Cours Tds Fip1a PDF

Traitement du Signal
(2008-2009) - FIP 1A
Christophe DOIGNON
Maı̂tre de Conférences HdR
Université Louis Pasteur de Strasbourg

Bureau C418 - ENSPS, Pôle API
Boulevard Brant, 67412 Illkirch, France
03 90 24 43 41
courriel : christophe.doignon@ensps.u-strasbg.fr
ULP
(a) (b)
Figure 1 – (a) Tour de Chappe. (b) Claude Chappe.
La tour de Chappe (a) est le premier réseau de télécommunications au monde. La

station de Saverne, reconstruite en 1968, faisait partie de la ligne télégraphique
qui reliait Paris à Strasbourg à partir du 31 mai 1798. Claude Chappe (Fig. 1-b),
né le 25 décembre 1763 à Brûlon en France et mort le 23 janvier 1805 à Paris,
fut un inventeur qui démontra la communication pratique par sémaphore. Il fut
le premier entrepreneur des télécommunications dans l’histoire de l’humanité.
Avec son frère Ignace, il détermina par expérimentation que les angles d’une
perche étaient plus faciles à voir que la présence ou l’absence de panneaux. Le
sémaphore était constitué de deux bras connectés par une traverse (Fig. 1-a).
Chaque bras avait sept positions et la traverse quatre soit un code total de 196
positions. Les bras avaient de un à quatre mètres de long, noirs, avec des contre-
poids déplacés par deux poignées. Des lampes montées sur les bras ne furent
pas d’une utilisation nocturne satisfaisante. Les tours de relais étaient placées
de 12 à 25 km entre elles. Chaque tour avait deux téléscopes pointant de chaque
côté de la ligne. En 1791, les premiers messages furent envoyés avec succès entre
Paris et Lille par l’intermédiaire de quinze stations. Le 1er septembre 1794, la
ligne de sémaphore informa les Parisiens de la victoire de Condé-sur-l’Escaut
sur les Autrichiens moins d’une heure après l’évènement.
Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 3

ULP

Table des matières
Bibliographie 7
1 Introduction 9
2 Représentation des Signaux Déterministes 15

2.1 Signaux particuliers . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.1 Fonction signe . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2 Fonction échelon (unité) . . . . . . . . . . . . . . . . . . . 16
2.1.3 Fonction rectangle . . . . . . . . . . . . . . . . . . . . . . 17
2.1.4 Fonction triangle . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.5 Fonction sinus cardinal . . . . . . . . . . . . . . . . . . . 18
2.1.6 Impulsion unité (distribution de Dirac) . . . . . . . . . . 18
2.1.7 Fonction ”peigne de Dirac” (fonction d’échantillonnage) . 20
2.2 Energie et Puissance . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.1 Analogie électrique . . . . . . . . . . . . . . . . . . . . . . 21
2.2.2 Energie d’un signal . . . . . . . . . . . . . . . . . . . . . . 21
2.2.3 Puissance moyenne d’un signal . . . . . . . . . . . . . . . 21
2.3 Classification des signaux . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Signaux à énergie finie . . . . . . . . . . . . . . . . . . . . 22
2.3.2 Signaux à puissance moyenne finie . . . . . . . . . . . . . 22
2.3.3 Causalité . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.4 Parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Transformations fréquentielles . . . . . . . . . . . . . . . . . . . . 27
2.5.1 Transformée de Fourier . . . . . . . . . . . . . . . . . . . 27
2.5.2 Théorème de Plancherel . . . . . . . . . . . . . . . . . . . 29
2.5.3 Transformée de Laplace . . . . . . . . . . . . . . . . . . . 29
2.6 Série de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7 Corrélation et densités spectrales . . . . . . . . . . . . . . . . . . 32
2.7.1 Signaux à énergie finie . . . . . . . . . . . . . . . . . . . . 32
2.7.2 Signaux à puissance moyenne finie . . . . . . . . . . . . . 32
2.7.3 Densités spectrales . . . . . . . . . . . . . . . . . . . . . . 33
2.7.4 Théorème de Parseval . . . . . . . . . . . . . . . . . . . . 33
2.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5
ULP TABLE DES MATIÈRES
3 Filtrage analogique 37
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1.1 Filtres stables physiquement réalisables . . . . . . . . . . 39
3.1.2 Fréquence de coupure et bande passante . . . . . . . . . . 40
3.1.3 Transformations de fréquences . . . . . . . . . . . . . . . 40
3.2 Synthèse des filtres analogiques . . . . . . . . . . . . . . . . . . . 41
3.2.1 Les filtres idéaux . . . . . . . . . . . . . . . . . . . . . . . 41
3.2.2 Les filtres réalisables classiques . . . . . . . . . . . . . . . 44
3.2.3 Gabarits normalisés . . . . . . . . . . . . . . . . . . . . . 46
3.2.4 Méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2.5 Filtres polynômiaux . . . . . . . . . . . . . . . . . . . . . 47
3.2.6 Filtres elliptiques . . . . . . . . . . . . . . . . . . . . . . . 57
3.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4 Modulation, démodulation 63
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 Modulation d’amplitude (AM) . . . . . . . . . . . . . . . . . . . 65
4.2.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2.2 Spectre du signal modulé . . . . . . . . . . . . . . . . . . 66
4.2.3 Puissance moyenne transmise . . . . . . . . . . . . . . . . 67
4.2.4 Démodulation AM . . . . . . . . . . . . . . . . . . . . . . 67
4.2.5 Modulation sans porteuse . . . . . . . . . . . . . . . . . . 68
4.2.6 Modulation à bande latérale unique (BLU) . . . . . . . . 69
4.3 Modulation de fréquence . . . . . . . . . . . . . . . . . . . . . . . 70
4.3.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.3.2 Spectre du signal modulé . . . . . . . . . . . . . . . . . . 71
4.3.3 Modulateurs FM . . . . . . . . . . . . . . . . . . . . . . . 75
4.3.4 Démodulateurs FM . . . . . . . . . . . . . . . . . . . . . . 75
4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

Bibliographie
[1] B. Picinbono, Théorie des signaux et des systèmes, 1989, 260 pages, Dunod
Université. ISBN 2-04-018837-1.
[2] F. de Coulon, Théorie et traitement des signaux, Dunod, Paris, 1985.
[3] J. Max et J.-L. Lacoume, Méthodes et techniques de traitement du signal et

application aux mesures physiques, Masson, Paris, 1996.
[4] J.-P. Delmas, Eléments de théorie du signal : les signaux déterministes, El-
lipses, Paris, 1991.
[5] M. Labarrère, J.-P. Krief et B. Gimonet, Le filtrage analogique, Cépaduès

éditions, Toulouse, 1982.
[6] P. Duvaut, Traitement du signal : concepts et applications, Hermès, Paris,

1991.
[7] J. Wade, Codage et traitement du signal, Masson, Paris, 1991.
[8] S. Wilson, Digital modulation and coding, Prentice-Hall, Upper Saddle River,
1996.
[9] M. Kunt, Traitement numériques des signaux, Dunod, Paris, 1991.
[10] M. Bellanger, Traitement numériques des signaux, Masson, Paris, 1991.
[11] R. Boite et H. Leich, Les filtres numériques, Masson, Paris, 1990.
[12] T. Parks et C. Burros, Digital filter Design, John Wiley & Sons, 1987.
[13] K. Castleman, Digital Image Processing, Prentice Hall, 1996.
[14] A. Bovik, Handbook of Image and Video Processing, Academic Press, 2000.
7
ULP TABLE DES MATIÈRES

Chapitre 1
Introduction
Joseph Fourier (21 mars 1768 à Auxerre - 16 mai 1830 à Paris) est un
mathématicien et physicien français connu pour ses travaux sur la décomposition
de fonctions périodiques en séries trigonométriques convergentes appelées séries
de Fourier. Il a été instruit par les Bénédictins à l’école militaire d’Auxerre.
Il était destiné à l’état monastique, mais il préféra s’adonner aux sciences. Il
a participé à la révolution française, manquant de peu de se faire guillotiner
durant la Terreur, il a été sauvé de justesse par la chute de Robespierre. Il
intègre l’Ecole Normale Supérieure, où il aura comme professeur entre autres
Joseph-Louis Lagrange. Fourier est connu pour sa théorie analytique de la cha-
leur (1822). C’est à Grenoble qu’il conduit ses expériences sur la propagation
de la chaleur qui lui permettront de modéliser l’évolution de la température
au travers de séries trigonométriques. Ces travaux qui apportent une grande
amélioration à la modélisation mathématique de phénomènes ont contribué aux
fondements de la thermodynamique.
9
ULP CHAPITRE 1. INTRODUCTION
L e Traitement du Signal (TdS) est une discipline indispensable que tout

ingénieur doit connaı̂tre. L’amélioration des performances des systèmes au cours
des trente dernières années est due, pour une grande part, à l’application des
techniques de traitement du signal. C’est le cas notamment en imagerie médicale,
en téléphonie et télécommunication. Un système d’imagerie échographique par
ultra-sons, l’IRM ou encore les RADAR actuels sont des inventions dont les
performances (en termes de précision et de rapidité) sont sans commune mesure
avec les premiers prototypes apparus. Les structures matérielles sont sensible-
ment les mêmes, mais les techniques de traitement de signal faisant appel à des
traitements numériques sophistiqués ont été intégrées pour permettre d’extraire
de l’écho sonore ou de l’image reconstituée une quantité plus grande d’informa-
tions. Les implications en ce qui concerne un diagnostic médical, la surveillance
d’une zone aérienne ou sous-marine ou encore la localisation de pannes sont
immédiates. L’objectif du traitement du signal apparaı̂t alors comme un ou-
til mathématique employé pour extraire un maximum d’informations utiles sur
un signal perturbé par du bruit. Les signaux utiles sont souvent perturbés par
des signaux parasites (le bruit) qui les masquent parfois complètement. Pour
atténuer, sinon supprimer, ce bruit il faut en connaı̂tre les caractéristiques ainsi
que celles du signal utile. C’est pourquoi le traitement du signal est une disci-
pline très mathématique. Les techniques utilisées peuvent être appliquées à un
signal analogique (continu) mais compte tenu de leur complexité, un traitement
numérique s’impose presque toujours. Il est rendu possible grâce à la puissance
des circuits de calculs et des ordinateurs modernes.
En ce qui concerne ce cours, nous allons tout d’abord fournir quelques

définitions. Dans une première partie (Chapitre 2) nous verrons comment est
décrit un signal à temps continu et quels sont les paramètres qui le définissent.
Nous étudierons ensuite le comportement d’un signal appliqué à l’entrée d’un
système linéaire et comment on peut modifier ce comportement par filtrage
linéaire (Chapitre 3) ou par l’emploi de la modulation (Chapitre 4). Le traite-
ment numérique du signal sera abordé en deuxième année.
Signal : Support de l’information transmise de sa source à sa destimation. En

fonction de la nature du support, on parle par exemple de :
– signal électrique (téléphonie),

– onde électromagnétique (télécommunication),
– onde acoustique (sonar),
– onde lumineuse (fibre optique),
– signal binaire (ordinateur).
On parle également de signal de mesure, de commande, de signaux vidéo, audio,

etc...en fonction de la nature de l’information transmise.
Théorie du signal : C’est la description mathématique des signaux quelle que

soit leur nature et quel que soit le support physique. L’objectif est d’établir une
représentation d’un signal en fonction du temps ou de l’espace contenant une
information à stocker, à transformer, à transmettre ou à recevoir. La théorie du

signal ne préjuge pas de la nature physique du signal.
Bruit : Toute perturbation superposée à un signal et génant la perception de

ce signal.
Traitement du signal : A l’aide d’une formulation mathématique adéquate,

le traitement du signal à pour principales fonctions de (voir Fig. 1.1) :
– Filtrer : éliminer d’un signal des composantes indésirables,
– Détecter : Extraire une composante utile d’un signal et/ou du bruit de

fond qui lui est superposé,
– Analyser : Isoler les composantes et les caractéristiques essentielles d’un

signal pour mieux en comprendre la nature,
– Mesurer : Estimer la valeur d’une grandeur caractéristique associée au

signal.
– Régénérer Redonner à un signal qui a été distordu sa forme initiale.
– Identifier : Classer un signal observé.
– Synthétiser : Créer un signal de forme appropriée.
– Moduler : Modifier les caractéristiques d’un signal pour l’adapter à une

voie de transmission ou un support d’enregistrement.
– Codage : Traduire le signal en langage numérique, réduire les redondances

d’informations et lutter contre l’influence du bruit.
Domaine d’application
– Télécommunications,
– Téléphonie,
– Radar,
– Sonar,
– Traitement d’images,
– Astronomie,
– Géophysique,
– Automatique,
– ....

Dans les télécommunications, que ce soit dans le domaine de la téléphonie ou

dans le transfert de données numériques terrestres ou via des satellites, la com-
pression des données est primordiale pour exploiter au mieux la bande passante
disponible, et minimiser les pertes. La suppression d’échos est un autre domaine
d’application.
Dans le domaine très spécifique des signaux audio, on cherche à améliorer les
techniques d’enregistrement et de compression pour obtenir la plus grande qua-
lité sonore possible. Les techniques de correction d’écho permettent de réduire
les effets de réflexions acoustiques dans la pièce. Le traitement du son s’est lar-
gement amélioré grâce aux ordinateurs. La synthèse sonore permet en outre de
créer des sons artificiels ou de recréer les sons d’instruments naturels. Elle a été
à l’origine de nombreux bouleversements en musique.
L’analyse des échos permet d’obtenir des informations sur le milieu sur lequel
les ondes se sont réfléchies. Cette technique est exploitée dans le domaine de
l’imagerie radar ou sonar. En géophysique, en analysant les réflexions d’ondes
acoustiques, on peut déterminer l’épaisseur et la nature des strates du sous-sol.
Cette technique est utilisée dans le domaine de la prospection minière et dans
la prédiction des tremblements de terre.
En imagerie, on trouve des applications dans le domaine médical (reconstruc-

tion tomographique, imagerie par résonance magnétique - IRM), dans le spatial
(traitement de photos satellites ou d’images radar). Ce domaine inclut aussi les
techniques de reconnaissance de formes et de compressions.
Le traitement de séquences vidéo concerne la compression, la restauration,

la réalisation d’effets spéciaux, l’extraction de descripteurs (reconnaissance de
formes et textures, suivi de mouvements, caractérisation, etc...) afin de pro-
duire des annotations automatiques dans une perspective de bases de données
(recherche par le contenu).
Information
Système utile +
Capteur Canal de Récepteur Traitement
physique transmission
bruit
Bruit Bruit Bruit résiduel
Figure 1.1 – Synoptique d’une chaı̂ne classique de traitements d’un signal.



