1

On fera genre 20 pages au total avec :

Page de garde
Sommaire
Remerciement
Notation
Bibliothèque
(ha 5 pages 3mru)

1. Introduction
L'émergence des outils de calculs haute vitesse est l’un des facteurs clés
affectant les dernières technologies. En fait, chaque système d'ingénierie avancé
que nous touchons aujourd'hui dépend d'une certaine forme d'échantillonnage et
traitement numérique du signal. Des exemples bien connus sont les systèmes
téléphoniques numériques, l'enregistrement numérique de signaux audio et la
commande par ordinateur.

Ceci est généralement justifié par des avantages techniques, tels qu'une
stabilité élevée des paramètres, une excellente répétabilité des résultats et une
fonctionnalité améliorée. Le signal porteur d'informations est presque toujours de
type analogique.

Le traitement numérique du signal est la succession de trois principaux effets

sur le signal initial:

1. Le filtrage du signal pour remplir la condition de Nyquist sur l’opération

suivante qu’est l’échantillonnage. Cette limitation du spectre vise également à
réduire la dynamique du signal en particulier lorsque des signaux voisins
indésirables sont de fortes amplitudes ( cas fréquent en réception radio-fréquence)
2. L’échantillonnage du signal qu’est une discrétisation du temps, pour faciliter
l’opération suivante de conversion. Cet échantillonnage est souvent intimement lié
à l'opération de conversion.
3. La quantification qu’est une discrétisation de l'amplitude, qui attribue un
code spécifique à chaque échantillon du signal de manière à pouvoir le traiter
efficacement par le système numérique.
 2

Le schéma général suivant décrit les différentes étapes du traitement

numérique et de la récupération du signal électrique analogique:

On s'intéresse ici, à l’étape de l’échantillonnage : Les chapitres :).

2. Échantillonnage
● Definitions
❖ L'échantillonnage est le processus de conversion des
signaux analogiques en signaux discrets. Par
conséquent, pendant cette opération, un signal continu
s(t) provenant de toute variable t doit être passé à une
série discrète de nombres ou d'échantillons {s(nTe)} de
n ∈ N. On aura alors : se(t) = s(nTe)
❖ Un échantillon est une valeur ou un ensemble de valeurs à un moment donné
dans le temps et / ou dans l'espace.
❖ Un échantillonneur est un sous-système ou une opération qui extrait des
échantillons d'un signal continu .
❖ Un échantillonneur idéal théorique produit des échantillons équivalents à la
valeur instantanée du signal continu aux points désirés.
 3

L'échantillonnage intervient dans l'opération de conversion analogique-

numérique, par exemple dans un dispositif de numérisation du son ou de l'image.
Un autre exemple d'échantillonnage est celui que l'on fait pour obtenir la
représentation graphique d'une fonction à une ou deux variables. D'une manière
générale, l'échantillonnage intervient dans toute opération de conversion
continu/discret.
● Principe
L’idée consiste à utiliser un interrupteur parfait que l’on ferme pendant un
intervalle de temps très court puis que l’on ouvre pendant TE. On prélève ainsi une
valeur x(nTE) tous les TE.

Par définition, l'intervalle sélectionné est la période d'échantillonnage

exprimée en Te. La réciproque de cette quantité est appelée la fréquence
d'échantillonnage fe qui représente le nombre moyen d'échantillons obtenus dans
une seconde ( échantillons par seconde ). Si le signal s(t) est échantillonné à la
fréquence fe sur l'intervalle Te, le signal échantillonné aura un nombre fini de
dimensions et contiendra N = T / Te échantillons.

Ceci est à la base du traitement du signal, car à la fin de l'opération, le signal

obtenu est un signal numérique, qui peut être traité par un ordinateur.

Pratiquement, échantillonner un signal revient à le multiplier par une

fonction d’échantillonnage p(t), nulle partout, sauf au voisinage des instants nTe.
Cette fonction, qui porte souvent le nom de peigne, est représentée sur la figure
(figure a ajouter-book automatique safae). Le résultat d’une opération
d’échantillonnage, visible sur la figure 11.4, est :
 4

Modélisation mathématique de l’échantillonnage

idéal
• L’opération d’échantillonnage idéal d’un signal analogique revient à multiplier ce
dernier par un peigne de Dirac de période Te.

