Chapitre III.

Echantillonnage et
quantification
5.1 Echantillonnage et théorème de Shannon
5.2 Reconstruction
5.3 Quantification scalaire

R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
Introduction
Systèmes numériques
La manipulation informatique des signaux impose leur transformation en valeurs
numériques : Besoin de comprendre comment se fait le passage du monde analogique
à celui du numérique, représenter un signal continu avec une suite de nombre.

Systèmes Interprète Calculateur

continus
s(t)
- support continu - données discrètes
- amplitude continu - codage en mot binaire

Interprète : Opérateur d'échantillonnage et de quantification

2 R. Abdelfattah - Traitement de Signal
 6.1 Echantillonnage et théorème de Shannon
Introduction
Échantillonnage : prélèvement sur le signal continu des valeurs de s(t) à des instants
tn données : Généralement, les tn sont régulièrement espacés. Ce sera le cas étudié ici

Quantification : transformation des valeurs s(tn) en des mots "compréhensibles"

par le calculateur.
Continu Discret
s(t) sq(t)

Continu

t t
s*(t) sn
Discret

t n
3 R. Abdelfattah - Traitement de Signal
 6.1 Echantillonnage et théorème de Shannon
6.1.1 Principe de l’échantillonnage
x[k]
Système numérique Signal numérique

x(t) x[k] = x(kTe)

Signal analogique
Te = 1/Fe

Représentation schématique de l’échantillonnage

x(t) x[k]
x(t ). (t  kTe )  x(kTe ). (t  kTe )

Représentation mathématique de l’échantillonnage

4 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.1 Principe de l’échantillonnage
Le signal continu :
t (s )
x(t )  cos(2 2000t ) 1
s
2000

Le signal discret :
t (s )
f e  8kHz
x(t )  cos(2 2000t )

Le signal échantillonné :
xe (t )  x(t )  PeigneTe (t )
 t (s )

  x(nT ) (t  nT )
n  
e e
t  kTe
5 R. Abdelfattah - Traitement de Signal
 6.1 Echantillonnage et théorème de Shannon
6.1.2 Représentation fréquentielle

1 1  n
TF[ PeigneT (t )]  Peigne1 ( f )    ( f  )
T T T n  T

Calculer : Xe( f )  ?

6 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.2 Représentation fréquentielle
 Si Fe  2F max

|X(f )| |Xe(f )|
1 Fe
n= -1 n=0 n=1

-Fmax 0 Fmax f -Fe -Fmax 0 Fmax Fe f

 Si Fe  2F max Repliement spectral (Aliasing)

|Xe(f )|
Fe

-Fe -Fmax Fmax

0 Fe f

7 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.2 Représentation fréquentielle
 Si Fe  2F max Difficulté de filtrage

|X(f )| |Xe(f )|
1 Fe
n= -1 n=0 n=1

-Fmax 0 Fmax f -Fe -Fmax 0 Fmax Fe f

8 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.2 Représentation fréquentielle
 Exemple :

x1 (t )  cos(2 2000 t ), Fe  8kHz

TF[ x1e (t )]
1 1 1 1 1 1
2Te 2Te 2Te 2Te 2Te 2Te

8 0 8 f (kHz)

9 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.2 Représentation fréquentielle
 Exemple :

x2 (t )  cos(2 3000 t ), f e  8kHz

TF[ x2e (t )]
1 1
1 1 1
2Te 2Te 1
2Te 2Te 2Te
2Te

8 0 8 f (kHz)

10 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.2 Représentation fréquentielle
 Exemple :
f
Te  ( f / f e ) Te  1 / 8000 s
Te  (
fe
)

8 4 0 4 8 f (kHz)
Filtre de Shannon

11 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.2 Représentation fréquentielle
 Exemple :
TF[ x2e (t )]
Te

1 1 1 1
1 1
2Te 2Te 2Te 2Te
2Te 2Te

8 0 8 f (kHz)

12 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.3 Théorème de Shannon

Question : quelle est la condition sur Fe pour que, à partir du signal échantillonné
xe(t), on puisse reconstruire intégralement x(t)?

