ComNum FiltragedesSignaux FR

Communication Numérique
Filtrage des signaux
Yoann Morel
http://xymaths.free.fr/Signal/Communication-Numerique-cours-TP.php
1 Généralités sur les filtres
2 Méthode de Fourier
3 Méthode séquentielle : Filtres RIF et RII
4 Filtrage adapté
5 Effet du bruit et probabilité d’erreur
6 Application : Critère et Filtre de Nyquist

Interférence entre symboles (IES)
Cas idéal - Filtre de Nyquist
Filtre en cosinus surélevé
Filtre en racine de cosinus surélevé
Filtre en cosinus surélevé avec coefficient de retombée
Généralités sur les filtres
4 Filtrage adapté

Un canal de transmission réel a une bande passante limitée :
physiquement (bande passante réelle)

par l’utilisateur (limitation de débit, partage entre utilisateurs,
problèmes de CEM, . . .)
Or la DSP d’un signal réel, donc limité dans le temps, n’est jamais limité.
=⇒ Nécessité de la limiter : recours au filtrage
Rappel sur les filtres
x A y
- -
R.I. : h
Rappel 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.
Un filtre est caractérisé par sa fonction de transfert
,→ Modification du contenu spectral du signal

Principaux filtres
• Filtre passe-bas
|H(f )|
G
@
@
@
@
@
@ -log f
fc @
@
@
Principaux filtres
• Filtre passe-bande
|H(f )|
G
@
@
@
@
@
@ -log f
f1 f2 @
-
∆f @
@
Principaux filtres
• Filtre passe-haut
|H(f )|
-log f
fc
Synthèse de filtres
• Méthode analogique : électronique, composants actifs et

passifs
• Méthode numérique :
méthode de Fourier : étude de H(f )
méthode séquentielle : relation xk ↔ yk

Méthode de Fourier
4 Filtrage adapté

|H(f )|
Filtre passe-bas idéal
6
- log f
−B B
H(f ) = a Rect2B (f ) e−2iπf t0

D’où la R.I. :
|H(f )|
Filtre passe-bas idéal
6
- log f
−B B
H(f ) = a Rect2B (f ) e−2iπf t0

D’où la R.I. :
h(t) = 2aB sinc (2B(t − t0 ))

Filtre passe-bande idéal |H(f )|
- log f
−f0 f0
- -
2B 2B
H(f ) = a [Rect2B (f − f0 ) + Rect2B (f + f0 )] e−2iπf t0
d’où la R.I.
h(t) = 4aB sinc (2B(t − t0 )) cos(2πf0 (t − t0 ))

| {z } | {z }
Filtre passe-bande idéal |H(f )|
- log f
−f0 f0
- -
2B 2B
H(f ) = a [Rect2B (f − f0 ) + Rect2B (f + f0 )] e−2iπf t0
d’où la R.I.
h(t) = 4aB sinc (2B(t − t0 )) cos(2πf0 (t − t0 ))

| {z } | {z }
R.I. filtre passe-bas fréquence porteuse
Exemple de filtrage
Débruitage d’un signal
Un bruit blanc additif gaussien (BBAG) est un signal additif

“haute fréquence”.
=⇒ Filtrage par un filtre passe-bas pour débruiter un signal
6 |H(f )|
- log f
−B B
DD
Propriété : Un filtre est réalisable (causal) si et seulement si

Supp h est borné, i.e. si et seulement si la réponse
impulsionnelle h(t) est nulle en dehors d’un intervalle
de IR.
Problème : Ces filtres idéaux ne sont pas réalisables
6|H(f )|
- log f
−B B
On multiplie h(t) par une fenêtre W telle que
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
où W est une fenêtre
...
Problème :
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
rectangulaire
...
Problème :
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
triangulaire
...
Problème :
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
Hanning (ou plutôt Hann . . .)
...
Problème :
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
Hamming
...
Problème :
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
Blackman
...
Problème :
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
cosinus surélevé
...
Problème :
h(t) W (t) = 0 pour t ∈

/ [t1 ; t2 ]
...
Problème : par cette troncature, on introduit des oscillations

(Gibbs)
=⇒ Introduction ondulations :
Gain du filtre n’est plus constant, mais dépend (légèrement)
de la fréquence
diminution de la raideur du filtre
Méthode séquentielle : Filtres RIF et RII
4 Filtrage adapté

Filtres numériques ←→ Signaux échantillonés
(xk ) A (yk )
- -
R.I. : h
La relation générale s’écrit alors (convolution discrète) :

l=+∞
X
yk = hl xk−l
l=−∞
où, (hn ) est la réponse impulsionnelle (discrète) du filtre.

