Académique Documents
Professionnel Documents
Culture Documents
Cours Master2 08-09 PDF
Cours Master2 08-09 PDF
Master-II de Physique
Annee Academique : 2008-2009
1
Contents
1 Definition du signal 6
1.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Liens entre les deux types de signaux . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Signaux deterministes 7
2.1 Signaux analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Signaux a temps discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 Principaux signaux 7
3.1 Fonction porte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 Fonction echelon unite de Heaviside . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Fonction Impulsion de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4 Fonction Triangle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.5 Fonction Sinus Cardinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.6 Fonction Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7 Fonction periodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7.1 Valeur moyenne de f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7.2 Puissance Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 Signaux aleatoires 9
4.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2 Rappels sur les notions de probabilite . . . . . . . . . . . . . . . . . . . . . . . . 9
5 Serie de Fourier 10
5.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.2 Representation Complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3 Representation spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3.1 Harmoniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3.2 Spectre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.3.3 Symetrie et Changement de lorigine des temps . . . . . . . . . . . . . . 11
2
6.3.2 Derivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.3 Parite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.4 Conjugue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.5 Decalage temporel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.6 Dilatation temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7 Convolution 12
7.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
7.3 Convolution de fonctions T0 -periodiques . . . . . . . . . . . . . . . . . . . . . . 13
7.4 Theoreme de Plancherel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
8 Transformee de Laplace 14
8.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
8.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9 Proprietes energetiques 14
9.1 Puissance instantanee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.2 Puissance moyenne sur un duree T . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.3 Energie dans un intervalle T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.4 Energie totale du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.5 Puissance moyenne dinteraction entre deux signaux . . . . . . . . . . . . . . . . 15
9.6 Puissance frequentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
11 Proprietes spectrales 16
11.1 Spectre du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
11.2 Theoreme de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
11.3 Theoreme de Wiener-Khinchine . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
12 Signaux aleatoires 17
12.1 Theorie des probabilites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12.1.1 Variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3
12.1.2 Distribution de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12.1.3 Distribution de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.1.4 Cas de 2 variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.2 Principales lois de probabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.2.1 Proprietes des signaux aleatoires . . . . . . . . . . . . . . . . . . . . . . . 18
12.2.2 Caracteristique dun signal aleatoire stationnaire et ergodique . . . . . . 18
12.3 Le Bruit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.1 Bruit thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.2 Bruit blanc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.3 Bruit rose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.4 Bruit de Grenaille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.3.5 Autres bruits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.3.6 Proprietes et Traitement de Bruit . . . . . . . . . . . . . . . . . . . . . . 20
12.3.7 Detection par correlation dun signal periodique noye dans du bruit . . . 20
4
14.2.1 Filtre frequentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
14.2.2 Relation Filtrage-Convolution . . . . . . . . . . . . . . . . . . . . . . . . 29
14.2.3 Filtres lineaires physiquement . . . . . . . . . . . . . . . . . . . . . . . . 29
15 Filtres Analogiques 30
15.1 Filtres analogiques continus realisables . . . . . . . . . . . . . . . . . . . . . . . 30
15.2 Fonction de tranfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
15.3 Filtres a dephasage lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
15.4 Filtres Particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
15.5 Modelisation des filtres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . 31
16 Filtres Numeriques 31
16.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
16.2 Filtrage lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
16.2.1 Transformee en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
16.2.2 TZ et Plancherel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3 Classification des filtres numeriques . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.1 Filtres non recursifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.2 Filtres recursifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.3 Filtres MA ou RIF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.4 Filtres AR ou RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
16.3.5 Filtres numeriques elementaires . . . . . . . . . . . . . . . . . . . . . . . 34
16.4 Conception dun filtre numerique . . . . . . . . . . . . . . . . . . . . . . . . . . 35
16.5 Restitution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5
SIGNAUX ET DEFINITIONS
1 Definition du signal
On appelle signal toute grandeur physique tensorielle qui varie soit continument (signaux
analogiques) soit discretement (signaux numeriques) au cours du temps. Levolution dans
le temps de la grandeur consideree est regie par la dynamique specifique du signal. Quelque
fois la loi temporelle regissant le phenomene est bien connue (signaux deterministes) et dautre
fois il est difficile, voir impossible de le decrire (signaux aleatoire).
