Académique Documents
Professionnel Documents
Culture Documents
TP TNS 1TR
TP TNS 1TR
2006-2007
1.2
1.3
Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1
1.1.2
1.1.3
1.1.4
1.1.5
Annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Travail effectuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1.2.1
Autocorrlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1.2.2
Estimations spectrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
Programmation Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
1.3.1
13
1.3.2
Autocorrlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
1.3.3
Estimations spectrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
2 TP 2 : Filtrage Numrique
2.1
2.2
15
Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
2.1.1
15
2.1.2
17
Travail effectuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.2.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.2.2
Gabarit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.2.3
19
2.2.4
20
2.2.5
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
Chapitre 1
TP 1 : Corrlation et Spectre
Le but de ce TP est danalyser des estimateurs de la fonction de corrlation et de la densit
spectrale de puissance (DSP). La fonction de corrlation constitue grossirement une mesure de
ressemblance entre deux signaux. Cette quantit dpend dun paramtre de dcalage temporel
(dphasage entre les deux signaux) et possde selon la nature des signaux, plusieurs dfinitions.
La densit spectrale de puissance (= transforme de Fourier de la fonction dautocorrlation)
reflte la contribution quapporte chaque frquence la puissance moyenne du signal.
1.1
1.1.1
Rappels
Estimation des fonctions de corrlation
Dans le cadre dune tude neurologique, considrons le signal x(t) correspondant aux phases
du sommeil dun patient au cours de la nuit. Considrons galement llectroencphalogramme
y(t) de ce mme patient. La question que lon est amen se poser est de savoir sil existe une
relation entre le processus physique Px qui donne naissance aux fonctions x(t) et le processus
physique Py qui donne naissance aux fonctions y(t). La premire rponse cette question se
situe dans la fonction dautocorrlation.
La fonction de corrlation se dfinit de diffrentes faons suivant la classe de signaux laquelle
on sadresse :
Signaux dterministes
Energie finie
Cxy ( ) =
x(t)y (t )dt
Puissance finie
1
T + T
Cxy ( ) = lim
x(t)y (t )dt
x(t)y (t )dt
Signaux alatoires
Cxy ( ) = E[x(t)y (t )]
Lorsque y = x on parle de fonction dautocorrlation (Cxx ( ) = Cx ( )).
Algorithmes de calcul
Pour estimer ces fonctions de corrlation on dispose dalgorithmes de calculs temporels et
frquentiels via la transforme de Fourier discrte.
Dans le calcul temporel, Cxy (k) est estim par la valeur moyenne de x(n)y(n + k) (lintgrale
est estime par une somme temporelle). Si on dispose que de N chantillons des signaux x(n)
et y(n) (rels), Cxy (k) ne peut tre estim qu partir de N k valeurs :
xy (k) = 1
C
N
Nk1
x(n)y(n + k) 0 k N 1
n=0
Lorsque k tend vers N 1 peu de termes interviennent dans le calcul de la moyenne alors que
le terme de normalisation reste gal
1
N.
Nk1
1
x(n)y(n + k) 0 k N 1
N k n=0
1.1. Rappels
On remarque que pour les valeurs k proches de N, la variance de lestimateur non biais augmente
considrablement, ce qui ntait pas le cas pour lestimateur non biais.
Rappelons que le choix dun estimateur rsulte dun compromis biais/variance.
Le calcul temporel requiert de trs nombreuses oprations, de lordre de
N2
2
multiplications et
additions, et il est prfrable de mettre en oeuvre les estimateurs bass sur un calcul frquentiel.
Le calcul par transforme de Fourier est bas sur le fait que le calcul dune fonction de
corrlation sapparente une opration de convolution :
Cxy ( ) = x( ) y ( )
Or une convolution temporelle (note ) est, dans le plan frquentiel, transforme en une simple
multiplication :
Estimateur biais :
Estimateur non biais :
xy (k) =
C
xy (k) =
C
1
1 (X(n)Y (n))
N FFT
1
1 (X(n)Y (n))
Nk F F T
1
1
N N +M
N +M1
j2nk
k = 0, ..., N + M 1
n=0
estimateur biais
ou
xy (k) =
C
1
1
N kN +M
N+M1
n=0
estimateur biais
j2nk
X (n) Y (n) e N +M
k = 0, ..., N + M 1
1.1.2
Par dtection, on entend dtection de prsence. Il ne sagit pas de retrouver la forme du signal
priodique mais de dtecter sa prsence, de savoir si ce signal existe ou non.
