Filtrage analogique

(Introduction au filtrage)

Le Plan
„ Introduction: Pourquoi filtrer ?

„ Notion de filtre linéaire

„ Notion de causalité
„ Gabarit d’un filtre réel
„ Différents types de filtres

„ Filtres analogiques usuels

„ Filtre de Butterworth
„ Filtre de Tchebyshev
„ Filtre elliptique (Cauer)

„ Exemples d’implémentation
„ Cellule biquadratique de Friend Hors Programme
„ Capacités commutées

1
 Pourquoi filtrer ?

Pourquoi filtrer ?
„ Une application courante en traitement du signal consiste à
extraire un signal s « utile » à partir de la connaissance d’un
autre signal appelé signal « bruité »
x = s +b
„ b = la perturbation = le bruit
„ Signal parasite intrinsèque à la mesure
„ Tout autre signal différent de ce qu’on veut extraire et qui ne provient
pas forcément de la mesure
„ Séparation par le récepteur d’un téléviseur couleur des

composantes luminance ou chrominance dans le signal vidéo

composite
„ Séparation des parties du signal téléphonique (ADSL)

„ …
4

2
 Exemple 1 : l’électrocardiogramme
„ L’électrocardiogramme (ECG)
„ Perturbation par la fréquence du courant d’alimentation
des appareils

Exemple 1 : l’électrocardiogramme
„ x = ECG mesuré
„ s = ECG idéal
„ b = alimentation

„ Quelle connaissance a-t-on du problème?

„ La perturbation est un signal de fréquence 50Hz ou 60 Hz

selon le pays
„ On cherche donc un dispositif qui élimine la fréquence 50/60
Hz de l’ECG mesuré

3
 Exemple 2 : le cardiotocogramme
„ Enregistrement de l’activité cardiaque d’un enfant et de
l’intensité des contractions utérines au moment de
l’accouchement

Exemple 2 : le cardiotocogramme
„ Signal s idéal de l’électrocardiogramme

„ Détection des pics QRS

„ Détermination du nombre de battements par minute du
cœur de l’enfant
„ Détection d’une souffrance

4
 Exemple 2 : le cardiotocogramme
„ Les perturbations possibles (v)
„ Mouvements de l’enfant, contractions utérines
„ Saturation des CAN, dérive des points de fonctionnement
„ Électronique des appareils de mesure
„ Allures possibles de signaux x

Exemple 2 : le cardiotocogramme
„ Une bonne détection du complexe QRS nécessite tout
d’abord de minimiser l’effet des perturbations
„ Quelle est la connaissance du problème
„ Les fréquences significatives du signal s (complexe QRS) sont
comprises dans l’intervalle [4Hz 45Hz]
„ La dérive des points de fonctionnement est un signal lent dont le
spectre est situé aux basses fréquences : moins de 3 Hz en général
même s’il peut dans certain cas atteindre 15-20 Hz
„ Le bruit dû à l’électronique est plutôt haute fréquence

„ On cherche donc un filtre qui minimise les

composantes spectrales du signal en dehors de
l’intervalle [4 45Hz]

10

5
 Filtre linéaire

11

Comment faire ?

„ Idéalement, on cherche un système linéaire H appelé filtre dont l’entrée

est le signal x et tel que :

x=s+b y=s
h

„ La connaissance sur les signaux s et b est donnée dans le domaine

fréquentiel:
S(ν) B(ν)
H(v)
0 νc ν
Signal Bruit
12

6
 Comment faire ?
„ On cherche donc la réponse en fréquence H(ν) du filtre qui
va annuler l’effet des perturbations donc la puissance de
celles-ci
Bande de bruit
filtré
S(ν)
B’(ν)
H(v)
0 νc ν
Signal Bruit

13

Comment faire ?
„ En pratique, on est plutôt dans une situation où le signal
utile et le bruit ont des spectres qui se superposent…

H(v) H(v)
S(ν) S(ν)
B(ν) B’(ν)
0 νc ν νc ν
Signal Signal
Bruit Bruit
14

7
 Réponse temporelle et fréquentielle
„ Un filtre appartient à la catégorie des systèmes linéaires:

e(t) s(t)
h(t)

„ La relation qui relie la sortie s(t) à l’entrée e(t) est donnée

par le produit de convolution de la réponse impulsionnelle
h(t) du filtre et l’entrée:
s (t ) = h(t ) ∗ e(t )
„ Rappel: La réponse impulsionnelle h(t) correspond à la
réponse du système à un dirac δ(t).
15

Réponse temporelle et fréquentielle

„ Au niveau fréquentiel, on a classiquement la réponse
fréquentielle d’un filtre.

