Module 13

Systmes de Traitement Numrique du Signal

Elment 3

Chane de dveloppement
1

Introduction

Implications de lvolution technologique

productivit vs complexit
10000
complexit d'intgration productivit

100000 10000

Nbre de transistors par circuit (M)

1000 100

complexit 58 %/an
10

?
productivit 21 %/an

1000 100 10 1 0,1 0,01

1 0,1 0,01 0,001

1981

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

2007

2009

productivit (K) transistor/quipe-mois

3

Les diffrentes tapes dimplantation

Synthse logicielle
Phase de dveloppement Phase de dveloppement Phase de vrification
Outils de mesure Programmer
Development processor

Debugger Emulator

Phase de vrification

De lalgorithme au circuit
Synthse matrielle
SUM := A1+B1

Algorithme Circuit

Algorithme
Complexit

Complexit des algorithmes

un algorithme utilise deux ressources dune machine: le temps processeur et lespace mmoire.

Complexit temporelle, complexit spatiale cot en temps: temps ncessaire l'excution cot en espace: espace mmoire ncessaire

Complexit d'un problme, complexit dun algorithme

contraintes sur un problme
par exemple, recherche d'un lment dans un tableau de n valeurs non tris : si l'lment n'est pas prsent, n comparaisons seront ncessaires pour le constater

Si le tableau est tri, une seule peut tre suffisante !

parmi les diffrents algorithmes possibles, certains sont meilleurs que d'autres la comparaison des pires des cas peut ne pas tre une bonne indication

Complexit asymptotique
Ncessit d'tudier la complexit pour de grosses quantits de donnes Exemple : deux algorithmes pour une mme tche:
A1 effectue n2 oprations de base, A2 effectue n.log2 n oprations.

Deux machines :
M1 effectue 210 (environ mille) oprations par seconde M2 effectue 220 (environ un million d') oprations par seconde

Temps de calcul (en secondes) :

9

Complexit asymptotique (2)

M1 A1 n = 210 n = 220
Temps? Temps?

M2 A2 A1
Temps? Temps?

A2
Temps? Temps?

Temps? Temps?

10

Complexit asymptotique (3)

M1 A1 n = 210 210 n = 220 230 A2 10 1 A1 M2 A2 < 0,01 20

20. 210 220

11

Calcul de la complexit dun algorithme

1. p a[0] 2. pour i 1 n faire 3. xpi puissance (x , i) 4. p p + a[i]* xpi fpour

Exemple: Calcul de la valeur d'un polynme en un point

{puissance(a, n) retourne an}

Nombre de multiplications en 3 ?????????????????????? en4 ?????????????????????? Nombre d'additions soit au total: en 4 ??????????

?????????????????????

12

Calcul de la complexit dun algorithme

1. p a[0] 2. pour i 1 n faire 3. xpi puissance (x , i) 4. p p + a[i]* xpi fpour

Exemple: Calcul de la valeur d'un polynme en un point

{puissance(a, n) retourne an}

Nombre de multiplications en 3 1+2+3+...+ (n-1) = (n-l)n/2 en4 n Nombre d'additions soit au total: n(n + 3)/2 en 4 n < n2 pour n > 3.

13

Approximation de la complexit
On ne sintresse pas en gnral la complexit exacte, mais son ordre de grandeur. => besoin de notations asymptotiques.

14

Notations utilises
Grand O
f(n) = 0(g(n)) s'il existe C> 0 et no > 0 tels que f(n) C. g(n) pour tout n no

Grand omga
f(n) = (g(n)) s'il existe C> 0 et no > 0 tels que f(n) C. g(n) pour tout n no

Grand thta
f(n) = (g(n)) s'il existe C1 et C2 > 0 et no > 0 tels que C1.g(n) f(n) C2. g(n) pour tout n no
15

16

Exemples
f(n) = O(1) f est majore f(n) = (1) f est minore 3n+2 = O(n) 3n+3 = O(n) 100n+6 = O(n) 3n+3 = O(n2) 10n2+4n+2=O(n2) 10n2+4n+2= O(n4) 1000n2+100n-6 = O(n2) 6*2n + n2 = O(2n) ----> c'est la plus petite fonction g(n) qui est intressante
17

Exemples (suite)
3n+3 = (n) 100n+6 = (n) 10n2+4n+2= (n2) 6*2n + n2 = (n) 6*2n + n2 = (n2) 6*2n + n2 = (1) ----> c'est la plus grande fonction g(n) qui est intressante

