FILTRAGE NUMERIQUE

deuxième partie : synthèse des filtres numériques

Pierre Le Bars
(avec la collaboration de Francis Gary)
lebars@moniut.univ-bpclermont.fr
 FILTRAGE NUMERIQUE
Deuxième partie : synthèse des filtres numériques

I/ Méthodes générales de synthèse des filtres numériques

Mis à part quelques cas simples (par exemple filtre à « moyenne glissante » défini par
1 N −1
la récurrence y(n) = .∑ x(n − k) ), la synthèse directe des filtres numériques n’est pas
N k=0
aisée. Les méthodes de synthèse les plus utilisées s’appuient sur les propriétés (bien
connues !...) des filtres analogiques.
On part d’un filtre analogique « prototype » de fonction de transfert G anal (p) ayant les
propriétés souhaitées, puis on cherche le filtre numérique de fonction de transfert H Num (z)
ayant sensiblement les mêmes propriétés :
• même réponse impulsionnelle
• même réponse indicielle
 f f 
• même réponse harmonique sur l’intervalle  − E ; E  (Shannon !)
 2 2
• ...

II/ Synthèse de filtres R.I.F.

-1- Intérêt des filtres RIF

Un filtre RIF est définie par une fonction de transfert :

P
H(z) = ∑ a k .z − k
k=0

soit en régime harmonique :

P P
H( j.ω) = ∑ a k . ( e j.ω.TE )
−k
= ∑ a k .e − k. j.ω.TE
k=0 k=0

Il arrive souvent que ces coefficients aient des propriétés de symétrie :

a k = a P − k ou a k = − a P − k
Si on regroupe deux à deux les termes :
a k .e − k. j.ω.TE + a P − k .e − (P − k ). j.ω.TE = a k .  e− k. j.ω.TE + e− (P − k ). j.ω.TE 
P
− j. .ω.TE   p2 − k . j.ω.TE − . − k  j.ω.TE 
p 

= a k .e 2
. e  
+ e 2  
 
 p   − j. P .ω.TE
= 2.a k .cos  − k  .ω.TE  .e 2
 2
 



∈\

 p   P
− j. .ω.TE
(si a k = − a P − k , on obtient 2.j.a k .sin  − k  .ω.TE  .e 2
)
 2  

1
 On aura alors :
P
P
− j. .ω.TE 2
 p  
H( j.ω) = e 2
. ∑ 2.a k .cos  − k  .ω.TE 
k=0
 2
  

S
D’où :
P
Arg [ H( j.ω) ] = − .TE .ω ( + π ) (le terme + π intervient si S < 0)
2
On obtient un filtre dont la phase varie linéairement en fonction de ω. Un tel
P
déphasage est équivalent à un retard τ = .TE .
2
π P
(si a k = − a P − k : Arg [ H( j.ω) ] = − .TE .ω ( + π ) . La conclusion est la même).
2 2

-2- Enoncé du problème de synthèse

On cherche à réaliser un filtre de fonction de transfert :

P
H Num (z) = ∑ a k .z − k
k=0

ou, ce qui est équivalent, défini par la récurrence :

P
y(n) = ∑ a k .x(n − k)
k=0

Or, on a vu que pour un filtre RIF : a k = h(k) , où h(n) est la réponse impulsionnelle
du filtre. Le problème se ramène donc à la détermination de la réponse impulsionnelle h(n) du
filtre numérique.
Deux cas peuvent se présenter :
• on sait calculer la réponse impulsionnelle g(t) du filtre analogique
prototype (technique de l’échantillonnage temporel)
• on ne sait pas calculer g(t), mais on connaît l’allure de la réponse en
fréquence du filtre analogique prototype. G anal ( j.ω) est connu, ou au moins
un gabarit (technique de l’échantillonnage en fréquence).
On travaillera sur un exemple pour mettre en œuvre ces deux techniques : on cherche à
F
réaliser sous forme numérique un filtre passe-bas idéal de fréquence de coupure FC = E (voir
10
TP). G anal

f
- FE/2 -FC FC FE/2

2
 -3- Echantillonnage temporel (invariance impulsionnelle)

Soit g(t) la réponse impulsionnelle du filtre analogique :