E(v) S(v)
H(v)

S (ν ) = H (ν ) ⋅ E (ν )

16

8
 Causalité

17

Notion de causalité
„ Réponse impulsionelle d’un filtre passe-bas idéal?

H (v) = Π [ −ν 1, +ν 1 ] (v)

-ν1 ν1

18

9
 Notion de causalité
2

1.5

0.5

-0.5
-5 -4 -3 -2 -1 0 1 2 3 4 5

„ Le filtre n’est pas réalisable physiquement car h(t) est non nulle pour
t<0

19

Notion de causalité

„ Le cahier des charges initial (filtre passe–bas idéal) est trop ambitieux
et aboutit à un filtre irréalisable d’un point de vue physique

„ Un filtre est dit à réponse causale tel que sa réponse impulsionnelle

h(t ) = 0 pour t < 0

„ La réponse d’ un tel filtre est donnée par:

+∞
s (t ) = ∫ h(τ )e(t − τ )dτ
0

20

10
 Gabarit

21

Gabarit d’un filtre réel

H(ν) Spectre en amplitude d’un filtre passe bas réel
Nb: pour un filtre passe haut, on inverse !

1+δp
1 Ap
1-δp

∆f As
1/2

δs
νp νs
νc
Bande passante Bande coupée
22

11
 Gabarit d’un filtre réel

„ Le filtre réel doit donc respecter les conditions

suivantes:
⎧⎪1 − δ p ≤ H (ν ) ≤ 1 + δ p ∀ν ∈ [0;ν p ]
⎨
⎪⎩ 0 ≤ H (ν ) ≤ δ s ∀ν ∈ [ν s ;+∞]

„ δp : caractérise ondulation en bande passante

„ δs: caractérise ondulation en bande coupée

23

Gabarit d’un filtre réel

„ Généralement les spécifications d’un filtre sont données en fonction d’une

atténuation (échelle en dB).
„ Les atténuations sont positives (gains négatifs)
„ Ap: atténuation en bande passante
⎡1 + δ p ⎤
A p = 20 ⋅ log 10 ⎢ ⎥ en (dB)
⎢⎣ 1 − δ p ⎥⎦

„ As : atténuation en bande coupée

As = −20 ⋅ log10 δ s en (dB)

„ K : raideur du filtre et caractérise la sélectivité

νp
k=
νs
24

12
 Gabarit d’un filtre réel

1+δp

Ap
1
1-δp

As

δs

νsa ν νpa νpb ν νsb

a b

„ Filtre passe-bande 25

Gabarit d’un filtre réel

„ Dans le cas d’un filtre passe-bande, les définitions d’ondulation en bande
passante et d’atténuation en bande coupée restent identiques

„ Nécessité d’introduire par contre la notion de fréquence centrale ν0, de

sélectivité k et de largeur de bande relative B:

⎧ ν 0 2 = ν a ⋅ vb
⎪
⎪
⎪ ν pb −ν pa
⎪k =
⎨ vsb −ν sa
⎪
⎪
⎪ B = ν pb −ν pa
⎪ ν0
⎩
26

13
 Différents types de filtres

27

Filtre passe-bas normalisé

„ Filtres obtenus à partir d’un filtre passe-bas normalisé ( fréquence de
coupure unitaire) en ayant recours à une transformation en
fréquence.

„ Soit f une fonction rationnelle et p la fréquence complexe de Laplace,

on définit la variable p’ comme:

p ' = f ( p)
„ La fonction de transfert H(p) en géneral:

H ( p) = H normalisé ( p') p '= f ( p )