Transformation discrète de Fourier :

X
ybk = yk e−2iπf n
n
!
X X
= hl xn−l e−2iπf n
n l
!
X X
= hl xn−l e−2iπf n
l n
!
−2iπf (n0 +l)
X X
= hl e
l n0
!
−2iπf n0
X X
−2iπf l
= hl e e
l n0
On retrouve ainsi la relation,
ybk = h
ck x
ck
Filtre à réponse impulsionnelle finie : RIF (FIR)
Ce sont des filtres tels que Supp h borné,

c’est-à-dire hn = 0 si n ∈
/ [n1 ; n2 ]
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
Schéma d’un filtre RIF
{xi , xi+1 , . . . , xk } ak
Tk ak−1
P
Tk−1 ··· yk
···
..
.
Exemple simple de filtre numérique
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,
h(f )|2 = cos2 (πf ) ∼ 1 , f → 0

|b
∼ 0 , f → ±π
Exemple simple de filtre numérique
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,
h(f )|2 = cos2 (πf ) ∼ 1 , f → 0

|b hn définit ainsi un filtre
passe-bas.
∼ 0 , f → ±π
Les filtres FIR ne sont en général pas suffisants (trops restrictifs).

On définit alors les filtres à Réponse Impulsionnelle Infinie (RII, ou
IIR), pour lesquels on a :
n=+∞
X
h(f ) =
b hn e−2iπf n , hn 6= 0
n=−∞
En pratique, il est impossible d’implémenter des suites de longueur

infinie.
On introduit alors ces filtres de manière récursive :
M
X N
X
yk = βn xk−n − αn yk−n
n=0 n=1
yk est calculé à partir de l’entrée xk et des valeurs antérieures de

yk : c’est un calcul itératif
Schéma d’un filtre RII

{xi , . . . , xk } ak
Tk ak−1
P
Tk−1 ··· yk
···
..
.
bk {yi , · · · , yk }
Tk bk−1
······
En réordonnant, on obtient, en posant α0 = 1,

M
X N
X N
X M
X
α 0 yk = βn xk−n − αn yk−n ⇐⇒ αn yk−n = βn xk−n
n=0 n=1 n=0 n=0
soit, en prenant la transformée de Fourier,

N M
! !
X X
αn e−2iπf n yb(f ) = βn e−2iπf n xb(f )
n=0 n=0
d’où, la fonction de transfert, M

X
βn e−2iπf n
yb(f )
H(f ) = b
h(f ) = = n=0
N
x
b(f ) X
αn e−2iπf n
n=0
En utilisant une transformée en z (z = e−2iπf ),

M
X
βn z n
n=0 βM z M + · · · + β1 z + β0 P (z)
H(f ) = H(z)
e = = =
XN αN z N + · · · + α1 z + α0 Q(z)
αn z n
n=0
En utilisant une transformée en z (z = e−2iπf ),

M
X
βn z n
n=0 βM z M + · · · + β1 z + β0 P (z)
H(f ) = H(z)
e = = =
XN αN z N + · · · + α1 z + α0 Q(z)
αn z n
n=0
=⇒ Les fréquences de coupure sont les racines de P .
=⇒ Problème de stabilité du filtre, si le dénominateur s’an-

nule (racines de Q)
=⇒ En général, existence d’un domaine de stabilité qu’il faut

respecter.
Filtrage adapté
4 Filtrage adapté

Filtrage adapté
Soit un signal codé avec la forme d’onde g(t) (formant du code en

ligne), et bruité :
x(t) = g(t) + w(t) , t ∈ [0; Tb ]

N0
où w est un BBAG de densité spectrale W (f ) =
2
On cherche le filtre en reception h(t) :
y(t) = h(t) ∗ x(t) = g0 (t) + n(t)
tel que le RSB en t = T (instant de décision) :
|g0 (T )|2
η= soit maximal
E(n2 (t))
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
Filtrage adapté
Par Cauchy-Schwarz, on a :
Z
2
η≤ |G(f )|2 df
N0 IR
avec égalité si et seulement si,
H(f ) = k G(f ) e−2iπf T , k ∈ C
soit, pour des filtres réels,

h(t) = g(T − t)
Le filtre h(t) = g(T − t) est le filtre optimal, ou filtre adapté,

à la détection du signal g(t) bruité.
Effet du bruit et probabilité d’erreur
4 Filtrage adapté

