Traitement Numrique e du Signal Dterministe e

(2008-2009) - FIP 2A

Christophe DOIGNON Ma de Confrences HdR tre e

Universit Louis Pasteur de Strasbourg e Bureau C418 - ENSPS, Ple 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 Anne e e 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Reprsentation des Signaux Dterministes . . . . . . . . . . . . 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 dchantillonnage) e 1.3 Energie et Puissance . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Energie dun signal . . . . . . . . . . . . . . . . . . . . . 1.3.2 Puissance moyenne dun signal . . . . . . . . . . . . . . 1.4 Classication des signaux . . . . . . . . . . . . . . . . . . . . . 1.4.1 Signaux ` nergie nie . . . . . . . . . . . . . . . . . . . ae 1.4.2 Signaux ` puissance moyenne nie . . . . . . . . . . . . a 1.4.3 Causalit . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.4.4 Parit . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.5 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . 1.6 Transformations frquentielles . . . . . . . . . . . . . . . . . . . e 1.6.1 Transforme de Fourier . . . . . . . . . . . . . . . . . . e 1.6.2 Thor`me de Plancherel . . . . . . . . . . . . . . . . . . e e 1.6.3 Transforme de Laplace . . . . . . . . . . . . . . . . . . e 1.7 Srie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.8 Corrlation et densits spectrales . . . . . . . . . . . . . . . . . e e 1.8.1 Signaux ` nergie nie . . . . . . . . . . . . . . . . . . . ae 1.8.2 Signaux ` puissance moyenne nie . . . . . . . . . . . . a 1.8.3 Densits spectrales . . . . . . . . . . . . . . . . . . . . . e 1.8.4 Thor`me de Parseval . . . . . . . . . . . . . . . . . . . e e 1.9 Filtrage analogique . . . . . . . . . . . . . . . . . . . . . . . . . 1.9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . 1.9.2 Filtres stables physiquement ralisables . . . . . . . . . e 1.9.3 Frquence de coupure et bande passante . . . . . . . . . e 1.9.4 Transformations de frquences . . . . . . . . . . . . . . e 1.9.5 Synth`se des ltres 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

2 Echantillonnage/Quantication 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . 2.2 Echantillonnage . . . . . . . . . . . . . . . . . . . . 2.2.1 Principe . . . . . . . . . . . . . . . . . . . . 2.3 Transformes dun signal chantillonn . . . . . . . e e e 2.3.1 Transforme de Laplace . . . . . . . . . . . e 2.3.2 Transforme en z . . . . . . . . . . . . . . . e 2.3.3 Transforme en z inverse . . . . . . . . . . e 2.3.4 Equations aux dirences . . . . . . . . . . e 2.3.5 Transforme de Fourier discr`te (TFD) . . e e 2.3.6 Convolution discr`te . . . . . . . . . . . . . e 2.4 Energie et puissance dun signal numrique . . . . e 2.5 Quantication . . . . . . . . . . . . . . . . . . . . . 2.5.1 Principe et caractristiques de la conversion e 2.5.2 Structures dun CNA . . . . . . . . . . . . 2.5.3 Structures dun CAN . . . . . . . . . . . . 2.6 Corrlation numrique . . . . . . . . . . . . . . . . e e 2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . 3 Filtrage numrique e 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . 3.2 Filtres ` rponse impulsionnelle nie (RIF) . . . a e 3.2.1 Synth`se par la mthode des fentres . . . e e e 3.2.2 Mthode de lchantillonnage frquentiel . e e e 3.3 Filtres ` rponse impulsionnelle innie (RII) . . . a e 3.3.1 Mthode de lInvariance Impulsionnelle . e 3.3.2 Synth`se par la Transformation bilinaire e e 3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

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

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

Chapitre 1

Rappels de Premi`re Anne e e

Joseph Fourier (21 mars 1768 ` Auxerre - 16 mai 1830 ` Paris) est un a a mathmaticien et physicien franais connu pour ses travaux sur la dcomposition e c e de fonctions priodiques en sries trigonomtriques convergentes appeles sries e e e e e de Fourier. Il a t instruit par les Bndictins ` lEcole militaire dAuxerre. ee e e a Il tait destin ` ltat monastique, mais il prfra sadonner aux sciences. Il e e a e ee a particip ` la Rvolution, manquant de peu de se faire guillotiner durant la ea e Terreur, il a t sauv de justesse par la chute de Robespierre. Il int`gre lEcole ee e e Normale Suprieure, o` il aura comme professeur entre autres Joseph-Louis e u Lagrange. Fourier est connu pour sa thorie analytique de la chaleur (1822). e Cest ` Grenoble quil conduit ses expriences sur la propagation de la chaleur a e qui lui permettront de modliser lvolution de la temprature au travers de e e e sries trigonomtriques. Ces travaux qui apportent une grande amlioration ` e e e a la modlisation mathmatique de phnom`nes ont contribu aux fondements de e e e e e la thermodynamique.

1.1

Introduction

e Traitement du Signal (TdS) est une discipline indispensable que tout ingnieur doit conna e tre. Lamlioration des performances des syst`mes au cours e e des trente derni`res annes est due, pour une grande part, ` lapplication des e e a techniques de traitement du signal. Cest le cas notamment en imagerie mdicale, e en tlphonie et tlcommunication. Un syst`me dimagerie chographique par ee ee e e ultra-sons, lIRM ou encore les RADAR actuels sont des inventions dont les performances (en termes de prcision et de rapidit) sont sans commune mesure e e avec les premiers prototypes apparus. Les structures matrielles sont sensiblee ment les mmes, mais les techniques de traitement de signal faisant appel ` des e a traitements numriques sophistiqus ont t intgres pour permettre dextraire e e ee e e de lecho sonore ou de limage reconstitue une quantit plus grande dinformae e tions. Les implications en ce qui concerne un diagnostic mdical, la surveillance e dune zone arienne ou sous-marine ou encore la localisation de pannes sont e immdiates. Lobjectif du traitement du signal appara alors comme un oue t til mathmatique employ pour extraire un maximum dinformations utiles sur e e un signal perturb par du bruit. Les signaux utiles sont souvent perturbs par e e des signaux parasites (le bruit) qui les masquent parfois compl`tement. Pour e attnuer, sinon supprimer ce bruit il faut en conna les caractristiques ainsi e tre e que celles du signal utile. Cest pourquoi le traitement du signal est une discipline tr`s mathmatique. Les techniques utilises peuvent tre appliques ` un e e e e e a signal analogique (continu) mais compte tenu de leur complexit, un traitement e numrique simpose presque toujours. Il est rendu possible grce ` la puissance e a a des circuits de calculs et des ordinateurs modernes. En ce qui concerne ce cours, nous allons tout dabord fournir quelques rappels par le biais dexercices se rapportant aux notions vues en premi`re anne. e e La plupart des notions sont fournies dans ce document, mais toutes ne pourront pas tre traites de nouveau. Il sagit essentiellement de revoir bri`vement la e e e reprsentation des signaux dterministes, les thor`mes fondamentaux en traie e e e tement du signal et du ltrage analogique linaire. Le chapitre I est donc e plus un document de rappel quun support de cours en prsence des e tudiants. Nous aborderons alors le traitement numrique du signal, en come e menant par les processus dacquisition (Chapitre 2) puis en prsentant les outils c e employs dans ce cas pour terminer sur ltude du comportement des signaux e e numriques et du ltrage numrique de ces signaux (Chapitre 3). e e

Signal : Support de linformation transmise de sa source ` sa destimation. En a fonction de la nature du support, on parle par exemple de : signal lectrique (tlphonie), e ee onde lectromagntique (tlcommunication), e e ee onde acoustique (sonar), onde lumineuse (bre optique), signal binaire (ordinateur).

On parle galement de signal de mesure, de commande, de signaux vido, audio, e e

etc...en fonction de la nature de linformation transmise. Thorie du signal : Cest la description mathmatique des signaux quelque e e soit leur nature et quelque soit le support physique. Lobjectif est dtablir une e reprsentation dun signal en fonction du temps ou de lespace contenant une e information ` stocker, ` transformer, ` transmettre ou ` recevoir. La thorie du a a a a e signal ne prjuge pas de la nature physique du signal. e Bruit : Toute perturbation superpose ` un signal et gnant la perception de e a e ce signal. Traitement du signal : A laide dune formulation mathmatique adquate, e e le traitement du signal ` pour principales fonctions de (voir Fig. 1.1) : a Filtrer : liminer dun signal des composantes indsirables, e e Dtecter : Extraire une composante utile dun signal et/ou du bruit de e fond qui lui est superpos, e Analyser : Isoler les composantes et les caractristiques essentielles dun e signal pour mieux en comprendre la nature, Mesurer : Estimer la valeur dune grandeur caractristique associe au e e signal. Rgnrer Redonner ` un signal qui a t distordu sa forme initiale. e e e a ee Identier : Classer un signal observ. e Synthtiser : Crer un signal de forme approprie. e e e Moduler : Modier les caractristiques dun signal pour ladapter ` une e a voie de transmission ou un support denregistrement. Codage : Traduire le signal en langage numrique, rduire les redondances e e dinformations et lutter contre linuence du bruit.

Domaine dapplication Tlcommunications, ee Tlphonie, ee Radar, Sonar, Traitement dimages, Astronomie, Gophysique, e Automatique, ....

Dans les tlcommunications : que ce soit dans le domaine de la tlphonie ou ee ee dans le transfert de donnes numriques terrestre ou via satellite, la comprese e sion des donnes est primordiale pour exploiter au mieux la bande passante e disponible, et minimiser les pertes. La suppression dchos est un autre domaine e dapplication. En audio : on cherche ` amliorer les techniques denregistrement et de coma e pression pour obtenir la plus grande qualit sonore possible. Les techniques de e correction dcho permettent de rduire les eets de rexions acoustiques dans e e e la pi`ce. Le traitement du son sest largement amlior grce aux ordinateurs. e e e a La synth`se sonore permet en outre de crer des sons articiels ou de recrer les e e e sons dinstruments naturels. Elle a t ` lorigine de nombreux bouleversements e ea en musique. Lanalyse des chos permet dobtenir des informations sur le milieu sur lequel e les ondes se sont rchies. Cette technique est exploite dans le domaine de e e e limagerie radar ou sonar. En gophysique, en analysant les rexions dondes e e acoustiques, on peut dterminer lpaisseur et la nature des strates du sous-sol. e e Cette technique est utilise dans le domaine de la prospection mini`re et dans e e la prdiction des tremblements de terre. e En imagerie : on trouve des applications dans le domaine mdical (reconstruce tion tomographique, imagerie par rsonance magntique - IRM), dans le spatial e e (traitement de photos satellites ou dimages radar). Ce domaine inclut aussi les techniques de reconnaissance de formes et de compressions. Le traitement de squences vido concerne la compression, la restauration, e e la ralisation deets spciaux, lextraction de descripteurs (reconnaissance de e e formes et textures, suivi de mouvements, caractrisation etc.) an de produire e des annotations automatiques dans une perspective de bases de donnes (ree cherche par le contenu).

Systme physique Capteur Bruit

Canal de transmission Bruit

Rcepteur Bruit

Traitement

Information utile + bruit rsiduel

Figure 1.1 Synoptique dune cha classique de traitements dun signal. ne

10

1.2

Reprsentation des Signaux Dterministes e e

Les signaux dterministes renferment une information dont lvolution en e e fonction du temps peut tre parfaitement prdite par un mod`le mathmatique e e e e (au contraire des signaux alatoires/stochastiques). e Nous prsentons dans cette section quelques fonctions mathmatiques ainsi que e e leurs proprits, supports de signaux lmentaires et utilises tout au long du ee ee e cours de traitement du signal.

1.2.1

Fonction signe
1 si a si sgn(t) = 1 si t<0 t=0 t>0 (1.1)

avec a quelconque (par convention a = 0). On a alors : sgn(t) = t |t|

sgn(t) 1 0 t 1

t=0.

(1.2)

1.2.2

Fonction chelon (unit) e e

1 si 0 si (t) = a si t>0 t<0 t=0 (1.3)

avec a quelconque (par convention a = 1/2). On a alors : (t) = 1 1 + sgn(t) t . 2 2

( t) 1 0 t

(1.4)

11

1.2.3

Fonction rectangle
0 1 rect(t) = a si |t| > 1/2 si |t| < 1/2 si |t| = 1/2 (1.5)

avec a quelconque (par convention a = 1/2). On a alors : rect(t) = (t + 1/2) (t 1/2)

rect(t) 1 0 1/2 1/2 t

(1.6)

Proprit : la fonction rect(t) est normalise, car la surface (sous la courbe) e e e est unitaire. Question 1 : Tracer la fonction (porte) A rect( t ) . T Question 2 : Calculer
+

rect(t) dt .

1.2.4

Fonction triangle
tri(t) = 1 |t| si 0 si
tri(t) 1 0 1 1 t

|t| 1 |t| > 1

(1.7)

La fonction triangle est elle aussi normalise : e

tri(t) dt = 1 .

12

1.2.5

Fonction sinus cardinal

sinc(t) =
1 0.8 0.8 0.6 0.4 0.2 0 0.2 0.2 0.4 4 0 4 0.6

sin( t) t
1

(1.8)

0.4

(a)

(b)

Figure 1.2 (a) fonction sinc(t). (b) fonction sinc(t)2 . La fonction sinus cardinal est elle aussi normalise : e Dautre part, on a :
+ +

sinc(t) dt = 1 .

sinc2 (t) dt = 1.

1.2.6

Impulsion unit (distribution de Dirac) e

+

Mathmatiquement, cest une fonction (distribution) dnie par e e f (t) (t) dt = f (0) ,

(1.9)

quelle que soit la fonction f (t).

( t ) 1 0 t

Remarque : sur la gure ci-dessus, 1 correspond ` laire sous la courbe, pas ` la a a hauteur qui est . La fonction de Dirac est normalise : e
+

(t) dt = 1 .

(1.10)

Dautre part, on a :
t

( ) d =

0 si 1 si

t<0 t>0

= (t)

(1.11)

On dit que (t) est la primitive de (t) ou bien que (t) est la drive de (t) e e (au sens des distributions). Limpulsion de Dirac est un signal non ralisable. e Physiquement, on a coutume de modliser une impulsion de Dirac par un sie gnal rectangle (porte) dont la largeur tend vers 0 et lamplitude tend vers linni.

13

Limpulsion de Dirac est gale ` la limite de nombreuses familles de fonctions, e a ainsi : 1 t limT + T rect( T ) (t) = limT + limT +
1 T 1 T t tri( T ) t sinc( T )

(1.12)

Proprts de la fonction de Dirac e e 1. (t) = 0 si t = 0, 2. f (t) (t) = f (0) (t) 3. (k t) =

1 |k|

et

f (t) (t T ) = f (T ) (t T ),

(t) .

Rponse impulsionnelle e La rponse impulsionnelle est simplement dnie comme tant la rponse dun e e e e syst`me physique dont lentre est une impulsion de Dirac. Elle permet de cae e ractriser les syst`mes linaires dans le domaine temporel. e e e

1.2.7

Fonction peigne de Dirac (fonction dchantillonnage) e

k=+

La fonction T (t) est dnie par : e T (t) =

k=

(t kT ).

(1.13)

Cette fonction est appele fonction dchantillonnage car selon la proprit 2 e e ee (voir ci-dessus) on a, pour tout signal f (t) :
k=+

f (t) T (t) =
k=

f (kT ) (t kT ).

(1.14)

T ( t ) 1 0
3T 2T T T 2T 3T

f(t) ( t )
T

f(3T) f(2T) f(T) 1 f(T)

f(3T) f(2T)

t
3T 2T T

0
T 2T 3T

(a)

(b)

Cela revient ` ne retenir que les valeurs de la fonction continue f (t) aux instants a dchantillonnage, ` savoir T , 2T , 3T ... e a 14

1.3
1.3.1

Energie et Puissance
Energie dun signal

Soit x(t) un signal quelconque (fonction complexe), Lnergie sur [t1 , t2 ] est dnie par : e e
t2

Wx (t1 , t2 ) =
t1

|x(t)|2 dt .

(1.15)

o` la notation |x(t)|2 signie x(t) x (t) . u

1.3.2

Puissance moyenne dun signal

Soit x(t) un signal quelconque (fonction complexe), La puissance moyenne sur [t1 , t2 ] est dnie par : e Px (t1 , t2 ) = 1 t2 t1
t2 t1

|x(t)|2 dt .