„ Le filtre passe-bas normalisé sert de modèle …

28

14
 Transformations en fréquence
Type de Fréquence de f(p) H(p)
filtre coupure
Passe-bas ωc p ⎛ p⎞
H ⎜⎜ ⎟⎟
ωc ⎝ ωc ⎠
Passe-haut ωc ωc ⎛ω ⎞
H ⎜⎜ c ⎟⎟
p ⎝ p⎠
Passe-bande ωc1, ωc2 p 2 − ω c1 ⋅ ω c 2 ⎛ p 2 − ω c1 ⋅ ω c 2 ⎞
H ⎜⎜ ⎟⎟
p ⋅ (ω c 2 − ω c1 ) ⎝ p ⋅ (ω c 2 − ω c1 ) ⎠
Coupe- ωc1, ωc2 p ⋅ (ωc1 − ωc 2 ) ⎛ p ⋅ (ω − ωc 2 ) ⎞
bande H ⎜⎜ 2 c1 ⎟⎟
p 2 − ωc 2 ⋅ ωc1 ) ⎝ p − ω c2 ⋅ ω c1 ⎠
29

Filtres analogiques usuels

„ Les filtres analogiques les plus courant:

„ Filtre de Butterworth

„ Filtre de Tchebyshev

„ Filtre elliptique ou de Cauer

30

15
 Filtres de Butterworth
„ Filtre passe-bas de Butterworth:
1
H (ω ) =
2
2N
⎛ω⎞
1 + ⎜⎜ ⎟⎟
Avec N l’ordre du filtre ⎝ ωc ⎠
ωc pulsation de coupure

„ Propriétés:
„ Décroissance monotone en fonction de ω
„ Valeur maximale 1 obtenue ω=0
„ Fréquence de coupure correspond à –3dB
„ Atténuation asymptotique de 20N dB/décade
„ Très plat dans la bande passante

31

Filtres de Butterworth
„ Exemple de réponse de filtres de Butterworth normalisés
pour des ordres croissants:

1.4 1.4 1.4

1.2 1.2 1.2

1 1 1

0.8 0.8 0.8

Gain

Gain
Gain

0.6 0.6 0.6

0.4 0.4 0.4

0.2 0.2 0.2

0 0 0
-2 -1 0 1 -2 -1 0 1 -2 -1 0 1
10 10 10 10 10 10 10 10 10 10 10 10
Fréquence (Hz) Fréquence (Hz) Fréquence (Hz)

N=2 N=4 N=8

Plus l’ordre N du filtre , plus le filtre devient selectif

32

16
 Filtres de Butterworth
„ On peut montrer que la fonction de transfert d’un filtre de
Butterworth d’ordre N peut se décomposer sous la forme:

N −1
− pn
H ( p) = ∏
n =0 p − pn Img

Avec les pôles pn tels que: Re

⎡ ⎛ 2n + 1 ⎞ ⎛ 2n + 1 ⎞ ⎤
pn = ωc ⋅ ⎢− sin ⎜ ⋅ π ⎟ + i ⋅ cos⎜ ⋅ π ⎟⎥
⎣ ⎝ 2N ⎠ ⎝ 2N ⎠⎦

33

Filtres de Butterworth
„ En pratique, les coefficients an des filtres de Butterworth sont
tabulés en fonction de l’ordre N du filtre:

1
H ( p) = N −1
p + a1 ⋅ p
N
+ K + a N −1 ⋅ p + 1

„ Par exemple:
N a1 a2 a3 a4
2 2 - - -
3 2 2 - -
4 2.613 3.414 2.613 -
5 3.236 5.236 5.236 3.236
34

17
 Filtres de Butterworth

„ En pratique, l’ordre du filtre N est donné par les

spécifications du gabarit (fréquences coupure et atténuée) et
les ondulations en bande passante et coupée : δs, δp, υs, υp
⎛1⎞
ln⎜ ⎟
N= ⎝ ⎠
d
⎛1⎞
ln⎜ ⎟
⎝k⎠
où k et d correspondent à la sélectivité du filtre et d est le
facteur de discrimination:
⎧ νp
⎪ k=
⎪ νs
⎨
⎪d = (1 − δ p ) − 1
−2

⎪ δ s− 2 − 1
⎩
35

Filtres de Chebyshev
„ Les filtres de Chebyshev sont définis par l’ intermédiaire de la
réponse en fréquence suivante:
1
H (ω ) =
2

⎛ω ⎞
1 + ε 2 ⋅ TN2 ⎜⎜ ⎟⎟
⎝ ωc ⎠
Où ε détermine l’amplitude des oscillations dans la bande
passante et TN désigne le polynôme de Chebyshev d’ordre N
⎧TN ( x) = 2 x ⋅ TN −1 ( x) − TN − 2 ( x)
⎪
⎨ T1 ( x) = x
⎪ T0 ( x) = 1
⎩
36

