Filtrage-Numerique

Taoufik LADHARI ENIM 2019-2020 1
ECOLE NATIONALE D’INGÉNIEUR DE MONASTIR – ENIM
DÉPARTEMENT GÉNIE ÉLECTRIQUE

2ÈME ANNÉE ELECTRIQUE
COURS FILTRAGE NUMÉRIQUE
Taoufik LADHARI ENIM 2019-2020

Plan du Module
2
Chapitre • Rappel sur les filtres

I analogiques
Chapitre • Etude des filtres

II numériques
Chapitre • Synthèse des filtres

III numériques

Plan du Module
3
Chapitre • Rappel sur les filtres

I analogiques
Chapitre • Etude des filtres

II numériques
Chapitre • Synthèse des filtres

III numériques

CHAPITRE I:
RAPPEL SUR LES FILTRES
ANALOGIQUES

Plan du Chapitre
5
I • Introduction
II • Filtres passifs
III • Les filtres actifs
IV • Filtres de Butterworth
V • Filtres de Tchebycheff
VI • Filtres de Bessel
VII • Conclusion

Plan du Chapitre
6
I • Introduction
VII • Conclusion

Rappel sur les filtres analogiques
7
Introduction
• Pour des raisons multiples l’information utile peut être dissimilée au sein d’un signal
complexe. Dés lors du spectre de l’information est suffisamment isolé vis-à-vis des
composantes indésirables, il est possible de l’extraire par filtrage.
• Le filtrage est l'opération qui consiste à modifier les composantes spectrales d'un
signal. Le filtre est un circuit qui réalise cette opération. Les intervalles de fréquence
où les composants du signal sont transmises sont appelées bandes passantes ; les
intervalles où les signaux sont bloqués sont désignés sous le nom de bandes d'arrêt
ou d'atténuation.

8
I. Introduction
• Le filtrage en fréquence fut historiquement l’une des premières fonctions utilisées

en radioélectricité. Aujourd’hui, on trouve des filtres dans de nombreux équipements
électroniques.
•La tendance est actuellement de remplacer les structures analogiques par des
versions numériques, des caractéristiques plus précises et plus reproductibles. On
conserve cependant des solutions analogiques en électronique de puissance, en
électroacoustique et dans les systèmes hautes fréquences.
• D’une manière générale, un filtre est un système linéaire dont le rôle est de
modifier la composition spectrale d’un signal sans y ajouter des nouvelles
composantes. Il permet le renforcement de l’atténuation d’une ou plusieurs bandes
de fréquence.

9
I. Introduction
• Une perturbation électromagnétique peut être un bruit, un signal non désiré ou une
modification du milieu de propagation lui-même.
• Pour un équipement donné les perturbations vont être véhiculées par les lignes
d’alimentation. Il s’agit des perturbations conduites de mode différentiel.
• En effet le courant se propage sur l’un des conducteurs, traverse l’appareil victime,
en le polluant et revient sur l’autre conducteur en sens inverse cela est illustré par la
figure suivante

Plan du Chapitre
10
I • Introduction
VII • Conclusion

11
II. Les filtres passifs

• Filtres de 1er ordre:
• Filtre passe-bas:
Vs (t ) 1
H ( jω ) = =
Ve(t ) 1 + jRCω
1 1
f0 = ; ω0 =
2Π RC RC
Gdb (ω ) = 20. log H (ω ) = −10. log(1 + (ωRC ) 2 )
ϕ (ω ) = − arctan(ωRC )

12

• Filtre passe-haut: Vs (t ) jRCω
H ( jω ) = =
Ve(t ) 1 + jRCω
1 1
f0 = ; ω0 =
2Π RC RC
ω ω 2
Gdb (ω ) = 20. log H ( jω ) = 20. log( )) − 10. log(1 + ( ) )
ω0 ω0
ω Π ω
ϕ (ω ) = arg H (ω ) = − arg(1 + j ) = − arctan( )
ω0 2 ω0

13

• Filtres de 2ème ordre:
−1
• Filtre passe-bas: Vs (t )
H ( jω ) = = LC
Ve(t ) ω 2 − jω R − 1
L LC
1 2 L
ω0 = ;Q = = 2*m
LC R C
ϑ0 1
H (ω ) = =
ϑi R C ω + (1 − LCω )
2 2 2 2
2
RCω
ϕ (ω ) = − arctan( )
1 − LCω 2

14

• Filtre passe-haut:
p
( )2
vs ( p ) ω0
=
ve ( p ) 1 + 2ξ ( p ) + ( p ) 2
ω0 ω0
1 R C
ω0 = ;ξ =
LC 2 L

15

• Filtre passe-bande: p
2ξ ( )
ω0
H ( p) =
p p
1 + 2ξ ( )+( )2
ω0 ω0
1 R C
ω0 = ;ξ =
LC 2 L

16

• Filtre coupe-bande:
p
1+ ( )2
ω0
H ( p) =
p p
1 + 2ξ ( )+( )2
ω0 ω0
1 R C
ω0 = ;ξ =
LC 2 L

Plan du Chapitre
17
I • Introduction
VII • Conclusion

18
III. Les filtres actifs

ϑ0 R 1
• Filtre passe-bas: H ( jω ) = =− 2
ϑi R1 1 + jR2Cω
1 1
fc = ; ω0 =
2Π R2C R2C
R2
Gdb (ω ) = 20. log H (ω ) = 20. log( ) − 10. log(1 + (ωRC ) 2 )
R1
ϕ (ω ) = − arctan(ωRC )

19

v2 − jRCω
• Filtre passe-haut: H ( jω ) = =
v1 1 + jRCω
R 1 1
fc = ; ω0 =
2ΠRC RC
Gdb (ω ) = 20. log H (ω ) = 20 log(RCω ) − 10. log(1 + (ωRC ) 2 )
ϕ (ω ) = − pi / 2 − arctan(ωRC )

20

ω02
• Filtre passe-bas: H ( p) = k
ω0
p2 + ( ) p + ω02
Q0
Q0 = 2 * m

21

p2
• Filtre passe-haut: H ( p) = k
ω0
p2 + ( ) p + ω02
Q0

22

• Filtre coupe-bande:
ωz
p2 + ( ) p + ω z2
Qz
H ( p) = k
ωp
p +(
2
) p + ω p2
Qp
23

ωp
• Filtre passe-bande: ( )p
Qp
H ( p) = k
ωp
p +(
2
) p + ω p2
Qp

Plan du Chapitre
24
I • Introduction
VII • Conclusion

25
IV. Filtres de Butterworth
• Un filtre de Butterworth est un type de modèle de filtre linéaire, conçu pour

posséder un gain aussi constant que possible dans sa bande passante. Les filtres de
Butterworth furent décrits pour la première fois par l'ingénieur britannique Stephen
Butterworth.
• Le gain d'un filtre de Butterworth est le plus constant possible dans la bande
passante et tend vers 0 dans la bande de coupure. Sur un diagramme de Bode
logarithmique, cette réponse décroît linéairement :
• vers -∞, de -6 db/octave (-20db/décade) pour un filtre de premier ordre,

• -12db/octave soit -40dB/décade pour un filtre de second ordre,
• -18dB/octave soi -60dB/décade pour un filtre de troisième ordre, etc…

26

27

• Fonction de transfert:
• Comme pour tous les filtres linéaires, le prototype étudié est le filtre passe pas, qui
peut être facilement modifié en filtre passe haut ou placé en série pour former des
filtres passe bande ou coupe bande. Le gain d'un filtre de Butterworth passe-bas
d'ordre n est :
1 1
Gn (ω ) = H ( jω ) = =
ω 2n Bn ( s )
1+ ( )
ωc
• où Bn(s) est un polynôme de degré n. La table suivante donne les premières

valeurs de ces polynômes :

28

• Fonction de transfert:
n Bn(s)
1 S+1
2 s²+1,414s+1
3 (s+1)(s²+s+1)
4 (s²+0,7654s+1)(s²+1,8478s+1)
5 (s+1)(s²+0,6180s+1)(s²+1,6180s+1)
6 (s²+0,5176s+1)(s²+1,414s+1)(s²+1,9318s+1)
7 (s+1)(s²+0,4450s+1)(s²+1,247s+1)(s²+1,8022s+1)
8 (s²+0,3902s+1)(s²+1,1111s+1)(s²+1,6629s+1)(s²+1,9616s+1)

29
• Exemple: Etude théorique
• On appelle filtre de fréquences passe-bas idéal (figure1);

un dispositif excité par une tension d’entrée ve=Vemsin(wt)
avec w variable dont le module de la fonction de transfert
est telle que:

30

• Afin d’établir des résultats valables quelle que soit la valeur de w1, on effectue
le changement de variable:
et
•où Pn(jx) est un polynôme complexe de degrés n tel que le module de la fonction
de transfert satisfait:

31
1- Calculer pour n=1,2 et 3 le module des polynômes Pn(s) en fonction de x.

