Vous êtes sur la page 1sur 52

bi

ar
i -L
zir

IT
ja
D

ENFiltrage numérique
S.
Filtrage numérique Rappels

Système
• Le rôle de la théorie des systèmes est de définir des modèles mathématiques pour

bi
décrire le comportement des systèmes physiques (réels). Ces modèles

ar
mathématiques sont eux-mêmes désignés par systèmes
• Un système est un bloc fonctionnel qui transforme un signal x (n) à son entrée en

-L
un autre signal y (n) à sa sortie.
i
zir
• Exemples : amplificateur électronique, filtre, algorithme,...

IT
• un système peut avoir plusieurs entrées et sorties
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 60 / 146


Filtrage numérique Rappels

Exemple : Circuit électrique

bi
ar
i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 61 / 146


Filtrage numérique Rappels

Exemple : Système mécanique

bi
ar
i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 62 / 146


Filtrage numérique Rappels

Propriétés des systèmes

1 SLI : système linéaire et invariant S :

• Linéarité : S[x1 (n)] = y1 (n) et S[x2 (n)] = y2 (n)

bi
alors S[ax1 (n) + bx2 (n)] = ay1 (n) + by2 (n)

ar
• Invariance dans le temps : si S[x (n)] = y (n) alors
S[x (n − n0 )] = y (n − n0 )

i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 63 / 146


Filtrage numérique Rappels

Propriétés des systèmes

bi
2 RI : un SLI est complètement décrit par sa réponse impulsionnelle h(n) :

ar
• la RI est la réaction du SLI à l’impulsion unité δ(n)

-L
• à toute entrée x (n), le SLI réagit par la sortie
P∞
y (n) = x (n) ∗ h(n) = h(k)x (n − k)
i k=−∞
zir

IT
3 Stabilité : un système (quelconque) est stable si à une entrée bornée il réagit par
ja
une sortie bornée :
∀n, ∃M/|x (n)| ≤ M < ∞ ⇒ |y (n)| ≤ N < ∞
D

4 Stabilité d’un SLI :


P∞ EN
S.

un SLI est stable ⇔ n=−∞


|h(n)| ≤ K < ∞

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 64 / 146


Filtrage numérique Rappels

P∞
5 Réponse en fréquence d’un SLI : H(f ) =TFtd[h(n)] = h(n)e −j2πfn

bi
n=−∞

ar
• TFtd[x (n) ∗ h(n)] =TFtd[x (n)].TFtd[h(n)] = X (f )H(f ).

i -L
zir

IT
• Le SLI modifie la distribution spectrale du signal d’entrée :
ja

Y (f ) = |X (f )||H(f )|e j(Θx (f )+Θh (f ))


D

|Y (f )| = |X (f )||H(f )|
Θy (f ) = Θx (f ) + Θh (f ). EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 65 / 146


Filtrage numérique Rappels

bi
6 Mise en parallèle de SLI (Distributivité de la convolution) :
x (n) ∗ (g1 (n) + g2 (n)) = x (n) ∗ g1 (n) + x (n) ∗ g2 (n)

ar
⇒ X (f )(G1 (f ) + G2 (f )) = X (f )G1 (f ) + X (f )G2 (f )

i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 66 / 146


Filtrage numérique Rappels

7 Mise en série de SLI (Associativité de la convolution) :

bi
x (n) ∗ g1 (n) ∗ g2 (n) = (x (n) ∗ g1 (n)) ∗ g2 (n)

ar
⇒ X (f )(G1 (f )G2 (f )) = (X (f )G1 (f ))G2 (f )

i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 67 / 146


Filtrage numérique Rappels

8 Fonctions propres des SLI :

bi
ar
-L
+∞
X
g(m)x0 e j2πf0
i
toremovenumbering(beforeeachequation)y (n) = g(n) ∗ x (n) =
zir

IT
m=−∞
X
j2πf0 n
g(m)e −j2πf0 m
ja
= x0 e
m
D

= x (n)G(f0 ),
EN
S.

où G(f0 ) est un scalaire représentant la TF de g(n) à la fréquence f0 .


