Vous êtes sur la page 1sur 25

Projet Traitement du Signal : Analyse de Signaux ECG

1 Introduction
1.1

Contenu des signaux ECG, description du contenu temporel/frquentiel


des ECG, cas nominaux et pathologiques

L'lectrocardiogramme (ECG) est un signal qui reprsente l'activit lectrique du coeur.


L'ECG est un lment essentiel que ce soit dans la surveillance des patients ou dans le
diagnostic des maladies cardiovasculaires. Les bases thoriques et pratiques de
l'enregistrement de l'activit lectrique cardiaque ont t nonces par Einthoven en 1901 et,
mme si les postulats proposs sont trs discutables, ils sont encore utiliss dans
l'lectrocardiographie. Dans les paragraphes qui suivent, nous dcrivons brivement l'onde
d'activation du coeur, les modes d'enregistrement de cette activit lectrique et les principales
caractristiques frquentielles prsentes par l'ECG.
-

Gnration de l'ECG

La figure ci dessous reprsente le chemin parcouru par l'onde d'activation de l'ECG.


Celle-ci nat dans l'oreillette droite dans le noeud dit de Keith et Flack (aussi appel noeud
sino-auriculaire -not KF sur la figure-) situ au pied de la veine cave suprieure. Cette onde
s'tale sur les deux oreillettes et arrive jusqu'au nud d'Aschoff-Tawara (aussi appel nud
auriculo-ventriculaire, -AT sur la figure-) pour emprunter la voie de His et pour atteindre
finalement les deux ventricules (VD et VG).

Cette onde d'activation permet l'apparition de processus de dpolarisation et de


repolarisation des cellules du cur qui peuvent tre recueillis par des lectrodes places dans
des endroits prcis. Ces processus donnent lieu la forme d'onde globale d'un ECG dit
normal, illustr sur la figure ci-dessous :

Q
S

Les principales formes d'ondes qui constituent l'ECG global sont dcrites ci-aprs :
1) L'onde P est une dflexion correspondant la dpolarisation des oreillettes droite et
gauche,
2) L'onde Ta, dflexion correspondant la repolarisation des oreillettes, est
habituellement non visible,
3) Le complexe QRS correspond un ensemble de dflexions dues la dpolarisation
des ventricules,
4) L'onde T est une dflexion correspondant la repolarisation ventriculaire.
Les valeurs normales des dures des dflexions sont :
1) Onde P : infrieure ou gale 0,11s
2) Onde Q : infrieure 0,04s
3) Complexe QRS : infrieur 0,1s, habituellement compris entre 0,06 et 0,08s.
Onde QT : sa dure varie selon la frquence cardiaque, elle s'allonge quand la frquence se
ralentit, et se raccourcit quand la frquence s'acclre. Pour une frquence de 60 cycles par
minute, la dure de l'onde QT se situe dans un intervalle [0.35s, 0.43s] et pour une frquence
cardiaque de 80 cycles par minute, elle se situe plutt entre 0.31s et 0.39s.
- Les artefacts de l'ECG
Divers bruits sont prsents dans l'ECG de routine. Parmi les plus importants, on peut citer :
1) La drive de la ligne de base (frquence < 5Hz),
2) Les artefacts dus aux mouvements (frquence 1-10Hz),
3) Le secteur et ses harmoniques (fondamental 50 ou 60Hz),
4) L'EMG (frquence 25-100Hz).

- Contenu spectral de l'ECG


Le signal ECG est un signal riche par la varit des ondes qui le constitue (ondes P,
QRS et T). Ainsi, il prsente une densit spectrale de puissance qui varie en fonction de la
morphologie du signal (drivations) et d'un sujet un autre. La densit spectrale de puissance
des signaux ECGs a t tudie dans les cas suivants :
1) ECG normaux de personnes saines au repos,
2) ECG avec des bruits musculaires engendrs par des actions des bras et des muscles de la
poitrine,
3) Les artefacts dus aux mouvements de personnes sur tapis roulant.
4) ECG anormaux de personnes souffrant d'arythmies.
Les densits spectrales de puissance ainsi obtenues en utilisant la mthode du
priodogramme moyenn sur 150 battements sont illustres sur la figure ci-dessous :

12

10

ECG
8

QRS
Artfacts ds
aux mouvements

PT

EMG
0
0

10

15

20

25

30

35

40

Frquence en Hz
Les densits spectrales de puissance des complexes QRS et des ondes PT ont t aussi
calcules. On y observe le comportement passe-bas de l'ECG dont l'nergie est comprise entre
1 et 30Hz. Dans le cas des ondes PT, le contenu spectral se limite aux trs basses frquences,
tandis que pour le complexe QRS ce contenu a une tendance vers les plus ``hautes''
frquences.

