Vous êtes sur la page 1sur 21

Traitement Numérique des Signaux M1 ST (2017/2018)

0. Rappels Divers
1. Rappels sur la Transformée de Fourier

La transformée de Fourier est une technique mathématique


permettant de déterminer le spectre de fréquences d'un signal:

. +∞ +∞
TF {x (t )} = X ( f ) = ∫ x (t ) e − 2π j f t
dt x(t ) = TF −1
{X ( f )} = ∫ X ( f ) e 2π j f t df
−∞ −∞

o Linéarité : ax1 (t ) + bx2 (t ) → aX 1 ( f ) + bX 2 ( f )


TF

o Décalage temporel : x(t − t 0 ) →


TF
X ( f ) e − 2π j f t0

o Décalage fréquentiel : x(t )e 2π j f0t


→
TF
X ( f − f 0 ) (MA)

o Dualité temps-fréq : x(t ) → X ( f ) ⇒ X (t ) → x(− f )


TF TF

1
o Changement d'échelle : x(at ) →
TF
X ( f / a)
a

d n x(t ) TF
o Dérivation : →(2π j f ) n X ( f )
dt n

x(−t ) →
TF
X (− f )
o Inversion et conjugaison :
x * (t ) →
TF
X * (− f )

o Convolution : x(t ) ∗ h(t ) → X ( f ).H ( f )


TF

TF au sens des distributions

Pour les signaux à puissance moyenne finie (Dirac, Echellon,


signaux périodiques, etc.),

o Dirac : δ (t − t 0 ) →
TF
e −2 π j f t0
⇒ δ (t ) →
TF
1

1 1 1
o Echelon et signe: U (t ) →
TF
+ δ(f ) Sgn( f ) =
2πjf 2 πjf
+∞ +∞
o Périodiques : ∑ C n exp(2πjnf 0 t ) →
n = −∞
TF
∑ C δ ( f − nf
n = −∞
n 0 )

+∞
1 +∞
o Peigne de Dirac : ∑ δ (t − nT ) →
n = −∞
TF
X(f ) = ∑ δ ( f − nf 0 )
T n = −∞

1 1 1 1
o cos(2πf 0 t ) →
TF
δ ( f − f0 ) + δ ( f + f0 ) sin(2πf 0 t ) →
TF
δ ( f − f0 ) − δ ( f + f0 )
2 2 2j 2j
FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
+∞s +∞s
Ex = ∫ x(t ) dt = ∫ X( f )
2 2
Pour les signaux à énergie finie, la TF conserve l'énergie (relation de Parseval) : df
−∞ −∞
La densité spectrale d'énergie (DSE) est la TF de l'autocorrélation (Thèorème de Wiener-Kintchine)
+∞s

∫R (τ )e − 2 π j f τ dτ
2
Sx ( f ) = X ( f ) = x
−∞
Pour les signaux à puissance moyenne finie, on définit alors une densité spectrale de puissance (DSP):
2
X(f )
Px ( f ) = lim
T →∞ T

2. Signaux déterministes à temps discret usuels

- Fonction signe - Fonction échelon (unité)

 1 n≥0  1 n≥0 Fonction Echellon

sgn( n) =  U ( n) = Γ ( n) =  1

− 1 n<0  0 n<0 0.9

Fonction Signe 0.8


1

0.8 0.7

0.6 0.6

0.4
0.5
0.2
0.4
0
0.3
-0.2

-0.4 0.2

-0.6 0.1

-0.8
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
-1
-10 -8 -6 -4 -2 0 2 4 6 8 10
- Fonction porte - Fonction rectangle causal
Fonction Rectangle
1

1 − N / 2 ≤ n ≤ N / 2 1 0 ≤ n ≤ N −1 0.9

Π ( n) =  rect(n / N ) =  0.8

N +1
 0 ailleurs 0 ailleurs
Fonction Porte
1 0.7

0.9 0.6

0.8
0.5
0.7
0.4
0.6
0.3
0.5
0.2
0.4
0.1
0.3
0
0.2 -10 -8 -6 -4 -2 0 2 4 6 8 10
Fonction Dirac
0.1 1
0
-10 -8 -6 -4 -2 0 2 4 6 8 10 0.9

- Fonction Dirac (impulsion unité) 0.8

0.7

0.6

 1 n=0
δ ( n) =  = U (n) − U (n − 1)
0.5

 0 n≠0 0.4

0.3

0.2

o x(n). δ(n-n0)=x(n0) • x(n)* δ(n-n0)=x(n-n0) 0.1

0
-10 -8 -6 -4 -2Fonction
0 Sinc 2 4 6 8 10
1

0.8

- Fonction sinus cardinal 0.6

0.4

sin(πθ n)
sin c(θ n) = 0.2

πθ n 0

-0.2

2. Energie et puissance -0.4


-50 -40 -30 -20 -10 0 10 20 30 40 50

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)

+∞


2
Soit un signal x(n) à temps discret, tel que x (n) existe et converge. Alors le signal est dit à énergie
+∞
−∞
finie et la valeur de cette somme est appelée énergie du signal : E x = ∑
2
x(n)
−∞
Pour un signal périodique, on peut définir la puissance d'un signal x(n) périodique de période N par :

N / 2−1 N
1 1
Px = ∑ Px = ∑
2 2
x ( n) ou x ( n)
N −N / 2 2.N + 1 − N

Dans le cas général, on parle de signaux à puissance moyenne finie définie par:

N / 2−1 N
1 1
Px = lim N →∞ ∑ Px = lim N →∞ ∑
2 2
x ( n) ou x ( n)
N −N / 2 2.N + 1 − N

Remarques Signal à énergie finie ⇒ puissance nulle Signal à puissance finie ⇒ énergie infinie

3. Corrélation et auto-corrélation

La fonction de corrélation permet de mesurer le degré de ressemblance entre deux signaux en fonction

d’un décalage. R xy ( k ) = ∑ x(n) y
n = −∞
*
(n − k )

L’inter-corrélation entre x(t) et y(t) atteint un maximum pour un retard k si x(n)=y(n-k)

N
1
Pour des signaux à puissance moyenne finie : Rxy (k ) = lim
N →∞ N
∑ x ( n) y ( n − k )
n=k
*


Pour l'auto-corrélation R x ( k ) = ∑ x(n) x
n = −∞
*
(n − k )

- Pour k= 0, Rxx(0) = Ex et Rxx(k) est maximale en k=0

- Si x(n) est réel, l’auto-corrélation est réelle et paire.

