Echantillonnage Et Convolution

Echantillonnage et convolution
NOTES DE COURS
Pr. Hassan SALMI
2GLT
Année universitaire: 2022- 2023

Plan du chapitre
Chapitre 2 : Echantillonnage et convolution
▪ Introduction
▪ Principe de l’échantillonnage
▪ Principe de la convolution
▪ Propriété de la conlution
▪ Transformée en Z et convolution
Pr. Hassan SALMI École Hassania des travaux publics

2
3 Chapitre 3: Echantillonnage
▪ Introduction
Les technologies actuelles (Téléphone, PDA, PC, chaîne

d’acquisition, …) utilisent des calculateurs numériques. Lorsque
vous travaillez sous Matlab ou Scilab, le signal temporel est
discrétisé, ce qui signifie que vous ne prenez pas en compte
l’évolution du signal à tout instant (signal analogique), mais
l’amplitude du signal à des instants bien réguliers.
Il s’agit de l’échantillonnage.

▪ Introduction
Echantillonner consiste à prélever PERIODIQUEMENT l’amplitude du signal x(t), comme le montre la figure
suivante :

▪ Introduction
Au cours du chapitre 2, nous avons vu :

- qu’un signal périodique présente un spectre discret,
- qu’un signal non périodique présente un spectre continu
L’opération d’échantillonnage consiste à prélever l’amplitude du signal à tous les instants Te, tout revient donc
à faire le produit du signal à échantillonner avec une série de Dirac :

▪ Principe de l’échantillonnage
La série de Dirac s’appelle un peigne de Dirac. Cette fonction est constituée de dirac espacés de Te, par conséquent
σ 𝑛=+∞
P(t)= 𝑛=−∞ δ(t − 𝑛𝑇𝑒 )
On obtient un signal échantillonné
𝑥𝑒 (t)=x(t).p(t)= σ𝑛=+∞
𝑛=−∞ x(t).δ(t − 𝑛𝑇𝑒 )

▪ Principe de convolution
Soit x(t) un signal et h(t) l’équation d'un système.
X(t)
Système y(t)
h(t)
Alors, en sortie de mon système , je récupère un signal y(t) telle que y(t)=x(t)*h(t) le produit de convolution de x et h.
+∞
Par définition y(t)= x(t)*h(t)=‫׬‬−∞ ℎ 𝜏 𝑥 𝑡 − 𝜏 𝑑𝜏
On note X(f), Y(f) et H(f) la transformée de Fourier respectivement de x(t), y(t) et h(t) H(f) représente la fonction de
transfert de mon système (il peut s’agir d’un filtre).

▪ Propriété de la convolution
La convolution est une opération couramment utilisée dans le domaine du traitement du

signal car elle apporte des résultats rapides par passage de la FFT. Elle est l'analogue de la
multiplication spectrale dans le domaine temporelle et inversement, c'est-à-dire qu'une
multiplication de deux signaux, terme à terme dans le modèle temporelle, se traduira
comme une convolution des spectres des deux signaux :
Théorème de Plancherel :
Si : y(t) = h(t).x(t) alors Y( f ) = H( f ) ∗ X ( f )
Et inversement : si y(t) = x(t) ∗ h(t) alors, Y(f)=X(f).H(f).

▪ Propriété du Dirac
Soit un signal x(t), le produit de x(t) par un dirac à l’instant nT donne l’amplitude du signal à l’instant nT et une amplitude
nulle entre deux instants, soit x(t).δ(nT)=x(nT) (cf. échantillonnage).
Par conséquent, en fréquentiel nous aurons la même propriété (une fonction à la même caractéristique quelle que soit la
variable) X(f).δ(f-Fi)=X(Fi), l’amplitude de X(f) à la fréquence Fi

▪ La transformé en Z
Sur la figure précédente, nous avons prélever l’évolution du signal x(t) aux instants nTe.
Soit x0=x(0), x1=x(Te), . .., xk=x(kTe) l’amplitude du signal aux instants 0, Te, …, kTe.
La transformé en Z d’un signal échantillonné s’écrit sous la forme:
Cette écriture est toujours utilisée en électronique numérique et toutes fonctions mathématiques implémentées dans des
circuits numériques sont conçues à partir de la transformée en Z.

