Vous êtes sur la page 1sur 42

1. SÉQUENCES DE NOMBRES ....................................................................................................................................................

4
1.1 DÉFINITION D'UNE SÉQUENCE DE NOMBRES ................................................................................................................................4
1.2 PROPRIÉTÉS DES SÉQUENCES .....................................................................................................................................................4
1.3 LES SÉQUENCES LES PLUS COURANTES .......................................................................................................................................4
1.3.1 La séquence impulsion unité............................................................................................................................................4
1.3.2 La séquence échelon........................................................................................................................................................5
1.3.3 La séquence exponentielle réelle: ....................................................................................................................................5
1.3.4 La séquence exponentielle complexe: ..............................................................................................................................5
2. LES SIGNAUX ÉCHANTILLONNÉS .......................................................................................................................................5
2.1 DOMAINE TEMPOREL ................................................................................................................................................................5
2.2 DOMAINE FRÉQUENTIEL............................................................................................................................................................6
2.2.1 x(t) est un signal sinusoïdal de fréquence f et e(t) est aussi une fonction sinusoïdale de fréquence Fe>f. .........................6
2.2.2 Cas général .....................................................................................................................................................................6
3. THÉORÈME DE L'ÉCHANTILLONNAGE.............................................................................................................................7
3.1 ENONCÉ DU THÉORÈME DE SHANNON:.......................................................................................................................................7
3.2 REMARQUES: ...........................................................................................................................................................................7
4. BLOQUEUR D'ORDRE ZÉRO .................................................................................................................................................8
4.1 ETUDE DU BLOQUEUR D'ORDRE ZÉRO (B0):................................................................................................................................8
4.2 ETUDE D'UNE FONCTION B0(P) QUI RÉALISE LA FONCTION: .........................................................................................................8
5. TRANSFORMÉE EN Z D'UNE SÉQUENCE DE NOMBRES.................................................................................................9
5.1 DÉFINITION: LA TRANSFORMÉE EN Z D'UNE SÉQUENCE DE NOMBRES ...........................................................................................9
5.2 TRANSFORMÉE EN Z DE LA SÉQUENCE IMPULSION UNITÉ {δ(N-K)}: ..............................................................................................9
5.3 TRANSFORMÉE EN Z DE LA SÉQUENCE X(K).{δ(N-K)}:.................................................................................................................9
5.4 TRANSFORMÉE EN Z D'UNE SÉQUENCE {X(N)} CAUSALE:.............................................................................................................9
5.5 TRANSFORMÉE EN Z DE LA SÉQUENCE ÉCHELON À L'ORIGINE {U(N)}:...........................................................................................9
5.6 TRANSFORMÉE EN Z DE LA SÉQUENCE EXPONENTIELLE RÉELLE {X(N)={AN.U(N)}: .....................................................................10
5.7 TRANSFORMÉE EN Z DE LA SÉQUENCE EXPONENTIELLE COMPLEXE ............................................................................................10
5.8 PROPRIÉTÉS DE LA TRANSFORMÉE EN Z ....................................................................................................................................10
5.8.1 La linéarité....................................................................................................................................................................10
5.8.2 Le théorème du retard ...................................................................................................................................................10
5.8.3 Multiplication par an.....................................................................................................................................................11
5.9 TRANSFORMÉE EN Z D'UN PRODUIT DE CONVOLUTION ...............................................................................................................11
6. TRANSFORMÉE DE FOURIER DISCRÈTE .........................................................................................................................11
6.1 CAS D'UN SIGNAL SINUSOÏDAL:................................................................................................................................................11
6.2 CALCUL NUMÉRIQUE DU SPECTRE:...........................................................................................................................................13
6.3 ALGORITHME DE LA TRANSFORMÉE DE FOURIER RAPIDE:.........................................................................................................13
7. PASSAGE DU FILTRAGE ANALOGIQUE AU FILTRAGE NUMÉRIQUE .......................................................................17
7.1 EXEMPLE 1: FILTRE PASSE-BAS DU PREMIER ORDRE..................................................................................................................17
7.2 EXEMPLE 2: FILTRE PASSE-BAS DU DEUXIÈME ORDRE ...............................................................................................................17
7.3 EXEMPLE 3: FILTRE PASSE-BANDE DU DEUXIÈME ORDRE...........................................................................................................18
8. DÉFINITION ET PROPRIÉTÉS D'UN FILTRE NUMÉRIQUE ...........................................................................................19
8.1 DÉFINITION:...........................................................................................................................................................................19
8.2 PROPRIÉTÉS D'UN FILTRE NUMÉRIQUE ......................................................................................................................................19
8.2.1 La linéarité: ..................................................................................................................................................................19
8.2.2 L'invariance temporelle:................................................................................................................................................19
8.2.3 La causalité:..................................................................................................................................................................20
8.3 RELATION DE RÉCURRENCE:....................................................................................................................................................20
9. FONCTION DE TRANSFERT D'UN FILTRE NUMÉRIQUE...............................................................................................20
9.1 DÉFINITION:...........................................................................................................................................................................20
9.2 FONCTION DE TRANSFERT ET RELATION DE RÉCURRENCE..........................................................................................................21
9.3 PASSAGE DE LA TRANSMITTANCE EN Z À LA TRANSMITTANCE COMPLEXE ...................................................................................21
9.4 PÔLES ET ZÉROS DE LA FONCTION DE TRANSFERT .....................................................................................................................22
10. FONCTION DE TRANSFERT ET RÉPONSE IMPULSIONNELLE ..................................................................................22
10.1 RELATION FONDAMENTALE...................................................................................................................................................22
11. COMPORTEMENT FRÉQUENTIEL D'UN FILTRE NUMÉRIQUE.................................................................................24
11.1 RELATION LIANT LA SÉQUENCE DE SORTIE {Y(N)} À LA SÉQUENCE D'ENTRÉE {X(N)}................................................................24
11.2 FONCTION DE TRANSFERT ISOCHRONE D'UN FILTRE ................................................................................................................24
11.3 CONCLUSIONS ......................................................................................................................................................................25
11.3.1 La séquence {y(n)} est elle-même une séquence complexe. ..........................................................................................25
11.3.2 Remarque ....................................................................................................................................................................25
11.4 EXEMPLES DE FONCTIONS DE TRANSFERT ISOCHRONES ...........................................................................................................25
11.4.1 Filtre RIF ....................................................................................................................................................................25
11.4.2 Filtre RII .....................................................................................................................................................................26
11.5 CONCLUSION: ......................................................................................................................................................................27
11.6 TRANSFORMÉE DE FOURIER DE LA FONCTION DE TRANSFERT ISOCHRONE ................................................................................27
12. FILTRES NON RÉCURSIFS (OU RIF) .................................................................................................................................27
12.1 DÉFINITION ..........................................................................................................................................................................27
12.2 RÉPONSE IMPULSIONNELLE ...................................................................................................................................................27
12.3 STABILITÉ DES FILTRES NON RÉCURSIFS .................................................................................................................................27
12.4 FONCTION DE TRANSFERT EN Z ..............................................................................................................................................28
12.5 FONCTION DE TRANSFERT ISOCHRONE ...................................................................................................................................28
12.6 FILTRE À PHASE LINÉAIRE .....................................................................................................................................................28
12.6.1 Synthèse des filtres non récursifs .................................................................................................................................29
12.6.2 Calcul des coefficients d'un filtre RIF par le calcul des coefficients de la série de Fourier ..........................................30
12.6.3 Calcul des coefficients d'un filtre RIF par la technique d'échantillonnage en fréquence ..............................................30
13. FILTRES RÉCURSIFS (OU RII) ...........................................................................................................................................31
13.1 DÉFINITION ..........................................................................................................................................................................31
13.2 STABILITÉ DES FILTRES RÉCURSIFS ........................................................................................................................................31
13.3 CELLULE ÉLÉMENTAIRE DU PREMIER ORDRE ..........................................................................................................................32
13.3.1 Réponse impulsionnelle ...............................................................................................................................................32
13.3.2 Réponse indicielle .......................................................................................................................................................32
13.3.3 Calcul de la constante de temps...................................................................................................................................33
13.3.4 Fonction de transfert H(z)............................................................................................................................................33
13.3.5 Fonction de transfert isochrone ...................................................................................................................................33
13.3.6 Conclusion ..................................................................................................................................................................33
13.4 CELLULE DU DEUXIÈME ORDRE RÉCURSIVE ............................................................................................................................33
13.4.1 Relation de récurrence ................................................................................................................................................33
13.4.2 Fonction de transfert H(z)............................................................................................................................................33
13.4.3 Réponse fréquentielle ..................................................................................................................................................34
14. DISCRÉTISATION DE H(P) PAR APPROXIMATION D'UNE INTÉGRALE PAR LA MÉTHODE TRAPÉZOÏDALE35
14.1 SYNTHÈSE D'UN FILTRE PASSE-BAS DU PREMIER ORDRE (TRANSFORMATION BILINÉAIRE) ..........................................................35
14.2 SYNTHÈSE D'UN FILTRE PASSE-BAS DU SECOND ORDRE (TRANSFORMATION BILINÉAIRE) ...........................................................36
14.3 SYNTHÈSE D'UN FILTRE PASSE-BAS D'ORDRE 4 (DISCRÉTISATION DE L'ÉQUATION DIFFÉRENTIELLE) ...........................................37
15. APPLICATIONS SPÉCIFIQUES ...........................................................................................................................................39
15.1 SYNTHÈSE DU FILTRE NUMÉRIQUE DU MEA8000 (SYNTHÉTISEUR VOCAL) ..............................................................................39
15.2 OSCILLATEUR SINUSOÏDAL ....................................................................................................................................................39
15.2.1 Signal sinusoïdal non amorti .......................................................................................................................................39
15.2.2 Signal sinusoïdal amorti ..............................................................................................................................................40
15.2.3 Signal cosinusoïdal non amorti....................................................................................................................................41
15.3 CORRECTEUR P.I.D. .............................................................................................................................................................42
LE FILTRAGE NUMERIQUE

1. Séquences de nombres

L'unité de calcul travaille sur des nombres x ( n), disponibles à des instants multiples entiers de la période
d'échantillonnage Te .
1.1 Définition d'une séquence de nombres

On appelle séquence { x (n)} , la suite ordonnée dans le temps des nombres x ( n) appelés échantillons.
{ x(n)} = {..., x( −2), x ( −1), x(0), x(1), x(2),..., x(n − 1), x (n), x(n + 1),...}
1.2 Propriétés des séquences

Une séquence est dite causale si x ( n) = 0 pour n < 0 .


La somme de 2 séquences { x (n)} et { y (n)} est la séquence:
{u(n)} = {x (n)} + { y(n)} = {..., u(0) = x(0) + y(0),..., u(n) = x(n) + y(n),...}
Le produit d'une séquence { x (n)} par une constante "a" est la séquence:
{ y (n)} = a{x(n)} = {..., y(0) = a. x(0),..., y(n) = a. x(n),...}
1.3 Les séquences les plus courantes

1.3.1 La séquence impulsion unité


= 0 si n ≠ k
{ x(n)} = {δ (n − k )} avec δ (n − k ) = 1 si n = k

Si k=0, {δ (n − 0)} notée {δ (n)} s'appelle la séquence impulsion unité à l'origine. La séquence {δ (n)} est utilisée
pour déterminer la réponse impulsionnelle d'un filtre. Représentation de la séquence impulsion unité:

n ... -2 -1 0 1 2 ... k ...


{δ (n − k )} 1. 0 0 0 0 0 1 0

n
0 k

+∞
Remarque: Toute séquence { x (n)} peut s'écrire: { x (n)} = ∑ x( k ){δ (n − k )} c'est-à-dire que cette séquence
k =−∞

{ x(n)} peut être décomposée en une somme de séquences impulsions d'amplitude x ( k ).


Si on choisit une séquence causale:
{ x(n)} = {x(0),0,0,...,0,......} = x (0){δ (n − 0)}
+ {0, x (1),0,...,0,......} = x (1){δ (n − 1)}
+ {0,0, x (2),...,0,......} = x (2){δ (n − 2)}
+ {0,0,0,..., x ( k ),0,...} = x ( k ){δ (n − k )}

{ x(n)} = {x(0), x(1), x (2),..., x( k ),...} = ∑ x( k ){δ (n − k )}
k =0

LES SIGNAUX ECHANTILLONNES SE4


LE FILTRAGE NUMERIQUE
1.3.2 La séquence échelon
= 0 si n < k
{ x(n)} = {u(n − k )} avec u(n − k ) = 1 si n ≥ k se représente:

n
0 k

Si k=0, {u(n − 0)} notée {u(n)} s'appelle la séquence échelon à l'origine.

1.3.3 La séquence exponentielle réelle:

u(n) = 0 si n < 0  x (n) = 0 si n < 0


{ x(n)} = {a n u(n)} avec u(n) = 1 si n ≥ 0 → 
 x (n) = a si n ≥ 0
n

Cette séquence sera, par exemple, celle de sortie d'un filtre en régime impulsionnel.
Représentation:
a>1

1 a=1
a<1
n
0

1.3.4 La séquence exponentielle complexe:

{ x(n)} = {e jnωTe } permet le calcul des séquences { sin nωTe} et {cos nωTe} pour l'étude du comportement
fréquentiel du filtre.

2. Les signaux échantillonnés

2.1 Domaine temporel

Dans le domaine temporel, un signal


x(t)
échantillonné x * ( t ) résulte de la
multiplication du signal continu du temps t
x ( t ) par une fonction e( t ) appelée fonction 0
e(t)
d'échantillonnage. La fonction 1
d'échantillonnage e( t ) est une fonction
t
périodique de période Te, c'est-à-dire de
0
1
fréquence Fe = , constituée par une suite 1 x*(t)
Te
périodique d'impulsions de largeur τ très t
petite par rapport à Te. 0
Pour tracer x ( n), on a remplacé l'amplitude x(n)
1
des différents échantillons de x ( t ) par des
nombres qui leurs sont proportionnels. n
0

LES SIGNAUX ECHANTILLONNES SE5


LE FILTRAGE NUMERIQUE
2.2 Domaine fréquentiel

*
Etude de la relation existant entre le spectre de x ( t ) et celui de x ( t ) .

