Vous êtes sur la page 1sur 21

NUMÉRISATION D’UN SIGNAL

Introduction
L’importance des systèmes numériques de traitement de l’information
ne cesse de croître (radio, télévision, téléphone, instrumentation…).
Ce choix est souvent justifié par des avantages techniques tels que la
grande stabilité des paramètres, une excellente reproductibilité des
résultats et des fonctionnalités accrues.
Le monde extérieur étant par nature ‘’analogique’’, une opération
préliminaire de conversion analogique numérique est nécessaire.

Cours de Traitement du signal A. RAIHANI 1


NUMÉRISATION D’UN SIGNAL

Introduction
La conversion analogique numérique est la succession de trois effets
sur le signal analogique de départ :
• l’échantillonnage pour rendre le signal discret
• la quantification pour associer à chaque échantillon une valeur
• le codage pour associer un code à chaque valeur.

Cours de Traitement du signal A. RAIHANI 2


NUMÉRISATION D’UN SIGNAL

Échantillonnage :
L’échantillonnage consiste à prélever à des instants précis, le plus souvent
équidistants, les valeurs instantanées d’un signal. Le signal analogique s(t),
continu dans le temps, est alors représenter par un ensemble de valeur
discrètes :
avec n un entier et Te la période d’échantillonnage.
Cette opération est réalisée par un échantillonneur souvent symbolisé par
un interrupteur.

Cours de Traitement du signal A. RAIHANI 3


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :
L’échantillonnage idéal est modélisé par la multiplication du signal continu
x(t) et d’un peigne de Dirac de période Te.
Période d'échantillonnage Te

Signal original Signal numérique


x(t) Échantillonneur xe(t)={x(nTe)}

Modélisation mathématique :
On a la propriété :
x(t ). (t  to )  x(to ). (t  to )
n  

et xe (t )  x (t ).   (t  nTe)
n  

Cours de Traitement du signal A. RAIHANI 4


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :
Modélisation mathématique :
x(t)

xe(t)
t
x =
t
 Te ( t )

t n  
xe (t )   x(nTe) (t  nTe)
n  

Cours de Traitement du signal A. RAIHANI 5


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :
Transformée de Fourier du signal échantillonné :

 n  

F xe (t )  F  x(t )    (t  nTe )
 n   
n  
Donc: F xe (t )  Fe. X ( f )    ( f  nF )
e
n  


X e ( f )  Fe.  X ( f  nFe)
n  

Le spectre de Xe(f) est donc celui de X(f) "périodisé" avec une période
fréquentielle Fe et de poids Fe=1/Te

Cours de Traitement du signal A. RAIHANI 6


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :
Interprétation du spectre de xe(t) :
Soit x(t) un signal réel à spectre borné:


X e (f )  Fe.  X(f  nFe)
n  

Cours de Traitement du signal A. RAIHANI 7


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :

Interprétation du spectre de xe(t) : X e (f )  Fe.  X (f  nFe)
n  

Si Fe  2.Fmax |Xe(f)|
Fe
n= -1 n=0 n=1

-Fe -Fmax 0 Fmax Fe f


Si Fe < 2.Fmax
|Xe(f)|
Fe

-Fmax Fmax
-Fe Fe f

Cours de Traitement du signal A. RAIHANI 8


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :

Interprétation du spectre de xe(t) : X e (f )  Fe.  X (f  nFe)
n  

Si Fe  2.Fmax

Le motif principal (n=0) est égale au spectre de x(t), et comme les


autres motifs sont disjoints, grâce à un filtre passe-bas idéal,il est
possible d'isoler ce motif et donc de retrouver x(t).
|Xe(f)|
n= -1 n=1

-Fe -Fmax 0 Fmax Fe f

Cours de Traitement du signal A. RAIHANI 9


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :

Interprétation du spectre de xe(t) : X e (f )  Fe.  X (f  nFe)
n  

Si Fe < 2.Fmax

Le motif principal (n=0) est égale au spectre de x(t), mais, il est pollué
par le recouvrement d'autres motifs. Il est impossible de retrouver le
spectre de x(t).