18

Temps dexcution des algorithmes

Temps constant (rares algorithmes) O(1)

Temps logarithmique (exemple: recherche dichotomique) O(log2n) Temps linaire (exemple: recherche squentielle) O(n) Temps polynomial
quadratique cubique O(n2) O(n3)

O(nk) (coteux si k dpasse 3)

Temps exponentiel

O(cn)

( viter en gnral)
19

Rapidit de croissance compare de certaines fonctions usuelles

20

Comparaison des complexits d'algorithmes

Calcul de la valeur d'un polynme en un point (1) p a[0] pour i 1 n faire xpi puissance(x, i) p p + a[i]* xpi fpour
Complexit??????????????????????????
21

Comparaison des complexits d'algorithmes

Calcul de la valeur d'un polynme en un point (1) p a[0] pour i 1 n faire xpi puissance(x, i) p p + a[i]* xpi fpour
n(n+1)/2 multiplications, n additions : algorithme en O(n2)
22

Calcul de la valeur d'un polynme en un point (2) p a[0] xpi 1 pour i 1 n faire xpi xpi * x p p + a[i]* xpi fpour

Complexit??????????????????????????

23

Calcul de la valeur d'un polynme en un point (2) p a[0] xpi 1 pour i 1 n faire xpi xpi * x p p + a[i]* xpi fpour
2n multiplications, n additions : algorithme en O(n)

24

 Calcul de la valeur d'un polynme en un point (3) p a[n] pour i n - 1 0, pas -1 faire p p*x + a[i] fpour

Complexit??????????????????????????

25

 Calcul de la valeur d'un polynme en un point (3) p a[n] pour i n - 1 0, pas -1 faire p p*x + a[i] fpour
n multiplications, n additions algorithme en O(n)

Complexit optimale pour cette classe d'algorithmes : en O(n)

26

Exemple de calcul de la complexit au pire cas

Algorithmes de recherche simples

Oprations lmentaires retenues: les comparaisons

1.

Recherche squentielle dans un tableau non tri complexit au pire n comparaisons complexit moyenne n/2 comparaisons algorithme en O(n) Recherche squentielle dans un tableau tri complexit au pire n comparaisons complexit moyenne n/2 comparaisons algorithme en O(n)
27

2.

Recherche dichotomique (dans un tableau tri )

complexit au pire = complexit moyenne = nombre p d'intervalles considrs

Exemple avec n = 8 = 23
niveau 0 niveau 1 niveau 2 niveau 3

tableau de 8 lments

Profondeur de larbre de dcision de lordre de log2n : complexit algorithmique en O(log2n)

28

Quelques rgles pour calculer la complexit dun algorithme

Rgle 1: la complexit dun ensemble dinstructions est la somme des complexits de chacune delles. Rgle 2: Les oprations lmentaires telle que laffectation, test, accs un tableau, oprations logiques et arithmtiques, lecture ou criture dune variable simple ... etc, sont en O(1) (ou en (1))

29

 Rgle 3: Instruction if: maximum entre le then et le else switch: maximum parmi les diffrents cas

30

Rgle 4: Instructions de rptition: 1. la complexit de la boucle for est calcule par la complexit du corps de cette boucle multiplie par le nombre de fois quelle est rpte. 2. En rgle gnrale, pour dterminer la complexit dune boucle while, il faudra avant tout dterminer le nombre de fois que cette boucle est rpte, ensuite le multiplier par la complexit du corps de cette boucle.

31

Rgles de simplification 1
Si f(n) = O(g(n)) et g(n) = O(h(n)), alors f(n) = O(h(n)).

32

Rgles de simplification 2
Si f(n) = O(kg(n)) o k > 0 est une constante, alors f(n) = O(g(n)).

33

Rgles de simplification 3
Si f1(n) = O(g1(n)) et f2(n) = O(g2(n)), alors (f1 + f2)(n) = O(max(g1(n), g2(n)))

34

Rgles de simplification 4
Si f1(n) = O(g1(n)) et f2(n) = O(g2(n)) alors f1(n)f2(n) = O(g1(n) g2(n))

35

Exemples
Exemple 1: a = b; Temps?????? Exemple 2:
somme = 0; for (i=1; i<=n; i++) somme = somme + n;

Temps??????

