Chapitre 1.

Rappels des principaux résultats de la Théorie du signal (1 semaine)

Signaux :
Signaux usuels
Fonction signe
Définition : La fonction signe, notée sgn est une fonction réelle de la variable réelle définie
par :

Par convention, on définit : sgn(0) = c0, avec − 1 ≤ c0 ≤ +1.

Usuellement, on prend sgn(0) = 0. Avec cette convention, la fonction sgn est une fonction
impaire :
sgn(t) = −sgn(−t), ∀t.

FIG. – Fonction signe, sgn(t),

Fonction échelon unité :

Définition : La fonction échelon unité, ou simplement échelon ou fonction de Heaviside,
notée ε, est une fonction réelle de la variable réelle définie par :

avec, par convention, ε (0) = 1/2.

Cette fonction est illustrée à la figure 2.1, à droite. On montre facilement les relations :

1
 FIG. Fonction échelon, ε(t) : u(t)

Fonction rampe :
Définition : La fonction rampe, notée r, est une fonction réelle de la variable réelle définie par

FIG. Fonction rampe, r(t)

Fonction rectangle ou porte :

Définition : La fonction rectangle, ou fonction porte, de largeur1, notée rect, est une fonction
réelle de la variable réelle définie par :
rect(t) = ε (t + 1/2) − ε (t − 1/2).
On remarque que l’aire de la fonction rectangle de largeur unité vaut 1.

FIG. Fonctions rectangle, de largeur unité (à gauche) et de largeur T (à droite)

2
Définition : La fonction rectangle, ou fonction porte, de largeur T, notée rectT , est une
fonction réelle de la variable réelle définie par :
rectT (t) = rect(t/T) = ε (t/T + 1/2) − ε (t/T − 1/2) = ε (t + T/2) − ε (t − T/2).
On remarque que l’aire de la fonction rectangle de largeur T vaut T.

FIG. Représentation simplifiée des fonctions rectangle de largeur de largeur T

Une fonction rectangle de largeur unité translatée de +τ s’écrit simplement rect(t−τ ) (figure
, à gauche). Elle vaut 1 sur l’intervalle ]τ−1/2, τ+1/2[ et 0 sur l’intervalle ]−∞, τ−1/2[∪]τ+
1/2,+∞[. De façon similaire, une fonction rectangle de largeur T, translatée de τ s’écrit :

Fig. Fonctions rectangle de largeur unité et de largeur T, translatées de τ

Fonction triangle
Définition : La fonction triangle unité, notée tri, est une fonction réelle de la variable réelle
définie par :

Notons que l’aire de la fonction triangle unité vaut 1 et que la largeur de son support vaut 2.
On peut également appliquer les opérateurs de translation :
– la fonction tri(t − τ ) est une fonction triangle unité translatée de +τ ,
– la fonction tri[(t−τ )/T] est une fonction triangle de largeur 2T (ou d’aire égale à T)
translatée de +τ .

3
FIG. Fonctions triangle unité (à gauche), triangle unité translatée de τ (au milieu) et triangle
d’aire 2T translatée de τ (à droite)

Impulsion de Dirac :
La notion de fonction, notamment pour décrire des événements infiniment brefs mais de puissance
finie non nulle ou le phénomène d’échantillonnage.

Fig : Distributions de Dirac : unité (à gauche), translatée de τ (au milieu), translatée de τ et

d’amplitude 2 (à droite)
Peigne de Dirac :
Une suite d’impulsions de Dirac, périodique et de période T. Cette distribution, appelée
peigne de Dirac et notée δT (t), est définie par :

Fig : Peigne de Dirac de période T.

4
Fonction sinus cardinal :
Cette fonction est très courante en traitement du signal où elle intervient comme transformée
de Fourier d’une fonction rectangle. Une fonction rectangle permet de représenter par
exemple des opérateurs idéaux de filtrage. La fonction sinus cardinal, notée sinc(u), est
définie :

Fig Représentation graphique de la fonction sinc(u)

Propriétés :
– la fonction sinus cardinal est paire : sinc(u) = sinc(−u),
– sinc(u) → 1 lorsque u → 0,
– sinc(u) = 0 si sin(πu) = 0, c’est-à-dire si u = k ∈ Z∗.
Par ailleurs, on montre également1 que :

Séries de Fourier :
L’élément fondamental de l’analyse de Fourier est constitué par le fait qu’un signal
périodique peut être décomposé en une somme d’ondes sinusoïdales.

5
Définition de la série de Fourier :
Considérons un signal périodique x (t) de période T = 1/f0. Son développement en série de
Fourier est alors le suivant :

Où f0 = 1/T est la fréquence fondamentale du signal, a0/2 est la valeur moyenne ou

composante continue et ak, bk sont les coefficients de Fourier du développement en cosinus et
sinus.
Les coefficients de Fourier ak et bk se calculent comme suit :

Comme la fonction cosinus est paire et la fonction sinus est impaire, suivant la parité de f, les
calculs s’avèrent simplifiés. (f(t)=x(t) ; n=k)

Série de Fourier complexe :

Se souvenant des relations d’Euler :

La série de Fourier peut être transformée en une série de Fourier complexe :

Les coefficients X (j · k) sont alors complexes et valent :

6
Ou bien :

Écriture sous forme complexe :

Les coefficients de Fourier peuvent aussi s’écrire sous forme complexe. En effet si

Nous pouvons observer le spectre de ce signal (dans le domaine fréquentiel) à l’aide des
coefficients de Fourier.

Transformée de Fourier :
Considérons un signal s(t), alors la transformée de Fourier de s(t), notée S(f), TF[s(t)] ou F
[s(t)] s’exprime :

C’est une opération linéaire. La plupart des propriétés s’obtiennent en utilisant les techniques
de changements de variables et les propriétés de l’exponentielle complexe.
L’opération réciproque appelée transformée de Fourier inverse se note TF-1 :

7
TRANSFORMEES DE FOURIER USUELLES

Théorème de Parseval :
Théorème de la puissance (dit de Parseval). Dans l’espace temps, la définition de la puissance
moyenne normalisée est la suivante :

8
Le théorème de Parseval affirme que la puissance normalisée d’un signal peut se calculer
aussi bien dans le domaine temporel que dans le domaine fréquentiel.
La puissance totale est égale à la somme des puissances fournies par chaque générateur. On
en déduit alors :

La puissance peut se calculer dans le domaine temporel ou dans le domaine fréquentiel avec
l’une ou l’autre des relations ci-dessous :

Identité de Parseval
L’identité de Parseval nous donne :

Puissance :
On exprime la puissance moyenne d’un signal par :

Le théorème de Parseval appliqué aux signaux quelconques permet d’écrire :

La convolution et la corrélation :
Produit de convolution (*) :

9
Définition :
Soient deux signaux x1(t) et x2(t). On appelle produit de convolution de ces deux fonctions la
grandeur notée x1* x2 :

ou bien :x(t) * y(t) et :

Ce produit est commutatif, associatif et distributif par rapport à l’addition.

Propriétés de base :
A partir de la définition du produit de convolution, on montre facilement que le produit de
convolution est :
– commutatif : x1(t) ∗ x2(t) = x2(t) ∗ x1(t),
– associatif : x1(t) ∗ (x2(t) ∗ x3(t)) = (x1(t) ∗ x2(t)) ∗ x3(t),
– distributif par rapport à l’addition : x1(t) ∗ (x2(t)+x3(t)) = x1(t) ∗ x2(t)+x1(t) ∗ x3(t).

Unité de convolution :

L’élément neutre est l’impulsion de Dirac :

Dérivation :

Propriété fondamentale – Théorème de Plancherel

La transformée de Fourier du produit de convolution est égale au produit des transformées de
Fourier :

Corrélation :
Définitions : intercorrélation et autocorrélation
Considérons deux signaux s1(t) et s2(t) à valeurs réelles, alors le produit d’intercorrélation de
ces deux signaux vaut :

Pour les signaux à énergie finie

Pour les signaux à puissance moyenne

finie.