Le filtre adapté est le filtre optimal pour la détection du signal

utile.
La mesure de la performance du filtrage (adapté ou non) est

donnée par la probabilité d’erreur :
probabilité de décider qu’un bit 1 à était reçu alors

qu’un bit 0 a été envoyé, ou inversement.
Exemple de calcul de la probabilité d’erreur
On considère un signal polaire NRZ :

(
+A + w(t) , si bit émis = +1
x(t) =
−A + w(t) , si bit émis = +0
D’après le théorème de Bayes, on a
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
Soit Y la sortie du filtre adapté :

Z Tb
1
Y = g(−t) ∗ x(t) = x(t) dt
Tb 0
et donc, si un 0 a été envoyé,
Z Tb
1
Y = −A + w(t) dt
Tb 0
d’où la densité de probabilité conditionnelle,
(y + A)2

1
TY |0 = √ exp −
2πσ 2 2σ 2
N0
avec la variance σ du bruit w(t) gaussien : σ 2 =
2Tb
On obtient alors, avec un seuil de décision λ,
!
Z +∞
1 A+λ
p(1|0) = pY |0 (Y ≥ λ) = T (Y |0) dz = erfc p
λ 2 N0 /Tb
avec la fonction d’erreur complémentaire :

Z +∞
2 2
erfc(u) = √ e−s ds
π u
On trouve de même,
!
1 A−λ
p(0|1) = erfc p
2 N0 /Tb
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
r
1 εb
pe = erfc
2 N0
r
εb
N0
Application : Critère et Filtre de Nyquist
4 Filtrage adapté

4 Filtrage adapté

Interférence entre symboles :
L’interférence entre symboles est un phénomène qui se

produit si le niveau échantillonné à l’instant de décision
ne dépend pas du seul symbole attendu, mais se trouve
altéré par la superposition d’un ou plusieurs autres sym-
boles voisins.

Réponse globale du système, avec filtre adapté en réception :
Bruit
(an ) ?
M y(t)
- h(t) - - h(−t) -
Codage en ligne Filtrage adapté

On a alors,
X
y(t) = an r(t − nT ) + bruit
n
avec la réponse globale du système :

r(t) = h(t) ∗ h(−t)
Réponse en sortie du filtre adapté :

X
n
Echantillonnage aux instants t = kT :

X
y(kT ) = an r(kT − nT ) + bk
n

X
n

X
n
X
= ak r(0) + an r ((k − n)T ) + bk
n6=k

X
n

X
n
X
= ak r(0) + an r ((k − n)T ) + bk
| {z } |{z}
n6=k
| {z }
Symbole
IES bruit
à détecter


On appelle distortion maximale, le ratio :
X
|an r(nT )|
n6=0
Dmax =
|r(0)|
X
|r(nT )|
n6=0
= , si an ∈ {−1, +1}
|r(0)|


 Dmax ≥ 1 =⇒ IES provoque une erreur de détection

Dmax < 1 =⇒ Condition nécessaire pour la bonne


 réception du message
Diagramme de l’œil
En l’abscence d’IES, l’œil est complètement “ouvert” à l’instant de

décision ; tous les trajets passsent par deux points seulement (en
binaire, M points en M-aires).
(a) Ouverture verticale : immunité au bruit

(b) Ouverture horizontale : immununité au déphasage d’horloge
4 Filtrage adapté

C’est le cas Dmax = 0.

Cela revient à :
(
r(kT ) = 0 , ∀k 6= 0
r(0) 6= 0
Dans ce cas, le filtre, de R.I. r(t), est dit de Nyquist.
Remarque : La condition de Nyquist est trivialement satisfaite

lorsque l’impulsion h(t) est de durée plus petite
que T , et donc |Supp(h)| ≤ 2T
Critère de Nyquist fréquentiel

Le critère de Nyquist implique que :
X X
r(t − nT ) = r(t) δ(t − nT ) = r(0)δt
n n
soit, dans le domaine fréquentiel :

1X n
rb(f ) ∗ δ f− = r(0)
T n T
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
Choix le plus simple :

1

1 , si |f | ≤ 2T
R(f ) = T r(0) Rect1/T (f ) =
0 , sinon
On a alors,
t
r(t) = r(0) sinc
T
Inconvénients des filtres de Nyquist
A l’instant d’échantillonnage exact t = kT , on a
r(kT ) = sinc(kT ) = 0 , mboxet r(0) = 0

c’est-à-dire, Dmax = 0.
Mais, si l’instant d’échantillonnage est nettement moins précis à la

réception : t = kT + ε, avec ε 6= 0, alors,
X πε
sinc kπ + = +∞
T
k
=⇒ Aucune tolérance vis-à-vis de l’instant d’échantillonnage