Le signal échantillonné idéal se(t) est un signal à temps continu.

Il consiste en un train d’impulsions de Dirac équidistantes pondérée à chaque
instant t=kTe par l’amplitude de s(kTe) à cet instant.
 5

On peut calculer la T.F du signal échantillonné en utilisant les propriétés liant une
multiplication temporelle qui dans l’espace fréquentiel devient un produit de
convolution. En effet, on obtient S(f) le spectre de se(t) :

Or échantillonner le signal se(t) dans le domaine temporel, revient donc à recopier

dans le domaine fréquentiel son spectre tous le Fe, car :
 6

On obtient donc un spectre infini qui provient de la périodisation du spectre du

signal d’origine autour des multiples de la fréquence d’échantillonnage fe.

● Repliement de spectre

On voit qu’il est possible de restituer le signal original par un simple filtre passe-
bas.
Si la fréquence maximale du spectre du signal à échantillonner est supérieur à fe/2,
la restitution devient impossible car on aura un recouvrement spectral.
 7

C’est le principe du théorème de Shannon.

● Contexte historique
Le théorème d'échantillonnage a été impliqué par les travaux de Harry Nyquist
en 1928, dans lesquels il a montré que jusqu'à 2 B échantillons d'impulsions
indépendants pouvaient être envoyés à travers un système de largeur de bande B ;
mais il n'a pas explicitement considéré le problème de l'échantillonnage et de la
reconstruction des signaux continus.
À peu près au même moment, Karl Küpfmüller a montré un résultat similaire et a
discuté de la réponse impulsionnelle de fonction sinc d'un filtre limiteur de bande, via
son intégrale, l' intégrale sinusoïdale de réponse échelonnée ; ce filtre de limitation de
bande et de reconstruction qui est si central dans le théorème d'échantillonnage est
parfois appelé filtre Küpfmüller (mais rarement en anglais).
Le théorème d'échantillonnage, essentiellement un duel du résultat de Nyquist, a
été prouvé par Claude E. Shannon . VA Kotelnikov a publié des résultats similaires en
1933, tout comme le mathématicien ET Whittaker en 1915, JM Whittaker en 1935 et
Gabor en 1946 « Théorie de la communication ».
En 1999, la Fondation Eduard Rhein a décerné à Kotelnikov son prix de
recherche fondamentale "pour la première formulation théoriquement exacte du
théorème d'échantillonnage".
En 1948 et 1949, Claude E. Shannon publie - 16 ans après Vladimir Kotelnikov -
les deux articles révolutionnaires dans lesquels il fonde la théorie de l'information. Dans
Shannon 1948, le théorème d'échantillonnage est formulé comme «Théorème 13»: Soit
f ( t ) ne contient aucune fréquence sur W. Alors où .
Ce n'est que lorsque ces articles ont été publiés que le théorème connu sous le
nom de «théorème d'échantillonnage de Shannon» est devenu une propriété commune
parmi les ingénieurs en communication, bien que Shannon lui-même écrit que c'est un
 8

fait qui est de notoriété publique dans l'art de la communication. Quelques lignes plus
loin, cependant, il ajoute: "mais malgré son importance évidente, [il] ne semble pas
avoir apparu explicitement dans la littérature de la théorie de la communication".

3. Théorème de l’échantillonnage ( Shannon 1949)

Le théorème d'échantillonnage de Nyquist-Shannon est un théorème dans le domaine

du traitement du signal qui sert de pont fondamental entre les signaux à temps continu
et les signaux à temps discret . Il établit une condition suffisante pour une fréquence
d'échantillonnage qui permet à une séquence discrète d' échantillons de capturer toutes
les informations d'un signal en temps continu de largeur de bande finie .