▪ La transformé en Z: Exemple ; signal recte(z)
Soit le signal carré Rect suivant, nous allons écrire l’équation en temporel et sa transformée en Z.
Alors
il s’agit de la représentation discrétisée d’un signal rectangulaire.

On peut écrire sa transformée en Z:

▪ Convolution dans le domaine discret
Nous pouvons définir de la même manière le produit de convolution dans le domaine discret.
Soit {xn} et {yn} deux signaux discrets définis par leur transformée en Z
, où xn et yn représente la n-ième amplitude du signal discrètisé.

Soit z, la convoluée de x et y, alors la n-ième amplitude de z est calculée par :
On retrouve la même formulation que celle établie en temporel, à savoir:

▪ Convolution dans le domaine discret
On retrouve la même formulation que celle établie en temporel, à savoir:
En remplaçant l’intégrale par une sommation infinie τ devient k et t est remplacé par n.
Tout revient à prendre le signal x à l’instant 0 et de prendre y à l’instant n.
On dessine les deux séquences l’une dessous l’autre en inversant y (on trace x(0) à x(n) et y(n) à y(0)). On fait ensuite le
produit terme à terme et la sommation finale.

▪ APPLICATION
Cas 1 : Soit un signal discrétisé {xn} défini par
On peut représenter {x} par :
Soit {y} defini par Y(Z) = 𝑍 −10, c'est-a-dire un dirac au 10-eme échantillon.
Calculons zn=xn*yn, yi=0 si i10

▪ APPLICATION

▪ Echantillonnage et condition de Shannon
L’étape d’échantillonnage d’un signal aux instants kTe, k entier revient à discrétiser le signal en prélevant l’amplitude du
signal aux instants kTe.
Nous rappelons que l’on obtient l’exemple suivant :
Tout revient à multiplier le signal x(t) par le peigne de Dirac soit xe(t)=x(t).p(t)

Le fil conducteur est l’estimation du spectre. On sait que :

- Y(f)=X(f)*P(f)
- La Transformée de Fourier d’un peigne de Dirac est un peigne de dirac, les raies sont espacées de Fe.
- La convolution d’un signal x(t) et d’un dirac δ(t-Te) est x(t-Te), c'est-à-dire x(t) déplacé autour de Te.
x(t) * δ(t-Te)=x(t-Te)
dans le domaine fréquentiel :
La convolution du spectre X(f) et d’un dirac δ(f-Fe) est X(f-Fe), c'est-à-dire X(f) déplacé autour de Fe.
X(f) * δ(f-Fe)=X(f-Fe)

Représentons P(f) :
P(f) est donc constitué d’une infinité de Dirac.
Or, la convolution avec un dirac à Fe va déplacer le spectre autour de Fe, la convolution avec le dirac à 2*Fe va déplacer le
spectre autour de 2Fe, la convolution avec le dirac autour de –Fe va déplacer le
spectre autour de –Fe.
Par conséquent, échantillonner un signal revient à e e e e e e

périodiser son spectre autour de nFe
n entier relatif.

Plusieurs cas de figures se présentent :

Soit X(f), le spectre de x(t), spectre fini :
Quand on périodise le spectre de X(f) autour de nFe, on obtient les spectres suivant
Cas 1 : Fe>> Fmax
Les spectres sont correctement séparés. Le spectre autour de Fe ne vient pas perturber le spectre autour de 0, il n’y a pas
d’interférence.

Cas 2 : Fe/2= Fmax
Les spectres sont contigus. Le spectre autour de Fe

ne vient pas perturber le spectre autour de 0, il n’y a pas d’interférence mais on est à la limite
Cas 3 : Fe/2< Fmax
Les spectres se chevauchent, il y a une perturbation appelé bruit de repliement. Si le signal x(t) est un signal audio, après
échantillonnage, le signal audio est bruité par un signal basse fréquence autour de Fmax issu de la périodisation de
Spectre.

CONDITION DE SHANNON
Pour éviter le repliement de spectre, on vérifiera que Fe> 2.Fmax. C’est la condition
de SHANNON.