Chapitre 2
Représentation des Signaux

Déterministes
Heinrich Rudolf Hertz (22 février 1857 - 1er janvier 1894), était un ingénieur
et physicien allemand. Hertz mit en évidence en 1888 l’existence des ondes
électromagnétiques imaginées par James Maxwell en 1873. Il a découvert la
photoélectricité et il donné son nom aux ondes radio dites ondes hertziennes
ainsi qu’à l’unité de mesure des fréquences.
15
ULP CHAPITRE 2. REPRÉSENTATION DES SIGNAUX DÉTERMINISTES
L es signaux déterministes renferment une information dont l’évolution en

fonction du temps peut être parfaitement prédite par un modèle mathématique
(au contraire des signaux aléatoires/stochastiques).
2.1 Signaux particuliers

Nous présentons dans cette section quelques fonctions mathématiques ainsi
que leurs propriétés, supports de signaux élémentaires et utilisées tout au long
du cours de traitement du signal.
2.1.1 Fonction signe


 −1 si t < 0
sgn(t) = a si t = 0 (2.1)

1 si t > 0
avec a quelconque (par convention a = 0). On a alors :
t
sgn(t) = ∀ t 6= 0 . (2.2)
|t|
sgn(t)
0
t
−1
2.1.2 Fonction échelon (unité)


 1 si t > 0
Γ(t) = 0 si t < 0 (2.3)

a si t = 0
avec a quelconque (par convention a = 1/2). On a alors :
1 1
Γ(t) = + sgn(t) . (2.4)
2 2
Γ( t)
0
t

2.1.3 Fonction rectangle


 0 si |t| > 1/2
rect(t) = 1 si |t| < 1/2 (2.5)

a si |t| = 1/2
avec a quelconque (par convention a = 1/2). On a alors :
rect(t) = Γ(t + 1/2) − Γ(t − 1/2) (2.6)
rect(t)
1
0
−1/2 1/2 t
Propriété : la fonction rect(t) est normalisée, car la surface (sous la courbe)

est unitaire.
Question 1 : Tracer la fonction (porte) A rect( t−τ

T ) .
R +∞
Question 2 : Calculer −∞
rect(t) dt .
2.1.4 Fonction triangle

1 − |t| si |t| ≤ 1
tri(t) = (2.7)
0 si |t| > 1
tri(t)
0
−1 1 t
R +∞
La fonction triangle est elle aussi normalisée : −∞
tri(t) dt = 1 .

2.1.5 Fonction sinus cardinal
sin(π t)
sinc(t) = (2.8)
πt
1 1
0.8
0.8
0.6
0.6
0.4
0.2
0.4
0
0.2
−0.2
−0.4 0
−4 −2 0 2 4 −4 −2 0 2 4
(a) (b)
Figure 2.1 – (a) fonction sinc(t). (b) fonction sinc(t)2 .

R +∞
La fonction sinus cardinal est elle aussi normalisée : −∞
sinc(t) dt = 1 .
R +∞
D’autre part, on a : −∞ sinc2 (t) dt = 1.
2.1.6 Impulsion unité (distribution de Dirac)

Mathématiquement, c’est une fonction (distribution) définie par
Z +∞
f (t) δ(t) dt = f (0) , (2.9)
−∞
quelle que soit la fonction f (t).
δ( t )
0
t
La fonction de Dirac est normalisée :

Z +∞
δ(t) dt = 1 . (2.10)
−∞
D’autre part, on a :
Z t
0 si t < 0
δ(τ ) dτ = = Γ(t) (2.11)
−∞ 1 si t > 0
On dit que Γ(t) est la primitive de δ(t) ou bien que δ(t) est la dérivée de Γ(t)
(au sens des distributions). L’impulsion de Dirac est un signal non réalisable.
Physiquement, on a coutume de modéliser une impulsion de Dirac par un signal

rectangle (porte) dont la largeur tend vers 0 et l’amplitude tend vers l’infini.
Impulsion dédiée A δ(t − T ) :
A δ (t−T)
A
0
t
L’impulsion de Dirac est égale à la limite de nombreuses familles de fonctions,

ainsi :
limT →+∞ T1 rect( Tt )
1
δ(t) = limT →+∞ T tri( Tt ) (2.12)
1
limT →+∞ T sinc( Tt )
Proprétés de la fonction de Dirac
1. δ(t) = 0 si t 6= 0,
2. f (t) δ(t) = f (0) δ(t) et f (t) δ(t − T ) = f (T ) δ(t − T ),
1
3. δ(k t) = |k| δ(t) .
Réponse impulsionnelle
La réponse impulsionnelle est simplement définie comme étant la réponse d’un

système physique dont l’entrée est une impulsion de Dirac. Elle permet de ca-
ractériser les systèmes linéaires dans le domaine temporel.

2.1.7 Fonction ”peigne de Dirac” (fonction d’échantillonnage)

La fonction δT (t) est définie par :
k=+∞
X
δT (t) = δ(t − kT ). (2.13)
k=−∞
Cette fonction est appelée ”fonction d’échantillonnage” car selon la propriété 2

(voir ci-dessus) on a, pour tout signal f (t) :
k=+∞
X
f (t) δT (t) = f (kT ) δ(t − kT ). (2.14)
k=−∞
δ ( t) f(t) δ ( t )
T
T
f(3T)
1 f(−3T) f(−2T) f(−T)
1 f(2T)
f(T)
0 t 0 t
−3T −2T −T T 2T 3T −3T −2T −T T 2T 3T
(a) (b)
Cela revient à ne retenir que les valeurs de la fonction continue f (t) aux instants
d’échantillonnage, à savoir aux instants t = T , 2T , 3T ...

2.2 Energie et Puissance

2.2.1 Analogie électrique
i(t)
R=1 v(t)
Puissance instantanée : p(t) = v(t) i(t) = v(t)2 si R = 1 Ohm. Ainsi, l’énergie

dissipée par un courant pendant un intervalle [t1 , t2 ] est définie par :
Z t2
W(t1 , t2 ) = p(t) dt . (2.15)
t1
W(t1 ,t2 )
La puissance moyenne pendant ce même intervalle est P(t1 , t2 ) = t2 −t1 .
2.2.2 Energie d’un signal

Soit x(t) un signal quelconque (fonction complexe),
– L’énergie sur [t1 , t2 ] est définie par :

Z t2
Wx (t1 , t2 ) = |x(t)|2 dt . (2.16)
t1
– L’énergie totale est définie par :

Z +∞
Wx = |x(t)|2 dt . (2.17)
−∞
où la notation |x(t)|2 signifie x(t) x? (t) .
2.2.3 Puissance moyenne d’un signal

Soit x(t) un signal quelconque (fonction complexe),
– La puissance moyenne sur [t1 , t2 ] est définie par :

Z t2
1
Px (t1 , t2 ) = |x(t)|2 dt . (2.18)
t2 − t1 t1
– La puissance moyenne totale est définie par :

Z +T /2
1
Px = lim |x(t)|2 dt . (2.19)
T →+∞ T −T /2

Cas particulier des signaux périodiques de période T0

k=+∞
X
x(t) = xp (t − kT0 ) , (2.20)
k=−∞
où xp (t) est le signal sur une période T0 , alors la puissance moyenne sur une
période est égale à :
Z +T0 /2 Z +∞
1 2 1
Px = |x(t)| dt = |xp (t)|2 dt . (2.21)
T0 −T0 /2 T0 −∞
2.3 Classification des signaux

2.3.1 Signaux à énergie finie
Un signal x(t) est dit à énergie finie s’il est de carré sommable, c’est-à-dire si
Z +∞
Wx = |x(t)|2 dt < ∞. (2.22)
−∞
Ce qui implique que Px = 0 .
2.3.2 Signaux à puissance moyenne finie

Un signal x(t) est dit à puissance moyenne finie si
Z +T /2
1
Px = limT →+∞ |x(t)|2 dt < ∞. (2.23)
T −T /2
Cas des signaux périodiques de période T :

Z t0 +T /2
1
Px = |x(t)|2 dt < ∞ . (2.24)
T t0 −T /2
Si Px 6= 0, alors Wx = ∞ (signal à énergie totale infinie).
Exemple : Calculer la puissance moyenne du signal réel et sinusoı̈dal représenté

par la fonction x(t) = A cos(ωt + φ).
Z π/ω
ω A2
Px = A2 cos2 (ωt + φ) dt = .
2π −π/ω 2

2.3.3 Causalité
Un signal x(t) est dit causal ssi x(t) = 0 , ∀ t < 0 .
Un signal x(t) est dit anti-causal ssi x(t) = 0 , ∀ t > 0 .
x(t)
0
t
signal complet
0
t
partie causale de x(t)
0
t
partie anti−causale de x(t)
Remarque : Dans le cas d’un filtre que l’on veut réaliser en temps réel, il va de
soit que sa réponse ne peut être que postérieure à l’excitation. C’est pourquoi,
on imposera que sa réponse impulsionnelle soit causale.
2.3.4 Parité
Un signal x(t) est pair si x(t) = x(−t).
Un signal x(t) est impair si x(t) = −x(−t).
Tout signal réel x(t) est la somme d’un signal pair xp (t) et d’un signal im-
pair xi (t) :
– x(t) = xp (t) + xi (t),

x(t)+x(−t)
– xp (t) = 2 ,
x(t)−x(−t)
– xi (t) = 2 ,

Exemples :
- Quelle est la parité des signaux x(t) = e−αt sin(ωt + φ) (sinusoı̈de atténuée)
2
(gauche) et x(t) = e−αt sin(ωt + φ) (droite) représentés ci-dessous pour les
valeurs α = 0.25, φ = π/6 et ω = 3 rad/s :
15 1
10
0.5
5
0
0
−0.5
−5
−10 −1
−10 −5 0 5 10 −10 −5 0 5 10
- Quelle la parité du signal bi-dimensionnel z(x, y) = sinx(x

2
+y 2 )
2 +y 2 représenté
ci-dessous :
0.8
0.6
0.4
0.2
−0.2
−0.4
25
20 25
15 20
10 15
10
5
5
0 0

2.4 Produit de convolution

On appelle produit de convolution entre deux fonctions x(t) et h(t), l’opération
? (notée également ⊗) définie par :
Z +∞
(x ? h)(t) = x(τ ) h(t − τ ) dτ (2.25)
−∞
Si la réponse impulsionnelle d’un système linéaire (comme un filtre, par exemple)

est représentée par la fonction h(t), la sortie du signal y(t) s’obtient comme le
produit de convolution de l’entrée x(t) avec la réponse implusionnelle h(t).
x(t) y(t)
Système linéaire
h(t) : réponse impulsionnelle
y(t) = x(t) * h(t)
La convolution est l’effet que produit un instrument de mesure qui donne d’un
phénomène physique non pas une réponse nette, mais un peu floue. L’image
d’un point dans un instrument d’optique n’est jamais réellement un point mais
une tâche. Dans le domaine électronique, on retrouve le même phénomène : une
impulsion infiniment brève appliquée à l’entrée d’un amplificateur ne donne ja-
mais en sortie une impulsion brève, mais un signal de durée non nulle (d’autant
plus étroite que la bande passante de l’appareil est plus élevée).
Le produit de convolution représente l’évolution de la valeur de l’aire contenue

sous le produit des deux fonctions en fonction du temps. Il exprime la quantité
de recouvrement de la fonction x(t) lorsqu’on la déplace sur la fonction h(t).
Figure 2.2 – Interprétation du produit de convolution entre f (t) et g(t).

Propriétés
– Le produit de convolution est une opération commutative et distributive

par rapport à l’addition.
– La fonction de Dirac est l’élément neutre du produit de convolution :
δ(t − τ ) ? f (t) = f (t − τ ) (2.26)

– Le produit de convolution de deux signaux représentés par leurs fonctions
temporelles correspond dans le domaine fréquentiel au produit de leurs
transformées de Fourier respectives (Théorème de Plancherel).
– Si x(t) et y(t) sont des signaux causaux, en écrivant les inégalités qu’ils
vérifient
x(τ ) = 0 ∀τ <0
y(t − τ ) = 0 ∀ τ > t
on obtient une expression simplifiée et très utile de la convolution :
Z t
(x ? y)(t) = x(τ ) y(t − τ ) dτ (2.27)
0

2.5 Transformations fréquentielles

2.5.1 Transformée de Fourier
La représentation temporelle peut être suffisante dans les cas où la forme du
signal et la nature du traitement restent simples. Dans la réalité, les signaux
n’ont pas toujours une forme simple soit en raison de la nature de l’informa-
tion qu’ils portent, soit en raison du traitement qu’ils doivent subir. L’unique
représentation du signal en fonction du temps s’avère insuffisante : elle ne permet
plus d’interpréter correctement l’information. Dans de tels cas, la représentation
du signal en fonction de la fréquence est très utile.
La transformée de Fourier est un outil mathématique qui permet d’établir une
dualité entre deux représentations différentes d’un signal mais complémentaires
au niveau de l’interprétation des résultats. Elle effectue le passage du domaine
temporel au domaine spectral (fréquentiel). Son résultat est appelé spectre d’un
signal.
La transformée de Fourier du signal x(t) , notée F [x(t)] = X(ω), est définie
par :
Z +∞
F [x(t)] = X(ω) = x(t) e−2jπf t dt , (ω = 2πf ) (2.28)
−∞
R +∞
Elle existe si x(t) est de classe L1 ( −∞ |x(t)|dt < +∞) et si le signal présente
un nombre fini de discontinuités.
La transformée de Fourier inverse de X(ω) est le signal x(t) = F −1 [X(ω)] défini

par : Z +∞
−1 1
x(t) = F [X(ω)] = X(ω) ejωt dω (2.29)
2π −∞
X(ω) est une fonction qui est indépendante du temps. C’est une fonction com-
plexe que l’on peut écrire sous la forme module et phase : X(ω) = |X(ω)| exp(jφ(ω))
ou sous la forme de partie réelle et de partie imaginaire :
X(ω) = Re(X(ω)) + j Im(X(ω)) avec
Z +∞ Z +∞
Re(X(ω)) = x(t) cos(ωt) dt et Im(X(ω)) = x(t) sin(ωt) dt .
−∞ −∞
(2.30)
On énonce ci-dessous quelques propriétés importantes concernant la transformée
de Fourier :
1. La transformée de Fourier est inversible si x(t) est un signal à énergie finie.
2. Linéarité : F [a x(t) + b y(t)] = a X(ω) + b Y (ω)
1
3. Changement d’échelle : F [x(at)] = |a| X( ωa )
4. Translation en temps : F [x(t − a)] = X(ω) e−jωa (retard, si a > 0),

5. Translation en fréquence : F [x(t) ejω0 t ] = X(ω − ω0 ) ,

n
6. Dérivation : F [ d dtx(t)
n ] = (jω)
n
X(ω),
7. Intégration : X(ω) = 1
jω F [ dx(t)
dt ] + 2π x̄ δ(ω) où x̄ est la valeur moyenne
1
R T0 /2
de x(t) (x̄ = limT0 →+∞ T0 −T0 /2 x(t) dt),
8. Conjugaison : F [x? (t)] = X ? (−ω),
9. Dualité : F [x(t)] = Y (ω) → F [y(t)] = 2πX(−ω),
10. Parité : x(t) = xp (t) + xi (t) → X(ω) = F [xp (t)] + F [xi (t)],
11. Si x(t) est réel, alors Re(X(ω)) = F [xp (t)] est une fonction réelle et
j Im(X(ω)) = F [xi (t)] est une fonction imaginaire.
12. Si x(t) est réel pair, alors X(ω) est réel pair.
Si x(t) est réel impair, alors X(ω) est imaginaire impair.
13. F [δ(t)] = 1,
14. F [1] = 2π δ(ω),
15. F [δ(t − τ )] = e−jωτ ,
16. F [ejω0 t ] = 2π δ(ω − ω0 ),
17. F [cos(ω0 t)] = π δ(ω − ω0 ) + π δ(ω + ω0 ),
Ainsi, la translation temporelle (propriété 4) ne change pas le module de la

transformée de Fourier, mais introduit un déphasage sur le spectre complexe.
On appelle également cette propriété ”propriété de modulation”.

