Vous êtes sur la page 1sur 0

P.

NAYMAN DERNIRE MISE JOUR : 02/07/03


CERTAINS ASPECTS
DU TRAITEMENT DU SIGNAL
DEA-MIP
2003-2004
LPNHE Paris
P. NAYMAN I
TRAITEMENT DU SIGNAL
DEA MIP
QUELQUES LMENTS MATHMATIQUES............................................................... 1
Notions sur lintgrale de Riemann ................................................................................ 1
Notions sur lintgrale de Lebesgue ............................................................................... 1
Intgrale en partie principale de Cauchy ........................................................................ 2
Espace fonctionnel .......................................................................................................... 2
Les distributions au sens de L. Schwartz........................................................................ 3
Distributions associes aux fonctions localement intgrables ................................... 3
La distribution de Dirac ............................................................................................. 3
Oprations sur les distributions.................................................................................. 3
CLASSIFICATION DES SIGNAUX................................................................................... 5
Classification dterministe-alatoire............................................................................... 5
Dterministes ............................................................................................................. 5
Alatoires ................................................................................................................... 5
Classification nergtique............................................................................................... 5
Notions dnergie et de puissance dun signal........................................................... 5
Autres types de signaux .................................................................................................. 6
La distribution de Dirac : .......................................................................................... 6
Le peigne de Dirac ..................................................................................................... 6
Les signaux nuls gauche.......................................................................................... 6
Classification continu/discret.......................................................................................... 6
Reprsentation vectorielle des signaux........................................................................... 7
Lintrt dune reprsentation vectorielle.................................................................. 7
Espace vectoriel des signaux...................................................................................... 7
Dveloppement en srie de fonctions orthogonales................................................... 8
Thorme de Parseval ................................................................................................ 8
SRIES DE FOURIER........................................................................................................ 11
Energie du signal .......................................................................................................... 14
Conditions de convergence........................................................................................... 14
Simplifications .............................................................................................................. 15
Spectre unilatral et bilatral.................................................................................... 15
Phnomne de Gibbs .................................................................................................... 15
Etude de lvolution de Sn(x) .................................................................................. 17
TRANSFORMATION DE FOURIER............................................................................... 20
Les fonctions Rect et Tri............................................................................................... 21
Exemple 1 ..................................................................................................................... 22
Exemple 2 ..................................................................................................................... 23
La distribution de Dirac ............................................................................................... 25
Echantillonnage par la fonction de Dirac ..................................................................... 25
Lintgrale de convolution............................................................................................ 26
Quelques proprits.................................................................................................. 26
Le peigne de Dirac........................................................................................................ 27
Lchelon unit de Heaviside ....................................................................................... 27
La symtrie ................................................................................................................... 27
Quelques transformes de Fourier de base ................................................................... 28
Exemple 1 : Calcul de la transforme de Fourier de et de ..................................... 28
Exemple 2 : Calcul de la transforme de Fourier de la fonction triangle , reprsente
par la figure 4.9. ....................................................................................................... 29
Exemple 3 : Transforme de Fourier de la fonction cosinus tronque. ................... 30
Exemple 4 : fonction cosinus module par un triangle............................................ 31
P. NAYMAN II
TRAITEMENT DU SIGNAL
DEA MIP
Le thorme de Parseval ............................................................................................... 31
Cas des signaux priodiques ......................................................................................... 32
Exemple : Calcul de lenveloppe spectrale dun train trapzodal........................... 33
Estimation des harmoniques dun train trapzodal ................................................. 35
Cas des fonctions qui nappartiennent pas ................................................................ 37
LE FILTRAGE (LES FILTRES LINAIRES) ................................................................ 39
La transformation est linaire ....................................................................................... 39
La transformation est homogne dans le temps............................................................ 39
Proprits ...................................................................................................................... 40
On peut caractriser un filtre F par sa rponse impulsionnelle R(t) ........................ 40
Le gain du filtre ....................................................................................................... 40
Les fonctions propres des filtres linaires................................................................ 40
Exemples.................................................................................................................. 41
THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)...................................................................................................... 47
Consquence de lchantillonnage................................................................................ 49
Exemple ................................................................................................................... 52
LES SIGNAUX ALATOIRES
(RAPPELS DE NOTIONS DE BASE EN STATISTIQUE) ............................................ 53
Les moments temporels, les relations de base .............................................................. 54
Moyenne temporelle ................................................................................................ 54
Auto-corrlation temporelle..................................................................................... 54
Les moments statistiques, les relations de base ............................................................ 54
Moyenne statistique ................................................................................................. 54
Moment dordre 2 .................................................................................................... 54
Fonction dauto-corrlation .......................................................................................... 54
Fonction dinter-corrlation.......................................................................................... 54
Stationnarit.................................................................................................................. 55
Suite alatoire stationnaire au second ordre ................................................................. 55
Proprits ................................................................................................................. 55
Processus alatoire stationnaire au second ordre.......................................................... 55
Proprits ................................................................................................................. 55
Relation entre convolution et corrlation...................................................................... 55
Relations entre fonctions de corrlation et de convolution........................................... 56
Ergodicit...................................................................................................................... 57
Le principe dincertitude............................................................................................... 58
La bote de Heisenberg ............................................................................................ 60
PROPRITS SPECTRALES........................................................................................... 61
Approche de la puissance, de lnergie et de la densit spectrale dune ralisation particu-
lire ............................................................................................................................... 61
Energie et densit spectrale dans le cas gnral (thorme de Wiener-Kinchine) ....... 62
La densit spectrale de puissance ................................................................................. 65
Proprits de la fonction de corrlation ........................................................................ 65
Exemples....................................................................................................................... 65
Comparaison dun produit de convolution et de la fonction dinter-corrlation ..... 65
Calcul dune fonction dauto-corrlation et dune densit spectrale dnergie ....... 68
Le bruit blanc................................................................................................................ 68
Filtrage adapt.......................................................................................................... 70
La transforme de Laplace............................................................................................ 72
P. NAYMAN III
TRAITEMENT DU SIGNAL
DEA MIP
Quelques transformes de Laplace .......................................................................... 73
Fonction de transfert oprationnelle ........................................................................ 73
Stabilit du systme ................................................................................................. 75
Equation diffrentielle correspondant la fonction de transfert.............................. 75
TRANSFORMATION DE HILBERT............................................................................... 76
Signal analytique........................................................................................................... 76
Transforme de Hilbert ................................................................................................. 77
Calculs prliminaires (Voir Quelques lments mathmatiques, page 1.) ........... 77
Quelques proprits ...................................................................................................... 80
La double transformation......................................................................................... 80
Le produit de convolution........................................................................................ 81
Linter-corrlation.................................................................................................... 81
Lauto-corrlation .................................................................................................... 81
Proprits du signal analytique..................................................................................... 82
Fonction dauto-corrlation...................................................................................... 82
Densit spectrale ...................................................................................................... 82
Enveloppe complexe dun signal de type passe-bande................................................. 83
Densit spectrale de lenveloppe complexe............................................................. 84
Densits spectrales et fonctions de corrlation des composantes de Rice ............... 85
NOTIONS DE MODULATION ET DTECTION SYNCHRONE................................ 89
Intrt de la modulation ................................................................................................ 89
Principe ......................................................................................................................... 89
La modulation damplitude........................................................................................... 90
Densit spectrale du signal modul en amplitude......................................................... 91
La dmodulation synchrone.......................................................................................... 93
Evaluation du rapport signal bruit en entre et en sortie....................................... 96
La dtection synchrone ................................................................................................. 97
Dtection synchrone et corrlation .......................................................................... 99
LES SYSTMES NUMRIQUES ................................................................................... 101
Les systmes rponse invariante dans le temps et rponse variante dans le temps102
Linarit ................................................................................................................. 102
Causalit................................................................................................................. 102
Rponse dun systme numrique (LIT) des impulsions de Dirac .......................... 103
Rponse impulsionnelle dun systme numrique (LIT) ....................................... 103
Les systmes Rponse Impulsionnelle de dure Finie (RIF) et Rponse Impulsion-
nelle de dure infinie (RII)..................................................................................... 104
Les systmes numriques rcursifs et non-rcursifs................................................... 104
Corrlation des signaux discrets ................................................................................. 105
Auto-corrlation de signaux discrets .......................................................................... 105
La transforme en z..................................................................................................... 106
La transforme en z directe.................................................................................... 106
La transforme en z inverse ................................................................................... 107
Proprits de la transforme en z ........................................................................... 107
Quelques transformes en z ................................................................................... 108
Fonction de transfert dun systme numrique (LIT) ............................................ 109
Relation entre la transforme en z et la transforme de Fourier ............................ 110
Analyse frquentielle des systmes discrets ............................................................... 112
Puissance moyenne ................................................................................................ 112
Energie de la squence........................................................................................... 112
P. NAYMAN IV
TRAITEMENT DU SIGNAL
DEA MIP
Synthse dun filtre numrique................................................................................... 113
Synthse dun filtre numrique par la mthode des drives................................. 113
Synthse dun filtre numrique par la transformation bilinaire ........................... 116
Synthse dun filtre numrique par invariance de la rponse impulsionnelle ............ 123
Validit de la transformation par invariance de la rponse impulsionnelle........... 124
Conception des filtres RIF.......................................................................................... 125
Cas o h(n) est symtrique..................................................................................... 127
Cas o h(n) est antisymtrique............................................................................... 127
Choix dune rponse h(n) symtrique ou antisymtrique ...................................... 128
Utilisation du fentrage............................................................................................... 128
Effet du fentrage sur un signal ............................................................................. 128
Effet du fentrage avec un filtre RIF ..................................................................... 131
LE BRUIT........................................................................................................................... 140
Le bruit de quantification............................................................................................ 140
Le rapport signal bruit du codeur............................................................................. 141
Cas dun signal sinusodal...................................................................................... 141
Amlioration du rapport signal bruit ................................................................... 142
Cas dun signal gaussien........................................................................................ 143
Formule de Hartley ..................................................................................................... 143
Le bruit thermique (ou bruit Johnson) ........................................................................ 145
Fluctuations de tension et de courant dans une rsistance.......................................... 145
Exemple : le diple parallle (figure 12.7) ............................................................ 147
Bande quivalente de bruit ......................................................................................... 148
Filtre passe-bas du premier ordre........................................................................... 149
Circuit du deuxime ordre...................................................................................... 150
Filtre de Butterworth.............................................................................................. 150
Bruit de grenaille (Bruit Schottky ou shot noise).................................................... 151
Les thormes de Campbell ........................................................................................ 151
Dmonstration........................................................................................................ 152
Gnralisation du thorme de Campbell .............................................................. 153
Expression du bruit de grenaille............................................................................. 153
Autres sources de bruits (exemple : le bruit en 1/f flicker noise) ........................... 154
Exemples..................................................................................................................... 155
Bruit thermique ...................................................................................................... 155
Bruit Schottky ........................................................................................................ 155
Le facteur de bruit....................................................................................................... 155
Cas dun quadriple isol....................................................................................... 155
Cas de quadriples en cascades ............................................................................. 156
APPLICATION DU BRUIT IMPULSIONNEL
EN PHYSIQUE .................................................................................................................. 158
La fonction de pondration w(t) ................................................................................. 158
Traitement statistique des impulsions de bruit ........................................................... 158
Application du thorme de Campbell................................................................... 159
Le filtre optimum qui minimise ............................................................................ 162
le signal quivalent au bruit ........................................................................................ 163
La charge quivalente au bruit (ENC) ................................................................... 164
Prise en compte de lempilement en tant que bruit..................................................... 165
Exemple dune rponse impulsionnelle triangulaire .................................................. 166
Exemple dune rponse impulsionnelle dfinie par des morceaux de paraboles. ...... 167
P. NAYMAN V
TRAITEMENT DU SIGNAL
DEA MIP
Calcul de I............................................................................................................. 168
Calcul de I .............................................................................................................. 169
Exemple du filtrage CR-RC........................................................................................ 169
Calcul de I .............................................................................................................. 171
Calcul de I............................................................................................................. 171
Exemple du filtrage pseudo-gaussien [37].................................................................. 172
Approche frquentielle du filtre gaussien .............................................................. 174
Densit spectrale et bruit............................................................................................. 175
APPLICATION DU BRUIT AUX TRANSISTORS BIPOLAIRES ET A EFFET DE
CHAMPS............................................................................................................................. 179
Le transistor bipolaire ................................................................................................. 179
Modle de base du transistor bipolaire [18]........................................................... 180
Modle plus complet du transistor bipolaire.......................................................... 181
Modles du transistor bipolaire avec les sources de bruit...................................... 184
Calcul du bruit aprs filtrage.................................................................................. 189
Le transistor effet de champ..................................................................................... 190
Schma quivalent du transistor effet de champ................................................. 190
Comparaison bipolaire-FET................................................................................... 193
Calcul du bruit aprs filtrage.................................................................................. 193
FET et bruit en 1/f .................................................................................................. 194
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES PARTICULES............................................. 196
Les contraintes ............................................................................................................ 196
Le pramplificateur de charges................................................................................... 197
Le pramplificateur de courant (transimpdance) ...................................................... 198
Lamplificateur de courant - charges : tude dtaille................................................ 198
En boucle ouverte (sans contre raction) ............................................................... 199
En boucle ferme ................................................................................................... 199
Cas de lamplificateur de charges transistors effet de champ en entre........... 201
Cas de lamplificateur de courant .......................................................................... 203
PROBLMES LIS LA CAPACIT DU DTECTEUR.......................................... 206
Calcul de la rpartition des charges ............................................................................ 206
Cas dune capacit dtecteur importante ................................................................... 206
La suppression du ple zro........................................................................................ 208
Ralisation pratique................................................................................................ 209
MESURES TEMPORELLES........................................................................................... 211
Exemple de la technique du Temps de Vol (TOF) ..................................................... 211
Technique de la discrimination................................................................................... 215
Influence de la pente du signal sur linstant de basculement dun comparateur ........ 215
Influence de la dispersion (Jitter) sur linstant de basculement .............................. 216
Inconvnient du comparateur classique...................................................................... 217
Utilisation dun discriminateur fraction constante................................................... 217
Ralisation pratique................................................................................................ 218
Schma complet ..................................................................................................... 219
Fonctionnement en mode ARC (Amplitude and Rise time Compensated)........ 220
Fonctionnement en mode TCF (True Constant Fraction) .................................. 221
Estimation de la pente au point de passage par zro.............................................. 222
Influence de la dispersion (Jitter) en mode ARC et TCF................................... 223
NOTION DE TEMPS MORT........................................................................................... 225
P. NAYMAN VI
TRAITEMENT DU SIGNAL
DEA MIP
Introduction................................................................................................................. 225
La logique de dclenchement ..................................................................................... 225
Les 2 types de temps morts......................................................................................... 226
Le temps mort cumulatif ........................................................................................ 226
Le temps mort non cumulatif ................................................................................. 227
Traitement statistique du temps mort.......................................................................... 228
Notion de temps mort gnralis ................................................................................ 229
Notion de file dattente ............................................................................................... 231
File dattente de longueur 1 ................................................................................... 231
File dattente de longueur n ................................................................................... 232
Quel taux de temps mort ? .......................................................................................... 234
Evaluation du temps mort ........................................................................................... 235
Cas dune source radioactive [23].......................................................................... 237
Cas dune source de photons.................................................................................. 238
Etude de la rpartition temporelle des vnements................................................ 238
RSOLUTION EN NERGIE ET EN TEMPS DANS
LES PHOTOMULTIPLICATEURS................................................................................ 240
Rsolution en nergie dans les photomultiplicateurs.................................................. 240
Fonction caractristique dune variable alatoire .................................................. 241
Moments et fonction caractristique...................................................................... 242
La deuxime fonction caractristique .................................................................... 243
La deuxime fonction caractristique modifie..................................................... 244
Cas de deux vnements en cascade...................................................................... 245
Le photomultiplicateur dun point de vue statistique............................................. 246
Rsolution en nergie et le spectre du photolectron ................................................. 249
Fluctuations temporelles dans un photomultiplicateur ............................................... 252
Dmonstrations ...................................................................................................... 253
Utilisation des signaux danode et de dynode ............................................................ 260
LES LIGNES DE TRANSMISSIONS.............................................................................. 262
La ligne de transmission idale (sans perte) ............................................................... 262
Limpdance caractristique de la ligne de transmission ........................................... 262
quations gnrales dune ligne de transmission........................................................ 263
Ligne sans perte .......................................................................................................... 264
Limpdance caractristique (quation gnrale) ....................................................... 265
Les rflexions.............................................................................................................. 266
Pertes dans les lignes de transmission ........................................................................ 267
Leffet de peau........................................................................................................ 268
Rponse dun cble avec pertes un chelon de tension....................................... 269
Expression de comme une fonction des pertes ..................................................... 271
Les diffrentes lignes de transmission........................................................................ 272
Le cble coaxial ..................................................................................................... 272
La paire torsade .................................................................................................... 273
Fil sur un plan de masse (figure 20.6).................................................................... 273
La ligne microstrip............................................................................................. 273
La ligne stripline ................................................................................................ 274
Effet de chargement dune ligne de transmission....................................................... 275
Condition ncessaire pour adapter une ligne de transmission .................................... 275
Rponse un chelon de tension................................................................................ 276
INTRODUCTION AU STANDARD NIM....................................................................... 278
P. NAYMAN VII
TRAITEMENT DU SIGNAL
DEA MIP
La norme mcanique................................................................................................... 278
La norme lectrique .................................................................................................... 279
APPROCHE DE LA COMPATIBILIT LECTROMAGNTIQUE ....................... 281
Rappels sur le champ lectromagntique.................................................................... 281
La protection par crans ou blindages ........................................................................ 283
Limpdance de londe........................................................................................... 284
Les pertes par absorption ....................................................................................... 285
Les pertes par rflexion.......................................................................................... 286
Remarques gnrales.............................................................................................. 286
Les couplages.............................................................................................................. 287
Le couplage par impdance commune sur une liaison symtrique et asymtrique287
Le couplage entre conducteurs par le champ lectrique (couplage capacitif) ....... 289
Le couplage magntique (couplage inductif)......................................................... 290
La foudre..................................................................................................................... 294
Les consquences de la foudre............................................................................... 296
MTHODES DE TEST DES CONVERTISSEURS
ANALOGIQUES-NUMRIQUES................................................................................... 298
Les caractristiques de base........................................................................................ 298
La non-linarit diffrentielle ................................................................................ 299
La non-linarit intgrale ....................................................................................... 300
Lerreur de dcalage............................................................................................... 301
Lerreur de gain...................................................................................................... 302
Les tests dynamiques .................................................................................................. 302
La distorsion harmonique....................................................................................... 303
La distorsion dinter modulation............................................................................ 304
Le rapport signal bruit ......................................................................................... 304
Mthode statistique ................................................................................................ 305
Mthode par ajustement dune sinusode............................................................... 308
SURCHANTILLONNAGE DES
CONVERTISSEURS ANALOGIQUES-NUMRIQUES ............................................. 310
La quantification diffrentielle [34]............................................................................ 310
Principe de base ..................................................................................................... 310
La prdiction linaire.................................................................................................. 311
Prdiction linaire lordre 1................................................................................. 311
Prdiction linaire lordre p................................................................................. 311
Les modulateurs sigma delta....................................................................................... 313
Principe du modulateur sigma delta dordre 1....................................................... 313
Principe du modulateur sigma delta lordre 2 ..................................................... 317
Performances dun systme dordre n.................................................................... 319
Applications ................................................................................................................ 320
Modulation dun canal de transmission ................................................................. 321
Conversion Analogique-Numrique grande dynamique..................................... 321
ANNEXES........................................................................................................................... 323
Les dcibels................................................................................................................. 323
Spectre lectromagntique.......................................................................................... 325
La roue des couleurs .............................................................................................. 325
BIBLIOGRAPHIE............................................................................................................. 327
P. NAYMAN 1 QUELQUES LMENTS MATHMATIQUES
TRAITEMENT DU SIGNAL
DEA MIP
1. QUELQUES LMENTS MATHMATIQUES
1.1. Notions sur lintgrale de Riemann
Considrons une fonction f qui associe au nombre x la valeur f(x) sur lintervalle fer-
m et born . Il est possible de dfinir n intervalles sur lintervalle laide
dun certain nombre de points en considrant les conditions suivantes :




Lintgrale simple dfinie sur lintervalle peut tre approche par les som-
mes de Riemann :
Equ(1.1)
avec
lorsque les longueurs des intervalles tendent vers 0 et S tend vers lintgrale
de Riemann : .
Les sommes de Riemann sont utilisables pour les fonctions continues et peuvent
sappliquer un nombre limit de fonctions discontinues.
1.2. Notions sur lintgrale de Lebesgue
Afin de donner un sens plus gnral la notion dintgrale, Lebesgue a considr
que lintgrale indfinie F est reprsente par un ensemble de valeurs dans lequel on peut
trouver nimporte quelle intgrale dfinie : .
Lebesgue considre que labscisse x de lquation 1.1 dfinissant la somme de Rie-
mann a 3 rles bien dfinis :
Les points font partie dun domaine D compos de sous ensembles .
Un point appartient .
On peut dfinir une mesure associe chaque sous ensemble .
Avec ces hypothses la somme de Riemann dfinie par lquation 1.1 devient :
Equ(1.2)
avec .
La limite de cette somme, quand elle existe, est une fonction de domaine, in-
tgrable de la fonction de point .
Lebesgue groupe des valeurs voisines de dans un petit intervalle
a b , ( ) a b , ( )
x
i
1 i n 1
a x
1
<
x
i
x
i 1 +
<
x
n 1
b <
a b , ( )
S f m
i
( ) x
i 1 +
x
i
( )
i 1 =
n 1

=
x
i
m
i
x
i 1 +
< <
n
I f x ( ) x d
a
b

=
f x ( ) x d
a
b

F b ( ) F a ( ) =
D
i
P
i
D
i
m
i
D
i
S f P
i
( ) m
i

=
P
i
D
i

L D ( )
f P ( )
f x ( )
P. NAYMAN 2 QUELQUES LMENTS MATHMATIQUES
TRAITEMENT DU SIGNAL
DEA MIP
.
On associe cet intervalle, une mesure :
Equ(1.3)
avec .
Lebesgue nomme mesurables les fonctions f telles que le domaine dfini par
, a une mesure.
Ce concept trs gnral inclus toutes les fonctions de Riemann et bien dautres fonc-
tions.
Les fonctions f intgrables au sens de Lebesgue ou sommables associent un nombre
not : ou ou ou encore .
On prte Lebesgue le propos suivant : " Je fouille dans mes poches et jen sors des
pices et des billets de diffrentes valeurs. Je les verse mon crancier dans lordre o
elles se prsentent jusqu atteindre le total de ma dette. Cest lintgrale de Riemann.
Mais je peux oprer autrement. Ayant sorti tout mon argent, je runis les billets de mme
valeur, les pices semblables, et jeffectue le paiement en donnant ensemble les signes
montaires de mme valeur. Cest mon intgrale. "
1.3. Intgrale en partie principale de Cauchy
Considrons une fonction non borne en , si :

tend vers une limite L, alors est intgrable au sens de la valeur principale de
Cauchy.
De mme : .
1.4. Espace fonctionnel
On dsigne par espace fonctionnel, un ensemble de fonctions F possdant une struc-
ture despace vectoriel. Dans un tel systme, toute combinaison linaire de 2 fonctions f1
et f2 de F appartient galement F.
Quelque soit complexes :
On considre que lon a dfini une fonctionnelle sur un espace F si lon peut associer
un nombre complexe toute fonction de F. On utilise la notation de L. Schwartz :
y
i
f x ( ) y
i 1 +
< <
m
i
S y
i
m
i

=
y
i
y
i
y
i 1 +
< <
a x b < < 0 y f x ( ) < <
f x ( ) x d

+

f x ( ) x d
R

f x ( ) x d

f x ( ) x a =
y e ( ) f x ( ) x d
a
a e

f x ( ) x d
a e +
b

+ = e 0 >
f x ( )
y e ( ) vp f x ( ) x d
a
b

=
vp f x ( ) x d

+

f x ( ) x d
N
+N

N
lim =
l1 l2 ,
f1 F
f2 F
l1f1 l2f2 F +
T f ( )
P. NAYMAN 3 QUELQUES LMENTS MATHMATIQUES
TRAITEMENT DU SIGNAL
DEA MIP
pour spcifier le nombre complexe associ la fonction f par la fonctionnelle
T.
1.5. Les distributions au sens de L. Schwartz
Considrons lespace vectoriel D des fonctions indfiniment drivables, on appelle
distributions, les fonctionnelles linaires, continues sur D.
1.5.1. Distributions associes aux fonctions localement intgrables
La fonction est localement sommable si elle est intgrable au sens de Lebesgue
sur tout intervalle born.
A la fonction correspond une distribution .
Quelque soit
. Equ(1.4)
Par abus de notation on note les fonctions localement sommables comme des
distributions :
. Equ(1.5)
1.5.2. La distribution de Dirac
La distribution de Dirac que lon note est une distribution singulire par opposi-
tion aux distributions rgulires prcdentes. Cette distribution est telle que :
pour .
Dune manire gnrale, la distribution de Dirac au point a est telle que :
pour .
Par abus de notation, on note :
Equ(1.6)
Equ(1.7)
1.5.3. Oprations sur les distributions
1.5.3.1 Combinaison linaire de distributions
Quelque soit
Equ(1.8)
1.5.3.2 Drivation (cas gnral)
Soit la fonction drive de f et la distribution drive de T.
Quelque soit
T f , ( ) T f ( )
x t ( )
x t ( ) T
x
j t ( ) D
T
x
j ( ) T
x
j , ( ) x t ( )j t ( ) t d

+

= =
x t ( ) j , ( ) x t ( )j t ( ) t d

+

=
d
j t ( ) D d j , ( ) j 0 ( ) =
j t ( ) D d
a
j , ( ) j a ( ) =
j 0 ( ) d t ( )j t ( ) t d

+

=
j a ( ) d t a ( )j t ( ) t d

+

=
j t ( ) D
l
1
T
1
l
2
T
2
j , + ( ) l
1
T
1
j , ( ) l
2
T
2
j , ( ) + =
f T
j t ( ) D
P. NAYMAN 4 QUELQUES LMENTS MATHMATIQUES
TRAITEMENT DU SIGNAL
DEA MIP
et en intgrant par partie :
tant support born .
De mme :
Toute distribution est indfiniment drivable.
1.5.3.3 Drivation de fonctions discontinues
Considrons une fonction discontinue en (figure 1.1).
Avec : et . La hauteur de la discontinuit est .
On peut dcomposer en une somme dune fonction continue, et dune
fonction discontinue .
avec la fonction chelon de Heaviside.
. En drivant , il vient immdiatement :
Equ(1.12)
Equ(1.9)
Equ(1.10)
Equ(1.11)
Figure 1.1 : Une fonction discontinue
T
f
( ) j , ( ) T
f
j , ( ) f t ( )j t ( ) t d

+

= =
T
f
( ) j , ( ) f t ( )j t ( ) [ ]

+
f t ( )j t ( ) t d

+

T
f
j , ( ) = =
j t ( ) j ( ) 0 =
T j , ( ) T j , ( ) =
T j , ( ) T j , ( ) T j , ( ) = =
T
n ( )
j , ( ) 1 ( )
n
T j
n ( )
, ( ) =
f t ( ) t t
0
=
f t
0
-
( ) a = f t
0
+
( ) b = h b a =
t 0
f t ( )
b
a
h
f t ( ) f
t t
0

t ( )
g t ( )
g t ( ) h u t t
0
( ) = u t ( )
f t ( ) f
t t
0

t ( ) h u t t
0
( ) + = f t ( )
f

t ( ) f

t t
0

t ( ) h t t
0
( ) d + =
P. NAYMAN 5 CLASSIFICATION DES SIGNAUX
TRAITEMENT DU SIGNAL
DEA MIP
2. CLASSIFICATION DES SIGNAUX
La classification des signaux en catgories peut sembler, premire vue, thorique.
Pour chaque rubrique de signaux on dfinira des traitements bien particuliers.
2.1. Classification dterministe-alatoire
2.1.1. Dterministes
Ce sont les signaux dont lvolution en fonction du temps est prvisible par un mo-
dle mathmatique appropri (signaux de test, dtalonnage, etc.).
2.1.2. Alatoires
Ce sont les signaux qui ont un caractre non-reproductible et imprvisible. Par
exemple, les signaux issus de capteurs ou encore la parole.
2.2. Classification nergtique
2.2.1. Notions dnergie et de puissance dun signal
Quelque soit le signal, on peut dfinir lnergie du signal (si elle existe) par la
relation :
Equ(2.1)
et la puissance moyenne (si elle existe) par la relation :
Equ(2.2)
Remarque :
Les signaux tels que sont des signaux nergie finie , par
exemple, les signaux transitoires.
Les signaux tels que sont des signaux puissance moyenne finie
. Par exemple, les signaux permanents, comme les signaux priodiques ou
encore les signaux alatoires permanents.
On peut donner une autre dfinition de la puissance moyenne :
Equ(2.3)
E
x
x t ( )
2
t d

+

=
P
x
1
T
---
T
lim x t ( )
2
T 2
+T 2

dt =
0 E
x
< < P
x
0 = ( )
0 P
x
< <
E
x
= ( )
P
x
1
T t
0

-------------
T
lim x t ( )
2
t d
t
0
T

=
P. NAYMAN 6 CLASSIFICATION DES SIGNAUX
TRAITEMENT DU SIGNAL
DEA MIP
2.3. Autres types de signaux
2.3.1. La distribution de Dirac :
Proprit :
On peut trouver de nombreuses reprsentations de la distribution de Dirac. La figu-
re 2.1 donne une des reprsentations possibles. Dans ce cas, on suppose que : .
2.3.2. Le peigne de Dirac
Un peigne de Dirac, reprsente une suite dimpulsions de Dirac dcales dans le
temps. Le peigne de Dirac est dfini par la relation suivante :
Equ(2.4)
2.3.3. Les signaux nuls gauche
Exemple : lchelon unit.
La figure 2.2 reprsente lchelon unit
On remarquera que :
Exemple : Pour spcifier que le signal est nul pour les temps ngatifs, on peut
dfinir un nouveau signal : .
2.4. Classification continu/discret
La figure 2.3 est un exemple de reprsentation continue.
Figure 2.1 : Impulsion de Dirac
Figure 2.2 : Le signal nul gauche
d t ( )
d t ( ) t d

+

1 =
e 0
e +e
1 e
d t ( )
t
png t ( ) d t kT ( )
k =
+

=
U t ( )
u(t)
t
0
d U t ( ) ( )
dt
------------------- d t ( ) =
x t ( )
x t ( ) U t ( )
P. NAYMAN 7 CLASSIFICATION DES SIGNAUX
TRAITEMENT DU SIGNAL
DEA MIP
La figure 2.4 est un exemple de reprsentation discrte, dans ce cas la fonction est
dfinie par une suite dchantillons.
2.5. Reprsentation vectorielle des signaux
2.5.1. Lintrt dune reprsentation vectorielle
Le signal peut se dcomposer selon une combinaison linaire de fonctions con-
nues .
Les coefficients constituent une reprsentation discrte du signal .
Cest une structure despace vectoriel.
Un signal apparat comme un vecteur dun espace vectoriel et admettra plusieurs re-
prsentations possibles selon la base de dcomposition (espace de Hilbert). Cette repr-
sentation qui peut apparatre complexe permet en fait de considrablement simplifier les
calculs.
2.5.2. Espace vectoriel des signaux
Soit un signal complexe dnergie finie.
est le produit scalaire.
Figure 2.3 : Reprsentation continue dun signal
Figure 2.4 : Reprsentation discrte dun signal
-1
-0,5
0
0,5
1
1 2 3 4 5 6 7 8
x(tk)
)
t
x t ( )
f
k
t ( )
a
k
x t ( )
x t ( ) E
x
x
1
x
2
, ( ) x
1
t ( )x
2
*
t ( ) t d

+

=
P. NAYMAN 8 CLASSIFICATION DES SIGNAUX
TRAITEMENT DU SIGNAL
DEA MIP
est la distance associe, cest la mesure de dissemblance entre et .
2.5.3. Dveloppement en srie de fonctions orthogonales
La reprsentation dun signal par des fonctions orthogonales va permettre de sim-
plifier les calculs, en effet :
Soit un ensemble de fonctions orthogonales.
Le produit scalaire est tel que :
On peut approcher par dfinie comme tant :
Lerreur quadratique donne une mesure absolue de lapproximation :
On montre que est minimal si :
Equ(2.5)
On dit que le systme est complet si quelque soit :
2.5.4. Thorme de Parseval
Lnergie du signal est gale la somme des nergies de chacune de ses com-
posantes. Ce rsultat trs important est trs utilis en traitement du signal.
Equ(2.6)
Dmonstration :
Rappel :
d x
1
x
2
, ( ) x
1
x
2
= x
1
t ( ) x
2
t ( )
2
t d

+

1 2
=
x
1
t ( ) x
2
t ( )
f
1
f
2
...f
n
, ,
f
i
f
j
, ( ) d
i j ,
=
d
i j ,
1 si i=j
0 si i j
=
x t ( ) x

t ( )
x

t ( ) a
i
f
i
i 1 =
+

=
e x
1
x
2

2
= x
1
t ( ) x
2
t ( )
2
t d
T 2
+T 2

=
e
a
i
x f
i
, ( ) x f
i
*
t d

+

= =
x t ( ) e
T
lim 0 =
x t ( )
x
2
a
i
2
i 1 =
n

=
A B
2
A B ( ) A B ( )
*
AA
*
BB
*
AB
*
A
*
B + = =
P. NAYMAN 9 CLASSIFICATION DES SIGNAUX
TRAITEMENT DU SIGNAL
DEA MIP
Rappel :
donc :
est minimale si :
Do lingalit de Bessel-Parseval :
Equ(2.7)
e x x

2
x a
i
f
i

2
t d

= =
e xx
*
x

x
*
xx
*
x

x
*
+ t d

=
e x
2
x

2
xx
*
t d

x
*
t d

+ =
x

a
i
f
i
=
x

2
x

x
*
t d

=
x

2
a
i
f
i
a
*
j
f
*
j
j

t d

a
i
2

= =
f
i
f
*
j
t d

0 si i j
1 si i j =
=
e x
2
a
i
2

x a
*
i
f
*
i
i

t d

x
*
a
i
f
i
i

t d

+ =
e x
2
a
i
(
2

xa
*
i
f
*
i
t d

x
*
a
i
f
i
t ) d

+ =
e x
2
a
i
(
2

a
*
i
x f
i
, ( ) a
i
f
i
x , ( ) ) + =
f
i
x ( , ) f
i
x
*
dt =
x
*
f
*
i
( , ) x
*
f
i

dt =
f
i
x ( , ) x
*
f
*
i
( , ) =
e x
2
a
i
(
2

a
*
i
x f
i
, ( ) a
i
x
*
f
*
i
, ( ) ) + =
e x
2
a
i
2
a
*
i
x f
i
( , ) a
i
x
*
f
*
i
( , ) [ ]

+ =
e x
2
x f
i
, ( )
2

a
i
2
x f
i
, ( )
2
a
*
i
x f
i
, ( ) a
i
x
*
f
*
i
, ( ) + [ ]

+ =
e x
2
x f
i
, ( )
2

a
i
x f
i
, ( )
2

+ =
e i " a
i
x f
i
, ( ) =
e
min
x
2
a
i
2
i

=
a
i
2
i

x
2

P. NAYMAN 10 CLASSIFICATION DES SIGNAUX


TRAITEMENT DU SIGNAL
DEA MIP
Le systme est complet ou total si :
Equ(2.8)
Cest lgalit de Parseval.
i "
a
i
2
i

x
2
=
P. NAYMAN 11 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
3. SRIES DE FOURIER
Les sries de Fourier dcoulent naturellement de la thorie des fonctions orthogo-
nales en considrant des fonctions exponentielles.
Soit une fonction de la forme avec : .
est une fonction orthogonale telle que
:
La fonction est donc orthogonale mais pas norme.
Considrons comme tant :
Comme, par dfinition : (fonction orthogonale), on obtient :
Equ(3.1)
Considrons les fonctions relles :
do :
Equ(3.2)
Si lon pose :
y
k
y
k
t ( ) e
ikWt
= W
2
T
---p =
y
k
y
j
t ( )y
*
k
t ( ) t d
T 2
+T 2

e
ijWt
e
ikWt
t d
T 2
+T 2

e
i j k ( )Wt
t d
T 2
+T 2

= =
e
i j k ( )Wt
i j k ( )W
----------------------
T 2
+T 2
2
j k ( )W
-------------------- j k ( )W
T
2
--- sin = =
y
j
y
k
, ( )
T
p j k ( )
------------------ j k ( ) sin p =
y
j
y
k
, ( ) T si j k (la fonction nest pas norme). = =
0 si j k
y
k
x t ( )
x t ( ) C
k
Y
k
k =
+

=
x t ( ) C
k
e
ikWt
k =
+

=
C
k
x Y
k
, ( ) =
C
k
1
T
--- x t ( )e
ikWt
t d
T 2
+T 2

=
x t ( )
C
*
k
1
T
--- x t ( )e
ikWt
t d
T 2
+T 2

=
C
*
k
C
k
=
P. NAYMAN 12 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
La partie relle de est
La partie complexe de est
Daprs lquation 3.1 :
de mme :
C
k
r
k
e
ij
k
=
r
k
e
ij
k

r
k
e
ij
k
=
x t ( ) C
k
e
ikWt
k

= et C
k
e
ikWt
k =
1

C
k
e
i kWt
k 1 =
+

= alors :
x t ( ) C
0
C
k
e
ikWt
k 1 =
+

C
k
e
i kWt
k 1 =
+

+ + =
x t ( ) C
0
r
k
e
ij
k
e
ikWt
r
k
e
i j
k
e
i kWt
+ ( )
k 1 =
+

+ =
x t ( ) C
0
2r
k
kWt j
k
+ ( ) cos
k 1 =
+

+ =
x t ( ) C
0
2r
k
kWt j cos
k
kWt j
k
sin sin cos [ ]
k 1 =
+

+ =
C
k
r
k
j
k
cos
C
k
ir
k
j
k
sin
r
k
j
k
cos
1
T
--- x t ( ) kWt cos t d
T 2
+T 2

=
2r
k
j
k
cos
2
T
--- x t ( ) kWt cos t d
T 2
+T 2

a
k
= =
ir
k
j
k
sin
1
T
--- x t ( ) i kWt sin ( ) t d
T 2
+T 2

=
2 r
k
j
k
sin
2
T
--- x t ( ) kWt sin t d
T 2
+T 2

b
k
= =
P. NAYMAN 13 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Equ(3.3)
Equ(3.4)
Equ(3.5)
Equ(3.6)
reprsente la valeur moyenne de .
Comme :
Le terme reprsente lharmonique de rang k de la
fonction . Lharmonique de rang 1 sappelle le fondamental.
est lamplitude de lharmonique.
sa pulsation et sa frquence.
Si lon pose et alors lharmonique de rang k se met sous
la forme :
Equ(3.7)
reprsente la phase de lharmonique k.
comme : x t ( ) C
0
2r
k
kWt j cos
k
kWt j
k
sin sin cos [ ]
k 1 =
+

+ =
x t ( ) C
0
a
k
kWt b
k
kWt sin + cos [ ]
k 1 =
+

+ =
a
k
2
T
--- x t ( ) kWt cos t d
T 2
+T 2

=
b
k
2
T
--- x t ( ) kWt sin t d
T 2
+T 2

=
C
0
1
T
--- x t ( ) t d
T 2
+T 2

=
C
0
x t ( )
x t ( ) C
0
a
k
kWt b
k
kWt sin + cos [ ]
k 1 =
+

+ =
h
k
t ( ) a
k
kWt b
k
kWt sin + cos =
x t ( )
A
k
a
k
2
b
k
2
+ =
kW
kW
2p
-------
j
k
sin
a
k
A
k
----- = j
k
cos
b
k
A
k
----- =
h
k
t ( ) A
k
kWt j
k
+ ( ) sin =
j
k
P. NAYMAN 14 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
3.1. Energie du signal
Le thorme de Parseval donne directement lnergie du signal :
Equ(3.8)
3.2. Conditions de convergence
La srie de Fourier converge vers si les conditions suivantes sont respectes :
La fonction ne prsente pas de discontinuit de seconde espce.
Si la fonction est continue la srie converge vers .
Si la fonction prsente une discontinuit de premire espce au point , la srie
converge vers :
Si la fonction prsente une discontinuit de seconde espce, la srie diverge.
Dans ce cas la fonction nest pas dcomposable en srie de Fourier.
Les figures suivantes, montrent les 3 cas possibles pour la fonction .
continue (figure 3.1),
discontinuit de premire espce (figure 3.2),
discontinuit de seconde espce (figure 3.3).
Figure 3.1: fonction continue
Figure 3.2: discontinuit de premire espce
x
2
C
k
2
k =
+

= x t ( ) C
k
k =
+

= e
ikWt
x
2
C
0
2
2 C
k
2
k 1 =
+

+ =
x t ( )
x t ( )
x t ( ) x t ( )
t
0
x t
0
-
( ) x t
0
+
( ) + [ ] 2
x t ( )
x t ( )
-1
-0,5
0
0,5
1
1 2 3 4 5 6 7 8
x t ( )
t
0
x t0+ ( )
x t0- ( )
t0
P. NAYMAN 15 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
3.3. Simplifications
Certaines simplifications peuvent tres apportes aux formules selon que la fonc-
tion est paire ou impaire.
Si est impaire :
, la valeur moyenne est nulle.
Si est paire :
3.3.1. Spectre unilatral et bilatral
Le spectre dun signal est donn, la fois, par les frquences positives et les fr-
quences ngatives. On parle dans ce cas de spectre bilatral.
Considrons les sries de Fourier relles, par exemple dveloppes en sries de si-
nus et cosinus. Le spectre est compos uniquement de frquences positives, on parle dans
ce cas de spectre unilatral. Lamplitude des raies dun spectre unilatral est le double de
celles du spectre bilatral.
3.4. Phnomne de Gibbs
Ce phnomne est la base de ltude de la convergence du dveloppement en srie
de Fourier dune fonction discontinue en
La fonction peut tre dcompose en 2 fonctions (figure 3.4) :
une fonction continue ,
une fonction discontinue
Figure 3.3: discontinuit de seconde espce
x t ( )
t
0
t0
si t t0 = x t ( )
pas de srie de Fourier possible
+
-

x t ( ) x t ( ) x t ( ) =
C
0
0 =
a
k
0 =
b
k
4
T
--- x t ( ) kWt sin t d
0
T 2

=
x t ( ) x t ( ) x t ( ) =
C
0
4
T
--- x t ( ) t d
0
T 2

=
a
k
4
T
--- x t ( ) kWt cos t d
0
T 2

=
b
k
0 =
f x ( ) x x
0
=
f x ( )
h x ( )
g x ( )
P. NAYMAN 16 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
.
Le problme consiste faire ltude de la convergence de la fonction (figure
3.5) telle que :
est une fonction impaire.
Avec : , et
comme
Seuls les termes impairs existent : avec :
Considrons la srie :
On peut remarquer que pour , et :
Figure 3.4 : discontinuit dune fonction
Figure 3.5 : fonction discontinue g(x)
f x ( )
A
B
x
x0
0
g x ( )
g x ( ) 1 = si 0 x p < <
g x ( ) 1 = si p x 0 < <
g x ( )
x
p +p
1
-1
0
g x ( )
g t ( ) C
0
a
k
kWt b
k
kWt sin + cos [ ]
k 1 =
+

+ =
C
0
0 = a
k
0 = b
k
4
T
--- g x ( ) kWt sin t d
0
T 2

=
W
2p
T
------
2p
2p
------ 1 = = = b
k
4
2p
------ kt sin t d
0
p

2
kp
------ kt cos
0
p
= =
k 2n 1 = n 1 2 , =
b
k
4
2n 1 ( )p
----------------------- =
x
p
2
--- = g x ( ) 1 =
P. NAYMAN 17 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
3.4.1. Etude de lvolution de Sn(x)
Les maxima et minima de sont donns par pour
subit des oscillations autour de la valeur
g x ( )
4
p
---
x sin
1
----------
3x sin
3
-------------
2n 1 ( )x sin
2n 1
------------------------------- + + + =
S
n
x ( )
p
4
---g x ( )
x sin
1
----------
3x sin
3
-------------
2n 1 ( )x sin
2n 1
------------------------------- + + + = =
p
4
--- 1
1
3
-- -
1
5
--- + =
S
n

x ( ) x cos 3x cos 2n 1 ( )x cos + + + =


nx cos
e
inx
e
i nx
+
2
-------------------------- =
S
n

x ( )
1
2
--- e
ix
e
i x
e
i 2n 1 ( )x
e
i 2n 1 ( )x
+ + + + [ ] =
S
n

x ( )
1
2
---
e
ix
e
i x

e
ix
e
i x

---------------------



e
ix
e
i x
e
i 2n 1 ( )x
e
i 2n 1 ( )x
+ + + + [ ] =
S
n

x ( )
1
2 e
ix
e
ix
( )
----------------------------- e
2nix
e
2nix
[ ]
1
2
---
2nx sin
x sin
----------------- = =
S
n
x ( )
1
2
---
2nz sin
z sin
-----------------
0
x

dz =
S
n
x ( ) 2nx sin x
kp
2n
------ =
S
n
x ( ) y
p
4
--- =
P. NAYMAN 18 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Cherchons la limite de quand :
Rappel : le dveloppement en srie entire de
do lintgrale de :
La figure 3.6 reprsente la courbe de lintgrale de .
S
n
x ( ) n + et z 0
S
n
x ( )
1
2
---
2nz sin
z sin
-----------------
0
x

dz
1
4n
------
y sin
y
2n
------ sin
--------------
0
p

dy = =
S
n
x ( )
1
2
---
y sin
y
----------
0
p

dy =
y sin
y sin y
y
3
3!
-----
y
5
5!
----- + =
y sin
y
---------- 1
y
2
6
-----
y
4
120
-------- - + =
y sin
y
----------
2S
n
x ( ) p
p
3
18
------
p
5
120
--------- + 1 85 , =
g x ( )
2
p
--- 1 85 , ( ) 1 17 1 , =
y sin
y
----------
P. NAYMAN 19 SRIES DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Figure 3.6 : Sinus intgral
g(x)
1.17
-1.17
P. NAYMAN 20 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
4. TRANSFORMATION DE FOURIER
Soit une fonction du temps, nulle ou complexe telle que :
ou que le signal soit dnergie finie ( fait partie de lensemble ) :
alors :
Equ(4.1)
est la frquence du signal .
Equ(4.2)
et :
Equ(4.3)
Les fonctions et sont transformes de Fourier lune de lautre.
On utilise la notation : pour exprimer cette relation.
Dmonstration :
La dcomposition en srie de Fourier donne :
En utilisant lquation 4.3 :
Si :
x t ( ) x t ( ) t d

+

<
x t ( ) L
2
x t ( )
2
t d

+

<
x t ( ) x

n ( )e
2pint
n d

+

=
n x t ( )
x

n ( ) x t ( )e
2 pint
t d

+

=
C
k
1
T
--- x t ( )e
i kWt
t d
T 2
+T 2

=
x t ( ) x

n ( )
x t ( ) x

n ( )
x t ( ) C
k
e
ikWt
k =
+

=
x t ( )
1
T
--- x t ( )e
ikWt
T 2
T 2

k =
+

dt e
ikWt
=
T
1
T
--- dn
k
1
T
---


n
k

P. NAYMAN 21 TRANSFORMATION DE FOURIER


TRAITEMENT DU SIGNAL
DEA MIP
do : et
4.1. Les fonctions Rect et Tri
Les fonctions Rect et Tri (respectivement Rectangle et Triangle) seront largement
utilises par la suite. Afin dviter toute confusion, il est ncessaire de bien les dfinir.
On dfinit la fonction :
Equ(4.4)
si
sinon.
est une fonction paire dont laxe de symtrie est centre.
Dune manire analogue on dfinit la fonction Triangle comme tant :
Equ(4.5)
Figure 4.1 : La fonction Rect
x t ( ) Dn x t ( )e
2pint
t e
2pint
d

+

=
x t ( ) x

n ( )e
2pint
n d

+

= x

n ( ) x t ( )e
2 pint
t d

+

=
x t ( ) Rect
t centre
largeur
--------------------- -


=
x t ( ) 1 = t centre
largeur
2
----------------- - centre
largeur
2
----------------- - + ,
x t ( ) 0 =
x t ( )
t
-1/2 +1/2
x(t)
1
x t ( ) Rect t ( ) =
t
-T/2 +T/2
1
x t ( ) Rect
t
T
---


=
x(t)
t
-2T -T
x(t)
1
x t ( ) Rect
t
3T
2
------ +
T
--------------




=
t
2T T
x(t)
1
x t ( ) Rect
t
3T
2
------
T
--------------




=
x t ( ) Tri
t centre
1 2 ( )Base
---------------------------


=
P. NAYMAN 22 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
4.2. Exemple 1
Soit la fonction dont la transforme de Fourier est (figure 4.3) telle que :
Figure 4.2 : La fonction Tri
Figure 4.3 :Fonction rectangle
t
-1 +1
x(t)
1
x t ( ) Tri t ( ) =
t
-T +T
1
x t ( ) Tri
t
T
---


=
x(t)
t
-5T/2 -T/2
x(t)
1
x t ( ) Tri
t
3T
2
------ +
T
--------------




=
t
5T/2 T/2
x(t)
1
x t ( ) Tri
t
3T
2
------
T
--------------




=
x t ( ) x

n ( )
x

n ( )
1 si n B
0 si n B >
=
P. NAYMAN 23 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Avec : (sinus cardinal). -Voir la figure 4.4-
4.3. Exemple 2
Soit :
La fonction rectangle peut tre galement note : .
Figure 4.4 : sinus cardinal
x t ( ) x n ( )e
2pint
n d

+

=
x t ( ) 1 e
2pint
n d
B
+B

e
2pint
2pit
-------------
B
+B
e
2piBt
e
2piBt

2pit
------------------------------------ = = =
x t ( )
2pBt sin
pt
-------------------- 2B
2pBt sin
2pBt
-------------------- 2Bsinc(2Bt) = = =
sinc(x)
px sin
px
-------------- =
x t ( ) rect
T
t ( ) =
1 si t T 2 < =
0 si t
T
2
--- =
rect
t centre
largeur
------------------------


P. NAYMAN 24 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Rciproquement :
On remarquera que pour
Figure 4.5 : Rect(t)
Figure 4.6 : Transforme de Fourier de la fonction Rect(t)
Si lon pose :
x

n ( ) 1 e
2pint
t d
T 2
+T 2

e
2pint

2pin
-------------------
T 2
+T 2
e
2pinT 2
e
2 pinT 2

2pin
------------------------------------------------ = = =
x

n ( )
pnT sin
pn
------------------
T pnT sin
pnT
---------------------- Tsinc(nT) = = =
x t ( ) x

n ( )e
2pint
n d

+

=
x t ( ) Tsinc nT ( )e
2pint
n d

+

=
t 0 = x t ( ) 1 =
1 Tsinc nT ( ) n d

+

=
x pnT =
1
1
p
---
x sin
x
---------- x d

+

2
p
---
x sin
x
---------- x d
0
+

= =
P. NAYMAN 25 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Cette fonction reprsente le sinus intgral (figure 4.7).
4.4. La distribution de Dirac
La distribution de Dirac est la limite de nombreuses familles de fonctions. Par
exemple, les fonctions suivantes ont pour limite une distribution de Dirac :
Proprit fondamentale :
Equ(4.6)
4.5. Echantillonnage par la fonction de Dirac
Considrons le produit dune fonction par une impulsion de Dirac (figure 4.8).
Figure 4.7 : Sinus intgral
p
2
---
x sin
x
---------- x d
0
+

Si x ( ) = =
d t ( )
t ( ) d
1
T
---
T 0
lim rect
T
t ( ) =
t ( ) d
1
T
---
T 0
lim tri
T
t ( ) =
t ( ) d B
B 0
lim
pBt sin
pBt
----------------- =
t ( ) d ( ) t d

+

1 =
f t ( )
P. NAYMAN 26 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Le produit est gal la fonction au point , soit .
.
est le poids de limpulsion de Dirac.
Dans le cas o , .
Cette opration correspond chantillonner par une impulsion de Dirac.
4.6. Lintgrale de convolution
Equ(4.7)
est une somme continue de distributions de Dirac pondres et dcales .
Ce produit de convolution est galement not :
La mesure de Dirac joue le rle dunit pour le produit de convolution.
4.6.1. Quelques proprits
Ces proprits dcoulent directement de la thorie des distributions (Voir Les dis-
tributions au sens de L. Schwartz, page 3.)
Figure 4.8 : Produit dune fonction par un Dirac
t
f t ( )
0
t t
0
( ) d
t
0
f t
0
( )
f t ( ) t t
0
( ) d t
0
f t
0
( )
f t ( ) t t
0
( ) d f t
0
( ) t t
0
( ) d =
f t
0
( )
t
0
0 = f t ( ) t ( ) d f 0 ( ) t ( ) d =
f t ( )
f t ( ) f q ( ) t q ( ) d q d

+

=
f t ( )
f f*d =
f f*d *f d = =
f*d' d' *f=f' =
f*d
n ( )
d
n ( )
*f=f
n ( )
=
f*g ( )' f*g*d' f*g' f' *g = = =
t t ( )*f d f t t ( ) =
P. NAYMAN 27 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
4.7. Le peigne de Dirac
Dveloppons la distribution en srie de Fourier :
et en prenant la transforme de Fourier du deuxime membre :
Equ(4.8)
Le signe : indique que les fonctions x et y sont transformes de Fourier lune
de lautre.
4.8. Lchelon unit de Heaviside
Equ(4.9)
Cette proprit est dmontre dans les paragraphes 4.13. et 9.2.
4.9. La symtrie
Sachant que il est intressant de connatre la transforme de
Fourier de
avec
correspond un produit de convolution discret.
P
T
t ( ) t kT ( ) d
k =
+

=
P
T
t ( )
P
T
t ( ) A
k
e
i2pknt
k =
+

= n
1
T
--- =
A
k
1
T
--- P
T
t ( )e
i2pkt T
t d
T 2
T 2

=
A
k
1
T
--- t kT ( ) d
k =
+

e
i2pkt T
t d
T 2
T 2

=
t kT ( ) d
k =
+

e
i2pkt T
A
k
1
T
--- t ( ) d t d
T 2
T 2

1
T
--- = =
P
T
t ( ) t kT ( ) d
k =
+

1
T
--- e
i2pkt T
k =
+

= =
t kT ( ) d

+

1
T
--- n
k
T
---


d

+

x y
u

n ( )
1
2
--- d n ( )
1
ip
-----vp
1
n
---


+


=
x t ( ) x

n ( ) X n ( ) =
X t ( )
P. NAYMAN 28 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
De lquation 4.1 :
en faisant un double changement de variables : :
et dans ce cas :
Equ(4.10)
4.10. Quelques transformes de Fourier de base
4.10.1. Exemple 1 : Calcul de la transforme de Fourier de
1 Equ(4.11)
Equ(4.12)
multiplication par une constante
Equ(4.13)
dilatation/contraction du temps Equ(4.14)
Equ(4.15)
Equ(4.16)
Equ(4.17)
Equ(4.18)
Equ(4.19)
Equ(4.20)
Equ(4.21)
Equ(4.22)
Equ(4.23)
Equ(4.24)
x t ( ) X n ( )e
2pint
n d

+

= t n
x n ( ) X t ( )e
2pint
n d

+

=
x n ( ) X t ( )e
2 pint
n d

+

=
X t ( ) x n ( )
t ( ) d
x t ( )

x

n ( )
kx t ( )

kx

n ( )
x at ( )
1
a
-----x

n
a
---


x
1
t ( ) x
2
t ( ) +
x

1
n ( ) x

2
n ( ) +
x t t
0
( )

x

n ( )e
2pint
0

x t ( )e
i2pn
0
t
x

n n
0
( )
t
n
n
d
d
x t ( ) [ ]

2pin ( )
n
x

n ( )
2 pit ( )
n
x t ( )

n
n
n
d
d
x

n ( ) [ ]
x t ( ) y t ( ) x

n u ( )y

u ( ) u d

+

n ( )*y

n ( ) =
x t ( )*y t ( )

x

n ( ) y

n ( )
t kT ( ) d
k =
+


1
T
--- n
k
T
---


d
k =
+

x
*
t ( )
x
*
n ( )
x t ( )

x

n ( )
2pn
0
t cos
P. NAYMAN 29 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
et de
En utilisant lquation 4.17 avec et lquation 4.11 on obtient :
et :
Equ(4.25)
de mme :
Equ(4.26)
4.10.2. Exemple 2 : Calcul de la transforme de Fourier de la fonc-
tion triangle , reprsente par la figure 4.9.
Pour simplifier le calcul, drivons la fonction triangle (figure 4.10).
Figure 4.9 : Fonction triangle
Figure 4.10: Drive de la fonction triangle
Rappel :
En utilisant, lquation 4.14 :
2pn
0
t sin
2pn
0
t cos
e
i2pn
0
t
e
i 2pn
0
t
+
2
--------------------------------------- =
x t ( ) 1 =
e
i2pn
0
t
n n
0
( ) d
2pn
0
t cos
1
2
--- n n
0
( ) d n n
0
+ ( ) d + [ ]
2pn
0
t sin
1
2i
----- n n
0
+ ( ) d n n
0
( ) d [ ]
A Tri
t
T 2
----------



-T/2 +T/2
A
t
-T/2
+T/2
2A/T
t
rect
t
T
---


T sinc nT ( )
P. NAYMAN 30 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
4.10.3. Exemple 3 : Transforme de Fourier de la fonction cosinus
tronque.
Considrons la fonction " cosinus tronque " reprsente par la figure 4.11 et calcu-
lons sa transforme de Fourier.
La fonction peut scrire sous la forme :
A laide de lquation 4.18 :
Equ(4.27)
Figure 4.11 : fonction cosinus tronque
et en dveloppant le cosinus sous la forme exponentielle :
Comme :
En utilisant lquation 4.17, il vient immdiatement :
2A
T
-------rect
t
T 2
----------


2A
T
-------
T
2
--- sinc n
T
2
---


A sinc n
T
2
---


=
t d
d
Tri
t
T 2
----------


A sinc n
T
2
---


e
2pinT 4
A sinc n
T
2
---


e
2 pinT 4

t d
d
Tri
t
T 2
----------


2i A sinc n
T
2
---


sinpn
T
2
---
Tri
t
T 2
----------


T
2
--- A sinc n
T
2
---




2

t
1
-1
t
2
---
t
2
-- -
x t ( )
x t ( )
x t ( ) Rect
t
t
--


2pn
0
t cos =
x t ( )
1
2
-- -Rect
t
t
--


e
2pin
0
t

1
2
---Rect
t
t
--


e
2 pin
0
t
+ =
rect
t
T
---


T sinc nT ( )
P. NAYMAN 31 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
4.10.4. Exemple 4 : fonction cosinus module par un triangle
La fonction peut scrire sous la forme :
4.11. Le thorme de Parseval
Equ(4.28)
Lnergie dun signal ne dpend pas de son mode de reprsentation.
Figure 4.12 : fonction cosinus module par un triangle
et en dveloppant le cosinus sous la forme exponentielle :
Daprs Voir Exemple 2 : Calcul de la transforme de Fourier de la fonction triangle ,
reprsente par la figure 4.9., page 29. :
En utilisant lquation 4.17, il vient immdiatement :
x

n ( )
t
2
-- - sinc n n
0
+ ( )t ( ) sinc n n
0
( )t ( ) + ( ) =
x t ( )
t T 2
+T 2
1
1
x t ( )
x t ( ) Tri
t
T 2
----------


2pn
0
t cos =
x t ( )
1
2
---Tri
t
T 2
----------


e
2pin
0
t

1
2
---Tri
t
T 2
----------


e
2 pin
0
t
+ =
Tri
t
T 2
----------


T 2 sinc n
T
2
---




2

x

n ( )
T
4
--- sinc
2
n n
0
+ ( )T ( ) sinc
2
n n
0
( )T ( ) + ( ) =
x t ( )
2
t d

+

n ( )
2
n d

+

=
P. NAYMAN 32 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Dmonstration :
daprs lquation 4.21, en remplaant par , on obtient :
et si lon choisit , il vient :
4.12. Cas des signaux priodiques
Soit un signal non rptitif et le signal priodique labor partir de
.
o reprsente le peigne de Dirac (Voir Le peigne de Dirac,
page 27.).
A laide de lquation 4.22, prenons la transforme de Fourier des deux membres :
Equ(4.29)
reprsente lenveloppe spectrale des raies du peigne de Dirac.
Equ(4.30)
est lenveloppe spectrale du signal .
Par exemple, si lon considre : , Voir Exemple 2, page 23. :
La fonction reprsente lenveloppe spectrale de .
pour t=0 :
y t ( ) y
*
t ( )
x t ( )
*
y
*
t ( ) x

n ( ) y
*
n ( )
x t ( )y
*
t t ( ) t d

+

n ( )y
*
n ( )e
2pint
n d

+

=
x t ( )y
*
t ( ) t d

+

n ( )y
*
n ( ) n d

+

=
x t ( ) y t ( ) =
x t ( )
2
t d

+

n ( )
2
n d

+

=
x t ( ) x
T
t ( )
x t ( )
x
T
t ( ) x t ( )*P
T
= P
T
x

T
n ( )
1
T
--- x

n ( ) P n ( ) =
x

T
n ( )
1
T
--- x

n ( ) n
k
T
---


d
k =
+

=
1
T
--- x

n ( )
x

e
1
T
--- x

n ( ) =
x

e
n ( ) x t ( )
x t ( ) A Rect
t
t
--


=
x

n ( )
A t
T
---------- sinc t n ( ) P n ( ) =
x

n ( )
A t
T
----------
k =
+

sinc t n ( ) n
k
T
---


d =
A t
T
---------- sinc t n ( ) x

T
n ( )
P. NAYMAN 33 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
4.12.1. Exemple : Calcul de lenveloppe spectrale dun train trap-
zodal
On cherche calculer lenveloppe spectrale du signal reprsent par la figure 4.14.
Le signal tant rptitif, on a affaire un spectre de raies. Pour trouver lenveloppe
spectrale, il faut calculer la transforme de Fourier du trapze de base entre .
Le principe de calcul est de calculer la transforme de Fourier de la drive du si-
gnal puis dappliquer lquation 4.18.
Figure 4.13 : Signal dhorloge et sa densit spectrale
Figure 4.14 : Signal trapzodal
x

n ( )
n
t
x
T
t ( )
T +T
t
2
-- - +
t
2
-- -
1
T
---
1
t
---
A
t
x
T
t ( )
T
A
tm
T/2
-T/2 +T/2 , [ ]
x
T
t ( )
P. NAYMAN 34 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
La drive du signal est compos de deux signaux.
Figure 4.15 : Signal trapzodal et sa drive
Daprs :Voir Les fonctions Rect et Tri, page 21. :
comme : et en utilisant lquation 4.16 :
A laide de lquation 4.18 :
t
x
T
t ( )
A
tm
A
tm
------
t
1
2
x
T
t ( )
x'
T
t ( ) x
1
t ( ) x
2
t ( ) + =
x
1
t ( )
A
tm
------Rect
t T 4 +
tm
------------------


