Vous êtes sur la page 1sur 19

Acquisition de Données Numériques

But : ce cours présente les principales caractéristiques d’une chaîne


d’acquisition-restitution, tout en insistant sur la réalisation et la conception
des systèmes d’acquisition de données numériques.

Chap 1 :
Structure générale d’une chaîne d’acquisition-restitution

-Signaux et Transformations-

I. Structure d’une chaine d’acquisition de données :

Le signal de sortie d’un capteur n’est pas directement mesurable, Il faut passer par certaines
transformations pour pouvoir le lire. On appelle chaîne d’acquisition-restitution l’ensemble des
circuits ou appareils qui amplifient, adaptent, convertissent, linéarisent, digitalisent le signal
avant sa lecture sur le support de sortie.

Chaîne
d’acquisition

Signal S Signal S
à mesuré mesuré

Circuit de CNA
Actionneur
mise en forme

Chaîne de
restitution

Figure 1 : Exemple d’une chaîne d’acquisition-restitution

La structure de base d'une chaîne d’acquisition-restitution comprend au minimum sept étages :

- Un capteur composant sensible aux variations d'une grandeur physique et qui, à partir de ces
variations, délivre un signal électrique.
- Un conditionneur de signal (mise en forme) dont le rôle principal est l'amplification du signal
(Amplificateur) délivré par le capteur pour lui donner un niveau compatible avec l'unité de
numérisation ; cet étage peut parfois intégrer un filtre d’entrée qui réduit les perturbations
présentes sur le signal.

- Une unité de numérisation qui va échantillonner (échantillonneur) le signal à intervalles


réguliers et affecter un nombre (CAN) à chaque point d'échantillonnage.

- L'unité de traitement informatique peut exploiter les mesures qui sont maintenant une suite
de nombres (enregistrement, affichage de courbes, traitements Mathématiques (exp : Filtre
Numérique), transmissions des données.).

- CNA qui permet de générer une tension électrique image de chaque combinaison binaire
donnée par l’unité de traitement.

- Circuit de mise en forme comportant généralement un amplificateur de puissance et un


filtre de lissage de signal.

- Actionneur (Moteur, Haut parleur, TV, …).

II. Signaux-Classification des signaux :

Un signal est la représentation physique de l'information, La description mathématique des


signaux est l'objectif de la théorie du signal. Elle offre les moyens d'analyser, de concevoir et de
caractériser des systèmes de traitement de l'information.
On a pour habitude de décrire les signaux en fonction de la variable temporelle t. Dans une
chaîne d’acquisition, la connaissance des propriétés spectrales (fréquentielles) d'un signal est
primordiale. Ainsi, on utilise une représentation en fonction de la fréquence pour caractériser un
signal ou un système. Les outils de traitement des signaux nous aident dans cette tâche.
Exemple : le support de transmission du téléphone à une bande passante de 3kHz alors que la
bande passante des signaux audibles est de 20kHz. Ceci explique pourquoi un signal audio de
haute qualité transmis par voie téléphonique sera perçu comme de mauvaise qualité par le
récepteur.
On peut envisager plusieurs modes de classification pour les signaux suivant leurs propriétés :

II.1. Classification phénoménologique :


On considère la nature de l'évolution du signal en fonction du temps. Il apparaît deux types de
signaux :
a. Les signaux déterministes : ou signaux certains, leur évolution en fonction du temps
peut être parfaitement modélisé par une fonction mathématique v(t). On retrouve dans
cette classe les signaux périodiques, les signaux transitoires, les signaux pseudo-
aléatoires, etc…
- les signaux périodiques dont la forme se répète régulièrement.

- les signaux pseudo-aléatoires qui sont des signaux périodiques mais avec, à l'intérieur de
la période, un comportement aléatoire.