De plus, les bruits des muscles capts par des lectrodes suffisamment spares peuvent tre
supposs non corrls. Ainsi, les signaux EMG superposs aux drivations de l'ECG peuvent
tre considrs comme des bruits non corrls entre eux si les lectrodes exploratrices sont
suffisamment spares.
- Intrt dune analyse automatique dun ECG
Lexploitation mdicale courante dun enregistrement ECG se fait selon lune des
modalits suivantes :
- Un enregistrement priodique (3 mois) chez son mdecin traitant. Cet enregistrement a
une dure de 30s 1min pour vrifier le comportement gnral du rythme cardiaque. La
notion mdicale de rythme cardiaque englobe lensemble du comportement de
lactivit lectrique du cur (forme du cycle, agencement des diffrentes ondes et des
diffrents cycles les uns par rapport aux autres) et pas seulement la frquence cardiaque.
- Un enregistrement continu, sur plusieurs jours, ncessitant lhospitalisation du patient
pour observer le comportement plus long terme du fonctionnement du cur (cette phase
danalyse pouvant avoir t mise en uvre suite a des doutes provenant de la premire
expertise).
Cependant, cette faon de procder nest pas optimale ; ni sur le plan mdical, la premire
expertise se faisant sur des dures trop courtes pour mettre en vidence des troubles du
rythme sur le long terme, ni sur le plan des cots, la seconde exploitation impliquant la mise
en uvre de moyens lourds pour la surveillance du patient.
De plus en plus, des enregistreurs dECG portatifs permettant aux patients deffectuer
leur propre enregistrement dont utiliss. Ces enregistrements sont alors rgulirement
communiqus un centre mdical pour analyse. Cependant lanalyse automatique dun ECG,
qui pourrait tre par exemple implante sur ces enregistreurs portatifs, offrirait un compromis
encore plus intressant, tant au niveau de la qualit de vie du patient, que du drangement du
corps mdical, puisque lanalyseur pourrait alors ne demander une expertise quen cas de
dtection dune pathologie (potentielle).
- Origine et manifestation des pathologies
Lanalyse automatique des ECG nest pas simple (de la mme manire que son
expertise mdicale), du fait de la variabilit des enregistrements dun patient un autre et de
leur variabilit interne, en fonction de ltat physiologique dun patient (au repos, en
mouvement, stress... Qui plus est, lexpertise mdicale dun enregistrement dECG est
souvent complte par lanalyse de lhistoire clinique du patient, difficile exploiter dans la
mise en uvre dune expertise automatique.
Les troubles du rythme cardiaque trouvent principalement leurs origines dans des
problmes de conduction (chemin suivi par londe de dpolarisation a partir de son point
dactivation lectrique), des troubles de la frquence cardiaque (fonction du pacemaker
naturel (nud) qui initie la dpolarisation) ou encore de la forme des diffrentes ondes
composant le cycle cardiaque (dformation onde P, segment ST).
Parmi les pathologies les plus courantes nous citerons :
- les bradycardies et tachycardies (resp. ralentissement et acclration de la frquence
cardiaque)
- les fibrillations auriculaires et ventriculaires (contractions indpendantes et
dsordonnes (asynchrone) des fibres musculaires entrant dans la propagation de
londe de dpolarisation)
- les blocs auriculo-ventriculaires (dfauts de cheminement de londe de
dpolarisation suivant la voie courante de propagation)

les extrasystoles (ou rythmes dchappement), qui ne sont pas a proprement parl
des pathologies , mais qui peuvent indiquer des volutions vers des tats
pathologiques ou bien des problmes situs en amont de la voie de conduction. (les
extrasystoles sont des battements initis par des foyers diffrents du nud courant
de dpolarisation).