(1.16)

Cas particulier des signaux priodiques de priode T0 e e

k=+

x(t) =
k=

xp (t kT0 ) ,

(1.17)

o` xp (t) est le signal sur une priode T0 , alors la puissance moyenne sur une u e priode est gale ` : e e a Px = 1 T0
+T0 /2 T0 /2

|x(t)|2 dt =

1 T0

|xp (t)|2 dt .

(1.18)

1.4
1.4.1

Classication des signaux

Signaux ` nergie nie ae
+

Un signal x(t) est dit ` nergie nie sil est de carr sommable, cest-`-dire si ae e a Wx =

|x(t)|2 dt < .

(1.19)

Ce qui implique que Px = 0 .

15

1.4.2

Signaux ` puissance moyenne nie a

+T /2 T /2

Un signal x(t) est dit ` puissance moyenne nie si a Px = limT + 1 T |x(t)|2 dt < . (1.20)

Cas des signaux priodiques de priode T : e e Px = 1 T

t0 +T /2 t0 T /2

|x(t)|2 dt < .

(1.21)

Si Px = 0, alors Wx = (signal ` nergie totale innie). ae Exemple : Calculer la puissance moyenne du signal rel et sinuso reprsent e dal e e par la fonction x(t) = A cos(t + ).

1.4.3

Causalit e

Un signal x(t) est dit causal ssi x(t) = 0 , t < 0 . Un signal x(t) est dit anti-causal ssi x(t) = 0 , t > 0 . Remarque : Dans le cas dun ltre que lon veut raliser en temps rel, il va de e e soit que sa rponse ne peut tre que postrieure ` lexcitation. Cest pourquoi, e e e a on imposera que sa rponse impulsionnelle soit causale. e

1.4.4

Parit e

Un signal x(t) est pair si x(t) = x(t) ou impair si x(t) = x(t). Tout signal rel x(t) est la somme dun signal pair xp (t) et dun 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) . u 2 2 Exemples : - Quelle est la parit des signaux x(t) = et sin(t + ) (sinuso attnue) e de e e t2 (gauche) et x(t) = e sin(t + ) (droite) reprsents ci-dessous pour les e e valeurs = 0.25, = /6 et = 3 rad/s :
15 1

10 0.5 5 0 0 0.5 5

10 10

10

1 10

10

16

1.5

Produit de convolution

On appelle produit de convolution entre deux fonctions x(t) et h(t), lopration e (note galement ) dnie par : e e e
+

(x h)(t) =

x( ) h(t ) d

(1.22)

Si la rponse impulsionnelle dun syst`me linaire (comme un ltre, par exemple) e e e est reprsente par la fonction h(t), la sortie du signal y(t) sobtient comme le e e produit de convolution de lentre x(t) avec la rponse impulsionnelle h(t). e e

x(t)

Systme linaire h(t) : rponse impulsionnelle y(t) = x(t) * h(t)

y(t)

La convolution est leet que produit un instrument de mesure qui donne dun phnom`ne physique non pas une rponse nette, mais un peu oue. Limage e e e dun point dans un instrument doptique nest jamais rellement un point mais e une tche. Dans le domaine lectronique, on retrouve le mme phnom`ne : une a e e e e impulsion inniment br`ve applique ` lentre dun amplicateur ne donne jae e a e mais en sortie une impulsion br`ve, mais un signal de dure non nulle (dautant e e plus troite que la bande-passante de lappareil est plus leve). e e e Le produit de convolution reprsente lvolution de la valeur de laire 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) lorsquon la dplace sur la fonction h(t). e

Figure 1.3 Interprtation du produit de convolution entre f (t) et g(t). e

17

Proprits e e Le produit de convolution est une opration commutative et distributive e par rapport ` laddition. a La fonction de Dirac est llment neutre du produit de convolution : ee (t ) f (t) = f (t ) (1.23)

Le produit de convolution de deux signaux reprsents par leurs fonctions e e temporelles correspond dans le domaine frquentiel au produit de leurs e transformes de Fourier respectives (Thor`me de Plancherel). e e e Si x(t) et y(t) sont des signaux causaux, en crivant les ingalits quils e e e vrient e x( ) = 0 <0 y(t ) = 0 > t on obtient une expression simplie et tr`s utile de la convolution : e e
t

(x y)(t) =
0

x( ) y(t ) d

(1.24)

1.6
1.6.1

Transformations frquentielles e
Transforme de Fourier e

La reprsentation temporelle peut tre susante dans tous les cas o` la e e u forme du signal et la nature du traitement restent simples. Dans la ralit, les e e signaux nont pas toujours une forme simple soit en raison de la nature de linformation quils portent, soit en raison du traitement quils doivent subir. Lunique reprsentation du signal en fonction du temps sav`re insusante : e e elle ne permet plus dinterprter correctement linformation. Dans de tels cas, e la reprsentation du signal en fonction de la frquence est tr`s utile. e e e La transforme de Fourier est un outil mathmatique qui permet dtablir une e e e dualit entre deux reprsentations direntes dun signal mais complmentaires e e e e au niveau de linterprtation des rsultats. Elle eectue le passage du domaine e e temporel au domaine spectral (frquentiel). Son rsultat est appel spectre dun e e e signal. La transforme de Fourier du signal x(t) , note F[x(t)] = X(), est dnie e e e par :
+

F[x(t)] = X() =

x(t) e2jf t dt , ( = 2f )

(1.25)

Elle existe si x(t) est de classe L1 ( un nombre ni de discontinuits. e

|x(t)|dt < +) et si le signal prsente e

18

La transforme de Fourier inverse de X() est le signal x(t) = F 1 [X()] dni e e par : + 1 x(t) = F 1 [X()] = X() ejt d (1.26) 2 X() est une fonction qui est indpendante du temps. Cest une fonction come plexe que lon peut crire sous la forme module et phase : X() = |X()| exp(()) e ou sous la forme de partie relle et de partie imaginaire : e X() = Re(X()) + j Im(X()) avec
+ +

Re(X()) =

x(t) cos(t) dt

et

Im(X()) =

x(t) sin(t) dt .

(1.27) On nonce ci-dessous quelques proprits importantes concernant la transforme e ee e de Fourier : 1. La transforme de Fourier est inversible si x(t) est un signal ` nergie nie. e ae 2. Linarit : F[a x(t) + b y(t)] = a X() + b Y () e e 3. Changement dchelle : F[x(at)] = e
1 |a|

X( ) a

4. Translation en temps : F[x(t a)] = X() eja (retard, si a > 0), 5. Translation en frquence : F[x(t) ej0 t ] = X( 0 ) , e
x(t) 6. Drivation : F[ d dtn ] = (j)n X(), e
n

7. Intgration : X() = e

1 j

F[ dx(t) ] + 2 x () o` x est la valeur moyenne u dt

1 T0 T0 /2 T0 /2

de x(t) ( = limT0 + x

x(t) dt),

8. Conjugaison : F[x (t)] = X (), 9. Dualit : F[x(t)] = Y () F[y(t)] = 2X(), e 10. Parit : x(t) = xp (t) + xi (t) X() = F[xp (t)] + F[xi (t)], e 11. Si x(t) est rel, alors Re(X()) = F[xp (t)] est une fonction relle et e e j Im(X()) = F[xi (t)] est une fonction imaginaire. 12. Si x(t) est rel pair, alors X() est rel pair. e e Si x(t) est rel impair, alors X() est imaginaire impair. e 13. F[(t)] = 1, 14. F[1] = 2 (),

19

15. F[(t )] = ej , 16. F[ej0 t ] = 2 ( 0 ), 17. F[cos(0 t)] = ( 0 ) + ( + 0 ), Ainsi, la translation temporelle (proprit 4) ne change pas le module de la ee transforme de Fourier, mais introduit un dphasage sur le spectre complexe. e e On appelle galement cette proprit proprit de modulation. e ee ee

1.6.2

Thor`me de Plancherel e e

Ce thor`me met en exergue la dualit entre temps et frquence. Il snonce e e e e e ainsi : La transforme de Fourier dun produit de convolution de leurs fonctions teme porelles est le produit des transformes de Fourier : e x(t) y(t) x(t) y(t)
TF 1 2 TF

X(f ) Y (f ) X(f ) Y (f )

(1.28)

1.6.3

Transforme de Laplace e

A lorigine de la transformation de Laplace, on trouve lide que, si une fonction e x(t) nest pas sommable en valeur absolue, il est nanmoins intressant de dnir e e e la transforme de Fourier du produit x(t) et , du moins si il existe un nombre e rel tel que le produit ci-dessus soit sommable en valeur absolue. Considrons e e donc une fonction x(t) et un intervalle , tels que pour le rel , lintgrale e e
+

|x(t) et | dt

(1.29)

converge. On dnit alors la transforme de Laplace bilatrale X(s) de x(t) : e e e

+

L[x(t)] = X(s) =

x(t) est dt

(1.30)

o` s est une variable complexe s = + j. u

20

1.7

Srie de Fourier e

Un signal x(t) peut se dcomposer en une somme innie de fonctions sinuso e dales dpendant du temps qui peut tre exprime par une combinaison linaire de e e e e fonctions exponentielles complexes sur lintervalle temporel [0, T0 = 1/f0 ] :
+

x(t) =

cn ej2nf0 t , t [0, T0 ] ,

(1.31)

n tant une valeur enti`re. Les coecients de la srie de Fourier, cn , sont e e e indpendants du temps et sexpriment de la mani`re suivante : e e cn = 1 T0
T0 0

x(t) ej2nf0 t dt ,

(1.32)

Si x(t) est priodique de priode T0 = f10 , f0 reprsente la frquence du fondae e e e mental et nf0 (n > 1) reprsente la frquence des dirents harmoniques. e e e Dans un contexte dtude rduit aux signaux ` nergie nie, on introduit ici une e e ae bijection entre deux reprsentations de ces signaux : lune temporelle et lautre e frquentielle. Si ces signaux sont priodiques et donc ` nergie innie sur R, il e e ae nexiste plus de transforme de Fourier au sens des fonctions, mais ces signaux, e pourvu quils soient continus, admettent une dcomposition en srie de Fourier, e e ce qui nous permet de conserver une reprsentation frquentielle aux moyens e e des coecients descriptifs de la srie. e Lensemble des valeurs cn (en gnral complexes) constitue le spectre du signal ; e e qui est alors discret. Ces valeurs dsignent lamplitude et la phase des harmoe niques (multiples du fondamental). Lexemple type est la fonction sinus qui na pas de transforme de Fourier au sens des fonctions, mais qui se dcompose e e aisment (et pour cause) en srie (trigonomtrique) de Fourier pour obtenir deux e e e coecients (b1 et b1 ) qui correspondent ` deux impulsions Dirac frquentielles. a e Remarques : c0 =
1 T0 T0 0

x(t) dt = valeur moyenne de x(t) sur [0, T0 ] .

Si x(t) est un signal rel, alors cn = cn . e Si x(t) est priodique de priode T0 , alors x(t) = x(t + T0 ) et e e
+

x(t) =

cn ej2nf0 t , t .

(1.33)

On peut dcomposer x(t) sous la forme quivalente ` (1.31) : e e a

+

x(t) = a0 +
1

(an cos(2nf0 t) + bn sin(2nf0 t))

(1.34)

avec 21

 an =

bn = 0 = 2f0 . et cn =

2 T0 2 T0

T0 0 T0 0

x(t) cos(n0 t) dt =

2 T0

x(t) sin(n0 t) dt =

T0 /2 x(t) cos(n0 t) dt T0 /2 T0 /2 2 x(t) sin(n0 t) T0 T0 /2

dt avec

an jbn 2

pour n > 0, cn =

an +jbn 2

pour n < 0 et c0 = a0 .

Si le signal x(t) est pair, alors les coecients bn sont tous nuls. Si le signal x(t) est impair, alors les coecients an sont tous nuls. Interprtation : la forme complexe de la dcomposition en srie de Fourier e e e est la formulation la plus usuelle. Elle fait appara tre des harmoniques de frquences positives et ngatives qui servent mathmatiquement ` ree e e a constituer lensemble du signal. Nanmoins, cette dcomposition na pas e e de ralit physique en ce qui concerne la partie associe aux frquences e e e e ngatives. Elle est utilise en traitement du signal car elle permet bien e e souvent une simplication des calculs.

On peut montrer que si x(t) de priode T0 est une fonction continue et e que sa drive premi`re temporelle x (t) est continue par morceaux, alors e e e la srie de Fourier de x(t) converge uniformmement vers x(t). e e La notion de spectre dun signal priodique est bien connue des musiciens : e deux instruments jouant la mme note fournissent deux signaux de mme e e frquence ; ils sont identiables parce que les amplitudes des harmoniques e sont direntes. Cest la rpartition des amplitudes sur les divers harmoe e niques qui est caractristique dun instrument : cest son timbre. e

22

1.8
1.8.1

Corrlation et densits spectrales e e

Signaux ` nergie nie ae

La corrlation est une mesure nergtique de la similitude de forme et de posie e e tion entre deux signaux dcals. Pour des signaux rels ` nergie nie, on dnit e e e ae e lautocorrlation et lintercorrlation de la mani`re suivante : e e e Autocorrlation : corrlation entre le signal x(t) et lui-mme : e e e
+

xx ( ) =

x(t) x (t ) dt .

(1.35)

Intercorrlation : corrlation entre le signal x(t) et le signal y(t) : e e

+

xy ( ) =

x(t) y (t ) dt .

(1.36)

1.8.2

Signaux ` puissance moyenne nie a

Pour des signaux x(t) et y(t) ` puissance moyenne nie, on dnit lautoa e corrlation par la relation : e xx ( ) = lim 1 T + T
+T /2

x(t) x (t ) dt .
T /2

(1.37)

et de mme, on dnit la fonction dintercorrlation par : e e e xy ( ) = lim Proprits : e e xx ( ) et xy ( ) sont homog`nes ` une nergie (nergie croise entre un e a e e e signal et un autre retard) ou ` une puissance (deuxi`me dnition). e a e e xy ( ) = 0 , signie que les signaux sont totalement dcorrels (signaux e e orthogonaux), |xy ( )|2 xx ( ) yy ( ) (ingalit de Schwartz), e e |xx ( )| xx (0) , : la fonction dautocorrlation admet une valeur e maximale en = 0. Comme la fonction dautocorrlation sert ` mesurer le e a degr de ressemblance entre un signal et sa version dcale dans le temps, e e e intuitivement, on conoit que la ressemblance est maximale lorsquon comc pare le signal avec lui-mme, i.e., lorsque lon compare le signal avec sa e version non dcale dans le temps. e e 1 T + T
+T /2

x(t) y (t ) dt .
T /2

(1.38)

23

1.8.3

Densits spectrales e

En un mot, il sagit des transformes de Fourier des fonctions de corrlation que e e lon vient daborder (appels aussi relations de Wiener-Khintchine). On dnit e e alors : Densit interspectrale de puissance : e D.S.P.{x(t)} = F[xx ( )] = xx (f ) . (1.39)

Densit spectrale de puissance : e D.S.P.{x(t), y(t)} = F[xy ( )] = xy (f ) . (1.40)

1.8.4

Thor`me de Parseval e e

Lidentit de Parseval traduit la conservation de lnergie lors du passage ` la e e a transforme de Fourier. On a donc : e
+ +

E=

|x(t)|2 dt =

|X(f )|2 df

(1.41)

Domaine temporel

Domaine frquentiel e

Pour les signaux priodiques qui sont ` nergie innie, on calcule dans ce cas la e ae puissance sur une priode T0 . En utilisant le dveloppement en srie de Fourier e e e qui existe en vertu de la priodicit, on trouve : e e P = 1 T0
T0 +

x(t) x (t) dt =
0

cn cn .

