Académique Documents
Professionnel Documents
Culture Documents
Duval L 2009 Lecture-Supelec-TNS RII
Duval L 2009 Lecture-Supelec-TNS RII
3.1. Présentation
Les RII sont des systèmes LIT
Ils sont à "mémoire infinie", c ’est-à-dire qu ’ils gardent pendant un
temps infini la mémoire du signal d ’entrée, grâce à une boucle de
retour
Principal intérêt : permettent des fonctions de filtrage + sélectives
que les RIF (cf. # coefficients)
Inconvénients : Possibilité d ’avoir des filtres instables, phase non
linéaire, pbs de réalisation
1
La réponse d'un filtre RII à un signal x(n) est :
L K
y(n) = ∑ a x(n − l ) − ∑ b y (n − k )
l =0
l
k =1
k
∑a z
l =0
l
−l
∏ (1 − Z z
l =1
l
−1
)
H(z) = K
= a0 K
1 + ∑ bk z − k ∏ (1 − Pk z −1
)
k =1 k =1
2
3.2. La cellule du premier ordre
∑b
n
1 < ∞ soit b1 < 1
n =0
3
La TF de ce filtre est :
a
H (ω ) =
0
1 + b1 e− jω
L ’amplitude est donnée par :
2
2 a0
H (ω ) =
1 + 2b1 cos(ω ) + b1
2
et la phase : − b1 sin(ω )
ϕ (ω ) = Arctg
1 + b1 cos(ω )
4
Exemple d ’utilisation d ’un RII du premier ordre
1.5
1.4
1.3
1.2
1.1
0.9
0.8
0.7
0.6
0.5
0 100 200 300 400 500 600 700 800 900 1000
5
Pour estimer la constante C on fait une moyenne du signal à l’aide
des échantillons successifs : on réalise un RIF
N −1
1
ɵ
Par exemple : C (n) =
N
∑ x(n − m)
m= 0
-20
-30
-40
-50
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized frequency (Nyquist == 1)
-20
Phase (degrees)
-40
-60
-80
-100
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized frequency (Nyquist == 1)
7
Le signal de sortie y(n) est une estimation récursive de C :
démo (iir1_ld.m)
1.4
1.2
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500 600 700 800 900 1000
8
3.3. Caractéristiques générales des RII
Équation générale :
L K
y(n)=∑al x(n−l)−∑bk y(n−k)
l =0 k =1
∑ l
a
l =0
z −l
La TZ s’écrit : H(z) = K
1 + ∑ bk z −k
k =1
9
3.4. Synthèse des RII
Comme pour les RIF, les RII sont utilisés souvent pour mettre en
forme 1 signal
=> généralement, pour satisfaire à des conditions imposées dans le
domaine fréquentiel
10
Cette fonction doit vérifier plusieurs conditions :
• si le filtre analogique de départ est stable, il faut que sa
transformée numérique soit stable
• de la première condition, on en déduit que le demi plan Re(p) < 0
doit se transformer en l’intérieur du cercle unité
• l’axe imaginaire doit se transformer en |z| = 1.
on essaye de trouver une équivalence pour l’intégration :
Y ( p) 1
=
X ( p) p
L’intégrale de la fonction x(t) peut être approchée (méthode des
trapèzes) par :
x(t)+ x(t −dt)
y(t)≈ y(t −dt)+ T
2
11
On a alors :
1 T 1 + z −1
=
p 2 1 − z −1
Cette transformation est appelée transformation bilinéaire,
et la réciproque s’écrit :
1 + pT / 2
z=
1 − pT / 2
Examinons la transformation de l’axe imaginaire p = jω :
1+ jπfaT
e
2πf nT
=
1− jπfaT
On a aussi :
2πfnT =2arctg(πfaT )
Et donc :
fa = 1 tg(πfnT )
πT
13
Résumé : la transformation bilinéaire est une règle de
transformation entre la représentation Laplacienne et la
transformée en z
=> permet de transformer un filtre analogique prototype en sa
contrepartie numérique
Les filtres analogiques prototypes sont construits en se donnant une
fonction A2(ω) avec ω = 2πf, avec :
on en déduit :
p
A = F(p)F(−p).
2
j
14
filtre de Butterworth
1
A2(ω) = où m est un entier
1+ ω 2m
p 1
Ainsi A =
2
.
j 1 + (−1) p
m 2m
15
Filtre de Tchebycheff :
1
A2(ω) =
1 + ε 2Tm2 (ω )
1
A2(ω) =
1 + ε 2 Rm2 (ω , L)
R m (ω,L) est une fonction rationnelle de Tchebycheff
16
Récapitulatif :
Le choix de l ’un ou l ’autre de ces filtres résulte du compromis :
bande de transition, taux d'ondulation dans la bande passante et atténuée
A(ω ) A( ω ) A(ω )
1
√ 1+ ε
2
1
√ 1+ ε 2 + L2
ω
0 1 0 1 0 1
19
Exemple :
On veut réaliser un filtre avec les caractéristiques suivantes :
• passe-bas avec une fréquence de coupure de 0.1 Hz
• fréquence d’échantillonnage 1 Hz
• atténuation à 0.3 Hz d’au moins 40 dB avec une ondulation
maximale dans la bande de 1 dB.