Vérifier la propriété de la fonction de transfert |Tn(jx)|.
2- Exprimer en décibels la fonction |Tn(jx)|du filtre et montrer que la pulsation

de coupure w1 à -3dB est indépendante de n.
3- Tracer les graphes asymptotique de Bode pour n=1,2 ,3 ,4 et 5. Montrer que

si on augmente n davantage, on se rapproche du cas idéal.

32

1-
• n=1
• n=2 soit

33

2-
• L’expression du module est :
• La pulsation de coupure à -3dB correspond à x2n=1 qui a pour solution x=1,

c’est-à-dire : w=w1.

34

3-
• Le graphe de Bode
asymptotique:
• Un filtre d’ordre n conduit

à une asymptote de(-
20.n)dB/décade. Pour n
important, on se rapproche
du filtre idéal.

35
• Exemple: Réalisation
• Il est possibles de réaliser les fonctions de transfert d’ordre 1 et 2 des filtres de
Butterworth avec les montages suivants qui utilise des AOP idéaux fonctionnant en
régime linéaire:

36
1 – Montrer que le montage de la figure 2 réalise la fonction du premier

ordre(n=1).
2 – Déterminer la pulsation de coupure w1 du filtre de 1er ordre en fonction de R
et C.
3 – On utilise le montage de la figure 3 pour réaliser la fonction T2(x) données
sous la forme :
m représente le coefficient d’amortissement. Déterminer l’expression de T2(x) en

fonction de w,R,C1 et C2.

37
4 – En déduire par comparaison avec la forme générale de T2(x), l’expression:

a- de la pulsation w1 en fonction de R,C1 et C2 .
b- du coefficient d’amortissement m en fonction de C1 et C2.
5 – En remarquant que les filtres de Butterworth du 1er et 2ème ordre ont la même
pulsation de coupure w1, Exprimer les capacités C1 et C2 en fonction du coefficient
d’amortissement m et de la capacité C du filtre de la figure1.

38
1 – La tension Vs recopiée aux bornes du
condensateur C.
Diviseur de tension :
2 – La fréquence de coupure:

39
3 – A nouveau, la tension Vs recopiée aux bornes
du condensateur C.
Equation au nœud N:
Diviseur de tension:
On obtient:

40
4 – La comparaison de la relation (3) avec permet d’obtenir:
a- La pulsation de coupure:
b- Le coefficient d’amortissement:
5 – L’identité de la pulsation de coupure permet d’écrire :
soit:
Sachant que on obtient alors:

41
• Exemple: Réalisation passe-bas Butterworth

• L’analyse du tableau de Butterworth montre que la réalisation d’un filtre d’ordre n
est obtenue par la mise en cascade de filtres:
• Du 1er ordre et 2ème ordre pour n impair >1.
• Du 2ème ordre uniquement pour n pair.
Pour réaliser le filtre passe-bas proposé d’ordre 5, on doit mettre en cascade un
filtre 1er ordre et deux filtre de 2ème ordre, figure 5.
2 – Calculer la valeur à donner aux capacités du montage afin que de la courbe du

filtre soit conforme au gabarit de la figure 4.
3 – Quelle contrainte technique est imposée pour le choix des capacités du
montage?

42
• On désire réaliser un filtre actif passe-bas

dont le graphe de Bode est compris à l’intérieur
du gabarit de la figure 4.
La fréquence de coupure f1 (à -3dB) du filtre
est égale à 2Khz et l’on désire qu’à la
fréquence f2=5Khz l’atténuation soit égale à
39dB.
1- En utilisant le résultat de la question 2 de la

partie 1, montrer que l’ordre n du filtre doit
être égale à 5
43

44
1 – Pour la fréquence réduite: on doit obtenir . On a donc
la relation qui à pour solution: n=4.9 soit n=5.
2 – Avec R=5.3KΩ, calculons la valeurs des capacités. Exprimons le polynômes

d’ordre 5 :
• La fréquence de coupure à -3dB du filtre 1er ordre est: fc=3Khz. Sachant

que : fc=1/2πRC, on en déduit la valeur de la capacité C:

45
2 – Avec R=5.3KΩ, calculons la valeurs des capacités. Exprimons le polynômes

d’ordre 5 :
• Le coefficient d’amortissement m1 du filtre 1 de 2ème ordre est égale à
0.309. on en déduit alors:
•Le coefficient d’amortissement m2 du filtre 2 de 2ème ordre est égale à

0.809. On en déduit alors:
3 - Les capacités doivent posséder une valeur proche de la valeur normalisée

habituelle.

46
•Exemple: Réalisation passe-bas Butterworth
Amplitude Phase

47

Réponse Indicielle
Plan du Chapitre
48
I • Introduction
VII • Conclusion

49
V. Filtres de Tchebycheff
• Le filtre de Tchebychev de type 2, également connu sous le nom de Tchebychev

inverse, présente une atténuation monotone en bande passante, comme le filtre de
Butterworth, mais son comportement en bande atténuée est différent : la courbe de
réponse alterne entre une série de maxima, dont la valeur est spécifiée lors de la
conception du filtre, et de points où l'atténuation est totale (pôles). Voir par exemple
ci-contre la réponse d'un filtre de type 2 passe-bas conçu pour environ 70 dB
d'atténuation hors-bande.
• Pour les ordres impairs, l'atténuation devient infinie lorsque la fréquence s'écarte
indéfiniment (au sens logarithmique) de la fréquence de coupure. En revanche, pour
les ordres pairs, l'atténuation tend vers la valeur limite du gabarit. Cette
particularité rend la synthèse des filtres de type 2 d'ordre pair impossible si l'on se
limite à des capacités et des inductances : il faut au moins un transformateur et/ou
un amplificateur.
50
• La réponse fréquentielle des filtres de Tchebycheff est illustrée par la figure

suivante pour laquelle on a pris r=1dB. On constate que le nombre d'extrémas
présents dans la bande d'ondulation est égal à l'ordre du filtre et que les
ondulations se situent au-dessus ou au-dessous de 1 suivant que le filtre est d'ordre
pair ou impair.
• On se souviendra que la pulsation de la bande d'ondulation wr sert de pulsation

de normalisation et qu'elle est reliée à la pulsation de coupure wc par la relation:

51

52
• Comme la donnée de la largeur de la bande d'ondulation fixe la pulsation de

normalisation wr , il sut de connaître un point de la bande d'arrêt et l'amplitude de
l'ondulation admise pour déterminer l'ordre n du filtre.
• Dans la situation fréquente où l'atténuation Aa est plus grande que 10, cette
expression peut être simplifiée pour donner:

53
• On peut calculer les polynômes de Tchebycheff dont quelques uns sont données
dans les tableaux suivant pour r = 0.5 et 1.0 dB.

54
• On peut calculer les polynômes de Tchebycheff dont quelques uns sont données
dans les tableaux suivant pour r = 0.5 et 1.0 dB.

55
V. Filtres de Butterworth
• Exemple: Réponse d’un filtre de Tchebycheff d’ordre 4
Amplitude
56

57

Plan du Chapitre
58
I • Introduction
VII • Conclusion

59
VI. Filtres de Bessel
• Comme on vient de le voir, les filtres de Butterworth et Tchebycheff conduisent à

des réponses indicielles ayant un fort dépassement malgré le fait que les amplitudes
des composantes spectrales soient pratiquement maintenues à leurs valeurs dans la
bande passante. Ce phénomène provient du fait que le déphasage de chacune de
ces composantes n'est pas proportionnel à sa fréquence.
• Avec les filtres de Bessel (dits également de Thomson), on obtient des réponses
indicielles presque sans dépassement grâce au temps de propagation qui, dans la
bande passante, est pratiquement indépendant de la fréquence. Cela se paye
naturellement par une réponse fréquentielle en amplitude moins abrupte dans la
bande de transition que les filtres précédents (le filtre idéal n'existe pas encore !).