(1.42)

On en dduit le thor`me de Parseval pour des signaux priodiques et qui traduit e e e e cette fois-ci la conservation de la puissance :
+ +

P =

(f ) df =

|cn |2

(1.43)

24

1.9
1.9.1

Filtrage analogique
Introduction

Nous allons aborder dans ce chapitre le ltrage des syst`mes linaires contie e nus et invariants dans le temps (stationnaires). Le ltrage consiste ` attnuer a e certains signaux et ` en laisser passer dautres. Cette slection sop`re bien a e e videmment en fonction des caractristiques du signal recherches en sortie. e e e Un ltre modie (ou ltre) certaines parties dun signal dentre dans le doe maine temporel et dans le domaine frquentiel. Dapr`s la thorie de Fourier, e e e tout signal rel peut tre considr comme compos dune somme de signaux e e ee e sinuso daux (en nombre inni si ncessaire) ` des frquences direntes ; le rle e a e e o du ltrage est alors de modier la phase et lamplitude de ces composantes. Par exemple, agir sur la reprsentation frquentielle pour la modier : le ltre ajoute e e ou enl`ve des graves ou des aigus en traitement de la parole, il corrige la rponse e e en frquence dun appareil (microphone, tlphone,...). e ee Un moyen de caractriser un ltre est sa rponse impulsionnelle h(t), cest-`e e a dire le signal en sortie du ltre lorsque le signal dentre est une impulsion e de Dirac, cest-`-dire lorsque toutes les frquences sont prsentes ` son entre a e e a e (F[(t)] = 1). Un autre moyen de caractriser un ltre est de fournir sa fonction e de transfert H(), qui peut tre obtenue en divisant le spectre frquentiel du e e signal de sortie avec celui du signal de lentre du ltre e

y(t) = h(t) x(t)

Y () = H() X()

(1.44)

Tout ltre linaire est enti`rement dcrit par sa rponse frquentielle en amplie e e e e tude |H()| (le gain) et sa rponse de phase arg H() e

|Y ()| = |H()| |X()|

et

arg Y () = arg H() + arg X()

(1.45)

lie ` sa rponse impulsionnelle. Du point de vue mathmatique, un ltre continu e a e e a e ` rponse impulsionnelle innie peut tre dcrit en terme dquations direne e e e tielles linaires. Il est galement possible dexprimer la fonction de transfert du e e ltre ` laide de la transforme de Laplace de leur rponse impulsionnelle ; cette a e e mthode permet danalyser simplement le ltre en considrant les ples et les e e o zros de la transforme de Laplace. e e Exemple Soit x(t) = ej0 t un signal ` lentre dun ltre linaire continu caractris par sa a e e e e rponse frquentielle {|H()| , arg H()}. Quelle est lexpression de la rponse e e e temporelle y(t) en sortie du ltre ? Rep : y(t) = |H(0 )| e(j0 t
+ j

arg

H(0 ))

25

1.9.2

Filtres stables physiquement ralisables e

Un ltre est physiquement ralisable si sa rponse en frquence H() correspond e e e a ` sa transforme de Laplace pour un signal dentre sinuso e e dal : H() = L[h(t)](s=j) . Il existe plusieurs types de ltres linaires ralisables : e e Les ltres passe-bas laissent passer les basses frquences et coupent les e hautes, Les ltres passe-haut laissent passeer les hautes frquences et coupent les e basses, Les ltres passe-bande ne laissent passer quune bande limite de frquences, e e Les ltres coupe-bande, ` linverse, laissent passer toutes les frquences, a e sauf une bande spcique. e Certains ltres ne sont pas conus pour arrter une frquence, mais pour modic e e er lg`rement le gain ` direntes frquences, comme les galiseurs. Direntes e e a e e e e mthodes de conception de ltres analogiques ont t mises au point, chacune e ee optimisant un point spcique, comme par exemple des ltres exhibant des cae ractristiques particuli`res : e e Les ltres de Butterworth, Les ltres de Tchebyshev, Les ltres elliptiques (ltres de Cauer). La conception des ltres linaires fait appel ` un gabarit, qui rassemble les cae a ractristiques du gain frquentiel dsir. e e e e (1.46)

1.9.3

Frquence de coupure et bande passante e

La dnition gnrale de la frquence de coupure dun ltre de fonction de transe e e e fert H(f ) (sortie sur lentre) est la frquence fc telle que : e e |H(fc )| 1 = . max {|H(f )|} 2

(1.47)

Dans le cas dun ltre passe-bas, la fonction de transfert est maximale ` lorigine, a donc : 1 |H(fc )| = |H(0)| 20 log10 |H(fc )| 20 log10 |H(0)| = 3dB . (1.48) 2 La bande passante (BP) dun ltre analogique est lintervalle [finf , fsup ] de frquences dans lequel le gain 20 log10 |H()| (ici exprim en dcibels) reste e e e suprieur ou gal ` une valeur de rfrence (par exemple 3 dB, correspondant e e a ee 26

a ` une attnuation du gain de e

2). Ainsi, pour les ltres les plus courants, on a :

Le ltre passe-bas : BP = [0, fsup ], Le ltre passe-haut : BP = [fsup , +], Le ltre passe-bande : BP = [finf , fsup ], Le ltre coupe-bande : BP = [0, finf ] [fsup , +] (appel aussi ltre e rjecteur de bande). e

1.9.4

Transformations de frquences e

A partir de la connaissance de la fonction de transfert dun ltre passe-bas normalis (de frquence de coupure unit ` -3 dB), on peut construire par transe e ea formation du plan complexe et ` partir de ce ltre de nouveaux ltres. a Le ltre passe-haut de pulsation de coupure c sera donn par la transe formation : c H() H , Le ltre passe-bande de pulsation de coupures basse l et haute u sera obtenu par : 2 + l u H() H , (u l ) Le ltre coupe-bande de pulsation de coupures basse l et haute u sera obtenu par : (u l ) H() H , 2 + l u

1.9.5

Synth`se des ltres analogiques e

Les spcications qui dnissent un gabarit sont les caractristiques du ltre. e e e On doit prciser : e le gain du ltre dans la bande passante ( 0 dB), lattnuation du ltre en bande occupe (typiquement 30 dB 90 dB), e e la frquence de coupure (une dans le cas dun passe-bas ou dun passe-haut e et deux dans le cas dun passe-bande ou dun coupe-bande), la largeur de bande de transition souhaite qui gnralement doit tre la e e e e plus petite possible, les ventuelles oscillations en bande passante et/ou attnue (typiquement e e e 1 dB 0.01 dB).

27

Les ltres idaux e Filtre passe-bas idal e H() = K ejT 0 si || < c = 2 fc ailleurs (1.49)

|H( )| K

Figure 1.4 Rponse frquentielle (gain) du ltre passe-bas. e e

Filtre passe-haut idal e H() = K ejT 0 si || > c = 2 fc ailleurs (1.50)

|H( )| K

Figure 1.5 Rponse frquentielle (gain) du ltre passe-haut. e e

28

Filtre passe-bande idal e H() = K ejT 0 si l < || < u ailleurs (1.51)

|H( )| K

Figure 1.6 Rponse frquentielle (gain) du ltre passe-bande. e e

Filtre coupe-bande idal e H() = K ejT 0 si || < l ou || > u ailleurs (1.52)

|H( )| K

Figure 1.7 Rponse frquentielle (gain) du ltre coupe-bande. e e Les ltres idaux prsentent un dphasage linaire et ne sont pas physiquement e e e e ralisables, car les rponses frquentielles idales (ci-dessus) correspondent ` une e e e e a rponse temporelle non-causale. Par exemple, en considrant le ltre passe-bas e e e e o` H() = K ejT rect( 2c ), on a : h(t) = K c sinc( c (t T )) reprsente u ci-dessous :
h(t) K c T T c t

Figure 1.8 Rponse temporelle du ltre passe-bas idal : une partie du signal e e nest pas nulle pour t < 0.

29

Il sensuit que les ltres qui vont pouvoir tre rellement synthtiss nont pas e e e e de rponse frquentielle correspondant ` la fonction porte, mais pourront sen e e a rapprocher. Des caractristiques qui exhibent ces dirences 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 attnue ainsi que la largeur de la transition. Les ltres e e que lon ralise sur les signaux continus (cest-`-dire non chantillonns) sont e a e e composs de rsistances, de capacits, de self-inductances et damplicateurs e e e oprationnels. De tels ltres ralisent entre les reprsentations temporelles e(t) e e e (lentre) et s(t) (la sortie du ltre) une relation intgro-direntielle linaire ` e e e e a coecients constants. Par transformation de Fourier, cette relation conduit ` a un gain complexe qui est une fraction rationnelle, quotient de deux polynmes o en : N () H() = . (1.53) D() Il ne faut pas perdre de vue que la classe des ltres ralisables sur des signaux e continus sont ceux qui sont dnis par lquation fractionnelle (1.53).Nimporte e e quelle fonction de transfert de ce type peut tre ralise par une association de e e e quatre fonctions de transfert lmentaires : les ltres passe-bas du premier et ee du second ordre, les ltres passe-haut du premier et du second ordre.

|H( )| K K 2

ondulations (ripple) dans la bande passante

AK

ondulations dans la bande attnue l u

ondulations dans la bande attnue bande attnue

bande attnue

bande passante

bande de transition

bande de transition

Figure 1.9 Dnitions et exemple de rponse frquentielle dun ltre rel. e e e e

30

Les ltres ralisables classiques e Plusieurs param`tres vont caractriser les gabarits des ltres rels classiques. Il e e e sagit de la slectivit k qui reprsente un rapport de frquences (ou de pulsae e e e tions) caractrisant la bande passante, la pulsation centrale qui est la moyenne e gomtrique 0 des pulsations de coupures ou la largeur de bande relative B0 . e e Filtre passe-bas rel e H() = 1 l (ordre 1) ; Slectivit : k = e e 1 + jT u
G(dB)= 20 log |H( )|
10

(0 < k < 1)

(1.54)

bande attnue u

Figure 1.10 Rponse frquentielle (gain en dB) dun ltre passe-bas rel e e e caractris par la slectivit k. e e e e

Filtre passe-haut rel e H() = jT l (ordre 1) ; Slectivit : k = e e 1 + jT u

G(dB)= 20 log |H( )|
10

(0 < k < 1)

(1.55)

bande attnue

Figure 1.11 Rponse frquentielle (gain en dB) dun ltre passe-haut rel e e e caractris par la slectivit k. e e e e

31

Filtre passe-bande rel e Slectivit : e e k= l+ u u+ l 0 = (0 < k < 1) l+ u l+ u 0 (1.56) (1.57) (1.58)

Pulsation centrale :

Largeur de bande relative :

G(dB)= 20 log |H( )|
10

B0 =

bande attnue

l+

u+

Figure 1.12 Rponse frquentielle (gain en dB) dun ltre passe-bande rel e e e caractris par k, 0 et B0 . e e Filtre coupe-bande rel e Slectivit : e e k= l+ u u+ l 0 = (0 < k < 1) l u+ u+ l 0 (1.59) (1.60) (1.61)

Pulsation centrale :

Largeur de bande relative :

G(dB)= 20 log |H( )|
10

B0 =

bande attnue
u

l+

u+

Figure 1.13 Rponse frquentielle (gain en dB) dun ltre coupe-bande rel e e e caractris par k, 0 et B0 . e e

32

Mthode e Dune mani`re gnrale, la synth`se dun ltre analogique requiert la connaise e e e sance des caractristiques frquentielles que lon vient de voir dans la section e e prcdente ou la reprsentation graphique du gain de sa fonction de transfert e e e par le gabarit. De plus, comme tout ltre linaire continu vrie lquation (1.53), la combie e e naison de ltres lmentaires peut permettre la ralisation de ltres en cascade, ee e donc de ltres dordres suprieurs. La synth`se de tels ltres ne peut pas se e e faire aisment si on consid`re lensemble des ltres lmentaires un ` un. Dune e e ee a mani`re gnrale, on prf`re dcomposer lquation (1.53) en deux catgories : e e e ee e e e les ltres polynmiaux, dont le gain de la fonction de transfert est de la o forme : K0 |H()|2 = p() o` p() est un polynme. u o les ltres elliptiques.

Figure 1.14 Comparaison des principaux ltres analogiques.

33

Filtres polynmiaux o Filtres de Butterworth La famille des ltres de Butterworth prsente les e caractristiques communes suivantes : e Pas dondulation, ni dans la bande passante, ni dans la bande attnue, e e Attnuation la plus constante possible dans la bande passante (rponse la e e plus plate).
|H( )| 1 1
11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000

11111111 00000000 11111111 00000000 11111111 1+ 2 00000000 111111111 000000000 111111111 000000000 111111111 000000000

1 A

Figure 1.15 Gabarit dun ltre de Butterworth.

Figure 1.16 Filtres de Butterworth dordre 1 ` 5. a La forme gnrale du gain (au carr) dun ltre de Butterworth dordre n est la e e e suivante : |H()|2 = En gnral, on consid`re e e e 1 1 + ( /c )2n ; n>0
2 1/2

(1.62) ) = 3 dB.

= 1, ce qui conduit ` 20 log10 (1 + a

34

Pour qu` la frquence normalise c = 1/k, on ait une attnuation du gain de a e e e 1/A, on peut montrer quil faut vrier lingalit suivante : e e e ln (1.63) ln k o` est la constante dattnuation = / A2 1. Ceci permet dobtenir une u e mthode de dtermination de lordre (minimum) du ltre. e e n Gnriquement, la transforme de Laplace H(s) dun ltre de Butterworth est e e e de la forme : H(s) = K0 n i=1 (s pi ) , (1.64)

cest-`-dire constitue de n ples pi situs (dans le plan complexe) sur un 1/2 a e o e arc de cercle de rayon 1/n , cest-`-dire tels que : a pi = et K0 = (pi ) = 1/ .
1 n

ej

( 1 + 2i1 ) 2 2n

Figure 1.17 Poles dun ltre passe-bas de Butterworth dordre 4.

Ci-apr`s sont reprsents les gains en frquence des ltres de Butterworth rese e e e pectivement dordre 8 et dordre 20 synthtiss avec Matlab, avec un taux done e dulations de 3 dB dans la bande passante et de 50 dB dans la bande attnue. e e La courbe daaiblissement des ltres de Butterworth varie dune faon monoc tone, ce qui implique que lcart entre les spcications et la courbe de gain dans e e la bande passante sera toujours minimal ` la frquence de coupure et maximal a e a ` lorigine.

35

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 1.18 Filtres de Butterworth. (a) ordre 8. (b) ordre 20. Filtres de Bessel Une fonction de transfert ayant une phase rigoureusement linaire aurait comme fonction de transfert A ej o` est le retard inig au e u e signal dentre. Mais ce nest pas une fonction rationnelle, un tel ltre nest donc e pas ralisable. Les ltres de Bessel sont des ltres dont la fonction de transfert e pour un degr donn est la meilleure approximation possible de lexponentielle e e prcdente. En se limitant au troisi`me ordre dans le dveloppement de Taylor e e e e de lexponentielle, on a lapproximation suivante de lexponentielle ej 1 (j)3 + 6 (j)2 + 15 j + 15 (1.65)

La fonction de transfert doit avoir un gain unit pour le continu ( = 0), do` e u la fonction de transfert du ltre de Bessel du troisi`me ordre : e H() = (j)3 15 + 6 (j)2 + 15 j + 15 (1.66)

On voit que pour une frquence leve, le gain tend vers 15/(j)3 est 15 fois e e e suprieur ` celui du ltre de Butterworth de mme degr. Les ltres de Bessel e a e e ont une attnuation qui varie au-del` de la frquence de coupure beaucoup plus e a e lentement que ceux de Butterworth. Pour cette raison, ils sont rarement utiliss e sauf lorsque la linarit de la phase est essentielle. e e La famille des ltres de Bessel prsente les caractristiques communes suivantes : e e Pas dondulation, ni dans la bande passante, ni dans la bande attnue, e e Attnuation faible, e Approxime le mieux possible un retard pur. La transforme de Laplace H(s) dun ltre de Bessel est de la forme : e H(s) = K0 Bn (s) ; n>0, (1.67)

o` Bn (s) est un polynme de Bessel dordre n. Cest-`-dire, dni de mani`re u o a e e

36

rcurrente par : e Bn (s) = (2n 1) Bn1 (s) + s2 Bn2 (s) B0 (s) = 1, B1 (s) = s + 1 . 2n! et K0 = 2n n!

(1.68)

Les ltres de Bessel (appels aussi de Thomson) ne prsentent que des ples et e e o correspondent au cas dun ltrage ` dphasage linaire. Comme les ltres de a e e Butterworth, les ltres de Bessel demandent des ordres importants pour vrier e des spcications sur laaiblissement, ce qui les rend diciles ` raliser avec e a e des composants analogiques. La pulsation de coupure c varie avec lordre du ltre, et on montre que :
n

lim c = K0

1/n

(1.69)

Figure 1.19 Filtre de Bessel, de Butterworth et de Tchebyche.