2.2.1 x(t) est un signal sinusoïdal de fréquence f et e(t) est aussi une fonction sinusoïdale de fréquence
Fe>f.
|x(t)|
j 2 πft − j 2 πft
+e
e 1/2 1/2
x (t ) = cos 2 πft = , son spectre
2
est composé de 2 raies de fréquences ±f. → f
-f 0 +f
e j 2 πFet + e − j 2 πFet *
e( t ) = cos 2 πFet = , x ( t ) = x (t ). e (t ) ,
2
x * (t ) =
4
e (
1 j 2πft
)(
+ e − j 2πft . e j 2 πFet + e − j 2 πFet , )
1 1 1 1
x * ( t ) = e j 2 π ( Fe+ f ) t + e j 2 π ( Fe− f ) t + e j 2 π ( − Fe+ f ) t + e j 2 π ( − Fe− f ) t
4 4 4 4
Le spectre se compose de 4 raies Fe±f et - Fe±f, il y a translation de ±Fe du signal x ( t ) .
|x*(t)|
1/4 1/4 1/4 1/4

f
Fe-f -Fe Fe+f Fe-f Fe Fe+f

2.2.2 Cas général

La fonction d'échantillonnage réelle e( t ) est une fonction périodique de fréquence Fe. On peut la décomposer en
série de Fourier et de ce fait l'exprimer sous forme de fonctions sinusoïdales de fréquences multiples de Fe:

e( t ) = ∑ En.cos 2 π. n. Fe. t . Pour chaque harmonique En.cos 2π. n. Fe. t le spectre du signal x* ( t ) est constitué
n=0
par le spectre de base de x ( t ) translaté autour des fréquences ±nFe, l'amplitude étant multipliée par un
coefficient proportionnel à En. Le spectre de x* ( t ) est donc constitué par la répétition du spectre de x ( t )
translaté autour des fréquences ±nFe.
Exemple: Signal aléatoire x ( t ) dont le spectre est borné par les fréquences ±50kHz.
|x(t)|

f
-50kHz +50kHz
La fonction d'échantillonnage est formée par une suite d'impulsions périodiques de fréquence Fe=400kHz
(Te=2,5µs), de largeur τ=0,25µs et de hauteur E.
nπτ
sin
E. τ Te , En = E ⋅ 0, 25 ⋅ sin nπ. 0,1
La décomposition en série de Fourier donne: En = ⋅
Te n πτ 2 , 5 nπ . 0, 1
Te
 sin x 
Le sinus cardinal vaut ≈1 pour n faible:  ≥ 0,9 pour x ≤ 0,8 donc ici pour n ∈[− 3,+3] . Donc En ≈ 0,1.E,
 x 
τ
En est indépendant de n (tous les harmoniques ont la même amplitude et c'est d'autant plus vrai que est
Te

LES SIGNAUX ECHANTILLONNES SE6


LE FILTRAGE NUMERIQUE
faible). Le spectre du signal échantillonné x* ( t ) est constitué par le spectre de x ( t ) répété autour des fréquences
...,-2Fe,-Fe,0,Fe,2Fe,...
|x*(t)|

f
0
-2Fe -Fe -50kHz +50kHz Fe 2Fe
Il n'y a pas recouvrement ou repliement du spectre si Fe est supérieure ou égale au double de la fréquence
maximale du spectre du signal x ( t ) .

3. Théorème de l'échantillonnage

Un échantillonneur associé à un CAN est un organe


qui convertit une fonction du temps x ( t ) en une séquence de
x(t) Echantillonneur {x(n)}
+ nombres { x (n)} . Le but est de réaliser une séquence { x (n)}
CAN à partir de laquelle on puisse restituer intégralement le signal
d'origine.
L'échantillonnage introduit une périodicité du spectre dans l'espace des fréquences. Restituer le signal d'origine,
c'est supprimer cette périodicité. Cette opération peut être réalisée par un filtre passe-bas à condition qu'il n'y ait
pas repliement!

Représentation:
y*(t)
Le spectre y *(t ) représente, sans
recouvrement, une répétition du spectre de
f
base autour des fréquences nFe.
0
-Fe -Fe/2 +Fe/2 Fe
Transmittance complexe du filtre passe-bas

Filtre passe-bas idéal de fréquence de coupure


Fe
± . Il permet d'isoler le spectre de base des
f

-Fe/2
0
+Fe/2 2
images adjacentes.
y(t)

f
Le signal y ( t ) est intégralement restitué.
0
-Fe/2 +Fe/2
Le dispositif décrit ci-dessus s'appelle "interpolateur idéal de Shannon".

3.1 Enoncé du théorème de Shannon:

Si un signal, fonction continue du temps, à spectre borné est échantillonné à une fréquence Fe au moins égale à
deux fois la fréquence maximum de son spectre, il n'y a pas de perte d'information au cours de l'opération
d'échantillonnage.
3.2 Remarques:

Le filtre passe-bas idéal n'étant pas réalisable, on adopte une fréquence d'échantillonnage supérieure à celle
définie par le théorème de Shannon (exemple: CD spectre audio jusqu'à 20kHz et Fe=44,1kHz).
Pour qu'il n'y ait pas recouvrement des spectres, le signal d'origine doit être à spectre impérativement borné à une
fréquence inférieure à Fe/2. Il faut donc réaliser un filtrage analogique passe-bas avant tout traitement numérique
si le spectre du signal n'est pas naturellement borné (signal sinus). C'est le filtre anti-repliement.
LES SIGNAUX ECHANTILLONNES SE7
LE FILTRAGE NUMERIQUE
4. Bloqueur d'ordre zéro

Un bloqueur est un organe qui convertit une séquence { y (n)} , c'est-à-dire une suite de nombres en une fonction
continue du temps y ( t ) . (Il effectue, mais imparfaitement, le filtrage passe-bas).
4.1 Etude du bloqueur d'ordre zéro (B0):
{y(n)}
y(t) y(2)

{y(n)} Bloqueur d'ordre y(t) y(4)

n y(0) y(1) y(3) y(5)


t
zéro 0 Te 2Te 3Te 4Te 5Te
0 1 2 3 4 5

On veut déterminer la fonction de transfert du bloqueur d'ordre zéro, c'est-à-dire la relation entre y ( t ) et
{ y (n)} , ce qui nécessite le passage par une fonction intermédiaire réalisant y *(t ). Cette fonction est appelée
bloqueur impulsionnel.
{y(n)} y*(t)

{y(n)} Bloqueur y*(t)


n t
0 Te 2Te 3Te 4Te 5Te
0 1 2 3 4 5
impulsionnel

Remarque: Le signal y *(t ) n'a pas, ici, d'existence physique. C'est une méthode mathématique de décomposition

de la fonction du bloqueur d'ordre zéro. y *(t ) = ∑ yn . δ ( t − nTe )
n=0
4.2 Etude d'une fonction B0(p) qui réalise la fonction:

s(t)
1
δ (t)
s(t) s( t ) = 1 si 0 ≤ t ≤ Te
B0(p) t
Dirac
0 Te
s( t ) = 0 si t > Te

La réponse impulsionnelle de la fonction est: Ls(t ) = B0( p). Lδ (t ) = B0( p) en effet Lδ (t ) = 1


∞ Te
Te
 e − pt 
Ls(t ) = ∫ s(t )e − pt
dt → Ls(t ) = ∫ e − pt
dt =  
0 0  − p 0
− pTe
1− e
Ls(t ) = −
p
e(
1 − pTe
−1 =
p
)
donc:
δ (t-nTe) s(t-nTe) yn.δ (t-nTe) yn.s(t-nTe)
B0(p)
ð B0(p)

L'association du bloqueur impulsionnel et de B0(p) réalise la fonction "Bloqueur d'ordre zéro".

{y(n)} y*(t) -pt y(t)


1-e
B.I. B0(p)=
p

Bloqueur d'ordre zéro B0(t): réponse en sinx/x

LES SIGNAUX ECHANTILLONNES SE8


LE FILTRAGE NUMERIQUE
5. Transformée en z d'une séquence de nombres

La transformée en z est l'outil mathématique essentiel dans le domaine numérique.

5.1 Définition: La transformée en z d'une séquence de nombres

{ x(n)} est notée Z {x(n)} ou X ( z)



+∞  x (n) remplace f (t )
Z { x (n)} = ∑ x (n). z −n
en comparaison avec Laplace: F ( p) = ∫ f (t ). e − pt dt  − n - pt
−∞ 0 z remplace e
δ(n-k)}:
5.2 Transformée en z de la séquence impulsion unité {δ

+∞ δ (n) = 1 pour n = 0 → z − n = 1
Z {δ (n)} = ∑ δ (n). z − n 
−∞ δ (n) = 0 pour n ≠ 0
Z {δ (n)} = 1 (définie uniquement pour n = 0)
+∞ δ (n) = 1 pour n = 1 → z − n = z −1
Z {δ (n − 1)} = ∑ δ (n − 1). z − n 
−∞ δ (n) = 0 pour n ≠ 1
1
Z {δ (n − 1)} = z −1 =
z
+∞ δ (n) = 1 pour n = 2 → z − n = z −2
Z {δ (n − 2)} = ∑ δ (n − 2). z − n 
−∞ δ (n) = 0 pour n ≠ 1
1
Z {δ (n − 2)} = z − 2 =
z2
Z {δ (n − k )} = z − k
1
= k
z
δ(n-k)}:
5.3 Transformée en z de la séquence x(k).{δ

Cette séquence est formée des nombres x ( k ). {δ (n − k )} qui sont tous nuls sauf pour n=k.
Si n = k → x ( k ). δ (n − k ) = x ( k ).1 = x ( k )

[ ]
Z x ( k ). {δ (n − k )} = x ( k ) ⋅ k = x ( k ). z − k
z
1

5.4 Transformée en z d'une séquence {x(n)} causale:

∞ ∞
{ x(n)} = ∑ x( k ). {δ (n − k )} ⇒ Z { x(n)} = ∑ x( k ). z − k
k =0 k =0

5.5 Transformée en z de la séquence échelon à l'origine {u(n)}:

C'est une séquence causale :


1

n
0

LES SIGNAUX ECHANTILLONNES SE9


LE FILTRAGE NUMERIQUE

Z {u(n)} = ∑ u( k ). z − k u( k ) = 1∀k
k =0
∞ ∞
Z {u(n)} = ∑ z − k = ∑
1 1 1 1 1 z
or 1 + + 2 + 3 +...+ n +... =
k =0 k =0 zk z z z z z −1

Z {u(n)} =
z
(utilisé pour les tests de convergence sur les séries)
z −1
5.6 Transformée en z de la séquence exponentielle réelle {x(n)={an.u(n)}:

C'est une séquence causale:



Z { x (n)} = ∑ a k . u( k ). z − k u( k ) = 1∀k
k =0

ak
Z { x (n)} = ∑ k on démontre que:
k =0 z

Z { x (n)} =
z 1
=
z−a a
1−
z
5.7 Transformée en z de la séquence exponentielle complexe

C'est une séquence causale:


{
{ x(n)} = e jnωTe . u(n) }
Si on pose a = e jωTe → a n = e jnωTe

Z { x (n)} =
z 1
jnωTe =
z−e e jnωTe
1−
z
5.8 Propriétés de la transformée en z

5.8.1 La linéarité

{ } { } { } { }
Si { y (n)} = A x1 (n) + B x 2 (n) et si x1 (n) et x 2 (n) admettent pour transformée en z Z1 et Z2 alors
Z { y (n)} = A. Z1 + B. Z 2

5.8.2 Le théorème du retard

{ x(n)} est une séquence causale et Z { x (n)} sa transformée en z


{ y (n)} est une séquence causale retardée de k périodes d'horloge sur { x (n)}


1∞ 1 
Z { y (n)} =
1
∑ x (m) ⋅ z m+ k
= k ∑
z m= 0
x (m) ⋅ m 
z 
m= 0
144244 3
Z { x ( n )}

1
Z {x (n − k )} = ⋅ Z { x (n)}
zk

LES SIGNAUX ECHANTILLONNES SE10


LE FILTRAGE NUMERIQUE
La transformée en z d'une séquence causale retardée de k périodes d'horloge est égale au produit de la
1 1
transformée en z de la séquence par k . Donc est un opérateur retard. Comme z est un nombre complexe,
z z
1
arg = − arg z → z est un opérateur avance.
z

5.8.3 Multiplication par an

{ x(n)} est une séquence causale → Z { x (n)} = X ( z )


{ y (n)} = {a n . x(n)} → Z { y (n)} = Y ( z)
∞ ∞
1 ∞
k
 a
Z { y (n)} = ∑ y ( k ) ⋅ z −k
=∑ [ ]
a . x ( k ) k = ∑ x ( k ) ⋅ k 
k
z z 
k =0 k =0 = 044244
k1 3
 a
équivalent à X  
 z

 a
Y ( z ) = X   quand la séquence est multipliée par a n on remplace z par a÷z.
 z
5.9 Transformée en z d'un produit de convolution

{w(n)} = {x(n)}∗ { y(n)} , {w(n)} est le produit de convolution de { x (n)} et { y (n)}


+∞
w(n ) = ∑ xm . yn −m (définition du produit de convolution)
m =−∞

+∞ +∞
 +∞
 1 +∞ +∞
Z {w(n)} =
1 1
∑ w(n) ⋅ z −n = ∑  ∑ xm . yn−m  z n = ∑ ∑ xm ⋅ m ⋅ y n −m ⋅ n − m
n =−∞ n =−∞ m =−∞  n =−∞ m =−∞ z z
+∞ +∞
Z {w(n)} =
1 1
∑ x m ⋅ m ⋅ ∑ yl ⋅ l avec l = n - m
424z3 n1
=−∞ =−∞ z
1
m 4243
Z { x ( n )} Z { y ( n )}

