Université Sidi Mohammed 

Benabdellah GI
Faculté des sciences et techniques
de Fès
Département Génie Industriel
Traitement Numérique du Signal

Digital Signal Processing DSP

Traitement Numérique du Signal TNS

H. KABBAJ

1
 Table des matières
Introduction

1 échantillonnage et quantification des signaux analogiques

2 Signaux et Systèmes numériques
3 Transformation en Z
4 Transformée de Fourier d’un signal discret
5 La Transformée de Fourier Discrète
6 Transformée de Fourier Rapide
7 Filtrage numérique

8 Synthèse des filtres RII

9 Synthèse des filtres RIF
2
 Introduction

f la fréquence analogique en Hz,

fe la fréquence d’échantillonnage,
Te la période d’échantillonnage.
w = 2pf la pulsation en rad/s.
Pour des raisons de simplicité d’expression, on peut faire abstraction
de Te si on sait que toutes les grandeurs utilisées seront relatives à Te
ou fe.
Pour ces raisons, on peut utiliser dans le domaine fréquentiel, la
variable W = 2p f Te = 2p f / fe appelée pulsation relative ou
fréquence numérique.

3
A cause du théorème d’échantillonnage, un système
numérique exprimé en terme de W sera périodique
de période 2p, ou bien fe .
La réponse fréquentielle sera définie entre -p et p ou
si on raisonne en terme de fréquence analogique
entre –fe/2 et fe/2

Remarque: Le chapitre 1 sur l’échantillonnage et

quantification des signaux analogiques est sur un fichier à
part déjà vu précédemment.

4
 Chapitre 2

Signaux et Systèmes numériques

5
2.1 Systèmes numériques de traitement du signal

Les opérations de conversion analogique/numérique, A/N, et

numérique/analogique, N/A, sont les interfaces entre un
monde physique et le monde du calculateur où s’exécutent
les algorithmes de traitement du signal.

A part, la difficulté du passage analogique/numérique, les

systèmes TNS ont de sérieux avantages sur leurs
équivalents analogiques.

6
On peut citer à titre d’exemples:

* Flexibilité, utilisation d’algorithmes sur des calculateurs.

* Précision et consistance des calculs numériques à

comparer aux dérives des systèmes analogiques (tolérance
des composants).

* Capacité de stockage, transmission sans altération du

signal.

7
2.2 Classification des signaux

Un signal s(t) ou x(t) peut être classé selon différents critères :

sa dimensionnalité, ses caractéristiques temporelles, les
valeurs qu’il peut prendre, sa prédictibilité.

* Dimensionnalité

TV(t) = [R, V, B]

8
* Caractéristiques temporelles

- Pour les signaux à temps continu ou signaux analogiques, on

les note de la façon suivante: x(t) ou s(t).

- Les signaux à temps discret sont définis pour certaines

valeurs de la variable t:

9
 * Prédictibilité des signaux
On peut distinguer deux grandes classes de signaux selon
leur caractère de prédictibilité.
– Les signaux déterministes qui peuvent être représentés
explicitement par une fonction mathématique.
– Les signaux aléatoires qui évoluent dans le temps d’une
manière imprédictible. Il est cependant possible de décrire
mathématiquement certaines caractéristiques statistiques de
ces signaux.

10
2.3 Représentation des signaux et systèmes numériques

* Les signaux à temps discret

Le signal s(n) est par définition une séquence de valeurs sn.

s(n) n’est pas défini pour des valeurs de n non entières.

Exemple:
- L’impulsion de Dirac (unité):

On pourra tracer à titre d’exemple d(n) et d(n-2) et d(n+3).

