Académique Documents
Professionnel Documents
Culture Documents
Master_1 SIE
1
Université Sidi Mohamed Ben Abdellah
Faculté Des Sciences et Technique Fès
Département Génie Electrique
SOMMAIRE
CHAP.I: Numérisation des signaux
Echantillonnage, reconstruction, quantification.
CHAP.II: Transformée en z
Stabilité des systèmes, transformée en z inverse,
transformée de Fourier discrète.
CHAP.III: Filtres numériques
Filtres idéaux, stabilité, causalité, notion de gabarit
numérique. Filtres à réponse impulsionnelle finie, filtres à
réponse impulsionnelle infinie.
Synthèse des filtres numériques, techniques de
transformation des filtres, exemples d'implémentation de
filtres.
2
Université Sidi Mohamed Ben Abdellah
Faculté Des Sciences et Technique Fès
Département Génie Electrique
SOMMAIRE
3
Université Sidi Mohamed Ben Abdellah
Faculté Des Sciences et Technique Fès
Département Génie Electrique
Chapitre I
Numérisation des signaux
4
Introduction
Signal ?
5
Exemples de Signaux:
6
Repères historiques:
Le traitement du signal est une discipline jeune :
• Traitement du signal analogique
Avant 1940 : on en fait sans le savoir (télécommunications)
1940-1950 : naissance de l’expression “traitement du signal” ; application
en radar, sonar, téléphonie
• L’essor du traitement du signal numérique
1950-1960 : invention du transistor et du circuit intégré
1960-1970 : premiers ordinateurs numériques
D’abord limité à des applications critiques (radar, sonar militaire, pétrole,
espace, médecine)
1980+ : explosion des ordinateurs personnels et des applications
commerciales
• L’enseignement du traitement du signal
1980 : enseigné en troisième cycle (thèse)
1990 : enseigné dès le premier cycle (souvent en cursus EEA)
Aujourd’hui outil de base pour les scientifiques et les ingénieurs, de plus
en plus éloigné de l’électronique mais de plus en plus proches des
mathématiques, maths applis, optimisation, informatique et algorithmique...
7
Traitement numérique du Signal
8
9
Quelques applications :
- téléphonie mobile,
- cartes son, synthèse musicale, …
- codage vidéo et audio en visiophonie, formats d’échange
audio et vidéo, …
- reconnaissance de la parole,
- vision industrielle,
- suivi de cibles, radars, …
- analyse du sous sol (ondes sismiques, recherche pétrolière…)
- aide au diagnostic médical (EEG, ECG, …)
- GPS,
- … !!
10
Amplitude A Numérisation d’un signal analogique
Signal analogique
Temps (t)
Amplitude A
Signal échantillonné
Temps (k t)
Amplitude (k A0)
Signal quantifié
Temps (t)
Amplitude (k A0)
Signal numérique
Temps (k t)
11
Quelques signaux numériques usuels
Signal signe Signal échelon
1 n 1, 2,.... 1 n 0,1, 2,....
sgn( n ) e( n )
1 n 0,1, 2,... 0 n 1, 2,...
1 1
1
n n
-1 0
0 1 2 N-1 n
n
1 si 0 n N 1 n n 0
rect N (n) r(n)
0 ailleurs 0 n 0
12
Impulsion de Dirac
1 k k 0 (k-k0)
δ(k k 0 )
0 k k 0 1
k0 k
Peigne de Dirac To
To ( t kT )
k
o
T
s(t)KT
Temps: t
Temps:
Temps: t T n=0,1,2,..
16
Généralement, les valeurs prélevées sur le signal continu sont régulièrement
espacées dans le temps.
On parle de pas d’échantillonnage constant ou régulier, ce qui définit une
période d’échantillonnage.
Prélèvement Irrégulier
17
Échantillonnage idéal
C’est le prélèvement pendant un temps infiniment court ( T 0 ) des
valeurs de x(t) à des instants t = nT = nTe, n=1,2,……
Dans le domaine temporel, l’échantillonnage idéal peut être vu comme
une multiplication du signal par le peigne de Dirac
n
Modélisation: x e ( t ) x ( t ). ( t nTe)
n
x ( t ).( t t o ) x ( t o ).( t t o )
x(t)
x
n
Te ( t ) ( t nTe )
n
= x e (t) x(t ) Te (t )
Les échantillons
t
n
t
x e (t) x (nTe)(t nTe)
n
18
Le grand-père du traitement du signal
- Mathématicien français
- Travaux sur la décomposition de
fonctions périodiques en séries
trigonométriques
- ... justement devenues célèbres sous le
nom de Séries de Fourier
- Cela pourrait n’être considéré que
Joseph Fourier
“comme des maths”
(1768-1830)
-... s’il ne les avait appliqués à modéliser
les solutions de l’équation de la chaleur
19
Le spectre Xe(f) du signal échantillonné est:
n
X e (f ) TFx e (t ) TF x(t ) (t nTe )
n
n n
1
Comme TF ( t nT e ) Fe ( f nF e ) avec Fe
n n Te
n
On a (Plancherel): X e (f ) Fe X(f ) (f nF )
n
e
20
Interprétons cette dernière équation:
x(t) X(f); borné
-fmax 0 fmax
-fmax 0 Fe 2Fe
Fmax
22
L’oncle du traitement du signal
23
Théorème de Shannon
Pour échantillonner un signal sans perte d'information, il faut que la
fréquence d'échantillonnage Fe soit supérieure au double de la
fréquence maximale du signal:
Fe 2F max
Fréquence de Shannon:
(de Nyquist ou fréquence de repliement)
Fe
Elle vaut: F max
2
C’est la fréquence maximale admissible dans un spectre qui permet d’éviter les
distorsions du spectre du signal échantillonné par une fréquence Fe.