60

• Un temps de propagation constant (indépendant de la fréquence) signifie que
toutes les composantes spectrales d'un signal sont transmises avec le même décalage
temporel. L'intégrité de la forme du signal est ainsi respectée sauf pour les
composantes spectrales que l'on désire supprimer par filtrage des amplitudes.
• La fonction de transfert du filtre de Bessel est de la forme:
• Avec :

61

• La table de Bessel:

62

• Réponse du filtre de Bessel:

63

• La table de Bessel:

Plan du Chapitre
64
I • Introduction
VII • Conclusion

65
VII. Conclusion
• Réalisation des filtres analogiques
• Encombrement
• Changement des paramètres et valeurs des filtres analogiques
• Flexibilité des filtres analogiques


OUTILS ET MÉTHODES
NUMÉRIQUES: TF,TFD,TZ,TZ-1

Plan du Chapitre
67
I • Généralités
• Opérations sur les
II signaux
III • TF
IV • TFD
V • TZ
VI • Exercices

Plan du Chapitre
68
II signaux
III • TF
IV • TFD
V • TZ
VI • Exercices

Outils et méthodes Numériques:
69
TF,TFD,TZ,TZ-1
I- Généralités

70
TF,TFD,TZ,TZ-1
I- Généralités
Ipulsion de Dirac
1,5
0,5
0
-4 -3 -2 -1 0 1 2 3 4
Temps (s)

71
TF,TFD,TZ,TZ-1
I- Généralités
Echelon unitaire
1.5
1 +
0.5
0
-4 -3 -2 -1
+0 1 2 3 4
Temps(s)

72
TF,TFD,TZ,TZ-1
I- Généralités
On peut écrire:
Alors:
Echelon unitaire Echelon unitaire
1.5 1.5
1 + 1
0.5
u(n) 0.5
u(n-1)
0 0
-4 -3 -2 -1 0 1 2 3 4 -4 -3 -2 -1 0 1 2 3 4
Temps(s) Temps(s)

73
TF,TFD,TZ,TZ-1
I- Généralités
Rampe unité t(n)
On peut écrire:
t (n) = ∑ an
n =0

74
TF,TFD,TZ,TZ-1
I- Généralités
Rampe unité t(n)
Rampe unitaire
4
-1
-2
-3
-4
-4 -3 -2 -1 0 1 2 3 4
Temps(s)

Plan du Chapitre
75
II signaux
III • TF
IV • TFD
V • TZ
VI • Exercices

76
TF,TFD,TZ,TZ-1
II- Opérations sur les signaux
1 si n >= 4
1- Schift: Translation u ( n − 4) = 
0 si n < 4
Rampe unitaire
4
-1
-2
-3
-4
-4 -3 -2 -1 0 1 2 3 4
Temps(s)

77
TF,TFD,TZ,TZ-1
2- Miroir u (n − 1) = u ( −(n − 1))
Miroir
1.5
u(n)
u(-n)
0.5
0
-4 -3 -2 -1 0 1 2 3 4
temps(s)

78
TF,TFD,TZ,TZ-1
3- Systèmes à mémoire
Le système est dit à mémoire lorsque la sortie à t0 dépend dépends des

entrées à t0 et des entrées et sorties aux instants précédents
y (n) = y (n − 1) + x( n)
4- Systèmes inversibles
Si y (n) = S ( x( n)) alors x( n) = S −1 ( y (n))

79
TF,TFD,TZ,TZ-1
5- Système causal
Le système est dit causal lorsque sa réponse ne dépond pas des instants
négatifs
6- Système stable
Le système est dit stable si pour chaque entrée bornée la sortie est
bornée

80
TF,TFD,TZ,TZ-1
7- Réponse impulsionnelle
La réponse impulsionnelle est la réponse du système lorsque à l’entrée on

applique l’impulsion de Dirac
δ (n)
8- Réponse indicielle
La réponse impulsionnelle est la réponse du système lorsque à l’entrée on

applique un échelon de position
u (n)

81
TF,TFD,TZ,TZ-1
9- Réponse à une entrée
x(n) y (n)
h(n)
h(n) est la réponse impulsionnelle est la réponse du système lorsque à

l’entrée on applique l’impulsion de Dirac
On écrit alors:
y ( n) = h( n ) * x ( n )
y ( n) = ∑ h( k ) x ( n − k ) = ∑ x ( k ) h( n − k )
k∈Z k ∈Z

82
TF,TFD,TZ,TZ-1
Exemple
u (n) y (n)
h(n)
Avec h(n)=u(n)
1- Calculer la réponse indicielle.
2- Calculer la réponse à :
a- 2δ(n) + 3δ(n-1) - 5δ(n-2),

b- 2nU(-n).
83
TF,TFD,TZ,TZ-1
Propriétés du produit de convolution
• Elément neutre: h( n) * δ ( n) = h( n)
• h( n) * δ ( n − n 0 ) = h( n − n 0 )
• Commutativité: h1 (n) * h2 (n) = h2 (n) * h1 (n)
• Associativité: h1 (n) * [h2 (n) + h3 (n)] = h1 (n) * h2 (n) + h1 (n) * h3 (n)

84
TF,TFD,TZ,TZ-1
Diagramme en block des systèmes discrets
• Additionneur:
• Retard (Delay):
• Homothétie:

85
TF,TFD,TZ,TZ-1
Diagramme en block des systèmes discrets
• Exemple: Soit l’équation récurrente du système discret suivante:
y (n) = by (n − 1) + ax(n)

Plan du Chapitre
86
II signaux
III • TF
IV • TFD
V • TZ
VI • Exercices

87
TF,TFD,TZ,TZ-1
III- Transformée de Fourier: TF
Définition
) +∞
• TF: x (v ) = ∫ x(t )e − 2πivt dt
−∞
+∞ )
• TF inverse: x(t ) = ∫ x (v)e 2πivt dv
−∞
• Densité spectrale du module: xˆ (v)
• Densité spectrale de la phase:

)
Arg ( x (v))

88
TF,TFD,TZ,TZ-1
Propriétés
)
• linéarité: TF (ax(t ) + by (t )) = ax (v) + byˆ (v)
)
• Décalage: TF ( x(t − t d ) = x (v)e −2πivt d
− at )
• Amortissement: TF ( x(t )e ) = x (2πv + a )
2πif 0t )
• Modulation: TF ( x(t )e ) = x (v − f ° )

89
TF,TFD,TZ,TZ-1
Propriétés
) = 2πivxˆ (v )
dx(t )
• Dérivation: TF (
dt
t
1 ) 1
∫−∞
• Intégration:TF ( x (t ) dt ) = x (v) + x(0)δ (v)
2πvi 2
)
TF ( x(t ) * y (t )) = x (v). yˆ (v)
• Convolution: )
TF ( x (v). yˆ (v)) = x(t ) * y (t )
+∞ +∞
) )
• Valeurs à l’origine: x ( 0) = ∫
−∞
x (v)dv et x (0) = ∫ x(t )dt
−∞
90
TF,TFD,TZ,TZ-1
1
Exemples 0.8
− at
0.6
f (t ) = e avec a > 0 0.4
0.2
0
0 5 10 15 20 25 30 35 40
alors ˆf (v) = 1
2πvi + a 1
0.8
1 0.6
fˆ (v) = 0.4
(2πv)² + a ² 0.2
0
-30 -20 -10 0 10 20 30

91
TF,TFD,TZ,TZ-1
Exemples 2πv
Arg ( f (v)) = − arctg (
ˆ )
a
1.5
0.5
-0.5
-1
-1.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

92
TF,TFD,TZ,TZ-1
Exemples
• Impulsion de Dirac f (t ) = δ (t ) alors fˆ (v) = 1
• Echelon f (t ) = a.u (t ) alors ˆf (v) = a

2πvi
• Porte: f (t ) = π (t )
1 1/a
1 t
π a (t ) = π ( ) -a/2 a/2
a a -1/2 1/2

93
TF,TFD,TZ,TZ-1
Exemples a
1 2 − 2πvit
πˆ a (v) = ∫ e dt
a −a
2
1 eiπva − e −iπva
=
πva 2i
sin(πva)
=
πva
= sec(πva)
Plan du Chapitre
94
II signaux
III • TF
IV • TFD
V • TZ
VI • Exercices

