Chapitre 2 - Filtre Moyenneur

Université Ziane Achour de Djelfa ‫ﺟﺎﻣﻌﺔ زﯾﺎن ﻋﺎﺷﻮر ﺑﺎﻟﺠﻠﻔﺔ‬
Faculté des Sciences et de la Technologie ‫ﻛﻠﯿﺔ اﻟﻌﻠﻮم و اﻟﺘﻜﻨﻮﻟﻮﺟﯿﺎ‬

Département de Génie Electrique ‫ﻗﺴﻢ اﻟﮭﻨﺪﺳﺔ اﻟﻜﮭﺮﺑﺎﺋﯿﺔ‬
Chapitre 2. Le filtre moyenneur
2.1. Introduction
Le filtre moyenneur (ou filtre à moyenne mobile) est le filtre le plus courant dans le traitement
numérique du signal, principalement parce que c’est le filtre numérique le plus facile à comprendre
et à utiliser. Malgré sa simplicité, le filtre moyenneur est optimal pour une tâche courante : réduire
le bruit aléatoire tout en conservant une réponse pas nette. Cela en fait le premier filtre pour les
signaux codés dans le domaine temporel. Cependant, le filtre moyenneur est le pire filtre pour les
signaux codés dans le domaine fréquentiel, avec une faible capacité à séparer une bande de
fréquences d'une autre. Les filtres proches du moyenneur incluent les filtres Gaussian et de Blackman
ont des performances légèrement meilleures dans le domaine fréquentiel, au détriment d'un temps
de calcul accru.
2.2. Implémentation par convolution

Comme son nom l'indique, le filtre moyenneur fonctionne en faisant la moyenne d’un certain nombre
de points à partir du signal d’entrée pour produire chaque point du signal de sortie. Sous forme
d’équation, cela s’écrit :
𝑴𝑴−𝟏𝟏
𝟏𝟏
𝒚𝒚[𝒊𝒊] = � 𝒙𝒙[𝒊𝒊 + 𝒋𝒋] (𝟏𝟏)
𝑴𝑴
𝒋𝒋=𝟎𝟎
Où x [ ] est le signal d’entrée, y [ ] est le signal de sortie et M est le nombre de points dans la
moyenne. Cette équation n’utilise que des points d’un côté de l’échantillon de sortie en cours de
calcul. Par exemple, dans un filtre moyenneur à 5 points, le point 80 du signal de sortie est donné
par :
𝑥𝑥[80] + 𝑥𝑥[81] + 𝑥𝑥[82] + 𝑥𝑥[83] + 𝑥𝑥[84]
𝑦𝑦[80] =
5
En alternative, le groupe de points du signal d’entrée peut être choisi symétriquement autour du
point de sortie :
𝑥𝑥[78] + 𝑥𝑥[79] + 𝑥𝑥[80] + 𝑥𝑥[81] + 𝑥𝑥[82]
𝑦𝑦[80] =
5
Cela correspond à changer la sommation dans l’équation (1) de : 𝑗𝑗 = 0 à 𝑀𝑀 − 1, à :
𝑗𝑗 = −(𝑀𝑀 − 1)⁄2 à (𝑀𝑀 − 1)⁄2.
Cours de Traitement avancé des signaux physiologiques Responsable : Mr. BOUTAA Mohammed
1
Par exemple, dans un filtre moyenneur à 11 points, l'indice j peut aller de 0 à 10 (moyenne d’un côté)
ou de -5 à 5 (moyenne symétrique). La moyenne symétrique nécessite que M soit un nombre
impair. La programmation est légèrement plus facile avec les points sur un seul côté ; cependant,
cela produit un décalage relatif entre les signaux d’entrée et de sortie.
Vous devez reconnaître que le filtre moyenneur est une convolution utilisant un noyau de filtre très
simple. Par exemple, un filtre à 5 points a le noyau de filtre : ... 0, 0, 1/5, 1/5, 1/5, 1/5, 1/5, 0, 0 ... .
Autrement dit, le filtre moyenneur est une convolution du signal d'entrée avec une impulsion
rectangulaire ayant une aire égale à un.
2.3. Réduction du bruit