- les signaux non-périodiques : ils sont essentiellement représentés par des signaux
transitoires dont l'existence est éphémère.
b. Les signaux aléatoires : leur comportement temporel est imprévisible. Il faut faire appel
à leurs propriétés statistiques pour les décrire. Si leurs propriétés statistiques sont
invariantes dans le temps, on dit qu'ils sont stationnaires.
- les signaux stationnaires dont les caractéristiques statistiques ne changent pas au cours du
temps (exp : le bruit électronique).

Exemple de bruit Blanc


- les signaux non-stationnaires dont le comportement statistique évolue au cours
du temps (exp : la parole).

Exemple de bruit Blanc non-stationnaire


II.2 Classification énergétique :
L'énergie Wx d'un signal x(t) est définie comme suit :

On dira que ce signal est à énergie finie si Wx < ∞. Dans cette catégorie, on rencontre tous les
signaux temporellement éphémères (non durable dans le temps) qu'ils soient déterministes ou
aléatoires.
La puissance moyenne Px d'un signal x(t) est définie par :

On notera que cette définition coïncide avec celle du carré de la valeur efficace du signal x(t). On
dira que celui-ci est à puissance finie si Px < ∞. Cette catégorie englobe les signaux périodiques,
quasi-périodiques et les signaux aléatoires permanents.
Dans le cas où le signal est périodique, la durée d'intégration T est prise égale à une période du
signal.
II.3. Classification morphologique
On distingue les signaux à variable continue, des signaux à variable discrète ainsi que ceux
dont l'amplitude est discrète ou continue.
a b

c d

On obtient donc 4 classes de signaux :


a : Les signaux analogiques dont l'amplitude et le temps sont continus.
b: Les signaux quantifiés dont l'amplitude est discrète et le temps continu.
c : Les signaux échantillonnés dont l'amplitude est continue et le temps discret.
d : Les signaux numériques dont l'amplitude et le temps sont discrets.

II.4. Signaux particuliers :


Afin de simplifier les opérations ainsi que les formules obtenues, certains signaux fréquemment
rencontrés en traitement du signal dispose d'une modélisation propre.
II.4.1 Fonction signe :

Par convention, on admet pour valeur à l'origine : sgn (t) =0 pour t=0.

II.4.2 Fonction échelon :

II.4.3 Fonction rampe :

II.4.4 Fonction rectangulaire :

II.4.5 Impulsion de Dirac


L'impulsion de Dirac correspond à une fonction porte dont la largeur T tendrait vers 0 et dont
l'aire est égale à 1.
δ (t) ne peut être représentée graphiquement. On la schématise par le symbole

Attention: le 1 marqué sur la flèche pleine représente l’aire de cette impulsion (et non la hauteur
de l’impulsion).

On peut encore considérer δ (t) comme la dérivée de la fonction échelon : .

II.4.6 Peigne de Dirac :


On appelle peigne de Dirac une succession périodique d’impulsions de Dirac.

T est la période du peigne. Cette suite est parfois appelée train d'impulsions ou fonction
d'échantillonnage. Ce type de signal est principalement utilisé en échantillonnage.
II.4.7 Fonction sinus cardinal :

Propriétés :
III. Traitement du signal analogique :
III.1. Série de Fourier :

Définition : La décomposition en série de Fourier permet de décomposer un signal en somme


de sinusoïdes. On utilise principalement les séries de Fourier dans le cas des signaux
périodiques (T0=1/F0). Elles permettent ainsi de passer facilement du domaine temporel au
domaine fréquentiel. Pour pouvoir être décomposable, un signal doit être à variations bornées.

Pour tout signal s(t) réel où s(t) = s(t+T0), on peut écrire :


Avec

- La valeur de S0 représente la valeur


moyenne de s(t).
- An et Bn sont les coefficients de la série
de Fourrier.
- On appelle le signal de pulsation ω0 le
fondamental.

S(t) peut se mettre aussi sous la forme suivante :

A partir de cette expression, nous pouvons construire la représentation spectrale du signal s(t)
dans un plan Amplitude–Fréquence comme étant la succession des pics ou raies d’amplitude Cn
positionnés aux fréquences nF0.