La transformée de Fourier d’un signal gaussien est une gaussienne :
r r
−at2 π − π2 f 2 π − 1 ω2
F [e ]= e a = e 4a (2.31)
a a
1 1.8
1.6
0.8 1.4
1.2
0.6
1
0.8
0.4
0.6
0.2 0.4
0.2
0
−4 −2 0 2 4 Transformée 0
−1 −0.5 0 0.5 1
Figure 2.3 – Transformée de Fourier d’un signal gaussien (a = 1).
2.5.2 Théorème de Plancherel

Ce théorème met en exergue la dualité entre temps et fréquence. Il s’énonce
ainsi :
La transformée de Fourier d’un produit de convolution de leurs fonctions tem-

porelles est le produit des transformées de Fourier :
(
TF
x(t) ? y(t) −−→ X(f ) Y (f )
TF (2.32)
1
x(t) y(t) −−→ 2π X(f ) ? Y (f )
2.5.3 Transformée de Laplace

A l’origine de la transformation de Laplace, on trouve l’idée que, si une fonction
x(t) n’est pas sommable en valeur absolue, il est néanmoins intéressant de définir
la transformée de Fourier du produit x(t) e−σt , du moins s’il existe un nombre
réel σ tel que le produit ci-dessus soit sommable en valeur absolue. Considérons
donc une fonction x(t) et un intervalle Σ, tels que pour le réel σ ∈ Σ, l’intégrale
Z +∞
|x(t) e−σt | dt (2.33)
−∞
converge. On définit alors la transformée de Laplace bilatérale X(s) de x(t) :

Z +∞
L[x(t)] = X(s) = x(t) e−st dt (2.34)
−∞
où s est une variable complexe s = σ + jω.

2.6 Série de Fourier

Soit une fonction complexe x(t) représentant. x(t) peut se décomposer en une
somme infinie de fonctions sinusoı̈dales dépendants du temps qui peut être ex-
primée par une combinaison linéaire de fonctions exponentielles complexes sur
l’intervalle temporel [0, T0 = 1/f0] :
+∞
X
x(t) = cn ej2πnf0 t , ∀ t ∈ [0, T0 ] , (2.35)
−∞
n étant une valeur entière. Les coefficients de la série de Fourier, cn , sont

indépendants du temps et s’expriment de la manière suivante :
Z T0 Z T0 /2
1 −j2πnf0 t 1
cn = x(t) e dt = x(t) e−j2πnf0 t dt . (2.36)
T0 0 T0 −T0 /2
Si x(t) est périodique de période T0 = f10 , f0 représente la fréquence du fonda-

mental et nf0 (n > 1) représente la fréquence des différents harmoniques.
Dans un contexte d’étude réduit aux signaux à énergie finie, on introduit ici une
bijection entre deux représentations de ces signaux : l’une temporelle et l’autre
fréquentielle. Si ces signaux sont périodiques et donc à énergie infinie sur R, il
n’existe plus de transformée de Fourier au sens des fonctions, mais ces signaux,
pourvu qu’ils soient continus, admettent une décomposition en série de Fourier ;
ce qui nous permet de conserver une représentation fréquentielle aux moyens des
coefficients descriptifs de la série. Mais au-delà de ses applications en traitement
du signal, la série de Fourier est un outil mathématique puissant pour approcher
n’importe quelle fonction (voir Fig. 2.4 pour un exemple avec la fonction porte).
L’ensemble des valeurs cn (en général complexes) constitue le spectre du signal ;
qui est alors discret. Ces valeurs désignent l’amplitude et la phase des harmo-
niques (multiples du fondamental). L’exemple type est la fonction sinus qui n’a
pas de transformée de Fourier au sens des fonctions, mais qui se décompose
aisément (et pour cause) en série (trigonométrique) de Fourier pour obtenir
deux coefficients (b1 et b−1 ) qui correspondent à deux Dirac fréquentiels.
Remarques :
1
R T0
– c0 = T0 0 x(t) dt = valeur moyenne de x(t) sur [0, T0 ] .
– Si x(t) est un signal réel, alors c−n = c?n .
– Si x(t) est périodique de période T0 , alors x(t) = x(t + T0 ) et

+∞
X
x(t) = cn ej2πnf0 t , ∀ t . (2.37)
−∞
– On peut décomposer x(t) sous la forme équivalente à (2.35) :

+∞
X
x(t) = a0 + (an cos(2πnf0 t) + bn sin(2πnf0 t)) (2.38)
1

avec R T0 R T0 /2
2 2
– an = T0 0 x(t) cos(nω0 t) dt = T0 −T0 /2 x(t) cos(nω0 t) dt
2
R T0 2
R T0 /2
– bn = T0 0 x(t) sin(nω0 t) dt = T0 −T0 /2 x(t) sin(nω0 t) dt avec
ω0 = 2πf0 .
an −jbn an +jbn
et cn = 2 pour n > 0, cn = 2 pour n < 0 et c0 = a0 .
– Si le signal x(t) est pair, alors les coefficients bn sont tous nuls. Si le signal
x(t) est impair, alors les coefficients an sont tous nuls.
– Interprétation : la forme complexe de la décomposition en série de Fourier

est la formulation la plus usuelle. Elle fait apparaı̂tre des harmoniques
de fréquences positives et négatives qui servent mathématiquement à re-
constituer l’ensemble du signal. Néanmoins, cette décomposition n’a pas
de réalité physique en ce qui concerne la partie associée aux fréquences
négatives. Elle est utilisée en traitement du signal car elle permet bien
souvent une simplification des calculs.
– On peut montrer que si x(t) de période T0 est continue et que sa dérivée

première temporelle x0 (t) est continue par morceaux, alors la série de Fou-
rier de x(t) converge uniformément vers x(t).
– La notion de spectre d’un signal périodique est bien connue des musiciens :
deux instruments jouant la même note fournissent deux signaux de même
fréquence ; ils sont identifiables parce que les amplitudes des harmoniques
sont différentes. C’est la répartition des amplitudes sur les divers harmo-
niques qui est caractéristique d’un instrument : c’est son timbre.
(a) (b)
Figure 2.4 – Fonction porte approchée par une décomposition en série de Fou-
rier. Ceci permet de mettre en exergue le phénomène de Gibbs (effet de bord
observé au voisinage d’une discontinuité). (a) Approximation à l’ordre n = 10.
(b) Approximation à l’ordre n = 50.

2.7 Corrélation et densités spectrales

2.7.1 Signaux à énergie finie
La corrélation est une mesure énergétique de la similitude de forme et de posi-
tion entre deux signaux décalés. Pour des signaux réels à énergie finie, on définit
l’autocorrélation et l’intercorrélation de la manière suivante :
Autocorrélation : corrélation entre le signal x(t) et lui-même :

Z +∞
γxx (τ ) = x(t) x? (t − τ ) dt . (2.39)
−∞
Intercorrélation : corrélation entre le signal x(t) et le signal y(t) :

Z +∞
γxy (τ ) = x(t) y ? (t − τ ) dt . (2.40)
−∞
2.7.2 Signaux à puissance moyenne finie

Pour des signaux x(t) et y(t) à puissance moyenne finie, on définit l’auto-
corrélation par la relation :
Z +T /2
1
γxx (τ ) = lim x(t) x? (t − τ ) dt . (2.41)
T →+∞ T −T /2
et de même, on définit la fonction d’intercorrélation par :

Z +T /2
1
γxy (τ ) = lim x(t) y ? (t − τ ) dt . (2.42)
T →+∞ T −T /2
Proprétés :
– γxx (τ ) et γxy (τ ) sont homogènes à une énergie (énergie croisée entre un

signal et un autre retardé) ou à une puissance (deuxième définition).
– γxy (τ ) = 0 , signifie que les signaux sont totalement décorrelés (signaux

orthogonaux),
– |γxy (τ )|2 ≤ γxx (τ ) γyy (τ ) (inégalité de Schwartz),
– |γxx (τ )| ≤ γxx (0) , ∀ τ : la fonction d’autocorrélation admet une valeur

maximale en τ = 0. Comme la fonction d’autocorrélation sert à mesurer le
degré de ressemblance entre un signal et sa version décalée dans le temps,
intuitivement, on conçoit que la ressemblance est maximale lorsqu’on com-
pare le signal avec lui-même, i.e., lorsque l’on compare le signal avec sa
version non décalée dans le temps.

2.7.3 Densités spectrales

En un mot, il s’agit des transformées de Fourier des fonctions de corrélation que
l’on vient d’aborder (appelés aussi relations de Wiener-Khintchine). On définit
alors :
Densité interspectrale de puissance :
D.S.P.{x(t)} = F [γxx (τ )] = Γxx (f ) . (2.43)
Densité spectrale de puissance :
D.S.P.{x(t), y(t)} = F [γxy (τ )] = Γxy (f ) . (2.44)
2.7.4 Théorème de Parseval

L’identité de Parseval traduit la conservation de l’énergie lors du passage à la
transformée de Fourier. On a donc :
Z +∞ Z +∞
2
E= |x(t)| dt = |X(f )|2 df (2.45)
−∞ −∞
| {z } | {z }
Domaine temporel Domaine fréquentiel
Pour les signaux périodiques qui sont à énergie infinie, on calcule dans ce cas la
puissance sur une période T0 . En utilisant le développement en série de Fourier
qui existe en vertu de la périodicité, on trouve :
Z T0 +∞
1 X
P = x(t) x? (t) dt = cn c?n . (2.46)
T0 0 −∞
On en déduit le théorème de Parseval pour des signaux périodiques et qui traduit

cette fois-ci la conservation de la puissance :
Z +∞ +∞
X
P = Γ(f ) df = |cn |2 (2.47)
−∞ −∞

2.8 Exercices
1. Que représente la composante continue d’un signal ? Calculer la moyenne
du signal x(t) = A + B sin(2πνt + φ) illustré ci-dessous
Composante continue
Quel est le lien entre le premier terme de la décomposition en série de

Fourier d’un signal x(t) et la valeur moyenne de ce signal ?
Rep : R
1 2π
– 2π 0
(A + B sin(2πνt + φ) dt = A .
1
RT
– a0 /2 = T 0 x(t) dt .
2. Quelle est la transformée de Fourier de la fonction porte illustrée ci-dessous

t
(et correspondant à la fonction A rect( 2T )) ?
x(t)
A
0 t
−T T
Rep : X(f ) = 2 A T sin2πf

(2πf T )
T .
3. Décomposer en série de Fourier le signal x(t) illustré ci-dessous :
x(t)
0 t
−τ/2 τ/2 T
2τ kτ

Rep : ak = T sinc T ; bk = 0 .
2
4. Montrer que la transformée de Fourier de sign(t) est jω .

5. Montrer que la transformée de Fourier du signal x(t) = exp(−at) Γ(t) est

1
X(f ) = a+j2πf où a est un réel strictement positif.
6. Quelle la transformée de Fourier de la fonction sin(2t). Représenter son

spectre.
7. Quelle la transformée de Fourier du produit d’un signal périodique par un

signal à énergie finie : z(t) = x(t) y(t) avec x(t) = x(t + T0 ) ?
P+∞
Rep : Z(ω) = n=−∞ cn Y (ω − 2πn T0 ) où les coefficients cn représentent le
spectre du signal x(t) sur une période.
8. Calculer l’intégrale suivante (où T = 2π/ω > 0)

Z T
δ(x)
cos(ωx) dx
−∞ 1+x


Chapitre 3
Filtrage analogique
Né à Beaumont-en-Auge (Normandie), le Marquis Pierre Simon de Laplace

(1749-1827), fils de cultivateur, s’initia aux mathématiques à l’Ecole militaire de
cette petite ville. Il y commença son enseignement. Il doit cette éducation à ses
voisins aisés qui avait détecté son intelligence exceptionnelle. A 18 ans, il arrive
à Paris avec une lettre de recommandation pour rencontrer le mathématicien
d’Alembert, mais ce dernier refuse de rencontrer l’inconnu. Mais Laplace in-
siste : il envoie à d’Alembert un article qu’il a écrit sur la mécanique classique.
D’Alembert en est si impressionné qu’il est tout heureux de patronner Laplace.
Il lui obtient un poste d’enseignement en mathématique. En 1783, il devint exa-
minateur du corps de l’artillerie et fut élu, en 1785, à l’Académie des Sciences.
A la Révolution, il participa à l’organisation de l’Ecole Normale et de l’Ecole
Polytechnique, et fut membre de l’Institut, dès sa création. Bonaparte lui confia
le ministère de l’Intérieur. L’oeuvre la plus importante de Laplace concerne
le calcul des probabilités et la mécanique céleste. Il établit aussi, grâce à ses
travaux avec Lavoisier entre 1782 et 1784 la formule des transformations adia-
batiques d’un gaz, ainsi que deux lois fondamentales de l’électromagnétisme. En
mécanique, c’est avec le mathématicien Joseph-Louis de Lagrange qu’il résume
ses travaux et réunit ceux de Newton, Halley, Clairaut, d’Alembert et Euler,
concernant la gravitation universelle, dans les cinq volumes de sa mécanique
céleste (1798-1825).
37
ULP CHAPITRE 3. FILTRAGE ANALOGIQUE
3.1 Introduction
N ous allons aborder dans ce chapitre le filtrage des systèmes linéaires conti-
nus et invariants dans le temps (stationnaires). Le filtrage consiste à atténuer
certains signaux et à en laisser ”passer” d’autres. Cette sélection s’opère bien
évidemment en fonction des caractéristiques du signal recherchées en sortie.
Un filtre modifie (ou filtre) certaines parties d’un signal d’entrée dans le do-
maine temporel et dans le domaine fréquentiel. D’après la théorie de Fourier,
tout signal réel peut être considéré comme composé d’une somme de signaux
sinusoı̈daux (en nombre infini si nécessaire) à des fréquences différentes ; le rôle
du filtrage est alors de modifier la phase et l’amplitude de ces composantes. Par
exemple, agir sur la représentation fréquentielle pour la modifier : le filtre ajoute
ou enlève des graves ou des aigus en traitement de la parole, il corrige la réponse
en fréquence d’un appareil (microphone, téléphone,...).
Un moyen de caractériser un filtre est sa réponse impulsionnelle h(t), c’est-à-

dire le signal en sortie du filtre lorsque le signal d’entrée est une impulsion
de Dirac, c’est-à-dire lorsque toutes les fréquences sont présentes à son entrée
(F [δ(t)] = 1). Un autre moyen de caractériser un filtre est de fournir sa fonction
de transfert H(ω), qui peut être obtenue en divisant le spectre fréquentiel du
signal de sortie avec celui du signal de l’entrée du filtre
y(t) = h(t) ? x(t) → Y (ω) = H(ω) X(ω) (3.1)
Tout filtre linéaire est entièrement décrit par sa réponse fréquentielle en ampli-
tude |H(ω)| (le gain) et sa réponse de phase arg H(ω)
|Y (ω)| = |H(ω)| |X(ω)| et arg Y (ω) = arg H(ω) + arg X(ω) (3.2)
liée à sa réponse impulsionnelle. Du point de vue mathématique, un filtre continu

à réponse impulsionnelle infinie peut être décrit en terme d’équations différen-
tielles linéaires. Il est également possible d’exprimer la fonction de transfert du
filtre à l’aide de la transformée de Laplace de leur réponse impulsionnelle ; cette
méthode permet d’analyser simplement le filtre en considérant les pôles et les
zéros de la transformée de Laplace.
On définit le délai de groupe comme la quantité τ (ω) définie par
∂ (argH(ω))
τ (ω) = − . (3.3)
∂ω
Exemple
Soit x(t) = ejω0 t un signal à l’entrée d’un filtre linéaire continu caractérisé par sa
réponse fréquentielle {|H(ω)| , arg H(ω)}. Quelle est l’expression de la réponse
temporelle y(t) en sortie du filtre ?

