Académique Documents
Professionnel Documents
Culture Documents
Communication Numérique
Filtrage des signaux
Yoann Morel
http://xymaths.free.fr/Signal/Communication-Numerique-cours-TP.php
Communication Numérique
2 Méthode de Fourier
4 Filtrage adapté
2 Méthode de Fourier
4 Filtrage adapté
Or la DSP d’un signal réel, donc limité dans le temps, n’est jamais limité.
=⇒ Nécessité de la limiter : recours au filtrage
Communication Numérique
Généralités sur les filtres
x A y
- -
R.I. : h
Communication Numérique
Généralités sur les filtres
x A y
- -
R.I. : h
y =h∗x
ŷ = H × x̂
où, H = ĥ est la fonction de transfert du filtre.
Principaux filtres
• Filtre passe-bas
|H(f )|
G
@
@
@
@
@
@ -log f
fc @
@
@
Communication Numérique
Généralités sur les filtres
Principaux filtres
• Filtre passe-bande
|H(f )|
G
@
@
@
@
@
@ -log f
f1 f2 @
-
∆f @
@
Communication Numérique
Généralités sur les filtres
Principaux filtres
• Filtre passe-haut
|H(f )|
-log f
fc
Communication Numérique
Généralités sur les filtres
Synthèse de filtres
• Méthode numérique :
2 Méthode de Fourier
4 Filtrage adapté
|H(f )|
Filtre passe-bas idéal
6
- log f
−B B
|H(f )|
Filtre passe-bas idéal
6
- log f
−B B
- log f
−f0 f0
- -
2B 2B
H(f ) = a [Rect2B (f − f0 ) + Rect2B (f + f0 )] e−2iπf t0
d’où la R.I.
- log f
−f0 f0
- -
2B 2B
H(f ) = a [Rect2B (f − f0 ) + Rect2B (f + f0 )] e−2iπf t0
d’où la R.I.
Exemple de filtrage
6 |H(f )|
- log f
−B B
Communication Numérique
Méthode de Fourier
DD
Communication Numérique
Méthode de Fourier
6|H(f )|
- log f
−B B
Communication Numérique
Méthode de Fourier
...
Problème :
Communication Numérique
Méthode de Fourier
...
Problème :
Communication Numérique
Méthode de Fourier
triangulaire
...
Problème :
Communication Numérique
Méthode de Fourier
...
Problème :
Communication Numérique
Méthode de Fourier
Hamming
...
Problème :
Communication Numérique
Méthode de Fourier
Blackman
...
Problème :
Communication Numérique
Méthode de Fourier
cosinus surélevé
...
Problème :
Communication Numérique
Méthode de Fourier
...
=⇒ Introduction ondulations :
Gain du filtre n’est plus constant, mais dépend (légèrement)
de la fréquence
diminution de la raideur du filtre
Communication Numérique
Méthode séquentielle : Filtres RIF et RII
2 Méthode de Fourier
4 Filtrage adapté
(xk ) A (yk )
- -
R.I. : h
ybk = h
ck x
ck
On a alors,
n=n
X2
h(f ) =
b hn e−2iπf n
n=n1
et d’autre part,
l=n
X2
yk = hl xk−l
l=n1
Communication Numérique
Méthode séquentielle : Filtres RIF et RII
{xi , xi+1 , . . . , xk } ak
Tk ak−1
P
Tk−1 ··· yk
···
..
.
Communication Numérique
Méthode séquentielle : Filtres RIF et RII
1
h tel que h0 = h1 = , et hn = 0 si n 6= 0 et n 6= 1.
2
C’est-à-dire,
X 1
yk = hl xk−l = (xk + xk−1 )
2
l
yk est une moyenne locale du signal xk d’entré.
On a alors,
X 1 1 −2iπf
h(f ) =
b hn e−2iπf n = + e = e−iπf cos(πf )
n
2 2
et donc,
1
h tel que h0 = h1 = , et hn = 0 si n 6= 0 et n 6= 1.
2
C’est-à-dire,
X 1
yk = hl xk−l = (xk + xk−1 )
2
l
yk est une moyenne locale du signal xk d’entré.
On a alors,
X 1 1 −2iπf
h(f ) =
b hn e−2iπf n = + e = e−iπf cos(πf )
n
2 2
et donc,
n=+∞
X
h(f ) =
b hn e−2iπf n , hn 6= 0
n=−∞
Tk ak−1
P
Tk−1 ··· yk
···
..