=
x
2
t ( )
A
tm
------


Rect
t T 4
tm
------------------


=
Rect
t
tm
------


tm sinc ntm ( )
x
1
t ( )
A
tm
------ tm sinc ntm ( ) e
2pin
T
4
---

x
2
t ( )
A
tm
------ tm sinc ntm ( ) e
2 pin
T
4
---

x'
T
t ( ) A sinc ntm ( ) e
pin
T
2
---
e
p in
T
2
---





x'
T
t ( ) 2i A sinc ntm ( ) pn
T
2
--- sin
P. NAYMAN 35 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
4.12.2. Estimation des harmoniques dun train trapzodal
Il est possible, partir de lquation 4.32, destimer les valeurs des harmoniques
dun train trapzodal.
Considrons dans un premier temps, la transforme de Fourier unilatrale du signal.
Considrons 2 cas, en tenant compte que lenveloppe est dfinie pour les maxima
des lobes, cest dire quand :
Equ(4.31)
Finalement en utilisant lquation 4.30 :
Equ(4.32)
avec la transforme de Fourier bilatrale de donne par
lquation 4.32.
Explicitons les 2 sinus cardinaux :
Posons o n est lindice de lharmonique considre.
On peut remarquer que et que les 2 sinus cardinaux varient de manire trs diffren-
tes, possde un lobe principal trs large. Dautre part, si lon reprsente
dans un repre log-log, (On peut exprimer en dcibels (Voir Les dcibels,
page 323.).) on trouve que lenveloppe est dfinie par deux segments de droite (figure 4.16).
x

T
n ( ) A sinc ntm ( )
pn
T
2
--- sin
pn
------------------ =
x

T
n ( ) A
T
2
--- sinc ntm ( ) sinc n
T
2
---


=
x

e
n ( )
A
2
--- sinc ntm ( ) sinc n
T
2
---


=
x

u
n ( ) 2 x

e
n ( ) = x

e
n ( ) x
T
t ( )
x

u
n ( ) A sinc ntm ( ) sinc n
T
2
---


=
x

u
n ( ) A
sin pntm ( )
pntm
-------------------------
sin pn
T
2
---


pn
T
2
---
----------------------- =
n
n
T
--- =
x

u
n ( ) A
sin p tm
n
T
---


p tm
n
T
---
-----------------------------------
sin
1
2
-- - p n


1
2
-- - p n
------------------------------- =
T tm
sin
1
2
--- p n


1
2
--- p n
------------------------------- x

u
n ( )
x

u
n ( )
x ( ) sin 1 =
P. NAYMAN 36 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
, et
droite de pente 20 dB par dcade.
pour le fondamental, et , . Soit :
Equ(4.33)
, et
droite de pente 40 dB par dcade.
Le point charnire entre les deux droites apparat pour soit :
, on en dduit que :
Equ(4.34)
Comme la droite (-20 dB/dcade) est dquation , on trouve facile-
ment que pour , soit :
Equ(4.35)
Figure 4.16 : Spectre des harmoniques
n n
T
<
sin p tm
n
T
---


p tm
n
T
---
----------------------------------- 1 sin
1
2
--- p n


1 =
H
1
n ( ) 20 x

u
n ( ) ( ) log 20
2A
pn
------- log = =
n 1 = n
1
1
T
--- = H
1
n ( ) 20 x

u
n ( ) ( ) log 20
2A
p
------- log = =
V
1
2A
p
------ - =
n n
T
> sin p tm
n
T
---


1 = sin
1
2
--- p n


1 =
H
2
n ( ) 20 x

u
n ( ) ( ) log 20
2AT
p
2
n
2
tm
------------------ log = =
H
1
n ( ) H
2
n ( ) =
2A
pn
-------
2AT
p
2
n
2
tm
------------------ =
n
T
n
T
---
1
ptm
--------- - = =
V
n
2A
np
------ -
V
1
n
------ = =
n
T
n
T
--- = n T n
T
=
V
T
2Atm
T
------------- =
n log
V
1
2A
p
------- =
n
T
1
ptm
--------- - =
-20dB/dcade
-40dB/dcade
20 V log
n
1
1
T
--- =
V
T
2Atm
T
------------- =
fondamental
0
P. NAYMAN 37 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
Dans la zone -40 dB/dcade, lamplitude des harmoniques est donne par ,
et
soit :
Equ(4.36)
Par exemple, considrons une horloge ayant les caractristiques suivantes :
(fondamental)


Calculons les amplitudes des harmoniques 5 (125 MHz) et 9 (225 MHz).
Amplitude du fondamental (daprs (4.33)) :
Amplitude de lharmonique 5 :
Frquence de coupure :
Amplitude pour :
Amplitude de lharmonique 9 (225 MHz) : Cette harmonique se trouve dans la zone
de pente -40 dB/dcade ( ). Lamplitude des harmoniques est donne
par lquation 4.36 :
4.13. Cas des fonctions qui nappartiennent pas
Si appartient lensemble alors . Dans ce cas admet
une transforme de Fourier que lon peut calculer par les mthodes classiques. De plus,
on suppose intgrable : . Si ces conditions ne sont pas vrifies, les
diffrentes proprits ne sont pas obligatoirement valides bien quil puisse exister une
transforme de Fourier. Par exemple, lquation 4.18 de drivabilit nest plus adapte.
Considrons la fonction chelon de Heaviside dnergie infinie. Calculons sa
transforme de Fourier :
Comme , en identifiant :
H
2
n ( )
V
2AT
p
2
n
2
tm
------------------ V
T
T
2
p
2
tm
2
n
2

----------------------------- = =
V
V
T
n
n
T
-----


2
-------------- =
n 25MHz =
A 3 14V , =
tm 2ns =
V
1
2
p
--- 3 14 , 2V = =
V
4
V
1
5
------ 0 4V , = =
n
T
n
T
1
ptm
--------- -
1
p 2
---------- 160MHz = = =
n n
T
= V
T
2Atm
T
-------------
2 3 14 2 ,
40
-------------------------- - 0 314V , = = =
225MHz 160MHz >
V
8
V
T
225
160
---------


2
----------------- 0 314
1
2
-- - , 0 16V , = = =
L
2
f t ( ) L
2
f t ( )
2
t < d
-
+

f t ( )
f t ( ) f t ( ) t < d
-
+

u t ( )
u' t ( ) 2pin u

n ( )
u' t ( ) t ( ) 1 d =
P. NAYMAN 38 TRANSFORMATION DE FOURIER
TRAITEMENT DU SIGNAL
DEA MIP
La dmonstration prcdente est base sur les proprits de la transforme de Fou-
rier de la drive dune fonction, mais deux fonctions qui diffrent dune constante pos-
sde la mme drive. Cest le cas des fonctions et .
Pour tre conforme avec les conditions requises et lever cette ambigut, il est n-
cessaire de faire apparatre des proprits de symtrie. Considrons comme tant la
somme dune fonction paire et dune fonction impaire .
Cette quation est conforme avec le rsultat donn par (4.9) et (9.12).
ce qui est faux !
par dfinition et
on en dduit facilement :
Equ(4.37)
Equ(4.38)
Pour la fonction , il est naturel de poser :
et
.
avec
On peut trouver partir de la drive de .
et finalement :
1 2pin u

n ( ) =
u

n ( )
1
2pin
------------ =
2u t ( ) sgn t ( )
u t ( )
u
p
t ( ) u
i
t ( )
x t ( ) x
p
t ( ) x
i
t ( ) + =
x
p
t ( ) x
p
t ( ) = x
i
t ( ) x
i
t ( ) =
x
p
t ( )
1
2
-- - x t ( ) x t ( ) + ( ) =
x
i
t ( )
1
2
--- x t ( ) x t ( ) ( ) =
u t ( )
u
i
t ( ) u t ( )
1
2
--- =
u
p
t ( )
1
2
--- =
u

n ( ) u

p
n ( ) u

i
n ( ) + =
u

p
n ( )
1
2
--- n ( ) d =
u

i
n ( ) u
i
t ( )
u'
i
t ( ) t ( ) d =
u'

i
n ( ) 1 =
u

i
n ( )
1
2ipn
------------ =
u

n ( )
1
2
--- n ( )
1
ipn
-------- + d


=
P. NAYMAN 39 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
5. LE FILTRAGE (LES FILTRES LINAIRES)
Un filtre linaire transforme linairement une fonction en une fonction .
5.1. La transformation est linaire
5.2. La transformation est homogne dans le temps
Exemple 1 :
est un filtre linaire.
Exemple 2 : La figure 5.1 reprsente un filtre.
Cette opration nest pas homogne dans le temps. Ce nest donc pas un filtre linai-
re.
Si :
Alors :
Si :
Alors :
Figure 5.1 : Exemple de transformation
x t ( ) y t ( )
x t ( ) y t ( )
x
1
t ( ) y
1
t ( )
x
2
t ( ) y
2
t ( )
l
1
x
1
t ( ) l
2
x
2
t ( ) + l
1
y
1
t ( ) l
2
y
2
t ( ) +
x t ( ) y t ( )
x t t + ( ) y t t + ( )
y t ( ) A x t ( ) =
y t x t t ( ) ( )cos = w
coswt
x t ( )
a
1
x
1
t ( ) a
2
x
2
t ( ) + a
1
y
1
t ( ) a
2
y
2
t ( ) + a
1
x
1
t ( ) a
2
x
2
t ( ) + [ ] wt cos =
x t t + ( ) x t t + ( ) wt y t t + ( ) cos
P. NAYMAN 40 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
5.3. Proprits
5.3.1. On peut caractriser un filtre F par sa rponse impulsion-
nelle R(t)
La rponse impulsionnelle dun filtre est sa rponse une impulsion de Dirac .
Si lon note la rponse impulsionnelle du filtre F, alors :
Equ(5.1)
5.3.2. Le gain du filtre
est le gain du filtre, cest la transforme de Fourier de la rponse impulsion-
nelle du filtre.
Equ(5.2)
5.3.3. Les fonctions propres des filtres linaires
Les exponentielles complexes sont les fonctions propres des filtres linaires. Si le
filtre est un oprateur linaire L alors (figure 5.2) :
t ( ) d
R t ( )
y t ( ) R t q ( )x q ( ) q d

+

=
t ( ) d R t ( )
t q ( ) d R t q ( )
x q ( ) t q ( ) d x q ( )R t q ( )
Dx qn ( ) t qn ( ) d Dx qn ( )R t qn ( )
x qn ( ) t qn ( )D d
n =
+

x
n =
+

qn ( )R t qn ( )D
D dq 0
x qn ( ) t qn ( ) d q d

+

x qn ( )R t qn ( ) q d

+

x t ( ) y t ( )
G n ( )
x t ( ) y t ( ) R t ( )
*
x t ( ) =
x

n ( ) y

n ( ) G n ( ) x

n ( ) =
G n ( )
G n ( ) R t ( )e
2pint
t d

+

=
P. NAYMAN 41 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
est la fonction propre du filtre.
est la valeur propre associe.
Equ(5.3)
5.3.4. Exemples
5.3.4.1 Filtre passe bas idal (figure 5.3)
Figure 5.2 : Fonction propre dun filtre linaire
Figure 5.3 : Filtre passe bas idal
L j t ( ) lj t ( )
j t ( )
l
e
2pint
e
2pint
G n ( )
y t ( ) x t ( )
*
R t ( ) R t ( )x t t ( ) t d

+

= =
x t ( ) e
2pint
=
y t ( ) R t ( )e
2pin t t ( )
t d

+

=
y t ( ) G n ( ) e
2pint
=
G n ( ) 1 = si n n
0

G n ( ) 0 = si n n
0
>
n
T
n
0
P. NAYMAN 42 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
5.3.4.2 Filtre passe haut idal (figure 5.4)
5.3.4.3 Filtre passe bande idal (figure 5.5)
5.3.4.4 Rponse dun filtre une impulsion rectangulaire
Connaissant la rponse impulsionnelle dun filtre linaire, on cherche la rponse du
filtre quand une impulsion rectangulaire est applique son entre. La figure 5.6 montre
les diffrentes tapes de la mthode.
Figure 5.4 : Filtre passe haut idal
Figure 5.5 : Filtre passe bande idal
G n ( ) 0 = si n n
0

G n ( ) 1 = si n n
0
>
n n
0
G n ( )
G n ( ) 1 = si n
01
n n
02

G n ( ) 0 = sinon
n n
01
G n ( )
n
02
P. NAYMAN 43 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
Courbe a
Rponse
impulsionnelle
Intgrale de la
courbe a.
Sortie du filtre :
Intgrale de R(t)
Figure 5.6 : Exemple de rponse dun filtre une impulsion rectangulaire
t
t ( ) d
t ( ) d
R t ( ) f t ( ) g t ( ) + =
t ( ) d f t ( )
t ( ) g t ( ) d
P. NAYMAN 44 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
5.3.4.5 Effet de la suppression de composantes basses fr-
quences sur un signal rectangulaire (figure 5.7).
La suppression des composantes basses frquences dun signal correspond au pas-
sage du signal dans un filtre passe bande A (voir la figure 5.7, ligne 1). La coupure sup-
rieure en frquence est uniquement une limite physique. On peut analyser le
comportement dun tel filtre en remarquant quil peut tre mathmatiquement obtenu en
soustrayant la rponse du filtre C celle du filtre B. La figure 5.7 montre le comportement
du filtre A pour des signaux troits puis pour signaux plus larges.
Supprimer les composantes basses frquences dun signal correspond une diff-
rentiation de ce signal selon une certaine constante de temps.
5.3.4.6 Exemple : lintgrateur
On considre un filtre F linaire de type passe bas (intgrateur) reprsent par la fi-
gure 5.8. On dsire connatre son gain et sa rponse impulsionnelle.
Figure 5.7 : Suppression de composantes B.F.
( ) G n ( ) G n ( ) G n
n n
n
t
t
t
t
A =
B - C
Signaux en
entre
Signaux en
sortie de B
Signaux en
sortie de C
Signaux en
sortie de A
Z
c
1
iCw
---------- =
w 2pn =
G n ( )
V
2
V
1
------
1
iCw
----------
1
iCw
---------- R +
--------------------
1
1 iRCw +
----------------------- = = =
P. NAYMAN 45 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
Equ(5.4)
En intgrant par la mthode des rsidus, on trouve :
Les figure 5.9 et figure 5.10 montrent respectivement lallure du gain et de la rpon-
se impulsionnelle du filtre passe bas.
Figure 5.8 : filtre passe bas du premier ordre
Figure 5.9 : Rponse en frquence du filtre passe bas
Figure 5.10 : Rponse impulsionnelle du filtre passe bas
G n ( )
1
1 iRC2pn +
----------------------------- =
G n ( )
2 1
1 R
2
C
2
4p
2
n
2
+
------------------------------------- =
R
C
V
1
V
2
R t ( ) G n ( )e
2pint
n d

+

=
R t ( )
1
1 iRC2pn +
-----------------------------e
2pint
n d

+

=
R t ( )
1
RC
--------e
t
RC
--------
=
n
G n ( )
2
1 2pRC ( ) 1 2pRC ( )
1
1 2
t
R t ( )
0
1 RC ( )
P. NAYMAN 46 LE FILTRAGE (LES FILTRES LINAIRES)
TRAITEMENT DU SIGNAL
DEA MIP
5.3.4.7 Exemple : linarit dun filtre passe bande
Soit F un filtre linaire reprsent par la figure 5.11 et tel que :
Montrons que F ne dforme pas les signaux dans la bande considre :
Comme la transforme de Fourier de lexponentielle est on en
dduit que :
Figure 5.11 : filtre passe bande (2B)
G n ( ) G n ( ) e
ij n ( )
=
G n ( )
1 si f
c
n B
0 sinon

=
j n ( ) 2pan pour la phase =
n f
c
B
G n ( )
f
c
B +
f
c
2B
x

n ( ) y

n ( ) G n ( ) x

n ( ) =
y

n ( ) x

n ( ) G n ( ) e
ij n ( )
=
y

n ( ) x

n ( ) G n ( ) e
i2pan
=
y

n ( )
x

n ( ) e
i2pan
si f
c
n B
0 sinon

=
y

n ( ) x

n ( ) e
i2pan
=
e
i2pan
t a + ( ) d
y t ( ) x t ( )
*
d t a + ( ) avec a 0 < =
P. NAYMAN 47
TRAITEMENT DU SIGNAL
DEA MIP
THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)
6. THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)
Un signal physique de type analogique a son amplitude qui varie continment en
fonction du temps. Echantillonner un signal analogique consiste prlever des chan-
tillons des instants kTe (cas de lchantillonnage rgulier).
La quantification consiste associer une suite binaire chaque chantillon.
Lchantillonnage et la quantification sont des oprations effectues lors de la Conversion
Analogique Numrique (CAN).
La problmatique de la thorie de lchantillonnage est de connatre les conditions
ncessaires pour reconstituer correctement le signal partir de ses chantillons.
Considrons dont la transforme de Fourier est .
est nulle en dehors de comme le montre la figure 6.1.
Si lon connat les chantillons :
On peut reconstituer le signal :
Equ(6.1)
avec :
Equ(6.2)
La figure 6.2 illustre le principe de lchantillonnage dune fonction par des
fonctions .
Figure 6.1 : Bande passante dun signal
x t ( ) x

n ( )
x t ( ) x

n ( )
n
x

n ( )
B
+B
x

n ( ) B +B [ , ]
x 0 ( ),x
1
2B
-------


,x
k
2B
-------


,
x t ( )
x t ( ) x
k
2B
-------


Y
k
t ( )
k =
+

=
Y
k
t ( )
2pB t
k
2B
-------


sin
2pB t
k
2B
-------


-------------------------------------------- =
x t ( )
Y
k
t ( )
P. NAYMAN 48
TRAITEMENT DU SIGNAL
DEA MIP
THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)
Dmonstration :
Equ(6.3)
Si lon choisit
Equ(6.4)
En comparant lquation 6.3 et quation 6.4 :
Figure 6.2 : Principe de lchantillonnage
par dfinition et daprs (3.1) :
et
x(t)
x t ( ) C
k
e
ikWt
k =
+

=
C
k
1
T
--- x t ( )e
ikWt
t d
T 2
+T 2

=
W
2p
T
------ = T
1
2B
------- =
x

n ( ) C
k
e
i2pk
2B
-----------n
k =
+

=
C
k
1
2B
------- x

n ( )e
2pink
2B
------------------
n d
B
+B

=
x t ( ) x

n ( )e
2pin
k
2B
-------
n d
B
+B

=
t
k
2B
------- =
x
k
2B
-------


x

n ( )e
2pin
k
2B
-------
n d
B
+B

=
C
k
1
2B
-------x
k
2B
-------


=
P. NAYMAN 49
TRAITEMENT DU SIGNAL
DEA MIP
THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)
Considrons la fentre telle que :
On ne modifie pas en multipliant son expression par .
6.1. Consquence de lchantillonnage
Le signal chantillonn peut tre dfini comme un produit de convolution discret :
et laide de (4.16) :
En introduisant lquation 6.2, on obtient :
x

n ( ) C
k
e
i2pk
2B
-----------n
k =
+

=
x

n ( )
1
2B
-------x
k
2B
-------


e
i2pk
2B
-----------n
k =
+

=
rect n ( )
rect n ( )
1 si n B
0 si n B >

=
x

n ( ) rect n ( )
x

n ( )
1
2B
-------x
k
2B
-------


e
i2pk
2B
-----------n
rect n ( )
k =
+

=
rect n ( ) 2B
2pBt sin
2pBt
--------------------
e
i2p
k
2B
-------n
rect n ( ) 2B
2pB t
k
2B
-------


sin
2pB t
k
2B
-------


---------------------------------------
x t ( )
1
2B
-------x
k
2B
-------


2
k =
+

B
2pB t
k
2B
-------


sin
2pB t
k
2B
-------


--------------------------------------- =
x t ( ) x
k
2B
-------


k =
+

2pB t
k
2B
-------


sin
2pB t
k
2B
-------


--------------------------------------- =
x t ( ) x
k
2B
-------


Y
k
t ( )
k =
+

=
P. NAYMAN 50
TRAITEMENT DU SIGNAL
DEA MIP
THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)
On remarquera que :
En utilisant lquation 4.22, prenons la transforme de Fourier des deux membres :
Equ(6.5)
Lquation 6.5 montre que :
Echantillonner dans lespace temps revient priodiser dans lespace frquence.
Le terme correspond lenveloppe spectrale du spectre en frquence du
signal chantillonn.
Deux cas sont possibles :
Si il y a sous-chantillonnage avec un recouvrement de spectre. Ce
phnomne est galement appel repliement spectral ou encore aliasing.
Un signal sous-chantillonn apparatra comme ayant une frquence infrieure la ra-
lit.
Si lchantillonnage du signal est correct et autorisera une interprta-
tion cohrente des rsultats. Il ny a pas de recouvrement de spectre.
La figure 6.3 illustre ces deux cas.
x
e
t ( ) x kT
e
( ) t kT
e
( ) d
k =
+

=
x t ( ) t a ( ) d x a ( ) t a ( ) d =
x t ( ) t kT ( ) d
k =
+

x kT ( ) t kT ( ) d
k =
+

=
x
e
t ( ) x t ( ) t kT
e
( ) d
k =
+

=
x

e
n ( )
1
Te
------ x

n ( )
*
n
k
T
---
e



d
k =
+

=
1
Te
------ x

n ( )
n
e
2B <
n
e
2B
P. NAYMAN 51
TRAITEMENT DU SIGNAL
DEA MIP
THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)
Afin de reconstruire partir de , il est ncessaire de faire passer
dans un filtre passe bas idal (figure 6.4). Cette opration permet de ne conserver que le
lobe principal de .
On utilise un filtre dont la fonction de transfert est : , T tant
la priode dchantillonnage ( ). La transforme de Fourier de est la rpon-
se impulsionnelle du filtre passe-bas idal. En tenant compte de lexemple (4.10.1.),
il vient immdiatement que :
Figure 6.3 : Priodisation du spectre par chantillonnage
Figure 6.4 : filtre passe bas idal
n
n
n
x

n ( )
x
e

n ( )
x
e

n ( )
B +B
+B
n
e
+2B
n
e
2 n
e
n
e
2B <
n
e
2B >
x t ( ) x
e
t ( ) x
e
t ( )
x
e
t ( )
G n ( ) T Rect
n
n
e
-----


=
T
1
n
e
----- = G n ( )
h t ( )
h t ( ) sinc
t
T
---


=
G n ( )
n
1 2T ( ) + 1 2T ( ) ( )
n
e
lobe principal conserv
T
P. NAYMAN 52
TRAITEMENT DU SIGNAL
DEA MIP
THORME DE LCHANTILLONNAGE
(SHANNON/NYQUIST)
6.1.1. Exemple
On considre le signal , afin dviter un repliement spectral, il
est ncessaire dchantillonner ce signal analogique de frquence 50Hz une frquence
minimale de 100Hz. Si lon chantillonne le signal une frquence de 75Hz : les instants
de lchantillonnage seront :
donc : implique que 25Hz et 50Hz chantillonnes 75Hz auront les
mmes chantillons.
La figure 6.5 montre que les chantillons des cosinusodes 25Hz et 50Hz sont
identiques, lorsque la frquence dchantillonnage est de 75Hz.
Figure 6.5 : Consquence du sous-chantillonnage
x t ( ) 5 100pt cos =
t
n
n
75
------ =
x n ( ) 5 100p
n
75
------ cos =
x n ( ) 5 4p
n
3
--- cos 5
2p
3
------n cos = =
x n ( ) 5
2pn
n
e
----------n cos =
n n
e
1 3 =
1/75 2/75 3/75
50Hz
25Hz
P. NAYMAN 53
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
7. LES SIGNAUX ALATOIRES
(RAPPELS DE NOTIONS DE BASE EN STATISTIQUE)
Une fonction alatoire ou processus alatoire ou encore processus stochastique est
un phnomne qui dpend la fois du temps et du hasard.
Chaque vnement associe une valeur (ralisation) chaque couple (t,n) o t repr-
sente la date et n une situation.
Soit la variable alatoire et x la ralisation (souvent note pour simpli-
fier les notations).
On appelle fonction de rpartition F :
Equ(7.1)
On dfinit la densit de probabilit comme la drive de la fonction de
rpartition :
Equ(7.2)
reprsente la probabilit que X soit dans lintervalle .
Equ(7.3)
Par dfinition, la somme de toutes les probabilits est gale 1.
Equ(7.4)
Remarquons que pour une variable X continment variable, la probabilit pour que
est nulle. On considre plutt la probabilit de faon que
.
Exemple : la loi uniforme
Considrons une loi uniforme, la densit de probabilit est constante dans lin-
tervalle . Si lon tient compte de (7.4) :
La surface sous la courbe est gale 1.
Figure 7.1 : La loi uniforme
X t n , ( ) X t ( )
F x ( ) Prob X x < ( ) =
p
X
x ( )
p
X
x ( )dx dF
X
x ( ) =
p
X
x ( )dx x x dx + , [ ]
P
X
x x dx + , [ ] p
X
x ( )dx =
p x ( ) x d

+

1 =
X x = P
X
x x dx + , [ ]
x X x dx + <
p x ( )
a
2
---
+a
2
------- ,
P
X
a
2
---
a
2
--- +


1 =
P
X
1
a
--- =
p x ( )
x
a
2
---
+a
2
-------
1
a
---
S=1
P. NAYMAN 54
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
7.1. Les moments temporels, les relations de base
7.1.1. Moyenne temporelle
On appelle moyenne temporelle, la quantit :
Equ(7.5)
7.1.2. Auto-corrlation temporelle
On appelle fonction dauto-corrlation temporelle, la quantit :
Equ(7.6)
7.2. Les moments statistiques, les relations de base
7.2.1. Moyenne statistique
On appelle moyenne statistique, la quantit :
Equ(7.7)
est la densit de probabilit de la variable alatoire .
7.2.2. Moment dordre 2
On appelle moment dordre 2 de la variable alatoire :
Equ(7.8)
7.3. Fonction dauto-corrlation
On appelle fonction dauto-corrlation :
Equ(7.9)
est la densit de probabilit conjointe des deux variables alatoires
et .
7.4. Fonction dinter-corrlation
On appelle fonction dinter-corrlation de deux processus alatoires rels et
, lorsquelle existe, la quantit :
x t ( )
1
T
---
T
lim x t ( ) t d
T 2
+T/2

=
x t ( ) x t t + ( )
1
T
---
T
lim x t ( ) x t t + ( ) t d
T 2
+T/2

=
m
x
t ( ) E X t ( ) [ ] xp x t , ( ) x d
R

= =
p x t , ( ) X t ( )
X t ( )
E X
2
t ( ) [ ] x
2
p x t , ( ) x d
R

=
R
xx
t
1
t
2
, ( ) E X t
1
( ) X t
2
( ) [ ] x
1
x
2
p x
1
x
2
t
1
t
2
, ; , ( ) x
1
d x
2
d
R

= =
p x
1
x
2
t
1
t
2
, ; , ( )
X t
1
( ) X t
2
( )
X t
1
( )
Y t
2
( )
P. NAYMAN 55
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
Equ(7.10)
7.5. Stationnarit
Une fonction alatoire est stationnaire au sens strict si ses proprits statistiques
sont invariantes pour tout changement de lorigine des temps.
7.6. Suite alatoire stationnaire au second ordre
7.6.1. Proprits
est indpendant de n.
est indpendant de n.
est uniquement fonction de .
7.7. Processus alatoire stationnaire au second ordre
7.7.1. Proprits
est indpendant de t.
est indpendant de t.
est uniquement fonction de .
Si lon pose :
Equ(7.11)
Si au lieu de poser , on pose alors :
Equ(7.12)
On peut remarquer que pour , on obtient le momentdordre 2 :
Equ(7.13)
7.8. Relation entre convolution et corrlation
Il est possible de relier lintgrale de corrlation avec lintgrale de convolution :
Considrons la fonction dintercorrlation de 2 signaux :
R
xy
t
1
t
2
, [ ] E X t
1
( ) Y t
2
( ) [ ] =
F x
1
x
n
t
1
t
n
, ; , ( ) F x
1
x
n
t
1 t +
t
n t +
, ; , ( ) =
E X
n
( )
E X
n
2
( ) + <
R
xx
n
1
n
2
, ( ) E X n
1
( ) X
*
n
2
( ) [ ] = t n
1
n
2
=
E X t ( ) ( )
E X t ( )
2
( ) + <
R
xx
t
1
t
2
, ( ) E X t
1
( ) X
*
t
2
( ) [ ] = t t
1
t
2
=
t
2
t =
t
1
t t + =
R
xx
t
1
t
2
, ( ) R
xx
t t , ( ) E X t t + ( ) X
*
t ( ) [ ] = =
t
2
t = t
1
t =
R
xx
t t , ( ) E X t ( ) X
*
t t ( ) [ ] =
t 0 =
R
xx
t 0 , ( ) E X t ( )
2
[ ] s
t
2
= =
R
xy
t ( ) x
*
t ( ) y t t + ( ) t d

+

=
P. NAYMAN 56
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
en effectuant le changement de variable :
on peut alors crire sous la forme :
Equ(7.14)
et
Equ(7.15)
7.9. Relations entre fonctions de corrlation et de convolution
Considrons un systme linaire de rponse impulsionnelle et un processus
alatoire dentre stationnaire.
est la fonction dautocorrlation du processus dentre.
est la fonction dautocorrlation du processus de sortie.
est la fonction dintercorrlation entre le processus dentre et celui de sor-
tie.
Cherchons une relation du type .
(intgrale de convolution)
Puis en prenant la valeur moyenne des deux membres :
On peut remarquer que le terme : est une fonction de
corrlation dcale de la quantit : donc :
u t =
R
xy
t ( ) x
*
u ( ) y t u ( ) u d
+

x
*
u ( ) y t u ( ) u d

+

= =
R
xy
t ( )
R
xy
t ( ) x
*
t ( )
*
y t ( ) =
R
xx
t ( ) x
*
t ( )* x t ( ) =
h t ( )
R
xx
t ( )
R
yy
t ( )
R
xy
t ( )
R
yy
t ( ) f R
xy
t ( ) h t ( ) , ( ) =
R
yy
t ( ) E y
*
t ( )y t t + ( ) [ ] =
y
*
t ( ) x
*
t u ( )h
*
u ( ) u d

+

=
y
*
t ( )y t t + ( ) y t t + ( ) x
*
t u ( )h
*
u ( ) u d

+

=
y
*
t ( )y t t + ( ) y t t + ( )x
*
t u ( )h
*
u ( ) u d

+

=
E y
*
t ( )y t t + ( ) [ ] E y t t + ( )x
*
t u ( )h
*
u ( ) u d

+

=
E y
*
t ( )y t t + ( ) [ ] E y t t + ( )x
*
t u ( )h
*
u ( ) u d [ ]

+

=
E y
*
t ( )y t t + ( ) [ ] E y t t + ( )x
*
t u ( ) [ ]h
*
u ( ) u d

+

=
E y t t + ( )x
*
t u ( ) [ ]
t t + ( ) t u ( ) t u + =
E y t t + ( )x
*
t u ( ) [ ] R
xy
t u + ( ) =
P. NAYMAN 57
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
Equ(7.16)
Cherchons maintenant une relation du type : .
Equ(7.17)
7.10. Ergodicit
Lquation 7.7 explicite lesprance mathmatique E comme une moyenne den-
semble, soit lintgrale de toutes les valeurs de X pondres par la densit de probabilit
de la variable alatoire.
(intgrale de convolution)
do :
(intgrale de convolution)
Puis en prenant la valeur moyenne des deux membres :
On peut remarquer que le terme est une fonction de corrlation dcale
de la quantit : donc :
(intgrale de convolution)
do :
E y
*
t ( )y t t + ( ) [ ] R
xy
t u + ( )h
*
u ( ) u d

+

=
R
yy
t ( ) R
xy
t ( )*h
*
t ( ) =
R
xy
t ( ) f R
xx
t ( ) h t ( ) , ( ) =
R
xy
t ( ) E x
*
t ( )y t t + ( ) [ ] =
y t t + ( ) x

+

t t u + ( )h u ( )du =
x
*
t ( )y t t + ( ) x
*
t ( ) x

+

t t u + ( )h u ( )du =
x
*
t ( )y t t + ( ) x
*
t ( )x

+

t t u + ( )h u ( )du =
E x
*
t ( )y t t + ( ) [ ] E x
*
t ( )x

+

t t u + ( )h u ( )du =
E x
*
t ( )y t t + ( ) [ ] E x
*
t ( )x t t u + ( ) h u ( ) ( ) [ ]

+

du =
E x
*
t ( )y t t + ( ) [ ] E x
*
t ( )x t t u + ( ) [ ] h u ( ) ( )

+

du =
E x
*
t ( )x t t u + ( ) [ ]
t t + ( ) t u ( ) t u + =
E x
*
t ( )x t t u + ( ) [ ] R
xx
t u ( ) =
R
xy
t ( ) R
xx
t u ( )h u ( ) u d

+

=
R
xy
t ( ) R
xx
t ( )*h t ( ) =
P. NAYMAN 58
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
On peut essayer destimer la quantit ce qui suppose qu linstant lon
dispose de toutes les ralisations de la variable alatoire, malgr la difficult dune telle
exprience, on peut imaginer, par exemple, une batterie de n capteurs (figure 7.2).
Dans ce cas, une estimation de la moyenne densemble peut tre donne par la re-
lation suivante :
Gnralement, on ne dispose que dune ralisation de la variable alatoire et lon est
tent destimer la moyenne densemble par la moyenne temporelle
.
La fonction alatoire est ergodique lordre 1 (moyenne) si :
Un processus alatoire est ergodique lordre n, si les moyennes temporelles jus-
qu lordre n sont indpendantes du choix de la ralisation. De plus, si les rsultats obte-
nus partir des moyennes statistiques sont quivalents ceux obtenus partir des
moyennes temporelles, alors le processus est ergodique.
7.11. Le principe dincertitude
Considrons un signal rel que lon a normalis en nergie :
Equ(7.18)
On suppose une variation temporelle de lnergie de telle que :
Equ(7.19)
On suppose que t est la variable alatoire et la densit de probabilit.
est la variance de la variable alatoire .
Figure 7.2 : n preuves simultanes
E X t ( ) [ ] t
1
m
X
t ( )
1
n
--- x
p
t ( )
p 1 =
n

=
x t
i
( )
1
T
--- x t ( ) t d
ti
ti T +

=
x t
i
( )
T
lim m
X
= t
i
"
x
1
t ( )
x
2
t ( )
x
3
t ( )
x
4
t ( )
x
n
t ( )
t
i
t
t
t
t
t
T
x t ( )
x t ( )
2
t d

+

1 =
x t ( )
s
t
2
t
2
x
2
t ( ) t d

+

=
x
2
t ( )
s
t
2
x
2
t ( )
P. NAYMAN 59
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
De mme on peut considrer la variation frquentielle correspondante :
Equ(7.20)
On suppose que est la variable alatoire et la densit de probabilit.
est la variance de la variable alatoire .
Il est intressant dtablir la relation entre la dispersion temporelle et la dispersion
spectrale.
Reprenons la dfinition de lingalit de Schwartz :
finalement, en regroupant (7.23), (7.24) et (7.25) :
Equ(7.21)
Equ(7.22)
posons et . Et pour des signaux rels :
En intgrant par partie, il vient :
Si lon considre que les signaux tels que pour alors compte-tenu
de lquation 7.18 :
et
Equ(7.23)
En utilisant (4.28) et (4.19) :
et laide de (7.20) :
Equ(7.24)
et daprs (7.19) :
Equ(7.25)
s
n
2
n
2
x

2
n ( ) n d

+

=
n x

2
n ( )
s
n
2
x

2
n ( )
a b
*
, ( )
2
a a
*
, ( ) b b
*
, ( )
a t ( ) b
*
t ( ) t d

+

2
a t ( )
2
t b t ( )
2
t d

+

d

+

a t ( ) x t ( ) = b t ( ) t x t ( ) =
x t ( ) t x t ( ) t d

+

2
x t ( )
2
t t x t ( )
2
t d

+

d

+

x t ( ) t x t ( ) t d

+

2
t
2
--- x
2
t ( ) ( ) t d

+

2
=
t
2
--- x
2
t ( ) ( ) t d

+

1
2
---t x t ( )
2

+

1
2
--- x t ( )
2
t d

+

=
1
2
---t x t ( )
2
0 = t
t
2
--- x
2
t ( ) ( ) t d

+

1
2
--- =
x t ( ) t x t ( ) t d

+

2
1
4
--- =
x t ( )
2
t d

+

4p
2
n
2
x

n ( )
2
n d

+

=
x t ( )
2
t d

+

4p
2
s
n
2
=
t x t ( )
2
t d

+

s
t
2
=
P. NAYMAN 60
TRAITEMENT DU SIGNAL
DEA MIP
LES SIGNAUX ALATOIRES (RAPPELS DE
NOTIONS DE BASE EN STATISTIQUE)
soit
Equ(7.26)
Cette expression est appele relation dincertitude (Par analogie avec la fameuse re-
lation de Heisenberg).
Cette relation indique que lincertitude en frquence sera dautant plus grande que
la fluctuation temporelle est faible.
Lgalit dans la relation de Schwartz est atteinte pour , dans ce cas le
signal doit tre une gaussienne, cest un chirp de Gabor (le chirp est une sinusode
module linairement en frquence du type ).
7.11.1. La bote de Heisenberg
On peut reprsenter la localisation temps/frquence par un rectangle (de Heisen-
berg) dont les dimensions sont et (figure 7.3).
Figure 7.3 : La bote de Heisenberg
s
n
2
s
t
2 1
16p
2
------------
s
n
s
t
1
4p
------
a k b t ( ) =
x t ( )
a e
2pia t t
0
( )
2

s
t
s
n
n
t
t
0
n
0
s
t
s
n
S
1
4p
------
P. NAYMAN 61 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
8. PROPRITS SPECTRALES
La transforme de Fourier donne de bonnes indications sur la rpartition spectrale
dun signal dterministe. Par contre la transforme de Fourier dun signal alatoire est un
spectre alatoire. Un seul spectre nest pas suffisant pour rendre compte des proprits du
signal. Il est ncessaire dutiliser les proprits statistiques (moyenne, cart type, corrla-
tion) qui ont des caractristiques bien dfinies. On supposera par la suite que les signaux
sont stationnaires (Voir Stationnarit, page 55.) et ergodiques (Voir Ergodicit,
page 57.).
Pour analyser la rpartition spectrale des signaux alatoires, on introduit la notion
de densit spectrale (dnergie ou de puissance).
Selon que lon a affaire des signaux dnergie finie, on parlera de densit spectrale
dnergie ou de densit spectrale de puissance pour les signaux de puissance moyenne fi-
nie.(voir le chapitre 2.2.1. pour la dfinition de ces signaux).
8.1. Approche de la puissance, de lnergie et de la densit spectrale
dune ralisation particulire
Considrons le signal alatoire une ralisation particulire de et
une restriction de tel que :
pour et
sinon. Cette restriction permet de dfinir dans tous les cas une puissan-
ce moyenne de la ralisation .
Equ(8.1)
est une densit spectrale de puissance qui sexprime en ,
selon lunit de , ou encore en si lon considre que lon normalise les r-
sultats dans une rsistance de .
daprs la relation de Parseval :
est homogne une densit spectrale de puissance.
c
i
t ( ) c t ( ) c
iT
t ( )
c
i
t ( )
c
iT
t ( ) c
i
t ( ) =
T
2
--- t
T
2
---
c
iT
t ( ) 0 =
c
i
t ( )
P
iT
1
T
--- c
iT
t ( )
2
t d
T/2
+T/2

1
T
--- c
iT
t ( )
2
t d

+

= =
P
iT
1
T
--- c
iT
t ( )
2
t d

+

1
T
--- c
iT
n ( )
2
n d

+

= =
dP
iT
dn
-----------
c
iT
n ( )
2
T
--------------------- =
g
iT
n ( )
c
iT
n ( )
2
T
--------------------- =
g
iT
n ( ) V
2
Hz
1
A
2
Hz
1

c t ( ) W Hz
1

1W
P. NAYMAN 62 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
Lintgrale de sur toute la bande de frquence correspond la puissance
moyenne totale du signal particulier .
Equ(8.2)
Remarque :
Comme est homogne une densit spectrale de puissance, la
quantit :
Equ(8.3)
est homogne une densit spectrale dnergie.
Les notions, prcdentes, de puissance, dnergie et de densit spectrale ne sont si-
gnificatives que pour une ralisation particulire. Il est fondamental de tenir compte de
lensemble des ralisations de en prenant la valeur moyenne des densits spectrales
particulires :
Equ(8.4)
8.2. Energie et densit spectrale dans le cas gnral (thorme de Wie-
ner-Kinchine)
Les calculs prcdents sont bases sur une ralisation particulire de la variable
alatoire. On peut avoir une approche plus globale en considrant que lon utilise, pour
chaque ralisation, un filtrage particulier qui isole une variable alatoire. La densit spec-
trale dnergie est ensuite value en prenant la valeur quadratique moyenne de la sortie
du filtre.
Pour isoler une seule composante frquentielle, le filtre doit avoir une largeur
autour de la frquence particulire avec .
Soit :
Figure 8.1 : Principe de lvaluation de la densit spectrale
dP
iT
n ( )
c
i
t ( )
P
iT
g
iT
n ( ) n d

+

=
dP
iT
dn
-----------
c
iT
n ( )
2
T
--------------------- =
S
i
TdP
iT
dn
-------------- c
iT
n ( )
2
= =
c t ( )
g
T
n ( ) E
c
iT
n ( )
2
T
--------------------- =
x t ( )
E y t ( )
2
[ ]
y t ( )
S
y
n
0
( )
Filtrage
slectif
dn
n
0
dn 0
G n ( )
1
2
--- n n
0
+ ( ) n n
0
( ) d + d [ ] =
P. NAYMAN 63 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
La sortie du filtre
Rappels prliminaires :
Figure 8.2 : Filtrage dune composante frquentielle
La fonction dautocorrlation (7.11) permet dcrire :
Daprs (8.3) :
comme :
En prenant la transforme de Fourier des 2 membres :
Pour le filtre particulier choisi : en effet
A laide de lintgrale de convolution (4.7) :
n
G n ( )
n
0
n
0

1/2
y
0
t ( ) x t ( )
*
h t ( ) =
x t ( ) x

n ( )
x
*
t ( ) x
*

n ( )
x
*
t ( ) x
*

n ( )
R
x
t ( ) x t ( )
*
x
*
t ( ) x

n ( ) x
*
n ( ) x

n ( )
2
= =
R
y
0
0 ( ) E y
0
2
[ ] =
R
y
0
0 ( ) E y
0
2
[ ] S
y
n
0
( ) = =
E y
0
2
[ ] E y
0
t ( ) y
0
*
t ( ) [ ] y
0
t ( )
*
y
0
*
t ( ) = =
R
y
0
t ( ) y
0
t ( )
*
y
0
*
t ( ) x t ( )
*
h t ( )
*
x
*
t ( )*h t ( ) = =
R
x
t ( ) x t ( )
*
x
*
t ( ) =
R
y
0
t ( ) R
x
t ( )
*
h t ( )
*
h t ( ) =
TF R
y
0
t ( ) [ ] TF R
x
t ( ) [ ] G n ( ) G
*
n ( ) TF R
x
t ( ) [ ] G n ( )
2
= =
G n ( )
2
G n ( ) = G n ( ) 1 =
TF R
y
0
t ( ) [ ] TF R
x
t ( ) [ ] G n ( ) =
S
y
n
0
( ) TF R
x
t ( ) [ ] G n ( ) n d

+

TF R
x
t ( ) [ ]
1
2
--- n n
0
+ ( ) n n
0
( ) d + d [ ] n d

+

= =
P. NAYMAN 64 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(8.5)
La gnralisation de (8.5) est connue sous le nom thorme de Wiener-Kinchine.
Pour uniformiser les notations, appelons la densit spectrale (dnergie ou de
puissance) de .
La densit spectrale de , est dfinie comme tant la transforme de Fou-
rier de .
Equ(8.6)
Equ(8.7)
Equ(8.8)
Remarque :
Dans lquation 8.8, si lon choisit : , on obtient :
Equ(8.9)
reprsente lnergie de .
Considrons le filtre reprsent par la figure 8.3 :
Soit :
est la densit spectrale de .
est la densit spectrale de
Alors, et sont relies par la relation suivante :
Equ(8.10)
Figure 8.3 : Le filtre et ses principaux paramtres
avec laide de lquation 8.6
S
y
n
0
( ) TF R
x
t ( ) [ ]
n n
0
=
=
g n ( )
x t ( )
g n ( ) x t ( )
R t ( )
g n ( ) R t ( )
g n ( ) R t ( )e
2pint
t d

+

=
R t ( ) g n ( )e
2pint
n d

+

=
g n ( ) 0
t 0 =
R 0 ( ) g n ( ) n d

+

=
R 0 ( ) x t ( )
G n ( )
y t ( ) x t ( )
x

n ( ) y

n ( )
g
x
n ( ) g
y
n ( )
rponse temporelle
transforme de Fourier
densit spectrale
g
x
n ( ) x t ( )
g
y
n ( ) y t ( )
g
x
n ( ) g
y
n ( )
g
y
n ( ) g
x
n ( ) G n ( )
2
=
R
x
t ( ) x t ( )
*
x
*
t ( ) x

n ( ) x
*
n ( ) x

n ( )
2
g
x
n ( ) = = =
P. NAYMAN 65 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(8.11)
daprs lquation 8.11 : et comme : il
vient :
Dune manire plus gnrale :
8.3. La densit spectrale de puissance
Si lon considre les signaux puissance moyenne finie (nergie infinie) comme les
signaux permanents (dterministes ou alatoires) ou priodiques. On trouve des rsultats
quivalents ( laide de (7.13), (8.9)) :
Equ(8.12)
est dans ce cas la puissance du signal.
La densit spectrale de puissance est dfinie par lquation 8.13 :
Equ(8.13)
8.4. Proprits de la fonction de corrlation
La dfinition de la fonction de corrlation est donne par lquation 7.12 :
et pour une fonction relle :



8.5. Exemples
8.5.1. Comparaison dun produit de convolution et de la fonction
dinter-corrlation
Soit et
reprsente lchelon unit, signal nul gauche.
On dsire reprsenter : et .
g
x
n ( ) x

n ( )
2
=
g
y
n ( ) y

n ( )
2
= y

n ( ) x

n ( ) G n ( ) =
g
y
n ( ) g
x
n ( ) G n ( )
2
=
R
xy
t ( ) x t ( )
*
y
*
t ( ) x

n ( ) y
*
n ( ) g
xy
n ( ) = =
R 0 ( ) P
x
s
x
2
g n ( ) n d

+

= = =
P
x
g
x
n ( )
1
T
---
T
lim x

n ( )
2
=
R
x
t ( ) E X t ( ) X
*
t t ( ) [ ] =
R
x
t ( ) R
*
x
t ( ) = R
x
t ( ) R
x
t ( ) =
R
x
t ( ) R
x
0 ( ) <
R
x
( ) 0 =
R
x
0 ( ) s
x
2
=
x t ( ) e
at
u t ( ) = y t ( ) e
2at
u t ( ) =
u t ( )
x t ( )
*
y t ( ) R
xy
t ( )
P. NAYMAN 66 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
La figure 8.4. montre les diffrentes tapes ncessaires pour llaboration de la
fonction de corrlation et du produit de convolution.
x t ( )
*
y t ( ) x t ( ) y t t ( ) t d

+

=
e
2at
e
at
t d
0
t

= e
2at
e
at
a
------
0
t
=
1
a
--- e
at
e
2at
[ ]u t ( ) pour t 0 > =
R
xy
t ( ) x t ( )y t t + ( ) t d

+

=
e
3at
e
2at
t d
0
t

= e
2at
e
3at
3a
-----------
0
t
=
R
xy
t ( )
1
3a
------
e
at
u t ( )
t 0 <
e
2a t
u t ( )
t 0 >
+ =
P. NAYMAN 67 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
Figure 8.4 : Fonction de corrlation et produit de convolution
1
t
0
1/a
x(t)
1
t
0
1/a
x(t)
1
t
0
1/2a
y(t)
1
t
0
1/2a
y(t)
1
t
0
y(t+t)
-t<0 -t>0
t>0
1
t
0
y(t-t)
t<0 t>0
t<0
t
0
x(t)y(t+t)
-t>0
Rxy(t >0)
Rxy(t <0)
t
0
x(t)y(t- t)
t>0
t
0
Rxy(t)
1/(2a)
-1/a
t
0
x(t )*y(t)
P. NAYMAN 68 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
8.5.2. Calcul dune fonction dauto-corrlation et dune densit
spectrale dnergie
8.6. Le bruit blanc
Dfinition : Une fonction alatoire est appele bruit blanc si :
est stationnaire au deuxime ordre

(figure 8.5)
La puissance moyenne du bruit blanc est infinie. Si lon fait passer le bruit blanc
dans un filtre passe bas de bande passante (-B,+B), on se ramne un bruit de puissance
moyenne finie (figure 8.6).
Soit :
La fonction dauto-corrlation est paire, pour une fonction relle :
x t ( ) e
at
u t ( ) =
R
x
t ( ) x t ( ) x
*
t t + ( ) t d

+

=
e
at
e
a t t + ( )
t d
0
+

=
e
2at
e
at
t d
0
+

= e
at
e
2at
2a
-----------
0

=
R
x
t ( )
1
2a
------e
a t
=
R
x
t ( ) R
x
t ( ) =
R
x
t ( ) g
x
n ( )
g
x
n ( )
1
2a
------e
at
e
2pint
t d

+

=
1
a
--- e
t a 2pin + ( )
t d
0
+

=
1
a
---
e
t a 2pin + ( )
a 2pin + ( )
-----------------------------
0
+
=
1
a
---
1
a 2pin +
---------------------


1
a
---
a 2pin
a
2
2pn ( )
2
+
----------------------------- = =

e
g
x
n ( ) [ ]
1
a
2
2pn ( )
2
+
----------------------------- =
X t ( )
X t ( )
E X t ( ) [ ] 0 =
g
x
n ( )
N
0
2
------ n " =
P. NAYMAN 69 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
Dans ce cas, la fonction dauto-corrlation a pour valeur :
Equ(8.14)
avec :
Figure 8.5 : Densit spectrale du bruit blanc
Figure 8.6 : Utilisation dun filtre passe bas pour obtenir un bruit de puissance finie
Figure 8.7 : Fonction dauto-corrlation dun bruit blanc spectre born
n 0
g
x
n ( )
N0 2
G n ( )
x t ( ) y t ( )
g
x
n ( )
n B +B
N0 2
R t ( ) g
x
n ( )e
2pint
n d
B
+B

N
0
2
------
e
2pint
2pint
---------------
B
+B
= =
R t ( ) N
0
B
2pBt sin
2pBt
--------------------- N
0
Bsinc 2pBt ( ) = =
R 0 ( ) N
0
B =
N0B
-5/2B 5/2B
P. NAYMAN 70 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
8.6.1. Filtrage adapt
En prsence de bruit, le filtre qui possde la rponse impulsionnelle la mieux adap-
te est appel filtre adapt .
Considrons le signal lentre du filtre (Signal + bruit) :
A la sortie du filtre, on obtient (Signal + bruit) :
La puissance du bruit lentre est :
La puissance du bruit la sortie :
Le rapport signal bruit la sortie est :
Daprs lingalit de Schwarz :
X t ( ) S
1
t ( ) N
1
t ( ) + =
Y t ( ) S
2
t ( ) N
2
t ( ) + =
S
2
t ( ) h t ( )
*
S
1
t ( ) =
S
1
t ( ) S

1
n ( )

+

e
2pint
dn =
S

2
n ( ) S

1
n ( ) G n ( ) =
S
2
t ( ) S

2
n ( )

+

e
2pint
dn =
S
2
t ( ) S

1
n ( )G n ( )

+

e
2pint
dn =
N
1
g
N1
n ( ) n d

+

=
g
N2
g
N1
G n ( )
2
=
N
2
G n ( )
2
g
N1
n ( ) n d

+

=
P
2
S
2
t ( )
2
=
P
2
t ( ) S

1
n ( )G n ( )

+

e
2pint
dn
2
=
R
2
P
2
N
2
------ =
P
2
S

1
n ( )e
2pint

+

2
dn
nergie du signal en entre
G n ( )
2
n d

+

P. NAYMAN 71 PROPRITS SPECTRALES


TRAITEMENT DU SIGNAL
DEA MIP
Si le bruit est blanc : et dans ce cas :
Equ(8.15)
Lingalit de Schwarz atteint son maximum pour lgalit des termes :
, .
avec :
Il vient :
Equ(8.16)
et pour les signaux rels :
Equ(8.17)
La figure 8.8 montre lexemple dun signal et de la rponse impulsionnelle
du filtre adapt correspondant.
Figure 8.8 : Filtrage adapt
P
2
W G n ( )
2
n d

+


R
2
W G n ( )
2
n d

+

G n ( )
2
g
N1
n ( ) n d

+

---------------------------------------------------
g
N1
n ( )
N
0
2
------ =
R
2
2W
N
0
--------
G n ( ) kS
*
1
n ( )e
2pint
c
= t
c
constante =
S
1
*
t ( ) S

1
*
n ( )
h t ( ) k S
1
*
t
c
t ( ) =
h t ( ) k S
1
t
c
t ( ) =
S
1
t ( )
t
0
t
0
S
1
t ( )
h t ( )
P. NAYMAN 72 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
8.6.1.1 Filtre adapt physiquement ralisable
Pour quun filtre adapt soit ralisable, il faut que : pour . Il faut
donc que pour (figure 8.9).
Le filtrage adapt correspond donc une fonction dauto-corrlation.
8.7. La transforme de Laplace
La transforme de Laplace est un outil trs utilis par les lectroniciens. Cet outil
permet de mettre facilement en quation toute une srie de circuits lectroniques, dans ce
cas on parle souvent de calcul oprationnel.
Le domaine de validit de la transforme de Laplace est : .
La transforme de Laplace dune fonction est dfinie par :
Equ(8.18)
Figure 8.9 : Filtrage adapt ralisable
Dans lquation 8.17 si lon prend : ,
Comme :
h t ( ) 0 = t 0 =
S
1
t ( ) 0 = t t
c
>
t
0
t
0
S
1
t ( )
h t ( )
t
c
S
2
t ( ) h t ( )S
1
t t ( ) t d

+

=
k 1 = h t ( ) S
1
t
c
t ( ) =
S
2
t ( ) S
1
t
c
t ( )S
1
t t ( ) t d

+

=
R
x
t ( ) x t ( )x t t + ( ) t d

+

x t ( )x t t ( ) t d

+

= =
R t
c
t ( ) R t t
c
( ) S
1
t
c
t ( )S
1
t t ( ) t d

+

= =
0 + [ , ]
f t ( )
F p ( ) f t ( )e
pt
t d
0
+

=
P. NAYMAN 73 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
avec :
p est une variable complexe ( ).
On peut remarquer que la transforme de Fourier est trs proche de la transforme
de Laplace :
8.7.1. Quelques transformes de Laplace
Le Tableau 1 donne les transformes de Laplace de quelques fonctions courantes.
Une fonction complexe peut gnralement se dcomposer en une somme de fonctions
plus lmentaires dont on connat les transformes (directes ou inverses).
8.7.2. Fonction de transfert oprationnelle
La fonction de transfert oprationnelle dun systme est lexpression du gain du sys-
tme exprim selon le formalisme de Laplace (figure 8.10).
La fonction de transfert dun tel systme peut se mettre sous la forme :
drivation
drivation ordre n
intgration
retard
impulsion de Dirac
chelon de Heaviside
exponentielle
Tableau 1: : Les transformes de Laplace les plus usuelles
Figure 8.10 : Fonction de transfert oprationnelle
f t ( ) 0 si t 0 < =
f t ( ) F p ( )
p iw =
F n ( ) f t ( )e
2pint
t d

+

=
t d
d
f t ( ) pF p ( ) f 0
+
( ) f 0 ( ) : valeur initiale
t
n ( )
d
d
f t ( ) p
n
F p ( ) p
n 1
f 0 ( ) pf
n 2 ( )
0 ( ) f
n 1 ( )
0 ( )
f u ( ) u d
0
t

F p ( )
p
----------- =
f t t
0
( ) e
pt
0

F p ( )
t ( ) d 1
u t ( )
1
p
---
e
at 1
p a +
-------------
G p ( ) x
e
p ( ) x
s
p ( )
P. NAYMAN 74 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(8.19)
Si le systme ne comporte pas de racines multiples, on peut mettre la fonction de
transfert sous la forme :
Equ(8.20)
sont les ples de
sont des coefficients.
Exemple :
Calculer la rponse impulsionnelle de lintgrateur RC reprsent par la figure 8.11.

