Filtrage Tsmecs

SI240 - TsMecs
Traitement du signal : méthodes et études de cas
SI240 – TsMex
Filtrage
G. Richard
1
Plan
Introduction et définitions
Filtres numériques
Filtres à Réponse Impulsionnelle Finie (RIF ou FIR en anglais)
Filtres à Réponse Impulsionnelle Infinie(RII ou IIR en anglais)
Stabilité
Transformée en Z et Réponse en fréquence
Interprétation géométrique
Un exemple de filtre numérique

Synthèse des filtres RIF
Filtres à phase linéaire
Méthode de la fenêtre
Algorithme de Remez
SI240 - TsMecs – G. Richard – March 2008

Filtrage
Système linéaire invariant dans le temps
x(nT) y(nT)
R[]
Entrée =Excitation
Sortie
Filtre est caractérisé par sa réponse impulsionnelle

et sa fonction de transfert
Y(nT) = R[x(nT)] où T est la période d’échantillonnage.
En choisissant T=1, on a: Y(n) = R[x(n)]

Filtrage: définitions
Linéarité:
Invariant dans le temps
Causalité
Pour tout vérifiant

Filtrage: convolution
La convolution permet de caractériser la transformation

entrée/sortie réalisée par un filtre linéaire invariant.
La réponse impulsionnelle est aussi la réponse à

l’échantillon unité à n=0:

Filtrage: convolution
Filtre à Réponse Impulsionnelle Finie (RIF ou FIR en

anglais)
Filtre à Réponse Impulsionnelle Infinie (RII ou IIR en

anglais)

Filtrage
Equation récurrente entrée/sortie
Filtres récursifs causaux (RII)
Filtres non-récursifs causaux (RIF)

Filtrage: Stabilité
Un système stable est un système qui à toute

entrée bornée retourne une sortie bornée
Les filtres RIF sont-ils toujours stables ?

Les filtres RII sont-ils toujours stables ?

Filtrage: transformée en Z
La transformée en Z de X(z) d’une séquence x(n) est

donnée par:
Fonction de transfert du filtre:

Filtrage: transformée en Z (2)
Fonction de transfert H(Z) :
sont les zéros de H(z)

sont les pôles de H(z)
Filtres: Condition de stabilité
Le filtre est stable s’il n’y a aucun pôle sur le cercle unité
Si le système est causal, alors le domaine de convergence
est l’extérieur d’un cercle passant par le pôle de plus grand
module de H(Z).
Ainsi, un filtre causal et stable a tous ses pôles à l’intérieur
du cercle unité.
Im(z)
Re(z)
Région de stabilité

Filtrage: Réponse en fréquence
Réponse en fréquence:
Module Phase



Filtrage
Filtre du second ordre

Filtre du second ordre
Représentation dans le
plan Z Gain en fréquence

Filtrage
Autre exemple

Filtrage
Filtre de préaccentuation
Im(z)
z1
Re(z)

Synthèse de filtres FIR
Réalisée en 4 étapes
1. Spécification des propriétés du filtre (utilisation d’un
gabarit)
Bande Passante
Raideur de coupure:
Rc=(f1+f2) / (f2 - f1)
Taux d’ondulation
Bande de transition Bande atténuée

Gabarit d’un filtre passe-bande

Réalisée en 4 étapes(2)
2. Spécification d’une structure et quantification

des coefficients du filtre
3. Spécification des variables du filtre (ordre,
valeurs mémoires intermédiaires,…)
4. Vérification par simulation que le filtre vérifie
les propriétés désirées (gabarit).
Ce cours ne traitera pas les étapes 2 et 3

Filtres FIR
Intérêts
Toujours stables
Possibilité d’obtenir des filtres à phase linéaire
• Dans ce cas, sa réponse en fréquence s’écrit:
Désavantages
Réponse impulsionnelle peut être très longue (en
fonction du gabarit choisi).