Pour échantillonner un signal sans perte d'information, il faut que la

fréquence d'échantillonnage Fe soit supérieure au double de la fréquence
maximale du signal. Plus précisément, si on note Fmax la fréquence
maximale du signal, il faut : Fe  2F max

13 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.3 Théorème de Shannon

 Signaux bande de base

TF( xe ) filtre reconstructeur

Te de Shannon
1 1 1
X ( f  fe ) X(f ) X ( f  fe )
Te Te
Te f
 fe  fe / 2 0 fe / 2 fe

Fe  2F max

14 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.3 Théorème de Shannon

 Signaux bande transposée

Théoriquement : Fe  2FM non optimale

Avec, k le plus petit entier tel que

15 R. Abdelfattah - Traitement de Signal

 6.1 Echantillonnage et théorème de Shannon
6.1.3 Théorème de Shannon

 Signaux bande de base étalé vers l’infinie

Filtre anti-repliement

16 R. Abdelfattah - Traitement de Signal

 6.2 Reconstruction
6.2.1 Interpolation de Shannon

Question :
On a échantillonné un signal x(t) en respectant le théorème de Shannon, comment
fait on pour reconstruire x(t) à partir des échantillons?

On sait maintenant trouver la formule de Shannon

qui calcule x(t) à partir des échantillons x(nTe) :
1. Puisque x(t) est la transformée inverse d’un produit (cf. ci-dessous)
2. la transformée de Fourier d’un produit est un produit de convolution
3. Puisque le produit de convolution par l’impulsion de Dirac décale

17 R. Abdelfattah - Traitement de Signal

 6.2 Reconstruction
6.2.1 Interpolation de Shannon (Aspects pratiques)
1  f 
x(t )  TF Te  ( )  TF[ xe (t )]
 fe 
1 sin(t / Te )
x(t )  Te     x(nTe ) (t  nTe )
Te t / Te n

sin( (t  nTe ) / Te )
x(t )   x(nTe )
n  (t  nTe ) / Te
- La connaissance de tout les échantillons est nécessaire pour reconstruire le signal
 mathématique possible, mais physiquement irréalisable.

- cet interpolation est non causale.

18 R. Abdelfattah - Traitement de Signal

 6.3 Quantification
6.3.1 Quantification scalaire
x(t)

xi+1
xi • x̂i
t
Un quantificateur est donné par :
• N : le nombre de niveaux.
Limite de partition
Dynamique du signal Centroïde

vj
uj-1 uj
19 R. Abdelfattah - Traitement de Signal
 6.3 Quantification
6.3.1 Quantification scalaire
x(t)

xi+1
xi • x̂i
t
Un quantificateur est donné par :
• N : le nombre de niveaux.

Dynamique du signal
Borne de l’intervalle

16 48 80 112 144 176 208 240 Mot de code (Codebook)

0 32 64 96 128 160 192 224 255

20 R. Abdelfattah - Traitement de Signal
 6.3 Quantification
6.3.1 Quantification scalaire

x(t)

Si x(kTe)xi xi1x
ˆ(kTe)xˆi
xi+1
xi • x̂i
t
Un quantificateur est donné par :
• N : le nombre de niveaux.
• Partition : xi i1..N 1
• Mots de codes xˆ 
i i 1..N

21 R. Abdelfattah - Traitement de Signal

 6.3 Quantification
6.3.1 Quantification scalaire
x(t)

xi+1
xi • x̂i
t
• La quantification entraîne une distorsion, elle est mesurée par

ˆ 
2

D  E x  x    PX ( x)x  x  dx.
ˆ 2

• Le quantificateur est choisi en fonction de la source afin de

minimiser D.
• N est en général une puissance de 2 afin d'étiqueter les mots de
codes en binaire.
22 R. Abdelfattah - Traitement de Signal
 6.3 Quantification