Les exponentielles complexes sont les fonctions propres des SLI

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 68 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

SLI décrit par une équation aux SLI décrit par sa RI h(n) :

bi
différences :

ar
PN PM

-L
y (n) = bj x (n − j) + ai y (n − i) y (n) = h(n) ∗ x (n)
j=0 i=1

TZ ⇓ TZ ⇓

i
PN
zir PM
−j −i Y (z) = H(z)X (z)
Y (z) = X (z)bj z + Y (z)ai z

IT
j=0 i=1
ja
Fonction de transfert en z :
Fonction de transfert en z :
D

PN −j P∞
bj z
h(n)z −n
Y (z)
H(z) = X (z) =
1−
Pj=0M −i
ai z EN H(z) =TZ[h(n)] =
n=−∞
S.

i=1

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 69 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

Fonction de transfert d’un filtre numérique


Soit la relation de filtrage y (n) = x (n) + 0.8y (n − 1) ; b0 = 1, a1 = 0.8.
1 −1 + 0.82 z −2 + 0.83 z −3 + · · ·
La fonction de transfert en z : H(z) = 1−0.8z −1 = 1 + 0.8z

bi
H(z) converge et est stable et causale dans DC = {z /|z| > 0.8}.
La RI h(n) est infinie : h(n) = (0.8)n u(n).

ar
Réalisation récursive (stable et causale) : Réalisation transverse (stable et causale) :

-L
1
H(z) = 1−0.8z −1
I H(z) = 1 + 0.8z −1 + 0.82 z −2 + · · ·

i
zir P+∞
y (n) = x (n) + 0.8y (n − 1) I y (n) = m=0
(0.8)m x (n − m)

IT
I y (n) : somme infinie de termes
ja

⇒ La RI est tronquée à N coefficients :


D

EN ỹ (n) =
PN
m=0
(0.8)m x (n − m)
S.

I filtre de RI h(n) infinie réalisé par 3op/éch.


grâce à la structure récursive.

I 2N + 1 op/éch

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 70 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

1
Réalisation récursive vs. transverse de H(z) = 1−0.8z −1

bi
ar
i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 71 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

3− 56 z −1
Réalisation récursive vs. transverse de H(z) = (1− 4 z )(1− 13 z −1 )
1 −1

bi
ar
i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 72 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

Fonction de transfert d’un filtre numérique

I H(z) fonction rationnelle : les rj sont les zéros et les pi sont les pôles :

bi
PN −j
QN
j=0 bj z z −N (b0 z N + b1 z N−1 + ... + bN ) b
M−N 0 j=1 (z − rj )

ar
H(z) = PM = −M M M−1
=z QM
1− i=1 ai z
−i z (z − a1 z − ... − aM ) i=1 (z − pi )

i -L
PN
bj z −j
zir
j=0 P(z)
I Factorisation de H(z) = P =

IT
M −i Q(z)
1− ai z
i=1
ja
PN PN PN
P(z) = bj z −j = z −N bj z N−j = z −N bN−k z k
D

j=0 j=0 k=0

EN
= z −N (bN + bN−1 z + · · · + b0 z N ) = b0 z −N
QN
j=1 (z − rj )
S.

QM
Q(z) = z −M (ãM + ãM−1 z + · · · + z M ) = z −M i=1 (z − pi ),
avec ãi = −ai , i = 1, · · · , M

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 73 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

Fonction de transfert d’un filtre numérique

I La représentation des pôles et zéros dans le plan complexe permet de

bi
caractériser rapidement le comportement spectral du SLI : H(f ) = H(z)|z=e jω

ar
QN


j=1 (e − rj ) |e jω − r0 | · · · |e jω − rN |
I |H(f )| = b0 QM = |b0 | jω

-L

i=1 (e
jω − p )
i |e − p0 | · · · |e jω − pM |

i
I lorsque z = ejωrj , le numérateur de |H(f )| est proche de zéro
zir

IT
⇒ un creux dans le spectre d’amplitude
ja

I lorsque z = ejωpi , le dénominateur de |H(f )| est proche de zéro


D

⇒ un pic dans le spectre d’amplitude


EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 74 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

