fonction de la fr´quence est tr`s utile.25) Elle existe si x(t) est de classe L1 ( un nombre fini de discontinuit´s. Dans la r´alit´.Propri´t´s e e – Le produit de convolution est une op´ration commutative et distributive e par rapport ` l’addition. a – La fonction de Dirac est l’´l´ment neutre du produit de convolution : ee δ(t − τ ) f (t) = f (t − τ ) (1. (ω = 2πf ) (1. est d´finie e e e par : +∞ F[x(t)] = X(ω) = −∞ x(t) e−2jπf t dt . les e e signaux n’ont pas toujours une forme simple soit en raison de la nature de l’information qu’ils portent. L’unique repr´sentation du signal en fonction du temps s’av`re insuffisante : e e elle ne permet plus d’interpr´ter correctement l’information. La transform´e de Fourier du signal x(t) .6. Son r´sultat est appel´ spectre d’un e e e signal. e +∞ −∞ |x(t)|dt < +∞) et si le signal pr´sente e 18 . e e e La transform´e de Fourier est un outil math´matique qui permet d’´tablir une e e e dualit´ entre deux repr´sentations diff´rentes d’un signal mais compl´mentaires e e e e au niveau de l’interpr´tation des r´sultats. not´e F[x(t)] = X(ω). Elle effectue le passage du domaine e e temporel au domaine spectral (fr´quentiel).23) – Le produit de convolution de deux signaux repr´sent´s par leurs fonctions e e temporelles correspond dans le domaine fr´quentiel au produit de leurs e transform´es de Fourier respectives (Th´or`me de Plancherel). en ´crivant les in´galit´s qu’ils e e e v´rifient e x(τ ) = 0 ∀τ <0 y(t − τ ) = 0 ∀ τ > t on obtient une expression simplifi´e et tr`s utile de la convolution : e e t (x y)(t) = 0 x(τ ) y(t − τ ) dτ (1.6 1. e e e – Si x(t) et y(t) sont des signaux causaux.24) 1.

Conjugaison : F[x (t)] = X (−ω). 12. C’est une fonction come plexe que l’on peut ´crire sous la forme module et phase : X(ω) = |X(ω)| exp(φ(ω)) e ou sous la forme de partie r´elle et de partie imaginaire : e X(ω) = Re(X(ω)) + j Im(X(ω)) avec +∞ +∞ Re(X(ω)) = −∞ x(t) cos(ωt) dt et Im(X(ω)) = −∞ x(t) sin(ωt) dt .La transform´e de Fourier inverse de X(ω) est le signal x(t) = F −1 [X(ω)] d´fini e e par : +∞ 1 x(t) = F −1 [X(ω)] = X(ω) ejωt dω (1. e 13. alors X(ω) est r´el pair. alors X(ω) est imaginaire impair. e ae 2. Parit´ : x(t) = xp (t) + xi (t) → X(ω) = F[xp (t)] + F[xi (t)]. Translation en temps : F[x(t − a)] = X(ω) e−jωa (retard. (1. Dualit´ : F[x(t)] = Y (ω) → F[y(t)] = 2πX(−ω). 14. 8.27) On ´nonce ci-dessous quelques propri´t´s importantes concernant la transform´e e ee e de Fourier : 1. 19 . Lin´arit´ : F[a x(t) + b y(t)] = a X(ω) + b Y (ω) e e 3. 5. Changement d’´chelle : F[x(at)] = e 1 |a| X( ω ) a 4. e n 7. Int´gration : X(ω) = e 1 jω F[ dx(t) ] + 2π x δ(ω) o` x est la valeur moyenne ¯ u¯ dt 1 T0 T0 /2 −T0 /2 de x(t) (¯ = limT0 →+∞ x x(t) dt). alors Re(X(ω)) = F[xp (t)] est une fonction r´elle et e e j Im(X(ω)) = F[xi (t)] est une fonction imaginaire. si a > 0). La transform´e de Fourier est inversible si x(t) est un signal ` ´nergie finie. F[δ(t)] = 1. F[1] = 2π δ(ω). Si x(t) est r´el. e x(t) 6. D´rivation : F[ d dtn ] = (jω)n X(ω). e 11. e 10. e e Si x(t) est r´el impair. Si x(t) est r´el pair. 9.26) 2π −∞ X(ω) est une fonction qui est ind´pendante du temps. Translation en fr´quence : F[x(t) ejω0 t ] = X(ω − ω0 ) .

du moins si il existe un nombre e r´el α tel que le produit ci-dessus soit sommable en valeur absolue. il est n´anmoins int´ressant de d´finir e e e la transform´e de Fourier du produit x(t) e−αt . mais introduit un d´phasage sur le spectre complexe. on trouve l’id´e que. F[ejω0 t ] = 2π δ(ω − ω0 ). Consid´rons e e donc une fonction x(t) et un intervalle Σ. tels que pour le r´el σ ∈ Σ. la translation temporelle (propri´t´ 4) ne change pas le module de la ee transform´e de Fourier. e ee ee 1. 16. F[δ(t − τ )] = e−jωτ . Ainsi. si une fonction e x(t) n’est pas sommable en valeur absolue. e e On appelle ´galement cette propri´t´ ”propri´t´ de modulation”. u 20 . 17. F[cos(ω0 t)] = π δ(ω − ω0 ) + π δ(ω + ω0 ). On d´finit alors la transform´e de Laplace bilat´rale X(s) de x(t) : e e e +∞ L[x(t)] = X(s) = −∞ x(t) e−st dt (1.6.30) o` s est une variable complexe s = σ + jω.2 Th´or`me de Plancherel e e Ce th´or`me met en exergue la dualit´ entre temps et fr´quence.29) converge.15. l’int´grale e e +∞ −∞ |x(t) e−αt | dt (1. Il s’´nonce e e e e e ainsi : La transform´e de Fourier d’un produit de convolution de leurs fonctions teme porelles est le produit des transform´es de Fourier : e x(t) y(t) − → − x(t) y(t) −→ − TF 1 2π TF X(f ) Y (f ) X(f ) Y (f ) (1.6.28) 1.3 Transform´e de Laplace e A l’origine de la transformation de Laplace.

e – Si x(t) est p´riodique de p´riode T0 . ∀ t . (1. Les coefficients de la s´rie de Fourier. e e ce qui nous permet de conserver une repr´sentation fr´quentielle aux moyens e e des coefficients descriptifs de la s´rie.32) Si x(t) est p´riodique de p´riode T0 = f10 . – Si x(t) est un signal r´el. (1. Ces valeurs d´signent l’amplitude et la phase des harmoe niques (multiples du fondamental). admettent une d´composition en s´rie de Fourier. cn . alors c−n = cn . T0 = 1/f0 ] : +∞ x(t) = −∞ cn ej2πnf0 t . Si ces signaux sont p´riodiques et donc ` ´nergie infinie sur R.31) : e e a +∞ x(t) = a0 + 1 (an cos(2πnf0 t) + bn sin(2πnf0 t)) (1. e pourvu qu’ils soient continus. il e e ae n’existe plus de transform´e de Fourier au sens des fonctions. e e qui est alors discret. sont e e e ind´pendants du temps et s’expriment de la mani`re suivante : e e cn = 1 T0 T0 0 x(t) e−j2πnf0 t dt . (1.7 S´rie de Fourier e Un signal x(t) peut se d´composer en une somme infinie de fonctions sinuso¨ e ıdales d´pendant du temps qui peut ˆtre exprim´e par une combinaison lin´aire de e e e e fonctions exponentielles complexes sur l’intervalle temporel [0. alors x(t) = x(t + T0 ) et e e +∞ x(t) = −∞ cn ej2πnf0 t . on introduit ici une e e ae bijection entre deux repr´sentations de ces signaux : l’une temporelle et l’autre e fr´quentielle.34) avec 21 . e e e Dans un contexte d’´tude r´duit aux signaux ` ´nergie finie. f0 repr´sente la fr´quence du fondae e e e mental et nf0 (n > 1) repr´sente la fr´quence des diff´rents harmoniques. ∀ t ∈ [0. e L’ensemble des valeurs cn (en g´n´ral complexes) constitue le spectre du signal . L’exemple type est la fonction sinus qui n’a pas de transform´e de Fourier au sens des fonctions. T0 ] . mais qui se d´compose e e ais´ment (et pour cause) en s´rie (trigonom´trique) de Fourier pour obtenir deux e e e coefficients (b1 et b−1 ) qui correspondent ` deux impulsions Dirac fr´quentielles.1. T0 ] .31) n ´tant une valeur enti`re. a e Remarques : – c0 = 1 T0 T0 0 x(t) dt = valeur moyenne de x(t) sur [0. mais ces signaux.33) – On peut d´composer x(t) sous la forme ´quivalente ` (1.

ils sont identifiables parce que les amplitudes des harmoniques e sont diff´rentes. Elle est utilis´e en traitement du signal car elle permet bien e e souvent une simplification des calculs. C’est la r´partition des amplitudes sur les divers harmoe e niques qui est caract´ristique d’un instrument : c’est son timbre. alors les coefficients an sont tous nuls. alors les coefficients bn sont tous nuls. e 22 . Elle fait apparaˆ ıtre des harmoniques de fr´quences positives et n´gatives qui servent math´matiquement ` ree e e a constituer l’ensemble du signal. – Si le signal x(t) est pair. – Interpr´tation : la forme complexe de la d´composition en s´rie de Fourier e e e est la formulation la plus usuelle. cn = an +jbn 2 pour n < 0 et c0 = a0 .– an = – bn = ω0 = 2πf0 . e e – La notion de spectre d’un signal p´riodique est bien connue des musiciens : e deux instruments jouant la mˆme note fournissent deux signaux de mˆme e e fr´quence . cette d´composition n’a pas e e de r´alit´ physique en ce qui concerne la partie associ´e aux fr´quences e e e e n´gatives. N´anmoins. alors e e e la s´rie de Fourier de x(t) converge uniform´mement vers x(t). et cn = 2 T0 2 T0 T0 0 T0 0 x(t) cos(nω0 t) dt = 2 T0 x(t) sin(nω0 t) dt = T0 /2 x(t) cos(nω0 t) dt −T0 /2 T0 /2 2 x(t) sin(nω0 t) T0 −T0 /2 dt avec an −jbn 2 pour n > 0. Si le signal x(t) est impair. – On peut montrer que si x(t) de p´riode T0 est une fonction continue et e que sa d´riv´e premi`re temporelle x (t) est continue par morceaux.

i. on d´finit e e e ae e l’autocorr´lation et l’intercorr´lation de la mani`re suivante : e e e Autocorr´lation : corr´lation entre le signal x(t) et lui-mˆme : e e e +∞ γxx (τ ) = −∞ x(t) x (t − τ ) dt . lorsque l’on compare le signal avec sa e version non d´cal´e dans le temps. e e – |γxx (τ )| ≤ γxx (0) . signifie que les signaux sont totalement d´correl´s (signaux e e orthogonaux).1. on d´finit l’autoa e corr´lation par la relation : e γxx (τ ) = lim 1 T →+∞ T +T /2 x(t) x (t − τ ) dt . e e 1 T →+∞ T +T /2 x(t) y (t − τ ) dt .36) 1. Comme la fonction d’autocorr´lation sert ` mesurer le e a degr´ de ressemblance entre un signal et sa version d´cal´e dans le temps.8. (1..35) Intercorr´lation : corr´lation entre le signal x(t) et le signal y(t) : e e +∞ γxy (τ ) = −∞ x(t) y (t − τ ) dt . −T /2 (1.37) et de mˆme.2 Signaux ` puissance moyenne finie a Pour des signaux x(t) et y(t) ` puissance moyenne finie. – |γxy (τ )|2 ≤ γxx (τ ) γyy (τ ) (in´galit´ de Schwartz). on d´finit la fonction d’intercorr´lation par : e e e γxy (τ ) = lim Propri´t´s : e e – γxx (τ ) et γxy (τ ) sont homog`nes ` une ´nergie (´nergie crois´e entre un e a e e e signal et un autre retard´) ou ` une puissance (deuxi`me d´finition). −T /2 (1.1 Corr´lation et densit´s spectrales e e Signaux ` ´nergie finie ae La corr´lation est une mesure ´nerg´tique de la similitude de forme et de posie e e tion entre deux signaux d´cal´s.38) 23 . e e e intuitivement.e. ∀ τ : la fonction d’autocorr´lation admet une valeur e maximale en τ = 0. (1.8 1. e a e e – γxy (τ ) = 0 .8. Pour des signaux r´els ` ´nergie finie. on con¸oit que la ressemblance est maximale lorsqu’on comc pare le signal avec lui-mˆme.

8.8.42) On en d´duit le th´or`me de Parseval pour des signaux p´riodiques et qui traduit e e e e cette fois-ci la conservation de la puissance : +∞ +∞ P = −∞ Γ(f ) df = −∞ |cn |2 (1.3 Densit´s spectrales e En un mot.43) 24 . (1. (1.{x(t). On d´finit e e alors : Densit´ interspectrale de puissance : e D.4 Th´or`me de Parseval e e L’identit´ de Parseval traduit la conservation de l’´nergie lors du passage ` la e e a transform´e de Fourier. il s’agit des transform´es de Fourier des fonctions de corr´lation que e e l’on vient d’aborder (appel´s aussi relations de Wiener-Khintchine).1.39) Densit´ spectrale de puissance : e D. on calcule dans ce cas la e ae puissance sur une p´riode T0 . on trouve : e e P = 1 T0 T0 +∞ x(t) x (t) dt = 0 −∞ cn cn . (1. On a donc : e +∞ +∞ −∞ E= −∞ |x(t)|2 dt = |X(f )|2 df (1.40) 1.S.41) Domaine temporel Domaine fr´quentiel e Pour les signaux p´riodiques qui sont ` ´nergie infinie.S.P.{x(t)} = F[γxx (τ )] = Γxx (f ) .P. En utilisant le d´veloppement en s´rie de Fourier e e e qui existe en vertu de la p´riodicit´. y(t)} = F[γxy (τ )] = Γxy (f ) .

il corrige la r´ponse e e en fr´quence d’un appareil (microphone.45) li´e ` sa r´ponse impulsionnelle. cette a e e m´thode permet d’analyser simplement le filtre en consid´rant les pˆles et les e e o z´ros de la transform´e de Laplace... Par exemple. qui peut ˆtre obtenue en divisant le spectre fr´quentiel du e e signal de sortie avec celui du signal de l’entr´e du filtre e y(t) = h(t) x(t) → Y (ω) = H(ω) X(ω) (1. Cette s´lection s’op`re bien a e e ´videmment en fonction des caract´ristiques du signal recherch´es en sortie. Du point de vue math´matique. e e Exemple Soit x(t) = ejω0 t un signal ` l’entr´e d’un filtre lin´aire continu caract´ris´ par sa a e e e e r´ponse fr´quentielle {|H(ω)| . agir sur la repr´sentation fr´quentielle pour la modifier : le filtre ajoute e e ou enl`ve des graves ou des aigus en traitement de la parole. D’apr`s la th´orie de Fourier.. e e e tout signal r´el peut ˆtre consid´r´ comme compos´ d’une somme de signaux e e ee e sinuso¨ ıdaux (en nombre infini si n´cessaire) ` des fr´quences diff´rentes . le rˆle e a e e o du filtrage est alors de modifier la phase et l’amplitude de ces composantes. un filtre continu e a e e a e ` r´ponse impulsionnelle infinie peut ˆtre d´crit en terme d’´quations diff´rene e e e tielles lin´aires. e e e Un filtre modifie (ou filtre) certaines parties d’un signal d’entr´e dans le doe maine temporel et dans le domaine fr´quentiel. Le filtrage consiste ` att´nuer a e certains signaux et ` en laisser ”passer” d’autres. c’est-`-dire lorsque toutes les fr´quences sont pr´sentes ` son entr´e a e e a e (F[δ(t)] = 1). arg H(ω)}. e ee Un moyen de caract´riser un filtre est sa r´ponse impulsionnelle h(t).44) Tout filtre lin´aire est enti`rement d´crit par sa r´ponse fr´quentielle en amplie e e e e tude |H(ω)| (le gain) et sa r´ponse de phase arg H(ω) e |Y (ω)| = |H(ω)| |X(ω)| et arg Y (ω) = arg H(ω) + arg X(ω) (1.). Il est ´galement possible d’exprimer la fonction de transfert du e e filtre ` l’aide de la transform´e de Laplace de leur r´ponse impulsionnelle . t´l´phone.1. Un autre moyen de caract´riser un filtre est de fournir sa fonction e de transfert H(ω).1 Filtrage analogique Introduction Nous allons aborder dans ce chapitre le filtrage des syst`mes lin´aires contie e nus et invariants dans le temps (stationnaires). c’est-`e e a dire le signal en sortie du filtre lorsque le signal d’entr´e est une impulsion e de Dirac.9. Quelle est l’expression de la r´ponse e e e temporelle y(t) en sortie du filtre ? Rep : y(t) = |H(ω0 )| e(jω0 t + j arg H(ω0 )) .9 1. 25 .

