Chapitre 3 : Numérisation des Signaux

Chapitre 3

Numérisation des Signaux

I - Numérisation : de l’analogique au numérique

II - Echantillonnage
III - Quantification
IV - Codage binaire

Initiation au traitement du signal 1 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux I- Numérisation : de n’analogique au numérique

I - Numérisation : de l’analogique au numérique

Signal analogique : correspond à des signaux qui varient en

fonction d’une variable temps continue.
A chaque instant, le signal peut prendre une infinité de valeurs
distinctes.

Signal numérique : correspond à des signaux qui varient

en fonction de valeurs discrètes du temps (définis à des
instants précis).
A chaque instant discret, le signal qui peut prendre une
valeur dans un ensemble fini de valeurs distinctes
(alphabet finie)

Avantages du numérique :
- Meilleure qualité des signaux
- Faciliter de manipulation (représentation, transformation)
- Moins d’espace de stockage

Initiation au traitement du signal 2 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux I- Numérisation : de n’analogique au numérique

Etapes de la numérisation

Signal Signal
Echantillonnage Quantification Codage binaire numérique
analogique
binaire

Signal discret Signal discret à

dans le temps alphabet finie

10111111100100

Echantillonnage : passe d’un signal continu dans le temps à un signal discret dans le temps

Quantification : passer d’un signal à valeurs continue à un signal à valeurs discrètes à

alphabet finie

Codage binaire : représenter les valeurs discrètes du signal par une suite binaire : 0 et 1

Initiation au traitement du signal 3 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux II- Echantillonnage

II- Echantillonnage
Fréquence d’échantillonnage Fe

Signal analogique x(t ) Echantillonnage Signal discret xe (t )   x(nTe )

Principe :
Prélèvement des valeurs de x(t) à des instants précis tn=nTe
1
Te  Période d’échantillonnage
Fe

Notations :

xe (t )   x(nTe )  {x(n)}  {xn }

Initiation au traitement du signal 4 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux II- Echantillonnage

Formulation mathématique :
L’échantillonnage correspond à la multiplication de x(t) par un peigne de Dirac

xe (t )  x(t ). Te (t ) 


xe (t )  x(t ).   (t  nTe )
 T (t ) 
e   (t  nT )
n 
e
n 


x(t ). (t  t0 )  x(t0 ). (t  t0 ) xe (t )   x(nT ). (t  nT )
n 
e e

Initiation au traitement du signal 5 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux II- Echantillonnage

Spectre du signal échantillonné :


TF [ xe (t )]  TF [ x(t ). Te (t )] TF [ xe (t )]  X ( f )  Fe .   ( f  nFe )
n 
 TF [ x(t )]  TF [ Te (t )]
TF [ x(t )]  X ( f ) y (t )   (t  t0 )  y (t  t0 )

TF [ Te (t )]  Fe .   ( f  nFe )
n 


X e ( f )  TF [ xe (t )]  Fe .  X ( f  nFe )
n 

Echantillonnage dans le domaine Périodisation du spectre dans

temporel, de période le domaine fréquentiel, de
d’échantillonnage Te période fréquentielle Fe

Initiation au traitement du signal 6 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux II- Echantillonnage

Choix de la fréquence d’échantillonnage

On considère un signal x(t) réel et

borné en fréquence :


Premier cas : Fe  2 Fmax
X e ( f )  Fe .  X ( f  nFe )
n 

Les motifs élémentaires de Xe(f) correspondants à chacune des périodes sont disjoints
-> Pas de recouvrement des motifs

On peut extraire X(f) correspondant au motif pour n=0

Initiation au traitement du signal 7 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux II- Echantillonnage

Choix de la fréquence d’échantillonnage


Deuxième cas : Fe  2 Fmax X e ( f )  Fe .  X ( f  nFe )
n 

Recouvrement du spectre : les motifs élémentaires de Xe(f) se recouvrent

Impossible d’extraire le motif correspondant à X(f)

Théorème de Shannon :

Initiation au traitement du signal 8 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux III- Quantification

III- Quantification :

Alphabet fini de M valeurs {A0, … AM-1}

Signal à valeurs continues Signal à valeurs discrètes

Quantification
xe (t ) xe q (t )  { A0 , ... , AM 1}

Principe :

A chaque échantillon x(nTe) de xe(t), on associe un échantillon quantifié xeq(nTe) prenant

une valeur Ai dans un alphabet fini de M valeurs {A0, … AM-1}

La quantification induit une perte d’information, on ne peut pas retrouver le

signal original en appliquant une quantification inverse.

Initiation au traitement du signal 9 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux III- Quantification

Quantification Scalaire Uniforme :

Principe :
1/ Diviser l’intervalle des valeurs *-A, A] des échantillons xe(n) en M intervalles Ii, i=0:M-1

Les intervalles Ii ont la même largeur, appelée « pas de quantification » Δ Δ=

2/ Chaque échantillon xe(n) situé dans l’intervalle Ii sera remplacé par la valeur correspondante Ai
Δ
Exemple M=4
I0 I1 I2 I3
A0 A1 A2 A3

Quantification par arrondi

Exemple M=8
Quantification par troncature

Initiation au traitement du signal 10 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux III- Quantification

Initiation au traitement du signal 11 F. Ben Ali – 1ISI- ISSATM – 2019-20

Chapitre 3 : Numérisation des Signaux IV- Codage binaire

IV- Codage binaire

Principe :
Associer à chaque valeur quantifiée un mot binaire de 0 et 1

Si la taille de l’alphabet fini M=2N, alors chaque mot binaire s’écrit sur N bits (0 et 1)

Exemple :
M=8=23
Chaque valeur quantifiée
s’écrit sur N=3 bits

Initiation au traitement du signal 12 F. Ben Ali – 1ISI- ISSATM – 2019-20