10
Résumés des propriétés de la transformes de Fouries :

11
12
 Chapitre 2. Analyse et synthèse des filtres analogiques

Filtres Analogiques
Les filtres réalisées et appliquées sur des signaux à temps continu (non échantillonnes) sont
Constituées par des composants électroniques (Resistances, Capacités et Self, Applicateurs
Opérationnels, diodes ...).
Définitions :
Un filtre électrique opère une modification d’un signal électrique d’entrée ou d’excitation
x(t), pour produire un signal de sortie ou réponse, y(t). A cette modification du signal
temporel x(t) correspond une modification du spectre X (jω) pour produire Y(jω).
Si le filtre est linéaire, le contenu spectral de Y(jω) ne peut être plus riche que celui de X(jω).
Le filtre se contente alors d’amplifier ou d’atténuer certaines composantes présentes dans
X(jω). Un filtre non linéaire, au contraire, fait apparaître des composantes inexistantes dans X
(jω). La plupart des filtres sont linéaires.

x(t), le signal d’entrée, et aussi appelé le signal d’excitation du filtre.
y(t), le signal de sortie, est appelé la réponse du filtre a l’excitation x(t).
Le filtre modifie la forme du signal x(t) c’est a dire modifie x(.). la transformation opérée par
le filtre peut donc être représenté mathématiquement par une fonctionnelle F(i.e.y(.)=F[x(.)].
La réponse du filtre a l’excitation x(t) peut alors s’écrire sous la forme y(t)=F[x(.)](t)
Analyse temporelle et fréquentielle des filtres analogiques :
Équation de fonctionnement temporelle :
Considérons le cas particulier ou x(t) =δ(t) l’impulsion de Dirac en t=0 et appelons h(t)
le signal correspondant.
h(t)=F[δ()](t) est appelée réponse impulsionnelle du filtre.
Équation de fonctionnement fréquentielle :
En supposant que x(t) et h(t) possèdent des transformes de Fourier respectives X(f) H(f)
donc : Y(f) =X(f).H(f)
La fonction H(f), fonction de transfert du filtre h(t).

14
Remarque :
H(f), la fonction de transfert d’un FLIT est en principe une fonction complexe.
-son module, |H(f)|, est appelé l’amplitude ou le gain(en fréquence) du filtre.
-son argument, Arg[H(f)], est appelé la phase du filtre.
Le signal de sortie y(t) de tout filtre analogique est un produit de convolution entre sa réponse
impulsionnelle h(t) et le signal d’entrée x(t) :

Cette relation temporelle s'exprime plus simplement dans le domaine fréquentiel sous la
forme :
Y(f) = H(f).X(f)
H(f) = Y(f)/X(f) est appelée la fonction de transfert du filtre.

Propriétés des filtres :

Causalité :
Un filtre LIT est dit réalisable si :
1-la réponse du filtre a tout signal réel est réel (si h(t) est réel)
2-la réponse du filtre ne précède pas l’excitation (on dit que le filtre est causal)
Le filtre est causal c’est adire que pour tout signal x(t) nul pour t<t0 tel que :
x(t)=x(t)u(t-t0)
La réponse y(t) est elle aussi nul pour tout t<t0
Stabilité :
On dit qu’un filtre est stable si a toute entrée bornée correspond a une sortie bornée

15
Filtres passifs et actifs :
Les filtres passifs sont constitués de bobines et d’inductances
_ Le facteur de qualité Q =Lw/R des bobines est mauvais aux faibles fréquences.
_ Les valeurs des inductances sont données avec une mauvaise tolérance.
_ L’inductance est variable avec la température.
_ Un couplage par mutuelle inductance (avec une autre inductance) modifie les performances
du filtre.
_ La fonction de transfert H(jw) dépend de la charge.
_ Avantage : les filtres passifs restent les plus performants aux hautes fréquences : f ³ 1 MHz.
(utilisés pour les applications hautes fréquences (jusqu’ a 500 MHz))

Les filtres actifs sont réalisés avec des amplificateurs opérationnels

_ Ils sont utilisés à moindre coût jusqu’à 100 kHz.
_ Ils nécessitent malheureusement une alimentation symétrique.
_ Les amplificateurs opérationnels ont des tensions de saturation.
_ Les amplificateurs opérationnels produisent un bruit aux faibles amplitudes.
_ Ils ont une mauvaise réponse aux fréquences élevées.
_ La contre-réaction des montages peut amener l’instabilité.
_ Les circuits actifs sont très sensibles à la précision sur leurs composants.

Caractéristiques d’un filtre :
Un filtre (linéaire) est caractérisé par sa fonction de transfert ou réponse en fréquence:
H(jω) = Y(jω) /X(jω)
On la décompose souvent en réponse en amplitude A(ω) et réponse en phase φ(ω)

H(jω)= A(ω) . e jφ(ω)

On définit également l’affaiblissement Af(ω) mesuré en décibels, et le délai de groupe τ(ω)
Af(ω)=-20log(A(ω))
τ(ω)=∂ (- φ(ω))/ ∂ ω

Spécifications idéales :
y(t) de même forme que le signal d’entrée x(t). Le signal d’entrée peut par contre avoir subi
une amplification ou un délai (sans distorsion):
y(t)=K.x(t-t0)

16
Ceci correspond, à une amplification du spectre d’amplitude et à un déphasage linéaire :
Y(j ω) =K.X(j ω) exp(-jωt0)
et donc à une fonction de transfert de type :
H(j ω) =K.exp(-jωt0)

Filtres idéaux :

Le cas idéal est un filtrage qui élimine totalement les bandes indésirables sans transition
et sans introduire de déphasage dans les bandes conservées Selon la bande rejetée, on
rencontre les 4 grandes catégories de filtres décrites en figure (A(dB) est l’atténuation
apportée par le filtre sur une composante de fréquence f).

Figure : Les 4 catégories de filtres idéaux.

Spécifications en amplitude :
On catégorise les filtres en fonction du type de modification qu’ils imposent sur leur entrée.
Les filtres réalisant des modifications du spectre d’amplitude sont classés en filtres passe-bas,
passe-bande, passe-haut, ou coupe-bande.
La forme générale de la fonction de transfert opérationnelle d’un filtre est :

L’ordre du filtre est n, qui doit bien entendu satisfaire à n>=m. Les zéros de N(p) sont les
zéros du filtre; les zéros de D(p) sont les pôles du filtre. Les pôles du filtre doivent être situés
à gauche de l’axe imaginaire pour que le filtre soit stable. D(p) doit pour ce faire être un
polynôme dit de Hurwitz.

17
Filtre passe-bas :
Les spécifications d’un filtre passe-bas typique sont données à la Sa bande passante se situe
entre 0 et wc (où c est mis pour “cut-off”) et sa bande atténuée s’étend de ws (où s est mis
pour “stop”) à l’infini. On accepte une certaine variation maximale Ap (ou ripple) de la
courbe d’affaiblissement en bande passante (où M est mis pour “maximum”), et on impose
que l’atténuation en bande atténuée soit supérieure à une valeur minimale As (où m est mis
pour “minimum”).

Figure : Spécifications en amplitude d’un filtre passe-bas.

Filtre passe-haut :
Un filtre passe-haut a des spécifications inversées : sa bande atténuée va de de 0 à ws , et sa
bande passante de wc à l’infini.

Figure : Spécifications en amplitude d’un filtre passe-haut.

18
Filtre passe-bande :
Un filtre passe-bande a deux bandes atténuées, de 0 à ws- et de ws + à l’infini. Il laisse
passer les fréquences entre wc- et wc+ . En général, la largeur des bandes de transition
est quelconque. On parle de filtre à symétrie géométrique lorsqu’on ws+ /wc+ = wc- / ws- , ce
qui implique que les bandes de transition soient de même largeur sur un graphique
logarithmique.

Figure : Spécifications en amplitude d’un filtre passe-bande.

Filtre coupe-bande :
Les spécifications d’un filtre coupe-bande sont inverses de celles d’un passe bande.
une bande atténuées, de ws- à ws + à l’infini. Il laisse passer les fréquences entre 0 et wc-
et wc+ a l’infini

Figure : Spécifications en amplitude d’un filtre coupe-bande.

