TPs de traitement numrique du signal TR1

TP1 : Corrlation et spectre

TP2 : Filtrage Numrique

2006-2007

Table des matires

1 TP 1 : Corrlation et Spectre
1.1

1.2

1.3

Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.1

Estimation des fonctions de corrlation . . . . . . . . . . . . . . . . . . .

1.1.2

Dtection dun signal priodique noy dans un bruit . . . . . . . . . . . .

1.1.3

Identification dun filtre . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.4

Estimation de la densit spectrale de puissance . . . . . . . . . . . . . . .

1.1.5

Annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Travail effectuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.2.1

Autocorrlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

1.2.2

Estimations spectrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

Programmation Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

1.3.1

Quelques fonctions Matlab utiles dans le TP . . . . . . . . . . . . . . . .

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

Filtre Rponse Impulsionnelle Finie (RIF) . . . . . . . . . . . . . . . . .

15

2.1.2

Filtre Rponse Impulsionnelle Infinie (RII) . . . . . . . . . . . . . . . .

17

Travail effectuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

2.2.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

2.2.2

Gabarit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

2.2.3

Filtres Rponse Impulsionnelle Finie (RIF) . . . . . . . . . . . . . . . .

19

2.2.4

Filtre Rponse Impulsionnelle Infinie (RII) . . . . . . . . . . . . . . . .

20

2.2.5

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

TABLE DES MATIRES

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

Chapitre 1. TP 1 : Corrlation et Spectre

Puissance finie
1
T + T

Cxy ( ) = lim

x(t)y (t )dt

Cas particulier des signaux priodiques :

1
Cxy ( ) =
T

x(t)y (t )dt

Signaux alatoires
Cxy ( ) = E[x(t)y (t )]
Lorsque y = x on parle de fonction dautocorrlation (Cxx ( ) = Cx ( )).

Proprits de la fonction dautocorrlation

parit : Cx ( ) = Cx ( )
maximum en zro : |Cx ( )| Cx (0)
puissance moyenne du signal = Cx (0)

Proprits de la fonction dintercorrlation

( ) = C ( )
symtrie hermitienne : Cxy
xy

majoration : |Cxy ( )| 12 (Cx (0) + Cy (0))

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.

Cela a pour consquences dintroduire un biais dans

lestimation : la corrlation est pondre par une fentre triangulaire.

Pour liminer ce biais, un second estimateur peut tre dfini de la faon suivante :
xy (k) =
C

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

o X(n) = F F T (x(k)) et Y (n) = F F T (y(k)) avec n = 0, , Nf o Nf reprsente le nombre

de points calculs en frquence. Si les signaux x(k) et y(k) sont constitus de N points, Nf
reprsente alors le nombre de points obtenus aprs Zero Padding (pour meilleure visualisation
du spectre) et doit tre une puissance de 2 (pour utilisation de lagorithme de calcul rapide de
la transforme de Fourier numrique : FFT).
Lalgorithme de transforme de Fourier rapide (FFT) permet dobtenir un nombre doprations
multiplications/additions de lordre de 3Nf log2 (Nf ) + Nf , ce qui rend le calcul frquentiel plus
rapide que le calcul temporel.
Remarque : dtail du calcul
Soient x(k) et y(k) de mme dure N. On les prolonge de M chantillons nuls (N + M tant
une puissance de 2). On value les deux Transformes de Fourier Discrtes (TFD) sur N + M
points pour obtenir X(n) et Y (n). Lintercorrlation est alors donne par :
xy (k) =
C

1
1
N N +M

N +M1


j2nk

X (n) Y (n) e N+M

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

Chapitre 1. TP 1 : Corrlation et Spectre

1.1.2

Dtection dun signal priodique noy dans un bruit

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

Identification dun filtre

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

Estimation de la densit spectrale de puissance

Il existe 2 techniques classiques destimation du spectre :

le PERIODOGRAMME
le CORRELOGRAMME

Estimation du spectre de puissance

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

Corrlations thoriques de signaux particuliers

Sinusode phase alatoire
x(n) = Acos(2fn + ) Cx (k) =

Bruit blanc
Cx (k) = (k)

A2
cos(2fk)
2

Chapitre 1. TP 1 : Corrlation et Spectre

10

Priodogramme dune sinusode bruite

On considre N chantillons dune sinusode de frquence f0 et damplitude A perturbe par un

bruit blanc de puissance 2 . Le priodogramme de ce signal est :

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

Lamplitude du pic la frquence n = n0 correspond donc

A2
4 N

+ 2

destimer le rapport signal--bruit (SNR) :

P uissance de la sinusoide =
SNR = 10log(
P uissance du bruit = 2

A2
2

A2
4 N

ce qui permet

1.2. Travail effectuer

1.2

11

Travail effectuer

Lancer corr_sp sous Matlab.

Remarque : toutes les frquences sont donnes en frquences normalises.

1.2.1

Autocorrlations

Autocorrlation dun sinus

Gnrer 50 chantillons dune sinusode de frquence 0.1 (phase uniformment rpartie sur
[0, 2]). Observer les estimations de son autocorrlation. Pour lestimateur biais, quelle est
lallure du biais. Pour lestimateur non biais, dans quelle partie de lautocorrlation la variance
est la plus importante. Expliquer.
Retrouver les caractristiques du signal (puissance et frquence).