Rep : y(t) = |H(ω0 )| e(jω0 t + j arg H(ω0 ))

.
Exemple
A l’aide du logiciel Matlab, les réponses en amplitude et en phase et le délai
de groupe d’un filtre dont on connaı̂t la fonction de transfert H(ω) = 1/1 + jω
peuvent être évalués et visualisés de la manière suivante :
freqs([1],[1 1],logspace(-2,+2))
montre la réponse de 1/(1 + jω) entre 10e − 2 et 10e2 rad/s. Pour obtenir le
délai de groupe, il faut demander explicitement :
[H,w]=freqs([1],[1 1],logspace(-2,+2)) ;
subplot(2,1,1)
semilogx(w,-20*log10(abs(H))) ;
xlabel(’Frequency (radians)’) ; ylabel(’Attenuation (dB)’) ; grid ;
subplot(2,1,2)
semilogx (w(1 :length(w)-1), -diff(unwrap(angle(H)))./diff(w)) ;
xlabel(’Frequency (radians)’) ; ylabel(’Group delay (s)’) ; grid ;
3.1.1 Filtres stables physiquement réalisables

Un filtre est physiquement réalisable si sa réponse en fréquence H(ω) correspond
à sa transformée de Laplace pour un signal d’entrée sinusoı̈dal :
H(ω) = L[h(t)](s=jω) . (3.4)

Il existe plusieurs types de filtres linéaires réalisables :
– Les filtres passe-bas laissent passer les basses fréquences, et coupent les
hautes,
– Les filtres passe-haut laissent passer les hautes fréquences et coupent les
basses,
– Les filtres passe-bande ne laissent passer qu’une bande limitée de fréquences,
– Les filtres coupe-bande, à l’inverse, laissent passer toutes les fréquences,
sauf une bande spécifique.
Certains filtres ne sont pas conçus pour arrêter une fréquence, mais pour modi-
fier légèrement le gain à différentes fréquences, comme les égaliseurs. Différentes
méthodes de conception de filtres analogiques ont été mises au point, chacune
optimisant un point spécifique, comme par exemple des filtres exhibant des ca-
ractéristiques particulières :
– Les filtres de Butterworth,

– Les filtres de Tchebyshev,
– Les filtres elliptiques (filtres de Cauer).

La conception des filtres linéaires fait appel à un gabarit, qui rassemble les ca-
ractéristiques du gain fréquentiel désiré.
3.1.2 Fréquence de coupure et bande passante

La définition générale de la fréquence de coupure d’un filtre de fonction de trans-
fert H(f ) (sortie sur l’entrée) est la fréquence fc telle que :
|H(fc )| 1
=√ . (3.5)
max {|H(f )|} 2
Dans le cas d’un filtre passe-bas du premier ordre, la fonction de transfert est
maximale à l’origine, donc :
1
|H(fc )| = √ |H(0)| ⇔ 20 log10 |H(fc )| − 20 log10 |H(0)| = −3dB . (3.6)
2
La bande passante (BP) d’un filtre analogique est l’intervalle [finf , fsup ] de
fréquences dans lequel le gain 20 log10 |H(ω)| (ici exprimé en décibels) reste
supérieur ou égal à une valeur√de référence (par exemple −3 dB, correspondant
à une atténuation du gain de 2). Ainsi, pour les filtres les plus courants, on a :
– Le filtre passe-bas : BP = [0, fsup ],

– Le filtre passe-haut : BP = [fsup , +∞],
– Le filtre passe-bande : BP = [finf , fsup ],
– Le filtre coupe-bande : BP = [0, finf ] ∪ [fsup , +∞] (appelé aussi filtre
réjecteur de bande).
3.1.3 Transformations de fréquences

A partir de la connaissance de la fonction de transfert d’un filtre passe-bas
normalisé (de fréquence de coupure unité à -3 dB), on peut construire par trans-
formation du plan complexe et à partir de ce filtre de nouveaux filtres.
– Le filtre passe-haut de pulsation de coupure ωc sera donné par la trans-

formation : ω
c
H(ω) −→ H ,
ω
– Le filtre passe-bande de pulsation de coupures basse ωl et haute ωu sera
obtenu par : 2
ω + ωl ωu
H(ω) −→ H ,
ω (ωu − ωl )
– Le filtre coupe-bande de pulsation de coupures basse ωl et haute ωu sera
obtenu par :
ω (ωu − ωl )
H(ω) −→ H ,
ω 2 + ωl ωu

3.2 Synthèse des filtres analogiques

Les spécifications qui définissent un gabarit sont les caractéristiques du filtre.
On doit préciser :
– le gain du filtre dans la bande passante (≈ 0 dB),

– l’atténuation du filtre en bande occupée (typiquement 30 dB → 90 dB),
– la fréquence de coupure (une dans le cas d’un passe-bas ou d’un passe-haut
et deux dans le cas d’un passe-bande ou d’un coupe-bande),
– la largeur de bande de transition souhaitée qui généralement doit être la
plus petite possible,
– les éventuelles oscillations en bande passante et/ou atténuée (typiquement
1 dB → 0.01 dB).
3.2.1 Les filtres idéaux

Une transformation n’apporte pas de distorsion du signal auquel elle est ap-
pliquée si elle restitue en sortie un signal y(t) de même forme que le signal
d’entrée x(t) . Le signal d’entrée peut par contre avoir subi une amplification K
ou un délai T :
y(t) = K x(t − T ) (3.7)
Ceci correspond, en transformée de Fourier, à une amplification du spectre d’am-
plitude et à un déphasage linéaire :
Y (jω) = K X(jω) exp(−jωT ) , (3.8)
et donc à une fonction de transfert :
H(ω) = K exp(−jωT ) . (3.9)
Si on considère que le rôle d’un filtre est de produire un signal de sortie corres-
pondant à une plage de fréquences du signal d’entrée, il est clair que le filtre
doit, si on veut éviter toute distorsion, vérifier (3.9). Il doit donc présenter une
réponse en amplitude constante et une réponse en phase linéaire et passant par
0, du moins dans la plage de fréquences utile, appelée bande passante.
Filtre passe-bas idéal

K e−jωT si |ω| < ωc = 2 πfc
H(ω) = (3.10)
0 ailleurs
Filtre passe-haut idéal

K e−jωT si |ω| > ωc = 2 πfc
H(ω) = (3.11)
0 ailleurs

|H( ω )|
K
−ω c ωc ω
Figure 3.1 – Réponse fréquentielle (gain) du filtre passe-bas.
|H( ω )|
K
−ω c ωc ω
Figure 3.2 – Réponse fréquentielle (gain) du filtre passe-haut.
Filtre passe-bande idéal

K e−jωT si ωl < |ω| < ωu
H(ω) = (3.12)
0 ailleurs
|H( ω )|
K
−ω u −ω l ωl ωu ω
Figure 3.3 – Réponse fréquentielle (gain) du filtre passe-bande.
Filtre coupe-bande idéal

K e−jωT si |ω| < ωl ou |ω| > ωu
H(ω) = (3.13)
0 ailleurs
Les filtres idéaux présentent un déphasage linéaire et ne sont pas physiquement
réalisables, car les réponses fréquentielles idéales (ci-dessus) correspondent à une
réponse temporelle non-causale. Par exemple, en considérant le filtre passe-bas
où H(ω) = K e−jωT rect( 2ω ω
c
), on a : h(t) = K ωπc sinc( ωπc (t − T )) représentée
ci-dessous :
Il s’ensuit que les filtres qui vont pouvoir être réellement synthétisés n’ont pas
de réponse fréquentielle correspondant à la fonction porte, mais pourront s’en

|H( ω )|
K
−ω u −ω l ωl ωu ω
Figure 3.4 – Réponse fréquentielle (gain) du filtre coupe-bande.
h(t)
K
ωc
T t
T− π
ωc
Figure 3.5 – Réponse temporelle du filtre passe-bas idéal : une partie du signal
n’est pas nulle pour t < 0.
rapprocher. Des caractéristiques qui exhibent ces différences plus ou moins fortes
vis-à-vis de la fonction porte sont principalement les ondulations dans la bande
passante et dans la bande atténuée ainsi que la largeur de la transition. Les filtres
que l’on réalise sur les signaux continus (c’est-à-dire non échantillonnés) sont
composés de résistances, de capacités, de self-inductances et d’amplificateurs
opérationnels. De tels filtres réalisent entre les représentations temporelles e(t)
(l’entrée) et s(t) (la sortie du filtre) une relation intégro-différentielle linéaire à
coefficients constants. Par transformation de Fourier, cette relation conduit à
un gain complexe qui est une fraction rationnelle, quotient de deux polynômes
en ω :
N (ω)
H(ω) = . (3.14)
D(ω)
Il ne faut pas perdre de vue que la classe des filtres réalisables sur des signaux
continus sont ceux qui sont définis par l’équation fractionnelle (3.14).N’importe
quelle fonction de transfert de ce type peut être réalisée par une association de
quatre fonctions de transfert élémentaires : les filtres passe-bas du premier et
du second ordre, les filtres passe-haut du premier et du second ordre.

|H( ω )|
ondulations (ripple) dans la bande passante
K
K
2
ondulations dans ondulations dans

la bande atténuée la bande atténuée
AK
ω
ωl bande passante ωu
bande atténuée bande atténuée
bande de transition bande de transition
Figure 3.6 – Définitions et exemple de réponse fréquentielle d’un filtre réel.
3.2.2 Les filtres réalisables classiques

Plusieurs paramètres vont caractériser les gabarits des filtres réels classiques. Il
s’agit de la sélectivité k qui représente un rapport de fréquences (ou de pulsa-
tions) caractérisant la bande passante, la pulsation centrale qui est la moyenne
géométrique ω0 des pulsations de coupures ou la largeur de bande relative B0 .
Filtre passe-bas réel

1 ωl
H(ω) = (ordre 1) ; Sélectivité : k = (0 < k < 1) (3.15)
1 + jωT ωu
G(dB)= 20 log |H( ω )|

10
bande atténuée
ωl ωu ω
Figure 3.7 – Réponse fréquentielle (gain en dB) d’un filtre passe-bas réel ca-
ractérisé par la sélectivité k.
Filtre passe-haut réel

jωT ωl
H(ω) = (ordre 1) ; Sélectivité : k = (0 < k < 1) (3.16)
1 + jωT ωu

G(dB)= 20 log |H( ω )|

10
bande atténuée
ωl ωu ω
Figure 3.8 – Réponse fréquentielle (gain en dB) d’un filtre passe-haut réel
caractérisé par la sélectivité k.
Filtre passe-bande réel

ωl+ − ωu−
Sélectivité : k = (0 < k < 1) (3.17)
ωu+ − ωl−
√
Pulsation centrale : ω0 = ωl+ ωu− (3.18)
ωl+ − ωu−
Largeur de bande relative : B0 = (3.19)
ω0
G(dB)= 20 log |H( ω )|

10
bande atténuée
ω ω ω ω u+ ω
l− u− l+
Figure 3.9 – Réponse fréquentielle (gain en dB) d’un filtre passe-bande réel
caractérisé par k, ω0 et B0 .
Filtre coupe-bande réel

ωl+ − ωu−
Sélectivité : k = (0 < k < 1) (3.20)
ωu+ − ωl−
√
Pulsation centrale : ω0 = ωl− ωu+ (3.21)
ωu+ − ωl−
Largeur de bande relative : B0 = (3.22)
ω0

G(dB)= 20 log |H( ω )|

10
ω ω bande atténuée ω ω u+ ω
l− u− l+
Figure 3.10 – Réponse fréquentielle (gain en dB) d’un filtre coupe-bande réel
caractérisé par k, ω0 et B0 .
3.2.3 Gabarits normalisés

Normalisation : ωl = 1.
√
– Taux d’ondulation dans la bande passante (dB) : 20 log10 1 + 2 ,
– Atténuation (dB) : 20 log10 A,

ωl 1
– Sélectivité : k = ωu = ωu (0 < k < 1),
– Constante d’atténuation : η = √ ,
A2 −1
2δ1 √ 1
– δ̂1 = 1+δ1 =1− 1+2
,
δ2 1
– δ̂2 = 1+δ1 = A,
δ̂1
– δ1 = 2−δ̂1
,
2δ̂2
– δ2 = 2−δ̂1
,
3.2.4 Méthode
D’une manière générale, la synthèse d’un filtre analogique requiert la connais-
sance des caractéristiques fréquentielles que l’on vient de voir dans la section
précédente ou la représentation graphique du gain de sa fonction de transfert
par le gabarit.
De plus, comme tout filtre linéaire continu vérifie l’équation (3.14), la combi-
naison de filtres élémentaires peut permettre la réalisation de filtres en cascade,
donc de filtres d’ordres supérieurs. La synthèse de tels filtres ne peut pas se
faire aisément si on considère l’ensemble des filtres élémentaires un à un. D’une
manière générale, on préfère décomposer l’équation (3.14) en deux catégories :

|H( ω )|
111111111
000000000
000000000
111111111
1 000000000
111111111
1 111111111
000000000
000000000
111111111
1+ ε 2 000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
1111111
0000000
0000000
1111111
0000000
1111111
1 0000000
1111111
0000000
1111111
0000000
1111111
A
ωl ωu ω
|H( ω )| |H( ω )|
111111111
000000000 1+ δ 0000000000
1111111111
1 000000000
111111111 0000000000
1111111111
1
1
1−δ 1 111111111
000000000 1−δ 11111111111
0000000000
000000000
111111111 1111111111
0000000000
111111111
000000000 0000000000
1111111111
000000000
111111111 0000000000
1111111111
000000000
111111111 0000000000
1111111111
000000000
111111111 0000000000
1111111111
1111111
0000000 11111111
00000000
0000000
1111111 00000000
11111111
0000000
1111111 00000000
11111111
0000000
1111111 00000000
11111111
δ2 0000000
1111111
0000000
1111111 δ2 00000000
11111111
00000000
11111111
ωl ωu ω ωl ωu ω
Figure 3.11 – Gabarit normalisé.
– les filtres polynômiaux, dont le gain de la fonction de transfert est de la

forme :
K0
|H(ω)|2 =
p(ω)
où p(ω) est un polynôme.
– les filtres elliptiques.
3.2.5 Filtres polynômiaux

Filtres de Butterworth
La famille des filtres de Butterworth présente les caractéristiques communes
suivantes :
– Pas d’ondulation, ni dans la bande passante, ni dans la bande atténuée,

– Atténuation la plus constante possible dans la bande passante (réponse la
plus ”plate”).
La forme générale du gain (au carré) d’un filtre de Butterworth d’ordre n est la
suivante :
1
|H(ω)|2 = ; n>0 (3.23)
1 + ( ω/ωc )2n

Figure 3.12 – Comparaison des principaux filtres analogiques.

|H( ω)|
111111111
000000000
000000000
111111111
1 000000000
111111111
1
000000000
111111111
000000000
111111111
1+ ε 2111111111
000000000
11111111
00000000
00000000
11111111
00000000
11111111
1 00000000
11111111
A
ω
Figure 3.13 – Gabarit d’un filtre de Butterworth.
En général, on considère = 1, ce qui conduit à 20 log10 (1 + 2 )1/2 = 3 dB.
Pour qu’à la fréquence normalisée ωu = 1/k, on ait une atténuation du gain de

1/A, on peut montrer qu’il faut vérifier l’inégalité suivante :
ln η
n ≥ (3.24)
ln k
√
où η est la constante d’atténuation η = / A2 − 1. Ceci permet d’obtenir une
méthode de détermination de l’ordre (minimum) du filtre.