Il existe plusieurs types de filtres lin´aires r´alisables : e e – Les filtres passe-bas laissent passer les basses fr´quences et coupent les e hautes. a e sauf une bande sp´cifique.1. comme les ´galiseurs. e e – Les filtres coupe-bande. e Certains filtres ne sont pas con¸us pour arrˆter une fr´quence.2 Filtres stables physiquement r´alisables e Un filtre est physiquement r´alisable si sa r´ponse en fr´quence H(ω) correspond e e e a ` sa transform´e de Laplace pour un signal d’entr´e sinuso¨ e e ıdal : H(ω) = L[h(t)](s=jω) . la fonction de transfert est maximale ` l’origine. e e e e (1. qui rassemble les cae a ract´ristiques du gain fr´quentiel d´sir´. ` l’inverse. laissent passer toutes les fr´quences. (1. comme par exemple des filtres exhibant des cae ract´ristiques particuli`res : e e – Les filtres de Butterworth. – Les filtres elliptiques (filtres de Cauer).3 Fr´quence de coupure et bande passante e La d´finition g´n´rale de la fr´quence de coupure d’un filtre de fonction de transe e e e fert H(f ) (sortie sur l’entr´e) est la fr´quence fc telle que : e e |H(fc )| 1 =√ . La conception des filtres lin´aires fait appel ` un gabarit. – Les filtres de Tchebyshev.47) Dans le cas d’un filtre passe-bas.46) 1. mais pour modic e e fier l´g`rement le gain ` diff´rentes fr´quences.9. – Les filtres passe-haut laissent passeer les hautes fr´quences et coupent les e basses. Diff´rentes e e a e e e e m´thodes de conception de filtres analogiques ont ´t´ mises au point.9. max {|H(f )|} 2 (1. a donc : 1 |H(fc )| = √ |H(0)| ⇔ 20 log10 |H(fc )| − 20 log10 |H(0)| = −3dB .48) 2 La bande passante (BP) d’un filtre analogique est l’intervalle [finf . fsup ] de fr´quences dans lequel le gain 20 log10 |H(ω)| (ici exprim´ en d´cibels) reste e e e sup´rieur ou ´gal ` une valeur de r´f´rence (par exemple −3 dB. – Les filtres passe-bande ne laissent passer qu’une bande limit´e de fr´quences. correspondant e e a ee 26 . chacune e ee optimisant un point sp´cifique.

– les ´ventuelles oscillations en bande passante et/ou att´nu´e (typiquement e e e 1 dB → 0. finf ] ∪ [fsup .9.5 Synth`se des filtres analogiques e Les sp´cifications qui d´finissent un gabarit sont les caract´ristiques du filtre. fsup ]. ω (ωu − ωl ) – Le filtre coupe-bande de pulsation de coupures basse ωl et haute ωu sera obtenu par : ω (ωu − ωl ) H(ω) −→ H .4 Transformations de fr´quences e A partir de la connaissance de la fonction de transfert d’un filtre passe-bas normalis´ (de fr´quence de coupure unit´ ` -3 dB). fsup ]. on a : Le filtre passe-bas : BP = [0. ω – Le filtre passe-bande de pulsation de coupures basse ωl et haute ωu sera obtenu par : ω 2 + ωl ωu H(ω) −→ H . pour les filtres les plus courants.9. on peut construire par transe e ea formation du plan complexe et ` partir de ce filtre de nouveaux filtres. – l’att´nuation du filtre en bande occup´e (typiquement 30 dB → 90 dB). 27 . Ainsi.a ` une att´nuation du gain de e – – – – √ 2). Le filtre coupe-bande : BP = [0. +∞]. Le filtre passe-haut : BP = [fsup . – la largeur de bande de transition souhait´e qui g´n´ralement doit ˆtre la e e e e plus petite possible. e e – la fr´quence de coupure (une dans le cas d’un passe-bas ou d’un passe-haut e et deux dans le cas d’un passe-bande ou d’un coupe-bande).01 dB). Le filtre passe-bande : BP = [finf . +∞] (appel´ aussi filtre e r´jecteur de bande). a – Le filtre passe-haut de pulsation de coupure ωc sera donn´ par la transe formation : ωc H(ω) −→ H . ω 2 + ωl ωu 1. e 1. e e e On doit pr´ciser : e – le gain du filtre dans la bande passante (≈ 0 dB).

Les filtres id´aux e Filtre passe-bas id´al e H(ω) = K e−jωT 0 si |ω| < ωc = 2 πfc ailleurs (1. e e Filtre passe-haut id´al e H(ω) = K e−jωT 0 si |ω| > ωc = 2 πfc ailleurs (1.5 – R´ponse fr´quentielle (gain) du filtre passe-haut.4 – R´ponse fr´quentielle (gain) du filtre passe-bas. e e 28 .49) |H( ω )| K −ω c ωc ω Figure 1.50) |H( ω )| K −ω c ωc ω Figure 1.

car les r´ponses fr´quentielles id´ales (ci-dessus) correspondent ` une e e e e a r´ponse temporelle non-causale.6 – R´ponse fr´quentielle (gain) du filtre passe-bande.51) |H( ω )| K −ω u −ω l ωl ωu ω Figure 1. 29 .7 – R´ponse fr´quentielle (gain) du filtre coupe-bande.8 – R´ponse temporelle du filtre passe-bas id´al : une partie du signal e e n’est pas nulle pour t < 0. e e Filtre coupe-bande id´al e H(ω) = K e−jωT 0 si |ω| < ωl ou |ω| > ωu ailleurs (1.Filtre passe-bande id´al e H(ω) = K e−jωT 0 si ωl < |ω| < ωu ailleurs (1. on a : h(t) = K ωc sinc( ωc (t − T )) repr´sent´e u π π ci-dessous : h(t) K ωc T T− π ωc t Figure 1.52) |H( ω )| K −ω u −ω l ωl ωu ω Figure 1. Par exemple. e e Les filtres id´aux pr´sentent un d´phasage lin´aire et ne sont pas physiquement e e e e r´alisables. en consid´rant le filtre passe-bas e e ω e e o` H(ω) = K e−jωT rect( 2ωc ).

les filtres passe-haut du premier et du second ordre. Les filtres e e que l’on r´alise sur les signaux continus (c’est-`-dire non ´chantillonn´s) sont e a e e compos´s de r´sistances. |H( ω )| K K 2 ondulations (ripple) dans la bande passante AK ondulations dans la bande atténuée ωl ωu ondulations dans la bande atténuée ω bande atténuée bande atténuée bande passante bande de transition bande de transition Figure 1. mais pourront s’en e e a rapprocher.9 – D´finitions et exemple de r´ponse fr´quentielle d’un filtre r´el. cette relation conduit ` a un gain complexe qui est une fraction rationnelle.53). quotient de deux polynˆmes o en ω : N (ω) H(ω) = . Des caract´ristiques qui exhibent ces diff´rences plus ou moins fortes e e vis-`-vis de la fonction porte sont principalement les ondulations dans la bande a passante et dans la bande att´nu´e ainsi que la largeur de la transition.N’importe e e quelle fonction de transfert de ce type peut ˆtre r´alis´e par une association de e e e quatre fonctions de transfert ´l´mentaires : les filtres passe-bas du premier et ee du second ordre.Il s’ensuit que les filtres qui vont pouvoir ˆtre r´ellement synth´tis´s n’ont pas e e e e de r´ponse fr´quentielle correspondant ` la fonction porte. Par transformation de Fourier.53) D(ω) Il ne faut pas perdre de vue que la classe des filtres r´alisables sur des signaux e continus sont ceux qui sont d´finis par l’´quation fractionnelle (1. (1. e e e e 30 . de capacit´s. De tels filtres r´alisent entre les repr´sentations temporelles e(t) e e e (l’entr´e) et s(t) (la sortie du filtre) une relation int´gro-diff´rentielle lin´aire ` e e e e a coefficients constants. de self-inductances et d’amplificateurs e e e op´rationnels.

S´lectivit´ : k = e e 1 + jωT ωu G(dB)= 20 log |H( ω )| 10 (0 < k < 1) (1. la pulsation centrale qui est la moyenne e g´om´trique ω0 des pulsations de coupures ou la largeur de bande relative B0 . Il e e e s’agit de la s´lectivit´ k qui repr´sente un rapport de fr´quences (ou de pulsae e e e tions) caract´risant la bande passante.10 – R´ponse fr´quentielle (gain en dB) d’un filtre passe-bas r´el e e e caract´ris´ par la s´lectivit´ k. e e e e 31 . e e e e Filtre passe-haut r´el e H(ω) = jωT ωl (ordre 1) .54) 0 ωl bande atténuée ωu ω Figure 1.Les filtres r´alisables classiques e Plusieurs param`tres vont caract´riser les gabarits des filtres r´els classiques. e e Filtre passe-bas r´el e H(ω) = 1 ωl (ordre 1) .11 – R´ponse fr´quentielle (gain en dB) d’un filtre passe-haut r´el e e e caract´ris´ par la s´lectivit´ k. S´lectivit´ : k = e e 1 + jωT ωu G(dB)= 20 log |H( ω )| 10 (0 < k < 1) (1.55) 0 bande atténuée ωl ωu ω Figure 1.

ω0 et B0 .12 – R´ponse fr´quentielle (gain en dB) d’un filtre passe-bande r´el e e e caract´ris´ par k.61) Pulsation centrale : Largeur de bande relative : G(dB)= 20 log |H( ω )| 10 B0 = 0 ω l− ω bande atténuée u− ω l+ ω u+ ω Figure 1.59) (1. ω0 et B0 . e e Filtre coupe-bande r´el e S´lectivit´ : e e k= ωl+ − ωu− ωu+ − ωl− ω0 = (0 < k < 1) √ ωl− ωu+ ωu+ − ωl− ω0 (1.Filtre passe-bande r´el e S´lectivit´ : e e k= ωl+ − ωu− ωu+ − ωl− ω0 = (0 < k < 1) √ ωl+ ωu− ωl+ − ωu− ω0 (1.57) (1.56) (1.58) Pulsation centrale : Largeur de bande relative : G(dB)= 20 log |H( ω )| 10 B0 = 0 bande atténuée ω l− ω u− ω l+ ω u+ ω Figure 1.60) (1.13 – R´ponse fr´quentielle (gain en dB) d’un filtre coupe-bande r´el e e e caract´ris´ par k. e e 32 .

La synth`se de tels filtres ne peut pas se e e faire ais´ment si on consid`re l’ensemble des filtres ´l´mentaires un ` un. la synth`se d’un filtre analogique requiert la connaise e e e sance des caract´ristiques fr´quentielles que l’on vient de voir dans la section e e pr´c´dente ou la repr´sentation graphique du gain de sa fonction de transfert e e e par le gabarit. De plus. u o – les filtres elliptiques. on pr´f`re d´composer l’´quation (1. dont le gain de la fonction de transfert est de la o forme : K0 |H(ω)|2 = p(ω) o` p(ω) est un polynˆme. 33 . Figure 1. D’une e e ee a mani`re g´n´rale.53) en deux cat´gories : e e e ee e e e – les filtres polynˆmiaux.53). la combie e e naison de filtres ´l´mentaires peut permettre la r´alisation de filtres en cascade.M´thode e D’une mani`re g´n´rale.14 – Comparaison des principaux filtres analogiques. ee e donc de filtres d’ordres sup´rieurs. comme tout filtre lin´aire continu v´rifie l’´quation (1.

e e – Att´nuation la plus constante possible dans la bande passante (r´ponse la e e plus ”plate”). on consid`re e e e 1 1 + ( ω/ωc )2n .15 – Gabarit d’un filtre de Butterworth. |H( ω)| 1 1 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 1+ ε 2 00000000 111111111 000000000 111111111 000000000 111111111 000000000 1 A ω Figure 1. ce qui conduit ` 20 log10 (1 + a 34 . = 1. Figure 1. ni dans la bande att´nu´e.16 – Filtres de Butterworth d’ordre 1 ` 5. ni dans la bande passante. a La forme g´n´rale du gain (au carr´) d’un filtre de Butterworth d’ordre n est la e e e suivante : |H(ω)|2 = En g´n´ral. n>0 2 1/2 (1.62) ) = 3 dB.Filtres polynˆmiaux o Filtres de Butterworth La famille des filtres de Butterworth pr´sente les e caract´ristiques communes suivantes : e – Pas d’ondulation.

17 – Poles d’un filtre passe-bas de Butterworth d’ordre 4. e e n ≥ G´n´riquement. avec un taux d’one e dulations de 3 dB dans la bande passante et de 50 dB dans la bande att´nu´e. 35 . on ait une att´nuation du gain de a e e e 1/A. Ceci permet d’obtenir une u e m´thode de d´termination de l’ordre (minimum) du filtre. ce qui implique que l’´cart entre les sp´cifications et la courbe de gain dans e e la bande passante sera toujours minimal ` la fr´quence de coupure et maximal a e a ` l’origine. (1. la transform´e de Laplace H(s) d’un filtre de Butterworth est e e e de la forme : H(s) = K0 n i=1 (s − pi ) . Ci-apr`s sont repr´sent´s les gains en fr´quence des filtres de Butterworth rese e e e pectivement d’ordre 8 et d’ordre 20 synth´tis´s avec Matlab.64) c’est-`-dire constitu´e de n pˆles pi situ´s (dans le plan complexe) sur un 1/2 a e o e arc de cercle de rayon −1/n . −1 n ejπ ( 1 + 2i−1 ) 2 2n Figure 1. on peut montrer qu’il faut v´rifier l’in´galit´ suivante : e e e ln η (1. c’est-`-dire tels que : a pi = et K0 = (−pi ) = 1/ .Pour qu’` la fr´quence normalis´e ωc = 1/k.63) ln k √ o` η est la constante d’att´nuation η = / A2 − 1. e e La courbe d’affaiblissement des filtres de Butterworth varie d’une fa¸on monoc tone.