19
Normalisation de l’unité de fréquence :
F = f/fref où fref est une valeur particulière ; par exemple la fréquence de coupure ( fp) pour les filtres
PB et PH, la fréquence centrale (f0) pour les PBde et CB.
La variable de Laplace réduite s = p/ωref où ωref = 2π fref

Fonction de transfert des filtres élémentaires :

Dans le tableau les fonctions de transfert et réponses en fréquence associées, des filtres
élémentaires du 1er et 2e ordre.

TABLEAU FILTRES ÉLÉMENTAIRES DU 1ER ET 2E ORDRE.

20


21
Filtre de Butterworth

Propriétés : ondulations faibles dans les bandes mais la transition est lente.
Filtre de Chebychev

Tn est le polynôme de Chebychev d’ordre n.

Propriétés : transition rapide et ondulation dans les bandes constante (1+ε2)-1/2.

Etapes de la synthèse
1- Calcul de n et ω c à partir du gabarit.
2- Détermination des coefficients du polynôme à partir des tables préétablis.
3- Réalisation physique à partir de cellules connues (Sallen&Key, Rauch…)

22
 Chapitre 3. Échantillonnage des signaux

Rappels sur l’échantillonnage :

Numérisation du signal analogique :
Les signaux physiques existant dans la nature sont en général des signaux de type analogique
(où le signal est une fonction continue du temps).
Pour pouvoir les traiter numériquement, il faut d'abord les numériser pour obtenir un signal
discret ou signal numérique ou encore signal digital.

Un signal digital est un signal défini seulement pour un certain nombre d'instants que l'on
choisit de préférence périodique. La valeur du signal pour chacun de ces instants ne peut
prendre elle-même que des valeurs discrètes. Pour obtenir un signal digital à partir d'un signal
analogique, on procède en deux étapes;

Etape d'échantillonnage :
Pendant cette étape, échantillonner le signal analogique avec une période d'échantillonnage
Te ( Fe = 1/Te = fréquence d'échantillonnage). On obtient un signal échantillonné défini
seulement aux instants nTe.

Etape de quantification :
Pendant cette étape, dite aussi étape de codage, discrétiser la valeur du signal, c.a.d. qu'on va
les ramener aux valeurs discrètes possibles. Pour cela, on peut procéder de deux façons
différentes ;
- par troncature, on prend la valeur discrète immédiatement inférieure.
- par arrondi, on prend la valeur discrète la plus proche.

La Conversion Analogique-Numérique :
Les deux opérations fondamentales
La conversion analogique – numérique (en abrégé CAN, en anglais ADC Analog to Digital
Conversion) est réalisée par deux fonctions :
L’échantillonnage
La numérisation ou quantification

23
Les deux blocs sont souvent représentés sous la forme d’un seul circuit dénommé CAN
(Convertisseur Analogique Numérique) ou ADC en anglais (Analog to Digital Converter).
Grandeurs caractéristiques :
Les principales caractéristiques d’un tel circuit sont :
Les tensions maximales et minimales admissibles en entrée [valeurs crêtes de s(t)]
La fréquence d’échantillonnage [Fe]
Le nombre de bits n sous lequel est quantifiée la valeur échantillonnée [s(k/Fe)]

L'échantillonnage :
L'opération d'échantillonnage :

Le processus d'échantillonnage est généralement décrit dans le domaine temporel.

Echantillonner un signal consiste donc à prendre des échantillons de celui-ci à des instants
régulièrement espacés.
Plus précisément, il est nécessaire de choisir correctement la fréquence d'échantillonnage de
manière à ce que la séquence d'échantillons prélevés définisse de manière unique le signal
analogique d'origine.

Choix de la fréquence d'échantillonnage :

On observe que pour obtenir une reproduction temporelle fidèle du signal, la fréquence
d'échantillonnage doit être la plus élevée possible. Cependant, la conversion (mot binaire
associé à l’échantillon) doit être terminée avant l'arrivée de l'impulsion suivante, c'est à dire
qu'elle doit être réalisée impérativement pendant la période Te qui doit être suffisamment
importante.
En outre, une fréquence d'échantillonnage élevée génère une quantité importante de données
numériques, pour lesquelles les temps de traitement et de transmission risquent d'être trop
longs. Le choix de la fréquence d'échantillonnage est donc un compromis entre la qualité du
signal et le temps de traitement.

24
Principe :
Soit un signal continu s(t), on prélève un échantillon de celui-ci à chaque période
d'échantillonnage Te.
Les échantillons en fonction du temps peuvent donc s'écrire s(kTe). Pour simplifier l'écriture
et aussi se rapprocher de la représentation mathématique des suites numériques, on écrit : sk,
ce qui signifie le kème échantillon du signal s(t) pour t=kTe.

Cette fonction est réalisée par un circuit échantillonneur-bloqueur. Cadencé par un signal
d'horloge de fréquence Fe, ce circuit prélève, à chaque impulsion d'horloge, une valeur du
signal analogique et la mémorise (en chargeant un condensateur) pour la transmettre au
convertisseur analogique-numérique.
Le signal s(t) pouvant évoluer au cours du temps, la capacité permet de charger sur un temps
très court (correspondant à la durée pendant laquelle l’interrupteur est fermé) la valeur de s(t)
à un instant donné. Puis, l’interrupteur étant ouvert, le CAN qui suit a le temps nécessaire
pour évaluer la valeur de cette tension afin de la quantifier dans de bonnes conditions.

Peignes de Dirac
On appelle peigne de Dirac la répétition périodique d'une impulsion de Dirac au cours du
temps. On appellera Te la durée entre deux Diracs consécutifs.

On le note π(t): et son expression mathématique est :

25
Le spectre d'un peigne de Dirac est aussi un peigne de Dirac et est appelé peigne de Dirac en
fréquence. On le montre en calculant la développée en série de Fourier (DSF), puisque le
peigne de Dirac est un signal périodique.

L’expression mathématique est alors:

Approche mathématique de l'échantillonnage

Si on note se(t) le signal échantillonné du signal s(t), alors on démontre que :
se(t) = s(t) . π(t)
On ne prélève ainsi que la série d’échantillons s(kTe) à partir de s(t). On a donc l’expression
suivante en distribuant :

Ou bien, en exploitant la propriété intégrale du Dirac :

Théorème de Shannon : aspect spectral de l’échantillonnage

On considère un signal analogique s(t) et son spectre:

26
On l’échantillonne à l’aide d’un peigne de Dirac : on obtient donc le signal se(t)
se (t) = π(t).s(t)

Le spectre du peigne de Dirac est . Le spectre du signal échantillonné s’obtient en

calculant la transformée de Fourier et avec le théorème de Plancherel.

Le spectre du signal échantillonné est alors le spectre du signal initial convolué avec le peigne
de Dirac ; c’est à dire que le spectre S(f) est transposée autour de chaque fréquence nFe du
peigne de Dirac en fréquence :

Figure : spectre du signal échantillonné

Chaque période de Se(f) reproduit fidèlement S(f) à condition que la fréquence

d'échantillonnage soit supérieure à 2fmax. (Théorème de Shannon)
Sur le spectre, on observe que la fréquence fmax du signal à convertir ne doit pas être
supérieure à Fe/2. En effet Si fmax >Fe/2, on aura un repliement du spectre. Le signal est alors
« endommagé »: sa restitution ne sera plus possible.

27
 Figure : Repliement du spectre

Le terme de repliement est associé à l’aspect du spectre entre 0 et Fe/2 qui signifie que le
spectre du signal est comme « replié ». Si Fe/2 est faible devant fmax, ce repliement peut être
multiple.

Théorème de Shannon : aspect temporel

Le schéma qui suit présente l’échantillonnage d’une sinusoïde dans de bonnes conditions : il y
a suffisamment de points sur une période pour restituer l’information fondamentale, c’est à
dire la fréquence de la sinusoïde f.

Si on allonge la période Te, c’est à dire si on diminue la fréquence d’échantillonnage

Fe=1/Te, alors la distance entre les points augmente et on risque de perdre cette information
qu’est la fréquence : cela se produira exactement pour Fe=2f.

28
Si la fréquence diminue encore, la sinusoïde échantillonnée sera une autre sinusoïde de
fréquence plus basse que f. On aura alors Fe<2f.