- L’échelon unité:

On pourra tracer à titre d’exemple u(n) et u(n-2) et u(n+3) 11

 Caractéristiques:

On définit l’énergie E d’un signal à temps discret de la manière

suivante:

La puissance moyenne P d’un signal s(n) est définie comme :

12
* Les systèmes à temps discret
Un système à temps discret est un système qui transforme un
signal d’entrée à temps discret, appelé signal d’excitation, en
un signal de sortie à temps discret, appelé signal de réponse.
Un signal d’entrée e(n) est transformé en un signal de sortie
s(n) :

Un système est dit invariant en temps (ou au décalage) si et

seulement si :

e (n) ,

13
Un système est linéaire si et seulement si :

e1(n) e2(n) et (a,b)

14
Et enfin, un système est causal si la sortie s(n) à
n’importe quel instant n dépend seulement des
échantillons de sortie passés et des échantillons
présent s et passés du signal d’entrée.

Exemple: s(n) = s(n-1) + s(n-2) + e(n) + e(n-1)

15
2.4 Analyse des Systèmes numériques LIT
2.4.1 Représentation d’un signal

On peut écrire alors:

Le signal e(n) s’écrit alors :

16
2.4.2 Système Linéaire Invariant

On pose:

En plus d’être linéaire, si le système est invariant, hk(n) ne

dépend plus de k, donc :
17
Pour un système linéaire invariant (SLI), on obtient alors la
relation suivante entre signal d’entrée et de sortie :

Un Système Linéaire Invariant est donc entièrement

caractérisé par sa réponse impulsionnelle h(n).
Cette opération d’accumulation de termes multiplicatifs porte le
nom de convolution et se note * :

Par un simple changement de variable sous le signe somme,

il est simple de montrer qu’il s’agit d’une opération
commutative, on a :
18
2. 4. 3 Exemple de convolution:

Soit la réponse impulsionnelle h(n) d’un système numérique

linéaire invariant telle que :

ou encore :

19
Étudions la réponse d’un tel système à l’entrée suivante :

Ici N=10

Signal d’entrée e(n) 20

21
22
Récapitulatif

e(k)

23
24
2.4.4 Stabilité
Un système est stable si à une entrée bornée correspond une
sortie bornée. Soit h(n) la réponse impulsionnelle d’un
système linéaire invariant, la condition de stabilité d’un tel
système s’écrit :

2.4.5 Causalité

Un système linéaire invariant est causal si et seulement si:

h(n) = 0 pour n < 0.
Une séquence est causale si les échantillons de cette
séquence sont nuls pour n < 0.
25
2.4.6 équation aux différences finies

Une équation aux différences finies peut s’écrire sous la forme :

Un système régit par une équation aux différences finies du

type précédent est linéaire, invariant et causal.

26
Si N >=1 :
– un échantillon de sortie au temps n, s(n) dépend des N
précédents échantillons de sortie s(n - 1) ……. (n - N).
– un tel système est dit récursif.
– la réponse d’un tel système impulsionnelle est infinie, RII.

27
Si N = 0 :
– la sortie s(n) dépend seulement de l’entrée courante e(n) et
de ses M échantillons précédents.
– le système est dit non-récursif.
– la réponse impulsionnelle est finie, RIF.
La réponse impulsionnelle d’un système RIF est donnée par :

c’est-à-dire par la séquence des {bk}.

28
2.5 Représentation fréquentielle des SLIT

Soit l’entrée:

d’un système linéaire

invariant de réponse
impulsionnelle h(k). La
sortie peut alors s’écrire:

En posant :

29
et donc:

Où est appelé réponse fréquentielle du

système caractérisé par sa réponse impulsionnelle h(k).

La définition de la réponse fréquentielle d’un système

numérique linéaire invariant montre qu’il s’agit d’une
fonction périodique de période 2p. Cela veut dire qu’à deux
entrées identiques mais à une pulsation double le système
répond d’une manière identique. 30
Exemple: Calculer la réponse fréquentielle du SLIT définie
par l’équation aux différences suivante;

y(n) = [ x(n) + x(n-1) ] / 2

Réponse :
h(n) = [ d(n) + d(n-1) ] / 2

31
Fin du chapitre 2

32
 Chapitre 3
Transformation en Z

33
Introduction

La transformée en z est un outil largement utilisé

pour l’étude des systèmes de traitement numérique
du signal.