Exemple

bi
ar
i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 75 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

Domaine de convergence et stabilité

bi
P∞
SLI stable ⇐⇒ n=−∞ |h(n)| < ∞

ar
⇐⇒ Le DC de H(z) contient le Cu

-L
⇐⇒ La réponse en fréquence H(f ) existe
i
zir

IT
ja
I Soit x (n) signal borné : |x (n)| < M, ∀n ∈ Z
D

P∞
Si la RI d’un SLI vérifie n=−∞ |h(n)| < +∞
P P EN
S.

⇒ |y (n)| ≤ i |h(i)| |x (n − i)| ≤ M i |h(i)| ⇒ |y (n)| < +∞


P∞ P∞ −n
I Un SLI stable vérifie n=−∞ |h(n)| < ∞ ⇒ n=−∞ |h(n)z | < ∞ pour
|z| = 1

I H(z) converge pour |z| = 1 =⇒ Cu ∈ DC.


Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 76 / 146
Filtrage numérique Fonction de transfert d’un filtre numérique

Fonction de transfert d’un système causal

bi
• h(n) séquence ”à droite” ⇒ DC= extérieur d’un cercle, incluant

ar
z = ∞ éventuellement :
P∞

-L
H(z) = n=N1 h(n)z −n

i
zir
• si N1 < 0, alors h(N1 )z −N1 → ∞ pour z = ∞

IT
⇒ le DC est l’extérieur d’un cercle, mais ne contient pas l’∞
ja

• Système causal ⇔ N1 ≥ 0, donc pas de termes z m avec m > 0


D

⇒ z = ∞ ∈ DC EN
S.

un SLI H(z) est causal


⇔ le DC de H(z) est l’extérieur d’un cercle contenant z = ∞
Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 77 / 146
Filtrage numérique Fonction de transfert d’un filtre numérique

Fonction de transfert d’un système causal et stable

bi
• un SLI causal avec H(z) rationnelle est stable
⇔ tous ses pôles sont à l’intérieur du Cu (tous de module < 1).

ar
-L
• son DC est l’extérieur d’un cercle de rayon < 1 =⇒ Cu ∈ DC.

i
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 78 / 146


Filtrage numérique Fonction de transfert d’un filtre numérique

Fonction de transfert d’un système anticausal et stable

bi
• un SLI anticausal avec H(z) rationnelle est stable
⇔ tous ses pôles sont à l’extérieur du Cu (tous de module > 1).

ar
-L
• son DC est l’intérieur d’un cercle de rayon> 1 =⇒ Cu ∈ DC.

i
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 79 / 146


Filtrage numérique Réalisation des filtres numériques

Réalisation Transverse

bi
• 2 types de réalisation : transverse ou récursive

ar
• à partir de circuits numériques de base : sommateur, multiplieur,

-L
retard,...

i
zir

IT
Réalisation transverse :
ja

• aucun bouclage de la sortie sur l’entrée


D

• associée exclusivement aux filtres RIF


EN
S.

PN
y (n) = j=0 bj x (n − j)

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 80 / 146


Filtrage numérique Réalisation des filtres numériques

Réalisation récursive

bi
La sortie à l’instant n dépend de l’entrée et de la sortie aux instants

ar
précédents :

i -L
zir

IT
ja
y (n) =
D

PN PM
j=0 bj x (n − j) + i=1 ai y (n − i)
EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 81 / 146


Filtrage numérique Réalisation des filtres numériques

Réalisation récursive canonique


• pour des raisons de coût ou d’intégration : réduire le nombre de retards

bi
• pour M ≥ N, le nombre de retards peut être réduit à M

ar
PN
bj z −j

-L
H(z) = Pj=0M −i = G1 (z)G2 (z)
1− ai z
i=1

i
zir
avec G1 (z) = PM1

IT
1− ai z −i
i=1
ja
PN
et G2 (z) = j=0
bj z −j
D

EN
S.