Figure 8.11 : Intgrateur RC
G p ( )
x
s
p ( )
x
e
p ( )
-------------
b
k
p
k
k 0 =
M

a
k
p
k
k 0 =
N

--------------------- = =
G p ( )
b
M
p
M
b
M 1
p
M 1
b
0
+ +
a
N
p
N
a
N 1
p
N 1
a
0
+ +
------------------------------------------------------------------- =
G p ( )
b
i
p a
i
+
--------------
i 0 =
N

=
a
i
{ } G p ( )
b
i
{ }
R
C
x
e
t ( )
x
s
t ( )
x
s
p ( )
x
e
p ( )
-------------
1
1 RCp +
-------------------- =
x
s
p ( )
x
e
p ( )
1 RCp +
-------------------- =
x
e
t ( ) t ( ) 1 d =
h p ( )
1
1 RCp +
--------------------
1
RC
--------
1
1
RC
-------- p +
----------------- = =
P. NAYMAN 75 PROPRITS SPECTRALES
TRAITEMENT DU SIGNAL
DEA MIP
8.7.3. Stabilit du systme
Le systme est stable si les ples de ont une partie relle ngative et si le degr
du numrateur de lquation 8.19 est infrieur au degr du dnominateur . Cest
le critre de stabilit asymptotique.
Une autre dfinition de la stabilit est donne par le critre BIBO (Bounded Input
Bounded Output). Un filtre est stable si et seulement si toute entre finie correspond
une sortie finie.
Une condition ncessaire et suffisante pour assurer la stabilit BIBO est :
Equ(8.21)
en effet : si alors :
8.7.4. Equation diffrentielle correspondant la fonction de trans-
fert
Daprs lquation 8.19, on peut crire :
Daprs le Tableau 1 :
Daprs le Tableau 1 : si les conditions initiales sont nulles.
l
1 1
p a +
-------------


e
at
=
h t ( )
1
RC
-------- e
t RC ( )
=
G p ( )
M N < ( )
h t ( ) t < d

+

x
e
t ( ) S x
e
t ( ) S h t ( ) t d <

+


x
s
p ( ) a
k
p
k
k 0 =
N

x
e
p ( ) b
k
p
k
k 0 =
M

=
t
n
d
d
f t ( ) p
n
F p ( )
a
n
t
n
d
d
x
s
t ( ) a
1
t d
d
x
s
t ( ) a
0
x
s
t ( ) + + b
n
t
n
d
d
x
e
t ( ) b
1
t d
d
x
e
t ( ) b
0
x
e
t ( ) + + =
P. NAYMAN 76 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
9. TRANSFORMATION DE HILBERT
9.1. Signal analytique
Un signal analytique est une fonction complexe du temps dont le spectre ne contient
pas de frquences ngatives.
Considrons un signal rel et dterministe, comme tant la somme dune partie
relle et dune partie complexe :
Le spectre frquentiel de est tel que :
pour la partie relle et pour la par-
tie complexe.
La connaissance de la partie positive du spectre est donc suffisante pour dfinir
.
Caractrisons le signal produit par le passage de dans un filtre dont le
gain est tel que :
avec
tant la fonction de Heaviside.
La sortie du filtre est donne par :
. Equ(9.1)
Figure 9.1 : Fonction de transfert du filtre analytique
Figure 9.2 : Spectre du signal
x t ( )
x t ( )
x

n ( ) [ ] x

n ( ) [ ] = x

n ( ) [ ] x

n ( ) [ ] =
x t ( )
x
a
t ( ) x t ( )
G n ( )
G n ( ) 2 u n ( ) = u n ( )
1 si n 0
0 sinon

=
u n ( )
x
a

n ( ) 2 u n ( ) x
r

n ( ) =
G n ( ) 2 u n ( ) =
x t ( ) x
a
t ( )
x

a
n ( )
n
x

n ( ) x

a
n ( ) ,
x

n ( )
x

n ( )
x

a
n ( )
P. NAYMAN 77 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
9.2. Transforme de Hilbert
La transforme de Hilbert tablit une relation entre les parties relle et complexe
dun signal causal. La connaissance dune des deux composantes est donc suffisante pour
dfinir compltement le signal analytique.
Considrons le signal complexe :
Equ(9.2)
et sont respectivement les transformes de Fourier de et de
.
A laide de (9.1) :
Equ(9.3)
est la fonction signe telle que :
En identifiant les termes rel et complexe de lquation 9.3, on obtient :
Pour reconstruire et , partir de et de il est ncessaire de
calculer les transformes de Fourier inverses de lquation 9.5 et de lquation 9.7.
9.2.1. Calculs prliminaires (Voir Quelques lments mathmati-
ques, page 1.)
Considrons la distribution suivante : .
Equ(9.4)
Equ(9.5)
Equ(9.6)
Equ(9.7)
do :
x
a
t ( ) x
r
t ( ) ix
c
t ( ) + =
x

r
n ( ) x

c
n ( ) x
r
t ( )
x
c
t ( )
x
a

n ( ) x
r

n ( ) ix

c
n ( ) + 2 u n ( ) x
r

n ( ) 1 n ( ) sgn + [ ]x
r

n ( ) = = =
n ( ) sgn n sgn
+1 n 0
1 n 0 <

=
ix
c

n ( ) n ( ) x
r

n ( ) sgn =
n ( ) sgn
ix
c

n ( )
x
r

n ( )
--------------- =
x
c

n ( ) i n ( ) x
r

n ( ) sgn =
x
c

n ( ) i n ( ) x
r

n ( ) sgn =
x
r

n ( ) i n ( ) x
c

n ( ) sgn =
x
c
t ( ) x
r
t ( ) x
r

n ( ) x
c

n ( )
t vp
1
t
---

t vp
1
t
---


j t ( ) ,


vp
1
t
---


t j t ( ) ,


j t ( ) t d

+

1 j t ( ) , ( ) = = =
t vp
1
t
---


j t ( ) ,


1 j t ( ) , ( ) =
P. NAYMAN 78 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
Considrons les transformes de Fourier suivantes :
Par identification :
Equ(9.9)
Si lon intgre lquation 9.9 :
avec la fonction de Heaviside.
Il est ncessaire de trouver la valeur de la constante :
est une fonction impaire, donc est impaire :
finalement :
Equ(9.8)
Pour simplifier les notations, posons
Daprs lquation 9.8 :
On sait que :
comme
t vp
1
t
---


1 =
K t ( ) vp
1
t
---


=
K t ( ) K

n ( )
2ipt K t ( ) K

n ( )
t K t ( )
K

n ( )
2 ip
--------------
t K t ( ) 1 =
1
K

n ( )
2 ip
--------------
1 d n ( )
K

n ( ) 2pi d n ( ) =
K n ( ) 2ip u n ( ) constante + =
u

n ( )
vp
1
t
---


K

n ( )
K

n ( ) K

n ( ) =
2ip u

n ( ) c= 2ip u

n ( ) c + ( ) +
2c 2ip u

n ( ) u

n ( ) + ( ) 2ip = =
c ip =
K

n ( ) 2ip u

n ( ) ip + =
K

n ( ) i p 2u

n ( ) 1 ( ) =
n ( ) sgn 2u

n ( ) 1 =
K

n ( ) ip n ( ) sgn =
P. NAYMAN 79 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
Equ(9.10)
de mme, par symtrie, laide de (4.10) :
Equ(9.11)
On peut dduire de (9.11), la transforme de Fourier de lchelon de Heaviside :
Calculons la transforme de Fourier inverse de lquation 9.5 :
Equ(9.14)
Lquation 9.14 reprsente la transforme de Hilbert du signal . Cette trans-
forme est dfinie comme valeur principale de Cauchy.
Calculons la transforme de Fourier inverse de lquation 9.7 :
comme :
Equ(9.12)
A laide de lquation 9.10 :
Equ(9.13)
A laide de lquation 9.10 :
Equ(9.15)
vp
1
t
---


ip n ( ) sgn
t ( )
1
ip
-----vp
1
n
---


sgn
u t ( )
1
2
--- 1 t ( ) sgn + ( ) =
u

n ( )
1
2
--- d n ( )
1
ip
-----vp
1
n
---


+


=
x
c
t ( ) i TF
1
n ( ) sgn [ ] * x
r
t ( ) =
x
c
t ( ) i
1
ip
----- vp
1
t
---



* x
r
t ( ) =
x
c
t ( )
1
p
--- vp
1
t
---


* x
r
t ( ) =
x
c
t ( )
1
p
---
x
r
t ( )
t t
------------- t d

+

=
x
r
t ( )
x
r
t ( ) i TF
1
n ( ) sgn [ ]
*
x
c
t ( ) =
x
r
t ( ) i
1
ip
----- vp
1
t
---




*
x
c
t ( ) =
x
r
t ( )
1
p
--- vp
1
t
---


*
x
c
t ( ) =
P. NAYMAN 80 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
Equ(9.16)
Lquation 9.16 reprsente la transforme de Hilbert du signal . Cette trans-
forme est dfinie comme valeur principale de Cauchy.
La transforme de Hilbert tablit une relation entre les parties relle et complexe
dun signal causal.
lquation 9.2 peut donc tre rcrite de la manire suivante :
Equ(9.17)
o est la transforme de Hilbert de .
De mme, lquation 9.5 devient :
Equ(9.18)
et
Equ(9.19)
et en reprenant les transformes de Fourier inverses :
Equ(9.20)
Equ(9.21)
9.3. Quelques proprits
9.3.1. La double transformation
Pour allger les notations, appelons la transformation . Les qua-
tions (9.20) et (9.21) deviennent :
Equ(9.22)
Equ(9.23)
En introduisant (9.23) dans (9.22) :
et en revenant aux notations habituelles :
Equ(9.24)
x
r
t ( )
1
p
---
x
c
t ( )
t t
------------- t d

+

=
x
c
t ( )
x
a
t ( ) x t ( ) ix

t ( ) + =
x

x
x

n ( ) i n ( ) x

n ( ) sgn =
x

n ( ) i n ( ) x

n ( ) sgn =
x t ( )
1
p
--- vp
1
t
---


*
x

t ( ) =
x

t ( )
1
p
--- vp
1
t
---


*
x t ( ) =
H x t ( ) [ ]
1
p
--- vp
1
t
---


*
x t ( )
x t ( ) H x

t ( ) [ ] =
x

t ( ) H x t ( ) [ ] =
x t ( ) H H x t ( ) [ ] [ ] =
x t ( ) x

t ( ) =
P. NAYMAN 81 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
9.3.2. Le produit de convolution
9.3.3. Linter-corrlation
9.3.4. Lauto-corrlation
Si alors
Equ(9.25)
Dmonstration :
A laide de lquation 9.18 :
puis en reprenant la transforme de Fourier inverse :
Soit : que lon peut crire sous la forme dun produit de convo-
lution, daprs lquation 7.14 :
Prenons la transforme de Fourier de :
A laide de lquation 9.18 :
puis en reprenant la transforme de Fourier inverse :
Equ(9.26)
De mme, on peut montrer que :
Equ(9.27)
Dans lquation 9.26 si lon choisit :
Equ(9.28)
De mme :
z t ( ) x t ( )
*
y t ( ) =
z

t ( ) x t ( )
*
y

t ( ) =
z

n ( ) x

n ( ) y

n ( ) =
z

n ( ) i n ( ) z

n ( ) sgn i x

n ( ) y

n ( ) n ( ) sgn = =
z

n ( ) x

n ( ) y

n ( ) x

n ( ) y

n ( ) = =
z

t ( ) x t ( )
*
y

t ( ) x

t ( )
*
y t ( ) = =
R
xy
t ( ) E x t ( ) y t t + ( ) [ ] =
R
xy
t ( ) x t ( )
*
y t ( ) =
R
xy
t ( )
R

xy
n ( ) x

n ( ) y

n ( ) =
R

xy
n ( ) i n ( ) R

xy
n ( ) sgn i x

n ( ) y

n ( ) n ( ) sgn = =
R

xy
n ( ) x

n ( ) y

n ( ) =
R

xy
t ( ) x t ( )
*
y

t ( ) R
xy

t ( ) = =
R

xy
t ( ) R
x

y
t ( ) =
x y =
R

xx
t ( ) x t ( )
*
x

t ( ) R
xx

t ( ) = =
P. NAYMAN 82 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
9.4. Proprits du signal analytique
9.4.1. Fonction dauto-corrlation
9.4.2. Densit spectrale
On trouve facilement la densit spectrale du signal analytique, en prenant la trans-
forme de Fourier de la fonction dauto-corrlation (9.31) :
et laide de lquation 9.18 :
Comme :
Equ(9.32)
Que lon note galement :
Equ(9.33)
Equ(9.29)
Equ(9.30)
Soit la fonction dauto-corrlation du signal analytique.
A laide de (9.28), (9.29) et (9.30) :
Equ(9.31)
R

xx
t ( ) R
x x
t ( ) =
R
x

t ( ) R
xx
t ( ) =
R
x
a
t ( )
R
x
a
t ( ) E x
a
*
t ( ) x
a
t t + ( ) [ ] =
R
x
a
t ( ) E x t ( ) ix

t ( ) ( ) x t t + ( ) ix

t t + ( ) + ( ) [ ] =
R
x
a
t ( ) E x t ( ) x t t + ( ) x

t ( ) x

t t + ( ) ix t ( ) x

t t + ( ) ix

t ( ) x t t + ( ) + + [ ] =
R
x
a
t ( ) R
x
t ( ) R
x
t ( ) iR
xx
t ( ) iR
x x
t ( ) + + =
R
x
a
t ( ) 2 R
x
t ( ) iR

x
t ( ) + [ ] =
g
x
a
n ( ) R
x
a
t ( )
g
x
a
n ( ) 2 g
x
n ( ) i i n ( )g
x
n ( ) sgn ( ) + [ ] =
g
x
a
n ( ) 2g
x
n ( ) 1 n ( ) sgn + [ ] =
1 n ( ) sgn + 2 u n ( ) =
g
x
a
n ( ) 4g
x
n ( ) u n ( ) =
g
x
a
n ( ) 4g
x
+
n ( ) =
P. NAYMAN 83 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
9.5. Enveloppe complexe dun signal de type passe-bande
On appelle enveloppe complexe du signal rel la quantit :
Equ(9.34)
Lenveloppe complexe est le signal obtenu en dcalant le spectre du signal
analytique de faon que la frquence centrale se retrouve en zro. Le spectre d-
cal ne prsente pas a priori de symtrie locale, de ce fait lenveloppe est un signal
complexe.
Il est donc possible de reprsenter un signal passe-bande par un signal quivalent
passe-bas, beaucoup plus facile manipuler.
tant le signal analytique de .
Daprs (9.17) :
Comme est un signal complexe :
Figure 9.3 : Densit spectrale du signal analytique
Equ(9.35)
En dveloppant (9.34) :
A laide de (9.17) :
En identifiant avec (9.35) :
Equ(9.36)
Equ(9.37)
n
g n ( )
1
4
g
x
a
n ( )
g
x
n ( )
0
x t ( )
x
e
t ( ) x
a
t ( ) e
2pin
0
t
=
x
e
t ( )
x
a
t ( ) n
0
x
e
t ( )
x
a
t ( ) x t ( )
x
a
t ( ) x t ( ) ix

t ( ) + =
x
e
t ( )
x
e
t ( ) P t ( ) iQ t ( ) + =
x
e
t ( ) x
a
t ( ) 2pin
0
t i 2pin
0
t sin cos [ ] =
x
e
t ( ) x t ( ) ix

t ( ) + ( ) 2pin
0
t i 2pin
0
t sin cos ( ) =
x
e
t ( ) x t ( ) 2pin
0
t x

t ( ) 2pin
0
t sin + cos i x

t ( ) 2pin
0
t x t ( ) 2pin
0
t sin cos ( ) + =
P t ( ) x t ( ) 2pn
0
t x

t ( ) 2pn
0
t sin + cos =
Q t ( ) x

t ( ) 2pn
0
t x t ( ) 2pn
0
t sin cos =
P. NAYMAN 84 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
De (9.34) on dduit que :
Equ(9.38)
de (9.17) :
et sont les composantes en phase et en quadrature du signal .
Elles sont galement connues sous le nom de composantes de Rice. Comme lindi-
que lquation 9.39, il est possible de reconstruire le signal partir de ces composan-
tes et en les modulant par deux porteuses en quadrature.
La figure 9.4 donne un exemple dextraction des composantes en quadratures.
Dautre part :
9.5.1. Densit spectrale de lenveloppe complexe
La densit spectrale de lenveloppe complexe se calcule en prenant la transforme
de Fourier de la fonction dauto-corrlation du signal .
Equ(9.39)
et
donc :
Equ(9.40)
Equ(9.41)
Figure 9.4 : Extraction des composantes de Rice
x
a
t ( ) x
e
t ( ) e
2pin
0
t
=
x t ( ) x
a
t ( ) [ ] =
x t ( ) x
e
t ( ) e
2pin
0
t
[ ] =
x t ( ) P t ( ) iQ t ( ) + ( ) e
2pin
0
t
[ ] =
x t ( ) P t ( ) iQ t ( ) + ( ) 2pn
0
t i 2pn
0
t sin + cos ( ) [ ] =
x t ( ) P t ( ) 2pn
0
t Q t ( ) 2pn
0
t sin cos =
P t ( ) Q t ( ) x t ( )
x t ( )
P t ( ) Q t ( )
x
e
t ( ) x
e
*
t ( ) + 2 x
e
t ( ) [ ] =
x
e
t ( ) x
e
*
t ( ) 2i x
e
t ( ) [ ] =
P t ( )
1
2
--- x
e
t ( ) x
e
*
t ( ) + [ ] =
Q t ( )
1
2i
----- x
e
t ( ) x
e
*
t ( ) [ ] =
2 2pnt sin
+
p
2
--- Passe-bas
Passe-bas
x t ( )
P t ( )
Q t ( )
x
e
t ( )
P. NAYMAN 85 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
9.5.2. Densits spectrales et fonctions de corrlation des composan-
tes de Rice
Calculons la densit spectrale de et de . Dans un premier temps, calcu-
lons les fonctions dauto-corrlation respectives :
Posons pour allger les notations.
comme et
En prenant la transforme de Fourier de :
Equ(9.42)
Dautre part, en prenant la fonction de corrlation de lenveloppe complexe (9.34) :
Equ(9.43)
En prenant la transforme de Fourier de (9.43) puis laide de (9.33) :
Equ(9.44)
Remplaons par la valeur donne par (9.36) :
Equ(9.45)
Par des calculs analogues, on trouve que :
Equ(9.46)
R
e
t ( ) R
x
e
t ( ) =
R
e
t ( ) E x
e
*
t ( ) x
e
t t + ( ) [ ] =
R
e
t ( ) E P t ( ) iQ t ( ) ( ) P t t + ( ) iQ t t + ( ) + ( ) [ ] =
R
e
t ( ) E P t ( ) P t t + ( ) Q t ( ) Q t t + ( ) i Q t ( ) P t t + ( ) P t ( ) Q t t + ( ) ( ) + [ ] =
R
e
t ( ) R
PP
t ( ) R
QQ
t ( ) i R
PQ
t ( ) R
QP
t ( ) ( ) + + =
R
PP
t ( ) R
QQ
t ( ) = R
QP
t ( ) R
PQ
t ( ) =
R
e
t ( ) 2 R
PP
t ( ) iR
PQ
t ( ) + [ ] =
R
e
t ( )
g
e
n ( ) 2 g
PP
n ( ) ig
PQ
n ( ) + [ ] =
R
e
t ( ) R
x
a
t ( ) e
2pn
0
t
=
g
e
n ( ) g
x
a
n n
0
+ ( ) 4g
x
+
n ( ) = =
P t ( ) Q t ( )
R
PP
t ( ) E P t ( ) P t t + ( ) [ ] =
P t ( )
R
PP
t ( ) E x t ( ) 2pn
0
t x

t ( ) 2pn
0
t sin + cos ( )
x t t + ( ) 2 cos pn
0
t t + ( ) x

t t + ( ) 2pn
0
t t + ( ) sin + ( )
[
]
=
R
PP
t ( ) R
x
t ( ) 2pn
0
t t + ( ) ( ) 2pn
0
t R
x

t ( ) 2pn
0
t t + ( ) ( ) sin 2pn
0
t ( ) sin
R
xx

t ( ) 2pn
0
t t + ( ) ( ) 2pn
0
t ( ) R
x

x
t ( ) 2pn
0
t t + ( ) ( ) sin 2pn
0
t ( ) cos + sin cos
+ + cos cos =
R
PP
t ( ) R
x
t ( ) 2pn
0
t ( ) R
x

t ( ) 2pn
0
t ( ) sin + cos =
R
QQ
t ( ) R
x
t ( ) 2pn
0
t ( ) R
x

t ( ) 2pn
0
t ( ) sin + cos =
R
PP
t ( ) R
QQ
t ( ) =
R
PQ
t ( ) E P t ( ) Q t t + ( ) [ ] =
P. NAYMAN 86 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
On peut remarquer que :
Il est intressant de montrer que les composantes et ne sont pas obliga-
toirement corrles. Pour cela nous allons dterminer les conditions qui imposent
et par consquence .
Remarque prliminaire :
Lquation 9.19 donne une relation entre un signal et sa transforme de Hilbert :
, cette quation peut tre interprte de la faon suivante :
si alors .
si alors et dune manire gnrale :
Equ(9.49)
et tant respectivement les parties positive et ngative de :
Equ(9.50)
Prenons la transforme de Fourier de (9.47), en tenant compte que :
Remarquons que est une fonction complexe pure impaire.
On peut faire apparatre une symtrie locale dans les densits spectrales en tenant
Equ(9.47)
Equ(9.48)
En utilisant les proprits (9.49) et (9.50) :
Equ(9.51)
R
PQ
t ( ) R
x
t ( ) 2pn
0
t ( ) R
x

t ( ) 2pn
0
t ( ) cos + sin =
R
PP
0 ( ) R
QQ
0 ( ) R
x
0 ( ) s
2
x ( ) = = =
R
PQ
0 ( ) R
x

0 ( ) =
P t ( ) Q t ( )
g
PQ
n ( ) 0 = R
PQ
t ( ) 0 =
x

n ( ) i n ( ) x

n ( ) sgn =
n 0 > x

n ( ) i x

+
n ( ) =
n 0 < x

n ( ) i x

_
n ( ) =
x

n ( ) i x

+
n ( ) x

_
n ( ) ( ) =
x

+
n ( ) x

_
n ( ) x

n ( )
x

n ( ) x

+
n ( ) x

_
n ( ) + =
2pnt
i
2
--- v n
0
+ ( ) v n
0
( ) d d [ ] sin
2 cos pnt
1
2
--- v n
0
+ ( ) v n
0
( ) d d [ ]
g
PQ
n ( ) g
x
n ( )
*
TF 2pn
0
t sin [ ] g

x
n ( )
*
TF 2pn
0
t cos [ ] + =
g
PQ
n ( )
i
2
--- g
x
n n
0
+ ( ) g
x
n n
0
( ) [ ]
1
2
--- g

x
n n
0
+ ( ) g

x
n n
0
( ) + [ ] + =
g
PQ
n ( )
i
2
--- g
x
+
n n
0
+ ( ) g
x
-
n n
0
+ ( ) g
x
+
n n
0
( ) g
x
-
n n
0
( ) + [ ]
i
2
--- g
x
+
n n
0
+ ( ) g
x
-
n n
0
+ ( ) g
x
+
n n
0
( ) g
x
-
n n
0
( ) + [ ] +
=
g
PQ
n ( )
1
i
--- g
x
+
n n
0
( ) g
x
-
n n
0
+ ( ) [ ] =
g
PQ
n ( )
P. NAYMAN 87 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
compte que et sont rparties autour de et de . Posons :
La figure 9.5 montre les diffrentes composantes de .
Lquation 9.46 donne les fonctions de corrlation de et de :
et
Figure 9.5 : Densit spectrale conjointe de P(t) et Q(t)
Si les spectres sont symtriques :
et
alors ce qui implique que et dans ce cas les composantes et
ne sont pas corrles.
Prenons la transforme de Fourier de , en utilisant la mme mthode que pour le cal-
cul de :
A laide de (9.49) :
g
x
+
n n
0
( ) g
x
-
n n
0
+ ( ) n
0
n
0
g
x
+
n n
0
( ) g
x
++
n n
0
( ) g
x
+-
n n
0
( ) + =
g
x
-
n n
0
( ) g
x
+
n n
0
( ) g
x
--
n n
0
( ) + =
g
PQ
n ( )
1
i
--- g
x
++
n n
0
( ) g
x
+-
n n
0
( ) g
x
+
n n
0
( ) g
x
--
n n
0
( ) ( ) + [ ] =
ig
PQ
n ( )
n n
0
g
x
++
n ( ) g
x
+-
n ( ) g
x
+
n ( ) g
x
--
n ( )
0
n
0
g
PQ
n ( )
g
x
++
n ( ) g
x
--
n ( ) = g
x
+-
n ( ) g
x
+
n ( ) =
g
PQ
n ( ) 0 = R
PQ
t ( ) 0 = P t ( )
Q t ( )
P t ( ) Q t ( )
R
PP
t ( ) R
x
t ( ) 2pn
0
t ( ) R
x

t ( ) 2pn
0
t ( ) sin + cos =
R
PP
t ( )
g
PQ
n ( )
g
PP
n ( ) g
x
n ( )
*
TF 2 cos pn
0
t [ ] g

x
n ( )
*
TF 2 sin pn
0
t [ ] + =
g
PP
n ( )
1
2
--- g
x
n n
0
+ ( ) g
x
n n
0
( ) + [ ]
i
2
--- g

x
n n
0
+ ( ) g

x
n n
0
( ) [ ] + =
P. NAYMAN 88 TRANSFORMATION DE HILBERT
TRAITEMENT DU SIGNAL
DEA MIP
La figure 9.6 montre lobtention du spectre de ou de partir de ce-
lui du signal dorigine . Les parties positive et ngative sont ramenes autour de la
frquence 0 puis sommes. La largeur de bande obtenue est , avec
.
La figure 9.7 reprsente le spectre du signal , du signal analytique et de
son enveloppe complexe .
Equ(9.52)
Figure 9.6 : Composition du spectre de et partir du signal dorigine
Figure 9.7 : Spectres de , et de .
g
PP
n ( ) g
QQ
n ( ) g
x
-
n n
0
+ ( ) g
x
+
n n
0
( ) + = =
n 0
g
PP
n ( ) g
QQ
n ( ) ,
n
0
n
0
g
x
n ( )
g
x
n ( )
n
2
n
1
n
2
n
1
2B
g
PP
n ( ) g
QQ
n ( )
g
PP
n ( ) g
QQ
n ( )
x t ( )
2B
B max n
2
n
0
n
0
n
1
, [ ] =
x t ( ) x
a
t ( )
x
e
t ( )
g n ( )
g
x
n ( )
g
x
a
n ( ) 4 g
x
+
n ( ) =
g
e
n ( ) g
x
a
n n
0
+ ( ) =
g
x
n ( )
n
0
n
0
n
0
x t ( ) x
a
t ( ) x
e
t ( )
P. NAYMAN 89
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
10. NOTIONS DE MODULATION ET DTECTION
SYNCHRONE
10.1. Intrt de la modulation
Considrons, par exemple, que lon dsire transmettre un message entre une
source S et un rcepteur R. La transmission en bande de base (sans modulation) ne sera
pas toujours possible. En effet, il sera indispensable davoir recours une technique de
modulation si lon se trouve, dans lun au moins, des cas suivants :
Les conditions de propagation ncessitent une translation du spectre du message
vers des frquences plus aptes la propagation :
Rappelons que la longueur donde dune antenne filaire doit tre de lordre de la demie
longueur donde du signal transmettre. La longueur donde est relie la frquence
par la relation :
est la longueur donde [m],
est la vitesse de la lumire ( ,
est la frquence de londe [Hz].
Par exemple, pour un signal de 100Hz, et pour un signal de 1MHz
.
Ces dimensions sont prohibitives pour concevoir des antennes. Il est donc indispensable
davoir recours des techniques de modulation pour dcaler le spectre du signal vers des
frquences plus leves et ainsi atteindre des longueurs donde compatibles avec la taille
des antennes.
Transmission dans un milieu bruyant. Certaines modulations comme la modula-
tion de frquence sont relativement insensibles aux perturbations.
Ncessit de transmettre plusieurs messages simultanment dans des bandes de
frquences juxtaposes (multiplexage).
10.2. Principe
La modulation est une transformation de la forme :
Equ(10.1)
est le message original et le message mis.
On dit quun systme de modulation est sans mmoire si le signal ne d-
pend que du message linstant t.
Par exemple, est une modulation damplitude
double bande sans porteuse, est une modulation de
phase.
On dit quun systme de modulation est avec mmoire si le signal modulant est
transforme avant la modulation sans mmoire.
m t ( )
m t ( )
l
l
c
n
--- =
l
c 3
8
10 m s
1
[ ]
n
l 3000Km =
l 300m =
m t ( ) s t m t ( ) , ( )
m t ( ) s t m t ( ) , ( )
s t m t ( ) , ( )
s t m t ( ) , ( ) A m t ( ) 2pn
0
t cos =
s t m t ( ) , ( ) A 2pn
0
t bm t ( ) + [ ] cos =
P. NAYMAN 90
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
Leffet mmoire est dtermin par le filtre linaire (figure 10.1) en effet :
.
tant la rponse impulsionnelle du filtre linaire.
10.3. La modulation damplitude
Considrons que le message est une fonction alatoire relle, de valeur
moyenne nulle et stationnaire lordre 2. Le spectre de est suppos born
(figure 10.2).
Le signal est appel signal modul en
amplitude.
sont des constantes.
est le terme de phase rparti sur . Ce terme de phase assure la stationnarit
de lordre 1, en effet :
.
Sans le terme , valeur
fonction du temps.
Figure 10.1 : Systme de modulation mmoire
Figure 10.2 : Densit spectrale de
Filtre linaire
Modulation
sans mmoire
m t ( )
g t ( ) s t g t ( ) , ( )
g t ( ) m t u ( )h u ( ) u d

+

=
h t ( )
m t ( )
g
m
n ( ) m t ( )
0
n
g
m
n ( )
+n
b
n
b

m t ( )
g
m
n ( ) 0 = n n
b
>
s t m t ( ) , ( ) A K m t ( ) + ( ) 2pn
0
t f + ( ) cos =
A K n
0
, ,
n
0
n
b

f 0 2p
s t m t ( ) , ( )
E s t m t ( ) , ( ) [ ] E AK 2pn
0
t f + ( ) cos [ ] AK E 2pn
0
t f + ( ) cos [ ] 0 = = =
f E s t m t ( ) , ( ) [ ] E AK 2pn
0
t cos [ ] AK 2pn
0
t cos = =
P. NAYMAN 91
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
10.4. Densit spectrale du signal modul en amplitude
Considrons le signal modul en amplitude :
Signal modul en amplitude double bande
sans porteuse.
Signal modul en amplitude double bande
avec porteuse.
Onde porteuse.
Frquence de londe porteuse.
Enveloppe de .
Figure 10.3 : Exemple de modulation damplitude
Am t ( ) 2pn
0
t f + ( ) cos
A K m t ( ) + ( ) 2pn
0
t f + ( ) cos
K 0
AK 2pn
0
t f + ( ) cos
n
0
A K m t ( ) + ( ) s t m t ( ) , ( )
Message m(t)
Onde porteuse
Signal modul
K
P. NAYMAN 92
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
Equ(10.2)
Calculons la fonction de corrlation correspondante.
Equ(10.3)
Equ(10.4)
avec la fonction dauto-corrlation de .
On trouve la densit spectrale de en prenant la transforme de Fourier de (10.3) :
Equ(10.5)
x t ( ) A K m t ( ) + ( ) 2pn
0
t f + ( ) cos =
R
xx
t ( ) E x t ( ) x t t + ( ) [ ] =
R
xx
t ( ) E A K m t ( ) + ( ) 2pn
0
t f + ( ) cos A K m t t + ( ) + ( ) 2pn
0
t t + ( ) f + ( ) cos [ ] =
R
xx
t ( ) A
2
E K m t ( ) + ( ) K m t t + ( ) + ( ) 2pn
0
t f + ( ) cos 2pn
0
t t + ( ) f + ( ) cos [ ] =
R
xx
t ( ) A
2
E K
2
Km t ( ) Km t t + ( ) m t ( )m t t + ( ) + + + ( )
1
2
--- 4pn
0
t 2pn
0
t + 2f + ( ) 2pn
0
t cos + ( ) cos ( )
=
R
xx
t ( )
A
2
---
2
E K
2
[ ] E Km t t + ( ) [ ] E Km t ( ) [ ] E m t ( )m t t + ( ) [ ] + + + [ ]
E 4pn
0
t 2pn
0
t + 2f + ( ) cos [ ] E 2pn
0
t cos [ ] + [ ]
{
}
=
E Km t t + ( ) [ ] E Km t ( ) [ ] E 4pn
0
t 2pn
0
t + 2f + ( ) cos [ ] 0 = = =
R
xx
t ( )
A
2
---
2
K
2
2pn
0
t R
mm
t ( ) 2pn
0
t cos + cos [ ] =
R
yy
t ( )
A
2
---
2
K
2
R +
mm
t ( ) [ ] 2 cos pn
0
t =
R
mm
t ( ) m t ( )
y t ( )
g
xx
n ( )
A
2
---
2
K
2
*
TF 2 cos pn
0
t ( ) g
mm
n ( )
*
TF 2 cos pn
0
t ( ) + [ ] =
g
xx
n ( )
A
4
---
2
K
2
n n
0
+ ( ) d K
2
*
n n
0
( ) d g +
mm
n ( )
*
n n
0
+ ( ) g
mm
n ( )
*
n n
0
( ) d + d + [ ] =
g
xx
n ( )
A
4
---
2
K
2
n n
0
+ ( ) n n
0
( ) d + d [ ]
A
2
4
------ g
mm
n n
0
+ ( ) g +
mm
n n
0
( ) [ ] + =
P. NAYMAN 93
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
La premire partie de (10.5) reprsente les deux raies de la porteuse damplitude
et la seconde partie reprsente le spectre de dcal en frquence.
10.5. La dmodulation synchrone
La dmodulation synchrone est une technique trs utilise pour extraire un signal
noy dans du bruit. On suppose que le signal utile est modul en amplitude par une
porteuse dont on connat la frquence et la phase.
La figure 10.5 donne le principe de base dun dmodulateur synchrone.
Le signal est tel que . Ce signal est
celui dcrit par lquation 10.2 avec un terme de bruit supplmentaire . La figure 10.4
montre loccupation spectral du signal modul en amplitude. Le filtre slectif a pour but
disoler ces frquences et ainsi limiter la puissance du bruit suppos large bande.
Figure 10.4 : Densits spectrales des signaux en modulation damplitude
Figure 10.5 : Principe de la dmodulation synchrone
0
n
g n ( )
g
m
+
n ( ) g
m
-
n ( )
A
4
---
2
g
m
n n
0
( )
A
4
---
2
g
m
n n
0
+ ( )
A
2
K
2
4
-------------
+n
b
n
b

n
0

+n
0
A
4
---
2
K
2
y t ( )
x t ( )
Filtre Slectif
Filtre intgrateur
x t ( )
2pn
0
t q + ( ) cos
m

t ( )
Ge n ( )
Gs n ( )
x
e
t ( ) x
m
t ( )
x t ( ) x t ( ) A K m t ( ) + [ ] 2pn
0
t f + ( ) b t ( ) + cos =
b t ( )
P. NAYMAN 94
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE

Comme est un filtre bandes troites, il est possible de dcomposer le bruit
selon ses composantes de Rice (Voir Enveloppe complexe dun signal de type passe-ban-
de, page 83.). A laide de (9.39) :
et sont les composantes en phase et en quadrature du bruit .
Lopration de translation des spectres est obtenue par multiplication du signal
par le signal de rfrence . Cette translation consiste ramener
autour de la frquence 0, le message utile. Le filtre de sortie pourra tre extrmement s-
lectif (intgration forte) et liminer ainsi le bruit.
Figure 10.6 : Filtrage du signal utile
0
n
g n ( )
A
4
---
2
g
m
n n
0
+ ( )
A
2
K
2
4
-------------
n
0
+n
b
n
0
n
b

n
0

+n
0
Filtre slectif Ge n ( )
Ge n ( )
b t ( ) b
c
t ( ) 2pn
0
t f + ( ) b
s
t ( ) 2pn
0
t f + ( ) sin cos =
b
c
t ( ) b
s
t ( ) b t ( )
x
e
t ( ) 2pn
0
t q + ( ) cos
x
m
t ( ) A K m t ( ) + [ ] 2pn
0
t f + ( ) b t ( ) + cos { } 2pn
0
t q + ( ) cos { } =
x
m
t ( ) A K m t ( ) + [ ] 2pn
0
t f + ( ) b
c
t ( ) 2pn
0
t f + ( ) b
s
t ( ) 2pn
0
t f + ( ) sin cos + cos { }
2pn
0
t q + ( ) cos { }
=
x
m
t ( ) A K m t ( ) + [ ] 2pn
0
t f + ( ) 2pn
0
t q + ( ) cos
b
c
t ( ) 2pn
0
t f + ( ) 2pn
0
t q + ( ) cos b
s
t ( ) 2pn
0
t f + ( ) sin 2pn
0
t q + ( ) cos cos
+ cos =
x
m
t ( )
A
2
--- K m t ( ) + [ ] 4pn
0
t f q + + ( ) cos f q ( ) cos + [ ]
1
2
---b
c
t ( ) 4pn
0
t q f + + ( ) f q ( ) cos + cos [ ]
1
2
---b
s
t ( ) 4pn
0
t f q + + ( ) f q ( ) sin + sin [ ]

+ =
P. NAYMAN 95
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
Si lon considre que le filtre est de type intgrateur : ,
de manire ne conserver que les frquences du signal : .
La sortie du filtre devient :
est compos dun terme continu qui peut tre facilement limin si est
galement drivateur (ne passe pas la frquence 0). La figure 10.7 reprsente le filtrage de
par .
Le bruit est valeur moyenne nulle, si T est suffisamment grand :
.
Cette condition suppose que lon intgre suffisamment longtemps, cela signifie que
le filtre une largeur de bande trs faible.
alors , cette valeur devient maximale si le dmodulateur
est en phase avec la porteuse : :
Equ(10.6)
Si lon estime que tout le bruit nest pas filtr :
Equ(10.7)
x
m
t ( )
A
2
--- K m t ( ) + [ ] 4pn
0
t f q + + ( ) cos [ ]
A
2
---m t ( ) f q ( ) cos
A
2
---K f q ( ) cos
+
+
1
2
---b
c
t ( ) 4pn
0
t q f + + ( ) f q ( ) cos + cos [ ]
1
2
---b
s
t ( ) 4pn
0
t f q + + ( ) f q ( ) sin + sin [ ]

+
=
Gs n ( ) m

t ( )
1
T
--- x
m
t ( ) t d
0
T

=
m t ( ) n n
b
< [ ]
Gs n ( )
m

t ( )
A
2
---m t ( )
1
2
---b
c
t ( ) + f q ( )
1
2
---b
s
t ( ) f q ( ) sin [ ] cos
A
2
---K f q ( ) cos
Terme continu
+ =

t ( ) Gs n ( )
x
m
t ( ) Gs n ( )
1
T
--- b
c
t ( ) f q ( ) t d cos
0
T

0 =
1
T
--- b
s
t ( ) f q ( ) sin t d ( )
0
T

0 =
m

t ( )
A
2
---m t ( ) f q ( ) cos =
f q =
m

t ( )
A
2
---m t ( ) =
m

t ( )
A
2
---m t ( )
1
2
---b
c
t ( ) + =
P. NAYMAN 96
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
10.5.1. Evaluation du rapport signal bruit en entre et en sortie
Le signal en entre du dmodulateur est La
puissance de ce signal est :
En sortie du dmodulateur synchrone, le signal est : .
La puissance du signal de sortie est dans ce cas :
Figure 10.7 : Le filtre de sortie
Si lon considre que est centr et que (puissance du message).
La densit spectrale du bruit dentre est , dans la bande passante , la puis-
sance du bruit est :
Equ(10.8)
0
n
g n ( )
+n
b
n
b

Gs n ( )
Gs n ( )
x t ( ) A K m t ( ) + [ ] 2pn
0
t f + ( ) cos =
E x t ( ) ( )
2
[ ] E A K m t ( ) + [ ] 2pn
0
t f + ( ) cos ( )
2
[ ] =
E x t ( ) ( )
2
[ ] E A K m t ( ) + [ ] ( )
2
[ ] E 2pn
0
t f + ( ) cos ( )
2
[ ] =
m t ( ) E m t ( ) ( )
2
[ ] P =
E x t ( ) ( )
2
[ ] A
2
K
2
P + [ ] E 2pn
0
t f + ( ) cos ( )
2
[ ] =
E 2pn
0
t f + ( ) cos ( )
2
[ ]
1
2p
------ 2pn
0
t f + ( ) cos ( )
2
t d
0
2p

1
2
--- = =
E x t ( ) ( )
2
[ ]
1
2
---A
2
K
2
P + [ ] =
g
b
n ( )
N0
2
------- = 2n
b
s
be
2 N0
2
------- 2n
b
N0 n
b
= =
S
B
---
e
1
2
---A
2
K
2
P + [ ]
N0 n
b

------------------------------- =
m

t ( )
A
2
---m t ( )
1
2
---b
c
t ( ) + =
P. NAYMAN 97
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
.
Pour le bruit, la densit spectrale dune des composante en quadrature est 2 fois la
densit spectrale initiale (voir lquation 9.52 et la figure 9.6) : et
.
Equ(10.9)
Le facteur de bruit tant dfini par le rapport : :
Equ(10.10)
Remarque : On a suppos que lon avait affaire une modulation damplitude avec
porteuse. Dans le cas dune modulation sans porteuse, le paramtre . De plus, le
filtre de sortie na pas besoin dtre drivateur (il ny a plus de composante continue).
10.6. La dtection synchrone
Lune des difficults de ralisation de la dmodulation synchrone est loprateur de
multiplication. La dtection synchrone simplifie le problme en utilisant comme signal
priodique en phase avec la porteuse un signal carr. Le multiplicateur devient dans ce cas
un interrupteur lectronique qui multiplie le signal incident par +1 ou -1.
Le principal inconvnient de cette mthode sont les harmoniques induits par le si-
gnal carr (figure 10.8).
En effet, le signal carr , peut se dcomposer srie de Fourier :
Le signal prsente une srie dharmoniques impaires.
P
s
A
2
4
------ m t ( ) ( )
2 A
2
4
------P = =
g
bc
n ( ) 2N0 n
b
=
s
bs
2
2N0 n
b

4
---------------------- =
S
B
---
s
A
2
P
2N0 n
b

---------------------- =
F
S
B
---
s
S
B
---
e
=
F
P
K
2
P +
---------------- =
K 0 =
u t ( )
u t ( )
4
p
--- 2pn
0
t
1
3
--- 2p3n
0
t
1
5
--- 2p5n
0
t ....+
1
2n 1
--------------- 2p 2n 1 ( )t sin + sin + sin + sin =
u t ( )
P. NAYMAN 98
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
Il est ncessaire que la bande passante du message soit trs faible devant ,
ceci afin de filtrer correctement les harmoniques de .
Lopration de multiplication va engendrer des raies aux frquences :
Le filtre slectif dentre ne doit laisser passer que la frquence .
Aprs le filtre slectif dentre, il ne reste que le premier terme :
Figure 10.8 : Signal carr et ses harmoniques
+1
-1
t
n
0
u t ( )
0
1 3 5 7 9 11 13
u n ( )
n
b
n
0
n
b
n
0
u t ( )
n
0
n
b
( ) n
0
n
b
+ ( ) ,
3n
0
n
b
( ) 3n
0
n
b
+ ( ) ,
5n
0
n
b
( ) 5n
0
n
b
+ ( ) ,
2n 1 ( )n
0
n
b
( ) 2n 1 ( )n
0
n
b
+ ( ) ,
....
n
0
s t m t ( ) , ( ) m t ( ) u t ( ) =
s t m t ( ) , ( ) m t ( )
4
p
--- 2pn
0
t f + ( )
1
3
--- 2p3n
0
t f + ( )
1
5
--- 2p5n
0
t f + ( ) ... + sin + sin + sin


=
x
e
t ( ) m t ( )
4
p
--- 2pn
0
t f + ( ) sin ( ) =
P. NAYMAN 99
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
Comme pour la dmodulation synchrone :
Cette valeur est maximale si (la modulation et la dtection sont en phase) :
.
10.6.1. Dtection synchrone et corrlation
La dtection synchrone peut tre vue comme un corrlateur. Si lon reprend les don-
nes de la figure 10.9, le dlai modlise diffrents retards.
Aprs le filtrage de sortie :
Figure 10.9 :La dtection synchrone est un corrlateur
Equ(10.11)
est le coefficient dinter-corrlation de et de .
x
m
t ( ) x
e
t ( ) u t ( ) =
x
m
t ( )
16
p
2
------m t ( )
1
2
--- f q ( ) cos [ ]
1
2
--- 4pn
0
t f q + + ( ) cos [ ] ... +



=
m

t ( )
8
p
2
-----m t ( ) f q ( ) cos =
f q =
m

t ( )
8
p
2
-----m t ( ) =
t
Filtre slectif
Filtre intgrateur
x t ( )
m

t ( ) Gs n ( )
x
e
t ( ) x
m
t ( )
t
bruit b(t)
u(t)
Ge n ( )
q
u t q ( )
y t ( )
m

t ( )
1
T
--- x
m
t ( ) t d
0
T

=
m

t ( )
1
T
--- x
m
t ( )u t q ( ) t d
0
T

=
m

t ( ) R
ux
q ( ) = u t ( ) x
e
t ( )
P. NAYMAN 100
TRAITEMENT DU SIGNAL
DEA MIP
NOTIONS DE MODULATION ET
DTECTION SYNCHRONE
prend sa valeur maximale quand cest dire quand
. Dans ce cas reprsente la puissance de .
Remarque : le schma de la figure 10.9 est galement connue sous le nom dampli-
ficateur synchrone " lock-in ".
On peut crire la fonction de corrlation comme tant un produit de convolution (voir
lquation 7.14)
Equ(10.12)
Dans la bande passante considre, , en utilisant (10.12) :
Le bruit ntant pas corrl la quantit
De plus le terme est suppos varier trs lentement, donc sensiblement constant par
rapport :
et finalement :
Equ(10.13)
R
ux
q ( ) u q ( )
*
x
m
q ( ) =
R
ux
q ( ) u q ( )
*
x
m
q ( ) =
y t ( ) x t ( ) u t ( ) =
x
e
q ( ) y q t ( ) b q ( ) + =
x
e
q ( ) x q t ( ) [ ]u q t ( ) b q ( ) + =
x
e
t ( ) x
m
t ( ) =
R
ux
q ( ) u q ( )
*
x q t ( ) [ ]u q t ( ) b q ( ) + [ ] =
R
ux
q ( ) u q ( )
*
x q t ( ) ( ) u q t ( ) [ ] u q ( )
*
b q ( ) + =
u t ( ) u q ( )
*
b q ( ) 0
x q t ( )
u q t ( )
R
ux
q ( ) x q t ( ) u q ( )
*
u q t ( ) [ ]
R
ux
q ( ) x q t ( )R
uu
q t ( )
R
ux
q ( ) R
uu
q t ( ) R
uu
0 ( ) =
q t = R
uu
0 ( ) u t ( )
P. NAYMAN 101 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11. LES SYSTMES NUMRIQUES
Dans de nombreux systmes, linformation est disponible sous forme de mots cods
en binaire. Cest le cas par exemple, de toutes les informations issues des convertisseurs
analogiques-numriques (CAN).
Un systme numrique peut tre reprsent dune manire discrte par les valeurs
de ses entres et sorties aux instants : .
Un systme numrique transforme le signal en un signal (figure
11.1).
Remarque : afin dallger les quations on utilisera par la suite la notation normali-
se suivante :
On peut galement utiliser la notation suivante :
Exemple :
Considrons une suite et la suite correspondante :
Llment soulign reprsente llment dindice 0 de la liste. Le systme retarde
donc lentre dun chantillon.
Figure 11.1 Principe dun systme numrique
0 D 2D nD , , , ,
x nD ( ) y nD ( )
nD n
y n ( ) x n ( ) [ ] =
Systme
Numrique
n n
x n ( )
y n ( )
x n ( ) y n ( )
x n ( )
2n si 3 n 3
0 sinon

=
y n ( ) x n 1 ( ) =
x n ( ) y n ( )
x n ( ) 0 6 4 2 0 2 4 6 0 , , , , , , , , , , { } =
y n ( ) 0 6 4 2 0 2 4 6 0 , , , , , , , , , , { } =
P. NAYMAN 102 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11.1. Les systmes rponse invariante dans le temps et rponse
variante dans le temps
Un systme est rponse invariante dans le temps si sa fonction de transfert (entre/
sortie) ne change pas au cours du temps.
Si :
alors :
11.1.1. Linarit
Un systme est linaire si :
Exemple 1 :
Soit , montrons que le systme est linaire.
Le systme est donc linaire.
Exemple 2 :
Soit , dterminons si le systme est linaire.
Comme : le systme nest pas linaire.
Remarque : Par la suite on ne traitera que des systmes rponse Linaire et Inva-
riante dans le temps (LIT).
11.1.2. Causalit
Un systme est causal si sa sortie ne dpend que de ses entres prsentes et passes.
x n ( ) y n ( )
x n j ( ) y n j ( )
a
1
x
1
n ( ) a
2
x
2
n ( ) + [ ] a
1
x
1
n ( ) [ ] a
2
x
2
n ( ) [ ] + =
x
1
n ( ) x
2
n ( ) a
1
a
2
, , , "
y n ( ) x n
2
( ) =
y
1
n ( ) x
1
n
2
( ) =
y
2
n ( ) x
2
n
2
( ) =
y
3
n ( ) a
1
x
1
n ( ) a
2
x
2
n ( ) + [ ] = a
1
x
1
n
2
( ) a
2
x
2
n
2
( ) + =
a
1
y
1
n ( ) a
2
y
2
n ( ) + a
1
x
1
n
2
( ) a
2
x
2
n
2
( ) + =
y n ( ) x
2
n ( ) =
y
1
n ( ) x
1
2
n ( ) =
y
2
n ( ) x
2
2
n ( ) =
y
3
n ( ) a
1
x
1
n ( ) a
2
x
2
n ( ) + [ ] = a
1
x
1
n ( ) a
2
x
2
n ( ) + [ ]
2
=
y
3
n ( ) a
1
2
x
1
2
n ( ) a
2
2
x
2
2
n ( ) 2a
1
a
2
x
1
n ( )x
2
n ( ) + + =
a
1
y
1
n ( ) a
2
y
2
n ( ) y
3
n ( ) +
P. NAYMAN 103 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Exemple :
Si alors :
est causal.
nest pas causal.
11.2. Rponse dun systme numrique (LIT) des impulsions de Dirac
Soit :
k dfinit un certain dlai.
Alors :
est une suite dimpulsions qui comprend limpulsion .
est une impulsion de Dirac centre sur la position k.
Le produit est nul partout except pour .
Cette expression explicite le produit de convolution discret :
Equ(11.1)
Exemple :
Soit . Llment soulign reprsente llment dindice 0 de la
liste.
On peut crire :
11.2.1. Rponse impulsionnelle dun systme numrique (LIT)
Le systme numrique, linaire et rponse invariante dans le temps peut tre con-
sidr comme un filtre numrique.
Si est une impulsion de Dirac, alors :
est la rponse impulsionnelle du filtre numrique.
y n ( ) x n ( ) x n 1 ( ) , , [ ] =
y n ( ) x n 1 ( ) =
y n ( ) x n 1 + ( ) =
x
k
n ( ) n k ( ) d =
x n ( ) n k ( ) d x k ( ) n k ( ) d =
x n ( ) x k ( )
n k ( ) d
x n ( ) n k ( ) d n k =
x n ( ) n k ( ) d
k =
+

x k ( ) n k ( ) d
k =
+

=
x n ( )

x n ( ) x k ( ) n k ( ) d
k =
+

=
x n ( ) 1 2 0 3 , , , { } =
x n ( ) n 1 + ( ) 2 n ( ) 3 n 2 ( ) d + d + d =
n ( ) d
n ( ) d h n ( )
h n ( )
n k ( ) d h n k ( )
x k ( ) n k ( ) x k ( ) h n k ( ) d
P. NAYMAN 104 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
do :
Equ(11.2)
ou encore :
La sortie du filtre considr est le produit de convolution de lentre par
la rponse impulsionnelle du filtre.
11.2.2. Les systmes Rponse Impulsionnelle de dure Finie (RIF)
et Rponse Impulsionnelle de dure infinie (RII)
Comme pour les systmes analogiques, il est possible de caractriser un systme nu-
mrique par sa rponse impulsionnelle.
Si le systme est rponse impulsionnelle de dure finie (RIF), alors :
Equ(11.3)
Dans ce cas, le systme numrique est une fentre centre sur les M plus rcents
chantillons. On considre que le filtre une mmoire de longueur M.
Si le systme est rponse impulsionnelle de dure infinie (IIR) :
Equ(11.4)
Dans ce cas il est ncessaire de connatre tous les chantillons prsents et passs, le
systme une mmoire de longueur infinie.
11.3. Les systmes numriques rcursifs et non-rcursifs
Un systme numrique est rcursif si la sortie linstant dpend des valeurs
des entres et dun certain nombre de sorties passes.
Equ(11.5)
x
k

k ( ) n k ( ) x
k

k ( ) h n k ( ) d
x n ( ) y n ( )
y n ( ) x
k =
+

k ( ) h n k ( ) =
y n ( ) x n ( )
*
h n ( ) =
y n ( ) x n ( )
h n ( )
y n ( ) h k ( )x n k ( )
k 0 =
M

=
h n ( ) 0 si n 0 < et n M =
y n ( ) h k ( )x n k ( )
k 0 =
+

=
y n ( ) n
Y n ( ) F x n ( ) x n 1 ( ) x n M ( ) y n 1 ( ) y n 2 ( ) y n M ( ) , , ; , , [ ] =
y n ( ) a
k
y n k ( ) b
k
x n k ( )
k 0 =
M

+
k 1 =
N

=
P. NAYMAN 105 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Exemple :
est un systme numrique rcursif.
Un systme est non-rcursif si la sortie linstant ne dpend que des valeurs
dentre :
11.4. Corrlation des signaux discrets
Linter-corrlation de deux suites discrtes et est dfinie par :
Equ(11.6)
ou :
Equ(11.7)
de mme :
Equ(11.8)
ou :
Equ(11.9)
proprits :
11.5. Auto-corrlation de signaux discrets
Dans lquation 11.6, si lon substitue par , on obtient :
Equ(11.10)
ou, en substituant dans lquation 11.7 :
y n ( ) 2y n 1 ( ) x n ( ) + =
y n ( ) n
x n ( )
Y n ( ) F x n ( ) x n 1 ( ) x n M ( ) , , [ ] =
x n ( ) y n ( )
r
xy
l ( ) x n ( )y n l ( )
n =
+

=
r
xy
l ( ) x n l + ( )y n ( )
n =
+

=
r
yx
l ( ) y n ( )x n l ( )
n =
+

=
r
yx
l ( ) y n l + ( )x n ( )
n =
+

=
r
xy
l ( ) r
yx
l ( ) =
r
xy
l ( ) x l ( )
*
y l ( ) =
y n ( ) x n ( )
r
xx
l ( ) x n ( )x n l ( )
n =
+

=
P. NAYMAN 106 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(11.11)
proprit :
Pour , on obtient la valeur remarquable :
Equ(11.12)
11.6. La transforme en z
La transforme en z est loutil privilgi pour lanalyse des systmes numriques li-
naires.
Il est possible de faire un parallle entre le rle de la transforme en z pour les si-
gnaux numriques et celui de la transforme de Fourier pour les signaux continus.
11.6.1. La transforme en z directe
Par dfinition on pose :
Equ(11.13)
z tant une variable complexe.
On peut galement utiliser les notations suivantes :
Exemple 1 :
Exemple 2 :
r
xx
l ( ) x n ( )x n l + ( )
n =
+

=
l 0 = E
x
r
xx
0 ( ) E
x
x
2
n ( )
n =
+

= =
X z ( ) x n ( )z
n
n =
+

=
X z ( ) x n ( )
X z ( ) Z x n ( ) [ ] =
x n ( ) 1 2 3 5 0 2 , , , , , [ ] =
X z ( ) 1 2z
1
3z
2
5z
3
2z
5
+ + + + =
x n ( ) n ( ) d =
X z ( ) 1 =
P. NAYMAN 107 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Exemple 3 :
Exemple 4 :
Si soit alors la srie converge vers :
11.6.2. La transforme en z inverse
La relation gnrale de la transforme en z inverse est donne par lquation 11.14 :
Equ(11.14)
Dans la pratique, on a gnralement affaire des systmes dont la transforme en z
est rationnelle (rapport de deux polynmes). Dans ce cas, on utilise une table qui donne
directement la transforme en z (voir par exemple le Tableau 2).
11.6.3. Proprits de la transforme en z
11.6.3.1 Linarit
alors :
11.6.3.2 Dcalage en temps
x n ( ) n k ( ) d =
X z ( ) z
k
=
x n ( ) a
n
u n ( )
a
n
n 0
0 n 0 <

= =
X z ( ) a
n
z
n
n 0 =
+

az
1
( )
n
n 0 =
+

= =
az
1
1 < z a > X z ( )
1
1 az
1

-------------------- =
x n ( )
1
2pi
-------- X z ( ) z
n 1
dz
c

=
x
1
n ( ) X
1
z ( )
x
2
n ( ) X
2
z ( )
x n ( ) a
1
x
1
n ( ) a
2
x
2
n ( ) + = X z ( ) a
1
X
1
z ( ) a
2
X
2
z ( ) + =
x n ( ) X z ( )
x n k ( ) z
k
X z ( )
P. NAYMAN 108 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11.6.3.3 Inversion du temps
11.6.3.4 Diffrentiation dans le domaine z
11.6.3.5 Produit de convolution
11.6.4. Quelques transformes en z
Le Tableau 2 donne les transformes en z des fonctions les plus courantes.
Rgion de
convergence
1 tous z
Tableau 2 : Transformes en z
x n ( ) X z ( )
x n ( ) X z
1
( )
x n ( ) X z ( )
n x n ( ) z
z d
d
X z ( )
x
1
n ( ) X
1
z ( )
x
2
n ( ) X
2
z ( )
x
1
n ( )
*
x
2
n ( ) X z ( ) X
1
z ( ) X
2
z ( ) =
x n ( ) X z ( )
n ( ) d
u n ( ) 1
1 z
1

----------------
z 1 >
a
n
u n ( )
1
1 az
1

-------------------
z a >
na
n
u n ( ) az
1
1 az
1
( )
2
--------------------------
z a >
a
n
u n 1 ( )
1
1 az
1

-------------------
z a <
na
n
u n 1 ( ) az
1
1 az
1
( )
2
--------------------------
z a <
P. NAYMAN 109 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11.6.5. Fonction de transfert dun systme numrique (LIT)
On a vu que :
do :
Equ(11.15)
est la fonction de transfert du systme numrique.
Considrons un systme rcursif (RII) :
(produit de convolution)
Rgion de
convergence
Tableau 2 : (Suite)Transformes en z
x n ( ) X z ( )
w
0
n cos ( )u n ( )
1 z
1
w
0
cos
1 2z
1
w
0
z
2
+ cos
-------------------------------------------------
z 1 >
w
0
sin n ( )u n ( )
z
1
w
0
sin
1 2z
1
w
0
z
2
+ cos
-------------------------------------------------
z 1 >
a
n
w
0
n cos ( )u n ( ) 1 az
1
w
0
cos
1 2az
1
w
0
a
2
z
2
+ cos
----------------------------------------------------------
z a >
a
n
w
0
sin n ( ) ( )u n ( ) az
1
w
0
sin
1 2az
1
w
0
a
2
z
2
+ cos
----------------------------------------------------------
z a >
y n ( ) x n ( )*h n ( ) =
y n ( ) Y z ( )
x n ( )
*
h n ( ) X z ( ) H z ( )
Y z ( ) H z ( ) X z ( ) =
H z ( )
y n ( ) a
k
y n k ( ) b
k
x n k ( )
k 0 =
M

+
k 1 =
N

=
y n ( ) Y z ( )
y n k ( ) Y z ( ) z
k

x n k ( ) X z ( ) z
k

P. NAYMAN 110 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
et :
Equ(11.16)
Si le filtre considr est non rcursif : alors :
Equ(11.17)
Le systme est dans ce cas du type RIF.
11.6.6. Relation entre la transforme en z et la transforme de Fou-
rier
La transforme en z dune squence est dfinie par lquation 11.13 :
Le domaine de convergence de est : .
Y z ( ) a
k
Y z ( ) z
k
b
k
X z ( ) z
k

k 0 =
M

+
k 1 =
N

=
Y z ( ) a
k
Y z ( ) z
k

k 1 =
N

+ b
k
X z ( ) z
k

k 0 =
M

=
Y z ( ) 1 a
k
z
k
k 1 =
N

+




X z ( ) b
k
z
k
k 0 =
M

=
Y z ( )
X z ( )
-----------
b
k
z
k
k 0 =
M

1 a
k
z
k
k 1 =
N

+




------------------------------------- =
H z ( )
b
k
z
k
k 0 =
M

1 a
k
z
k
k 1 =
N

+
-------------------------------- =
a
k
0 = k "
H z ( ) b
k
z
k
k 0 =
M

=
x n ( )
X z ( ) x n ( )z
n
n =
+

=
X z ( ) r2 z r1 < <
P. NAYMAN 111 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Parmi les valeurs de z bien adaptes, on peut choisir la valeur suivante :
avec : et du fait de la normalisation adopte .
Dans ce cas :
est donc la transforme de Fourier de la squence .
La transforme en z ncessite que la squence soit telle que :
Le facteur crot avec n si et dcrot si
Si converge pour alors :
Equ(11.18)
La transforme de Fourier peut tre interprte comme la transforme en z de la
squence considre sur le cercle unit.
Exemple : Dterminer la transforme de Fourier de en valuant la
transforme en z sur le cercle unit.
(daprs le Tableau 2)
z re
iw
=
r z = w j z ( ) = w wT
X z ( ) x n ( ) re
iw
[ ]
n
n =
+

=
X z ( ) x n ( )r
n
[ ]e
inw
n =
+

=
X z ( ) x n ( )r
n
x n ( )r
n
x n ( )r
n
+ <
n =
+

r
n
r 1 < r 1 >
X z ( ) z 1 =
X z ( ) X w ( ) x n ( )e
i wn
n =
+

=
x n ( ) u n ( ) =
X z ( )
1
1 z
1

----------------
z
z 1
----------- = =
z e
iw
= z 1 =
X w ( )
e
iw
e
iw
1
----------------
e
i w 2 ( )
2i w 2 ( ) sin
-----------------------------
e
i w p 2 ( )
2 w 2 ( ) sin
--------------------------- = = =
w 2kp k 0 1 , , =
P. NAYMAN 112 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11.7. Analyse frquentielle des systmes discrets
Soit une squence de priode N :
On peut dcomposer en srie de Fourier :
Equ(11.19)
Lensemble reprsente les coefficients de la srie de Fourier.
Les diffrents coefficients sont dfinis par :
Equ(11.20)
Comme la squence est priodique :
11.7.1. Puissance moyenne
En tenant compte de la valeur de donne par lquation 11.20 :
Equ(11.21)
Cest lgalit de Parseval pour les signaux discrets.
11.7.2. Energie de la squence
Lnergie de la squence est donne par lquation 11.22 :
x n ( ) x n ( ) x n N + ( ) = n "
x n ( )
x n ( ) c
k
e
i2pkn N
k 0 =
N 1

=
c
k
{ }
c
k
1
N
---- x n ( )e
i 2pkn N
k 0 =
N 1

=
c
k N +
c
k
=
P
x
1
N
---- x n ( )
2
n 0 =
N 1

=
P
x
1
N
---- x n ( )x
*
n ( )
n 0 =
N 1

1
N
---- x n ( ) c
*
k
e
i2pk n N ( )
n 0 =
N 1





n 0 =
N 1

= =
P
x
c
*
k
1
N
---- x n ( )e
i2pk n N ( )
n 0 =
N 1





n 0 =
N 1

=
c
k
P
x
c
k
2
k 0 =
N 1

1
N
---- x n ( )
2
k 0 =
N 1

= =
x n ( )
P. NAYMAN 113 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(11.22)
Si le signal est rel : et
11.8. Synthse dun filtre numrique
La dtermination de la fonction de transfert dun filtre numrique, par une mthode
directe, nest pas toujours trs simple. Par contre, le problme qui consiste transformer
un filtre analogique en un filtre numrique est relativement simple.
De ce fait, de nombreuses mthodes sont proposes pour concevoir un filtre num-
rique partir du filtre analogique quivalent. Par la suite, les trois principales mthodes
de synthses sont proposes.
Dans tous les cas, la synthse dun filtre numrique est une approximation dun fil-
tre analogique idal quivalent. Il est ncessaire de contraindre un certain nombre de pa-
ramtres. La figure 11.2 montre quelques paramtres fondamentaux de la fonction de
transfert dun filtre.
Le choix des critres optimiss dpend de lapplication.
11.8.1. Synthse dun filtre numrique par la mthode des drives
Cette mthode est lune des plus simple pour convertir un filtre analogique en un
filtre numrique.
Le problme consiste trouver une approximation :
Figure 11.2 : Paramtres fondamentaux dun filtre analogique
E
N
N c
k
2
k 0 =
N 1

x n ( )
2
k 0 =
N 1

= =
x
*
n ( ) x n ( ) = c
k
*
c
k
=
Oscillations dans
la bande passante
Bande de
transition
Bande attnue
w w
p
w
s
1 1 d +
1 1 d
H w ( )
0
2 d
G p ( ) G z ( )
p
n ( )
f z ( ) =
P. NAYMAN 114 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Daprs le Tableau 1 : si les conditions initiales sont nulles.
Dune manire gnrale :
on peut crire pour la transforme en z :
Equ(11.23)
Lapproximation consiste donc substituer p selon lquation 11.24 :
Equ(11.24)
avec : et pour
(daprs le Tableau 2)
pour la drive premire
t
n
d
d
f t ( ) p
n
F p ( )
t d
d
y t ( )
y nT ( ) y nT T ( )
T
-------------------------------------------- =
t nT = nT n
t d
d
y t ( )
y n ( ) y n 1 ( )
T
------------------------------------ =
y n ( ) y n 1 ( )
T
------------------------------------
1 z
1