36

Exemples
Exemple 1: a = b; Temps constant: (1). Exemple 2:
somme = 0; for (i=1; i<=n; i++) somme = somme + n;

Temps: (n)

37

Exemple 3:
somme = 0; for (i=1; i<=n; i++) for (j=1; j<=i; j++) somme++; Temps: ?????????

38

Exemple 3:
somme = 0; for (i=1; i<=n; i++) for (j=1; j<=i; j++) somme++; Temps: (1) + O(n2) = O(n2)

39

Exemple 4:
somme = 0; for (j=1; j<=n; j++) for (i=1; i<=n; i++) somme++; for (k=0; k<n; k++) A[k] = k; Temps: ??????????????

40

Exemple 4:
somme = 0; for (j=1; j<=n; j++) for (i=1; i<=n; i++) somme++; for (k=0; k<n; k++) A[k] = k; Temps: (1) + (n2) + (n) = (n2)

41

Exemple 5:
somme = 0; for (k=1; k<=n; k*=2) for (j=1; j<=n; j++) somme++; Temps: ???????????

42

Exemple 5:
somme = 0; for (k=1; k<=n; k*=2) for (j=1; j<=n; j++) somme++; Temps: (n.log n)

43

Algorithme
Cible Matriel

44

Microprocesseur

45

Microprocesseur

46

Microprocesseur

47

Microcontrleur

Mmoire Instructions

Processeur

Mmoire Donnes

BI

BD

48

Microcontrleur

49

Microcontrleur

50

Carte DSP

51

Spcificits du DSP (MAC)

Add
+ 1+2 = 3 0001 0010 0011
5

Multiply
0 1 0 1 x x x x 8 4 2 1 x x x x 0011 0011 0011 0011

5*3 = 15
0000 0011 0000 0011 =

Shifted and added multiple times

Most Common Operation in DSP A = B*C + D E = F*G + A

MAC Operation Typically 70 Clock Cycles With Ordinary Processors Typically 1 Clock Cycle With Digital Signal Processors
52

. . .

Multiply, Add, and Accumulate MAC Instruction

DSP

53

Architecture gnrale de DSP

Adr. CAN CNA Don.

Proc. DSP

ROM/Flash

RAM Comm.

Horloge Timers...

Cont.

FPGA
http://www.xilinx.com/support/documentation/data_sheets/ds312.pdf

Spartan 3E 500K FPGA Digilent Board

55

FPGA
In this area: You can add or replace any VHDL module or C function.

Interface

Keyboard

Cycle Acc. Counter

Conv. Number

ROM
Char. Converter

Monitor

RAM Frequency Counter

Clock Divider
56

IC12 pin#5

50 MHz

Transforme de Fourier rapide FFT (Fast Fourier Transform)

Algorithme de Cooley-Tuckey

57

1- X(f) transforme de Fourier dune fonction x(t) analogique

X ( f ) = x(t )e

j 2ft

Module de X(f)

dt

2- Xnum(f) transforme de Fourier numrique dune fonction x(t) chantillonne avec une priode Te

X num ( f ) = x(nTe )e j 2fnTe

n

Module de Xnum(f)

f Fe/2 Fe

NB : Xnum(f) est devenue une fonction priodique de la frquence. La priode est gale Fe : la frquence dchantillonnage.
58

1- La somme sur lindice n dans X num ( f ) = infinie

x(nTe )e j 2fnTe ne peut tre

n

2- Un ordinateur ne peut pas calculer Xnum(f) la frquence f Les chantillons x(nTe) sont pris dans une fentre de pondration, soit n=0, 1, 2, , N-1, Xnum(kFe/N), transforme de Fourier numrique des x(nTe), est encore priodique de priode Fe. On dcoupe alors lintervalle [0,Fe] en N intervalles gaux Fe/N et on ne calcule Xnum(f) que pour les frquences f=nFe/N avec n=0, 1, 2, , N-1
Module de Xnum(f) f
Fe/M

Fe/2

Fe

points calculs

59

Pourquoi la FFT
on veut calculer la TFD:

X (k ) =
Pour cela il faut raliser:

n = N 1 n =0

x ( n )e

j 2nk / N

N2 multiplications complexes et N(N-1) additions complexes pour obtenir les N composantes X(k). Les multiplications complexes ont une dure dexcution bien suprieure celle des additions complexes. Si N est quelconque, on utilise un algorithme de DFT (Direct Fourier Transform).
60