Autocorrlation dun carr

Gnrer un carr. Observer les estimations de son autocorrlation. Commenter.

Autocorrlation dun bruit blanc

Gnrer un bruit blanc (N = 100). Observer les estimations de son autocorrlation. Des 2
estimations, laquelle parat la plus satisfaisante ? Expliquer. Retrouver les caractristiques du
bruit.
Augmenter le nombre dchantillons (N = 1000). Expliquer les changements.
Utiliser le bouton OK pour avoir diffrentes ralisations de bruit.

Autocorrlation dun sinus bruit

Gnrer 500 chantillons dune sinusode bruite (bruit blanc additif) de frquence 0.01 (SNR =
7 dB). Observer le signal et lestimation biaise de son autocorrlation. Dduire un intrt des
estimateurs de lautocorrlation.
Retrouver les caractristiques du signal (puissances du sinus et du bruit).

1.2.2

Estimations spectrales

Priodogramme dun sinus

Gnrer une sinusode (N = 128, f = 0.1, nombre de points en frquence = 128). Observer le
priodogramme (fentre rectangulaire) (en linaire et en log). Recommencer avec un nombre de

12

Chapitre 1. TP 1 : Corrlation et Spectre

points en frquence de 1024 (zero-padding). Que reprsente la valeur du priodogramme pour

la frquence 0 ? Expliquer. Retrouver les caractristiques du signal (frquence, puissance).
Pour N = 100 et f = 0.25, analyser et comparer les effets des diffrentes fentres. Classer-les
en fonction de leur pouvoir rduire lamplitude des lobes secondaires (utiliser la reprsentation
en log et le bouton hold).

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.

Priodogramme dun carr

Gnrer un carr (N = 100, f = 0.05) et observer son priodogramme. Commenter.

Priodogramme et priodogramme cumul dun bruit blanc

Gnrer un bruit blanc (N = 100, nombre de points en frquence : 2048). Observer son
priodogramme. Retrouver les caractristiques du signal (puissance et blancheur).
Noter la variance estime du priodogramme. Augmenter le nombre dchantillons (N =
1000). Comparer les variances (sur plusieurs ralisations). Commenter.
Cumuler les priodogrammes de diffrentes ralisations. Observer la variance estime du
priodogramme.

Priodogramme et priodogramme cumul dun sinus bruit

Gnrer une sinusode bruite (N = 200, f = 0.2 et puissance du bruit 0.1). Retrouver les
caractristiques du signal (frquence et puissances).
Gnrer une sinusode bruite (N = 200, f = 0.2 et SNR = 10 dB). Cumuler les priodogrammes laide du bouton OK. Commenter.

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. Programmation Matlab

1.3

13

Programmation Matlab

1.3.1

Quelques fonctions Matlab utiles dans le TP

randn :

gnration dun bruit blanc normal centr et de variance 1

fft : calcul de la transforme de Fourier discrte

fftshift :

calcul de la transforme de Fourier inverse

ifft :
xcorr :

autocorrlation

specgram :
psd :

recentre le spectre

spectrogramme

densit spectrale de puissance

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

Elle peut tre calcule de la faon suivante :

for k=0:N-1,
autocorb(k+1) = fact*signal(1:N-k)*signal(k+1:N);
end
avec fact =1/N pour lautocorrlation biaise ou 1/(N-k) pour lautocorrlation non biaise.
Il existe sous Matlab la fonction xcorr, avec les options biased et unbiased.
Pour la gnration des diffrents signaux (sinus, carr, bruit blanc gaussien) voir les indications
Matlab du TP1.

1.3.3

Estimations spectrales

Transforme de Fourier Discrte

Linstruction de base pour raliser la transforme de Fourier discrte dun signal x est fft(x).
Lalgorithme de transforme de Fourier rapide est utilis par Matlab si et seulement si la longueur
du vecteur x, Nech, est une puissance de 2. Si ce nest pas le cas, on peut utilise la technique
du zero-padding pour sy ramener :
nfft = 2^nextpow2(Nech); %calcul de la puissance de 2 immdiatement suprieure
Nech
fft(x,nfft);
Exemple : Gnration de 512 points dun sinus de frquence normalise f0 = 0.2
x=sin(2*pi*f0*(0:511));

Chapitre 1. TP 1 : Corrlation et Spectre

14

Calcul de sa FFT et trac du module (fonction abs) de sa FFT :

fft_de_x = fft(x, nfft);
Si laxe des x, nest pas spcifi dans la commande plot :
plot(abs(fft_de_x))

cet axe porte alors par dfaut les indices des lments du vecteur trac (ici 0,1,2,...

nfft-1).