- L’auto-corrélation d’un signal de durée N aura une taille 2*N-1

N −n
1
- L’auto-corrélation d’un signal périodique est périodique. Rx (k ) =
N
∑ x ( n) x ( n − k )
n =1
*

. Le rapport signal/bruit est défini par: SNRdb=20 Log(PS/PB)

4. Théorie des systèmes linéaires et invariants discrets (SLID)

x1(n)+α x2(n) Système discret y1(n)+α y2(n)

x(n-m) Système discret y(n-m)

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
Si les hypothèses de linéarité et d'invariance temporelle sont vérifiées, on peut caractériser le système par sa
réponse impulsionnelle h(n).
∞ ∞ x(n) y(n)
y ( n) = h( n) ∗ x( n) = ∑ h( m) x (n − m) = ∑ x( m) h(n − m)
m = −∞ m = −∞
SLI: h(n)

Un système linéaire invariant est un système dont le comportement dans le temps, peut-être décrit par une
M N
équation aux différences : ∑ ai y(n − i) = ∑ bi x(n − i) ,
i =0 i =0

- Si les ai sont ≠ de 0, le système est dit récursif (RII), il est non récursif s'il ne dépend que des x(n-i) (RIF)
K
- Si le système est à réponse impulsionnelle de durée finie (RIF), alors : y ( n) = ∑ h(m) x( n − m)
m =0

Dans ce cas, le système numérique est une fenêtre centrée sur les K plus récents échantillons.
+∞
- Si le système est à réponse impulsionnelle de durée infinie (RII) : y ( n ) = ∑ h ( m) x ( n − m)
m =0

5. Stabilité et causalité d'un SLID

La causalité se traduit par le fait que pour: h(n) = 0 pour n<0.

n
x(n) = 0, n < n0 alors y(n) = 0, n < n0 ⇒ h ( n ) = 0, n < 0 , y ( n ) = ∑ x ( m) h ( n − m) ,
m = −∞

n
- si h et x sont causaux y ( n ) = ∑ h(n − m) x(m)
m =0

On dit qu'un système est stable si, en lui appliquant une entrée bornée quelconque, la sortie reste bornée,
ce qui implique dans le cas des SLIT: h( n) < ∞∑n

I. Transformée de Fourier Discrète (TFD)


FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
1. Quelques rappels sur l’échantillonnage

Soit x(t) un signal analogique de transformée de Fourier X(f). Echantillonner le signal x(t) consiste à
choisir une fréquence Fe et de construire un nouveau signal avec les x(nTe) avec n un entier et Te=1/fe.

On peut écrire le signal échantillonné xe(t) sous la forme : x e (t ) = ∑ x(nT )δ (t − nT )


n
e e

que l'on peut schématiser : x(t) xe(t)

xe (t ) = x (t ).∑ δ (t − nTe ) , ∑ δ (t − nT ) e
-3Te - 2Te -Te Te 2Te 3Te

n n

⇒ X e ( f ) = fe ∑ X ( f − nf
n
e ) -3Te - 2Te -Te Te 2Te 3Te X(f)

Le spectre Xe(f) est périodique de période fe et qu’il est la somme des -fmax fmax f

répliques (copies) du spectre original X(f) décalées de nfe . Xe(f)


L'échantillonnage dans le domaine temporel se traduit par une fe

"périodisation" de période fe dans le domaine fréquentiel


-2 fe - fe -fmax fmax fe 2fe
Si fe> 2 fmax , les motifs étant disjoints, on peut extraire X(f) grâce à un filtre passe-bas idéal et donc reconstituer
parfaitement le signal x(t) à partir des xe(t) sinon il y aura recouvrement.

1. Transformée de Fourier à temps discret (TFTD)

Lorsque le signal à traiter n’est plus analogique mais numérique, la relation de la TF devient :
+∞ +∞ +∞
. +∞ +∞

TF {s (t )} = S ( f ) = ∫ s(t ) e ∫ se (t ) e ∫ ∑ s(nT )δ (t − nT ) e ∑ s(nT )e


− 2π j f t − 2π j f t − 2π j f nTe
− 2π j f t
dt ⇒ Se ( f ) = dt = e e dt = e
−∞ −∞ −∞ n = −∞ n = −∞

L'échantillonnage périodise le spectre du signal avec une période de répétition fe ainsi Se(f)=Se(f+fe):
fe / 2
+∞ 1
Se ( f ) = ∑C e n
− 2π j n Te f
Avec s (nTe ) = C n = ∫S e ( f ) e 2π j n Te f df
n = −∞
fe − fe / 2
N −1

 S k = ∑
n =0
s n e − 2π j n k / N
2. Transformée de Fourier discrète (TFD) et propriétés  N / 2−1
1
Cette transformée fait correspondre une suite de N valeurs à une autre
 sn =
 ∑ S k e 2π j n k / N
N k =− N / 2
de suite de N valeurs numériques également

On confirme que la TFD n'est que l'échantillonnage de la TFTD. sn et Sk sont périodiques de période N

N −1 N −1
1
∑s = ∑S
2 2
Par ailleurs, comme l'énergie se conserve, on obtient : n k .
0 N 0

x(n) x(n-3)
La translation d'un signal se traduit par un décalage circulaire

o Linéarité : ax1 (n) + bx2 (n) 


→ aX1 (k ) + bX 2 (k )
TFD
δ (n) TFD
→1 δ (n − m) TFD
→ e −2πjmk / N
FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
− 2π j k m 2π j k0 n
o Décalage temporel : x (n − m) TFD
→ X ( f )e N
Décalage fréquentiel : x ( n ) e N
TFD
→ X ( k − k 0 )

o Dualité temps-fréquence : x(n) →


 X (k ) ⇒ X (n) → N .x(−k )
TFD TF

1
o Changement d'échelle : x(an) → Convolution périodique : x(n) ∗ h(n) 
→ X (k ).H (k )
TFD TFD
X (k / a)
a

o δ (n) 
→1
TFD
→ e −2πjmk / N
δ (n − m) TFD

La précision fréquentielle dépend du nombre de points adoptés pour le 16


TFD

calcul de la TFD (NF). Les points en fréquences, sont espacés de 1/NF (ou 14 TFTD

fe/NF). Quant à la résolution en fréquence est liée au nombre de points du 12

signal (N) 10

Phase
8
3. TFD des signaux de longueur illimitée
6

La troncation du signal échantillonné par une fenêtre de largeur T0 a 4

pour effet de convoluer le spectre avec un sinus cardinal qui s’annule tous 2

les 1/T0 avec T0 = NTe soit tous les fe /N. L'importance de ses lobes peut être 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
réduite par l'emploi d'autres fenêtres.