Figure 3.14 – Filtres de Butterworth d’ordre 1 à 5.
Génériquement, la transformée de Laplace H(s) d’un filtre de Butterworth est

de la forme :
K0
H(s) = Qn , (3.25)
i=1 (s − pi )
c’est-à-dire constituée de n pôles pi situés (dans le plan complexe) sur un 1/2

arc de cercle de rayon −1/n , c’est-à-dire tels que :
−1
( 12 + 2i−1
pi = n ejπ 2n )
Q
et K0 = (−pi ) = 1/.
Figure 3.15 – Poles d’un filtre passe-bas de Butterworth d’ordre 4.

Ci-après sont représentés les gains en fréquence des filtres de Butterworth res-
pectivement d’ordre 8 et d’ordre 20 synthétisés avec Matlab, avec un taux d’on-
dulations de 3 dB dans la bande passante et de 50 dB dans la bande atténuée.
Order 8 Butterworth IIR Filter Order 20 Butterworth IIR Filter
0 0
−10 −10
−20 −20
Magnitude (dB)
Magnitude (dB)
−30 −30
−40 −40
−50 −50
−60 −60
−70 −70
0 200 400 600 800 1000 0 200 400 600 800 1000
Frequency (Hz) Frequency (Hz)
(a) (b)
Figure 3.16 – Filtres de Butterworth. (a) ordre 8. (b) ordre 20.
La courbe d’affaiblissement des filtres de Butterworth varie d’une façon mono-

tone, ce qui implique que l’écart entre les spécifications et la courbe de gain dans
la bande passante sera toujours minimal à la fréquence de coupure et maximal
à l’origine.

Filtres de Bessel
Une fonction de transfert ayant une phase rigoureusement linéaire aurait
comme fonction de transfert A e−jωτ où τ est le retard infligé au signal d’entrée.
Mais ce n’est pas une fonction rationnelle, un tel filtre n’est donc pas réalisable.
Les filtres de Bessel sont des filtres dont la fonction de transfert pour un degré
donné est la meilleure approximation possible de l’exponentielle précédente. En
se limitant au troisième ordre dans le développement de Taylor de l’exponen-
tielle, on a l’approximation suivante de l’exponentielle
1
e−jω ≈ (3.26)
(jω)3 + 6 (jω)2 + 15 jω + 15
La fonction de transfert doit avoir un gain unité pour le continu (ω = 0), d’où
la fonction de transfert du filtre de Bessel du troisième ordre :
15
H(ω) = (3.27)
(jω)3 + 6 (jω)2 + 15 jω + 15
On voit que pour une fréquence élevée, le gain tend vers 15/(jω)3 est 15 fois
supérieur à celui du filtre de Butterworth de même degré. Les filtres de Bessel
ont une atténuation qui varie au-delà de la fréquence de coupure beaucoup plus
lentement que ceux de Butterworth. Pour cette raison, ils sont rarement utilisés
sauf lorsque la linéarité de la phase est essentielle.
La famille des filtres de Bessel présente les caractéristiques communes suivantes :
– Pas d’ondulation, ni dans la bande passante, ni dans la bande atténuée,

– Atténuation faible,
– Approxime le mieux possible un retard pur.
La transformée de Laplace H(s) d’un filtre de Bessel est de la forme :

K0
H(s) = ; n>0, (3.28)
Bn (s)
où Bn (s) est un polynôme de Bessel d’ordre n. C’est-à-dire, défini de manière
récurrente par :
Bn (s) = (2n − 1) Bn−1 (s) + s2 Bn−2 (s)

B0 (s) = 1, (3.29)
B1 (s) = s+1 .
2n!
et K0 =
2n n!
Les filtres de Bessel (appelés aussi de Thomson) ne présentent que des pôles et
correspondent au cas d’un filtrage à déphasage linéaire. Comme les filtres de
Butterworth, les filtres de Bessel demandent des ordres importants pour vérifier
des spécifications sur l’affaiblissement, ce qui les rend difficiles à réaliser avec
des composants analogiques. La pulsation de coupure ωc varie avec l’ordre du
filtre, et on montre que :
1/n
lim ωc = K0 . (3.30)
n→∞

Figure 3.17 – Filtre de Bessel, de Butterworth et de Tchebycheff.
Figure 3.18 – Poles d’un filtre passe-bas de Bessel d’ordre 4.
Filtres de Tchebycheff (ou Chebyshev)

Les filtres de Chebychev conduisent à une diminution de l’ordre pour les
mêmes spécifications que pour les filtres que nous venons de voir. Il en résulte
une réalisation plus aisée. Cette famille de filtres est décomposée en deux sous-
familles : les filtres de type I qui correspondent à des ondulations uniquement
dans la bande passsante et les filtres de type II qui, à l’opposé, présentent des
ondulations seulement dans la bande atténuée.
Filtres de type I
La famille des filtres de Chebyshev de type I présente les caractéristiques com-
munes suivantes :
– Ondulations dans la bande passante mais pas dans la bande atténuée,
– Fitres optimaux au sens où il n’existe pas d’autres filtres polynômiaux du

même ordre avec des performances supérieures ou égales dans la bande
passante ET dans la bande atténuée.

|H( ω)|
000000000
111111111
111111111
000000000
1 000000000
111111111
1
000000000
111111111
000000000
111111111
1+ ε 2111111111
000000000
11111111
00000000
00000000
11111111
1 00000000
11111111
A
ω
(a)
|H( ω)|
111111111
000000000
000000000
111111111
1 000000000
111111111
1 111111111
000000000
000000000
111111111
000000000
111111111
1+ ε 2111111111
000000000
11111111
00000000
00000000
11111111
00000000
11111111
1 00000000
11111111
A
ω
(b)
Figure 3.19 – Gabarit et filtres de Tchebycheff de type I. (a) ordre impair. (b)
ordre pair. La forme des ondulations dans la bande passante dépend de la parité
de l’ordre du filtre.
La forme générale du gain fréquentiel (au carré) d’un filtre de Chebyshev de

type I est la suivante :
1
|H(ω)|2 = ; n >0 (3.31)
1 + 2 Tn2 (ω/ωc)
n est l’ordre du filtre. est le taux d’ondulations ripple factor) et caractérise

l’amplitude des oscillations dans la bande passante. Tn (ω) est un polynôme de
Chebyshev d’ordre n, qui est défini par

 cos(n arccos(ω)) si |ω| ≤ 1
Tn (ω) = (3.32)

cosh(n arccosh(ω)) si |ω| ≥ 1
Contrairement à ce qu’il parait de prime abord, ce sont bien des polynômes. On
peut en effet montrer à l’aide de formules trigonométriques classiques que l’on
a:
Tn+1 (x) = 2 x Tn (x) − Tn−1 (x) (3.33)
avec T0 (x) = 1 et T1 (x) = x . Les polynômes de Chebyshev passent par les points
caractéristiques suivant Tn (1) = ±1 et Tn (0) = ±1 si n est pair, Tn (0) = 0 si n
est impair. Pour |x| ≤ 1, Tn (x) oscille n fois entre 1 et −1 (ou, ce qui revient
au même, Tn2 (x) présente n extrema entre 0 et 1) tandis que pour |x| ≥ 1, ces
polynômes sont monotones croissants.

Figure 3.20 – Réponse fréquentielle (gain) d’un filtre de Tchebycheff de type I

d’ordre 4 pour = 1.
On peut montrer que l’ordre n du filtre doit être choisi tel que :
q
ln ( η1 + η12 − 1)
n≥ q (3.34)
ln ( k1 + k12 − 1)
où k est la sélectivité du filtre (et correspond à la

√ largeur de la bande de tran-
sition) et η est la constante d’atténuation η = / A2 − 1.
Génériquement, la transformée de Laplace H(s) d’un filtre de Chebyshev I est

de la forme :
K0
H(s) = Qn , (3.35)
i=1 (s − pi )
c’est-à-dire constituée de n pôles pi situés (dans le plan complexe) sur une 1/2
ellipse, c’est-à-dire tels que :
γ −1 − γ (2i − 1)π γ −1 + γ (2i − 1)π

pi = sin +j cos
2 2n 2 2n
et
 Qn
√  i=1 (−pi ) si n est pair
1+2 1
γ = ( 1+ ) n et K0 = Qn
 √ 1
1+2 i=1 (−pi ) si n est impair
(3.36)

Figure 3.21 – Poles d’un filtre passe-bas de Tchebycheff (type I) d’ordre 4.
Order 8 Chebyshev Type I IIR Filter Order 16 Chebyshev Type I IIR Filter
0 0
−10 −10
−20 −20
Magnitude (dB)
Magnitude (dB)
−30 −30
−40 −40
−50 −50
−60 −60
−70 −70
0 200 400 600 800 1000 0 200 400 600 800 1000
(a) (b)
Figure 3.22 – Filtres de Tchebycheff de type I. (a) ordre 8. (b) ordre 20.
Filtres de type II (Tchebycheff inverse)

La famille des filtres de Chebyshev de type II présente les caractéristiques com-
munes suivantes :
– Même optimalité que le filtre de Chebyshev de type I,
– Ondulations dans la bande atténuée mais pas dans la bande passante.
La forme générale du gain fréquentiel (au carré) d’un filtre de Chebyshev de

type II d’ordre n est la suivante :
1
|H(ω)|2 = 1 (3.37)
1+ 2 Tn2 (ωc /ω)
où Tn (ω) est un polynôme de Chebyshev d’ordre n. Dans la bande atténuée, le

polynôme de Chebyshev oscillera entre 0 et 1, et donc le gain oscillera entre 0

|H( ω)| |H( ω)|

11111111
00000000
00000000
11111111 11111111
00000000
00000000
11111111
00000000
11111111 00000000
11111111
1 00000000
11111111 1 00000000
11111111
11111111
00000000 11111111
00000000
00000000
11111111 00000000
11111111
00000000
11111111 00000000
11111111
111111111
000000000 1 111111111
000000000
000000000
111111111 000000000
111111111
000000000
111111111 000000000
111111111
1+ ε 2
ω ω
(a) (b)
Figure 3.23 – Gabarit et filtres de Tchebycheff de type II. (a) ordre impair.
(b) ordre pair. La forme des ondulations dans la bande passante dépend de la
parité de l’ordre du filtre.
et q 1 .
1+ 12
Figure 3.24 – Réponse fréquentielle (gain) d’un filtre de Tchebycheff de type

II d’ordre 5 pour = 0.01.
Génériquement, la transformée de Laplace H(s) d’un filtre de Chebyshev II est

de la forme :
Q
K0 ni=1,i6=(n+1)/2 (s − zi )
H(s) = Qn , (3.38)
k=1 (s − pk )
c’est-à-dire constituée de zéros situés (dans le plan complexe) sur l’axe imagi-
naire et de n pôles pi situés sur un 1/2 cercle de rayon ωc .

Order 8 Chebyshev Type II IIR Filter Order 16 Chebyshev Type II IIR Filter
0 0
−10 −10
−20 −20
Magnitude (dB)
Magnitude (dB)
−30 −30
−40 −40
−50 −50
−60 −60
−70 −70
0 200 400 600 800 1000 0 200 400 600 800 1000
(a) (b)
Figure 3.25 – Filtres de Tchebycheff de type II. (a) ordre 8. (b) ordre 20.
3.2.6 Filtres elliptiques

Les filtres elliptiques (appelés également filtres de Cauer) correspondent à
une famille de filtres dont les ondulations sont présentes dans la bande passante
et dans la bande atténuée. Les taux d’ondulations sont des paramètres à valeurs
différentes dans chacune des deux bandes Aucun autre filtre d’ordre identique
n’a une largeur de transition (de gain) aussi faible. C’est pour cette raison que
les filtres elliptiques sont parfois appelés filtres optimaux.
Quand le taux d’ondulations (ripple) de la bande atténuée tend vers zéro, le filtre
elliptique correspond à un filtre de Chebyshev de type I. A l’opposé, quand le
taux d’ondulations dans la bande passante tend vers zéro, le filtre elliptique
correspond à un filtre de Chebyshev de type II. Si les deux taux d’ondulations
tendent vers zéro, le filtre elliptique correspond à un filtre de Butterworth.
|H( ω)| |H( ω)|

111111111
000000000 11111111
00000000
000000000
111111111
000000000
111111111 00000000
11111111
00000000
11111111
1 000000000
111111111 1 00000000
11111111
111111111
000000000
000000000
111111111 11111111
00000000
00000000
11111111
000000000
111111111 00000000
11111111
000000000
111111111 00000000
11111111
11111111
00000000 11111111
00000000
00000000
11111111
00000000
11111111 00000000
11111111
00000000
11111111
00000000
11111111 00000000
11111111
ω ω
(a) (b)
Figure 3.26 – Gabarit et filtres elliptique. (a) ordre impair. (b) ordre pair. La
forme des ondulations dépend de la parité de l’ordre du filtre.
La forme générale du gain fréquentiel d’un filtre elliptique est la suivante :

1
|H(ω)|2 = (3.39)
1 + 2 Rn2 (ω/ωc , k)
où Rn est une fonction rationnelle (parfois appelée fonction rationnelle de Che-

Order 5 Elliptic IIR Filter Order 8 Elliptic IIR Filter
0 0
−10 −10
−20 −20
Magnitude (dB)
Magnitude (dB)
−30 −30
−40 −40
−50 −50
−60 −60
−70 −70
0 200 400 600 800 1000 0 200 400 600 800 1000
(a) (b)
Figure 3.27 – Filtres elliptiques. (a) ordre 8. (b) ordre 20. Les amplitudes des
ondulations dans les bandes passantes et atténuées sont variables.
byshev) d’ordre n. k est la sélectivité et est également lié à l’ondulation de Rn .