C’est l’équivalent de la transformée de Laplace

pour les systèmes analogiques.

34
1 Définition de la transformée en z
La transformée en z directe d’un signal à temps discret x(n) est
définie par :

On défint un sous-ensemble appelé région de

convergence ou domaine de convergence (Critère de
Cauchy pour les suites).
Une région de convergence correspond à l’ensemble des
valeurs de z telles que X(z) soit définie et à valeurs finies.
Spécifier le domaine de convergence de la transformée est
tout aussi important que la transformée elle-même.
35
1.1 Exemples de transformée

* 1er exemple: Soit le signal à temps discret suivant :

La région de convergence est C.

* 2ème exemple: Soit le signal à temps discret suivant :

d’où

36
* 3ème exemple: Soit le signal à temps discret suivant :

La série précédente converge si et seulement si:

37
38
4ème exemple:

39
5ème exemple:

x(n)= -an u(-n-1)

Déterminer la transformée en z de x(n) ainsi que la région

de convergence.

1.2 Exemple de transformée X(z) composée:

40
 Exemple:

Cette série converge si: càd:

Et donc:
41
Dans la région de convergence, on peut écrire:

De la même façon :

42
La région de convergence finale est déterminée par
l’intersection des deux ROC:

43
2 Propriétés de la transformée en z
2.1 Linéarité
Soient deux signaux à temps discret x1(n) et x2(n) ayant pour
transformées en z respectives X1(z) et X2(z).
Soit le signal x(n) = ax1(n) + bx2(n).
La définition de la transformée en z (une somme de monômes
en z) conduit directement à la relation suivante :

X(z) = aX1(z) + bX2(z)

La région de convergence de la somme de l’équation

précédente contient l’intersection des régions de
convergence de X1(z) et X2(z).

44
Par exemple, soit:

on peut décomposer x(n) de la manière suivante :

45
2.2 Décalage temporel

Soit

Alors:

2.3 Facteur d’échelle en z

46
2.4 Dérivation dans l’espace en z

Soit X(z) transformée en z de x(n) . Soit x’(n) = n x(n). on a alors :

La région de convergence reste inchangée.

47
2.5 Convolution

Soient x1(n) et x2(n) avec pour transformées en Z respectives X1(z)

et X2(z).

Soit x(n) = x1(n) * x2(n), on a alors :

48
3 .Transformées en Z rationnelles

On entend par transformées en z rationnelles, l’ensemble des

fonctions en z s’écrivant comme le ratio de deux polynômes en z -1.

Cette classe de fonction correspond aux systèmes linéaires

invariants décrits par une équation aux différences finies.

49
3.1 Définition des pôles et des zéros

* Les zéros d’une transformée en Z, X(z), sont les valeurs de z

telles que X(z) = 0.

* Les pôles d’une transformée en Z, X(z), sont les valeurs de z

telles que X(z) = l’infini.

* Si X(z) est une fonction rationnelle, X(z) peut alors s’écrire sous
la forme suivante :

50
En supposant

on peut réécrire
l’équation précédente
la manière suivante : 51
N’(z) a au plus M racines simples ou multiples en z1 …….. zM.
D’(z) a au plus N pôles simples ou multiples en p1 …….. pN.
On peut alors réécrire X(z) sous la forme suivante :

Avec:

1. X(z) possède M zéros finis en z1 …….. zM.

2. X(z) possède N pôles finis en p1 …….. pN.

52
3.2 Fonction de transfert d’un système linéaire invariant

A partir d’une entrée connue, e(n), on observe alors la sortie s(n)

caractérisée par sa transformée en z, S(z). La fonction de transfert du
système est alors :

On a vu que si on prend e(n) = d(n), on obtient directement s(n) = h(n)

ce qui devient dans le plan en Z, E(z) = 1 donc H(z) = S(z).