T
----------------
t d
d
y t ( ) p
t
2
d
d
y t ( )
t d
d
t d
d
y t ( )
y n ( ) 2y n 1 ( ) y n 2 ( ) +
T
2
------------------------------------------------------------------ = =
t
2
d
d
y t ( ) p
2

t
2
d
d
y t ( )
1 z
1

T
----------------


2

t
n
d
d
y t ( )
1 z
1

T
----------------


n

G z ( ) G p ( )
p
1 z
1

T
--------------- =
=
P. NAYMAN 115 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11.8.1.1 Validit de lapproximation
Quand varie de , le lieu des points dans le plan z est un cercle de rayon
1/2 dont le centre est situ . La figure 11.3 illustre ces diffrentes variations
dans les plans z et p.
Remarque : La figure 11.3 montre que les ples du filtre numrique sont confins
dans un cercle restreint.
Cette limitation rserve cette mthode aux filtres passe-bas et aux filtres bandes
troites.Considrons le terme complexe :
si alors .
Exemple : On considre le filtre analogique dont la fonction de transfert
est : . Trouver le filtre numrique quivalent par la mthode des
ou
comme par dfinition
en multipliant le numrateur et le dnominateur par le conjugu :
En prenant
Figure 11.3 : Les ples du filtre numrique
p
1 z
1

T
---------------- =
p
1 z
1

T
---------------- = z
1
1 pT
--------------- =
p iw
a
=
z
1
1 iw
a
T
--------------------- =
z
1
1 w
a
2
T
2

--------------------- i
w
a
T
1 w
a
2
T
2
+
---------------------- + =
z r iw
n
+ =
w
a
+
z 1 2 =
1 1/2 0
Plan z
iw
Plan p
w
a
T
1 w
a
2
T
2
+
----------------------
w
a
2
T
2
1 w
n
w
a

G
a
p ( )
1
p 0 1 , + ( )
2
1 +
----------------------------------- =
P. NAYMAN 116 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
drives.
11.8.2. Synthse dun filtre numrique par la transformation bili-
naire
La mthode de synthse dun filtre numrique par la transformation bilinaire don-
ne une approximation qui na pas les limitations de la mthode des drives.
Considrons la fonction reprsente par la figure 11.4 :
Calculons les intgrales suivantes :
Calculons lintgrale I de entre et .
Figure 11.4 : La mthode bilinaire
p
1 z
1

T
---------------- =
G z ( )
1
1 z
1

T
---------------- 0 1 , +


2
1 +
-------------------------------------------------
T
2
a
1
2 1 0 1T , + ( )
a
------------------------------z
1 z
2
a
------- +
------------------------------------------------------------- = =
a 1 0 2T 1 01T
2
, + , + =
p z
x kt ( )
kT
nT n 1 ( )T
X kT ( )
X nT ( )
X n 1 ( )T ( )
y
n
x u ( ) u d
0
nT

=
y
n 1
x u ( ) u d
0
n 1 ( )T

=
x u ( ) n 1 ( )T nT
I x u ( ) u d
n 1 ( )T
nT

y
n
y
n 1
= =
P. NAYMAN 117 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Intgrons par la mthode des trapzes .
Prenons la transforme en z des deux membres :
Lintgration par la mthode de la transforme de Laplace donne :
En comparant et on trouve la correspondance entre les deux espaces p
et z :
do :
Equ(11.25)
11.8.2.1 Validit de la transformation
Posons et
En identifiant les parties relles et complexes :
n nT ( )
y
n
y
n 1

x n ( ) x n 1 ( ) +
2
------------------------------------- T =
Y z ( ) Y z ( )z
1

X z ( ) X z ( )z
1
+
2
------------------------------------ T =
Y z ( ) X z ( )
T
2
---
1 z
1
+
1 z
1

---------------- =
Y p ( )
1
p
--- X p ( ) =
Y p ( ) Y z ( )
1
P
---
T
2
---
1 z
1
+
1 z
1

---------------- =
p
2
T
---
1 z
1

1 z
1
+
----------------



2
T
---
z 1
z 1 +
-----------


= =
p
2
T
---
z 1
z 1 +
-----------


=
z re
ij
n
= p s iw
a
+ =
p
2
T
---
re
ij
n
1
re
ij
n
1 +
--------------------



=
p
2
T
---
r
2
1
1 r
2
2r j
n
cos + +
----------------------------------------- i
2r j
n
sin
1 r
2
2r j
n
cos + +
----------------------------------------- +



=
s
2
T
---
r
2
1
1 r
2
2r j
n
cos + +
----------------------------------------- =
P. NAYMAN 118 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Si alors : zone lintrieur du cercle unit.
Si alors : zone lextrieur du cercle unit.
La partie gauche du plan p correspond lintrieur du cercle unit dans le plan z.
La partie droite du plan p correspond lextrieur du cercle unit dans le plan z.
Si alors
do :
Equ(11.26)
et :
Equ(11.27)
11.8.2.2 Relation entre les frquences des deux domaines
La figure 11.5 reprsente la courbe dfinie par lquation 11.27.
Remarque : Si la frquence dchantillonnage est grande :
Figure 11.5 : Relation entre les phases analogique et numrique
comme
w
a
2
T
---
2r j
n
sin
1 r
2
2r j
n
cos + +
----------------------------------------- =
r 1 < s 0 <
r 1 > s 0 >
r 1 = s 0 =
w
a
2
T
---
j
n
sin
1 j
n
cos +
------------------------ =
w
a
2
T
---
j
n
2
------ tan =
j
n
2
w
a
T
2
---------- atan =
j
n
w
aT
w
a
+ < <
plan p analogique
p j
n
+p
plan z numrique

j
n
w
n
T =
w
a
2
T
---
j
n
2
------ tan
2
T
---
w
n
T
2
---------- tan = =
P. NAYMAN 119 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
est petit
Exemple 1 :
On considre le filtre analogique dfini par la fonction de transfert :
. On cherche le filtre numrique quivalent par la mthode bi-
linaire. Le filtre numrique cherch, aura sa frquence de rsonance pour .
Le filtre analogique peut se mettre sous la forme : avec
la pulsation la rsonance. Il faut donc faire correspondre (analogique)
avec (numrique).
do
Daprs lquation 11.25 :
Daprs lquation 11.16 :
w
n
T
2
----------
w
a
T
2
---------- tan
w
a
T
2
----------
w
a
2
T
---
w
n
2
------ w
n

G
a
p ( )
p 0 1 , +
p 0 1 , + ( )
2
16 +
-------------------------------------- =
j
n
p 2 =
G
a
p ( )
p 0 1 , +
p 0 1 , + ( )
2
w
a
2
+
-------------------------------------- =
w
a
4 = w
a
4 =
j
n
p 2 =
w
a
2
T
---
j
n
2
------ tan =
4
2
T
---
p
4
--- tan = T 1 2 =
p 4
1 z
1

1 z
1
+
---------------- =
G
a
p ( )
p 0 1 , +
p 0 1 , + ( )
2
16 +
-------------------------------------- =
G
a
z ( )
4
1 z
1

1 z
1
+
---------------- 0 1 , +
4
1 z
1

1 z
1
+
---------------- 0 1 , +



2
16 +
------------------------------------------------------- =
G
a
z ( )
0 125 0 006z
1
0 118z
2
, , + ,
1 0 0006z
1
0 950z
2
, , +
------------------------------------------------------------------------ =
H z ( )
b
k
z
k
k 0 =
M

1 a
k
z
k
k 1 =
N

+
-------------------------------- =
P. NAYMAN 120 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Les coefficients du filtre numrique sont :
La figure 11.6 reprsente le filtre analogique (trait plein) dont la rsonance se pro-
duit pour et le filtre numrique (trait pointill) quivalent qui a sa frquence de
rsonance pour .
Exemple 2 :
On considre le filtre passe-bas analogique un ple unique : . On
suppose que la frquence de coupure -3dB se produit pour . Trouver le filtre
numrique quivalent par la mthode de la transformation bilinaire.
Figure 11.6 : Exemple 1 : Un filtre analogique et le filtre numrique correspondant
En utilisant lquation 11.25 :
b
0
0 125 , =
b
1
0 006 , =
b
2
0 118 , =
a
1
0 0006 , =
a
2
0 950 , =
w
a
4 =
j
n
p 2 =
numrique
analogique
|G( w)|
w
G w ( )
H p ( )
w
a
p w
a
+
--------------- =
j
n
0 2p , =
w
a
2
T
---
0 2p ,
2
------------ tan
0 65 ,
T
------------ = =
H p ( )
0 65 , T
p 0 65 , T +
---------------------------- =
p 2
1 z
1

1 z
1
+
---------------- =
P. NAYMAN 121 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Dans cet exemple le paramtre T disparat par simplification, sa valeur est donc in-
diffrente.
La figure 11.7 reprsente le filtre analogique (T=1) et le filtre numrique correspon-
dant. La frquence de coupure se trouve bien pour une attnuation de 3dB
soit . On remarquera que le filtre numrique a une pente plus raide
que le filtre analogique mais prsente des lobes secondaires.
Exemple 3 :
On dsire raliser un filtre passe-bas de Butterworth laide dun filtre numrique.
La fonction de transfert analogique dun tel filtre est :
est la pulsation de coupure et n lordre du filtre.
A lordre 2, la fonction de transfert peut se mettre sous la forme :
Appliquons la transformation bilinaire
Figure 11.7 Exemple 2 : Un filtre analogique et le filtre numrique correspondant
H z ( )
0 65 , T
2
T
---
1 z
1

1 z
1
+
---------------- 0 65 , T +
--------------------------------------------------
0 65 1 z
1
+ ( ) ,
2 65 1 35z
1
, ,
------------------------------------- = =
H z ( )
0 245 1 z
1
+ ( ) ,
1 0 509z
1
,
------------------------------------ =
j
n
0 2p , =
G
max
2
------------ 0 707G
max
, =
Numrique
Analogique
wa
G w ( )
2 1
1
w
w
c
------


2n
+
-------------------------- =
w
c
G p ( )
w
c
2
p
2
2 w
c
p w
c
2
+ +
-------------------------------------------------- =
p
2
T
---
z 1
z 1 +
----------- =
p
w
c
------
2
w
c
T
----------
z 1
z 1 +
----------- =
P. NAYMAN 122 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
posons :
finalement on obtient :
Application :
Soit un filtre analogique dont la pulsation de coupure est . On
cherche le filtre numrique quivalent (Butterworth n=2). La frquence dchantillonna-
ge est de 10KHz.
posons
On trouve :
a
2
w
c
T
---------- =
p
w
c
------ a
z 1
z 1 +
----------- =
G z ( )
1
a
z 1
z 1 +
-----------


2
2a
z 1
z 1 +
----------- 1 + +
--------------------------------------------------------------- =
G z ( )
1 2z
1
z
2
+ +
a
2
a 2 1 + + ( ) 2 1 a
2
( )z
1
a
2
a 2 1 + ( )z
2
+ +
----------------------------------------------------------------------------------------------------------------------------- =
a a
2
a 2 1 + + =
b 2 1 a
2
( ) =
c a
2
a 2 1 + =
G z ( )
1
a
---
2
a
---z
1 1
a
---z
2
+ +
1
b
a
---z
1 c
a
---z
2
+ +
------------------------------------- =
w
c
0 3249 ,
4
10 =
a
2
w
c
T
----------
2n
e
w
c
--------
2
4
10
0 3249 ,
4
10
----------------------------- 6 155 , = = = =
a a
2
a 2 1 + + 47 595 , = =
b 2 a
2
73 78 , = =
c a
2
a 2 1 + 30 185 , = =
G z ( )
0 021 , 0 042z
1
, 0 021z
2
, + +
1 1 55z
1
, 0 634z
2
, +
------------------------------------------------------------------------- =
P. NAYMAN 123 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
La figure 11.8 reprsente respectivement la fonction de transfert du filtre analogique
et la fonction de transfert du filtre numrique correspondant.
11.9. Synthse dun filtre numrique par invariance de la rponse
impulsionnelle
Cette mthode fait correspondre au filtre analogique de fonction de transfert
et de rponse impulsionnelle , un filtre numrique de rponse impulsionnelle
.
Le signal correspond lchantillonnage de la frquence .
Si lon chantillonne aux instants et si lon suppose que les ples de
sont distincts : avec : les ples du filtre analogique et
les coefficients associs. On peut dans ce cas crire :
Figure 11.8 Exemple 3 : Un filtre analogique et le filtre numrique correspondant
|G(wa)|,
|G(wn)|
w
c
Numrique
Analogique
w
a
, w
n
G
a
p ( )
h
a
t ( ) G z ( )
h nT ( )
h nT ( ) h
a
t ( ) 1 T
h
a
t ( ) nT
G
a
p ( ) G
a
p ( )
c
k
p p
k

--------------
k 1 =
N

= p
k
{ }
c
k
{ }
h
a
t ( ) c
k
e
p
k
t
k 1 =
N

= t 0 >
h n ( ) h
a
nT ( ) c
k
e
p
k
nT
k 1 =
N

=
G z ( ) h n ( )z
n
n 0 =
+

=
G z ( ) c
k
e
p
k
nT
k 1 =
N





z
n
n 0 =
+

c
k
e
p
k
T
z
1
( )
n
n 0 =
+

k 1 =
N

= =
P. NAYMAN 124 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
finalement :
Equ(11.28)
Les ples de sont
11.9.1. Validit de la transformation par invariance de la rponse
impulsionnelle
si alors
si alors
si alors la partie gauche du plan p est projete dans le plan z lintrieur du
cercle unit.
impose que lintervalle correspond lintervalle
. De mme, tous les intervalles avec k entier
sont projets sur . Ceci est une consquence directe de leffet de priodisation
d lchantillonnage.
De fait, cette mthode est limite la synthse des filtres passe-bas ou des filtres
bandes troites.
si
comme
posons et
. En identifiant, on trouve :
e
p
k
T
z
1
( )
n
n 0 =
+

1
1 e
p
k
T
z
1

-------------------------- = p
k
0 <
G z ( )
c
k
1 e
p
k
T
z
1

--------------------------
k 1 =
N

=
G z ( ) z
k
e
p
k
T
= k 1 2 n , , =
G z ( ) h n ( )z
n
n 0 =
+

=
z e
pT
=
G e
pT
( ) h n ( )e
pTn
n 0 =
+

=
p s iw
a
+ = z r
ij
n
=
r
ij
n
e
s iw
a
+ ( )T
=
r
ij
n
e
sT
e
iw
a
T
=
s 0 < 0 r 1 < <
s 0 > r 1 >
s 0 =
j
n
w
a
T =
p
T
--- w
a
p
T
---
p j
n
p 2k 1 ( )
p
T
--- w
a
2k 1 + ( )
p
T
---
p j
n
p
P. NAYMAN 125 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Exemple :
On considre le filtre analogique . On cherche le filtre nu-
mrique quivalent en utilisant la mthode de linvariance de la rponse impulsionnelle.
un zro en et 2 ples conjugus : et
soit : .
Daprs lquation 11.28 :
peut se mettre sous la forme :
et en identifiant, on trouve :
11.10. Conception des filtres RIF
La conception des filtres RIF ncessite la connaissance pralable de certaines carac-
tristiques fondamentales de ces filtres.
Un filtre Rponse Impulsionnelle de dure Finie (RIF) de longueur M est dcrit
par lquation 11.29 :
Equ(11.29)
avec les coefficients du filtre.
On peut exprimer la sortie du filtre en fonction de sa rponse impulsionnelle
:
Equ(11.30)
On remarquera que lquation 11.29 et lquation 11.30 sont identiques si
pour
La fonction de transfert du filtre peut tre exprime grce la transforme en z :
G
a
p ( )
p 0 1 , +
p 0 1 , + ( )
2
9 +
----------------------------------- =
G
a
p ( ) p 0 1 , = p 0 1 , + 3i =
p 0 1 , + 3 i = p
k
0 1 3i , =
G z ( )
c
k
1 e
p
k
T
z
1

--------------------------
k 1 =
N

=
G
a
p ( ) G
a
p ( )
a
p p
1

--------------
b
p p
2

-------------- + =
G
a
p ( )
a
p 0 1 , 3i +
-----------------------------
b
p 0 1 , 3i + +
----------------------------- + =
G
a
p ( )
1 2
p 0 1 , 3i +
-----------------------------
1 2
p 0 1 , 3i + +
----------------------------- + =
G z ( )
1 2
1 e
0 1T ,
e
i3T
z
1

-----------------------------------------
1 2
1 e
0 1T ,
e
i 3T
z
1

------------------------------------------- + =
G z ( )
1 e
0 1T ,
3T cos ( )z
1

1 2e
0 1T ,
3T cos ( )z
1
e
0 2T ,
z
2
+
------------------------------------------------------------------------------------ =
y n ( ) b
k
x n k ( )
k 0 =
M 1

=
b
k
{ }
y n ( )
h n ( )
y n ( ) h k ( )x n k ( )
k 0 =
M 1

=
b
k
h k ( ) = k 0 1 n 1 ( ) , , , =
P. NAYMAN 126 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(11.31)
Ce polynme de degr M-1 a des racines qui sont les zros du filtre.
Dautre part, un filtre RIF a une phase linaire si sa rponse impulsionnelle est telle
que :
Equ(11.32)
do :
Equ(11.33)
Dautre part, selon la parit de M, peut sexprimer diffremment :
En introduisant lquation 11.32 :
si M est impair :
si M est pair :
H z ( ) h k ( )z
k
k 0 =
M 1

=
h n ( ) h M 1 n ( ) =
n 0 1 M 1 , , , =
H z
1
( ) h k ( )z
k
k 0 =
M 1

=
z
M 1 ( )
H z
1
( ) h k ( )z
M 1 k ( )
k 0 =
M 1

=
z
M 1 ( )
H z
1
( ) h M 1 k ( ) z
M 1 k ( )
k 0 =
M 1

=
z
M 1 ( )
H z
1
( ) H z ( ) =
H z ( )
H z ( ) h k ( )z
k
k 0 =
M 1

=
H z ( ) z
M 1 ( ) 2
h k ( )z
M 1 2k ( ) 2
k 0 =
M 1

=
H z ( ) z
M 1 ( ) 2
h
M 1
2
--------------


h k ( ) z
M 1 2k ( ) 2
z
M 1 2k ( ) 2
[ ]
k 0 =
M 3 ( ) 2

+





=
P. NAYMAN 127 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11.10.1. Cas o h(n) est symtrique
Lorsque la rponse impulsionnelle est symtrique, alors :
. On peut exprimer la fonction de transfert comme tant :
si M est impair :
si M est pair :
La phase de est :
11.10.2. Cas o h(n) est antisymtrique
Lorsque la rponse impulsionnelle est antisymtrique,
, le point milieu est tel que . Dans ce cas, la fonc-
tion de transfert peut sexprimer comme tant :
Si M est impair :
Si M est pair :
H z ( ) z
M 1 ( ) 2
h k ( ) z
M 1 2k ( ) 2
z
M 1 2k ( ) 2
[ ]
k 0 =
M 3 ( ) 2

=
h n ( )
h n ( ) h M 1 n ( ) =
H w ( ) H
r
w ( )e
iw M 1 ( ) 2
=
H
r
w ( ) h
M 1
2
--------------


2 h n ( ) w
M 1
2
-------------- n


cos
n 0 =
M 3 ( ) 2

+ =
H
r
w ( ) 2 h n ( ) w
M 1
2
-------------- n


cos
n 0 =
M 2 ( ) 1

=
H w ( )
q w ( )
w
M 1
2
--------------


si H
r
w ( ) 0 >
w
M 1
2
--------------


p + si H
r
w ( ) 0 <

=
h n ( )
h n ( ) h M 1 n ( ) = h
M 1
2
--------------


0 =
H w ( ) H
r
w ( )e
w M 1 ( ) 2 p 2 + [ ]
=
H
r
w ( ) 2 h n ( ) w sin
M 1
2
-------------- n


n 0 =
M 3 ( ) 2

=
P. NAYMAN 128 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
11.10.3. Choix dune rponse h(n) symtrique ou antisymtrique
On remarquera que lorsque h(n) est antisymtrique : et .
Ceci implique quil nest pas possible de concevoir un filtre passe-bas avec une rponse
h(n) antisymtrique.
On remarquera que lorsque la rponse h(n) est symtrique :
La connaissance de lallure de la rponse impulsionnelle du filtre analogique
quivalent peut donner de bonnes indications sur le choix symtrique/antisymtrique. Si
est unipolaire on choisit symtrique. Si est bipolaire on choisit an-
tisymtrique.
11.11. Utilisation du fentrage
11.11.1. Effet du fentrage sur un signal
Considrons un signal dfini par la squence x(n) et une fentre w(n), telle
que :
et un signal tronqu par la fentre w(n).
Il est intressant de montrer linfluence de la longueur de la fentre sur la rsolution
et la dynamique obtenues.
On appelle rsolution frquentielle le plus petit cart entre deux frquence discer-
nables.
On appelle dynamique, le rapport entre la puissance maximale et la puissance mi-
La phase de est :
pour M impair
pour M pair.
H
r
w ( ) 2 h n ( ) w sin
M 1
2
-------------- n


n 0 =
M 2 ( ) 1

=
H w ( )
q w ( )
p
2
--- w
M 1
2
--------------


si H
r
w ( ) 0 >
3p
2
------ w
M 1
2
--------------


si H
r
w ( ) 0 <

=
H
r
0 ( ) 0 = H
r
p ( ) 0 =
H
r
0 ( ) h
M 1
2
--------------


2 h n ( )
n 0 =
M 3 ( ) 2

+ =
H
r
0 ( ) 2 h n ( )
n 0 =
M 2

=
h t ( )
h t ( ) h n ( ) h t ( ) h n ( )
w n ( )
1 0 n M 1
0 sinon

=
y n ( ) x n ( ) w n ( ) =
P. NAYMAN 129 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
nimale que lon peut mesurer. La dynamique correspond un rapport signal bruit et est
limite par la dispersion spectrale (voir plus loin).
Calculons la transforme de Fourier de w(n) :
Equ(11.34)
Illustrons leffet du fentrage, sur la rsolution, par un exemple :
Application : Considrons le signal avec (en frquence nor-
malise) et une fentre de longueur M=30. Le spectre conscutif est reprsent par la fi-
gure 11.9.
On remarque que le spectre nest pas confin sur une seule raie, mais rparti sur tout
lespace frquentiel. Cest la dispersion spectrale.
Dautre part le spectre en frquence est symtrique par rapport .
Soit
Figure 11.9 : Dispersion spectrale
W w ( ) w n ( )e
iwn
n 0 =
M 1

e
iwn
n 0 =
M 1

= =
W w ( ) e
iwn
n 0 =
M 1

1 e
iwM

1 e
iw

-------------------- e
i w
M 1
2
--------------
wM 2 ( ) sin
w 2 ( ) sin
----------------------------- = = =
W w ( ) e
i w
M 1
2
--------------
wM 2 ( ) sin
w 2 ( ) sin
----------------------------- =
x n ( ) w
1
n w
2
n cos + cos =
w n ( ) w
1
n cos
1
2
--- W w w
1
( ) W w w
1
+ ( ) + [ ]
w n ( ) w
1
n w cos
2
n + cos ( )
1
2
--- W w w
1
( ) W w w
2
( ) W w w
1
+ ( ) W w w
2
+ ( ) + + + [ ]
2pn
0
n cos n
0
0 1 , =
n 0 =
P. NAYMAN 130 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Le fentrage a galement des effets sur la rsolution, considrons le signal
avec et pour M=30, 50 et 100.
Plus M augmente et plus la rsolution sur le lobe principal est meilleure, par contre la dis-
persion spectrale augmente avec M. La figure 11.10 reprsente le spectre de x(n) pour
M=30, on ne discerne pas les deux frquences. La figure 11.11, pour M=50, prsage la
prsence de deux frquences. Seule la figure 11.12 avec M=100 permet de distinguer cor-
rectement et .
Figure 11.10 : Dispersion spectrale et rsolution M=30
Figure 11.11 : Dispersion spectrale et rsolution M=50
x n ( ) 2pn
1
n 2pn
2
n cos + cos = n
1
0 10 , = n
2
0 12 , =
n
1
0 10 , = n
2
0 12 , =
P. NAYMAN 131 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
La fentre M=100 est le cas limite pour distinguer les deux frquences. En effet,
avec une fentre rectangulaire, la largeur du lobe principal est . Pour sparer correcte-
ment deux frquences, il est ncessaire que .
Dans lexemple prcdent : .
11.11.2. Effet du fentrage avec un filtre RIF
11.11.2.1 La fentre rectangulaire
Soit
avec
La rponse impulsionnelle obtenue est de dure infinie. Pour tre compatible avec
un filtre RIF, cette rponse doit tre tronque la longueur n=M-1.
Tronquer la longueur (M-1) revient multiplier par une fentre rec-
tangulaire telle que :
La rponse impulsionnelle du filtre RIF devient :
Figure 11.12 : Dispersion spectrale et rsolution M=100
2
M
-----
n
1
n
2

2
M
----- >
n
1
n
2
0 02 ,
2
M
----- = =
H
d
w ( ) h
d
n ( )e
iwn
n 0 =
+

=
h
d
n ( )
1
2p
------ H
d
w ( )e
iwn
w d
p
+p

=
h
d
n ( ) h
d
n ( )
w n ( )
1 n 0 1 M 1 , , , =
0 sinon

=
h n ( ) h
d
n ( ) w n ( ) =
h n ( )
h
d
n ( ) n 0 1 M 1 , , , =
0 sinon

=
P. NAYMAN 132 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
La multiplication de la rponse impulsionnelle par la fentre w(n) est qui-
valent un produit de convolution dans lespace frquence.
est la fonction de transfert du filtre.
est la transforme de Fourier de w(n).
La figure 11.13 reprsente lamplitude du module de la fentre W (normalise par
M) en fonction de la frquence et de la longueur de la fentre (M=11 et M=23).
On remarque que lorsque M augmente le lobe principal devient plus troit. Toute-
fois, les lobes secondaires de sont relativement levs et augmentent avec M (cet
effet est peu visible du fait de la normalisation de lamplitude par M).
Dans le cas de la fentre rectangulaire, calculons le rapport entre lamplitude du
lobe principal et lamplitude du lobe secondaire le plus important.
(produit de convolution)
avec
La phase de est :
Figure 11.13 : Module de la fentre rectangulaire
h
d
n ( )
H w ( ) H
d
w ( )
*
W w ( ) =
H w ( )
W w ( )
W w ( ) w n ( )e
iwn
n 0 =
M 1

e
iwn
n 0 =
M 1

= =
H w ( )
1
2p
------ H
d
w ( )W w c ( ) c d
p
+p

=
W w ( ) e
iwn
n 0 =
M 1

1 e
iwM

1 e
iw

-------------------- e
i w
M 1
2
--------------
wM 2 ( ) sin
w 2 ( ) sin
----------------------------- = = =
W w ( )
wM 2 ( ) sin
w 2 ( ) sin
-------------------------------- = p w +p
W w ( ) j w ( )
j w ( )
w
M 1
2
-------------- si wM 2 ( ) 0 sin
w
M 1
2
-------------- p + si wM 2 ( ) 0 < sin

=
M=11
M=23
|W(n)|dB
W w ( )
W w ( )
wM 2 ( ) sin
w 2 ( ) sin
-------------------------------- =
P. NAYMAN 133 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Lamplitude du lobe principal est :
Le premier lobe secondaire possde lamplitude la plus leve, le maximum a lieu
pour
En utilisant lapproximation de pour x petit : , on obtient :
Soit le rapport damplitude entre le lobe principal et le premier lobe secondaire :
Equ(11.35)
11.11.2.2 La fentre cosinusodale
Il est possible dattnuer lamplitude des lobes secondaires par addition algbrique.
Considrons la fonction telle que :
La fonction W est translate dune valeur positive et dune valeur ngative. Les deux
translates sont ensuite sommes. La figure 11.14 montre leffet dattnuation des lobes
secondaires grce cette opration.
soit 13,4dB (Rappel : , voir en annexe)
ou encore :
W 0 ( ) M =
w
1
2p
1 5 ,
M
--------- =
W 2p
1 5 ,
M
---------


1
3p
2M
-------- sin
---------------- =
x sin x x
x
3
6
----- sin
W 2p
1 5 ,
M
---------


1
3p
2M
--------
3p
2M
--------


3
6
--------------------------------------
M
3p
2
------ 1
3p
2
8M
2
----------
-------------------------------- = =
r
M
r
M
3p
2
------ 1
3p
2
8M
2
----------



=
M
min
2 =
r
2
0 35 , =
r

4 71 , = r
dB
20LogX =
W
s
w ( )
W
s
w ( )
1
2
--- W w
p
M 1
--------------


W w
p
M 1
-------------- +


+ =
W
s
n ( )
1
2
--- W n
p
M 1
--------------


W n
p
M 1
-------------- +


+ =
P. NAYMAN 134 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Pour cette reprsentation
reprsente
reprsente et
reprsente .
On peut remarquer que les lobes sont deux fois plus larges.
Si lon reprend la transforme de Fourier inverse de
, on obtient :
Equ(11.36)
Cest la fentre cosinusodale.
11.11.2.3 Les fentres les plus utilises
Il est possible dutiliser dautres fentres relativement simples comme celle de Bart-
lett (fentre triangulaire) ou damliorer les caractristiques de la fentre cosinusodale en
modifiant les coefficients de chaque composante, cest le cas des fentres de Blackman,
Hamming et Hanning. La figure 11.15 permet dvaluer lallure de ces diffrentes fen-
tres.
Dautres fentres beaucoup plus sophistiques peuvent tre utilises, citons par
exemple, les fentres de Kaiser, Lanczos ou encore Tukey.
Remarque : La fentre rectangulaire possde un lobe principal le plus troit, mais
prsente des lobes frquentiels importants. Le choix dune fentre sera donc le meilleur
compromis entre la rsolution frquentielle et la dynamique recherches.
Figure 11.14 : La fentre cosinusodale
W w ( )
wM 2 ( ) sin
w 2 ( ) sin
----------------------------- =
WP n ( ) W n
1
2 M 1 ( )
---------------------- +


WM n ( ) W n
1
2 M 1 ( )
----------------------


WS n ( )
1
2
--- WP n ( ) WM n ( ) + ( )
W
s
n ( )
1
2
--- W n
p
M 1
--------------


W n
p
M 1
-------------- +


+ =
w n ( )
pn
M 1
-------------- cos =
P. NAYMAN 135 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Le Tableau 3 donne la rponse impulsionnelle h(n) de diffrentes fentres pour une
fentre de longueur M.
Le Tableau 4 donne la largeur du lobe principal et le rapport exprim en dcibels
(dB) entre lamplitude du lobe principal et celle du lobe secondaire le plus
important :
Figure 11.15 : Comparaison de diffrentes fentres
Fentre
Rponse impulsionnelle h(n)
Bartlett (triangulaire)
Blackman
Hamming
Hanning
Tableau 3 : Rponse impulsionnelle de diffrentes fentres
Blackman
Barlett
Hamming
Hanning
0 n M 1
1
2 n
M 1
2
--------------
M 1
-----------------------------
0 42 0 5
2pn
M 1
-------------- cos , 0 08
4pn
M 1
-------------- cos , + ,
0 54 0 46
2pn
M 1
-------------- cos , ,
1
2
--- 1
2pn
M 1
-------------- cos


r
n
A
p
( ) A
s
( )
r
n
20
A
p
A
s
------ log =
P. NAYMAN 136 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
La figure 11.16 reprsente la rponse en frquence de la fentre de Hanning pour
M=31 et M=61.
La figure 11.17 reprsente la rponse en frquence de la fentre de Hamming pour
M=31 et M=61.
Fentre de pondration Largeur du lobe principal
(dB)
Rectangulaire 2/M -13dB
Bartlett 4/M -27dB
Hanning 4/M -32dB
Hamming 4/M -43dB
Blackman 6/M -58dB
Tableau 4 : Largeur du lobe principal pour diffrentes fentres
Figure 11.16 : Fentre de Hanning
r
n
20
A
p
A
s
------ log =
M=31
M=61
P. NAYMAN 137 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
La figure 11.18 reprsente la rponse en frquence de la fentre de Blackman pour
M=31 et M=61.
Exemple : On considre un filtre passe-bas du premier ordre dfini par son gain :
.
Sa rponse impulsionnelle est :
(exponentielle dcroissante).
Dautre part, on considre le filtre digital tel que :
On se propose de pondrer la rponse impulsionnelle par trois fentres :
rectangulaire, Hamming et Blackman.
avec w(n) la fentre considre.
Figure 11.17 : Fentre de Hamming
Figure 11.18 : Fentre de Blackman
M=31
M=61
M=61
M=31
g p ( )
w
a
w
a
p +
--------------- =
h t ( ) w
a
e
w
a
t
=
h
d
n ( ) w
a
e
nw
a
M 1
--------------
= 0 n M 1
h n ( ) h
d
n ( ) w n ( ) =
P. NAYMAN 138 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
La rponse en frquence est obtenue en prenant la transforme de Fourier discrte
de h(n).
Les premires oprations consistent :
Translater h(n) de (M-1)/2 positions : (permet de rendre
causal le filtre)
Symtriser h(n) :
La figure 11.19 reprsente la rponse impulsionnelle translate, symtrise et tron-
que. Seule la partie linaire de lexponentielle apparat sur la figure 11.19.
Les coefficients du filtre numrique sont les valeurs de la rponse impulsionnelle
aux instants : 0, 1,...M-1.
La transforme de Fourier discrte permet de retrouver les spectres en frquences
pour les trois fentres considres :
Les figures suivantes (figure 11.20, figure 11.21 et figure 11.22) reprsentent les r-
ponses en frquences obtenues.
Figure 11.19 : Rponse impulsionnelle translate et symtrise
h n ( ) h n
M 1
2
-------------- +

h n ( ) h M 1 n ( ) =
H n ( ) h n ( )e
2pinn
n 0 =
M 1

=
M=35
P. NAYMAN 139 LES SYSTMES NUMRIQUES
TRAITEMENT DU SIGNAL
DEA MIP
Figure 11.20 : Fentre rectangulaire
Figure 11.21 : Fentre de Hamming
Figure 11.22 : Fentre de Blackman
M=35 Fentre rectangulaire
M=35 Fentre de Hamming
M=35 Fentre de Blackman
P. NAYMAN 140 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
12. LE BRUIT
Les signaux sont transmis ou traits par des voies qui les altrent. Tout ce qui mo-
difie le signal utile peut tre considr comme du bruit.
De nombreuses sources de bruit ont un caractre alatoire, cest pourquoi ces ph-
nomnes sont tudis par des mthodes statistiques.
12.1. Le bruit de quantification
1
Quantifier une valeur analogique , cest remplacer cette valeur par qui fait
partie dun ensemble dnombrable de valeurs discrtes.
o q est le pas de quantification.
Avec par exemple :
Le pas de quantification q peut tre dfini par rapport la valeur Amax du signal et
par rapport au nombre de bits N du codeur (figure 12.1) :
Equ(12.1)
Lerreur de quantification est dfinie par la quantit :
On suppose que lerreur est uniformment rpartie.
est une variable alatoire de moyenne nulle obissant une loi de
probabilit uniforme
2
:
1. Un chapitre complet est consacr la quantification.
Figure 12.1 : La quantification
2. Voir Les signaux alatoires (rappels de notions de base en statistique), page 53.
x
n
y
n
y
n
kq =
kq
q
2
--- x
n
kq
q
2
--- +
q
Amax
2
N
-------------- =
x (en entre)
y (code quivalent)
Niveaux de dcision
q
2q
q/2 3q/2 5q/2
e
n
y
n
x
n
=
e
n
e
n
E e
n
( ) 0 =
P. NAYMAN 141 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
La variance sexprime par la relation :
Equ(12.2)
Ceci correspond la puissance du bruit de quantification (On suppose le processus
ergodique, la moyenne quadratique est quivalente une puissance).
12.2. Le rapport signal bruit du codeur
Par dfinition :
Equ(12.3)
Le rapport signal bruit sexprime en dcibels.
12.2.1. Cas dun signal sinusodal
Soit un signal sinusodal damplitude .
La puissance du signal sinusodal est :
Equ(12.4)
N tant le nombre de bits du codeur.
donc :
n " p
e
n
u ( )
1
q
--- si
q
2
--- u
q
2
--- <
0 sinon

=
s
2 1
q
--- u
2
u d
q 2
+q 2

q
2
12
------ = =
S
B
---


dB
10
P
S
P
B
------ log =
A +A , [ ]
q
2A
2
N
------- =
P
B
q
2
12
------
4A
2
2
2N
---------
1
12
------
A
2
3 2
2N

------------------ = = =
P
s
A
2
2
------ =
S
B
---
P
s
P
B
------
3
2
--- 2
2N
= =
S
B
---


dB
10
3
2
--- log 2
2N
=
S
B
---


dB
6N 1 8 , + =
P. NAYMAN 142 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
12.2.2. Amlioration du rapport signal bruit
La puissance du bruit de quantification est uniformment distribue et ne dpend
pas de la frquence dchantillonnage du convertisseur analogique-numrique.
Pour respecter le thorme de Shannon (Voir Consquence de lchantillonnage,
page 49.), il est ncessaire dchantillonner le signal dentre avec ,
tant la plus grande frquence contenue dans le signal. Un filtre passe-bas est ncessaire
pour liminer toutes les frquences suprieures gnres par lchantillonnage.
Considrons que lon surchantillonne le signal dentre avec une frquence ,
telle que : .
Si lon chantillonne la frquence , avec , on retrouve la limite
donne par Shannon. Si lon augmente k, la puissance du bruit est rpartie sur toute la ban-
de. Dans ce cas, le filtrage passe-bas, limite la puissance du bruit la zone hachure de la
figure 12.2.
Si lon tient compte du facteur k, lquation 12.4 devient :
Equ(12.5)
Pour un rapport signal bruit donn, le surchantillonnage amliore le nombre de
bits effectifs de la quantit : .
Figure 12.2 : Puissance du bruit aprs filtrage
n
e
2 n
max
n
max
n
max
k n
e

n
e
2 n
max
=
n
max n
s
b
2
k 2n
max
( )
n
max
k n
max

s
b
2
k
------
k 2n
max
( ) k 1 =
S
B
---


dB
6N 1 8 10 log
10
k ( ) + , + =
10
6
------ log
10
k ( )
P. NAYMAN 143 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
12.2.3. Cas dun signal gaussien
Dans le cas dun signal gaussien on peut appliquer la rgle des : Les amplitu-
des dune variable alatoire gaussienne dcart type qui scartent de plus de de
la valeur moyenne sont de probabilit ngligeable .
Il faut pouvoir coder compltement le signal, si 2A est la gamme dynamique totale :
.
finalement :
Equ(12.6)
12.3. Formule de Hartley
Le codeur doit avoir une dynamique (voir la figure 12.3) :
Le pas du codeur doit tre gal :
k Amlioration (S/B) en dB Amlioration du nombre de bits
2 3 0.5
4 6 1
8 9 1.5
16 12 2
32 15 2.5
64 18 3
Tableau 5 : Amlioration des performances par surchantillonnage
avec :
3s
s 3s
2A 6s =
A 3s
s
=
s
s
2 A
2
9
------ =
S
B
---
A
2
9
------
1
q
2
12
--------------- = q
2A
2
N
------- =
S
B
---
2
2N
3
-------- =
S
B
---


dB
6N 5 6 , =
D 2A 6s + =
6s
P. NAYMAN 144 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
Le nombre de pas ncessaire pour assurer le codage est :
Le nombre de bits est dfini par :
Si le canal a une bande passante B, on peut transmettre 2B chantillons par seconde.
Le nombre de bits que lon peut transmettre sans erreur est donn, dune par la for-
mule de Hartley et dautre part, par la formule de Shannon (plus prcise).
Formule de Hartley :
Equ(12.7)
Formule de Shannon :
Equ(12.8)
Figure 12.3 : Dynamique du codeur avec des signaux gaussiens
2A
3s
6s
3s
M
dynamique du codeur
pas du codeur
----------------------------------------------------
2A 6s +
6s
-------------------- 1
A
3s
------ + = = =
P
b
s
2
=
P
s
A
2
9
------ =
A 3 P
s
=
M 1
3 P
s
3 P
b
------------- + 1
P
s
P
b
------ + = =
M 1
P
s
P
b
------ + =
n
b
log
2
M log
2
1
P
s
P
b
------ +



= =
C Blog
2
Ps
P
b
------


= bits s ( )
C Blog
2
1
Ps
P
b
------ +


= bits s ( )
P. NAYMAN 145 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
12.4. Le bruit thermique (ou bruit Johnson)
Le bruit thermique correspond lagitation thermique des lectrons libres dans les
matriaux. Ce bruit est prsent dans tous les composants actifs ou passifs prsentant une
rsistance R.
La densit spectrale du bruit thermique est dcrite par :
Equ(12.9)
h est la constante de Plank :
k est la constante de Boltzmann :
Si lon considre les frquences , la densit spectrale du bruit ther-
mique est :
Equ(12.10)
Dans ce cas le bruit thermique est un bruit blanc.
Par exemple, la puissance totale de ce bruit dans une bande de frquence B (figure
12.4) est :
Equ(12.11)
12.5. Fluctuations de tension et de courant dans une rsistance
Dans toute bande de frquences B, une rsistance la temprature T est une source
de tension (figure 12.5). La puissance dissipe par cette rsistance sous une tension
est :
Figure 12.4 : Puissance du bruit thermique dans une bande B
ou
g
th
n ( )
1
2
---
h n
e
h n kT ( ) ( )
1
------------------------------------- = W Hz
1

6 62 ,
34
10 J s
1 38 ,
23
10 J K
1
(Joule.degr
1
)
n 1000GHz <
g
th
n ( )
1
2
---kT =
P
th
kTB =
n
kT
2
------
B B
g
th
n ( )
s
u0
P
th
s
u0
2
R
-------- = W ( )
P. NAYMAN 146 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
La valeur moyenne quadratique de cette tension est :
Equ(12.12)
et :
De mme, la rsistance R peut tre assimile une source de courant (figure 12.6)
dont la valeur moyenne quadratique est :
Equ(12.13)
avec :
Remarque : La distribution statistique du bruit thermique est gaussienne.
Figure 12.5 : Tension de bruit
Figure 12.6 : Courant de bruit
P
th
s
u
2
4R
------- = W ( )
s
u
2
4kTRB = V
2
( )
g
u
n ( ) 2kTR =
R
s
u
s
u0 R
s
i
2 4kTB
R
------------- = A
2
( )
s
i R
s
i 0
g
i
n ( )
2kT
R
--------- =
s
u
2
g
u
n ( ) n d

+

2 g
u
n ( ) n d
0
B

4kT R n ( ) n d
0
B

= = =
g
u
n ( ) 2kTR n ( ) =
P. NAYMAN 147 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
12.5.1. Exemple : le diple parallle (figure 12.7)
Seule la partie relle doit tre considre :
Cette valeur est indpendante de R. En effet compense leffet multipli-
catif par R.

La densit spectrale de puissance est reprsente figure 12.8.
Figure 12.7 : Le diple parallle
est la frquence de coupure -3dB
Figure 12.8 : Densit spectrale
C R
Z n ( )
1
iC2pn
1
R
--- +
--------------------------
R
1 iRC2pn +
-----------------------------
R 1 iRC2pn ( )
1 2pRCn ( )
2
+
-------------------------------------- = = =
Z n ( )
R
1 n n
c
( )
2
+
----------------------------- i
R n n
c
( )
1 n n
c
( )
2
+
----------------------------- =
n
c
1
2pRC
--------------- =
s
u
2
4kTR
1
1 n n
c
( )
2
+
----------------------------- n d
0
+

kT
C
------ = =
n
c
f
1
R
---


=
g
u
n ( ) 2kTR n ( )
2kTR
1
n
n
c
-----


2
+
---------------------- = =
g
u
n ( )
g
u
n ( )
2KTR
n
c
+n
c
KTR
n
P. NAYMAN 148 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
Calculons la fonction dauto-corrlation correspondante :
La fonction dauto-corrlation est reprsente figure 12.9.
12.6. Bande quivalente de bruit
Si lon compare la puissance de bruit du circuit RC celle de la rsistance R, on peut
dfinir une bande quivalente de bruit :
Equ(12.14)
Dune manire plus gnrale, la notion de bande quivalente de bruit permet de cal-
culer simplement la puissance du bruit filtr.
Considrons un systme linaire de gain .
La densit spectrale ainsi que la bande quivalente de bruit sont reprsentes sur la
figure 12.11. Dans ce cas, laire sous la courbe (la puissance du bruit) est gale celle du
rectangle de base .
Figure 12.9 : Fonction de corrlation
Figure 12.10 : Densits spectrales dun systme linaire
R
u
t ( ) g
u
n ( )
R
u
t ( )
kT
C
------e
t RC ( )
=
R
u
t ( )
t
R
u
t ( )
RC RC
kT
C
------ 4kTRB
eq
=
B
eq
1
4RC
-----------
p
2
---n
c
= =
G n ( )
G n ( )
g
i
n ( ) g
s
n ( )
2 B
e

P. NAYMAN 149 LE BRUIT


TRAITEMENT DU SIGNAL
DEA MIP
En utilisant lquation 8.10 :
avec la densit spectrale de puissance en entre du systme linaire.
Si lon considre que la densit spectrale du bruit est constante, et comme
:
Equ(12.15)
12.6.1. Filtre passe-bas du premier ordre
Dans le cas dun systme passe-bas du premier ordre possdant une frquence de
coupure , on peut utiliser lquation 12.14, en considrant la densit spectrale du bruit
en entre :
Equ(12.16)
Si lon reprend lexemple de lintgrateur du premier ordre (Voir Exemple : lin-
tgrateur, page 44.), lquation 5.4 peut tre rcrite sous la forme :
en posant : . tant la frquence de coupure.
Dans ce cas lquation 12.16 devient :
Figure 12.11 : Densit spectrale et bande quivalente de bruit
g
s
n ( )
n
c
+n
c
n B
e
+B
e
G 0 ( )
2
g
i
n ( )
s
b
2
g
s
n ( ) n d

+

G 0 ( )
2
g
i
n ( ) 2B
e
= =
g
i
n ( )
g
i
n ( )
g
s
n ( ) G n ( )
2
g
i
n ( ) =
B
e
1
2 G 0 ( )
2
--------------------- G n ( )
2
n d

+

1
G 0 ( )
2
----------------- G n ( )
2
n d
0
+

= =
n
c
g
i
n ( )
N0
2
------- =
B
e
p
2
--- n
c
=
s
b
2
G 0 ( )
2 N0
2
------- 2B
e
G 0 ( )
2
N0
p
2
--- n
c
= =
G n ( )
2 1
1
n
2
n
c
2
----- +
--------------- =
n
c
1
2pRC
--------------- = n
c
s
b
2
G 0 ( )
2
N0
p
2
---
1
2pRC
--------------- G 0 ( )
2 N0
4RC
----------- = =
P. NAYMAN 150 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
12.6.2. Circuit du deuxime ordre
Considrons un circuit RLC du deuxime ordre, montage parallle (figure 12.12).
Calculons ladmitance puis limpdance .
En utilisant lquation 12.15, on trouve :
Equ(12.19)
12.6.3. Filtre de Butterworth
La fonction de transfert dun filtre de Butterworth est donne par la relation :
Equ(12.20)
La bande quivalente de bruit est donne par la relation

en posant et
Equ(12.17)
Equ(12.18)
Figure 12.12 : Circuit RLC
Y n ( ) Z n ( )
Y n ( )
1
R
---
1
iLw
--------- iCw + + =
Z n ( )
1
1
R
---
1
iLw
--------- iCw + +
-------------------------------------
R
1 R
1
iLw
--------- iRCw +


+
------------------------------------------------- = =
w
0
2 1
LC
------- = Q
R
Lw
0
---------- RCw
0
= =
Z n ( )
R
1
Q
i
----
w
0
w
------ iQ
w
w
0
------ + +
-----------------------------------------
R
1
Q
i
----
n
0
n
----- iQ
n
n
0
----- + +
--------------------------------------- = =
Z n ( )
1
1 iQ
n
n
0
-----
n
0
n
-----


+
--------------------------------------- =
Z n ( ) ( )
1
1 Q
2 n
n
0
-----
n
0
n
-----


2
+
------------------------------------------ =
B
e
pn
0
2Q
--------- =
R
L
C
G n ( )
2 1
1
n
n
c
-----


2n
+
------------------------- =
P. NAYMAN 151 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
.
Il est possible dvaluer simplement cette intgrale en utilisant la thorie des fonc-
tions eulrienne
1
.
Equ(12.21)
Pour , on retrouve bien
12.7. Bruit de grenaille (Bruit Schottky ou shot noise)
Ce bruit correspond aux fluctuations statistiques du nombre de porteurs de charge
qui participent la cration dun courant (cas des diodes et des transistors par exemple).
Le bruit de grenaille se superpose au courant moyen cr. La thorie de ce bruit est
la base de ltude :
des bruits lis lmission dune lectrode ou encore,
des fluctuations des temps de transit.
12.8. Les thormes de Campbell
Considrons un bruit impulsionnel lentre dun systme dfini comme tant :
1. Voir cours de mathmatiques, Tome 1, 3 dition Masson
Cette intgrale est de la forme :
en posant :
comme :
On trouve facilement :
et : la sortie du systme.
B
e
1
1
n
n
c
-----


2n
+
------------------------- n d
0
+

=
I
1
1 x ( )
n
+
------------------- x d
0
+

=
x
n
b =
I
1
n
---
b
1
n
--- 1
1 b +
------------ b d
0
+

=
G p ( ) G 1 p ( )
b
p 1
1 b +
------------ b d
0
+

p
pp sin
-------------- = =
B
e
n
0
p
2n
p
2n
------ sin
--------------------- =
n 1 = B
e
n
0
p
2
--------- =
x t ( ) t t
i
( ) d
i

=
y t ( ) h t t
i
( )
i

=
P. NAYMAN 152 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
Si lon considre que les instants sont distribus selon une loi de Poisson de pa-
ramtre alors :
Le processus tant stationnaire :
do :
Equ(12.22)
De mme, lordre 2 :
Equ(12.23)
12.8.1. Dmonstration
On remarquera que le premier terme correspond la densit spectrale du terme
constant.
est la rponse impulsionnelle du systme considr.
(transforme de Fourier)
comme : (voir quation 8.10)
h t ( )
t
i
l
E x t ( ) [ ] l =
R
x
t ( ) l
2
l t ( ) d + =
E y t ( ) [ ] h u ( )E x t u ( ) [ ] u d

+

=
E x t u ( ) [ ] E x t ( ) [ ] l = =
E y t ( ) [ ] l h u ( ) u d

+

=
s
2
y t ( ) [ ] l h u ( )
2
u d

+

=
R
x
t ( ) l
2
l t ( ) d + =
R
x
t ( ) g
x
n ( )
g
x
n ( ) l
2
n ( ) l + d =
g
y
n ( ) g
x
n ( ) G n ( )
2
=
g
y
n ( ) l
2
n ( ) d l + ( ) G n ( )
2
=
g
y
n ( ) l
2
G 0 ( )
2
n ( ) d l + G n ( )
2
=
R
x
t ( ) g
x
n ( )
R
y
t ( ) l
2
G 0 ( )
2
lh t ( )
*
h
*
t ( ) + =
P. NAYMAN 153 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
do :
12.8.2. Gnralisation du thorme de Campbell
Si lon suppose un courant : alors :
Equ(12.24)
avec :
la frquence moyenne darrive des impulsions par seconde
le moment dordre n.
12.8.3. Expression du bruit de grenaille
Le bruit de grenaille peut tre considr comme un bruit impulsionnel et se mettre
sous la forme :
Equ(12.25)
avec : e la charge de llectron =
avec :
R
y
t ( ) l
2
G 0 ( )
2
l h q ( )h q t ( ) q d

+

+ =
R
y
0 ( ) E y
2
[ ] E y [ ]
2
l h q ( )
2
q d

+

= = =
E y [ ] lG 0 ( ) =
s
y
2
l h q ( )
2
q d

+

=
I t ( ) a
k
F t t
k
( )
k =
+

=
l
n
na
n
F t ( ) [ ]
n
t d

+

=
n
l
n
i t ( ) e t t
k
( ) d
k =
+

=
1 6 ,
19
10 C
R
i
t ( ) l
2
l t ( ) d + [ ]e
2
el ( )
2
e
2
l t ( ) d + = =
el I
0
courant moyen = =
R
i
t ( ) I
0
2
eI
0
t ( ) d + =
P. NAYMAN 154 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
do :
Equ(12.26)
12.9. Autres sources de bruits (exemple : le bruit en 1/f flicker noise)
Ce bruit est essentiellement basse frquence (figure 12.14), cest le cas du bruit de
scintillation par exemple (flicker noise). Ce bruit est prsent dans tous les composants
(actifs et passifs) et correspond aux captures de porteurs associs des dfauts ou la con-
tamination par exemple.
Une des caractristique de ce bruit est son universalit, on le retrouve dans une mul-
titude de domaines comme : en biologie (taux dinsuline dun diabtique), le dbit du Nil,
les variations saisonnire de temprature ou encore le trafic routier.
La densit spectrale de puissance du bruit en 1/f est donne par lquation 12.27 :
(voir la figure 12.13)
Figure 12.13
Figure 12.14 : Densit spectrale du bruit en 1/f
g
i
n ( )


I
0
2
n ( ) d
distribution spectrale
de la composante
continue
eI
0
fluctuations par effet
de grenaille

+ =

s
i
2
2 eI
0
n d
0
B

2eI
0
B = =
s
i
2
2eI
0
B =
n
B B
g
i
n ( )
I
0
2
n ( ) d
eI
0
0
n
0
g n ( )
P. NAYMAN 155 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
Equ(12.27)
Le bruit en 1/f est gnralement gaussien et stationnaire.
12.10. Exemples
12.10.1. Bruit thermique
Un chiffre utile retenir : la temprature ambiante
La valeur moyenne quadratique de la tension de bruit dune rsistance de la
temprature ambiante est de :
(RMS)
12.10.2. Bruit Schottky
Quel est la valeur du courant quadratique moyen de bruit dans une diode parcourue
par un courant de 1mA si la bande passante est de 1MHz ?
(RMS)
12.11. Le facteur de bruit
12.11.1. Cas dun quadriple isol
Considrons le quadriple Q reprsent par la figure 12.15 :
Le bruit lentre du quadriple est dtermin par la rsistance :
Dfinissons le signal dentre comme tant :
Le rapport signal bruit en entre est dans ce cas :
Figure 12.15 : Quadriple isol
g n ( ) k
n
0
n
a
--------- = 0 a 2 < <
4kT 1 66 ,
20
10 =
1KW
s
v
2
v
2
16 10
18
= = V
2
Hz
1

v 4nV Hz =
s
i
2
i
2
2qI
d
B 2 1 6 ,
19
10
3
10
6
10 3 2 ,
16
10 A
2
= = = =
i 18nA =
E
g
R
g
V
s
Q
R
g
Be 4kTR
g
B =
Se
Se E
g
2
=
P. NAYMAN 156 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
Si Q est un amplificateur idal de gain en puissance G, on peut dfinir le signal et
le bruit en sortie :
Le rapport signal bruit en sortie est gal au rapport signal bruit en entre.
Le quadriple ntant pas parfait, il gnre du bruit par le biais de ses composants
(rsistances, transistors, etc.).
Par consquent :
On peut crire que le bruit en sortie du quadriple est la somme de deux termes : le
bruit dun quadriple parfait auquel sajoute le bruit intrinsque au quadriple :
On peut crire Bs sous la forme suivante :
o F est le facteur de bruit .
, finalement :
Equ(12.28)
comme :
Equ(12.29)
12.11.2. Cas de quadriples en cascades
La figure 12.16 montre la cascade de deux quadriples.
donc :
Se
Be
------
E
g
2
4kTR
g
B
-------------------- =
Ss GSe =
Bs GBe =
Se
Be
------
Ss
Bs
------ =
Se
Be
------
Ss
Bs
------ >
Bs GBe Bq + =
Bs FGBe =
F 1 > ( )
Ss
Bs
------
GSe
FGBe
---------------
1
F
---
Se
Be
------ = =
F
Se Be
Ss Bs
---------------- =
F
rapport signal bruit en entre
rapport signal bruit en sortie
--------------------------------------------------------------------------- =
Bs GBe Bq + =
Bq Bs GBe =
Bq FGBe GBe =
Bq F 1 ( ) GBe =
P. NAYMAN 157 LE BRUIT
TRAITEMENT DU SIGNAL
DEA MIP
Le bruit en sortie de Q1 est :
Le bruit amplifi par Q2 est :
Le bruit propre de Q2 est :
Le bruit en sortie de Q2 est :
Lensemble des deux quadriples est quivalent un quadriple Q unique dont les
caractristiques de gain et de facteur de bruit sont les suivantes :
Equ(12.30)
En gnralisant n quadriples :
Equ(12.31)
Remarque : Il est important de noter que seuls les bruits des premiers tages sont
significatifs.
Si le gain du premier tage est important, on peut gnralement ngliger les
bruits des autres tages. Dans ce cas, il suffit uniquement doptimiser les caractristiques
en bruit du premier tage.
Figure 12.16 : Quadriples en cascades
donc :
Q1 Q2
F
1
G
1
,
S
e
B
e
,
F
2
G
2
,
B
1
F
1
G
1
B
e
=
B
1
F
1
G
1
B
e
G
2
F
2
1 ( ) G
2
B
e

B
2
B
2
F
1
G
1
G
2
B
e
F
2
1 ( )G
2
B
e
+ =
G G
1
G
2
=
B
2
FG
1
G
2
B
e
=
FG
1
G
2
B
e
FG
1
G
2
B
e
F
2
1 ( )G
2
B
e
+ =
F F
1
F
2
1 ( )
G
1
-------------------- + =
F F
1
F
2
1 ( )
G
1
--------------------
F
3
1 ( )
G
1
G
2
--------------------
F
n
1 ( )
G
1
G
2
G
n 1
---------------------------------- + + + + =
G
1
P. NAYMAN 158
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
13. APPLICATION DU BRUIT IMPULSIONNEL
EN PHYSIQUE
13.1. La fonction de pondration w(t)
Considrons une opration linaire de filtrage F, x(t) tant le signal dentre et y(t)
le signal de sortie (figure 13.1).
h(t) est la rponse impulsionnelle du filtre F.
Posons :
Equ(13.1)
est appele fonction de pondration (figure 13.2).
13.2. Traitement statistique des impulsions de bruit
Vue du dtecteur, on peut caractriser le bruit en prsence par deux sources distinc-
tes (figure 13.3) :
Une source de courant de bruit
Une source de tension de bruit
On considre que les deux sources de bruit sont de type impulsionnel.
Figure 13.1 : Oprateur de filtrage
Figure 13.2 : Fonction de pondration et rponse impulsionnelle
F
x t ( ) y t ( )
y t ( ) x u ( )h t u ( ) u d

t

=
w t ( ) h t u ( ) =
y t ( ) x t ( )w t ( ) t d

T
m

=
w t ( )
t
T
m
w h ,
w t ( ) h t ( )
0
I
N1
e
n
P. NAYMAN 159
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
reprsente la capacit totale vue de lentre.
Pour des raisons de commodit, il est plus simple de remplacer la source de bruit en
tension (source srie) par une source de bruit en courant quivalente (figure 13.4).
Equ(13.2)
13.2.1. Application du thorme de Campbell
Le thorme de Campbell permet de dfinir le moment dordre n dun processus
poissonnien (voir 12.8.) :
Si alors :
avec :
la frquence moyenne darrive des impulsions par seconde
le moment dordre n.
Si q est lamplitude du bruit et le nombre de coups par seconde :
Daprs lgalit de Parseval :
Figure 13.3 : Schma quivalent vue du dtecteur
Figure 13.4 : Schma quivalent avec des sources de courant
correspond la densit spectrale du bruit en entre.
e
n
C
T
I
N1
Dtecteur Vers mesure
C
T
e
n
I
N2
I
N2
C
T
e
0
t d
d
t ( ) d C
T
e
0
d' t ( ) = =
C
T
I
N1
Dtecteur Vers mesure
I
N2
I t ( ) a
k
F t t
k
( )
k =
+

= l
n
na
n
F t ( ) [ ]
n
t d

+

=
n
l
n
n
s
p
2
nq
2
h
2
u ( ) u d

+

nq
2
w
2
u ( ) u d

+

= =
x t ( )
2
t d

+

x n ( )
2
n d

+

=
h u ( )
2
u d

+

G n ( )
2
n d

+

2 G n ( )
2
n d
0
+

= =
s
p
2
2nq
2
G n ( )
2
n d
0
+

=
g
x
n ( ) 2nq
2
N
p
= =
P. NAYMAN 160
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Pour le bruit parallle :
De mme pour le bruit srie :
avec
Par exemple : pour le bruit Schottky
et pour le bruit srie.
Pour pouvoir sommer les bruits, il est ncessaire davoir des units cohrentes. Par
exemple, on peut choisir davoir des variances exprimes en (charge
2
) :
Dans ce cas, lintgrale de (13.3) est proportionnelle un temps [S] alors que lin-
tgrale de (13.4) est proportionnelle un linverse dun temps [S
-1
] (voir (13.12) et
(13.13) pour la dmonstration).
Comme les bruits sajoutent en moyenne quadratique :
Equ(13.5)
Par exemple : pour le bruit Schottky
et pour le bruit srie.
Lexpression de peut se mettre sous une forme plus pratique :
Equ(13.3)
Equ(13.4)
pour le bruit parallle,
pour le bruit srie.
s
p
2
N
p
2
------ h
2
t ( ) t d

+

N
p
2
------ w
2
t ( ) t d

+

= =
s
s
2
N
s
2
----- h'
2
t ( ) t d

+

N
s
2
----- w'
2
t ( ) t d

+

= =
N
s
C
T
2
N
se
=
N
p
i
n
2
f D
----- 2qI
0
= =
N
se
e
n
2
f D
----- =
C
2
s
p
2
N
p
2
------ h
2
t ( ) t d

+

=
A
2
S
1
------- S C
2
=
s
s
2
N
s
2
----- h'
2
t ( ) t d

+

=
C
2
S
1
------- S
1
C
2
=
s
T
2
s
p
2
s
s
2
+ = ( )
s
T
2
N
p
2
------ w t ( ) [ ]
2
t
N
s
2
----- w' t ( ) [ ]
2
t d
t1
t2