Des tables sont utilisées ou des abaques sont employées pour déterminer l’ordre
n du filtre. Des logiciels sont utilisés pour synthétiser ce type de filtre (comme
Matlab). En effet, l’expression littérale de la fonction rationnelle Rn est com-
plexe et seule une synthèse numérique est possible, car cette fonction correspond
à :
Rn (ω, ξ = k) = sne(n sne−1 (ω, ξ), ξ) , (3.40)

où sne(u, y) est un sinus elliptique, c’est-à-dire sne(u, y) =sin(φ(u, y)) où φ(u, y)
est tel que
Z φ
dx
u(y) = p (3.41)
0 1 − y 2 sin2 x
Dans la bande passante, la fonction rationnelle√elliptique varie entre 0 et 1. Le
gain dans cette bande varie alors entre 1 et 1/ 1 + 2 .
Dans la bande atténuée, la fonction rationnelle elliptique varie entre
√ l’∞ et
L = Rn (ξ, ξ). Dans cette bande, le gain varie alors entre 0 et 1/ 1 + 2 L2 ,
comme cela est illustré ci-dessous :
L’ordre n du filtre est tel que :

p
K(k) K( 1 − η 2 )
n≥ √ (3.42)
K(η) K( 1 − k 2 )
où k est la sélectivité du filtre (et correspond à la
√ largeur de la bande de tran-
sition) et η est la constante d’atténuation η = / A2 − 1.
L’expression de la fonction K() est :

Z π/2
dx
K(y) = p (3.43)
0 1 − y 2 sin2 x

Figure 3.28 – Réponse fréquentielle d’un filtre elliptique passe-bas d’ordre 4

pour = 0.5 et ξ = k = 1.05.
Figure 3.29 – Poles et zéros d’un filtre passe-bas de Cauer d’ordre 4.
3.3 Exercices
1. Montrer que la fonction de transfert du filtre passe-bas réalisable est une
approximation du filtre passe-bas idéal.
2. Quel est le type de filtre qui correspond le mieux au diagramme en gain

et en phase (Bode) représenté ci-dessous ? Quelle est la bande passante ?
3. Synthétiser un filtre de Butterworth afin que l’atténuation (A) soit de 40

dB à 2 fois la fréquence de coupure (normalisée) et de 3 dB dans la bande
passante (ripple).
4. Déterminer la fonction de transfert H(ω) d’un filtre dont le gain fréquentiel

est illustré ci-dessous. Quelle est la valeur de |H(+∞)| ? Quelle est l’allure
de la phase ? Quelle est la valeur de la phase en 0 ? Quelle est la valeur
maximale de la phase ? A quelle fréquence est-elle atteinte (correspondant
à la pulsation centrale) ?
5. Déterminer le filtre de Butterworth tel que 20 log10 |H(ω)| s’inscrive dans
le gabarit normalisé suivant (b = −30 dB et x1 = 2) :

1
10
0
10
Magnitude
−1
10
−2
10
0 1 2 3
10 10 10 10
Frequency (radians)
50
0
Phase (degrees)
−50
−100
−150
−200
0 1 2 3
10 10 10 10
Frequency (radians)
Figure 3.30 – Diagramme en gain et phase d’un filtre inconnu.
|H(ω )|
dB
20 dB/décade 7 dB
3 dB
0 ωc ωd ω
Figure 3.31 – Gains fréquentiels (en dB) asymptotiques et réels d’un filtre pour
ωc = 6 rad/s.
1
10
Magnitude
0
10
0 1 2 3
10 10 10 10
Frequency (radians)
14
12
Phase (degrees)
10
0
0 1 2 3
10 10 10 10
Frequency (radians)
Figure 3.32 – Filtre à avance de phase.

|H(ω )| dB
0 1 x1 x
Figure 3.33 – Gabarit normalisé x = ω/ωc .


Chapitre 4
Modulation, démodulation
4.1 Introduction
Toute chaı̂ne de transmission d’informations comporte nécessairement un
milieu de transmission, un émetteur et un récepteur. La propagation à travers
le milieu va entraı̂ner des modifications du signal transmis. Contrairement au
vide qui présente les mêmes caractéristiques quelque soit la fréquence du si-
gnal et dans lequel aucune puissance n’est dissipée, tous les autres milieux sont
absorbants et dispersifs.
• absorption : par suite d’une dissipation de puissance, les ondes se pro-
pageant dans un milieu matériel s’atténuent : on dit que l’onde est ab-
sorbée par le milieu. Dans le cas d’une onde plane, l’atténuation se tra-
duit généralement par une amplitude S décroissant exponentiellement
avec la distance x : S(x) = S0 exp(−α x) . La constante d’atténuation
α dépend en général de la fréquence, si bien que les différentes com-
posantes fréquentielles d’un signal transmis ne subissent pas le même
affaiblissement.
• dispersion : la célérité des ondes dans un milieu dépend généralement de

la fréquence : cet effet, appelé dispersion, introduit une distorsion dans le
signal transmis dans la mesure où ses divers composantes fréquentielles
présentent, lors de la réception, un retard différent.
Il convient de noter que, même dans le cas du vide, milieu non dispersif, la
présence d’antennes d’émission et de réception va introduire une forte variation
des caractéristiques de la transmission avec la fréquence. En outre, on montre
que la directivité et la puissance émise par des antennes augmentent lorsque la
fréquence augmente, tandis que la taille de l’antenne diminue.
Pour limiter les distorsions introduites par le milieu et pour être capable de
réaliser des antennes de taille raisonnable, on doit dans le cas de la transmission
radiophonique (signal à transmettre de basse fréquence : 20 Hz-20 KHz), envi-
sager une transformation du signal utile afin de transmettre un signal de haute
fréquence. On parle alors d’opération de modulation.
63
ULP CHAPITRE 4. MODULATION, DÉMODULATION
Fondamentalement, l’opération de modulation consiste à adapter le message

à transmettre au canal de transmission et au système d’émission/réception.
L’opération de modulation ou de transmission d’une information par une por-
teuse se traduit par le fait que le signal transmis se situe dans une gamme de
fréquences beaucoup plus élevée que celle du signal de départ. La modulation
provoque une translation du spectre. Afin d’illustrer la nécessité de cette trans-
lation spectrale, prenons le cas d’un signal audio (spectre dans la gamme de
fréquences [20 Hz - 20 KHz]) à transmettre par voie aérienne. Pour obtenir
un rayonnement satisfaisant, il faudrait utiliser une antenne dont les dimen-
sions atteindraient plusieurs kilomètres (à titre d’exemple, pour transmettre une
fréquence de 10 KHz, il faudrait utiliser une antenne de 30 km de diamètre !).
De plus, sans modulation (i.e. sans translation spectrale), les différentes sta-
tions émettrices se confondraient chez le destinataire puisque tous les spectres
émis se retrouveraient dans la gamme de fréquence audio. La figure 4.1 donne
le synoptique d’une chaı̂ne de transmission dans laquelle on voit apparaı̂tre une
étape de modulation et également l’étape inverse de démodulation. Le message
à transmettre de la source est modulé, puis il est émis. Après transmission et
réception, il est démodulé puis récupéré par le destinataire.
source modulateur Canal de démodulateur destinataire

transmission
Figure 4.1 – Chaı̂ne de transmission avec modulation/démodulation du signal.
Pour la transmission de signaux analogiques, il existe essentiellement deux types

de modulations , à savoir la modulation d’amplitude et la modulation de fréquence.
Le choix d’un type de modulation pour la transmission d’une information se fait
en tenant compte des critères suivants :
• Largeur de bande occupée par le signal transmis : l’objectif est de mi-

nimiser l’encombrement fréquentiel du signal à transmettre.
• Complexité des circuits de l’émetteur et du récepteur : autant les cir-

cuits de l’émetteur peuvent être complexes et coûteux si nécessaires car
il existe un nombre relativement faible d’émetteurs, autant les circuits
du récepteur doivent absolument être bon marché car ils sont destinés
à être fabriqués en grande quantité pour le grand public.
• Le rapport signal sur bruit après la démodulation.

La modulation peut être définie comme le processus par lequel le message est
transformé de sa forme originale en une forme adaptée à la transmission. C’est
un processus qui peut être réalisé en utilisant une porteuse haute fréquence,
dont les paramètres varient suivant des fonctions linéaires du message à trans-
mettre. Au niveau du récepteur, ce processus est inversé par des méthodes de
démodulation. Le processus de modulation permet également des transmissions
multiplexées à travers un moyen de propagation commun, c’est-à-dire, des trans-
missions simultanées de messages différents ayant des spectres disjoints durant
la propagation.

4.2 Modulation d’amplitude (AM)

4.2.1 Principe
Soit x(t) le signal de basse fréquence à transmettre. x(t) est appelé le signal
modulant. Ce signal doit être éventuellement transformé avant la transmission
afin qu’il vérifie les hypothèses suivantes :
• |x(t)| ≤ 1,
1
R t0 +T
• x̄ = T t0 x(t) dt = 0 ,
• |X(ω)| = 0 , ∀ |ω| > W = 2πF (largeur de bande limitée).
|X( ω )|
ω
−W W=2 π F
1+ µ x(t)
x(t) µ +
* xc(t)
p(t)
Figure 4.2 – Principe de la modulation d’amplitude.
En modulation d’amplitude, le message x(t) passe d’abord par un atténuateur

variable µ compris entre 0 et 1 afin que la quantité |µ x(t)| ≤ 1. Une composante
continue est ensuite ajoutée au signal µ x(t) avant de le multiplier par la porteuse
(le signal porteur correspond a un signal sinusoı̈dal dont la fréquence correspond
au déplacement fréquentiel souhaité, en fonction des caractéristiques du milieu
où à lieu la transmission) p(t) = Ap cos(ωp t).
Le signal modulé en amplitude xc (t) s’écrit alors :
xc (t) = Ap [1 + µ x(t)] cos(ωp t) (4.1)

| {z } | {z }
variation lente variation rapide
et µ est le taux ou indice de modulation.

x c(t)
1 A (1+ µ)
x(t)
A A (1+ µ x(t)) = enveloppe
A (1− µ )
t −A (1−µ ) t
−A
−A (1+µ x(t)) = enveloppe
−A (1+µ )
−1
Figure 4.3 – (Gauche) : signal modulant. (Droite) : Signal modulé. En modu-

lation d’amplitude, l’enveloppe du signal modulé reproduit la forme du signal
modulant.
4.2.2 Spectre du signal modulé

Soit X(ω), la transformée de Fourier du signal modulant, alors le signal modulé
xc (t) = Ap cos(ωp t) + Ap µ x(t) cos(ωp t) a pour transformée de Fourier (voir
exercice 7 du chapitre 2) :
Ap µ
Xc (ω) = Ap π (δ(ω − ωp ) + δ(ω + ωp )) + (X(ω − ωp ) + X(ω + ωp ))
2
(4.2)
Il s’agit donc à la fois d’un dédoublement de la bande fréquentielle et d’une
translation de la quantité ωp = 2πfp comme cela est illustré sur la figure 4.4.
|X c (ω )|
−ω p ω p −W ωp ω p +W ω
Figure 4.4 – Spectre du signal modulé : C’est une double bande latérale de
largeur B = 2F = W/π.
La largeur de bande du signal modulé est de plus ou moins la fréquence du

signal modulant (source) autour de la porteuse, soit pour une source à 3 KHz et
une porteuse à 600 KHz une largeur de bande de 6 KHz (de 597 à 603 KHz).A
l’analyseur de spectre, 3 raies sont observées ; 2 petites raies latérales (597 et
603 KHz) et une grande raie à 600 KHz. Les 2 bandes latérales contiennent
l’ensemble des informations du signal source. On peut donc transmettre une
seule bande latérale. Dans ce cas, on parle alors de modulation à bande latérale
unique (BLU).

Exemple :
En radiodiffusion longue portée, les signaux radiophoniques sont transmis dans

la gamme [148.5 − 285.0 KHz ] (pour les grandes ondes - GO). La bande allouée
pour une station émettrice est de 9 KHz, donc ceci ne peut se faire que si on
limite le spectre du signal basse fréquence à F ≤ 4.5 KHz.
4.2.3 Puissance moyenne transmise

La puissance moyenne transmise du signal modulé est Pxc telle que
Z +T /2
1
Pxc = lim |xc (t)|2 dt (4.3)
T →+∞ T −T /2
A2p A2p
avec x2c (t) = 2 (1 + 2µx(t) + µ2 x2 (t)) + 2 (1 + µx(t)) cos (2ωp t).
Comme on a : x̄ = 0 et 2πF = W ωp , alors :
A2p
Px c = (1 + µ2 Px ) = Pc + 2 Pbl , (4.4)
2 | {z }
≤ 1
où :
A2p
– Pc = 2 est la puissance porteuse,
µ2 A2p
– Pbl = 4 Px est la puissance par bande latérale.
On définit également le rendement de puissance lors de la modulation d’ampli-

tude par la quantité η suivante :
2 Pbl µ2 Px
η= = ≤ 50 % (4.5)
Pc + 2 Pbl 1 + µ2 Px
4.2.4 Démodulation AM
Alors que la modulation modifie une des caractéristiques (amplitude ou fréquence)
d’un signal haute fréquence appelé porteuse, la démodulation consiste à extraire
l’information qui avait été confiée à la porteuse et permet d’obtenir une copie
fidèle du signal original (musique, paroles...). La démodulation AM (Ampli-
tude Modulée) effectue une détection crête du signal car le signal modulant est
entièrement défini par l’enveloppe du signal modulé. On peut très simplement
réaliser la démodulation par un redressement simple alternance suivi d’un fil-
trage passe-bas (voir la figure 4.5 ci-dessous) et d’un filtrage passe-haut (pour
éliminer la composante continue introduite lors de la modulation). On obtient
alors un signal r(t) proportionnel au signal modulant.

x c (t) R C r(t)
Figure 4.5 – Schéma électronique simple de démodulation AM

1
(W RC ωp ).
Domaines d’utilisation de la modulation AM :
– Radiodiffusion :
– Petites Ondes : PO [2.3 − 26.1] MHz,

– Ondes moyennes : MO [525.5 − 1606] KHz (bande 9 KHz),
– Grandes Ondes : GO [148.5 − 285] KHz (bande 9 KHz),
– Télévision hertzienne [47 − 68] MHz (TV bande I - 8 MHz).
La modulation d’amplitude est donc très simple à réaliser. La réalisation de

la démodulation est également facile à mettre en oeuvre. L’association d’une
diode et d’un dipôle RC parallèle constitue un détecteur d’enveloppe. C’est un
quadripôle La tension de sortie obtenue est l’enveloppe de la tension modulée
en amplitude. La première partie du montage ci-dessus est un montage redres-
seur. La diode ne laisse passer le courant que dans un seul sens. Cela élimine la
partie négative de la tension. En y ajoutant un condensateur C, on élimine les
variations rapides de la tension dues à la porteuse.
Le condensateur initialement déchargé se charge tant que la tension d’entrée,
xc (t), croı̂t jusqu’au maximum, avec une constante de temps tC quasi nulle.
Lorsque xc (t) décroı̂t, uC > xc (t) , la diode est bloquée, le condensateur se
décharge dans la résistance avec une constante de temps tD = RC grande par
rapport à la période Tp de la porteuse (si R et C sont bien choisis). Lorsque
xc (t) atteint de nouveau uC , la diode est à nouveau passante et le condensateur
se charge.
Pour obtenir une démodulation de qualité, il faut que la constante de temps
t du dipôle RC soit très supérieure à la période Tp de la porteuse, en restant
inférieure à la période du signal modulant (s’il est sinusoı̈dal). A la sortie du
détecteur d’enveloppe, la tension a encore une composante continue due à la
tension de décalage utilisée lors de la modulation, que l’on supprime par un
filtrage passe-haut.
L’inconvénient majeur de la modulation d’amplitude est sa sensibilité aux per-

turbations électromagnétiques qui peuvent modifier l’amplitude de la porteuse
et donc du signal modulant lors de la démodulation.
4.2.5 Modulation sans porteuse

Dans certains cas, les signaux transmis sont modulés sans qu’il y ait adjonc-
tion d’une composante continue. On dit abusivement qu’il s’agit d’une modula-

tion sans porteuse. L’expression du signal modulé xc (t) est simplement :
xc (t) = Ap x(t) cos(ωp t) (4.6)
x c(t)
Ap |x(t)|
retournement
de phase
Figure 4.6 – Signal modulé sans composante continue.
Cette modulation d’amplitude fournit également une double bande spectrale.