6.3.2 Quantificateur uniforme

Il est optimal pour une source uniforme :

x   B, B.
1
PX ( x)  pour
2B
xi1 xi  2B
N
xˆi  xi  xi1
2
D1 B
3N
  2

23 R. Abdelfattah - Traitement de Signal

 6.3 Quantification

6.3.3 Quantificateur optimale

Afin de réduire la distorsion, il faut subdiviser avec beaucoup
de niveaux les régions où la source
x
se trouve très souvent :
i 1

 xP X ( x ) dx
D 0  xˆi 
xi (*)
xi xi 1

P
xi
X ( x ) dx

xi  xˆi1 xˆi
D 0 (**)

xˆi 2

Algorithme de Loyd Max : Commencer par une partition

quelconque. Trouver les mots de codes grâce à (*). Mettre à jour les
partitions grâce à (**). Itérer jusqu’à la convergence.
24 R. Abdelfattah - Traitement de Signal
 6.3 Quantification

6.3.4 Exemples
Cas d’une distribution uniforme
X : v.a. uniforme sur [xmin,xmax] :
- s0=xmin , sN=xmax
- yi=(si-1+si)/2  si-si-1=si+1-si
- seuils uniformément espacés d’un pas q=(xmax-xmin)/N
- si=xmin+q.i y1=xmin + q/2 et yi=yi+(i-1).q

Alors : yi linéairement proportionnel à i-1  coder i-1 plutôt que yi

 quantificateur uniforme (intervalle de décision de même largeur, même différence
entre deux niveaux successifs)

QS uniforme : optimal pour une source uniforme

25 R. Abdelfattah - Traitement de Signal

 6.3 Quantification

6.3.4 Exemples QS uniforme

Erreur Quadratique Moyenne EQM :
X-Q(X) loi uniforme sur [-q/2,q/2]
q/2 2 q/2
1 q
EQM  E((X - Q(X))2 )   x 2f X (x)dx   x 2 dx 
-q/2
q -q/2 12
Rq. EQM ne dépend pas de la variance du signal d ’entrée

Rapport signal sur bruit :

SNR=10log10((xmax-xmin)2/q2)=10log10(N2) dB
Codage des niveaux sur B bits (code à longueur fixe) : N=2B
SNR= 10log10(22B)= 6.B (dB)
Si B B+1 (ajout d’un bit) N 2N  gain de 6dB

26 R. Abdelfattah - Traitement de Signal

 6.3 Quantification

6.3.5 Intérêts de la numérisation

• Facilité de stockage et de traitement.

• Traitement équivalent de toute nature d’information.
• Meilleure qualité de transmission.
• La compression (Codage de source).
• La détection et correction d’erreur (Codage de canal)

Exemple de systèmes numériques :

CD, DAB (radio numérique), DECT (Digital Enhanced Cordless
Telephone), Transmission de chaîne TV satéllitaires, GSM, UMTS

27 R. Abdelfattah - Traitement de Signal

 6.4 TD échantillonnage
1. Le filtre « anti-repliement » :
a) est un filtre passe bas numérique
b) est un filtre passe haut analogique
c) possède une fréquence de coupure inférieure à la
moitié de la fréquence d’échantillonnage
d) doit avoir une fréquence de coupure au moins 2
fois plus grande que la Fréquence d’échantillonnage
e) aucune des réponses précédentes ne convient

2. Le spectre d’un signal continu périodique réel est :

a) continu et périodique
b) discret
c) de module pair
d) de module impair
e) aucune des réponses précédentes ne convient

28 R. Abdelfattah - Traitement de Signal

 6.4 TD échantillonnage
Soit le signal s(t)=a0 + a1.cos(2.pi.f1.t) + a2.cos(2.pi.3.f1.t)
avec f1=20 Hz, a0=1, a1=2, a2=1.
Le signal sn(t) est le signal s(t) échantillonné avec une fréquence Fe=100 Hz
pendant une durée t de 0,2s

1 - Le signal s(t) est il périodique ? Si oui de quelle période, sinon pourquoi ?

2 - Donner l’expression de S(f) (Transformée de Fourier de s(t))

3 - donner l’expression de sn(t) et SN(f) (Transformée de Fourier de sn(t))

4 - Représenter sur le même graphe le module de S(F) et de SN(f) entre -Fe et

Fe.

5 - Quels sont les principaux artéfacts (différences entre S(f) et SN(f) )

introduits par la numérisation de ce signal ?

29 R. Abdelfattah - Traitement de Signal

30 R. Abdelfattah - Traitement de Signal