+∞

∫ δ(t).e
− j.2 π.f .t
δ(t) 
Fourier
→ ∆ (f ) = .dt = 1
−∞

1 si − FC < f < FC

Filtrage
→ G(f ) = G anal (f ).∆ (f ) = 
 0 si f ∉ [ − Fc ; FC ]
+∞

∫ G(f ).e
j.2 π.f .t

Fourier Inverse
→ g(t) = .df
−∞
+ FC

∫e
j.2 π.f .t
= .df
− FC

e j.2 π.FC .t − e − j.2 π.FC .t

=
j.2.π.t
sin ( 2π.FC .t )
= 2.FC .
2π.FC .t
Cette réponse impulsionnelle est échantillonnée pour fournir la réponse impulsionnelle
du filtre numérique :
sin ( 2.π.FC .n.TE )
h(n) = TE .g(n.TE ) = 2.FC .TE .
2.π.FC .n.TE
F
Pour FC = E , on obtient numériquement :
10
 π
sin  n. 
5
h(n) = 0, 2. 
π
n.
5
Deux problèmes surgissent :
1. la réponse impulsionnelle est infinie. Pour la rendre finie, on tronque cette
réponse (fenêtre rectangulaire) ; voir TP : on ne prend que 17 échantillons,
de n = - 8 à n = + 8.
2. le filtre n’est pas causal : il répond avant l’impulsion. Il n’est donc pas
réalisable physiquement. Pour le rendre causal (et donc réalisable), on
translate cette réponse de 8 échantillons : h(-8) devient h(0), h(-7) devient
h(1) … h(8) devient h(16).
L’ensemble des opérations de synthèse est résumé page suivante.
Valeurs des coefficients :
k 0 1 2 3 4 5 6 7 8
ak -0.037841 -0.043247 -0.031183 0 0.046774 0.10091 0.15137 0.1871 0.2
k 9 10 11 12 13 14 15 16
ak 0.1871 0.15137 0.10091 0.046774 0 -0.031183 -0.043247 -0.037841

Remarque : on retrouve la propriété h(k) = h(16 - k) ; l’argument variera de façon linéaire,

traduisant un retard de 8.TE (volontairement introduit pour rendre le filtre
réalisable)

3
Synthèse d’un filtre passe-bas « idéal » (FC = FE/10) : échantillonnage temporel
g(t)
Filtre analogique :
réponse impulsionnelle g(t)
sin ( 2π.FC .t )
g(t) = 2.FC .
t
2π.FC .t

h(n)
Echantillonnage de la réponse
impulsionnelle :
h(n) = TE .g(n.TE )
n

w
1 Fenêtre w(t) ou w(n).
(limitation du nombre d’échantillons)

h(n)
Réponse impulsionnelle limitée à un
nombre fini d’échantillons :
h(n).w(n)

h(n)
Décalage
(filtre causal, c’est à dire réalisable
physiquement)

4
 -4- Echantillonnage en fréquence

On décide d’échantillonner en fréquence G anal ( j.ω) . On définit donc la suite :

 ω 
H(k) = G anal  j.k. E 
 N
où N est le nombre d’échantillons. En reprenant le même exemple que précédemment
N = 17, H(0) = H(−1) = H(1) = 1 et H(2) = H(−2) = ... = H(8) = H(−8) = 0
On peut en déduire, par transformation de Fourier discrète (TFD), les valeurs de la
réponse impulsionnelle :
2.π
1 N/2 j. .k.n
h(n) = . ∑ H(k).e N
N k = − N/2
Dans notre cas :
1  2.π
− j. .n j. .n 
2.π
1   2.π  
h(n) = . 1 + e 17 + e 17  = . 1 + 2.cos  .n   avec − 8 ≤ n ≤ 8
17   17   17  
Enfin, pour rendre ce filtre réalisable physiquement, on translate cette réponse
impulsionnelle de 8 échantillons. L’ensemble de ces opérations est résumé page suivante.
La figure ci-dessous indique la réponse en fréquence de chaque filtre.