Claude Shannon
• Ingénieur et mathématicien américain, né en 1916
• Père de la théorie de l’information, c.a.d de la théorie mathématique de la
communication de l’information
• Inventeur du bit
• Fut le 1er à comprendre que le monde pouvait se décrire avec des 0 et des 1

Le théorème de Shannon concerne les signaux dont le spectre possède une

fréquence maximale fmax, que l'on appelle des signaux à bande limitée.
Théorème de Shannon : pour que le signal puisse être entièrement
reconstruit à partir des échantillons, il faut et il suffit que : fe > 2fmax
La fréquence d'échantillonnage doit être strictement supérieure à deux fois la plus
grande fréquence présente dans le spectre du signal continu (condition de Nyquist-
Shannon).
La fréquence limite fe / 2 est appelée fréquence de Nyquist.
Remarque :
 9

Fe doit être suffisamment élevée si l’on ne veut pas perdre trop d’informations.
Cependant plus fe est élevée (Te est faible), plus le temps disponible pour effectuer
les traitements numériques sera court et plus le nombre d’échantillons à traiter sera
important.
Si cette règle n'est pas respectée, des fréquences parasites qui n'appartiennent pas
au signal de départ apparaissent. Ce phénomène est le repliement spectral ou
aliasing.

On ne pourra donc plus reconstruire le signal d’origine. Pourtant dans la plupart

des situations, le spectre du signal à échantillonner s’étale sur tout le domaine des
fréquences ( tout en diminuant du côté des hautes fréquences), mais il n’existe pas
une fréquence fmax au-delà de laquelle l’énergie est nulle.

● Interprétation

La figure suivante illustre un signal s'il est échantillonné à un débit supérieur à 2 W

dans le domaine fréquentiel. Ici, les informations sont reproduites sans aucune
perte. Il n'y a pas de confusion et donc la récupération est possible.

Voyons ce qui se passe si la fréquence d'échantillonnage est égale à deux fois

la fréquence maximale ( 2W ).Les informations sont remplacées sans aucune
perte. C'est donc aussi un bon taux d'échantillonnage.
 10

Regardons maintenant la condition f s < 2 W. Le modèle résultant ressemblera à

ceci.

À partir du schéma ci-dessus, on peut observer que les informations se

chevauchent, ce qui entraîne une confusion et une perte d'informations. Ce
phénomène de chevauchement indésirable est appelé Aliasing.

Exemple 1 : Cas d'un signal sinusoïdal

 11

Exemple 2 : Cas d'un signal quelconque

Figure 8. Spectre d'un signal Figure 9. Spectre d'un signal

quelconque échantillonné à fe>2fmax quelconque échantillonné à fe<2fmax

fe respecte le critère de Shannon fe ne respecte pas le critère de Shannon

!!!! Analyse des exemples.

Lorsque le critère de Shannon n'est pas respecté, la fréquence

d'échantillonnage est trop proche de la fréquence maximale du signal et on observe
le mélange des fréquences hautes et des fréquences plus basses .
 12

On observe que dans les deux exemples ci-dessus il devient impossible

d’effectuer une séparation correcte des fréquences lorsque le critère de Shannon
n'est pas respecté.

En pratique, on se fixe une fmax à partir de laquelle on estime la

représentation de notre signal satisfaisante pour les applications que l’on veut en
faire. Puis on effectue un filtrage passe-bas avant l’échantillonnage afin de
remédier aux repliements de spectre. On appelle ce filtre un filtre anti-repliement.

4. Filtre anti-repliement
•Dans le cas d'un signal de spectre de largeur infinie (ou inconnue), il y aura donc
forcément repliement de spectre.
•De même, si le signale est entaché d’un bruit HF, l’échantillonnage aura comme
effet de mélange le spectre HF du bruit à celui BF du signal et donc détérioration
de sa qualité.
Il est donc nécessaire de filtrer le signal afin de limiter cet effet de repliement.