▪ Reconstruction
Pour établir la reconstruction du signal d'origine x(t) à temps continu, il faut d'abord réécrire le signal échantillonné sous forme temporelle :
𝒙𝒆 (𝒕)=x(t)σ δ 𝒕 − 𝒌𝑻 = σ x(K𝑻𝒆 )δ 𝒕 − 𝒌𝑻𝒆
𝐹𝑒
On applique sur ce spectre périodisé un filtre passe-bas centré sur 0 et de fréquence de coupure,
2
En sortie de ce filtre, il ne reste plus que le motif initial, c'est-à-dire le signal d'origine non échantillonné, à temps continu, évidemment ici dans sa représentation
fréquentielle. Quantitativement, ce filtre passe-bas admet comme fonction de transfert :
1 𝑓
rect( ) parce que la périodisation du spectre était accompagnée de la constant multiplicative 𝐹𝑒
𝐹𝑒 𝐹𝑒

Filtre anti-repliement
Restitution idéale
•On utilise un filtre passe-bas analogique dit filtre anti-repliement

•Le filtre anti-repliement définit Fmax

Restitution idéale
Filtre de
x e (t) X e (f) restitution
t -Fe -F 0 F MAX Fe Fe f
T=1/Fe MAX
X(f)
x(t)
t -F MAX
0 F MAX f

▪ Application n°1

𝜋 3 𝜋
On reçoit les échantillons des signaux x(t)=cos( 𝑡) et y(t)=cos ( 𝑡)
2 2
1. Calculer x(kTe) et y(kTe) pour Te=2s
2. Tracer le spectre de X(f)
3. Tracer le spectre de Xe(f)
4. Peut-on récupérer x(t) à partir de x(kTe)? Si oui, comment ? sinon pourquoi ?
3.Peut-on récupérer y(t) à partir de y(kTe)? Si oui, comment ? sinon pourquoi ?
𝟏
TF(cos(2πfx))= [δ(f- fx) +δ(f+ fx)]
𝟐

X(t) est un signal téléphonique émis occupant la bande [300Hz,3300Hz]

Avec X(f)=1 pour toute fréquence de la bande et zéro ailleurs.
2.1 Tracer respectivement pour Fe=4KHz et 8KHz le spectre du signal échantillonné.
Quelles sont vos observations.
2.2 A quelle condition peut-on récupérer le son d'origine à partir des échantillons reçus ?
2.3 Proposer une méthode de récupération du son analogique x(t) émis

Échantillonnage
Échantillonnage idéal et réalités pratiques :
En pratique, l’échantillonneur est commandé par un un train d’impulsions
étroites (échantillonnage réel).
Si le signal varie rapidement, un bloqueur permet de maintenir la valeur du
signal à l’entrée de l’échantillonneur (échantillonnage avec blocage).
Il est donc impossible d’obtenir des échantillons de durée quasiment nulle.
l’échantillonnage idéal n’est pas réaliste.

4 Chapitre 4: CHAINE DE TRAITEMENT NUMERIQUE
Chaine de traitement numérique
DESCRIPTION D'UN SIGNAL NUMÉRIQUE
Un signal analogique est un signal continu qui peut prendre une infinité de valeurs, alors que le
signal numérique est un signal discret (discontinu), qui se résume en une succession de « 0 » et de
« 1 ».

• L’objectif de la numérisation est de transformer le signal analogique qui contient une

quantité infinie d'amplitudes en un signal numérique contenant lui une quantité finie de
valeurs.
• Le passage de l'analogique au numérique consiste en 2 étapes successives : l'échantillonnage
et la conversion analogique-numérique (CAN).
Le nombre d'échantillons composant le signal numérique devra être suffisamment grand pour pouvoir
représenter le signal analogique de départ mais pas trop grand non plus pour ne pas être trop volumineux.
Deux facteurs devront être ajustés pour répondre à ce cahier des charges : la précision et la rapidité.
RAPIDITÉ OU CHOIX DE LA FRÉQUENCE D'ÉCHANTILLONNAGE
La fréquence d'échantillonnage doit être

suffisamment grande. En effet, si celle-ci est trop
faible, les variations rapides du signal ne pourront être
retranscrites.