Soit x(n) le signal priodique de priode inconnue noy dans un bruit centr b(n) :
y(n) = x(n) + b(n)
La fonction dautocorrlation du signal y(n) scrit :
Cyy (k) = Cxx (k) + Cxb (k) + Cbx (k) + Cbb (k)
Si le bruit b(n) est indpendant du signal x(n), les intercorrlations Cxb (k) et Cbx (k) sont nulles
pour tout k. Si de plus la densit spectrale du bruit est absolument continue, on a :
lim Cbb (k) = 0
k+
Do,
Cyy (k) Cxx (k) lorsque k +
En calculant la fonction dautocorrlation de y(n), on va voir apparatre celle du signal priodique
x(n) aux grandes valeurs de k.
1.1.3
Considrons un filtre ou dune faon plus gnrale un systme linaire invariant dans le temps,
de rponse temporelle h(k) et de rponse frquentielle H(n) (fonction de transfert). La relation
temporelle qui relie la sortie y(k) lentre x(k) est la suivante :
y(k) = x(k) h(k)
On obtient la mme relation sur les fonctions de corrlation :
Cyx (k) = Cxx (k) h(k)
o Cyx (k) est lintercorrlation entre la sortie et lentre du filtre.
Si le signal x(k) est un bruit blanc, cest--dire Cxx (k) = (k), on a :
Cyx (k) = (k) h(k) = h(k)
Lintercorrlation entre la sortie et lentre du filtre correspond la rponse impulsionnelle du
filtre. La transforme de Fourier de lintercorrlation permet dobtenir la rponse frquentielle.
1.1. Rappels
1.1.4
x ( k)
FFT
S$ x ( k ) =
X ( n)
Signal temporel
2
1
X ( n)
N
Priodogramme
C x ( )
FFT
S$ x ( n) = FFT (C x ( ))
Corrlogramme
Autocorrlation
(paire)
Ces deux mthodes mettent en oeuvre la transforme de Fourier discrte dfinie par :
X(n) =
N1
x(k)e
j2nk
N
, n = 0, , Nf 1
k=0
1.1.5
Annexe
Bruit blanc
Cx (k) = (k)
A2
cos(2fk)
2
10
Sx (n) =
1
A2 sin((k k0 )) sin((k + k0 ))
sin(x)
|X(n)|2 2 +
(
+
), sinc(x) =
(kk
)
(k+k
)
0
0
N
4 sin(
x
)
sin( N )
N
A2
4 N
+ 2
P uissance de la sinusoide =
SNR = 10log(
P uissance du bruit = 2
A2
2
A2
4 N
ce qui permet
1.2
11
Travail effectuer
1.2.1
Autocorrlations
1.2.2
Estimations spectrales
12
Priodogramme de sinusodes
Charger le fichier deuxsinpb1. En utilisant les diffrentes fentres dapodisation, donner les
caractristiques de ce signal.
Refaire la mme analyse sur le fichier deuxsinpb2.
Corrlogramme
Gnrer une sinusode (N = 100, f = 0.2 et 1024 points en frquence). Choisir lestimateur
biais de lautocorrlation et comparer le priodogramme et le corrlogramme. Expliquer.
Choisir lestimateur non biais de lautocorrlation et observer le corrlogramme. Quel est le
principal inconvnient ?
1.3
13
Programmation Matlab
1.3.1
randn :
ifft :
xcorr :
autocorrlation
specgram :
psd :
recentre le spectre
spectrogramme
Pour connatre le mode dappel de ces fonctions, penser laide en ligne de MATLAB : help
nom de la fonction ou lookfor mot
1.3.2
Autocorrlations
1.3.3
Estimations spectrales
14
cet axe porte alors par dfaut les indices des lments du vecteur trac (ici 0,1,2,...
nfft-1).