+ d
t1
t2

=
N
p
i
n
2
2qI
0
= =
N
s
e
n
2
C
d
2
=
s
T
2
w t ( ) [ ]
2
t d
t1
t2

a
t2
t
f
=
w' t ( ) [ ]
2
t d
t1
t2

a
t1
t
f
------- =
P. NAYMAN 161
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Equ(13.6)
Lquation 13.6 ne tient pas compte du bruit en 1/f. Si lon considre que la densit
spectrale du bruit en 1/f est :
En tenant compte du bruit en 1/f :
Equ(13.7)
La figure 13.5 reprsente en fonction de . Selon la valeur de la constante de
temps, est domine soit par le bruit srie, soit par le bruit parallle.
Le bruit parallle correspond aux grandes valeurs de alors que le bruit srie cor-
respond aux faibles valeurs de .
On peut trouver la valeur qui minimise :
et sont des facteurs de forme constants.
La tension efficace e engendre un courant dans c
T
.
En appliquant nouveau le thorme de Campbell :
Figure 13.5 :
a
t1
a
t2
s
T
2
N
p
2
------ a
t2
t
f
N
s
2
-----
a
t1
t
f
------- + =
e
2
f D
-----
A
f
f
----- =
i c
T
de
dt
------ =
s
1 f
2 1
2
---c
T
2
A
f
a
t3
=
s
T
2
N
p
2
------ a
t2
t
f
N
s
2
-----
a
t1
t
f
-------
1
2
---c
T
2
A
f
a
t3
+ + =
s
T
2
t
f
s
T
2
0.01 0.1 1 10 100
100
200
500
1000
2000
5000
10000
Constante de temps de filtrage (s)
bruit en 1/f
c
o
u
r
a
n
t

d
e

b
r
u
i
t
t
e
n
s
i
o
n

d
e

b
r
u
i
t
s
T
2
s
T
2
t
f
t
f
t t
c
= s
T
2
P. NAYMAN 162
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Equ(13.8)
En tenant compte de (13.8), lquation 13.6 peut se mettre sous la forme suivante :
Equ(13.9)
13.2.2. Le filtre optimum qui minimise
Soit la fonction w qui minimise et A un paramtre qui caractrise la forme
de la fonction. On peut crire :
avec : pour et
On cherche minimiser par rapport A dans lquation 13.5 :
En intgrant par partie le deuxime terme et en tenant compte que pour
et :
Une des solutions de cette quation diffrentielle du deuxime ordre donne la fonc-
pour et
comme
Pour que il suffit que :
t
c
N
s
a
t1

N
p
a
t2

------------------ =
s
T
2 1
2
--- N
p
N
s
a
t1
a
t2
t
f
t
c
----
t
c
t
f
---- + =
s
T
2
w
0
t ( ) s
T
2
w t ( ) w
0
t ( ) A f t ( ) + =
f t ( ) 0 = t t
1
= t t
2
=
w t ( )
min
w
0
t ( ) =
s
T
2
A
s
T
2
N
p
w t ( )
A

w t ( ) t N
s
w' t ( )
A

w' t ( ) t d
t1
t2

+ d
t1
t2

0 = =
A

w t ( ) 0 = t t
1
= t t
2
=
w t ( ) w
0
t ( ) A f t ( ) + =
A

w t ( ) f t ( ) =
A
s
T
2
N
p
w
0
t ( ) f t ( ) t N
s
w'
0
t ( ) f' t ( ) t d
t1
t2

+ d
t1
t2

0 = =
f t ( ) 0 =
t t
1
= t t
2
=
A
s
T
2
N
p
w
0
t ( ) N
s
w''
0
t ( ) [ ] f t ( ) t d
t1
t2

0 = =
A
s
T
2
0 = f t ( ) "
N
p
w
0
t ( ) N
s
w''
0
t ( ) [ ] 0 =
P. NAYMAN 163
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
tion de pondration qui minimise :
Equ(13.10)
avec :
Si et alors :
13.3. le signal quivalent au bruit
Cest le signal qui prsente, la sortie du systme, une rponse dont lamplitude est
gale lcart type (sigma) de la grandeur de bruit. Pour cela, on considre que toutes les
sources de bruits sont ramenes lentre du montage. Le signal est gnralement dfini
avec la mme unit que le signal issu du dtecteur. Par exemple, on dfinira :
une charge quivalente au bruit (ENC),
un courant quivalent au bruit (ENI),
une tension quivalente au bruit (ENV),
etc.
Considrons le systme reprsent par la figure 13.6, on cherche mesurer une
grandeur x ainsi que le signal quivalent au bruit, laide dun analyseur multi-canaux.
Le bruit est suppos centr et gaussien.
La grandeur x est pralablement amplifie par un systme linaire F.
Lchelle horizontale gradue en canaux est transforme en volt en appliquant le
facteur de conversion correct .
Lhistogramme affich permet de dterminer facilement les grandeurs suivantes :
lcart type du bruit en sortie ,
la tension correspondant au pic : .
s
T
2
w
0
t ( ) A e
t tc
B e
+t tc
+ =
tc
N
s
N
p
------ =
w
0
t1 ( ) 0 = w
0
t2 ( ) 1 =
A
e
t1 tc
2 t2 t1 ( ) tc [ ] sinh
--------------------------------------------------------- =
B
e
t 1 tc
2 t2 t1 ( ) tc [ ] sinh
--------------------------------------------------------- =
Volts [ ] NbCanaux [ ] Nb Volts par canal [ ] =
s
b
FWHM
2 35 ,
------------------- =
V
x
P. NAYMAN 164
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
On en dduit :
Dans lquation 13.11, on suppose que G est une valeur numrique constante.
Pour dterminer G, il est ncessaire de connatre, avec prcision, la grandeur den-
tre x. . Gnralement, x est une donne de calibration initiale (V ou I) facilement
matrise. On peut ensuite transformer x afin dobtenir la grandeur dsire. Par exemple,
un chelon de tension x dans un condensateur C permet de transfrer une charge connue
.
13.3.1. La charge quivalente au bruit (ENC)
Par exemple, dans le cas o le signal initial est un courant ou une charge :
La sortie du systme sera . Dans le cas, o nest pas un Dirac de courant,
Figure 13.6 : Principe de la dtermination de ENX
Explicitons lgalit des rapports signaux bruit en sortie et en entre :
Equ(13.11)
avec la densit spectrale du bruit en entre.
F= Systme linaire : prampli, ampli, etc.
F
ADC
Analyseur multicanaux
x
FWHM
s
b
FWHM
2 35 ,
------------------- =
1
0,5
V Vx
t
S
B
---
V
x
2
s
b
2
------
x
2
ENX
2
-------------- = =
ENX
2
x
2
s
b
2

V
x
2
---------------
s
b
2
G
2
------ = =
ENX
2
s
b
2
G
2
------
1 2 ( )N
x
h
2
t ( ) t d

+

G
2
------------------------------------------------- = =
N
x
G
V
x
x
----- =
q C x =
i t ( ) i
0
t ( ) d =
h
i
t ( ) i t ( )
P. NAYMAN 165
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
la sortie sera :
Si le maximum du signal se produit pour alors :
On peut dfinir la valeur ENC par la relation :
avec :
Remarque : Si lon effectue le changement de variable (sans
dimension) :

Par la suite, on ne calculera que des fonctions de pondration normalises.
13.4. Prise en compte de lempilement en tant que bruit
Lorsque le dtecteur est sollicit par un taux lev dvnements, il peut se produire
de lempilement de signaux. Dans ce cas, la mesure effectue est entache dune erreur
supplmentaire que lon peut traiter comme un bruit.
Equ(13.12)
Equ(13.13)
s t ( ) i t ( )
*
h
i
t ( ) =
t t
m
=
ENC
2 s
2
h
i
t
m
( ) [ ]
2
---------------------- = As [ ]
2
ENC
2
N
p
2
------ h
s
t ( ) [ ]
2
t
N
s
2
----- h'
s
t ( ) [ ]
2
t d
t1
t2

+ d
t1
t2

=
h
s
t ( )
h t ( )
h
i
t
m
( )
--------------- =
h'
s
t ( )
h' t ( )
h'
i
t
m
( )
---------------- =
t
t
t
f
---- u =
w t ( ) [ ]
2
t d
t1
t2

t
f
w u ( ) [ ]
2
u d
t1
t2

a
t2
t
f
= =
w' t ( ) [ ]
2
t d
t1
t2

1
t
f
---- w' u ( ) [ ]
2
u d
t1
t2

a
t1
t
f
------- = =
P. NAYMAN 166
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Leffet de lempilement est illustr par la figure 13.7 : les signaux 1 et 2 sont bien
spars alors que 3 et 4 sont empils. Les mesures de 3 et 4 sont entaches dune erreur.
On peut considrer les signaux (de type 4) comme des impulsions de bruit.
Considrons, en premire approximation, que les impulsions dempilement ont une
rponse impulsionnelle de la forme : .
Appliquons (12.23) pour calculer la variance de ce bruit :
Equ(13.14)
Le terme est un terme li la physique qui est dpendant du taux dvnements
et de la constante de temps des impulsions (des impulsions larges subiront plus lempile-
ment que des troites).
Lquation (13.6) peut tre complte en tenant compte de lempilement :
Equ(13.15)
13.5. Exemple dune rponse impulsionnelle triangulaire
La figure 13.8 et la figure 13.9 reprsentent respectivement la fonction de pondra-
tion triangulaire et sa drive.
Figure 13.7 : Effet de lempilement
t
V
Signaux spars
Empilement
1 2 3 4
h t ( ) k e
t t
=
s
p
2
l k e
u t

2
u d

+

=
s
p
2 lk
2
2
--------t =
lk
2
2
--------
s
T
2
N
p
2
------ a
t2
t
f
N
s
2
-----
a
t1
t
f
-------
lk
2
2
--------t + + =
P. NAYMAN 167
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
On calcule facilement les coefficients et :
13.6. Exemple dune rponse impulsionnelle dfinie par des morceaux
de paraboles.
La rponse impulsionnelle et sa drive sont reprsentes respectivement par la fi-
gure 13.10 et par la figure 13.11.
Figure 13.8 : Fonction de pondration triangulaire
Figure 13.9 : Drive de la fonction de pondration triangulaire
u
w u ( )
1
0 1 2
u
w' u ( )
1
0 1 2
a
t1
a
t2
a
t2
2 u
2
u d
0
1

2
3
--- = =
a
t1
2 u d
0
1

2 = =
ENC
2 2
3
---
N
p
2
------ t
f
2
N
s
2
-----
1
t
f
---- +
N
p
3
------ t
f

N
s
t
f
----- + = =
P. NAYMAN 168
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Dans ce cas, on calcule w(u) partir de w(u) et de w(u).
On remarquera que w(u) est dfinie par :
13.6.1. Calcul de I
Figure 13.10 : Fonction de pondration parabolique
Figure 13.11 : Drive de la fonction de pondration parabolique
dans :
dans :
dans :
dans :
dans :
0 1 2 [ , ] w'' u ( ) 4 =
1 2 3 2 [ , ] w'' u ( ) 4 =
3 2 2 [ , ] w'' u ( ) 4 =
I' w' u ( ) [ ]
2
u d
0
2

=
0 1 2 [ , ] w' u ( ) 4u =
1 2 1 [ , ] w' u ( ) 4u 4 + =
w' u ( ) [ ]
2
u d
0
2

4 16u
2
u d
0
1 2

64
u
3
3
-----
0
1 2

8
3
--- = = =
P. NAYMAN 169
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
13.6.2. Calcul de I

13.7. Exemple du filtrage CR-RC
Cet oprateur de filtrage est compos de deux oprateurs lmentaires : une diff-
rentiation suivie dune intgration (figure 13.12).
dans :
dans :
avec
Figure 13.12 : Filtrage CR-RC
I w u ( ) [ ]
2
u d
0
2

=
0 1 2 [ , ] w u ( ) 4u u d
0
1 2

2u
2
= =
1 2 1 [ , ] w u ( ) 4 u 4 + ( ) u d
0
1 2

2 u
2
4u 1 + 1 2 u 1 ( )
2
= = =
w u ( ) [ ]
2
u d
0
2

2 2u
2
( )
2
u 1 2 u 1 ( )
2
( )
2
u d
1 2
1

+ d
0
1 2

=
w u ( ) [ ]
2
u d
0
2

2 4u
4
u 1 2x
2
( )
2
x d
1 2
1

+ d
0
1 2

= x u 1 =
w u ( ) [ ]
2
u d
0
2

2
4
5
---u
5
0
1 2
4
1
4
--- x
4
x
2
+


x d
0
1 2

+ =
w u ( ) [ ]
2
u d
0
2

2
1
8 5
------------ 4
x
4
---
x
5
5
-----
x
3
3
----- +


0
1 2
+ =
w u ( ) [ ]
2
u d
0
2

1
20
------ 8
1
8
---
1
32 5
---------------
1
8 3
------------ +


+
23
30
------ = =
a
t1
8
3
--- =
a
t2
23
30
------ =
ENC
2 23
30
------
N
p
2
------ t
f
8
3
---
N
s
2
-----
1
t
f
---- +
23
60
------ N
p
t
f
4
3
---
N
s
t
f
----- + = =
R
R
C
C
G
1
n ( )
G
2
n ( )
P. NAYMAN 170
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Remarque : la diffrentiation correspond un filtre passe-haut et lintgration un
filtre passe-bas.
La figure 13.13 reprsente lallure des rponses en frquence des filtres passe-bas,
passe-haut et du filtre rsultant de la cascade des deux prcdents.
Calculons h(t) par la mthode des rsidus :
Figure 13.13 : Rponse en frquence du filtre CR-RC
en posant :
et on considre la fonction qui possde un ple double pour
alors :
G
1
n ( )
R
R
1
2piCn
---------------- +
--------------------------
iRC2pn
1 iRC2pn +
----------------------------- = =
G
2
n ( )
1
1 iRC2pn +
----------------------------- =
G
1
n ( )
2 RC2pn ( )
2
1 RC2pn ( )
2
+
----------------------------------- =
G
2
n ( )
2 1
1 RC2pn ( )
2
+
----------------------------------- =
G n ( ) G
1
n ( ) G
2
n ( )
2pinRC
1 2pinRC + ( )
2
------------------------------------- = =
h t ( ) G n ( )
h t ( )
2pinRC
1 2pinRC + ( )
2
-------------------------------------e
2pint
n d

+

= f z ( )
z
2piRC
-----------------e
2pizt
=
g z ( ) z
i
2pRC
---------------


2
=
f z ( )
g z ( )
----------
z
i
2pRC
--------------- =
P. NAYMAN 171
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
On trouve finalement :
la rponse lchelon unit est : avec :
La figure 13.14 montre la rponse impulsionnelle et la rponse lchelon unit
(courbe en trait pointill) du filtre CR-RC.
13.7.1. Calcul de I

avec :
13.7.2. Calcul de I

do : et .
Figure 13.14 : Rponse impulsionnelle et indicielle du filtre CR-RC
Rs
f z ( )
g z ( )
----------
i
2pRC
--------------- [ , ]
z d
d
f z ( ) [ ]
z
i
2pRC
---------------
lim =
h t ( )
e
t t
t
----------- 1
t
t
-- =
u t ( )
t
t
--e
t t
= t RC =
I w u ( ) [ ]
2
u d

+

=
w u ( ) [ ]
2
u d

+

u
2
e
2u
u d
0
+

1
4
--- = =
t
t
-- u =
I' w' u ( ) [ ]
2
u d

+

=
w' u ( ) [ ]
2
u d

+

e
2u
1 u ( )
2
u d
0
+

1
4
--- = =
a
t1
1
4
--- = a
t2
1
4
--- =
ENC
2 1
4
---
N
p
2
------ t
f
1
4
---
N
s
2
-----
1
t
f
---- +
1
8
--- N
p
t
f
1
8
---
N
s
t
f
----- + = =
P. NAYMAN 172
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
13.8. Exemple du filtrage pseudo-gaussien [37]
Le module du gain dun filtre dit gaussien est de la forme :
Equ(13.16)
Ce filtre thorique nest pas ralisable (le gain a une variation trop rapide avec la
frquence).
Une approximation raliste du filtre gaussien est obtenue en connectant un circuit
drivateur (CR) n circuits intgrateurs (RC).
Le gain dun tel filtre est donn par lquation 13.17 :
Equ(13.17)
n est le nombre de cellules RC en cascade,
K est une constante (choisie ultrieurement gale 1 pour simplifier les notations).
La rponse impulsionnelle dun tel filtre est obtenue en prenant la transforme de
Fourier de .
Equ(13.18)
est le temps du maximum de h(t).
On notera que plus n augmente et plus h(t) se symtrise et tend vers une courbe
gaussienne. La figure 13.15 montre les allures de h(t) pour n variant de 1 5.
Remarque : La transforme de Fourier dune fonction gaussienne est une fonction
gaussienne :
Figure 13.15 : Rponses impulsionnelles dun filtre gaussien
A n ( ) e
kn
2

=
G n ( )
K
1 2pnRC + ( )
n
----------------------------------- =
G n ( )
h t ( )
1
n!
-----n
n t
t
--


n
e
nt t
=
t
P. NAYMAN 173
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Equ(13.19)
On montre que la caractristique damplitude de tend vers une gaussienne, en
consquence la rponse impulsionnelle h(t) tend galement vers une gaussienne.
Si lon considre que est la frquence de coupure 3 dB, cest dire que lam-
plitude est attnue dun facteur gal :
et finalement :
Dans le filtre thorique : , si lon impose que lattnuation la fr-
quence soit de 3 dB :
e
pt
2

e
pn
2

G n ( )
G
n
n ( ) A
n
n ( )
1
1 2pnRC ( )
2
+ [ ]
n 2
----------------------------------------------- = =
n
c
2
1
2
-------
1
1 2pnRC ( )
2
+ [ ]
n 2
----------------------------------------------- =
RC
1
2pn
c
------------ 2
1 n
1 ( )
1 2
=
2
1 n
1 ( )
1
n
--- 2 ln
RC
1
2pn
c
------------
2 ln
n
-------- =
G
n
n ( )
1
1 i
n
n
c
-----
2 ln
n
-------- +
n
-------------------------------------- =
A
n
n ( )
1
1
n
2
n
c
2
-----
2 ln
n
-------- +
n 2
------------------------------------- =
A
n
n ( )
1
1
n
2
n
c
2
-----
2 ln
n
-------- +
n
c
2
n
2
-----
n
2 ln
--------
n
2
n
c
2
-----
2 ln
2
--------
---------------------------------------------------------- =
A
n
n ( )
n
lim e
n
2

n
c
2
--------
2 ln
2
--------
=
A n ( ) e
kn
2

=
n
c
1
2
------- e
kn
c
2

=
P. NAYMAN 174
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
13.8.1. Approche frquentielle du filtre gaussien
Soit :
H0 est une constante et Q(p) est un polynme de Hurwitz.
Un polynme est dit de Hurwitz si ses racines appartiennent au demi-plan gauche
(ceci est un critre de stabilit du systme -figure 13.16-)
tend bien vers .
Figure 13.16 : Racines dun polynme de Hurwitz
posons :
soit : avec :
k
1
n
c
2
-----
2 ln
2
-------- =
A n ( ) e
n
2

n
c
2
--------
2 ln
2
--------
=
A
n
n ( ) A n ( )
H p ( )
H0
Q p ( )
------------ =
a
iw
p
0
*

0
p
0

H iw ( ) H iw ( ) F w ( )
2
=
H iw ( ) H iw ( )
H0
Q iw ( ) Q iw ( )
--------------------------------------- F w ( )
2
= =
Q iw ( ) Q iw ( )
H0
2
F w ( )
2
------------------ =
f t ( ) a
0
e
t
2
2s
2
---------
= a
0
1
s 2p
-------------- =
F w ( ) a
0
2p s e
1
2
---s
2
w
2

=
Q iw ( ) Q iw ( )
1
2p
------
H0
a
0
s
---------


2
e
s
2
w
2
=
Q p ( ) Q p ( )
1
2p
------
H0
a
0
s
---------


2
e
s
2
p
2
=
P. NAYMAN 175
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Equ(13.20)
Le dnominateur de la fonction de transfert Q(p) reprsente bien la cascade de m
intgrateurs.
Avec :
13.9. Densit spectrale et bruit
Ltude du bruit par la mthode temporelle ncessite de calculer la rponse impul-
sionnelle du systme de filtrage utilis puis dvaluer les intgrales de lquation 13.5. Il
est possible dobtenir les mmes rsultats par une mthode frquentielle base sur la con-
naissance des diffrentes densits spectrales de puissance.
On suppose que lon utilise la chane de mesure de la figure 13.17.
Lquation 13.2 permet de transformer la tension efficace de bruit en un courant
de bruit quivalent.
En normalisant : avec :
Figure 13.17 : La chane, dtecteur, amplificateur et filtre
Q k ( ) Q k ( ) e
k
2

= k s p =
e
k
2

1
k
2
m
-----


m
lim
m
=
Q k ( ) Q k ( ) 1
k
2
m
-----


m
=
Q k ( ) 1
k
m
--------


m
=
Q p ( ) 1 t
0
p + ( )
m
=
t
0
p
k
m
-------- =
k t
0
p m =
Dtecteur
Filtre
I
N1
,g
i
C
T
e
n
,g
u
g
1 f
, C
f
Amplificateur de charges
vers conversion
g
NO
g
s
G n ( )
e
n
P. NAYMAN 176
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Considrons que lon utilise un pramplificateur de charges dont la fonction de
transfert
1
.
Equ(13.21)
Calculons la reprsentation frquentielle de en prenant sa transforme de Fourier :
En utilisant (4.18) :
posons : Equ(13.22)
Daprs les proprits de la densit spectrale de puissance (8.12) :
et
Equ(13.23)
Si lon identifie (13.22) et (13.23) :
(pour allger les notations)
est la densit spectrale de la tension de bruit .
De mme
Comme les courants de bruit se sommes en moyenne quadratique :
et en identifiant :
Equ(13.24)
Supposons, que la tension de bruit soit compose de deux sources de bruits de densit
spectrales diffrentes. Par exemple, une source de bruit de densit spectrale
et une source de bruit en dont la densit spectrale est .
I
N2
t ( ) C
T
e
0
d' t ( ) =
I
N2
t ( )
I
N2
n ( ) C
T
e
0
TF d' t ( ) [ ] =
TF d' t ( ) [ ] 2ipn TF t ( ) d [ ] 2ipn = =
I
N2
n ( ) C
T
e
0
2ipn =
i
N2
2
I
N2
n ( )
2
4p
2
n
2
C
T
2
e
0
2
w
2
C
T
2
e
0
2
= = =
P
x
s
x
2
g n ( ) n d

+

= =
ds
x
2
g n ( ) n d =
di
N2
2
i
N2
2
w
2
C
T
2
g
e
w ( ) w d =
g
e
w ( ) e
0
di
N1
2
i
N1
2
g
i
w ( ) w d =
i
N
2
g
i
w ( ) w
2
C
T
2
g
e
w ( ) + [ ] w d g
N
w ( ) w d = =
g
N
w ( ) g
i
w ( ) w
2
C
T
2
g
e
w ( ) + =
e
0
g
u
n ( ) 2kTR n ( ) =
1
f
---
A
f
n
-----
g
N
w ( ) g
i
w ( ) w
2
C
T
2
g
u
w ( )
A
f
n
----- + + =
g
N
w ( ) g
i
w ( ) w
2
C
T
2
g
u
w ( )
2pA
f
w
------------ + + = A
2
Hz
1
[ ]
Vs
Ie
------
1
iC
f
w
----------- =
G w ( )
2 1
C
f
2
w
2
------------- =
P. NAYMAN 177
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Le premier terme de (13.25) correspond au bruit srie, le second au bruit en et le
dernier au bruit parallle. Si lon suppose que la densit spectrale du bruit srie est cons-
tante avec la frquence (une rsistance par exemple) on peut mettre sous la
forme :
Equ(13.26)
avec :
Par exemple :
(Bruit thermique)
(Bruit Schottky).
Pour calculer la puissance du bruit en sortie du filtre de gain , appliquons de
nouveau (8.10) puis (8.12) :
1. Voir Le pramplificateur de charges, page 197.
Soit (daprs (8.10)).
Equ(13.25)
(bruit srie)
(bruit en 1/f)
(bruit parallle)
g
NO
w ( ) g
N
w ( ) G w ( )
2
=
g
NO
w ( )
g
i
w ( )
C
f
2
w
2
-------------
w
2
C
T
2
C
f
2
w
2
------------- g
u
w ( )
2pA
f
w
------------ + + =
g
NO
w ( )
g
i
w ( )
C
f
2
w
2
-------------
C
T
2
C
f
2
------ g
u
w ( )
2pA
f
w
------------ + + =
g
NO
w ( )
C
T
2
C
f
2
------ g
u
w ( )
C
T
2
C
f
2
------
2pA
f
w
------------
g
i
w ( )
C
f
2
w
2
------------- + + = V
2
Hz
1
[ ]
1
f
---
g
NO
w ( )
g
NO
w ( ) a
2 b
2
w
-----
c
2
w
2
------ + + =
a
2
C
T
2
C
f
2
------ g
u
w ( ) =
b
2
2pA
f
C
T
2
C
f
2
------ =
c
2
g
i
w ( )
C
f
2
------------- =
g
u
w ( ) 2kTR =
g
i
w ( ) qI
d
=
G
f
n ( )
P. NAYMAN 178
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit impulsionnel
en physique
Equ(13.27)
En dveloppant (13.27), et par un changement de variable (pour rendre sans dimen-
sions les intgrales), on peut faire apparatre une constante de temps de filtrage :
Equ(13.28)
Cette relation est tout fait comparable lquation 13.7 tablie dans le domaine
temporelle, ce qui prouve bien que les 2 mthodes sont quivalentes.
puis en remplaant par sa valeur :
avec :
intgrale pour le bruit srie
intgrale pour le bruit en 1/f
intgrale pour le bruit parallle.
g
s
n ( ) g
NO
n ( ) G
f
n ( )
2
=
P
f
s
f
2
g
s
n ( ) n d

+

= =
P
f
s
f
2
g
NO
n ( ) G
f
n ( )
2
n d

+

= = g
NO
n ( )
P
f
s
f
2
a
2 b
2
2pn
----------
c
2
2pn ( )
2
----------------- + + G
f
n ( )
2
n d

+

= =
t
s
f
2
a
2
[ ] G
f
n ( )
2
n d

+

b
2
2pn
---------- G
f
n ( )
2
n ( ) d

+

+ =
c
2
2pn ( )
2
----------------- G
f
n ( )
2
n d

+

+
a
2
[ ] G
f
n ( )
2
n d

+

a
2
t
----- G
f
nt ( )
2
nt d

+

a
2
t
----- I
a
= =
b
2
2pn
---------- G
f
n ( )
2
n ( ) d

+

b
2
2p
------
G
f
n ( )
2
nt
------------------- nt ( ) d

+

b
2
I
b
= =
c
2
2pn ( )
2
----------------- G
f
n ( )
2
n d

+

c
2
t
2p ( )
2
-------------
G
f
n ( )
2
nt ( )
2
------------------- nt d

+

c
2
t I
c
= =
I
a
G
f
nt ( )
2
nt d

+

=
I
b
G
f
nt ( )
2
2pnt
---------------------- nt d

+

=
I
c
G
f
nt ( )
2
2pnt ( )
2
---------------------- nt d

+

=
P
f
s
f
2 a
2
t
----- I
a
b
2
I
b
c
2
t I
c
+ + = =
P. NAYMAN 179
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
14. APPLICATION DU BRUIT AUX TRANSISTORS
BIPOLAIRES ET A EFFET DE CHAMPS
14.1. Le transistor bipolaire
La figure 14.1 schmatise un transistor NPN ainsi que les sens des courants de base,
metteur et collecteur.
On appelle transconductance ou pente du transistor, le terme :
Equ(14.1)
Dautre part, dans la jonction Base Emetteur, le courant varie en fonction de la ten-
sion selon une loi exponentielle :
Comme :
Equ(14.2)
temprature ambiante :
Equ(14.3)
Figure 14.1 : Le transistor bipolaire
B
C
E
i
b
V
b
i
c
g
m
di
e
dv
b
-------- = A V
1
[ ]
i
e
i
0
e
v
be
q
KT
--------------

v
be
KT
q
-------
i
e
i
0
---- ln
dv
be
di
e
----------
KT
q
-------
1
i
e
---
i
e
i
c

g
m
di
c
dv
be
----------
q
KT
------- i
c
= =
g
m
i
c
26
3
10
-------------------- = A V
1
[ ]
P. NAYMAN 180
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
14.1.1. Modle de base du transistor bipolaire [18]
Le transistor bipolaire (NPN ou PNP) peut tre modlis par le schma hybride en
de base reprsent par la figure 14.2.
14.1.1.1 La rsistance dentre
dfinit la rsistance dentre du transistor bipolaire : rapport de la ten-
sion dentre par le courant dentre. En utilisant lquation 14.1, on obtient :
Equ(14.4)
14.1.1.2 La rsistance de sortie
reprsente la rsistance de sortie du transistor bipolaire : rapport de la
tension de sortie par le courant de sortie correspondant. Il est possible de spcifier par
rapport :
Equ(14.5)
avec : o est la tension de Early (figure 14.3) comprise entre 50 et
100 V.
Par exemple, pour et , . De mme pour
et pour une temprature de 25C, .
14.1.1.3 La capacit dentre
reprsente la capacit apparente vue de lentre du transistor. La variation de la
Figure 14.2 : Modle simple du transistor bipolaire
p
B
r
b c
b
v1
g
m
v1
r
0
E
C
r
b
r
b
v
i
i
b
---- =
r
b
b
g
m
------ = W ( )
r
0
r
0
v
ce
i
c
------- =
r
0
g
m
r
0
V
A
I
C
------
1
a g
m

-------------- = = W ( )
a
KT
qV
A
---------- = V
A
I
c
1mA = V
A
100V = r
0
100KW =
V
A
100V = a 2 6 ,
4
10 =
c
b
P. NAYMAN 181
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
tension dentre provoque une variation de charge au niveau des porteurs minori-
taires et majoritaires de la base : .
peut tre spcifie par rapport la gomtrie du transistor :
Equ(14.6)
est dfini comme le temps de transit de base :
avec la largeur de base et la constante de diffusion.
varie entre 0,1 et 1 ns (NPN) et peut tre 10 fois plus leve pour un transistor
PNP.
14.1.2. Modle plus complet du transistor bipolaire
Dautres lments parasites peuvent intervenir. La figure 14.4 donne un modle
plus complet, du transistor bipolaire, incluant certains lments parasites.
Figure 14.3 : Tension de Early et rsistance de sortie
v
i
q
e
c
b
q
e
v
i
----- =
c
b
c
b
t
f
g
m
= F ( )
t
f
t
f
Q
e
I
c
------
W
B
2
2D
n
---------- = =
W
B
D
n
t
f
I
C
V
CE
V
A
V
BE
pente=1/r0
P. NAYMAN 182
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
14.1.2.1 Les rsistances sries r
bb
, r
c
et r
ex
Ces rsistances sont en srie avec la base, lmetteur et le collecteur.
La valeur de est comprise entre 30 et et peut dcrotre avec Ic.
La valeur de est comprise entre 20 et .
La valeur de est comprise entre 1 et .
14.1.2.2 La rsistance collecteur-base
est une rsistance qui matrialise linfluence de V
CE
sur le courant I
B
.
Pour un transistor NPN, .
Pour un transistor PNP, .
14.1.2.3 La capacit collecteur-base
La valeur de est donne par lquation 14.7 :
Equ(14.7)
o V
D
est la tension directe de polarisation de la jonction.
potentiel aux bornes de la jonction quand aucune tension nest applique (envi-
ron 0,5V).
est la valeur de lorsque .
Figure 14.4 : Modle complet du transistor bipolaire
r
b c
b
g
m
v
1
r
0
E
r
bb
C
r
c
r
m
c
m
c
cs
B
B
Substrat
r
ex
v
1
r
bb
500W
r
c
500W
r
ex
3W
r
m
r
m
10b
0
r
0

2b
0
r
0
r
m
5b
0
r
0

c
m
c
m
c
m0
1
V
D
y
0
-------
-------------------- = F ( )
y
0
c
m0
c
m
V
D
0 =
P. NAYMAN 183
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
14.1.2.4 La capacit collecteur-substrat
La valeur de , capacit collecteur-substrat, est donne par lquation 14.8 :
Equ(14.8)
o V
D
est la tension directe de polarisation de la jonction.
potentiel aux bornes de la jonction quand aucune tension nest applique (envi-
ron 0,5V).
est la valeur de lorsque .
Exemple
1
:
On considre le transistor NPN avec les paramtres suivants :
I
c
=1mA, V
CB
=5V, V
CS
=10V
Calculons les diffrents paramtres du modle :
Calculons avec lquation 14.7 :
avec .
Calculons avec lquation 14.8 :
avec .
Calculons la transconductance du transistor avec lquation 14.2 :
Calculons la valeur de la capacit de base, laide de lquation 14.6 :
Calculons la rsistance dentre laide de lquation 14.4 :
Calculons la rsistance de sortie laide de lquation 14.5 :
1. Daprs [18]
c
cs
c
cs
c
cs0
1
V
D
y
0
-------
-------------------- = F ( )
y
0
c
cs0
c
cs
V
D
0 =
c
m0
0 5pF , = c
cs0
2pF = b
0
200 = t
f
0 38ns , =
V
A
100V = r
bb
300W = r
c
50W = r
ex
2W =
r
m
10b
0
r
0
=
c
m
c
m
c
m0
1
V
D
y
0
-------
--------------------
0 5 ,
1
5
0 55 ,
------------ +
------------------------- 0 16pF , = = = y
0
0 55V , =
c
cs
c
cs
c
cs0
1
V
D
y
0
-------
--------------------
2
1
10
0 52 ,
------------ +
------------------------- 0 44pF , = = = y
0
0 52V , =
g
m
q
KT
------- i
c

10
3
26
3
10
-------------------- 38 4mA V , = = =
c
b
t
f
g
m
0 38 10
9
38 4 , 10
3
, 14 6pF , = = =
r
b
b
g
m
------ 200 26 5 2KW , = = =
P. NAYMAN 184
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Calculons la rsistance collecteur-base :
14.1.3. Modles du transistor bipolaire avec les sources de bruit
Il est intressant de pouvoir utiliser un modle du transistor afin de pouvoir carac-
triser les sources de bruit internes ainsi que linfluence du transistor sur les sources ex-
ternes.
Lide est de ramener les sources de bruit lentre dun quadriple " non-bruyant "
comme lindique la figure 14.5. Une source de tension de bruit et une source de courant
de bruit matrialisent toutes les sources de bruit du quadriple bruyant.
On peut dterminer indpendamment les deux sources de bruit :
permet de dterminer alors que permet de dterminer .
Les 2 montages tant quivalents, les sorties sont donc quivalentes.
La figure 14.6 et la figure 14.7 montrent les schmas correspondants pour le tran-
sistor bipolaire.
La partie en trait pointill de la figure 14.7 correspond au quadriple sans bruit de
lafigure 14.5.
Figure 14.5 : Reprsentation des sources de bruit dun quadriple
Figure 14.6 : Modle quivalent du transistor bruyant
r
0
V
A
I
C
------
100
10
3
---------- 100KW = = =
r
m
10b
0
r
0
10 200 10
5
200MW = = =
Quadriple
Bruyant
Quadriple
sans bruit
Rs Rs
v
i
2
i
i
2
R
s
= i
i
2
R
s
0 = v
i
2
B
r
b c
b
v
1
g
m
v
1
r
0
E
C
r
bb
i
b
2
v
b
2
i
c
2
B
P. NAYMAN 185
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Equ(14.9)
Le transistor bipolaire engendre une rsistance de bruit dynamique gale :
Cette quantit reprsente leffet de la source de bruit impulsionnelle engendre par
le courant de collecteur et ramen lentre.
Remarque : Si lon considre que , lapproximation nest pos-
sible que pour un courant collecteur faible. En effet, si , lquation 14.3 donne :
Figure 14.7 : Modle du transistor sans bruit avec les sources de bruit ramenes en entre
On suppose que
Les entres des modles de la figure 14.6 et de la figure 14.7 sont forces 0V puis on ga-
lise les sorties. Les grandeurs de bruit sont notes en valeurs efficaces.
On remarquera que le courant en sortie de la figure 14.6 est et quen sortie de la
figure 14.7 est .
et comme :
B
r
b c
b
v
1
g
m
v
1
r
0
E
C
r
bb
i
b
2
v
i
2
B
r
bb'
r
b

g
m
v
b' e
i
c
+
v
i
g
m
g
m
v
b' e
i
c
+ v
i
g
m
=
v
i
v
b
i
c
g
m
------ + =
v
i
2
v
b
2
i
c
2
g
m
2
------ + =
v
b
2
4KTr
bb'
Df =
i
c
2
2qi
c
Df =
v
i
2
4KTr
bb'
Df 2qi
c
Df
g
m
2
------ + = g
m
qi
c
KT
------- =
v
i
2
4KTDf r
bb'
1
2g
m
--------- +


= V
2
( )
1
2g
m
---------
r
bb
100W ~ r
bb'
r
b

i
c
2mA =
P. NAYMAN 186
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
alors que pour , .
valuons le courant de bruit vue de lentre du quadriple, en laissant les entres
des deux modles " ouvertes " :
Les grandeurs de bruit sont utilises en valeurs efficaces.
Le courant total de bruit en sortie du modle de la figure 14.6 est :
Le courant total de bruit en sortie du modle de la figure 14.7 est :
Remarque : Dans lquation 14.12, on suppose que le transistor fonctionne en des-
sous de la frquence de coupure de . Le paramtre est constant dans la plage de
frquences considre. Dans le cas contraire, il convient de tenir compte de cette
variation :
Equ(14.16)
Le terme est constant en fonction de la frquence.
Equ(14.10)
Equ(14.11)
Equ(14.12)
(en galisant (14.10) et (14.11)).
avec : et Equ(14.13)
Equ(14.14)
Equ(14.15)
1
2g
m
--------- 6 5KW , = i
c
10mA =
1
2g
m
--------- 1 3W , =
i
T
g
m
v
1
i
c
+ =
i
T
bi
b
i
c
+ =
i
T
g
m
v
1
bi
1
= =
i
i
2
i
b
2
i
c
2
b
2
----- + =
bi
1
bi
b
i
c
+ =
i
b
2
2qi
b
f D = i
c
2
2qi
c
f D =
i
i
2
2qi
b
f 1
1
b
--- +


D 2qi
b
f D ~ =
i
i
2
2qi
b
f D =
i
i
2
2q
i
c
b
--- f D 2q
KT
q
-------
g
m
b
------ f D
2KT
r
b
----------- f D = = =
i
i
2 2KT
r
b
----------- f D = A
2
( )
f
b
( ) b b
b jf ( )
b
0
1 j
f
f
b
----


+
--------------------- =
i
b
2
P. NAYMAN 187
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Le terme varie, en tenant compte de lquation 14.16, comme pour .
La figure 14.8 donne lallure de la densit spectrale du courant de bruit (14.12) en
supposant que le gain en courant varie en fonction de la frquence. La figure 14.8 montre
galement la composante de bruit en 1/f (cette composante doit tre rajoute lquation
14.12).
Exemple : considrons lamplificateur de courant de la figure 14.9 et valuons ses
caractristiques en bruit.
Dun point de vue lectrique, le montage de la figure 14.10 est quivalent celui de
la figure 14.9.
Figure 14.8 : Densit spectrale du courant de bruit en fonction de la frquence
Figure 14.9 : Amplificateur de courant
Figure 14.10 : Schma quivalent de lamplificateur de courant
i
c
2
b
2
----- f
2
f f
b
>
f
A
2
/Hz
1/f
f
2
2qi
b
i
i
2
Df ( ) i
c
2
b
2
------
f
b
f
T
b
0
---------- ~
Q
1
Q
2
R
c
R
f
R
e
V
p
i
i
s
Q
1
Q
2
R
c
R
fe
R
f
R
e
+ =
R
e
//R
f
i
i
s
P. NAYMAN 188
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Ajoutons les sources de bruit en considrant que les contributions aprs Q
1
sont n-
gligeables (figure 14.11).
Le montage de la figure 14.12 est quivalent celui de la figure 14.11. Dans le mon-
tage de la figure 14.12, toutes les sources de bruit (une en courant et une en tension) sont
ramenes lentre.
Pour trouver la valeur de , on laisse les entres des deux montages ouvertes et on
galise les courants de sortie.
Figure 14.11 : Sources de bruit pour lamplificateur de courant
Figure 14.12 : Sources de bruit ramenes lentre
De la figure 14.11,
De la figure 14.12,
do :
Equ(14.17)
Daprs (14.9) : Equ(14.18)
daprs (14.14) : Equ(14.19)
en introduisant (14.18) et (14.19) dans (14.17) :
R
f e
i
i
s
v
i q
2
i
R
fe
2
i
iq
2
Q
1
&Q
2
v
1
i
i
2
R
f e
i
i
s
v
i
2
i
i
2
Q
1
&Q
2
v
1
v
1
R
fe
i
R
fe
i
iq
+ ( ) v
iq
+ =
v
1
R
fe
i
1
=
i
1
i
R
fe
i
iq
+
v
iq
R
fe
------- + =
i
1
2
i
R
fe
2
i
iq
2
+
v
iq
2
R
fe
2
------- + =
i
1
2 4kT
R
fe
--------- f D i
iq
2
+
v
iq
2
R
fe
2
------- + =
v
iq
2
4kT r
bb
1
2g
m
--------- +


f D =
i
iq
2
2qi
b
f D =
i
1
2 4kT
R
fe
--------- f D 2qi
b
f D +
4kT
R
fe
2
--------- r
bb
1
2g
m
--------- +


f D + =
P. NAYMAN 189
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Si lon considre les paramtres suivants :
, , , ,
En introduisant ces valeurs dans lquation 14.20 :
Le courant de bruit est donc une source quivalente .
La densit spectrale du courant de bruit est : ou
encore
14.1.4. Calcul du bruit aprs filtrage
On considre le montage de la figure 14.13, constitu dun dtecteur, dun systme
amplificateur transistors bipolaires et dune cellule filtrante :
On suppose que est faible.
On a daprs lquation 3.5 :
Equ(14.20)
Figure 14.13 : Dtecteur et cellule de filtrage
Daprs lquation 14.13 : Equ(14.21)
Equ(14.22)
i
1
2
2q f D
2kT
qR
fe
---------- i
b
+
2kT
qR
fe
2
---------- r
bb
1
2g
m
--------- +


+ =
b
1
b
2
100 = = I
c1
0 5mA , = r
bb
100W = R
f
5KW = R
e
500W =
i
1
2
2q f D
2 26 10
3

5500
----------------------------
0 5 10
3
,
100
------------------------ +
2 26 10
3

5500
2
---------------------------- 100
26 10
3

2 0 5 10
3
,
------------------------------- +



+ =
i
1
2
2q f 9 5 10
6
5 10
6
0 2 10
6
, + + , [ ] D 2q f 14 7 10
6
, [ ] D = =
14 7mA ,
i
1
2
f D
----- 4 7 10
24
, = A
2
Hz
1

i
1
f D
--------- 2 2pA Hz , =
D C
d
Transistor Filtrage
ENC
T
2
r
bb'
ENC
T
2
N
p
2
------ a
t2
t
f
N
s
2
-----
a
t1
t
f
------- + =
N
p
i
i
2
f D
-----
2KT
r
b
----------- = =
N
s
e
2
c
d
c
b
+ ( )
2
e
2
c
T
2
= =
P. NAYMAN 190
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Equ(14.23)
14.2. Le transistor effet de champ
La figure 14.14 symbolise le transistor effet de champ. Les trois broches G, D et
S reprsentent respectivement la grille, le drain et la source du transistor.
Le transistor effet de champ peut tre caractris par lquation 14.24 :
Equ(14.24)
est la tension de seuil du transistor
et l sont des paramtres gomtriques du transistor
14.2.1. Schma quivalent du transistor effet de champ
La figure 14.15 montre les deux modles du transistor effet de champ en tenant
compte des sources de bruit internes. Le modle de la figure b a les sources de bruit rame-
nes lentre.
En utilisant lquation 14.22 :
Figure 14.14 : Le transistor effet de champ
e
2
4KT
1
2g
m
--------- f D =
g
m
di
e
dv
b
-------- b
di
b
dv
b
--------
b
r
b
----
qi
e
KT
------- = = = =
N
s
e
2
c
T
2 4KT
2g
m
-----------c
T
2
f D
4KT
2
b
r
b
----
-----------c
T
2
f D = = =
ENC
T
2 KT
r
b
------- a
t2
t
f
KTr
b
b
------------c
T
2
a
t1
t
f
------- + =
ENC
T
2
KT
a
t2
t
f
r
b
------------
r
b
c
T
2
a
t1
bt
f
------------------ + =
G
S
D
I
D
I
D
1
2
---
b
l
--- v
gs
v
p
( )
2

1
2
---
b
l
---v
2
= =
v
p
b
P. NAYMAN 191
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
En imposant 0V sur les 2 entres des 2 modles de la figure 14.15, puis en galisant
les sorties, on obtient avec les valeurs efficaces des courants et tensions :
et :
Equ(14.25)
Essayons dvaluer en calculant dans un premier temps la variance
.
Lquation 14.28 est une quantit homogne une conductance. Considrons la
puissance du bruit correspondante dans la bande :
Figure 14.15 : Schmas quivalents du transistor effet de champ
comme : avec
Considrons une loi de probabilit uniforme dans lintervalle
Equ(14.26)
Calculons en drivant lquation 14.24 :
Equ(14.27)
en combinant lquation 14.26 et lquation 14.27 :
Equ(14.28)
G
S
D
C
i
R
d
g
m
v
gs
i
i
2
S
D
C
i
R
d
g
m
v
gs
i
g
2
i
d
2
e
i
2
a
b
i
d
g
m
e
i
=
e
i
2
i
d
2
g
m
2
------ =
i
d
2
s
I
2
dI
D
[ ]
2
=
s
2
x ( ) x
2
p x ( ) x d

+

= x dI
D
=
0 I
D0

s
I
2
dI
D
[ ]
2 1
I
D0
-------
b
2
v
2
l
2
----------- v d
0
v
0

1
I
D0
-------
b
2
v
0
3
3l
2
----------- = = =
g
m
g
m
dI
D
dv
--------
b
l
---v = =
s
I
2 1
3
---
1
I
D0
------- g
m
2I
D0
=
s
I
2 2
3
---g
m
=
f D
P. NAYMAN 192
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Equ(14.31)
Le transistor effet de champ engendre une rsistance de bruit dynamique gale : .
valuons la source de bruit prsente lentre de la figure 14.15 (b) en laissant les en-
tres a et b ouvertes :
Dans le modle a : et le courant de sortie total est :
Dans le modle b : et le courant de sortie total est :.
Et en galisant (14.32) et (14.33) :
Equ(14.29)
et en utilisant lquation 14.25 :
Equ(14.30)
Equ(14.32)
Equ(14.33)
On peut remarquer que :
le gain en courant du montage.
i
d
2
4KTDf
2
3
---g
m
=
e
i
2
i
d
2
g
m
2
------ 4KTDf
2
3g
m
--------- = =
e
i
2
4KTDf
2
3g
m
--------- =
R
s
2
3g
m
--------- =
2
3g
m
---------
i
i
2
v
g
i
g
c
i
p
------- =
i
s
i
g
c
i
p
------- i
d
+ =
v
g
i
i
c
i
p
------- =
i
s
i
i
c
i
p
-------g
m
=
i
s
i
1
----
g
m
c
i
w
-------- G
i
= =
i
i
c
i
p
-------g
m
i
g
c
i
p
------- i
d
+ =
P. NAYMAN 193
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
En tenant compte que :
Le deuxime terme reprsente la contribution de au bruit en courant vue de len-
tre. Ce terme est ngligeable tant que reste lev (frquences basses) Dans ce cas :
14.2.2. Comparaison bipolaire-FET
Comparons les rsultats obtenus pour le transistor bipolaire avec ceux du FET pour
les frquences basses.
Si la source attache au montage est de haute impdance, le montage sera domin
par les courants de bruit. Dans ce cas, le montage FET est bien suprieur au montage bi-
polaire.
Si la source attache au montage est de basse impdance, le montage sera domin
par les tensions de bruit. En comparant (14.9) et (14.30), le montage bipolaire est sensi-
blement meilleur que celui FET (il est possible davoir ).
14.2.3. Calcul du bruit aprs filtrage
Calculons le bruit aprs filtrage (figure 14.13) :
Equ(14.34)
Equ(14.35)
Equ(14.36)
Equ(14.37)
On suppose que est lev dans lquation 14.36.
i
i
i
g
c
i
p
g
m
-------i
d
+ =
i
i
2
i
g
2
c
i
2
w
2
g
m
2
------------ i
d
2
+ =
G
i
g
m
c
i
w
-------- =
i
i
2
i
g
2
i
d
2
G
i
2
------ + =
i
d
G
i
i
i
2
i
g
2
=
g
m
bip ( ) g
m
fet ( ) >
N
p
i
i
2
f D
----- 2qi
g
= = G
i
N
s
e
i
2
f D
----- c
d
c
i
+ ( )
2
=
e
i
2
4KT f D
2
3g
m
--------- =
P. NAYMAN 194
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Equ(14.38)
Remarque : Si augmente diminue, dans certains cas, il est possible
daugmenter en plaant plusieurs transistors en parallles.
Dans ce cas :
Equ(14.39)
14.2.4. FET et bruit en 1/f
Le bruit en 1/f est un phnomne important dans les transistors de type MOS. Ce
bruit peut tre sensible jusqu des frquences de lordre de quelques dizaines de kilo-
Hertz. Le bruit en 1/f quivalent en entre est inversement proportionnel la taille de la
grille (dimensions W et L) et inversement proportionnel la capacit grille-oxyde par
unit de surface. Lquation 14.30 peut se mettre sous la forme :
Equ(14.40)
Daprs Gray-Meyer [18], une valeur typique de est :
do : N
s
4KT
2
3g
m
--------- c
d
c
i
+ ( )
2
=
ENC
T
2
2KT
qi
g
2KT
-----------a
t2
t
f
c
d
c
i
+ ( )
2
g
m
-----------------------
2a
t1
3t
f
-----------
terme dominant
+ =

g
m
ENC
T
2
g
m
ENC
TT
2
2KT
nqi
i
2KT
-----------a
t2
t
f
c
d
nc
i
+ ( )
2
ng
m
--------------------------
2a
t1
3t
f
-----------
terme dominant
+ =

c
ox
v
i
2
4kT
2
3g
m
---------
K
f
WLc
ox
f
------------------ +


f D =
K
f
3
12
10 V
2
pF
P. NAYMAN 195
TRAITEMENT DU SIGNAL
DEA MIP
Application du bruit aux transistors
bipolaires et a effet de champs
Figure 14.16 : Densit spectrale du bruit en 1/f ramene en entre
10 10
2
10
3
10
4
10
5
10
6
10
7
10
8
Hz
1 f
10
18
10
17
10
16
10
15
10
14
v
i
2
f D
-----
P. NAYMAN 196
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
15. ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES PARTICULES
Une particule charge, traversant le dtecteur ionisera le milieu. Lionisation totale
sera proportionnelle lnergie perdue par la particule. Les charges cres dans la cellule
du dtecteur sont collectes grce un champ lectrique externe.
Chaque cellule du dtecteur peut tre modlise comme un condensateur .
Par exemple, pour un calorimtre de type argon liquide , le courant dans le d-
tecteur est dfini par lquation 15.1 :
Equ(15.1)
est la variation du courant dtecteur en fonction du temps.
est le temps au bout duquel toutes les charges sont collectes.
Equ(15.2)
La figure 15.1 montre lvolution du courant et de la charge recueillie dans une cel-
lule du dtecteur.
15.1. Les contraintes
Le plus petit signal mesurable sera fonction du bruit du dtecteur et de son lec-
tronique associe.
Lempilement peut tre une limitation. Lempilement est un phnomne qui se
matrialise par un recouvrement des signaux. Lempilement peut se produire dans le
dtecteur lui-mme ou dans llectronique qui lui est associe. Si lon dsire discerner
deux signaux conscutifs crs dans la mme cellule du dtecteur, il sera ncessaire
daugmenter la bande passante de llectronique, sinon il y aura empilement possible de
signaux. Plus llectronique associe au dtecteur est rapide et plus le bruit sera impor-
tant (le bruit est proportionnel la bande passante).
Figure 15.1 : Courant et charge dans le dtecteur
C
d
i
d
I
m
1
t
t
d
---- =
i
d
t
d
q t ( ) i
d
t ( ) t d
0
T

=
P. NAYMAN 197
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
Dune manire plus gnrale, on tient compte de la probabilit quune mme
cellule soit touche deux fois de suite dans un laps de temps bien dfini. Lempilement
doit tre considr comme un bruit quil faut optimiser.
Le bruit li la physique (tous les vnement indsirables).
Selon, les applications, il est possible de lire linformation issue du dtecteur par un
pramplificateur de charges ( ), de courant ( ) ou plus rarement de
tension.
15.2. Le pramplificateur de charges
La figure 15.2 donne le schma de principe du pramplificateur de charges.
On suppose que . La rsistance est utilise pour stabiliser lamplificateur
en continu et pour les frquences basses.
est une constante.
On suppose lamplificateur parfait, la somme des courants lente est nulle :
Equ(15.3)
Lquation 15.3 donne la rponse en tension dun pramplificateur de charges.
Figure 15.2 : Schma de principe du pramplificateur de charges
Figure 15.3 : Signaux dun pramplificateur de charges
V
s
f q
in
( ) = V
s
f I
in
( ) =
V
s
R
f
C
f
C
d
i
d
i
s
e
+
-
e 0 R
f
i
s
t ( ) d i
0

dq
dt
------ = = i
0
e
-
dq
dt
------
V
s
R
f
----- C
f
dV
s
dt
--------- + + 0 =
V
s
q
C
f
----- e
t
R
f
C
f
----------
=
t
t
q t ( )
V
s
t ( )
q
0
C
t R
f
C
f
=
q
0
P. NAYMAN 198
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
15.3. Le pramplificateur de courant (transimpdance)
La figure 15.4 donne le schma de principe du pramplificateur de courant ou en-
core transimpdance.
La somme des courants au noeud est nulle :
Equ(15.4)
Ce type de pramplificateur est galement nomm transimpdance du fait que
la fonction de transfert est homogne une impdance.
15.4. Lamplificateur de courant - charges : tude dtaille
On considre dans un premier temps, lamplificateur de courant ou de charges en
boucle ouverte (sans contre raction). Lamplificateur peut se caractriser par deux tages
comme lindique la figure 15.5. Le premier tage adapte le dtecteur avec une impdance
et possde un gain G et une impdance de sortie . Le deuxime tage est un
buffer de gain unit qui fournit le courant de sortie ncessaire.
Avec
Figure 15.4 : Schma de principe du pramplificateur de courant
Figure 15.5 : Caractrisation de lamplificateur de courant-charges en boucle ouverte
V
s
R
f
C
d
i
d
i
s
e
+
-
e 0
e
-
i
e
V
s
R
f
----- + 0 =
V
s
i
e
R
f
=
V
s
i
e
-----
Z
T
Z
0
Z
T
V
e
i
e
i
s
V
0
Z
0
i
T V
s
G
X1
Z
T
C
e
//R
in
=
P. NAYMAN 199
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
15.4.1. En boucle ouverte (sans contre raction)
Equ(15.5)
15.4.2. En boucle ferme
La figure 15.6 donne le schma de principe de lamplificateur de courant-charges
en boucle ferme. Fermer la boucle consiste placer une impdance entre lentre et
la sortie.
Figure 15.6 : Caractrisation de lamplificateur de courant-charges en boucle ferme
V
e
Z
T
i
T
= i
e
i
T
=
g
m
i
s
V
e
----- =
V
0
V
s
Z
0
i
s
Z
0
g
m
V
e
= = =
G
V
s
V
e
----- Z
0
g
m
= =
V
s
i
e
-----
V
s
V
e
-----
V
e
i
e
----- Z
0
g
m
Z
T
= =
Z
f
Z
T
V
e
i
e
i
s
Z
f
Z
0
i
T V
s
G
X1
i
s
i
e
i
T
i
f
+ =
i
e
V
e
Z
T
------
V
e
V
s

Z
T
----------------- + =
i
e
V
e
1
Z
T
------
1
Z
f
---- +


V
s
Z
f
----- =
V
s
Z
0
g
m
V
e
=
i
e
V
s
-----
V
e
V
s
-----
1
Z
T
------
1
Z
f
---- +


1
Z
f
---- =
V
s
i
e
-----
1
1
Z
0
g
m
------------
1
Z
T
------
1
Z
f
---- +

1
Z
f
----
---------------------------------------------------- =
P. NAYMAN 200
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
Equ(15.6)
Lquation 15.6 correspond la forme classique : o a reprsente le
gain en boucle ouverte. Dans ce cas :
15.4.2.1 Forme simplifie
Dans le cas o soit alors :
Equ(15.7)
Si lon remplace les impdances , et par leur valeur :
et
avec
V
s
i
e
-----
Z
0
g
m
Z
T
Z
T
1
Z
T
------
1
Z
f
---- +


Z
0
g
m
Z
T
Z
f
------------------- +
-------------------------------------------------------
Z
0
g
m
Z
T

1
1
Z
f
---- Z
T
Z
0
g
m
Z
T
+ ( ) +
--------------------------------------------------- = =
V
s
i
e
-----
Z
0
g
m
Z
T

1
Z
T
Z
f
------ 1 Z +
0
g
m
( ) +
------------------------------------------ =
V
s
i
e
-----
Z
0
g
m
Z
T

1
Z
0
g
m
Z
T
Z
f
------------------- 1
1
g
m
Z
0
------------ +


+
-------------------------------------------------------- =
V
s
i
e
-----
a
1 af +
-------------- =
a g
m
Z
0
Z
T
=
f
1
g
m
Z
0
------------ 1 +


1
Z
f
---- =
G 1
1
g
m
Z
0
------------ 1
V
s
i
e
-----
g
m
Z
0
Z
T

1 g
m
Z
0
Z
T
Z
f
------------ +
----------------------------
Z
T
Z
0
Z
f
Z
T
R
T
//C
T
R
T
1 R
T
C
T
p +
-------------------------- = = p iw =
Z
0
R
0
//C
0
R
0
1 R
0
C
0
p +
------------------------- = =
Z
f
R
f
//C
f
R
f
1 R
f
C
f
p +
----------------------- = =
P. NAYMAN 201
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
et finalement :
Equ(15.8)
15.4.3. Cas de lamplificateur de charges transistors effet de
champ en entre
Daprs lquation 15.7 :
V
s
i
e
-----
1
1
g
m
Z
0
Z
T
-------------------
1
Z
f
---- +
------------------------------ =
V
s
i
e
-----
1
1
g
m
R
0
1 R
0
C
0
p +
-------------------------
R
T
1 R
T
C
T
p +
--------------------------
---------------------------------------------------------------
1
R
f
1 R
f
C
f
p +
-----------------------
----------------------- +
---------------------------------------------------------------------------------------------- =
V
s
i
e
-----
1
1 R
0
C
0
p + ( ) 1 R
T
C
T
p + ( )
g
m
R
0
R
T
--------------------------------------------------------------
1
R
f
----- C
f
p + +
----------------------------------------------------------------------------------------- =
V
s
i
e
-----
1
1 R
0
C
0
p R
T
C
T
p R
T
C
T
R
0
C
0
p
2
+ + +
g
m
R
0
R
T
----------------------------------------------------------------------------------------
1
R
f
----- C
f
p + +
------------------------------------------------------------------------------------------------------------------- =
V
s
i
e
-----
g
m
C
0
C
T
-------------
1
p
2
p
1
R
0
C
0
------------
1
R
T
C
T
-------------
g
m
C
f
C
0
C
T
------------- + +


g
m
C
0
C
T
R
f
-------------------
1
C
0
C
T
R
0
R
T
-------------------------- + + +
------------------------------------------------------------------------------------------------------------------------------------- =
R
0
1
C
0
p
---------
R
T
1
C
T
p
----------
R
f
1
C
f
p
--------
V
s
i
e
-----
g
m
C
0
C
T
-------------
1
p
2
p
g
m
C
f
C
0
C
T
-------------


+
---------------------------------- =
V
s
i
e
-----
g
m
C
0
C
T
p
----------------
1
p
g
m
C
f
C
0
C
T
------------- +
----------------------- =
P. NAYMAN 202
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
Equ(15.9)
Lquation 15.9 donne la fonction de transfert gnrale de lamplificateur de char-
ges en fonction de la frquence. est le ple dominant de lamplificateur de
charges.
15.4.3.1 Calcul de limpdance dentre de lamplificateur de
charges
Limpdance dentre de lamplificateur de charges est dfinie par le rapport :
On remarquera que :
Equ(15.10)
Dans la bande passante ( ), limpdance dentre de lamplificateur de char-
ges est quivalente une rsistance de valeur :
comme :
comme
V
s
i
e
-----
g
m
C
0
C
T
g
m
C
f
C
0
C
T
--------------------------p
-----------------------------
1
p
w
0
------ 1 +
---------------- =
V
s
i
e
-----
1
C
f
p
--------
1
p
w
0
------ 1 +
---------------- =
w
0
g
m
C
f
C
0
C
T
------------- =
Z
e
V
e
i
e
----- =
Z
e
V
e
i
e
-----
V
s
i
e
-----
V
e
V
s
----- = =
V
s
V
e
----- Z
0
g
m
=
Z
e
1
C
f
p
--------
1
p
w
0
------ 1 +
----------------
1
Z
0
g
m
------------ =
Z
0
1
C
0
p
--------- =
Z
e
C
0
g
m
C
f
------------
1
1
p
w
0
------ +
---------------- =
w w
0
<
P. NAYMAN 203
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
Equ(15.11)
Il est possible dajuster limpdance dentre de lamplificateur de charges, ind-
pendamment du gain, par la capacit .
Le schma de la figure 15.7 est un exemple damplificateur de charges (source Ra-
deka rapport BNL 18377 fvrier 1974).
15.4.4. Cas de lamplificateur de courant
Si lon considre lquation 15.7 : ,
et compte tenu que pour lamplificateur de courant :
Figure 15.7 : Amplificateur de charges (Radeka - BNL 18377 fvrier 1974-)
R
e
C
0
g
m
C
f
------------ =
C
0
33W
C
f
2.2pF
51MW
T1
51W
C
0
T2
T3
T5
8
2
0
W
0
.
0
1
m
F
1
3
K
W
1
0
K
W
3
K
W
3
3
W
1
0
K
W
3
3
W
3
K
W
3
9
0
W
1
0
K
W
0
.
0
1
m
F
1
.
4
K
W
3
3
W
1
0
0
W
+12V
12 V
In
Out
1
m
F
V
s
i
e
-----
g
m
Z
0
Z
T