Fenêtres Formulation Largeur de Lobe


Transition :L∆f Principale/Secondaire
Rectangle  N −1 2 fe/N -13 db
1 pour n ≤
wRe ct ( n) =  2
0 ailleurs
Triangulaire  N −1 4 fe /N - 25 db
1 − 2 n /( N − 1) pour n ≤
wTrian (n) =  2
0 ailleurs
Hanning  2πn N −1 4 fe /N - 31 db
0.5 + 0.5 cos( ) pour n ≤
wHan (n) =  N −1 2
0 ailleurs
Hammming  2πn N −1 4 fe /N - 41 db
0.54 + 0.46 cos( ) pour n ≤
wHam ( n) =  N −1 2
0 ailleurs
Blackman  2πn 4πn N −1 6 fe /N - 57 db
0.42+ 0.5 cos( ) + 0.08cos( ) pour n ≤
wBlack(n) =  N −1 N −1 2
0 ailleurs
Deux raies d’un spectre sont considérées comme séparables, si le maximum de l’une correspond au premier
minimum nul de l’autre soit |f1-f2| <L∆f/2

4. Notation matricielle  S 0   W80 W80 W80 W80 W80 W80 W80 W80   s0  W 0 W80 W80 W80 W80 W80 W80 W80   s0  Imaginaire
S   0   8
 
 1   W8 W81 W82 W83 W84 W85 W86 W87   s1  W 0 W81 W82 W83 W84 W85 W86 W87   s1  W86
 8
 S 2   W80 W 2
W 4
W 6
W 8
W 10
W 12 14   
W8 s2  0 W82 W84 W86 W80 W82 W84 W86   s2 
   0
8 8 8 8 8 8
   W8 W85 X W87
 S 3  =  W8 W 3
W 6
W 9
W 12
W 15
W 18
W821   s3  W80  
W83 W86 W81 W84 W87 W82 W85   s3  X
S   W 0
8 8 8 8 8 8
= X
W 4
W 8
W 12
W 16
W 20
W 24
W828   s4  W80 W8 W8 W8 W8 W8 W8 W8 s4 
4 0 4 0 4 0 4 
 4   80 8 8 8 8 8 8
    
 S 5   W8 W8
5
W8
10
W8
15
W8
20
W8
25
W8
30
W835   s5  W80 W85 W82 W87 W84 W81 W86 W83   s5  W84 W80
S   W 0 W 6
W 12
W 18
W 24
W 30
W 36
W842   
s  0 W86 W84 W82 W80 W86 W84 W82   s6  X X
 6  8 8 8 8 8 8 8   6  W8  
 S 7   W80 W8
7
W8
14
W8
21
W8
28
W8
35
W 8
42
W849   s7  W80 W87 W86 W85 W84 W83 W82 W81   s7  Réel
X X
W83 X W81
W82

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
II. Analyse des filtres numériques par la TZ
1. Transformée en Z

Soit un signal discret x(n). Sa TZ est définie par:


+∞
X ( z) = ∑ x(n).z
n = −∞
−n
où z est une variable complexe définie partout où cette série converge.

L'ensemble des valeurs de la variable complexe z pour lesquelles la série converge est appelée Région De
Convergence (RDC): +∞
 
RDC =  z ∈ C / ∑ x(n).z − n < +∞ 
 n = −∞ 
Lla RDC est un anneau de convergence centré sur l'origine défini par :
Im(z)
−1 / n
r1 < z < r2 avec r1 = lim x(n) et r2 = lim x (− n)
1/ n

n → +∞ n → +∞

où r1 peut être réduit à 0 etr2 peut être égal à l’∞. r1


Im(z)
r2 Re(z)
Im(z) RDC RDC

r1
r2
Re(z)
RDC Re(z)

système anti-causal : RDC cercle. sytème causal : RDC extérieure au cercle.

Remarque : La TZ de an pour n ∈ ]-∞, +∞[ n'existe pas.

2. Propriétés de la TZ

Si on définit : x(n) → X ( z) , x1 (n) → X 1 ( z) et x2 (n) → X 2 ( z)


TZ TZ TZ

- Linéarité : a.x1 (n) + b.x2 (n) → a. X 1 ( z) + b.X 2 ( z )


TZ
RDC intersection des deux RDC

−k
- Théorème du retard : x(n − k ) → z . X ( z)
TZ
RDC : identique

k −1
- Théorème de l'avance : x( n + k ) →
TZ
z k .X ( z) − ∑ x (n) z
n =0
k −n
RDC : identique

z
- Multiplication par an : a n x (n) →
TZ
X  RDC : a.r1 < z < a.r2
a

- Retournement du temps : x(−n) →


TZ
X ( z −1 ) RDC : 1 / r2 < z < 1 / r1

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
- Convolution : x1 (n) ∗x 2 (n) → X 1 ( z ).X 2 ( z) et
TZ
RDC : identique

dX ( z )
- Théorème de dérivation : n.x ( n) →
TZ
− z. RDC : identique
dz

- Théorème de la valeur initiale : si x(n)=0 pour n<0 alors x(0) = lim X ( z )


z →∞

- Théorème de la valeur finale : lim x ( n) = lim( z − 1) X ( z )


n → +∞ z →1

Quelques TZ

x(n) X(z) Région de convergence


δ(n) 1 ∀z
U (n) 1 z >1
1 − z −1
a nU (n) 1 z > a
1 − az −1
n a nU (n) az −1 z > a
(1 − az ) −1 2

− a U (−n − 1)
n
1 z < a
1 − az −1
cos(ω 0 n)U (n) 1 − z −1 cos(ω 0 ) z >1
1 − 2 z −1 cos(ω 0 ) + z − 2
sin(ω 0 n)U (n) z −1 sin(ω0 ) z >1
1 − 2 z −1 cos(ω0 ) + z − 2
a n cos(ω 0 n)U ( n) 1 − az −1 cos(ω 0 ) z > a
1 − 2az −1 cos(ω 0 ) + a 2 z − 2
a n sin(ω 0 n)U ( n) az −1 sin(ω0 ) z > a
1 − 2az −1 cos(ω0 ) + a 2 z − 2
4. TZ rationnelles
N

M N M N ∑ b .z i
−i

∏ (z − z )
N

∑ a y(n − i) = ∑ b x(n − i) → ∑ a .z −i


Y ( z ) = ∑ bi .z X ( z ) ⇒ H ( z ) =
−i i =0
=Kz M −N i =1
TZ i

∏ (z − p )
i i i M M
i =0 i =0 i =0 i =0
∑ a .z
i =0
i
−i
i =1 i

Les zéros sont les valeurs de z pour lesquelles H(z)=0 et les pôles les valeurs de z annulant le
dénominateur. H(z) est complètement déterminée par la position de ses pôles et de ses zéros ainsi que par le
facteur d’amplitude K. La région de convergence de H(z) exclut tous les pôles.