Corrlogramme
Il suffit dutiliser successivement xcorr et fft.
Chapitre 2
TP 2 : Filtrage Numrique
2.1
Rappels
Ce TP est consacr ltude des filtres Rponse Impulsionnelle Finie (RIF) et des Filtres
Rponse Impulsionnelle Infinie (RII).
Dans le cas des filtres RIF, tout chantillon du signal en sortie est la somme pondre
dchantillons du signal en entre. Les filtres RIF sont frquemment dsigns par le terme de
filtres non-rcursifs, car ils ne prsentent pas de boucle de raction de la sortie vers lentre.
Ils peuvent tre synthtiss directement par un dveloppement en srie de Fourier du gabarit
idal. Le rsultat obtenu peut tre ensuite optimis grce la mthode des moindres carrs ou
lalgorithme de Remez.
La synthse des filtres RII ou filtres rcursifs sappuie sur les fonctions modles du filtrage
analogique (Tchebychev, Butterworth,...) par lintermdiaire de la transforme bilinaire, transformation conforme permettant de passer du plan numrique au plan analogique.
2.1.1
Dfinition
Ce sont des systmes rponse impulsionnelle finie, de fonction de transfert H(z), dont les
coefficients h(k) sont tels que :
h(k)
= 0 pour k [0, N 1]
h(k) = 0 pour k
/ [0, N 1]
On obtient lexpression de la fonction de transfert dans le plan des z :
H (z) =
N1
k=0
15
h (k) z k
16
Le caractre non rcursif apparat clairement sur lquation de rcurrence liant lentre et la
sortie du filtre :
y (n) =
N1
h (k) x (n k)
k=0
Nous allons proposer une mthode de synthse des filtres phase linaire (caractristique recherche dans de nombreuses applications). Ceci implique une symtrie de la rponse impulsionnelle.
En effet, on veut :
H (f) = R (f) ej(f ) avec R(f) R et (f) = 2f
la rponse impulsionnelle dun tel filtre scrit :
+
j(f ) j2f t
R (f) e
e
df =
h (t) =
R (f) ej2f (t ) df
On dcompose R (f) en la somme dune partie paire Rp (f) et dune partie impaire Ri (f ). La
rponse impulsionnelle h (t) tant relle, on a :
+
h ( + t) = 2
Rp (f) cos (2f t) df = h ( t)
Cette relation fait donc apparatre la symtrie de la rponse impulsionnelle par rapport au point
t = de laxe des temps.
h (k) du filtre recherch par transforme de Fourier inverse de ce gabarit. Il sagit alors de faire
une troncature afin de garder un nombre fini N dlments dans h (k) qui seront les coefficients
du filtre, puis deffectuer un dcalage afin de rendre le filtre causal cest--dire physiquement
ralisable.
Etapes successives de la synthse :
1) Dfinir un gabarit frquentiel en frquences normalises
2) Dvelopper en srie de Fourier
h (k) =
1
2
12
H ej2f ej2f k df
3) Multiplier h (k) par une fentre temporelle w (k) de longueur N (ordre du filtre) avec
w(k) = 0 pour |k| > N,
4) Raliser un dcalage (translation) afin de satisfaire la condition de causalit. La valeur
du temps de propagation de groupe est :
pg
d
f
1
N 1
=
=
2 df
2
2.1. Rappels
17
2.1.2
Dfinition
Ces systmes sont caractriss par des rponses impulsionnelles de dure infinie : les coefficients
h(k) sont non nuls sur lintervalle [0, +[ . Ceci est ralis par la prsence de ples dans la
fonction de transfert du filtre :
H (z) =
p1
bk z k
k=0
m1
ai z i
i=0
m1
ai y (n i) +
i=1
p1
bk x (n k)
k=0
La condition de stabilit impose que les ples de H(z) soient lintrieur du cercle unit. La
rponse impulsionnelle infinie permet dobtenir un filtrage plus slectif quun filtre RIF pour
une quantit de calcul infrieure. La linarit de la phase est, en thorie, impossible. Cependant
on peut lobtenir approximativement dans une bande limite.