1.1 Exemple
OEM dynamique regie par les lois de Maxwell
Son dynamique regie par la theorie des ondes stationnaires
Signaux electriques courant, tension
Influx nerveux electrophysiologique (transmission dinfos sensorielles)
1.2 Processus
Le traitement du Signal suit le cheminement suivant :
* Analyse et diagnostique
* Codage
* Quantification et Compression
* Transmission et archivage
* Synthese et restauration
6
analogique. Cest un des outils souvent utilises en traitement du signal.
Lobjet du traitement du signal est donc danalyser avec soin, de coder, de transmettre
integralement ou une partie specifique du signal ou de reconstruire a sa reception toutes ses
proprietes afin den tirer les maximum dinfos quil contient.
2 Signaux deterministes
2.1 Signaux analogiques
Ce sont des signaux a temps continu, cest a dire definis pour toute valeur de t. On sappuie sur
les modeles mathematiques pour les decrire. Lallure de la fonction peut presenter des sauts.
3 Principaux signaux
3.1 Fonction porte
(
1 pour |t| T
2T (t) =
0 pour |t| > T
7
(
0 pour t 6= 0
lim T (t) =
T 0 pour t = 0
La limite de cette fonction lorsque T l donne limpulsion de Dirac :
R +
(t) = lim T (t) et (t)dt = 1.
T 0
8
4 Signaux aleatoires
4.1 Definition
Un signal est dit aleatoire lorquon est incapable de le decrire par une loi mathematique simple.
Exemple : le bruit, leclair, certains ecoulements...
Un signal aleatoire peut etre de type transitoire ou permanent.
Dans le cas permanent : on peut le decrire par les lois de probabilites.
9
MATHEMATIQUE DU SIGNAL
5 Serie de Fourier
5.1 Definitions
Soit un signal x(t) periodique de periode T admettant un nombre fini de discontinuites;
on a :
+
P
x(t) = a0 + [an cos(nt) + bn sin(nt)]
n=1
t +T
a0 = T1 t00 x(t)dt
R
R t +T
an = T2 t00 x(t). cos(nt)dt
R t +T
bn = T2 t00 x(t). sin(nt)dt
soit,
1
[(an jbn )ejnt + (an + jbn )ejnt ]
P
x(t) = a0 + 2
n=1
10
+
P p
x(t) = a0 + Sn cos(nt + n ) avec Sn = a2n + b2n
n=1
x(t) = somme dun signal continue et dun infinite de signaux sinusodaux de pulsation , 2,
3, 4,.....n,.....
Le terme de pulsation est appele la fondamentale ou le premier harmonique. Les autres
termes sappellent respectivement harmoniques dordre 2, 3, 4,......n,.......
5.3.2 Spectre
On porte sur laxe des abscisses la pulsation et en ordonnee les raies traduisant les modules
des Sn correspondants.
De meme, on represente le spectre en puissace (Sn2 ) et puis le spectre en phase (n ).
Fonction paire
RT an
an = T4 t02 x(t) cos(nt)dt, bn = 0, on en deduit que Cn = Cn =
2
Fonction Impaire
RT bn
bn = T4 t02 x(t) sin(nt)dt, an = 0, on en deduit que Cn = Cn =
2j
11
TF
La reciprocite secrit : x(t) X()
6.3 Proprietes
6.3.1 Linearite
6.3.2 Derivation
6.3.3 Parite
x(t) X()
reelle paire reelle paire
reelle impaire imaginaire impaire
reelle complexe (Re paire, Im impaire)
6.3.4 Conjugue
TF TF
Etant donnee x(t) X() alors x (t) X () ; x est le complexe conjugue de x
Cest a dire : T F [x (t)] = X ()
7 Convolution
7.1 Definition
R +
z(t) = x(t) y(t) = x( )y(t ) d
La convolution exprime generalement la reponse a un signal quelconque a partir de celle dun
12
signal type (impulsionnelle) caracterise par y(t). exprime le retard temporel entre les deux
signaux.
Les filtres definis comme STLCS (Systeme de Transmission Lineaire Continue et Stationnaire)
sont des systemes de convolution.