Amplitude
C1 C’est un spectre discontinu
Cn
Exp : sortie d’un analyseur
S0
C2 de spectre

Fréquence
0 F0 2F0 nF0

Spectre en fréquence d’un signal périodique

Propriétés
Si s(t) est paire donc Bn = 0 et Sn = S-n
Si s(t) est impaire An = 0 et Sn = -S-n

III.2.Transformée de Fourier :

C’est une généralisation de la décomposition de série de Fourier à tous les signaux déterministes.
Elle permet d’obtenir une représentation en fréquence (représentation spectrale) des signaux.
Elle exprime la répartition fréquentielle de l’amplitude, de la phase et de l’énergie (ou de la
puissance) des signaux considérés.
III.2.1Définition : Soit s(t) un signal déterministe. Sa transformée de Fourier (TF) est une
fonction, généralement complexe, de la variable f et définie par :

Si cette transformée existe, la


transformée de Fourier inverse est donnée
par :

Remarque : On appelle spectre de s(t) le module de la transformée de Fourier de s(t).


Exemple de Transformée de Fourier de Dirac :
δ(t)  1

δ(t-τ)  e−2 jπfτ

e−2 jπf0t  δ(f+f0)

Exemple
Calculons la transformée de Fourier d’un signal sinusoïdale : s(t) = S cos ω0 t

D’où
Spectre en fréquence d’un signal périodique avec un axe des fréquences de -∞ à +∞ :
Représentation bilatérale : c-à dire que ce spectre est en général complexe formé d’une partie
réelle et d’une partie imaginaire et devrait être représenté dans un système à trois axes : axe des
fréquences, axe de la partie imaginaire Im[S(f)] et axe de la partie réelle Re[S(f)].

III.3. Transformé de Laplace :

Comme nous l’avons vu dans le paragraphe précédent la transformée de Fourier d’un signal non

périodique s(t) s’écrit sous la forme :

S(f) n’existe que si cette intégrale a une valeur finie (convergente). Dans le cas contraire on peut
σ
rendre cette intégrale convergente en multipliant s(t) par e- t, la valeur σ est réelle positive et est
appelée « rayon de convergence ». Cela conduit à définir une nouvelle grandeur, appelée

« fréquence complexe » noté P et tel que : P = σ + j2πf

Si de plus on considère un système causal (nul pour t < 0), on obtient la transformée de

Laplace, notée « L » : L[s(t)] = S(P) =

La transformée de Laplace est très utile dans l’étude des régimes transitoires qui vérifient le
principe de causalité. Une fois le régime harmonique (continu) établi, on peut remplacer P par
j2πf ou jw dans la transformée de Laplace et on obtient ainsi la transformée de Fourier.

TF[s(t)] = L[s(t)]P=j2πf

III.4 : Convolution
II.4.1. Définition :Le produit de convolution d’un signal s(t) par un autre h(t) est donné par :

Remarque :
s(t)
e(t)
h(t)
Le signal de sortie d’un système linéaire causal invariant dans le temps est donné par le produit
de convolution du signal d’entrée et d’une fonction h(t) appelée réponse impulsionnelle.
h(t) est la réponse impulsionnelle à un signal d’entrée δ (t) (impulsion de Dirac).
Réponse impulsionnelle: une impulsion brève, injecté à l’entrée d’un système continu et
stationnaire (son comportement est indépendant de l’origine du temps) ne donne jamais une
impulsion brève à la sortie mais un signal de durée finie :

Signal d’entrée e(t) Signal de sortie s(t)