PRÉCISION OU CHOIX DU PAS DE QUANTIFICATION
La précision ou résolution du signal obtenu en sortie va dépendre du convertisseur utilisé, autrement dit de l'électronique mise en oeuvre. La
limite théorique de la résolution est définie par le nombre de bits du convertisseur analogique numérique.
L'exemple suivant montre un signal analogique codé sur 1 bit, seules deux valeurs sont possibles pour ce bit soit « 0 » soit « 1 ». La précision
est alors très faible et ne permet pas un résultat satisfaisant.
Dans cet exemple, le signal a une amplitude de 10

volts :
•0 à 2,5 V, le code sera « 00 »
•2,5 V à 5 V, le code sera « 01 »
•5 V à 7,5 V, le code sera « 10 »
•7,5 V à 10 V, le code sera « 11 »

Z(t) Filtre anti- x(t) x(n) y(n) y(t) u(t)

CAN Traitement Filtre de
repliement CNA
numérique lissage
• Filtre analogique anti-repliement

– Elimine les hautes fréquences
• Echantillonneur-bloqueur
– Maintient du signal à l’entrée du convertisseur
• Convertisseur analogique numérique (CAN)
– Convertit en binaire l’amplitude des échantillons
• Système numérique de traitement
– Effectue un traitement sur la suite de valeurs binaires
• Convertisseur numérique analogique (CNA)
– Transforme une suite de valeurs binaires en un signal analogique
• Filtre de restitution
– Elimine les fréquences indésirables à la sortie du CNA

1. Filtre anti-repliement
• le repliement de spectre se produit lorsque le signal périodique contient des
composantes spectrales (des harmoniques) dont la fréquence excède la moitié de
la fréquence d'échantillonnage.

• Principe
• On suppose que l'on doit mettre en place un système de numérisation opérant à la fréquence
d'échantillonnage fe. La plupart des signaux périodiques numérisés auront l'essentiel de leur
spectre entièrement dans la bande [0,fe/2] mais il peut arriver que certaines harmoniques de rang
élevé aient une fréquence au delà de fe/2. Le repliement de ces harmoniques dans la bande de
fréquence utile peut nuire à la qualité de la numérisation. Il faut donc réduire ces harmoniques
par un filtrage passe-bas : c'est la fonction du filtre anti-repliement.
• La fréquence de coupure du filtre est choisie à fe/2.

• schéma
• Le schéma suivant montre un filtre anti-repliement idéal placé avant le convertisseur analogique-
numérique :

2. Convertisseur analogique numérique CAN
x(t) 𝑥𝑒 (t) 𝑥𝑞 (t)

Echantillonnage Quantification 𝑥(n)
Codage

Rôle de l'échantillonnage
La numérisation d'un signal se déroule en deux étapes : la première est l'échantillonnage (discrétisation du temps),
qui consiste à prélever la valeur du signal à des instants précis (instants d'échantillonnage). La seconde étape est
la quantification ou codage (discrétisation des valeurs), qui associe un code numérique à la valeur échantillonnée
précédemment.
Avec un échantillonneur simple (par exemple, un interrupteur seul), le signal d'entrée est prélevé à chaque instant
d'échantillonnage (Fig.2). Donc le codeur ne dispose du signal d'entrée qu'à ces instants précis. La quantification devrait
théoriquement se faire en un laps de temps très court et coïncider exactement aux instants d'échantillonnage. Or ces
deux conditions sont difficiles à réunir.

L'objectif d'un échantillonneur-bloqueur est, en plus de prélever le signal d'entrée aux instants
d'échantillonnage, de maintenir le dernier échantillon à une valeur constante (Fig.3). Cela permet à
l'étage de quantification de disposer de plus de temps pour le codage de l'information.

L'échantillonneur-bloqueur est un circuit électronique constitué dans sa forme la plus simple d'un
interrupteur commandé et d'un condensateur.
Son rôle est de maintenir une valeur de tension constante entre deux instants d'échantillonnage.

QUANTIFICATION
L’opération de quantification consiste à attribuer un nombre binaire à toute valeur prélevée au signal lors de
l’échantillonnage. C’est le CAN (convertisseur analogique numérique) qui réalise cette opération.
Chaque niveau de tension est codé sur p bits, chaque bit pouvant prendre deux valeurs (0 ou 1). Donc un
convertisseur à p bits possède 2𝑃 niveaux de quantification.
Considérons un CAN 4 bits, il n’y a donc que 24 = 16 valeurs possibles attribuables à toutes les valeurs prélevées lors
de l’échantillonnage.
L’opération se fait donc avec une perte d’information d’autant plus grande que p est petit

QUANTIFICATION
Le schéma ci-dessous représente une partie de la caractéristique de transfert d’un convertisseur 4 bits ; à tous les
niveaux de tension d’un même palier, le convertisseur fait donc correspondre un seul et même nombre binaire :
q est le pas de quantification : il correspond à la plus petite variation de tension que le convertisseur peut coder.
On voit bien que plus q est faible, meilleure sera la précision de codage.