7.2 Proprietes
x y = y x, x (y + z) = x y + x z, x =x=x
alors, hR i
R + +
Z() = [x( ) ej2 ] y(t ) ej2(t ) dt d Posons = t , on d = dt
( est considere comme parametre constant si on raisonne par rapport a la variable t).
On a : hR i
R + +
Z() = x( ) ej2 y() ej2 d d
Puisquehla deuxieme integralei esthRindependante de , on i peut ecrire Z() sous la forme :
R + +
Z() = x( ) ej2 d y() ej2 d soit, le resultat attendu :
T F {x(t) y(t)} = X()()
13
8 Transformee de Laplace
Pour un signal continu transitoire, afin dassurer la convergence de lintegrale de Fourier (signal
causal ie t > 0), on multiplie x(t) par ept .
8.1 Definition
On definit alors la transformee de Laplace de la maniere suivante :
R +
Lx(p)={x(t)}L = X(p) = 0 x(t)ept dt
8.2 Proprietes
TL
ax1 (t) + bx2 (t) aX1 (p) + bX2 (p)
TL
x(at) |a|1
X( ap )
TL
x(t a) X(p) ea.p
TL
x(t) y(t) X(p) Y (p)
et reciproquement,
TL
x(t) x(t) X(p) Y (p)
9 Proprietes energetiques
Transmission dinformation Transmission denergie
14
9.5 Puissance moyenne dinteraction entre deux signaux
R t+T R t+T
pxy (t, T ) = 1
T t
x(t) y (t) dt et pyx (t, T ) = 1
T t
y(t) x (t) dt
10.2 Autocorrelation
10.2.1 Definition
R + R +
Cxx ( ) =
x(t)x (t ) dt =
x(t + )x (t) dt
10.2.2 Proprietes
Pour les signaux reels la fonction Cxx est paire, Cxx (t) = Cxx (t)
t on a : Cxx (t) Cxx (0) (valeur maximale a t = 0)
15
Remarque :
Pour les fonctions reelles, |X()|2 = X()X () = X()X() et Sxx () = |X()|2
11 Proprietes spectrales
11.1 Spectre du signal
R +
X() = T F {x(t)} = x(t)ej2t dt
x(t) reelle X() = X () = X ()
Reciproquement,
R + R + hR + R + 0
i
Cxx ( ) = x(t)x(t )dt = X()ej2t d X( 0 )ej2 (t ) d 0 dt
R + R + R + 0 0
= X()X( 0 )ej2(+ )t ej2 dd 0 dt
R + R + 0
= X()X( 0 )( + 0 )ej2 dd 0
R +
= X()X()ej2 d
16
R +
=
Sxx ()ej2 d
12 Signaux aleatoires
12.1 Theorie des probabilites
12.1.1 Variables aleatoires
Ecart type :
p
x = V ar(x).
17
12.1.3 Distribution de Poisson
x
f (x) = x!
e =x
Si la variable aleatoire stationnaire est aussi ergodique il y a equivalence avec les caracteristiques
temporelles.
Moyenne temporelle
R +T
xe = lim N1 i xi (t) et x(t) = lim xT = lim T1 T2 x(t)dt
P
N T T 2
Puissance du signal
R +T
Px = x2 (t) = lim T1 T2 x2 (t)dt < x2 (t) >
T 2
Fonction dautocorrelation temporelle
R +T
Cxx ( ) = lim T1 T2 x(t)x(t )dt
T 2
18
12.3 Le Bruit
On appelle bruit tout signal indesirable, limitant lintelligibilite dun signal utile.
Le bruit peut avoir avoir plusieurs sources :
- sources externe (independant du signal propre) localise a lexterieur du systeme
- source internes (perturbation impulsionnelle, bruit de fond) lie a lelectronique du systeme.
k la const de Boltzmann
T temperature (en K)
avec
R resis tan ce (en )
bande passante du systeme (en Hz)
Le bruit blanc est un signal de valeur moyenne nulle. Son spectre en amplitude est constant.
La densite spectrale du bruit blanc est constante dans la bande de frequence consideree.
B() = B0 = 12 kT .