Pour interprter correctement le trac de la Transforme de Fourier Discrte, il est ncessaire de

le graduer, par exemple en frquences normalises par rapport la frquence dchantillonnage
:
axe_des_x = linspace(0, 1, nfft)
plot(axe_des_x, abs(fft_de_x))
Laffichage du spectre peut tre galement recentr autour de zro laide de la commande
fftshift, laxe des x doit alors tre modifi :
plot(linspace(0.5, 0.5, nfft), fftshift(abs(fft_de_x)))

Priodogramme et priodogramme cumul

La densit spectrale de puissance (DSP) peut tre estime laide du priodogramme :
den_puis = abs(fft(x, nfft)).2./nfft;
On peut galement utiliser le priodogramme cumul. Cela consiste :
couper le signal en tranches de Nt points (Nt doit tre videmment plus faible que la
longueur totale du signal et il est prfrable que Nt soit une puissance de 2).
faire une FFT de chacune des tranches (avec ventuellement du zro-padding) et prendre le
module au carr de la FFT,
faire la moyenne de toutes les FFT en module au carr
Les tranches de signal peuvent ou non se recouvrir. Ces oprations peuvent tre ralises, par
exemple, avec les fonction spectrogram ou bien pwelch.

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

Filtre Rponse Impulsionnelle Finie (RIF)

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

Chapitre 2. TP 2 : Filtrage Numrique

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.

Synthse par dveloppement en srie de Fourier

 
On se donne un gabarit frquentiel H f respecter. On calcule la rponse impulsionnelle

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

Synthse avec des mthodes doptimisation

La premire mthode doptimisation consiste minimiser au sens des moindres carrs la distance
entre le gabarit H (f) dsir et le gabarit du filtre obtenu par la mthode prcdente.
Lobjectif de la seconde mthode doptimisation est dobtenir la meilleure approximation du
gabarit H (f) prsentant des ondulations damplitude constante. Elle utilise une technique
itrative : lalgorithme de Remez.

2.1.2

Filtre Rponse Impulsionnelle Infinie (RII)

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

Cela se traduit par lquation suivante :

y (n) =

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.

Chapitre 2. TP 2 : Filtrage Numrique

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) La transformation bilinaire introduit une dformation des frquences :

1
f = arctan (fTe )

avec f frquence numrique, f frquence analogique et Te priode dchantillonnage.

2.2

Travail effectuer

Lancer filtnum sous MATLAB.

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

2.2. Travail effectuer

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

Filtres Rponse Impulsionnelle Finie (RIF)

Calcul des coefficients par dveloppement en srie de Fourier

Evaluation de lordre
Possdant les caractristiques du gabarit respecter, il est possible de calculer quel devra
tre lordre N (trs approximatif et en gnral sous-estim) :


2
1
fe
N = log10
3
101 2 f
Reprer les paramtres Fe , f, 1 et 2 sur le trac du gabarit et calculer N.
Influence de la fentre
Observer les fonctions de transfert obtenues en utilisant les quatre types de fentres disponibles
(raideur de la pente de la transition, amplitude des oscillations). Quels sont les avantages et
les inconvnients de chacune ?
Observer le temps de propagation de groupe.

Chapitre 2. TP 2 : Filtrage Numrique

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

Rponse impulsionnelle et rponse indicielle

Observer la rponse impulsionnelle dun filtre RIF. Retrouver les coefficients du filtre. Justifier son aspect symtrique. Retrouver le temps de propagation de groupe.
Quelles remarques peut-on faire sur la rponse indicielle (allure gnrale, nombre doscillations
en fonction de lordre, ...) ?

Filtrage dun signal

Vrifier la nature du filtre en lui imposant en entre un bruit blanc.
Observer lexistence dun retard entre le signal initial et le signal filtr ? Quelle est son
origine ?

2.2.4

Filtre Rponse Impulsionnelle Infinie (RII)

Synthse avec un Butterworth

Evaluation de lordre : Il existe un grand nombre de formules permettant destimer lordre
du filtre numrique partir du gabarit que lon simpose. Ces formules ne sont applicables
que pour un certain type de filtre. A titre dexemple, on donne :


log 12
2
1
N
log tan (f2 Te ) log tan (f1 Te )
avec f1 frquence de fin de bande 1 ([0, f1 ]) , f2 frquence de dbut de bande 2 ([f2 , Fe /2]) .
Cette formule nest utilisable que pour des filtres passe-bas ou passe-haut de type Butterworth
avec 1 et 2 petits. On notera quelle ne sapplique pas toujours pour les gabarits gnrs
dans le T P car 1 nest pas suffisamment faible. Dans ce cas, on fixera un ordre suffisamment

2.2. Travail effectuer

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?

Synthse par un Tchebychev

Influence de lordre : Comme pour le filtre synthtis par Butterworth, mesurer successivement la raideur de la pente, la position des frquences de coupure ( -3dB), les oscillations
dans la bande passante, la valeur du temps de propagation de groupe.

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 ?

Rponse impulsionnelle et rponse indicielle

Observer la rponse impulsionnelle dun filtre RII.
Quelles remarques peut-on faire sur la rponse indicielle (allure gnrale, nombre doscillations
en fonction de lordre, ...) ?

Filtrage dun signal

Vrifier la nature du filtre en lui imposant en entre un bruit blanc.
A laide dun signal (NRZ, somme de sinus), tudier linfluence du temps de propagation de
groupe sur la rponse du filtre.

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.