95
TF,TFD,TZ,TZ-1
IV- Transformée de Fourier discret: TFD
Définition
+∞
∑
• TFD: )
x (v ) = x(n)e − 2πivn
n = −∞
1 )
• TFD inverse: x( n) = ∫ x (v)e 2πivn dv
0

96
TF,TFD,TZ,TZ-1
Applications
• Impulsion de Dirac x ( n) = δ ( n)
+∞
)
x (v ) = ∑ δ (
n = −∞
n ) e − 2πivn
=1
• Echelon x ( n) = u ( n)
+∞
∑ u ( n )e
) − 2πivn 1
x (v ) = =
n = −∞ 1 − e − 2iπv

97
TF,TFD,TZ,TZ-1
Applications
• x ( n) = a n u ( n)
+∞
) 1
x (v ) = ∑ a u ( n)e
n = −∞
n − 2πivn
=
1 − ae − 2iπv
1
xˆ (v) =
1 + a ² − 2a cos(2πv)

98
TF,TFD,TZ,TZ-1
Propriétés
)
• linéarité: TFD ( ax ( n ) + by ( n )) = ax (v ) + byˆ (v )
)
• Décalage: TFD ( x(n + n0 ) = x (v)e 2πivn0
2πiv0 )
• Modulation: TFD ( x(n)e ) = x (v − v0 )

Plan du Chapitre
99
II signaux
III • TF
IV • TFD
V • TZ
VI • Exercices

100
TF,TFD,TZ,TZ-1
V- Transformée en Z: TZ
Définition
−Te. p
Relation entre TZ et TL: z=e
Le plan fréquentiel analogique P Le plan fréquentiel numérique Z

101
TF,TFD,TZ,TZ-1
Définition
La transformée en Z, bilatérale d’une séquence x(n) est définie par:
+∞
X (Z ) = ∑ x ( n) z
n = −∞
−n
Pour les systèmes causals, on calcule la transformée en Z, monolatérale définie

par:
+∞
X ( Z ) = ∑ x ( n) z −n
n =0

102
TF,TFD,TZ,TZ-1
Définition
• La TZ est une adaptation de la TL pour l’étude des systèmes numériques
• Elle permet de ce fait un traitement des systèmes numériques, analogue à celui

de la TL pour les systèmes analogiques
• La TZ n’a pas de sens que si l’on précise le domaine de convergence de la

valeur de Z

103
TF,TFD,TZ,TZ-1
Définition
• La TZ est une adaptation de la TL pour l’étude des systèmes numériques
• Elle permet de ce fait un traitement des systèmes numériques, analogue à celui

de la TL pour les systèmes analogiques
• La TZ n’a pas de sens que si l’on précise le domaine de convergence de la

valeur de Z

104
TF,TFD,TZ,TZ-1
Propriétés
• linéarité: TZ (ax(n) + by (n)) = aX ( z ) + bY ( z )
• Décalage: TZ ( x(n − n0 ) = z − n0 X ( z ) − z − n0 +1 x(0)
− z − n0 + 2 x' (1) − ... − x(n0 − 1)
+∞
• Dérivée: dX ( z ) / dz = ∑ nx (
n = −∞
n ) z − n −1
• Convolution: TZ ( x(n) * y (n)) = X ( z ).Y ( z )
• Multiplication par exponentielle:

105
TF,TFD,TZ,TZ-1
TZ inverse
• Relation intégrale: Méthode des résidus
1 n −1
x ( n) = ∫
2πi r
X ( z ) z dz
Le contour d’intégration r doit être inclus dans le domaine de convergence
• Le développement en série de Taylor

106
TF,TFD,TZ,TZ-1
TZ inverse
• Développement en division : Méthode d’identification par “inspection”
1- Décomposition en fractions simples
2 - Identification de la série géométrique
Exemples:
- pour donne
- pour donne

107
TF,TFD,TZ,TZ-1
TZ inverse
- Supposons que la TZ se présente sous la forme:
- Le développement en fractions simple :

108
TF,TFD,TZ,TZ-1
TZ inverse
- Le premier terme existe si M>N : Br est obtenu par division longue

- Le deuxième terme représente le pôles simples
- Le troisième terme représente les pôles multiples

109
TF,TFD,TZ,TZ-1
TZ inverse
• Exemple: système de seconde ordre
pour
On a:
Il s’agit de la décomposition en éléments simples

110
TF,TFD,TZ,TZ-1
TZ inverse
• Exemple: système de seconde ordre
On obtient:
On écrit finalement:
avec

Plan du Chapitre
111
II signaux
III • TF
IV • TFD
V • TZ
VI • Exercices

112
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice1:
Réponse:
113
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice1:
Réponse:
1-
2-
3-

114
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice1:
Réponse:
3-

115
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice1:
Réponse:
4- on a:
On écrit alors:

116
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice2:

117
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice2:
Réponse:
1- on a: alors
2-
3- si: alors

118
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice2:
Réponse:
3-

119
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice2:
Réponse:
4- l’équation récurrente est:

120
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice3:

121
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice3:
Réponse:
Réponse impulsionnelle
1-
Réponse indicielle
2-

122
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice3:
Réponse:
3-

123
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 4:

124
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 4:
Réponse:
1-
2-
3-

125
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 4:
Réponse:
4- Réponse indicielle

126
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 5:
Un système L.T.I. discret S admet une réponse impulsionnelle :
h(n) = U(n)
Où U est l’échelon unité.
Déterminer la réponse du système aux signaux suivants :
1- 2δ(n) + 3δ(n-1) - 5δ(n-2),

2- 2nU(-n).

127
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 6:
Soit le système L.T.I. discret régit par la relation entrée-sortie suivante :
y(n+2)-3y(n+1)+2y(n) = x(n)
S est un système causal.
Calculer sa réponse impulsionnelle.

1- Etudier sa stabilité.
2- Tracer son digramme en block.
3- Calculer la réponse du système au signal :
3δ(n+1) - δ(n) -5δ(n-1)

128
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 7:
Soit le système L.T.I. discret est causal dont par la relation entrée-sortie
est donnée par :
y(n+2)-5y(n+1)+6y(n) = x(n)
S est un système causal.
1- Calculer sa réponse impulsionnelle.

2 - Etudier sa stabilité.
3 - Tracer son digramme en bolc.
4 - Calculer la réponse du système au signal :
δ(n+1) - 4δ(n) + 3δ(n-1)

129
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 8:
Toutes les suites considérées sont nulles pour n < 0 : signaux causals.
1 - Calculer la transformée en z de la suite de terme général (-1 n).
2 - En déduire la transformée en z de la suite de terme général n(-1)n.
3 - Montrer que: 2
z
TZ [( n + 1)( − 1) ] =
n
( z + 1) 2
4 - Déterminer la solution de l'équation récurrente linéaire :
y ( n + 1) + 2 y ( n ) + y ( n − 1) = 0 y(0)=1.
5 - Calculez le spectre de y(n).

130
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 9:
On définit la suite U(n) par relation récurrente suivante :
U ( n + 2 ) = 2U ( n + 1) + 8U ( n ) + 2 U ( 0 ) = 1 et U (1) = 2
1 - Calculer U(2), U(3), U(4) et U(5) à l'aide de la définition de U.

2 - Calculez U(z) la transformée en Z de U ainsi que son domaine de convergence.
3 - Montrer que
U (z) A B C
= + +
z z − 4 z + 2 z −1
où A, B et C sont des constantes réelles à déterminer.
4 - En déduire l'expression de U(n), (S).
5 - Recalculer U(2), U(3), U(4) et U(5) à l'aide de la formule (S).