Cbb ( ) = B0 .( )
Pratiquement, un tel bruit nexiste pas, mais parlera du bruit blanc a chaque fois que le spectre
de densite de puissance est constante a linterieur de la bande passante.
Un bruit rose est un bruit dont le spectre en amplitude est inversement proportionnel a la
frequence (le spectre en amplitude varie en 1 ).
En realite, il sagit dun bruit blanc dont la densite spectrale de puissance est modelisee par
une fonction porte de largeur 2b ; b est la frequence maximale du bruit rose.
La fonction dautocorrelation impulsionnelle du bruit rose est tres etroite et centree sur = 0
(fonction sinc dans le cas reel)
B() = B0 2b ()
19
Sa fonction dautocorrelation est : Cbb ( ) = B0 (2b ) sin(2 b )
2b
Dans le cas ou b tres grand, la fonction dautocorrelation du bruit du bruit rose est nulle pour
( > lim ).
12.3.7 Detection par correlation dun signal periodique noye dans du bruit
20
Le signal complet a traiter est s(t) = x(t) + b(t).
La fonction dautocorrelation de s(t) est donnee par :
R +T R +T
Css ( ) = T1 T2 s(t)s(t )dt = T1 T2 [x(t) + b(t)] [x(t ) + b(t )] dt.
2 2
Par distributivite de loperateur de correlation, il vient :
Css ( ) = Cxx ( ) + Cxb ( ) + Cbx ( ) + Cbb ( )
Or, les fonctions Cxb ( ) et Cbx ( ) sont nulles (signaux independants); resultat toujours vrai
meme si T est grande. De plus pour le bruit blanc Cbb ( ) = 0 en dehors de 0 ou negligeable
devant Cxx ( ) au bout dune duree finie de correlation.
Donc en sortie on a : Css ( ) = Cxx ( ).
21
ECHANTILLONNAGE
13.1.1 Processus
13.1.2 Traitement
- la periode dechantillonnage
- le pas de quantification
- le temps de reponse du systeme.
Operation mathematique simple : multiplier un signal analogique par des impulsions unites
regulieres dans lespace temporel.
On utilise la fonction Peigne de Dirac :
22
+
P
Te (t) = (t k.Te )
k=
On obtient, a partir dun signal x(t), le signal echantillonne xe (t) , suite de pics de Dirac dont
les poids statistiques sont les valeurs du signal x(t) aux instants kTe , cest a dire les valeurs
xk = x(kTe ).
+
P +
P
x(t) xe (t) = x(t) (t kTe ) = x(t) (t kTe )
k= k=
+
P +
P
xe (t) = x(kTe ) (t kTe ) = xk (t kTe ) ou xk = x(kTe ) (1)
k= k=
xe (t) : signal discret a spectre non borne (periodisation infinie).
23
13.2.6 Extraction du signal initial
Lorsque le theoreme de Shannon nest pas respecte on observe des phenomenes de recouvrement
(ou repliement) des spectres .
24
Le pectre de ce signal sexprime :
h i k=+
sin( ) sin( ) P
ITe , () = [e e ()] =
e ( ke ) soit,
k=
k=+
P sin( ke )
ITe , (t) = e ke
( ke ) (6)
k=
Echantillonnage naturel
Lamplitude de chaque echantillon suit la valeur de la fonction pendant lintervalle .
On a :
xe (t) = x(t) iTe , (t) = x(t) [ (t) Te (t)] (7)
on en deduit le spectre, dapres la relation (6);
k=+
P sin( ke )
Xe () = X() ITe , () = X() e ke
( ke ) ,
k=
ou encore :
k=+
P sin( ke )
Xe () = e ke
X ( ke ) (8)
k=
En utilisant la relation (8) on deduit la relation liant le spectre de base du signal echantillonne
et celui du spectre reel :
Xe0 () = e X()
Cette relation exprime une proportionnalite donc une conservation de linformation (pas de
deviation).
Echantillonnage regulier ou bloqueur
Chaque impulsion est constante = x(nTe ) (pratique et le plus souvent mis en oeuvre).