Dans la plupart des systèmes, les ai et le bi sont réels ⇒les pôles et les zéros sont soient réels soient des paires
de complexes conjuguées. A un pôle pi simple ou multiple va correspondre une réponse impulsionnelle qui
converge si |pi|<1. Elle divergera dans le cas contraire, soit si |pi|>1 . Sachant qu'à chaque pôle complexe est
associé un pôle conjugué cela donnera une réponse impulsionnelle h(n) oscillante (cosinus ou sinus) amortie
si|pi=1,2|< 1 ou divergente si |pi=1,2|> 1.

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
1
20
0.8

0.6
15

0.4

10 0.2

0
1
5
-0.2
0.9

-0.4
0 0.8

-0.6
0.7

-5 -0.8
0.6
200
-1
0 2 4 6 8 10 12 14 16 18 0.5
-10
0 2 4 6 8 10 12 14 16 18
150
0.4

100 0.3

0.2
50
1 Im(z) 0.1

0 0
0 5 10 15 20 25

-50
X X 300
-100
X 250

-150
0 5 10 15 20 25
200

1 X X X X X X 150

-1 1 100

Re(z)
0.8

0.6 50

0.4 X 0

0.2
X
0
X -100
-50

-0.2 0 2 4 6 8 10 12 14 16 18

-0.4

-0.6
-1 1
1
-0.8
1 0.9

-1 0.8
0 5 10 15 20 25 0.8
0.8
0.6
0.7

0.6
0.4 0.6

0.4
0.2 0.5

0 0.2 0.4

0.3
-0.2 0

0.2
-0.4
-0.2
0.1
-0.6
-0.4
0
0 5 10 15 20 25
-0.8
0 5 10 15 20 25
-0.6
0 2 4 6 8 10 12 14 16 18

- Pour un système causal et stable, tous les pôles sont à l’intérieur du cercle unité (|pi|<1, ∀i). S’il est anti-
causal, il sera stable si les pôles sont à l’extérieur du cercle unité. Un filtre RIF a tous ses pôles à l’origine et sera
donc toujours stable.

4. Détermination de la réponse fréquentielle des filtres numériques

On suppose que le cercle unité (|z|=1) ∈ RDC de X (z). On restreint le calcul de X(z) au cercle unité en
posant z = e 2πj f Te. Lorsqu'un zéro est placé sur un point donné du plan en z, la réponse fréquentielle sera de 0
au point considéré. Un pôle quant à lui produira un pic au point correspondant. Plus les pôles ou les zéros sont
proches du cercle unité, plus ils influencent la réponse en fréquence. Un zéro ou un pôle à l’origine n’influent
pas sur le module de la réponse fréquentielle. Un zéro sur le cercle unité introduit une annulation du module
pour la fréquence correspondant. Un zéro au voisinage du cercle unité introduit une atténuation dans le
module de la réponse en fréquence. Atténuation d’autant plus importante que le zéro est proche du cercle unité.
Un pôle au voisinage du cercle unité introduit une résonance d’autant plus importante dans le module de la
réponse en fréquence que le pôle est proche du cercle unité.

f=fe/4
1 10

0.8 f=fe/6 9

0.6
X 8

0.4 7
Partie Imaginaire

0.2
2 60° 6
f=fe/2 0 2 f=0
5

-0.2
4

-0.4
3

-0.6
X 2
-0.8
1
-1
0
-1 -0.5 0 0.5 1 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

Partie Réelle f=0 f=fe/6 f=fe/2


FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
5. TZ-1

La transformée en Z présente l’avantage d’être plus facilement inversible que la transformée de Fourier.
Le passage de la TZ vers h(n) peut se faire par le biais de la transformées en Z de signaux élémentaires connus à
condition qu'il soit possible d’écrire H(z) comme la combinaison de transformées élémentaires. Dans le cas
contraire, on peut employer l’intégration sur un contour fermé en utilisant le calcul des résidus, ou le
développement en puissance de z et de z-1, ou encore le développement en fractions élémentaires.

1. Le théorème des résidus: x(n) = ∑ Re s[z


n −1
n −1
X ( z) ] z = pi
pi poles dez X ( z)

Re s[ z n −1 X ( z )] z = pi =
1 d m −1
( m − 1)! dz m −1
[
(z − pi )m z n −1 X ( z ) ]z = pi

2. Transformée inverse par division polynômiale :Il est possible de calculer la transformée en Z inverse selon les
puissances croissantes de z-1(système causal) ou selon les puissances décroissantes de z (système anti-causal).
X ( z ) = ∑ Cn z − n TZ
−1

Exemples
→x ( n) = Cn
n

( )
∞ ∞
1
= ∑ z −k = 1 + z −3 + z − 6 + .......... ... ⇒ h( n) = ∑ δ ( n − 3k )
3
- y(n)=y(n-3)+x(n) ⇒ H ( z ) = −3
1− z k =0 k =0

- X(z)= 1 pour |z|>a


1−a.z −1
Domaine de convergence extérieur à un cercle signal causal division pour avoir une série en z-1.

1 1-a.z-1
-1+a.z-1 1 + a.z-1 + a2.z-2 + ......
0 +a.z-1
-a.z-1 + a2.z-2 x[0] x[1] x[2]
0 + a2.z-2 ......
1
On obtient : −1
= 1 + a.z −1 + a 2 .z −2 ⇒ x(n) = a n .u(n)
1 − a.z

- X(z)= 1 −1 pour |z|<a


1−a.z
Région de convergence intérieure à un cercle signal anti-causal division pour avoir une série en z.

z -a+z
-z+a-1.z2 -a-1.z –a-2.z2 –a-3.z3 -…………
0 +a-1.z2
-a-1.z2+a-2.z3 x[-1] x[-∞]
0 + a-2.z3
……

On obtient : 1 =−a−1.z−a−2.z2 −... ⇒ x ( n ) = − a n .u ( − n − 1)


1−a.z −1

Notons que la division peut se réaliser sans faire apparaître une expression analytique générale.
FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
3. L’idée générale de cette approche consiste à trouver pour une fonction X(z) complexe un développement en
fonctions en Z plus simples et pour lesquelles une transformée inverse est connue:
X ( z) = ∑ X i ( z) TZ
→x(n) = ∑ xi (n)
−1

i i

où les Xi(z) sont des fonctions dont les TZ-1 sont connues (Voir page 38).