PM
w (n) = x (n) + i=1
ai w (n − i)

PN
et y (n) = j=0
bj w (n − j)

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 82 / 146


Filtrage numérique Filtres RIF

Filtres RIF

• Un filtre causal et à réponse impulsionnelle finie (RIF) est un SLI

bi
décrit par l’équation aux différences :

ar
PN
y (n) = j=0 bj x (n − j)

i -L
zir
• l’échantillon y (n) ne dépend que d’un certain nombre d’échantillons

IT
x (n) : x (n), x (n − 1), · · · , x (n − N).
ja
D

• La fonction de transfert d’un filtre RIF est toujours stable :


EN
S.

Y (z) = N b z −j X (z) =⇒ H(z) = N b z −j


P P
j=0 j j=0 j

• La RI d’un RIF est égale aux coefficients bj :


H(z) = N −j = PN h(j)z −j =⇒ h(j) = b , j = 0, · · · , N
P
j=0 bj z j=0 j

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 83 / 146


Filtrage numérique Filtres RIF

Exemple
y (n) = 12 x (n) + 12 x (n − 1) =⇒ Y (z) = 12 X (z) + 21 X (z)z −1

bi
=⇒ H(z) = 21 + 21 z −1

ar
Comportement fréquentiel : H(f ) = H(z)|z=e j2πf

-L
(
1 −j2πf −jπf |H(f )| = | cos(πf )|
H(f ) = 2 (1 + e )=e cos(πf ) =⇒
i Θ(f ) = arg(H(f )) = −πf
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 84 / 146


Filtrage numérique Filtres RIF

Exemple

bi
Soit un signal s composé de la somme de 2 cosinus à f1 = 0.016 et f2 = 0.064. On
construit un filtre passe-haut qui supprime la basse fréquence f1 , RIF à 3 coefficients :

ar
h(0) = h(2) = α0 et h(1) = α1 .

-L
Equation aux différences :

i
y (n) = h(0)s(n) + h(1)s(n − 1) + h(2)s(n − 2) = α0 (s(n) + s(n − 2)) + α1 s(n − 1)
zir

IT
But : choisir α0 et α1 tels que H(f ) coupe
 f1 .
ja

e j2πf +e −j2πf
H(f ) = α0 (1 + e −j4πf ) + α1 e −j2πf = 2α0 2
e −j2πf + α1 e −j2πf
D

H(f ) = (2α0 cos(2πf ) + α1 )e −j2πf


EN
|H(f )| = |2α0 cos(2πf ) + α1 | et θ(f ) = −2πf + β; β = 0 ou π.
S.

Pour couper f1 et laisser passer f2 , on pose :


2α0 cos(2π0.016) + α1 = 0 et 2α0 cos(2π0.064) + α1 = 1.
d’où : α0 = −6.76195 et α1 = 13.456335

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 85 / 146


Filtrage numérique Filtres RIF

Avec Matlab :

N=100;% samples
n=(0:N-1);%time axis

bi
s1=cos(0.1.*n);

ar
s2=cos(0.4.*n);

-L
figure(1),clf,
plot(s1),hold on, plot(s2,’r’)
i
zir
a0 = -6.76195; a1= 13.456335;

IT
[H,w]=freqz([a0;a1;a0],1);
ja

figure(2),clf,
D

plot(w/(2*pi),20*log10(abs(H)))
[y]=filter([a0;a1;a0],1,s1+s2); EN
S.

figure(3),plot(s1,’b:’),hold on,
plot(s2,’r:’),hold on,plot(y,’k’)