18
 Filtres de Chebyshev
„ Exemples de réponse:

1.4 1.4 1.4

1.2 1.2 1.2

1 1 1

0.8 0.8 0.8

ni ni ni
a a a
G 0.6 G 0.6 G 0.6

0.4 0.4 0.4

0.2 0.2 0.2

0 0 0
-2 -1 0 1 -2 -1 0 1 -2 -1 0 1
10 10 10 10 10 10 10 10 10 10 10 10
Fré que nce (Hz) Fré que nce (Hz) Fré que nce (Hz)

N=2 N=4 N=8

Plus l’ordre N du filtre augmente, plus le filtre devient selectif

plus le nb d’oscillations augmente37

Filtres de Chebyshev
„ Propriétés:

1
Ondulation en bande passante : ≤ H (ω ) ≤ 1
2
„
1+ ε 2

„ Décroissance monotone ω> ωc

„ Atténuation asymptotique de 20N dB/dec

⎧ 1
N pair
„ Valeur en 0 ⎪⎪1 + ε 2
⎨
⎪
⎩⎪ 1 N impair

38

19
 Filtres de Chebyshev
„ Fonction de transfert peut s’exprimer
N −1
− pn
H ( p) = H 0 ⋅ ∏
n =0 p − pn

avec les pôles pn définis par:

pn = −ωc ⋅ [− sinh (θ1 ) ⋅ sin(θ1 ) + i ⋅ cosh(θ 2 ) ⋅ cos(θ 2 )]

où 1 ⎛1⎞ (2n + 1)π

θ1 = ⋅ arcsin h⎜ ⎟ θ2 =
N ⎝ε ⎠ 2N

39

Filtres de Chebyshev
„ En pratique…
„ On détermine ε en fonction de l’atténuation tolérée

dans la bande passante: ⎛ 1 ⎞ −

A p

20 log10 ⎜⎜ 10 ⎟ = Ap ↔ ε = 10 −1
2 ⎟
⎝ 1+ ε ⎠
„ Ensuite, il existe plusieurs familles de coefficients an en fonction
de l’ atténuation (ici Ap=-1dB soit ε=0.509):

N a0 a1 a2 a3 a4
2 1 0.995 0.907 - -
3 1 2.520 2.011 2.035 -
4 1 2.694 5.275 3.457 3.628

40

20
 Filtres elliptiques (Cauer)
„ Filtre elliptique
1
H (ω ) =
2

⎛ω ⎞
1 + ε ⋅ RN2 ⎜⎜ , L ⎟⎟
⎝ ωc ⎠

„ Où RN est une fonction rationnelle de Chebyshev et

L est un paramètre lié aux ondulations de RN

41

Filtres elliptiques (Cauer)

„ Exemples de réponse:

N=2 N=4 N=8

42

21
 Filtres elliptiques (Cauer)
„ Les filtres de Cauer se caractérisent par des oscillations en
bande de base et en bande coupée:
b0 + b1 p + b2 p 2 + K + bN p N
H ( p) =
a0 + a1 p + a2 p 2 + K + a N p N

„ L’obtention des coefficients an et bn en fonction du gabarit

implique ici des calculs le plus souvent compliqués.

„ On a recours à des procédures numériques (ex: matlab)

pour les déterminer.

43

Conclusions
„ Un filtre réel ≡ compromis entre les différentes performances du filtre
„ Réponse plate dans la bande passante
„ Fréquence de coupure raide
„ Déphasage linéaire

„ Filtres du 1er et du 2ème ordre : simplicité de mise en œuvre mais

performance moyenne

„ Butterworth: très bonne approximation du filtre idéal

„ Chebychev: fréquence de coupure la plus raide mais des ondulations

dans la bande passante, temps de transit peu constant

44

22
 Conclusions
„ Complexité de conception:

Butterworth -> Chebychev -> Cauer

„ Nb de coefficients nécessaire (ordre)

Cauer -> Chebychev -> Butterworth

45

Exemples d’implémentation

„ Cellule biquadratique universelle

Passe-bas

Passe-Bande
Passe-Haut
Les coefficients K1,K2,K3 sont réalisés à l’aide de R et de C
46

23
 Exemples d’implémentation

„ Filtres à base de capacités commutées

-Implémentation microélectronique
-Idée de remplacer R par des capacités commutées T/C0≡Req
-Objectif: filtre de fréquence variable
47

24