Enoncé du théorème de Shannon :

Pour qu'il n'y ait pas perte d'information lors de l'échantillonnage d'un signal, il faut respecter
la condition :
Fe>2 fmax
Avec :
Fe : fréquence d’échantillonnage
fmax : fréquence maximale du spectre du signal a échantillonner

Exemple des lignes téléphoniques numériques :

Pour avoir une restitution fidèle de la voix humaine, il faut une bande passante de 300 Hz à
3400 Hz.
fmax = 3400 Hz
2 fmax = 6800 Hz.
La fréquence d’échantillonnage choisie dans les systèmes numérique RNIS (Réseaux
Numériques à
Intégration de Services) est Fe = 8000 Hz (> 2 fmax).

29
Echantillonnage réel :

En théorie, l'échantillonnage est idéal, c'est à dire conduire à des échantillons ponctuels, de
durée nulle (τ =0). En pratique, la durée τ n'est pas nulle et on a affaire à un échantillonnage
réel.

Si τ est petit devant T, la déformation du spectre est négligeable au niveau de f=0.

Dans tous les cas (idéal ou réels) Il suffit de filtrer à Fe/2 le signal échantillonné se(t) pour
retrouver le signal initial s(t). Un filtre passe-bas avec un ordre suffisant restituera le signal
sans déformation.

Quantification :

Ecrêtage
Commençons par signaler un point important pour le bon fonctionnement du convertisseur : la
tension du signal s(t) à échantillonner doit être plus petite en valeur absolue qu’une valeur
limite notée Vmax.

30
Si la valeur du signal est codée sur n bits, elle ne peut prendre que K= 2n valeurs entières
différentes.
Si le signal évolue entre deux limites –Vmax, +Vmax on définit le pas de quantification par :
q= 2Vmax/ 2n-1 ; q= 2Vmax/ K-1
Où K est le nombre total de niveaux de quantification possibles.
A un instant d'échantillonnage ti, la valeur numérique N(ti) du signal peut être définie de deux
façons :
- On prend la valeur numérique immédiatement inférieure à V(ti )/q -->troncature
- On prend la valeur numérique la plus proche de V(ti )/q -->arrondi
On code les valeurs du signal échantillonné s (t) par des valeurs discrètes fixées a priori. Ces
valeurs de tension sont ensuite représentées sous forme binaire.

Deux niveaux successifs correspondent à un saut d’une unité de N, donc à une excursion
d’une valeur élémentaire de la tension d’entrée que l’on appelle quantum. Le quantum est
noté q; dans le cas d’une quantification uniforme, son expression est :

31
_ Signal physique s(t) • Signal échantillonné .Signal échantillonné et quantifie

Figure : quantification uniforme

Exemple de codage :

Fig. : codage sur 3 bits
Codage des échantillons quantifiés :
32
Le code le plus connu est le code binaire naturel pondéré sur n bit (ou n e.b):

zn-1 est appelé le MSB (most significant bit)

z0 est appelé le LSB (least significant bit)
Le nombre total de valeurs pouvant être codées est de la forme 2n , n est le nombre d’e.b.
utilisés pour coder. Ainsi, pour coder 16 = 24 valeurs, il faut 4 e.b. On a alors pour la
quantum :
q= 2Vmax/ 2n-1 v

Le code binaire naturel ne permet pas le codage des valeurs négatives (code unipolaire). Pour
coder des valeurs signées, il faut utiliser un code bipolaire. Les principaux sont présentés dans
le tableau suivant (pour n=4bits)

Erreur de quantification
Ceci peut être mis en évidence en calculant le rapport Signal/Bruit pour les deux types de
signaux.
Si on note: x(n) : signal à l'entrée du quantificateur
y(n) : signal quantifié à la sortie du quantificateur
ε (n) = y(n) – x(n)
Le rapport Signal à bruit est défini par

33
Le quantum étant indivisible, il peut y avoir une imprécision pouvant être égale dans le pire
des cas à la valeur d’un quantum. Il y a deux cas possibles :
Diagramme centre :
La valeur de l’échantillon s(kTe) est arrondie à la valeur codée la plus proche.
Diagramme de codage par valeur inferieure (non centre) :
La valeur de l’échantillon s(kTe) est arrondie à la valeur codée inférieure. Dans ce cas
l’erreur est maximale.

Bruit de quantification :
Par conséquent l’erreur ε (en Volts) dans les des deux cas envisagés au paragraphe précédent
ne sont pas identiques pour les deux cas :
Cas centré : -2q< ε <2q
Cas non centré : 0 < ε < q
Cette erreur de quantification est interprétée en terme de rapport signal sur bruit de
quantification. En effet, l’erreur peut être assimilée à un bruit de tension maximale q/2 (cas
centré) qui se surajoute au signal initial. Dans le cas centré on peut alors estimer que la valeur
moyenne de la tension de bruit est de q/4 (ce qui n’est pas tout à fait exact et devrait imposer
un calcul probabiliste) et que la tension maximale du signal est de Vmax, soit une valeur
efficace de !"#$ /√2:

v2

v2
Soit pour le rapport :

34
Où Nq désigna le bruit de quantification, proportionnel à q². On a ainsi les valeurs suivantes :
Pour n = 8 ; S/Nq dB =50dB Bonne qualité audio (qualité téléphonique)
Pour n = 16 ; S/Nq dB =98dB Excellente qualité (qualité CD)
Pour n = 24 ; S/Nq dB =147dB Qualité dolby-True HD. Au delà des capacités de l’oreille (et
des systèmes audio)

Conversion Numérique-Analogique :
Restitution d’un signal quantifié : CNA
Un signal quantifié n’est pas représenter au sens strict par un signal physique, comme un
signal simplement échantillonné, mais par une série d’eb. Le principe de la conversion
numérique analogique (CNA, anglais DAC, Digital to Analog Conversion) est de restituer le
signal physique d’origine s(t) sous la forme d’une tension, en utilisant les eb de la
numérisation. Ces derniers, 0 ou 1, vont commander des interrupteurs sur un réseau de
résistance pour inverser la fonction de transfert d’un CAN.

35
Le schéma le plus classique consiste à utiliser un réseau R/2R à n interrupteurs :

On montre alors qu’en sortie le signal obtenue a pour équation :

36
Chapitre 4 : Transformées de Fourier Discrète DFT et rapide FFT

Transformées discrètes :
On considère un signal physique s(t), en principe une tension électrique. Ce signal est
échantillonné à la fréquence fe=1/Te. A partir de l’instant t=0. On obtient donc une série de
valeurs {sn}, résultats de l’opération :

s = s nTe n >=
On génère ainsi un nouveau signal à partir de cette suite et noté en utilisant la fonctions de
Dirac :

Sa transformée de Fourier (relation [3]) vaut :

soit en effectuant les calculs en utilisant les propriétés du Dirac avec la première expression :

Ou avec la deuxième relation et en utilisant le théorème de Plancherel

7
La relation [6] est une forme particulière de la transformée en z pour z=j pfTe On
remarque également son caractère périodique de période 1/Te. Sur la relation [7] ci-dessus on
constate que le spectre du signal échantillonné est le spectre du signal de départ S(f) convolué
autour d’un peigne de Dirac :

1
Chapitre 4 : Transformées de Fourier Discrète DFT et rapide FFT

Signal périodique échantillonné

Considérons un échantillonnage du signal:

De par sa périodicité, ce spectre sera discret et de par son échantillonnage, il sera convolué
autour d’un peigne de Dirac.

On constate que la partie encadrée est en réalité la seule utile, l’ensemble du spectre n’étant
qu’une reproduction par translation et symétrie de cette portion comprise entre 0 et Fe/2. Dans
cette portion on aura Nr raies séparées de 1/T0. On a donc pour le nombre de raies :

Ce nombre de raies est entier,

2
Chapitre 4 : Transformées de Fourier Discrète DFT et rapide FFT

Condition de Shannon :
Rappelons que pour tout échantillonnage, la condition de Shannon doit être respecter pour
éviter tout risque de repliement de spectre et garantir une visualisation fidèle entre 0 et Fe/2.
L’usage d’un filtre anti-repliement peut s’avérer indispensable.