Ainsi les troubles du rythme cardiaque ont des manifestations nombreuses, qui rsultent
le plus souvent dune combinaison de ces divers troubles lmentaires (conduction, frquence
cardiaque, formes des ondes). Tout lobjet dun analyseur, ou dtecteur de pathologie serait
donc dexploiter un grand nombre de paramtres (statistiques, caractristiques des diffrentes
ondes) extraits de lECG et de les combiner pour effectuer un pr-diagnostic.
1.2

Lecture, observation et manipulations de fichiers de donnes sous


matlab

Les donnes disponibles dans ce TP sont des variables vectorielles sauvegardes sous le
format .mat (utiliser load + nom_du_fichier_de_donnes). Une fois charg, une variable
ecg (vecteur, contenant les amplitudes du signal ECG enregistr) est place dans le workspace
de Matlab. Une variable Fs contenant la frquence dchantillonnage associe au signal
charg est galement cre. Les signal correspondant peut ainsi tre trac en manipulant la
variable ecg.

2 Analyse spectrale / Filtrage d'un bruit d'alimentation


Gnralement les signaux ECG sont acquis laide dun circuit lectronique.
Lalimentation de celui-ci est un signal continu une frquence de 50Hz (France) ou 60Hz
(USA) qui est la source dinterfrences parasites. Une sinusode damplitude plus ou moins
importante par rapport lamplitude du signal chantillonn vient perturber celui ci. Une des
premires opration est donc de mettre en place un filtre qui limine cette composante.

2.1 Signal synthtique


Gnrer un bruit blanc gaussien (randn.m). Observer son histogramme et la densit de
probabilit associe (histfit.m).
Gnrer une sinusode la frquence de 60Hz perturbe par un bruit additif blanc
gaussien (on pourra fixer une frquence d'chantillonnage de 200Hz). Tracer les signaux
temporels correspondants divers rapports signal sur bruit
P
SNR = 10 log10 s ,
Pb
o Ps et Pb dsignent les puissances du signal et du bruit.
2.2

Analyse spectrale / filtrage dun bruit dalimentation

2.2.1 Pridogramme
Calculer le priodogramme de la sinusode bruite en utilisant les fentres rectangulaire et de
Hanning.

2.2.2 Corrlogrammes
Dterminer les fonctions d'autocorrlation biaise et non biaise de la sinusode bruite puis
les densits spectrales de puissance de ce signal (Lisez attentivement la remarque 3 de
lannexe). Comparer avec le priodogramme.

2.3 Filtre encoche


Le bruit blanc a la particularit de possder une densit spectrale de puissance constante
N
s ( f ) = 0 . Pour liminer efficacement les interfrences, localises une frquence bien
2
dfinie et connue, on peut implanter un filtre qui limine cette composante frquentielle et ce
de la manire la plus slective qui soit. On dsire dans cette partie tudier un filtre liminant
la frquence f 0 = 60 Hz .
Etudier la structure du filtre encoche dcrit en annexe qui permet dliminer la
composante sinusodale du signal gnr prcdemment. Comparer les gabarits de
cette cellule obtenus pour diverses valeurs de (commande freqz.m)

2.4

Faire une analyse spectrale comparative des signaux avant et aprs filtrage (pour le
filtrage, utiliser filter.m)

Elimination des interfrences dalimentation pour un ECG


Dans tout systme lectronique, en loccurrence un capteur ECG, des interfrences dues
aux alimentations sont prsentes dans les signaux enregistrs. Cette perturbation prend
lallure dune sinusode la frquence doscillation de lalimentation ; i.e. sur secteur
on verra apparatre une composante la frquence 50Hz (France) ou 60Hz (USA). Cette
information, ne prsente aucune utilit vis--vis dune expertise mdicale. Dans un
premier temps nous proposons dtudier un moyen dliminer cette interfrence.
Analyser le spectre du signal (load ECG60_2) avec les mthodes utilises pour la
sinusode (priodogramme et corrlogramme)). Quelle est la frquence doscillation
de lalimentation ?
Appliquer le filtre encoche dfini prcdemment.
Observer les diffrents rsultats obtenus en faisant varier les paramtres du filtre
(frquence de rjection et slectivit).