Figure 1.20 Poles dun ltre passe-bas de Bessel dordre 4.

37

Filtres de Tchebyche (ou Chebyshev) Les ltres de Chebychev conduisent a ` une diminution de lordre pour les mmes spcications que pour les ltres e e que nous venons de voir. Il en rsulte une ralisation plus aise. Cette famille e e e de ltres est dcompose en deux sous-familles : les ltres de type I qui core e respondent ` des ondulations uniquement dans la bande passsante et les ltres a de type II qui, ` loppos, prsentent des ondulations seulement dans la bande a e e attnue. e e Filtres de type I La famille des ltres de Chebyshev de type I prsente les caractristiques come e munes suivantes : Ondulations dans la bande passante mais pas dans la bande attnue, e e Fitres optimaux au sens o` il nexiste pas dautres ltres polynmiaux du u o mme ordre avec des performances suprieures ou gales dans la bande e e e passante ET dans la bande attnue. e e
|H( )| 1 1
11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000

11111111 00000000 11111111 00000000 11111111 1+ 2 00000000 111111111 000000000 111111111 000000000 111111111 000000000

1 A

(a)
|H( )| 1 1
11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000

11111111 00000000 11111111 00000000 11111111 1+ 2 00000000 111111111 000000000 111111111 000000000 111111111 000000000

1 A

(b)

Figure 1.21 Gabarit et ltres de Tchebyche de type I. (a) ordre impair. (b) ordre pair. La forme des ondulations dans la bande passante dpend de la parit e e de lordre du ltre. La forme gnrale du gain frquentiel (au carr) dun ltre de Chebyshev de e e e e type I est la suivante : |H()|2 = 1+
2

1 2 Tn (/c )

; n >0

(1.70)

38

n est lordre du ltre. est le taux dondulations ripple factor) et caractrise e lamplitude des oscillations dans la bande passante. Tn () est un polynme de o Chebyshev dordre n, qui est dni par e si || 1 cos(n arccos()) Tn () = (1.71) cosh(n arccosh()) si || 1 Contrairement ` ce quil parait de prime abord, ce sont bien des polynmes. On a o peut en eet montrer ` laide de formules trigonomtriques classiques que lon a e a: Tn+1 (x) = 2 x Tn (x) Tn1 (x) (1.72) avec T0 (x) = 1 et T1 (x) = x . Les polynmes de Chebyshev passent par les points o caractristiques suivant Tn (1) = 1 et Tn (0) = 1 si n est pair, Tn (0) = 0 si n e est impair. Pour |x| 1, Tn (x) oscille n fois entre 1 et 1 (ou, ce qui revient 2 e au mme, Tn (x) prsente n extrema entre 0 et 1) tandis que pour |x| 1, ces e polynmes sont monotones croissants. o

Figure 1.22 Rponse frquentielle (gain) dun ltre de Tchebyche de type I e e dordre 4 pour = 1. On peut montrer que lordre n du ltre doit tre choisi tel que : e n
1 ln ( + 1 ln ( k + 1 2 1 k2

1) (1.73) 1)

o` k est la slectivit du ltre (et correspond ` la largeur de la bande de tranu e e a sition) et est la constante dattnuation = / A2 1. e Gnriquement, la transforme de Laplace H(s) dun ltre de Chebyshev I est e e e de la forme : H(s) = K0 n i=1 (s pi ) , (1.74)

39

cest-`-dire constitue de n ples pi situs (dans le plan complexe) sur une 1/2 a e o e ellipse, cest-`-dire tels que : a pi = et et K0 =
1 1+
2

1 (2i 1) 1 + (2i 1) sin +j cos 2 2n 2 2n

=(

1+ 1+

1 n

n i=1 (pi ) n i=1 (pi )

si si

n est pair n est impair (1.75)

Figure 1.23 Poles dun ltre passe-bas de Tchebyche (tupe I) dordre 4.

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 1.24 Filtres de Tchebyche de type I. (a) ordre 8. (b) ordre 20.

40

Filtres de type II (Tchebyche inverse) La famille des ltres de Chebyshev de type II prsente les caractristiques come e munes suivantes : Mme optimalit que le ltre de Chebyshev de type I, e e Ondulations dans la bande attnue mais pas dans la bande passante. e e
|H( )| 1
11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000

|H( )| 1
11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000

111111111 000000000 111111111 000000000 111111111 000000000

1 1+ 2

111111111 000000000 111111111 000000000 111111111 000000000

(a)

(b)

Figure 1.25 Gabarit et ltres de Tchebyche de type II. (a) ordre impair. (b) ordre pair. La forme des ondulations dans la bande passante dpend de la e parit de lordre du ltre. e La forme gnrale du gain frquentiel (au carr) dun ltre de Chebyshev de e e e e type II dordre n est la suivante : 1 1+
2

|H()|2 =

1 2 Tn (c /)

(1.76)

o` Tn () est un polynme de Chebyshev dordre n. Dans la bande attnue, le u o e e polynme de Chebyshev oscillera entre 0 et 1, et donc le gain oscillera entre 0 o 1 et . 1
1+
2

Figure 1.26 Rponse frquentielle (gain) dun ltre de Tchebyche de type e e II dordre 5 pour = 0.01.

41

Gnriquement, la transforme de Laplace H(s) dun ltre de Chebyshev II est e e e de la forme : H(s) = K0
n i=1,i=(n+1)/2 (s n k=1 (s pk )

zi )

(1.77)

cest-`-dire constitue de zros situs (dans le plan complexe) sur laxe imagia e e e naire et de n ples pi situs sur un 1/2 cercle de rayon c . 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 1.27 Filtres de Tchebyche de type II. (a) ordre 8. (b) ordre 20.

42

1.10

Exercices

1. Que reprsente la composante continue dun signal ? Calculer la moyenne e du signal x(t) = A + B sin(2t + ) illustr ci-dessous e

A Composante continue

Quel est le lien entre le premier terme de la dcomposition en srie de e e Fourier dun signal x(t) et la valeur moyenne de ce signal ? Rep : 1 2

2 0

(A + B sin(2t + ) dt = A .
1 T T 0

a0 /2 =

x(t) dt .

2. Quelle est la transforme de Fourier de la fonction porte illustre ci-dessous e e t (et correspondant ` la fonction A rect( 2T )) ? a
x(t) A

0 T T

Rep : X(f ) = 2 A T sin(2f T ) . 2f T

3. Dcomposer en srie de Fourier le signal x(t) illustr ci-dessous : e e e

x(t) 0 /2 /2 T

Rep : ak =

2 T

sinc

k T

; bk = 0 .

4. Montrer que la transforme de Fourier de sign(t) est e

2 j .

43

5. Montrer que la transforme de Fourier du signal x(t) = exp(at) (t) est e 1 X(f ) = a+j2f o` a est un rel strictement positif. u e
a t2

6. Quelle est la transforme de Fourier de la fonction e

(a est une rel). e

7. Quelle la transforme de Fourier du produit dun signal priodique par un e e signal ` nergie nie : z(t) = x(t) y(t) avec x(t) = x(t + T0 ) ? ae Rep : Z() = n= cn Y ( 2n ) o` les coecients cn reprsentent le u e T0 spectre du signal x(t) sur une priode. e
+

8. Montrer que la fonction de transfert du ltre passe-bas ralisable est une e approximation du ltre passe-bas idal. e 9. Quel est le type de ltre qui correspond le mieux au diagramme en gain et en phase (Bode) reprsent ci-dessous ? Quelle est la bande passante ? e e
1

10

Magnitude

10

10

10

10

10

10 Frequency (radians)

10

50 0 Phase (degrees) 50 100 150 200 0 10

10

10 Frequency (radians)

10

Figure 1.28 Diagramme en gain et phase dun ltre inconnu. 10. Synthtiser un ltre de Butterworth an que lattnuation (A) soit de 40 e e dB ` 2 fois la frquence de coupure (normalise) et de 3 dB dans la bande a e e passante (ripple). 11. Dterminer la fonction de transfert H() dun ltre dont le gain frquentiel e e est illustr ci-dessous. Quelle est la valeur de |H(+)| ? Quelle est lallure e de la phase ? Quelle est la valeur de la phase en 0 ? Quelle est la valeur maximale de la phase ? A quelle frquence est-elle atteinte (correspondant e a ` la pulsation centrale) ? 44

|H( )|

dB

20 dB/dcade

7 dB

3 dB 0 c d

Figure 1.29 Gains frquentiels (en dB) asymptotiques et rels dun ltre pour e e c = 6 rad/s.
10
1

Magnitude 10 0 10
0

10

10 Frequency (radians)

10

14 12 Phase (degrees) 10 8 6 4 2 0 0 10 10
1

10 Frequency (radians)

10

Figure 1.30 Filtre ` avance de phase. a 12. Dterminer le ltre de Butterworth tel que 20 log10 |H()| sinscrive dans e le gabarit normalis suivant (b = 30 dB et x1 = 2) : e

|H( )| 0

dB

x1

a b

Figure 1.31 Gabarit normalis x = /c . e

45

1. Soit le signal non-causal y reprsent par y(x) = e|x|/a o` a R+ . e e u Dterminer la transforme de Fourier de y. e e

2. Soit le signal radar suivant : Il sagit dun motif rpt avec la priode T e ee e reprsent par un ensemble (salve) de sinuso e e des de frquences f0 et de e dure . Le motif est cod par le signal x(t) = cos(2f0 t) rect(t/T ). e e En saidant du produit de convolution, dterminer la transforme de Foue e rier de ce motif.

3. (a) Dvelopper en srie de Fourier, ` lordre n, la fonction 2-priodique e e a e dnie sur lintervalle ], +[ par x(t) = |t| . e (b) Reprsenter graphiquement le spectre frquentiel approximatif de e e x(t), pour n 3 .

46

Chapitre 2

Echantillonnage/Quantication

Le mathmaticien Claude Elwood Shannon, n ` Gaylord dans le Michigan e ea en 1916, est considr comme le p`re de la transmission numrique des informaee e e tions. Dans son ouvrage le plus cl`bre, Thorie mathmatique de la communiee e e cation, cocrit avec Warren Weaver et publi en 1948, il a dni le bit (acronyme e e e de binary digit) comme unit fondamentale du traitement de linformation. Il e sest particuli`rement attach aux tlcommunications numriques et ` thoriser e e ee e a e la correction derreur. Son thor`me, connu sous le nom de Shannon-Hartley, e e tablit que la bande passante dun canal dpend essentiellement de son niveau e e de bruit et non de sa largeur spectrale. Claude Shannon fut mathmaticien 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 thorie des jeux et de linformatique (entre autres..). Il est avec e Turing et Von Neumann un des chercheurs qui contribua le plus ` la thorie de a e linformation au milieu du si`cle dernier. Claude Shannon est dcd au mois e e e e daot 2001 ` lage de 84 ans de la maladie dAlzheimer. u a

47

2.1

Introduction

Lanalyse dun signal continu ` laide dun calculateur ncessite sa dicrtisation. a e e Les calculateurs ne pouvant traiter que des valeurs numriques, une cha de e ne conditionnement aura pour fonction de transformer le signal continu en un signal numrique (et inversement). Cela consiste ` raliser les oprations successives e a e e suivantes : le ltrage analogique en amont pour adapter la bande passante du signal au dispositif dchantillonnage (ltre anti-repliement), e lchantillonnage, qui correspond ` la discrtisation temporelle gnralee a e e e ment ` intervalle rgulier : les chantillons, a e e la quantication qui discrtise les valeurs prises par les chantillons. e e Nous allons par la suite dvelopper les deux derniers points, le premier ayant dj` e ea t trait au chapitre 3 du cours de premi`re anne. Nous tudierons galement ee e e e e e les transformations temps discret-frquence ainsi que les proprits spciques e ee e des signaux numriques. e

2.2
2.2.1

Echantillonnage
Principe

Lchantillonnage (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 rgulier (ici le temps est une variable relle quelconque). Cest une tape ncessaire 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 lchantillonnage de la quane tication, mais ce sont toutes deux des tapes ncessaires ` la numrisation dun e e a e signal. Le signal chantillonn est obtenu par multiplication de ce signal analogique e e + par un train dimpulsions (peigne de Dirac) Te (t) = n= (t nTe ) daire unit et qui-espaces de la priode dchantillonnage Te : e e e e e
+

x (t) = x(t)
k=

(t kTe )

(2.1)

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

x (t) =
k=

x(kTe ) (t kTe )

(2.2)

Lchantillonnage a aussi des consquences sur le spectre du signal initial x(t). e e Elles peuvent tre mises en vidence de la mani`re suivante : le signal Te (t) est e e e priodique et peut donc tre dvelopp en srie de Fourier. Le rsultat en est : e e e e e e

48

f(t)

(t)

Signal continu f (t)

Train dimplusions damplitude unit

Signal chantillonn

Figure 2.1 Obtention dun signal chantillonn : multiplication par un train e e dimpulsions.

Te (t) =

1 Te

e2jkt/Te .
k=

(2.3)

Le spectre de Te (t) est donn par e P () = 2 T

+

( 2k/Te ) .
k=

(2.4)

On voit donc qu` un train dimpulsions de priode Te dans le domaine temporel a e correspond un train dimpulsions de priode 1/Te dans le domaine frquentiel. e e A la multiplication de 2 signaux dans le domaine temporel correspond (` un a facteur 2 pr`s) dans le domaine frquentiel la convolution des spectres de ces 2 e e signaux. D`s lors, la transforme de Fourier X () du signal chantillonn x (t) e e e e est donne par e 1 X() P () (2.5) 2 Le spectre du signal Te (t) est lui-mme un train dimpulsions espaces de 1/Te e e sur laxe des frquences. La convolution dun signal avec un train dimpulsions e se fait en reproduisant le signal au droit de chacune des impulsions (voir gure 2.1). Le spectre du signal chantillonn est donc donn par e e e X () = X () = 1 Te
+

X( 2k/Te )
k=

(2.6)

On voit que leet de lchantillonnage est de priodiser le spectre du signal e e analogique initial, au rythme 1/Te , comme cela est illustr sur la gure 2.2. On e a donc, pour toute frquence f : e X (f + fe ) = X (f ) 49 (2.7)

|X(f)|

f max |X (f)|

Spectre de base

f e /2

fe

Figure 2.2 Spectre dun signal chantillonn (cas o` fmax < fe /2) : on notera e e u la priodicit frquentielle. e e e Du fait que le spectre de x (t) est priodique, on a besoin de le conna unie tre quement sur une priode. On choisit lintervalle de frquences [fe /2, +fe /2], e e quon appelle priode principale ou spectre de base. e Dans le cas o` la frquence maximale contenue dans le signal ` chantillonner u e ae fmax est infrieure ` la moiti de la frquence dchantillonnage fe , il ny a pas e a e e e de recouvrement entre les priodicits spectrales (voir Fig. 2.2). En revanche sil e e existe des composantes du signal dont les frquences sont suprieures ` fe /2, e e a on note un recouvrement spectral (aliasing) (voir Fig. 2.3). Le spectre du signal obtenu ne correspond plus ` celui du signal initial. Il ne sera alors pas possible a de reconstruire le signal apr`s traitement numrique. e e Thor`me de Shannon e e Pour pouvoir reconstituer, sans perte dinformation, un signal continu ` partir a dun train dchantillons de priode Te , il faut que la frquence dchantillonnage e e e e soit au moins gale au double de la frquence maximale contenue dans le signal. e e

Exemple : le tlphone. Le spectre audio est limit ` lintervalle de frquences ee ea e [0 2500] Hz an que le signal puisse tre reconstitu correctement apr`s tre e e e e chantillonn ` la frquence fe = 6 KHz. e ea e Le ltre analogique voqu au dbut de ce chapitre sert ` limiter la frquence e e e a e maximale contenue dans le signal continu, avant que celui-ci soit chantillonn, e e en appliquant un ltre passe-bas appel ltre anti-repliement (anti-aliasing le ter).