=δ (t) =h(t-t0)
δ (t-t0)
Système
t LS
t
t0 t0

Signal d’entrée Signal de sortie s(t)


e(t)

t
t

La valeur du signal de sortie à l’instant t est ainsi obtenue par la sommation des valeurs passées
du signal d’excitation, pondérées par la réponse du système.
Exemple :
Pour un signal e(t)=δ (t)=1, un système à donner une réponse impulsionnelle caractérisé par :
h(ti) = [ 1 2 3 2]
e(t) Signal de sortie s(t)
3
=δ (t)=1 =h(t)
1 2
Système 1 2
t
LS t
déterminons avec Matlab la réponse au signal d’entrée suivant : e(t) =[ 0 1 1 0 ] (signal porte)
s(t) = conv(e(t)*h(t))= [0 1 3 5 5 2 0] de longueur k= (length(h)+length(e))-1
donnée par ( ) avec j allant de 1 jusqu’à k

III.4.2 Transformée de Fourier :


Théorème de Plancheval : La transformée de Fourier d’un produit de convolution est un produit
simple et réciproque : ainsi pour deux signaux a(t) et b(t) ayant pour transformées de Fourier
respectives A(f) et B(f) nous avons :

Remarque :

d’où h(t)∗δ(t)=h(t) : Le Dirac est l’élément neutre de la convolution

e(t) S(t) = e(t)*h(t) avec h(t) est la réponse impulsionnelle du


capteur et il sera de même pour les autres étages : filtre,
amplificateur, …

Sfil(t)=Scap(t)*hfil Samp(t)=Sfil(t)*ham
Scap(t)=e(t)*hca
(t) p(t)
Capteu p(t) Filtre Amplificate
e(t)
r ur

La détermination de l’évolution temporelle du signal est déterminée par suite de convolution.

III.5 Corrélation :

Corrélation = relation entre deux signaux :

1- Relation entre un signal est lui-même appelée : Auto-corrélation

2- Relation entre deux signaux différents appelée : inter-corrélation (Cross-corrélation).

Définition :

Soient deux signaux périodiques x(t) et y(t), et soient X(f) et Y(f) leurs transformées de fourrier
respectives. On définit le spectre de puissance d’un signal x(t) ou densité spectrale par :

Et l’énergie totale contenue dans le spectre X(f) s’exprime par :

Et nous pouvons aussi définir la densité spectrale d’interaction de deux signaux x(t) et y(t) par :

et

III .5.1. Fonction de corrélation pour les signaux à énergie finie :


La fonction d’auto-corrélation d’un signal x(t) est définie par :

Alors que celle de l’inter-corrélation est définit par :

Utilité : détermination de la ressemblance (forme et position dans le temps) d’un signal avec une
version de lui même ou avec un autre signal dans le temps.

III.5.2 Transformée de Fourrier :

On démontre que et

C'est-à-dire que la TF de la fonction de corrélation du signal représente la densité spectrale


(distribution) de l’énergie du signal sur l’axe des fréquences.
Scap(f)= TF [Ce(t)- Sfil(f)= TF [CScap(t)- Samp(f)= TF [CSfil(t)-
hfil(t)] hamp(t)]
e(t) Capteu hcap(t)] Filtre Amplificate
r ur

Remarque : il sera souvent plus simple de calculer la fonction d’auto ou l’inter-corrélation d’un
signal en passant par son spectre (densité spactrale)

Exemple avec Matlab :


Soit x(ti) = [ 1 1 2 3] et y(ti) =[1 2 3 1 ]
Cxx=[ 3 5 9 15 9 5 3] déterminer par la fonction :

avec L =longueur de la séquence et -∞<τ <+∞


Cxy=[1 4 7 12 14 8 3] déterminer par la fonction :
IV. Transformée de Fourier Discrète : TFD
Signal Méthode de Calcul du spectre Caractéristiques du spectre
Continu et périodique Série de Fourier Discret et non périodique
Continu et non périodique Transformée de Fourier Continu et non périodique
Discret et périodique Transformée de Fourier Continu et périodique
Discret et non périodique Transformer de Fourier Discrète Discret et périodique