3 Dtection des complexes QRS / Analyse du rythme


Comme nous le verrons ultrieurement, la largeur et le rythme des complexes QRS sont
des paramtres importants pour le dtection de pathologies. Dans cette partie, nous
tudions un algorithme de dtection des complexes inspir de l'article suivant :
J. Pan and W. J. Tompkins, "A real time QRS detection algorithm", IEEE Trans. on
Biomed. Eng., vol. BME-32, pp. 230-236, 1985.
Aprs avoir limin la composante spectrale associe la frquence du secteur, on se
propose d'liminer le bruit qui se trouve en dehors de la bande spectrale des complexes
QRS, c'est--dire en dehors de la bande [5-15Hz]. L'article de Pan et Tompkins propose
de construire un filtre passe-bande partir dun filtrage passe-bas et d'un filtrage passehaut. Ensuite on applique au signal la srie doprations suivante : filtre drivateur,

filtre quadrateur et filtre moyenne glissante (voir schma ci-dessous). Comme dans
l'article de rfrence, on considre une opration de fentre glissante de largeur L = 30
points (largeur suprieure la largeur du complexe QRS).
Reprsenter graphiquement leffet de ces oprations sur un complexe QRS.
Toutes ces oprations ont t regroupes dans la fonction matlab QRSdetection.m. La
signification des vecteurs de sorties hp_ecg, deriv_ecg, sq_ecg et moy_ecg est
explique sur la figure ci-dessous. Appliquer le programme QRSdetection.m au signal
ECG60_2 filtr (not Signal ECG sur la figure). Comparer vos rsultats avec ceux
obtenus avec la fonction matlab.

hp_ecg
Signal ECG

Largeur complexes QRS


Rythme ECG

Filtre
passe bande

deriv_ecg
Filtre
derivateur

Extraction de paramtres
(peak-features.m)

sq_ecg

Filtre
quadrateur

Filtre
moyenne glissante
moy_ecg

QRSdetection.m
Le signal en sortie du filtre moyenne glissante est introduit dans le sous-programme
peak-features qui permet d'extraire la largeur des complexes QRS et la position des pics
R (rythme du signal ECG). Comparer les rsultats obtenus avec le signal dorigine
(voir figure ci-dessous).

4 Restauration des chantillons perdus


Les enregistrements ECG portatifs sont rgulirement communiqus au centre mdical
via le rseaux GPRS/UMTS (en dehors de la maison) ou via le rseau fixe ( la maison).
Le canal de transmission peut introduire des fortes attnuations appeles vanouissements
(ou fading en Anglais). Ainsi, il est possible que quelques paquets de donnes soient
perdus. Dans ce cas, il faut une mthode pour rcuprer ces donnes perdues.

4.1

Mthode
On utilisera lalgorithme de Papoulis-Gerchberg. Il peut tre utilis seulement avec des
signaux dont la densit spectrale de puissance un support spectral limit. Ceci n'est pas
un problme pour notre application puisque le signal ECG une bande spectrale [1Hz-30
Hz].
Algorithme de Papoulis-Gerchberg
Lalgorithme Papoulis-Gerchberg est bas le fait que le complexe QRS a une bande
limite. A chaque itration, on calcule la TFD du signal et met zro le contenu spectral
qui est hors de la bande d'intrt [0Hz-30Hz]. Ensuite, on dtermine la TFD inverse, ce
qui fournit un signal temporel. De ce signal, on prend les chantillons correspondants
aux chantillons perdus et on les insre dans le signal dorigine. On recommence ce
procd jusqu' rcuprer de faon satisfaisante le signal d'origine. Le procs itratif est
illustr sur le schma suivant :
Initial signal vector
with missing samples(set to zero).
Input signal vector
DFT

Spectral density (dB)


Band limitation (filtering)

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

Normalized frequencies

DFT-1

Sampling operation
(reinsertion of known samples)

4.2

Simulations
Pour simuler la perte de donnes, on mettra zro une partie du signal ECG. On applique
ensuite l'algorithme de Papoulis-Gerchberg dcrit ci-dessus. Aprs avoir programm cet
algorithme, valuer linfluence de la longueur dchantillons perdus ainsi que la position
de cette squence sur lalgorithme de rcupration dchantillons (il est vident que
lalgorithme marchera moins bien si le trou est localis au pic R que sil est entre deux
complexes QRS).