Soit hn la réponse impulsionnelle d’un filtre FIR,

alors:
indique un saut de phase de

Si les coefficients hn sont réels, alors nous avons

la symétrie hermitienne:
Pour un filtre à phase linéaire, nous avons:

Cas 1:
Si l’on identifie les parties réelles et imaginaires, on

obtient:

Cas 1.1:
Dans ce cas, le filtre correspond à un simple gain:

(hn = 0 for )
Cas 1.2:
Dans ce cas, on peut réécrire l’équation sous la forme:
• ou encore
Si une solution existe, elle est unique.

On peut vérifier qu’une solution est donnée par:
Conséquences:
Pour un N donné correspond une valeur de
Suivant la valeur de ,des symétries
spécifiques sont déduites.

Pour N impair, est entier
Pour N pair, n’est pas entier

Définitions:
Temps de propagation de groupe
Retard de phase

Cas 2:
En suivant les mêmes étapes que pour le cas 1,

on obtient:

Si N est impair
Pour N pair

Filtres à phase linéaire : réponse en fréquence
En résumé, il y a quatre types de filtres RIF à phase linéaire:

Type 1: réponse impulsionnelle symétrique, N impair
(TD)
Type 2: réponse impulsionnelle symétrique, N pair
Type 3: réponse impulsionnelle antisymétrique, N impair
Type 4: réponse impulsionnelle antisymétrique, N pair

Expression compacte pour les filtres à phase
linéaire
Pour chaque type, il est possible d’exprimer le gain en
fréquence sous la forme d’un produit de 2 termes:

Filtres à phase linéaire: en résumé
Type I Passe-bas
N impair - Passe-Haut
symétrique Passe-Bande
Type II Passe-bas,
N pair H(-1) = 0 Passe-bande
symétrique
Type III Différentiateur,

N impair H(1)= Transformateur de
anti-sym. H(-1) = 0 Hilbert,
Passe-bande
Type IV Différentiateur,
N pair H(1) = 0 Transformateur de
anti-sym. Hilbert,
Passe Haut

Position des zéros
On a alors
si est zéro de H(z) alors est aussi zéro

de H(z)

Position des zéros (2)

Comme hn sont des coefficients réels, H(z) possède la
symétrie hermitienne et donc zi* et (zi-1)* sont aussi zéros
de H(z)
La forme élémentaire de H(z) est donné par:
Im(z)
Re(z)

Position des zéros (3)

Zéros sur le cercle unité:
Im(z)
Re(z)
Zéros réels:
Im(z)
Re(z)
Zéro réel sur le cercle unité

Im(z)
Re(z)
Synthèse de filtres: méthode de la fenêtre
La réponse en fréquence d’un filtre numérique

est périodique de période 1 et est donc
développable en série de Fourier:
Avec

Supposons un gabarit idéal
-fc fc f

On obtient ainsi une réponse impulsionnelle infinie, et il

est donc nécessaire de la tronquer pour obtenir un RIF
La réponse étant symétrique, il est nécessaire de la

décaler pour obtenir un filtre causal

Effet de la troncature
C’est le phénomène de Gibbs

Phénomène de Gibbs











Effet de la troncature
(haut) réponse impulsionnelle (bas) réponse en fréquence pour une

troncature du filtre idéal à N=19, 21, 23, 25 coefficients
Effet de la troncature: fenêtre de Hamming
La réduction des ondulations

s’accompagne d’un
adoucissement de la pente

Fenêtre rectangulaire
• Largeur : 2/N, 2ème lobe : -13 dB,

décroissance : -6 dB / octave

Fenêtre de Hamming


Fenêtre de Blackman


Effet de la troncature: autres fenêtres

Méthode de la fenêtre
Avantage:
Simplicité
Inconvénients:
Design sous-optimal
Un ordre de filtre élevé est nécessaire pour
satisfaire au gabarit
Un ordre élevé implique une complexité accrue
le niveau d’ondulation est le même en bande
coupée et passante