{w(n)} = {x(n)} ⋅ { y (n)} , le produit de convolution est remplacé par le produit simple des transformées en z.
6. Transformée de Fourier discrète

1
Afin de déterminer le spectre d'un signal périodique f (t ) échantillonné à la fréquence Fe = , on prélève aux
Te
instants nTe , N échantillons: f (0), f (Te ), f (2Te ), ..., f (( N − 1)Te ) .
n= N −1
Montrons que le spectre de la fonction f (t ) peut s'écrire A(ω ) = ∑ f (nTe ).e− jω.nTe .
n=0

6.1 Cas d'un signal sinusoïdal:


|f(t)|
f (t ) = V0 .cos(ω 0t + ϕ) dont le spectre bilatéral est donné ci-contre Vo/2 Vo/2

fourni l'expression suivante:


n= N −1 ω
A(ω ) = ∑V0.cos(nω0Te + ϕ).e − jω.nTe
−ω 0 +ω
n=0

LES SIGNAUX ECHANTILLONNES SE11


LE FILTRAGE NUMERIQUE
n = N −1
e jnω0Te . e jϕ + e− jnω 0Te . e− jϕ − jnωTe
A(ω ) = ∑ V0 e
n=0 2
V0  jϕ n = N −1 − jnTe(ω −ω 0 ) n = N −1 
A(ω ) = 
2 
e ∑ e + e − jϕ
∑ e − jnTe (ω +ω 0 ) 
n =0 n =0 
Sachant que:
n= N −1
1 − e− a. N
∑ e−a.n = 1 + e−a +... +e−a( N −1) = 1 − e−a
n=0
il vient:
V0  jϕ 1 − e − jNTe (ω −ω 0 ) − jϕ 1 − e
− jNTe ( ω +ω 0 )

A(ω ) = e + e 
2  1 − e − jTe (ω −ω 0 ) 1 − e − jTe (ω +ω 0 ) 
Si l'on pose:
N −1
N
j Te ω −j
N
Te ω N −1
NTe ω
− jNTe ω Te ω sin
1− e −j Te ω e 2 −e 2 −j
2
E (ω ) = =e 2 ⋅ =e 2 ⋅
1 − e− jTe ω Te
j ω −j
Te
ω Te ω
e 2 −e 2 sin
2
N −1 N
−j Te ω
Le module de e 2 = cos( x ) − j.sin( x ) = 1.
NTe ω
sin
Donc nous obtenons: E (ω ) = 2 dont
Te ω
sin
2 N/2

la courbe représentative est donnée ci-contre.


Caractéristiques de E( ω ) : Présente un
maximum pour ω = 0 dont l'amplitude = N, est
symétrique par rapport ω = 0, est périodique de
2. π
période ω e = = 2. π. Fe 0
−ω e 0 ωe ω
Te N N
2ω e ω
La largeur du lobe central est , celle des lobes latéraux vaut e .
N N
V0 jϕ − jϕ
En conséquence, on peut écrire: A(ω ) = e . E (ω − ω 0 ) + e . E (ω − ω 0 ) . Si NTe est suffisamment grand
2
les 2 fonctions E(ω − ω 0 ) et E(ω − ω 0 ) n'empiètent pas l'une sur l'autre et l'on peut écrire:
V ω
A(ω ) ≈ 0 E (ω − ω 0 ) + E (ω − ω 0 ) . Dans le cas où Fe > 2. f 0 c'est-à-dire Fe > 2 0
2 2. π
N.Vo/2

ωe

ωe

−ω e ω0 −ωe −ω0 0 ω0 ω e −ω0 ωe


2.ωe
ωe N
N
∆ω

La partie de la courbe ci-dessus limitée à ∆ω représente le spectre bilatéral de f (t ) bien que l'amplitude des
lobes secondaires ne soit pas minimalisée.

LES SIGNAUX ECHANTILLONNES SE12


LE FILTRAGE NUMERIQUE
N.Vo/2

−ω0 0 ω0
2ωe
ωe N
N

6.2 Calcul numérique du spectre:

ωe
• Si on balaie la courbe A(ω ) par pas de , toutes les valeurs de A(ω ) sont nulles sauf celle
N
NV0
correspondant à la pulsation ω 0 dont l'amplitude égale (et celle correspondant à la fréquence image
2
ω
ω e − ω 0 ). On obtient ainsi le spectre exact du signal f (t ) à condition que ω 0 = k e , c'est-à-dire que ω 0 et
N
ω e soient synchrones.
n= N −1
L'expression A(ω ) = ∑ f (nTe ).e− jω.nTe devient:
n=0
n = N −1 ω
− j⋅k e ⋅nTe n= N −1
k .n
ω −2 π⋅ j⋅
A( k e ) = ∑ f (nTe ).e N = ∑ f (nTe ). e N
N n =0 n=0

• Si tel n'est pas le cas, les points de calcul sont


répartis sur des points quelconques de la courbe
A(ω ) et ne sont absolument pas représentatifs du
spectre du signal f (t ). Pour minimiser ce
problème une méthode consiste à «balayer» la
courbe A(ω ) avec un pas plus faible. ω0
n = N −1 k .n
ωe ω −2 π⋅ j ⋅
Si par exemple le pas vaut , on obtient: A( k e ) = ∑ f (nTe ). e X .N
X.N X.N n=0
Afin de minimiser l'importance des lobes latéraux, on peut substituer à la fenêtre rectangulaire une fenêtre de
n
−2π⋅ j
Hamming par exemple en multipliant chaque échantillon par e N .

6.3 Algorithme de la Transformée de Fourier Rapide:

n= N −1 k .n
ω −2 π⋅ j ⋅
La T.F.D. A( k e ) = ∑ f (nTe ).e N avec 0 < k < N − 1 est très utilisée, bien que présentant les défauts
N n =0
mentionnés ci-dessus en cas de non synchronisation, car elle conduit (voir ci-après) à des algorithmes réduits et
rapides si le nombre d'échantillons N est une puissance entière de 2.
En effet si l'on effectue une T.F.R. de 1000 points, il faut présentement k . n = N 2 = 106 calculs pour l'obtenir.
2π k .n
ω −j −2 π⋅ j ⋅
Afin de simplifier l'écriture, on pose: A( k e ) = A( k ), f (nTe ) = f (n), WN = e N → e N = W k .n
N
N

LES SIGNAUX ECHANTILLONNES SE13


LE FILTRAGE NUMERIQUE
En isolant les échantillons d'ordre pair et d'ordre Propriétés des WNk .n
impair: −2 π⋅ j
k .n
−2 π⋅ j
k .n
N / 2 −1 N / 2−1
• =e
WNk .(/ 2n / 2) N = WNk .n ,
WN / 2 = e
( k / 2).n N = WNk .n
A( k ) = ∑ f (2i).WNk.2i + ∑ f (2i + 1).WNk .(2i +1)
k .2n k .n
i =0 i =0 −2 π⋅ j −2 π⋅ j
Et en utilisant les propriétés ci-contre: • WNk .2n = e N =e N / 2 = −W k .n
N /2
N / 2 −1 N / 2−1 −2 π⋅ j
k .n
−2 π⋅ j
k.p
A( k ) = ∑f (2i ).WNk .2i + WNk ∑ f (2i + 1).WNk .2i • WNk .(n + p) = e N .e N = W k .n .W k . p
N N
i =0 i =0

Pour des commodités d'écriture on écrit: AN ( k ) = G ( k ) + WNk . H ( k ) avec:


N / 2−1 N / 2−1
G(k ) = ∑ f (2i ).WNk ./i2 transformée d'ordre N/2 sur les échantillons d'ordre pair et H ( k ) = ∑ f (2i + 1).WNk ./i2
i =0 i =0
transformée d'ordre N/2 sur les échantillons d'ordre impair.
2
 N N
Si on effectue une T.F.R. de 1000 points, il faut présentement 2 ⋅   + = 50500 calculs pour l'obtenir.
 2 2
Cette expression est connue sous le nom de Transformée de Fourier Rapide (T.F.R. ou F.F.T.).
3
• Illustrons l'intérêt de l'expression ci-dessus en prenant comme exemple N=8 (2 ):
i = {0,1,2,3,4,5,6,7} sera décomposé en i = {0,2,4,6} et {1,3,5,7} qui se redécompose en:
i = {0,4} {2,6} {1,5} {3,7} qui nécessite 4 ⋅1 + 4 = 8 opérations au lieu de 82 = 64 .

• Exemple de calcul des AN ( k ) avec N = 4.


3 1 1
A4 ( k ) = ∑ f (i ).W4k .i = ∑ f (2i ).W2k .i + W4k ∑ f (2i + 1).W2k .i = f (0) + f (2).W2k + W4k f (1) + f (3).W2k
i =0 i =0 i =0
A4 ( k ) = f (0) + f (2).W42.k + W4k f (1) + f (3).W42.k Propriétés des Wβα
k 2π⋅2 k
A4 (0) = f (0) + f (2).W40 + W40 f (1) + f (3).W40 −2π⋅ j − j⋅
• W2
k
=e 2 =e 4 = W42.k
A4 (1) = f (0) + f (2).W42 + W41 f (1) + f (3).W42 −2 π⋅ j
4
− j⋅
π
• W4
4
=e 4 = 1 = W40 , W41 =e 2 =−j
A4 (2) = f (0) + f (2).W40 + W42 f (1) + f (3).W40 6 3.π
−2π ⋅ j − j⋅
• W4 = = −1 = W42 , W43 = = j
6
A4 (3) = f (0) + f (2).W42 + W43 f (1) + f (3).W42 e 4 e 2

Représentation graphique conventionnelle d'une F.F.T. 4 points:

f(0) A(0)
0
0
f(2) 2 A(1)
0
:=Somme 0 :=W 4

f(1) 2 A(2)
0 1

f(3) 2 3 A(3)

Premier niveau Second niveau

LES SIGNAUX ECHANTILLONNES SE14


LE FILTRAGE NUMERIQUE
Forme simplifiée et généralement acceptée de cette construction graphique:

a a+b k
Car: a a+b.W N
0 W40 = 1
W42 = −1 k
b 2 a-b WN k
b a-b. W N

La représentation standard simplifiée de la F.F.T. 4 points devient:

f(0) A(0)

f(2) A(1)

f(1) A(2)

1 -j
f(3) WN A(3)

Afin que les valeurs de sortie, représentatives du spectre du signal, soient dans l'ordre croissant, il est nécessaire
que les échantillons d'entrée soient dans l'ordre: i = {0,2,1,3} . Ceci nécessite que les échantillons d'entrée soient
rangés en mémoire dans l'ordre naturel, mais qu'ils soient lus comme une table dans un ordre dit «bit-reverse
mode addressing». Ce mode est obtenu simplement en permutant l'ordre des bits de chaque adresse de la table.
Exemples:
FFT 4 points: FFT 8 points:
00 00 = f(0) 000 000 = f(0) 100 001 = f(1)
01 10 = f(2) 001 100 = f(4) 101 101 = f(5)
10 01 = f(1) 010 010 = f(2) 110 011 = f(3)
11 11 = f(3) 011 110 = f(6) 111 111 = f(7)

D'où la représentation standard simplifiée de la F.F.T. 8 points:

LES SIGNAUX ECHANTILLONNES SE15


LE FILTRAGE NUMERIQUE

f(0) A(0)

f(4) A(1)

f(2) A(2)

1
f(6) WN A(3)

f(1) A(4)

1
f(5) WN A(5)

2
f(3) WN A(6)

1 3
f(7) WN WN A(7)

Chaque «papillon» à l'étage "m" représente une partie de l'algorithme de calcul sous la forme suivante:
k k
a a+b.W N Pm Pm+Qm.W N

k k k k
b WN a-b. W N Qm WN Pm-Qm. W N
Pm + 1 = Pm + Qm.WNk et Qm + 1 = Pm − Qm.WNk

Or WNk = e− j(2.π / N ) k = cos( X ) − j sin( X ) avec X = (2. π / N ) k


et Pm = PR + j. PI et Qm = QR + j. QI donc:
Pm + 1 = PR + j. PI + QR cos( X ) + QI sin( X ) + j (QI cos( X ) − QR sin( X ))
Pm + 1 = ( PR + QR cos( X ) + QI sin( X )) + j ( PI + QI cos( X ) − QR sin( X )), de même:
Qm + 1 = ( PR − QR cos( X ) − QI sin( X )) + j ( PI − QI cos( X ) + QR sin( X ))

LES SIGNAUX ECHANTILLONNES SE16


LE FILTRAGE NUMERIQUE

7. Passage du filtrage analogique au filtrage numérique

Discrétisation de l'équation différentielle d'un filtre analogique


7.1 Exemple 1: Filtre passe-bas du premier ordre

X(p) T(p) Y(p)

T0 T0 Y ( p)
La transmittance isomorphe est de la forme T ( p ) = = =
ω p X ( p)
1+ j 1+
ω0 ω0
 p
 1 +  Y ( p) = T 0. X ( p) → Y ( p) + (Y ( p)) = T 0. X ( p) , p étant l'opérateur de différentiation.
p
 ω 0 ω0
1 dy
A conditions initiales nulles on obtient: y ( t ) + = T 0. x ( t )
ω 0 dt
dy
Il faut maintenant discrétiser les grandeurs y , , x qui sont continues dans le temps pour en faire des séquences
dt
de nombres.