Pourquoi la FFT
X (k ) =
n = N 1 n =0

x ( n )e

j 2nk / N

En 1965, J. W. Cooley et J. W. Tukey ont montr que, si N tait une puissance de deux, le nombre de multiplications complexes pouvait tre ramen (N/2)log2N. Si N=2p, alors on peut utiliser un algorithme de FFT.
Nbre de points Nbre de multiplications complexes en DFT 1 048 576 16 777 216 Nbre de multiplications complexes en FFT 5 120 24 576

1024 4096

Comparaison du nombre de multiplications complexes en DFT et FFT

61

Implmentation de l'algorithme FFT

Pour calculer

X (k ) =

n = N 1 n =0

x ( n )e

j 2nk / N

On divise la somme en deux parties

X (k ) =

N / 2 1 n =0

x(n ) e j 2kn / N +

n= N / 2

x(n ) e j 2kn / N

N 1

= x(n ) + x(n + N / 2 )e jk e j 2kn / N

n =0

N 1 2

= x(n ) + x(n + N / 2 )( 1) e j 2kn / N

k n =0
62

N 1 2

Implmentation de l'algorithme FFT

Si lon considre sparment les valeurs paires et impaires de k, la TFD de N points scrit en termes de 2 TFD de (N/2) points.
Pour k=2k (k=0..N/2-1) pair, on a

X (2k ) =
Ou encore

N / 2 1 n =0

{x(n ) + x(n + N / 2)} e

N / 2 1 n =0

j 2k n /( N / 2 )

X (k ) =

x (n ) e
P

j 2k n /( N / 2 )

xP (n ) = x(n ) + x(n + N / 2 )

Implmentation de l'algorithme FFT

Pour k=2k+1 impair on a

X (2k + 1) =
Ou encore

N / 2 1 n =0

{x(n ) x(n + N / 2)} e j 2n / N e j 2k n /( N / 2)

N / 2 1 n =0

X (k ) =

x (n ) e
I

j 2k n /( N / 2 )

TN (n ) = e

xI (n ) = {x(n ) x(n + N / 2 )}TN (n )

j 2n / N

Programmation de PIC Exercice

Ecrire une fonction itrative qui retourne la factorielle dun nombre N. Envoyer sur le port D la valeur de la factorielle du nombre prsent dans le port B Transformer la fonction en une fonction rcursive
65

FFT: Programme
X (k ) = x(n ) + x(n + N / 2 )( 1) e j 2kn / N
k n =0 N 1 2

double * FFT( int N, double *x ) // x est un tableau de taille N=2p { double *F;

?
return F; }

FFT: Programme
double * FFT( int N, double *x ) { double *F; double *xp, *xi, T; int n, M; M=N/2; if(M==1) return f; else{ for( n=0; n<M; n++) T[n] =exp(-2*pi*n/M); for( n=0; n<M; n++) { xp[n]=x[n] + x[n+M] ; xi[n]=(x[n] - x[n+M])*T[n] ; } return F; }

Exemple n1 : FFT dun signal sinusodal de frquence F=1015.625Hz et chantillonn la frquence Fe=20kHz. Les chantillons x(kTe) sont tronqus par les chantillons y(kTe) dune fentre rectangulaire de 1024 points.
1.5 1 0.5 0 -0.5 -1 -1.5 -0.1

Amplitude [V]

chantillons x(kTe)
1.5 1

-0.05

0.05

0.1

0.15

Temps [s]

Amplitude [V]

0.5 0 -0.5 -1 -1.5 -0.1

1.4 1.2

Amplitude [V]

1 0.8 0.6 0.4 0.2 0 -0.2 -0.1 -0.05 0 0.05 0.1 0.15 -0.05 0 0.05 Temps [s] 0.1 0.15

chantillons y(kTe)

chantillons z(kTe)=x(kTe)y(kTe)

Temps [s]

68

rsultat du calcul de la FFT

600 1000 500 400 800

Amplitude

Amplitude

300 200 100 0 0

600 Transforme de Fourier numrique Yn(f) 400 200 0 0 50 100 150 Frquence [Hz] 200 250

Transforme de Fourier numrique Xn(f)

0.5

1 Frquence [Hz]

1.5 x 10

2
4

Z num ( f ) = X num ( f ) Ynum ( f )