50

|X(f)|

f max f |X (f)|

f e /2

fe

Figure 2.3 Spectre dun signal chantillonn (cas o` fmax > fe /2) : le spectre e e u du signal obtenu ne correspond plus au spectre du signal initial. Bloquage La reconstitution (approche du signal) doit dautre part ne laisser passer que le e spectre de base. Cest dans ce spectre uniquement quest contenu linformation utile et dautre part, il nest physiquement pas ralisable de reconstituer un e signal de spectre priodique inni. Le circuit bloqueur a ce rle. Le bloqueur e o dordre 0 (car de valeur temporelle constante) maintient la valeur du signal chantillonn durant toute la priode dchantillonnage. Cest un interpolateur e e e e dordre 0. Cest donc un ltre passe-bas (quon supposera idal) de fonction de e transfert de Laplace Bo (s) : Bo (s) =
f (t)

1 eTe s s
f (t)

(2.8)

Signal chantillonn

t Signal chantillonn bloqu

Figure 2.4 Obtention dun signal chantillonn bloqu : la valeur acquise au e e e moment de la capture de lchantillon est maintenue durant toute la priode e e dchantillonnage. e

51

2.3
2.3.1

Transformes dun signal chantillonn e e e

Transforme de Laplace e
+

La transforme de Laplace X (s) dun signal chantillonn x (t) est dnie par e e e e X (s) = L[x (t)] =
k=

x(n Te ) L[(t n Te )]

(2.9)

Or,
+

L[(t n Te )] =
0

est (t n Te ) dt ,

(2.10)

on en dduit directement que : e

+

X (s) =
k=

x(nTe ) enTe s

(2.11)

2.3.2

Transforme en z e

La transforme en z est un outil mathmatique de traitement du signal, qui est e e lquivalent discret de la transforme de Laplace. Elle est utilise entre autres e e e pour le calcul de ltres numriques ` rponse impulsionnelle innie (RII) ainsi e a e que pour ltude de la stabilit des ltres numriques. Sa dnition mathmatique e e e e e est la suivante : la transformation en z est une application qui transforme une suite {x(n)} (dnie sur les entiers) en une fonction X(z) dune variable come plexe nomme z, telle que e
+

X(z) = Z{x(n)} =
n=

x(nTe ) z n ,

zC.

(2.12)

La variable n reprsente en gnral le temps discrtis, la variable complexe e e e e e z ne reprsente rien de particulier, il sagit dune cration purement abstraite. e e Lorsquon analyse le signal x(n), on dit que lon est dans le domaine temporel, lorsquon tudie X(z), le domaine est appel frquentiel par analogie avec la e e e transforme de Fourier. Lorsque lon compare les dnitions 2.12 et 2.11, on en e e dduit que z = eTe s , z C. e Le domaine de convergence dnit lexistence de la transforme en z. Cest e e le sous-ensemble de C dans lequel la srie prcdente converge. On lappelle e e e galement couronne de convergence. La plupart du temps, les expressions des e transformes en z utilises en traitement du signal sont des fractions rationnelles e e de la variable z. On appelle ples les racines du dnominateur de la transo e forme et zros les racines de son numrateur. Dans de nombreux calculs, les e e e ples sont simples. Il est alors possible dcrire les transformes sous la forme o e e dune dcomposition en lments simples de cette fraction rationnelle. La transe ee forme scrit alors sous la forme dune somme de fractions dont le dnominateur e e e est de degr un dans le cas des fonctions ` coecients complexes et de degr e a e deux dans le cas des fonction ` coecients rels. Ce qui permet de retrouver la a e plupart des transformes simples. e

52

Exemple : la sinuso amortie x(t) = at cos(0 t + ) (t) pour t 0, a tant de e un rel positif infrieur ` un. Dans ce cas, X(z) est dnie ` lextrieur du disque e e a e a e cos()az 1 de rayon |a| et vaut X(z) = 12a cos(0 )zcos(02) . 1 +a z 2

Figure 2.5 Sinuso amortie. de La plupart du temps le domaine de convergence de la transforme en z est e une couronne qui contient le cercle de rayon 1, les fonctions tudies tendant e e souvent vers zro comme une fonction exponentielle lorsque t . Le choix e de la variable z 1 et non z, est cohrent avec la dnition de la transforme de e e e Fourier. Cet oprateur reprsente le retard dun chantillon. Il incite souvent ` e e e a crire les transformes des signaux causaux (nuls pour les valeurs ngatives de e e e t) en fonction de z 1 et non de z. Lorsque le signal est non causal (lorsquil a des composantes pour t < 0, on crit souvent ces composantes en fonction de e la variable z. Cependant, la notion de causalit est contenue dans le domaine e de convergence et non dans la formule donnant la transforme en z qui peut e scrire aussi bien en fonction de la variable z que de la variable z 1 . e Proprits de la transforme en z e e e linarit : Z{a1 f1 (t)+a2 f2 (t)} = a1 F1 (z) + a2 F2 (z) , (a1 , a2 ) R2 , e e Thor`me du retard : Z{x(nk)} = Z{x(tkTe )(tkTe )} = z k X(z), e e Thor`me de lavance : e e Z{x(n + k)} = Z{x(t + kTe )(t)} = z k X(z) z k x(0) z k1 x(1) z x(k 1), Muliplication par n : Z{n x(n)} = z d X(z), dz
z Modulation : Z{an x(n)} = X( a ). Cette proprit permet, en multipliant le signal par un signal exponenee tiel an , de modier la position des ples et des zros de sa transforme o e e en z. La valeur du param`tre a dcoule de la modication particuli`re e e e

53

choisie. Thor`me de la convolution discr`te (Thor`me de Borel) : e e e e e

+

Z{
n=

x1 (n) x2 (n)} = X1 (z) X2 (z),

Thor`me de la valeur initiale (signaux causaux) e e

t0

lim x (t) = lim x(n) = lim X(z),

n0 z+

Thor`me de la valeur nale (signaux causaux) e e

t+

lim x (t) = lim x(n) = lim 1 z 1

n+ z1

X(z),

Quelques exemples de transformes en z (signaux causaux) e Z{(n)} =

+ k=0

(k) z k = 1,
+ k=0

Z{(n l)} =

(k l) z k = z l ,

On constate que si la squence (n) est retarde de l chantillons, sa e e e transforme en z est multiplie par z l , e e Z{(n)} = Z{n (n)} = Z{an (n)} =
+ k=0

z k =

z z1

(suite gomtrique de raison z 1 ), e e

z (z1)2 ,

+ k=0

k z k =

1 1a z 1 , 1 , 1ejTe z 1

Z{ejnTe (n)} =

Etant donn que ejnTe = cos nTe +j sin nTe , on en dduit immdiatement e e e que : 1 cos Te z 1 , Z{cos nTe (n)} = 1 2 cos Te z 1 + z 2 Z{sin nTe (n)} = sin Te z 1 . 1 2 cos Te z 1 + z 2

2.3.3

Transforme en z inverse e

Il sagit de retrouver les valeurs aux instants dchantillonnage x(nTe ) ` pare a tir de la transforme en z, X(z). La transforme en z inverse est donne par e e e lexpression : 1 x(n) = Z 1 {X(z)} = X(z)z n1 dz (2.13) 2j C 54

o` C est un chemin ferm parcouru dans le sens inverse des aiguilles dune montre u e et appartenant enti`rement au domaine de convergence (chemin entourant tous e les ples de F(z). En pratique, ce calcul seectue souvent ` laide du thor`me o a e e des rsidus et la formule devient dans le cas dun signal causal : e x(n) =
zi =ples de X(z) o

Res{z n1 X(z)}z=zi

(2.14)

Exemple : Dterminer la squence f (n) ` partir de la transforme en z de f (t) e e a e suivante F (z) = z (1 eTe ) (z 1) (z eTe )

2.3.4

Equations aux dirences e

Lapplication de la transforme en z ` la rsolution dquations linaires aux e a e e e dirences ` coecients constants est directe ` partir du thor`me de lavance. e a a e e Une quation aux dirences (appele aussi quation aux rcurrences) dordre e e e e e n, linaire ` coecients constants sexprime sous la forme e a x(k+n)+an1 x(k+n1) + +a1 x(k+1) + a0 x(k) = u(k) , k = 0, 1, 2, (2.15) Si la suite {x(k)} a pour transforme en z, X(z), la suite avance dun chantillon e e e {x(k + 1)} a pour transforme en z, z X(z) z x(0), et par consquent on a e e aussi Z{x(k + 2)} = z 2 X(z) z 2 x(0) z x(1), etc .... Finalement, on obtient une forme polynomiale qui permet dexprimer X(z) en fonction de U (z), la transforme en z de {u(n)}. Ceci a t rendu possible par e ee le fait que le thor`me de lavance introduit les conditions initiales x(0), x(1), .... e e Exemple : x(k) x(k 1) = k , k = 0, 1, ... et x(0) = x0 . Solution : (prendre lavance) z z X(z) z x0 X(z) = Z{k + 1} = z Z{k} = z (z1)2 .

2.3.5

Transforme de Fourier discr`te (TFD) e e

La transforme de Fourier discr`te dun processus ` temps discret {x(n)} de e e a priode N est : e
N 1

X(k) =
n=0

x(nTe ) e2j N .

nk

(2.16)

Cette transforme est elle-mme de priode N et de puissance moyenne nie. Elle e e e permet de calculer la transforme de Fourier dune squence de longueur nie ` e e a laide dun calculateur, la TF au sens usuel tant ddie ` des signaux continus e e e a supposs de support inni. Cest pourquoi dans sa dnition appara un pas e e t k ee dchantillonnage en frquence N . Lintrt pratique de la TFD vient de ce quil e e existe des algorithmes qui permettent de calculer cette transforme avec beaue coup moins de multiplications quil nen faudrait pour calculer la transforme de e Fourier usuelle. Le calcul de la TFD ncessite alors N log2 (N ) multiplications e alors que le calcul classique en demanderait N 2 . Lutilisation de ces algorithmes 55

permet donc des calculs rapides de la TFD, do` son nom de FFT (Fast Fourier u Transform). On peut donner galement la relation exprimant la transforme de e e Fourier discr`te inverse : e x(n) = 1 N
N 1

X(k) e2j N .
k=0

nk

(2.17)

La TFD est une fonction discr`te de la frquence et les frquences rduites e e e e k sont les valeurs k = N , k {0, , N 1}. Si lobservation du signal chantillonn x(n) est limit ` N chantillons (temps dobservation gal ` fe ), e e ea e e a N le signal observ est reprsent par la squence nie (x0 , x1 , x2 , , xN 1 ) . La e e e e TFD de celle-ci co ncide avec la transforme du signal original x(t) uniquement e aux frquences multiples de = fe . La valeur sappelle la rsolution e e N spectrale de lanalyse du signal. De plus, la transforme de Fourier discr`te permet dintroduire la notion de e e convolution circulaire (convolution discr`te). Etant donnes deux squences nue e e mriques {x(n)} et {y(n)} de transformes de Fourier discr`tes X(k) et Y (k) e e e respectivement, on recherche la squence numrique H(k) qui admet pour TFD : e e H(k) = X(k) Y (k) , k {0, , N 1} , calcul qui aboutit ` a H(k) =
n[N ]

x(n) y(k n) .

(2.18)

que lon appellera convolution circulaire de x(n) et y(n) o` [N ] est un intervalle u quelconque de taille N .
chantillonnage f(t) Tf Laplace T F(s) chantillonnage F(z) T f*(t) Tf Laplace chantillonnage T Tf Fourier F( ) T TFD chantillonnage Tf Fourier

f(t)

f*(t)

Figure 2.6 Rsum de lensemble des transformations. e e

2.3.6

Convolution discr`te e

La dnition de la convolution circulaire fournie ci-dessus et issue de la TFD core respond bien videmment au cas o` lintervalle est de taille nie. Dune mani`re e u e gnrale et par analogie ` la dnition (2.19) de la convolution pour des signaux e e a e continu, le produit de convolution de deux squences nies ou innies x(n) et e y(n) est dni par : e

56

(x y)(k) =
n=

x(n) y(k n) .

(2.19)

Remarques Il est important de bien voir la dirence qui existe entre la TF e dnie par lintgrale de Fourier, et la transforme de Fourier discr`te introduite e e e e dans cette section. Lintgrale de Fourier qui fournit la transforme de Fourier e e requiert la connaissance de la totalit du signal considr ; de plus, pratiquement, e ee ce nest pas directement sur le signal x(t) que porte le calcul, mais sur son quivalent numris. Le calcul de la TFD introduit donc des erreurs sur le spectre e e e du signal : Erreur de repliement de spectre. Il faut respecter la frquence dchantillonnage de Shannon. Pour poue e voir choisir la frquence dchantillonnage de mani`re ` respecter le e e e a crit`re de Shannon, il faut conna e tre pralablement, ne serait-ce que e de mani`re approximative, la frquence maximale du spectre du signal. e e Cette connaissance nest pas toujours acquise dans les direntes situae tions o` lon est amen ` utiliser les techniques du traitement du signal. u ea Pour rpondre ` cette dicult, on peut procder de deux mani`res : e a e e e 1. On ltre le signal au moyen dun ltre anti-repliement dont la frquence de coupure est susamment leve pour quon puisse e e e esprer que le signal ne poss`de aucune composante spectrale aue e del` de cette frquence. Puis, on chantillonne le signal suivant le a e e crit`re de Shannon. e 2. Sans ltrer le signal, on lchantillonne ` une frquence arbitrairee a e ment leve (autant que possible - sur-chantillonnage), en esprant e e e e ainsi respecter le crit`re de Shannon. Bien entendu, ceci engendre e un plus grand nombre dchantillons ` traiter. e a Erreur de troncature temporelle. Le calcul de la TFD seectue sur un horizon ni (taille de [N ]) du fait de la troncature temporelle ` liade dune fentre qui se traduit par un a e talement du spectre du signal vers les frquences leves. e e e e Erreur due ` lchantillonnage de la transforme de Fourier. Il est ncesa e e e saire dexaminer si lchantillonnage de la transforme de Fourier est e e correct. Si on a des doutes, il faut diminuer le pas dchantillonnage soit e en chantillonnant le signal moins vite, soit en rajoutant des zros aux e e chantillons du signal (technique appele zero padding) : si on ajoute e e N zros au calcul de la TFD dun signal de taille N , la rsolution e e frquentielle est double. De mme, si on chantillonne la transforme de e e e e e Fourier, on priodise le signal temporel. Donc, au lieu davoir un signal e continu, non priodique, dot dune TF continue non priodique, on a e e e un signal priodique chantillonn, dot dune transforme de Fourier e e e e e priodique et chantillonne. e e e

57

2.4

Energie et puissance dun signal numrique e

Par analogie au cas des signaux continu, nous abordons ici les dnitions sur e lnergie et la puissance dun signal numrique. e e Energie : Lnergie moyenne dun signal numrique reprsent par la e e e e squence {x(n)} est dnie par : e e
+

Wx =
k=

|x(k)|2 .