Synthse
On passe tout dabord du gabarit numrique H f souhait au gabarit analogique H (f ) cor-
respondant, en ralisant une prdistorsion de laxe frquentiel (voir remarque : anticipation sur
la distorsion de laxe frquentiel introduite par la transforme bilinaire) :
f=
1
tan (f Te )
Te
On choisit une fonction analogique modle et on dtermine ses paramtres afin dobtenir la
fonction de transfert H (p) du filtre respectant le gabarit analogique souhait.
Enfin, on obtient la fonction de transfert H (z) du filtre numrique par application de la
transformation bilinaire.
18
H(z) = [H(p)]p=
2 1z 1
Te 1+z1
Remarques :
1) Exemples de modles passe-bas analogiques de pulsation de coupure c :
|H ()|2 =
Butterworth dordre n :
1+
Tchebychev dordre n :
1
2n
1
|H ()|2 =
2
1 + Tn2 ()
Tn () = cos (nAr cos ()) si || 1
avec
Tn () = ch (nArch ()) si || > 1
2.2
Travail effectuer
2.2.1
Introduction
Le TP permet de synthtiser des filtres numriques RIF et RII. Les filtres RIF peuvent tre
calculs par un dveloppement en srie de Fourier avec diffrentes fentres (rectangulaire, triangulaire, de Hamming et de Kaiser) et par deux mthodes doptimisation (par les moindres
carrs et par Remez).
Les mthodes proposes pour les filtres RII utilisent des modles analogiques connus (Butterworth, Chebychev I, Chebyshev II et elliptique).
Lintrt sera port tout dabord sur les caractristiques des filtres RIF, puis sur celles des
filtres RII. Chacune de ces tudes sera suivie par exemples de filtrage de signaux rels.
2.2.2
Gabarit
Le gabarit du filtre est dfini par lutilisateur parmi les quatre catgories suivantes :
Filtre passe-bas
Filtre passe-haut
19
Filtre coupe-bande
Filtre passe-bande
On peut rgler Fe la frquence dchantillonnage, f la largeur de la zone de transition,
1 lamplitude des ondulations en bande passante et 2 lamplitude des oscillations en bande
attnue.
H(f )
GABARIT
1 + 1
1 1
2
f1
2.2.3
f2
fe
2
20
Influence de lordre
On appelle ordre optimal dun filtre numrique, lordre minimal tel que le gabarit frquentiel
soit respect. Faire varier lordre du filtre dans une plage incluant lordre optimal N. Mesurer
son influence sur les paramtres suivants :
la raideur de la pente
la position de la frquence de coupure
la frquence des oscillations
lallure du temps de propagation de groupe
2.2.4
21
grand permettant de respecter le gabarit puis on diminuera progressivement cet ordre afin
dobtenir lordre optimal. Observer linfluence de lordre :
sur la pente
sur le temps de propagation de groupe : comment voluent le temps de propagation de
groupe, la valeur des maxima et les frquences correspondant ces maxima? Pourquoi peut-il
tre trs gnant davoir des temps de propagation trs diffrents dans la bande passante?
Comparaison
Observer les fonctions de transfert obtenues par les quatre mthodes proposes (Butterworth,
Chebyshev I et de Chebychev II et elliptique) : valeur de la pente, position et amplitude du
premier lobe doscillation. Quelle est la diffrence entre les mthodes de Chebyshev I et de
Chebychev II ? En quoi la mthode elliptique est-elle optimale ?
Observer le temps de propagation de groupe. Quelles consquences va-t-il entraner ?
2.2.5
Conclusion
Donner les avantages et les inconvnients respectifs des filtres RIF et des filtres RII. En particulier, comparer leurs rponses aux diffrents signaux proposs.