67) o` Bn (s) est un polynˆme de Bessel d’ordre n.66) On voit que pour une fr´quence ´lev´e. le gain tend vers 15/(jω)3 est 15 fois e e e sup´rieur ` celui du filtre de Butterworth de mˆme degr´. ils sont rarement utilis´s e sauf lorsque la lin´arit´ de la phase est essentielle. d’o` e u la fonction de transfert du filtre de Bessel du troisi`me ordre : e H(ω) = (jω)3 15 + 6 (jω)2 + 15 jω + 15 (1. Pour cette raison.65) La fonction de transfert doit avoir un gain unit´ pour le continu (ω = 0). n>0. e e – Att´nuation faible. Mais ce n’est pas une fonction rationnelle. Filtres de Bessel Une fonction de transfert ayant une phase rigoureusement lin´aire aurait comme fonction de transfert A e−jωτ o` τ est le retard inflig´ au e u e signal d’entr´e. un tel filtre n’est donc e pas r´alisable. d´fini de mani`re u o a e e 36 . on a l’approximation suivante de l’exponentielle e−jω ≈ 1 (jω)3 + 6 (jω)2 + 15 jω + 15 (1. (a) ordre 8. ni dans la bande passante. (b) ordre 20. e e La famille des filtres de Bessel pr´sente les caract´ristiques communes suivantes : e e – Pas d’ondulation. C’est-`-dire. ni dans la bande att´nu´e. e – Approxime le mieux possible un retard pur.Order 8 Butterworth IIR Filter 0 −10 −20 Magnitude (dB) −30 −40 −50 −60 −70 0 200 400 600 Frequency (Hz) 800 1000 Magnitude (dB) 0 −10 −20 −30 −40 −50 −60 −70 0 200 Order 20 Butterworth IIR Filter 400 600 Frequency (Hz) 800 1000 (a) (b) Figure 1. En se limitant au troisi`me ordre dans le d´veloppement de Taylor e e e e de l’exponentielle.18 – Filtres de Butterworth. Les filtres de Bessel sont des filtres dont la fonction de transfert e pour un degr´ donn´ est la meilleure approximation possible de l’exponentielle e e pr´c´dente. La transform´e de Laplace H(s) d’un filtre de Bessel est de la forme : e H(s) = K0 Bn (s) . Les filtres de Bessel e a e e ont une att´nuation qui varie au-del` de la fr´quence de coupure beaucoup plus e a e lentement que ceux de Butterworth. (1.

B1 (s) = s + 1 . Comme les filtres de a e e Butterworth. de Butterworth et de Tchebycheff. Figure 1.r´currente par : e Bn (s) = (2n − 1) Bn−1 (s) + s2 Bn−2 (s) B0 (s) = 1.68) Les filtres de Bessel (appel´s aussi de Thomson) ne pr´sentent que des pˆles et e e o correspondent au cas d’un filtrage ` d´phasage lin´aire. (1. 37 .69) Figure 1.19 – Filtre de Bessel.20 – Poles d’un filtre passe-bas de Bessel d’ordre 4. La pulsation de coupure ωc varie avec l’ordre du filtre. et on montre que : n→∞ lim ωc = K0 1/n . les filtres de Bessel demandent des ordres importants pour v´rifier e des sp´cifications sur l’affaiblissement. ce qui les rend difficiles ` r´aliser avec e a e des composants analogiques. 2n! et K0 = 2n n! (1.

Cette famille e e e de filtres est d´compos´e en deux sous-familles : les filtres de type I qui core e respondent ` des ondulations uniquement dans la bande passsante et les filtres a de type II qui. ` l’oppos´. e e |H( ω)| 1 1 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 1+ ε 2 00000000 111111111 000000000 111111111 000000000 111111111 000000000 1 A ω (a) |H( ω)| 1 1 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 1+ ε 2 00000000 111111111 000000000 111111111 000000000 111111111 000000000 1 A ω (b) Figure 1. (b) ordre pair. e e Filtres de type I La famille des filtres de Chebyshev de type I pr´sente les caract´ristiques come e munes suivantes : – Ondulations dans la bande passante mais pas dans la bande att´nu´e. n >0 (1. Il en r´sulte une r´alisation plus ais´e.Filtres de Tchebycheff (ou Chebyshev) Les filtres de Chebychev conduisent a ` une diminution de l’ordre pour les mˆmes sp´cifications que pour les filtres e e que nous venons de voir.70) 38 . (a) ordre impair.21 – Gabarit et filtres de Tchebycheff de type I. La forme g´n´rale du gain fr´quentiel (au carr´) d’un filtre de Chebyshev de e e e e type I est la suivante : |H(ω)|2 = 1+ 2 1 2 Tn (ω/ωc ) . pr´sentent des ondulations seulement dans la bande a e e att´nu´e. e e – Fitres optimaux au sens o` il n’existe pas d’autres filtres polynˆmiaux du u o mˆme ordre avec des performances sup´rieures ou ´gales dans la bande e e e passante ET dans la bande att´nu´e. La forme des ondulations dans la bande passante d´pend de la parit´ e e de l’ordre du filtre.

Pour |x| ≤ 1. ce qui revient 2 e au mˆme.72) avec T0 (x) = 1 et T1 (x) = x .71)  cosh(n arccosh(ω)) si |ω| ≥ 1 Contrairement ` ce qu’il parait de prime abord. ces e polynˆmes sont monotones croissants. On a o peut en effet montrer ` l’aide de formules trigonom´triques classiques que l’on a e a: Tn+1 (x) = 2 x Tn (x) − Tn−1 (x) (1. Tn (x) pr´sente n extrema entre 0 et 1) tandis que pour |x| ≥ 1. Tn (x) oscille n fois entre 1 et −1 (ou. Les polynˆmes de Chebyshev passent par les points o caract´ristiques suivant Tn (1) = ±1 et Tn (0) = ±1 si n est pair.22 – R´ponse fr´quentielle (gain) d’un filtre de Tchebycheff de type I e e d’ordre 4 pour = 1.n est l’ordre du filtre.74) 39 . Tn (ω) est un polynˆme de o Chebyshev d’ordre n.73) − 1) o` k est la s´lectivit´ du filtre (et correspond ` la largeur de la bande de tranu e e a √ sition) et η est la constante d’att´nuation η = / A2 − 1. qui est d´fini par e  si |ω| ≤ 1  cos(n arccos(ω)) Tn (ω) = (1. e G´n´riquement. est le taux d’ondulations ripple factor) et caract´rise e l’amplitude des oscillations dans la bande passante. Tn (0) = 0 si n e est impair. o Figure 1. On peut montrer que l’ordre n du filtre doit ˆtre choisi tel que : e n≥ 1 ln ( η + 1 ln ( k + 1 η2 1 k2 − 1) (1. ce sont bien des polynˆmes. (1. la transform´e de Laplace H(s) d’un filtre de Chebyshev I est e e e de la forme : H(s) = K0 n i=1 (s − pi ) .

Order 8 Chebyshev Type I IIR Filter 0 −10 −20 Magnitude (dB) −30 −40 −50 −60 −70 0 200 400 600 Frequency (Hz) 800 1000 Magnitude (dB) 0 −10 −20 −30 −40 −50 −60 −70 0 Order 16 Chebyshev Type I IIR Filter 200 400 600 Frequency (Hz) 800 1000 (a) (b) Figure 1.c’est-`-dire constitu´e de n pˆles pi situ´s (dans le plan complexe) sur une 1/2 a e o e ellipse.23 – Poles d’un filtre passe-bas de Tchebycheff (tupe I) d’ordre 4. (b) ordre 20.75) Figure 1. c’est-`-dire tels que : a pi = et   et K0 =  √ 1 1+ 2 γ −1 − γ (2i − 1)π γ −1 + γ (2i − 1)π sin +j cos 2 2n 2 2n γ=( √ 1+ 1+ 2 ) 1 n n i=1 (−pi ) n i=1 (−pi ) si si n est pair n est impair (1. 40 .24 – Filtres de Tchebycheff de type I. (a) ordre 8.

76) o` Tn (ω) est un polynˆme de Chebyshev d’ordre n.25 – Gabarit et filtres de Tchebycheff de type II.01. e e |H( ω)| 1 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 |H( ω)| 1 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 111111111 000000000 111111111 000000000 111111111 000000000 1 1+ ε 2 ω 111111111 000000000 111111111 000000000 111111111 000000000 ω (a) (b) Figure 1. 41 .26 – R´ponse fr´quentielle (gain) d’un filtre de Tchebycheff de type e e II d’ordre 5 pour = 0. le u o e e polynˆme de Chebyshev oscillera entre 0 et 1. Dans la bande att´nu´e. 1 1+ 2 Figure 1. La forme des ondulations dans la bande passante d´pend de la e parit´ de l’ordre du filtre. e La forme g´n´rale du gain fr´quentiel (au carr´) d’un filtre de Chebyshev de e e e e type II d’ordre n est la suivante : 1 1+ 2 |H(ω)|2 = 1 2 Tn (ωc /ω) (1. e e – Ondulations dans la bande att´nu´e mais pas dans la bande passante. et donc le gain oscillera entre 0 o 1 et . (a) ordre impair. (b) ordre pair.Filtres de type II (Tchebycheff inverse) La famille des filtres de Chebyshev de type II pr´sente les caract´ristiques come e munes suivantes : – Mˆme optimalit´ que le filtre de Chebyshev de type I.

27 – Filtres de Tchebycheff de type II.77) c’est-`-dire constitu´e de z´ros situ´s (dans le plan complexe) sur l’axe imagia e e e naire et de n pˆles pi situ´s sur un 1/2 cercle de rayon ωc . 42 .i=(n+1)/2 (s n k=1 (s − pk ) − zi ) . la transform´e de Laplace H(s) d’un filtre de Chebyshev II est e e e de la forme : H(s) = K0 n i=1. o e Order 8 Chebyshev Type II IIR Filter 0 −10 −20 Magnitude (dB) −30 −40 −50 −60 −70 0 200 400 600 Frequency (Hz) 800 1000 Magnitude (dB) 0 −10 −20 −30 −40 −50 −60 −70 0 Order 16 Chebyshev Type II IIR Filter 200 400 600 Frequency (Hz) 800 1000 (a) (b) Figure 1. (b) ordre 20. (a) ordre 8.G´n´riquement. (1.

Quelle est la transform´e de Fourier de la fonction porte illustr´e ci-dessous e e t (et correspondant ` la fonction A rect( 2T )) ? a x(t) A 0 −T T t Rep : X(f ) = 2 A T sin(2πf T ) . 1 T T 0 – a0 /2 = x(t) dt .1. 43 . Que repr´sente la composante continue d’un signal ? Calculer la moyenne e du signal x(t) = A + B sin(2πνt + φ) illustr´ ci-dessous e A Composante continue t Quel est le lien entre le premier terme de la d´composition en s´rie de e e Fourier d’un signal x(t) et la valeur moyenne de ce signal ? Rep : 1 – 2π 2π 0 (A + B sin(2πνt + φ) dt = A . Montrer que la transform´e de Fourier de sign(t) est e 2 jω . 4.10 Exercices 1. 2πf T 3. 2. bk = 0 . D´composer en s´rie de Fourier le signal x(t) illustr´ ci-dessous : e e e x(t) ε 0 −τ/2 τ/2 T t Rep : ak = 2 τ T sinc kτ T .

e 9. Montrer que la transform´e de Fourier du signal x(t) = exp(−at) Γ(t) est e 1 X(f ) = a+j2πf o` a est un r´el strictement positif. Synth´tiser un filtre de Butterworth afin que l’att´nuation (A) soit de 40 e e dB ` 2 fois la fr´quence de coupure (normalis´e) et de 3 dB dans la bande a e e passante (ripple). 10. Quelle est la valeur de |H(+∞)| ? Quelle est l’allure e de la phase ? Quelle est la valeur de la phase en 0 ? Quelle est la valeur maximale de la phase ? A quelle fr´quence est-elle atteinte (correspondant e a ` la pulsation centrale) ? 44 . Quelle est la transform´e de Fourier de la fonction e (a est une r´el). Montrer que la fonction de transfert du filtre passe-bas r´alisable est une e approximation du filtre passe-bas id´al.5. u e a t2 6. e 7. e +∞ 8.28 – Diagramme en gain et phase d’un filtre inconnu. D´terminer la fonction de transfert H(ω) d’un filtre dont le gain fr´quentiel e e est illustr´ ci-dessous. Quel est le type de filtre qui correspond le mieux au diagramme en gain et en phase (Bode) repr´sent´ ci-dessous ? Quelle est la bande passante ? e e 1 10 Magnitude 10 0 10 −1 10 −2 10 0 10 1 10 Frequency (radians) 2 10 3 50 0 Phase (degrees) −50 −100 −150 −200 0 10 10 1 10 Frequency (radians) 2 10 3 Figure 1. Quelle la transform´e de Fourier du produit d’un signal p´riodique par un e e signal ` ´nergie finie : z(t) = x(t) y(t) avec x(t) = x(t + T0 ) ? ae Rep : Z(ω) = n=−∞ cn Y (ω − 2πn ) o` les coefficients cn repr´sentent le u e T0 spectre du signal x(t) sur une p´riode. 11.

e 45 . 10 1 Magnitude 10 0 10 0 10 1 10 Frequency (radians) 2 10 3 14 12 Phase (degrees) 10 8 6 4 2 0 0 10 10 1 10 Frequency (radians) 2 10 3 Figure 1.|H(ω )| dB 20 dB/décade 7 dB 3 dB 0 ωc ωd ω Figure 1. D´terminer le filtre de Butterworth tel que 20 log10 |H(ω)| s’inscrive dans e le gabarit normalis´ suivant (b = −30 dB et x1 = 2) : e |H(ω )| 0 dB 1 x1 x a b Figure 1. a 12.31 – Gabarit normalis´ x = ω/ωc .29 – Gains fr´quentiels (en dB) asymptotiques et r´els d’un filtre pour e e ωc = 6 rad/s.30 – Filtre ` avance de phase.

1. Soit le signal non-causal y repr´sent´ par y(x) = e−|x|/a o` a ∈ R+∗ . e e u D´terminer la transform´e de Fourier de y. e e

2. Soit le signal radar suivant : Il s’agit d’un motif r´p´t´ avec la p´riode T e ee e repr´sent´ par un ensemble (salve) de sinuso¨ e e ıdes de fr´quences f0 et de e dur´e τ . Le motif est cod´ par le signal x(t) = cos(2πf0 t) rect(t/T ). e e En s’aidant du produit de convolution, d´terminer la transform´e de Foue e rier de ce motif.

3. (a) D´velopper en s´rie de Fourier, ` l’ordre n, la fonction 2π-p´riodique e e a e d´finie sur l’intervalle ]−π, +π[ par x(t) = |t| . e (b) Repr´senter graphiquement le spectre fr´quentiel approximatif de e e x(t), pour n ≤ 3 .