Filtre de Shannon :
C’est le filtre passe – bas idéal de fréquence de
coupure égale à la fréquence de Shannon. -Fe /2 0 Fe /2 f
24
Restitution du signal
Si
Fe 2F max Les motifs sont disjoints deux à deux et il est possible
d'isoler le motif principal en utilisant le filtre de
Shannon et donc de retrouver x(t) par TFI.
Si
Fe 2F max Les motifs se recouvrent aux extrémités selon des
profondeurs qui dépendent de Fe. Le motif principal est
affecté par les motifs qui l’entourent (recouvrement).
Il est impossible de retrouver le spectre de x(t).
Pour restituer un signal x(t) à partir de xe(t) il suffit de pouvoir isoler un motif
du spectre Xe(f). Pour ceci, il faut que:
le spectre initial soit borné.
l’échantillonnage vérifie le théorème de Shannon.
25
Notons X0(f) le motif de fréquence centrale f = 0, dit aussi motif de rang 0
ou motif principal.
rect ( f / F e )
-Fe/2 0 Fe /2
Fe X(f ) X 0 ( f ) X e ( f ) rect ( f / F e )
-fmax 0 fmax
26
X 0 ( f ) X e ( f )rect ( f / Fe )
Théorème de Plancherel x 0 ( t ) x e ( t ) * F e sin c ( F e t )
n
Comme x e (t ) x(nTe)(t nTe)
n
n
sin( F e ( t nTe ))
x 0 (t)
n
x ( nTe ). F e
F e ( t nTe )
Comme X e ( f ) F e .
n
X ( f nF e ) X e0 ( f ) Fe . X ( f )
28
Comment éviter le repliement dans le cas de
spectres non bornés?
La plupart des signaux réels sont à spectre large (la parole par exemple). On
ne peut pas définir une fréquence maximale et l’échantillonnage entraîne
inévitablement le problème de recouvrement .
Dans la pratique, seules des informations fréquentielles d’un certain rang sont
exploitables.
Exemple
Industrie HiFi: 20 kHz est la fréquence maximale audible par l’homme.
L’échantillonnage se fera donc à 2*20 kHz soit 40 kHz.
Téléphonie: Les signaux sont compris entre 300 et 3400 Hz.
On peut donc échantillonner à 6800Hz. Généralement, on prend 8kHz (125ms
entre 2 échantillons).
29
On fait précéder l’échantillonneur d’un filtre passe-bas, dit anti-repliement, de
fréquence de coupure Fe / 2.
|X(f)|
Te =1/Fe
f
-fmax fmax
xf(t)
Filtre de
Shannon
Signal
original x(t)
X f (f ) X(f ) Fe (f )
-Fe/2 Fe/2 f
30
Échantillonnage réel
Le peigne de Dirac utilisé pour l’échantillonnage idéal est un objet théorique.
Dans la pratique, seules des impulsions approximant ceux de Dirac peuvent être
utilisées: durée courte non nulle.
On utilise donc le peigne réel, défini comme étant une suite d’impulsions de durée
t = T et de période Te.
t
Te nTe
C’est une périodisation d’un signal du type impulsion rectangle.
n
Te ,t (t ) t (t ) * Te (t ) t (t nTe)
n
Te ( t ) ( t nTe )
n
31
Le spectre de Te ,t (t ) s’exprime par:
TF( Te ,t )(f ) t sin c( tf ).Fe (f nF )
n
e
TF( Te ,t )(f ) t.Fe sin c( tnF )(f nF )
n
e e
32
xe(t) xe(nTe)=x(t) Echantillonnage naturel:
pour
Amplitude égale à celle du signal durant
nTe-t/2 <t< nTe + t/2
la durée t.
t nTe t
xe(t) xe(t)=x(nTe ) Echantillonnage régulier:
pour
Amplitude constante durant toute la
nTe - t/2 <t< nTe + t /2 durée t et égale à celle du signal à
l’instant d’échantillonnage x(nTe).
t nTe t
xe(t) xe(nTe)= moyt(x(t)) Echantillonneur moyenneur:
Amplitude constante durant toute la
pour durée t et égale à la moyenne du signal
nTe -t/2 <t< nTe + t/2 durant l’intervalle t autour de l’instant
d’échantillonnage nTe.