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 86 / 146


Filtrage numérique Filtres RIF

Retard de phase, retard de groupe


(
|Y (f )| = |H(f )||X (f )|
Y (f ) = |H(f )||X (f )|e jΘh (f ) e jΘx (f ) =⇒

bi
Θy (f ) = Θh (f ) + Θx (f )

ar
Retard de phase : TΘ (f ) = − Θ2πf h (f )

-L
TΘ (f0 ) est une mesure du retard temporel subi par une composante
i
zir
fréquentielle du signal d’entrée x à la fréquence f0 :

IT
Θh (f0 )
j2πf0 (n+ )+jφ
x (n) = e j(2πf0 n+φ) ⇒ y (n) = |H(f0 )|e 2πf0
=
ja

|H(f0 )|e j2πf0 (n−T Θ (f0 ))+jφ


D

EN
Le signal de sortie y (n) subit un retard T Θ (f0 ) qui dépend de f0 .
S.

1 dΘh (f )
Retard de groupe : Tg (f ) = − 2π df
Tg est une mesure du retard temporel subi par l’enveloppe des différentes
composantes sinusoidales d’un signal lorsqu’il est soumis à un filtre.
Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 87 / 146
Filtrage numérique Filtres RIF

Filtres RIF à phase linéaire

• Intérêt majeur des filtres RIF : possibilité de construire des filtres à

bi
phase linéaire

ar
• un filtre est à phase linéaire lorsque :

-L
Θh (f ) = αf , avec α constante
i
zir
• Il s’en suit que les retard de groupe et retard de phase sont

IT
indépendants de la fréquence
ja


D

EN
Le signal de sortie est uniquement retardé, sans distorsion
S.

• Intérêt de la phase linéaire : lorsque les informations de phase de


l’entrée sont importantes (à préserver dans la sortie), comme en
audio, ou pour les signaux physiologiques(ECG, EEG) par exemple.
Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 88 / 146
Filtrage numérique Filtres RIF

Filtres RIF à phase linéaire

bi
ar
i -L
zir
y (n) = H(f1 )e j2πf1 n + H(f2 )e j2πf2 n

IT
ja
= |H(f1 )|e j2πf1 n+jΘh (f1 ) + |H(f2 )|e j2πf2 n+jΘh (f2 ) (1)
D

α α
Si H(f ) à phase linéaire : y (n) = |H(f1 )|e j2πf1 (n+ 2π ) + |H(f2 )|e j2πf2 (n+ 2π )
EN
S.

Toutes les composantes subissent le même retard


=⇒ pas de distorsion

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 89 / 146


Filtrage numérique Filtres RIF

Exemple
Débruitage par filtrage de la somme de 2 sinus (10 et 20 Hz)

bi
ar
i -L
zir

IT
ja
D

EN
S.

Débruitage avec H(f ) à phase NL ⇒ distorsion du signal débruité


Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 90 / 146
Filtrage numérique Filtres RIF

Débruitage par filtrage de la somme de 2 sinus (10 et 20 Hz)

bi
ar
i -L
zir

IT
ja
D

EN
S.

Débruitage avec H(f ) à phase linéaire ⇒ pas de distorsion du signal débruité

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 91 / 146


Filtrage numérique Filtres RIF

Filtres RIF à phase linéaire


• Un RIF de RI h(n) réelle a une réponse en fréquence H(f ) qui vérifie :
|H(f )| = |H(−f )| et Θh (f ) = −Θh (−f )

bi
ar
• Si de plus h(n) est paire et de durée L, alors h(n) = h(−n) pour |n| ≤ L−1
2

-L
⇒ H(f ) est réelle : H(f ) = |H(f )| et Θh (f ) = 0 (2π)

i
• Synthèse d’un RIF g(n) à phase linéaire par translation de h(n) :
zir

IT
ja
D

EN
S.