Mathematiquement, il sagit dune suite de fonctions portes damplitudes egales aux echantillons
du signal :
k=+
P k=+
P
xe (t) = x(kTe ) (t kTe ) = [x(t) Te (t)] (t) = x(t) (t kTe ) (t)
k= k=
on en deduit : h i
sin( )
Xe () = [X() (e e ())]
k=+
Xe () = e sin( ) P
X( kTe ) (9)
k=
De la meme maniere le signal initial est extrait par un filtre passe-bas de largeur e .
La relation liant le spectre de base et celui du signal echantillonne (en sappuyant sur la relation
(9)) est :
Xe0 = e sin(
)
X()
Echantillonnage moyenneur
On considere ici les echantillons xe (kTe ) correspondant a la valeur moyenne de x(t) prise sur la
duree de limpulsion .
Ainsi lechantillon xk sexprime sous la forme:
kTeR
+ /2
xk = 1 x(t)dt
kTe /2
25
En utilisant la fonction porte, la relation precedente peut secrire :
kTeR
+ /2
xe (kTe ) = 1 (t kTe ) x(t) dt
kTe /2
Cette expression represente le produit de convolution de x(t) et (t) au temps kTe ,
d0 ou :
xe (kTe ) = 1 [ (t) x(t)] (t kTe )
Le signal echantillone complet a pour expression :
+
xe (t) = 1
P
[ (t) x(t)] (t kTe )
k=
soit:
xe (t) = 1 [ (t) x(t)] Te (t)
Par TF et utilisant
h le th de Plancherel,
i on peut deduire le spectre Xe () = T F {x(t)} :
sin( )
Xe () = 1 X() [e e ()]soit :
+
P sin( (ke ))
Xe () = e (ke )
X( ke ) (10)
k=
De la meme maniere en sappuyant sur la relation (10), on a :
Xe0 = e sin(
)
X(),
resultat tres proche de celui de lechantillonnage regulier. Lamplidute de X() est modulee
par la fonction sinc( ) = deformation par rapport a echantillonnage naturel.
Remarque : plus la duree de limpulsion dechantillonage est faible devant la periode du signal
echantillonne, plus le bloqueur et le moyenneur sont plus proche de lideal (naturel).
13.3 Quantification
Choisir et remplacer par la valeur arrondie au plus proche voisin ou par defaut les echantillons
utiles.
Pour un echantillonnage uniforme on choisit N intervalles identiques de valeur q. On utilise un
convertisseur numerique-analogique. Ce processus introduit toujours une erreur appelee bruit
de quantification sauf si le signal est de la forme : xe (kTe ) = N q
Lerreur de quantification est un bruit blanc. Cette erreur provient de la compression ou de
lexpansion lineaire et non-lineaire des donnees.
Soit une erreur que quantification (t), pendant un temps tres long , on suppose que lamplitude
du signal varie dans une plage plus large que q (pas de quantification) et peut etre approximee
par une droite :
(t) = q t pour 2 t 2 .
La valeur moyenne est nulle sur cet intervalle.
26
13.3.1 Puissance moyenne
+ 2 + 2
1
R 1
R t 2 q2
P =
2 (t) dt =
q dt = 12
2 2
1
sur lintervalle 2q , + 2q .
Variable aleatoire, densite de probabilite p() constante egale a q
27
FILTRAGE
14.1.1 Definitions
s(t)
Le bel est le logarithme decimal du rapport e(t) . Dans la pratique, on utilise le decibel :
s(t)
Adb = 10 log e(t) .
Pour un appareil Hi-Fi (un amplificateur par exemple), on utilse la meme expression, mais,
avec les puissances dentreeet de sortie :
Vs2
Letude de la fonction Ps = Ps () sur une resistance de charge constante permet de passer par
sa valeur maximale Psmax a une frequence donnee.
On appelle bande passante dun systeme de Transmission, la zone de frequences pour lesquelles
on a : PsPs 0.5 ou Adb 3db.
max
28
Un filtre est defini comme la reponse impulsionnelle notee h(t), et par sa fonction transfert
notee H(f ) (ou H(p) resp.) transformee de (Fourier ou Laplace resp.) de h(t).