1
Filtre idéal analogique
Echantillonnage temporel
Echantillonnage en fréquence

0.8
|G Num(j.ω )|

0.6

0.4

Echantillons H(k)

0.2

0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/FE

5
Synthèse d’un filtre passe-bas « idéal » (FC = FE/10) : échantillonnage en fréquence

G anal
Réponse en fréquence du filtre
analogique prototype
G anal ( j.ω)

H(k)
Echantillonnage en fréquence :
 ω 
H(k) = G anal  j.k. E 
 N

h(n) Transformée de Fourier Discrète :

2.π
1 N/2 j. .k.n
h(n) = . ∑ H(k).e N
N k = − N/2

h(n) Décalage
(filtre réalisable physiquement)

6
 -5- Amélioration : notion de fenêtre

Si on reprend l’exemple de l’échantillonnage temporel, la réponse harmonique

présente des ondulations dans la bande passante et dans la bande atténuée. La réponse
impulsionnelle a été tronquée brutalement ; son spectre est donc étendu et ne respecte pas le
théorème de Shannon. Nous retombons dans les problèmes de repliement de spectre. Afin de
limiter ces effets, on réalise une troncature « en douceur » en affectant les coefficients
ak = h(k) d’un facteur de pondération (voir le chapitre sur la FFT).
Méthode résumée :
g(t) → h(n) = TE .g(n.TE )
→ h '(n) = h(n).w(n) ( w(n) : facteurs de pondération)
→ décalage pour que le filtre soit réalisable
N
→ H Num (z) = ∑ h '(k).z − k
k =0
Exemple : fenêtre de Hamming :
 n 
w(n) = 0,54 + 0, 46.cos  2.π  
 N
  π
sin  n. 
 π   5  .  0,54 + 0, 46.cos  2.π n  
sin  n.   ⇒ h '(n) = 0, 2. π   
 5  n.   17  
h(n) = 0, 2.  5
π
n. 
5 
Après décalage de 8 échantillons, on obtient le tableau suivant :

k 0 1 2 3 4 5 6 7 8
h(k) -0.0378 -0.0432 -0.0312 0 0.0468 0.1009 0.1514 0.1871 0.2000
h’(k) -0.0033 -0.0064 -0.0082 0 0.0272 0.0752 0.1332 0.1813 0.2000
k 9 10 11 12 13 14 15 16
h(k) 0.1871 0.1514 0.1009 0.0468 0 -0.0312 -0.0432 -0.0378
h’(k) 0.1813 0.1332 0.0752 0.0272 0 -0.0082 -0.0064 -0.0033

La figure ci-contre
1
Filtre analogique permet de comparer
les deux résultats :
0.8
fenêtre rectangulaire fenêtre rectangulaire
et fenêtre de
fenêtre de Hamming Hamming
|H Num(j.ω )|

0.6

0.4

0.2

0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/FE

7
 -6- Intérêts et limites des filtres RIF

Intérêts : 1) les filtres RIF sont toujours stables

2) on peut facilement réaliser des filtres RIF à phase linéaire

Inconvénients : on arrive rapidement à des filtres d’ordre élevé (voir les

exemples ci-dessus : N = 17). Les calculs sont donc longs. Ces
filtres sont rapidement limités en fréquence (FE limitée)

III/ Synthèse des filtres R.I.I.

-1- Les différentes méthodes

Il existe de nombreuses méthodes de synthèse des filtres RII, suivant le critère qu’on
s’impose :
• réponse temporelle imposée.
* réponse impulsionnelle → méthode d’invariance impulsionnelle
* réponse indicielle → méthode d’invariance indicielle (cette méthode a été
utilisée pour réaliser en TP AU le PID numérique, la consigne étant souvent
un échelon)
• simulation numérique d’une équation différentielle
* méthode d’Euler
* méthode des trapèzes
• réponse en fréquence imposée : transformation bilinéaire

Pour illustrer ces méthodes, on cherchera à réaliser un filtre numérique à partir d’un
1
filtre analogique prototype de fonction de transfert G anal (p) = , avec τ = TE
1 + τ.p
(système déjà pris comme exemple dans la première partie)

-2- Invariance impulsionnelle

Cette méthode est résumée ci-dessous :

1 1 − τt
G anal (p) = 
Transformée de Laplace
→ g(t) = .e .γ (t)
1 + τ.p inverse
τ
n
T  − E
T
 → h(n) = TE .g(n.TE ) = E .  e τ  .u(n)
Echantillonnage

τ  
T 1

Transformée en Z
→ H(z) = E .
τ T
− E
1 − e τ .z − 1

1
Remarque : Ganal(p) possède un pôle (valeur de p rendant Ganal(p) infini) : p = −
τ
TE
−
H(z) possède un pôle : z = e τ
= eTE .p , où p est le pôle de Ganal(p).