4 Filtrage adapté


X
Si ak+1 = −ak , alors, an r(t − nT ) doit s’annuler entre kT et
n
(k + 1)T , X
an r(t − nT ) = 0 pour t = k + 12 T

le cas optimal étant :
n

2πt
1ère solution : r 1

k + T = 0 =⇒ r(t) = sinc
2 T
2ème solution : On impose


r(0) T
, si t = ±



r(t) = 2 2
 3 kT
 0
 sit = ±T, ± T, ±2T, . . . , ±
2 2
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
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
Dans le domaine fréquentiel, fonction de trnasfert associée est :
T r(0) 1
R(f ) = [1 + cos(πf T )] , |f | ≤
2 T
“1 + cos” : Filtre en cosinus surélevé

4 Filtrage adapté

Problème : r(t) ainsi calculé est la R.I. globale du système,

r(t) = h(t) ∗ h(−t)
−→ 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
La transformée de Fourier inverse donne alors la R.I.

p
T r(0) 2t 1 2t 1
h(t) = sinc − + sinc +
2 T 2 T 2
soit aussi,

2p 2t
h(t) = T r(0) cosc
π T
−→ Problème : h(t) ne vérifie pas le critère de Nyquist...

4 Filtrage adapté

Filtre de Nyquist : R0 (f ) Filtre en cosinus surélevé : R1 (f )
En pratique, on utilise un compromis entre R0 et R,


 Rα = R0 , pour α = 0
Rα , avec 0 ≤ α ≤ 1 , et
 Rα = R1 , pour α = 1
On remarque que pour α = 1, on a

πt πt
r(t) = sinc cosc = rO (t)
T T
=⇒ 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
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

ComNum FiltragedesSignaux FR

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ComNum FiltragedesSignaux FR

Transféré par

Droits d'auteur :

Formats disponibles

Communication Numérique

1 Généralités sur les filtres

3 Méthode séquentielle : Filtres RIF et RII

5 Effet du bruit et probabilité d’erreur

6 Application : Critère et Filtre de Nyquist

1 Généralités sur les filtres

3 Méthode séquentielle : Filtres RIF et RII

5 Effet du bruit et probabilité d’erreur

6 Application : Critère et Filtre de Nyquist

Un canal de transmission réel a une bande passante limitée :

physiquement (bande passante réelle)

Rappel sur les filtres

Rappel sur les filtres

Un filtre est caractérisé par sa fonction de transfert

,→ Modification du contenu spectral du signal

• Méthode analogique : électronique, composants actifs et

méthode de Fourier : étude de H(f )

méthode séquentielle : relation xk ↔ yk

1 Généralités sur les filtres

3 Méthode séquentielle : Filtres RIF et RII

5 Effet du bruit et probabilité d’erreur

6 Application : Critère et Filtre de Nyquist

H(f ) = a Rect2B (f ) e−2iπf t0

H(f ) = a Rect2B (f ) e−2iπf t0

h(t) = 2aB sinc (2B(t − t0 ))

Filtre passe-bande idéal |H(f )|

h(t) = 4aB sinc (2B(t − t0 )) cos(2πf0 (t − t0 ))

Filtre passe-bande idéal |H(f )|

h(t) = 4aB sinc (2B(t − t0 )) cos(2πf0 (t − t0 ))

Débruitage d’un signal

Un bruit blanc additif gaussien (BBAG) est un signal additif

=⇒ Filtrage par un filtre passe-bas pour débruiter un signal

Propriété : Un filtre est réalisable (causal) si et seulement si

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

Hanning (ou plutôt Hann . . .)

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

On multiplie h(t) par une fenêtre W telle que

h(t) W (t) = 0 pour t ∈

Problème : par cette troncature, on introduit des oscillations

1 Généralités sur les filtres

3 Méthode séquentielle : Filtres RIF et RII

5 Effet du bruit et probabilité d’erreur

6 Application : Critère et Filtre de Nyquist

Filtres numériques ←→ Signaux échantillonés

La relation générale s’écrit alors (convolution discrète) :

où, (hn ) est la réponse impulsionnelle (discrète) du filtre.

Transformation discrète de Fourier :

On retrouve ainsi la relation,

Filtre à réponse impulsionnelle finie : RIF (FIR)

Ce sont des filtres tels que Supp h borné,

Schéma d’un filtre RIF