53
Pour les systèmes LIT décrits par leur ED:

54
55
Systèmes RIF
Un système RIF est un système dont la transformée en Z s’exprime
sous la forme de l’équation précédente avec N = 0, c’est-à-dire pour
lequel a1 = a2 = ……. = aN = 0.
La fonction de transfert devient alors :

La réponse impulsionnelle de ce système est de type finie (RIF ou

FIR).

56
 Systèmes RII
Un système RII est un système dont la transformée en z s’exprime
sous la forme de l’équation précédente avec M = 0, c’est-à-dire
pour lequel b1 = b2 = ………= bM = 0.
La fonction de transfert devient :

Le polynôme dénominateur possède N racines. La réponse

impulsionnelle de ce système est de type infinie (RII ou IIR).
57
4 Transformée en Z inverse

4.1 Transformée inverse par intégration

Soit X(z) la transformée en z du signal x(n). On définit la
transformée en z inverse, la relation déterminant x(n) à partir de X(z)
telle que :

L’intégrale précédente consiste à sommer X(z) z n-1 pour des

valeurs de z prises sur un contour fermé du plan complexe qui
contient l’origine du plan tout en étant inclue dans le domaine de
convergence de la fonction.
58
4.2 Transformée inverse par développement en puissance

Exemple:

59
4.3 Transformée inverse par développement fractionnaire

L’idée générale de cette approche consiste à trouver pour une

fonction X(z) complexe un développement en fonctions de z plus
simple et pour lesquelles une transformée inverse est connue.

En supposant :

On obtient :

60
La classe des transformées en z rationnelles peut toujours s’écrire
selon ce principe. Les formes élémentaires sont le plus souvent des
formes telles que définies selon le tableau suivant :

61
Exemple:

62
63
5 Analyse des Systèmes par la transformée en Z
Réponse d’un système décrit par une fonction rationnelle

Soit le système décrit par l’équation suivante :

Il s’agit alors de caractériser s(n).

Pour cela, il faut écrire H(z) sous la forme suivante:

64
6 Causalité et Stabilité

6.1 Condition de causalité pour H(z)

un système linéaire est causal ssi sa réponse impulsionnelle h(n)

est nulle si n < 0.
6.2 Condition de stabilité pour H(z)
* Pour qu’un système numérique linéaire soit stable il faut et il
suffit que sa réponse impulsionnelle vérifie :

* Et enfin, on admet qu’un système numérique linéaire causal est

stable si et seulement si tous les pôles de sa fonction de transfert
sont à l’intérieur, strictement, du cercle unité. 65
7 Détermination du module et de la phase du système

Prenons par exemple, un système dont la fonction de transfert

s’exprime sous la forme suivante :

Ce système possède donc un zéro en z = 0 et un pôle en z = -1/2 .

En prenant z sur le cercle unité :

66
67
68
69
Fin du chapitre 3

70
 Chapitre 4
Transformée de Fourier d’un
signal discret (TFSD)

71
4.1 Rappels sur les signaux continus

w = 2p f
La transformée inverse:

72
4.2 Signaux discrets non périodiques
Pour un signal x(n) discret quelconque non périodique, sa
transformée de Fourier (TF) s’écrit :

avec W = w T = 2p f T= 2p f/fe
On parlera également de Transformée de Fourier à
Temps Discret (TFTD).

Dans le cas où on utilise la variable fréquence f, la TF s’écrie :

73
X(ejW) peut être exprimé à partir de la transformée en Z par
la relation :

Cette équation implique que la TF n’existe que si le cercle

unité, caractérisé par z = e j W ( z = 1 ), appartient au
domaine de convergence de X(z)

X(W) est périodique de période 2p. Ceci implique que le

spectre d’un signal discret est périodique

74
 Exemple de TFSD

La transformée de Fourier inverse est donnée par :

75
Si le raisonnement est porté sur X(f) la période est fe = 1/T ,
(voir transparent n° 16 du chapitre 1). La transformée inverse
s’écrit alors :

76
Exemple (TD) : Soit le signal x(n) = anu(n) avec a < 1,
déterminer sa TF ; X(ejW).
Tracer son module et son argument.
Retrouver x(n) par TF inverse de X(ejW).