6. Caractéristiques des filtres numériques

Les filtres numériques dont il est question ici, sont des systèmes linéaires, discrets, invariants dans le
temps et unidimensionnels. De plus, pour qu’ils soient physiquement réalisables, il faut qu’ils soient
nécessairement causaux.

1.4
Les filtres représentés ci-dessus sont idéaux. Dans un cas
1.2
réel il ne peut y avoir de discontinuités. Le passage entre zones
passantes et zones atténuées se fait par des zones dites ”de 1

transition” dont la largeur va exprimer la sélectivité du filtre.


0.8
Amplitude

Les bandes passantes et atténuées ne sont également pas


0.6
idéales, elles contiennent des ondulations dont l’amplitude est
exprimée par les paramètres d’ondulation en bande passante et 0.4
|H(f)|
d’atténuation. Pour toutes ces raisons, la spécification d’un filtre
0.2
est habituellement réalisée à partir d’un gabarit fréquentiel.
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Bande passante Bande de transition Bande atténuée

Les filtres FIR peuvent générer des filtres à phase linéaire. Si un filtre est à phase linéaire, sa réponse
fréquentielle est de la forme :

H ( f ) = R( f )e − jφ ( f ) avec φ ( f ) = φ0 + 2π fτ

- Retard de groupe : C'est une caractéristique important des filtres est le retard de groupe qui est défini comme

dφ ( f )
β =−
df
et qui correspond intuitivement au retard qui est souffert par l'enveloppe du signal après être passé par un
filtre. Si la phase est linéaire (filtres RIF symétrique ou anti-symétrique), le retard est constante et le signal à la

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
sortie aura donc une distorsion minimale. Ce le phénomène de distorsion peut être très gênant, en particulier
dans les systèmes audio. En effet, une phase linéaire implique un temps de propagation de groupe constant, et,
par conséquent, l’effet de la phase sur le signal sera un simple décalage temporel.

RII ou RIF ?

Les filtres RII, on l'avantage qu'ils sont efficaces. Avec très peu de pôles et zéros on peut assurer la
plupart des réponses fréquentielles dont on peut avoir besoin dans les applications audio. Cependant, le filtre
étant rétro-activé, les erreurs de précision numérique deviennent une question d'importance, car ils peuvent
s'amplifier et devenir dehors contrôle, d'abord dans la forme de bruit, mais éventuellement dans la forme
d'instabilité.

Par contre, les filtres RIF n'ont jamais des problèmes d'instabilité, car la sortie n'est qu'un somme finie
échantillons de l'entrée. Cependant, quand la réponse impulsionnelle est longue, le numéro d'opérations peut
devenir un facteur décisif quand il faut choisir entre RIF ou RII. Un autre avantage des RIF est le retard de
group constant, qui permet d'avoir une distorsion de phase minimale sur le signal traité. La réponse
impulsionnelle dans le cas RIF est parfaitement contrôlable.

7. Structure des filtres numériques

L’application d’un filtre numérique implique le calcul de la sortie y(n) à l’instant t=nTe à partir des sorties et
entrées précédentes plus la valeur courante de l’entrée.

M N

∑ ai y (n − i) = ∑ bi x(n − i) En prenant a0=1, on obtient


i=0 i =0

x(n) x(n-1) x(n-2) ….. x(n-N)

b0 b1 b2 bN
…..

….. y(n)

-a1 -a2 -aM

y(n-1) y(n-2) ….. y(n-M)


Registre à
décalageTe

Cette structure peut être réalisée sous forme matérielle (registres, multiplicateurs, additionneurs) ou par
logiciel. Ainsi, à chaque top d’horloge Te, les valeurs des registres subissent un décalage permettant de calculer
la nouvelle sortie.

En employant la fonction de transfert H(z),


diverses structures peuvent être utilisées : structure
directe (implémentation de l’équation aux différences),
structure canonique (structure directe avec minimisation
des composants) et structure en éléments simples.
FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
III Conception des Filtres Numériques RIF

1. Synthèse des Filtres numériques et Gabarit analogique

Comment synthétiser un filtre numérique ? La question est que nous connaissons le gabarit du filtre
analogique et que nous cherchons un H(z) à remplacer dans le circuit ci-dessus pour finalement satisfaire le
gabarit analogique.

Les filtres idéaux présentent un déphasage linéaire et ne sont pas physiquement réalisables, car les
réponses fréquentielles idéales correspondent à une réponse temporelle non-causale. En considérant le filtre
passe-bas H(f)= ̟(f) e-2̟jfT, on obtiendra un sinc décalé en T.
10

2
8
1.8

1.6
TF Inverse 6
Réponse impulsionnelle h(n)

Troncature
1.4

1.2 4
H(f) idéal

1
2
0.8

0.6 0
0.4

0.2 -2

0
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5 -4
frequence (Hz) -10 -8 -6 -4 -2 0 2 4 6 8 10
t(s)

10
2

1.8 8
1.6

6
Réponse impulsionnelle h(n)

1.4

1.2
TF 4
H(f) réel

0.8 2

0.6
0
0.4

0.2
-2
0
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
frequence (Hz) -4
-10 -8 -6 -4 -2 0 2 4 6 8 10
t(s)

Les fonctions modèles utilisées pour la synthèse des filtres sont soit la réponse impulsionnelle soit la
réponse en fréquence de filtres analogiques connus. En général, on privilégie la réponse en fréquence plutôt que la
réponse impulsionnelle.

Les spécifications du filtre sont généralement définies par un gabarit fréquentiel linéaire ou en dB (décibels). Ce
gabarit indique la largeur de la bande de transition, le maximum d’ondulation de la bande passante et de la
bande atténuée, éventuellement l'ordre maximal permis, la fréquence d'échantillonnage.