Aspect mathématique
Traitons le cas du au niveau mathématique. Le développement en série de Fourier du signal
périodique échantillonné donne pour les coefficients :

Où N=2p est ici le nombre d’échantillons compris entre –T0/2 et T0/2. Comme Te est la
fréquence d’échantillonnage alors :

Nous obtenons ainsi les valeurs de raies Ck, nombres complexes, avec les conditions et
conséquences suivantes, compte tenu de la p périodicité de l’exponentielle complexe :

la fréquence associée à Ck ( ) fk = k F0= k Fe/N

Puisque la relation complémentaire de la DSF assure :

Le spectre d’amplitude | Ck |est symétrique par rapport à Fe/2

3
Chapitre 4 : Transformées de Fourier Discrète DFT et rapide FFT

Exemple Graphique :
Le signal échantillonné périodique contient N=2p+1=13 échantillons sur une période T0.

avec donc NTe=T0 ou NF0=Fe

Le calcul conduit précédemment permet d’en déduire que son spectre obtenu par DSF entre
f=0 et f=Fe contiendra 13 raies d’amplitude ,Ck, tous les fk=k F avec kЄ{ } En
outre, on a une symétrie de ce spectre autour de la valeur Fe/2=6,5F0.

Transformée de Fourier discrète TFD:

La TFD définit la Transformée de Fourier Discrète [DTF – Discret Fourier Transform] d’une
suite d’échantillons {"# } & ≤ # ≤ ( − * obtenue à partir d’un signal échantillonné
supposé ici périodique et satisfaisant à NTe=T0
Alors, conformément à la relation, on définit la TFD de cette suite comme la suite
d’échantillons {+, } & ≤ , ≤ ( − * définis par

Sk

4
Chapitre 4 : Transformées de Fourier Discrète DFT et rapide FFT

Auquel cas la représentation spectrale du signal périodique échantillonné sˆ(t) sera

Sk

Conclusions
La transformée discrète de Fourier, ou discrétisation de la DSF, permet d’obtenir les N/2
premières raies d’un signal périodique à partir de N échantillons de ce même signal. Sous
réserve du respect des conditions de Shannon, ces raies sont les seules.
resumes transforme fourier:

Transformée de Fourier Discrète TFD :

Soit x(n) un signal défini dans l’intervalle [0, N]

Relation :

5
Chapitre 4 : Transformées de Fourier Discrète DFT et rapide FFT

Où est le résultat de la périodisation de x(n).

De l’autre côté

alors :

SFD pour des signaux périodiques

x(n) = x(n + rN) "r,n
Ce signal peut être présenté par une somme des exponentiels aux fréquences 2π/N.

<=>
X(k) est la pondération sur le kième exponentiel.
X(k) est définit pour k=0,…,N-1 mais on peut penser que c’est une
séquence périodique de période N : X(k)=X(k+N)

Exemple :
x(n) =d (n) et x(n) = x(n + N)
Pour ce signal la période est N.

X(k) peut être interprété comme borné entre 0 et N-1.

X(k) peut être aussi interprété comme périodique.
1- Linéarité

6
Chapitre 4 : Transformées de Fourier Discrète DFT et rapide FFT

Décalage :

Attention: c’est un décalage circulaire !

Dualité

Convolution :

x1 x2 périodiques

7
chap. 5 : filtre numérique

Chapitre 5. Le filtrage numérique

La transformée en Z :

On appelle transformée en z de la séquence numérique échantillonnant la fonction x, la

fonction de la variable complexe z définie par :

Soit x(t) une fonction quelconque nulle pour t < 0 et xe(t) la séquence obtenue en
échantillonnant x(t) à la fréquence fe. On peut écrire :

Appliquons la transformation de Fourier à la fonction xe(t), il vient :

La fonction d(t-nTe) est nulle pour t différent de nTe, Xe(f) peut donc s'écrire :

D'autre part, l'intégration est distributive par rapport à l'addition, soit :

D'après la définition de la fonction de Dirac :

On obtient :

Si l'on pose z = ej2pfTe, il vient :

1
chap. 5 : filtre numérique

La transformée en z est donc la transformée de Fourier du signal échantillonné xe(t).

La transformée en z d'une suite x(n) est définie par :

+

!(#) = & '(()# )*

*,)+

Domaine de convergence :

z est une variable complexe et la fonction

X(z) possède un domaine de convergence
(en z) ou région de convergence (ROC :
Region Of Convergence)
qui est en général un anneau centré sur
l'origine et compris entre deux rayons R1 et
R2 . R1 < |z | < R2
La région de convergence dépend de la
Fig. : Domaine de convergence
nature du signal.

Le domaine de convergence de la transformée en z correspond aux valeurs de z pour

lesquelles X(z) est de valeur finie. La transformée en z converge lorsque la série réelle
suivante converge :

Si l'on applique le critère de d'Alembert, on peut écrire :

Le critère impose que :

2
chap. 5 : filtre numérique

Soit :

En conclusion, la série converge à l'extérieur du cercle de centre origine et de rayon R.

Propriétés de la Transformée en Z
Linéarité : Z(ax1(k)+bx2(k))=aZ(x1(k))+bZ(x2(k))
Retard : Z(x (k−m))=z−m Z(x (k))
Théorème de la valeur initiale : -./0→+ ! (#) = '(0)
Théorème de la valeur finale : -./0→+ (# − 1)!(#) = -./6→+ '(7)
Multiplication par une exponentielle :

Z{an x(n)}=X(a-1 z)
Équation de convolution :

Finalement on obtient :
Y(z)=X(z)H(z)
Finalement on obtient :
c’est l’expression d’un produit simple

avec la transformée en Z de h(m)

3
chap. 5 : filtre numérique

Table de transformées en z :

Tableau: transformées en z usuelles

Structures des filtres numériques (récursive et non récursive) :
Les systèmes linéaires discrets invariants dans le temps
Les systèmes linéaires discrets invariants dans le temps (LIT) constituent un domaine très
important du traitement numérique du signal, dont celui des filtres numériques à
caractéristiques fixes.

4
chap. 5 : filtre numérique

Définitions :
Un système discret est un système qui convertit une suite d'entrée x(n) en une suite de sortie
y(n).
Un système discret est :
Linéaire si:

Invariant dans le temps si :

Il existe deux méthodes de base pour l'étude d'un système LIT et pouvoir déterminer sa
réponse à un signal discret quelconque :
-l’une méthode d'analyse par la réponse impulsionnelle.
-L'autre méthode consiste à représenter le système par une équation reliant l'entrée et la sortie.
Cette équation s'appelé l'équation aux différences.
Réponse impulsionnelle d’un SLD
Le signal discret étant constitué d'une suite d'échantillons. Le signal unitaire le plus adapté à
sa décomposition est l'impulsion unité δ(n) qui est égale à 1 pour n = 0 est nulle partout
ailleurs où n ≠ 0.
Si on note h(n) la réponse d'un système LIT à la suite unitaire δ(n), alors, la propriété
d'invariance dans le temps implique :
δ(n) → h(n) => δ(n −k) → h(n −k) (85)
d'autre part, nous savons que n'importe quelle suite x(n) peut s'écrire (échantillonnage) :

La propriété de linéarité implique alors que la réponse du système à la séquence x(n) est :

Cette expression n'est rien d'autre que la fonction de convolution des suites x(n) et h(n).

C'est l'équation de convolution qui caractérise les systèmes LIT. C'est à dire l'équation qui
permet de calculer sa sortie à partir de la séquence d'entrée.