t nTe t
33
Echantillonnage naturel xe(nTe)=x(t)
pour
x e ( t ) x ( t ). t ( t nTe ) x ( t ) t ( t ) * Te ( t ) nTe -t/2 <t< nTe +t/2
n
X e (f ) X(f ) * t.Fe sin c( tnF )(f nF )
e e
n
t Te t
X e (f ) t.Fe sin c( tnF )X(f nF )
n
e e
nTe τ/2
Comme Π t nT x(t) dt x(t) * Π ( t)(nT )
nTe τ/2
τ e τ e
nTe t
Alors x e nTe x(t) * Π τ ( t) (nTe )
1
x e t x e (nTe ) δ(t nTe ) x(t) * Π τ ( t) (nTe ) δ(t nTe )
n τ n
Le spectre est donc:
1
Xe (f) τsinc(πτf)X(f)* Feδ(f nFe ) Fe sinc(πt (f nFe ))X(f nFe )
τ n n
36
Quantification des signaux échantillonnés
La quantification est une discrétisation de l’amplitude du signal.
C’est une opération préliminaire à tout traitement numérique d’un signal car
les systèmes numériques ne travaillent que sur des quantités finies: les
amplitudes, comme le temps, doivent prendre des valeurs finies dans un
ensemble fini de valeurs.
Ceci limite la précision d’une représentation.
Définition:
La quantification consiste à transformer les échantillons d’un signal x(nTe)
= x(n) = xn en des échantillons d’amplitudes y(nTe) = y(n) = yn prises dans
un ensemble fini connu à l’avance.
37
La quantification est donc:
1. Une classification de xn dans des intervalles pré-définis.
2. Une approximation où chaque valeur de xe(t) est représentée
par un multiple entier d'une quantité élémentaire q appelée "pas
de quantification" ou quantum.
38
Exemples de quantification:
1. Par arrondi: Si N 1 q x ( t ) ( N 1 ) q
e
2 2
Alors à xe(t) on associe le code N ou la valeur Nq
Toute valeur du signal comprise entre N-1/2)(q et (N+1/2)q est arrondie à Nq
2. Par troncature: Si Nq x e ( t ) ( N 1) q
Alors à xe(t) on associe le code N ou la valeur Nq
Dans ce cas la caractéristique se déplace de q/2 vers la droite sur l’axe des
abscisses
Erreur de quantification:
La quantification introduit une erreur dite erreur de
quantification: e(k ) x e (kTe ) x e ,q (kTe )
39
Quantification uniforme ou linéaire
Lorsque le pas de quantification (quantum q) est une constante, on
parle alors de quantification uniforme ou linéaire .
Amplitude
Vmax Vmin 2Vmax +Vmax
q N
M 2
M est le nbre de niveaux. -Vmax
40
Fonction de transfert d'un CAN
Elle définit la relation entre le code numérique de la sortie du
CAN en fonction de la tension d'entrée .
Sortie
CAN
Signal
numérique
Définition 2: La résolution
C’est l'intervalle de tension d'entrée à laquelle correspondra un même
nombre binaire en sortie.
42
Définition 3: La dynamique d’un signal
C’est le rapport entre la tension maxi et la tension mini que
pourra prendre ce signal.
Définition 4: La dynamique d’un CAN
C’est le nombre de codes binaires différents que peut fournir
le convertisseur (moins un).
Dans la pratique, on arrondira ce nombre à une puissance de
2 ce qui définit le nombre de bits du convertisseur et
s’exprime en db = 20log(‘’Nbe bits’’).
Exemple: Convertisseur 8 bits.
Dynamique vaut (en toute rigueur) 28 - 1 = 255.
Elle s’exprimera par 48db = 20log(255+1)= 20log(28).
43
Définition 5: Le débit binaire en sortie d’un CAN
C’est le produit du nombre de bits par la fréquence
d’échantillonnage soit: D N Fe 2N Fmax
Son unité est bits/s.
44
Erreur de quantification
C’est l’erreur entre l’entrée et la sortie reconstituée du CAN.
Elle s’exprime par: e(t ) x num (t ) x anal (t )
45
Quantification sans offset (CAN corrigé)
On décale le premier LSB d’un demi LSB à gauche.
2q
1q
0q q 3q 2q 5q 3q
q
2 Valeurs de xe(k)
2 2
Quantification selon le plus proche voisin obtenue à partir de la
relation:
1 1
x e,q (k) Nq si N q x e (k) N q
2 2
L’erreur de quantification ds ce cas est égale au demi-pas de
quantification (q/2).
47
Exemples: CAN typiques
Pour un signal variant entre 0 et +5 V:
Système: x e (k ) Quantificateur x e , q ( k ) x e (k ) e (k )
Modèle: x e (k ) x e , q ( k ) x e (k ) e (k )
e(k )
Le bruit de quantification est une variable aléatoire stationnaire et ergodique.
48
Quantification non linéaire