Cas classique :
Filtre passe-bande : seules sont transmises les frequences comprises dans lintervalle [0 , 0 + ]
Filtre coupe-bande : on arrete les frequences comprises dans lintervalle [0 , 0 + ]
En pratique :
Pour un x(t) donne, on peut representer X() qui est la TF du signal x(t) et on filtre en mul-
tipliant X() par H().
En vertu du theoreme de Plancherel, on passe du produit simple dans lespace des frequences
au produit de convolution dans lespace temporel et inversement.
Xs () = X(). H() ou Xs () est le signal filtre. On a :
R +
xs (t) = x(t) h(t) = x( )h(t )d .
h(t) est la reponse impulsionnelle du filtre.
La causalite
Leffet (sortie du filtre) ne peut preceder la cause (entree du filtre).
La reponse impulsionnelle dun filtre est la reponse a une impulsion de Dirac appliquee a t = 0;
elle doit etre nulle pour t < 0.
Tout systeme physique doit avoir : h(t) = 0 pour t < 0.
R + R +
Pour un filtre causal : xs (t) = h( )x(t )d = 0 h( )x(t )d . Un filtre non causal
devra utiliser des valeurs futures de signaux dentree ce qui nest pas evident, ou soit ceci est
possible en travaillant en temps differe.
Dephasage des filtres
Soit h(t) la reponse implusionnelle dun filtre, son gain complexe est :
H() = T F [h(t)] = ReH() + jImH()=|H()| ej()
La relation sortie-entree du filtre secrit, en frequence, sous la forme : Xs () = |H()| ej() X(),
et le dephasage de la sortie par rapport a lentree est la phase ou largument () du filtre.
29
Remarque : Si () = 0 (gain reel), la reponse implusionnelle est paire.
Pour un filtre causal, on a : () 6= 0.
15 Filtres Analogiques
15.1 Filtres analogiques continus realisables
Les filtres realises et appliques sur des signaux a temps continu (non echantillonnes) sont
constitues par des composants electroniques (Resistances, Capacites et Self, Amplificateurs
Operationnels, niodes ...).
Le spectre S() du signal de sortie s(t) est le produit du spectre E() du signal de dentree
e(t) avec la fonction de transfert frequentielle du filtre H() :
S() = E() H()
30
15.3 Filtres a dephasage lineaire
Filtre a reponse non causal h1 (t) sans dephasage; h1 (t) est lineaire symetrique par rapport a
lorigine.
Supposons que h1 (t) est aussi a support borne[0 , 0 ], considerons alors le filtre dont la reponse
impulsionnelle serait deduite de h1 (t) par translation ; on a :
h(t) = h1 (t 0 ) et H() = H1 ()e2j0 .
Puisque h1 (t) est reel paire alors H1 () est aussi reel paire. Le dephasage de H() est alors
() = 20 (fonction lineaire de la frequence).
16 Filtres Numeriques
16.1 Definition
On appelle filtre numerique un systeme utilise pour modifier la distribution frequentielle dun
signal numerique dentree en le transformant en un signal numerique desire en sortie.
Avec le progres en informatique les filtres numeriques sont caracterises par leur : precision,
fiabilite, stabilite, adaptabilite et facilite de commande.
En fait, ce filtre relie la sortie y(kT e) = yk a lentree x(kT e) = xk a chaque instant kT e, Te
31
etant la periode dechantillonnage.
yk = F onction(xk , xk1 , ..., yk1 , yk2 , ...)
16.2.1 Transformee en Z
Definition
La transforme en Z peut etre considere comme une generalisation de la transformation de
Fourier a laquelle elle peut sidentifier dans des cas particuliers. La transformee en Z constitue
loutil privilegie pour letude des systemes discrets. Elle joue un role equivalent a celui de la
transformee de Laplace et permet de representer un signal possedant une infinite dechantillons
par un ensemble fini de nombres. Elle est definie pour un signal echantillonne x(n) par :
+
x(n)z n
P
X(z)=TZ[x(n)]=
n=
Lien avec la transformee de Fourier
Si on pose z= rej2 , on a :
+ +
X(z)=X(rej2 )= x(n)(rej2 )n = x(n)rn ej2n
P P
n= n=
+
x(n)ej2 n , qui est la definition de la transformee de
P
Pour |r| = 1, on a : X(z) = X()=
n=
Fourier discrete.