échantillonnage CAN
y ( t )  → y * = y ( nTe )  → y ( n )
dy y ( n ) − y ( n − 1)
= y ' ( t )  → y * = y ' ( nTe )  → y '( n ) =
dt Te
x ( t )  → x * = x ( nTe )  → x ( n )

A chaque instant t, l'équation différentielle précédente s'écrit:

1 1 
y ( n) + 
ω 0  Te
( y (n) − y (n − 1) ) = T 0. x (n)

 1  1
y (n) 1 +  − y (n − 1) = T 0. x (n)
 ω 0. Te  ω 0. Te
y (n)(1 + ω 0. Te) − y (n − 1) = ω 0. Te. T 0. x (n)
ω 0. Te . T 0 1 ω 0. Te . T 0 1
y (n) = x ( n) + y ( n − 1) a 0 = b1 =
1 + ω 0. Te 1 + ω 0. Te 1 + ω 0. Te 1 + ω 0. Te

y ( n ) = a 0. x ( n ) + b1. y ( n − 1)

Relation de récurrence qui caractérise le filtre numérique passe-bas du premier ordre


Calcul des coefficients par DSPCOEF.C (Numéric1)

7.2 Exemple 2: Filtre passe-bas du deuxième ordre

ω 02 Y ( p)
La transmittance isomorphe est de la forme T ( p ) = T 0 2 =
p + 2 m ω 0 p + ω 02 X ( p )

LES FILTRES NUMERIQUES FN17


LE FILTRAGE NUMERIQUE
( p 2 + 2mω 0 p + ω 0 2 )Y ( p) = T 0. ω 0 2 X ( p)
p 2 Y ( p) + 2mω 0 pY ( p) + ω 0 2 Y ( p) = T 0. ω 0 2 X ( p)
d2y dy
2 + 2 mω 0 + ω 0 2 y ( t ) = T 0. ω 0 2 x ( t )
dt dt
échantillonnage + CAN
y (t )  → y (n)
dy y (n) − y (n − 1)
= y ' (t ) → y ' (n) =
dt Te
d y2
y ' (n) − y ' (n − 1) 1  y (n) − y (n − 1) y (n − 1) − y (n − 2) 
= y" (t )  → y" (n) = = −
dt 2
Te Te  Te Te 

1
y "( n ) = y ( n ) − 2 y ( n − 1) + Y ( n − 2 )
Te 2
x ( t )  
→ x ( n)

A chaque instant t, l'équation différentielle précédente s'écrit:

1 2 2mω 0 1 2mω 0
2
y ( n) − 2
y (n − 1) + y ( n) −
2
y (n − 1) + ω 0 2 y (n) = T 0. ω 0 2 x (n)
y ( n − 2) +
Te Te Te Te Te
 1 2mω 0   2 2mω 0  1
 2 + + ω 0 2  y (n) +  − 2 −  y (n − 1) + 2 y (n − 2) = T 0. ω 0 2 x (n)
 Te Te   Te Te  Te
(1 + 2mω 0Te + ω 0 2 Te 2 ) y(n) − 2(1 + mω 0Te) y(n − 1) + y (n − 2) = T 0. ω 0 2 Te 2 x(n)
T 0. ω 0 2 Te 2 2 + 2 m ω 0Te 1
y ( n) = x(n) + y ( n − 1) − y (n − 2)
2 2 2 2
1 + 2 m ω 0 Te + ω 0 Te 1 + 2 m ω 0 Te + ω 0 Te 1 + 2 m ω 0 Te + ω 0 2 Te 2

y ( n ) = a 0 . x ( n ) + b1. y ( n − 1) + b 2 . y ( n − 2 )

Calcul des coefficients par DSPCOEF.C (Numéric2)

7.3 Exemple 3: Filtre passe-bande du deuxième ordre

2m ω 0 p Y ( p)
La transmittance isomorphe est de la forme T ( p ) = T 0 2 =
2
p + 2m ω 0 p + ω 0 X ( p)
( p 2 + 2mω 0 p + ω 0 2 )Y ( p) = 2mω 0 pT 0. X ( p)
p 2 Y ( p) + 2mω 0 pY ( p) + ω 0 2 Y ( p) = 2mω 0 pT 0. X ( p)
d2y dy dx
+ 2mω 0 + ω 0 2 y (t ) = 2mω 0 pT 0
dt 2 dt dt
échantillonnage + CAN
y (t ) → y (n)
dy y (n) − y (n − 1)
= y ' (t ) → y ' (n) =
dt Te
d y2
y ' (n) − y ' (n − 1) 1  y (n) − y (n − 1) y (n − 1) − y (n − 2) 
=   → = = −
Te  
y" ( t ) y " ( n )
dt 2 Te Te Te
dx x (n) − x (n − 1)
= x ' (t ) → x ' (n) =
dt Te
A chaque instant t, l'équation différentielle précédente s'écrit:
LES FILTRES NUMERIQUES FN18
LE FILTRAGE NUMERIQUE

1 2 1 2mω 0 2mω 0
2
y( n) − 2
y ( n − 1) + 2
y( n − 2) + y (n) − y ( n − 1) + ω 02 y ( n )
Te Te Te Te Te
2 m ω 0T 0 2m ω 0T 0
= x ( n) − x ( n − 1)
Te Te
 1 2mω 0   2 2mω 0  1
 2 + + ω 0 2  y ( n) +  − 2 −  y (n − 1) + 2 y (n − 2)
 Te Te   Te Te  Te
2mω 0T 0 2mω 0T 0
= x ( n) − x (n − 1)
Te Te
( )
1 + 2mω 0Te + ω 0 2 Te 2 y (n) − 2(1 + mω 0Te) y (n − 1) + y (n − 2)
= 2mω 0T 0Te. x (n) − 2mω 0T 0Te. x (n − 1)
2m ω 0T 0Te 2 mω 0T 0T e 2 + 2 m ω 0Te
y(n) = x(n) − x ( n − 1) + y ( n − 1)
1 + 2 m ω 0 Te + ω 0 2 Te 2 1 + 2 m ω 0 Te + ω 0 2 Te 2 1 + 2 m ω 0 Te + ω 0 2 Te 2
1
− y(n − 2)
1 + 2 m ω 0 Te + ω 0 2 Te 2

y ( n ) = a 0. x ( n ) + a 1. x ( n − 1) + b1. y ( n − 1) + b 2 . y ( n − 2 )

Calcul des coefficients par DSPCOEF.C (Numéric3)

8. Définition et propriétés d'un filtre numérique

8.1 Définition:

Un filtre numérique F est un algorithme de calcul par lequel une séquence de nombres { x (n)} dite séquence
d'entrée est transformée en une autre séquence de nombres { y (n)} dite séquence de sortie. Le filtre effectue la
transformation { y (n)} = F { x (n)} [ ]
Trois opérateurs sont nécessaires à l'unité de calcul: addition, multiplication, retard.
+
- a R ou z-1
Les symboles actuellement retenus sont:
Les études seront limitées aux filtres possédant les 3 propriétés suivantes:
La linéarité, l'invariance temporelle, la causalité.
8.2 Propriétés d'un filtre numérique

8.2.1 La linéarité:

{ } { }
Soient x1 (n) et x 2 (n) deux séquences d'entrée distinctes. Il leur correspond respectivement deux séquences
de sortie { y1 (n)} et { y 2 (n)} . Le filtre est dit linéaire si à la séquence d'entrée {v (n)} = a. {x1 (n)} + b. {x 2 (n)}
correspond {u(n)} = a. { y1 (n)} + b. { y 2 (n)} .

8.2.2 L'invariance temporelle:

Le filtre F est invariant temporel si, à la séquence d'entrée { x (n − k )} (séquence { x (n)} retardée de k périodes
d'horloge), il fait correspondre la séquence de sortie { y (n − k )} .

LES FILTRES NUMERIQUES FN19


LE FILTRAGE NUMERIQUE
Nota: Les 2 propriétés de linéarité et d'invariance temporelle permettent de caractériser un filtre numérique à
partir de sa seule réponse impulsionnelle.

8.2.3 La causalité:

Les filtres travaillant en temps réel doivent satisfaire au principe de causalité suivant: A un instant quelconque la
valeur y ( n0 ) de la séquence de sortie ne doit dépendre que des valeurs actuelle ou précédentes de la séquence
{ } {
d'entrée x (n ≤ n0 ) et de la séquence de sortie y (n < n 0 ) . }
8.3 Relation de récurrence:

D'une manière générale, l'algorithme d'un filtre numérique linéaire et causal est une relation de récurrence du
type:
M N
y (n) = ∑ ak . x ( n − k ) − ∑ b j . y ( n − j )
k =0 j =1

9. Fonction de transfert d'un filtre numérique

9.1 Définition:

Soient { x (n)} et { y (n)} les séquences d'entrée et de sortie d'un filtre linéaire et invariant temporel. Leurs
transformées en z respectives sont X ( z ) et Y ( z ) .
Y ( z)
Par définition on appelle fonction de transfert H ( z ) du filtre numérique H ( z ) =
X ( z)

x ( n ) + x ( n − 1)
Exemple 1: La relation de récurrence du filtre F1 est y ( n ) =
2
−1
X ( z) + z X ( z) 1
Rappel: Z { x (n − k )} = k ⋅ Z { x (n)} donc Y ( z ) =
1 1
= X ( z ) + z −1 X ( z )
z 2 2 2
−1
Y ( z) 1 + z
H1( z ) = =
X ( z) 2

x ( n ) + y ( n − 1)
Exemple 2: La relation de récurrence du filtre F2 est y ( n ) =
2

X ( z ) + z −1Y ( z ) 1 1 Y ( z) 1
Y ( z) = = X ( z ) + z −1Y ( z ) H 2( z) = =
2 2 2 X ( z ) 2 − z −1

Exemple 3: La relation de récurrence du filtre F3 est y ( n ) = x ( n) + 2. y ( n − 1)

Y ( z) 1
Y ( z ) = X ( z ) + 2. z −1Y ( z ) H 3( z ) = =
X ( z ) 1 − 2. z −1

LES FILTRES NUMERIQUES FN20


LE FILTRAGE NUMERIQUE
9.2 Fonction de transfert et relation de récurrence

M N
On a vu que y ( n ) est de la forme générale y ( n ) = ∑ ak . x (n − k ) − ∑ b j . y (n − j )
k =0 j =1
Z { x (n)} = X ( z ) → Z { x (n − k )} = z −k
. Z { x (n)} = z −k
. X ( z)
or
Z { y (n − j )} = z − j . Y ( z )
M N  N  M
donc Y ( z ) = ∑ a k . z −k
. X ( z ) − ∑ b j . z .Y ( z ) → Y ( z ) 1 + ∑ b j . z  = X ( z ) ∑ a k . z − k
−j −j

k =0 j =1  j =1  k =0

M
∑ ak . z − k
Y ( z) N (z)
H ( z) = = k =0 =
X ( z) N D( z )
1 + ∑b j .z− j
j =1

La fonction de transfert d'un filtre numérique est entièrement déterminée par la relation de récurrence du filtre.
Inversement, quand on connaît la fonction de transfert H(z) on peut calculer les coefficients de la relation de
récurrence.

1 + z −2 Y ( z)
Exemple 4: Soit la fonction de transfert H ( z ) = =
1 − 2. z −1 + z −2 X ( z )
(1 − 2. z −1 + z −2 )Y (z) = (1 + z −2 ) X ( z ) → Y ( z ) − 2. z −1 .Y ( z ) + z −2 . Y ( z ) = X ( z ) + z −2 . X ( z )
y ( n ) − 2 y ( n − 1) + y ( n − 2 ) = x ( n) + x ( n − 2) .
On obtient la relation de récurrence: y ( n ) = x ( n) + x ( n − 2) + 2 y ( n − 1) − y ( n − 2)

9.3 Passage de la transmittance en z à la transmittance complexe

On effectue la transformation:

z ↔ e2π. jfTe soit z − k ↔ e −2π. k . jfTe ou encore e −2 π.k . jfTe = cos 2 π. k . fTe − j sin 2 π. k . fTe
ce qui revient à effectuer la transformation:
z − k ↔ ℜ k ( f ) − ℑk ( f ) d'où le module de la fonction de transfert complexe:
2 2
M  M 
 ∑ a k .cos 2π . k . fTe +  ∑ a k .sin 2π . k . fTe
Y ( jf )  k =0   k =0 
H N ( jf ) = = 2 2
X ( jf )  N   N 
 1 + ∑ b j .cos 2π . j. fTe +  ∑ b j .sin 2π . j. fTe
   
 j =1   j =1 

LES FILTRES NUMERIQUES FN21


LE FILTRAGE NUMERIQUE
9.4 Pôles et zéros de la fonction de transfert

On appelle pôles les racines P de l'équation D(z)=0 et zéros les racines Z de l'équation N(z)=0 de la fonction.
Comme les coefficients ak et bj sont réels, les pôles et zéros sont réels ou imaginaires conjugués.
( z − Z1 )( z − Z2 )K ( z − Zm )
H ( z) =
( z − P1 )( z − P2 )K ( z − Pn )
Si on porte dans le plan complexe les images des pôles (P...) et des zéros (Z...), on obtient le diagramme des
pôles et des zéros qui permet de déterminer le comportement fréquentiel du filtre.

