Vous êtes sur la page 1sur 5

Echantillonnage de signaux

1- Introduction
Les signaux délivrés par les systèmes de mesures (tel un capteur) sont des signaux
analogiques. Ils sont représentes par un signal continue du temps. Afin de pouvoir les traiter
numériquement (à l’aide de l’outil informatique), on doit les numériser.

L’échantillonnage est une composante très importante d’un système discret, il permet de
convertir un signal continu à un signal discret. On ne s’intéresse pas ici à l’électronique de cette
conversion, mais plutôt a l’aspect des échantillons (c’est-à-dire à quelle fréquence).

L’objectif principal est de comprendre le théorème de l’échantillonnage. Le théorème de


l’échantillonnage dit qu’on peut reconstruire exactement un signal à partir de ses échantillons
si la fréquence d’échantillonnage est plus de 2 fois la plus haute fréquence contenue dans le
signal.

Le processus de reconvertir un signal discret à un signal continu est appelé la


reconstruction. Un bon exemple de reconstruction est les CD audio. La musique est stockée de
façon numérique sur les CD, puis le lecteur reconvertit ce signal en forme analogique par les
haut-parleurs.

2- Echantillonnage idéal

x =

+∞ +∞
se ( t ) = s ( t ) .Pgn Te ( t ) = s ( t ) . ∑ δ ( t - kTe ) = ∑ s ( t ) .δ ( t - kTe )
k = -∞ k = -∞

+∞ +∞
se ( t ) = ∑ s ( kTe )δ ( t - kTe ) = ∑ s ( kTe )
k = -∞ k = -∞
3- Transformée de Fourier du signal échantillonnée

Soit le signal s(t), dont la transformée de Fourier est S(f). Soit se(t) son signal
échantillonné, dont la transformée de Fourier est Se(f). Afin d’étudier l’effet de
l’échantillonnage sur le spectre du signal, nous calculons les transformées de Fourier des deux
+∞
signaux. Or se ( t ) = s ( t ) .Pgn Te ( t ) avec Pgn Te ( t ) = ∑ δ ( t - kTe )
k=-∞

D’après le théorème de Plancherel (de convolution) :

1 1 +∞  k 
Se ( f ) = S ( f ) * Pgn 1 ( f ) = S ( f ) * ∑ δf - 
Te Te k = -∞  Te 
Te

1 +∞  k  1 +∞  k 
Se ( f ) = ∑ S ( f ) *δ  f -  = ∑ S f - T 
Te k = -∞  Te  Te k = -∞  e

s(t) PgnTe(t) se(t)

x =

TF ↓ TF ↓ TF ↓

* =

S(f) (1/Te) Pgn1/Te(f) Se(f)

On définit :

Te : période d’échantillonnage.

fe = 1/Te : fréquence d’échantillonnage.


4- Effet du pas d’échantillonnage

La période du spectre du signal échantillonné Se(f) est égale à la fréquence


d’échantillonnage fe du signal temporel s(t). Lorsque Te ↑, fe = 1/Te ↓.

se(t) Se(f)

TF → Signal sur-
échantillonné

TF → Signal sous-
échantillonné

On assiste dans le cas d’un signal sous-échantillonné à un phénomène de repliement de


spectre.

Une fréquence située dans la zone de repliement (entre fe/2 et fmax) peut appartenir au
spectre de base du signal initial et à son image décalée de fe.

Ceci conduit à une fausse interprétation du contenu fréquentiel du signal.

5- Théorème d’échantillonnage / Théorème de Shannon

Afin d’échantillonner un signal correctement, il faut et il suffit que la fréquence


d’échantillonnage fe, soit supérieure ou égale au double de la fréquence maximale fmax contenue
dans son spectre. i.e : fe ≥ 2fmax.

On pose : fN = fe/2 : Fréquence de Nyquist ou de Shannon. D’où : fN = fe/2 ≥ fmax.

Il y a plusieurs exemples du théorème d’échantillonnage dans la vie courante. Par


exemple, les CD audio utilisent une fréquence d’échantillonnage de 44.1kHz pour le stockage,
ce qui est un peu plus de 2 fois la fréquence maximale perçue par l’oreille humaine, soit 20kHz.
6- Filtre reconstructeur de Shannon, formule de Shannon

La reconstruction d’un signal est l’opération de passer d’un signal discret à un signal
continu.

Se(f) rectfe(f) Se0(f)

x =

TF-1 ↓ TF-1 ↓ TF-1 ↓

* =

se(t) fe.sinc(πfet) se0(t)

Spectre de base du signal échantillonné : Se0 ( f ) = Se ( f ) .Πf e ( f )

Par transformée de Fourier inverse : se0 ( t ) = se ( t ) *fe .sinc ( πf e t )

 +∞ 
Soit se0 ( t ) =  ∑ s ( t ) .δ ( t - kTe )  * fe .sinc ( πf e t )
 k=-∞ 

+∞
se0 ( t ) = fe ∑ s ( kTe ) . δ ( t - kTe ) *sinc ( πfe t )
k=-∞

+∞
se0 ( t ) = fe ∑ s ( kTe ) .sinc ( πfe ( t - kTe ) )
k = -∞

1 +∞  k  1 +∞  k 
Or, se0 ( t ) = fe .s ( t ) par ce que Se ( f ) = ∑ S ( f ) *δ  f -  = ∑ S f - T 
Te k = -∞  Te  Te k = -∞  e
D’où la formule de Shannon qui reconstruit s(t) à partir des échantillons s(kTe) si la
contrainte de Shannon est respectée.

+∞
s(t)= ∑ s ( kTe ) .sinc ( πfe ( t - kTe ) )
k=-∞

Une équation générale permet de représenter l’équation précédente par :


+∞
s(t)= ∑ s ( kTe ) p ( t - kTe ) , où p(t) est un pulse d’une forme carré ou triangulaire ou cubique
k=-∞

ou sinus cardinal.

Théoriquement le sinc est le pulse, qui reconstruit exactement le signal original.


Cependant, pour reconstruire exactement le signal original, le pulse sinc doit être de longueur
infinie, ce qui n’est pas possible en pratique. On utilise plutôt un pulse triangulaire, avec plus
d’échantillons, pour reconstruire le signal original.

Vous aimerez peut-être aussi