.
bk {yi , · · · , yk }
Tk bk−1
······
Communication Numérique
Méthode séquentielle : Filtres RIF et RII
2 Méthode de Fourier
4 Filtrage adapté
|g0 (T )|2
η= soit maximal
E(n2 (t))
Communication Numérique
Filtrage adapté
On a :
Z
g0 (T ) = h(t) ∗ g(t) = H(f ) G(f ) e2iπf T df
IR
et,
Z Z
2 2 N02
E(n (t)) = |H(f )| |W (f )| df = |H(f )|2 df
IR 2 IR
d’où,
Z 2
2iπf T
H(f ) G(f ) e df
η = IR Z
N0
|H(f )|2 df
2 IR
Communication Numérique
Filtrage adapté
Par Cauchy-Schwarz, on a :
Z
2
η≤ |G(f )|2 df
N0 IR
avec égalité si et seulement si,
2 Méthode de Fourier
4 Filtrage adapté
pe = p(0|1) p1 + p(1|0) p0
(
p0 , p1 les probabilités d’avoir un 0 ou un 1
avec,
p(0|1), p(1|0) les probabilités conditionnelles
Communication Numérique
Effet du bruit et probabilité d’erreur
(y + A)2
1
TY |0 = √ exp −
2πσ 2 2σ 2
N0
avec la variance σ du bruit w(t) gaussien : σ 2 =
2Tb
Communication Numérique
Effet du bruit et probabilité d’erreur
!
Z +∞
1 A+λ
p(1|0) = pY |0 (Y ≥ λ) = T (Y |0) dz = erfc p
λ 2 N0 /Tb
On trouve de même,
!
1 A−λ
p(0|1) = erfc p
2 N0 /Tb
Communication Numérique
Effet du bruit et probabilité d’erreur
Au total, on obtient,
! !
A−λ
p1 p0 A+λ
p erfc + erfc p
2 N0 /Tb 2 N0 /Tb
1
Dans le cas où, p0 = p1 = , alors pe est minimum pour λ = 0 et
2
alors, !
1 A
pe = erfc p
2 N0 /Tb
et donc, si on pose εb = A2 Tb , l’énergie par bit (impulsion
d’amplitude A de durée Tb ), alors,
r
1 εb
pe = erfc
2 N0
Communication Numérique
Effet du bruit et probabilité d’erreur
r
1 εb
pe = erfc
2 N0
r
εb
N0
Communication Numérique
Application : Critère et Filtre de Nyquist
2 Méthode de Fourier
4 Filtrage adapté
2 Méthode de Fourier
4 Filtrage adapté
(an ) ?
M y(t)
- h(t) - - h(−t) -
Dmax ≥ 1 =⇒ IES provoque une erreur de détection
Dmax < 1 =⇒ Condition nécessaire pour la bonne
réception du message
Communication Numérique
Application : Critère et Filtre de Nyquist
Interférence entre symboles (IES)
Diagramme de l’œil
Communication Numérique
Application : Critère et Filtre de Nyquist
Interférence entre symboles (IES)
2 Méthode de Fourier
4 Filtrage adapté
soit,
X n
rb f − = T r(0)
n
T
1
c’est-à-dire, rb doit être constant sur une largeur de bande B ≥ 2T .
On appelle bande de Nyquist la largeur de bande minimale :
1
Bmin =
2T
Communication Numérique
Application : Critère et Filtre de Nyquist
Cas idéal - Filtre de Nyquist
2 Méthode de Fourier
4 Filtrage adapté
De cette façon, on a, en t = k + 12 T
r(0) r(0)
si ak+1 = −ak ,
− =0
2 2
r(0) r(0)
si ak+1 = ak , ± = ±r(0)
+
2 2
La fonction
2πt 1 2π T 1 2π T
r(t) = sinc + sinc t+ + sinc t−
T 2 T 2 2 T 2
vérifie ce critère, et on a :
2πt
sinc T πt πt
r(t) = r(0) = r(0) sinc cosc
2t 2 T T
1− T
Communication Numérique
Application : Critère et Filtre de Nyquist
Filtre en cosinus surélevé
cos x
avec la fonction cosinus cardinal : cosc(x) =
1 − x2
1 X 1
=⇒ On a alors une décroissance en 2 (et < +∞)
n n
n2
T r(0) 1
R(f ) = [1 + cos(πf T )] , |f | ≤
2 T
2 Méthode de Fourier
4 Filtrage adapté
−→ Détermination de h(t) ?
T r(0) πf T
R(f ) = [1 + cos(πf T )] = T r(0) cos2
2 2
p πf T
=⇒ H(f ) = T r(0) cos
2
tel que R(f ) = |H(f )|2 . Alors,
πf T πf T
p ei 2 + ei 2
H(f ) = T r(0) Rect2/T (f )
2
Communication Numérique
Application : Critère et Filtre de Nyquist
Filtre en racine de cosinus surélevé
2 Méthode de Fourier
4 Filtrage adapté
=⇒ R(f ) = R0 (f ) ∗ C(f )
πt πT
avec, C(f ) = T.F. cosc = cos (πf T ) Rect1/T (f )
T 2
1 f
On remplace alors C(f ) par C ,
α α
1 f
Rα = R0 (f ) ∗ C
α α
Communication Numérique
Application : Critère et Filtre de Nyquist
Filtre en cosinus surélevé avec coefficient de retombée
En temporel, on a alors,
αt πt αt
rα (t) = r0 (t) cosc = sinc cosc
T T T
et donc le compromis :
• Tolérance au bruit α = 0
• Tolérance à l’instant d’échantillonnage α = 1