Ici, la démodulation nécessite la connaissance des retournements de la phase.
|X c (ω )|
Figure 4.7 – Spectre du signal modulé (sans porteuse) : C’est une double bande
latérale de largeur B = 2F = W/π.
Ap
Xc (ω) = (X(ω − ωp ) + X(ω + ωp )) (4.7)
2
La démodulation est réalisée par une synchronisation indispensable (voir exer-
cice 4.4). En effet, s’il existe un déphasage δφ dans le signal de la porteuse, cela
entrainera une atténuation du signal démodulé, car
2 cos(ωp t + δφ) xc (t) = Ap x(t) (cos(δφ) + cos(2ωp t + δφ)),
puis après le passage par l’élément F (voir figure 4.18), le signal démodulé vaut
Ap cos(δφ) x(t).
4.2.6 Modulation à bande latérale unique (BLU)

Pour certains types de transmissions, notamment en radio-communications
ou en téléphonie, on effectue de nombreux multiplexages fréquentiels pour trans-
mettre plusieurs signaux de natures différentes. Poursuivant cette politique
d’économie de bande, toute bande de fréquences inutiles est également à éliminer.
Cette limitation de bande consiste tout simplement à ne conserver qu’une des
deux bandes latérales fréquentielles (voir les figures 4.4 et 4.8). Soit la bande
supérieure à ωp est éliminée ([ωp , ωp + W ] et bien évidemment [−ωp − W, −ωp ])
et on parle de BLU inférieure (celle qui est conservée), soit à l’inverse la bande

inférieure à ωp est éliminée ([ωp , ωp − W ] et bien évidemment [−ωp + W, −ωp ])

et on parle de BLU supérieure. Les spectres obtenus par filtrage sont
|X c (ω )|
(a)
|X c (ω )|
(b)
Figure 4.8 – Spectre du signal modulé à bande latérale unique (BLU) B =

W/2π. (a) BLU inférieure. (b) BLU supérieure.
Finalement, la puissance moyenne transmise est également réduite puisqu’elle

vaut Pxc = Pc + Pbl .
4.3 Modulation de fréquence

4.3.1 Principe
La modulation de fréquence d’un signal basse fréquence x(t) consiste à em-
ployer une porteuse dont la fréquence dépend directement de x(t). Dans le prin-
cipe, on associera la modulation de fréquence et la modulation de phase qui
sont très interdépendantes l’une de l’autre. Pour une porteuse sinusoı̈dale de
fréquence centrale de fp = ωp /2π et d’amplitude Ap , le signal modulé xc (t)
s’exprime donc sous la forme générique :
xc (t) = Ap cos(ωp t + φ(t)) (4.8)

où la phase instantanée est définie par θc (t) = ωp t+φ(t) et la fréquence instantanée
f (t) vaut :
1 dθc (t) ωp 1 dφ(t) 1 dφ(t)

f (t) = = + = fp + . (4.9)
2π dt 2π 2π dt 2π dt
A partir de ces définitions, on distingue
• la modulation de phase où la phase de la porteuse est proportionnelle

au signal modulant
φ(t) = µφ x(t) (4.10)
µφ est appelé indice de modulation de phase et on choisit µφ tel que
µφ < π pour éviter les ambiguı̈tés de phase. Pour ce type de modula-
tion, la fréquence instantanée vaut f (t) = fp + 2πφ dx(t) .
µ
dt

• la modulation de fréquence où la fréquence de la porteuse est pro-

portionnelle au signal modulant
f (t) = fp + µf x(t) = fp + ∆f (4.11)
µf est appelé l’excursion maximale de fréquence (µf fp ). Pour ce

type de modulation, la phase instantanée θc (t) est égale à
Z t
θc (t) = ωp t + 2π µf x(τ ) dτ . (4.12)
0
| {z }
φ(t)
La modulation de phase est équivalente à une modulation de fréquence par la

dérivée du signal modulant et la modulation de fréquence est équivalente à une
modulation de phase par l’intégrale du signal modulant. L’une et l’autre per-
mettent de préserver l’enveloppe ce qui abouti à une meilleure résistance au
bruit (l’enveloppe du signal modulé reste constante) et permet un dimensionne-
ment optimal des récepteurs. En effet, pour ce second point, si on s’intéresse à la
A2p
puissance moyenne transmise, celle-ci vaut Pxc = 2 , elle est donc constante
quel que soit le signal modulant x(t).
4.3.2 Spectre du signal modulé

Afin d’expliciter une transformée de Fourier des signaux usuellement em-
ployés en modulation de fréquence, nous allons nous attacher à étudier le spectre
d’un signal modulé pour deux situations pratiques qui réduisent très peu le cadre
de l’étude : la modulation à bande étroite et la modulation d’une sinusoı̈de (sa-
chant que tout signal à énergie finie peut se décomposer en une série de Fourier).
Modulation à bande étroite

Ceci consiste à considérer les signaux pour lesquels le second terme de droite
dans l’équation (4.12) est d’amplitude faible. C’est-à-dire quand l’excursion de
phase |φ(t)| 1 . On a alors :
xc (t) = Ap cos(ωp t + φ(t)) = Ap cos(ωp t) cos φ(t) − Ap sin(ωp t) sin φ(t)

≈ Ap cos(ωp t) − Ap φ(t) sin(ωp t) . (4.13)
Il s’ensuit que la transformée de Fourier de xc (t) peut alors s’exprimer par
Ap
Xc (ω) = Ap π (δ(ω − ωp ) + δ(ω + ωp ))− (Φ(ω − ωp ) − Φ(ω + ωp )) (4.14)
2j
où

 µφ X(ω) pour la modulation de phase,
Φ(ω) = (4.15)
 X(ω)
2π µf jω pour la modulation de fréquence.

Figure 4.9 – (Haut) : Signal modulant (en rouge) et porteuse sinusoı̈dale (en
vert). (Bas) : Signal modulé en fréquence. L’amplitude de l’enveloppe du signal
modulé reste constante.
Les spectres obtenus sont semblables à ceux correspondant à une modulation

d’amplitude. C’est aussi une double bande latérale de largeur B = 2F = W/π.
Précisément, le profil de l’amplitude du spectre est identique pour une modula-
tion d’amplitude et pour une modulation de phase (le signe est inversé avec le
signe de ω cependant si on affiche Xc (ω) et non |Xc (ω)|). Pour la modulation de
fréquence, l’amplitude |Xc (ω)| diminue légèrement en fonction de la fréquence.
Modulation par une sinusoı̈de

On suppose que la restriction suivante sur le signal à transmettre x(t) est :
|x(t)| ≤ 1 . (4.16)
On décrit alors x(t) par une sinusoı̈de x(t) = sin ωm t. La phase φ(t) = β x(t).
La porteuse sinusoı̈dale est xp (t) = Ap cos(2πfp t), et par conséquent le signal
modulé s’exprime par :

xc (t) = Ap cos(2πfp t + β sin(2πfm t))

= Ap cos(2πfp t) cos(β sin(2πfm t)) − sin(2πfp t) sin(β sin(2πfm t))
+∞
X
= Ap Jn (β) cos(2π(fp + nfm )t) (4.17)
n=−∞
où β est l’indice de modulation qui vaut :

µφ (modulation de la phase),
β= 2πµf µf (4.18)
ωm = fm (modulation de fréquence)
Figure 4.10 – Les trois premières fonctions de Bessel de première espèce.
Les fonctions de Bessel de première espèce Jn (β) correspondent aux coefficients

dans le développement en série de Fourier de :
+∞
X
cos(β sin(2πfm t)) = J0 (β) + 2 Jn (β) cos(nωm t) (4.19)
n=2,n pair
+∞
X
sin(β sin(2πfm t)) = 2 Jn (β) sin(nωm t) (4.20)
n=1,n impair
Cette famille de fonctions est définie explicitement par une intégrale complexe :
Z +π
1
Jn (x) = e(j x sin θ−j n θ) dθ . (4.21)
2π −π
Propriétés
• Jn (x) = (−1)n J−n (x)

• Jn (x) = (−1)n Jn (−x)

,
2n
• Jn−1 (x) + Jn+1 (x) = x Jn (x) (n > 0).
La puissance moyenne transmise du signal modulé Pxc vaut (d’après Parseval) :

+∞ +∞
!
A2p X 2
A2p 2
X
2
A2p
Px c = |Jn (β)| = J0 (β) + 2 Jn (β) = . (4.22)
2 n=−∞ 2 n=1
2
Le spectre harmonique d’un signal FM (modulé en fréquence) réel possède des

composantes qui vont jusqu’à des fréquences infinies, bien qu’elles deviennent
rapidement négligeables. De façon simplifiée, le spectre s’une sinusoı̈de modulée
en FM par un signal sinusoı̈dal peut être représenté par une fonction de Bessel, ce
qui permet de modéliser formellement l’occupation spectrale d’une modulation
FM, et on a :
+∞
X
Xc (ω) = π Ap Jn (β) δ(ω − (ωp + n ωm )) (4.23)
n=−∞
Ce qui correspond à un spectre de raies :
π Ap J0 ( β )
|X c (ω )|
π A p J −1 ( β ) π Ap J 1 ( β )
−ω p ωp ω
ωp − ω m ωp+ ω m
Figure 4.11 – Spectre du signal modulé : Les amplitudes des raies diminuent
rapidement à partir de la fréquence centrale du signal modulé fc = ωc /2 π.
dont la largeur de bande B vaut :

|n|
• β 1 ⇒ |Jn (β)| ≈ 0 si β > 1 ⇒ B ≈ 2 β fm = 2µf
,
• β1 (bande étroite) ⇒ B ≈ 2 fm ,
• β quelconque ⇒ Règle de Carson B ≈ 2 (β + 1) fm = 2 (fm + µf )
La règle de Carson indique qu’à peu près toute la puissance ( 98%) d’un
signal modulé en fréquence est comprise dans la bande B.

4.3.3 Modulateurs FM
Un signal modulé en fréquence peut être réalisé à l’aide d’un circuit oscilla-
teur commandé en tension (OCT ou VCO pour Voltage Controlled Oscillator,
en anglais). L’oscillateur est généralement constitué d’un quartz et d’une diode
varicap, qui, en fonction de la tension appliquée à l’entrée verra sa capacité
varier et cette variation provoquera dans le circuit oscillateur des variations
de fréquence. La diode est commandée par la tension du signal modulant La
tension en sortie est finalement amplifiée, puis reliée à une antenne pour une
transmission Hertzienne.
f
fp + µ f
fp x(t) OCT x c(t)
fp − µ f
x fp
−1 1
p
OCT
Figure 4.12 – Schéma électronique Rsimple de modulation FM. Le signal modulé

t
est xc (t) = Ap cos(ωp t + 2 π µf x(τ ) dτ ).
4.3.4 Démodulateurs FM
Nous allons aborder la démodulation de fréquence en examinant deux méthodes.
La première méthode est appelée ”discriminateur” et se réfère à la démodulation
d’amplitude. La second méthode, plus précise, est la boucle à verrouillage de
phase.
Le discriminateur
Le discriminateur est un mécanisme de démodulation qui correspond à un en-
semble de deux fonctions en cascade : un differentiateur et un détecteur d’en-
veloppe. Le détecteur d’enveloppe revient à effectuer une démodulation AM
(voir section 4.2.4). En effet, le signal modulant étant de la forme suivante
xc (t) = Ap cos(ωp t + φ(t)), sa dérivée vaut :
dxc (t) dφ(t)

= − (ωp + ) Ap sin(ωp t + φ(t))
dt dt
= − Ap (ωp + 2π µf x(t)) sin(ωp t + φ(t)) (4.24)
| {z }
enveloppe

Démodulation AM
x c(t) Filtre Détecteur r(t)

dérivateur d’enveloppe
Figure 4.13 – Démodulation de fréquence par discriminateur.
La boucle à verrouillage de phase

Une boucle à verrouillage de phase (PLL - Phase Locked Loop) est un système
asservi qui permet, dans certaines conditions, de synchroniser le signal délivré
par un oscillateur variable par rapport à un signal de commande. Cette pro-
priété est mise à profit dans les démodulateurs de fréquence, les décodeurs
stéréophoniques ou pour synthétiser des ondes de très haute pureté spectrale,
contrôler la vitesse de rotation d’un moteur, décoder des informations codées
par un saut de fréquences (ou FSK pour Frequency Shift Keying),...
Ce dispositif est constitué principalement de trois composants : un détecteur de
phase, un filtre passe-bas de transmittance F (s) et un oscillateur contrôlé en ten-
sion (OCT). L’OCT produit un signal avec une fréquence bien déterminée dont
la valeur peut changer suivant la tension appliquée à son entrée. Le détecteur de
phase produit un signal dont l’amplitude dépend du déphasage entre le signal
d’entrée et celui produit par l’OCT. Il est réalisé le plus souvent par un circuit
analogique multiplieur. Le rôle du filtre passe-bas est de conserver les variations
de phase (BF) tout en supprimant les hautes fréquences et de produire ainsi
une tension proportionnelle aux déviations de fréquences.
xc (t)
Comparateur r(t)
Filtre F(s)
de phase
OCT
xo (t)
Figure 4.14 – Démodulation de fréquence par boucle à verrouillage de phase.
L’OCT ajuste la fréquence instantanée de xo (t) jusqu’à ce que la phase de xo (t)

soit égale à celle de xc (t). A ce moment-là, r(t) est égal à la dérivée de l’excur-
sion de phase instantanée de xc (t), c’est-à-dire au signal modulant.
Etant donné l’importance de l’emploi de la PLL, nous allons l’étudier plus en

détails, afin de préciser le mode de fonctionnement de ce dispositif, de déterminer
un modèle linéaire et d’analyser les propriétés essentielles du système. Dans un
cadre général, nous prendrons les notations suivantes indiquées sur la figure
(4.15) :
Le principe de fonctionnement simplifié de cet ensemble peut être résumé comme

suit : en l’absence de signal d’entrée vi (t), la tension de sortie vr (t) est nulle :