(2.20)

La puissance moyenne du signal numrique reprsent par la squence e e e e {x(n)} sur un intervalle de dimension N est dnie par : e Px (M, M + N 1) = 1 N
M +N 1

|x(k)|2 .
k=M

(2.21)

La puissance moyenne totale du signal numrique reprsent par la squence e e e e {x(n)} est dnie par : e Px = lim Px (
N

N 1 2

N ). 2

(2.22)

2.5
2.5.1

Quantication
Principe et caractristiques de la conversion e

La quantication (quantization) dun signal analogique consiste ` remplaa cer linnit de valeurs direntes quil peut prendre (comme une tension ou e e une intensit lectrique par exemple qui sont des grandeurs macroscopiquement ee continues) par un nombre ni N q de valeurs. Si ces derni`res sont quidistantes, e e on parle de quantication linaire, et la distance qui spare 2 valeurs conscutives e e e possibles est appele pas de quantication q. e
Codage sur 3 bits 111 110 101 100 011 010 001 000 0 1,25 2,50 3,75 5,0 6,25 7,5 8,75 10,0 Tension dentre en Volts q

Figure 2.7 Fonction de transfert dun convertisseur linaire (CAN). e A chaque instant dchantillonnage n Te (n nombre entier), le signal x(t) est e remplac par la valeur la plus proche parmi les valeurs possibles du signal e 58

quanti. On peut adopter une notation permettant de distinguer dune part, e x(n) = xn = x(nTe ) = x (t), signal chantillonn de x(t), et sa version quane e tie dautre part, note souvent xn . e e La quantication des chantillons est eectue par un Convertisseur Analogique e e Numrique (CAN ou ADC). Pour mener ` bien cette opration, il convient de e a e respecter un certains nombres de r`gles thoriques et de choisir correctement e e le CAN (rsolution, amplitude, temps de conversion,...). Les transformations e doivent tre ralises sans perte dinformations et sans accro inutilement le e e e tre nombre de donnes numriques. Le CAN est prcd dun bloqueur, qui maine e e e e tien le signal ` une mme valeur obtenue au moment de lchantillonnage. La a e e priode dchantillonnage doit bien sr tre suprieure au temps de conversion, e e u e e cest pourquoi celui-ci est une caractristique essentielle du CAN. Inversement, e lorsque le traitement est eectu, on a souvent besoin de revenir au monde anae logique pour transmettre des signaux tels que la parole ou les images. Cest la fonction des convertisseurs numrique-analogique qui eectuent lopration e e inverse des CAN. Un CAN est caractris essentiellement par : e e la rsolution (le pas de quantication q), li ` lintervalle de mesure V e ea (intervalle de valeurs autorises pour le signal ` lentre, 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 utiliss : q = V /N q. e La rsolution dun CNA est la plus petite variation qui se rpercute sur e e la sortie analogique ` la suite dun changement de lentre numrique a e e (gale au poids du bit de poids faible). La rsolution peut galement e e e tre exprime en pourcentage de la pleine chelle (PE ou full scale) : e e e Rsolution (%PE). = pas de progression / pleine chelle . e e (2.23)

En augmentant le nombre de bits, on augmente la rsolution. Dans la e spcication des fabricants de CNA, la rsolution est exprime par le e e e nombre de bits (typiquement 8, 12 ou 16 bits). An de ne perdre aucune information contenue dans les chantillons du signal, il faut choisir e correctement le pas de quantication (cf. Thor`me de Shannon) sous e e peine de repliement spectral. le temps de conversion (temps dtalissement ou settling time) : cest e la dure ncessaire aux composants lectroniques pour convertir le sie e e gnal et dlivrer dans un registre (ou de mani`re quivalente, une case e e e mmoire) un nombre entier correspondant ` la valeur quantie. Pour e a e les CNA, cest lintervalle de temps sparant linstant o` lon prsente e u e la donnes numriques et linstant o` le signal analogique est disponible e e u avec la prcision voulue (de lordre de qq s). e lerreur de quantication : le processus de quantication entra de par ne sa nature mme une erreur. Si lon appelle la dirence entre la valeur e e analogique Vana et la valeur numrique Vnum = m Ds , (Ds est la valeur e pour un chantillon), on a : e m Ds < Vana < (m+1)Ds , ou encore Vnum = Vana + , (0 < < Ds ) . (2.24)

59

Comme les valeurs de ont toutes la mme probabilit, cette erreur e e vaut 0.5 fois la valeur du bit de poinds faible (LSB - Lowest Signicant Bit) en moyenne. Cest-`-dire la moiti du pas de progression. a e Cette erreur est de moyenne nulle et la puissance du bruit de quantication est alors dni comme la variance q du signal (t). Sa valeur e est obtenue si on consid`re que le pas de quantication (ou quantum) e q est susamment faible pour considrer constant le signal entre deux e pas dchantillonnage. On obtient alors facilement sa valeur qui est : e
2 q = E 2

(kTe )

q2 . 12

(2.25)

la fonction de transfert (CNA) : lorsque lon prsente ` un convertisseur e a un mot de n bits, le CNA dlivre un signal Vana telle que : e Vana = {An /2 + An1 /4 + + A1 /(2n)} Vr (2.26)

An est le MSB (bit de poids fort ou Most Signicant Bit) et A1 est le LSB. Vr tant une tension de rfrence et An ltat (0 ou 1) du bit de e ee e rang n. Le pas de quantication est tel que : Ds = Vr /2n , et la valeur pleine chelle : e Vf s = (2n 1) Vr /2n . (2.27)

la tension de dcalage (oset) : idalement la tension de sortie dun e e convertisseur NA est 0 Volt quand lentre numrique est nulle. En prae e tique, on mesure une petite tension de sortie due ` lerreur de dcalage a e de lamplicateur oprationnel de sortie. Typiquement, cette erreur est e infrieure ` 0,05 % PE. La majorit des CNA dont la sortie est une e a e tension poss`dent un bouton de rglage qui permet de compenser cette e e erreur. sa linarit intgrale : cest lcart relatif maximum entre la rponse e e e e e relle du convertisseur et la droite correspondant ` une rponse idale. e a e e Elle est gnralement exprime en pourcentage de la pleine chelle ou e e e e en fraction du LSB (voir Fig. 2.8).

Vfs
erreur max

num

Figure 2.8 Linarit intgrale dun convertisseur. e e e

60

La plupart des CAN ont un fonctionnement bas sur des comparisons successives e entre un signal gnr par le convertisseur et le signal ` convertir. La prcision e ee a e du codage peut tre altre si entre deux comparaisons successives le signal ` e ee a convertir varie sensiblement, ce qui est le cas lorsque la bande passante du signal nest pas ngligeable par rapport ` la frquence dchantillonnage. e a e e Il existe plusieurs structures de fonctionnement des CAN comme la conversion a ` rampe, la conversion par approximations successives, la conversion ash. Les temps de conversion de ces mthodes sont tr`s dirents et dpendent du nombre e e e e de composants lectroniques. Les grandeurs physiques issues dun processus ine formatique sont transformes en tension lectrique continue (analogique) proe e portionnelle. Cest le rle de la conversion numrique - analogique (CNA ou o e DAC).
valeurs numriques tension lectrique CAN valeurs numriques Calculateur (espace mmoire dun processus info.) tension CNA lectrique

Figure 2.9 Implantation des CAN et CNA aupr`s dun calculateur. e Le calculateur, apr`s traitement des donnes numriques, fournit un signal e e e numrique qui est transform en un signal analogique dans le temps et en ame e plitude : signal analogique en amplitude : rle du CNA, o signal analogique temporel : ltre de reconstruction. Linstant de prsentation des donnes numriques au convertisseur CNA doit e e e tre parfaitement dni dans le temps ` laide dun ordre de validation des e e a donnes. La plupart des signaux de commande ncessaires ` la rgulation de e e a e procds doivent tre analogiques, an que lon puisse par exemple contrler e e e o la vitesse dun moteur ` courant continu. Nous voyons donc sur la Fig. 2.9 a que les CAN et les CNA jouent le rle dinterfaces entre un syst`me purement o e numrique, comme un ordinateur, et le monde extrieur ` prdominance analoe e a e gique.
donnes traites donnes Calculateur acquises ordre de conversion Filtre de reconstruction donnes reconstruites donnes CNA converties et reconstruites

Figure 2.10 Reconstruction des donnes numriques issues dun calculateur. e e Le ltre de reconstruction du signal peut tre eectu par le calculateur (il lest le e e plus souvent) (voir Fig. 2.10) et donc avant la conversion numrique-analogique. e Il sagit le plus souvent de lisser les donnes : e Reconstruction = Interpolation + Filtrage passe-bas 61 (2.28)

Exemple : Convertisseur numrique-analogique 4 bits - 8 Volts (unipolaire). e Les 24 = 16 nombres biaures dirents que lon peut reprsenter avec ces 4 bits e e sont reprsents sur la Fig. 2.11. 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 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5

poids fort
D C B A

Convertisseur Tension de sortie NA (analogique)

poids faible

Figure 2.11 Convertisseur NA 4 bits - 8 Volts (unipolaire).

2.5.2

Structures dun CNA

n3 n2 n1 n0 R 2R 4R 8R Vs + R

Figure 2.12 CNA ` rsistances pondres. a e ee

CNA ` rsistances pondres a e e e Le CNA ` rsistances pondres utilise un amplicateur oprationnel mont a e ee e e en additionneur. Les entres n0 ` n3 sont connectes soit ` la masse, soit ` la e a e a a tension Vr . La sortie Vs sera donc gale ` e a Vs = Vr (n3 + n2 /2 + n1 /4 + n0 /8) . (2.29)

Linconvnient majeur pour ce type de convertisseur, cest quil faut des rsistances e e dont les valeurs doublent ` chaque fois, ce qui est dicile voire impossible, d`s a e que le nombre de bits devient important.

62

CNA R-2R (rseau en chelle) e e Ici, la tension de sortie Vs sera gale ` : e a Vs = Vr (n3 + n2 /2 + n1 /4 + n0 /8) Rf /2R .
Rf n3 2R R n2 2R R n1 2R R n0 2R 2R Vs +

(2.30)

Figure 2.13 CNA ` rseau en chelle. a e e La rsistance R peut simplement tre obtenue par deux rsistances 2R disposes e e e e en parall`le. Il y a cependant des sources derreur : e le passage du niveau bas (0 V) au niveau haut (Vr ) (commutation) des direntes entres est ralis par un interrupteur. Chaque entre ayant e e e e e son propre interrupteur, les temps de commutation ne sont jamais rigoureusement identiques (pour chaque interrupteur) et il peut appara tre des transitoires sur le signal analogique Vs . Si, par exemple, on passe dune valeur 0111 ` la valeur immdiatement a e suprieure 1000 et si les interrupteurs commutent plus rapidement de e ltat 1 vers ltat 0 que dans le sens inverse, on aura pendant un temps e e tr`s court la valeur 0000 correspondant ` un signal de sortie nulle. Le e a seul moyen de supprimer correctement ces perturbations (glitches) est de connecter un chantillonneur-bloqueur sur la sortie du convertisseur e an de maintenir le niveau de lchantillon prcdent pendant la trane e e sition. la linarit du convertisseur dpend de la prcision des rsistances du e e e e e rseau, e la stabilit de la source de tension de rfrence Vr . En eet, le bruit e ee dans lalimentation est un frein ` la rsolution des convertisseurs. Ainsi, a e pour un convertisseur 16 bits - 5 V, le bruit de lalimentation ne doit pas excder 1/2 LSB, soit 40 V (CNA ou CAN). e

63

2.5.3

Structures dun CAN

Une caractristique importante dun CAN est le temps de conversion. Il est lare gement suprieur ` celui dun CNA. Un CAN est plus dicile ` raliser quun e a a e CNA, et il contient souvent un CNA.

CAN ` rampe numrique a e Un compteur est branch aux entres dun CNA et la sortie de celui-ci augmente e e rguli`rement ` chaque coup dhorloge. La sortie du CNA est relie ` lentre e e a e a e dun comparateur de tension. D`s que celle-ci est suprieure ` la tension dentre, e e a e le comparateur force un tat haut (1) ` sa sortie, ce qui bloque le compteur et e a indique que la conversion est termine. La valeur du compteur correspond ` la e a valeur numrique attendue en sortie. e

Vana

horloge +

Compteur sortie numrique CNA

Figure 2.14 Principe du CNA ` rampe. a Le probl`me majeur de ce montage est que le temps de conversion est tr`s long e e et variable. Dautre part, il faut rinitialiser le compteur ` 0 ` chaque conversion e a a et la frquence de lhorloge est limite par le temps de conversion du CNA. Ainsi, e e si on dispose dun convertisseur 12 bits ayant comme tension nominale Vana = 5 V. Si lentre de celui-ci est mise ` 5 V, le temps de conversion est de 4096 fois e a le temps du cycle de lhorloge, cycle qui est dautre part limit par la conversion e dans le CNA et le comparateur. La formule du temps de conversion peut donc en tre dduite : e e tconv = traz + 2n/fhorloge . (2.31) CAN ` rampe numrique avec compteur-dcompteur a e e Ici, le compteur suit en permanence la tension dentre Vana : si la tension de e sortie du CNA est suprieure ` la tension dentre le compteur dcompte, sinon e a e e il compte. Il nest pas ncessaire de rinitialiser le compteur ` chaque convere e a sion. Ce convertisseur ` un temps de conversion moins grand que le montage a prcdent (sauf pour la premi`re conversion) mais ce temps de conversion est e e e encore variable.

64

Vana

+ horloge

Compteur/ Dcompteur sortie numrique CNA

Figure 2.15 Principe du CNA ` rampe et compteur/dcompteur. a e CAN ` approximations successives a

Vana + Logique de commande horloge

Registre poids fort ..... CNA poids faible

Figure 2.16 Principe du CNA ` approximations successives. a Ce type de CAN poss`de des circuits plus complexes que le CAN ` rampe e a numrique mais le temps de conversion est beaucoup plus court. Une logique de e commande modie le contenu dun registre bit par bit jusqu` ce que la donne a e qui sy trouve, soit lquivalent numrique de la tension analogique Vana (` la e e a sensibilit pr`s du comparateur, et ` la prcision pr`s du CNA). e e a e e Pour un convertisseur n bits, la conversion se fait en n tapes (donc n cycles e dhorloge). Si, par exemple, pour un convertisseur 4 bits de rsolution 1 V, on e souhaite convertir la tension dentre analogique Vana = 10, 4 V. On place tout e dabord le bit de poids fort ` 1 (1000). Comme la sortie du CNA est de 8 V a et donc infrieure ` Vana , on garde le bit de poids fort ` 1. On rit`re cette e a a e e opration pour les autres bits du registre : e 1000 = 8 V < Vana bit 3 mis ` 1 pour la suite, a 1100 = 12 V > Vana bit 2 mis ` 0 pour la suite, a 1010 = 10 V < Vana bit 1 mis ` 1 pour la suite, a 65

 1101 = 11 V > Vana bit 0 mis ` 0 a rsultat : 1100 = 10 V. e Sur cet exemple on voit que la conversion par approximations successives dlivre e une valeur numrique toujours infrieure ` lentre analogique. e e a e CAN ash (ou parall`le) e
5V V +

ana

+ Logique de dcodage n bits ... ... ......... ......... 2 ncomparateurs

Figure 2.17 Principe du CNA ash. On compare la tension Vana de lchantillon aux niveaux de quantication Ds , e 2Ds ,..., kDs ` laide de k comparateurs ` qui lon prsente simultanment le a a e e signal Vana . Sur lordre de conversion, tous les comparateurs dont les niveaux de rfrence sont infrieurs ` la valeur Vana basculent ` ltat logique 1 et tous ee e a a e les autres restent ` ltat bas 0. Un dcodeur transforme les signaux prsents a e e e a ` la sortie de lensemble des comparateurs en un signal numrique parall`le e e cod en binaire pur. Pour une rsolution de n bits, on a besoin de 2n comparae e teurs. Lavantage principal de ce montage de convertisseur est quil fonctionne en parall`le ce qui lui conf`re une grande rapidit. e e e

2.6

Corrlation numrique e e

On a vu au chapitre 2, les dnitions de lautocorrlation et de lintercorrlation e e e pour des signaux continus. La corrlation est une mesure nergtique de la sie e e militude de forme et de position entre deux signaux dcals. Pour des signaux e e discrets ` nergie nie, on dnit lautocorrlation et lintercorrlation de de la ae e e e mani`re suivante : e

66

Autocorrlation : corrlation entre le signal x(n) et lui-mme : e e e

+

xx (k) =
n=

x(n) x (n k) .

(2.32)

Intercorrlation : corrlation entre le signal discret x(n) et le signal discret e e y(n) :

+

xy (k) =
n=

x(k) y (n k) .