20
la réponse en fréquence normalisée s’écrit :
1
H a ( p) =
(1 + 2.023 p)(1 + 0.497 p + 1.006 p 2 )
21
Implantation des RII
Comme les RIF, les RII sont réalisés à l ’aide de fonctions simples
de multiplications, additions et mises en mémoire.
1 + a1 z −1 + a 2 z −2 N ( z)
H(z) = a0 −1 −2
= a0 .
1 + b1 z + b2 z D( z )
22
On adopte la structure suivante :
a0
+ u(n) +
x(n) y(n)
+ +
-1
z
-b1 a
1
+ + +
+
z -1
-b2 a2
24
|H|
filtre idéal
1 + δ1 filtre réel
1 1 − δ1
gabarit
δ2
0
ν
ν1 ν2 1/2 1
Ne≈ 2 ln10 1
3 ∆ν
(
10δ1δ 2
) 25
=> conduit à des valeurs beaucoup plus faible que pour les RIF
1 1 1
bc ≈ lb + lb + lb
δ1 ∆ν sin (2πν 1 )
Les RII demandent plus de bits que les RIF (possibilité d ’instabilité)
26
Réalisation de filtres RII et RIF par des filtres en treillis
27
Considérons les deux structures élémentaires suivantes:
+
x p-1 (n) x p(n)
+
kp
up-1(n) z -1 u p (n)
+
+
x p-1 (n) x p (n)
-
kp
Ainsi : Xp - 1(z) = Xp(z) - kpz-1Up - 1(z) et Up(z) = kpXp - 1(z) + z-1Up - 1(z).
29
Les relations sur les transformées en z sont donc identiques pour les deux structures.
Matriciellement, on peut écrire:
X p ( z) 1 k p z −1 X p −1 ( z )
U ( z) = k z U p −1 ( z )
−1
p p
Si k p ≠ 1 :
X p −1 ( z ) 1 1 − k p X p ( z )
=
U ( z) 1 − k 2 − k z z U p ( z )
p −1 p p
30
Considérons maintenant les deux systèmes suivants:
31
Pour le premier : x(n) = x0(n) = u0(n) et y(n) = xN(n).
X N ( z) N 1 k p z −1 X 0 ( z )
Or : = ∏
−1
U N ( z ) p =1 k p z U 0 ( z )
32
Pour le second système :
1 1
H(z) = = N
(filtre RII purement récursif).
AN ( z )
∑a
p =0
N ( p)z − p
33
An ( z ) n 1 k p z −1 A0 ( z )
Notons : = ∏
−1
Bn ( z ) p =1 k p z B0 ( z )
n n
Avec : A0(z) = B0(z) = 1 et An(z) = ∑a
p =0
n ( p)z −p
et Bn(z) = ∑ b ( p)z
p =0
n
−p
;
• degré(An) = degré(Bn) = n
• bn(0) = an(n) = kn
• bn(n) = an(0) = 1
Ces relations permettent de construire A1(z), A2(z) ... jusqu'à AN(z) à partir des
coefficients k1, k2, ... kN. Pour cela, on fait varier n de 1 à N.
34
Réciproquement, on peut démontrer que:
• kn = an(n)
1
• an - 1(p) = (an ( p ) − an (n) − an (n − p ) ) pour 1 ≤ p ≤ n - 1.
1 − a n (n)
2
A partir de AN(z),
• on construit AN-1(z), AN-2(z), ... jusqu'à A1(z)
• on en déduit successivement kN, kN-1, ..., k1. Pour cela, on fait varier n de N à 1.
36
On obtient alors le synthétiseur suivant :
Générateur
de
bruit Gain
Filtre Parole
en CN/A
synthétique
treillis
Générateur
d'impulsions
Fréquence Commande kn
fondamentale voisée Puissance
non voisée 1≤n≤N
Les paramètres de commande évoluent dans le temps, notamment les coefficients kn du filtre en treillis.
L’intérêt d'utiliser ce type de filtre est le contrôle simple de la stabilité (|kn|< 1 pour 1 ≤ n ≤ N).
L'interpolation linéaire entre deux vecteurs de coefficients kn respectant la stabilité donne aussi un filtre
stable ce qui ne serait pas forcément le cas avec les coefficients aN(p) du polynôme AN(z).
37
4. Les signaux analytiques
38
Soit un signal x(n) = xr(n) + j xi(n)
39
La TF de xr(n) est :
Xr(ν) = 0.5 ( X(ν) + X*(-ν) )
De même,
Xi(ν) = - 0.5 j ( X(ν) - X*(-ν) )
Qi(ν)
j Q(ν)
Gabarit
ν
1/2 1
-j
41
x r (n)
Mise en quadrature :
x(n)
Q(z)
x i (n)
x r (n)
-k
z
x(n)
Q(z)
x i (n)
43
Application au calcul d'enveloppe
1
Si xr(n) = A(n) cos(2π*f*n) 0.5
Re
Im
0 Abs
avec A "lent" -0.5
-1
xi(n) ~ A(n) sin(2π*f*n) 100 200 300 400 500 600 700 800 900 1000
1
Env.
Abs
1
1
100 200 300 400 500 600 700 800 900 1000
-15
x 10
5
Env - Abs
-5
100 200 300 400 500 600 700 800 900 1000
44