Cours de Traitement du signal A. RAIHANI 10


NUMÉRISATION D’UN SIGNAL

Échantillonnage idéal :
Interprétation du spectre de xe(t) :

Théorème de Shannon :
Pour échantillonner un signal sans perte d'information, il faut que la
fréquence d'échantillonnage Fe soit supérieure au double de la fréquence
maximale du signal.

Plus précisément, si on note Fmax la fréquence maximale du signal, il faut :


Fe  2F max

Cours de Traitement du signal A. RAIHANI 11


NUMÉRISATION D’UN SIGNAL

Échantillonnage réel :

En pratique, l’échantillonnage s’effectue en commandant


un interrupteur par un train d’impulsions étroites.

Il est donc impossible d’obtenir des échantillons de


durée quasiment nulle.

 La modélisation de l’échantillonnage par un peigne de


Dirac est donc erronée.

Cours de Traitement du signal A. RAIHANI 12


NUMÉRISATION D’UN SIGNAL

Échantillonnage réel :

Cours de Traitement du signal A. RAIHANI 13


NUMÉRISATION D’UN SIGNAL

Échantillonnage avec maintien :

L'échantillonnage est utilisé pour prélever le signal à des


instants multiples de Te et ensuite convertir les échantillons
sous forme d'un code binaire (8, 12, 16 bits, ...).
Cette conversion est effectuée par l’intermédiaire d’un
convertisseur analogique-numérique (CAN). Si le signal à
convertir varie trop rapidement, il est nécessaire de procéder au
blocage du signal pour avoir une conversion sans erreur.

Cours de Traitement du signal A. RAIHANI 14


NUMÉRISATION D’UN SIGNAL

La quantification :

Elle consiste à associer à une valeur réelle x quelconque, une


autre valeur xq appartenant à un ensemble fini de valeurs et ce
suivant une certaine loi : arrondi supérieur, arrondi le plus
proche, etc…
L’écart entre chaque valeur xq est appelé pas de quantification.
Le fait d’arrondire la valeur de départ entraîne forcément une
erreur de quantification que l’on appelle le bruit de
quantification.

Cours de Traitement du signal A. RAIHANI 15


NUMÉRISATION D’UN SIGNAL

Cours de Traitement du signal A. RAIHANI 16


NUMÉRISATION D’UN SIGNAL

La quantification :

Cours de Traitement du signal A. RAIHANI 17


NUMÉRISATION D’UN SIGNAL

La quantification :

Le bruit de quantification nq est dans ce cas un signal aléatoire.

Ces caractéristiques sont donc définies par ses propriétés


statistiques.

On peut alors démontrer que la puissance du bruit de


quantification est égale à :

Cours de Traitement du signal A. RAIHANI 18


NUMÉRISATION D’UN SIGNAL

La quantification :

Le rapport signal sur bruit dû à la quantification est donc


égale à :

La puissance du signal à quantifier étant égale au carré de sa


valeur efficace:

Cours de Traitement du signal A. RAIHANI 19


NUMÉRISATION D’UN SIGNAL

La quantification :

Si l’on décompose la plage de variation VPE du signal à


quantifier en 2n intervalles de largeur  (avec n le nombre de
bits utilisés pour coder le signal quantifié).

Alors :

Ainsi :

Cours de Traitement du signal A. RAIHANI 20


NUMÉRISATION D’UN SIGNAL

La quantification :

𝒔𝒆𝒇𝒇

𝒅𝑩 𝑷𝑬

Conclusion :

Dans le cas d’un CAN, chaque fois que l’on rajoutera un


bit dans le résultat de conversion, on améliorera le rapport
signal sur bruit dû à la quantification d’environ 6dB.

Cours de Traitement du signal A. RAIHANI 21