131
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 10:
On emprunte 10000 TND à 1,6% par mois. On décide de rembourser
300 TND par mois. On note D(n) la dette après n mois.
1 - Calculez l’équation récurrente (E) de D(n).
2 - Calculer D(1), D(2), D(3), D(4) et D(5).
3- Cherchez D(z) et la transformée en z de l'échantillon D(n) U ainsi que
son domaine de convergence.
4 - Montrez que D(z) peut s’écrire sous la forme suivante :
D ( z ) 18750 8750
= −
z z −1 z − 1 .016
5 - En déduire de nouveau l’équation (S) de D(n).
6 - Recalculer D(1), D(2), D(3), D(4) et D(5) l'aide de la formule (S).
7 - Déterminez la durée du crédit.
132
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 11:
On souhaite modéliser l’évolution du cheptel d’un éleveur de bovins. Soit :
• x1(k) : le nombre de vaches de 1 an,
•x2(k) : le nombre de vaches de 2 ans,
•x3(k): le nombre de vaches de 3 ans et plus,
Ces valeurs représentant des nombres moyens au cours de l’année k.
Les vaches de 1 an ne se reproduisent pas. Les vaches de deux ans produisent en
moyenne 0.8 veau par an, celles de trois ans et plus 0.4 veau par an. D’autre part,
seules celles de trois ans et plus meurent de causes naturelles avec un taux moyen de
30 % par an.
Enfin l’éleveur s’autorise à acheter ou vendre uniquement des vaches de trois ans et
plus. Soit u(k) le nombre de vaches achetées (u(k)>0) ou bien vendues (u(k)<0) au
cours de l’année k.

133
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 11:
1- Etablir les équations récurrentes de ce système en prenant pour sortie y(k) le
nombre total de vaches au cours de l’année k.
2- En déduire la fonction de transfert Y(z)/U(z).
3- En déduire l’équation récurrente qui relie uniquement les entrées et les sorties
du système.

134
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 12:
Soit S un système discret dont la réponse impulsionnelle :
h(n) = an u(n)
1 - Calculez et tracer le spectre de h(n).

2 - Calculez H(z), la transformée en z de h(n).
3 - Trouver la réponse impulsionnelle discrète h2(n) de la transformée en z
suivante :
z −2 − 2 z −1 + 1
H 2 (z) =
a ² z − 2 − 2 az −1 + 1
4 - En déduire le spectre de h2(n).

135
TF,TFD,TZ,TZ-1
VI- Exercices:
Exercice 14:
Soit le système discret régi par l’équation linéaire récurrente :
1
y (n) − y ( n − 1) = x ( n ) − 2 x ( n − 1)
2
On supposera que x(n) et y(n) sont causals. Les transformées en z de x(n) et y(n)
seront notées X(z) et Y (z).
1 - Calculer H(z) = Y (z)/X(z).
2 - En déduire la suite h(n) = Z -1[H].
3 - Calculer le signal de sortie discret y(n) ainsi que son spectre dans las cas
suivant :
•x(n) est la suite de Dirac δ (réponse impulsionnelle),
•x(n) = U(n) (réponse indicielle),
•x(n) = einw (réponse harmonique).

SYNTHÈSE DES FILTRES

NUMÉRIQUES

Plan du Chapitre
137
I • Les filtres numériques
II • Réponses des filtres numériques
III • Méthode de la transformation associée
IV • Méthode de la transformation bilinéaire
V • Filtres RIF et RII
VI • Exercices

Plan du Chapitre
138
VI • Exercices

Synthèse des filtres numériques
139
I- Les filtres numériques

1- Définitions:
• Le filtrage est une opération qui consiste soit à extraire des informations contenues dans
un signal, soit à éliminer le bruit qui entache un signal. Autrement dit le filtrage est une
opération sélective qui s’opère sur les signaux.
• En électronique, un filtre numérique est un élément qui effectue un filtrage à l'aide d'une
succession d'opérations mathématiques sur un signal discret. C'est-à-dire qu'il modifie le
contenu spectral du signal d'entrée en atténuant ou éliminant certaines composantes
spectrales indésirables
• Contrairement aux filtres analogiques, qui sont réalisés à l'aide d'un agencement de
composantes physiques (résistance, condensateur, inductance, transistor, etc.), les filtres
numériques sont réalisés soit par des circuits intégrés dédiés, des processeurs
programmables (FPGA, microprocesseur, DSP, microcontrôleur, etc.), soit par logiciel dans un
ordinateur.

140

1- Définitions
• Les filtres numériques peuvent, en théorie, réaliser la totalité des effets de filtrage
pouvant être définis par des fonctions mathématiques ou des algorithmes. Les deux
principales limitations des filtres numériques sont la vitesse et le coût. La vitesse du filtre
est limitée par la vitesse (l'horloge, le "clock" en anglais) du processeur.
• Pour ce qui est du coût, celui-ci dépend du type de processeur utilisé. Par contre, le prix
des circuits intégrés ne cesse de diminuer, et les filtres numériques se retrouvent partout
dans notre environnement, radio, téléphone cellulaire, télévision, lecteurs MP3, etc.
• Les filtres numériques étant généralement réalisés par des processeurs, ils sont définis à
l'aide de langage de programmation.

141

1- Techniques de réalisations
• Dans la plupart des cas, les filtres sont composés d'éléments simples tels que résistances,
inductances et condensateurs. Suivant le nombre et la disposition des éléments, nous
obtenons des caractéristiques différentes. Pour les filtres à fréquences complexes, nous
utiliserons les propriétés piézo-électriques de certains matériaux, comme par exemple le
quartz.
• Les filtres numériques ne peuvent être étudiés qu'en théorie. En effet, ils sont composés
d'une succession de circuits logiques et autres systèmes numériques. Dans ce cas, la
fréquence et l'amplitude sont représentées par des valeurs binaires. Il devient alors aisé de
les manipuler pour éliminer ou favoriser la ou les fréquences désirées.
• Comme nous l'avons déjà précisé dans l'introduction, ces circuits étant d'une très grande
complexité, il ne nous sera pas possible de les étudier dans le détail. Nous nous
contenterons d'examiner quelques exemples de fonctionnement.
Plan du Chapitre
142
VI • Exercices

143
II- Réponses des filtres numériques

• s (t)=h (t)*e (t) : temporel continu,
• S( p)=h (p)e (p) :fréquentiel continu,
• s(n)=h (n)*e (n) : temporel discret,
• S(z)=h (z)e (z) : fréquentiel discret (numérique).
La fonction de transfert (ou réponse impulsionnelle) d’un filtre est décrite par des formes
équivalentes :
b0 z n + b1 z n −1 + ... + bn b0 + b1 z −1 + ... + bn z n −1
H ( z) = n H ( z) =
z + a1 z n −1 + ... + an 1 + a1 z n −1 + ... + an z n −1
(1) ( 2)

144

Le forme (1) sert essentiellement à l’analyse des performances du filtre (recherche des
pôles et des zéros), alors que la forme (2) on tire immédiatement l’équation aux
différences qui servira à réaliser le filtre :
y (n) = b0 x(n) + b1 x(n − 1) + ... +

bn x(0) − a1 y (n − 1) − a2 y (n − 2) − ...an y (0)
C’est l’équation récurrente ou algorithme à implémenter

145

Ce qui nous permet de tracer le schéma bloc suivant :

146

1- Réponse fréquentielle
Soit:
b0 + b1 z −1 + ... + bn z n −1
H ( z) =
1 + a1 z n −1 + ... + an z n −1
Si l’on souhaite connaître la réponse fréquentielle de ce filtre numérique, il suffit de remplacer

l’opérateur : −1
z
par:
z = e pTe
donc:
z −1 = e − pTe = e − jwTe z −1 = e − jΩ
147

Te : est la période d’échantillonnage ou Ω devient la pulsation numérique qui se mesure par
rad/échantillon. On obtient alors :
b0 + b1e − jΩ + ... + bn e − jnΩ

H ( jΩ ) =
1 + a1 e − jΩ + ... + an e ( − jnΩ )
− jΩ e x − e−
x
e x − e− x
Or on sait que e est périodique car cos x = et sin x =
2 2i
1
Donc la réponse fréquentielle d’un filtre numérique est périodique de période f e =
Te
Sa représentation se fait dont le domaine de fréquences allant de 0 à f e ou f e
2
Si l’on considère la pulsation numérique , la représentation se fait alors de 0 à π.