5
chap. 5 : filtre numérique

Les filtres numériques à Réponse Impulsionnelle infinie (RII):
Les SLD à réponse impulsionnelle infinie (RII)
L’équation de définition

Ne peut être implémentée directement car elle introduit la mémorisation d’une infinité
d’échantillons du signal d’entrée En introduisant une mémorisation des échantillons du signal
de sortie on parvient à réaliser un système à réponse impulsionnelle infinie dont on peut
calculer la sortie en un temps fini grâce à la formule de récurrence suivante:

En passant dans le domaine Z on obtient:

Ce qui correspond à la fonction de transfert

stable si

Les filtres numériques à Réponse Impulsionnelle Finie (RIF):

Les SLD à réponse impulsionnelle finie (RIF)
L’équation de définition

Peut être mise en œuvre si on limite sa durée à un nombre fini d’échantillons elle devient

En passant dans le domaine z on obtient:

6
chap. 5 : filtre numérique

Ce qui correspond à la fonction de transfert

Structures de Réalisation des Filtres RII

Structure Directe pour un filtre tous pôles (ou purement récursif)

L’équation de convolution s’écrit sous la forme récursive

On doit mémoriser les N sorties
précédentes
N multiplications
N additions

Pour un filtre RII général

Il correspond à la mise en cascade d’un

filtre purement récursif suivi d’un filtre
RIF
Structure N-D
Numérateur - Dénominateur

7
chap. 5 : filtre numérique

Structures de Réalisation des Filtres RIF

Structure directe ou transversale : on mémorise les échantillons de l’entrée

On veut réaliser on peut réaliser

Structure Transposée : on mémorise les résultats partiels contribuant à la sortie

Un filtre RIF peut également être représenté par un graphe :

8
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Introduction :
Les filtres numériques à réponse impulsionnelle finie (RIF) sont des systèmes (LDIT)
définis par une équation selon laquelle un nombre de sortie, représentant un échantillon du
signal filtré, est obtenu par sommation pondérée d’un ensemble fini de nombres d’entrée,
représentant les échantillons du signal à filtrer. Les coefficients de la sommation pondérée
constituent la réponse impulsionnelle du filtre et un ensemble fini d’entre eux seulement
prennent des valeurs non nulles.
Filtres RIF à phase linéaire :
Un filtre numérique traitant des nombres qui représentent les échantillons du signal prélevés
avec la période T, a une réponse en fréquence périodique et de période fe = 1/T. Par suite cette
fonction H( f ) est développable en série de Fourier :

Avec :

Par suite la fonction H( f ), peut être approchée par un développement limité à un nombre fini
de termes :

où K et L sont des entiers finis

si le filtre est causal, alors

Il en résulte que toute fonction de filtrage numérique stable et causale peut être approchée par
la fonction de transfert d’un filtre RIF.
Le filtrage à phase linéaire correspond, pour la réponse en fréquence, à l’expression suivante :

où R( f ) est une fonction réelle où la phase φ( f ) est une fonction linéaire :
φ ( f ) = φ0 + 2πf τ ; τ est une constante donnant le temps de propagation à travers le filtre.
La réponse impulsionnelle d’un tel filtre s’écrit :

1
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Synthèse de filtre RIF par différentes méthodes :
Dans le filtre RIF, le filtrage numérique par convolution correspond à une sommation
pondérée des valeurs du signal d’entrée x(kTe) = xk par la suite des coefficients de la réponse
impulsionnelle discrète h(kTe) = hk du filtre . La réponse impulsionnelle ayant une durée
finie, le nombre d’échantillons est limité.
Soit N le nombre de valeurs de hk connues :

Réalisations des Filtres :
À partir de H(z) du filtre numérique ou de l’équation de convolution, il faut concevoir
l’algorithme du calcul ou la structure matérielle permettant de réaliser ce filtre.
La réalisation des filtres numériques peut être faite en utilisant les trois éléments de base
(matériel ou logiciel) suivants :
– additionneur, { symbolisé par S } ;
– multiplieur, { symbolisé par X } ;
– retard de Te : échantillon k par rapport à k−1, { symbolisé par T }. Cette opération sera
réalisée matériellement par des registres à décalage.

Filtres numériques synthétisés par H(z) :

À partir de la fonction de transfert H(z), obtenue selon les différentes transformations
possibles, 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.
a-Structure directe
Cette structure est l’application directe des expressions de la transmittance H(z).
Dans le cas d’un filtre non-récursif, une des structures possibles est celle représentée sur le
schéma :

2
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Figure : Structure directe d’un filtre numérique non-récursif.

b-Structure canonique
Cette forme permet de minimiser le nombre d’éléments utilisés dans la réalisation du filtre.
L’équation générale peut s’écrire sous la forme :
Y (z) = H (z) · X (z) = W (z) · V (z)
Avec

Système non récursif et

L’expression de Y(z) est donc :

En prenant la transformée en z inverse, on obtient l’expression de yk en fonction de la valeur
intermédiaire vk qui est utilisée pour construire la structure de ce filtre :

Le résultat montre qu’une seule structure retard est nécessaire pour la réalisation de ce filtre
numérique.

Figure : Structure canonique d’un filtre numérique récursif.

3
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

c- Structure en composants simples

Il est possible d’exprimer H(z) à partir d’éléments de base ou de composants simples du
premier ou du second ordre Hi(z) :
– premier ordre :

-Second ordre :

Ces deux éléments simples peuvent facilement se traduire en structure directe ou canonique.
La fonction de transfert H(z) peut s’écrire sous deux formes :

Somme de composants simples

Produit de composants simples

Dans le cas d’une écriture sous la forme « somme », nous obtenons une structure parallèle et
dans le cas d’une formulation « produit », nous obtenons une structure série ou dite en
cascade.

Figure : Structure parallèle à partir d’éléments de base du premier
ou du second ordre.

Figure : Structure série ou en cascade à partir d’éléments de base
du premier ou du second ordre.

4
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Synthèse par développement en série de Fourier :

Réponse modèle

Le produit de convolution possède un nombre fini de termes. Les N coefficients représentent

la réponse impulsionnelle.

Toujours stable

La réponse idéale admet une décomposition en série de Fourier car elle est périodique

Avec :

On choisit :

Toute fonction de filtrage stable et causale peut être approchée par la fonction de transfert
d’un filtre RIF
La réponse obtenue est d’autant plus proche du modèle que le nombre de coefficients
conservés sur la réponse impulsionnelle est grand.

5
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

L’amplitude des ondulations en bande passante ainsi qu’en bande atténuée n’est pas modifiée
par le nombre de coefficients

6
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

C’est la largeur de la bande de transition qui est diminuée quand N augmente

Et on a la relation approchée suivante:

- La largeur de la bande de transition est inversement proportionnelle à N

- les valeurs des affaiblissements ont peu d’influence sur N
On calcule facilement les coefficients d’un RIF Passe-Bas par développement en série de
Fourier

On obtient finalement :

Synthèse par la méthode de la fenêtre :

Lorsqu’on tronque la réponse impulsionnelle du filtre modèle à N coefficients cette opération
est équivalente à une multiplication par la fenêtre rectangulaire de durée N

En fréquence on obtient donc

Les ondulations observées sur la

réponse proviennent des lobes de la
fenêtre rectangulaire Il suffit de
choisir une autre fenêtre pour
diminuer l’amplitude des ondulations

7
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Propriétés des fenêtres spectrales et propriétés des filtres réalisés

Filtrage de la réponse impulsionnelle

Ou bien

Mais la réponse impulsionnelle n’est pas causale puisqu’elle est centrée sur zéro

On la rend causale en la retardant de N/2 échantillons

On obtient un filtre à phase linéaire

8
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

R(f) est réel

et la phase est linéaire

Rectangle avec N=9 Rectangle avec N=65

Normalized Frequency (×π rad/sample) Normalized Frequency (×π rad/sample)

Hanning avec N=9 Hanning avec N=65

Normalized Frequency (×π rad/sample) Normalized Frequency (×π rad/sample)

9
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Synthèse de filtres RIF par optimisation :

Données du problème
• Le gabarit du filtre est connu
On cherche les N coefficients de la réponse
impulsionnelle du filtre RIF dont la réponse
en fréquence H(f) entre dans le Gabarit
• choix du N ; Si N est trop faible pas de
solution

Principe :
• On met en œuvre une méthode itérative qui cherche à minimiser à chaque étape la « distance
» du filtre au gabarit.
• A chaque étape on détermine et on calcule la réponse en fréquence par Transformée de
Fourier Discrète
• On utilise la technique du Zéro-Padding pour sur-échantillonner la réponse en fréquence et
vérifier précisément la distance au gabarit

Les points qui n’entrent pas dans le Gabarit sont déplacés pour obtenir une nouvelle fonction
de transfert qui vérifie le Gabarit