Remarque Importante
Pour acclrer la convergence de lalgorithme Papoulis-Gerchberg, on fera dabord une
interpolation linaire des chantillons perdus, au lieu dinitialiser lalgorithme par des
zros. Les figures suivantes montrent quelques exemples de restauration dchantillons
avec diffrents nombres dchantillons perdus et diffrentes positions aprs 200
itrations.

5 Classification des Pathologies


5.1

Signaux synthtiques
On suppose dans cette partie que la largeur des complexes QRS permet de distinguer un
ECG "sain" d'un ECG "pathologique". En supposant que ces longueurs sont gaussiennes
de mme moyenne (suppose nulle pour simplifier) sous les deux hypothses, tudier le
test de Neyman-Pearson associ au problme de dtection d'un saut de variance
(variances 02 et 12 sous les hypothses H 0 et H 1 ). En pratique, on estime 02 l'aide
d'un signal ECG sain et peut alors fixer le seuil de dtection. Construire une fonction
Matlab permettant de faire cette opration.

5.2

Quelques signaux rels


On considre dans le cadre du projet 4 pathologies qui ont t expertises :
1) Pathologie 1
Elle correspond au type bigeminisme ventriculaire : aprs un rythme sinusal normal
(QRS fin, rythme rgulier et onde P) un battement sur deux slargit et la contraction
associe se produit prmaturment par rapport la frquence cardiaque courante.
2) Pathologie 2
La pathologie 2 correspond un dbut de flutter ventriculaire. La distinction des
complexes QRS devient quasiment impossible (le dtecteur devrait flagger des pics de
manire alatoire). On discerne plus une onde sinusodale que des complexes clairement
identifis. Distinction des phases de dpolarisation et repolarisation quasiment
impossible
3) Pathologie 3
La pathologie 3 correspond un pisode de fibrillation auriculaire : dun tat sinusal
normal (QRS fin, rythme rgulier et onde P) on passe un tat ou les complexes QRS
sont hors rythme normal, bien que fins, avec disparition dune onde P associe a chaque
battement (activit chaotique)
4) Pathologie 4
La pathologie 4 prsente une grande irrgularit du rythme, avec des trous dans la
conduction, bien que les QRS restent fins. Rythme sinusal pathologique, accs de
bradycardies et tachycardies.

Montrer tout d'abord que les rsultats de la partie 5.1 appliqus la largeur des
complexes QRS permet de dtecter la pathologie 1 de l'ECG en fonctionnement
normal.
Proposer une stratgie permettant de reconnatre les diverses pathologies l'aide du
rythme et/ou de la largeur des complexes QRS.

6 Annexes
6.1 Priodogramme/Corrlogramme
La densit spectrale de puissance (DSP) d'un signal x(t ) nergie finie est dfinie par
s ( f ) = TF [K x ( )] = X ( f )

o X ( f ) est la transforme de Fourier de x(t ) et K x ( ) sa fonction d'autocorrlation. Il en


dcoule deux mthodes d'estimation de la DSP appeles priodogramme et corrlogramme.
Priodogramme
Lorsqu'on estime la transforme de Fourier avec l'algorithme de FFT rapide de Matlab, on
montre qu'un estimateur satisfaisant de la DSP du signal x(t ) appel priodogramme est
dfini par
1
2
TFD[x(n)]
N
o x(n) est obtenu par chantillonnage de x(t ) .
Corrlogramme
L'estimation de la DSP par corrlogramme comporte deux tapes :
1) Estimation de la fonction d'autocorrlation (xcorr.m) qui produit K x (n )
2) Transforme de Fourier discrte de K (n ) f (n) , o f (n ) est une fentre de
x

pondration et K x (n ) est l'estimation biaise ou non biaise de la fonction


d'autocorrlation.