46

Chapitre 2

Echantillonnage/Quantification

Le math´maticien Claude Elwood Shannon, n´ ` Gaylord dans le Michigan e ea en 1916, est consid´r´ comme le p`re de la transmission num´rique des informaee e e tions. Dans son ouvrage le plus c´l`bre, ”Th´orie math´matique de la communiee e e cation”, co´crit avec Warren Weaver et publi´ en 1948, il a d´fini le bit (acronyme e e e de binary digit) comme unit´ fondamentale du traitement de l’information. Il e s’est particuli`rement attach´ aux t´l´communications num´riques et ` th´oriser e e ee e a e la correction d’erreur. Son th´or`me, connu sous le nom de Shannon-Hartley, e e ´tablit que la bande passante d’un canal d´pend essentiellement de son niveau e e de bruit et non de sa largeur spectrale. Claude Shannon fut math´maticien aux e Bell Labs de 1941 ` 1972. Il a ´galement enseign´ au Massachusetts Institute of a e e Technology (MIT) de 1956 ` 1978. Il contribua par ses travaux au domaine des a telecoms, de la th´orie des jeux et de l’informatique (entre autres..). Il est avec e Turing et Von Neumann un des chercheurs qui contribua le plus ` la th´orie de a e l’information au milieu du si`cle dernier. Claude Shannon est d´c´d´ au mois e e e e d’aoˆt 2001 ` l’age de 84 ans de la maladie d’Alzheimer. u a

47

2.1

Introduction

L’analyse d’un signal continu ` l’aide d’un calculateur n´cessite sa dicr´tisation. a e e Les calculateurs ne pouvant traiter que des valeurs num´riques, une chaˆ de e ıne conditionnement aura pour fonction de transformer le signal continu en un signal num´rique (et inversement). Cela consiste ` r´aliser les op´rations successives e a e e suivantes : • le filtrage analogique en amont pour adapter la bande passante du signal au dispositif d’´chantillonnage (filtre anti-repliement), e • l’´chantillonnage, qui correspond ` la discr´tisation temporelle g´n´ralee a e e e ment ` intervalle r´gulier : les ´chantillons, a e e • la quantification qui discr´tise les valeurs prises par les ´chantillons. e e Nous allons par la suite d´velopper les deux derniers points, le premier ayant d´j` e ea ´t´ trait´ au chapitre 3 du cours de premi`re ann´e. Nous ´tudierons ´galement ee e e e e e les transformations temps discret-fr´quence ainsi que les propri´t´s sp´cifiques e ee e des signaux num´riques. e

2.2
2.2.1

Echantillonnage
Principe

L’´chantillonnage (sampling) consiste ` transformer un signal analogique (continu) e a x(t) en un signal discret, x (t), en capturant des valeurs ` intervalle de temps a r´gulier (ici le temps est une variable r´elle quelconque). C’est une ´tape n´cessaire e e e e pour pouvoir enregistrer, analyser et traiter un signal par ordinateur, car celui-ci ne peut traiter que des nombres. Il faut distinguer l’´chantillonnage de la quane tification, mais ce sont toutes deux des ´tapes n´cessaires ` la num´risation d’un e e a e signal. Le signal ´chantillonn´ est obtenu par multiplication de ce signal analogique e e +∞ par un train d’impulsions (peigne de Dirac) δTe (t) = n=−∞ δ(t − nTe ) d’aire unit´ et ´qui-espac´es de la p´riode d’´chantillonnage Te : e e e e e
+∞

x (t) = x(t)
k=−∞

δ(t − kTe )

(2.1)

En vertu de la propri´t´ qui veut que f (t) δ(t) = f (0) δ(t), on a encore : ee
+∞

x (t) =
k=−∞

x(kTe ) δ(t − kTe )

(2.2)

L’´chantillonnage a aussi des cons´quences sur le spectre du signal initial x(t). e e Elles peuvent ˆtre mises en ´vidence de la mani`re suivante : le signal δTe (t) est e e e p´riodique et peut donc ˆtre d´velopp´ en s´rie de Fourier. Le r´sultat en est : e e e e e e

48

La convolution d’un signal avec un train d’impulsions e se fait en reproduisant le signal au droit de chacune des impulsions (voir figure 2.2. comme cela est illustr´ sur la figure 2.7) . au rythme 1/Te . k=−∞ (2.3) Le spectre de δTe (t) est donn´ par e P (ω) = 2π T +∞ δ(ω − 2πk/Te ) . δTe (t) = 1 Te +∞ e2πjkt/Te . e e A la multiplication de 2 signaux dans le domaine temporel correspond (` un a facteur 2π pr`s) dans le domaine fr´quentiel la convolution des spectres de ces 2 e e signaux.f(t) δΤ(t) Signal continu f ∗ (t) t Train d’implusions d’amplitude unité t Signal échantillonné t Figure 2.6) On voit que l’effet de l’´chantillonnage est de p´riodiser le spectre du signal e e analogique initial. D`s lors.1 – Obtention d’un signal ´chantillonn´ : multiplication par un train e e d’impulsions.5) 2π Le spectre du signal δTe (t) est lui-mˆme un train d’impulsions espac´es de 1/Te e e sur l’axe des fr´quences. Le spectre du signal ´chantillonn´ est donc donn´ par e e e X (ω) = X (ω) = 1 Te +∞ X(ω − 2πk/Te ) k=−∞ (2.1). la transform´e de Fourier X (ω) du signal ´chantillonn´ x (t) e e e e est donn´e par e 1 X(ω) ⊗ P (ω) (2. k=−∞ (2. On e a donc.4) On voit donc qu’` un train d’impulsions de p´riode Te dans le domaine temporel a e correspond un train d’impulsions de p´riode 1/Te dans le domaine fr´quentiel. pour toute fr´quence f : e X (f + fe ) = X (f ) 49 (2.

e e Th´or`me de Shannon e e Pour pouvoir reconstituer. e e e Du fait que le spectre de x (t) est p´riodique. e e qu’on appelle p´riode principale ou spectre de base. En revanche s’il e e existe des composantes du signal dont les fr´quences sont sup´rieures ` fe /2. e e en appliquant un filtre passe-bas appel´ filtre anti-repliement (anti-aliasing file ter). e e a on note un recouvrement spectral (aliasing) (voir Fig. Le spectre audio est limit´ ` l’intervalle de fr´quences ee ea e [0 − 2500] Hz afin que le signal puisse ˆtre reconstitu´ correctement apr`s ˆtre e e e e ´chantillonn´ ` la fr´quence fe = 6 KHz. avant que celui-ci soit ´chantillonn´. il faut que la fr´quence d’´chantillonnage e e e e soit au moins ´gale au double de la fr´quence maximale contenue dans le signal. e e Exemple : le t´l´phone. Il ne sera alors pas possible a de reconstruire le signal apr`s traitement num´rique.2). on a besoin de le connaˆ unie ıtre quement sur une p´riode. Le spectre du signal obtenu ne correspond plus ` celui du signal initial. 50 . il n’y a pas e a e e e de recouvrement entre les p´riodicit´s spectrales (voir Fig. +fe /2].2 – Spectre d’un signal ´chantillonn´ (cas o` fmax < fe /2) : on notera e e u la p´riodicit´ fr´quentielle. un signal continu ` partir a d’un train d’´chantillons de p´riode Te .3).|X(f)| f max |X ∗(f)| f Spectre de base f e /2 fe f Figure 2. e ea e Le filtre analogique ´voqu´ au d´but de ce chapitre sert ` limiter la fr´quence e e e a e maximale contenue dans le signal continu. e Dans le cas o` la fr´quence maximale contenue dans le signal ` ´chantillonner u e ae fmax est inf´rieure ` la moiti´ de la fr´quence d’´chantillonnage fe . 2. 2. On choisit l’intervalle de fr´quences [−fe /2. sans perte d’information.

e 51 . Le bloqueur e o d’ordre 0 (car de valeur temporelle constante) maintient la valeur du signal ´chantillonn´ durant toute la p´riode d’´chantillonnage. C’est donc un filtre passe-bas (qu’on supposera id´al) de fonction de e transfert de Laplace Bo (s) : Bo (s) = f ∗ (t) 1 − e−Te s s f ∗ (t) (2. C’est dans ce spectre uniquement qu’est contenu l’information utile et d’autre part. Le circuit bloqueur a ce rˆle. il n’est physiquement pas r´alisable de reconstituer un e signal de spectre p´riodique infini.4 – Obtention d’un signal ´chantillonn´ bloqu´ : la valeur acquise au e e e moment de la capture de l’´chantillon est maintenue durant toute la p´riode e e d’´chantillonnage.8) Signal échantillonné t t Signal échantillonné bloqué Figure 2. C’est un interpolateur e e e e d’ordre 0. Bloquage La reconstitution (approch´e du signal) doit d’autre part ne laisser passer que le e spectre de base.3 – Spectre d’un signal ´chantillonn´ (cas o` fmax > fe /2) : le spectre e e u du signal obtenu ne correspond plus au spectre du signal initial.|X(f)| f max f |X ∗(f)| f e /2 fe f Figure 2.

il s’agit d’une cr´ation purement abstraite. C’est e e le sous-ensemble de C dans lequel la s´rie pr´c´dente converge. lorsqu’on ´tudie X(z). e Le domaine de convergence d´finit l’existence de la transform´e en z.3. les e e e pˆles sont simples. la variable complexe e e e e e z ne repr´sente rien de particulier. Elle est utilis´e entre autres e e e pour le calcul de filtres num´riques ` r´ponse impulsionnelle infinie (RII) ainsi e a e que pour l’´tude de la stabilit´ des filtres num´riques.9) Or. e e Lorsqu’on analyse le signal x(n).3 2.12 et 2. qui est e e l’´quivalent discret de la transform´e de Laplace.11.3. (2.12) La variable n repr´sente en g´n´ral le temps discr´tis´. on en e e d´duit que z = eTe s .1 Transform´es d’un signal ´chantillonn´ e e e Transform´e de Laplace e +∞ La transform´e de Laplace X (s) d’un signal ´chantillonn´ x (t) est d´finie par e e e e X (s) = L[x (t)] = k=−∞ x(n Te ) L[δ(t − n Te )] (2. On l’appelle e e e ´galement couronne de convergence. La plupart du temps.11) 2. les expressions des e transform´es en z utilis´es en traitement du signal sont des fractions rationnelles e e de la variable z.10) on en d´duit directement que : e +∞ X (s) = k=−∞ x(nTe ) e−nTe s (2. Ce qui permet de retrouver la a e plupart des transform´es simples.2. le domaine est appel´ fr´quentiel par analogie avec la e e e transform´e de Fourier. z∈C. e 52 . (2.2 Transform´e en z e La transform´e en z est un outil math´matique de traitement du signal. telle que e +∞ X(z) = Z{x(n)} = n=−∞ x(nTe ) z −n . +∞ L[δ(t − n Te )] = 0 e−st δ(t − n Te ) dt . Dans de nombreux calculs. on dit que l’on est dans le domaine temporel. La transe ee form´e s’´crit alors sous la forme d’une somme de fractions dont le d´nominateur e e e est de degr´ un dans le cas des fonctions ` coefficients complexes et de degr´ e a e deux dans le cas des fonction ` coefficients r´els. Il est alors possible d’´crire les transform´es sous la forme o e e d’une d´composition en ´l´ments simples de cette fraction rationnelle. On appelle ”pˆles” les racines du d´nominateur de la transo e form´e et ”z´ros” les racines de son num´rateur. Lorsque l’on compare les d´finitions 2. Sa d´finition math´matique e e e e e est la suivante : la transformation en z est une application qui transforme une suite {x(n)} (d´finie sur les entiers) en une fonction X(z) d’une variable come plexe nomm´e z. z ∈ C.

a ´tant ıde e un r´el positif inf´rieur ` un. ıde La plupart du temps le domaine de convergence de la transform´e en z est e une couronne qui contient le cercle de rayon 1. • Muliplication par n : Z{n x(n)} = −z d X(z). la notion de causalit´ est contenue dans le domaine e de convergence et non dans la formule donnant la transform´e en z qui peut e s’´crire aussi bien en fonction de la variable z que de la variable z −1 . dz z • Modulation : Z{an x(n)} = X( a ). La valeur du param`tre a d´coule de la modification particuli`re e e e 53 . est coh´rent avec la d´finition de la transform´e de e e e Fourier. de modifier la position des pˆles et des z´ros de sa transform´e o e e en z. e e • Th´or`me du retard : Z{x(n−k)} = Z{x(t−kTe )Γ(t−kTe )} = z −k X(z). on ´crit souvent ces composantes en fonction de e la variable z. Cette propri´t´ permet. e Propri´t´s de la transform´e en z e e e • lin´arit´ : Z{a1 f1 (t)+a2 f2 (t)} = a1 F1 (z) + a2 F2 (z) . Dans ce cas.5 – Sinuso¨ amortie. e e • Th´or`me de l’avance : e e Z{x(n + k)} = Z{x(t + kTe )Γ(t)} = z k X(z) − z k x(0) − z k−1 x(1) − · · · − z x(k − 1). X(z) est d´finie ` l’ext´rieur du disque e e a e a e cos(ϕ)−az −1 de rayon |a| et vaut X(z) = 1−2a cos(ω0 )zcos(ω02−ϕ) . −1 +a z −2 Figure 2. a2 ) ∈ R2 . Cependant. les fonctions ´tudi´es tendant e e souvent vers z´ro comme une fonction exponentielle lorsque t → ±∞. Le choix e de la variable z −1 et non z.Exemple : la sinuso¨ amortie x(t) = at cos(ω0 t + ϕ) Γ(t) pour t ≥ 0. Lorsque le signal est non causal (lorsqu’il a des composantes pour t < 0. Cet op´rateur repr´sente le retard d’un ´chantillon. ∀(a1 . Il incite souvent ` e e e a ´crire les transform´es des signaux causaux (nuls pour les valeurs n´gatives de e e e t) en fonction de z −1 et non de z. en multipliant le signal par un signal exponenee tiel an .

on en d´duit imm´diatement e e e que : 1 − cos ωTe z −1 .3. e e • Z{Γ(n)} = • Z{n Γ(n)} = • Z{an Γ(n)} = +∞ k=0 z −k = z z−1 (suite g´om´trique de raison z −1 ). Quelques exemples de transform´es en z (signaux causaux) e • Z{δ(n)} = +∞ k=0 δ(k) z −k = 1. La transform´e en z inverse est donn´e par e e e l’expression : 1 x(n) = Z −1 {X(z)} = X(z)z n−1 dz (2.3 Transform´e en z inverse e Il s’agit de retrouver les valeurs aux instants d’´chantillonnage x(nTe ) ` pare a tir de la transform´e en z. On constate que si la s´quence δ(n) est retard´e de l ´chantillons. 1−ejωTe z −1 • Z{ejnωTe Γ(n)} = • Etant donn´ que ejnωTe = cos nωTe +j sin nωTe . +∞ k=0 • Z{δ(n − l)} = δ(k − l) z −k = z −l . Z{cos nωTe Γ(n)} = 1 − 2 cos ωTe z −1 + z −2 Z{sin nωTe Γ(n)} = sin ωTe z −1 . 1 . sa e e e transform´e en z est multipli´e par z −l . e e z (z−1)2 . 1 − 2 cos ωTe z −1 + z −2 2.13) 2πj C 54 . +∞ k=0 k z −k = 1 1−a z −1 . n→0 z→+∞ • Th´or`me de la valeur finale (signaux causaux) e e t→+∞ lim x (t) = lim x(n) = lim 1 − z −1 n→+∞ z→1 X(z). X(z). • Th´or`me de la convolution discr`te (Th´or`me de Borel) : e e e e e +∞ Z{ n=−∞ x1 (n) x2 (n)} = X1 (z) X2 (z).choisie. • Th´or`me de la valeur initiale (signaux causaux) e e t→0 lim x (t) = lim x(n) = lim X(z).

k = 0. X(z). Finalement. L’utilisation de ces algorithmes 55 .3. L’int´rˆt pratique de la TFD vient de ce qu’il e e existe des algorithmes qui permettent de calculer cette transform´e avec beaue coup moins de multiplications qu’il n’en faudrait pour calculer la transform´e de e Fourier usuelle.. lin´aire ` coefficients constants s’exprime sous la forme e a x(k+n)+an−1 x(k+n−1) +· · ·+a1 x(k+1) + a0 x(k) = u(k) . Le calcul de la TFD n´cessite alors N log2 (N ) multiplications e alors que le calcul classique en demanderait N 2 . etc . 1. k = 0. . et par cons´quent on a e e aussi Z{x(k + 2)} = z 2 X(z) − z 2 x(0) − z x(1).. z X(z) − z x(0). C’est pourquoi dans sa d´finition apparaˆ un pas e e ıt k ee d’´chantillonnage en fr´quence N .. e a a e e Une ´quation aux diff´rences (appel´e aussi ´quation aux r´currences) d’ordre e e e e e n.5 Transform´e de Fourier discr`te (TFD) e e La transform´e de Fourier discr`te d’un processus ` temps discret {x(n)} de e e a p´riode N est : e N −1 X(k) = n=0 x(nTe ) e−2jπ N . et x(0) = x0 .4 Equations aux diff´rences e L’application de la transform´e en z ` la r´solution d’´quations lin´aires aux e a e e e diff´rences ` coefficients constants est directe ` partir du th´or`me de l’avance.3. on obtient une forme polynomiale qui permet d’exprimer X(z) en fonction de U (z).16) Cette transform´e est elle-mˆme de p´riode N et de puissance moyenne finie. Solution : (prendre l’avance) z z X(z) − z x0 − X(z) = Z{k + 1} = z Z{k} = z (z−1)2 . la TF au sens usuel ´tant d´di´e ` des signaux continus e e e a suppos´s de support infini..14) Exemple : D´terminer la s´quence f (n) ` partir de la transform´e en z de f (t) e e a e suivante F (z) = z (1 − e−αTe ) (z − 1) (z − e−αTe ) 2.o` C est un chemin ferm´ parcouru dans le sens inverse des aiguilles d’une montre u e et appartenant enti`rement au domaine de convergence (chemin entourant tous e les pˆles de F(z). 1. la suite avanc´e d’un ´chantillon e e e {x(k + 1)} a pour transform´e en z. Ceci a ´t´ rendu possible par e ee le fait que le th´or`me de l’avance introduit les conditions initiales x(0).15) Si la suite {x(k)} a pour transform´e en z. e e Exemple : x(k) − x(k − 1) = k . · · · (2. la transform´e en z de {u(n)}.. 2. Elle e e e permet de calculer la transform´e de Fourier d’une s´quence de longueur finie ` e e a l’aide d’un calculateur. ce calcul s’effectue souvent ` l’aide du th´or`me o a e e des r´sidus et la formule devient dans le cas d’un signal causal : e x(n) = zi =pˆles de X(z) o Res{z n−1 X(z)}z=zi (2.. nk (2. En pratique. 2.. x(1). ..