77
4.3 Propriétés de la transformée de Fourier d’un
signal discret
– Linéarité ou superposition

– Décalage en temps-fréquence

– Dérivation en fréquence

78
– Produit de convolution

– Théorème de Parseval (conservation de la puissance d’un

signal)

79
Exemple de TFSD

T = 1s

80
81
Fin du Chapitre 4

82
 Chapitre 5
Transformée de Fourier discrète
TFD ou DFT

83
5.1 Échantillonnage du domaine Fréquentiel

Pour un signal x(n) quelconque, sa Transformée de Fourier à

Temps Discret, TFTD, est donnée à l’équation vue
précédemment .

84
 On échantillonne maintenant la TFTD en N points
fréquentiels, tels que :

I’illustration des effets liés à l’échantillonnage dans le

domaine temporel et dans le domaine fréquentiel est
85
montrée sur la figure suivante:
On s’aperçoit ici que le spectre échantillonné donne lieu à
un signal temporel discret périodique de période N.

En effet, on se rappelle que lorsque nous avons observé

l’effet de l’échantillonnage d’un signal sur son spectre, il est
apparu que le spectre du signal était périodisé.

Ici, on a échantillonné le spectre, et il est donc logique qu’il

s’en suit une périodisation du signal de départ.
5.2 Transformée de Fourier Discrète TFD
La transformée de Fourier Discrète (TFD) d’un signal x(n) à
temps limité de longueur N est définie par la relation suivante :

88
Les principales propriétés de la TFD sont:

– Linéarité
– Décalage en temps-fréquence:

– Produit de convolution :

avec x1(n) et x2(n) des signaux périodiques de période N.

89
– Théorème de Parseval (conservation de la puissance d’un signal)

- Un autre intérêt de cette transformée réside dans un calcul

d’une somme finie de termes qui peut être particulièrement
efficace si N est une puissance de 2, (2, 4, 8, 16………..)
c’est la FFT.
- Enfin, il est possible de trouver la transformée de Fourier
discrète d’un signal, en évaluant sa transformée en z sur le
cercle unité, c’est-à-dire en prenant:

90
91
En effet:

92
93
94
Fin du chapitre 5

95
 Chapitre 6:
Transformée de Fourier Rapide
TFR ou FFT

96
6. 1 Introduction
N points du signal x(n) donnent N points de la TFD X(k).

x(n) et X(k) sont, dans le cas général, des nombres complexes.

Nous pouvons réécrire cette équation sous forme matricielle

en faisant ainsi apparaître la complexité de l’algorithme de la
97
TFD:
 avec WN égal à:

La complexité de calcul de la TFD est donc de N 2 multiplications, et

de N(N - 1) additions sur des nombres complexes.
98
En exploitant les propriétés de symétrie, périodicité, ...etc de :

On peut ainsi réduire le nombre d’opérations arithmétiques par un

rapport de 2.
Exemple: a) écrire X(k) en fonction de x(n) pour N= 4.
b) application à x(n)=d(n)-d(n-1)+3d(n-2)+2d(n-3)
Càd: x(0)=1; x(1)=-1; x(2)=3; x(3)=2 99
En 1965, Cooley et Tuckey ont publié un algorithme applicable
quand N est le produit de 2 ou plusieurs entiers: c’est la FFT au
lieu de la TFD

Le principe fondamental de la TFR (en français ) repose sur la

décomposition du calcul d’une séquence de N échantillons en TFD
successives sur un nombre inférieur de points. Selon la manière
dont ce principe est implanté, on obtient différents algorithmes,
tous comparables au niveau de leur complexité.