Détecteur Filtre passe−bas

de phase
v i (t) = Vi sin[ θ i (t)] vs (t) vr (t)
F(s)
Entrée Sortie
vo (t) = Vosin[ θo(t)]

Oscillateur variable
Figure 4.15 – Synoptique de la boucle à verrouillage de phase (PLL).
l’oscillateur fonctionne alors à sa fréquence propre f00 . Dans le cas contraire, le

détecteur de phase compare la phase instantanée θi (t) de vi (t) à celle θ0 (t) de
l’onde issue de l’oscillateur et délivre un signal ”d’erreur” vs (t) qui dépend de
l’écart θi (t) − θ0 (t). Celui-ci filtré par le circuit passe-bas fait varier la pulsation
ω0 de la tension vo (t) de façon à assurer son synchronisme avec le signal d’entrée
(ou de commande) vi (t), c’est-à-dire l’égalité des fréquences fo et fi définies par
les relations :
ωi 1 dθi (t)
fi = =
2π 2π dt
ωo 1 dθo (t)
fo = =
2π 2π dt
(4.25)
Précisons dès maintenant que la condition fo = fi ne demeure vérifiée que dans

une bande spectrale finie, dite ”de verrouillage”.
Le détecteur de phase : son rôle est d’élaborer un signal dit ”d’erreur” qui reflète
l’écart θi (t) − θo (t). La méthode couramment employée pour parvenir à cette fin
consiste à multiplier les signaux vi (t) (d’amplitude Vi susceptible de varier dans
le temps, mais lentement par rapport à la fréquence fo0 ) et vo (t) d’amplitude Vo
constante. Le résultat de cette opération est la tension vs (t) donnée par :
Vi Vo
vs (t) = K {cos[θi (t) − θo (t)] − cos[θi (t) + θo (t)]} (4.26)
2
où K est une constante caractéristique du circuit multiplieur. Dans le cas d’une
entrée sinusoı̈dale, on peut, grâce à un choix judicieux de l’origine du temps,
mettre la phase instantanée θi (t) sous la forme θi (t) = ωi t − π/2 . En ad-
mettant, de plus, que celle de l’oscillateur s’écrit θo (t) = ωo t − Φ , nous en
déduisons que :
Vi Vo
vs (t) = K {sin[(ωi − ωo ) t + Φ] − sin[(ωi + ωo ) t − Φ]} (4.27)
2
Cette dernière expression montre que la tension ”d’erreur”, disponible à la sortie
du détecteur de phase, est la somme de deux composantes :

• l’une de fréquence fi + fo élevée,

• l’autre de fréquence |fi − fo | beaucoup plus faible.
La deuxième composante peut donc être facilement isolée à l’aide d’un filtre
passe-bas.
Le filtre passe-bas : Ce circuit linéaire est destiné à éliminer la composante spec-

trale fi + fo . Sa fréquence de coupure fc doit donc être telle que
fc fi + fo . (4.28)
j φ(jω)
En mettant sa fonction de transfert F (jω) sous la forme F (jω) = |F (jω)| e
avec φ(0) = 0 , et en choisissant un gabarit tel que |F (j (ωi + ωo )| ≈ 0 (voir
figure 4.16), il est clair qu’en régime stationnaire, le signal vr (t) résultant du
filtrage de vs (t) s’écrit :
Vi Vo
vr (t) ≈ K |F (j(ωi − ωo )| {sin[(ωi − ωo ) t + Φ + φ(ωi − ωo )]} (4.29)
2
Cette tension constitue la grandeur de sortie ; de plus, elle commande la fréquence
fo délivrée par l’oscillateur variable.
|F(j ω )|
F(0) Cas β
F(0) Cas α Composantes H.F.

2
ωc ωi+ ωo ω
Figure 4.16 – Gabarit pour le filtre passe-bas de la boucle à verrouillage de

phase.
L’oscillateur commandé : dans un souci de simplicité, nous admettrons que la

loi de variation de la pulsation ωo en fonction de vr est pratiquement linéaire :
ωo = ωo0 + Ko vr + · · · (4.30)
où ωo0 désigne la pulsation d’oscillation libre (pour vr = 0) et Ko la sensibilité
de l’oscillateur commandé en tension :

dωo
Ko = (4.31)
dvr |vr =0 ou ωo =ω0
o
Verrouillage-capture Considérons à présent le système complet. En régime sta-

tionnaire (c’est-à-dire pour ωo constant), il est caractérisé par l’équation non-
linéaire déduite de (4.29) et de (4.31)

Ko K
ωo − ωo0 = Vi Vo |F (j(ωi − ωo )| {sin[(ωi − ωo ) t + Φ + φ(ωi − ωo )]}
2
(4.32)
qui doit être indépendante du temps conformément à l’hypothèse de stationarité.
Il en résulte deux solutions :
• |ωi − ωo | ωc :
Comme |F (j(ωi − ωo )| ≈ 0, on en déduit que ωo = ωo0 , ∀ t. L’oscillateur
est en ”mode libre”, car sa fréquence fo0 est indépendante des signaux
extérieurs : on dit que la boucle n’est pas verrouillée.
• |ωi − ωo | < ωc :
La composante basse fréquence de vs (t) est transmise par le filtre et agit
sur l’oscillateur de façon à diminuer l’écart en fréquence |fi − fo |. On
peut donc écrire (en supposant que F (0) = 1) :
|F (j(ωi − ωo ))| → F (0) = 1 , (4.33)
et il est clair que l’équation (4.32) admet comme solution ωo = ωi .

On dit alors que la boucle est verrouillée : l’oscillateur fonctionne en
”mode forcé”, car sa fréquence fo est forcée de rester égale à fi . Pour
cette solution reportée dans (4.32), et en rappelant que φ(0) = 0 (valeur
de la phase du filtre-passe-bas dans la bande passante), on obtient
Ko K
ωo − ωo0 = Vi Vo sin Φ . (4.34)
2
Cette relation est intéressante, car elle révèle que le verrouillage de la boucle
(ωo = ωi ) n’est conservé que tant que l’on a :
Ko K
|ωi − ωo0 | = |ωo − ωo0 | ≤ | Vi Vo | (4.35)
2
C’est-à-dire tant que la pulsation ωi demeure comprise dans une bande spec-
trale centrée par rapport à la pulsation libre ωo0 et de largeur définie par (4.34) :
à l’extérieur de ce domaine, il y a perte de synchronisme. Si tel est le cas,
on conçoit, en considérant l’équation (4.32) que le ”reverrouillage” de la boucle
n’est possible que si l’écart initial |ωi −ωo0 | est inférieur à la pulsation de coupure
ωc , c’est-à-dire si le signal de fréquence |fi − fo0 | a une amplitude suffisante pour
agir de façon sensible sur l’oscillateur. Cette remarque aide à comprendre que le
synchronisme entre la tension d’entrée et celle délivrée par l’oscillateur ne peut
ré-apparaı̂tre que dans une bande spectrale de capture, beaucoup plus étroite que
celle de verrouillage : sa largeur dépend essentiellement de la sélectivité du filtre.
Les figures suivantes illustrent la disposition relative de ces deux domaines par-
ticuliers en représentant la variation de fo lorsque la fréquence d’entrée fi croı̂t.
D’après (4.34), on voit que l’angle Φ est nul lorsque la fréquence fi du signal
de commande est égale à celle d’oscillation libre fo0 ; en nous reportant à θi (t) =
ωi t − π/2 et θo (t) = ωo t − Φ , il apparaı̂t que, dans ce cas, le signal d’entrée
est en quadrature arrière par rapport à celui de l’oscillateur.

fo bande de verrouillage
capture déverrouillage
f’o f’o fi
f i croit
fo
bande de
capture
f i décroit
f’o fi
f’o
capture
Figure 4.17 – Domaines de verrouillage et de capture lors de la variation de

fo .
Table 4.1 – Standards FM de la radiodiffusion

.
La bande FM est de 20 MHz 88.0 - 108.0

100 canaux dont la largeur de bande est 200 KHz
Stations non-commerciales 88.1 − 91.9 MHz
Stations commerciales 91.9 − 107.9 MHz
Stabilité de la porteuse ±2 KHz
Déviation maximale de fréquence ∆f = ±75 KHz
Fréquence du signal audio 50 − 15 KHz
Indice de modulation β = ∆f /fm 5 (∆f = 75 KHz, fm = 15 KHz)

4.4 Exercices
1. Soit un signal modulé en amplitude xc (t) = 10 cos(106 t) (1+0.5 sin(103 t) .
Donner la fréquence du signal modulant, de la porteuse et l’indice de mo-
dulation.
Rep : Ap = 10 ; fx = 159.55 Hz, fp = ωp /2π = 106 /2π = 159.55 KHz,

µ = 0.5.
2. Calculer la puissance moyenne transmise du signal modulé sans porteuse

Pxc , en fonction de Ap et de la puissance du signal modulant Px . Pour
aborder cet exercice, on se placera dans les cas suivants :
• le signal modulant est constant : x(t) = C .
• le signal modulant est une sinusoı̈de : x(t) = cos(ω0 t) .
A2p
Rep : Pxc ≈ 2 Px .
3. Calculer le rendement de puissance η, maximal, lors de la transmission du

signal x(t) = sin(ω0 t) dans un milieu où il a été nécessaire de le moduler
en amplitude avec la pulsation de porteuse ωp = 100 ω0 ? Représenter le
spectre du signal modulé (sans et avec porteuse).
4. La démodulation cohérente consiste à multiplier un signal modulé en am-

plitude (sans porteuse) par le signal s(t) = 2 cos(ωp t) appelé synchroni-
sateur, puis à faire passer le signal obtenu à travers un élément F . On
obtient alors le signal démodulé r(t) proportionnel au signal modulant
x(t). Expliquer le rôle du synchronisateur et le rôle de l’élément F . En
déduire l’élément F .
x c(t) * F r(t)
∼ 2 cos( ω p t)
synchronisation
Figure 4.18 – Schéma de principe de la démodulation cohérente.
5. On considère un signal xc (t) modulé en fréquence dont l’expression est

xc (t) = 10 cos[6283200 t − 5 cos(3141 t)] . Déterminer :
• l’expression de la fréquence instantanée,
• la fréquence fp de la porteuse,
• la fréquence fm du signal modulant,
• l’excursion en fréquence µf ,
• l’indice de modulation β,
• l’encombrement spectral (bande) B du signal modulé.



Cours Tds Fip1a PDF

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

Cours Tds Fip1a PDF

Transféré par

Droits d'auteur :

Formats disponibles

Traitement du Signal

Maı̂tre de Conférences HdR

Université Louis Pasteur de Strasbourg

Figure 1 – (a) Tour de Chappe. (b) Claude Chappe.

La tour de Chappe (a) est le premier réseau de télécommunications au monde. La

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 3

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 4

2 Représentation des Signaux Déterministes 15

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 6

[2] F. de Coulon, Théorie et traitement des signaux, Dunod, Paris, 1985.

[3] J. Max et J.-L. Lacoume, Méthodes et techniques de traitement du signal et

[5] M. Labarrère, J.-P. Krief et B. Gimonet, Le filtrage analogique, Cépaduès

[6] P. Duvaut, Traitement du signal : concepts et applications, Hermès, Paris,

[7] J. Wade, Codage et traitement du signal, Masson, Paris, 1991.

[9] M. Kunt, Traitement numériques des signaux, Dunod, Paris, 1991.

[10] M. Bellanger, Traitement numériques des signaux, Masson, Paris, 1991.

[11] R. Boite et H. Leich, Les filtres numériques, Masson, Paris, 1990.

[13] K. Castleman, Digital Image Processing, Prentice Hall, 1996.

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 8

L e Traitement du Signal (TdS) est une discipline indispensable que tout

En ce qui concerne ce cours, nous allons tout d’abord fournir quelques

Signal : Support de l’information transmise de sa source à sa destimation. En

– signal électrique (téléphonie),

On parle également de signal de mesure, de commande, de signaux vidéo, audio,

Théorie du signal : C’est la description mathématique des signaux quelle que

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 10

signal ne préjuge pas de la nature physique du signal.

Bruit : Toute perturbation superposée à un signal et génant la perception de

Traitement du signal : A l’aide d’une formulation mathématique adéquate,

– Filtrer : éliminer d’un signal des composantes indésirables,

– Détecter : Extraire une composante utile d’un signal et/ou du bruit de

– Analyser : Isoler les composantes et les caractéristiques essentielles d’un

– Mesurer : Estimer la valeur d’une grandeur caractéristique associée au

– Régénérer Redonner à un signal qui a été distordu sa forme initiale.

– Identifier : Classer un signal observé.

– Synthétiser : Créer un signal de forme appropriée.

– Moduler : Modifier les caractéristiques d’un signal pour l’adapter à une

– Codage : Traduire le signal en langage numérique, réduire les redondances

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 11

Dans les télécommunications, que ce soit dans le domaine de la téléphonie ou

En imagerie, on trouve des applications dans le domaine médical (reconstruc-

Le traitement de séquences vidéo concerne la compression, la restauration,

Figure 1.1 – Synoptique d’une chaı̂ne classique de traitements d’un signal.

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 12

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 13

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 14

Représentation des Signaux

L es signaux déterministes renferment une information dont l’évolution en

2.1 Signaux particuliers

2.1.1 Fonction signe

2.1.2 Fonction échelon (unité)

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 16

2.1.3 Fonction rectangle

rect(t) = Γ(t + 1/2) − Γ(t − 1/2) (2.6)

Propriété : la fonction rect(t) est normalisée, car la surface (sous la courbe)

Question 1 : Tracer la fonction (porte) A rect( t−τ

2.1.4 Fonction triangle

Traitement du Signal (1) - FIP - Christophe DOIGNON - Septembre, 2008 - 17

2.1.5 Fonction sinus cardinal

Figure 2.1 – (a) fonction sinc(t). (b) fonction sinc(t)2 .

2.1.6 Impulsion unité (distribution de Dirac)

quelle que soit la fonction f (t).

La fonction de Dirac est normalisée :