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)

Gabarit réel :

- la bande passante BP de 0 jusqu'à fp


- la bande atténuée (ou coupée) fa jusqu'à fe/2
- la largeur ∆f=fa-fp de la zone de transition⇒fc=fa+∆f /2 =(fa+fp)/2
- l'amplitude des oscillations en bande passante δ1
- l'amplitude des ondulations en bande atténuée δ2
En pratique, plus les fréquences fa et fp sont proches, plus l'ordre du filtre devra être élevé. Pour un filtre idéal,
ces valeurs seraient confondues.

2. Etude et synthèse des filtres RIF

La sortie est une combinaison linéaire d'un ensemble fini d'éléments d'entrées :

N N N N
y ( n) = ∑ bi x (n − i ) d’où h(n) = ∑ bi δ ( n − i ) H ( z ) = ∑ bn .z − n ⇒ H ( f ) = ∑ bn .e − 2 π j f n
i =0 i =0 n =0 n=0

Ainsi, les coefficients de pondération ne sont rien d'autre que les valeurs de la réponse impulsionnelle du filtre.

N N
H ( z ) = ∑ bn .z − n ⇒ H ( f ) = ∑ bn .e − 2 π j f n
n =0 n=0

Un filtre à Réponse Impulsionnelle Finie ou filtre RIF possède une fonction de transfert polynomiale. Il
ne peut pas être obtenu par transposition d'un filtre continu. Par rapport aux filtres à réponse impulsionnelle
infinie (RII), ils présentent l'inconvénient de nécessiter un grand nombre de coefficients pour obtenir les mêmes
caractéristiques fréquentielles. Ceci est dû au fait que leur fonction de transfert ne possède pas de pôles. Cette
absence de pôles permet cependant d'obtenir des filtres inconditionnellement stables.

Les deux méthodes les plus utilisées pour l’approximation des filtres numériques RIF sont :

o Développement par série de Fourier : cette série est ensuite tronquée par des fonctions fenêtres pour
limiter la réponse impulsionnelle. Les coefficients de Fourier coïncident avec les échantillons de la
réponse impulsionnelle du Filtre.
FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
o Echantillonnage de la réponse fréquentielle : Cette méthode fait appel à la TFD. Celle-ci est appliquée
aux coefficients recherchés bipour obtenir une suite fréquentielle qui corresponde à la réponse
fréquentiel du filtre.

Il existe d'autres méthodes telles les méthodes d’optimisation qui se concentrent sur la minimisation d’un
critère d’erreur entre la courbe réelle et le filtre idéal. La plus utilisée est la méthode de Parks and McClellan,
qui reformule le problème de synthèse de filtre sous la forme d’une approximation polynômiale.

3. Méthode de la fenêtre

Cette technique consiste, connaissant l'expression analytique H(f) de la réponse fréquentielle continue à
approcher, à déterminer par utilisation de la transformée de Fourier inverse, la réponse impulsionnelle.

1.à partir du gabarit idéal du filtre, on détermine les coefficients du filtre en limitant le calcul à N valeurs
réparties symétriquement autour de n=0. Puis, on calcule de la TFTD inverse du filtre idéal :

 1 fe / 2
 ∫ H ( f )e 2 π j f n Te df N impair
 e − fe / 2
f
h ( n) =  f e / 2
1 H ( f )e − j π f Te e 2 π j f n Te df N pair

 fe − f / 2
 e

2. On limite la réponse impulsionnelle à N échantillons (troncature) suivie d'une pondération de la réponse


impulsionnelle idéale h(n) par une suite discrète w(n) appelée fenêtre de pondération pour atténuer les
ondulations en bande coupée: hN(n)=h(n).w(n).

3. On décale la réponse impulsionnelle hN(n) pour avoir une solution causale.

Exemple :

- Calcul de la réponse impulsionnelle idéale (cas N impair)

fe / 2
1 2 π j f nTe
h( n ) =
fe ∫ H ( f )e
− fe / 2
df

]
fc / 2
1 2 π j f nTe 1
e 2 π j f nTe
fc / 2
On pose fc=(fp+fa)/2 ⇒ h(n) =
fe ∫e
− fc / 2
df =
2πjnf eTe
− fc / 2

e 2 π j fc nTe − e −2 π j fc nTe sin(2 π f c nTe ) sin(π n f c /( f e / 2))


⇒ h( n) = == =
2πjn πn πn

On normalise les fréquences par rapport à fe/2 c.a.d que l’on remplace partout fc par fc/(fe/2), on obtient alors :

sin(π n f c /( f e / 2)) f c /( f e / 2) sin(π n f c )


h( n) = = fc
πn f c /( f e / 2) πnf c

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
Réponse impulsionnelle h(n)

Type de filtre h(n) pour n≠0 h(n) n=0

Passe-bas sin(π n f c ) fc
fc
πnf c

Passe-haut sin(π n f c ) 1-fc


− fc
πnf c

Passe-bande sin(π n f c 2 ) sin(π n f c1 ) fc2- fc1


f c2 − f c1
πnf c 2 πnf c1

Rejécteur de bande sin(π n f c1 ) sin(π n f c 2 ) 1-(fc2- fc1)


f c1 − fc2
πnf c1 πnf c 2

- Limitation du nombre d'échantillons à N

hN(n)=h(n).w(n)

 N −1
1
si w( n ) = 
si n ≤ ⇒W ( f ) =
sin( Nπf )
2
0 ailleurs πf

H N ( f ) = H ( f ) *W ( f )

- La largeur de la bande de transition décroît si N augmente et les oscillations les plus fortes tendent à se
concentrer aux discontinuités. Elles ne diminuent pas si N augmente : on a toujours un dépassement à peu près
égal à 9%. C’est le phénomène de Gibbs.

- La pondération temporelle introduit des ondulations et limite la raideur de coupure du filtre. Un compromis
est à faire entre la raideur et l'amplitude des ondulations.

- Cette méthode donne des ondulations de même amplitude dans la bande passante et dans la bande atténuée.
Pour diminuer les oscillations : on utilise une autre fenêtre qui permet d’obtenir de forte atténuation des
oscillations mais une largeur de la bande de transition plus grande.

- On choisira en fonction de l’atténuation δ1 le type de fenêtre à utiliser, et on choisit en fonction de la largeur de


la zone de transition ∆f et du type de la fenêtre w(n) la longueur de la réponse impulsionnelle N.