Pour calculer la transformé de fourrier d’un signal s(t) avec un ordinateur, on est amené à
discrétiser le signal (échantillonnage) et à tronquer temporellement ce signal. On obtient ainsi
une suite de N termes représentés par :
Appelons sk les valeurs du signal s(t) aux instants kTe. Le spectre S(f) de ce signal
échantillonné limité à N termes est donné sous la forme de N éléments de valeurs S m espacés
de Fe/N :

On appelle Transformé de fourier discrète (TFD ou DFT ; Discret Fourier Transformation)


d’un signal défini par N échantillons sk, la suite de N termes Sm définie par :

Signal échantillonné limité Spectre échantillonné limité


TFD
sk sm

t f

Te ∆ f=1/τ
N échanitillons N
τ = N.Te échantillons

Si les N échantillons ont été prélevés avec une fréquence d’échantillonnage F e =1/Te, la durée
du signal échantillonné sur laquelle a été calculé la transformé de Fourier discrète est donnée
par : τ =N Te = N/fe.
En conséquence, le spectre de ce signal échantillonné, composé aussi de N termes, est calculé
sur un domaine de fréquence égal à [0, Fe] avec une distance fréquentielle entre points égale
à : ∆ f = 1/τ = 1/(N.Te) = Fe/N.
Remarque : le calcul de la TFD utilise souvent la FFT (Fast Fourier Transformation :
Transformée de Fourier Rapide) voir Matlab.

IV. Acquisition de plusieurs grandeurs


Dans le cadre d’une chaîne d’acquisition traitant plusieurs capteurs (N) vers une seule unité de
traitement, il existe différentes structures qui différent en terme de performances et de coût.
N Capteurs 1unité de traitement numérique
IV.1 Acquisition séquentielle décalée
Elle se base sur l’utilisation en amont d’un multiplexeur qui va orienter un capteur vers la
chaîne unique d’acquisition :

Structure séquentielle décalée


L’avantage de cette structure est bien évidemment son côté économique.
Par contre il y a un décalage dans le temps des acquisitions. On réservera donc cette structure ne
nécessitant pas une synchronisation entre les données numérisées. De plus le temps d’acquisition
complet est à priori élevé car proportionnel au nombre de capteur.

IV.2 Acquisition séquentielle simultanée


De manière à avoir des acquisitions « synchrones », on utilise la même structure que
précédemment mais en utilisant des Echantillonneurs Bloqueurs (E/B) en amont du multiplexeur.
On est dans une situation d’E/B en tête.

Structure séquentielle simultanée


La prise des échantillons s’effectue au même instant, la conversion est effectuée de manière
progressive. Cela signifie que les E/B assurent un maintien de l’échantillon durant les N
acquisitions. Son coût est moyen.
IV.3 Acquisition parallèle
C’est la structure la plus complète puisqu’elle consiste à disposer N chaînes d’acquisition en
parallèle et de les connecter sur un bus de données commun.

Structure parallèle
Avec cette structure, il est possible d’effectuer en même temps l’acquisition d’une donnée
pendant que l’on en stocke une autre. De même, toutes les conversions peuvent être simultanées,
le stockage s’effectuant après. Cela permet un gain de temps sur l’acquisition complète. Mais
elle est coûteuse.
VI. Performances globale d’une chaine d’acquisition
La performance d’une chaîne d’acquisition est exprimée en terme de sa fréquence de
fonctionnement ainsi que sa résolution.
VI.1. Fréquence de fonctionnement: Elle définit la vitesse limite d’acquisition et elle dépend
du temps pris pour effectuer les opérations de :
- Echantillonnage Tech
- Conversion Tconv
- Stockage (mémorisation) Tstock
Ainsi la somme de ces trois temps définit le temps minimum de la chaîne d’acquisition et donc la
fréquence maximum de fonctionnement de la chaîne :
VI.2. Résolution de la chaîne
La numérisation d’un signal génère un code binaire sur N bits. On obtient
donc une précision de numérisation de 1/2 .
N

Il faut donc que tous les éléments de la chaîne de conversion aient au moins
cette précision.
On leur demande en général une résolution absolue de (0.5*1/2 ).
N