Remarque 1 : il est important de noter que lorsque K x (n ) est l'estimateur biais de la fonction
d'autocorrlation de x(t ) , le corrlogramme coincide exactement avec le priodogramme.
Remarque 2 : Estimateurs spectraux moyenns
On montre que la variance des estimateurs de la DSP (corrlogramme et priodogramme) ne
dpend pas de la dure du signal. Ces estimateurs ne sont donc pas convergents. Afin de
rduire la variance des estimateurs, il est habituel de diviser le signal observ en plusieurs
tranches et moyenner les estimateurs obtenus sur chaque tranche. La variance des
estimateurs moyenns est alors inversement proportionnelle au nombre de tranches, ce qui
rduit la variance.
Remarque 3 : Implantation numrique
Si le signal numrique x(n) possde N s points, la fonction xcorr calcule la fonction
d'autocorrlation K x (n ) pour n = ( N s 1),...,1,0,1,..., ( N s 1) (on a donc 2 N s 1 points).
On peut ``padder" cette autocorrlation par des zros afin d'avoir une reprsentation plus
prcise de la DSP. L'algorithme de transforme de Fourier discrte de Matlab ncessite une
symtrisation de la fonction d'autocorrlation de la faon suivante :
Points d'autocorrlation K x (0 ), K x (1),..., K x ( N s 1)

N z zros
zro central
N z zros

Symtrisation de la fonction d'autocorrlation


0.7

K(0)

0.6

4 zros 1 zro 4 zros

0.5
0.4
0.3

K(1)

K(1)

0.2
0.1
0
-0.1

K(3)

-0.2

K(3)

K(2)
-0.3

K(2)
4

10

12

14

16

Points d'autocorrlation K x ( N s 1),..., K x (1)

Cette procdure de symtrisation est illustre sur la figure suivante pour N s = 4 et N z = 4 :

6.2

Filtrage Analogique
Les oprations de filtrage consistent liminer ou mettre en vidence certaine(s)
partie(s) de la bande de frquence occupe par un signal donn. Dans le domaine continu, la
transforme de Fourier dun signal x(t) est dfinie par X ( f ) =

x(t )e

j 2ft

dt . Filtrer un signal

consiste slectionner une bande de frquence dintrt et la mettre en vidence par rapport
au reste des composantes frquentielles du signal. Dans le domaine frequentiel (Fourier)
lopration naturelle de filtrage correspond donc une multiplication du type :
X filtre ( f ) = X ( f ) H ( f ) , o X ( f ) = TF {x(t )} est la transforme de Fourier du signal temporel
et H ( f ) est la fonction de transfert du filtre qui correspond au gabarit frquentiel pour
lopration de filtrage dsire.
Lopration de multiplication dans le domaine frquentiel trouve son quivalent dans la
convolution dans le domaine temporel (et inversement). Ainsi une opration de filtrage
temporel analogique est : x filtre (t ) = x(t ) * h(t ) , o h(t) dsigne la rponse impulsionnelle du

filtre et correspond : h(t ) = TF 1 {H ( f )} ou encore H ( f ) = TF {h(t )} .

6.3

Filtrage Numrique
Si les oprations de filtrage analogique prsentes prcdemment sont physiquement
ralises par des circuits lectroniques (du Hardware), mettant en jeu des circuits (R, L, C), le
traitement numrique mis en uvre par lintermdiaire de P et de programmation
informatique connat depuis plusieurs annes un essor grandissant, offrant des possibilits
beaucoup plus vastes (en termes de complexit, taille, volutivit, reprogrammabilit).
Le signal numrique x(n), n {1,..., N } est obtenu par chantillonnage du signal continu
qui reprsente le signal analogique associ x(t ) . En toute rigueur, si Te est la priode
d'chantillonnage, le signal numrique obtenu en sortie du convertisseur analogique
numrique est x(n) = x(nTe ) . Il est donc possible comme dans le cas de signaux continus de
dfinir les opration de filtrage dans le domaine discret. Dans cet espace de reprsentation, la
transforme en Z est le pendant de la transforme de Fourier pour le continu

X ( z) =

x(k ) z

k =

Une des proprits essentielle de la transforme en Z (note TZ) est le thorme du


retard :
X ( z ) z m = TZ [ x(n)]z m = TZ [ x(n m)]
Ainsi un filtre dans le domaine discret se dfinit par une rponse impulsionnelle, une
suite de points h(n) ( n N ), dont la transforme en Z dsigne la fonction de transfert du
H ( z) =

filtre :

h (k ) z

k =

Remarque : en pratique on nutilise que la transforme en Z dite unilatrale,


+

X ( z ) = x(k ) z k qui suppose le signal x causal (x(n)=0 pour n<0). De la mme manire, le
k =0

principe de causalit ( leffet ne peut prcder la cause ) fait que la rponse impulsionnelle
de tout systme physique est obligatoirement nulle pour t<0. Donc pour tout systme causal
on a : h(n)=0 pour n<0. Cest pourquoi nous ne noterons plus les indices de la TZ.