Exemple 1:
Y ( z ) 1 + z −1 1
H1( z ) = = Ce filtre a un zéro tel que Z1 → z −1 = = −1 → Z1 = −1
X ( z) 2 z

Exemple 2:
Y ( z) 1 −1 1 1
H 2( z) = = Ce filtre a un pôle tel que P → z = = 2 → Z =
X ( z ) 2 − z −1
1 1
z 2

Exemple 3:
Y ( z) 1 −1 2
H 3( z ) = = Ce filtre a un pôle tel que P → 2. z = = 1 → Z1 = 2
X ( z ) 1 − 2. z −1
1
z

Exemple 4:
z −2 − 1 ( z −1 + 1)( z −1 − 1)
H 4 ( z ) = −3 = Ce filtre a deux zéros Z1 = −1 et Z2 = +1, un
z − 4. z −2 + 6. z −1 − 4 ( z −1 − 2 )( z −2 − 2. z −1 + 2 )
1
pôle réel P1 = et deux pôles conjugués
2
z −2 − 2. z −1 + 2 = 0 → ∆ ' = 1 − 2 = −1 = j 2 → ∆ ' = ± j

= (1 − j ), = (1 + j )
1 1 1 1 1 1
= 1 + j → P2 = = 1 − j → P3 =
P2 1+ j 2 P3 1− j 2

10. Fonction de transfert et réponse impulsionnelle

10.1 Relation fondamentale

Soit un filtre initialement au repos (c'est-à-dire y(n)=0 pour n<0). On présente à son entrée la séquence impulsion
à l'origine { x (n)} = {δ (n)} dont la transformée en z est X(z)=1. La séquence de sortie { y (n)} du filtre est
appelée réponse impulsionnelle {h(n)} . Sa transformée en z est telle que
Y ( z ) = H ( z ). X ( z ) H ( z ): fonction de transfert du filtre
X ( z) = 1
Y ( z ) = H ( z ) → Z {h(n)} = H ( z )
La fonction de transfert d'un filtre numérique est la transformée en z de sa réponse impulsionnelle.
Or un filtre est entièrement caractérisé par la connaissance de sa réponse impulsionnelle. Si le filtre est causal

(h(n)=0 pour n<0) on peut écrire: H ( z ) = ∑ h( n). z − n
n=0

LES FILTRES NUMERIQUES FN22


LE FILTRAGE NUMERIQUE
x ( n ) + x ( n − 1)
Exemple 1: Le filtre F1 a pour relation de récurrence y ( n ) = .
2
Détermination de sa réponse impulsionnelle :

n -1 0 1 2 3 4
{x(n)}={δ(n)} 0 1 0 0 0 0
{x(n-1)}={δ(n-1)} 0 0 1 0 0 0
{y(n)}={h1(n)} 0 ½ ½ 0 0 0

{ }
On constate que la réponse impulsionnelle h1 (n) du filtre F1 ne comporte que 2 termes non nuls.
On dit que c'est un filtre à réponse impulsionnelle finie ou filtre RIF (ou encore FIR) ou filtre transversal.

 
La réponse impulsionnelle est la séquence de nombres: {h1 (n)} = K ,0,0, , ,0,0, K .
1 1
 2 2 
{ }
La transformée en z de h1 (n) est:
1 1 1
Z {h1 (n)} =L+0 + ⋅ 0 + ⋅ 1 + 0+L → Z {h1 (n)} =  1 +  = 1 + z −1 .
1 1 1 1
2 z 2 z 2 z 2
( )
Y ( z ) 1 + z −1
Donc la fonction de transfert de ce filtre est H1( z ) = = ce qui est conforme à ce qui a été trouvé
X ( z) 2
par la transformée en z de sa relation de récurrence (§ fonction de transfert d'un filtre numérique).

x ( n ) + y ( n − 1)
Exemple 2: Le filtre F2 a pour relation de récurrence y ( n ) = .
2
Détermination de sa réponse impulsionnelle :

n -1 0 1 2 3 4
{x(n)}={δ(n)} 0 1 0 0 0 0
{y(n-1)}={δ(n-1)} 0 0 1/2 1/4 1/8 1/16
{y(n)}={h2(n)} 0 1/2 1/4 1/8 1/16 1/32

{ }
On constate que le nombre de termes de la réponse impulsionnelle h2 (n) du filtre F2 est infini.
On dit que c'est un filtre à réponse impulsionnelle infinie ou filtre RII (ou encore IIR).

 
1  1 1 
Z {h2 (n)} =L+0 + ⋅ 0 + ⋅ 1 + ⋅ 2 +L → Z {h2 (n)} =  1 +
1 1 1 1 1 1 1 1
+ +L =  .
2 z 4 z 8 z 2 2. z 4. z 2  2 1 
 1 − 2. z 
Y ( z) 1
Donc la fonction de transfert de ce filtre est H 2 ( z ) = = ce qui est conforme à ce qui a été trouvé
X ( z ) 2 − z −1
par la transformée en z de sa relation de récurrence.

LES FILTRES NUMERIQUES FN23


LE FILTRAGE NUMERIQUE

11. Comportement fréquentiel d'un filtre numérique

11.1 Relation liant la séquence de sortie {y(n)} à la séquence d'entrée {x(n)}

Soit un filtre dont la réponse impulsionnelle est la séquence {h(n)} . Toute séquence d'entrée { x (n)} peut
s'écrire { x (n)} = ∑ x ( k ). {δ (n − k )} . Comme le filtre est un invariant temporel, à la séquence {δ (n − k )}
k

correspond {h(n − k )} . Comme le filtre est linéaire :

{ y (n)} = ∑ x( k ). {h(n − k )} → y (n) = ∑ x( k ). h(n − k ) → y(n) = ∑ x (n − k ). h( k ) ∀n .


k k k

Si le filtre est causal h( k ) = 0 pour k < 0 → y ( n ) = ∑ h( k ). x ( n − k ) .
k =0
Cette expression est un produit de convolution.

Illustration expérimentale de cette relation

{δ (n)}
-1 -1 -1 -1
z z z z

h(0) h(1) h(2) h(k-1) h(k)

{h(n)}

On présente maintenant à l'entrée du filtre une séquence { x (n)}

x (n) x (n-1) x (n-2) x[n- (k-1)] x (n-k)

x (n)
-1 -1 -1 -1
z z z z

h(0) h(1) h(2) h(k-1) h(k)

y(n) Pour M cellules on obtient:


M −1
y(n) = ∑ h(k). x(n − k)
k =0

11.2 Fonction de transfert isochrone d'un filtre

Soit un filtre causal dont on connaît la réponse impulsionnelle {h(n)} il donne une séquence { y (n)} telle que

y (n) = ∑ h( k ). x (n − k ) . Pour connaître le comportement fréquentiel de ce filtre on cherche sa réponse à une
k =0
séquence d'entrée complexe:

LES FILTRES NUMERIQUES FN24


LE FILTRAGE NUMERIQUE
{ x(n)} = {e jnωTe } donc x(n) = e jnωTe , x(n − k ) = e j (n − k )ωTe

 ∞

y ( n) = ∑ h( k ).e j (n − k )ωTe → y(n) =  ∑ h( k ).e − jkωTe  e jnωTe
k =0 k =0 
 ∞

y (n) =  ∑ h( k ). e − jkωTe  x (n)
k = 0 

11.3 Conclusions

11.3.1 La séquence {y(n)} est elle-même une séquence complexe.

∞ 
Chaque nombre y ( n ) voit son module et son argument multipliés par le nombre complexe  ∑ h( k ). e − jkωTe  par
k =0 
rapport à chaque nombre x ( n).

Le nombre complexe H ( jω ) = ∑ h( k ). e− jkωTe s'appelle fonction de transfert isochrone (ou transmittance) du
k =0
filtre numérique.
Or e − jkωTe = cos k ωTe − j sin k ωTe
∞ ∞
H ( jω ) = ∑ h( k ).cos k ωTe − ∑ h( k ).sin k ωTe → H ( jω ) = ℜ( ω ) − jℑ(ω )
k =0 k =0
2 2 ℑ
D'où module H = ℜ + ℑ , et argument Φ = arg H = − arctan

11.3.2 Remarque

La fonction de transfert H ( z ) d'un filtre est la transformée en z de sa réponse impulsionnelle:


∞ ∞
H ( z) = ∑ h( k ). z − k (pour un filtre causal) or la fonction de transfert isochrone est H ( jω ) = ∑ h( k ). e− jkωTe
k =0 k =0
(pour un filtre causal) d'où
H ( z ) ↔ H ( jω ) 

z − k ↔ e − jkωTe  H ( jω ) = H ( z ) avec z = e jωTe

z −1 ↔ e − jωTe 

11.4 Exemples de fonctions de transfert isochrones

11.4.1 Filtre RIF

x ( n ) + x ( n − 1)
Exemple filtre F1 dont la relation de récurrence est y ( n ) = a une fonction de transfert
2
Y ( z ) 1 + z −1 1
H1( z ) =
X ( z)
=
2
( ) 1
( ) 1
(
= 1 + z −1 . Donc H1( jω ) = 1 + e − jωTe . H1( jω ) = 1 + e − j 2 .π .Te. f
2 2 2
)
H1( jω ) = (1 + cos ωTe − j sin ωTe) = (1 + cos ωTe) − j sin ωTe . H1( jω ) est une fonction de la variable f
1 1 1
2 2 2
(fréquence du signal traité), périodique, de période Fe (fréquence Te!).

LES FILTRES NUMERIQUES FN25


LE FILTRAGE NUMERIQUE
Le module de H1( jω ) se calcule par:

H12 (ω ) =
1
4
1 1
(
(1 + cos ωTe) 2 + sin 2 ωTe = 1 + 2 cos ωTe + cos 2 ωTe + sin 2 ωTe
4 4
)
1 1
H12 (ω ) = (1 + 2 cos ωTe + 1) = (1 + cos ωTe)
4 2

H12 (w)
1.0
H1(w)
H12 (ω ) = 0 → 1 + cos ωTe = 0 → cos ωTe = −1
ωTe = ( 2 k + 1)π → 2. π . f . Te = ( 2 k + 1)π
1 Fe
f = (2 k + 1) → f = (2 k + 1)
2. Te 2
1
H12 (ω ) = 1 → (1 + cos ωTe) = 1 → 1 + cos ωTe = 2
2
ωTe = 2 k . π → 2. π . f . Te = 2 k .π
k
0
f
f = → f = k . Fe
0 Fe/2 Fe 3.Fe/2 2Fe Te

Fe
Conclusion: Si on se limite à l'intervalle 0 → (conformément à Shannon) on a un filtre passe-bas.
2

11.4.2 Filtre RII

x ( n ) + y ( n − 1)
Exemple filtre F2 dont la relation de récurrence est y ( n ) = a une fonction de transfert
2
Y ( z) 1 1 1
H 2( z) = = . Donc H 2 ( jω ) = = . H 2( jω ) est une fonction
X ( z) 2 − z −1 − j ωTe 2 − cos ωTe + j sin ωTe
2−e
de la variable f (fréquence du signal traité), périodique, de période Fe.
1 1 1
H 2 2 (ω ) = = =
( 2 − cos ωTe) 2 + sin 2 ωTe 4 − 4 cos ωTe + 1 5 − 4 cos ωTe

1.0
H22 (w) H2(w)
H 2 2 ( ω ) = 1 → 5 − 4 cos ωTe = 1 → 4 cos ωTe = 4
ωTe = 2 k . π → 2. π . f . Te = 2 k . π
k
f = → f = k . Fe
Te
Fe
à f = (2 k + 1)
0.33
2
1
→ H 2 2 (ω ) =
1 Fe
⋅ ( 2 k + 1)
0.11
0
f 5 − 4 cos 2. π ⋅
0 Fe/2 Fe 3.Fe/2 2Fe
Fe 2
1 1
H 2 2 (ω ) = =
5 − 4. ( − 1) 9

LES FILTRES NUMERIQUES FN26


LE FILTRAGE NUMERIQUE
11.5 Conclusion:

Pour un filtre causal, la fonction de transfert isochrone H ( jω ) = ∑ h( k ). e− jkωTe est une fonction continue et
k =0
périodique de la fréquence f du signal traité. Sa fréquence est la période d'échantillonnage Te.

11.6 Transformée de Fourier de la fonction de transfert isochrone

A tout signal s( t ) on fait correspondre une transformée de Fourier S ( f ) suivant les relations:
+∞ +∞
s( t ) = ∫ S ( f )e 2πjft
. df ↔ S ( f ) = ∫ s(t )e −2πjft . dt
−∞ −∞
Soient X ( f ) et Y ( f ) les transformées de Fourier des signaux d'entrée x ( t ) et de sortie y ( t ) , H ( jf ) la
transmittance complexe du filtre et h( t ) la réponse impulsionnelle du filtre.
0+
On applique une impulsion de Dirac δ( t ) à l'entrée du filtre: ∫ δ (t ). dt = 1
0−
+
+∞ 0 +∞
X( f ) = ∫ x (t )e − 2πjft
. dt = ∫ δ (t ). dt = 1 , Y ( f ) = H ( jf ) X ( f ) , y (t ) = h(t ) = ∫ H ( jf )e 2πjft . df
−∞ 0− −∞

La transmittance complexe du filtre est la transformée de Fourier de la réponse impulsionnelle.

12. Filtres non récursifs (ou RIF)

On les appelle filtres RIF ou transversaux.

12.1 Définition

Un filtre est non récursif lorsque le calcul de l'échantillon y ( n ) ne fait intervenir que les échantillons
M −1
x ( n ), x ( n − 1),K de l'entrée. D'une façon générale: y ( n ) = ∑ ak . x ( n − k ) . M étant le nombre de termes.
k =0

12.2 Réponse impulsionnelle

k = 0 → h(0) = a 0
M −1

Si { x (n)} = {δ (n)} , alors h( n ) est telle que h(n) = ∑ a k . δ (n − k ) k = 1 → h(1) = a1
k =0 K → K = K

Les amplitudes successives de la réponse impulsionnelle sont les coefficients du filtre. Le nombre de coefficients
du filtre est limité, il en est donc de même de la réponse impulsionnelle: filtre RIF.

12.3 Stabilité des filtres non récursifs

Les filtres non récursifs sont inconditionnellement stables.

LES FILTRES NUMERIQUES FN27


LE FILTRAGE NUMERIQUE
12.4 Fonction de transfert en z

M −1 M −1
−1
H ( z) = ∑ h( k ). z = ∑ ak . z − k . Cette fonction ne présente que des zéros.
k =0 k =0

12.5 Fonction de transfert isochrone

M −1
H ( jf ) = H ( z ) z = e jωTe → H ( jf ) = ∑ ak . e − jk ωTe .
k =0
La fonction de transfert isochrone est périodique, de variable f, de fréquence Te.