1 g
m
Z
0
Z
T
Z
f
------------ +
----------------------------
Z
0
1
C
0
p
---------
P. NAYMAN 204
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
Il est ncessaire que soit faible (quelques centaines dohms). Dans ce cas :
Equ(15.12)
avec :
La bande passante de lamplificateur de courant sera dautant plus grande que
sera faible.
15.4.4.1 Calcul de limpdance dentre de lamplificateur de
courant
Equ(15.13)
Dans la bande passante, limpdance dentre de lamplificateur de courant est ho-
mogne une self de valeur .
Ceci explique les instabilits possibles de ce montage avec des bandes passantes
leves ou encore avec un dtecteur prsentant une grande capacit.
Le schma de la figure 15.8 est un exemple damplificateur de courant (source E.
Gatti, P.F. Manfredi - NIM 226 (1984) 142-155- Present trends...) relativement simple.
Dans ce montage, lamplificateur de courant est constitu par les transistors T1 et
T2 et la rsistance de . T3 est utilis comme tage de sortie.
Z
T
R
T

Z
f
R
f

R
f
V
s
i
e
-----
R
f
1
pC
0
R
f
g
m
R
T
--------------- +
------------------------ =
V
s
i
e
-----
R
f
1
p
w
0
------ +
---------------- =
w
0
g
m
R
T
C
0
R
f
------------- =
R
f
Z
e
V
e
i
e
-----
V
s
i
e
-----
V
e
V
s
----- = =
V
s
V
e
----- Z
0
g
m
=
Z
e
R
f
1
p
w
0
------ +
----------------
C
0
p
g
m
--------- =
R
f
C
0
g
m
-----------
10KW
P. NAYMAN 205
TRAITEMENT DU SIGNAL
DEA MIP
ELECTRONIQUE ASSOCIE AUX
CALORIMTRES DE PHYSIQUE DES
PARTICULES
Figure 15.8 : Amplificateur de courant (Gatti-Manfredi)
T1
T2
T3
Vcc
In
Out
Vee
5
K
W
25W
10KW
1
8
n
F
3
5
0
W
7
5
0
W
5
0
W
18nF
1
8
n
F
P. NAYMAN 206 PROBLMES LIS LA CAPACIT DU DTECTEUR
TRAITEMENT DU SIGNAL
DEA MIP
16. PROBLMES LIS LA CAPACIT DU
DTECTEUR
Le rapport signal bruit vu de lentre du dtecteur se dgrade en fonction de la ca-
pacit dentre (dtecteur + lectronique). Dans le cas dun pramplificateur de charges,
par exemple, il y aura une rpartition des charges cres entre la capacit dentre (capa-
cit du dtecteur + capacit parasite de llectronique) et le pramplificateur (capacit ap-
parente par effet Miller). Dun point de vue thorique, le dtecteur et son lectronique sont
modliss par le schma de la figure 16.1.
16.1. Calcul de la rpartition des charges
Equ(16.1)
Daprs lquation 16.1, pour que le pramplificateur collecte le maximum de char-
ge, il faut que : soit petit ce qui implique : petit et grand.
16.2. Cas dune capacit dtecteur importante
Si la capacit du dtecteur est importante, il est possible dadapter le dtecteur et le
pramplificateur par un transformateur (figure 16.2)
Le transformateur tant de rapport (1:n), la tension au secondaire est :
Figure 16.1 : Modle simple du dtecteur et de son lectronique
charges cres dans la capacit du dtecteur et sa capacit parasite,
charges collectes par le pramplificateur,
charges totales cres
C
d
e
C
a
q
d
e C
d
=
q
a
e C
a
=
q
T
e C
d
C
a
+ ( ) =
q
a
q
T
C
a
C
d
C
a
+
------------------- =
q
a
q
T
1
1
C
d
C
a
------ +
---------------- =
C
d
C
a
------ C
d
C
a
C
d
500pf >
V
s
n V
p
=
P. NAYMAN 207 PROBLMES LIS LA CAPACIT DU DTECTEUR
TRAITEMENT DU SIGNAL
DEA MIP
On a toujours :
Vue du primaire du transformateur les deux capacits et sont en srie.
Soit :
Toute impdance ct primaire est vue au secondaire dans un rapport :
Le schma quivalent vu du secondaire est donn par la figure 16.3.
La charge totale emmagasine par les capacits est :
On peut facilement dterminer le rapport de transformation qui optimise le transfert
de charges entre le dtecteur et le pramplificateur (quation 16.2).
Figure 16.2 : Transformateur dimpdance
Figure 16.3 : Schma quivalent vue du secondaire du transformateur
si :
C
d
e
C
a
C
b
R
1:n
HT
Dtecteur
q
in
C
d
e
d
=
C
d
C
a
C
C
d
C
b
C
d
C
b
+
------------------- =
n
2
Z
s
Z
p
n
2
----- =
C n
2

n e
d

C
a
q
ST
C
d
C
b
C
d
C
b
+
-------------------
1
n
2
----- C
a
+ ne
d
=
q
ST
C
d
C
b
C
d
C
b
+
-------------------
1
n
--- nC
a
+
q
in
C
d
------ =
q
ST
C
d
1
C
d
C
b
------ +
----------------
1
n
--- nC
a
+
q
in
C
d
------ =
q
ST
q
smax
=
C
d
1
C
d
C
b
------ +
----------------
1
n
--- nC
a
=
P. NAYMAN 208 PROBLMES LIS LA CAPACIT DU DTECTEUR
TRAITEMENT DU SIGNAL
DEA MIP
Equ(16.2)
Dans ce cas :
La charge dans est :
Si lon considre que est la somme dune capacit parasite et de la capacit
de charge (figure 16.4).
Equ(16.3)
16.3. La suppression du ple zro
Le signal de sortie dun pramplificateur de charges est de la forme :
comme le montre la figure 16.5.
Figure 16.4 : Dcomposition de la capacit de charge
n
C
d
C
a
1
C
d
C
b
------ +


---------------------------- =
q
STmax
2C
d
1
C
d
C
b
------ +
----------------
1
n
---
q
in
C
d
------
2q
in
n 1
C
d
C
b
------ +
------------------------ = =
C
a
q
a
q
STmax
2
----------------
q
in
n 1
C
d
C
b
------ +
------------------------ = =
C
a
C
p
C
c
v
C
a
C
p
C
c
C
p
C
c
+ ( )v
q
in
n 1
C
d
C
b
------ +


------------------------ =
q
cc
C
c
v =
q
cc
C
c
C
c
C
p
+
-------------------
q
in
n 1
C
d
C
b
------ +
------------------------ =
V
1
q
C
----e
t
RC
--------
A
1
e
t
t1
-----
= =
P. NAYMAN 209 PROBLMES LIS LA CAPACIT DU DTECTEUR
TRAITEMENT DU SIGNAL
DEA MIP
La longue dcroissance exponentielle du signal de sortie est gnralement gnante,
car elle favorise lempilement.
Il est donc souhaitable de travailler avec des signaux ayant un retour vers la ligne
de base beaucoup plus rapide.
Selon le formalisme de Laplace, on peut expliciter la sortie du pramplificateur par
lquation 16.4.
Equ(16.4)
Pour raccourcir , il faut remplacer le terme par le terme de
faon que : . Pour cela, il faut raliser la chane reprsente par la figure 16.6.
Le produit de par est appel : suppression du ple zro.
16.3.1. Ralisation pratique
La figure 16.7 illustre la mise en oeuvre dune suppression de ple zro.
Figure 16.5 : Le pramplificateur de charges
Figure 16.6 : Principe de la suppression du ple zro
Figure 16.7 : Ralisation pratique dune suppression de ple zro
q V
1
V
1
A
1
p
1
t1
----- +
--------------- =
V
1
p
1
t1
----- +


p
1
t2
----- +


t1 t2
q
V
1
A
1
p
1
t1
----- +
--------------- =
p
1
t1
----- +
p
1
t2
----- +
---------------
V
2
A
1
p
1
t2
----- +
--------------- =
V
1
p
1
t1
----- +
p
1
t2
----- +
---------------
C1
R2
R1
V
1
V
2
P. NAYMAN 210 PROBLMES LIS LA CAPACIT DU DTECTEUR
TRAITEMENT DU SIGNAL
DEA MIP
En utilisant le formalisme de Laplace
Equ(16.5)
Posons :
p iw =
Z
1
R
1
//C
1
R
1
C
1
p
---------
R
1
1
C
1
p
--------- +
----------------------
R
1
1 R
1
C
1
p +
------------------------- = = =
V
2
V
1
------
R
2
R
2
R
1
1 R +
1
C
1
p
------------------------- +
--------------------------------------
R
2
1 R +
1
C
1
p ( )
R
2
1 R +
1
C
1
p ( ) R
1
+
------------------------------------------------- = =
V
2
V
1
------
R
2
R
1
R
2
+
------------------
1 R
1
C
1
p +
1
R
1
R
2
C
1
p
R
1
R
2
+
---------------------- +
--------------------------------
p
1
R
1
C
1
------------ +
p
1
R
1
R
2
C
1
R
1
R
2
+
-------------------
------------------- +
----------------------------- = =
t1 R
1
C
1
=
t2
R
1
R
2
C
1
R
1
R
2
+
------------------- =
V
2
V
1
------
p
1
t1
----- +
p
1
t2
----- +
--------------- =
P. NAYMAN 211 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
17. MESURES TEMPORELLES
Il est souvent ncessaire de connatre le temps darrive dune particule (ou dun si-
gnal) par rapport un vnement de rfrence, avec une grande prcision.
Par exemple, la mesure du temps de vol dune particule va permettre de dterminer
avec prcision sa position (figure 17.1).
La diffrence de temps entre un signal de rfrence et le signal issu du photomulti-
plicateur est proportionnelle la position o la particule traverse le barreau de scintilla-
teur.
17.1. Exemple de la technique du Temps de Vol
1
(TOF)
Il est possible, sous certaines conditions, de dterminer la masse dune particule
partir du temps t mis par cette dernire pour parcourir une distance connue L. Cette m-
thode de mesure du temps de vol est largement utilise en physique nuclaire.
Connaissant limpulsion p de la particule, il est possible didentifier cette dernire
par lquation 17.1 :
Figure 17.1 : Principe de mesure temporelle
1. Cette partie est inspire de W. Klempt/Nuclear Instruments and Methods in Physics Research A433
(1999) 542-553
Figure 17.2 : Principe du temps de vol
Scintillateur
Photomultiplicateur
S
c
i
n
t
i
l
l
a
t
e
u
r
Particule charge
L=distance entre les 2 scintillateurs
t1 t2
t D t
2
t
1
=
S
c
i
n
t
i
l
l
a
t
e
u
r
P. NAYMAN 212 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(17.1)
p est exprime en eV/c.
Dmonstration :
de lquation 17.1, dduisons la rsolution sur la masse en prenant la drive
logarithmique de la masse m :
(facteur de Lorentz)
Lnergie totale de la particule est donne par lquation 17.2 :
Equ(17.2)
comme :
m p
c
2
t
2
L
2
--------- 1 =
p mvg =
g
1
1 b
2

------------------ =
E
2
pc ( )
2
mc
2
( )
2
+ =
m
2
c
4
g
2
pc ( )
2
mc
2
( )
2
+ =
p
2
m
2
c
2
g
2
1 ( ) =
p
2 m
2
c
2
b
2
1 b
2

------------------ =
m
2 p
2
1 b
2
( )
c
2
b
2
------------------------- =
m
p
cb
------ 1 b
2
=
b
L
tc
---- =
m p
c
2
t
2
L
2
--------- 1 =
dm
m
-------
m ln p ln
1
2
---
c
2
t
2
L
2
--------- 1



ln + =
d m ln ( )
dm
m
-------
dp
p
------
1
2
---d
c
2
t
2
L
2
--------- 1



ln + = =
P. NAYMAN 213 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
et finalement, en passant au calcul derreur, on trouve :
Equ(17.3)
Par exemple, on peut considrer que :
limpulsion p peut tre connue avec une prcision de 1%,
la longueur L est connue avec une prcision de 0.1%,
.
Dans ce cas, est largement dpendant de la rsolution en temps du dtecteur.
Pour une longueur L de lordre de 3 m et une particule relativiste, le temps de vol
est de 10 ns. 1% de rsolution temporelle correspond une rsolution de 100 ps.
Calculons la diffrence de temps de vol entre deux particules relativiste ( )
ayant la mme impulsion p. De lquation 17.1, extrayons la variable t :
Si les 2 particules sont de masse m1 et m2 et :
Equ(17.4)
Plus limpulsion des particules est grande et plus il sera difficile de les sparer. Si
lon suppose que lcart correspond , lquation 17.5 donne le nombre n dcarts
standards sparant les deux particules.
dm
m
-------
dp
p
------
1
2
---
c
2
t
2
L
2
--------- 1



1
d
c
2
t
2
L
2
--------- 1



+ =
dm
m
-------
dp
p
------ g
2 dt
t
-----
dL
L
------ +


+ =
g
2
1
dm
m
-------
p m
t
2 L
2
c
2
-----
m
2
p
2
------ 1 +



=
d t
2
( ) d
m
2
p
2
------ 1 +



=
cdt
L
2p
2
--------dm
2

t D t
1
t
2
=
c t D
L m
1
2
m
2
2
( )
2p
2
---------------------------- =
t D ns
t
P. NAYMAN 214 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(17.5)
W. Klempt trouve, en appliquant lquation 17.5, pour une sparation de , avec
et , une limite suprieure sur limpulsion :


La figure 17.4 donne un exemple de sparation de particules en utilisant des infor-
mations combines TOF et dE/dx.
Figure 17.3 : Sparation de particules avec un TOF
Figure 17.4 : NA49, sparation de particules avec TOF et dE/dx
n
L m
1
2
m
2
2
( )
2p
2
cs
t
---------------------------- =
3s
t
L 3 5m , = dt 100ps =
P
max p K , ,
2 1Gev c , =
P
max K p , ,
3 5Gev c , =
P. NAYMAN 215 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
17.2. Technique de la discrimination
Un signal analogique ne peut pas, en gnral, tre manipul simplement pour rali-
ser des mesures temporelles. Il est ncessaire de le transformer dans un standard logique
grce un comparateur comme le montre la figure 17.5. Le signal analogique est discri-
min.
Le comparateur est un amplificateur gain G trs lev.
La figure 17.6 montre les signaux lentre et la sortie du comparateur.
17.3. Influence de la pente du signal sur linstant de basculement dun
comparateur
La figure 17.7 illustre linfluence de la pente du signal sur linstant de basculement
du comparateur.
Figure 17.5 : Discrimination dun signal analogique
Si alors
Si alors
Figure 17.6 : Signal issu dun comparateur
Figure 17.7 : Influence de la pente du signal
Seuil
V
+
V
-
V
s
e
+
-
V
s
G e =
e e
+
e
-
=
e 0 > V
s
V
+
=
e 0 < V
s
V
--
=
t
t
V
e
V
s
Seuil
t
V
i n
V
s
DVin
t
1
t
2
Dt
k
P. NAYMAN 216 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(17.6)
Lquation 17.6 montre que sera dautant plus faible que la pente du signal sera
grande.
17.4. Influence de la dispersion (Jitter) sur linstant de basculement
Le principe de linfluence du jitter sur linstant de basculement est illustr par la
figure 17.8.
est la tension de seuil du comparateur.
k est proportionnel lnergie ncessaire pour faire basculer le comparateur.
Figure 17.8 : Influence du jitter sur linstant de basculement
V
s
Dt t
2
t
1
=
k V
in
D
t D
2
----- =
t D
2k
V
in
D
----------- =
V
in
dV
in
dt
-----------


t =
V
in
D
dV
in
dt
-----------


t D =
k
dV
in
dt
-----------


t D
t D
2
-----
dV
in
dt
-----------
t
2
D
2
------- = =
t D
2k
dV
in
dt
--------------------
1
2
---
=
t D
Seuil
Vin
t
s
v
T
s
t
dV
in
dV
in
dt
-----------


dt =
dV
in
s
v
=
P. NAYMAN 217 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(17.7)
17.5. Inconvnient du comparateur classique
Le temps de monte des signaux utiliss est constant et dpend uniquement du d-
tecteur et de la chane analogique.
Comme le montre la figure 17.9, linstant de basculement dpend de lamplitude du
signal.
17.6. Utilisation dun discriminateur fraction constante
Principe : On cherche le point dintersection du signal s(t) et du signal dcal
. La position de ce point dintersection ne dpend pas de lamplitude des signaux
(figure 17.10).
Soit lamplitude du signal s(t), on ralise lopration suivante :
.
Il suffit dans ce cas de dtecter le point de passage par zro.
Si lon dsire augmenter la prcision de basculement du comparateur, il est prfra-
ble que la pente du signal discrimin soit la plus grande possible (signal avec un temps de
monte court).
Figure 17.9 : Temps de monte des signaux
Figure 17.10 : Principe du discriminateur fraction constante
dt s
t
=
s
t
s
v
dV
in
dt
-----------
----------- =
Vin
t
Seuil
t
1
t
2
t
m
s t t ( )
s t ( )
t
a
0
a
1
t
m
P
t
a
0
a
0
s t ( ) s t t ( ) [ ]
P. NAYMAN 218 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Lopration suivante permet daugmenter la prcision de basculement :
Le terme reprsente une fraction de lamplitude .
17.6.1. Ralisation pratique
La figure 17.11 montre une possibilit de ralisation dun discriminateur fraction
constante (CFD).
Le retard ncessaire est gnralement de quelques nano-secondes, il est ralis
soit par un cble coaxial (le temps de transit dun cble coaxial classique est de 5ns
par mtre) soit par un circuit constantes localises (ligne retard par exemple).
Pour calculer la valeur des lments, on suppose :
Lentre est amene par un cble dont limpdance caractristique est
(gnralement ).
Le retard est ralis par un cble dont limpdance caractristique est .
Si lon considre que :
Equ(17.8)
Figure 17.11 : Ralisation pratique dun discriminateur fraction constante
Lentre reoit la fraction de :
avec :
a
0
f s t ( ) s t t ( ) [ ]
a
0
f a
0
+
-
Z
0
Z
0
R
A
R
B
e
+
e
-
V
s
t
d
t
50W
V
in
Z
0
50W
t
d
Z
0
e
+
Z
0
Z
0
R
b
+
------------------ V
in
=
e
+
V
in
e
+
f V
in
=
f
Z
0
Z
0
R
b
+
------------------ =
R
b
Z
0
1 f
f
---------- =
f 1
R
b
Z
0
f
-----
P. NAYMAN 219 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Limpdance dentre vue de doit tre :
do :
Equ(17.9)
et en utilisant lquation 17.8 :
Equ(17.10)
On choisit gnralement une fraction de 10 20%.
17.6.2. Schma complet
Le montage de la figure 17.11 est un discriminateur fraction constante dont le seuil
de basculement est trs faible. Ce dernier est donc trs sensible au bruit. Afin de limiter
les basculements intempestifs on utilise gnralement la variante de la figure 17.12.
Le CFD est utilis pour sa prcision temporelle. Pour que le signal de sortie existe,
il faut quil soit suprieur un seuil haut dfini par un deuxime comparateur. Des bascu-
lements du CFD lis au bruit, ne dpassant pas le seuil haut ne donneront aucun signal en
sortie.
Figure 17.12 : Schma complet du CFD
V
in
Z
0
Z
in
Z
0
R
b
Z
0
+ ( )// R
a
Z
0
+ ( ) = =
Z
0
Z
0
1
R
b
Z
0
------ +
1
1
R
b
Z
0
+
R
a
Z
0
+
------------------ +
--------------------------- =
R
b
Z
0
------
R
b
Z
0
+
R
a
Z
0
+
------------------ =
R
a
Z
0
2
R
b
------ =
R
a
Z
0
f =
CFD
-
+
D
CK
Q
-V
0V
Seuil haut
Largeur fixe
IN
OUT
P. NAYMAN 220 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
17.6.3. Fonctionnement en mode ARC (Amplitude and Rise time
Compensated)
Dans ce mode de fonctionnement le passage par zro se fait avant que le signal at-
tnu ait atteint sont maximum (figure 17.13).
Equ(17.11)
17.6.3.1 quation du signal attnu sur lentre du compa-
rateur
Equ(17.12)
17.6.3.2 quation du signal attnu sur lentre du compa-
rateur
Figure 17.13 : Mode ARC
Comme et
pour
pour
si alors
t
t
arc
t
m
e
+
fV
i n
=
e
-
1 f ( )V
i n
=
V
in
t
d
e
+
Z
0
Z
0
R
a
+
------------------V
in
=
R
b
Z
0
1 f
f
---------- = R
a
Z
0
2
R
b
------ =
e
-
1 f ( ) = V
in

e
+
e
+
f V
in
t
t
m
----- =
e
-
e
-
0 = t t
d
=
e
-
1 f ( ) V
in
= t t
d
t
m
+ =
e
-
1 f ( ) V
in
t
t
m
----- 1 f ( ) V
in
t
d
t
m
----- =
e
-
e
+
= t t
arc
=
P. NAYMAN 221 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(17.13)
Condition limite de fonctionnement :
Equ(17.14)
17.6.3.3 Calcul de la fraction effective
Le basculement du comparateur ne se produit pas exactement au maximum du si-
gnal, la fraction effective est donc diffrente de f.
Equ(17.15)
17.6.4. Fonctionnement en mode TCF (True Constant Fraction)
Dans le mode TCF le passage par zro se fait aprs que le signal attnu ait atteint
son maximum (figure 17.13).
Condition limite de fonctionnement :
Equ(17.16)
si ,
Si lon pose : alors :
Figure 17.14 : Mode TCF
t
arc
1 f ( ) t
d

1 2f
------------------------
1 f ( ) t
d

1 f ( )
2
------------------------ =
t
arc
t
d
1 f
----------
t
d
t
m
1 f ( ) <
e
+
f V
in
t
t
m
----- =
t t
arc
= e
+
f
V
in
t
m
-------
t
d
1 f
---------- =
e
+
f
arc
V
in
=
f
arc
f t
d

t
m
1 f ( )
------------------------- =
t
t
cf
t
m
e
+
fV
i n
=
e
-
1 f ( )V
i n
=
t
d
t
d
t
m
1 f ( ) >
P. NAYMAN 222 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(17.17)
17.6.5. Estimation de la pente au point de passage par zro
17.6.5.1 Dans le mode ARC (figure 17.15)
Equ(17.18)
pour ,
Figure 17.15 : Pente du signal dans le mode ARC
Daprs lquation 17.13 :
e
-
1 f ( ) V
in
t
t
m
----- 1 f ( ) V
in
t
d
t
m
----- =
t t
cf
= e
-
e
+
f V
in
= =
t
cf
f t
m

1 f
----------- t
d
+ =
e
+
-e
-
t
d
t
arc
t
dt
dV
e
+
t=t
d
( ) f V
in
t
d
t
m
----- =
t
arc
t
d
1 f
---------- =
dV
dt
-------
f V
in

t
m
------------- t
d

t
d
1 f
---------- t
d

---------------------- =
dV
dt
-------
V
in
1 f ( )
t
m
----------------------- =
P. NAYMAN 223 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
17.6.5.2 Dans le mode TCF (figure 17.16)
La pente de au point de passage par zro est :
Equ(17.19)
17.6.6. Influence de la dispersion (Jitter) en mode ARC et TCF
Comme pour le comparateur classique seuil, le discriminateur fraction constante
possde un jitter .
Equ(17.20)
On peut ramener le bruit du signal composite en terme de bruit sur chaque
entre :
Equ(17.21)
17.6.6.1 Dispersion en mode TCF
et en utilisant lquation 17.21 :
Figure 17.16 : Pente du signal dans le mode TCF
est le bruit correspondant au signal non attnu.
Si lon pose :
t
t
m
t
d
+
t
m
fV
i n
1 f ( )V
in
t
d
e
+
e
-
( )
e
+
e
-
( )
dV
dt
-------
V
in
t
m
------- =
s
t
s
t
s
v
dV
dt
-------
------- =
e
+
e
-
( )
s
v
e
+
( ) f s
V
in
=
s
V
in
V
cf
V
in
fV
in
=
s
Vcf
2
s
Vin
2
f
2
s
Vin
2
+ =
s
Vcf
s
Vin
1 f
2
+ [ ]
1 2
=
s
t
s
v
dV
dt
-------
------- =
P. NAYMAN 224 MESURES TEMPORELLES
TRAITEMENT DU SIGNAL
DEA MIP
Equ(17.22)
17.6.6.2 Dispersion en mode ARC
Equ(17.23)
s
tcf
s
Vin
1 f
2
+ [ ]
1 2
t
m

V
in
---------------------------------------------- =
s
arc
s
Vin
1 f
2
+ [ ]
1 2
t
m

V
in
1 f ( )
---------------------------------------------- =
P. NAYMAN 225 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
18. NOTION DE TEMPS MORT
18.1. Introduction
La notion de temps mort est intimement lie au schma gnral de lexprience.
Dune manire gnrale, lexprience consiste acqurir, en vue dune mesure, (le plus
souvent par un processeur) une reprsentation des signaux issus dun dtecteur.

La grandeur externe est rarement dterministe et la loi de Poisson est souvent ap-
proprie pour dcrire le processus darrive des vnements.
Chaque lment de la chane impose un certain temps de traitement. Pendant ce
temps de traitement, une partie plus ou moins importante de la chane de mesure est inapte
prendre en compte un nouvel vnement. Ce temps dimmobilisation est appel temps
mort et est exprim en pourcentage de la frquence moyenne dentre. Le temps mort doit
tre considr avec dautant plus dattention que les vnements sont rares. Tout vne-
ment qui arrive pendant le temps mort est perdu. Un temps mort important a pour cons-
quence une perte importante dvnements.
18.2. La logique de dclenchement
Deux grandes catgories dvnements vont solliciter la chane dacquisition, les
bons et les mauvais. Considrons les mauvais vnements comme apparents du bruit.
La mthode naturellement utilise pour limiter le temps mort consiste faire appel
une logique de dclenchement (ou trigger). Le principe dune logique de dclenche-
ment, de premier niveau, est de dterminer trs rapidement si lvnement en cours une
chance dtre intressant. Comme la logique de dclenchement, de premier niveau, doit
tre rapide par rapport la premire partie de llectronique, son principe est obligatoire-
ment simple : dtecter un minimum dnergie dans une zone du dtecteur (passage dun
seuil, sommes de cellules au dessus dun seuil, etc.). Une autre consquence de la logique
de dclenchement est quil est ncessaire de mmoriser linformation en provenance du
dtecteur en attendant la dcision ou encore dinterrompre le traitement.
Figure 18.1 : Du Dtecteur la mesure
Dtecteur
Acquisition
Interface
Grandeur
externe
+ Mesure
P. NAYMAN 226 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP

18.3. Les 2 types de temps morts
18.3.1. Le temps mort cumulatif
La chane de mesure est sensible tous les vnements en entre. Le systme nest
capable de tenir compte que des signaux spars dun temps suprieur son temps mort .
Par exemple, un nombre dvnements par unit de temps en entre important ( )
peut gnrer de lempilement de signaux et paralyser compltement le systme (figure
18.3).
Les impulsions empiles ne peuvent pas tre prises en compte, elles doivent tre re-
jetes, le systme est dans ce cas paralys. Gnralement, ce type de temps mort est li au
dtecteur et intervient pour des frquences dvnements en entre leves.
Le nombre R dvnements par unit de temps, trait par le systme en prsence de
temps mort cumulatif est donne par la relation suivante :
Figure 18.2 : La logique de dclenchement dans la chane de mesure
Figure 18.3 : Exemple de temps mort cumulatif et non-cumulatif par lentre
Dtecteur
Acquisition
Interface
Grandeur
externe
+ Mesure
Logique de
dclenchement
t
l
t
Seuil
Systme paralys sans acquisition
t
empilement dimpulsions
temps mort simple
P. NAYMAN 227 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
Equ(18.1)
avec la frquence moyenne darrive des vnements et le temps mort du sys-
tme.
Le produit est sans dimension.
La dmonstration de cette relation est donne dans le paragraphe Traitement sta-
tistique du temps mort, page 228.
Lquation 18.1 montre bien que lorsque , , le systme est dans ce cas
paralys.
On peut normaliser (18.1) en multipliant les deux membres par :
Equ(18.2)
18.3.2. Le temps mort non cumulatif
Si lon appelle R le nombre dvnements moyen trait par unit de temps par le
systme :
Equ(18.3)
Cette quation montre que lorsque , . Dans ce cas le temps mort est
de 100%.
Normalisons (18.3) en multipliant les 2 membres par :
Equ(18.4)
reprsente la fraction de temps mort.
reprsente la frquence des pertes.
Par exemple, supposons que lon a affaire au systme suivant :
vitesse dacquisition maximale de 500Hz (Rmax),
pourcentage de temps mort admissible : 30%.
reprsente le temps moyen pour traiter un vnement.
, reprsente le temps moyen darrive dun vnement et le temps mort du
systme.
On trouve facilement la valeur de :
R l e
lt
= S
1
[ ]
l t
lt
l R 0
t
Rt lt e
lt
=
1
R
---
1
R
--- t
1
l
--- + =
1
l
--- t
R
l
1 lt +
--------------- =
l R
1
t
---
t
Rt
lt
1 lt +
--------------- =
Rt
lRt
t
P. NAYMAN 228 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
La figure 18.4 rsume les 2 types de temps morts.
18.4. Traitement statistique du temps mort
Les dfinitions dune variable alatoire, dune fonction de rpartition et dune den-
sit de probabilit ont t pralablement donnes : Voir Les signaux alatoires (rappels
de notions de base en statistique), page 53.
La loi de Poisson donne la probabilit davoir n arrives dans un intervalle :
Equ(18.5)
reprsente le nombre moyen darrives par unit de temps.
De cette relation, on tire facilement les probabilits davoir 0 ou 1 arrive dans lin-
tervalle :
de (18.3),
La seule valeur accessible tant R, il faudra rgler le seuil de lexprience de faon avoir
.
Figure 18.4 : Les 2 types de temps morts
Equ(18.6)
et si alors :
t
1
R
max
-----------
1
500
--------- 2ms = = =
Rt 2R 0 3 , = =
R 150Hz =
l
max
R
1 Rt
---------------
150
1 0 15 2 , ( )
----------------------------------- 215Hz = = =
R 150Hz =
1
R l =
1
1
e
---
non-cumulatif
cumulatif
lt
Rt
0
Dt
P
n
Dt ( )
lDt ( )
n
n!
---------------- e
lDt
=
l
Dt
P
0
Dt ( ) e
lDt
=
P
1
Dt ( ) lDt ( ) e
lDt
= Dt 0
P. NAYMAN 229 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
Calculons la probabilit , quil ne se soit rien produit dans lintervalle de
temps prcdent lvnement i. En terme de probabilits cela sexprime par le
produit des probabilits individuelles. Notons la probabilit quil ne se soit rien
produit dans lintervalle et la probabilit davoir un vnement dans lin-
tervalle .
Il est possible de prendre en compte un vnement, sil se produit un temps sup-
rieur : , soit :
La frquence R est gale la frquence dentre multiplie par .
Soit :
18.5. Notion de temps mort gnralis
Les temps morts cumulatifs et non cumulatifs sont respectivement donns par les
quations (18.1) et (18.3). On doit L. Takcs
1
la formule suivante qui unifie les deux
types de temps mort.
Equ(18.8)
On suppose quun certain pourcentage dvnements entrants gnre du temps
mort cumulatif.
Equ(18.7)
tant la densit de probabilit.
Figure 18.5
1. voir rfrences [38] et [26]
P
1
Dt ( ) ldt
P
i
t ( )
Dt t =
P
0
i 1 ( )
t ( )
i 1 ( ) P
1
i ( )
t ( )
i ( )
P
i
t ( ) P
0
i 1
t ( ) P
1
i
t ( ) =
P
i
t ( ) e
lt
ldt p
i
t ( )dt = = p
i
t ( )
t P
i
t t > ( )
P
i
t t > ( ) P
i
t ( )dt
t

e
lt
ldt
t

e
lt
= = =
l P
i
t t > ( )
l R lP
i
=
P
i
R l P
i
t t > ( ) =
R l e
lt
=
R
l
1 lt
e
+
-----------------
ql
e
qlt
q 1 +
---------------------------- = =
q
P. NAYMAN 230 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
Normalisons (18.8) en multipliant les 2 membres par :
et reprsentons
Lorsque , on obtient la formule du temps mort non cumulatif.
Lorsque , on obtient bien la formule du temps mort cumulatif.
La figure 18.6 reprsente la courbe pour diffrentes valeurs de .
Considrons le nombre dvnements par unit de temps perdu , comme la diff-
rence entre les frquences dentre et de sortie :
Comme seule une partie des vnements gnrera du temps mort cumulatif rempla-
ons par .
Figure 18.6 : Temps mort gnralis
Equ(18.9)
On peut estimer que est proportionnel R, et un certain temps mort .
Equ(18.10)
En combinant (18.9) et (18.10) :
Equ(18.11)
puis en remplaant R par (18.1) :
Equ(18.12)
t
Rt
qlt
e
qlt
q 1 +
---------------------------- = Rt f lt ( ) =
q 0 =
q 1 =
Rt f lt ( ) = q
Rt
lt
q 0 =
q 1 =
1
0
D
D l R =
D l t
e
D Rt
e
l =
t
e
l R
lR
------------ =
t
e
l le
lt

l
2
e
lt
---------------------- =
t
e
1 e
lt

le
lt
-------------------
1
l
--- e
lt
1 ( ) = =
l ql
P. NAYMAN 231 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
18.6. Notion de file dattente
Une technique prouve pour rduire les pertes dvnements par temps mort con-
siste grer des mmoires tampons. Ces mmoires sont assimilables une file dattente
de longueur n.
On suppose toujours que les vnements en entre arrivent selon un processus de
Poisson (18.5).
18.6.1. File dattente de longueur 1
Considrons une file dattente de longueur 1. La file est soit vide (tat 0) avec la pro-
babilit P(0) ou pleine (tat 1) avec la probabilit P(1).
Soit la frquence moyenne de remplissage de la file dattente (nombre dvne-
ments par unit de temps) et la frquence moyenne de vidage de la file dattente (nom-
bre dvnements par unit de temps).
Le graphe dtat suivant reprsente le systme dattente.
Si la file est vide la probabilit de passer ltat 1 est :
Si la file est pleine la probabilit de passer ltat 0 est :
Pour un fonctionnement correct, il y a quilibre, la probabilit que la file soit vide
est gale la probabilit que la file soit pleine.
En utilisant les probabilits conditionnelles :
Equ(18.13)
de (18.11) on tire facilement :
puis laide de (18.13) :
Figure 18.7 : La file dattente de longueur 1
t
e
1
ql
------ e
qlt
1 ( ) =
R
l
1 lt
e
+
----------------- =
R
ql
e
qlt
q 1 +
---------------------------- =
l
s
0 1
l
s
P 1 0 ( ) ldt =
P 0 1 ( ) sdt =
P 1 0 ( ) P 0 ( ) P 0 1 ( ) P 1 ( ) =
ldt P 0 ( ) sdt P 1 ( ) =
P. NAYMAN 232 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
18.6.2. File dattente de longueur n
Gnralisons le cas prcdent une file dattente de longueur n.
Considrons un emplacement quelconque k. La sortie de ltat k peut se faire de 2
faons : aller vers ltat k-1 ou aller vers ltat k+1. La probabilit de sortie de k est donc
gale :
Considrons maintenant la probabilit dentre dans ltat k :
Par rcurrence on trouve facilement :
Equ(18.18)
Equ(18.14)
Y reprsente lintensit de trafic, cest le rapport de la frquence moyenne dentre et de la
frquence moyenne de sortie ( ).
Figure 18.8 : La file dattente de longueur n
(en traits pointills)
Equ(18.15)
Equ(18.16)
A lquilibre,
avec Y lintensit de trafic.
Equ(18.17)
P 1 ( )
P 0 ( )
-----------
l
s
--- Y = =
Y 1 <
k-1 k
l
s
k+1
l l
s s
l
s
P
s
k ( ) P k 1 k ( ) P k 1 k + ( ) + =
P
s
k ( ) P
k
sdt P
k
ldt + =
P
s
k ( ) P
k
sdt ldt + ( ) =
P
e
k ( ) P
k 1
ldt P
k 1 +
sdt + =
P
e
k ( ) P
s
k ( ) =
P
k
sdt ldt + ( ) P
k 1
ldt P
k 1 +
sdt + =
P
k
s l + ( ) P
k 1
l P
k 1 +
s + =
P
k
1
l
s
--- +


P
k 1
l
s
--- P
k 1 +
+ =
P
k
1 Y + ( ) P
k 1
Y P
k 1 +
+ =
P
k 1 +
P
k
1 Y + [ ] P
k 1
Y =
P
k
Y
k
P
0
=
P. NAYMAN 233 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
Par dfinition :
Remarque : Dans les diffrentes relations trouves on suppose que lintensit de tra-
fic . Cela signifie quen moyenne le vidage doit toujours tre plus rapide que le rem-
plissage. La file dattente sert uniquement rguler les pointes de remplissage. Le
Tableau 6 donne un exemple de la longueur moyenne dune file dattente pour diffrentes
On en dduit immdiatement que :
Equ(18.19)
En introduisant (18.19) dans (18.18) :
Equ(18.20)
Calculons la valeur moyenne de la file dattente :
comme
Equ(18.21)
Calculons la probabilit que le nombre dvnements n dans la file dattente soit suprieure
k :
Equ(18.22)
P
k
k 0 =
n

1 P
0
Y
k
k 0 =
n

P
0
1 Y
------------ = = =
P
0
1 Y =
P
k
Y
k
1 Y [ ] =
E n [ ] n P
n
n 0 =

=
E n [ ] n Y
n
1 Y [ ]
n 0 =

=
E n [ ] 1 Y [ ] n Y
n

n 0 =

1 Y [ ] Y 2Y
2
3Y
3
+ + + [ ] = =
1
1 Y ( )
2
------------------- 1 2Y 3Y
2
4Y
3
+ + + + =
E n [ ]
Y
1 Y
------------ =
P n k > ( ) Y
p
1 Y ( )
p k 1 + =
+

=
P n k > ( ) 1 Y ( ) Y
k 1 +
Y
k 2 +
+ + ( ) =
P n k > ( ) Y
k 1 +
1 Y ( ) 1 Y Y
2
+ + + ( ) =
P n k > ( ) Y
k 1 +
=
Y 1 <
P. NAYMAN 234 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
intensits de trafic. On suppose que la file dattente est de longueur infinie.
18.7. Quel taux de temps mort ?
Le rglage dun seuil de discrimination est gnralement utilis pour caler le temps
mort. On peut supposer quun systme fonctionnant une vitesse proche de sa vitesse
maximale, ce qui correspond un taux de temps mort de 100%, (Voir Le temps mort non
cumulatif, page 227.) a un seuil de dclenchement trs bas. Un tel systme dclenche es-
sentiellement sur le bruit.
Pour tre certain de ne pas tre dans un tel cas de figure, il est ncessaire que le sys-
tme soit plus souvent au repos quen activit. Dans ce cas, est toujours prt prendre un
bon vnement.
Le Tableau 6 et la figure 18.9 peuvent donner une bonne indication : pour un syst-
me un seul niveau, la probabilit de plus dun vnement dans le systme reste basse
pour un trafic infrieur 30% (Y=0,3 et P(1)=0,09).
Intensit de trafic Longueur moyenne
de la file dattente
Probabilit de plus
de 1 vnement dans
la file dattente
Probabilit de plus
de 4 vnements
dans la file dattente
Y
0,1 1 (0,11) 0,01 0,0001
0,2 1 (0,25) 0,04 0,0003
0,3 1 (0,43) 0,09 0,0081
0,4 1 (0,66) 0,16 0,0102
0,5 1 0,25 0,031
0,6 2 (1,5) 0,36 0,077
0,7 3 (2,33) 0,49 0,168
0,8 4 0,64 0,327
0,9 9 0,81 0,590
Tableau 6 : Exemple de configuration
Y
1 Y
------------
Y
k 1 +
P. NAYMAN 235 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
18.8. Evaluation du temps mort
Si lon connat avec prcision la frquence des vnements dentre, il est facile
dvaluer le temps mort partir de (18.1), (18.3) ou (18.8). Si lon connat la loi de varia-
tion de la frquence du processus dentre en fonction de lamplitude, il est possible
dvaluer le temps mort du systme.
Les mthodes sont bases sur la connaissance de la loi de rpartition de la frquence
dentre :
en fonction du temps (par exemple, dcroissance exponentielle dune source
radioactive),
en fonction de lamplitude de la grandeur dentre (par exemple, loi de puissance
en fonction de lnergie),
selon une loi de Poisson.
Considrons lexprience reprsente figure 18.10 et base sur lutilisation de quel-
ques capteurs (des photomultiplicateurs par exemple). Lexprience est constitue de
deux parties, la voie mesure et la voie dclenchement.
Figure 18.9 : Probabilits et nombre de buffers en fonction du trafic
1
0
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Y
2
Y
1 buffer
2 buffers
3 buffers
4 buffers
9 buffers
0,05
P. NAYMAN 236 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
On suppose que lvnement reprsente une image dont la taille est variable. La par-
tie mesure permet dacqurir la charge associe aux photons frappants chaque photoca-
thode (Les lments de limage sont reus dune manire synchrone.). La partie
dclenchement permet de slectionner les vnements possdant au moins une nergie
donne . Pour cela, on dtermine lnergie totale de lvnement par une somme analo-
gique . Un comparateur rapide dfini si la somme est suprieure au seuil
( ). Lacquisition sera effective uniquement pour les vnements passant le seuil. Le
retard permet de compenser le temps ncessaire la dcision.
Le compteur permet de tracer facilement la courbe reprsente par la figure 18.11.
Avec ce type de systme, il est possible de rgler le seuil de faon obtenir un
temps mort acceptable.
Figure 18.10 : Une exprience
Figure 18.11 : Rpartition des vnements physiques
b
PM1
PM2
PMn
ampli
ampli
somme analogique
(seuil)
+
-
comparateur mise en forme
t
w
cte =
Acquisition
S
compteur
Mesure
Dclenchement
t
d
t
d
t
d
retard
g
E
E
1
E
2
E
n
b
E E
i
i

=
E b >
t
d
l
E 0 b
b
P. NAYMAN 237 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
18.8.1. Cas dune source radioactive [23]
Si le gnrateur dentre est une source radioactive, la loi du phnomne dentre
suit une loi exponentielle de paramtre de dcroissance
La dtermination de et de permet de trouver simplement le temps mort .
Dans le cas du temps mort cumulatif, on utilise (18.1) :
On suppose que o reprsente la frquence darrive des vnements.
Si lon considre que lon a affaire du temps mort non-cumulatif, on peut substituer cette
valeur dans (18.3) :
. Si lon pose et si lon trace :
la pente de la droite est dans ce cas et lintersection avec lordonne est
gale .
Figure 18.12 : Dtermination du temps mort non-cumulatif
puis en substituant par sa valeur, on obtient facilement :
Si lon pose et traons : .
La pente de la droite est et lintersection avec lordonne est .
Figure 18.13 : Dtermination du temps mort cumulatif
a
l l
0
e
at
= l
Re
at
l
0
l
0
Rt = Y Re
at
=
Y f R ( ) = l
0
t
l
0
l
0
t l
0
t
Re
at
l
0
pente l
0
t =
R
0
R ln l lt ln = l
at R ln + l
0
te
at
l
0
ln + =
Y at R ln + = Y f e
at
( ) =
l
0
t l
0
ln
at R ln +
l ln
0
pente l
0
t =
e
at
0
P. NAYMAN 238 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
18.8.2. Cas dune source de photons
On suppose que la frquence des vnements en entre est une fonction de lnergie.
(la variation de la frquence dentre est une loi de puissance de
lnergie E). Avec a et b des constantes.
Si lon considre le comptage des vnements au dessus du seuil :
Cette mthode est valable lorsque le processus statistique qui rgit lnergie inci-
dente ne fluctue pas trop.
18.8.3. Etude de la rpartition temporelle des vnements
La frquence de lecture moyenne R est donne par (18.1) et (18.3).Une mthode trs
pratique pour valuer le temps mort consiste tudier la rpartition statistique des vne-
ments lus. On sintresse dans ce cas au nombre dvnements lus en fonction de lcart
de temps sparant deux vnements conscutifs : .
On suppose que les vnements qui arrivent sur le dtecteur sont rpartis selon une
loi de Poisson. Au niveau de la lecture, on peut dfinir 3 zones selon la valeur de :
dans ce cas la rpartition temporelle des carts suit la loi de Poisson
Considrons du temps mort non-cumulatif, substituons cette valeur dans (18.3) :
avec
Traons
Lintersection de la droite avec lordonne permet de dterminer k.
La pente de la droite est gale
Figure 18.14 : Dtermination du temps mort non-cumulatif (loi de puissance)
dl
r
dE
-------- aE
b
=
b
l aE
b
E d
b
+

=
l
a
1 b
------------b
1 b
=
R
kb
1 b
1 kb
1 b
t +
--------------------------- = k
a
1 b
------------ =
Rb
b 1
ktR k + =
Rb
b 1
f R ( ) =
kt
Rb
b 1
k
pente k t =
R
0
NbEvt f Dt ( ) =
Dt
Dt t >
P. NAYMAN 239 NOTION DE TEMPS MORT
TRAITEMENT DU SIGNAL
DEA MIP
dentre.
dans ce cas le temps sparant 2 vnements est gal , le nombre dv-
nements est constant.
le systme a tendance empiler, on ne prend pas dvnement.
Lexemple (figure 18.15) suivant, provient de lexprience CELESTE [13] et mon-
tre bien les diffrentes zones. La limite ( gauche) de la partie exponentielle, reprsente
par la droite (repre logarithmique) donne le temps mort du systme, soit un temps mort
de lordre de .
On peut remarquer que la pente de la droite est gale R.
Figure 18.15 Exprience Celeste
Dt t < t
Dt t
8ms
P. NAYMAN 240
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
19. RSOLUTION EN NERGIE ET EN TEMPS DANS
LES PHOTOMULTIPLICATEURS
19.1. Rsolution en nergie dans les photomultiplicateurs
La rsolution en nergie dun systme de dtection en physique est gnralement
dfinie par le rapport de la largeur mi-hauteur dune raie par son amplitude. Si lon con-
sidre un photomultiplicateur, on a affaire une multiplication statistique.
Pour arracher un photolectron de la photocathode, il est ncessaire de recevoir un
ou plusieurs photons (les photons doivent avoir une rponse spectrale en accord avec celle
de la photocathode. La figure 19.2 montre la sensibilit nergtique de photocathodes
(mA/W) en fonction de la longueur donde (nm) des photons incidents).
Equ(19.1)
avec le courant de photocathode et le flux incident de photons.
Si le flux incident de photons est exprim en units photomtriques (lm) alors :
Equ(19.2)
On peut galement exprimer la sensibilit de la photocathode comme le rapport en-
tre le nombre moyen dlectrons mis par la photocathode au nombre moyen de pho-
tons reus . Dans ce cas, on parle de rendement quantique ou defficacit quantique de
la photocathode (de lordre de 25%). Cette formulation se prte bien au traitement statis-
tique du photomultiplicateur.
Equ(19.3)
Chaque photolectron sera acclr par un champ lectrique et amplifi par la pre-
mire dynode, ce principe est illustr par la figure 19.1. Cest le gain de la premire dy-
node (lamplification est de lordre de 3-4).
Le gain total du photomultiplicateur peut atteindre et sera fonction du nombre
dtages du tube, du facteur damplification de chaque dynode ainsi que de lenvironne-
ment (prsence ou non de champ magntique).
S
k
S
k
I
k
F
e
------ = A W
I
k
F
e
S
k
I
k
F
n
------- = A lm
n
k
n
p
r
n
k
n
p
----- =
10
6
P. NAYMAN 241
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
Pour tudier les fluctuations lies une multiplication statistique, il est ncessaire
de calculer les diffrents moments (moyenne, cart type) dun tel processus en cascade.
Le traitement des vnements en cascade est bien rsolu par lutilisation des fonctions g-
nratrices.
19.1.1. Fonction caractristique dune variable alatoire
On dfinit une fonction gnratrice comme tant :
Figure 19.1 : Principe de la multiplication dans un photomultiplicateur
Figure 19.2 : Exemple de rponse spectrale en fonction du type de photocathode
a
a. Documentation Hamamatsu
g
Photon frappant
la photocathode
Photocathode Dynode
P. NAYMAN 242
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
Equ(19.4)
reprsente pour un vnement donn, la probabilit davoir n ralisations de la
variable alatoire.
Comme la somme des probabilits alors .
On peut galement dfinir comme tant :
Equ(19.5)
n tant la variable alatoire et E lesprance mathmatique.
Le traitement des vnements en cascade a t largement tudi grce aux fonctions
gnratrices. Il savre que les fonctions caractristiques donnent des rsultats quivalents
tout en tant plus simples manipuler.
Considrons la fonction suivante :
19.1.2. Moments et fonction caractristique
Considrons lquation 19.6 et le dveloppement limit :
Dautre part, drivons lordre k la fonction par rapport u.
Equ(19.6)
est donc la transforme de Fourier de p(x)
de mme :
G z ( ) z
n
p
n
n 0 =
N

=
p
n
p
0
p
1
p
N
+ + 1 = G 1 ( ) 1 =
G z ( )
G z ( ) E z
n
[ ] =
j
x
u ( ) E e
iux
[ ] =
j
x
u ( ) p x ( )e

+

iux
dx =
j
x
u ( )
p x ( )
1
2p
------ j
x
u ( )e

+

i ux
du =
e
a
1 a
a
2
2!
-----
a
n
n!
----- + + + + + =
j
x
u ( ) E e
iux
[ ] E 1 iux
iux ( )
2
2!
---------------
iux ( )
n
n!
--------------- + + + + + = =
j
x
u ( ) 1 iuE x [ ]
iu ( )
n
n!
------------E x
n
[ ] + + + + =
j
x
u ( )
u
k
d
d
j
x
u ( )
u
k
d
d
E e
iux
[ ] =
P. NAYMAN 243
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
au voisinage de u=0 :
Equ(19.7)
Comme :
Equ(19.8)
Les drives de la fonction caractristique au voisinage de zro permettent de trou-
ver les diffrents moments statistiques de la variable alatoire x.
19.1.2.1 Moments et transforme de Fourier
Les proprits de la transforme de Fourier permettent dtablir rapidement lqua-
tion 19.8.
En effet en utilisant lquation 4.19 :
Cette quation peut tre r-crite :
et pour
et comme
En tenant compte de la dfinition de la fonction caractristique, on retombe imm-
diatement sur lquation cherche :
19.1.3. La deuxime fonction caractristique
Lobtention des moments au moyen de la premire fonction caractristique
nest pas toujours facile. Il est souvent prfrable dutiliser la deuxime fonction caract-
u
k
d
d
j
x
u ( ) E
u
k
d
d
e
iux
( ) E ix ( )
k
e
iux
[ ] i
k
E x
k
e
iux
[ ] = = =
u
k
d
d
j
x
0 ( ) i
k
E x
k
[ ] =
j
x
u ( ) 1 iuE x [ ]
iu ( )
n
n!
------------E x
n
[ ] + + + + =
j
x
u ( ) j
x
0 ( ) uj'
x
0 ( )
u
n
n!
-----j
x
n ( )
0 ( ) + + + + =
2 pit ( )
n
x t ( )
n
n
n
d
d
x

n ( ) [ ]
x

n ( )
n ( ) 2pit ( )
n
x t ( ) e
2pint
t d
-
+

=
x

n ( )
n ( ) 2pi ( )
n
t ( )
n
x t ( ) e
2pint
t d
-
+

= n 0 =
x

n ( )
0 ( ) 2pi ( )
n
t ( )
n
x t ( ) t d
-
+

=
E x
n
[ ] t ( )
n
x t ( ) t d
-
+

=
E x
n
[ ]
x

n ( )
0 ( )
2pi ( )
n
------------------- =
u
k
d
d
j
x
0 ( ) i
k
E x
k
[ ] =
j
x
u ( )
P. NAYMAN 244
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
ristique dfinie comme tant :
Equ(19.9)
au voisinage de u=0, on peut utiliser lapproximation :
Pour simplifier les notations, utilisons les notations suivantes pour les moments :
, il vient alors :
Equ(19.10)
Dans le cas o la variable alatoire x nest pas centre, on peut utiliser le change-
ment de variable (avec y centre) :
Comme :
Comme (la variable alatoire y est centre).
Si lon utilise lapproximation : au voisinage de zro, on obtient :
19.1.4. La deuxime fonction caractristique modifie
Les calculs prcdents montrent quil est intressant de dfinir une deuxime fonc-
tion caractristique drive de :
Equ(19.11)
Y
x
u ( )
Y
x
u ( ) j
x
u ( ) [ ] ln =
Y
x
u ( ) 1 iuE x [ ]
iu ( )
n
n!
------------E x
n
[ ] + + + + ln =
1 x + ( ) ln x =
Y
x
u ( ) iuE x [ ]
iu ( )
n
n!
------------E x
n
[ ] + + + =
E x
n
[ ] m
n
=
Y
x
u ( )
i
n
u
n
n!
---------m
n
n 1 =
+

=
x y m
1
+ =
j
x
u ( ) E e
iux
[ ] E e
iuy
e
ium
1
[ ] = =
j
x
u ( ) e
ium
1
E e
iuy
[ ] =
j
x
u ( ) e
ium
1
j
y
u ( ) =
j
x
u ( ) e
ium
1
1 iuE y [ ]
iu ( )
n
n!
------------E y
n
[ ] + + + + =
E y ( ) 0 =
j
x
u ( ) e
ium
1
1
i
2
u
2
2!
---------m
2

iu ( )
n
n!
------------m
n
+ + + + =
Y
x
u ( ) j
x
u ( ) [ ] ln ium
1
1
i
2
u
2
2!
---------m
2

iu ( )
n
n!
------------m
n
+ + + + ln + = =
1 x + ( ) x ln
Y
x
u ( ) ium
1
i
2
u
2
2!
---------m
2

iu ( )
n
n!
------------m
n
+ + + + =
Y
x
u ( )
P. NAYMAN 245
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
Equ(19.12)
Dans ce cas :
19.1.5. Cas de deux vnements en cascade
Si lon considre la deuxime fonction caractristique modifie, on peut dfinir le
processus de gnration U de deux vnements en cascade et comme tant :
Equ(19.13)
Le processus de gnration doit tre interprt de la manire suivante : arrive en
premier et se ralise fois. Puis est tent fois, chaque tentative se ralise
fois. Globalement, il y aura ralisations.
Considrons que les moments de et sont respectivement : et
alors :
Si lon ordonne les termes en se limitant au deuxime ordre :
On en dduit immdiatement :
Equ(19.14)
Equ(19.15)
Comme :
Equ(19.16)
U
x
u ( ) iY
x
u ( ) =
U
x
u ( ) um
1
iu
2
2!
-------m
2

i
n 1
u
n
n!
----------------m
n
+ + + + =
U
a
U
b
U u ( ) U
a
U
b
u ( ) ( ) =
U
a
m
a1
U
b
m
a1
U
b
m
b1
m
1
U
a
U
b
m
a1
m
a2
,
m
b1
m
b2
,
U u ( ) um
b1
iu
2
2!
-------m
b2
i
2
u
3
3!
---------m
b3
.. + + + m
a1
i
2!
----- um
b1
iu
2
2!
-------m
b2
i
2
u
3
3!
---------m
b3
.. + + +
2
m
a2
.. + + =
U u ( ) um
a1
m
b1
iu
2
2!
------- m
a1
m
b2
m
b1
2
m
a2
+ [ ] + + =
E x [ ] m
1
m
a1
m
b2
= =
s
U
2
x ( ) m
b2
m
a1
m
b1
2
m
a2
+ =
m
a1
E
Ua
x [ ] =
m
a2
s
Ua
2
=
m
b1
E
Ub
x [ ] =
m
b2
s
Ub
2
=
s
U
2
x ( ) s
Ub
2
E
Ua
E
Ub
2
s
Ua
2
+ =
P. NAYMAN 246
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
Une forme intressante est dcrite par la variance relative de obtenue en di-
visant les membres de lquation 19.16 par :
Equ(19.17)
Cette relation met en vidence que le bruit globale est domin par le bruit du pre-
mier tage.
On peut gnraliser ce rsultat fondamental n tages en cascade :
Equ(19.18)
19.1.6. Le photomultiplicateur dun point de vue statistique
19.1.6.1 Le bruit de la photo-mission
Un modle simple permet dtudier la contribution de la photocathode en ce qui
concerne le bruit.
Pour chaque photon frappant la photocathode, un lectron est mis avec la probabi-
lit . La probabilit de non-mission est donc : . Il ny a dans ce cas quune al-
ternative ou .
Cherchons la deuxime fonction caractristique modifie de ce processus ;
Appliquons, dune part lapproximation : et dautre part
lapproximation :
n
T
s
U
2
E
Ua
E
Ub
[ ]
2
s
U
2
x ( )
E
Ua
E
Ub
[ ]
2
---------------------------
s
Ub
2
E
Ua
E
Ua
E
Ub
[ ]
2
---------------------------
E
Ub
2
s
Ua
2
E
Ua
E
Ub
[ ]
2
--------------------------- + =
n
T
n
a
n
b
E
Ua
--------- + =
n
T
n
a
n
b
E
Ua
---------
n
c
E
Ua
E
Ub
-------------------
n
d
E
Ua
E
Ub
E
Uc
-----------------------------
n
n
E
Ua
E
Ub
E
Un 1
------------------------------------------ + + + + + =
h
q
1 h
q

p
0
p
1
U u ( ) i e
iun
p
n
n 0 =
1

ln =
U u ( ) i p
0
p
1
e
iu
+ [ ] ln =
e
iu
1 iu
iu ( )
2
2!
------------ + + +
1 x + ( ) ln x
x
2
2
----- + =
U u ( ) i iu
iu ( )
2
2!
------------ +


h
q
1
2
--- iu ( )
2
h
q
2
+ + =
P. NAYMAN 247
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
On en dduit immdiatement :
la valeur moyenne :
la variance :
do :
Equ(19.19)
Considrons maintenant, le cas o N photons touchent la photocathode (On suppose
le flux de photons non-fluctuant : ).
Utilisons lquation 19.16 avec
Equ(19.20)
Equ(19.21)
Le flux de photolectrons mis par la photocathode peut tre caractris par un Rap-
port Signal Bruit ( ).
Cette quantit est le rapport entre la valeur moyenne du nombre de photolectrons
et de lcart type correspondant :
Equ(19.22)
Considrons que le flux de photons incident fluctue selon une loi de Poisson avec
un nombre moyen de photons par intervalle de temps alors : . En appli-
U u ( ) uh
q
iu
2
2!
------- h
q
h
q
2
( ) + =
m h
q
=
s
2
h
q
h
q
2
h
q
1 h
q
( ) = =
n
q
s
2
m
2
------
h
q
1 h
q
( )
h
q
2
-------------------------- = =
n
q
1 h
q
( )
h
q
------------------- =
s
p
2
0 =
s
Ua
2
s
p
2
0 = =
s
Ub
2
h
q
1 h
q
( ) =
m
p
E
Ua
N = =
s
pe
2
s
U
2
N h
q
1 h
q
( ) = =
m
pe
Nh
q
=
RSB
pe
RSB
pe
N h
q

N h
q
1 h
q
( )
--------------------------------------- =
RSB
pe
N h
q

1 h
q

--------------- =
n
p
t s
p
2
n
p
=
P. NAYMAN 248
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
quant nouveau lquation 19.16 :
Equ(19.25)
Remarque : la dgradation du rapport signal bruit par le paramtre ne peut
plus tre rcupre.
En combinant (19.23) et (19.24) on trouve :
Equ(19.26)
si lon considre le nombre de photolectrons mis :
Equ(19.27)
19.1.6.2 Influence de lensemble des dynodes
Pour n vnements en cascade la variance relative de lensemble est dcrite par
lquation 19.18 et peut se mettre sous la forme :
est le gain de ltage i et sa variance relative.
Considrons que tous les tages ont le mme gain m et la mme variance :
Equ(19.28)
La variance relative du photomultiplicateur ne dpend pas du nombre dtages du
tube.
Equ(19.23)
Equ(19.24)
et comme :
s
pe
2
n
p
h
q
1 h
q
( ) h
q
2
n
p
+ =
s
pe
2
h
q
n
p
=
m
pe
n
p
h
q
=
RSB
pe
h
q
n
p
h
q
n
p
---------------- =
RSB
pe
h
q
n
p
=
h
q
n
q
1
n
p
h
q
----------- =
n
k
n
p
h
q
=
n
q
1
n
k
----- =
n
g
n
g
n
1
n
2
m
1
------
n
n
m
1
m
n 1
------------------------- + + + =
m
i
n
i
n
m
n
g
n
m
1
1
m
----
1
m
n
------ + + + =
n
g
n
m
m
n
1
m 1 ( )m
n 1
-------------------------------- = m
n
1
n
g
n
m
m
m 1
--------------- =
P. NAYMAN 249
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
En gnral, la premire dynode est traite avec un soin particulier (gain plus impor-
tant, etc.). Son rle est prpondrant dans la qualit du phnomne de multiplication.
Le rapport entre le nombre moyen de dlectrons atteignant la premire dynode et
le nombre de photolectrons quittant la photocathode est appel Efficacit de collection
de loptique dentre . Cette valeur est gnralement suprieure 80%.
Comme pour (19.19) on peut dfinir la variance relative du nombre dlectrons en-
trant dans le multiplicateur :
Equ(19.29)
Appliquons lquation 19.18, en sparant le phnomne de collection dentre :