L−1
=⇒ G(f ) = H(f )e −jπ(L−1)f

g(n) = h n − 2

⇒ G(f ) filtre RIF à phase linéaire Θg (f ) = −π(L − 1)f


Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 92 / 146
Filtrage numérique Filtres RIF

Filtres RIF à phase linéaire

• g(n) RI d’un filtre RIF causal :

bi
ar
L−1
g(n) 6= 0 pour n = 0, · · · , L − 1 et g(n) = g(L − 1 − n) pour 0 ≤ n ≤ 2

i -L
• la réponse en fréquence du filtre est à phase linéaire :
zir

IT
ja
Θg (f ) = −π(L − 1)f
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 93 / 146


Filtrage numérique Filtres RIF

Position des zéros d’un filtre RIF à phase linéaire


• Propriété (g(n) réelle)

bi
g(n) = g(L − 1 − n) ←→ G(z) = z L−1 G(z −1 )

ar
• Cette propriété implique que si ri = ρi e jφi est un zéro de G(z) alors :

-L
1 r1 = ρ1 e −jφi est aussi un zéro de G(z),
i
i ∗
i
zir

2 ri et r1 sont aussi zéros de G(z).

IT
i
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 94 / 146


Filtrage numérique Filtres RIF

Exemple : Filtre en peigne

y (n) = x (n) + x (n − 1) + · · · + x (n − 9)

bi
B réponse impulsionnelle : h(n) = δ(n) + δ(n − 1) + · · · + δ(n − 9)

ar
B réponse en fréquence :

-L
P9 −j20πf sin(10πf )
H(f ) = n=0 e −j2πfn = 1−e
1−e −j2πf
= e −j9πf sin(πf )

i
zir
B fonction de transfert H(z) :

IT
Q9
H(z) = 1 + z −1 + · · · + z −9 = i=1 (1 − ri z −1 )
ja
2πi
B Les zéros : ri = e −j 10
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 95 / 146


Filtrage numérique Filtres RII

Filtres à réponse impulsionnelle infinie

bi
ar
H(z) est une fonction rationnelle, dont les rj sont les zéros et les pj sont

-L
les pôles :
i
zir
PN −j QN
j=0 bj z b0 z −N j=0 (z − rj )

IT
H(z) = PM = QM
ja
1− −j −M − pj )
j=1 aj z z j=0 (z
D

PN PM
y (n) =
EN
j=0 bj x (n − j) + j=1 aj y (n − j)
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 96 / 146


Filtrage numérique Filtres RII

Cellule purement récursive du premier ordre


1
y (n) = x (n) + ay (n − 1) ←→ H(z) =
1 − az −1

bi
• ce filtre est équivalent à un filtre de réponse impulsionnelle infinie :

ar
+∞
1

-L
an z −n pour |z| > |a|.
X
H(z) = =
1 − az −1 n=0
i
• sa RI causale et infinie est donnée par h(n) = an u(n) :
zir

IT
h(0) = 1, h(1) = a, h(2) = a2 , · · · .
ja

• ce filtre est stable si |a| < 1.


D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 97 / 146


Filtrage numérique Filtres RII

Cellule purement récursive du deuxième ordre


1
y (n) = x (n) − a1 y (n − 1) − a2 y (n − 2) ←→ H(z) =
1 + a1 z −1 + a2 z −2

bi
Deux cas sont possibles :

ar
1 ∆ = a12 − 4a2 ≥ 0 ⇒ 2 pôles réels

-L
le filtre est équivalent à la mise en cascade de 2 cellules du 1er ordre

i
⇒ la fonction de transfert globale est monotone
zir

IT
2 ∆ = a12 − 4a2 < 0 ⇒ 2 pôles complexes conjugués pi = −a 2 ±j 2
1 ∆
ja

⇒ le filtre possède une fréquence de résonance et sa réponse fréquentielle


D

n’est pas strictement monotone.


EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 98 / 146


Filtrage numérique Filtres RII

Cellule générale du deuxième ordre

y (n) = b0 x (n) + b1 x (n − 1) + b2 x (n − 2) − a1 y (n − 1) − a2 y (n − 2)

bi
1 + b1 z −1 + b2 z −2

ar
H(z) =
1 + a1 z −1 + a2 z −2

-L
Deux cas particuliers :
1
i
filtre fréquentiel : supprimer certaines fréquences du signal d’entrée
zir

IT
⇒ les racines du numérateur sont sur Cu :
(z − r0 )(z − r0∗ )
ja

H(z) = b0
(z − p0 )(z − p0∗ )
D

déphaseur pur : déphaser le signal d’entrée sans modifier son spectre


2
EN
S.

d’amplitude
a2 + a1 z −1 + z −2
⇒ numérateur=image du dénominateur : H(z) =
1 + a1 z −1 + a2 z −2
2
En particulier : |H(z)| = H(z)H(z ) = 1−1

et si p0 = ρ0 e jφ0 est un pôle de H(z), alors 1/p0 est un zéro de H(z)


Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 99 / 146
Filtrage numérique Filtres RII

Exemples

bi
3 − 4z −1

ar
Exemple 1 : G(z) = .
1 − 3.5z −1 + 1.5z −2

-L
1 Décomposer en cellules de premier ordre.
i
Préciser le DC et déterminer g(n) pour satisfaire aux conditions :
zir
2

IT
• le système est stable
ja

• le système est causal


D

• le système est anticausal


EN
S.

Exemple 2 : y (n) = x (n) − 5x (n − 1) + 6x (n − 2) + 2.5y (n − 1) − y (n − 2)


Déterminer la RI de ce système.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 100 / 146


Filtrage numérique Filtres RII

Solution exemple 1
Décomposition en fractions partielles :

bi
3−4z −1 1 2
G(z) = 1−3.5z −1 +1.5z −2 = 1−0.5z −1 + 1−3z −1 ⇒ pôles en 0.5 et 3.

ar
1 système stable ⇒ son DC contient Cu ⇒ 0.5 < |z| < 3

-L
⇒ le système est non causal :
1 2
←→ (0.5)n u(n) et 1−3z n
1−0.5z −1
i −1 ←→ −2(3) u(−n − 1)
zir
⇒ h(n) = (0.5)n u(n) − 2(3)n u(−n − 1)

IT
ja

2 système causal ⇒ |z| > 3


D

1 2
←→ (0.5)n u(n) et ←→ 2(3)n u(n)
1−0.5z −1
EN 1−3z −1
S.

⇒ système instable
3 système anticausal ⇒ |z| < 0.5
1 2
1−0.5z −1 ←→ −(0.5)n u(−n − 1) et 1−3z −1 ←→ −2(3)n u(−n − 1)

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 101 / 146


Filtrage numérique Filtres RII

Solution exemple 2

bi
ar
1 − 5z −1 + 6z −2 (z − 2)(z − 3) (z − 3)

-L
G(z) = = =
1 − 2.5z −1 + z −2 (z − 0.5)(z − 2) (z − 0.5)
i
zir

IT
2.5z −1
⇒ G(z) = 1 − ⇒ système stable pour |z| > 0.5
ja
1 − 0.5z −1
D

⇒ g(n) = δ(n) − 2.5(0.5)n−1 u(n − 1)


EN
S.

et y (n) = 0.5y (n − 1) + x (n) − 3x (n − 1)

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 102 / 146


Filtrage numérique Filtres RII

Solution exemple 2

bi
ar
i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 103 / 146


Filtrage numérique Filtres RII

Exemple : filtre à encoche ou notch filter


fe = 10MHz, on cherche un filtre à encoche RII d’ordre 2 et à coefficients réels

bi
qui coupe la fréquence f0 = 2.5MHz.

ar
-L
f0 = f4e ,
zéro à z0 = e j2πf0 /fe = e jπ/2 = j
i
zir
et un pôle à p0 = 0.9e jπ/2 = 0.9j

IT
ja

−2
1+z
⇒ H(z) = 1+0.81z
D

−2

⇒ y (n) = x (n) + x (n − 2) −
EN
S.