12.6 Filtre à phase linéaire

Si les coefficients du filtre sont symétriques, c'est-à-dire si:


a0 = a p −1 ,
a1 = a p − 2 ,
KKKK ,
ak = a p −1− k ,

on va ajouter les termes symétriques 2 à 2 dans l'expression de H, soit:

[
H ( jω ) = a k . e − jkωTe + a ( p −1− k ) . e − j ( p −1− k )ωTe = a k e − jkωTe + e − j ( p −1− k )ωTe , ] (a ( p −1− k ) = ak )
p −1  p −1   p −1 
−j ωTe − j k −  ωTe − j − k  ωTe
 2   2 
H ( jω ) = a k . e 2 (e +e )
 p −1  p −1   p −1   p −1
− j k −
 2 
 ωTe − j
 2
− k  ωTe
  p − 1 − j − k  ωTe j k −  ωTe
(e +e ) = 2 cos k −  ωTe car e  2 
=e  2 
 2 
p −1 p −1
−j ωTe  p − 1 −j ωTe
N
 p − 1
H ( jω ) = 2 a k . e 2 .cos k


2 
 ωTe → H ( jω ) = 2e 2
∑ a k .cos k − 2 
 ωTe
k =0

Exemple pour le calcul du nombre d'itérations N

a 0 = a 8
a 0 = a 7 
a = a
 1 p a1 = a 7 p −1
6
Si p = 8 on a − 1 = N = 3 , Si p = 9 a 2 = a 6 on a = N =4
a 2 = a 5 2 a = a 2
a 3 = a 4  3 5
a 4 = a 4

Argument de la fonction de transfert

N
 p − 1
Le terme ∑ a k .cos k − 2 
 ωTe est réel. Son argument est 0ou π.
k =0

LES FILTRES NUMERIQUES FN28


LE FILTRAGE NUMERIQUE
 p −1 
 sin ωTe  p −1 p−1
2  
arg H = − arctan  = − arctan tan ωTe = − ωTe (+π éventuellement)
 cos p − 1 ωTe   2  2
 2 
L'argument de la fonction de transfert isochrone varie linéairement en fonction de la fréquence du signal. Les
filtres RIF sont à phase linéaire. D'une autre manière on peut dire qu'ils sont à retard constant, ce qui signifie que
toutes les composantes spectrales du signal d'entrée seront retardées de la même valeur.

12.6.1 Synthèse des filtres non récursifs

La synthèse consiste à calculer la valeur des coefficients ai du filtre RIF afin que sa réponse en fréquence
H N ( jf ), notée jusqu'ici H ( jf ), coïncide avec la fonction analogique H A ( jf ) = H A ( f ) e jϕ souhaitée.
La fonction H N ( jf ) est périodique de période Fe et développable en série de Fourier, tandis que H A ( jf ) est
Fe Fe
définie dans le domaine d'utilisation du filtre numérique soit − < f < .
2 2
H N ( jf ) peut se mettre sous la forme:


H N ( jf ) = ∑ Cn . e j 2π.n. f .Te où les Cn sont les coefficients de la série de Fourier.
n =−∞

∫ H A ( jf )e − jω .n.Te . df = Te. F −1 ( H A ( jf )) t =nTe = Te. h A ( −nTe)


1
Cn =
Fe −∞
Les Cn représentent Te fois les échantillons de la réponse impulsionnelle h A ( t ) . Donc:
∞ ∞ ∞
H N ( jf ) = ∑ Cn . e jω .n.Te = ∑ Te. h A ( −nTe).e jω .n.Te = ∑ Te. h A (nTe).e − jω .n.Te
n =−∞ n =−∞ n =−∞

On peut approcher la fonction H N ( jf ) par un développement réduit à un nombre limité M de termes.


L'approximation est d'autant meilleure que le nombre de termes M est grand.
M −1 P
En posant M = 2 P + 1 → P = → H N ( jf ) ≅ ∑ Cn .e jω .n .Te = H N M ( jf )
2 n =− P

Le filtre ainsi obtenu n'est pas causal: Pour un développement limité à M termes, il suffit de retarder la réponse
M −1
impulsionnelle de ∆t = PTe = Te . Cela se traduit, dans le domaine fréquentiel par une multiplication par
2
e − jω. PTe (retard de PTe). On obtient alors:

P P
H N ( jf ) = H N M ( jf ). e − jω. PTe
=e − jω. PTe
. ∑ Cn .e jω.n.Te
= ∑ Cn .e jω.Te (n − P ) .
n =− P n =− P
0 2P
Si l'on pose k = − ( n − P ) et ak = C P − k , on obtient: H N ( jf ) = ∑ CP − k .e − jω.k .Te = ∑ ak .e− jω.k .Te
k =2 P k =0
M −1
On peut écrire: H ( jf ) = ∑ ak .e − jω.k .Te pour un filtre numérique nécessairement causal. Ou encore:
k =0
M −1 M −1
z ↔ e jω.Te : H ( z ) = ∑ ak .z − k → y ( n) = ∑ ak . x ( n −k )
k =0 k =0

LES FILTRES NUMERIQUES FN29


LE FILTRAGE NUMERIQUE
12.6.2 Calcul des coefficients d'un filtre RIF par le calcul des coefficients de la série de Fourier


M −1
On a posé ak = C P − k . P doit être entier et P = impose M impair. H N ( jf ) = ∑ Cn . e jω .n.Te .
2 n =−∞
Fe
2
Fe Fe 1
Le domaine d'utilisation du filtre numérique étant −
2
< f <
2
→ Cn =
Fe ∫FeH N ( jf )e − jω .n.Te . df .

2
Fe
2
Fe 2
La fonction H N ( jf ) étant paire pour f <
2
→ Cn =
Fe ∫ H N ( jf ) cos(ω . n. Te). df avec Cn = C− n
0

Fe
Pour un filtre passe-bas idéal H N ( jf ) = H A ( f ) = 1 pour f ≤ f c et H N ( jf ) = 0 pour f c < f ≤ .
2

[ ]
f fc
2 c 2 sin 2π . f . n. Te 2 sin 2π . f . n. Te sin 2 fTe . π. n
Cn = ∫ cos(2π . f . n. Te). df = = ⋅ → Cn =
Fe 0 Fe 2π . n. Te 0
Fe 2π . n. Te π. n

12.6.3 Calcul des coefficients d'un filtre RIF par la technique d'échantillonnage en fréquence

Cette étude ne présente d'intérêt que pour la production de filtres aux gabarits idéalisés: passe-bas, passe-bande,
coupe-bande ou passe-haut à gabarits rectangulaires.
Il faut déterminer, à partir de la fonction de transfert souhaitée H ( f ) = f ( f ) , les valeurs a k pour
M −1
0 ≤ k ≤ M − 1 de l'expression: y ( n ) = ∑ ak . x ( n − k ) où M représente le nombre de termes.
k =0
M −1
y (n) = ∑ a k . x (n − k ) = a0 . x ( n ) + a1. x ( n − 1) +K + a p −1. x (n − ( M − 1))
k =0

Le cours sur le filtrage numérique nous donne: Pas fréquentiel = Fe/M = 1/MTe
|H(f)|
M -fc +fc
−1 k .m M=12
1 2
 m  j ϕm j 2 π
ak =
M
∑M H0   e .e
 MTe 
M

m =−
2
Fe 1 M −1
∆f = = ϕm = −mπ f
M MTe M
pour un filtre à phase linéaire. -Fe/2 -2/MTe 1/MTe 3/MTe +Fe/2

Fe
Fe/M

 m 
Le module de la transmittance H 0   du filtre vaut 1 à l'intérieur de la bande passante souhaitée et 0 à
 MTe 
l'extérieur. On peut exprimer les valeurs extrêmes de m correspondant à une transmittance non nulle par la
fc fc mmax fc
relation: mmax = M → = . Sachant que m est un entier mmax = arrondi de M . D'où:
Fe Fe M Fe
M M
−1 k .m mmax k .m − ( mmax +1) −1
1 2
 m  jϕm j 2π 1 j 2π 1 1 2
ak =
M
∑M H0   e .e
 MTe 
M =
M
∑ 1. e jϕm . e M +
M
∑N0 +
M
∑0
m =− mmax m= mmax +1
m =− m =−
2 2

LES FILTRES NUMERIQUES FN30


LE FILTRAGE NUMERIQUE

m M −1 k .m m M −1 k .m m 2m − ( M −1)
1 − jk π j2π − jk π j2π jk π
M = 1 M = 1
∑ ∑ ∑
max max max

ak = 1. e M .e 1. e M .e e M
M m=− m M m =− m M m =− m
max max max

En isolant le terme correspondant à m=0 puis en regroupant les termes en -m et +m, on obtient:

1  mmax  jkπ 2m− ( M −1) − jkπ


2 m− ( M −1) 
 1  mmax
 2m − ( M − 1)  
ak = 1 + ∑ e M +e M
 → a k = 1 + 2 ∑ cos 
M  m=1    M m =1
 M 

Calcul des coefficients par DSPCOEF.C

13. Filtres récursifs (ou RII)

13.1 Définition

Un filtre est récursif quand interviennent non seulement les échantillons x ( n − k ) mais aussi des échantillons
y ( n − k ) précédents de la séquence de sortie.
M N
y (n) = ∑ ak . x ( n − k ) − ∑ b j . y ( n − j ) , il s'agit de systèmes bouclés et se pose le problème de la stabilité.
k =0 j =1

x ( n ) + y ( n − 1)
Filtre F2 : → y ( n ) =
2
1/2
x(n) y(n)
{x(n)} + a {y(n)}

z-1
y(n-1)

1 1
On a vu que la réponse impulsionnelle de F2 est: h2 ( n) = ⋅ . Quand n → ∞, h2 ( n ) → 0. Donc, écarté de sa
2 2n
position d'équilibre, le filtre y revient. Ce filtre est stable.

Filtre F3 : → y ( n ) = x ( n) + 2. y ( n − 1)
x(n) y(n)
{x(n)} + {y(n)}

2
a z-1
2*y(n-1) y(n-1)

On a vu que la réponse impulsionnelle h3 ( n ) = 2 n . Quand n → ∞ , h2 ( n) → ∞ . Donc, écarté de sa position


d'équilibre, le filtre n'y revient pas. Ce filtre est instable.

13.2 Stabilité des filtres récursifs

Soit un filtre possédant un état d'équilibre { x (n)} = 0 → { y (n)} = 0 . Le filtre est écarté de sa position d'équilibre
par l'application de la séquence impulsion unité {δ (n)} . On dit que le filtre est stable si après la disparition de la
LES FILTRES NUMERIQUES FN31
LE FILTRAGE NUMERIQUE
perturbation il retrouve son état d'équilibre, c'est-à-dire si sa réponse impulsionnelle h( n ) → 0 quand n → ∞ . Par
définition les filtres RIF sont stables. La stabilité des filtres RII est liée à la valeur des pôles de leur fonction de
transfert.

On démontre que les filtres RII sont stables si les modules de leurs pôles sont tous inférieurs à 1, c'est-à-
dire si les images des pôles sont à l'intérieur du cercle de rayon 1.

Exemple: Le filtre F2 a un pôle P=½ → stable


Le filtre F3 a un pôle P=2 → instable
P1 = , P2 = (1 − j ) → P2 =
1 1 1
2 = 0,707
2 2 2
Le filtre F4 a 3 pôles
P3 = (1 + j ) → P3 = 0,707
1
2

13.3 Cellule élémentaire du premier ordre

Sa relation de récurrence est y ( n ) = x ( n) + b. y (n − 1)

13.3.1 Réponse impulsionnelle

{ x(n)} = {δ (n)} , { y (n)} = {h(n)} avec h(n) = δ (n) + b. h(n − 1)


n -1 0 1 2 3 4
δ(n) 0 1 0 0 0 0
{y(n)}={h(n)} 0 1 b b2 b3 b4

h( n ) = bn pour n ≥ 0
Il y a stabilité si b < 1
h( n ) = 0 pour n < 0

13.3.2 Réponse indicielle


 y (0) = 1 + 0

 y (1) = 1 + b

{ x(n)} = {u(n)} , { y (n)} →  y(2) = 1 + b(1 + b) = 1 + b + b 2

 y (3) = 1 + b(1 + b + b ) = 1 + b + b + b
2 2 3

 1 − b n +1
 y (n) = 1 + b + b 2 + b 3 +K+b n =
 1− b
1
Quand t → ∞, n → ∞ , y ( n ) → si b < 1
1− b
y(n)

1/(1-b)
1

n
-1 0 1 2 3 4 5

LES FILTRES NUMERIQUES FN32


LE FILTRAGE NUMERIQUE
13.3.3 Calcul de la constante de temps
t

Soit le circuit analogique RC → y ( t ) = K (1 − e τ )
Te Te
1  − ( n +1)  − ( n +1) −
Te
+ Te
y (nTe) =  1 − e τ  en posant b n 1
=e τ →b=e τ → τ= , si
1− b   1
ln
b
Te
b ≈ 1 (b = 1 − ε ), alors τ ≈
ε

13.3.4 Fonction de transfert H(z)

( )
Y ( z ) = X ( z ) + b. z −1 . Y ( z ) → 1 − b. z −1 Y ( z ) = X ( z )
Y ( z) 1 z
H ( z) = = −1 =
X ( z ) 1 − b. z z−b
Il y a un pôle P pour z − b = 0 → P = b . La cellule est stable pour b < 1.

13.3.5 Fonction de transfert isochrone

1
Dans l'expression de H(z) on remplace z par e jωTe . H ( jω ) =
1 − b. e − jωTe
C'est une fonction périodique de la variable f, fréquence du signal filtré, de fréquence Te (donc de période Fe).
1
Pour ω = 0, f = 0, H = ⇒ Maximum
1− b
Fe 1 1 1 1
Pour f = ,H= = = , H = ⇒ Minimum
2 1 − b. e − j 2.π . f / Fe 1 − b. e − j 2.π. Fe/ 2 Fe 1 − b( −1) 1+ b
|H1|

1/(1-b)

1/(1+b)

f
0
0 Fe/2 Fe 3.Fe/2
13.3.6 Conclusion

Résultat semblable à un filtre analogique passe-bas du 1er ordre (mais en beaucoup plus complexe) avec une
possibilité de filtrage très limitée.