Dans ce cas nest pas un gain mais une perte qui correspond :
Equ(19.30)
puis laide de (19.28) :
Equ(19.31)
et sont respectivement la variance relative du nombre dlectrons entrant
dans le multiplicateur et le gain de chaque tage. est lefficacit de collection de lop-
tique dentre et la variance relative du gain dune dynode.
19.2. Rsolution en nergie et le spectre du photolectron
La mthode classique pour dterminer la rsolution en nergie dun systme base
de photomultiplicateur est de convertir la charge issue du photomultiplicateur en une ten-
sion puis de raliser lhistogramme des rpartitions des amplitudes laide dun analyseur
multicanaux.
h
c
n
c
1 h
c
( )
h
c
------------------- =
n
G
n
c
n
g
m
1
------ + =
m
1
h
c
n
G
n
c
n
g
h
c
----- + =
n
G
n
c
n
m
m
h
c
m 1 ( )
------------------------ + =
n
c
m
h
c
n
m
P. NAYMAN 250
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
La figure 19.3 donne le schma de principe de mesure de la rsolution en nergie de
la chane du photomultiplicateur.
Considrons un phnomne physique engendrant des photons sur la photocathode
(phnomne de scintillation par exemple). Les charges issues du PM sont converties en
tension par un pramplificateur de charges. La tension issue du pramplificateur est nu-
mrise puis un histogramme est ralis (un canal est affect chaque tension et cha-
que occurrence de le canal correspondant est incrment) par un processeur par
exemple.
La rsolution en nergie peut tre spcifie par la quantit :
Equ(19.32)
Dterminer le gain du photomultiplicateur nest pas facile, la mthode gnralement
utilise consiste illuminer la photocathode par un flux de lumire constant mesurer
successivement le courant de photocathode fort flux puis mesurer le courant anodique
faible flux.
Le rapport est gal au gain du photomultiplicateur (F tant le rapport des
flux fort et faible).
La mthode du spectre du photolectron est ce titre assez intressante, si lon con-
nat le gain de conversion de la chane de mesure, il est possible daffecter un nombre de
canaux au photolectron. La dtermination du gain de la chane de mesure est facilement
mesur en injectant des charges connues lentre de la chane.
Il faut noter que les fluctuations statistiques de chaque photolectron sont trs gran-
des, le spectre est par consquent trs tal.
La mesure du spectre du photolectron seffectue en envoyant une lumire impul-
sionnelle trs faible sur la photocathode. La position du pic du photolectron est gnra-
lement trs proche de celui du bruit.
Toutes les mesures ultrieures pourront tre rfrences par rapport au photolec-
tron.
La figure 19.4 montre un spectre de photolectrons. Le pidestal correspond au
bruit global de la chane. On distingue correctement 1 photolectron et lon commence
discerner le spectre de 2 photolectrons.
Figure 19.3 : Mthode pour mesurer la rsolution en nergie
PM
Amplificateur
de charges
Conversion
Analogique
Numrique
Histogramme
q
v ge
u
k
u
k
u
k
R
e
largeur mi-hauteur
canal du pic
-------------------------------------------------- 100% =
Ia
Ik
----- F
P. NAYMAN 251
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
Pour mesurer le nombre de canaux par photolectron, il est ncessaire de soustraire
la valeur moyenne du pic celle du pidestal.
La qualit de dtection du photolectron est dfini par le rapport qui doit tre
suprieur 50%.
La variance relative du nombre de photolectrons est : et daprs
(19.27) : .
Equ(19.33)
et la rsolution mi-hauteur, dans le cas dun spectre gaussien, est :
Equ(19.34)
Si lon considre la rsolution relative mi-hauteur :
Equ(19.35)
Equ(19.36)
Si lon sintresse au photomultiplicateur complet, on peut dfinir la variance rela-
tive du nombre de photolectrons au niveau anodique. Dans ce cas, on applique nouveau
la formule gnrale de la variance relative (19.18) :
Avec G est le gain du multiplicateur, le nombre de photons incidents et le
rendement quantique de la photocathode.
avec dfinie par (19.31)
laide de (19.27) :
Equ(19.37)
Pic
Valle
---------------
n
k
n
k
s
k
2
n
k
( )
2
------------ =
n
k
1
n
k
----- =
s
k
2
n
k
( )
2
n
k
n
k
= =
s
k
n
k
=
LMH 2 36s , =
R
e
LMH
m
-------------
2 36s
k
,
n
k
------------------ = =
R
e
2 36 n
k
, =
R
e
2 36 ,
n
k
------------ =
n
k
h
q
n
a
n
k
G n
p
h
q
G = =
n
a
n
q
n
G
n
p
h
q
----------- + = n
G
n
a
1
n
k
-----
n
G
n
k
------ + =
n
a
1
n
k
----- 1 n
G
+ ( ) =
P. NAYMAN 252
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
A laide de (19.35) on trouve :
Equ(19.38)
La relation (19.38) montre bien linfluence du nombre de photolectrons et de la va-
riance relative du multiplicateur sur la rsolution.
19.3. Fluctuations temporelles dans un photomultiplicateur
1
Frquemment, on utilise les signaux issus de photomultiplicateurs pour effectuer
des mesures de temps trs prcises. Les phnomnes de fluctuations des temps darrive
des lectrons dans le multiplicateur peuvent engendrer des erreurs importantes. Il est donc
intressant de connatre les paramtres qui vont contribuer ces fluctuations.
Considrons dans un premier temps, les fluctuations temporelles entre deux dyno-
des successives du photomultiplicateur, la photocathode tant illumine par une impul-
sion de lumire trs brve (assimilable un Dirac). lectrons vont quitter la premire
dynode vers la seconde dynode. Dans lhypothse o les temps de transit de chaque lec-
tron sont identiques, le signal reu sur la deuxime dynode est une impulsion de Dirac en
courant. En fait, chaque lectron arrivera selon un temps moyen et un cart type par rap-
port ce temps moyen. La largeur du signal sur la seconde dynode sera fonction de la fluc-
tuation des temps de transit de chaque lectron.
La variance des fluctuations du temps de transit entre deux dynodes est divise par
Figure 19.4 : Spectre du photolectron unique
1. Dans un premier temps les relations gnrales sont donnes, les dmonstrations sont donnes aprs.
R
e
2 36 ,
n
k
------------ 1 n
G
+ =
1 Photolectron
Pidestal
2 Photolectrons
Pic
Valle
Valeur du photolectron en canaux
canaux
Nb coups
N
e
P. NAYMAN 253
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
le nombre dlectrons formant le signal.
Equ(19.39)
est la variance des carts des temps de transit entre les deux dynodes.
Il est intressant de connatre la variance des fluctuations du temps de transit aprs
la multiplication du signal par une dynode.
Equ(19.40)
est la variance relative du gain de ltage.
Aprs n multiplications en cascade (on suppose que chaque tage a un gain g), la
variance relative des fluctuations devient :
Equ(19.41)
Ds que le nombre dtages devient important, la variance relative diminue no-
tablement.
Dans le cas dun photomultiplicateur complet, la variance du centre de gravit du
signal peut tre dfinie par lquation 19.42 :
Equ(19.42)
est la variance du temps de transit entre la photocathode et la premire dynode.
est la variance du temps de transit entre deux dynodes conscutives.
g est le gain moyen dun tage.
Lquation 19.42 montre le rle important du terme qui devra tre minimis en
augmentant au maximum le gain de la premire dynode.
19.3.1. Dmonstrations
1
19.3.1.1 Variance de la diffrence des temps de transit entre
1. Daprs la thorie dvelopp par GATTI et SVELTO [16]
s
la
2
s
ss
2
N
e
------- =
s
ss
2
s
lb
2
s
ss
2
N
e
------- 1
3
2
---n
g
+


=
n
g
n
l
s
l
2
l
2
------
1
g 1 ( )n
2
---------------------- 1
3
2g
------ +


= =
n
l
s
c
2
s
cd
2
s
ss
2
g 1
------------ 1
2
g
--- +


+ =
s
cd
2
s
ss
2
s
cd
2
P. NAYMAN 254
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
deux dynodes
Soit est la diffrence entre le temps darrive de llectron i et le temps darri-
ve moyen :
Dans ce cas, sera la variance de llectron unique.
Si lon considre que tous les temps de transit de tous les lectrons sont distribus
selon la mme loi de probabilit, la variance des diffrences des temps de transit des
lectrons arrivant sur la deuxime dynode est :
Equ(19.43)
Lcart type caractrise la largeur du signal form de lectrons. Cette largeur
va varier en fonction de la variation des .
Drivons par rapport .
Comme la loi statistique rgissant larrive de chaque lectron est identique, la va-
riance est identique pour tous les lectrons.
t
i
t
i
t
m
t
i
t
i
t
m
=
s
ti
2
l
a
2
l
a
2
s
ss
2
t
i
2
i 1 =
N
e

N
e
-------------- = =
l
a
N
e
t
i
l
a
2
t
i
l
a
dl
a
t
i
dt
i
i 1 =
N
e

N
e
--------------------- =
dl
a
t
i
dt
i
i 1 =
N
e

N
e
l
a
--------------------- =
s
la
2
t
i
2
s
ti
2
i 1 =
N
e

N
e
2
l
a
2
---------------------- =
s
ti
2
P. NAYMAN 255
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
La variance des fluctuations du temps de transit est divise par le nombre dlec-
trons formant le signal.
19.3.1.2 Variance de la diffrence des temps de transit aprs
une amplification
Les lectrons sont multiplis par lmission secondaire de la dynode. Calculons
la variance aprs cette amplification.
Le nombre dlectrons total aprs multiplication est : . On suppose que
llectron i donnera lectrons secondaires.
Les variables et ne sont pas corrles et en moyenne le processus de multipli-
cation nlargit pas le signal :
Equ(19.44)
finalement :
s
la
2
s
ti
2
t
i
2
i 1 =
N
e

N
e
2
t
i
2
N
e
------
i 1 =
N
e

---------------------- =
s
la
2
s
ti
2
N
e
------- =
N
e
l
b
2
N
b
g
i
i 1 =
N
e

=
g
i
l
b
2
g
i
t
i
2
i 1 =
N
e

N
b
-------------------
g
i
t
i
2
i 1 =
N
e

g
i
i 1 =
N
e

------------------- = =
g
i
t
i
l
a
2
l
b
2
=
P. NAYMAN 256
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
Drivons par rapport et :
Afin dvaluer , il est ncessaire dvaluer : .
Comme a une valeur moyenne et une variance , on peut utiliser lapproxi-
On suppose que la valeur moyenne du nombre dlectrons multiplis est :
est la variance de g.
Posons et
l
b
2
g
i
t
i
2l
b
dl
b
t
i
2
dg
i
i 1 =
N
e

g
i
i 1 =
N
e

----------------------
2 t
i
g
i
dt
i
i 1 =
N
e

g
i
i 1 =
N
e

----------------------------- t
i
2
g
i
i 1 =
N
e





dg
i
i 1 =
N
e

g
i
i 1 =
N
e





2
---------------------- + =
g
i
i 1 =
N
e

N
e
g =
dl
b
t
i
2
dg
i
i 1 =
N
e

2l
b
N
e
g
----------------------
2 t
i
g
i
dt
i
i 1 =
N
e

2l
b
N
e
g
-----------------------------
t
i
2
g
i
i 1 =
N
e





2l
b
-------------------------
dg
i
i 1 =
N
e

N
e
g ( )
2
----------------- + =
dl
b
dg
i
t
i
2
l
b
2
( )
i 1 =
N
e

2l
b
N
e
g
---------------------------------------
t
i
g
i
dt
i
i 1 =
N
e

l
b
N
e
g
-------------------------- + =
s
lb
2
s
g
2
t
i
2
l
b
2
( )
2
i 1 =
N
e

4l
b
2
N
e
2
g
2
----------------------------------------
t
i
2
g
i
2
s
ss
2
i 1 =
N
e

l
b
2
N
e
2
g
2
---------------------------- + =
s
g
2
s
1
2
s
g
2
t
i
2
l
b
2
( )
2
i 1 =
N
e

4l
b
2
N
e
2
g
2
---------------------------------------- = s
2
2
t
i
2
g
i
2
s
ss
2
i 1 =
N
e

l
b
2
N
e
2
g
2
---------------------------- =
s
2
2
t
i
2
g
i
2
i 1 =
N
e

g
i
2
g
2
s
g
2
P. NAYMAN 257
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
mation suivante :
Pour valuer , il est ncessaire de calculer .
On suppose que les diffrences dans les temps de transit ont une distribution
gaussienne normalise (la surface totale sous la courbe est ).
En utilisant (19.43) et (19.44) on obtient finalement lapproximation suivante :

Avec la variance relative du gain de ltage.
19.3.1.3 Variance de la largeur de limpulsion aprs n multi-
plications en cascade
Le processus de multiplication ne modifie pas, en moyenne, la largeur de limpul-
sion gnre : .
Daprs lquation 19.43 :
donc :
Drivons :
g
i
2
g
2
s
g
2
+ =
t
i
2
g
i
2
i 1 =
N
e

g
2
s
g
2
+ ( ) t
i
2
i 1 =
N
e

=
s
ss
2
t
i
2
i 1 =
N
e

N
e
-------------- =
t
i
2
g
i
2
i 1 =
N
e

g
2
s
g
2
+ ( )N
e
s
ss
2
=
s
1
2
t
i
4
i 1 =
N
e

t
i
N
e
dP t
i
( )
N
e
s
ss
2p
------------------e
t
i
2
2s
ss
2
----------
dt
i
=
t
i
4
i 1 =
N
e

t
i
4
P t
i
( ) d

+

3N
e
s
ss
2
= =
s
lb
2
s
ss
2
N
e
------- 1
3
2
---n
g
+


=
n
g
l
a
2
l
b
2
=
l
2
l
i
2
i 2 =
n 1 +

ns
ss
2
= =
l
2
P. NAYMAN 258
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
En moyenne, on peut faire lapproximation suivante :
Calculons la variance relative de la largeur du signal :
.
Et dans le cas o le processus de variation du gain suit une loi de Poisson : :
comme :
Dautre part on a vu que :
si n est grand
comme
ldl l
i
dl
i
i 2 =
n 1 +

=
dl
l
i
l
----dl
i
i 2 =
n 1 +

=
s
l
2
l
i
2
l
2
-----s
li
2
i 2 =
n 1 +

=
l
i
2
s
ss
2
=
s
l
2
l
2
s
ss
2
s
li
2
i 2 =
n 1 +

=
s
lb
2
s
ss
2
N
e
------- 1
3
2
---n
g
+


=
s
l
2
l
2
s
ss
4
1
3
2
---n
g
+


1
N
ei
-------
i 2 =
n 1 +

=
N
ei
g
i 1
=
s
l
2
l
2
s
ss
4
1
3
2
---n
g
+


1
g
i 1
-----------
i 2 =
n 1 +

s
ss
4
1
3
2
---n
g
+


1
g
---
1
g
2
-----
1
g
3
-----
1
g
n
----- + + + +


= =
1
g
---
1
g
2
-----
1
g
3
-----
1
g
n
----- + + + +


1
g 1
------------
l
2
ns
ss
2
=
s
ss
4 l
4
n
2
----- =
s
l
2 l
2
n
2
----- 1
3
2
---n
g
+


1
g 1
------------


=
n
l
n
l
s
l
2
l
2
------
1
g 1 ( )n
2
---------------------- 1
3
2
---n
g
+


= =
s
g
2
g =
P. NAYMAN 259
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
19.3.1.4 Variance de la position du centre de gravit du signal
Dfinissons le centre de gravit du signal issu dune dynode par :
Equ(19.45)
Drivons par rapport et :
est la variance relative de g.
19.3.1.5 Variance de la position du centre de gravit du signal
pour le photomultiplicateur complet
Soit la variance du temps de transit entre la photocathode et la premire dyno-
de. La variance de la position du centre de gravit du signal pour le photomultiplicateur
Si lon considre lapproximation : et comme
finalement : ou
n
l
s
l
2
l
2
------
1
g 1 ( )n
2
---------------------- 1
3
2g
------ +


= =
c
b
g
i
t
i
i 1 =
N
e

g
i
i 1 =
N
e

------------------
g
i
t
i
i 1 =
N
e

N
e
g
------------------ = =
c
b
g
i
t
i
dc
b
g
i
dt
i
t
i
dg
i
+ ( )
i 1 =
N
e

N
e
g
--------------------------------------------- =
s
cb
2
s
ss
2
g
i
2
s
g
2
t
i
2
i 1 =
N
e

+
i 1 =
N
e

N
e
2
g
2
-------------------------------------------------- =
g
i
2
g
2
s
g
2
+ = s
ss
2
t
i
2
i 1 =
N
e

N
e
-------------- =
s
cb
2
s
ss
2
g
2
2s
g
2
+ ( )
N
e
g
2
---------------------------------- =
s
cb
2
s
ss
2
N
e
------- 1
2s
g
2
g
2
--------- +



= s
cb
2
s
ss
2
N
e
------- 1 2n
g
+ ( ) =
n
g
s
cd
2
P. NAYMAN 260
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
complet est :
En moyenne, on peut faire lapproximation suivante :
Si lon considre nouveau que : , il vient : .
19.4. Utilisation des signaux danode et de dynode
Il est souvent intressant de disposer du signal danode et dun signal de dynode.
Cette double information peut tre utile pour rsoudre des problmes de gamme dynami-
que ou de dclenchement.
Pour sortir le courant de dynode, on utilise gnralement un amplificateur transim-
pdance prsentant une impdance dentre faible.
Supposons que lon sorte le signal issu de la dernire dynode et que chaque dynode
un gain g.
Si la dynode reoit, n lectrons :
Figure 19.5 : Utilisation conjointe dun signal dynode et du signal danode
le courant vers lanode est : et .
En considrant que la somme des courants entrants dans la dynode est gale au courant
sortant :
Comme :
s
c
2
s
cd
2
s
ss
2
N
ei
-------
i 2 =
n 1 +

1 2n
g
+ ( ) + =
N
ei
g
i 1
=
s
cb
2
s
cd
2
s
ss
2
g 1
------------ 1 2n
g
+ ( ) + =
s
g
2
g = s
cb
2
s
cd
2
s
ss
2
g 1
------------ 1
2
g
--- +


+ =
I/U
C
R1
R2
ia
id
g
n
Anode Dynode
i n g = i ia =
id n ia + 0 =
id n ng + 0 =
id n 1 g ( ) =
ia n g =
P. NAYMAN 261
TRAITEMENT DU SIGNAL
DEA MIP
RSOLUTION EN NERGIE ET EN TEMPS
DANS LES PHOTOMULTIPLICATEURS
Par exemple, si g=3, . Daprs la figure 19.5, les courants danode et de
dynode sont de sens opposs, si limpulsion danode est ngative, limpulsion de dynode
est donc positive.
Equ(19.46) id ia 1
1
g
---


=
id
2
3
---ia =
P. NAYMAN 262 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
20. LES LIGNES DE TRANSMISSIONS
Pour vhiculer un signal il est ncessaire dutiliser un support physique. Ce support
peut tre considr comme une ligne de transmission si la longueur donde du signal
transport est faible compare la longueur de la ligne.
20.1. La ligne de transmission idale (sans perte)
La figure 20.1 reprsente un schma quivalent dune ligne de transmission. Cette
ligne est constitue dune infinit de cellules lmentaires de longueur . Chaque l-
ment est exprim en unit de longueur.
Avec :
G tant la conductance (linverse dune rsistance)
Il faut multiplier R, L, C et G par pour trouver la valeur des paramtres de la cel-
lule de base de longueur .
Dans le cas o la ligne de transmission est sans perte ( , ) le schma
quivalent de la figure 20.1 se simplifie et devient uniquement selfique et capacitif (figure
20.2).
20.2. Limpdance caractristique de la ligne de transmission
On suppose que limpdance dentre de la ligne et de la premire cellule est ,
limpdance de la deuxime cellule est , etc.
Figure 20.1 : Schma quivalent dune ligne de transmission
Figure 20.2 : Schma quivalent dune cellule sans perte
l D
Dl
Dl
Dl R Dl L
Dl

G
DlC
Dl R Dl L
Dl G Dl C
V
1
V
2
lG D
1
Dl R
p
---------------- =
l D
l D
R 0 = R
p
=
Dl
Dl
Dl L
Dl C
Dl L
Dl C V
1
V
2
V
3
Z
1
Z
2
Z
3
Z
1
Z
2
P. NAYMAN 263 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Si est petit et la ligne longue devant , alors on peut considrer que :
Equ(20.2)
est appele impdance caractristique de la ligne.
Pour une ligne sans perte, limpdance caractristique ne dpend ni de la frquence,
ni de la longueur de la ligne.
20.3. quations gnrales dune ligne de transmission
Considrons la cellule lmentaire dune ligne de transmission reprsente par la fi-
gure 20.3.
On peut exprimer la variation de tension aux bornes de llment et le courant
qui le traverse :
Equ(20.1)
Daprs lquation 20.1 :
Et en remplaant et par leur valeur :
Dans le cas o :
Figure 20.3 : Cellule lmentaire
Z
L
i lLw D =
Z
C
1
i lCw D
---------------- =
Z
1
Z
L
Z
2
Z
C

Z
2
Z
C
+
------------------ + =
l D l D
Z
1
Z
2
Z
3
Z
n
= = = =
Z
1
2
Z
1
Z
L
Z
C
Z
L
0 =
Z
C
Z
L
Z
1
2
Z
1
i lLw D
L
C
---- =
l D 0
Z
1
L
C
---- =
Z
1
Dl
Dl R Dl L
DlG
Dl C
V l t , ( )
V l dl + ( ) t , ( )
A
B
C
D
V D
I D
V
A
V
B
V l t , ( ) =
P. NAYMAN 264 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
divisons lquation 20.3 et lquation 20.4 par et faisons tendre :
Drivons par rapport l et t, puis substituons :
Equ(20.5)
Cest lquation des tlgraphistes en rgime quelconque.
De mme on trouve :
Equ(20.6)
20.4. Ligne sans perte
Pour une ligne sans perte R=0 et G=0.
On trouve dans ce cas les quations de base :
Equ(20.7)
Equ(20.3)
Equ(20.4)
V
C
V
D
V l dl + t , ( ) =
V
A
V
C
V
A
V
B
( ) V
D
V
C
( ) + =
V
A
V
C
V l t , ( ) V l dl + t , ( ) V l t , ( ) D = =
V l t , ( ) D R lI l t , ( ) L l
t

I l t , ( ) D D =
I l t , ( ) D G lV l t , ( ) C l
t

V l t , ( ) D D =
l D l 0 D
l
V
RI L
t
I
=
l
I
GV C
t
V
=
l
2
2

V
R
l
I
L
t l
2

I
R GV C
t
V
+


L
t l
2

I
= =
l t
2

I
G
t
V
C
t
2
2

V
=
l
2
2

V
LC
t
2
2

V
LG RC + ( )
t
V
RGV + + =
l
2
2

I
LC
t
2
2

I
LG RC + ( )
t
I
RGI + + =
l
2
2

V
LC
t
2
2

V
=
P. NAYMAN 265 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Cest lquation des radiolectriciens identique lquation des cordes vibrantes.
Equ(20.8)
Appliquons une onde sinusodale lentre de la ligne :
Les solutions de lquation diffrentielle sont de la forme :
Equ(20.9)
Cette expression reprsente une onde se propageant dans la direction +l et une onde,
qui correspond une rflexion, dans la direction -l.
k est le numro de londe et v est dans ce cas la vitesse de propagation :
Equ(20.10)
Si les caractristiques de la ligne de transmission sont homognes le produit LC est
indpendant de la longueur.
On exprime souvent le temps de propagation par unit de longueur :
Equ(20.11)
20.5. Limpdance caractristique (quation gnrale)
En utilisant la notation de Laplace
Equ(20.12)
Si la frquence est leve : et ou si la ligne est sans perte (R=0 et
G=0) :
avec
avec
l
2
2

I
LC
t
2
2

I
=
V V l ( ) e
iwt
= w 2pn =
l
2
2

V
w
2
L CV k
2
V = =
k
2
w
2
LC =
V l ( ) V
1
e
ikl
V
2
e
ikl
+ =
V l t , ( ) V
1
e
i wt k l ( ) [ ]
V
2
e
i wt kl + ( ) [ ]
+ =
v
w
k
----
1
LC
----------- = =
T v
1
LC = =
iw p =
dV dl RI LpI ( ) =
dI dl GV CpV ( ) =
Z
0
dV
dI
-------
R Lp +
G Cp +
------------------
I
V
--- = =
Z
0
2 R Lp +
G Cp +
------------------ =
Z
0
R iLw +
G iCw +
--------------------- =
Lw R Cw G
P. NAYMAN 266 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Equ(20.13)
20.6. Les rflexions
Considrons la figure 20.4 reprsentant une ligne de transmission dimpdance ca-
ractristique termine par une impdance Z.
Soit f un signal quelconque appliqu lentre de la ligne :
g est londe rflchie.
La prsence de rflexions peut avoir des consquences importantes, pouvant engen-
drer des distorsions et des interfrences avec le signal incident. En chaque point de la li-
gne, londe rsultante v est la somme de londe incidente f et de londe rflchie g.
Sur une ligne de transmission, les rflexions se produisent quand limpdance ca-
ractristique de la ligne est modifie dune manire brusque. Par exemple, Z trs diffrent
de engendrera des rflexions sur la ligne.
Soit et la tension et le courant du signal appliqus lentre de la ligne.
Soit et la tension et le courant de londe rflchie. Quand londe rflchie est
engendre en bout de ligne, il y a superposition de londe initiale et de londe rflchie.
On peut dfinir Z comme :
De plus londe rflchie qui rentre dans la ligne est compatible avec limpdance
caractristique de cette dernire :
Figure 20.4 : Ligne referme sur une impdance Z
donc :
Posons : le coefficient de rflexion.
Z
0
L
C
---- =
Z
0
Z
Z
0
v f x vt ( ) g x vt + ( ) + =
Z
0
V
0
I
0
Z
0
V
0
I
0
------ =
V
r
I
r
Z
V
0
V
r
+
I
0
I
r
+
------------------ =
Z
0
V
r
I
r
------- =
V
0
I
0
------
V
r
I
r
------- Z
0
= =
V
r
V
0
------
I
r
I
0
---- r = =
P. NAYMAN 267 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Equ(20.14)
de mme :
Equ(20.15)
Remarque : il est possible de dfinir un coefficient de rflexion lentre de la ligne.
Si est limpdance de la source qui attaque la ligne :
Equ(20.16)
1- La ligne est adapte :
Il ny a pas donde rflchie.
2- La ligne est ouverte :
Londe rflchie se superpose avec londe initiale.
3- La ligne est ferme sur un court-circuit :
Londe rflchie se retranche de londe initiale.
20.7. Pertes dans les lignes de transmission
Considrons lquation 20.5 avec comme signal dentre une sinusode
Z
V
0
V
r
+
I
0
I
r
+
------------------
V
0
I
0
------
1
V
r
I
r
----- +
1
I
r
I
0
---- +
--------------- Z
0
1 r +
1 r
------------ = = =
Z Z
0
1 r +
1 r
------------ =
r
V
r
V
0
------
I
r
I
0
----
Z Z
0

Z Z
0
+
--------------- = = =
Z
s
r
i
Z
s
Z
0

Z
s
Z
0
+
----------------- =
Z Z
0
=
r 0 V
r
0 = =
Z =
r 1 V
r
V
0
= =
Z 0 =
r 1 V
r
V
0
= =
V V l ( ) e
iwt
=
l
2
2
d
d V
LC w
2
V [ ] LG RC + [ ]iwV RGV + + =
l
2
2
d
d V
L Cw
2
V LGiwV iRC + wV RGV + + =
l
2
2
d
d V
V G Liw R + ( ) iCw R Liw + ( ) + [ ] =
P. NAYMAN 268 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Les solutions de lquation diffrentielle sont de la forme :
Equ(20.17)
Lquation 20.17 reprsente deux ondes se dplaant le long du cble, londe inci-
dente et londe rflchie.
Les pertes du cble (R et G) sont responsables dune attnuation exponentielle des
ondes dun facteur .
Remarque : La dpendance de et de avec la pulsation implique une
attnuation diffrente pour chaque composante frquentielle du signal. Ceci est lorigi-
ne de distorsions sur le signal reu.
20.8. Leffet de peau
La rpartition dun courant continu dans un conducteur est uniforme par rapport
sa section. Pour un courant alternatif, la densit de courant nest pas uniforme par rapport
la section du conducteur. Lpaisseur de cette peau dpend de la frquence et du mat-
riau composant le conducteur.
Equ(20.18)
d est lpaisseur de la peau en mtre.
est la permabilit magntique en Henry/mtre.
est la conductivit du matriau en .
Par exemple, pour le cuivre
Le Tableau 7 donne lpaisseur de peau, pour du cuivre, en fonction de la frquence.
est la constante de propagation, cest un nombre complexe :
l
2
2
d
d V
V R iLw + ( ) G iCw + ( ) g
2
V = =
g
g a ik + R iLw + ( ) G iCw + ( ) = =
V l t , ( ) V
1
e
al
e
i wt kl ( )
V
2
e
al
e
i wt kl + ( )
+ =
e
al
a v
dk
dw
------- = w
a
2 1
2
--- RG w
2
LC ( ) R
2
w
2
L
2
+ ( ) G
2
w
2
C
2
+ ( ) + [ ] =
k
2 1
2
--- RG w
2
LC ( ) R
2
w
2
L
2
+ ( ) G
2
w
2
C
2
+ ( ) + [ ] =
d
1
pnms
------------------ =
m m
0
m
r
=
s W m
1
[ ]
s 5 85 ,
7
10 = W m
1
( )
m 4p
7
10 = H m ( )
P. NAYMAN 269 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
20.8.1. Rponse dun cble avec pertes un chelon de tension
Si lon tient compte de leffet de peau, la rsistance par unit de longueur peut se
mettre sous la forme :
K est un paramtre indpendant de p li uniquement la gomtrie du cble.
On suppose une ligne de longueur l termine sur son impdance caractristique.
Comme il ny a pas donde rflchie :
La ligne tant en rgime transitoire, on peut supposer que : .
Le front de lchelon correspond une frquence trs grande :
Posons :
temps de propagation du cble par unit de longueur en ns/m
temps de propagation du cble en ns
limpdance caractristique du cble.
50Hz 10KHz 1MHz 100MHz
d 9,2mm 0,65mm 0,065mm
6,5
Tableau 7 : paisseur de peau en fonction de la frquence pour du cuivre
avec
On suppose que : G=0 et
n
m
R p ( ) Kp
1 2
=
p iw =
V l p , ( )
E
p
---e
g p ( )l
=
g p ( ) pL R + ( ) pC G + ( ) [ ]
1 2
=
R Kp
1 2
=
g p ( ) pL Kp
1 2
+ ( )pC [ ]
1 2
p LC ( )
1 2
1
K
Lp
1 2
-------------- +


1 2
= =
K
Lp
1 2
-------------- 1
1
K
Lp
1 2
-------------- +


1 2
1
K
2Lp
1 2
----------------- +
g p ( ) p LC ( )
1 2
1
K
2Lp
1 2
----------------- +


p LC ( )
1 2 K
2
----
C
L
----


1 2
p
1 2
+ = =
d LC =
t l d =
R
c
L
C
---- =
P. NAYMAN 270 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
On peut alors dfinir :
Equ(20.19)
reprsente le dlai d au temps de propagation dans le cble.
Les tables de transformes de Laplace nous donnent :
est la fonction erreur de
reprsente lchelon unit retard du temps .
Changeons lorigine des temps :
Le terme a la dimension dun temps.
Comme , posons
g p ( ) pd
K
2R
c
---------p
1 2
+ =
V l p , ( )
E
p
---e
pd
K
2R
c
---------p
1 2
+


l
=
V l p , ( )
E
p
---e
pd
K
2R
c
---------p
1 2
+


l
E
p
--- pd
K
2R
c
---------p
1 2
+


l exp = =
V l p , ( ) E pt ( )
Kl
2R
c
---------p
1 2


l exp
p
---------------------------------------------- exp =
pt ( ) exp
L
1 1
p
--- qp
1 2
( ) exp


1 erf q 2t
1 2
( ) ( ) =
erf q 2t
1 2
( ) ( ) x q 2t
1 2
( ) ( ) =
erf x ( )
2
p
1 2
----------- e
u
2

u d
0
x

=
V l t , ( ) E 1 erf
Kl
4R
c
t t ( )
1 2
--------------------------------



G t t ( ) =
G t t ( ) t
t t t
V l t , ( ) E 1 erf
Kl
4R
c
t
1 2
-------------------



G t ( ) =
V l t , ( ) E 1 erf
1
2
---
K
2
l
2
4R
c
2
t
-----------



1 2



G t ( ) =
K
2
l
2
4R
c
2
----------
erf
1
2
---


1
2
---
K
2
l
2
4R
c
2
---------- T
0.5
=
P. NAYMAN 271 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
est le temps ncessaire pour que le signal reu atteigne .
Equ(20.20)
est un paramtre qui ne dpend que de la gomtrie du cble. augmente
comme le carr de la longueur du cble.
20.8.2. Expression de comme une fonction des pertes
Si lon revient au rgime harmonique :
Equ(20.21)
est lattnuation totale du cble la frquence exprime en Npers/mtre soit
. En effet , on mesure donc .
La figure 20.5 reprsente pour un chelon de tension lentre du
cble.
Lquation 20.19 scrit :
avec
reprsente lattnuation par unit de longueur.
T
0.5
E
2
---
V l t , ( ) E 1 erf
1
2
-- -
T
0.5
t
---------


1 2


G t ( ) =
T
0.5
T
0.5
T
0.5
g iw ( ) iwd
K
2R
c
--------- iw ( )
1 2
+ =
g iw ( ) iwd
K
2R
c
---------w
1 2
e
ip 4
+ = i e
ip 2
=
g iw ( )
K
2R
c
---------
w
2
----


1 2
i wd
K
2R
c
---------
w
2
----


1 2
+


+ =
g iw ( )
K
2R
c
--------- pn ( )
1 2
i 2pnd
K
2R
c
--------- pn ( )
1 2
+


+ =
K
2R
c
--------- pn ( )
1 2
a
a
K
2R
c
--------- pn ( )
1 2
=
T
0.5
a
2
l
2
pn
---------- =
al n
V
2
V
1
------ ln V t ( ) E e
gl
= e
gl
Vout
Vin
------------ f
t
T
0.5
---------


=
P. NAYMAN 272 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
20.9. Les diffrentes lignes de transmission
Les principales lignes de transmission sont :
Le cble coaxial.
La paire torsade.
Le fil au dessus dun plan de masse.
La ligne micro ruban de type microstrip.
La ligne micro ruban de type stripline.
20.9.1. Le cble coaxial
Le cble coaxial est bien adapt pour transporter des signaux hautes frquences.
Le Tableau 8 indique la constante dilectrique des matriaux les plus utiliss en
lectronique.
Le dlai de propagation du cble coaxial est dfini par quation 20.22, on trouve
pour un dilectrique classique en polythylne une valeur de .
Equ(20.22)
Figure 20.5 : Effet de peau avec un chelon de tension
MATRIAUX CONSTANTE DILECTRIQUE
Polythylne 2,28
Polyttrafluorthylne 2,00
Polythylne cellulaire 1,6
Fluorthylne propylne cellulaire 1,35 1,60
G10 poxy (circuits imprims) 4,7
PTFE ar 1,35
Tableau 8 : Quelques matriaux et leur constante dilectrique
t
d
5ns m
t
d
3 33 e
r
, = ns m
P. NAYMAN 273 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
20.9.2. La paire torsade
Gnralement, on utilise des paires torsades dont limpdance caractristique est
de . Cette impdance nest pas trs bien contrle et dpend de la rgularit de la
torsade et du fil utilis.
20.9.3. Fil sur un plan de masse (figure 20.6)
Limpdance caractristique de cette ligne est voisine de et peut varier dans
des proportions importantes ( ) selon la hauteur par rapport au plan de masse ou la
proximit dautres fils.
Equ(20.23)
20.9.4. La ligne microstrip
La ligne microstrip est utilise dans les circuits imprims pour raliser des lignes
dont limpdance caractristique est bien dfinie.
la ligne est constitue dune piste de largeur W au dessus dun plan de masse (figure
20.7).
Si les paramtres gomtriques de la ligne sont contrls, il est possible de prdire
limpdance de cette ligne avec une prcision de .
Section du fil (AWG) Nombre de torsades par centimtre
1 2 3 4 5
20
22
24
26
28
30
Tableau 9 : Impdances caractristiques de paires torsades
Figure 20.6 : Fil sur un plan de masse
110W
43W 39W 35W
46W 41W 39W 37W 32W
60W 45W 44W 43W 42W
65W 57W 54W 44W 43W
74W 53W 51W 49W 47W
49W 46W 47W
H
D
Masse
120W
40%
Z
c
60
e
r
--------
4H
D
------- ln = W ( )
5%
P. NAYMAN 274 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Limpdance caractristique de la ligne microstrip est donne par lquation
20.24.
Equ(20.24)
Exemple : Cas dune carte de circuit imprim en fibre de verre poxy type G10.
Pour une ligne microstrip ayant les dimensions suivantes :
W = 2,67mm
t = 0,035mm
h = 1,5mm
alors
Le dlai de propagation dune ligne microstrip est donn par lquation 20.25.
Equ(20.25)
Ce temps de propagation est indpendant de la gomtrie de la ligne mais dpend
uniquement du matriau. Par exemple, pour de lpoxy G10 : et
.
Remarque : Dans une ligne microstrip londe se propage dans deux milieux dif-
frents lair et le dilectrique. Utilise avec des signaux trs rapide, il est possible de voir
un prcurseur.
20.9.5. La ligne stripline
La ligne stripline tout comme la ligne microstrip est utilise dans les circuits
imprims pour raliser des lignes dont limpdance caractristique est bien dfinie (figure
20.8).
La ligne stripline correspond une piste de circuit imprim comprise entre deux
plans conducteurs de rfrence (masse par exemple).
Si les paramtres gomtriques de la ligne sont contrls, il est possible de prdire
limpdance de cette ligne avec une prcision de .
Dans le cas o : et la valeur de limpdance caractristique
est donne par lquation 20.26.
Figure 20.7 : Vue en coupe dune ligne microstrip
Z
c
87
e
r
1 41 , +
---------------------------
5 98 h ,
0 8 W t + ,
----------------------------


ln =
W
t
h Dilectrique
Masse
e
r
4 7 ,
Z
c
50W
t
d
3 33 0 45e ,
r
0 67 , + , = ns m
e
r
4 7 ,
t
d
5 56ns m , =
5%
W
b t
---------- 0 35 , <
t
b
--- 0 25 , <
P. NAYMAN 275 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Equ(20.26)
Par exemple, si , t=0,035mm, h=1,34mm, W=0,3mm alors : .

Le dlai de propagation dune ligne stripline est donn par lquation 20.27.
Equ(20.27)
20.10. Effet de chargement dune ligne de transmission
Charger une ligne de transmission modifie limpdance caractristique et le dlai de
propagation. Lquation 20.11 et lquation 20.13 expriment la valeur du dlai de propa-
gation ainsi que limpdance caractristique dune ligne.
Si la capacit de la charge par unit de longueur est , en remplaant par
, dans lquation 20.11 et dans lquation 20.13, on peut trouver le nouveau d-
lai de propagation et la nouvelle impdance caractristique.
Le nouveau dlai de propagation est dfini par lquation 20.28 :
Equ(20.28)
Le chargement dune ligne a pour effet daugmenter le dlai de propagation.
La nouvelle impdance caractristique est dfinie par lquation 20.29 :
Equ(20.29)
Le chargement dune ligne a pour effet de diminuer son impdance caractristique.
20.11. Condition ncessaire pour adapter une ligne de transmission
Une ligne de transmission doit tre adapte si elle est longue devant le temps de
Figure 20.8 : Vue en coupe dune ligne stripline
Z
c
60
e
r
--------
4b
0 67pW 0 8
t
W
----- + ,


,
-----------------------------------------------





ln =
e
r
5 5 , Z
c
75W =
w
Plan
Stripline
Plan
b
t
h
t
d
3 33 e
r
, = ns m
C
d
C
0
C
0
C
d
+ ( )
t'
d
t'
d
t
d
1 C
d
C
0
( ) + =
Z'
c
Z'
c
Z
c
1 C
d
C
0
( ) +
----------------------------------- =
P. NAYMAN 276 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
monte des signaux.
Ladaptation est ncessaire si :
Equ(20.30)
avec :
le temps de monte des signaux.
le dlai de la ligne par unit de longueur.
Par exemple, une ligne de dlai 5ns/m doit vhiculer des signaux dont le temps de
monte est de 2ns. Il faut adapter la ligne pour une longueur suprieure .
20.12. Rponse un chelon de tension
Le signal reu en bout dune ligne de transmission dpend de la charge prsente.
La figure 20.10 montre les ondes engendres lentre et la sortie de la ligne en
fonction de la charge quand un chelon de tension est appliqu lentre du circuit repr-
sent par la figure 20.9.
Si est la charge est le coefficient de rflexion la sortie.
On suppose que la ligne est adapte en entre, il ny a donc pas de rflexion en tte
de ligne. On suppose que est le dlai de la ligne et .
La premire colonne de la figure 20.10 reprsente londe lentre du cble et la
seconde colonne, londe la sortie du mme cble. Pour chaque montage, on indique la
charge utilise en sortie du cble.
Figure 20.9 : Circuit de test
l
t
r
2 t
d

------------- >
t
r
t
d
2
2 5
------------ 0 2m , =
Z
l
r
l
Z
l
Z
c

Z
l
Z
c
+
---------------- =
t
0
VA
Vg
2
------- =
Z
Z
c
Z
0
V
g
V
A
V
l
P. NAYMAN 277 LES LIGNES DE TRANSMISSIONS
TRAITEMENT DU SIGNAL
DEA MIP
Figure 20.10 : Ondes engendres selon la charge
Ve
Ve
Ve
Ve
Ve
Ve
t
t
t
t
t
t
2t
0
2t
0
2t
0
2t
0
2t
0
2t
0
t
t
t
t
t
t
Vl
Vl
Vl
Vl
Vl
Vl
VA
VA
2VA
VA
VA
VA
VA
t
0
t
0
t
0
t
0
t
0
t
0
2VA
Vg(Rl/Rl+Zc) VA(2Rl/Rl+Zc)
Vg(Rl/Rl+Zc)
1 r
l
+ ( )VA
1 r
l
+ ( )VA 1 r
l
+ ( )VA
VA
Zl 0 =
Zl =
Zl Zc <
Zl Zc >
Zl Zc =
C Rl ,
P. NAYMAN 278 INTRODUCTION AU STANDARD NIM
TRAITEMENT DU SIGNAL
DEA MIP
21. INTRODUCTION AU STANDARD NIM
Le standard NIM (Nuclear Instrumentation Modules) a t dfini en 1964 pour r-
pondre aux besoins instrumentaux de la physique nuclaire et de la physique des particu-
les.
Lide de base de NIM est de proposer lutilisateur un ensemble de fonctions de
base dans des modules. Lutilisateur peut, en cascadant un certain nombre de modules
avec des cbles coaxiaux, raliser des fonctions plus complexes.
Le standard NIM dfinit une norme mcanique pour les modules et les chssis et une
norme lectrique pour lalimentation et le transport des signaux.
21.1. La norme mcanique
La hauteur normalise dun module est de 22,23 cm (8,75 pouces) et la largeur nor-
malise est un multiple de 3,43 cm (1,35 pouces).
Le chssis NIM est bas sur mcanique standard EIA de 19 pouces. 12 emplace-
ments sont prvus dans un chssis. Les connecteurs du fond de chssis transfrent aux mo-
dules les tensions dalimentation (+6V, -6V, +12V, -12V, +24V et -24V).
La figure 21.1 montre la position des contacts du connecteur. Le Tableau 10 donne
lallocation des contacts sur le connecteur.
BROCHE FONCTION BROCHE FONCTION
1 Rserv 14 Libre
2 Rserv 15 Rserv
3 Libre 16 +12V
4 Rserv 17 -12V
5 18 Libre
6 19 Rserv
7 20 Libre
8 +200V DC 21 Libre
9 Libre 22 Rserv
10 +6V 23 Rserv
11 -6V 24 Rserv
12 Rserv 25 Rserv
13 Libre 26 Libre
27 Libre 36 GATE
28 +24V 37 Libre
Tableau 10 : Allocation des contacts sur le connecteur NIM
P. NAYMAN 279 INTRODUCTION AU STANDARD NIM
TRAITEMENT DU SIGNAL
DEA MIP
21.2. La norme lectrique
Le standard NIM dfinit que toutes les entres et sorties ont une impdance de .
Les niveaux logiques NIM sont dfinis par des courants dans une charge de .
Le niveau logique actif doit tre compris entre -12mA et -32mA soit une tension
comprise entre -600mV et -1,6V (gnralement -16mA soit -800mV).
Le niveau logique de repos : <+2mA soit 100mV (gnralement 0mA).
Les fronts de monte des signaux sont de lordre de la nanoseconde.
Le schma reprsent par la figure 21.2 est un exemple de transformation dun si-
gnal ECL
1
(-800mV, -1600mV) en un signal NIM (-16mA, 0mA).
29 -24 V 38
30 Libre 39
31 Libre 40
32 Libre 41 117V AC (neutre)
33 117V AC (phase) 42 GND (qualit)
34 G GND
35
Figure 21.1 : Le connecteur NIM
1. Emitter Coupled Logic (logique diffrentielle)
BROCHE FONCTION BROCHE FONCTION
Tableau 10 : Allocation des contacts sur le connecteur NIM
50W
50W
P. NAYMAN 280 INTRODUCTION AU STANDARD NIM
TRAITEMENT DU SIGNAL
DEA MIP
La porte ECL fournit 2 signaux complmentaires (-800mV, -1600mV) et (-1600mV,
-800mV).
Quand la porte ECL est dans ltat (-800mV, -1600mV), le transistor conduit
. Le courant I dans R est environ de -16mA :
Quand la porte ECL est dans ltat (-1600mV, -800mV), le transistor est bloqu, la
diode conduit ( ). Aucun courant ne circule dans R : I=0mA.
Figure 21.2 : Translateur ECL-NIM
V
e
1 6V , =
I
5 2 1 6 , + ,
220
--------------------------- 16mA =
V
d
0 35V , @
5 2V
ECL
16mA
50W
220W
5 2V
Gnd
Diode
Schottky
P. NAYMAN 281
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
22. APPROCHE DE LA COMPATIBILIT LECTRO-
MAGNTIQUE
La Compatibilit lectromagntique ou CEM recouvre tous les aspects de la pollu-
tion lectromagntique dun dispositif dans son environnement. Le dispositif doit tre ca-
pable de se protger contre ces perturbations sans en produire lui-mme.
Depuis le 1er janvier 1996, la directive 89/336/CEE sapplique tout matriel lec-
trique ou lectronique commercialis en Europe. Chaque produit conforme affiche le mar-
quage CE. Cette directive dfinit les exigences essentielles demandes aux produits
commercialiss.
Diffrents phnomnes ncessitent un traitement particulier du ressort de la compa-
tibilit lectromagntique :
La foudre, phnomne naturel qui engendre une suite dimpulsions lectroma-
gntiques intenses et de courtes dures qui peuvent perturber ou dtruire les systmes.
Limpulsion lectromagntique nuclaire engendre une impulsion trs intense
du mme type que celle de la foudre.
Les champs lectromagntiques induisent des tensions perturbatrices dans les
systmes. Des composants peuvent tre amens travailler dans des conditions non dfi-
nies par les constructeurs.
Les parasites industriels engendrs par des machines tournantes, des commuta-
tions de puissance, etc. peuvent perturber des matriels sensibles.
Lauto perturbation, une partie dun systme perturbe dautres parties du mme
systme.
Un systme soumis des perturbations est caractris par son niveau de susceptibi-
lit, niveau partir duquel il est perturb.
Le Tableau 13, Spectre lectromagntique, page 325 montre les diffrentes com-
posantes du spectre lectromagntique.
22.1. Rappels sur le champ lectromagntique
Comme son nom lindique, le champ lectromagntique est constitu dune compo-
sante lectrique et dune composante magntique. En CEM, il est ncessaire de pouvoir
considrer ces deux composantes indpendamment lune de lautre. Une protection contre
le champ magntique sera diffrente dune protection contre le champ lectrique.
Figure 22.1 Structure du champ lectromagntique
S
H
E
Source
P. NAYMAN 282
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
La figure 22.1 montre la structure dun champ lectromagntique dans lespace.
une distance suprieure de la source ( est la longueur donde de la source), le
champ est dit loign ou encore en espace libre. Dans ce cas les composantes lec-
trique et magntique sont perpendiculaires et le plan engendr est normal la direction de
propagation des ondes. Le vecteur dfinit la direction de propagation, cest le vecteur
de Pointing :
Equ(22.1)
avec :
E en V/m
H en A/m
S en W/m
2

En espace libre ( ), le champ magntique est proportionnel au champ
lectrique : les deux champs sont coupls.
Le rapport E/H est homogne une impdance et sexprime en ohms. Cest limp-
dance de londe en espace libre :
Equ(22.2)
est la permittivit lectrique , dans lair
.
est la permabilit magntique et
En espace libre, la connaissance du champ lectrique permet de connatre simple-
ment le champ magntique.
A trs grande distance de la source dmission, la surface donde peut tre assimi-
le, dans une rgion limite, un plan tangent. Dans ce cas, on peut parler donde plane.
Si la source est une antenne de dimension importante ( ), le champ varie peu
dans la direction privilgie dmission du lobe principal. Il faut alors se trouver une dis-
tance .
La figure 22.2 rsume ces diffrents aspects.
l
2p
------ l
S
S E H
=
l
l
2p
------ >
Z
0
m
e
--- 377W = =
e e
0
10
7
4pc
2
------------ =
A s
V m
------------ F m
1
=



e
0
8 85pF m , =
m m
0
4p 10
7
H m
1
( ) =
D
l
4
--- >
l
2D
2
l
---------- >
P. NAYMAN 283
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
Dans la zone de champ proche, limpdance de londe nest pas constante. Si la
source est de haute impdance (une antenne fouet par exemple), de tension leve et de
courant faible, limpdance de londe est leve et le champ lectrique est prdominant.
E varie comme et H comme .
Si la source est de faible impdance (une boucle par exemple), de tension faible et
de courant lev, limpdance de londe est faible et le champ magntique est prdomi-
nant. H varie comme et E comme .
22.2. La protection par crans ou blindages
Une mthode pour se protger des champs lectromagntiques est dutiliser un
cran ou un blindage.
Lefficacit dun cran peut tre dfini par pour le champ lectrique et par
pour le champ magntique.
Equ(22.3)
est le champ lectrique incident,
est le champ lectrique rsiduel non attnu par lcran.
Equ(22.4)
est le champ magntique incident,
est le champ magntique rsiduel non attnu par lcran.
Lefficacit dun cran dpend de la frquence, des matriaux utiliss, du type de
champ ou encore de la forme de lcran.
Lefficacit de lcran est gnralement obtenue par une rflexion dune partie
de londe incidente et par une attnuation de londe transmise en traversant lcran.
Figure 22.2 : Champ proche et champ loign
Z onde W ( )
20
400
5K
0 1 0 5 1 5
Champ proche Champ loign
E prdominant
H prdominant
E f 1 R
3
( ) =
H f 1 R
2
( ) =

E f 1 R
2
( ) =
H f 1 R
3
( ) =

l 2p ( )
Distance
1 r
3
1 r
2

1 r
3
1 r
2

h
E
h
H
h
E
20
E
0
E
i
------ log = dB ( )
E
0
E
i
h
H
20
H
0
H
i
------ log = dB ( )
H
0
H
i
h
P. NAYMAN 284
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
Equ(22.5)
A reprsente les pertes par absorption, R reprsente les pertes par rflexion et B est
un terme correctif dans le cas de rflexions multiples sur un cran de faible paisseur.
22.2.1. Limpdance de londe
On peut dfinir limpdance dune onde lectromagntique par lquation 22.6.
Equ(22.6)
De mme, on peut dfinir limpdance caractristique dun milieu par lquation
22.7.
Equ(22.7)
est la permittivit lectrique (dans le vide ).
est la permabilit magntique (dans le vide )
est la conductivit du matriau ( ) pour le cuivre.
est la pulsation considre ( ).
Le Tableau 11 donne et pour les matriaux les plus courants.
Dans le cas dun isolant, ( ), est gale limpdance de londe en espace
libre :
Equ(22.8)
Dans le cas dun conducteur , limpdance caractristique du milieu est
limpdance du blindage :
Equ(22.9)
et :
Equ(22.10)
On peut exprimer en fonction de la permabilit relative et de la conductivit
relative :
Equ(22.11)
h A R B + + = dB ( )
Z
w
E
H
---- = W ( )
Z
0
iwm
s iwe +
------------------- = W ( )
e e
0
8 85pF m , =
m m
0
4p 10
7
H m =
s 5 82 10
7
mhos m ,
w w 2pn =
s
r
m
r
s iwe Z
0
Z
0
m
e
---
m
0
e
0
----- 377W = = =
s iwe
Z
s
Z
s
iwm
s
--------- 1 i + ( )
wm
2s
------- = =
Z
s
wm
s
------- =
Z
s
Z
s
3 68 10
7
n
m
r
s
r
----- , =
P. NAYMAN 285
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
22.2.2. Les pertes par absorption
Une onde lectromagntique qui traverse un milieu, a son amplitude attnue expo-
nentiellement. Cet effet est principalement d aux courants induits qui chauffent le ma-
triau.
Equ(22.12)
et :
Equ(22.13)
et reprsentent lamplitude de londe, dans le milieu considr, la distance l.
est lpaisseur de peau du milieu absorbant la frquence :
Les pertes par absorption sont donc :
Equ(22.14)
avec l en cm.
Matriau
Argent 1,05 1
Cuivre 1 1
Or 0,7 1
Aluminium 0,61 1
Nickel 0,20 1
Bronze 0,18 1
Acier 0,10 1000
Plomb 0,08 1
Acier inoxydable 0,02 500
Tableau 11 : Caractristiques de quelques matriaux
s
r
m
r
E
i
E
0
e
l d
=
H
i
H
0
e
l d
=
E
i
H
i
d n
d
1
pnms
-------------- = m ( )
A 20
l
d
--


e log = dB ( )
A 8 69
l
d
--


, = dB ( )
A 1 32 l nm
r
s
r
, = dB ( )
P. NAYMAN 286
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
Remarque : pour le cuivre et 100 pour lacier !
Lefficacit dun blindage, en absorption, sera (en dB) 10 fois plus grande avec de
lacier compare du cuivre.
22.2.3. Les pertes par rflexion
Une onde lectromagntique se rflchit linterface de deux milieux dimpdances
caractristiques diffrentes. Par exemple, au passage dun milieu comme lair un cran
mtallique.
Les pertes par rflexion sont donnes par lquation 22.15.
Equ(22.15)
est limpdance de londe avant lentre dans lcran.
est limpdance de lcran.
Dans le cas dune onde plane (champ loign), , les pertes par
rflexion sont alors dfinies par lquation 22.16.
Equ(22.16)
Si lon utilise la valeur de dfinie par lquation 22.11, on obtient :
Equ(22.17)
Plus limpdance de lcran est faible, plus lattnuation par rflexion est importan-
te.
De mme plus la frquence est importante et plus les pertes par rflexion sont fai-
bles.
Le matriau idal qui engendrera le plus de pertes par rflexion doit tre tel que le
rapport soit le plus faible possible.
Largent et le cuivre sont donc beaucoup plus efficace que lacier !
Lpaisseur du matriau nintervient pas dans les pertes en rflexion. Une simple
feuille daluminium est aussi efficace quune paisse plaque du mme mtal.
22.2.4. Remarques gnrales
22.2.4.1 Le blindage du champ magntique
Il est prfrable dutiliser les pertes par absorption pour se protger dun champ ma-
gntique. Il convient de trouver un matriau tel que le terme soit lev. Il faut tou-
tefois noter quil est trs difficile de se protger en basse frquence. Le principe de ce
blindage est bas sur linduction de courant dans le matriau. Il est fondamental que ces
courants puissent circuler en connectant correctement le blindage la masse du systme.
m
r
s
r
1 =
R 20
Z
W
4 Z
s
----------- log = dB ( )
Z
W
Z
s
Z
W
Z
0
377W = =
R 20
94 25 ,
Z
s
--------------- log = dB ( )
Z
s
R 168 10
m
r
n
s
r
--------


log = dB ( )
m
r
s
r
-----
m
r
e
r
P. NAYMAN 287
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
22.2.4.2 Le blindage du champ lectrique
Pour se protger dun champ lectrique, il est prfrable de mettre profit les pertes
par rflexion. Il convient de trouver un matriau dont les caractristiques minimisent le
rapport . Il faut toutefois noter quil est trs difficile de se protger en haute frquence.
22.3. Les couplages
Les couplages entre une perturbation et un systme peuvent tre provoqus par dif-
frentes situations, citons par exemple :
Une impdance commune (perturbations conduites).
Un champ lectrique (capacits parasites, rayonnement).
Un champ magntique (inductances mutuelles, rayonnement).
22.3.1. Le couplage par impdance commune sur une liaison sym-
trique et asymtrique
Le couplage par impdance commune se produit lorsque des courants de deux sys-
tmes diffrents traversent une impdance commune. La variation de tension vue par lun
des systmes dpendra de la variation de courant engendr par lautre systme (figure
22.3).
Une autre forme de ce couplage se produit lorsque lquipotentialit entre deux sys-
tmes nest pas assure, il existe alors un courant qui circule dans des boucles dites de
masse.
Avec une liaison de type symtrique ou diffrentielle, le rcepteur mesure la diff-
rence de potentiel entre les deux fils de la liaison. Dans le cas dune perturbation conduite
, limpdance commune dveloppe ses bornes une tension de mode commun
.
Le rcepteur rejette cette perturbation conduite en soustrayant la perturbation qui est
commune aux deux entres.
Le taux de rjection du mode commun dpendra de la bonne symtrie du rcepteur.
Une paire torsade permet de raliser facilement ce type de liaison (figure 22.4).
Figure 22.3 : Principe de limpdance commune
m
r
s
r
-----
Systme 1 Systme 2
V
1
V
2
Z
I
1
I
2
I
p
I
p
Z
mc
V
mc
V
mc
Z
mc
I
p
=
P. NAYMAN 288
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
La figure 22.5 reprsente une liaison asymtrique. Avec ce type de liaison, le rcep-
teur ne rejette pas la perturbation par impdance commune.
Avec ce type de connexion la tension de mode commun se retrouve intgrale-
ment lentre du rcepteur.
Une liaison asymtrique ne rejette pas les perturbations de mode commun.
Pour illustrer ce couplage par impdance commune, considrons lexemple tir de
la note dapplication AB-084 de la socit Burr-Brown. Un convertisseur analogique nu-
mrique
1
est test dune part avec une carte prsentant une impdance commune leve
(les masses du circuits sont relies par des fils longs) et dautre part avec une carte pr-
sentant une impdance commune faible (un plan de masse relie au plus court les diffren-
tes masses du circuit).
La figure 22.6 montre la non linarit diffrentielle
2
dans le cas dun systme de
masse de mauvaise qualit. La figure 22.7 montre le mme test avec une carte conue avec
un plan de masse.
Figure 22.4 : Rjection de la perturbation de mode commun
Figure 22.5 : Sensibilit la tension de mode commun
1. Cas du CAN : ADC774 de Burr-Brown
2. Voir le chapitre : Test des convertisseurs analogiques-numriques
I
cm
I
p