148

b0 + b1 + b2 + ... + bn b0 − b1 + b2 − b3 + ... + bn
H ( j 0) = H ( j∏ ) =
1 + a1 + a2 + a3 + ... + a n 1 − a1 + a2 − a3 + ... + an
Exemple : Soit le filtre dont la réponse impulsionnelle est :
z −1 z
H ( z) = −1 −2
= 2
1 − 1,7 z + 0,81z z − 1,7 z + 0.81
−1
H ( j 0) =
1
=9 H ( j∏ ) = = −0.28
1 − 1.7 + 0.81 1 + 1.7 + 0.81
e − jΩ
donc: H ( jΩ ) =
1 − 1.7e − jΩ + 0.81e −2 jΩ
149

cos Ω − j sin Ω
H ( jΩ ) =
1 − 1.7 cos Ω + 0.81cos 2Ω + j (1.7 sin Ω − 0.81sin 2Ω)
D’où le module de H ( jΩ)
1
H ( jΩ ) =
(1 − 1.7 cos Ω + 0.81 cos 2Ω) 2 + (1.7 sin Ω − 0.81sin 2Ω) 2
Et la phase
1.7 sin Ω − 0.81sin 2Ω
ϕ ( H ( jΩ) = −Ω − arctg ( )
1 − 1.7 cos Ω + 0.81 cos 2Ω

150 H(JΏ)

16
1- Réponse fréquentielle 14
12
10
8 H(JΏ)
6
D’où le module de
4
2
0
0 0,2 0,4 0,6 0,8 1
Φ[h(jw)]
0
0 0,2 0,4 0,6 0,8 1
-1
-2
Et la phase -3
Φ[h(jw)]
-4
-5
-6
-7
Plan du Chapitre
151
VI • Exercices

152
III- Méthode de la transformation associée
Cette méthode associe les pôles et les zéros de H(z) à ceux de H(s) c'est-à-dire partant de
la fonction de transfert analogique d’un filtre sous forme des zéros-pôles
H ( p) = K
∏ (p− z ) i
∏( p − p ) i
On construit un filtre numérique équivalent ayant les pôles et les zéros correspondant
situés dans le plan Z (cercle unitaire)

153

154

Si Alors
p1a = −τ + jw p1N = e −τTe * e jTe we = e − jTe e jΩ
p2 a = −τ − jw p2 N = e −τTe * e − jTe we = e − jTe e − jΩ
D’une façon générale:
pN = e paTe
En se basant sur les formes canoniques des filtres et que tout filtre analogique s’écrit sous la
forme d’un polynôme d’ordre 1:
P
G1( p ) = 1 + Ceci correspond à un
w0 polynôme numérique
d’ordre 1: p N1 = 1 + αz −1avecα 0 = −e − w0Te
Pa = − w0
:
155

Ou bien un polynôme d’ordre 2:
G 2( p ) = 1 + a1 p + a2 p 2 ainsi Pa1, 2 = −σ ± jw0

Ce qui correspond à un polynôme numérique d’ordre 2
p N 2 = 1 + α N z −1 + β N z −2
avec α N = −2 R cos Ω 0 , β N = R 2 , R = e −τTe , Ω0 = Te w0
Ou bien de plusieurs G1(p) et G2(p) donc on se contente d’analyser et chercher les

équivalents numériques de G ( p )
n

156

Une fois les correspondances polynomiales obtenues, il reste à ajuster le gain de H(z) afin
que pour une fréquence donnée ωn , on obtient la même amplitude de la réponse
fréquentielle en numérique qu’en analogique.
Application :
On désire calculer la fonction de transfert numérique d’un filtre analogique de Butterworth
d’ordre 3 qui possède :
1
f c = 1khz , f e = = 10 Khz
Te
On sait que qu’un passe-bas de Butterworth d’ordre 3 s’écrit sous la forme suivante :
1 1
H ( p) = =
p p p 2
(1 + )(1 + + ( ) ) H1 ( p) H 2 ( p)
wc wc wc
157

Ainsi les pôles de H(p) sont :
P1 = − wc = −2000∏
P2 = −1000Π (1 + j 3) = −τ + jw0
1± j 3
P2,3 = − wc ( )
2 P3 = −1000Π (1 − j 3) = −τ − jw0
Il vient que la fonction de transfert numérique du filtre passe-bas de Butterworth d’ordre 3:
G1 * G 2
H (Z ) =
(1 + a1 z −1 )(1 + a2 z −1 + a3 z − 2 )
P1 ( z ) = 1 + a1 z −1 ⇒ a1 = −e − wcTe = −0.53 ⇒ P1 ( z ) = 1 − 0.53z −1

158

Et:
H 2 ( Z ) = 1 − 2 R cos(Ω 0 ) z −1 + R 2 z −2
Avec:
Π
− Π 3
R = e −τTe = e 10
= 0.73, Ω 0 = w0Te = = 0.544
10
Donc:
H 2 ( z ) = 1 − 1.25 z −1 + 0.53z − 2
Alors:
G1 G2
H ( z) = −1
*
1 − 0.53 z 1 − 1.25 z −1 + 0.53z − 2

159

Donc il reste que l’ajustement du gain de la fonction H(z).
On sait que H(p=0)=1=H(z=1), car e 0 = 1 .
Donc:
G1 G2 G G
H ( z = 1) = * = 1 * 2 =1
1 − 0.53 1 − 1.25 + 0.53 0.46 0.28
On choisit tout simplement: G1 = 0.28, G2 = 0.46
On remarque ici l’égalité des ordres de
0.46 0.28 numérateur et de dénominateur de H(z) du
H ( z) = *
1 − .53z −1 1 − 1.25 z −1 + 0.53z −2 filtre numérique ce qui conduit à répondre
0.46 z 0.28 z 2 instantanément à l’excitation ce qui peut
= * réaliste(en particulier pour un filtre passe-bas).
z − 0.53 z 2 − 1.25 z + .53 C’est pour cela qu’on rajoute un retard à H(z).

Plan du Chapitre
160
VI • Exercices

161
IV- Méthode de la transformation bilinéaire

On a z = eTeP , on peut montrer pour l’utilisation de l’intégration trapézoïdale ou bien par le
développement en série que :
2 z −1 2
p= , Y=
Te z + 1 Te
Avec Te période d’échantillonnage.
Pour les polynômes d’ordre 1

G1 ( p ) = a0 + a1 p
a1 2 1 − z −1 (a0 + a1Y ) + (a0 − a1Y ) z −1
F1 ( z ) = a0 + * −1
=
Te 1 + z 1 + z −1
q0 + q1 z −1 q0 = a0 + a1Y
F1 ( Z ) =
1 + z −1 q1 = a0 − a1Y
162

Pour les polynômes d’ordre 2:
G2 ( p ) = a0 + a1 p + a2 p 2
est remplacé dans le plan numérique par :
1 − z −1 −1 2
2 (1 − z )
F2 ( z ) = a0 + a1Y −1
+ a2Y
1+ z (1 + z −1 ) 2
(a0 + a1Y + a2Y ) + 2( a0 − a1Y ) 2 z −1 + (a0 − a1Y + a2Y 2 ) z − 2
=
(1 + z −1 ) 2
q0 + q1 z −1 + q2 z −2
F2 ( z ) =
1 + 2 z −1 + z − 2
q0 = a0 + a1Y + a2Y 2 ; q1 = 2(a0 − a2Y 2 ); q2 = a0 − a1Y + a2Y 2
163

Application:
Reprenons l’exemple du passe-bas de Butterworth d’ordre 3:
1
H ( p) =
p p p wc = 2∏ f c = 2000∏ rad / s, f e = 10 Khz.
(1 + )(1 + + ( )2 )
wc wc wc
On va calculer H (z), on procède comme suit :
2
Y= = 2 *10 4 ( s −1 )
Te
G1 ( p) = 1 + 1.59 *10 −4 p
q0 = a0 + a1Y = 1 + 1.59 *10 − 4 * 2 *10 4 = 4.18
q1 = a0 − a1Y = 1 − 1.59 *10 − 4 * 2 *10 4 = −2.18
164

Application:
Donc:
1 1 + z −1
H1 ( z ) = =
F1 ( z ) q0 + q1 z −1
1 + z −1 0.24(1 + z −1 )
= =
4.18 − 2.18 z −1 1 − .52 z −1
Et:
G2 ( p) = 1 + 1.6 *10 −4 p + 2.53 *10 −8 p 2
q0 = a0 + a1Y + a2Y 2 = 1 + 1.6 *10 −4 * 2 *10 4 + 2.53 *10 −8 * 4 *108 = 14.31

q1 = 2(a0 − a2Y 2 ) = 2(1 − 2.53 *10 −8 * 4 *108 ) = −18.26
q2 = a0 − a1Y + a2Y 2 = 1 − 1.6 *10 − 4 * 2 *10 4 + 2.53 *10 −8 * 4 *108 = 7.95

165

Application:
Donc:
1 + 2 z −1 + z −2
H 2 ( z) =
14.31 − 1826 z −1 + 7.95 z − 2
0.07(1 + 2 z −1 + z − 2 )
=
1 − 1.28 z −1 + 0.55 z − 2
0.24( z + 1) 0.07( z ² + 2 z + 1)
H ( z) = * 2
z − 0.52 z − 1.28 z + 0.55