On observe une seule raie la frquence de 1015.625Hz Pourquoi ? Parce que la frquence F est un multiple de Fe/M et que la transforme de Fourier numrique Ynum(f) est nulle pour les multiples de Fe/M.
Amplitude
500

Convoluer : cest accrocher le motif de Ynum(f) autour de Xnum(f)

400

Trans. Fourier numrique points calculs Transf. Fourier discrte (FFT)

300

200

Transforme de Fourier numrique et discrte des z(kTe)

100

0 850 900 950 1000 1050 1100 1150 1200

69

Frquence [Hz]

Exemple n2 : FFT dun signal sinusodal de frquence F=1000Hz et chantillonn la frquence Fe=20kHz. Les chantillons x(kTe) sont tronqus par les chantillons y(kTe) dune fentre rectangulaire de 1024 points.

On observe une raie principale et dautres raies Pourquoi ? Parce que la frquence F nest pas un multiple de Fe/M, il y a apparition de fuites spectrales dues aux lobes secondaires de la fentre, Que faire ???

500 450 400 350

Trans. Fourier numrique points calculs Transf. Fourier discrte (FFT)

300 250 200 150 100 50 0 850 900 950 1000 1050

Transforme de Fourier numrique et discrte des z(kTe)

Amplitude

1100

1150

1200

Frquence [Hz]

F=K(Fe/M) avec K entier fuites spectrales

70

Transforme de Fourier Discrte Algorithmes rapides : FFT (Fast Fourier Transform)-(2)

Principe :
WN = e 2 / N N 1 n.k X (m) = x(n).WN , m = 0, N 1 n =0

or (WN ) N = 1; (WN ) N / 2 = 1; (WN ) 2 = WN / 2

plusieurs algorithmes et architectures associs permettent de raliser les calculs en temps rel.
71

Transforme de Fourier Discrte proprits des fentres : rsum (2)

Rectangulaire Hanning Hamming Kaiser-Bessel Flattop Gaussienne Fentre 1er lobe secondaire (dB) -13 -32 -43 -69 -93 -69 dcroissance lobes secondaires (dB/dcade) -20 -60 -20 -20 0 -20 largeur lobe principal (*f) 1. 1.5 1.36 1.8 3.7 1.9

rectangulaire : bonne rsolution en frquence, dynamique faible Hanning : compromis (utilise en analyse du bruit et vibrations)
72

Microcontrleurs
Chane de dveloppement

73

Microcontrleur PIC18F4520

74

Caractristiques

75

Architecture interne

76

TP1
Microcontrleur

77

Convertisseur ADC

ADCON0

78

Convertisseur ADC

ADCON1

79

Convertisseur ADC

ADCON2

80

Caractristique du ADC
unsigned int acqui; void main() { ADCON1 = 0x00; TRISA = 0xFF; TRISD = 0x00; TRISB = 0x00; while(1) { acqui = ADC_Read(0); LATD = acqui; LATB = acqui >> 8; Delay_ms(100); } }
81

// Configuration analogique du port A // PORTA en entre // PORTD en sortie // PORTB en sortie // lire un chantillon du convertisseur // envoie des bits de poid faible sur PORTD // envoie des bits forts sur PORTB

Caractristique du ADC
VDD

RV1
+4.99
Volts

R1 U1
2 3 4 5 6 7 14 13 33 34 35 36 37 38 39 40 RA0/AN0/C1INRC0/T1OSO/T13CKI RA1/AN1/C2INRC1/T1OSI/CCP2B RA2/AN2/C2IN+/VREF-/CVREF RC2/CCP1/P1A RA3/AN3/C1IN+/VREF+ RC3/SCK/SCL RA4/T0CKI/C1OUT RC4/SDI/SDA RA5/AN4/SS/HLVDIN/C2OUT RC5/SDO RA6/OSC2/CLKO RC6/TX/CK RA7/OSC1/CLKI RC7/RX/DT RB0/AN12/FLT0/INT0 RB1/AN10/INT1 RB2/AN8/INT2 RB3/AN9/CCP2A RB4/KBI0/AN11 RB5/KBI1/PGM RB6/KBI2/PGC RB7/KBI3/PGD RD0/PSP0 RD1/PSP1 RD2/PSP2 RD3/PSP3 RD4/PSP4 RD5/PSP5/P1B RD6/PSP6/P1C RD7/PSP7/P1D RE0/RD/AN5 RE1/WR/AN6 RE2/CS/AN7 RE3/MCLR/VPP PIC18F4520 15 16 17 18 23 24 25 26 19 20 21 22 27 28 29 30 8 9 10 1 VDD 330R