19) de la convolution pour des signaux e e a e continu. d’o` son nom de FFT (Fast Fourier u Transform). La valeur ∆ν s’appelle la r´solution e e N spectrale de l’analyse du signal. le produit de convolution de deux s´quences finies ou infinies x(n) et e y(n) est d´fini par : e 56 .18) que l’on appellera convolution circulaire de x(n) et y(n) o` [N ] est un intervalle u quelconque de taille N . k=0 nk (2. De plus.permet donc des calculs rapides de la TFD.17) La TFD est une fonction discr`te de la fr´quence et les fr´quences r´duites e e e e k sont les valeurs νk = N . N − 1}. (2. on recherche la s´quence num´rique H(k) qui admet pour TFD : e e H(k) = X(k) Y (k) . D’une mani`re e u e g´n´rale et par analogie ` la d´finition (2.6 Convolution discr`te e La d´finition de la convolution circulaire fournie ci-dessus et issue de la TFD core respond bien ´videmment au cas o` l’intervalle est de taille finie. échantillonnage f(t) Tf Laplace T F(s) échantillonnage F(z) T f*(t) Tf Laplace échantillonnage T Tf Fourier F( ω ) T TFD échantillonnage Tf Fourier f(t) f*(t) Figure 2. xN −1 ) . x2 . · · · . · · · . ∀k ∈ {0. calcul qui aboutit ` a H(k) = n∈[N ] x(n) y(k − n) . On peut donner ´galement la relation exprimant la transform´e de e e Fourier discr`te inverse : e x(n) = 1 N N −1 X(k) e2jπ N . · · · . N − 1} .6 – R´sum´ de l’ensemble des transformations. Si l’observation du signal ´chantillonn´ x(n) est limit´ ` N ´chantillons (temps d’observation ´gal ` fe ). Etant donn´es deux s´quences nue e e m´riques {x(n)} et {y(n)} de transform´es de Fourier discr`tes X(k) et Y (k) e e e respectivement. e e 2. x1 . la transform´e de Fourier discr`te permet d’introduire la notion de e e convolution circulaire (convolution discr`te). ∀k ∈ {0. e e ea e e a N le signal observ´ est repr´sent´ par la s´quence finie (x0 . La e e e e TFD de celle-ci co¨ ıncide avec la transform´e du signal original x(t) uniquement e aux fr´quences multiples de ∆ν = fe .3.

on peut proc´der de deux mani`res : e a e e e 1. on l’´chantillonne ` une fr´quence arbitrairee a e ment ´lev´e (autant que possible . ne serait-ce que e de mani`re approximative. Donc. on a e e e un signal p´riodique ´chantillonn´. ceci engendre e un plus grand nombre d’´chantillons ` traiter. en esp´rant e e e e ainsi respecter le crit`re de Shannon. de plus. Sans filtrer le signal.sur-´chantillonnage). pratiquement. De mˆme. e e e e • Erreur due ` l’´chantillonnage de la transform´e de Fourier. Puis. u ea Pour r´pondre ` cette difficult´. soit en rajoutant des z´ros aux e e ´chantillons du signal (technique appel´e zero padding) : si on ajoute e e N z´ros au calcul de la TFD d’un signal de taille N . Le calcul de la TFD s’effectue sur un horizon fini (taille de [N ]) du fait de la troncature temporelle ` l’iade d’une fenˆtre qui se traduit par un a e ´talement du spectre du signal vers les fr´quences ´lev´es. Pour poue e voir choisir la fr´quence d’´chantillonnage de mani`re ` respecter le e e e a crit`re de Shannon. e e e 57 . il faut connaˆ e ıtre pr´alablement. Bien entendu. la r´solution e e fr´quentielle est doubl´e. mais sur son ´quivalent num´ris´. dot´ d’une transform´e de Fourier e e e e e p´riodique et ´chantillonn´e. il faut diminuer le pas d’´chantillonnage soit e en ´chantillonnant le signal moins vite. e e Cette connaissance n’est pas toujours acquise dans les diff´rentes situae tions o` l’on est amen´ ` utiliser les techniques du traitement du signal. On filtre le signal au moyen d’un filtre anti-repliement dont la fr´quence de coupure est suffisamment ´lev´e pour qu’on puisse e e e esp´rer que le signal ne poss`de aucune composante spectrale aue e del` de cette fr´quence. dot´ d’une TF continue non p´riodique. la fr´quence maximale du spectre du signal. on ´chantillonne le signal suivant le a e e crit`re de Shannon. e ee ce n’est pas directement sur le signal x(t) que porte le calcul. si on ´chantillonne la transform´e de e e e e e Fourier. non p´riodique. Il faut respecter la fr´quence d’´chantillonnage de Shannon. et la transform´e de Fourier discr`te introduite e e e e dans cette section. L’int´grale de Fourier qui fournit la transform´e de Fourier e e requiert la connaissance de la totalit´ du signal consid´r´ .+∞ (x y)(k) = n=−∞ x(n) y(k − n) . e 2. on p´riodise le signal temporel. e a • Erreur de troncature temporelle. Il est n´cesa e e e saire d’examiner si l’´chantillonnage de la transform´e de Fourier est e e correct. au lieu d’avoir un signal e continu.19) Remarques Il est important de bien voir la diff´rence qui existe entre la TF e d´finie par l’int´grale de Fourier. Le calcul de la TFD introduit donc des erreurs sur le spectre e e e du signal : • Erreur de repliement de spectre. (2. Si on a des doutes.

5 2. e e on parle de quantification lin´aire. le signal x(t) est e remplac´ par la valeur la plus proche parmi les valeurs possibles du signal e 58 . e Codage sur 3 bits 111 110 101 100 011 010 001 000 0 1.25 7.1 Quantification Principe et caract´ristiques de la conversion e La quantification (quantization) d’un signal analogique consiste ` remplaa cer l’infinit´ de valeurs diff´rentes qu’il peut prendre (comme une tension ou e e une intensit´ ´lectrique par exemple qui sont des grandeurs macroscopiquement ee continues) par un nombre fini N q de valeurs.0 6.5 8.5.4 Energie et puissance d’un signal num´rique e Par analogie au cas des signaux continu.75 10.22) 2. e e • Energie : L’´nergie moyenne d’un signal num´rique repr´sent´ par la e e e e s´quence {x(n)} est d´finie par : e e +∞ Wx = k=−∞ |x(k)|2 . Si ces derni`res sont ´quidistantes. nous abordons ici les d´finitions sur e l’´nergie et la puissance d’un signal num´rique.75 5. (2. k=M (2.0 Tension d’entrée en Volts q Figure 2. M + N − 1) = 1 N M +N −1 |x(k)|2 . e A chaque instant d’´chantillonnage n Te (n nombre entier).50 3.7 – Fonction de transfert d’un convertisseur lin´aire (CAN).2. N ). 2 (2.20) • La puissance moyenne du signal num´rique repr´sent´ par la s´quence e e e e {x(n)} sur un intervalle de dimension N est d´finie par : e Px (M. et la distance qui s´pare 2 valeurs cons´cutives e e e possibles est appel´e pas de quantification q.25 2.21) • La puissance moyenne totale du signal num´rique repr´sent´ par la s´quence e e e e {x(n)} est d´finie par : e Px = lim Px (− N →∞ N −1 2 .

signal ´chantillonn´ de x(t). Si l’on appelle la diff´rence entre la valeur e e analogique Vana et la valeur num´rique Vnum = m Ds . • le temps de conversion (temps d’´talissement ou settling time) : c’est e la dur´e n´cessaire aux composants ´lectroniques pour convertir le sie e e gnal et d´livrer dans un registre (ou de mani`re ´quivalente. C’est la fonction des convertisseurs num´rique-analogique qui effectuent l’op´ration e e inverse des CAN. Inversement. Pour e a e les CNA. = pas de progression / pleine ´chelle .. et sa version quane e tifi´e d’autre part. La r´solution peut ´galement e e e ˆtre exprim´e en pourcentage de la pleine ´chelle (PE ou full scale) : e e e R´solution (%PE)..24) 59 . ou encore Vnum = Vana + . on augmente la r´solution. not´e souvent xn . Afin de ne perdre aucune information contenue dans les ´chantillons du signal. Un CAN est caract´ris´ essentiellement par : e e • la r´solution (le pas de quantification q).quantifi´. (0 < < Ds ) . Pour mener ` bien cette op´ration. (Ds est la valeur e pour un ´chantillon). on a : e m Ds < Vana < (m+1)Ds . (2. e e La quantification des ´chantillons est effectu´e par un Convertisseur Analogique e e Num´rique (CAN ou ADC). li´ ` l’intervalle de mesure V e ea (intervalle de valeurs autoris´es pour le signal ` l’entr´e. e e u e e c’est pourquoi celui-ci est une caract´ristique essentielle du CAN. La a e e p´riode d’´chantillonnage doit bien sˆr ˆtre sup´rieure au temps de conversion.23) En augmentant le nombre de bits. une case e e e m´moire) un nombre entier correspondant ` la valeur quantifi´e.. il faut choisir e correctement le pas de quantification (cf. amplitude.). Le CAN est pr´c´d´ d’un bloqueur. e e (2. 12 ou 16 bits). e • l’erreur de quantification : le processus de quantification entraˆ de par ıne sa nature mˆme une erreur. qui maine e e e e tien le signal ` une mˆme valeur obtenue au moment de l’´chantillonnage. temps de conversion. On peut adopter une notation permettant de distinguer d’une part. par exemple e a e V = 10 V pour un signal pouvant ´voluer entre −5 V et +5 V) et au e nombre N q de pas utilis´s : q = V /N q. on a souvent besoin de revenir au monde anae logique pour transmettre des signaux tels que la parole ou les images. il convient de e a e respecter un certains nombres de r`gles th´oriques et de choisir correctement e e le CAN (r´solution. la r´solution est exprim´e par le e e e nombre de bits (typiquement 8. e x(n) = xn = x(nTe ) = x (t). Les transformations e doivent ˆtre r´alis´es sans perte d’informations et sans accroˆ inutilement le e e e ıtre nombre de donn´es num´riques. e La r´solution d’un CNA est la plus petite variation qui se r´percute sur e e la sortie analogique ` la suite d’un changement de l’entr´e num´rique a e e (´gale au poids du bit de poids faible). e lorsque le traitement est effectu´. Dans la e sp´cification des fabricants de CNA. Th´or`me de Shannon) sous e e peine de repliement spectral. c’est l’intervalle de temps s´parant l’instant o` l’on pr´sente e u e la donn´es num´riques et l’instant o` le signal analogique est disponible e e u avec la pr´cision voulue (de l’ordre de qq µs).

27) • la tension de d´calage (offset) : id´alement la tension de sortie d’un e e convertisseur NA est 0 Volt quand l’entr´e num´rique est nulle. a e Cette erreur est de moyenne nulle et la puissance du bruit de quantification est alors d´fini comme la variance σq du signal (t). En prae e tique. C’est-`-dire la moiti´ du pas de progression.8 – Lin´arit´ int´grale d’un convertisseur. Typiquement. le CNA d´livre un signal Vana telle que : e Vana = {An /2 + An−1 /4 + · · · + A1 /(2n)} Vr (2. 2. Sa valeur e est obtenue si on consid`re que le pas de quantification (ou quantum) e q est suffisamment faible pour consid´rer constant le signal entre deux e pas d’´chantillonnage. cette erreur est e inf´rieure ` 0. Vfs erreur max num Figure 2. La majorit´ des CNA dont la sortie est une e a e tension poss`dent un bouton de r´glage qui permet de compenser cette e e erreur.26) An est le MSB (bit de poids fort ou Most Significant Bit) et A1 est le LSB. Vr ´tant une tension de r´f´rence et An l’´tat (0 ou 1) du bit de e ee e rang n. cette erreur e e vaut 0. • sa lin´arit´ int´grale : c’est l’´cart relatif maximum entre la r´ponse e e e e e r´elle du convertisseur et la droite correspondant ` une r´ponse id´ale. On obtient alors facilement sa valeur qui est : e 2 σq = E 2 (kTe ) = q2 .5 fois la valeur du bit de poinds faible (LSB . e e e 60 .Lowest Significant Bit) en moyenne. on mesure une petite tension de sortie due ` l’erreur de d´calage a e de l’amplificateur op´rationnel de sortie. et la valeur pleine ´chelle : e Vf s = (2n − 1) Vr /2n .25) • la fonction de transfert (CNA) : lorsque l’on pr´sente ` un convertisseur e a un mot de n bits. (2.Comme les valeurs de ont toutes la mˆme probabilit´.05 % PE. e a e e Elle est g´n´ralement exprim´e en pourcentage de la pleine ´chelle ou e e e e en fraction du LSB (voir Fig. Le pas de quantification est tel que : Ds = Vr /2n . 12 (2.8).

la conversion par approximations successives. Les temps de conversion de ces m´thodes sont tr`s diff´rents et d´pendent du nombre e e e e de composants ´lectroniques.28) . C’est le rˆle de la conversion num´rique . 2. ce qui est le cas lorsque la bande passante du signal n’est pas n´gligeable par rapport ` la fr´quence d’´chantillonnage. comme un ordinateur.9 – Implantation des CAN et CNA aupr`s d’un calculateur. afin que l’on puisse par exemple contrˆler e e e o la vitesse d’un moteur ` courant continu.9 a que les CAN et les CNA jouent le rˆle d’interfaces entre un syst`me purement o e num´rique. o • signal analogique temporel : filtre de reconstruction. valeurs numériques tension électrique CAN valeurs numériques Calculateur (espace mémoire d’un processus info. données traitées données Calculateur acquises ordre de conversion Filtre de reconstruction données reconstruites données CNA converties et reconstruites Figure 2. La pr´cision e ee a e du codage peut ˆtre alt´r´e si entre deux comparaisons successives le signal ` e ee a convertir varie sensiblement. Nous voyons donc sur la Fig.) tension CNA électrique Figure 2.10 – Reconstruction des donn´es num´riques issues d’un calculateur.La plupart des CAN ont un fonctionnement bas´ sur des comparisons successives e entre un signal g´n´r´ par le convertisseur et le signal ` convertir. la conversion flash. fournit un signal e e e num´rique qui est transform´ en un signal analogique dans le temps et en ame e plitude : • signal analogique en amplitude : rˆle du CNA. et le monde ext´rieur ` pr´dominance analoe e a e gique. e a e e Il existe plusieurs structures de fonctionnement des CAN comme la conversion a ` rampe. La plupart des signaux de commande n´cessaires ` la r´gulation de e e a e proc´d´s doivent ˆtre analogiques. 2. e Le calculateur. e e Le filtre de reconstruction du signal peut ˆtre effectu´ par le calculateur (il l’est le e e plus souvent) (voir Fig. apr`s traitement des donn´es num´riques. e Il s’agit le plus souvent de ”lisser” les donn´es : e Reconstruction = Interpolation + Filtrage passe-bas 61 (2.analogique (CNA ou o e DAC). L’instant de pr´sentation des donn´es num´riques au convertisseur CNA doit e e e ˆtre parfaitement d´fini dans le temps ` l’aide d’un ordre de validation des e e a donn´es. Les grandeurs physiques issues d’un processus ine formatique sont transform´es en tension ´lectrique continue (analogique) proe e portionnelle.10) et donc avant la conversion num´rique-analogique.