– TFR partagée dans le temps ou DIT (decimation in time) :

x(n) est décomposé en sous séquence.
– TFR partagée en fréquences ou DIF (decimation in frequency) :
X(k) est décomposé en sous séquence.
100
6.2 TFR partagée dans le temps (DIT)
On se limitera au cas où N est une puissance de deux; N=2L:

101
Nous avons calculé les points de 0 à N/2-1, il reste à calculer les
points de N/2 à N-1.
De plus, on peut réduire la complexité de calcul des échantillons
N/2 à N - 1 en calculant X(k + N/2):

et donc:
102
 G(0)

G(1)
1ère
G(2)

G(3)

H(0)

H(1)
2ème
H(2)

H(3)

103
Comme N/2 est également un nombre pair, on peut de nouveau
partager chacune des TFD d’ordre N/2 en deux TFD d’ordre N/4
jusqu’à arriver à une TFD sur deux points .
Finalement il en résulte une TFD réduite à une complexité de
(Nlog2N).

N N2 Nlog2(N)

2 4 2
4 16 8
16 256 64
128 16384 896
2048 4194304 22528
104
Fin du chapitre 6

105
 Chapitre 7
Filtrage numérique

106
7. 1 Introduction:

107
 7.2 Représentation d’un filtre numérique

Un filtre numérique peut être représenté en utilisant plusieurs

types de spécifications:

1. Fonction de transfert en z.

2. Réponse impulsionnelle.

3. Équation aux différences.

108
1. Fonction de transfert en z.

* Dans le cas où H(z) possède des pôles,

on parlera de filtres RII (pour Réponse Impulsionnelle Infinie).
* Si N(z) = 1, on parlera de filtre tous-pôles.
* Dans le cas où D(z) = 1, le filtre ne possède que des zéros. Cette
famille de filtre correspond au cas des filtres RIF (pour Réponse
Impulsionnelle Finie). 109
 où pi sont les pôles et zi sont les zéros de H(z).

On rappelle ici que la stabilité du filtre sera déterminé par

l’appartenance des pôles au cercle unité càd : pi < 1).

La figure suivante montre plusieurs versions de représentations de H(z):

110
111
2. Réponse impulsionnelle.

La réponse impulsionnelle est la transformée en z inverse de

H(z).

112
Dans le cas où x(n) est une impulsion d(n), on retrouve bien:
y(n) = h(n)
Selon les cas où h(n) est à support infini ou fini, on
retrouvera respectivement les deux types de filtres RII et RIF.

113
3. Équation aux différences.
Une transformation en z inverse de l’équation du filtre

Permet d’aboutir à la forme suivante :

Selon si les ai sont non nuls ou nuls, on parlera donc de

filtres récursifs ou de filtres non récursifs. 114
7.3 Spécification d’un filtre numérique

1. les filtres passe-bas laissent passer les fréquences

inférieures à une fréquence de coupure fc et bloquent
celles qui lui sont supérieures.
2. Les filtres passe-haut bloquent les fréquences
inférieures à une fréquence de coupure fc et laissent
passer celles qui lui sont supérieures.
3. les filtres passe-bande laissent passer les fréquences
autour d’une fréquence centrale f0 (ou comprises entre f1
et f2) et bloquent les autres .
4. les filtres réjecteurs-de-bande bloquent les fréquences
autour d’une fréquence centrale f0 (ou comprises entre
f1 et f2) et laissent passer les autres
115
Les filtres représentés ici sont idéaux. Dans un cas réel il
ne peut y avoir de discontinuités.
116
Le passage entre zones passantes et zones atténuées se fait
par des zones dites ”de transition” dont la largeur va exprimer
la sélectivité du filtre.
Les bandes passantes et atténuées ne sont également pas
idéales, elles contiennent des ondulations dont l’amplitude est
exprimée par les paramètres d’ondulation en bande
passante et en bande atténuée.
Pour toutes ces raisons, la spécification d’un filtre est
habituellement réalisée à partir d’un gabarit fréquentiel, défini
entre 0 et p.

117
7.3.1 Spécifications des filtres passe-bas et passe-haut

118
7.3.2 Spécifications des filtres passe-bande et réjecteur-de-bande

119
7.4 Classification des filtres numériques

Les filtres numériques peuvent être classés selon plusieurs

critères :
1. la longueur de la réponse impulsionnelle implique deux
types de filtres RII et RIF,
2. le type de représentation, ou de structure, implique deux
types de filtres récursifs et non récursifs.