166

Problème de la distorsion des fréquences:
On sait que:
2 1 − z −1
p=
Te 1 + z −1
Ω Ω
j
− jwTe − jw −j2
R 1− e R 1− e R e −e 2
jw = = =
Te 1 + e − jwTe Te 1 + e − jΩ Te j Ω2 −j
Ω
e +e 2
2 Ω
w= tg ( ) Pulsation numérique
Te 2
Pulsation analogique

167

w 2 Ω
w= tg ( )
Etude fréquentielle Te 2
analogique
w1 w1
w2 w2
|H(jw)| Ω
H ( jΩ )
D’où le problème de la distorsion
des fréquences du au fait de la
relation non linéaire qui relie: Etude fréquentielle
numérique
w = f (Ω)
Ω
Taoufik LADHARI ENIM Ω1 Ω2
2019-2020
168

Ω Ω
Or on sait que pour les basses fréquences Ω <<1 tg ( ) ≈
2 2
C'est-à-dire que pour les basses fréquences cette relation devient linéaire:
Ω
ω= ⇔ Ω = ωTe
Te
Donc ceci nous permet de conclure que la distorsion est particulièrement manqué lorsque
la fréquence d’échantillonnage Fe n’est pas beaucoup plus élevée que la fréquence
caractéristique du filtre.
On peut aussi corriger cette distorsion en remplaçant wc par wd plus petite si on a déjà fixé
Te et tout ceci bien sur avant le calcul des coefficients de H(z).

169

Application:
On veut réaliser un filtre numérique de Tchebychev d’ordre 2, d’ondulation n=1db de
bande passante
f c = 3Khz , f e = 10 Khz.
En premier lieu on va calculer la pulsation caractéristique Ω c et celle de prédistortion ωd

fc 3
Ω c = 2∏ = 2∏ = 0.6∏
fe 10
Ωc
ωd = 2 f etg () = 27 *103 rad / s
2
ωd > ωc = 2∏ f c = 18.8 *103

170

Application:
Ensuite on procède par la recherche de filtre analogique : c’est un filtre passe-bas d’ordre
2 d’après la table de Tchebytcheff. Le polynôme normalisé est
1
G2 ( p) = = 1 + 0.996 p + 0.907 p 2
H ( p)
p
Puis, on va calculer le polynôme de prédistortion par un changement de variable p =
ωd
p
p= = 3.63 *10 −5 p
ωd
On obtient alors:
G2 / wd ( p ) = 1 + 3.617 *10 −5 p + 1.197 *10 −9 p 2

171

Application:
−1
Enfin, on va calculer H(z) on associe ainsi la transformation bilinéaire Y = 2 f 2 = 2 *10 4
( s )
On calcule, d’abord:
q0 = a0 + a1Y + a2Y 2 = 2.202
q1 = 2(a0 − a2Y 2 ) = 1.043
q2 = a0 − a1Y + a2Y 2 = 0.755
On obtient alors:
1 + 2 z −1 + z −2
H p / wd ( z ) =
2.202 + 1.043z −1 + 0.755 z − 2
1 + 2 z −1 + z − 2
= 0.454
1 + 0.473z −1 + 0.343z − 2
172

Application:
h(jΏ)
La densité spectrale en module de H
1,2
1
0,8
0,6 h(jΏ)
0,4
0,2
0
^3
^4
^3
^3
^3
^3
^3
^3
^3
^3
0
10
10
10
10
10
10
10
10
10
10
2*
3*
4*
5*
6*
7*
8*
9*

Plan du Chapitre
173
VI • Exercices

174
V- Filtres RIF et RII

La réponse impulsionnelle d’un filtre numérique est donnée par :
Y ( z ) b0 + b1 z −1 + .... + bn z − n
H ( z) = =
X ( z ) 1 + a1 z −1 + ... + an z − n
• Si les ai sont différents de zéro donc RII (IIR) réponse impulsionnelle infinie.
• Si tous les ai sont égaux de zéro donc c’est RIF (FIR) réponse impulsionnelle finie

175

1 - Synthèse d’un RII
• Si les coefficients ai sont différents de 0, l’équation aux différences est une équation
récurrente.
Y ( z ) b0 + b1 z −1 + .... + bn z − n
H ( z) =
X ( z ) 1 + a1 z −1 + ... + an z − n
• Un tel système est appelé filtre récursif, les méthodes qui permettent la synthèse de tels
filtres :
•Transformation associée
•Transformation bilinéaire
• Discrétisation de l’équation différentielle à partir de la définition de la dérivée,
• TZ à partir de h(n)

176

1 - Synthèse d’un RII
L’équation récurrente du filtre RII
Le schéma bloc du filtre RII
Taoufik LADHARI
ENIM 2019-2020
177

1 - Synthèse d’un RIF
• Si les coefficients ai égales 0, l’équation aux différences est une équation récurrente.
Y ( z)
H ( z) = = b0 + b1 z −1 + .... + bn z −n
X (z)
Y (k ) = b0 xk + b1 x(k − 1) + .... + bn x(k − n)
Les coefficients bi d’un filtre non récursif RIF sont donc égaux aux échantillons de sa
réponse impulsionnelle.

178

a- Filtre interpolateur
• C’est un filtre permettant d’interpoler 2 échantillons successifs en calculant leur moyenne .
• Il s’agit donc d’un filtre utile pour augmenter artificiellement la Te d’un signal en doublant
le nombre d’échantillons
x(k ) + x(k − 1)
Y (k ) =
2
1 + z −1
H ( z) =
2

179

a- Filtre interpolateur
N X (k)= δ (n) Y(n)

1.5
-2 0 0 x(n)
y(n)
-1 0 0 1
0 1 ½
1 0 ½ 0.5
2 0 0
0
3 0 0 -5 -4 -3 -2 -1 0 1 2 3 4 5

180

a- Filtre dérivateur
La forme du filtre:
x(k ) − x(k − 1)
Y (k ) =
2
1 − z −1
H ( z) =
2

181

a- Filtre dérivateur
k X (k)= δ (k ) Y(k)
1.5
x(n)
-2 0 0 1 y(n)
-1 0 0 0.5
0 1 ½
0
1 0 -½
-0.5
2 0 0
3 0 0 -1
-5 -4 -3 -2 -1 0 1 2 3 4 5

182

a- Filtre à moyenne mobile
C’est l’extension à plus de deux échantillons du filtre interpolateur. Il effectue la moyenne
d’une succession d’échantillons pour « lisser »le signal en éliminant les valeurs aberrantes.
x( k ) + x (k − 1) + ... + x ( k − ( N − 1)) 1 + z −1 + ... + z − ( N −1)

y (k ) = H (Z ) =
N N
N=4

183

k x(k)= δ (k ) Y(k)
-2 0 0 x(n)
1
-1 0 0 y(n)
0 1 0.2 0.8
1 0 0.2 0.6
2 0 0.2
0.4
3 0 0.2
4 0 0.2 0.2
5 0 0 0
-5 -4 -3 -2 -1 0 1 2 3 4 5
6 0 0
C’est la réalisation du signal porte (fenêtre) à partir de l’impulsion de Dirac.
184

Application: Elimination k X (k) Y(k)
0 0 -0.53
d’une valeur erronée en 1 0.31 -0.28
k=6. 2 0.59 0
3 0.81 0.28
4 0.95 0.53
Soit le signal sinusoïdal 5 1 0.73
6 1.33 0.94
discret suivant 7 0.81 0.98
8 0.59 0.94
9 0.31 0.81
10 0 0.61
11 -0.31 0.28
12 -0.59 0 (0.95)
13 -0.81 -0.28
14 -0.95 -0.53
15 -1 -0.73
16 -0.95 -0.86
17 -0.81 -0.9
18 -0.59 -0.86
19 -.31 0.73
20 0 0.53
185

pour N=4, y(6)=1.004
Application: Nous avons choisis N=5 car y(6)=0.94
pour N=6, y(6)=0.83
1,5 1,5
1 1
0,5 0,5
x(k) x(k)
0 0
y(k) y(k)
1
3
5
7
9
11
13
5
17
19
k
10
12
14
16
18
20
0
2
4
6
8
-0,5 -0,5
-1 -1
-1,5 -1,5
Avant filtrage Après filtrage

Plan du Chapitre
186
VI • Exercices

187
VI- Exercices
Exercice 1:
Réaliser un filtre numérique passe-bas du premier ordre de fréquence de coupure
0,159Hz par identification avec le filtre passe-bas analogique du premier ordre ayant
les mêmes caractéristiques; la fréquence d'échantillonnage est 10 Hz.
Exercice 2:
Partant d'un filtre passe-bas RC, trouvez son équivalent numérique H(z). Pour ce faire :
1- Ecrivez l'équation différentielle du circuit RC,

2- Discrétisez cette équation,
3 - Ecrivez l'équation aux différences du filtre et dessinez son schéma fonctionnel,
4 - Calculez sa fonction de transfert H(z).