5 1 1. 62 . 2.Exemple : Convertisseur num´rique-analogique 4 bits .29) L’inconv´nient majeur pour ce type de convertisseur.8 Volts (unipolaire).5 2 2.5 7 7. soit ` la e a e a a tension Vr .11 – Convertisseur NA 4 bits .5 4 4. (2. e e D 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 C 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 B 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 A 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 Tension 0 0.5.5 5 5.5 3 3. ce qui est difficile voire impossible.12 – CNA ` r´sistances pond´r´es. 2.5 poids fort D C B A Convertisseur Tension de sortie NA (analogique) poids faible Figure 2.11. d`s a e que le nombre de bits devient important.5 6 6. c’est qu’il faut des r´sistances e e dont les valeurs doublent ` chaque fois.2 Structures d’un CNA n3 n2 n1 n0 R 2R 4R 8R − Vs + R Figure 2. a e ee CNA ` r´sistances pond´r´es a e e e Le CNA ` r´sistances pond´r´es utilise un amplificateur op´rationnel mont´ a e ee e e en additionneur. e Les 24 = 16 nombres biaures diff´rents que l’on peut repr´senter avec ces 4 bits e e sont repr´sent´s sur la Fig. La sortie Vs sera donc ´gale ` e a Vs = −Vr (n3 + n2 /2 + n1 /4 + n0 /8) .8 Volts (unipolaire). Les entr´es n0 ` n3 sont connect´es soit ` la masse.

le bruit de l’alimentation ne doit pas exc´der 1/2 LSB. Le e a seul moyen de supprimer correctement ces perturbations (glitches) est de connecter un ´chantillonneur-bloqueur sur la sortie du convertisseur e afin de maintenir le niveau de l’´chantillon pr´c´dent pendant la trane e e sition. Chaque entr´e ayant e e e e e son propre interrupteur. a e e La r´sistance R peut simplement ˆtre obtenue par deux r´sistances 2R dispos´es e e e e en parall`le. la tension de sortie Vs sera ´gale ` : e a Vs = −Vr (n3 + n2 /2 + n1 /4 + n0 /8) Rf /2R .30) Figure 2. par exemple. Rf n3 2R R n2 2R R n1 2R R n0 2R 2R − Vs + (2. Ainsi. on passe d’une valeur 0111 ` la valeur imm´diatement a e sup´rieure 1000 et si les interrupteurs commutent plus rapidement de e l’´tat 1 vers l’´tat 0 que dans le sens inverse. les temps de commutation ne sont jamais rigoureusement identiques (pour chaque interrupteur) et il peut apparaˆ ıtre des transitoires sur le signal analogique Vs . le bruit e ee dans l’alimentation est un frein ` la r´solution des convertisseurs.5 V.CNA R-2R (r´seau en ´chelle) e e Ici. soit 40 µ V (CNA ou CAN). En effet. on aura pendant un temps e e tr`s court la valeur 0000 correspondant ` un signal de sortie nulle.13 – CNA ` r´seau en ´chelle. a e pour un convertisseur 16 bits . e 63 . • la lin´arit´ du convertisseur d´pend de la pr´cision des r´sistances du e e e e e r´seau. Si. e • la stabilit´ de la source de tension de r´f´rence Vr . Il y a cependant des sources d’erreur : e • le passage du niveau bas (0 V) au niveau haut (Vr ) (commutation) des diff´rentes entr´es est r´alis´ par un interrupteur.

le temps de conversion est de 4096 fois e a le temps du cycle de l’horloge. (2.3 Structures d’un CAN Une caract´ristique importante d’un CAN est le temps de conversion. La sortie du CNA est reli´e ` l’entr´e e e a e a e d’un comparateur de tension. 64 . D`s que celle-ci est sup´rieure ` la tension d’entr´e. Un CAN est plus difficile ` r´aliser qu’un e a a e CNA. Ainsi.2. CAN ` rampe num´rique a e Un compteur est branch´ aux entr´es d’un CNA et la sortie de celui-ci augmente e e r´guli`rement ` chaque coup d’horloge.31) CAN ` rampe num´rique avec compteur-d´compteur a e e Ici.5. Il n’est pas n´cessaire de r´initialiser le compteur ` chaque convere e a sion. Ce convertisseur ` un temps de conversion moins grand que le montage a pr´c´dent (sauf pour la premi`re conversion) mais ce temps de conversion est e e e encore variable. e Vana − horloge + Compteur sortie numérique CNA Figure 2. Si l’entr´e de celui-ci est mise ` 5 V. sinon e a e e il compte. a Le probl`me majeur de ce montage est que le temps de conversion est tr`s long e e et variable. il faut r´initialiser le compteur ` 0 ` chaque conversion e a a et la fr´quence de l’horloge est limit´e par le temps de conversion du CNA. et il contient souvent un CNA. La formule du temps de conversion peut donc en ˆtre d´duite : e e tconv = traz + 2n/fhorloge . le compteur ”suit” en permanence la tension d’entr´e Vana : si la tension de e sortie du CNA est sup´rieure ` la tension d’entr´e le compteur d´compte. ce qui bloque le compteur et e a indique que la conversion est termin´e. cycle qui est d’autre part limit´ par la conversion e dans le CNA et le comparateur. D’autre part. La valeur du compteur correspond ` la e a valeur num´rique attendue en sortie. e e a e le comparateur force un ´tat haut (1) ` sa sortie. e e si on dispose d’un convertisseur 12 bits ayant comme tension nominale Vana = 5 V.14 – Principe du CNA ` rampe. Il est lare gement sup´rieur ` celui d’un CNA.

a – 1100 = 12 V > Vana ⇒ bit 2 mis ` 0 pour la suite. et ` la pr´cision pr`s du CNA). pour un convertisseur 4 bits de r´solution 1 V..15 – Principe du CNA ` rampe et compteur/d´compteur. a 65 . On r´it`re cette e a a e e op´ration pour les autres bits du registre : e – 1000 = 8 V < Vana ⇒ bit 3 mis ` 1 pour la suite..Vana − + horloge Compteur/ Décompteur sortie numérique CNA Figure 2. Comme la sortie du CNA est de 8 V a et donc inf´rieure ` Vana . a Ce type de CAN poss`de des circuits plus complexes que le CAN ` rampe e a num´rique mais le temps de conversion est beaucoup plus court.. Si.16 – Principe du CNA ` approximations successives. a – 1010 = 10 V < Vana ⇒ bit 1 mis ` 1 pour la suite. la conversion se fait en n ´tapes (donc n cycles e d’horloge).. Une logique de e commande modifie le contenu d’un registre bit par bit jusqu’` ce que la donn´e a e qui s’y trouve. a e CAN ` approximations successives a Vana + − Logique de commande horloge Registre poids fort . par exemple. On place tout e d’abord le bit de poids fort ` 1 (1000). CNA poids faible Figure 2. soit l’´quivalent num´rique de la tension analogique Vana (` la e e a sensibilit´ pr`s du comparateur. on e souhaite convertir la tension d’entr´e analogique Vana = 10. e e a e e Pour un convertisseur n bits. 4 V. on garde le bit de poids fort ` 1.

kDs ` l’aide de k comparateurs ` qui l’on pr´sente simultan´ment le a a e e signal Vana .. tous les comparateurs dont les niveaux de r´f´rence sont inf´rieurs ` la valeur Vana basculent ` l’´tat logique 1 et tous ee e a a e les autres restent ` l’´tat bas 0.. ...6 Corr´lation num´rique e e On a vu au chapitre 2. . Un d´codeur transforme les signaux pr´sents a e e e a ` la sortie de l’ensemble des comparateurs en un signal num´rique parall`le e e cod´ en binaire pur.... e e a e CAN flash (ou parall`le) e 5V V + − ana + − Logique de décodage n bits .. On compare la tension Vana de l’´chantillon aux niveaux de quantification Ds . 2 ncomparateurs + − Figure 2. les d´finitions de l’autocorr´lation et de l’intercorr´lation e e e pour des signaux continus..... Pour une r´solution de n bits. . L’avantage principal de ce montage de convertisseur est qu’il fonctionne en parall`le ce qui lui conf`re une grande rapidit´. on a besoin de 2n comparae e teurs... Pour des signaux e e discrets ` ´nergie finie... e Sur cet exemple on voit que la conversion par approximations successives d´livre e une valeur num´rique toujours inf´rieure ` l’entr´e analogique. La corr´lation est une mesure ´nerg´tique de la sie e e militude de forme et de position entre deux signaux d´cal´s.. e e e 2..– 1101 = 11 V > Vana ⇒ bit 0 mis ` 0 a – ⇒ r´sultat : 1100 = 10 V. Sur l’ordre de conversion..... on d´finit l’autocorr´lation et l’intercorr´lation de de la ae e e e mani`re suivante : e 66 .17 – Principe du CNA flash... e 2Ds .

pour des signaux discrets ` puissance moyenne finie.34) Intercorr´lation : corr´lation entre le signal discret x(n) et le signal discret e e y(n) : +∞ 1 γxy (k) = lim x(k) y (n − k) . n=−N (2. (2. les calculs sont limit´s ` un voisinage fini (un horizon N fini). a e 67 . on e a d´finit l’autocorr´lation et l’intercorr´lation de la mani`re suivante : e e e e Autocorr´lation : corr´lation entre le signal x(n) et lui-mˆme : e e e γxx (k) = lim 1 2N + 1 +N N →+∞ x(n) x (n − k) .Autocorr´lation : corr´lation entre le signal x(n) et lui-mˆme : e e e +∞ γxx (k) = n=−∞ x(n) x (n − k) . (2.32) Intercorr´lation : corr´lation entre le signal discret x(n) et le signal discret e e y(n) : +∞ γxy (k) = n=−∞ x(k) y (n − k) . (2.35) N →+∞ 2N + 1 n=−∞ En pratique.33) De mani`re similaire.Il e a s’agit alors d’une approximation lorsque les s´quences x(n) et y(n) correse pondent ` des r´ponses impulsionnelles infinies (RII).

0. 2. Pour un convertisseur num´rique-analogique 5 bits. · · · . 3. 5. 03 % PE. la tension de sortie est de 100 mV. 2. (b) Donner l’erreur totale en volts. 3. e e e e (a) Indiquer l’erreur de quantification en volts. 1. 1 n 6 et x2 (n) = 4 Γ(n) → X2 (z) = 4z z− 1 6 . · · · pour k = 0. Etant donn´ la transform´e en z suivante : e e F (z) = 0. 792 z 2 (z − 1) (z 2 − 0. e 4. e e 8.208) D´terminer la valeur de la s´quence f (kTe ) quand k → +∞. D´montrer le th´or`me de l’avance de k p´riodes. Calculer la transform´e en z de f (t) = t Γ(t). 6. Soit les caract´ristiques suivantes d’un CAN 5 Volts : e r´solution 12 bits .416z + 0. Calculer la Transform´e de Fourier Discr`te de la suite comportant N = 16 e e termes tels que : x(0) = x(n) = x(1) = x(2) = x(14) = x(15) = 1 0 pour 3 ≤ n ≤ 13 68 . Quelles sont les transform´es en z de : e (a) x1 (n) = (b) x2 (n) = Rep : X1 (z) = 1 n 3 Γ(n). 2. Calculer la transform´e en z de la s´quence num´rique suivante : e e e g(n + 2) − 5g(n + 1) + 6g(n) = 1 pour n ≥ 0 et avec les conditions initiales g(0) = 2 . Quelle est l’´nergie du signal x1 (n) d´fini ` la question pr´c´dente ? e e a e e 7.2. e e e e 3. e e a 9. calculer la pleine ´chelle. erreur de lin´arit´ pleine ´chelle 0. 0. g(1) = 3 . e a e la r´solution (pas de quantification) et la tension de sortie pour une entr´e e e num´rique ´gale ` 11101. Calculer la transform´e en z de la suite de nombres entiers {y(k)} pour e y(k) = 1.7 Exercices 1. 1 n 3 1 n−2 2 z z−1/3 Γ(n). 0. 10. · · · . quand l’entr´e est e e ´gale ` 10100.

69 .

70 .

Chapitre 3

Filtrage num´rique e

Rudolf Emil Kalman (n´ le 19 mai 1930) est un math´maticien et un automae e ticien am´ricain d’origine hongroise, ing´nieur en ´lectrotechnique de formation. e e e Il est surtout connu pour sa contribution ` l’invention du filtre de Kalman, une a technique math´matique de filtrage tr`s utilis´e pour extraire un signal ` partir e e e a de mesures bruit´es. Les id´es de Kalman sur le filtrage rencontr`rent un certain e e e scepticisme, ` tel point qu’il dut publier d’abord ses travaux dans un journal de a m´canique (au lieu d’´lectrotechnique). Il eut plus de succ`s, cependant, lorse e e qu’il rencontra Stanley Schmidt au Ames Research Center de la NASA en 1967. Cela mena ` l’utilisation des filtres de Kalman pour le programme Apollo. a

71

3.1

Introduction

Nous allons traiter dans ce chapitre du filtrage lin´aire num´rique. Un filtre e e num´rique est constitu´ d’un groupement d’entit´s logiques (circuits, processus e e e d´di´s) astreints ` un processus de calcul (ou algorithme) qui conf`re ` ce filtre e e a e a une fonction d´termin´e (passe-bas, passe-haut, passe-bande, r´jecteur de bande, e e e int´grateur, diff´rentiateur,...). Le calcul porte sur une s´quence (ou suite) de e e e nombres introduite ` son entr´e et qui fournit une s´quence num´rique moa e e e difi´e, c’est-`-dire filtr´e ou trait´e, ` sa sortie. La plupart des mod`les de filtres e a e e a e analogiques (cf. Chapitre 3) peuvent ainsi ˆtre reproduits sous forme num´rique. e e Un filtre num´rique est g´n´ralement constitu´ des ´l´ments suivants : e e e e ee • un ou plusieurs organes de retard (ce sont des registres ` d´calage jouant a e le rˆle de m´moires retard´es) et pilot´s par une horloge, o e e e • des op´rateurs arithm´tiques (additionneurs et multiplieurs), e e • des registres (programmables) fournissant les coefficients de pond´ration e du filtre. La r´alisation concr`te d’un filtre num´rique consistera en fait ` mat´rialiser e e e a e l’algorithme de calcul pour la structure retenue. On aura pour cela la possibilit´ e de travailler : • soit en logique cˆbl´e (assemblage d’organes logiques, tels que des portes, a e m´moires, etc...), e • soit en logique programm´e : organisation des op´rations autour d’un e e processeur de traitement du signal (DSP - Digital Signal Processor), ou mˆme, par l’utilisation d’un mie croprocesseur (micro-ordinateur) standard. Le champ d’applications du filtrage num´rique est tr`s vaste puisqu’il va des e e t´l´communications au traitement de la parole, en passant par des syst`mes ee e d’asservissement, les radars et sonars, la prospection sismique, la ”HI-FI”, etc... C’est surtout, ` l’origine, dans les t´l´communications que leur usage s’est tr`s a ee e vite r´pandu car ` la fois leur capacit´ de m´moire et la vitesse de traitee a e e ment se trouvaient adapt´es ` la plupart des fonctions remplies sous forme e a num´rique : codage-d´codage et (d´-)compression d’images (JPEG - Joint Phoe e e tographic Experts Group), de vid´os (MPEG - Moving Picture Experts Group) e et du sons (informatique, t´l´vision num´rique), modems, contrˆleurs de disque ee e o durs, acc´l´rateurs graphique 3D, animation en r´alit´ virtuelle, reconnaissance ee e e d’images, suspensions actives d’automobiles, servo-moteurs ` commande num´a e rique,.... Dans de nombreuses applications, sont utilis´s des DSP d´di´s, c’est-`-dire des e e e a DSP qui sont directement ”programm´s” avec un logiciel particulier ` la concepe a tion (soit en ROM, soit cˆbl´). a e

72

Les avantages du filtrage num´rique par rapport au filtrage analogiques sont : e • la reproductivit´ : les caract´ristiques de tous les filtres num´riques e e e ´tablis sur une mˆme configuration sont rigoureusement identiques, e e • la souplesse : la r´ponse en fr´quence peut ˆtre tr`s ais´ment modifi´e e e e e e e en changeant les coefficients arithm´tiques : le domaine des fr´quences de travail est fae e cilement d´plac´ par modification de la fr´quence d’´chantil-lonnage, e e e e • la pr´cision : les diff´rentes manipulations ´tant effectu´es sur des nombres, e e e e la pr´cision ne d´pend, en grande partie, que de celle des CAN et CNA, e e • l’association de filtres : la mise en s´rie de filtres num´riques ne pose aue e cun probl`me d’interaction, tel que celui que l’on rencontre pour l’adape tation des imp´dances des filtres analogiques, e • la stabilit´ des caract´ristiques : pas de vieillissement des composants e e dˆ ` l’influence de la temp´rature sur les caract´ristiques du filtre. ua e e En revanche, les principaux inconv´nients sont li´s au probl`me de l’´chantillone e e e nage (spectre du signal toujours limit´) n´cessitant l’utilisation de processeurs e e ayant une bonne rapiditi´ d’ex´cution pour pouvoir traiter des signaux ayant e e une forte ”dynamique” (fr´quences ´lev´es) en temps r´el. e e e e

D’une mani`re g´n´rale, les filtres num´riques se caract´risent par le traitee e e e e ment enti`rement num´rique du signal. Typiquement, les filtres num´riques sont e e e repr´sent´s par : e e • la r´ponse impulsionnelle, e • l’´quation aux diff´rences, e e • la transform´e en z (ou la fonction de transfert en z). e Comme pour le cas continu, le filtrage lin´aire se traduit par l’emploi de la e convolution. Celle-ci s’exprime en discret par des additions et des multiplications. Quand un filtre num´rique est repr´sent´ par une suite de nombres qui e e e constitue sa r´ponse impulsionnelle h(n), au signal ` filtrer repr´sent´ par la e a e e suite num´rique x(n) = x(nTe ) correspond en sortie du filtre la suite filtr´e y(n) e e qui s’exprime par l’´quation (2.19), c’est-`-dire par e a
+∞

y(n) =
k=−∞

h(k) x(n − k) .