Généralement, les filtres récursifs et non récursifs sont

respectivement équivalents aux filtres RII et RIF.

120
7.4.1 Filtres récursifs RII

Cette catégorie de filtre est caractérisée par une fonction de

transfert en z contenant des pôles, et une équation aux
différences récursives, c’est à dire lorsque la sortie y(n)
dépend à la fois des entrées et des sorties précédentes.

121
7.4.2 Filtres non récursifs RIF

On remarque en exploitant l’équation précédente que les coefficients bi

du filtre sont également les valeurs de la réponse impulsionnelle h(i),
qui se trouve donc être limitée dans le temps.

122
7.5 Analyse fréquentielle des filtres numériques

L’analyse fréquentielle est la représentation de la fonction de

transfert du filtre dans le domaine des fréquences, c’est à dire celui
de Fourier. La fonction de transfert en W est la transformée de
Fourier du signal h(n).

Cette fonction correspond à un signal discret, elle est donc

périodique de période 2p. C’est pour cette raison que l’on a
l’habitude d’utiliser la notation H(ejW) plutôt que H(W).
123
 filtre passe-bas.

En traitement du signal, on étudie généralement

le module et la phase (ou argument) de la fonction complexe H(ejW).

124
7.6 Structures des filtres RII et RIF
7.6.1 Structure des filtres RIF

125
126
7.6.2 Structure des filtres RII

Ici on a pris M=N.

127
1 128
129
7.7 Exemple de Filtres
a)

130
.

131
b)

132
133
c)

134
 Les pôles sont donnés par:

Pôles réels:

Pôles complexes:

135
d)

136
Les zéros sont donnés par:

137
Fin du chapitre 7

138
 Chapitre 8
Synthèse des filtres RII

139
8.1 Introduction et rappels en filtrage analogique

8.1.1 Introduction

La synthèse d’un filtre numérique est la recherche d’une fonction

H(z) correspondant à la spécification sous forme de gabarit.
La recherche de cette fonction peut être réalisée selon diverses
méthodes.

1) Une synthèse directe en z

2) Utilisation des méthodes de synthèse indirecte utilisant des
filtres analogiques et aboutissant à une fonction H(p) avec p la
variable de Laplace correspondant aux spécifications
demandées.
140
Méthodologie de synthèse de filtres analogique et numérique
141
8.1.2 Rappels en filtrage analogique

Les fréquences sont exprimées en fonction de f (en Hz) ou de w, la

pulsation (en rad/s).
La fonction de transfert H(p) est exprimée en fct de p variable de
Laplace.
La synthèse de cette fonction H(p) est composée de trois étapes
principales :

1. normalisation du gabarit,
2. approximation de la fonction de transfert normalisée
HNorm(p),

3. dénormalisation de HNorm(p) aboutissant à la fonction de

transfert H(p).
142
8.2 Transformation d’Euler

La transformation d’Euler consiste à utiliser l’approximation simple

d’une dérivée :

Si on considère un système linéaire discret H(z) réalisant cette

approximation, il aura la forme suivante:

143
 Ce qui donne dans la plan z :

Dans le plan p de Laplace, la dérivation est obtenue par la fonction de

transfert Ha(p) = p [ par exemple dx(t)/dt = y(t) et donc p.X(p) = Y(p) ]
Par conséquent, la transformation d’Euler réalisant l’approximation
d’une dérivée est définie par :

La transformation inverse donnée par :

144
Ceci permet de chercher une relation entre les fréquences analogique
(wa) et numérique (w). On obtient alors :

145
8.3 Transformation bilinéaire

La transformation bilinéaire est issue d’un système linéaire discret

H(z) réalisant l’approximation d’une intégrale par la méthode des
rectangles. On peut alors l’exprimer comme un filtre récursif.
147
Ce qui donne dans la plan z :