• Par transformée de Fourier inverse on obtient la réponse impulsionnelle de durée KxN

points d’un filtre qui entre dans le gabarit
• On la tronque à N points pour obtenir un nouveau filtre

10
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

• On doit vérifier qu’il entre dans le Gabarit la distance au Gabarit est la moyenne des écarts
elle doit être nulle

Algorithme :
•1 Initialisation
•i=0
• faire la synthèse d’un filtre RIF hi(k) à N coefficients (méthode de la fenêtre)
• évaluer la réponse en fréquence Hi(n) du filtre par TFD et zéro padding (K=10)
•2 Tant que le critère n’est pas satisfait répéter
•i=i+1
• déplacer à l’intérieur du gabarit les points hors gabarit (modifier uniquement le module)
• Calculer par TFD inverse la réponse impulsionnelle du filtre de durée KxN
• Limiter à N coefficients la réponse du filtre obtenu pour obtenir hi+1(k)
• évaluer la réponse en fréquence Hi+1(n) du filtre par TFD et zéro padding (K=10)
• calculer la distance au gabarit
• Fin
1 itération, e= 0,012 5 itérations, e=0,0035 800 itérations, e=0,0011

11
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Approximation des filtres RIF :

Conception d’un filtre RIF

1. Spécification du filtre
2. Calcul des coefficients
3. Choix d’une architecture de mise en
œuvre.
4. Simulation (option).
5. Implémentation

Spécification (Gabarit)
Module de la réponse en fréquence
Phase, temps de propagation de groupe
Réponse impulsionnelle ou indicielle
Approximation
Spécifications H(p), H(z)
Trouver une fonction de transfert réalisable dont la réponse respecte la spécification
Butterworth, Tchebychev, Bessel...
Approximations optimales au sens d’un certain critère
Synthèse (réalisation)
Choisir la structure, calculer les composants, format des calculs et des coefficients.
Approximation et synthèse sont parfois intimement liées.
Test
La réalisation ne respecte pas toujours l’approximation et les spécifications
Modification des spécifications , Autre approximation, Choix de la structure ,Choix des
composants (précision).
Calcul des coefficients de h(n) :

Il existe plusieurs méthodes dont :

– L’approximation par série de Fourier inverse tronquée du spectre d’amplitude (méthode des
fenêtres).
– La série de Fourier inverse du spectre d’amplitude échantillonné en fréquence
– La méthode de Parks-McClellan

12
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

La méthode des fenêtres :

- Comme bk=h(k), le calcul des coefficients revient à trouver la réponse impulsionnelle du

filtre
- On part de l’amplitude de la réponse en fréquence d’un filtre idéal et on prend sa
transformée de Fourier inverse.
Soit un filtre numérique idéal "(e%& ) , périodique de période 2π:

, Ω = 2πf

Ce filtre est non causal et a réponse impulsionnelle infinie. La manière la plus simple
d'obtenir un filtre RIF approchant "(e%& ) est de limiter h(n) par :

Ω = 2πf

* =

Exemple :
- Pour un filtre passe bas avec Te normalisé à 1:

Séquence infinie, On la tronque en pratique.

13
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Calcul des coefficients du filtre tronqué:

Pour N impair, pour N pair

Exemple : fenêtre de Hamming (avec Te=1) :
w[n] =0.54+0.46 cos(2π n/N) , N=133 et -66 ≤ n ≤66
=0.54+0.46 cos(2π n/133)
Fenêtres communes (-M ≤ n ≤ M)
- Rectangulaire: w[n] =1;
- Hanning: w[n] =0.5+0.5 cos( π n/M)
- Hamming: w[n] = 0.54+0.46 cos( π n/M)
- Blackman: w[n] =0.42+ 0.5 cos( π n/M) +0.08 cos(2 π n/M)

O: Triangulaire (Bartlett)
+: Hanning
─: Hamming
--: Blackman
• Grandes
Ressemblances, mais effets différent sur
la réponse du filtre

14
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

M définit le point de troncation et est relié à l’ordre du filtre

• Si on limite la progression de n à N, cela revient à multiplier hd(n) par une fenêtre
rectangulaire de même largeur, modifiant ainsi hd(n)
– L’effet est la convolution de H(ω) par la transformée de Fourier de la fenêtre rectangulaire,
ce qui affecte aussi la réponse en fréquence du filtre.
• On peut minimiser l’effet en utilisant des fenêtres non rectangulaire.
– L’ordre du filtre, N, dépendra du type de fenêtre et de la largeur de la bande de transition.

Synthèse par échantillonnage fréquentiel :

Echantillonnage en fréquence du filtre idéal "(e%& ):

Ωe = 2πfe

TFD inverse :

, n=0, 1,2….N-1

Synthèse par approximation optimale de filtres idéaux

La synthèse par fenêtrage rectangulaire équivaut a minimiser l'erreur quadratique moyenne

pour une valeur donnée de N :

Avec :

Mais il existe des imperfections dues aux discontinuités du filtre idéal.

15
Chapitre.6 : Filtre numérique à réponse impulsionnelle finie (RIF)

Approximation de filtres RIF a phase linéaire (type I)

Réponse fréquentielle d'un filtre a phase linéaire (h(n) symétrique, N impair) :

Technique de Parks-McClellan
Reformulation de la synthèse de filtres sous la forme d'une approximation polynomiale :

Avec P(x) un polynôme d'ordre L tel que :

, Ωp et Ωs sont fixes, tandis que δ1 et δ2 peuvent varier.

Fonction d'erreur d'approximation :

Ou la fonction de poids W (Ω) incorpore les contraintes sur les bandes. Par exemple :

, Avec K = δ1δ2.
Critère minimax (ou Tchebychev) :

Avec F le sous-ensemble tel que 0 ≤ Ω ≤ Ωp 01 Ωs ≤ Ω ≤ 3

16
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

Introduction :

Faire la synthèse d’un filtre c’est rechercher la fonction de transfert correspondant à la

spécification d’un gabarit imposé Plusieurs méthodes sont envisageables H(z)
- Par synthèse d’un filtre analogique pour obtenir H ( p ) puis passage en numérique en
utilisant une technique de transformation du plan p au plan z
- Synthèse directe dans le domaine numérique
Synthèse de filtre RII à partir des filtres analogiques
Les étapes de la synthèse
Le schéma ci-dessous résume l’ensemble des étapes qu’il faut mettre en œuvre

Types de filtres et Gabarits

Comme le filtre idéal n’est pas réalisable on spécifie un filtre à l’aide d’un gabarit qui donne
les tolérances dans les différentes bandes de fréquence.
On distingue trois bandes de fréquence différentes:
Bande passante :
C’est une zone de fréquence dans laquelle on souhaite un gain unitaire
Le gabarit en bande passante fixe une tolérance du gain qui doit être compris dans l’intervalle

Bande atténuée :
c’est une zone de fréquence dans laquelle on souhaite un gain nulle, Le gabarit en bande
atténuée fixe une tolérance du gain qui doit être inférieur à une valeur maximum

1
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

Bande de transition :
C’est une zone de fréquence entre une bande passante et une bande atténuée
Le gabarit spécifie les limites de cette zone par les valeurs des deux fréquences
wp fin de bande passante wa début de bande atténuée
La largeur de la bande de transition est B=| wa - wp|

Gabarit d’un filtre passe bas Gabarit d’un filtre passe haut

Gabarit d’un filtre passe bande Gabarit d’un filtre coupe bande

Étape de normalisation
La normalisation transforme le gabarit spécifié en un gabarit passe-bas en utilisant le tableau
de spécifications des paramètres des différents filtres :

2
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

Gabarit du passe bas : wp/wa=s

Étape de dénormalisation :
1-Dénormalisation d’un passe bas
Il suffit de dénormaliser la pulsation de coupure qui vaut 1 sur les fonctions modèles

2-Dénormalisation d’un passe haut :

3-Dénormalisation d’un passe bande :

4-Dénormalisation d’un coupe bande :

Passage au Numérique :
Il s’agit de faire le passage du filtre analogique obtenu de fonction de Transfert

3
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

À sa fonction de transfert équivalente numérique de la forme

Il existe plusieurs solutions possibles mais qui restent chacune des approximations de la
transformée en Z
f : fréquence analogique
F : fréquence numérique
• Transformation bilinéaire :
• Réalise une relation bijective entre les fréquences analogiques et les fréquences numériques.
• Repose sur l’approximation de l’intégrale continue par la méthode des trapèzes.