Optimisation de la méthode de la fenêtre
Fenêtre de Kaiser
dépend d’un paramètre β qui ajuste δ2 en bande
atténuée
on joue ensuite sur la longueur du filtre pour la bande
de transition
longueur N =2M+1, I0 : fonction de Bessel modifiée
de 1ere espèce
Où la fonction de Bessel peut être approximée par:

Optimisation de la méthode de la fenêtre
Intérêt de la fenêtre de Kaiser:

On peut varier le taux d’ondulation de façon continue
(entre celui de la fenêtre de Blackman et de la fenêtre rectangulaire)
Existence d’une méthode empirique pour déterminer

l’ordre du filtre et la valeur de α pour un gabarit donné
Spectre pour différentes valeurs de α

Méthode aux valeurs propres
(séquences sphéroïdales aplaties)
Formulation du problème
Soit:
On souhaite minimisée ρS (qui correspond à l’énergie

dans la bande coupée) sous la contrainte
Or on a (Parseval)
Donc probleme equivalent: maximisation de

Ecriture matricielle
• On a
• On obtient donc:
Avec
où
• La matrice
est hermitienne; sa partie imaginaire est antisymétrique.

Donc

On peut réécrire
Où les termes de P sont:
Problème initial :”Trouver la séquence v(n) d’énergie

minimum dans la bande
Transformé en :”Recherche d’un vecteur v de norme unité

qui maximise ρ”
Solution: v est le vecteur propre associé à la plus grande

valeur propre de P (qui est réelle symétrique)

En résumé:
Algorithme de calcul
• 1. calcul de R
• 2. décomposition aux valeurs propres
• 3. h = vecteur propre unitaire associé à la plus grande
valeur propre

Exemple
0 .3 5
0 .3
50 0 .2 5
0 .2
Magnitude (dB)
h(n)
0 0 .1 5
0 .1
-50 0 .0 5
0
0 10 20 30 40
n
-100
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 clear all
Frequency (Hz) nu0 = 0.05; % freq de coupure
100 N = 33 ; % longueur du filtre
n = 0:N-1;
0
Phase (degrees)
-100 L1 = sincard(2*pi*nu0*n)
-200
R = nu0*toeplitz(L1);
[V,lambda]=eig(R,'nobalance');
-300 lambda = diag(lambda);
-400 ind = find(lambda==max(lambda));
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Frequency (Hz)
h = V(:,ind);

Exercice: Application à la synthèse directe de filtres à
phase linéaire
Soit le filtre de type I
1. Exprimez en fonction de a et c(ω)
2. Exprimez l’énergie dans la bande atténué Es en

fonction d’une matrice P dont on déterminera les
coefficients
3. Soit la réponse en amplitude à la

fréquence nulle,
• écrire l’erreur en bande passante à toute fréquence.
• En déduire l’expression d’une erreur quadratique moyenne en
bande passante
• Ramener le problème sous la forme
• Comment obtenez vous le filtre h ?
Méthode itérative (de type Remez)
Avantages
Design est optimal
Méthode très flexible
Les ondulations sont d’amplitude constante
Ordre de filtre minimum pour un gabarit donné
Désavantages
La synthèse est coûteuse en temps calcul
Pas approprié pour les applications demandant
la synthèse d’un filtre en temps réel.

Méthode itérative
Méthode réalisant la synthèse d’un filtre comme un

problème d’optimisation pondérée au sens de Chebyshev
La fonction de pondération est donnée par:
est la réponse en fréquence que l’on souhaite

Méthode itérative
Ainsi, on peut exprimer l’erreur d’approximation

sous la forme:
Comme est fixé, on a:
Qui est valable partout sauf où Q s’annule.

Méthode itérative
On peut ainsi écrire
Avec
La minimisation au sens de Chebyshev s’exprime sous

la forme:

Théorème d’alternance
La résolution s’effectue à l’aide du théorème d’alternance:

Soit P une combinaison linéaire de M fonctions sinusoïdales:
Condition nécessaire et suffisante: est l’unique et meilleure

approximation au sens de Chebyshev de si l’erreur
possède au moins M+1 extrema sur
Ou encore: il existe M+1 pulsations telles que:

Algorithme de Remez
Consiste à chercher les pulsations de la meilleure

approximation
1. On se donne un ensemble de M+1 pulsations (choisies a priori)

2. Soit l’erreur (ou ondulation) tolérée. On pose:
Avec
Ou encore
Algorithme de Remez
La solution peut s’obtenir par inversion matricielle (complexe!)