D1
LED-RED

R2
330R

D2 D3 D4 D5 D6 D7 D8
LED-RED

1k

R3
330R

R9
330R

LED-RED

D10 D11
LED-RED LED-RED

R10
330R

R4
330R

R11
330R

R5 R6

LED-RED

330R LED-RED

R12 D12
330R

R13
330R

330R LED-RED

R7
330R

LED-RED

D13
LED-RED

R14 D14
330R

LED-RED

R15
330R

R8
330R

LED-RED

LED-RED

R16 D15
330R

LED-RED

D16
LED-RED

82

Cration dun nouveau projet

83

Cration dun nouveau projet

84

Edition et compilation

85

Simulation sous ISIS

R1 U1
2 3 4 5 6 7 14 13 33 34 35 36 37 38 39 40 RA0/AN0/C1INRC0/T1OSO/T13CKI RA1/AN1/C2INRC1/T1OSI/CCP2B RA2/AN2/C2IN+/VREF-/CVREF RC2/CCP1/P1A RA3/AN3/C1IN+/VREF+ RC3/SCK/SCL RA4/T0CKI/C1OUT RC4/SDI/SDA RA5/AN4/SS/HLVDIN/C2OUT RC5/SDO RA6/OSC2/CLKO RC6/TX/CK RA7/OSC1/CLKI RC7/RX/DT RB0/AN12/FLT0/INT0 RB1/AN10/INT1 RB2/AN8/INT2 RB3/AN9/CCP2A RB4/KBI0/AN11 RB5/KBI1/PGM RB6/KBI2/PGC RB7/KBI3/PGD RD0/PSP0 RD1/PSP1 RD2/PSP2 RD3/PSP3 RD4/PSP4 RD5/PSP5/P1B RD6/PSP6/P1C RD7/PSP7/P1D RE0/RD/AN5 RE1/WR/AN6 RE2/CS/AN7 RE3/MCLR/VPP PIC18F4520 15 16 17 18 23 24 25 26 19 20 21 22 27 28 29 30 8 9 10 1 VDD 330R

D1
LED-RED

R2
330R

D2 D3 D4 D5 D6 D7 D8
LED-RED

R3
330R

LED-RED

R4
330R

R5 R6

LED-RED

330R LED-RED

330R LED-RED

R7
330R

LED-RED

R8
330R

LED-RED

86

Simulation sous ISIS

VDD

RV1
+88.8
Volts

U1
2 3 4 5 6 7 14 13 33 34 35 36 37 38 39 40 RA0/AN0/C1INRC0/T1OSO/T13CKI RA1/AN1/C2INRC1/T1OSI/CCP2B RA2/AN2/C2IN+/VREF-/CVREF RC2/CCP1/P1A RA3/AN3/C1IN+/VREF+ RC3/SCK/SCL RA4/T0CKI/C1OUT RC4/SDI/SDA RA5/AN4/SS/HLVDIN/C2OUT RC5/SDO RA6/OSC2/CLKO RC6/TX/CK RA7/OSC1/CLKI RC7/RX/DT RB0/AN12/FLT0/INT0 RB1/AN10/INT1 RB2/AN8/INT2 RB3/AN9/CCP2A RB4/KBI0/AN11 RB5/KBI1/PGM RB6/KBI2/PGC RB7/KBI3/PGD RD0/PSP0 RD1/PSP1 RD2/PSP2 RD3/PSP3 RD4/PSP4 RD5/PSP5/P1B RD6/PSP6/P1C RD7/PSP7/P1D RE0/RD/AN5 RE1/WR/AN6 RE2/CS/AN7 RE3/MCLR/VPP PIC18F4520 15 16 17 18 23 24 25 26 19 20 21 22 27 28 29 30 8 9 10 1 VD

1k

R9 D9
LED-RED 330R

D10 D11

R10
330R

R11
LED-RED LED-RED 330R

R12 D12
330R

R13
330R

LED-RED

D13
LED-RED

R14 D14
330R

R15
330R

LED-RED

R16 D15
330R

LED-RED

D16
LED-RED

87

Simulation sous ISIS

88

Rsultat du TP1
Donner la caractristique de lADC

89

TP2
Microcontrleur

90

TP3
Microcontrleur

91

FPGA
Chane de dveloppement

92