Parce qu’il est très simple, le filtre moyenneur est souvent la première chose à essayer face à un
problème. Même si le problème est complètement résolu, il y a toujours le sentiment que quelque
chose de plus devrait être fait. Cette situation est vraiment ironique. Non seulement le filtre
moyenneur est très bon pour de nombreuses applications, mais il est optimal pour un problème
courant, en réduisant le bruit blanc aléatoire tout en conservant la réponse pas à pas la plus nette.
Figure 1 : Exemple de filtre moyenneur. En (a), une impulsion rectangulaire est enterrée dans un
bruit aléatoire. En (b) et (c), ce signal est filtré avec des filtres moyenneurs à 11 et 51 points,
respectivement.
2
La figure 1 montre un exemple de la façon dont cela fonctionne. Le signal en (a) est une impulsion
enfouie dans un bruit aléatoire. En (b) et (c), l’action de lissage du filtre moyenneur diminue
l’amplitude du bruit aléatoire (bon), mais réduit également la netteté des bords (mauvais). De tous
les filtres linéaires possibles qui pourraient être utilisés, le moyenneur produit le bruit le plus faible
pour une netteté de bord donnée. La quantité de réduction du bruit est égale à la racine carrée du
nombre de points dans la moyenne. Par exemple, un filtre moyenneur de 100 points réduit le bruit
d’un facteur de 10. Pour comprendre pourquoi le moyenneur est la meilleure solution, imaginez que
nous souhaitons concevoir un filtre avec une netteté de bord fixe. Par exemple, supposons que nous
corrigeons la netteté des contours en spécifiant qu’il y a onze points dans la montée de la réponse
en échelon. Cela nécessite que le noyau de filtre ait onze points. La question d’optimisation est :
comment choisir les onze valeurs dans le noyau de filtre pour minimiser le bruit sur le signal de
sortie ? Puisque le bruit que nous essayons de réduire est aléatoire, aucun des points d’entrée n’est
spécial ; chacun est aussi bruyant que son voisin. Par conséquent, il est inutile d’accorder un
traitement préférentiel à l’un quelconque des points d’entrée en lui attribuant un coefficient plus
grand dans le noyau de filtre. Le bruit le plus faible est obtenu lorsque tous les échantillons d’entrée
sont traités de manière égale, c'est-à-dire le filtre moyenneur.
2.4. Réponse fréquentielle :

La figure 2 montre la réponse en fréquence du filtre moyenneur. Elle est mathématiquement décrite
par la transformée de Fourier de l’impulsion rectangulaire. La pente est très lente et l’atténuation
de la bande d’arrêt est horrible. De toute évidence, le filtre moyenneur ne peut pas séparer une
bande de fréquences d’une autre. N’oubliez pas qu’une bonne performance dans le domaine
temporel entraîne une mauvaise performance dans le domaine fréquentiel et vice versa. En bref, le
moyenneur est un filtre de lissage exceptionnellement bon (dans le domaine temporel), mais un
filtre passe-bas exceptionnellement mauvais (dans le domaine fréquentiel).
3
Réponse Fréquentielle
1
0.9
0.8
0.7
3 Points
0.6
11 Points
Amplitude
0.5
0.4
31 Points
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5
Fréquence
Figure 2 : Réponse en fréquence du filtre moyenneur. Le moyenneur est un filtre passe-bas très médiocre,
en raison de sa lente atténuation et de sa mauvaise atténuation de la bande d’arrêt.
2.5. Exemple d’Application pour un signal physiologique

L'électrocardiogramme est un signal électrophysiologique qui décrit le comportement électrique du
cœur humain. Le signal électrocardiographique (ECG) nécessite plusieurs mesures de différentes
parties du corps du patient (instrumentation biomédicale). Cependant, la présence d’équipements
électriques ajoute des perturbations qui affectent le système d’instrumentation. L’amplitude de
l’ECG est d’environ 1 mV et sa bande passante est comprise entre 0,5 et 100 Hz. La figure 3 montre
un signal électrocardiographique extrait de la base de données de signaux Physionet. Le signal
proposé et ses composantes dans le domaine fréquentiel sont illustrés à la figure 3.
4
Figure 3 : Signal ECG proposé et son spectre.
Ce signal va être modifié en ajoutant du bruit correspondant au bruit généré par la proximité des
lignes électriques, ce qui est courant dans les signaux ECG une fois qu’ils sont acquis. La forme
d’onde obtenue est représentée sur la figure 4. Cette nouvelle version du signal d’origine est plus
proche d’un scénario réel où différents facteurs, tels que les lignes électriques, peuvent ajouter des
données indésirables à la fenêtre temporelle. Ensuite, le filtre moyenneur peut être obtenu en
utilisant un simple code dans MATLAB.
Figure 4 : Signal ECG déformé par le bruit des lignes électriques.
5
En conséquence, le bruit ajouté initialement devient considérablement réduit comme le montre la

figure 5. Cela démontre que le filtre moyenneur est très efficace pour fonctionner comme filtre
passe-bas et éliminer les composants indésirables du signal étudié. De plus, la charge de calcul
n'est pas exigeante pour les applications en temps réel.
Figure 5. Signal ECG filtré en utilisant un filtrage moyenneur avec M = 8.

Chapitre 2 - Filtre Moyenneur

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 2 - Filtre Moyenneur

Transféré par

Droits d'auteur :

Formats disponibles

Université Ziane Achour de Djelfa ‫ﺟﺎﻣﻌﺔ زﯾﺎن ﻋﺎﺷﻮر ﺑﺎﻟﺠﻠﻔﺔ‬

Faculté des Sciences et de la Technologie ‫ﻛﻠﯿﺔ اﻟﻌﻠﻮم و اﻟﺘﻜﻨﻮﻟﻮﺟﯿﺎ‬

Chapitre 2. Le filtre moyenneur

2.2. Implémentation par convolution

2.3. Réduction du bruit

2.4. Réponse fréquentielle :

2.5. Exemple d’Application pour un signal physiologique

Figure 3 : Signal ECG proposé et son spectre.

Figure 4 : Signal ECG déformé par le bruit des lignes électriques.

En conséquence, le bruit ajouté initialement devient considérablement réduit comme le montre la

Figure 5. Signal ECG filtré en utilisant un filtrage moyenneur avec M = 8.

Vous aimerez peut-être aussi