Algorithme de Remez (détails + démo)
1. Initialisation d’un ensemble de pulsations « extremas »
2. Résoudre le système d’équations pour obtenir δ et p0,..pM
3. Calculer Ρ(ω) et le module de l’erreur :
4. Localisation des nouvelles pulsations où est maximal et notamment où
5. Calcul du paramètre de convergence
6. Réjection des extrêma superflus

7. Si Q > ε où ε est un paramètre de tolérance (par ex. ε=0.01), itérer à partir de 2. ;
sinon continuer en 8.
8. Calculer Ρ(ω) en utilisant le dernier ensemble de pulsations et en déduire h(n) la
réponse impulsionnelle du filtre désiré

Algorithme de Remez (Autre approche)
Une approche plus efficace consiste à déduire δ

analytiquement:
Avec

Algorithme de Remez (Autre approche)
Puis, à l’aide de la formule d’interpolation de Lagrange,

on obtient sur les M points
Avec

Méthode de Remez (démo)



Méthode de Remez

Filtrage Tsmecs

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Filtrage Tsmecs

Transféré par

Droits d'auteur :

Formats disponibles

SI240 - TsMecs

Traitement du signal : méthodes et études de cas

SI240 - TsMecs – G. Richard – March 2008

Système linéaire invariant dans le temps

Filtre est caractérisé par sa réponse impulsionnelle

Y(nT) = R[x(nT)] où T est la période d’échantillonnage.

En choisissant T=1, on a: Y(n) = R[x(n)]

SI240 - TsMecs – G. Richard – March 2008

Invariant dans le temps

Pour tout vérifiant

SI240 - TsMecs – G. Richard – March 2008

La convolution permet de caractériser la transformation

La réponse impulsionnelle est aussi la réponse à

SI240 - TsMecs – G. Richard – March 2008

Filtre à Réponse Impulsionnelle Finie (RIF ou FIR en

Filtre à Réponse Impulsionnelle Infinie (RII ou IIR en

SI240 - TsMecs – G. Richard – March 2008

Equation récurrente entrée/sortie

Filtres récursifs causaux (RII)

Filtres non-récursifs causaux (RIF)

SI240 - TsMecs – G. Richard – March 2008

Un système stable est un système qui à toute

Les filtres RIF sont-ils toujours stables ?

SI240 - TsMecs – G. Richard – March 2008

La transformée en Z de X(z) d’une séquence x(n) est

Fonction de transfert du filtre:

SI240 - TsMecs – G. Richard – March 2008

Fonction de transfert H(Z) :

sont les zéros de H(z)

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

Filtre du second ordre

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

Bande de transition Bande atténuée

Gabarit d’un filtre passe-bande

SI240 - TsMecs – G. Richard – March 2008

2. Spécification d’une structure et quantification

Ce cours ne traitera pas les étapes 2 et 3

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

Soit hn la réponse impulsionnelle d’un filtre FIR,

indique un saut de phase de

SI240 - TsMecs – G. Richard – March 2008

Si les coefficients hn sont réels, alors nous avons

Pour un filtre à phase linéaire, nous avons:

SI240 - TsMecs – G. Richard – March 2008

Si l’on identifie les parties réelles et imaginaires, on

Dans ce cas, le filtre correspond à un simple gain:

Dans ce cas, on peut réécrire l’équation sous la forme:

Si une solution existe, elle est unique.

SI240 - TsMecs – G. Richard – March 2008

Pour N impair, est entier

Pour N pair, n’est pas entier

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008

En suivant les mêmes étapes que pour le cas 1,

SI240 - TsMecs – G. Richard – March 2008

SI240 - TsMecs – G. Richard – March 2008