13.4 Cellule du deuxième ordre récursive

13.4.1 Relation de récurrence

y ( n ) = x ( n ) − b1. y ( n − 1) − b2 . y ( n − 2) (signes "-" pour faciliter le calcul)

13.4.2 Fonction de transfert H(z)


LES FILTRES NUMERIQUES FN33
LE FILTRAGE NUMERIQUE

( )
Y ( z ) = X ( z ) − b1 . z −1 . Y ( z ) − b2 . z −2 . Y ( z ) → 1 + b1 . z −1 + b2 . z −2 Y ( z ) = X ( z )
Y ( z) 1 z2
H ( z) = = =
X ( z ) 1 + b1 . z −1 + b2 . z − 2 z 2 + b1 . z + b2
Il y a un zéro double à l'origine et 2 pôles réels ou complexes selon ∆ = b12 − 4b2 .
b 1 b 1
Si ∆ ≥ 0 → b12 ≥ 4b2 les 2 pôles P1 et P2 sont réels P1 = − 1 + ∆ , P2 = − 1 − ∆
2 2 2 2
La cellule est alors équivalente à la mise en cascade de 2 cellules du 1er ordre.
b 1 b 1
Si ∆ < 0 → b12 < 4b2 les 2 pôles P1 et P2 sont complexes conjugués P1 = − 1 + j − ∆ , P2 = − 1 − j −∆
2 2 2 2
Remarque: Relation entre pôles et coefficients du filtre:
b1 2 1
b1 = −2 Re( P1) = −2 Re( P2), b2 = P1 = P2 , P1 = + (4b2 − b1 2 ) = b2
2 2 2
4 4

13.4.3 Réponse fréquentielle

Dans l'expression de H(z) on remplace z par e jωTe


1 1
H ( jω ) = =
1 + b1 . e − jωTe
+ b2 . e − 2 jωTe
1 + b1 .cos ωTe + b2 .cos 2ωTe − j(b1 .sin ωTe + b2 .sin 2ωTe)
2 1
H ( jω ) =
(1 + b1 .cos ωTe + b2 .cos 2ωTe) 2 + (b1 .sin ωTe + b2 .sin 2ωTe)2
2 2 2 2
Remarque: cos 2a = cos a − sin a = 1 − 2 sin a = 2 cos a − 1
sin 2 a = 2 sin a .cos a
2 1
H ( jω ) =
1 + b1 + b2 + 2b1 (1 + b2 ) cos ωTe + 2b2 cos 2ωTe
2 2

b sin ωTe + b2 sin 2ωTe


arg H = arctan 1
1 + b1 cos ωTe + b2 cos 2ωTe
Réponse de la cellule :
f 1
ωTe = 0 → = 0 → H (ω) =
Fe 1 + b1 + b2
f π 1 1 1
ωTe = π → = = → H (ω ) = =
Fe 2 π 2 1 + b1. e − jπ + b2 . e −2 jπ 1 − b1 + b2
H ( jω ) est maximal si A = 2b1 (1 + b2 ) cos ωTe + 2b2 cos 2ωTe est minimal
(
2b2 cos 2ωTe = 2b2 2 cos 2 ωTe − 1 )
A = 2b1 (1 + b2 ) cos ωTe + 4b2 cos 2 ωTe − 2b2 , on pose x = cos ωTe

A = 2b1 (1 + b2 ) x + 4b2 x 2 − 2b2 , = b1 (1 + b2 ) x + 2b2 x 2 − b2


A
2
= b1 (1 + b2 ) + 2b2 x = 0
1 dA
La dérivée s'annule pour:
2 dx
b1 (1 + b2 ) b1 (1 + b2 ) f0 b1 (1 + b2 )
x=− , cos ω 0 Te = − , cos 2π =−
4b2 4b2 Fe 4b2
f0 1 b1 (1 + b2 )
Il y a résonance pour: = arccos−
Fe 2π 4b2
LES FILTRES NUMERIQUES FN34
LE FILTRAGE NUMERIQUE
14. Discrétisation de H(p) par approximation d'une intégrale par la méthode trapézoïdale
(transformation bilinéaire)

1
y ( nTe ) = y ( n − 1) Te + Te y ' ( nTe ) + y ' ( n − 1)Te
2 y(n)
1 Te
y ( n) = y ( n − 1) + Te y ' ( n) + y ' ( n − 1) → y ( n) − y ( n − 1) = y ' ( n) + y ' ( n − 1)
2 2
Te
(1 − z −1 )Y ( z ) = (1 + z −1 )Y ' ( z ) y(n-1)
2
(1 − z −1 ) Z ( y (t )) = (1 + z −1 ) Z ( y '(t ))
Te
Te
2
Z ( y ' (t )) 2 (1 − z −1 )
n-1 n

= ⋅
Z ( y (t )) Te (1 + z −1 )

La multiplication par p de la transformée de Laplace d'un signal (p opérateur de dérivation) correspond à la


2 (1 − z −1 )
multiplication par ⋅ de la transformée en z de ce même signal échantillonné.
Te (1 + z −1 )
On appelle transformation bilinéaire, qui préserve la réponse en fréquence du filtre, cette opération.

14.1 Synthèse d'un filtre passe-bas du premier ordre (transformation bilinéaire)

On considère le circuit initialement au repos i


dy x ( t ) − y ( t ) dy 1 1
i=C = → + y (t ) = x(t ) R
dt R dt RC RC C y(t)
x(t)
dy 1 1
+ y ( t ) = x (t )
dt τ τ

Fonction de transfert isomorphe H(p)


1 1 Y ( p) 1/ τ 1
p. Y ( p ) + Y ( p ) = X ( p ) → H ( p ) = = → H ( p) =
τ τ X ( p) p + 1 / τ 1 + τ. p
1 Te (1 + z −1 ) Te (1 + z −1 )
H ( z) = = =
2 τ 1 − z −1 Te (1 + z −1 ) + 2 τ (1 − z −1 ) Te + 2 τ + ( Te − 2 τ ) z −1
1 + ⋅
Te 1 + z −1
(1 + z −1 )
Te
Te − 2 τ K (1 + z −1 )
H ( z) = → H ( z) =
Te + 2 τ K ' + z −1
+ z −1
Te − 2 τ
Relation de récurrence
K (1 + z −1 ) Y ( z )
H ( z) = −1
= → ( K ' + z −1 )Y ( z ) = K (1 + z −1 ) X ( z )
K' +z X ( z)
K '. Y ( z ) + z . Y ( z ) = K . X ( z ) + K . z −1. X ( z ) → K '. y ( n) + y ( n − 1) = K . x ( n ) + K . x (n − 1)
−1

 Te
 K=
K K 1  Te − 2τ
y (n) = x ( n) + x ( n − 1) − y ( n − 1) 
K' K' K'  K ' = Te + 2τ
 Te − 2τ
Calcul des coefficients par DSPCOEF.C (Numéric5)

LES FILTRES NUMERIQUES FN35


LE FILTRAGE NUMERIQUE
14.2 Synthèse d'un filtre passe-bas du second ordre (transformation bilinéaire)

1 1
H ( p) = → H (z) =
p p2 2m 2 1 − z −1 1 4  1 − z −1 
2
1 + 2m + 2 1+ +  
ω0 ω 0 ω 0 Te 1 + z −1 ω 0 2 Te 2  1 + z −1 
(1 + z −1 ) 2
H ( z) =
(1 + z −1 ) 2 +
4m
ω 0 . Te
(1 + z −1 )(1 − z −1 ) + 2
4
ω 0 . Te 2 1− z (
−1
)2

1 + 2. z −1 + z −2
H ( z) =
(1 + 2. z −1 + z − 2 ) +
4m
ω 0 . Te
(1 − z − 2 ) + 2
4
ω 0 . Te 2
(
1 + 2. z −1 + z − 2 )
1 + 2. z −1 + z − 2
H ( z) =
 4m 4   8  −1  4m 4  −2
1 + + 2  + 2 − 2  z + 1 − + 2 z
 ω 0 . Te ω 0 . Te  
2
ω 0 . Te 2
 ω 0 . Te ω 0 . Te 
2

1 + 2. z −1 + z −2 Y ( z)
H ( z) = −1 −2
= → Y ( z ) K 1 + K 2. z −1 + K 3. z −2 = X ( z ) 1 + 2. z −1 + z −2
K 1 + K 2. z + K 3. z X ( z )
K 1. y ( n ) + K 2. y ( n − 1) + K 3. y ( n − 2 ) = x ( n ) + 2 . x ( n − 1) + x ( n − 2 )
1
y (n) = x ( n ) + 2 . x ( n − 1) + x ( n − 2 ) − K 2. y ( n − 1) − K 3. y ( n − 2 )
K1

y ( n ) = a 0 . x ( n ) + a1 . x ( n − 1) + a 2 . x ( n − 2 ) + b1 . y ( n − 1) + b2 . y ( n − 2 )

1 2 1 K2 K3
a0 = , a1 = , a2 = a0 = , b1 = − , b2 = −
K1 K1 K1 K1 K1

Calcul des coefficients par DSPCOEF.C (Numéric6)

Fonction de transfert isochrone

y ( n ) = a 0 . x ( n ) + a1 . x ( n − 1) + a 2 . x ( n − 2 ) + b1 . y ( n − 1) + b2 . y ( n − 2 )
jωTe −1
a0 + a1. z −1 + a2 . z −2 z → e , z → e − jωTe , z −2 → e −2 jωTe
H ( z) =
1 − b1. z −1 − b2 . z −2 e − jωTe = cos ωTe − j sin ωTe , e −2 jωTe = cos 2ωTe − j sin 2 ωTe , K
a + a (cos ωTe − j sin ωTe ) + a2 (cos 2ωTe − j sin 2ωTe )
H ( jω ) = 0 1
1 − b1 (cos ωTe − j sin ωTe ) − b2 (cos 2ωTe − j sin 2ωTe )
( a + a cos ωTe + a2 cos 2ωTe ) − j ( a1 sin ωTe + a2 sin 2ωTe )
H ( jω ) = 0 1
(1 − b1 cos ωTe − b2 cos 2ωTe ) + j (b1 sin ωTe + b2 sin 2ωTe )
ℜ1 − jℑ1 (ℜ 1 − jℑ1 )(ℜ2 − jℑ2 ) (ℜ 1 ℜ 2 − ℑ1 ℑ2 ) − j(ℑ1 ℜ 2 + ℑ2 ℜ 1 )
H ( jω ) = = =
ℜ 2 + jℑ2 (ℜ2 + jℑ2 )(ℜ2 − jℑ2 ) ℜ 2 2 + ℑ2 2

(ℜ1 ℜ 2 − ℑ1 ℑ2 ) 2 (ℑ1ℜ 2 + ℑ2 ℜ1 )2
H (ω ) = +
(ℜ 2 2 + ℑ2 2 ) 2 (ℜ 2 2 + ℑ2 2 ) 2

LES FILTRES NUMERIQUES FN36


LE FILTRAGE NUMERIQUE
14.3 Synthèse d'un filtre passe-bas d'ordre 4 (discrétisation de l'équation différentielle)

1 1
H ( p ) = H1 ( p). H2 ( p) = ⋅
2
p p p p2
1 + 2 m1 + 1 + 2 m2 +
ω 01 ω 012 ω 02 ω 02 2
Y ( p) ω 012 ω 02 2
= ⋅
X ( p ) p2 + 2 m1ω 01 p + ω 012 p 2 + 2m2ω 02 p + ω 02 2

[( )(
Y ( p) p 2 + 2m1ω 01 p + ω 012 p 2 + 2m2ω 02 p + ω 02 2 )] = (ω 01
2
)
.ω 02 2 X ( p)

Y ( p)[ p 4
(
+ p 3 ( 2m1ω 01 + 2m2ω 02 ) + p 2 ω 012 .ω 02 2 )
( ) ] (
+ p 2m1ω 01 .ω 02 2 + 2m2ω 02 . ω 01 2 + ω 012 .ω 02 2 = ω 012 .ω 02 2 X ( p) )
α = 2 m1ω 01 + 2 m2 ω 02 , β = ω 012 . ω 02 2 ,
γ = 2 m1ω 01 . ω 02 2 + 2 m2 ω 02 . ω 012 , δ = ω 012 . ω 02 2
p 4 . Y ( p ) + p3 . α.Y ( p ) + p 2 . β. Y ( p ) + p. γ .Y ( p ) + δ.Y ( p ) = δ. X ( p )
d4y d 3y d2y dy
4
+ α 3
+ β 2
+γ + δ. y (t ) = δ. x (t ) → y '''' + α. y ' '' +β. y '' + γ . y ' + δ. y = δ. x
dt dt dt dt
y ( n ) − y ( n − 1)
y ' (n) = ,
Te
1
y ' ' (n) = y ( n ) − 2 y ( n − 1) + y ( n − 2 ) ,
Te 2
1
y ' ' ' (n) = y ( n ) − 3 y ( n − 1) + 3 y ( n − 2 ) − y ( n − 3) ,
Te 3
1
y ' ' ' ' (n) = y ( n ) − 4 y ( n − 1) + 6 y ( n − 2 ) − 4 y ( n − 3) + y ( n − 4 )
Te 4
 1 α β γ   4 3α 2β γ 
 4 + 3 + 2 + + δ  y (n) −  4 + 3 + 2 +  y (n − 1)
 Te Te Te Te   Te Te Te Te 
 6 3α β   4 α  1
+  4 + 3 + 2  y (n − 2) −  4 + 3  y (n − 3) + 4 y (n − 4) = δ . x (n)
 Te Te Te   Te Te  Te
(1 + α . Te + β . Te 2 + γ . Te 3 + δ . Te 4 ) y (n) − (4 + 3α . Te + 2β . Te 2 + γ . Te 3 ) y(n − 1)
+ (6 + 3α . Te + β . Te 2 ) y (n − 2) − ( 4 + α . Te) y (n − 3) + y (n − 4) = δ . Te 4 . x (n)
δ. Te 4 4 + 3α. Te + 2β. Te 2 + γ . Te 3
y (n) = x (n) + y (n − 1)
1 + α. Te + β. Te 2 + γ . Te 3 + δ. Te 4 1 + α. Te + β. Te 2 + γ . Te 3 + δ. Te 4
6 + 3α. Te + β. Te 2 4 + α. Te
− y (n − 2) + y ( n − 3)
1 + α. Te + β. Te + γ . Te + δ. Te
2 3 4
1 + α. Te + β. Te 2 + γ . Te 3 + δ. Te 4
1
− y (n − 4)
1 + α. Te + β. Te + γ . Te 3 + δ. Te 4
2

y ( n ) = a0 . x (n ) + b1 . y ( n − 1) + b2 . y ( n − 2) + b3 . y ( n − 3) + b4 . y ( n − 4 )