QUANTIFICATION
Pour une quantification par défaut, où 𝑋𝑛 = nq si x est compris entre nq et (n+1)q,
l’erreur commise appelée bruit de quantification est donnée sur le graphe ci-dessous :
𝟐𝑽𝒎𝒂𝒙
Le pas de quantification q= 𝟐𝒏
Quantification
Erreur (ou bruit) de quantification
 (t ) = xe (t ) − xq (t )
xe(t) : signal échantillonné non quantifié
xq(t) : signal échantillonné quantifié
Le rapport signal sur bruit de quantification (RS / B )q = PS

PB
PS : puissance du signal m(t)

PB : puissance du bruit de quantification

CAN: codage

CNA: Bloqueur
L’opération de CNA la plus courante consiste à produire un signal de commande continu u(t) à partir des valeurs
échantillonnées u(k) en maintenant constant u(k) durant toute la période d’échantillonnage via un bloqueur

Réponse du bloqueur
Fe=100Hz

Filtre de lissage
Le filtre de lissage consiste à élimner les fréquence supérieure à Fe/2

Echantillonnage Et Convolution

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Echantillonnage Et Convolution

Transféré par

Droits d'auteur :

Formats disponibles

Echantillonnage et convolution

Année universitaire: 2022- 2023

Pr. Hassan SALMI École Hassania des travaux publics

Les technologies actuelles (Téléphone, PDA, PC, chaîne

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

Au cours du chapitre 2, nous avons vu :

Pr. Hassan SALMI École Hassania des travaux publics

On obtient un signal échantillonné

Pr. Hassan SALMI École Hassania des travaux publics

Soit x(t) un signal et h(t) l’équation d'un système.

Pr. Hassan SALMI École Hassania des travaux publics

La convolution est une opération couramment utilisée dans le domaine du traitement du

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

La transformé en Z d’un signal échantillonné s’écrit sous la forme:

Pr. Hassan SALMI École Hassania des travaux publics

il s’agit de la représentation discrétisée d’un signal rectangulaire.

Pr. Hassan SALMI École Hassania des travaux publics

, où xn et yn représente la n-ième amplitude du signal discrètisé.

On retrouve la même formulation que celle établie en temporel, à savoir:

Pr. Hassan SALMI École Hassania des travaux publics

On retrouve la même formulation que celle établie en temporel, à savoir:

Pr. Hassan SALMI École Hassania des travaux publics

Cas 1 : Soit un signal discrétisé {xn} défini par

On peut représenter {x} par :

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

Le fil conducteur est l’estimation du spectre. On sait que :

Pr. Hassan SALMI École Hassania des travaux publics

Par conséquent, échantillonner un signal revient à e e e e e e

Pr. Hassan SALMI École Hassania des travaux publics

Plusieurs cas de figures se présentent :

Pr. Hassan SALMI École Hassania des travaux publics

Cas 2 : Fe/2= Fmax

Les spectres sont contigus. Le spectre autour de Fe

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

𝒙𝒆 (𝒕)=x(t)σ δ 𝒕 − 𝒌𝑻 = σ x(K𝑻𝒆 )δ 𝒕 − 𝒌𝑻𝒆

Pr. Hassan SALMI École Hassania des travaux publics

•On utilise un filtre passe-bas analogique dit filtre anti-repliement

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

X(t) est un signal téléphonique émis occupant la bande [300Hz,3300Hz]

Pr. Hassan SALMI École Hassania des travaux publics

l’échantillonnage idéal n’est pas réaliste.

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

• L’objectif de la numérisation est de transformer le signal analogique qui contient une

La fréquence d'échantillonnage doit être

Pr. Hassan SALMI École Hassania des travaux publics

Dans cet exemple, le signal a une amplitude de 10

Pr. Hassan SALMI École Hassania des travaux publics

Z(t) Filtre anti- x(t) x(n) y(n) y(t) u(t)

• Filtre analogique anti-repliement

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics

• La fréquence de coupure du filtre est choisie à fe/2.

Pr. Hassan SALMI École Hassania des travaux publics

Pr. Hassan SALMI École Hassania des travaux publics