32
16.2.2 TZ et Plancherel
H(z) = T Z {h(n)}
X(z) = T Z {x(n)}
Y (z) = T Z {y(n)}
La relation entree-sortie va secrire alors :
Y (z) = H(z) X(z)
en prenant la TZ de la relation (11) on a:
M
bk z k
P
Y (z) 0 N (z)
H(z) = X(z)
= P = D(z)
1+ ak z k
P
1
Le gain complexe en Z dun filtre numerique est une fraction rationnelle en z (ou z 1 ).
Les zeros de N(z) sont les zeros du filtre, les zeros de D(z) sont les poles du filtre.
En appelant zoj les zeros et zpi les poles, on a :
M
(zz0j )
P M
H(z) = K z j=1
P , z P M est un retard pur, K est un facteur dechelle.
(zzpi )
i=1
Un filtre numerique est donc decrit a un retard et a un facteur dechelle pres, par la connaissance
de ses zeros et ses poles.
Les filtres a moyenne ajustee (MA) ou filtre a reponse impulsionnelle finie (RIF) ne possedent
que des zeros (et un pole multiple en z = 0). La relation dentree-sortie est :
PM
yn = bk x(n k).
k=0
Ces filtres realisent une moyenne (lissage) de M+1 entrees. Leur reponse implusionnelle est
telle que :
33
0 si n < 0
h(n) = bk si 0 n M ; dou la denomination de filtre a reponse impulsionnelle finie. Le
0si n > M
gain complexe en Z est :
M
bk z M k
P
M
N (z)
H(z) = bk z k =
P 0
zM
= zM
. Les zeros sont les M racines de N (z).
0
Les filtres autoregressifs (AR) ou les filtres a reponse impulsionnelle infinie (RII) ne possedent
que des poles, et un zero multiple en z = 0. La relation sortie-entree de ces filtres est :
PP
y(n) = ak y(n k) + x(n).
1
La sortie a linstant n est une combinaison lineaire des sorties precedentes (dou leur denomination
de filtres autoregressifs) a laquelle sajoute lentree a linstant n. Ce sont des filtres predicteurs.
Le gain complexe de ces filtres sexprime sous la forme :
zP zP
H(z) = P = D(z) .
zP + ak z P k
P
1
Les poles zpj sont les zeros de D(z).
La reponse impulsionnelle de ces filtres
( est une combinaison lineaire de termes de la forme :
n 0 n<0
hj (n) = u(n) zpj avec u(n) =
1 n>1
Cette reponse impulsionnelle est de duree infinie. On voit egalement que le filtre est stable si
le module de tous les poles est inferieur a lunite.
Le gain complexe en Z dun filtre numerique est une fraction rationnelle que lon peut decomposer
en element simples qui sont, comme pour les filtres analogiques : Les filtre du 1er ordre:
1
H1 (z) = 1az 1
Filtre AR1 :
y(n) ay(n 1) = x(n)
Cest un filtre passe-bas pour : 0 a < 1; sa reponse impulsionnelle est de la forme :
h(n) = u(n)an .
Il est donc equivalent a un filtre integrateur (filtre RC) de constante de temps R = TlnE a .
Cest un filtre passe-haut pour : 1 a 0.
Filtre du 2eme ordre :
1 z2
H2 (z) = 12z1 +2 z 2
= z2 2z+2
34
z1 = + 2 1 z2 = 2 1
Pour 0 < < 1, > 1, |z1 | < 1 et |z2 | < 1, filtre passe-bas du 2eme ordre.
Pour 1 < < 0, > 1, |z1 | < 1 et |z2 | < 1, filtre passe-haut du 2eme ordre.
Pour 0 < < 1 et || < 1, en posant = cos ,les poles sont : z1,2 = ej donnant un filtre
resonnant.
Ce sont des filtre AR2 definis par la relation dentree-sortie sous la forme :
y(n) = 2y(n 1) 2 y(n 2) + x(n)
16.5 Restitution
+
P
{xk } x(t) = xk (tkTe ) Interpolation lineaire-Restitution par bloqueur-Transformation
k=
H(p) ou H(z) en inverse. Blocage impulsionnel + integrateur dentree
FIN
35