8
 -3- Invariance indicielle

1 1 1
G anal (p) = ⇒ Y(p) = G anal (p).Γ(p) = .
1 + τ.p p 1 + τ.p
 − 
t
 Laplace
→ y(t) =  1 − e τ  .γ (t)
 
 −
n.TE


Echantillonnage
→ y(n) =  1 − e τ  .u(n)
 
1 1 1

Transformée en Z
→ Y(z) = −1
− = H(z).U(z) = H(z).
1− z −
TE
−1 1 − z−1
1 − e .zτ

On obtient donc l’expression de H(z) :

 − E 
T
−1
−1  1 − e τ
 .z
1− z
H(z) = (1 − z − 1 ) .Y(z) = 1 − TE
= TE

− −
1 − e τ .z −1 1 − e τ .z −1

-4- Méthode d’Euler : approximation de la dérivée

Un filtre analogique est défini par sa fonction de transfert Ganal(p) :

a + a1.p + ... + a m .p m
G anal (p) = 0
1 + b1.p + ... +b n .p n
ou, ce qui est équivalent, par l’équation différentielle :
dy dn y dx dm x
y + b1. + ... + b n . n = a 0 .x + a1. + ... + a m . m
dt dt dt dt
Le problème consiste à simuler sous forme numérique cette équation différentielle.
Considérons donc un dérivateur :
dx x(t) − x ( t − ∆t )
y= = lim
dt ∆t → 0 ∆t
Si TE est « petit », on pourra assimiler ∆t à TE ; on aura donc :
dx x(t) − x ( t − TE )
y(t) = ≈
dt TE
En écrivant cette relation à l’instant t = n.TE, on obtient :
dx x(n) − x(n − 1)
y(n.TE ) = y(n) = ≈
dt t = n.TE TE
et en prenant la transformée en Z de chaque membre :
1 − z− 1
Y(z) = .X(z)
TE

9
En résumé :
dx x(n) − x(n − 1)
Equation temporelle : y = Récurrence : y(n) =
dt TE
1 − z− 1
Transformée de Laplace : Y(p) = p.X(p) Transformée en z : Y(z) = .X(z)
TE
1 − z −1
G anal (p) p= H Num (z)
TE

1 − z−1
On passe de Ganal(p) à HNum(z) en remplaçant p par .
TE
Exemple :
1 − z −1
1 p= 1 1 1
G anal (p) = TE
→ H Num (z) = = .
1 + τ.p 1− z −1
τ τ
1 + τ. 1+
TE TE TE
1− .z − 1
τ
1+
TE
Remarques
1. On a fait le parallèle transformée de Laplace - transformée en Z en utilisant
l’identité : z = eTE .p .
1 − z−1
Si TE .p  1:1 − z −1 = 1 − e − TE .p ≈ 1 − (1 − TE .p ) = TE .p soit p = . La
TE
méthode d’Euler est une approximation au premier ordre de l’identité
z = eTE .p . On conçoit facilement que cette approximation est grossière pour
les dérivées seconde, troisième …Il faut que x(t) varie « peu » sur une
période d’échantillonnage.
1
2. Considérons un intégrateur analogique : G anal (p) = . Son équivalent
p
1 TE
numérique par la méthode d’Euler est : H Num (z) = −1
= . En
1− z 1 − z− 1
TE
revenant à la récurrence : y(n) − y(n − 1) = TE .x(n) .
x
y(1)
(si y(0)=0)
y(2) - y(1) Méthode d’Euler
=
approximation d’une
y(n) - y(n - 1)
intégrale par une somme de
Darboux

t
0 TE 2.TE… (n-1).TE n.TE

10
 -5- Méthode des trapèzes

On peut améliorer le calcul d’une intégrale en utilisant la méthode des trapèzes :

x x(n) + x(n − 1)
TE .
2
dy
Si x = :
dt
n.TE
x(n) + x(n − 1)
∫
(n −1).TE
x(t).dt ≈ TE .
2
= y(n) − y(n − 1)
t
(n-1).TE n.TE