(2.33)

De mani`re similaire, pour des signaux discrets ` puissance moyenne nie, on e a dnit lautocorrlation et lintercorrlation de la mani`re suivante : e e e e Autocorrlation : corrlation entre le signal x(n) et lui-mme : e e e xx (k) = lim 1 2N + 1
+N

N +

x(n) x (n k) .
n=N

(2.34)

Intercorrlation : corrlation entre le signal discret x(n) et le signal discret e e y(n) : + 1 xy (k) = lim x(k) y (n k) . (2.35) N + 2N + 1 n= En pratique, les calculs sont limits ` un voisinage ni (un horizon N ni).Il e a sagit alors dune approximation lorsque les squences x(n) et y(n) correse pondent ` des rponses impulsionnelles innies (RII). a e

67

2.7

Exercices

1. Calculer la transforme en z de la suite de nombres entiers {y(k)} pour e y(k) = 1, 2, 3, 0, 0, , 0, pour k = 0, 1, 2, 3, . 2. Dmontrer le thor`me de lavance de k priodes. e e e e 3. Calculer la transforme en z de f (t) = t (t). e 4. Calculer la transforme en z de la squence numrique suivante : e e e g(n + 2) 5g(n + 1) + 6g(n) = 1 pour n 0 et avec les conditions initiales g(0) = 2 , g(1) = 3 . 5. Quelles sont les transformes en z de : e (a) x1 (n) = (b) x2 (n) = Rep : X1 (z) =
1 n 3

(n),
1 n 3

1 n2 2 z z1/3

(n),
1 n 6

et x2 (n) = 4

(n) X2 (z) =

4z z 1 6

6. Quelle est lnergie du signal x1 (n) dni ` la question prcdente ? e e a e e 7. Etant donn la transforme en z suivante : e e F (z) = 0, 792 z 2 (z 1) (z 2 0.416z + 0.208)

Dterminer la valeur de la squence f (kTe ) quand k +. e e 8. Pour un convertisseur numrique-analogique 5 bits, quand lentre est e e gale ` 10100, la tension de sortie est de 100 mV, calculer la pleine chelle, e a e la rsolution (pas de quantication) et la tension de sortie pour une entre e e numrique gale ` 11101. e e a 9. Soit les caractristiques suivantes dun CAN 5 Volts : e rsolution 12 bits ; erreur de linarit pleine chelle 0, 03 % PE. e e e e (a) Indiquer lerreur de quantication en volts, (b) Donner lerreur totale en volts. 10. Calculer la Transforme 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

69

70

Chapitre 3

Filtrage numrique e

Rudolf Emil Kalman (n le 19 mai 1930) est un mathmaticien et un automae e ticien amricain dorigine hongroise, ingnieur en lectrotechnique de formation. e e e Il est surtout connu pour sa contribution ` linvention du ltre de Kalman, une a technique mathmatique de ltrage tr`s utilise pour extraire un signal ` partir e e e a de mesures bruites. Les ides de Kalman sur le ltrage rencontr`rent un certain e e e scepticisme, ` tel point quil dut publier dabord ses travaux dans un journal de a mcanique (au lieu dlectrotechnique). Il eut plus de succ`s, cependant, lorse e e quil rencontra Stanley Schmidt au Ames Research Center de la NASA en 1967. Cela mena ` lutilisation des ltres de Kalman pour le programme Apollo. a

71

3.1

Introduction

Nous allons traiter dans ce chapitre du ltrage linaire numrique. Un ltre e e numrique est constitu dun groupement dentits logiques (circuits, processus e e e ddis) astreints ` un processus de calcul (ou algorithme) qui conf`re ` ce ltre e e a e a une fonction dtermine (passe-bas, passe-haut, passe-bande, rjecteur de bande, e e e intgrateur, direntiateur,...). Le calcul porte sur une squence (ou suite) de e e e nombres introduite ` son entre et qui fournit une squence numrique moa e e e die, cest-`-dire ltre ou traite, ` sa sortie. La plupart des mod`les de ltres e a e e a e analogiques (cf. Chapitre 3) peuvent ainsi tre reproduits sous forme numrique. e e Un ltre numrique est gnralement constitu des lments suivants : e e e e ee un ou plusieurs organes de retard (ce sont des registres ` dcalage jouant a e le rle de mmoires retardes) et pilots par une horloge, o e e e des oprateurs arithmtiques (additionneurs et multiplieurs), e e des registres (programmables) fournissant les coecients de pondration e du ltre. La ralisation concr`te dun ltre numrique consistera en fait ` matrialiser e e e a e lalgorithme de calcul pour la structure retenue. On aura pour cela la possibilit e de travailler : soit en logique cble (assemblage dorganes logiques, tels que des portes, a e mmoires, etc...), e soit en logique programme : organisation des oprations autour dun e e processeur de traitement du signal (DSP - Digital Signal Processor), ou mme, par lutilisation dun mie croprocesseur (micro-ordinateur) standard. Le champ dapplications du ltrage numrique est tr`s vaste puisquil va des e e tlcommunications au traitement de la parole, en passant par des syst`mes ee e dasservissement, les radars et sonars, la prospection sismique, la HI-FI, etc... Cest surtout, ` lorigine, dans les tlcommunications que leur usage sest tr`s a ee e vite rpandu car ` la fois leur capacit de mmoire et la vitesse de traitee a e e ment se trouvaient adaptes ` la plupart des fonctions remplies sous forme e a numrique : codage-dcodage et (d-)compression dimages (JPEG - Joint Phoe e e tographic Experts Group), de vidos (MPEG - Moving Picture Experts Group) e et du sons (informatique, tlvision numrique), modems, contrleurs de disque ee e o durs, acclrateurs graphique 3D, animation en ralit virtuelle, reconnaissance ee e e dimages, suspensions actives dautomobiles, servo-moteurs ` commande numa e rique,.... Dans de nombreuses applications, sont utiliss des DSP ddis, cest-`-dire des e e e a DSP qui sont directement programms avec un logiciel particulier ` la concepe a tion (soit en ROM, soit cbl). a e

72

Les avantages du ltrage numrique par rapport au ltrage analogiques sont : e la reproductivit : les caractristiques de tous les ltres numriques e e e tablis sur une mme conguration sont rigoureusement identiques, e e la souplesse : la rponse en frquence peut tre tr`s aisment modie e e e e e e en changeant les coecients arithmtiques : le domaine des frquences de travail est fae e cilement dplac par modication de la frquence dchantil-lonnage, e e e e la prcision : les direntes manipulations tant eectues sur des nombres, e e e e la prcision ne dpend, en grande partie, que de celle des CAN et CNA, e e lassociation de ltres : la mise en srie de ltres numriques ne pose aue e cun probl`me dinteraction, tel que celui que lon rencontre pour ladape tation des impdances des ltres analogiques, e la stabilit des caractristiques : pas de vieillissement des composants e e d ` linuence de la temprature sur les caractristiques du ltre. ua e e En revanche, les principaux inconvnients sont lis au probl`me de lchantillone e e e nage (spectre du signal toujours limit) ncessitant lutilisation de processeurs e e ayant une bonne rapiditi dexcution pour pouvoir traiter des signaux ayant e e une forte dynamique (frquences leves) en temps rel. e e e e

Dune mani`re gnrale, les ltres numriques se caractrisent par le traitee e e e e ment enti`rement numrique du signal. Typiquement, les ltres numriques sont e e e reprsents par : e e la rponse impulsionnelle, e lquation aux dirences, e e la transforme en z (ou la fonction de transfert en z). e Comme pour le cas continu, le ltrage linaire se traduit par lemploi de la e convolution. Celle-ci sexprime en discret par des additions et des multiplications. Quand un ltre numrique est reprsent par une suite de nombres qui e e e constitue sa rponse impulsionnelle h(n), au signal ` ltrer reprsent par la e a e e suite numrique x(n) = x(nTe ) correspond en sortie du ltre la suite ltre y(n) e e qui sexprime par lquation (2.19), cest-`-dire par e a
+

y(n) =
k=

h(k) x(n k) .

(3.1)

Deux cas se prsentent alors : e

73

 Ou bien la sommation porte sur un nombre ni de termes, cest-`-dire a que les h(k) sont nuls sauf pour un nombre ni de valeurs de la variable enti`re k : cest le ltre dit ` rponse impulsionnelle nie (RIF) et en e a e faisant allusion ` sa ralisation, on le dsigne encore par non rcursif a e e e car il ne ncessite pas de boucle de raction de la sortie sur lentre dans e e e sa mise en oeuvre. Il est ` mmoire nie, puisquil ne garde le souvenir a e que dun signal lmentaire, une impulsion par exemple, que pendant ee une dure dtermine. Les nombres h(k) sont appels les coecients du e e e e ltre, quils dnissent compl`tement (Fig. 3.1). e e Ou bien la sommation porte sur un nombre inni de termes, les h(k) ont une innit de valeurs non nulles : le ltre est alors ` rponse ime a e pulsionnelle innie (RII), ou encore de type rcursif, car il faut raliser e e sa mmoire par une boucle de raction de la sortie sur lentre. Son e e e fonctionnement est rgi par une quation selon laquelle un lment de e e ee la suite de sortie y(n) est calcule par la sommation pondre dun cere ee tain nombre dlments de la suite dentre x(n) et dun certain nombre ee e dlments de la suite de sortie lors dchantillons prcdents et suivants ee e e e (Fig. 3.2).

x(n) a0

z1 a1

z1 a2 a L1 +

z1 aL + y(n)

Figure 3.1 Structure directe (ou ralisation transverse) pour un ltre RIF e causal. Par exemple, si L et K sont des entiers, le fonctionnement du ltre peut tre e dni par lquation suivante : e e
L K

y(n) =
l=0

al x(n l)
k=1

bk y(n k) .

(3.2)

Les al (l = 0, 1, , L) et bk (k = 1, 2, , K) sont les coecients. Comme pour les ltres analogiques, ltude de ce type de ltre ne se fait pas en gnral e e e simplement de mani`re directe ; il est ncessaire le plus souvent de passer par e e une transformation, la transformation en z. Nanmoins, on peut exprimer le crit`re de stabilit suivant sur les coecients e e e numriques : Un ltre est stable ssi sa rponse impulsionnelle est absolument e e sommable :
+

| h(n) | < .
n=

(3.3)

74

x(n) z1 z1

a0

+ b1 b2 z1 z1

y(n)

a1 a2

+ +

a L1 z1 aL

b K1 z1

bK

Partie non rcursive : MA

Partie rcursive : AR

Figure 3.2 Structure (ou ralisation) rcursive pour un ltre RII causal : La e e partie MA (Moving Average) est prsente galement sur les RIF. La partie AR e e (Auto-Regressive) nest prsente que sur les RII. 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 (3.4)

Un ltre numrique linaire et causal est stable si et seulement si tous les ples e e o de H(z) sont ` lintrieur du cercle unit (leur module doit tre strictement a e e e infrieur ` 1). e a

Remarques : Un ltre linaire non causal h(n) peut se dcomposer en une partie caue e sale h+ (n) et une partie anti-causale h (n) : h(n) = h+ (n) + h (n). Deux fonctions de transfert H+ (z) et H (z) caractrisent alors le ltre. e La partie anticausale est stable si tous les ples de H (z) sont ` lextrieur o a e du cercle unit. e Filtre ` minimum de phase : Si tous les zros de H(z), fonction de transa e fert en z dun ltre numrique linaire causal et stable, sont ` lintrieur e e a e du cercle unit, alors le ltre est dit ` minimum de phase. e a La prsence des ples est caractristique des syst`mes rcursifs. Pour e o e e e ces syst`mes, le domaine de convergence doit tre prcis : en eet, de e e e e mme que pour lquation aux dirences rcursives associe, la donne e e e e e e de la fonction de transfert en z ne dnit pas un syst`me unique. Ainsi, e e si la fonction de transfert comporte P modules de ples dirents, il y a o e P + 1 domaines de convergence possibles. Le syst`me nest stable qu` e a condition que le cercle |z| = 1 soit inclus dans le domaine de conver75

gence. Par exemple, dans le cas de deux ples (p1 et p2 ), il y a trois domaines o de convergence possibles (voir la gure 3.3) : choix du domaine 1 : |z| < |p1 | : syst`me instable, e choix du domaine 2 : |p1 | < |z| < |p2 | : syst`me stable, e choix du domaine 3 : |z| > |p2 | : syst`me instable. e

Im(z) p2 x
2 2 1 3

Re(z) 1

xp 1

Figure 3.3 Domaines de stabilit et dinstabilit dans le plan en z. e e Lorsquon doit synthtiser un ltre numrique ` partir dun gabarit analogique e e a donn, le choix se pose entre un ltre rcursif ou un ltre non-rcursif. Les raisons e e e avances ci-dessous et les mthodes de synth`se que nous allons examiner pour e e e chacune des deux familles doivent permettre de trancher en faveur de lune ou de lautre. Les ltres RII ncessitent un volume calculatoire moins important que e les ltres RIF, Les ltres RIF ont une phase linaire (temps de propagation constant , e quel que soit la frquence) alors que les RII introduisent de la distorsion e de temps de propagation, Seuls les ltres RIF travaillent sur un horizon ni. Cela peut tre impore tant si les donnes sont perturbes : un RII sera perturb pendant une e e e dure importante alors quun RIF ne le sera que pendant N chantillons, e e Les RIF sont toujours stables : un RII peut tre instable, e Les RIF ont un bruit darrondi faible du fait de leur structure. En conclusion, si on a besoin dun ltre ` phase linaire, on utilisera un RIF ; a e sinon on lui prf`rera un RII, plus ecace et donnant des ordres de ltres plus ee faibles ` zone de transition quivalente. a e 76

Figure 3.4 Filtres idaux usuels. e

Figure 3.5 Filtres idaux usuels. e

77

3.2

Filtres ` rponse impulsionnelle nie (RIF) a e

Cette classe de ltres est ` mmoire nie, cest-`-dire quun ltre RIF dtermine a e a e sa sortie en fonction dinformations dentre danciennet limite. En sappuyant e e e sur lquation aux dirences (3.2), les ltres RIF correspondent alors ` des e e a quations o` les coecients bk sont nuls. Les proprits des ltres RIF vont e u ee tre mises en vidence sur lexemple suivant. Soit un signal x(t) reprsent par e e e e ses chantillons x(nTe ), prlevs ` la frquence fe = 1/Te , et soit ` dterminer e e e a e a e lincidence sur le spectre de ce signal de lopration qui consiste ` remplacer la e a suite x(nTe ) par la suite y(nTe ) dnie 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() et Y () dsignent les transformes de Fourier des signaux x(t) et y(t), e e il vient : 1 Y () = X() (1 + ejTe ) 2 Lopration tudie correspond ` la fonction de transfert H() = Y ()/X() e e e a telle que : H() = ejTe /2 cos(Te /2) Cest une opration de ltrage, appele ltrage en cosinuso e e de, qui conserve la composante continue et limine la composante ` la frquence fe /2. Dans e a e lexpression de H(), le terme complexe ejTe /2 caractrise un retard = Te /2 e (phase linaire) qui est le temps de propagation du signal ` travers le ltre. La e a rponse impulsionnelle h(t) qui correspond scrit : e e h(t) = 1 2 (t + Te Te ) + (t ) 2 2

La gure 3.6 reprsente les caractristiques frquentielles et temporelles de ce e e e ltre. Cet exemple a permis de faire appara que lentre x(n) et la sortie y(n) sont tre e relies par une quation aux dirences avec un nombre nis de coecients, que e e e la rponse impulsionnelle est symtrique par rapport ` laxe des temps, cest-`e e a a dire que les coecients du ltre doivent tre symtriques. Deux congurations e e se prsentent alors : e N = 2P + 1 : le ltre a un temps de propagation = P Te , N = 2P : le ltre a comme temps de propagation = (P 1/2) Te . Dautre part, la fonction de transfert du ltre scrit sous la forme gnrique : e e e
N 1

H() =
k=0

ak ejkTe ,

(3.5)

ou encore exprime en fonction de la variable z : e

N 1

H(z) =
k=0

ak z k

(3.6)

78

Figure 3.6 Le ltrage en cosinuso de. H() est donc une fonction priodique de priode fe = 1/Te . Les coecients e e ak (k = 0, 1, , N 1) constituent le dveloppement en srie de Fourier de e e cette fonction. Si ces coecients sont symtriques, la fonction de transfert H() e peut se mettre sous la forme dun produit de deux termes dont lun est une fonction relle et lautre un nombre complexe de module 1 reprsentant le e e temps de propagation constant et gal ` un multiple entier de la demi-priode e a e dchantillonnage. Un tel ltre est dit ` phase linaire. e a e La transforme en z dun ltre RIF causal est donne par e e
N 1

H(z) =
n=0

h(n) z n (ltre causal).

Pour un ltre RIF ` phase linaire (proprit de symtrie), 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 1n )
n=0 N 1

z (N 1)
n=0

h(n ) z n

z (N 1) H(1/z) .