(3.1)

Deux cas se pr´sentent alors : e

73

puisqu’il ne garde le souvenir a e que d’un signal ´l´mentaire. K) sont les coefficients. Par exemple. on peut exprimer le crit`re de stabilit´ suivant sur les coefficients e e e num´riques : Un filtre est stable ssi sa r´ponse impulsionnelle est absolument e e sommable : +∞ | h(n) | < ∞ . · · · . Comme pour les filtres analogiques. e e • Ou bien la sommation porte sur un nombre infini de termes. c’est-`-dire a que les h(k) sont nuls sauf pour un nombre fini de valeurs de la variable enti`re k : c’est le filtre dit ` r´ponse impulsionnelle finie (RIF) et en e a e faisant allusion ` sa r´alisation. L) et bk (k = 1.2) Les al (l = 0.3) 74 . N´anmoins.1 – Structure directe (ou r´alisation transverse) pour un filtre RIF e causal. les h(k) ont une infinit´ de valeurs non nulles : le filtre est alors ` r´ponse ime a e pulsionnelle infinie (RII). si L et K sont des entiers. 2. Les nombres h(k) sont appel´s les coefficients du e e e e filtre.2). n=−∞ (3. qu’ils d´finissent compl`tement (Fig. que pendant ee une dur´e d´termin´e. Il est ` m´moire finie. 1.• Ou bien la sommation porte sur un nombre fini de termes. on le d´signe encore par non r´cursif a e e e car il ne n´cessite pas de boucle de r´action de la sortie sur l’entr´e dans e e e sa mise en oeuvre. Son e e e fonctionnement est r´gi par une ´quation selon laquelle un ´l´ment de e e ee la suite de sortie y(n) est calcul´e par la sommation pond´r´e d’un cere ee tain nombre d’´l´ments de la suite d’entr´e x(n) et d’un certain nombre ee e d’´l´ments de la suite de sortie lors d’´chantillons pr´c´dents et suivants ee e e e (Fig. le fonctionnement du filtre peut ˆtre e d´fini par l’´quation suivante : e e L K y(n) = l=0 al x(n − l) − k=1 bk y(n − k) . (3. ou encore de type r´cursif.1). la transformation en z. il est n´cessaire le plus souvent de passer par e e une transformation. une impulsion par exemple. car il faut r´aliser e e sa m´moire par une boucle de r´action de la sortie sur l’entr´e. 3. l’´tude de ce type de filtre ne se fait pas en g´n´ral e e e simplement de mani`re directe . · · · . x(n) a0 z−1 a1 z−1 a2 a L−1 + z−1 aL + y(n) + + + Figure 3. 3.

e La partie anticausale est stable si tous les pˆles de H− (z) sont ` l’ext´rieur o a e du cercle unit´.2 – Structure (ou r´alisation) r´cursive pour un filtre RII causal : La e e partie MA (Moving Average) est pr´sente ´galement sur les RIF. e • Filtre ` minimum de phase : Si tous les z´ros de H(z). e a Remarques : • Un filtre lin´aire non causal h(n) peut se d´composer en une partie caue e sale h+ (n) et une partie anti-causale h− (n) : h(n) = h+ (n) + h− (n). alors le filtre est dit ` minimum de phase. e a • La pr´sence des pˆles est caract´ristique des syst`mes r´cursifs. fonction de transa e fert en z d’un filtre num´rique lin´aire causal et stable. Deux fonctions de transfert H+ (z) et H− (z) caract´risent alors le filtre. de e e e e mˆme que pour l’´quation aux diff´rences r´cursives associ´e.x(n) z−1 z−1 a0 + + b1 b2 z−1 z−1 y(n) a1 a2 + + − − a L−1 z−1 aL + − b K−1 z−1 + − bK Partie non récursive : MA Partie récursive : AR Figure 3. la donn´e e e e e e e de la fonction de transfert en z ne d´finit pas un syst`me unique. Ainsi. Le syst`me n’est stable qu’` e a condition que le cercle |z| = 1 soit inclus dans le domaine de conver75 .4) Un filtre num´rique lin´aire et causal est stable si et seulement si tous les pˆles e e o de H(z) sont ` l’int´rieur du cercle unit´ (leur module doit ˆtre strictement a e e e inf´rieur ` 1). sont ` l’int´rieur e e a e du cercle unit´. il y a o e P + 1 domaines de convergence possibles. La partie AR e e (Auto-Regressive) n’est pr´sente que sur les RII. le domaine de convergence doit ˆtre pr´cis´ : en effet. Pour e o e e e ces syst`mes. e A partir de la fonction de transfert en z H(z) = Y (z)/X(z) = aL z −L + · · · + a1 z −1 + a0 bK z −K + · · · + b1 z −1 + 1 (3. e e si la fonction de transfert comporte P modules de pˆles diff´rents.

a e sinon on lui pr´f`rera un RII. si on a besoin d’un filtre ` phase lin´aire.3) : • choix du domaine 1 : |z| < |p1 | : syst`me instable. • Les filtres RII n´cessitent un volume calculatoire moins important que e les filtres RIF. e • choix du domaine 2 : |p1 | < |z| < |p2 | : syst`me stable. e Im(z) p2 x 2 2 1 3 Re(z) 1 −1 xp 1 Figure 3. En conclusion. • Les filtres RIF ont une phase lin´aire (temps de propagation constant .gence. Cela peut ˆtre impore tant si les donn´es sont perturb´es : un RII sera perturb´ pendant une e e e dur´e importante alors qu’un RIF ne le sera que pendant N ´chantillons. le choix se pose entre un filtre r´cursif ou un filtre non-r´cursif.3 – Domaines de stabilit´ et d’instabilit´ dans le plan en z. Par exemple. e • choix du domaine 3 : |z| > |p2 | : syst`me instable. on utilisera un RIF . dans le cas de deux pˆles (p1 et p2 ). a e 76 . e quel que soit la fr´quence) alors que les RII introduisent de la distorsion e de temps de propagation. Les raisons e e e avanc´es ci-dessous et les m´thodes de synth`se que nous allons examiner pour e e e chacune des deux familles doivent permettre de trancher en faveur de l’une ou de l’autre. • Seuls les filtres RIF travaillent sur un horizon fini. e e • Les RIF sont toujours stables : un RII peut ˆtre instable. plus efficace et donnant des ordres de filtres plus ee faibles ` zone de transition ´quivalente. il y a trois domaines o de convergence possibles (voir la figure 3. e e Lorsqu’on doit synth´tiser un filtre num´rique ` partir d’un gabarit analogique e e a donn´. e • Les RIF ont un bruit d’arrondi faible du fait de leur structure.

e Figure 3.Figure 3.4 – Filtres id´aux usuels.5 – Filtres id´aux usuels. e 77 .

c’est-`e e a a dire que les coefficients du filtre doivent ˆtre sym´triques. appel´e filtrage en cosinuso¨ e e ıde.6 repr´sente les caract´ristiques fr´quentielles et temporelles de ce e e e filtre. qui conserve la composante continue et ´limine la composante ` la fr´quence fe /2. Soit un signal x(t) repr´sent´ par e e e e ses ´chantillons x(nTe ).5) ou encore exprim´e en fonction de la variable z : e N −1 H(z) = k=0 ak z −k (3. les filtres RIF correspondent alors ` des e e a ´quations o` les coefficients bk sont nuls. (3. la fonction de transfert du filtre s’´crit sous la forme g´n´rique : e e e N −1 H(ω) = k=0 ak e−jωkTe . • N = 2P : le filtre a comme temps de propagation τ = (P − 1/2) Te . Deux configurations e e se pr´sentent alors : e • N = 2P + 1 : le filtre a un temps de propagation τ = P Te . Cet exemple a permis de faire apparaˆ que l’entr´e x(n) et la sortie y(n) sont ıtre e reli´es par une ´quation aux diff´rences avec un nombre finis de coefficients. D’autre part. La e a r´ponse impulsionnelle h(t) qui correspond s’´crit : e e h(t) = 1 2 δ(t + Te Te ) + δ(t − ) 2 2 La figure 3. e e il vient : 1 Y (ω) = X(ω) (1 + e−jωTe ) 2 L’op´ration ´tudi´e correspond ` la fonction de transfert H(ω) = Y (ω)/X(ω) e e e a telle que : H(ω) = e−jωTe /2 cos(ωTe /2) C’est une op´ration de filtrage. et soit ` d´terminer e e e a e a e l’incidence sur le spectre de ce signal de l’op´ration qui consiste ` remplacer la e a suite x(nTe ) par la suite y(nTe ) d´finie par la relation : e y(nTe ) = 1 [x(nTe ) + x((n − 1)Te )] 2 Cette suite est aussi celle qui est obtenue par ´chantillonnage du signal y(t) tel e que : 1 y(t) = [x(t) + x(t − Te )] 2 Si X(ω) et Y (ω) d´signent les transform´es de Fourier des signaux x(t) et y(t). c’est-`-dire qu’un filtre RIF d´termine a e a e sa sortie en fonction d’informations d’entr´e d’anciennet´ limit´e. le terme complexe e−jωTe /2 caract´rise un retard τ = Te /2 e (phase lin´aire) qui est le temps de propagation du signal ` travers le filtre.2 Filtres ` r´ponse impulsionnelle finie (RIF) a e Cette classe de filtres est ` ”m´moire finie”. que e e e la r´ponse impulsionnelle est sym´trique par rapport ` l’axe des temps. pr´lev´s ` la fr´quence fe = 1/Te .2). En s’appuyant e e e sur l’´quation aux diff´rences (3. Les propri´t´s des filtres RIF vont e u ee ˆtre mises en ´vidence sur l’exemple suivant.6) 78 . Dans e a e l’expression de H(ω).3.

il vient : a e ee e N −1 H(z) = n=0 N −1 h(n) z −n ±h(N − 1 − n) z −n n=0 N −1 = = = = ± h(n ) z −(N −1−n ) n=0 N −1 ±z −(N −1) n=0 h(n ) z n ±z −(N −1) H(1/z) . Les coefficients e e ak (k = 0. la fonction de transfert H(ω) e peut se mettre sous la forme d’un produit de deux termes dont l’un est une fonction r´elle et l’autre un nombre complexe de module 1 repr´sentant le e e temps de propagation τ constant et ´gal ` un multiple entier de la demi-p´riode e a e d’´chantillonnage.Figure 3. Si ces coefficients sont sym´triques. Pour un filtre RIF ` phase lin´aire (propri´t´ de sym´trie).6 – Le filtrage en cosinuso¨ ıde. On voit donc que si le filtre poss`de un z´ro en z = z0 . e e le filtre aura aussi pour z´ros 1/za = (1/r) e−jθ et 1/za = (1/r) ejθ . 1. Pour une paire de z´ros complexes conjugu´s za = r ejθ et za = r e−jθ . H(ω) est donc une fonction p´riodique de p´riode fe = 1/Te . N − 1) constituent le d´veloppement en s´rie de Fourier de e e cette fonction. Un tel filtre est dit ` phase lin´aire. e a e La transform´e en z d’un filtre RIF causal est donn´e par e e N −1 H(z) = n=0 h(n) z −n (filtre causal). · · · . il en poss`dera aussi un en e e e z = 1/z0 . Cette proe pri´t´ permet par simple examen des z´ros de la fonction de transfert de dire ee e 79 .

e e ee o De ce fait. ou si une paire e e e e e de z´ros complexes conjugu´s (z1 .1 Synth`se par la m´thode des fenˆtres e e e La probl´matique est la suivante : ` partir d’un gabarit fr´quentiel. e Le gabarit fr´quentiel (cf. les deux filtres de transmittances H1 (z) et H2 (z) donn´es par e (z − z1 )(z − z1 ) z2 (z − 1/z1 )(z − 1/z1 ) H2 (z) = z2 H1 (z) = ont la mˆme r´ponse en amplitude ` une constante pr`s. 3. Par ailleurs.7 – Gabarit fr´quentiel. z1 ) est remplac´e par la paire des inverses e e e (1/z1 .7) 80 . 2 (3. Aucun des deux e e a e n’est cependant ` phase lin´aire. ` un facteur e e e a constant pr`s. et seul le dernier est ` phase lin´aire. On cherchera donc ` conserver e a une phase lin´aire correspondant ` un temps de propagation du signal dans le e a filtre ce qui implique que la r´ponse impulsionnelle soit sym´trique : e e h(n) = h(N − 1 − n) . a e a e 3. c’est-`-dire d´terminer la s´quence num´rique e e a e e e finie h(n) (` N ´chantillons) correspondant ` sa r´ponse impulsionnelle. la r´ponse fr´quentielle en amplitude est inchang´e. avec 0 ≤ n ≤ N −1 . le th´or`me suivant est a e e e ´galement utile pour rendre le cas ´ch´ant un filtre ` phase lin´aire.2. Ce gabarit ne a fournit pas d’informations pr´cises sur la phase.7). chapitre 3) est caract´ris´ par (par exemple) les grane e e deurs suivantes correspondant ` l’illustration ci-dessus (Fig.si oui ou non le filtre est ` phase lin´aire. e e e a e Th´or`me : Si un z´ro r´el z0 est remplac´ par son inverse 1/z0 . La mˆme propri´t´ s’applique aux pˆles (filtre RII). 1/z1 ). les trois filtres de transmittances a e e H1 (z) H1 (z). De mˆme. effectuer la e a e synth`se d’un filtre RIF r´alisable. a e a e Figure 3. H2 (z) H2 (z) et H1 (z) H2 (z) ont tous trois la mˆme r´ponse en e e amplitude ` un facteur pr`s.

d´caler la r´ponse impulsionnelle hN (n) e e pour obtenir une solution causale. le spectre d’un filtre num´rique ´tant p´riodique. • Calculer la r´ponse temporelle infinie du filtre ` r´ponse en fr´quence e a e e voulue (gabarit id´al) en utilisant la transform´e de Fourier inverse. les ondulations en bande passante et affaiblie e ont une contribution secondaire. La bande de transition ∆f = fs − fc est le e param`tre le plus sensible . on emploie souvent la formule empirique suivante : N= 2 1 fe log10 [ ]. • On tronque la r´ponse temporelle trouv´e (pour obtenir un RIF) en la e e multipliant par une fenˆtre d’apodisation (de pond´ration) : e e hN (n) = h(n) w(n) (exemple : fenˆtre rectangulaire). le filtre obtenu est ` phase lin´aire. d’appliquer la m´thodologie suivante : e e • D´terminer la longueur N de la s´quence ` partir du gabarit r´el. 3 10 δ1 δ2 ∆f (3. e e pas ` l’ordre du filtre (due aux lobes secondaires dans le spectre de la a fenˆtre). Elle met bien en ´vidence l’importance e e relative des param`tres. e e Cela permet d’obtenir les coefficients en limitant le calcul ` N valeurs a r´parties sym´triquement autour de n = 0. pour des filtres dont la r´ponse en fr´quence d´sir´e ` une forme analytique e e e e a simple (int´grable). e e a e • Les r´sultats sont approximatifs. Remarques : • M´thode non optimale (N n’est pas minimale). e • Dans le cas d’un filtre causal. e • L’apparition des ondulations est due au choix de la fenˆtre de pond´ration. e 81 . Deux cas sont ` distinguer : e e a • N impair : h(nTe ) = 1 2π π/ωe −π/ωe 1 2Te −1 2Te H(ω) ejωnTe dω = Te • N pair : h(nTe ) = 1 2π H(f ) e2jnπf Te df.8) Cette estimation particuli`rement simple est suffisante dans la plupart e des cas rencontr´s en pratique.D’autre part. La d´marche consiste e a e e alors. nous ne nous e e e int´ressons qu’` la bande de base (une seule p´riode). π/ωe −π/ωe 1 2Te −1 2Te H(ω) e−jω/2 ejωnTe dω = Te H(f ) e−jω/2 e2jnπf Te df . e • La fenˆtre est sym´trique. Pour e e a e cela. • V´rifier les sp´cifications obtenues et au besoin modifier les param`tres e e e et recommencer.