La méthode est résumée ci-dessous :

dy 1
Equation temporelle : =x 
Laplace
→ G anal (p) =
dt p

2 1 − z− 1
p= .
TE 1 + z − 1

x(n) + x(n − 1) TE 1 + z − 1
Récurrence : y(n) − y(n − 1) = TE . 
Transformée en Z
→ H Num (z) = .
2 2 1 − z−1

2 1 − z− 1
On passe de Ganal(p) à HNum(z) par la transformation p = .
TE 1 + z − 1
Exemple :
1  2 1 − z−1 
G anal (p) = ⇒ H Num (z) = G anal  p = . 
1 + τ.p  TE 1 + z − 1 
1
=
2 1 − z− 1
1 + τ. .
TE 1 + z − 1
1 1 + z− 1
= .
τ τ
1 + 2. 2. − 1
TE TE
1− .z − 1
τ
2. + 1
TE

11
Remarques
T .p
1+ E
2 1 − z−1 2 ≈ 1 + T .p + 1 . ( T .p )2 + 1 . ( T .p )3 .
1. p = . ⇒ z= E E E
TE 1 + z −1
T .p 2 4
1− E
2
1 1
L’identité z = eTE .p donne : z ≈ 1 + TE .p + . ( TE .p ) + . ( TE .p ) . La
2 3

2 3!
méthode des trapèzes est une approximation au deuxième ordre de la
relation z = eTE .p , alors que la méthode d’Euler n’est valable qu’au premier
ordre.
2. Considérons un dérivateur analogique ;
dx
y= Laplace
→ G anal (p) = p
dt
⇒
2 1 − z− 1 y(n) + y(n − 1) x(n) − x(n − 1)
H Num (z) = . −1

Tranformée en Z
→ =
TE 1 + z inverse
2 TE

x Le théorème des accroissements finis dit que :

∃ t 0 ∈ ](n − 1).TE ; n.TE [
dx x(n) − x(n − 1)
tel que : y(t 0 ) = =
dt t0 TE
L’approximation consiste à dire que :
y(n) + y(n − 1)
y(t 0 ) ≈
t
2
(n-1).TE t0 n.TE (x(t) assimilé à un arc de parabole)

-6- Comparaison des différentes méthodes de synthèse

Les figures des pages suivantes permettent de comparer les réponses impulsionnelles,
indicielles et harmoniques des 4 filtres numériques . Pour τ = TE :
1
• Invariance impulsionnelle : H(z) =
1 − 0,36788.z − 1
0, 63212.z − 1
• Invariance indicielle : H(z) =
1 − 0,36788.z − 1
1 1
• Méthode d’Euler : H(z) = .
2 1 − 1 .z − 1
2
1 1 + z− 1
• Méthode des trapèzes : H(z) = .
3 1 − 1 .z − 1
3

12
 REPONSES IMPULSIONNELLES

Invariance impulsionnelle Invariance indicielle

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6

Méthode d’Euler Méthode des trapèzes

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6

REPONSES INDICIELLES
Invariance impulsionnelle Invariance indicielle
1.5 1

0.8
1
0.6

0.4
0.5
0.2

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6

Méthode d’Euler Méthode des trapèzes

1 1

0.8 0.8

0.6 0.6

0.4 0.4

0.2 0.2

0 0
0 1 2 3 4 5 6 0 1 2 3 4 5 6

13
 REPONSES HARMONIQUES

|Ganal(j. ω)| ou |HNum(j. ω)|

1.5 filtre analogique

invariance impulsionnelle
invariance indicielle
méthode d'Euler
1 méthode des trapèzes

0.5

0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/FE

Arguments
0

-45

-90

-135

-180
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/FE

Si on s’intéresse au régime harmonique, en basse fréquence (f ≤ 0,15.FE), la méthode

des trapèzes ou l’invariance indicielle donnent, pour le gain, des réponses comparables au
premier ordre analogique ; mais seule la méthode des trapèzes donne des résultats
comparables au premier ordre analogique pour le gain et l’argument.