Dénominateur commun: DC = 1 + α. Te + β. Te 2 + γ . Te 3 + δ. Te 4

LES FILTRES NUMERIQUES FN37


LE FILTRAGE NUMERIQUE
a 0 = δ . Te 4 / DC ,
( )
b1 = 4 + 3α . Te + 2 β . Te 2 + γ . Te 3 / DC ,
α = 2 m1ω 01 + 2 m2 ω 02 , β = ω 012 . ω 02 2 ,
(
b2 = − 6 + 3α . Te + β . Te 2
) / DC,
γ = 2 m1ω 01 . ω 02 2 + 2 m2 ω 02 . ω 012 , δ = ω 012 . ω 02 2
b3 = ( 4 + α . Te) / DC ,
b4 = −1 / DC

Calcul des coefficients par DSPCOEF.C (Numéric4)

LES FILTRES NUMERIQUES FN38


LE FILTRAGE NUMERIQUE

15. Applications spécifiques

15.1 Synthèse du filtre numérique du MEA8000 (Synthétiseur vocal)

Il s'agit d'un filtre passe-bande destiné à la synthèse des phonèmes. Il existe plusieurs filtres semblables
dans le MEA8000 dont seuls les paramètres changent.

Schéma du constructeur y ( n ) = A. x ( n) + B. y ( n − 1) + C. y (n − 2 )
Y ( z ) = A. X ( z ) + B. z −1. Y ( z ) + C. z −2 . Y ( z )
x(n) y(n)
A*x(n) A*x(n)+B*y(n-1)+C*y(n-2)

Y ( z )(1 − B. z −1 − C. z −2 ) = A. X ( z )
B
Retard
A B*y(n-1)
A
y(n-1)
H ( z) =
B*y(n-1)+C*y(n-2)
Retard 1 − B. z −1 − C . z −2
y ( n ) = a . x ( n) + b . y ( n − 1) + b . y ( n − 2 )
y(n-2)
0 1 2
C*y(n-2) a = A, b = B , b = C
0 1 2
C

Calcul de A, B et C:
b
f −2 π
A = 1 − B − C , B = 2 − C .cos 2 π 0 , C = − e Fe , où f représente la fréquence centrale du passe-bande,
0
Fe
b la bande passante du filtre et Fe la fréquence d'échantillonnage.

Exemple de calcul

b = 100 Hz , f 0 = 500 Hz et Fe = 8000 Hz → A = 0, 14786 B = 1, 776604 C = −0, 924465 )

Calcul des coefficients par DSPCOEF.C (Application particulière)

15.2 Oscillateur sinusoïdal

15.2.1 Signal sinusoïdal non amorti


Transformée en z de la fonction y (t ) = sin ω t : à y (t ) = sin ωt on associe y (n ) = sin nωT où ω représente la
pulsation du signal sinusoïdal souhaité et T la période du signal d'échantillonnage.

∞ ∞ e jnωT − e − jnωT  − n ∞
∑ (e jnωT − e− jnωT ). z −n
1
Y ( z ) = ∑ (sin nωT ). z −n
→Y ( z ) = ∑   . z →Y ( z ) =
n=0 n=0  2j  2j n=0

1  ∞  1  ∞
n
Y ( z) = ∑ e
2 j n = 0
(
jnωT − n
) ( )
. z − e − jnωT . z − n  → Y ( z ) = ∑ e . z
jωT −1 n
(
− e − jωT . z −1  ) ( )
 2 j n = 0 

∞ ∞
or ∑ (u )n =
1
1− u
(
pour u < 1 → ∑ e ± jωT . z −1 ) n
=
1− e
1
± j ωT
.z −1 =
z
z − e ± j ωT
n =0 n=0

 1  z − ze − z 2 + ze jωT 
− j ωT
1  z z 2
z sin ω T
Y ( z) = − =   → Y ( z) = 2

2 j z − e jωT
z−e − jωT 
 2 j  z − z e
2 jωT
+e (
− jωT
+ 1  )
z − 2 z cos ω T + 1

EXERCICES ET APPLICATIONS SUR LE FILTRAGE NUMERIQUE EX39


LE FILTRAGE NUMERIQUE
Y ( z) Y ( z) z sin ωT
La transmittance en z à obtenir s'écrit: H ( z ) = = = Y ( z) → H ( z) = 2
X ( z) 1 z − 2 z cos ωT + 1

Pour un signal sinusoïdal souhaité et une période d'échantillonnage définie les termes sin ωT et cosωT sont
des constantes.
On pose: C = sin ωT , A = 2 cos ωT , B = −1.

z sin ωT Cz −1
Y ( z)
= =
Cz
=
X ( z ) z 2 − 2 z cosωT + 1 z 2 − Az + 1 1 − Az −1 − Bz − 2
( )
→ Y ( z ) 1 − Az −1 − Bz − 2 = X ( z )Cz −1

Y ( z ) − Az −1Y ( z ) − Bz −2 Y ( z ) = Cz −1 X ( z )
y (n) − Ay (n − 1) − By (n − 2) = Cx (n − 1)
y (n) = Cx (n − 1) + Ay (n − 1) + By (n − 2)

y ( n ) = a1x ( n − 1) + b1y ( n − 1) + b2 y ( n − 2) avec a1 = C , b1 = A, b2 = B

De plus x (n − 1) = 1 pour n = 1, 0 autrement.

Exemple de calcul :

f 0 = 1000 Hz , Fe = 10081Hz
C = sin 2πf 0 Te = 0,5836935
A = 2 cos 2πf 0 Te = 1,6239482
B = −1

15.2.2 Signal sinusoïdal amorti


Transformée en z de la fonction y (t ) = e − at sin ω t
z −1 . e − aT sin ω T
Y ( z) =
1 − 2 z −1 . e − aT cos ω T + z − 2 . e − 2 aT

La transmittance en z à obtenir s'écrit:


Y ( z) Y ( z) z −1 . e − aT sin ωT
H ( z) = = = Y ( z) → H ( z) =
X ( z) 1 1 − 2 z −1 . e − aT cos ωT + z − 2 . e − 2 aT

Pour un signal sinusoïdal souhaité et une période d'échantillonnage définie les termes sin ωT et cosωT sont
des constantes.
On pose: C = e − aT sin ωT , A = 2. e − aT cosωT , B = − e −2 aT .

z −1.e − aT sin ωT Cz −1
Y ( z)
= −1 − aT
X ( z ) 1 − 2 z . e cosωT + z . e − 2 − 2 aT = −1
1 − Az − Bz − 2 → Y ( z ) 1 − Az
−1
( )
− Bz − 2 = X ( z )Cz −1

Y ( z ) − Az −1Y ( z ) − Bz −2Y ( z ) = Cz −1 X ( z )
y (n) − Ay (n − 1) − By (n − 2) = Cx (n − 1)
y (n) = Cx (n − 1) + Ay (n − 1) + By (n − 2)
y (n) = a1x (n − 1) + b1 y (n − 1) + b2 y (n − 2) avec a1 = C , b1 = A, b2 = B

De plus x (n − 1) = 1 pour n = 1, 0 autrement.

EXERCICES ET APPLICATIONS SUR LE FILTRAGE NUMERIQUE EX40


LE FILTRAGE NUMERIQUE
Exemple de calcul :

f 0 = 1000 Hz , Fe = 10081Hz , a = 20
C = e − aTe sin 2.π . f 0 . Te = 0,5825366
A = 2. e − aTe cos 2.π . f 0 . Te = 1,6207296
B = − e − 2 aTe = 0.9960400

Calcul des coefficients par DSPCOEF.C (Application particulière)

15.2.3 Signal cosinusoïdal non amorti


L’intérêt de cette transformation réside dans le fait de pouvoir réaliser simultanément des signaux en
quadrature parfaite nécessaires, par exemple, dans le cas des modulations ou démodulations.
Transformée en z de la fonction y (t ) = cos ω t : à y (t ) = cos ω t on associe y (n) = cos nω T où ω
représente la pulsation du signal sinusoïdal souhaité et T la période du signal d'échantillonnage.

∞ ∞
 e jnωT + e − jnωT  − n 1 ∞ jnωT
Y ( z ) = ∑ (cos nω T ). z −n
→Y ( z ) = ∑ 
 2
 . z →Y ( z ) = ∑ e
 2
(
+ e − jnωT . z − n )
n=0 n=0 n=0

1  ∞ jnωT −n  1  ∞ jωT −1 
Y ( z) = ∑
2 n = 0
(e . z + e ) (
− jnωT − n
. z  → Y ( z ) =) ∑ e . z ( )n + (e − jωT . z −1 )n 
 2 n = 0 

∞ ∞
or ∑ (u )n =
1
1− u
(
pour u < 1 → ∑ e ± jωT . z −1 ) n
=
1− e
1
± j ωT
.z −1 =
z
z − e ± j ωT
n =0 n=0

 1  z − ze + z 2 − ze jωT 
− jωT
1 z z 2
z 2 − z cos ω T
Y ( z) = + =   → =
( )
Y ( z )
2  z − e jωT z − e − jωT  2  z 2 − z e jωT + e − jωT + 1  z 2 − 2 z cos ω T + 1

Y ( z) Y ( z) z 2 − z cos ω T
La transmittance en z à obtenir s'écrit: H ( z ) = = = Y ( z) → H ( z) = 2
X ( z) 1 z − 2 z cosω T + 1

Pour un signal sinusoïdal souhaité et une période d'échantillonnage définie les termes sin ωT et cosωT sont
des constantes.
On pose: C = sin ω T , A = 2 cos ω T , D = cos ω T , B = −1.

z 2 − z cosω T z 2 − Dz 1 − Dz −1
Y ( z)
= 2 = 2 =
X ( z ) z − 2 z cosωT + 1 z − Az + 1 1 − Az −1 − Bz − 2
(
→ Y ( z ) 1 − Az −1 − Bz − 2 = X ( z ) 1 − Dz −1 ) ( )
Y ( z ) − Az −1Y ( z ) − Bz −2Y ( z ) = X ( z ) − Dz −1 X ( z )
y (n) − Ay (n − 1) − By (n − 2) = x (n) − Dx (n − 1)
y (n) = x (n) − Dx (n − 1) + Ay (n − 1) + By (n − 2)

y (n) = a0 x (n) + a1 x (n − 1) + b1 y (n − 1) + b2 y (n − 2) avec a0 = 1, a1 = − D, b1 = A, b2 = B

De plus x (n − 1) = 1 pour n = 1, 0 autrement.

EXERCICES ET APPLICATIONS SUR LE FILTRAGE NUMERIQUE EX41


LE FILTRAGE NUMERIQUE
15.3 Correcteur P.I.D.
Vitesse ou
On appelle e( t ) le signal à corriger et u( t ) Référence e(t) u(t) position
Contrôleur P.I.D. D/A Moteur
le signal corrigé de manière
proportionnelle, intégrale et/ou dérivée:

de(t ) A/D
u(t ) = K p . e(t ) + Ki e(t ). dt + Kd
dt

Fonction de transfert isomorphe H(p)


E ( p)  K 
U ( p ) = K p . E ( p ) + Ki + K p . p. E ( p) U ( p) =  K p + i + K p . p E ( p)
p  p 
U ( p) K
H ( p) = = Kp + i + Kp. p
E ( p) p

Transformée en z de la fonction de transfert:

2  1 − z −1  Ki . T (1 + z −1 ) 2  1 − z −1 
On effectue la transformation: p =   → H ( z ) = K + + K  
T  1 + z −1  p
2(1 − z −1 ) d
T  1 + z −1 
( )
K p 2T (1 − z −2 ) + Ki . T 2 (1 + z −1 ) 2 + Kd .4(1 − z −1 ) 2
H ( z) =
2T (1 − z − 2 )
Y ( z ) K1 + K 2. z −1 + K 3. z −2
H ( z) =
X ( z)
=
1− z −2 ( ) (
→ Y ( z ) 1 − z −2 = K1 + K 2. z −1 + K 3. z −2 X ( z ) )
y (n) − y (n − 2) = K1. x (n) + K 2. x (n − 1) + K 3. x (n − 2)

y ( n ) = a0 . x (n ) + a1. x ( n − 1) + a2 . x ( n − 2) + b2 . y ( n − 2)

2 T 4 2 T
a0 = K1 = K p + Kd ⋅ + Ki , a1 = K 2 = Ki . T − K d ⋅ , a2 = K 3 = Kd ⋅ + Ki − K p , b2 = 1
T 2 T T 2

Calcul des coefficients par DSPCOEF.C (Application particulière)

EXERCICES ET APPLICATIONS SUR LE FILTRAGE NUMERIQUE EX42

Vous aimerez peut-être aussi