Fenêtres Largeur de Atténuation en bande


Transition :∆f (2∆f / fe) atténuée A
 N −1 1.8/N 21
1 pour n ≤
wRe ct (n) =  2
0 ailleurs
 2πn N −1 6.2/N 44
0.5 + 0.5 cos( ) pour n ≤
wHan (n) =  N −1 2
0 ailleurs

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
 2πn N −1 6.6/N 53
0.54 + 0.46 cos( ) pour n ≤
wHam (n) =  N −1 2
0 ailleurs
 2πn 4πn N −1 11/N 74
0.42+ 0.5 cos( ) + 0.08cos( ) pour n ≤
wBlack (n) =  N −1 N −1 2
0 ailleurs

4. Méthode de l'échantillonnage fréquentiel

La méthode de synthèse par échantillonnage en fréquence est appliquée depuis la réponse fréquentielle d’un
filtre continu idéal H(f) dont on ne connait pas la formule mathématique (on ne peut alors calculer h(n) par TF
inverse de H(f)). On utilise alors la transformation de Fourier Discrète inverse. C'est-à-dire que l'on
"échantillonne" la réponse désirée dans le domaine fréquentiel, on obtient N points de cette réponse
fréquentielle auxquels on fait correspondre N points de la réponse temporelle équivalente obtenus par TFD
inverse (ou FFT inverse):

- Echantillonnage fréquentiel

H (k ) = H ( f ) f =k / N
k = −N / 2 à N / 2 − 1

N / 2 −1
1
- TFD inverse h( n) =
N
∑ H ( k )e π
k =− N / 2
2 jk n/ N

Cette méthode de synthèse est très simple et permet de réaliser toute forme de filtre mais cette méthode de
synthèse ne garantit que les points fréquentiels H(k). Entre ces points, la valeur de H(f) n'est pas maitrisée. Les
oscillations ne sont pas également réparties et le maximum d’erreur entre la réponse idéale et la réponse
obtenue se situe « autour » la bande de transition.

Sachant que H(k)*=H(-k) pour un signal h(n) réel, on peut, de manière générale, démontrer que
1 N /2
 2πn  
h(n) =  H (0) + 2 ∑ H (k ) cos   pour –N/2≤ n ≤N/2
N k =1  N 
Remarque : Pour le choix de N, il faut veiller à ce que fe/N soit inférieur à ∆f.

Par ailleurs, on peut quelques peu atténuer les ondulations en adoucissant les transitions dans la transmittance
du filtre. Pour cela, on introduira 0.5 entre 1 et 0

Réalisation du filtre RIF

La structure canonique directe (transversale ou non récursive) est :

Un filtre RIF nécessite (N-1) opérations de multiplication, N


opération d’addition pour chaque nouvel échantillon à filtrer.

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)
IV. Synthèse des filtres RII

Parmi les principaux mérites des filtres récursifs, on peut citer : la possibilité d'obtenir une bande de
transition étroite pour un ordre raisonnable ; et parmi les défauts : les risques d'instabilité dus à une grande
sensibilité numérique des coefficients, une variation de phase fortement non linéaire.

La sortie est une combinaison linéaire d'un ensemble fini d'éléments d'entrées et de sortie:
N

N M d’où ∑ b .z i
−i

y ( n ) = ∑ bi x ( n − i ) − ∑ ai y ( n − i ) H ( z) = i =0
M
i=0 i =1 1 + ∑ ai . z − i
i =1
1. Méthode des pôles et des zéros

C’est la méthode directe qui consiste à placer des pôles et des zéros aux fréquences utiles

Il existe une relation "empirique" entre la largeur de la zone de r ≈ 1 − ∆f 3 db π


transition ∆f à 3 db et la position des pôles sur un rayon supérieure à 0.9: fe
1

X

0.8

Pour un filtre passe-bas de second ordre, nous avons : 0.6

0.4 r

Imaginary Part
0.2
2
K ( z + 1)( z + 1) K ( z + 2 z + 1) 2 θ 2

H (z) = = 2
0

( z − re )( z − re ) z − 2 zr cosθ + r 2
− jθ jθ
-0.2

-0.4

-0.6

1 + r 2 − 2r cosθ ∆f
θ = ( f c / f e )× 360 °
X
r = 1 − 3 db π
-0.8

avec K= et -1

4 fe -1 -0.5 0
Real Part
0.5 1

• Pour un filtre passe-haut de second ordre, nous avons : 1

0.8 X
0.6

K ( z − 1)( z − 1) K ( z 2 − 2 z + 1) 0.4

H ( z) = =
r
Imaginary Part

0.2
2
( z − re − jθ )( z − re jθ ) z 2 − 2 zr cos θ + r 2 0

-0.2
θ 2

1 + r 2 + 2r cos θ -0.4

avec K= -0.6

4 -0.8 X
-1

-1 -0.5 0 0.5 1
Real Part

• Pour un filtre passe-bande de second ordre, nous avons :


1

K ( z − 1)( z + 1) K ( z 2 − 1) 0.8 X
H (z) = = 2 0.6

( z − re − jθ )( z − re jθ ) z − 2 zr cosθ + r
2 0.4
r
Imaginary Part

0.2
θ 2
2 jθ
− 2r cosθ e jθ
+r
0
2
e -0.2

avec K= -0.4

e 2 jθ − 1 -0.6

-0.8 X
-1

-1 -0.5 0 0.5 1

• Pour un filtre coupe-bande de second ordre, nous avons : Real Part

K ( z − e − jθ )( z − e jθ ) K ( z 2 − 2 cos θ z + 1) 0.8
X
H ( z) = = 2 0.6

( z − re − jθ ' )( z − re jθ ' ) z − 2 zr cos θ '+ r 2 0.4


r
Imaginary Part

0.2
θ
1 + r 2 − 2r cos θ '
2
0

avec K= -0.2

2 − 2 cos θ -0.4

-0.6

-0.8 X
FEI,USTHB [assiakourgli@gmail.com -1

-1 -0.5 0 0.5 1
Real Part
Traitement Numérique des Signaux M1 ST (2017/2018)
2. Méthodes de l’invariance impulsionnelle et transformation bilinéaire

La méthode la plus courante (indirecte) est l’utilisation des


méthodes de synthèse des filtres analogiques aboutissant à
une fonction H(p) correspondant aux spécifications. Une
fonction permettant le passage du plan p dans le plan z (i.e. p
= f(z)) est ensuite utilisée pour obtenir H(z). Cette fonction
doit maintenir la stabilité du filtre analogique et maintenir, au
mieux, les caractéristiques de la réponse fréquentielle H(f) du
filtre numérique.