Prédistorsion

4
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

Synthèse des filtres R.I.I.

Les différentes méthodes

L F STF EF NOMCRFUSFS M TIOEFS EF S NTI SF EFS G LTRFS ; SU NT LF
DR T RF UcON
Sc MPOSF *
R PONSF TFMPORFLLF MPOS F
R PONSF MPULS ONNFLLF M TIOEF Ec N R NDF MPULS ONNFLLF
R PONSF NE D FLLF M TIOEF Ec N R NDF NE D FLLF L DONS HNF T NT
SOU FNT
UN DIFLON
M TIOEF Ec1ULFR
M TIOEF EFS TR P FS
; PONSF FN GR UFNDF MPOS F* TR NSGORM T ON C L N RF
:OUR LLUSTRFR DFS M TIOEFS ON DIFRDIFR R L SFR UN G LTRF NUM R UF
P RT R EcUN G LTRF N LOH UF PROTOT PF EF GONDT ON EF TR NSGFRT

FD b,=1

Invariance impulsionnelle :
/FTTF M TIOEF FST R SUM F D EFSSOUS *

;FM R UF * N L P POSS EF UN P LF LFUR EF P RFNE NT N L P NG N ):p=-

1/τ

5
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

4 POSS EF UN P LF * Oa P FST LF P LF EF N L P

Invariance indicielle :

N OCT FNT EOND LcF PRFSS ON EF 4 *

Transformation d’Euler
Méthode d’Euler : approximation de la dérivée
L’approximation de la formule de dérivation s’écrit

La fonction de transfert d’un dérivateur numérique approché correspond à la relation

Qui correspond à la fonction de transfert en Z

6
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

On passe donc de la fonction de transfert analogique à son approximation numérique par

le changement de variable
p =1-z-1/T et réciproquement en posant z=1/1-pT
Transformation des fréquences :
La transformation d’Euler s’exprime en fréquence par :

wa pulsation lorsqu’on travaille en analogique

w pulsation lorsqu’on travaille en numérique

Lorsque la variable wa varie de zéro à l’infini, z parcours le demi cercle de centre ½ et de

rayon ½. Dans le cas de la transformée en Z, z parcours le cercle unité .La transformation
d’Euler modifie donc la réponse en fréquence du filtre lors du passage en numérique sans
modifier la stabilité.

=>
N G LTRF N LOH UF FST E G N P R S GONDT ON EF TR NSGFRT N L P *

U DF U FST U LFNT P R Lc U T ON E GG RFNT FLLF *

F PROCL MF DONS STF S MULFR SOUS GORMF NUM R UF DFTTF U T ON

E GG RFNT FLLF

7
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

/ONS E RONS EOND UN E R TFUR *

=1 FST Z PFT T [ ON POURR SS M LFR T =1 ON UR EOND *

1N DR NT DFTTF RFL T ON Lc NST NT T , N =1 ON OCT FNT *

FT FN PRFN NT L TR NSGORM F FN ? EF DI UF MFMCRF *

1N R SUM *

Équation temporelle: récurrence :

=R NSGORM F EF PL DF : =R NSGORM F FN *

N P SSF EF N L P 4 UM FN RFMPL ] NT P P R P, =1

Remarque :
N G T LF P R LL LF TR NSGORM F EF PL DF TR NSGORM F FN ? FN

UT L S NT Lc EFNT T *
F=1 P
si

La M TIOEF Ec1ULFR FST UNF PPRO M T ON U PRFM FR ORERF EF Lc EFNT T

8
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

F=1 P
N DON]O T G D LFMFNT UF DFTTF PPRO M T ON FST HROSS RF POUR

LFS E R FS SFDONEF TRO S MF d L G UT UF T R F Z PFU [ SUR UNF

P R OEF Ec DI NT LLONN HF
( /ONS E RONS UN NT HR TFUR N LOH UF *

ON U LFNT NUM R UF P R L M TIOEF Ec1ULFR FST *

en RF FN NT L R DURRFNDF * N N = 1 N

TIOEF Ec1ULFR , PPRO M T ON EcUNF NT HR LF P R UNF SOMMF EF 0 RCOU

Méthode des trapèzes

si

M TIOEF FST R SUM F D EFSSOUS *

9
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

1 U T ON TFMPORFLLF * =2 FN : à

Récurrence : =2 FN à

N P SSF EF N L P 4 UM P R L TR NSGORM T ON *

;FM R UF *

c EFNT T F=1 P
EONNF *

( M TIOEF EFS TR P FS FST UNF PPRO M T ON U EFU MF ORERF EF L

RFL T ON F=1 P
LORS UF L M TIOEF Ec1ULFR NcFST L CLF Uc U

PRFM FR ORERF

10
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

F TI OR MF EFS DDRO SSFMFNTS G N S E T UF *

TFL UF *

c PPRO M T ON DONS STF E RF UF *

T SS M L UN RD EF P R COLF

Comparaison des différentes méthodes de synthèse :

FS G HURFS EFS P HFS SU NTFS PFRMFTTFNT EF DOMP RFR LFS R PONSFS
MPULS ONNFLLFS
NE D FLLFS FT I RMON UFS EFS ) G LTRFS NUM R UFS :OUR =1 *

N R NDF MPULS ONNFLLF *

N R NDF NE D FLLF *

TIOEF Ec1ULFR *

TIOEF EFS TR P FS *

Transformation Bi-linéaire :

11
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

La transformée bi-linéaire utilise une approximation de l’intégrale par la méthode des

rectangles. L Sc H T EcUNF M L OR T ON EF L M TIOEF EFS TR P FS
Z 0 STORS ON [ EF Lc F EFS GR UFNDFS
L’approximation de la formule de d’intégration par la formule des rectangles s’écrit :

Ce qui dans le domaine Z s’écrit :

D’où finalement l’approximation de la fonction de transfert de l’intégration

Soit
On passe donc de la fonction de transfert analogique à son approximation numérique par le
changement de variable

Et réciproquement en posant
N SF POSF LF PROCL MF SU NT * DONN SS NT L R PONSF FN GR UFNDF EU
G LTRF N LOH UF PROTOT PF DOURCFS N L G FT .RH
A H
OU E S HNF L PULS T ON EU S HN L LcFNTR F EU G LTRF N LOH UF
PFUT ON OCTFN R R P EFMFNT LFS DOURCFS |H Num ( j.ωN )| = f ‘(ωN ) et Arg [G ( j.ωN )] =
g’(ωN )
OU 4 UM FST L GONDT ON EF TR NSGFRT EU G LTRF NUM R UF OCTFNU L M TIOEF
EFS TR P FS FT L PULS T ON EU S HN L LcFNTR F EU G LTRF NUM R UF -

. NT TOUT D LDUL ON PFUT RFM R UFR UF *

12
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

.UTRFMFNT E T TOUTF L H MMF EFS GR UFNDFS N LOH UFS EF l’ ∞) FST

R MFN F SUR L
H MMF EFS GR UFNDFS NUM R UFS EF 2 1 ( * ON TF NS LFS
PROCL MFS EF RFPL FMFNT EF SPFDTRF
Transformation des fréquences :

La transformation bilinéaire s’exprime en fréquence par

w a pulsation lorsqu’on travaille en analogique

w Pulsation lorsqu’on travaille en numérique
Lorsque la variable wa varie de zéro à l’infini, z parcours le cercle ω unité, comme pour la
transformée en Z

La transformation bilinéaire introduit simplement une distorsion des fréquences du filtre lors
du passage en numérique sans modifier la stabilité.

=>

13
Chapitre 7. Filtre à réponse impulsionnelle infinie (RII)

0 MONSTR T ON *

== >

G HURF D EFSSOUS NE UF L DONSTRUDT ON PFRMFTT NT EF P SSFR EF L

R PONSF FN
GR UFNDF EU G LTRF N LOH UF L R PONSF FN GR UFNDF EU G LTRF
NUM R UF

14