0.81y (n − 2)

Le zéro assure la suppression de la fréquence f0 , le pôle maintient la fonction de


transfert H(f ) à gauche et à droite du zéro.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 104 / 146


Filtrage numérique Application du filtrage numérique

Filtre décimateur

bi
Décimation = sous-échantillonnage

ar
• il arrive souvent qu’une chaı̂ne de TNS fonctionne avec différents rythmes

-L
d’échantillonnage
• lorsque la fréquence d’échantillonnage décroı̂t, on parle de décimation
i
zir

IT
• la décimation parait triviale : il suffit de supprimer un échantillon sur M
ja

⇒ on passe de Fe à FMe
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 105 / 146


Filtrage numérique Application du filtrage numérique

Décimation et filtrage anti-aliasing

bi
ar
• sous-échantillonner oui, mais attention au théorème de Shannon : avant la

-L
Fe
décimation il faut s’assurer que la bande B du signal vérifie B ≤ 2M .

i
zir
• si ce n’est pas le cas, appliquer un filtre passe-bas au signal avant la

IT
décimation
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 106 / 146


Filtrage numérique Application du filtrage numérique

Exemple : Amélioration de la résolution spectrale


• On dispose d’un convertisseur A/D standard avec fA/D = 44.1kHz et une

bi
bande passante BA/D = 20kHz,

ar
• le signal à analyser a une bande passante B = 1kHz,

-L
• on souhaite lui appliquer une analyse fréquentielle par TFD avec N = 512
échantillons.
i
zir

IT
Si on garde fe = fA/D :
ja

• N = 512 correspond à T = 11.6ms,


D

fe
• résolution spectrale ∆f = NEN ≈ 86Hz,
S.

• la bande B = 1kHz est couverte par seulement 11 raies spectrales sur les
512 calculées par la TFD,
• la limite théorique (Shannon) lorsque fe = 2B d’une TFD à 512 échantillons
est de 256 raies spectrales et une résolution ∆f ≈ 4Hz
Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 107 / 146
Filtrage numérique Application du filtrage numérique

Exemple : Amélioration de la résolution spectrale


Pour garder une résolution spectrale intéressante et augmenter T :

bi
• réduire fe à une valeur aussi faible que possible :

ar
2.5B ≤ fe ≤ 3.5B

fA/D
i -L
zir
• si fe = = 2.76kHz, on a :

IT
16
T = 186ms, ∆f = 5.4Hz et 185 raies spectrales dans la bande [0, 1kHz]
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 108 / 146


Filtrage numérique Application du filtrage numérique

Interpolation
Interpolation 6= sur-échantillonnage
• opération duale de la décimation

bi
• insertion de M − 1 zéros entre chaque

ar
échantillon, suivie d’un filtre interpolateur

-L
Exemple : interpolation d’un facteur M = 2 :

i
zir
1 insérer une valeur nulle entre chaque valeur du signal x (nTe )

IT
⇒ la fréquence d’échantillonnage est alors doublée : F˜e = 2Fe
ja

⇒ la forme du spectre d’amplitude reste inchangée : |X (f )| = |X̃ (f )|


D

! X̃ (f ) ne correspond pas au spectre obtenu en échantillonnant le signal


EN
analogique directement avec F̃e : trop de répétitions du motif principal
S.

2 supprimer les répétitions du motif par filtrage numérique


⇒ on obtient le spectre recherché
! Ce filtrage numérique correspond à une opération d’interpolation des
valeurs temporelles du signal
Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 109 / 146
Filtrage numérique Application du filtrage numérique

Interpolation d’un facteur M = 2 :

bi
ar
i -L
zir

IT
ja
D

EN
S.

Sonia Djaziri-Larbi — Dépt.TIC — ENIT Traitement Numérique du Signal 110 / 146

Vous aimerez peut-être aussi