5. Reconstruction ou retour au signal analogique

Le problème majeur de tout échantillonnage est de
savoir s' il est possible de revenir après échantillonnage
au signal de départ. Pour cela nous voyons que l'opération
d'échantillonnage se traduit dans le spectre de Fourier par
une périodisation du signal fréquentiel. Comme le spectre
du signal est borné, la technique de calcul est de se limiter
aux fréquences contenues dans l’intervalle [−fe/2, fe/2]
pour décrire le spectre total. Cela revient en clair à
fenêtre le spectre du signal échantillonné et à ne
considérer dans le spectre du signal échantillonné que le
spectre de base Se0 (f). Cette opération peut être décrite à
l’aide d’une porte de largeur fe et conduit à
Se0 (f) = Se(f). ufe (f)
Si l’on repasse dans le domaine temporel et si l’on utilise le théorème de
Plancherel, il vient
 13

se0 (t) = se(t) ∗ fesinc (πfet)

soit se0 (t) = (somme) s(nT e) ∗ fesinc (πfet) = nX[s(t).δ (t −
nTe)]o ∗ fesinc (πfet)
L’équation peut s’écrire également
se0 (t) = fe Xs(nTe)sinc (πfe (t − nTe))
On peut vérifier que ce signal diffère du signal s(t) par une constante égale à fe. Le
signal analogique s(t) peut donc être entièrement reconstruit comme suit
s(t) = (somme) s(nTe)sinc (πfe (t − nTe))

6. Exemples d’applications
Échantillonnage audio
L'audio numérique utilise la modulation par impulsions codées (PCM) et les
signaux numériques pour la reproduction sonore. Cela comprend la conversion
analogique-numérique (ADC), la conversion numérique-analogique (DAC), le
stockage et la transmission. En effet, le système communément appelé numérique
est en fait un analogique à temps discret à niveau discret d'un analogique électrique
précédent. Alors que les systèmes modernes peuvent être assez subtils dans leurs
méthodes, la principale utilité d'un système numérique est la capacité de stocker,
récupérer et transmettre des signaux sans aucune perte de qualité.
Quant aux signaux vocaux , c'est-à-dire les signaux destinés à véhiculer
uniquement la parole humaine , peuvent généralement être échantillonnés à un taux
beaucoup plus faible. Pour la plupart des phonèmes , la quasi-totalité de l'énergie
est contenue dans la gamme 100 Hz – 4 kHz, permettant une fréquence
d'échantillonnage de 8 kHz. Il s'agit de la fréquence d'échantillonnage utilisée par
presque tous les systèmes de téléphonie.
Échantillonnage vidéo
La télévision à définition standard (SDTV) utilise soit 720 x 480 pixels ou
720 x 576 pixels pour la zone d'image visible.
La télévision haute définition (HDTV) utilise 720p (progressif), 1080i (entrelacé)
et 1080p (progressif, également appelé Full-HD).
Les convertisseurs vidéo numérique-analogique fonctionnent dans la gamme
des mégahertz (de ~ 3 MHz pour les scalers vidéo composites de basse qualité dans
les premières consoles de jeux, à 250 MHz ou plus pour la sortie VGA de la plus
haute résolution). Lorsque la vidéo analogique est convertie en vidéo numérique ,
 14

un processus d'échantillonnage différent se produit, cette fois à la fréquence de

pixel, correspondant à une fréquence d'échantillonnage spatiale le long des lignes
de balayage . Un taux d'échantillonnage de pixel courant est: 13,5 MHz - CCIR
601 , vidéo D1 L'échantillonnage spatial dans l'autre direction est déterminé par
l'espacement des lignes de balayage dans le raster . Les taux d'échantillonnage et
les résolutions dans les deux directions spatiales peuvent être mesurés en unités de
lignes par hauteur d'image. Le crénelage spatial des composants vidéo luma ou
chroma haute fréquence apparaît sous la forme d'un motif de moiré .
Échantillonnage 3D
Le processus de rendu de volume échantillonne une grille 3D de voxels pour
produire des rendus 3D de données découpées (tomographiques). La grille 3D est
supposée représenter une région continue de l'espace 3D. Le rendu volumique est
courant en imagerie médicale, la tomodensitométrie aux rayons X (CT / CAT),
l'imagerie par résonance magnétique (IRM), la tomographie par émission de
positons (TEP) en sont quelques exemples. Il est également utilisé pour la
tomographie sismique et d'autres applications.