8 – R´ponses temporelles des fenˆtres usuelles de pond´ration.9) 2 (1!) (2!)2 Figure 3. s’exu e e e primant par : (x/2)2 (x/2)4 I0 (x) = 1 + + + ··· (3. d’ordre 0.54 − 0.5 cos( Fenˆtre de Kaiser e w(n) = I0 (β 2nπ ) N −1 2nπ 4nπ ) + 0.Fenˆtre de Bartlett (triangulaire) e  2 n  w(n) = N −1 2 n = 2 − N −1  = 0 Fenˆtre de Hanning e w(n) = Fenˆtre de Hamming e 1 2 −1 si 0 ≤ n ≤ N 2 N −1 si ≤ n ≤ N −1 2 ailleurs.46 cos( Fenˆtre de Blackman e w(n) = 0. 1 − cos( 2nπ ) N −1 w(n) = 0.08 cos( ) N −1 N −1 2n 1 − ( N −1 − 1)2 ) I0 (β) o` I0 est une fonction de Bessel modifi´e.42 − 0. de premi`re esp`ce. e e e 82 .

96) 0.8/N 6.2/N 6.6/N 11/N 5. 54) 8.0194 0.86/N (β = 4.Figure 3.7416 0.00275 70 Ondulations en bande passante (dB) 0. 76) 11.0274 Att´nuations e du 1er lobe secondaire (dB) 13 31 41 57 Att´nuation e en bande att´nu´e (dB) e e 21 44 53 74 50 83 .42/N (β = 8. e e e e Table 3.64/N (β = 6.000275 90 0.1 – Propri´t´s des fenˆtres de pond´ration ee e e Type de fenˆtre e Rectangle Hanning Hamming Blackman Kaiser Largeur de transition ∆f 1.9 – R´ponses fr´quentielles des fenˆtres usuelles de pond´ration.0546 0.0017 0.

Exemple : Soit ` synth´tiser par la m´thode des fenˆtres un filtre RIF d’ordre a e e e 5 dont le transfert se rapproche du gabarit donn´ ` la figure 3. e 84 . li´s ` la troncature. en bas).10. se traduisant par des ondulatios dans les e e a bandes et un ´largissement des zones de transition. e e e e Il suffit alors de translater h(n) de cette valeur et de tronquer la r´ponse infinie e pour obtenir le r´sultat (figure 3.10. (−1)n nπ  h(2n) sin( 2 ) .    h(2n + 1) = 0. e e e L’axe de sym´trie que requiert la lin´arit´ de la phase est plac´ au rang (N −1)/2.10 – Synth`se de filtre RIF par la m´thode des fenˆtres. ∀ n ≥ 1 . Par la transea form´e de Fourier inverse. on obtient la r´ponse impulsionnelle id´ale suivante e e e h(n) :  h(0) = 1/2. On remarque clairement les d´fauts e e de la m´thode. =  kπ  h(−n) = h(n) Figure 3.

10) La transform´e de Fourier Discr`te inverse fournit h(n) : e e N/2+1 h(n) = = 1 N 0 H(k) ej2π N n k=−N/2 k (3. D`s lors. +1 2 2 (3. pour k = − N N . e e e 85 .12) ailleurs. on sait que l’on e e peut ´chantillonner son spectre H(f ) (ou H(ω)) en au moins N points sans e provoquer de repli dans la bande de base. Il faut cependant ˆtre conscient du fait qu’en toute g´n´ralit´. e e e e H(k) = H(f )f =k/N . Cette m´thode de synth`se ne garantit que les points fr´quentiels H(k). la r´ponse e e e e e impulsionnelle id´ale souhait´e n’est pas de dur´e limit´e.11) (3.14) Figure 3. l’id´e assez naturelle qui e e surgit est de se dire que l’on peut ´chantillonner H(f ) selon le nombre de points e voulu.11 – Exemple d’´chantillonnage de la r´ponse fr´quentielle. Cette m´thode de synth`se emploie la Transform´e de Fourier Discr`te e e e e inverse.2 M´thode de l’´chantillonnage fr´quentiel e e e Lorqu’une r´ponse impulsionnelle h(n) est de dur´e finie N . e La structure de r´alisation est alors obtenue par la transform´e en z : e e N −1 H(z) = n=0 h(n) z −n (signal causal) N/2−1 (3. (3.··· .3. la valeur de H(f ) n’est pas maitris´e. Entre e e e ces points.2.13) H(z) = n=−N/2 h(n) z −n .

3. il vient : e e a e h (t) = 1 τ +∞ e−kTe /τ δ(t − kTe ) k=0 dont la transform´e de Laplace est : e 1 H (s) = τ +∞ e−kTe (s+ τ ) = k=0 1 1 1 1 τ 1 − e−Te (s+ τ ) par la transformation de l’invariance imulsionnelle. A partir e e e de la fonction de transfert d’un filtre analogique H(s). fe /2]. on obtient la fonction de transfert en z : 1 1 τ 1 − e−Te /τ z −1 Il faut que dans la bande passante. le gain de la fonction de transfert en z soit ´gal au gain de la fonction de transfert en s. e Exemple : Soit ` synth´tiser par la m´thode de l’invariance impulsionnelle un a e e filtre passe-bas du premier ordre H(s) h(t) = = 1 τ e 1 1+jω τ −t/τ Γ(t) Si on ´chantillonne cette r´ponse impulsionnelle ` la fr´quence fe . e e e La transformation z = esTe (3. La m´thode se base sur l’invariance de la r´ponse impulsionnelle e e dans la bande limit´e consid´r´e. e Cette hypoth`se tr`s restrictive est rarement satisfaite et induit un repliement e e spectral destructif au niveau de la g´n´ration du filtre. h (t) : les ´chantillons obtenus h(n) = h (t)t=nTe forment alors la e s´quence num´rique permettant la r´alisation du filtre. puis on ´chantillonne e e celle-ci. il est donc n´cessaire de faire l’hypoth`se que la Transform´e de e e e e Fourier de cette derni`re est nulle en dehors de la bande [−fe /2. e il faut multiplier la fonction de transfert en z par τ (1 − e−Te /τ ) et finalement : H(z) ≡ H(z) = (1 − e−Te /τ ) 1 − e−Te /τ z −1 86 . et l’int´rieur du cercle unit´ dans e e le plan en z. La r´ponse impulsionnelle d’un filtre r´cursif e ee e e ´tant infinie.1 Filtres ` r´ponse impulsionnelle infinie (RII) a e M´thode de l’Invariance Impulsionnelle e Le principe est bas´ sur l’´chantillonnage de la r´ponse impulsionnelle. On emploie donc g´n´ralement e e e e cette m´thode que pour des signaux ` bande limit´e et des filtres (uniquement e a e passe-bas et passe-bande) dont la fr´quence de coupure reste tr`s inf´rieure ` la e e e a fr´quence de Shannon.15) ´tablit une correspondance entre la bande du plan de Laplace comprise entre e −fe /2 ≤ Im(s) ≤ fe /2 et Re(s) ≤ 0.3.3 3. donc puisque pour s = 0 on a z = 1. on calcule la r´ponse ime pulsionnelle h(t) (par la Transform´e inverse de Laplace).

e 3. e Figure 3. La transe e e e formation bilin´aire (ou TBL) permet d’´tablir une bijection entre la partie e e gauche du plan complexe laplacien et l’int´rieur du cercle dans le plan z e s= 2 1 − z −1 Te 1 + z −1 ou inversement : z= 2/Te + s 2/Te − s (3.On a trac´ sur la figure 3.12 les fonctions de transfert en s et en z du filtre e num´rique.2 Synth`se par la Transformation bilin´aire e e C’est la m´thode la plus employ´e pour synth´tiser des filtres r´cursifs.17) 87 . et on est oblig´ d’effectuer une transposition du gabarit num´rique e e au gabarit analogique ` l’aide des formules a 1 1 tan(πfd Te ) ou inversement : fd = tan−1 (πfa Te ) Te πTe πfa = (3. Elle d´forme le gabarit lors du changement de plan e e complexe.3.12 – Synth`se d’un filtre passe-bas par l’invariance impulsionnelle. N´anmoins. la transformation bilin´aire agit comme une relation e e e non-lin´aire entre les fr´quences fa du domaine analogique et les fr´quences fd e e e du domaine num´rique.16) On conserve ainsi la stabilit´ dans le passage du filtre analogique au filtre e num´rique.

4514z + 0.17.. 88 .0302 (z 2 + 2z + 1) z 2 − 1. Tchebichev.5724 a ` partir de laquelle on peut d´terminer imm´diatement l’´quation aux diff´rences e e e e (en passant en z −1 ). • Faire la synth`se du filtre analogique (Butterworth.. e Exemple : Soit ` synth´tiser un filtre num´rique passe-bande (de centre fc = a e e 0.318Hz) de fonction de transfert fr´quentielle en gain e H(s) = √ 2 ωc 2 2ωc s + ωc s2 + On applique la transformation bilin´aire pour ωc = 2 rad/s et Te = 2 s.) pour obtenir la fonction de transfert H(s) • Transformer H(s) en H(z) en utilisant la transformation bilin´aire 3. on e obtient alors la fonction de transfert en z H(z) = 0. e e • Convertir ce gabarit en un gabarit correspondant au filtre analogique par la relation 3.16.La m´thodologie pour la synth`se d’un filtre num´rique est la suivante : e e e • D´finir le gabarit du filtre num´rique.. ellipe tique.

Etablir la relation de r´currence (´quation aux diff´rences) donnant y(n) e e e ainsi que la fonction de transfert H(z) du filtre dont la structure directe est la suivante : x(n) z−1 1/4 1/2 z−1 1/4 + + y(n) Figure 3. e 2. fe = 8 kHz. −0. 0.3.0109.1471. −0. −0.1471. boxcar(11))’ ) – la multiplication de h(n) par une fenˆtre de Hanning : e [0.0000. un filtre passea e e e bande de fr´quences de coupure fmin et fmax correspondant aux angles e θmin = 2πfmin Te et θmax = 2πfmax Te du cercle unit´. 0. −0.0109] (commande Matlab : fir1(10.5]. −0. 3. 0.3753. [0. e e e Rappel du calcul des coefficients d’un filtre RIF +1/(2Te ) h(n) = Te −1/(2Te ) H(f ) e2jπnf Te df (b) Comparer les valeurs trouv´es pour les ´chantillons de h(n).25 0.4 Exercices 1. −0.0000. On cherche ` synth´tiser. Montrer que la Transform´e de Fourier Discr`te d’une convolution circue e laire des signaux x et h correspond au produit X(k) H(k) des Transform´es e Discr`tes. 0.1674. fmin = 1 kHz et fmax = 2 kHz avec ceux indiqu´s ci-dessous et correspondant respectivement ` : e a – la multiplication de h(n) par une fenˆtre rectangulaire : e [0. [0.1792. −0. hanning(11))’ ) Rep : a) h(n) = 1 πn {sin[2πnfmax Te ] − sin[2πnfmin Te ]} 89 . Ce filtre aura un e gain unit´ entre les fr´quences fmin et fmax et nul en dehors.1004.1004] (commande Matlab : fir1(10.2311. −0. −0. −0.1359.0862. sym´triques e e e quand N = 11. e e (a) D´terminer les coefficients de la r´ponse impulsionnelle id´al. −0.0862.0000.5].1306. 0.1674.25 0. d0. 0.1359.13 – Structure directe d’un filtre causal (type RIF). 0.1306. −0.1792. par la m´thode des fenˆtres.0000.

par la m´thode de l’´chantillonnage fr´quentiel. D´terminer.7 0. D´terminer : e (a) la r´ponse fr´quentielle (fonction de transfert).15 ci-dessous (les coefficients H(k) e e correspondent aux points noirs).22 Figure 3.15 −0. On se limitera ` N = 7 ´chantillons.1 −0.14 – Le filtrage en cosinuso¨ sur´lev´e.4. e du filtre RIF num´rique suivant caract´ris´ par l’´quation aux diff´rences e e e e e num´riques : y(n) = [x(n) + 2 x(n − 1) + x(n − 2)]/4 . e Quelle est le temps de propagation d’un signal dans le filtre ? Rep : Figure 3. e e (b) la r´ponse impulsionnelle.15 – Exercice sur l’´chantillonnage de la r´ponse fr´quentielle. e e e 90 . a e 1 0. ıde e e 5. les coeffie e e e cients de la r´ponse impulsionnelle du filtre num´rique dont la r´ponse e e e fr´quentielle est illustr´e sur la figure 3.

91 .16 – R´alisation d’un filtre causal du second ordre. e avec C et α deux constantes r´elles. Montrer que la transformation bilin´aire conserve la stabilit´. puis les transmittances en z des parties causales et anti-causales. au plan complexe z = eTe s des syst`mes ´chantillonn´s. e 8. D´terminer l’´quation aux diff´rences num´riques d’un filtre RII normalis´ e e e e e non causal et dont la r´ponse impulsionnelle h(x) continue (et sym´trique) e e est h(x) = C e−α|x| et repr´sent´e ci-dessous : e e h(x) C x Figure 3. lors de la e e transformation du plan complexe s = σ + j ω des syst`mes lin´aires contie e nus. On essaiera d’abord d’exprimer la normalie sation. d´terminer ` quel type de filtre elle e e a correspond et d´terminer l’´quation aux diff´rences num´riques correspone e e e dante.6. En analysant la r´alisation suivante.17 – R´ponse impulsionnelle du filtre 1-D de lissage de Shen-Castan. On prendra Xe = 1 comme fr´quence e e (spatiale) d’´chantillonnage. Quelle est l’expression de la transmittance H(z) = Y (z)/X(z) ? x(n) + − z −1 z −1 + − z −1 z −1 b2 b1 + + y(n) Figure 3. e e e 7.

92 .