-7- Transformation bilinéaire

Il s’agit d’une amélioration de la méthode des trapèzes.

7.1. « Distorsion » de l’axe des fréquences

On se pose le problème suivant : connaissant la réponse en fréquence du filtre

analogique prototype (courbes G anal ( j.ωA ) = f (ωA ) et Arg [ G anal ( j.ωA ) ] = g(ωA ) , où ωA
désigne la pulsation du signal à l’entrée du filtre analogique), peut-on obtenir rapidement les
courbes H Num ( j.ωN ) = f '(ωN ) et Arg [ H Num ( j.ωN ) ] = g '(ωN ) où HNum est la fonction de
transfert du filtre numérique obtenu la méthode des trapèzes et ωN la pulsation du signal à
l’entrée du filtre numérique ?

2 1 − z −1 2 1 − e − j.ωN .TE
p= . ⇔ j.ωA = .
TE 1 + z −1 TE 1 + e − j.ωN .TE

14
 Avant tout calcul, on peut remarquer que :
ωA → 0 ⇒ e − j.ωN .TE → 1 ⇒ ωN → 0
ωE
ωA → ∞ ⇒ e − j.ωN .TE → − 1 ⇒ ωN .TE → π ⇒ ωN →
2
Autrement dit, toute la gamme des fréquences analogiques ( de 0 à l’ ∞ ) est ramenée sur la
F
gamme des fréquences numériques (de 0 à E ) : on évite ainsi les problèmes de repliement de
2
spectre.
Correspondance :
− j.ωN . E  j.ωN . E − j.ωN . E 
T T T
e . e − e  T 
− j.ωN .TE
2
 2 2
 2.j.sin  ωN . E 
2 1− e 2  = 2.  2 
j.ωA = . − j.ωN .TE
= .
TE 1 + e TE − j.ωN .  j.ωN .
TE TE
− j.ωN .
TE
 TE 2.cos  ω . TE 
e 2
. e 2
+e 2
  N 
 2 
 
T  T  T  T 
⇒ ωA . E = tan  ωN . E  ⇔ ωN . E =arctan  ωA . E 
2  2  2  2 

TE  π 
(l’utilisation de la fonction arctan ne pose ici aucun problème, car ωN . ∈ 0; )
2  2 
La figure ci-dessous indique la construction permettant de passer de la réponse en
fréquence du filtre analogique à la réponse en fréquence du filtre numérique.

G anal ( j.ωA ) Transformation bilinéaire :

construction de la réponse
H Num = G anal en fréquence du filtre
numérique à partir de la
réponse du filtre analogique
prototype

H Num ( j.ωN )
ωA

2  T 
ωN = .arctan  ωA . E 
TE  2 

ωE/2

ωN

15
 7.2. Exemple
On veut réaliser un filtre numérique de pulsation de coupure :
1 1
ωCN = =
τ TE
1
Comment choisir le filtre prototype de fonction de transfert G anal (p) = ?
p
1+
ωCA
Autrement dit, comment choisir ωCA ?
Pour tenir compte de la « distorsion » de l’axe des fréquences, on choisira :
2  ω .T  2 1
ωCA = .tan  CN E  = .tan  
TE  2  TE 2
puis on applique la transformation bilinéaire :
1 1
G anal (p) = ⇒ H Num (z) = −1
T 1 2 1 − z TE 1
1 + p. E . 1+ . . .
2 1 TE 1 + z − 1
2 1
tan   tan  
2 2
1
tan  
2 . 1 + z− 1
⇒ H Num (z) =
1 1
1 + tan   1 − tan  
 2 1−  2  .z −1
1
1 + tan  
2
La réponse en fréquence est représentée ci-dessous

|G(j.ω)|et |H(j.ω)|
0

-2
-3 dB
-4
H(z) obtenue par transformation bilinéaire
-6

-8

-10 -1 0
10 10 1
ω.T
E
G(p) =
Arg[G(j. ω)] et Arg[H(j.ω)]
1 + TE .p
0

-20

-40
- 45°

-60

-80 -1 0
10 10
ω.T
E

16