Lopration de filtrage dans le domaine frquentiel, en Z, tout comme pour le cas


continu est un produit de lentre par la fonction de transfert du filtre :
X filtre ( z ) = H ( z ) X ( z )
Ainsi, en utilisant le thorme du retard on montre que lopration de filtrage peut
encore scrire dans le domaine temporel discret :
X filtre ( z ) = H ( z ) X ( z ) = h ( k ) z k X ( z ) = h ( k ) X ( z ) z k

En utilisant le thorme du retard et la dfinition de la TZ, cette expression devient


dans le domaine temporel : x filtre (n) = h(k )TZ 1 X ( z ) z k = h(k ) x(n k )

thorme
du retard k

qui nest autre que lexpression de la formule de convolution discrte. Cest lopration de
filtrage qui est concrtement implante dans un calculateur : la sortie un instant donn n est
une combinaisons linaire des chantillons dentre aux instants infrieurs n.
Cependant on vise gnralement des oprations de filtrage dites temps rel (calcul de
lchantillon de sortie pendant lintervalle de temps entre 2 chantillons dentre) ; or la
charge de calcul de cette opration gnrale croit avec le temps (i.e., les indices sont tels que k
varie entre 0 et linfini dans lquation prcdente), plus on a dchantillons passs plus le
calcul dun chantillon ncessite doprations lmentaires. Afin de limiter cette charge de
calcul, on considre une classe de filtres linaires ayant une charge calculatoire constante au
cours du temps qui est la classe des filtres rcursifs qui possdent une expression gnrale de
la forme :
M

k =1

k =0

x filtre (n) = a k x filtre (n k ) + bk x(n k )

Rappel : cest cette quation temporelle qui est concrtement implante dans le calculateur.
Dans ce cas la fonction de transfert associe est une fraction rationnelle en Z :

H ( z) =

b z
k =0
M

1 + a k z k
k =1

Pour dfinir un tel filtre numrique, il suffit donc de dterminer les coefficients a k et bk
intervenant dans H ( z ) (sous Matlab, voir la commande filter)

6.4 Filtre Encoche


Les filtres encoche (notch filters) peuvent prendre plusieurs formes. La manire la plus
courante de construire ces filtres est de considrer la fonction de transfert :
1 + a1 z 1 + z 2
H ( z) =
avec a1 < 2
1 + (1 )a1 z 1 + (1 ) 2 z 2
Soit z 0 = re j 2f 0 un zro du numrateur de H ( z ) tel que:
( z z 0 )( z z 0* ) = z 2 2r cos( 0 ) z + r 2

La frquence rejete du filtre encoche est alors f 0 =

0
.
2

Par identification, on obtient

z0 = r = 1

2 cos( 0 ) = a1
On voit donc que les zros du filtre encoche sont sur le cercle unit.
Concernant la stabilit du filtre, on observe ses ples, soit les zros du dnominateur . Si
j
p0 = e p est un zro du dnominateur, on a
( z p 0 )( z p 0* ) = z 2 2 cos( p ) z +

d'o

2 = (1 ) 2
= (1 )

2 cos( p ) = a1
p = 0
Puisque < 1 , le filtre est stable. Notez que les ples ont mmes arguments que les zros. Le
facteur est li la slectivit (finesse de la bande rejete) du filtre ; on montre que la
relation entre la bande coupe 3dB ( f ) est :
2f =

6.5

Rponse Harmonique
~

La sortie d'un filtre lorsque l'entre est une harmonique x(n) = e j 2f 0 n est dfinie pae
~

y (n) = h(k ) x(n k ) = h(k )e j 2f 0 ( n k ) = e j 2f 0 n h(k )e j 2f 0 k


k

On voit donc que cette rponse s'crit


~

y (n) = x(n) h(k )e j 2kf 0


k

c'est--dire

y (n) = x(n) H ( z ) z =e j 2k~f 0


La quantit H ( z ) z =e j 2k~f 0 s'appelle la rponse harmonique du filtre. Elle permet de dterminer
les frquences qui sont conserves ou supprimes par l'opration de filtrage.