On voit donc que si le ltre poss`de un zro en z = z0 , il en poss`dera aussi un en e e e z = 1/z0 . Pour une paire de zros complexes conjugus za = r ej et za = r ej , e e le ltre aura aussi pour zros 1/za = (1/r) ej et 1/za = (1/r) ej . Cette proe prit permet par simple examen des zros de la fonction de transfert de dire ee e 79

si oui ou non le ltre est ` phase linaire. Par ailleurs, le thor`me suivant est a e e e galement utile pour rendre le cas chant un ltre ` phase linaire. e e e a e Thor`me : Si un zro rel z0 est remplac par son inverse 1/z0 , ou si une paire e e e e e de zros complexes conjugus (z1 , z1 ) est remplace par la paire des inverses e e e (1/z1 , 1/z1 ), la rponse frquentielle en amplitude est inchange, ` un facteur e e e a constant pr`s. La mme proprit sapplique aux ples (ltre RII). e e ee o De ce fait, les deux ltres de transmittances H1 (z) et H2 (z) donnes par e (z z1 )(z z1 ) z2 (z 1/z1 )(z 1/z1 ) H2 (z) = z2 H1 (z) = ont la mme rponse en amplitude ` une constante pr`s. Aucun des deux e e a e nest cependant ` phase linaire. De mme, les trois ltres de transmittances a e e H1 (z) H1 (z), H2 (z) H2 (z) et H1 (z) H2 (z) ont tous trois la mme rponse en e e amplitude ` un facteur pr`s, et seul le dernier est ` phase linaire. a e a e

3.2.1

Synth`se par la mthode des fentres e e e

La problmatique est la suivante : ` partir dun gabarit frquentiel, eectuer la e a e synth`se dun ltre RIF ralisable, cest-`-dire dterminer la squence numrique e e a e e e nie h(n) (` N chantillons) correspondant ` sa rponse impulsionnelle. a e a e

Figure 3.7 Gabarit frquentiel. e Le gabarit frquentiel (cf. chapitre 3) est caractris par (par exemple) les grane e e deurs suivantes correspondant ` lillustration ci-dessus (Fig. 3.7). Ce gabarit ne a fournit pas dinformations prcises sur la phase. On cherchera donc ` conserver e a une phase linaire correspondant ` un temps de propagation du signal dans le e a ltre ce qui implique que la rponse impulsionnelle soit symtrique : e e h(n) = h(N 1 n) , avec 0 n N 1 . 2 (3.7)

80

Dautre part, le spectre dun ltre numrique tant priodique, nous ne nous e e e intressons qu` la bande de base (une seule priode). La dmarche consiste e a e e alors, pour des ltres dont la rponse en frquence dsire ` une forme analytique e e e e a simple (intgrable), dappliquer la mthodologie suivante : e e Dterminer la longueur N de la squence ` partir du gabarit rel. Pour e e a e cela, on emploie souvent la formule empirique suivante : N= 2 1 fe log10 [ ]. 3 10 1 2 f (3.8)

Cette estimation particuli`rement simple est susante dans la plupart e des cas rencontrs en pratique. Elle met bien en vidence limportance e e relative des param`tres. La bande de transition f = fs fc est le e param`tre le plus sensible ; les ondulations en bande passante et aaiblie e ont une contribution secondaire. Calculer la rponse temporelle innie du ltre ` rponse en frquence e a e e voulue (gabarit idal) en utilisant la transforme de Fourier inverse. e e Cela permet dobtenir les coecients en limitant le calcul ` N valeurs a rparties symtriquement autour de n = 0. Deux cas sont ` distinguer : e e a N impair : h(nTe ) =
1 2 /e /e
1 2Te 1 2Te

H() ejnTe d

= Te N pair : h(nTe ) =
1 2

H(f ) e2jnf Te df,

/e /e
1 2Te 1 2Te

H() ej/2 ejnTe d

= Te

H(f ) ej/2 e2jnf Te df .

On tronque la rponse temporelle trouve (pour obtenir un RIF) en la e e multipliant par une fentre dapodisation (de pondration) : e e hN (n) = h(n) w(n) (exemple : fentre rectangulaire). e

Dans le cas dun ltre causal, dcaler la rponse impulsionnelle hN (n) e e pour obtenir une solution causale. Vrier les spcications obtenues et au besoin modier les param`tres e e e et recommencer. Remarques : Mthode non optimale (N nest pas minimale), e La fentre est symtrique, le ltre obtenu est ` phase linaire, e e a e Les rsultats sont approximatifs, e Lapparition des ondulations est due au choix de la fentre de pondration, e e pas ` lordre du ltre (due aux lobes secondaires dans le spectre de la a fentre). e 81

Fentre de Bartlett (triangulaire) e 2 n w(n) = N 1 2 n = 2 N 1 = 0 Fentre de Hanning e w(n) = Fentre de Hamming e 1 2

1 si 0 n N 2 N 1 si n N 1 2 ailleurs.

1 cos(

2n ) N 1

w(n) = 0.54 0.46 cos( Fentre de Blackman e w(n) = 0.42 0.5 cos( Fentre de Kaiser e w(n) = I0 (

2n ) N 1

2n 4n ) + 0.08 cos( ) N 1 N 1

2n 1 ( N 1 1)2 )

I0 ()

o` I0 est une fonction de Bessel modie, de premi`re esp`ce, dordre 0, sexu e e e primant par : (x/2)2 (x/2)4 I0 (x) = 1 + + + (3.9) 2 (1!) (2!)2

Figure 3.8 Rponses temporelles des fentres usuelles de pondration. e e e 82

Figure 3.9 Rponses frquentielles des fentres usuelles de pondration. e e e e Table 3.1 Proprits des fentres de pondration ee e e Type de fentre e Rectangle Hanning Hamming Blackman Kaiser Largeur de transition f 1,8/N 6,2/N 6,6/N 11/N 5,86/N ( = 4, 54) 8,64/N ( = 6, 76) 11,42/N ( = 8, 96) 0,000275 90 0,00275 70 Ondulations en bande passante (dB) 0,7416 0,0546 0,0194 0,0017 0,0274 Attnuations e du 1er lobe secondaire (dB) 13 31 41 57 Attnuation e en bande attnue (dB) e e 21 44 53 74 50

83

Exemple : Soit ` synthtiser par la mthode des fentres un ltre RIF dordre a e e e 5 dont le transfert se rapproche du gabarit donn ` la gure 3.10. Par la transea forme de Fourier inverse, on obtient la rponse impulsionnelle idale suivante e e e h(n) : h(0) = 1/2, h(2n + 1) = 0, (1)n n h(2n) sin( 2 ) , n 1 , = k h(n) = h(n)

Figure 3.10 Synth`se de ltre RIF par la mthode des fentres. e e e Laxe de symtrie que requiert la linarit de la phase est plac au rang (N 1)/2. e e e e Il sut alors de translater h(n) de cette valeur et de tronquer la rponse innie e pour obtenir le rsultat (gure 3.10, en bas). On remarque clairement les dfauts e e de la mthode, lis ` la troncature, se traduisant par des ondulatios dans les e e a bandes et un largissement des zones de transition. e

84

3.2.2

Mthode de lchantillonnage frquentiel e e e

Lorquune rponse impulsionnelle h(n) est de dure nie N , on sait que lon e e peut chantillonner son spectre H(f ) (ou H()) en au moins N points sans e provoquer de repli dans la bande de base. D`s lors, lide assez naturelle qui e e surgit est de se dire que lon peut chantillonner H(f ) selon le nombre de points e voulu. Cette mthode de synth`se emploie la Transforme de Fourier Discr`te e e e e inverse. Il faut cependant tre conscient du fait quen toute gnralit, la rponse e e e e e impulsionnelle idale souhaite nest pas de dure limite. e e e e H(k) = H(f )f =k/N , pour k = N N , , +1 2 2 (3.10)

La transforme de Fourier Discr`te inverse fournit h(n) : e e

N/2+1

h(n) = =

1 N 0

H(k) ej2 N n
k=N/2

(3.11) (3.12)

ailleurs.

Cette mthode de synth`se ne garantit que les points frquentiels H(k). Entre e e e ces points, la valeur de H(f ) nest pas maitrise. e La structure de ralisation est alors obtenue par la transforme en z : e e
N 1

H(z) =
n=0

h(n) z n (signal causal)

N/21

(3.13)

H(z) =
n=N/2

h(n) z n .

(3.14)

Figure 3.11 Exemple dchantillonnage de la rponse frquentielle. e e e

85

3.3
3.3.1

Filtres ` rponse impulsionnelle innie (RII) a e

Mthode de lInvariance Impulsionnelle e

Le principe est bas sur lchantillonnage de la rponse impulsionnelle. A partir e e e de la fonction de transfert dun ltre analogique H(s), on calcule la rponse ime pulsionnelle h(t) (par la Transforme inverse de Laplace), puis on chantillonne e e celle-ci, h (t) : les chantillons obtenus h(n) = h (t)t=nTe forment alors la e squence numrique permettant la ralisation du ltre. e e e La transformation z = esTe

(3.15)

tablit une correspondance entre la bande du plan de Laplace comprise entre e fe /2 Im(s) fe /2 et Re(s) 0, et lintrieur du cercle unit dans e e le plan en z. La mthode se base sur linvariance de la rponse impulsionnelle e e dans la bande limite considre. La rponse impulsionnelle dun ltre rcursif e ee e e tant innie, il est donc ncessaire de faire lhypoth`se que la Transforme de e e e e Fourier de cette derni`re est nulle en dehors de la bande [fe /2, fe /2]. e Cette hypoth`se tr`s restrictive est rarement satisfaite et induit un repliement e e spectral destructif au niveau de la gnration du ltre. On emploie donc gnralement e e e e cette mthode que pour des signaux ` bande limite et des ltres (uniquement e a e passe-bas et passe-bande) dont la frquence de coupure reste tr`s infrieure ` la e e e a frquence de Shannon. e Exemple : Soit ` synthtiser par la mthode de linvariance impulsionnelle un a e e ltre passe-bas du premier ordre H(s) h(t) = =
1

1 1+j t/

(t)

Si on chantillonne cette rponse impulsionnelle ` la frquence fe , il vient : e e a e h (t) = 1

+

ekTe / (t kTe )
k=0

dont la transforme de Laplace est : e 1 H (s) =

+

ekTe (s+ ) =
k=0

1 1 1 1 eTe (s+ )

par la transformation de linvariance imulsionnelle, on obtient la fonction de transfert en z : 1 1 1 eTe / 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, donc puisque pour s = 0 on a z = 1, e il faut multiplier la fonction de transfert en z par (1 eTe / ) et nalement : H(z) H(z) = (1 eTe / ) 1 eTe / z 1 86

On a trac sur la gure 3.12 les fonctions de transfert en s et en z du ltre e numrique. e

Figure 3.12 Synth`se dun ltre passe-bas par linvariance impulsionnelle. e

3.3.2

Synth`se par la Transformation bilinaire e e

Cest la mthode la plus employe pour synthtiser des ltres rcursifs. La transe e e e formation bilinaire (ou TBL) permet dtablir une bijection entre la partie e e gauche du plan complexe laplacien et lintrieur 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 (3.16)

On conserve ainsi la stabilit dans le passage du ltre analogique au ltre e numrique. Nanmoins, la transformation bilinaire agit comme une relation e e e non-linaire entre les frquences fa du domaine analogique et les frquences fd e e e du domaine numrique. Elle dforme le gabarit lors du changement de plan e e complexe, et on est oblig deectuer une transposition du gabarit numrique e e au gabarit analogique ` laide des formules a 1 1 tan(fd Te ) ou inversement : fd = tan1 (fa Te ) Te Te

fa =

(3.17)

87

La mthodologie pour la synth`se dun ltre numrique est la suivante : e e e Dnir le gabarit du ltre numrique, e e Convertir ce gabarit en un gabarit correspondant au ltre analogique par la relation 3.17, Faire la synth`se du ltre analogique (Butterworth, Tchebichev, ellipe tique,...) pour obtenir la fonction de transfert H(s) Transformer H(s) en H(z) en utilisant la transformation bilinaire 3.16. e Exemple : Soit ` synthtiser un ltre numrique passe-bande (de centre fc = a e e 0.318Hz) de fonction de transfert frquentielle en gain e H(s) =
2 c 2 2c s + c

s2 +

On applique la transformation bilinaire pour c = 2 rad/s et Te = 2 s, on e obtient alors la fonction de transfert en z H(z) = 0.0302 (z 2 + 2z + 1) z 2 1.4514z + 0.5724

a ` partir de laquelle on peut dterminer immdiatement lquation aux dirences e e e e (en passant en z 1 ).

88

3.4

Exercices

1. Montrer que la Transforme de Fourier Discr`te dune convolution circue e laire des signaux x et h correspond au produit X(k) H(k) des Transformes e Discr`tes. e 2. Etablir la relation de rcurrence (quation aux dirences) donnant y(n) e e e ainsi que la fonction de transfert H(z) du ltre dont la structure directe est la suivante :

x(n)

z1
1/4 1/2

z1
1/4

y(n)

Figure 3.13 Structure directe dun ltre causal (type RIF). 3. On cherche ` synthtiser, par la mthode des fentres, un ltre passea e e e bande de frquences de coupure fmin et fmax correspondant aux angles e min = 2fmin Te et max = 2fmax Te du cercle unit. Ce ltre aura un e gain unit entre les frquences fmin et fmax et nul en dehors. e e (a) Dterminer les coecients de la rponse impulsionnelle idal. e e e Rappel du calcul des coecients dun ltre RIF
+1/(2Te )

h(n) = Te
1/(2Te )

H(f ) e2jnf Te df

(b) Comparer les valeurs trouves pour les chantillons de h(n), symtriques e e e quand N = 11, fe = 8 kHz, fmin = 1 kHz et fmax = 2 kHz avec ceux indiqus ci-dessous et correspondant respectivement ` : e a la multiplication de h(n) par une fentre rectangulaire : e [0.1004; 0.0000; 0.1674; 0.1471; 0.0862; 0.2311; 0.0862; 0.1471; 0.1674; 0.0000; 0.1004] (commande Matlab : fir1(10, [0.25 0.5], boxcar(11)) ) la multiplication de h(n) par une fentre de Hanning : e [0.0109; 0.0000; 0.1359; 0.1792; 0.1306; 0.3753; 0.1306; 0.1792; 0.1359; 0.0000; d0.0109] (commande Matlab : fir1(10, [0.25 0.5], hanning(11)) ) Rep : a) h(n) =
1 n

{sin[2nfmax Te ] sin[2nfmin Te ]}

89

4. Dterminer : e (a) la rponse frquentielle (fonction de transfert), e e (b) la rponse impulsionnelle, e du ltre RIF numrique suivant caractris par lquation aux dirences e e e e e numriques : y(n) = [x(n) + 2 x(n 1) + x(n 2)]/4 . e Quelle est le temps de propagation dun signal dans le ltre ?

Rep :

Figure 3.14 Le ltrage en cosinuso surleve. de e e 5. Dterminer, par la mthode de lchantillonnage frquentiel, les coee e e e cients de la rponse impulsionnelle du ltre numrique dont la rponse e e e frquentielle est illustre sur la gure 3.15 ci-dessous (les coecients H(k) e e correspondent aux points noirs). On se limitera ` N = 7 chantillons. a e

1 0.7

0.15 0.1 0.22

Figure 3.15 Exercice sur lchantillonnage de la rponse frquentielle. e e e

90

6. Montrer que la transformation bilinaire conserve la stabilit, lors de la e e transformation du plan complexe s = + j des syst`mes linaires contie e nus, au plan complexe z = eTe s des syst`mes chantillonns. e e e 7. En analysant la ralisation suivante, dterminer ` quel type de ltre elle e e a correspond et dterminer lquation aux dirences numriques correspone e e e dante. Quelle est lexpression de la transmittance H(z) = Y (z)/X(z) ?

x(n)

+ z 1 z 1 + z 1 z 1

b2

b1

+ y(n)
Figure 3.16 Ralisation dun ltre causal du second ordre. e 8. Dterminer lquation aux dirences numriques dun ltre RII normalis e e e e e non causal et dont la rponse impulsionnelle h(x) continue (et symtrique) e e est h(x) = C e|x| et reprsente ci-dessous : e e

h(x) C

x
Figure 3.17 Rponse impulsionnelle du ltre 1-D de lissage de Shen-Castan. e avec C et deux constantes relles. On prendra Xe = 1 comme frquence e e (spatiale) dchantillonnage. On essaiera dabord dexprimer la normalie sation, puis les transmittances en z des parties causales et anti-causales.

91

92