Il existe de nombreuses méthodes permettant de synthétiser un filtre numérique récursif à partir d’un filtre
analogique pris comme modèle :

o le filtre doit avoir une réponse impulsionnelle ou indicielle imposée : ce sont les méthodes de
l'invariance impulsionnelle et de l'invariance indicielle.

o le filtre doit avoir une réponse fréquentielle entrant dans un gabarit donné : c'est la transformation
bilinéaire.

Pour synthétiser des filtres analogiques répondant à un gabarit donné, on choisira parmi un ensemble de
filtres analogiques testés et éprouvés :

• Filtres de Butterworth : Coupure peu raide mais gain


constant en bande passante

• Filtres de Tchebychev (Chebyshev) :Raideur de coupure


importante mais ondulations dans la bande passante
(Chebyshev 1) ou atténuée (Chebyshev 2) et simple à
mettre en oeuvre

• Filtres de Cauer (dit aussi elliptiques) : Coupure


extrêmement raide mais ondulations dans la bande
passante et atténuée mais circuits plus complexes à
réaliser.

• Filtres de Bessel : Retard de groupe constant mais


mauvaise sélectivité même pour ordre élevé.

 Aa
 210Aa  
 Ap Aa
  1   1  
log 2.10 / 10 10 − 1
log (10 − 1) /(10 − 1) 
10 10
log  2 − 1 /  2 − 1    
 
≥=   =   δ1  δ2  N Tchebychev ≥ 
N Butterwrth
2 log(ω p / ω a ) 2 log(ω p / ω a ) log ω a / ω p +

(ω a / ω p ) − 1 
2

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)

Les fonctions de transfert HN(p) des filtres analogiques polynômiaux (Butterworth, Tchebychev, Bessel,
Cauer) sont données pour des fréquences de coupure normalisées et uniquement pour des filtres passe-bas.

1  p ωA 
Pulsation centrale
Passe-bas p = p /ωA Passe-bande p=  +  ω A = ω A1ω A2
B  ωA p 
−1
 1  p ω A  Largeur de Bande
p = ωA / p
p =   + 
p  B = (ωA2 − ωA1 )
 B  ωA
Passe-haut Coupe-bande

A partir de l'expression de HN(p) normalisée, on dénormalise en remplaçant p par les valeurs données au
tableau précédent permettant d'aboutir à une fonction de transfert dénormalisée H(p).

2.1.. Méthode de l’invariance de la réponse impulsionnelle

La méthode de l’invariance impulsionnelle consiste à effectuer la synthèse d’un filtre numérique dont la
réponse impulsionnelle h(n) est l’échantillonnage de la réponse impulsionnelle h(t) du filtre analogique
équivalent :

h(n)
ha(t)

x(t) Ha(p) y(t) x(n) H(z) y(n)

Filtre analogique Filtre numérique ha(nTe)=ha(t)|t=nTe

Pour obtenir h(n), on peut opérer de 2 manières:

−1
=nTe  H a ( p) 
H a ( p) → ha (t ) t→ h(n) = Te ha (nTe ) → H ( z ) = Te ∑
L TZ
H ( z) ou Résidus −1 pT 
pôles pi de Ha ( p )  1 − z e e  p = pi

Pour éviter de décomposer en éléments simple, on peut calculer H(z) en utilisant les relations entre
transformées de Laplace et en z pour les systèmes du premier et du second ordre.

H(p) Te.H(z) La réponse du filtre numérique sera


1 1 proche de celle du filtre analogique
Te _ aTe −1
p+a 1− e z dans la bande [-fe/2, fe/2] si le filtre
p+a 1 − e − aTe z −1 cos(ω0Te ) analogique a une réponse
Te
( p + a )2 + ω 2 1 − 2e −aTe z −1 cos(ω0Te ) + e −2aTe z −2
fréquentielle nulle en dehors de
cette bande. Cette méthode est utile
ω e − aTe z −1 sin(ω0Te ) seulement dans le cas de filtres
Te
( p + a )2 + ω 2 1 − 2e −aTe z −1 cos(ω0Te ) + e −2aTe z −2 analogiques à bande limitée.

FEI,USTHB [assiakourgli@gmail.com
Traitement Numérique des Signaux M1 ST (2017/2018)

2.2. Méthode de la transformation bilinéaire

Cette méthode a pour objectif de faire coïncider au mieux les domaines analogique et numérique. Les filtres
qui en sont dérivés sont plus stables que sont obtenus à travers l'emploi de la méthode de la variance
impulsionnelle. Mais, en contrepartie, elle introduit une distorsion sur l'axe des fréquences.

On sait qu’un filtre analogique est caractérisé par sa fonction de transfert H(p) et un filtre numérique est
défini par sa fonction de transfert H(z) avec z= e2̟jfTe= epTe. Ce qui implique que p=Ln(z)/Te. Pour conserver le
caractère polynomial des fonctions de transfert, une approximation de ln(z) par les séries de Laurent est
employée. En ne conservant que le termes du premier ordre, on définit la transformation bilinéaire :
ln( z ) 2 1 − z −1 2 z − 1
p= ≈ =
Te Te 1 + z −1 Te z + 1
2  ω N Te  2  π f N 
ωA = tg   = tg  
Te  2  Te  f e 
fe  π fN 
fA = tg  
π  fe 
Il n’y a pas égalité entre pulsation analogique et pulsation discrète et que
la relation les liant n’est pas non plus linéaire puisqu'il y a distorsion des
fréquences, y compris du retard de groupe.

Pour faire la synthèse d’un filtre numérique par la transformation bilinéaire, on procède comme suit :

- On définit les caractéristiques souhaitées du filtre numérique (fréquence d’échantillonnage, de coupure, etc.)

2  π fN 
- On calcule les pulsations analogiques ωA correspondant aux pulsations numériques ω A = tg  
Te  f e 

- On détermine le gabarit du filtre analogique HN(p) normalisée d'ordre n (Chebyshev, Butterworth, etc.) qui
servira de modèle au filtre numérique et on écrit la fonction de transfert dénormalisée H(p) de ce filtre
analogique (qu’il faut recalculer en fonction de ωA).
2 1 − z −1
- On applique la transformation bilinéaire à H(p) en remplaçant p = , ce qui donne la fonction H(z).
Te 1 + z −1

Cette méthode donne d'assez bons résultats à condition que les fréquences caractéristiques ne soient pas trop
proches de la demi-fréquence d'échantillonnage.

FEI,USTHB [assiakourgli@gmail.com

Vous aimerez peut-être aussi