I
p
Z
mc
V
mc
V
d
2 R
V
mc
V
2
V
mc
V
1
+ =
I
cm
I
p
Z
mc
V
mc
R
V
1
V
2
P. NAYMAN 289
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
22.3.2. Le couplage entre conducteurs par le champ lectrique (cou-
plage capacitif)
Le couplage capacitif entre deux conducteurs rsulte de linteraction dun champ
lectrique. Ce type de couplage est dominant lorsque limpdance des circuits augmente,
les diffrences de potentiel deviennent prdominantes tandis que les courants restent fai-
bles.
La figure 22.8 schmatise ce couplage, les fils 1 et 2 sont reprsents en coupe.
Considrons deux fils conducteurs parallles 1 et 2. Le fil 1 est port au potentiel
. et sont respectivement les capacits des fils 1 et 2 par rapport la masse.
est la capacit de couplage entre les deux fils. La rsistance R correspond aux diffrents
composants connects sur le fil 2.
La tension de bruit est dans ce cas :
Dans le cas frquent o :
Figure 22.6 : Non linarit diffrentielle avec un mauvais systme de masse
Figure 22.7 : Non linarit diffrentielle avec un bon systme de masse
V
1
C
1
C
2
C
12
V
n
V
n
C
12
C
12
C
2
+
---------------------
1
1
1
iR C
12
C
2
+ ( )w
------------------------------------ +
---------------------------------------------- V
1
=
1
iR C
12
C
2
+ ( )w
------------------------------------ 1
P. NAYMAN 290
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
on obtient :
Equ(22.18)
Cette quation montre que le couplage capacitif entre 2 conducteurs est proportion-
nel la pulsation , R, et .
Pour diminuer ce couplage il faut diminuer en loignant les conducteurs ou
blinder les deux fils.
Le couplage par champ lectrique induit une tension perturbatrice.
22.3.3. Le couplage magntique (couplage inductif)
Un courant I qui traverse un circuit ferm de surface S cre un flux magntique .
On peut crire :
o L est linductance du circuit exprime en Henry.
Quand un courant traverse un circuit et produit un flux magntique dans un
autre circuit, les deux circuits sont coupls par une mutuelle inductance M: et :
est langle de B par rapport la normale la surface S (figure 22.9).
Si linduction magntique B (Tesla) varie selon la pulsation , la tension de bruit
induite par un couplage magntique est : .
Equ(22.19)
Une solution pour rduire consiste rduire la surface de collection S.
peut tre exprime en fonction de la mutuelle inductance M entre les deux
Figure 22.8 : Le couplage capacitif
Figure 22.9 : Couplage inductif
V
n
iwRC
12
V
1
=
w C
12
V
1
C
12
C
12
C
1
R
C
2
1 2
V
1
V
n
F
F LI =
I
1
F
2
M
F
2
I
1
------- =
F BS q cos =
q
w
V
n
iLwI =
V
n
iwBS q cos =
V
n
iwBS q cos =
R
1 R
2
S
V
n
V
n
P. NAYMAN 291
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
circuits :
Equ(22.20)
22.3.3.1 Le couplage magntique entre deux conducteurs
La figure 22.10 illustre le couplage magntique de deux conducteurs.
La tension de couplage peut tre rduite en rduisant B, S ou . La surface S
peut tre rduite en plaquant les conducteurs contre une surface mtallique relie la mas-
se (tresse de masse, baie, etc.). Si une tresse daccompagnement est utilise, elle doit tre
relie la masse ses deux extrmits pour tre utile (un courant doit circuler
1
).
22.3.3.2 La paire torsade
Une autre solution, pour limiter le couplage magntique entre deux conducteurs,
consiste utiliser de la paire torsade. Les champs crs dans deux boucles conscutives
sont opposs et ont tendance sannuler (figure 22.11).
22.3.3.3 Le cble blind
Le blindage du cble est un cran conducteur non magntique. Les lignes de courant
sont uniformes le long de lcran et le flux magntique lextrieur de lcran sont des
cercles concentriques. Linductance de lcran est :
Equ(22.21)
Le champ est nul lintrieur de la cavit centrale. Dans ce cas, la mutuelle induc-
tance entre lcran et le conducteur central est :
Equ(22.22)
La figure 22.12 montre le schma de cblage du cble blind et la figure 22.13 mon-
tre le schma quivalent.
Figure 22.10 : Couplage magntique entre deux conducteurs
1. Selon le thorme dAmpre
Figure 22.11 : La paire torsade
V
n
iwMI
1
M
dI
1
dt
------- = =
V
1
V
n
M
I
1
V
n
q
+ - - +
L
e
F
I
e
---- =
M L
e
=
P. NAYMAN 292
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
est la self de fuite de lcran
est la rsistance ohmique de lcran.
Dans la boucle de masse reprsente, on peut dfinir la tension de mode commun
entre Gnd1 et Gnd2 :
Equ(22.23)
et en haute frquence :
Equ(22.24)
On remarquera quun fil de reprise (de masse) pour connecter la tresse peut consi-
drablement dtriorer leffet rducteur du cble blind (figure 22.14).
Figure 22.12 : Le cble blind
Figure 22.13 : Schma quivalent du cble blind
En utilisant quation 22.22 :
Figure 22.14 : Cble blind et sa tresse de reprise
I
e
(bruit)
R
Gnd1
Gnd2
V
i n
Gnd2 Gnd1
M R
L
e
L
m
R
m
V
i n
R
i n
=
I
e
L
m
R
m
V
mc
R
m
i2pn L
e
L
m
+ ( ) + [ ]I
e
=
V
mc
R
m
i2pn M L
m
+ ( ) + [ ]I
e
=
V
in
i2pnMI
e
V
mc
+ =
V
in
R
m
i2pnL
m
+ [ ]I
e
=
V
mc
V
in
---------
R
m
i2pn L
m
M + ( ) + [ ]
R
m
i2pnL
m
+
----------------------------------------------------- =
V
mc
V
in
---------
L
m
M +
L
m
------------------
Isolant
Tresse+
reprise de masse
Dilectrique
me
P. NAYMAN 293
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
En basse frquence, il ny a pas de compensation possible, il est prfrable dutiliser
un autre type de cble (la paire torsade ou la paire torsade blinde).
Le courant dans la boucle de masse est compens par la mutuelle inductance du
cble. Seuls les termes et ne sont pas compenss.
Leffet compensateur est dautant plus grand que la mutuelle est leve. Il est pos-
sible daugmenter cette mutuelle en plaant une ferrite autour du cble blind. Le signal
utile ne sera pas modifi, en effet les signaux aller et retour sont opposs et annulent le
champ dans la ferrite.
Par exemple : Si , et
alors le rapport est reprsent par le graphique de la figure 22.15.
Par exemple : Considrons un cble de 3 mtres de longueur avec les caractristi-
ques suivantes :
, , .
Considrons dautre part le mme cble avec un fil de reprise de tresse de 1cm soit
10nH. La figure 22.16 montre la dtrioration des caractristiques obtenues avec ce fil de
reprise de tresse (courbe en traits pointills). La courbe en trait plein reprsente les carac-
tristiques sans reprise de masse.
On remarquera une dgradation des caractristiques dans un rapport 4 (1000/250).
Figure 22.15 : Courbe de compensation dun cble blind en fonction de la frquence
I
e
R
m
L
m
R
m
0 5W m , = L
m
0 2 ,
6
10 H m = M 0 8 ,
6
10 H m =
R n ( )
V
mc
V
in
--------- =
R
m
60mW = L
m
3
6
10 H = M 3nH =
P. NAYMAN 294
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
22.3.3.4 Limpdance de transfert dun cble blind
Limpdance de transfert dun cble blind est limpdance linique de son cran.
Cette impdance exprime en est gale la somme de la rsistance linique
et de la ractance linique de lcran.
Un cble haute immunit aura une impdance de transfert faible. Cest le cas par
exemple, des cbles double tresse.
22.4. La foudre
La foudre est une dcharge lectrostatique entre un cumulo-nimbus et le sol. En
France, il se produit en moyenne 1,6 millions de chocs par an, soit une moyenne de 3
chocs par . Les rgions les plus touches sont le Massif Central et les Alpes du Nord.
Figure 22.16 :Effet dun fil de reprise de masse
Figure 22.17 : Des clairs
1
250
R1 n ( )
R2 n ( )
n
1 10
4
1 10
5
1 10
6
1 10
7
1 10
8
1
10
100
1 10
3
1 10
4
Z
t
W m
1

Z
t
R
m
iL
m
w + =
Km
2
P. NAYMAN 295
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
On appelle niveau kraunique le nombre moyen de jour (par an) o lon entend le
tonnerre.
Par beau temps, le champ lectrique entre le sol et la ionosphre est environ de
200V/m. Des charges ngatives slvent lentement du sol. La ionosphre tant une cou-
che conductrice, celle-ci constitue avec la terre les armatures dun norme condensateur.
Le courant continu total de fuite de ce condensateur au travers la terre est de 2KA.
Avant une dcharge, dans une plaine, le champ lectrostatique est compris entre 10
et 20KV/m. Ce champ lectrique nest pas dangereux pour les appareillages.
Lorsque le champ lectrostatique est suffisamment lev, des charges opposes se
combinent brutalement sur terre et un arc lectrique se produit (lclair). Le plus souvent,
les dcharges sont ngatives, les charges ngatives accumules reviennent brutalement
sur terre. Un arc prcurseur descendant vers le sol, jusqu quelques dizaines de mtres,
cre un canal ionis. Le champ lectrique local augmente et dclenche un premier arc en
retour ascendant (du sol vers le prcurseur). Quand lascendant rattrape le prcurseur,
alors les charges scoulent brutalement vers dans le sol. La dilatation brutale du canal io-
nis provoque le bruit caractristique du tonnerre qui accompagne lclair.
La figure 22.18 montre les caractristiques de londe rsultante.
Figure 22.18 : Onde rsultante de la foudre
Figure 22.17 : Des clairs
30ms
50
m
s
KA
P. NAYMAN 296
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
Une dcharge de foudre classique dpasse une fois sur deux les valeurs suivantes :


5 impulsions
Le temps de monte des arcs subsquents est infrieur .
22.4.1. Les consquences de la foudre
Un choc de foudre peut engendrer deux types de dommage. Le premier, en cas de
choc direct est un risque en conduction. Le second est li au champ magntique rayonn
dans les boucles conductrices.
22.4.1.1 Le risque en conduction
Lors dun choc de foudre direct, le potentiel du point dimpact slve fortement.
Par exemple, dans le cas dune excellente prise de terre ( ), un choc de foudre classique
de 35KA lverait le potentiel : 35x1=35KV !
La recherche dune trs bonne terre est donc inutile, limportant est lquipotenti-
alit du site.
La seule protection possible, est de placer des crteurs et des parafoudres (par rap-
port la masse) sur toutes les lignes qui sortent (et/ou entrent) du site. Un maillage com-
plet du btiment assurera une bonne quipotentialit.
22.4.1.2 Le risque li au rayonnement
Ce risque est li la rapide monte en courant ( lev) de limpulsion de foudre.
Ce fort engendre un champ magntique H rayonn important. Le thorme dAmpre
explicite H une distance R du canal ionis :
On peut facilement calculer la tension induite dans une boucle de surface S clai-
re par un champ H orthogonal :
Equ(22.25)
avec :
V en volts,
Imax 35KA =
dI
dt
----- 40KA ms =
0 1ms ,
1W
dI
dt
-----
dI
dt
-----
H
I
2pR
---------- =
V Sm
0
H D
t D
-------- =
V Sm
0
I D
t D
-----
1
2pR
---------- =
V
200S
R
------------
I D
t D
----- =
P. NAYMAN 297
TRAITEMENT DU SIGNAL
DEA MIP
APPROCHE DE LA COMPATIBILIT
LECTROMAGNTIQUE
S surface de la boucle en ,
pente maximale du courant en KA par ,
R distance entre la boucle et lclair.
Par exemple, un choc de foudre de 100 mtres dun quipement infor-
matique cre pour une boucle entre appareils de (par exemple, un micro-ordinateur,
son imprimante et les liaisons secteurs) une tension de 90 volts.
m
2
I D
t D
----- ms
45KA ms
1m
2
P. NAYMAN 298
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
23. MTHODES DE TEST DES CONVERTISSEURS
ANALOGIQUES-NUMRIQUES
Un convertisseur analogique/numrique est un dispositif qui transforme une gran-
deur analogique (continment variable dans le temps) un instant prcis par une repr-
sentation numrique (mot binaire dun certain nombre de bits).
De nombreux paramtres du convertisseur analogique numrique sont fondamen-
taux et dpendent totalement du choix de lutilisateur. Par exemple, le nombre de bits du
mot cod dterminera la rsolution ( ne pas confondre avec la prcision).
23.1. Les caractristiques de base
La rsolution dun convertisseur analogique numrique fait rfrence au nombre
dtats qui sont utiliss pour coder le signal analogique. Un convertisseur de N bits de r-
solution utilisera tats. Par exemple, un convertisseur de 12 bits pourra, en thorie,
discerner 1 unit parmi 4096 ou 0,0244% de la pleine chelle. La prcision caractrise
comment le convertisseur se rapproche des limites thoriques, ceci inclut les diffrentes
erreurs (quantification, etc.).
La figure 23.1 reprsente la fonction de transfert dun convertisseur analogique nu-
mrique de 3 bits ( tats).
Lallure en marches descalier est lie au mcanisme de la quantification.
Pour tout analogique en entre :
o q est le pas de quantification.
Figure 23.1 : Fonction de transfert dun convertisseur analogique numrique
2
N
2
3
Amax-1.5lsb
q
max=q/2
lsb
Signal dentre
Code
0 1/8 2/8 3/8 4/8 5/8 6/8 7/8 8/8
000
001
010
011
100
101
110
111
x
n
y
n
kq =
P. NAYMAN 299
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
Avec : et .
La hauteur de la marche correspond au pas de quantification q. Une variation de la
grandeur dentre gale q, provoque une variation de 1 lsb (Bit de Poids le Plus Faible)
du code de sortie.
On peut caractriser le CAN
1
parfait par lquation suivante :
est le mot binaire en sortie du CAN.
est lerreur systmatique de quantification. Pour un CAN parfait, la courbe de
rponse montre que les marches descalier scartent au plus de par rapport la
droite optimale.
La figure 23.2 reprsente lerreur (cart par rapport la droite idale) en fonction
du signal dentre.
Quatre paramtres statiques fondamentaux permettent dvaluer la prcision dun
CAN :
la non-linarit diffrentielle
la non-linarit intgrale
lerreur de dcalage
lerreur de gain
23.1.1. La non-linarit diffrentielle
Lerreur de linarit diffrentielle reprsente lcart relatif entre la valeur effective
du pas et la valeur thorique q.
Si reprsente la valeur du signal dentre o se produit la transition vers le code
k alors :
cette valeur est gale q pour le convertisseur idal.
On appelle non-linarit diffrentielle (DNL) la quantit normalise :
1. Convertisseur Analogique Numrique
Figure 23.2 : Erreur en fonction du signal dentre
kq
q
2
--- x
n
kq
q
2
--- + < q
Amax
2
N
-------------- =
V
e
q a
n 1
2
n 1
a
1
2 a
0
+ + [ ] V
q
+ =
a
n 1
a
1
a
0
[ ]
V
q
1 2lsb
q/2
-q/2
Signal dentre
e
q
i
q
k
q
k
q k 1 + ( ) q k ( ) =
P. NAYMAN 300
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
Equ(23.1)
On peut galement utiliser la relation drive suivante :
Equ(23.2)
Si le pas k est correct, . Si 2 transitions conscutives sont confondues :
alors , on a dans ce cas dtect un code manquant.
Gnralement, on indique comme DNL le maximum des diffrentes DNL :
Equ(23.3)
La figure 23.3 donne un exemple de non-linarit diffrentielle.
23.1.2. La non-linarit intgrale
Lerreur de linarit intgrale permet de qualifier la forme gnrale de la fonction
de transfert du CAN. Soit lcart entre une transition et la droite de gain dont la pente
est +1. Pour un CAN idal, comme le montre la figure 23.4.
Figure 23.3 : Exemple de non-linarit diffrentielle
DNL
k
q k 1 + ( ) q k ( )
q
-------------------------------------
q k ( ) D
q
-------------- = =
DNL
k
q k 1 + ( ) q k ( ) q
q
---------------------------------------------- =
DNL
k
0 =
q k 1 + ( ) q k ( ) 0 = DNL
k
1 =
DNL
max
tous les k
DNL
k
[ ] =
Signal dentre
Code
0 1/8 2/8 3/8 4/8 5/8 6/8 7/8 8/8
000
001
010
011
100
101
110
111
0.5 lsb
1.5 lsb
T(6)=T(7)
code manquant
E k ( )
Ek 1 2LSB =
P. NAYMAN 301
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
On peut dfinir pour chaque transition une erreur de linarit intgrale :
Equ(23.4)
Si , alors il ny a pas derreur de linarit intgrale en k.
Si lon exprime cette erreur en normalisant par rapport q :
Equ(23.5)
23.1.3. Lerreur de dcalage
Lerreur de dcalage est lcart entre la premire transition (passage du code 0 au
code 1) et la position idale situe : soit 0,5LSB.
Figure 23.4 : Exemple de non-linarit intgrale
Signal dentre
Code
0 1/8 2/8 3/8 4/8 5/8 6/8 7/8 8/8
000
001
010
011
100
101
110
111
INL=1/2 lsb
INL=1 lsb
INL k ( ) E k ( )
1
2
---LSB =
INL k ( ) 0 =
INL i ( )
q
j
D
q
--------
j i <

DNL j ( )
j i <

= =
V
in
1
2
---
Vmax
2
N
-------------- =
P. NAYMAN 302
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
23.1.4. Lerreur de gain
La figure 23.6 reprsente un CAN avec un gain incorrect. Cette erreur est due un
cart de pente par rapport au gain idal de pente +1. Lerreur de gain peut tre exprime
en volts, en pourcentage de la pleine chelle ou encore en LSB.
Gnralement, cette erreur provient du systme de tension de rfrence qui dtermi-
ne la pleine chelle.
23.2. Les tests dynamiques
Le test des performances dynamiques des CAN vont mettre en vidence un certain
nombre de paramtres comme par exemple, le nombre de bits effectifs, le taux de distor-
sion ou encore le bruit.
Figure 23.5 : Erreur de dcalage
Figure 23.6 : Erreur de gain
Signal dentre
Code
0 1/8 2/8 3/8 4/8 5/8 6/8 7/8 8/8
000
001
010
011
100
101
110
111
1 lsb
Signal dentre
Code
0 1/8 2/8 3/8 4/8 5/8 6/8 7/8 8/8
000
001
010
011
100
101
110
111
Gain idal
pente = +1
P. NAYMAN 303
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
Pour effectuer ces tests, il est ncessaire dutiliser un signal dentre parfaitement
caractris. Le signal sinusodal est gnralement le bon candidat, facile gnrer, il offre
lavantage davoir un modle mathmatique trs simple.
23.2.1. La distorsion harmonique
Si lon applique un signal sinusodal lentre du CAN, lanalyse spectrale du signal
numrique met en vidence un certain nombre de raies : le fondamental la frquence f
et des harmoniques aux frquences 2f, 3f, etc. (figure 23.7). Le CAN est un gnrateur
dharmoniques du fait de son caractre non-linaire (fonction de transfert en marches
descalier).
Le Taux de Distorsion Harmonique Total (THD) est dfini par la relation suivante :
Equ(23.6)
est lamplitude du fondamental et lamplitude de lharmonique de rang i.
En pratique, on se limite lharmonique de rang 5. Le taux dharmonique peut ga-
lement tre exprim en pourcentage de la pleine chelle. Les diffrents pics ayant une cer-
taine largeur, il est ncessaire dutiliser une fentre afin de rduire les effets de la FFT
1
.
Pour chaque pic, le carr de la puissance est gal la somme des carrs des canaux.
Si le signal de sortie du CAN (numrique) est transmis un CNA
2
parfait, la sortie
analogique Vout du CNA peut se mettre sous la forme gnrale :
Equ(23.7)
sont les coefficients du systme.
Si le CAN tait parfaitement linaire on aurait :
Figure 23.7 : Signal et ses harmoniques
1. Voir le chapitre sur les signaux numrique
2. Convertisseur Numrique Analogique
0 F0 2F0 3F0
Fondamental
Harmoniques
|FFT| dB
f
THD ( )
dB
20
V
f2
2
V
f3
2
V
fn
2
+ +
V
f1
2
------------------------------------------



1 2
log =
V
f1
V
fi
Vout a
0
a
1
Vin a
2
Vin ( )
2
a
3
Vin ( )
3
+ + + + =
a
0
a
i
,
P. NAYMAN 304
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
Lharmonique de rang 2 apparat avec
En effet, la frquence est alors le double de celle du fon-
damental.
Une mthode pour diminuer le THD consiste augmenter la rsolution du CAN.
Dans ce cas, la courbe de transfert se rapproche de la droite idale.
23.2.2. La distorsion dinter modulation
La distorsion dInter Modulation (IMD) intervient lorsque deux composantes fr-
quentielles (fa et fb) se combinent, par le biais des non-linarits, pour crer de nouvelles
composantes frquentielles.
Les diffrents produits dinter modulation fmn sont tels que :
(m et n sont des entiers positifs)
On dfinit par le terme : lamplitude de linter modulation pour
la composante dont lordre est .
Par exemple, si lon reconsidre lquation 23.7 avec , au
second ordre, la non-linarit sera proportionnelle :

et comme :
Une non-linarit au second ordre engendre donc des composantes aux frquences
et .
La mme dmarche montre quau troisime ordre, on trouve les frquences
, , et .
la distorsion dinter modulation peut tre value par la relation suivante :
Equ(23.8)
reprsente chacune des composantes cres par les deux frquences fondamen-
tales et . Gnralement .
23.2.3. Le rapport signal bruit
Considrons un signal sinusodal damplitude et un CAN idal. Nous
avons vu
1
dune part que la puissance du bruit de quantification du codeur est
1. Chapitre sur le Bruit, cas dun signal sinusodal
Vout a
0
a
i
Vin + =
a
2
0
wt cos ( )
2 1 2wt cos +
2
--------------------------- =
fmn mfa nfb =
IMD mfa nfb + ( )
mfa nfb + ( ) m n + ( )
Vin w
1
t w
2
t cos + cos =
w
1
t cos w
2
t cos + ( )
2
w
1
t cos ( )
2
2 w
1
t cos w
2
t cos w
2
t cos ( )
2
+ + =
2 w
1
t w
2
t cos cos w
1
w
2
+ ( )t w
1
w
2
( )t cos + cos =
w
1
w
2
+ ( ) w
1
w
2
( )
2w
1
w
2
+ ( ) w
1
2w
2
+ ( ) 2w
1
w
2
( ) 2w
2
w
1
( )
IMD
dB
20
V
ij
2
i j ,

V
a
2
V
b
2
+
------------------





1 2
log =
V
ij
V
a
V
b
V
a
V
b
=
A +A , [ ]
s
b
2 q
2
12
------ =
P. NAYMAN 305
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
et dautre part que le rapport signal bruit exprim en dcibels est : .
n tant le nombre de bits du codeur.
Un certain nombre de mthodes vont permettre de dterminer le rapport signal
bruit du convertisseur. La connaissance de ce rapport va permettre dexprimer le nombre
de bits effectifs du CAN.
Equ(23.9)
Le terme de rapport signal bruit doit tre considr avec prcaution, il convient
de connatre avec prcision ce qui a t mesur. Souvent, lorsque les harmoniques sont
incluses dans le bruit, on parle de rapport signal (bruit+distorsions) ou SINAD (en an-
glais). Dans ce cas, le bruit doit tre valu par une mthode spectrale. Il est important de
retrancher aux mesures un ventuel dcalage continu (voir la figure 23.8).
23.2.4. Mthode statistique
Lintrt dune mthode statistique base sur ltude dun histogramme est sa faci-
lit de mise en oeuvre.
Une mthode danalyse statistique par histogramme consiste chantillonner le si-
gnal dentre, considrer le code numrique quivalent puis trier les codes selon leur
valeur. Lhistogramme indique pour chaque code (de 0 ) le nombre doccurrence.
Pour que la mthode soit significative, il est ncessaire que le nombre total dchan-
tillons soit grand. La thorie des probabilits permet destimer le nombre dchantillons
ncessaires (loi des grands nombres, thorme de la limite centrale).
Considrons un signal du type .
Figure 23.8 : Mesure de bruit lanalyseur de spectre
S
B
---


dB
6n 1 8 , + =
Nbeff
S B ( )observ 1 8 ,
6
----------------------------------------------- =
0 F0 2F0 3F0
Fondamental
Harmoniques
|FFT| dB
f
Pic du bruit
Bruit moyen
Dcalage
2
N 1
V A j cos =
Prob V v ( ) Prob A j v cos ( ) =
v A +A , [ ]
P. NAYMAN 306
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
Equ(23.10)
La figure 23.10 montre lallure de .
avec tel que
Figure 23.9 : valuation de la fonction de rpartition
(voir la figure 23.9).
est la fonction de rpartition.
Dune manire gnrale :
est la densit de probabilit de la variable alatoire v.
Prob V v ( ) Prob j q 2p q , ( ) ( ) =
q 0 p , ( ) v A q cos =
A
+A
v
j
Prob V v ( )
cas favorables
cas possibles
----------------------------------
p q
p
------------
1
p
--- p q ( ) = = =
Prob V v ( ) F v ( ) =
Prob V ]a,b] ( ) p
v
v ( ) v d
a
b

=
p
v
v ( )
q
v
A
--- acos =
p
v
v ( )dv d Prob V v ( ) [ ] =
p
v
v ( )
d Prob V v ( ) [ ]
dv
--------------------------------------- =
p
v
v ( )
1
p
---
dq
dv
------
1
p A
2
v
2

------------------------- = =
p
v
v ( )
1
p A
2
v
2

------------------------- =
p
v
v ( )
P. NAYMAN 307
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
Il est plus intressant de trouver, pour une sinusode, la probabilit que le code n soit
trouv.
n tant le numro du canal : N est le nombre de bits du codeur.
Soit B la gamme dynamique du codeur (en volts).
Chaque pas sera : .
Considrons une sinusode damplitude maximale A :
et
On ralise la bijection entre v et le numro du canal comme lindique la figure 23.11.
La probabilit que le code trouv corresponde au numro du canal n est lintgrale
de sur le canal considr.
do :
Equ(23.11)
avec : . Pour des raisons de commodit, il est possible, dans lquation
23.11, deffectuer un changement de variable afin de numroter le numro du canal n
partir de 0.
La frquence de la sinusode dentre doit tre choisie avec prcaution de manire
Figure 23.10 : Allure de la densit de probabilit
Figure 23.11 : Bijection entre lamplitude v et le numro du canal
p
v
v ( )
n 1 2
N
, [ ]
q
B
2
N
------ =
v A q sin = v A +A , [ ]
A 0 +A
1
2
N 1
2
N
n amplitude de la sinusode
numro du canal
v q n 2
N 1
( )
B
2
N
------ n 2
N 1
( ) = =
p
v
v ( )
P n ( ) prob v ]n 1 n] , ( ) p
v
v ( ) v d
n 1
n

= =
P n ( )
1
p
---
B n 2
N 1
( )
A 2
N

------------------------------
B n 1 2
N 1
( )
A 2
N

--------------------------------------- asin asin =


n 1 2
N
, [ ]
P. NAYMAN 308
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
garantir lindpendance des chantillons. Un sous multiple de la frquence dchan-
tillonnage amne toujours considrer les mmes codes. Il est ncessaire que le plus petit
commun multiple soit trs grand compar la taille de lenregistrement. Une rgle qui
permet davoir une cohrence consiste prendre, dune part et dautre part :
Equ(23.12)
M est le nombre dchantillons dans lenregistrement
Mc est un nombre premier
23.2.4.1 Lerreur de linarit diffrentielle et intgrale
Si est la probabilit thorique dapparition du code k et la frquence don-
ne par lhistogramme, alors :
est le nombre de coups dans le canal k et le nombre to-
tal de coups.
do
De la mme manire : En posant :
Equ(23.13)
On en dduit :
Equ(23.14)
et :
de mme :
23.2.5. Mthode par ajustement dune sinusode
Cette mthode permet davoir une description globale du CAN en dterminant le
nombre de bits effectifs.
fe 2fin >
fin
fe
-------
Mc
M
-------- =
p k ( ) p' k ( )
p k ( )
N k ( )
N
T
----------- = N k ( ) N
T
N k ( )
N
T
2
N
------
qN
T
Vm
---------- = p k ( )
N k ( )
N
T
-----------
q
Vm
-------- = =
p' k ( )
N' k ( )
N
T
------------
q'
Vm
-------- = = q
k
q' =
q
k
q
-----
p' k ( )
p k ( )
----------- =
DNL k ( )
q
k
q
q
--------------
p' k ( ) p k ( )
p k ( )
---------------------------- = =
DNL
max
tous les k
DNL
k
[ ] =
INL i ( )
q
j
D
q
--------
j i <

DNL j ( )
j i <

= =
P. NAYMAN 309
TRAITEMENT DU SIGNAL
DEA MIP
MTHODES DE TEST DES CONVERTIS-
SEURS ANALOGIQUES-NUMRIQUES
Un signal sinusodal est entr dans le CAN. Par logiciel, on dtermine lajustement
idal du nuage de points enregistrs (figure 23.12). Les carts entre le signal observ et le
signal ajust correspondent aux erreurs. Les erreurs sont calcules en valeur quadratique
moyenne. Soit lcart moyen :
Equ(23.15)
Si lon considre que lerreur la plus petite est donne par le bruit de quantification :
avec (N tant le nombre de bits du CAN).
Le nombre de bits effectifs est donn par la relation :
Equ(23.16)
Figure 23.12 : Ajustement dune sinusode
t
V
Observ
idal
0
s
e
s
e
obs - fit ( )
2
n
-------------------------
1
n

=
s
t
q
12
---------- = q
Vm
2
N
-------- =
s
t
Vm
2
N
12
---------------- =
s
e
Vm
2
NBeff
12
------------------------- =
s
t
s
e
-----
2
NBeff
2
N
-------------- 2
NBeff N
= =
s
t
se
------


2
log NBeff N =
NBeff N
s
e
s
t
-----


2
log =
P. NAYMAN 310
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
24. SURCHANTILLONNAGE DES
CONVERTISSEURS ANALOGIQUES-NUMRIQUES
Les paramtres fondamentaux dun CAN sont dpendants des performances dsi-
res. Par exemple, le nombre de bits N est choisi en fonction de la dynamique dentre et
de la prcision recherche. Si lon dsire limiter le nombre de bits N, tout en conservant
les performances du CAN, il faudrait reconsidrer la dynamique du signal dentre.
Une autre mthode de conversion base sur le surchantillonnage du signal dentre
et la quantification diffrentielle permet de rduire dune part la dynamique apparente du
signal dentre et dautre part le bruit de quantification et par consquent le nombre de bits
N. Lintrt du surchantillonnage a t montr (Voir Amlioration du rapport signal
bruit, page 142.). Il est intressant de montrer que lutilisation du surchantillonnage et
de la quantification diffrentielle permet damliorer dune manire significative les per-
formances de bruit et de dynamique.
24.1. La quantification diffrentielle [34]
24.1.1. Principe de base
Considrons deux chantillons successifs du signal dentre : et . La
quantification diffrentielle limite la dynamique apparente du signal en codant unique-
ment la diffrence . Un moyen destimer la qualit du codage est
dvaluer la variance de (on suppose les variables centres) :
Comme , considrons la squence dauto corrlation normalise
alors :
Equ(24.1)
valeur de la squence dauto corrlation value au point 1.
x n 1 ( ) x n ( )
d n ( ) x n ( ) x n 1 ( ) =
d n ( )
s
d
2
E d
2
n ( ) [ ] E x n ( ) x n 1 ( ) ( )
2
[ ] = =
s
d
2
E x
2
n ( ) [ ] E x
2
n 1 ( ) [ ] 2E x n ( ) x n 1 ( ) [ ] + =
E x
2
n ( ) [ ] E x
2
n 1 ( ) [ ] s
x
2
= =
E x n ( ) x n 1 ( ) [ ] g
xx
1 ( ) =
s
d
2
2s
x
2
2g
xx
1 ( ) =
s
d
2
2s
x
2
1
g
xx
1 ( )
s
x
2
--------------- =
g
xx
0 ( ) s
x
2
=
r
x
i ( )
g
xx
i ( )
s
x
2
------------- =
s
d
2
2s
x
2
1 r
x
1 ( ) [ ] =
P. NAYMAN 311
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
Si alors :
Dans ce cas, il est plus intressant de quantifier puis de dduire la valeur code
de la suite .
La variance sera dautant plus petite que les chantillons seront corrls (
grand).
Comme (en notation normalise : ) soit :
avec le pas dchantillonnage.
La fonction dauto corrlation son maximum pour . Si on assure
que soit lev.
Un coefficient de corrlation lev est obtenu en surchantillonnant le signal den-
tre.
24.2. La prdiction linaire
24.2.1. Prdiction linaire lordre 1
Une approche plus gnrale consiste considrer la quantit suivante :
avec .
On appelle prdicteur lordre 1 de x(n), la quantit .
Dans ce cas :
Equ(24.2)
et lerreur est minimale pour : .
comme
24.2.2. Prdiction linaire lordre p
Considrons la prdiction lordre p :
Lerreur lie lestimation est donne par :
et lerreur quadratique par :
La meilleur estimation est obtenue avec un jeu de coefficients qui respectent
r
x
1 ( )
1
2
--- > s
d
2
s
x
2
<
d n ( )
d
q
n ( ) { }
s
d
2
r
x
1 ( )
g
xx
i ( ) E x n ( ) x n i ( ) [ ] = n n D
g
xx
i ( ) E x n D ( ) x n D i D ( ) [ ] = D
i 0 D D 0
g
xx
i ( )
d n ( ) x n ( ) a x n 1 ( ) = 0 a 1
x

n ( ) a x n 1 ( ) =
s
d
2
s
x
2
1 a
2
2ar
x
1 ( ) + [ ] =
s
d
2
a r
x
1 ( ) =
s
dmin
2
s
x
2
1 a
2
[ ] = 0 a 1 s
dmin
2
s
x
2
<
x

n ( ) a
k
x n k ( )
k 1 =
p

=
e n ( ) x n ( ) x

n ( ) =
E e
2
n ( ) [ ]
1
N
0
------ x n ( ) x

n ( ) [ ]
2
n 0 =
N
0
1

1
N
0
------ e
2
n ( )
n 0 =
N
0
1

= =
a
k
[ ]
P. NAYMAN 312
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
lgalit suivante :
Soit X la matrice N lignes et colonnes telle que :
Alors lquation 24.3 peut se mettre sous la forme matricielle de Wiener-Hopf :
Equ(24.4)
On remarquera que la matrice est une matrice carre dordre N et que :
Prenons lesprance des deux membres de lquation de Wiener-Hopf :
pour
Il faut donc que la condition suivante soit respecte :
Equ(24.3)
et :
est la matrice dauto corrlation .
a
k

E e
2
n ( ) [ ] 0 = 0 k N 1
a
k

E e
2
n ( ) [ ]
2
N
0
------ e n ( ) x n k ( )
n 0 =
N
0
1

2
N
0
------ x n ( ) x

n ( ) [ ] x n k ( )
n 0 =
N
0
1

0 = = =
x n k ( ) x n ( )
n 0 =
N
0
1

a
i
x n k ( ) x n i ( )
n 0 =
N
0
1

i 1 =
N

=
N
0
X
x 0 ( ) x 1 ( ) x N
0
1 ( )
x 1 ( ) x N
0
2 ( )

x N 1 + ( ) x N 2 + ( ) x N
0
N ( )
=
X
i
T
x i ( ) x i 1 + ( ) x i N
0
1 + ( )
=
X X
0
T
A X X
i
T
[ ] =
X X
i
T

E X X
i
T
[ ]
1
N
0
------ x n i ( ) x n j ( )
n 0 =
N
0
1

= R
N
R
N
r 0 ( ) r 1 ( ) r N 1 ( )
r 1 ( ) r 0 ( ) r N 2 ( )

r N 1 ( ) r N 2 ( ) r 0 ( )
=
E X X
0
T
[ ] A E X X
i
T
[ ] =
R
p
A R
N
=
P. NAYMAN 313
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
soit :
Equ(24.5)
daprs lquation 24.4, le jeu de coefficients qui minimise lerreur quadratique est :
Equ(24.6)
soit :
Equ(24.7)
Evaluons lerreur quadratique minimale lorsque :
Equ(24.8)
Ou en utilisant la squence dauto corrlation normalise :
Equ(24.9)
24.3. Les modulateurs sigma delta
Le surchantillonnage, la quantification diffrentielle et la prdiction linaire sont
deux concepts mis en oeuvre :
en tlphonie pour transmettre le signal vocal (modulateurs sigma delta),
dans la conversion analogique numrique pour augmenter considrablement la
dynamique (dynamiques de plus 20 bits).
24.3.1. Principe du modulateur sigma delta dordre 1
La figure 24.1 reprsente un modulateur sigma delta utilisant une prdiction linaire
r p ( ) a
i
r p i ( )
i 1 =
N

=
A
opt
X X
i
T
[ ]
1
X X
0
T
=
A
opt
R
N
1
R
p
=
A A
opt
=
e n ( ) x n ( ) x

n ( ) =
e n ( ) x n ( ) A
opt
T
X n ( ) x n ( ) X
T
n ( )A
opt
= =
e
2
n ( ) x
2
n ( ) 2x n ( )X
T
n ( )A
opt
A
opt
T
X n ( )X
T
n ( )A
opt
+ =
E e
2
n ( ) [ ]
min
E x
2
n ( ) [ ] 2E x n ( )X
T
n ( ) [ ]A
opt
A
opt
T
E X n ( )X
T
n ( ) [ ]A
opt
+ =
E e
2
n ( ) [ ]
min
E x
2
n ( ) [ ] 2A
opt
T
R
N
A
opt
A
opt
T
R
N
A
opt
+ =
E e
2
n ( ) [ ]
min
E x
2
n ( ) [ ] A
opt
T
R
N
A
opt
=
E e
2
n ( ) [ ]
min
E x
2
n ( ) [ ] A
opt
T
R
p
=
E e
2
n ( ) [ ]
min
s
dmin
2
r 0 ( ) a
i
r
i
i 1 =
N

= =
r
x
i ( )
r
i
r
0
---- =
s
dmin
2
s
x
2
1 a
i
r
x
i ( )
i 1 =
N





=
P. NAYMAN 314
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
dordre 1.
Sur le schma de la figure 24.1, le quantificateur est de 1 bit (entre d(n), sortie
), 2 niveaux sont possibles (+1 ou -1).
Cet accumulateur est quivalent un intgrateur (bote en trait pointill sur la figure
24.1).
Si la pente du signal dentre est plus grande que celle du modulateur, une distorsion
de pente apparat (figure 24.2). Il est possible de limiter cet effet en plaant un intgrateur
en entre du modulateur.
Le modle dun modulateur sigma delta du premier ordre est reprsent par la figure
24.3. Le bloc H(z) modlise un intgrateur dont la fonction est double : limiter la pente du
Figure 24.1 : Modulateur sigma delta dordre 1
Figure 24.2 : Principe de la poursuite du signal dans un CAN sigma delta
ax
q
n 1 ( )
ax
q
n 1 ( ) d
q
n ( ) +
+1/-1
Z
1
x n ( )
d n ( )
d
q
n ( )
x

n ( )
a
+
-
+
x
q
n ( )
d
q
n ( )
x

n ( ) ax
q
n 1 ( ) =
x
q
n ( ) x

n ( ) d
q
n ( ) + =
x
q
n ( ) ax
q
n 1 ( ) d
q
n ( ) + =

x

n ( )
x n ( )
x n 1 ( )
Distorsion de pente
Pas
1 F
s

P. NAYMAN 315
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
signal dentre et crer un effet mmoire. Le quantificateur est modlis par un compara-
teur idal avec un bruit de quantification e(n).
24.3.1.1 Mise en quation du modulateur sigma-delta
lordre 1
Il est intressant dvaluer les contributions du signal et du bruit sur la sortie .
peut se mettre sous la forme suivante :
et tant respectivement les transformes en z du gain pour la voie si-
gnal et pour le bruit.
Gain pour le signal lorsque :
Equ(24.10)
Gain pour le bruit lorsque :
Equ(24.11)
Evaluons maintenant :
Figure 24.3 : Modle dun modulateur sigma delta du premier ordre
x n ( )
H z ( )
z
1
d n ( )
e n ( )
d
q
n ( )
+
-
+
-
d
q
z ( )
d
q
z ( )
d
q
z ( ) H
s
z ( ) x z ( ) H
b
z ( ) e z ( ) + =
H
s
z ( ) H
b
z ( )
x z ( ) e z ( ) 0 =
x z ( ) d
qs
z ( ) [ ] H z ( ) d
qs
z ( ) =
x z ( ) H z ( ) d
qs
z ( ) H z ( ) d
qs
z ( ) =
d
qs
z ( )
H z ( )
1 H z ( ) +
--------------------- x z ( ) =
H
s
z ( )
H z ( )
1 H z ( ) +
--------------------- =
e z ( ) x z ( ) 0 =
d
qb
z ( ) H z ( ) e z ( ) + d
qb
z ( ) =
d
qb
z ( )
1
1 H z ( ) +
--------------------- e z ( ) =
H
b
z ( )
1
1 H z ( ) +
--------------------- =
H z ( )
P. NAYMAN 316
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
Soit et respectivement lentre et la sortie de :
Remplaons par sa valeur dans lquation 24.10 et dans lquation 24.11 :
On peut remarquer que est un simple retard dans la bande et ne
prsente aucune attnuation dans la bande considre. Alors que lattnuation est grande
pour .
Par contre prsente une attnuation importante dans la bande et
une faible attnuation pour .
Le modulateur sigma delta rejette le bruit en dehors de la bande utile.
24.3.1.2 Performances du systme du premier ordre
Le modulateur se modlise partir des deux composantes et . Seule la
composante modifie le bruit de quantification. Il est donc intressant de calculer la
variance du gain aprs le gain .
dans lespace z et en passant dans lespace frquentiel :
avec la frquence dchantillonnage.
x z ( ) y z ( ) H z ( )
x z ( ) y z ( ) + [ ] z
1
y z ( ) =
x z ( )z
1
y z ( )z
1
+ y z ( ) =
H z ( )
y z ( )
x z ( )
----------
z
1
1 z
1

---------------- = =
H z ( )
H
s
z ( )
H z ( )
1 H z ( ) +
---------------------
z
1
1 z
1

----------------
1
z
1
1 z
1

---------------- +
------------------------- z
1
= = =
H
b
z ( )
1
1 H z ( ) +
---------------------
1
1
z
1
1 z
1

---------------- +
------------------------- 1 z
1
= = =
H
s
n ( ) 0 n B
n B >
H
b
n ( ) 0 n B
n B >
H
s
z ( ) H
b
z ( )
H
b
z ( )
H
b
z ( )
H
b
z ( ) 1 z
1
=
H
b
n ( ) 1 e
2pi
n
ns
-----
e
pi
n
ns
-----
e
pi
n
ns
-----
e
pi
n
ns
-----




= = n
s
H
b
n ( ) 2
pn
n
s
------ sin =
P. NAYMAN 317
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
Equ(24.12)
comme (par dfinition on surchantillonne) on peut utiliser le dveloppe-
ment
Equ(24.13)
On remarquera que doubler permet de diminuer de 9dB.
24.3.2. Principe du modulateur sigma delta lordre 2
On peut modliser un modulateur sigma delta avec une prdiction dordre 2 par le
schma de la figure 24.4.
La figure 24.5 reprsente la modlisation utilise pour .
tant la densit spectrale de puissance du bruit de quantification.
comme
Figure 24.4 : Principe du modulateur sigma delta lordre 2
s
s
2
H
b
n ( )
2
S
b
n ( ) n d
B
+B

=
S
b
n ( )
s
e
2
n
s
------ =
s
b
2
s
e
2
n
s
------ 4
pn
n
s
------ sin
2
n d
B
+B

4
s
e
2
n
s
------
pn
n
s
------ sin
2
n d
B
+B

= =
x
2
sin
1
2
--- 1 2x cos ( ) =
s
b
2
4
s
e
2
n
s
------
1
2
--- 1 2x cos ( ) n d
B
+B

2
s
e
2
n
s
------ n
n
s
2p
------
2pn
n
s
---------- sin
B
+B
= =
s
b
2
2
s
e
2
p
------
2pB
n
s
----------
2pB
n
s
---------- sin =
n
s
B
x x
x
3
3!
----- + sin
s
b
2
s
e
2
3
------p
2 2pB
n
s
----------


3
=
n
s
s
b
2
H(z)
x(n)
-
+
+ + d(n)
e(n)
dq(n)
H(z)
Z
-1
H z ( )
P. NAYMAN 318
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
Evaluons ce systme :
Soit et respectivement lentre et la sortie de .
Calcul du gain lorsque
Calcul du gain lorsque
Finalement en superposant les deux expressions trouves pour et :
On remarquera une trs forte attnuation du bruit dans la bande dintrt.
24.3.2.1 Performances du systme du second ordre
Le modulateur se modlise partir des deux composantes et . Seule la
Figure 24.5 : Modlisation de H(z)
x(z)
+
+
y(z)
Z
-1
x z ( ) y z ( ) H z ( )
x z ( ) y z ( ) z
1
+ y z ( ) =
H z ( )
y z ( )
x z ( )
----------
1
1 z
1

---------------- = =
H
s
z ( ) e z ( ) 0 =
x z ( ) d
qs
z ( ) ( )H z ( ) d
qs
z ( ) [ ] H z ( ) z
1
d
qs
z ( ) =
H
s
z ( )
d
qs
z ( )
x z ( )
---------------
H
2
z ( ) z
1

1 H
2
z ( ) z
1
H z ( ) z
1
+ +
----------------------------------------------------------------- = =
H
s
z ( ) z
1
=
H
b
z ( ) x z ( ) 0 =
d
qb
z ( ) H z ( ) d
qb
z ( ) [ ] H z ( ) z
1
e z ( ) + d
qb
z ( ) =
d
qb
z ( ) e z ( ) 1 z
1
( )
2
=
H
b
z ( )
d
qb
z ( )
e z ( )
--------------- 1 z
1
( )
2
= =
H
s
z ( ) H
b
z ( )
d
q
z ( ) z
1
x z ( ) 1 z
1
( )
2
e z ( ) + =
H
s
z ( ) H
b
z ( )
P. NAYMAN 319
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
composante modifie le bruit de quantification. Il est donc intressant de calculer la
variance du gain aprs le gain .
comme par dfinition (on surchantillonne) on peut utiliser le dveloppe-
ment
Equ(24.14)
On remarquera que doubler permet de diminuer de 15dB.
24.3.3. Performances dun systme dordre n
Il est possible de gnraliser les rsultats prcdents un modulateur utilisant une
prdiction dordre n :
En suivant la mme dmarche que prcdemment, la sortie du modulateur peut se
et dans lespace frquentiel :
soit :
tant la densit spectrale de puissance du bruit de quantification
comme
H
b
z ( )
H
b
z ( )
H
b
z ( ) 1 z
1
( )
2
=
H
b
n ( ) 1 e
2pi
n
n
s
----




2
=
H
b
n ( ) 4
pn
n
s
------
2
sin =
s
s
2
H
b
n ( )
2
S
b
n ( ) n d
B
+B

=
S
b
n ( )
s
e
2
n
s
------ =
s
b
2
16
s
e
2
n
s
------
pn
n
s
------ sin
4
n d
B
+B

=
x
1
4
---
3
2
---
1
2
--- 4x 2 x + cos cos +
4
sin
s
b
2
16
s
e
2
n
s
------
1
4
---
3
2
---
1
2
--- 4
pn
n
s
------ 2
pn
n
s
------ cos cos +


n d
B
+B

=
s
b
2
4
s
e
2
n
s
------
3
2
---n
1
2
---
n
s
4p
------
4pn
n
s
---------- sin
n
s
p
-----
2pn
n
s
---------- sin +
B
+B
=
s
b
2
4s
e
2
n
s
--------- 3B
n
s
4p
------
4pB
n
s
---------- sin
2n
s
p
--------
2pB
n
s
---------- sin + =
n
s
B
x x
x
3
3!
-----
x
5
5!
----- + + sin
s
b
2
s
e
2p
4
5
-----
2B
n
s
-------


5
=
n
s
s
b
2
P. NAYMAN 320
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
mettre sous la forme suivante :
Le gain pour le signal toujours pour valeur (fonction retard) et le
gain pour le bruit .
Aprs intgration, puis en utilisant le dveloppement limit de :
Equ(24.15)
La figure 24.6 montre le niveau des puissances de bruit obtenus en surchantillon-
nant et en utilisant un modulateur sigma-delta.
24.4. Applications
De nombreuses applications, ncessitant une trs grande dynamique, sont bien
Dans lespace frquentiel :
Figure 24.6 :Puissance du bruit aprs filtrage
d
q
z ( ) z
1
x z ( ) 1 z
1
( )
n
e z ( ) + =
H
s
z ( ) z
1
=
H
b
z ( ) 1 z
1
( )
n
=
H
b
z ( ) z
n 2
z
1 2
z
1 2
( )
n
=
H
b
n ( ) e
pinn
n
s
------------
e
pinn
n
s
------------
e
pinn
n
s
------------




n
=
H
b
n ( ) 2
2n pn
n
s
------ sin
2n
=
s
b
2
s
e
2
n
s
------ 2
2n pn
n
s
------ sin
2n
n d
B
+B

=
x sin
s
b
2
s
e
2 p
2n
2n 1 +
---------------
2B
n
s
-------


2n 1 +
=
n
max
n
s
b
2
k 2n
max
( ) n
max
k n
max

s
b
2
k
------
SD
ordre1
ordre2
ordre3
SD
SD
s
bn
2
Puissance du bruit
P. NAYMAN 321
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
adaptes lutilisation de modulateurs sigma-delta. La principale limitation est lie au
facteur de surchantillonnage k. Si lon considre et une frquence de surchan-
tillonnage de 100MHz, on demande au signal dentre davoir une bande passante inf-
rieure au 1MHz. De nombreuses applications audio ou vocales sont bien adaptes.
24.4.1. Modulation dun canal de transmission
La sortie du modulateur est utilisable, comme base, pour transmettre des
donnes analogiques dont la frquence maximale nest pas trs leve (quelques centaines
de KHz). La figure 24.7 et la figure 24.8 montrent le principe du codeur puis celui du d-
codeur.
24.4.2. Conversion Analogique-Numrique grande dynamique
Pour un signal analogique variation moyenne ( ), il est possible dat-
teindre des dynamiques suprieures 20 bits. Pour cela, la sortie module (1 bit) est sim-
plement injecte dans un filtre numrique passe-bas.
Figure 24.7 : Codeur sigma-delta
Figure 24.8 : Dcodeur sigma-delta
k 100 =
d
q
n ( )
PR
x n ( )
d n ( )
d
q
n ( )
x

n ( )
+
-
+
Q
x
q
n ( )
+
PR
x
q
n ( )
f
max
1MHz <
P. NAYMAN 322
TRAITEMENT DU SIGNAL
DEA MIP
SURCHANTILLONNAGE DES CONVER-
TISSEURS ANALOGIQUES-NUMRIQUES
On peut remarquer que les fonctions ralises par la figure 24.8 et par la figure 24.9
sont identiques.
Figure 24.9 : Conversion analogique-Numrique sigma-delta
Filtre passe-bas
n bits
P. NAYMAN 323 ANNEXES
TRAITEMENT DU SIGNAL
DEA MIP
25. ANNEXES
25.1. Les dcibels
En physique, lutilisation dunits logarithmiques est trs frquente et permet de re-
prsenter plus facilement de nombreux phnomnes.
Une de ces units, le dcibel est dfini comme le logarithme ( base 10) dun rapport
de puissances :
Equ(25.1)
Si les deux puissances P1 et P2 sont dissipes dans des rsistances R1 et R2 :
Si on value la puissance dissipe dans la mme rsistance :
Equ(25.2)
De la mme manire, on montre que :
Equ(25.3)
On peut driver des quations prcdentes dautres units trs utilises qui dfinis-
sent une grandeur par rapport une valeur de rfrence :
En considrant que la puissance est donne par la relation suivante :
Equ(25.7)
et que la charge est de :
Cherchons convertir des en :
Equ(25.4)
Equ(25.5)
Equ(25.6)
Tableau 12 : Changement dunit
P dB ( ) 10
P1
P2
------- log =
P dB ( ) 10
P1
P2
------- log 10
U1
2
R1
U2
2
R2
--------------------- log = =
P dB ( ) 20
U1
U2
------- 10
R1
R2
------- log log =
R1 R2 =
P dB ( ) 20
U1
U2
------- log =
P dB ( ) 20
I1
I2
----- log =
dBmV
dBmV 20
U mV ( )
1mV
----------------- log =
dBm
dBm 10
P mW ( )
1mW
------------------ log =
dBmA
dBmA 20
U mA ( )
1mA
----------------- log =
P
U
2
R
------ =
50W
10 P W ( ) log 20 U V ( ) 10 R W ( ) log log =
dBm dBmV
P. NAYMAN 324 ANNEXES
TRAITEMENT DU SIGNAL
DEA MIP
Lquation 25.7 peut se mettre sous la forme :
et en prenant le logarithme des deux membres :
Equ(25.8)
Une dmarche analogue conduirait aux rsultats suivants :
Equ(25.9)
Equ(25.10)
P mW ( )
1000
------------------
V mV ( )
10
6
----------------
2
R
------------------------ =
P mW ( ) V mV ( )
2
2
11
10 =
dBmV dBm 107 + =
dBm dB W ( ) 30 + =
dBmV dB V ( ) 120 + =
P. NAYMAN 325 ANNEXES
TRAITEMENT DU SIGNAL
DEA MIP
25.2. Spectre lectromagntique
Le Tableau 13 indique les frquences et longueurs donde particulires su spectre
lectromagntique.
25.2.1. La roue des couleurs
La roue des couleurs permet de schmatiser simplement lassociation longueur
donde (nm) et couleur. Chaque secteur reprsente une couleur dominante (figure 25.1).
La figure 25.2 donne une autre reprsentation du spectre lectromagntique.
Longueur
donde
cm
Frquence Energie Temprature
source
acclrateurs
rayons
rayons X durs
rayons X mous
ultraviolet
visible
infrarouge
ondes millim-
triques
ondes radio
UHF
VHF
TV, FM radio
ondes courtes
ondes longues
Tableau 13 : Spectre lectromagntique
l
n c l =
n Hz ( ) 3
10
10 l cm ( ) =
E hn =
E eV ( ) 4
15
10 n =
T E k =
T K ( ) 1 16 10
4
E eV ( ) , =
<10
15
>310
25
>10
11
>10
15
g
10
15
10
12
3 10
22
3 10
25
10
8
10
11
10
12
10
15

g
10
11
10
10
3 10
19
3 10
20
10
6
10
7
10
10
10
11

g
10
9
10
8
3 10
18
3 10
19
10
4
10
5
10
8
10
9

10
7
10
6
3 10
15
3 10
17
10
2
10
3
10
6
10
7

10
6
3 10
5
10
15
3 10
16

4 120
4 10
4
1 2 10 ,
6

10
4
3 10
5
3 10
14
10
15

1 4
10
4
4 10
4

10
4
10
2
3 10
12
3 10
14
10
2
1 10
2
10
3

10
2
1 3 10
10
3 10
12
10
4
10
2
1 10
2

1 10
5
3 10
5
3 10
10
10
2
10
4
10
4
1
10
3 10
9
10
2
3 10
8
10
3
3 10
7
10
4
3 10
6
10
5
3 10
5
P. NAYMAN 326 ANNEXES
TRAITEMENT DU SIGNAL
DEA MIP
Figure 25.1 : La roue des couleurs
Figure 25.2 : Spectre lectromagntique et rayonnement
R
o
u
g
e
V
i
o
l
e
t
Indigo
J
a
u
n
e
Vert
B
l
e
u
620 nm
580 nm
560 nm 490 nm
460 nm
430 nm
700 400 nm
Orang
Spectre invisible Spectre visible Spectre invisible
UV-B UV-A
V
i
o
l
e
t
B
l
e
u
V
e
r
t
J
a
u
n
e
O
r
a
n
g
e
R
o
u
g
e
Infra-rouge
54
0
0
4
2
5
4
9
0
5
7
5
5
8
5
6
5
0
7
0
0
1
4
0
0
0
3
1
5
Longueur donde en nm
P. NAYMAN 327 BIBLIOGRAPHIE
TRAITEMENT DU SIGNAL
DEA MIP
26. BIBLIOGRAPHIE
[1] Bellanger Maurice - Traitement numrique du signal (thorie et pratique) - Masson
[2] Bennett William R., Davey James R. - Data transmission - McGraw-Hill Book Compa-
gny.
[3] Breitenberger Ernst - Scintillation spectrometer statistics - Progress in Nuclear Physics
1955, 4 - p. 56-94
[4] Charbit Maurice - lments de thorie du signal : Les signaux alatoires - ellipses.
[5] Charoy Alain - Parasites et perturbations des lectroniques - tome 1 - Dunod Tech.
[6] Charoy Alain - Parasites et perturbations des lectroniques - tome 2 - Dunod Tech.
[7] Charoy Alain - Parasites et perturbations des lectroniques - tome 3 - Dunod Tech.
[8] Charoy Alain - Parasites et perturbations des lectroniques - tome 4 - Dunod Tech.
[9] Clark T.L., McCollum M.B., Trout D.H. - MEDIC HandBook - NASA Reference Pu-
blication 1368, June 1995
[10] CMOS data book - Systems Design Considerations When Using Cypess CMOS circuits
- p. 10-60. 1988.
[11] De Coulon F. - Thorie et traitement des signaux - Dunod.
[12] Delmas Jean-Pierre - lments de thorie du signal : Les signaux dterministes - ellip-
ses.
[13] de Naurois M. - Lexprience CELESTE : Reconversion dune centrale solaire pour las-
tronomie ... Thse de doctorat de luniversit Paris VI - 1990.
[14] Gatti E., Manfredi P.F. - Processing the Signals from Solid-State Detectors in Elemen-
tary-Particle Physics. - Rivista del nuovo cimento - 1985.
[15] Gatti E., Hrisoho A., Manfredi P. F. - Choice between FETs or bipolar transistors and
optimization.... - IEEE Transactions on Nuclear Science, Vol. NS-30, N 1, Feb. 1983.
[16] Gatti E., Svelto V. - Theory of time resolution in scintillation counters - Nuclear Instru-
ments and Methods 4 (1959) - p. 189-201.
[17] Gatti E., Svelto V. - Review of theories and experiments of resolving time with scintilla-
tion counters - Nuclear Instruments and Methods 43 (1966) - p. 248-268.
[18] Gray Paul R., Meyer Robert G. - Analysis and design of analog integrated circuits -
John Wiley & Sons.
[19] Hrisoho A. - Front-End Electronics for H.E.P. - LAL/RT 90-06 - July 1990.
[20] Hrisoho A. - Time domain noise calculation for the common base current amplifier con-
figuration. - Nuclear Instruments and Methods 185 (1981) - p. 207-213.
[21] Klempt W. - Review of particle identification by time of flight techniques - Nuclear Ins-
truments and Methods A 433 (1999) - p 542-553.
[22] Konrad M. - Detector Pulse Shaping for High Resolution Spectroscopy - p. 268 - IEEE
Transactions on NUCLEAR SCIENCE - Vol. NS15 - February 1968.
[23] Knoll Glenn F. - Radiation detection and measurement - Second edition - John Wiley &
Sons.
[24] LeCroy Research System - An Introduction to NIM - p. 258 - 1996 Catalog.
[25] Max J. - Mthodes et techniques de Traitement du signal - tome 1 - Masson.
[26] Mller J. W. - Generalized dead times. - Nuclear Instruments and Methods A301 (1991)
- p. 543-551
[27] Murakami H. - On the equivalent noise charge (ENC) of a cr-rc
n
prefilter into a gated
integrator system including the 1/f noise source. - Nuclear Instruments and Methods A234
(1985) - p. 132-141.
g
P. NAYMAN 328 BIBLIOGRAPHIE
TRAITEMENT DU SIGNAL
DEA MIP
[28] Nicholson P.W. - Nuclear Electronics - John Wiley & Sons, New York - 1973.
[29] Ohkawa S., Yoshizawa M., Husimi K. - Direct synthesis of the gaussian filter for nu-
clear pulse amplifiers. - Nuclear Instruments and Methods 138 (1976) - p. 85-92.
[30] ORTEC - Techniques for Improved Time Spectroscopy - Application Note 41.
[31] Ott Henry W. - Noise reduction techniques in electronic systems - John Wiley & Sons,
New York.
[32] Petit R. - Loutil mathmatique - 2 dition - Masson.
[33] Philips - Photomultiplicateurs - 1990.
[34] Proatis John G., Manolakis Dimitris G. - Digital Signal Processing - Prentice Hall Intl.
[35] Radeka V. - Signal, noise and resolution in position-sensitive detectors. - report BNL
18377 -feb. 1974.
[36] Roubine E. - Introduction la thorie de la communication - Masson.
[37] Spataru Alexandru - Thorie de la transmission de linformation, Signaux et bruits -
tome 1 - Masson et Cie.
[38] Takacs L. - Ann. Math. Stat. 29 (1958) 1257.
INDEX
P. NAYMAN 329
TRAITEMENT DU SIGNAL
DEA MIP
A
Aliasing 50
Amplificateur synchrone
Lock-in 100
Analytique 76
B
Bande quivalente de bruit 148
Bartlett 134
Blackman 134
Blindages 283
Boltzmann 145
Bruit 140
1/f 154, 194
Blanc 68
Flicker noise 154
Grenaille 151
Impulsionnel 158
Quantification 140
Shot noise 151
Statistique 158
Thermique 145
Transistors 179
C
Cble blind 291
Cble coaxial 272
Calorimtres 196
Campbell 151, 159
Cauchy 2
Champ lectromagntique 281
Classification des signaux 5
Comparaison bipolaire-FET 193
Comparateur 215
Compatibilit lectromagntique 281
Composantes de Rice 85
Convertisseurs analogiques-numriques
298, 310
Convolution 26, 55
Corrlation 54
Couleurs 326
Couplage 289
D
Dcibels 323
Dmodulation synchrone 93
Dtecteur 206
Capacit 206
Dtection synchrone 89, 97
Corrlation 99
Dirac 3
Discrimination 215
Dispersion spectrale 129
Distorsion dinter modulation 304
Distorsion harmonique 303
Distribution
Drivation 3
Dirac 3, 6, 25
Distribution de Dirac 26
Dynodes 248
E
Echantillonnage 47
Ecrans 283
Effet de peau 268
Efficacit de collection 249
Efficacit quantique 240
Elments mathmatiques 1
Cauchy 2
Lebesgue 1
Les distributions 3
Oprations sur les distributions 3
Partie principale 2
Riemann 1
Empilement 165
ENC 164
Enveloppe complexe 83, 84
Composantes en quadrature 84
Rice 84
Ergodicit 57
Erreur
De dcalage 301
De gain 302
Evnements en cascade 245
INDEX
P. NAYMAN 330
TRAITEMENT DU SIGNAL
DEA MIP
F
Facteur de bruit 155
Fentrage 128
Fentre cosinusdale 133
Fentres les plus utilises 134
Fil 273
Filtrage 39
Adapt 70
Gain 40
Filtre
Adapt 70
Butterworth 121, 150
Gaussien 172
Optimum 162
Fonction
Caractristique 241
Orthogonale 8
Pondration 158
Fonction signe 77
Foudre 294
Fourier 11, 20
Sries 11
Transformation 20
Transforme de signaux priodiques
32
Transformes de base 28
Fraction constante 217
G
Gibbs (Phnomne) 15
H
Hamming 134
Hanning 134
Harmoniques 35
Hartley 143
Heisenberg 60
Hilbert 76
I
Impdance caractristique 265
J
Jitter 216
Johnson 145
K
Kaiser 134
L
Lanczos 134
Lebesgue 1
Lignes de transmissions 262
Diffrentes 272
Lock-in 100
Lorentz 212
M
Mesures temporelles 211
Mthode par ajustement dune sinusode
308
Mthode statistique 305
Microstrip 273
Miller 206
Modle de base 180
Modulateurs sigma delta 313
Modulation 89
Modulation damplitude 90
N
Non-linarit diffrentielle 299
Non-linarit intgrale 300
P
Paire torsade 273, 291
Parseval 8, 31
Photolectron 249
Photo-mission 246
Photomultiplicateurs 240
Plank 145
Ple zro 208
Pondration 158
Pramplificateur de charges 197
Pramplificateur de courant 198
Prdiction linaire 311
Principe dincertitude 58
Q
Quantification 298
Quantification diffrentielle 310
INDEX
P. NAYMAN 331
TRAITEMENT DU SIGNAL
DEA MIP
R
Rapport signal bruit 304
Rayonnement 296
Rcursifs 104
Rendement quantique 240
Repliement spectral 50
Rponse impulsionnelle 40
Rponse invariante 102
Rsolution 240, 298
Rice 85
Riemann 1
RIF 104
S
Schottky 151
Schwartz 3, 59
Sries de Fourier 11
Convergence 14
Shannon 47, 144
Signal analytique 76
Proprits 82
Signal quivalent au bruit 163
Signaux alatoires 53
Spectrales (Proprits) 61
corrlation 65
Densit spectrale de puissance 65
Spectre lectromagntique 325, 326
Spectre unilatral et bilatral 15
Stabilit 75
Standard nim 278
Stationarit 55
Stripline 274
Surchantillonnage 310
Synthse (filtre numrique) 113
Systmes numriques 101
T
Temporelles 211
Temps de Vol 211
Temps mort 225
Cumulatif 226
Non cumulatif 227
Transforme
En Z 106
Fourier 20
Hilbert 76
Laplace 72
Tukey 134
U
Uniforme 53
V
Vectorielle 7
W
Wiener-Kinchine 62, 64

Vous aimerez peut-être aussi