188
VI- Exercices
Exercice 2:
On choisit pour le filtre numérique une période d'échantillonnage égale au dixième de la
constante de temps RC du filtre analogique.
5- Calculez numériquement sa fonction de transfert H(z),

6- Si x[n] =δ[n], calculez Y (z) ; que valent y[0] et y[1] Esquissez y[n],
7- Que vaut la réponse fréquentielle H(jΩ) du filtre numérique,
8- Calculez les équivalents numériques Ha(z) et Hb(z) du filtre RC obtenus par les
transformations associée et bilinéaire lorsque Te = RC/10.
10- Comparez ces deux résultats entre eux et avec celui de l'exercice précédent.

189
VI- Exercices
Exercice 3:
On souhaite réaliser l'équivalent numérique H(z) d'un filtre analogique passe haut de
type Butterworth devant travailler jusqu'à 10 kHz dont la fonction de transfert est décrite
par :
p 
 ω 
H ( p) =  c 
2
1 + 1.44 p + p 
 ω c   ω c 
Avec fc = 1 kHz, Pour ce faire :
1. Esquissez le Bode d'amplitude du filtre analogique,
2. Choisissez la fréquence d'échantillonnage,
3. Calculez son équivalent Ha(z) à partir de la transformation associée,
4. Calculez son équivalent Hb(z) à partir de la transformation bilinéaire,
5. Ecrivez les équations aux différences correspondantes permettant ces deux
réalisations, dessinez leur schéma fonctionnel,
6. Que valent H(Ω = 0) et H(Ω = 1) pour les 2 filtres.
190
VI- Exercices
Exercice 4:
Un système de traitement numérique échantillonne un signal analogique x(t) à la
fréquence fe = 10 kHz, lui applique l’algorithme de filtrage : yn = 0.5(xn +xn-1)et le
convertit à nouveau en signal analogique.

191
VI- Exercices
Exercice 4:
1 - En faisant manuellement le même travail que le processeur, calculer et tracer la
réponse du filtre à la séquence numérique xn donnée ci-dessous :

192
VI- Exercices
Exercice 4:
2 - Tracer la réponse impulsionnelle du filtre.

3 - Combien de termes non nuls comporte-t-elle.
4 - Le filtre est-il à réponse impulsionnelle finie , à réponse impulsionnelle infinie.
5 - Tracer la réponse indicielle du filtre.
6 - Quelle est son amplification en continu.
7 - Quel est le type de ce filtre : passe-bas, passe-haut passe-bande .

193
VI- Exercices
Exercice 5:
On considère le filtre défini par son algorithme :
yn=0,5xn+0,3xn-1+ 0,2xn-2
avec fe = 10 kHz.
1 – Calculer et tracer la réponse du filtre au signal suivant :

194
VI- Exercices
Exercice 5:
2- Calculer et tracer la réponse impulsionnelle et la réponse indicielle de ce filtre.
3 - Quel est le type de ce filtre. Quelle est l’amplification A0 en continu de ce filtre.
4 - A partir de la réponse impulsionnelle, établir l’expression de sa transmittance T(z).
5 - Montrer que :
T(jf) =0,5+0,3cos(2πf/fe)+0,2cos(4πf/fe)–j[ 0,3sin(2πf/fe)+0,2sin(4πf/fe)]
6 - En utilisant le tableau de valeurs ci-dessous, tracer la courbe du module T de la
transmittance en fonction de la fréquence et en déduire la transmittance en continu To du
filtre, le type du filtre et sa fréquence de coupure.

195
VI- Exercices
Exercice 6:
Un signal analogique x(t) est échantillonné à la fréquence fe = 10 kHz puis traité par un
filtre à moyenne variable dont l’algorithme s’écrit :
y(n)=1/3(x(n)+x(n-1)+x(n-2)
1 - Donner la transmittance H(z) de ce filtre, puis la transmittance complexe H(jω).

2 - Montrer que le module de la transmittance s’écrit :
3 - Compléter le tableau suivant et tracer la courbe du gain HdB en fonction de la

fréquence.

196
VI- Exercices
Exercice 6:
4 - Dessiner sur la même feuille les diagrammes asymptotiques des filtres passe-bas du
1er et du 2ème ordre ayant la même fréquence de coupure que le filtre numérique
étudié.
• Quelle est sa fréquence de coupure fc.
• Dans la bande 0-3000Hz, à quel filtre analogique ce filtre numérique est-il
équivalent.
NB : on rappelle que
2cosa.cosb = cos(a+b) + cos(a-b) et 2sina.sinb = -cos(a+b) + cos(a-b)

Langue

Filtrage-Numerique

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

Filtrage-Numerique

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

Taoufik LADHARI ENIM 2019-2020 1

ECOLE NATIONALE D’INGÉNIEUR DE MONASTIR – ENIM

DÉPARTEMENT GÉNIE ÉLECTRIQUE

COURS FILTRAGE NUMÉRIQUE

Taoufik LADHARI ENIM 2019-2020

Chapitre • Rappel sur les filtres

Chapitre • Etude des filtres

Chapitre • Synthèse des filtres

Taoufik LADHARI ENIM 2019-2020

Chapitre • Rappel sur les filtres

Chapitre • Etude des filtres

Chapitre • Synthèse des filtres

Taoufik LADHARI ENIM 2019-2020

Taoufik LADHARI ENIM 2018-2019

Taoufik LADHARI ENIM 2019-2020

Taoufik LADHARI ENIM 2019-2020

Taoufik LADHARI ENIM 2019-2020

• Le filtrage en fréquence fut historiquement l’une des premières fonctions utilisées

Taoufik LADHARI ENIM 2019-2020

Taoufik LADHARI ENIM 2019-2020

Taoufik LADHARI ENIM 2019-2020

II. Les filtres passifs

Gdb (ω ) = 20. log H (ω ) = −10. log(1 + (ωRC ) 2 )

Taoufik LADHARI ENIM 2019-2020

II. Les filtres passifs

Taoufik LADHARI ENIM 2019-2020

II. Les filtres passifs

Taoufik LADHARI ENIM 2019-2020

II. Les filtres passifs

Taoufik LADHARI ENIM 2019-2020

II. Les filtres passifs

Taoufik LADHARI ENIM 2019-2020

II. Les filtres passifs

Taoufik LADHARI ENIM 2019-2020

Taoufik LADHARI ENIM 2019-2020

III. Les filtres actifs

Taoufik LADHARI ENIM 2019-2020

III. Les filtres actifs

Gdb (ω ) = 20. log H (ω ) = 20 log(RCω ) − 10. log(1 + (ωRC ) 2 )

Taoufik LADHARI ENIM 2019-2020

III. Les filtres actifs

Taoufik LADHARI ENIM 2019-2020

III. Les filtres actifs

Taoufik LADHARI ENIM 2019-2020

III. Les filtres actifs

III. Les filtres actifs

Taoufik LADHARI ENIM 2019-2020

Taoufik LADHARI ENIM 2019-2020

IV. Filtres de Butterworth

• Un filtre de Butterworth est un type de modèle de filtre linéaire, conçu pour

• vers -∞, de -6 db/octave (-20db/décade) pour un filtre de premier ordre,

Taoufik LADHARI ENIM 2019-2020

IV. Filtres de Butterworth

Taoufik LADHARI ENIM 2019-2020

IV. Filtres de Butterworth

• où Bn(s) est un polynôme de degré n. La table suivante donne les premières

Taoufik LADHARI ENIM 2019-2020

IV. Filtres de Butterworth

Taoufik LADHARI ENIM 2019-2020

IV. Filtres de Butterworth

• Exemple: Etude théorique