Comme on l’a déjà dit , dans le plan p, l’intégration est obtenue par
la fonction de transfert Ha(p) = 1/ p.
Par conséquent, la transformation bilinéaire réalisant
l’approximation d’une intégrale est définie par :

148
La transformation inverse donnée par :

Ce qui permet de chercher une relation entre les fréquences

analogique (wa) et numérique (w). On obtient alors:

149
D’autre part:

Par conséquent on voit que les équations précédentes impliquent

la relation entre les pulsations analogique et numérique

150
Transformation du plan p vers le plan z

151
 =W

Transformation non linéaire entre les fréquences

analogique et numérique : distorsion en fréquence

152
153
La méthodologie de synthèse par la transformation bilinéaire doit
donc suivre l’algorithme suivant :

1. à partir des spécifications fréquentielles :

2. effectuer la synthèse du filtre analogique Ha(p)

3. utiliser la transformation bilinéaire

pour obtenir le filtre numérique H(z). 154

Plusieurs remarques concernant la formule de
correspondance entre les fréquences numériques et les
fréquences analogiques:

• On peut remarquer que la relation liant les fréquences des

deux plans n’est pas linéaire.
• L’image de la fréquence nulle est la fréquence nulle.
• Pour les fréquences petites devant fe, la tangente peut être
confondue avec son argument et par conséquent on aura:
w ana = w num.
• D’autre part, l’image de la fréquence analogique infinie est la
fréquence numérique fe/2 et par conséquent :
 Exemple: Filtre passe Bas représenté par sa
Transformée de Laplace:

Transformation Bilinéaire:
Fin du chapitre 8

157
 Chapitre 9
Synthèse des filtres RIF

158
9.1 Introduction

Un filtre RIF est défini par sa fonction de transfert en z :

où on choisi une réponse impulsionnelle h(n) de longueur N.

Les méthodes de synthèse des filtres RIF sont différentes de celles

des filtres RII.

159
9.2 Méthode de synthèse par fenêtrage

L’amplitude des ondulations est définie en décibels :

Tout filtre dont la réponse en amplitude se situe
dans le gabarit ainsi défini satisfait les contraintes
spécifiées.
Pour des raisons de facilité de réalisation et de
réduction en coût de calcul, le meilleur filtre sera
celui d’ordre minimum.
9.2 Méthode de synthèse par fenêtrage

Soit un filtre numérique idéal H(ejW), périodique de période 2p. Il est

décomposable en série de Fourier par sa réponse impulsionnelle :

Sa réponse impulsionnelle peut être exprimée en fonction

de H(ejW) par :

162
 Ce filtre est non causal et à réponse impulsionnelle infinie. La
manière la plus simple d’obtenir un filtre RIF approchant H(ejW)
est de limiter h(n) par :

On obtient dans ce cas un filtre numérique RIF approché dont la

réponse fréquentielle est modifié par le phénomène de Gibbs.

De manière plus générale, on peut écrire:

163
w(n) est une fenêtre rectangulaire définie par :

On peut alors étudier la réponse fréquentielle du filtre RIF ainsi

synthétisé :

164
La réponse fréquentielle du filtre sera donc le résultat de la

convolution entre le filtre idéal et la transformée de Fourier de la

fenêtre.

Les caractéristiques de cette dernière sont donc très importantes.

165
Le phénomène de Gibbs se caractérise par une
ondulation résiduelle dont le maximum est fixe et
égal à environ 9 % de l’amplitude de la discontinuité,
indépendamment du nombre de coefficients
conservés.
Le principe retenu pour réduire les ondulations est
de modifier la forme de la fenêtre de pondération.
Les principales fenêtres utilisées sont définies par les équation ci
dessous :

167
168
Ces fenêtres sont les principales fonctions utilisées en analyse
spectrale et en synthèse de filtre RIF.
Leurs réponses fréquentielles sont données à la
figure suivante avec N = 64.

169
On voit que selon la fenêtre, la largeur du lobe principal et
l’amplitude du plus grand lobe secondaire diffèrent.
Par exemple, la fenêtre rectangulaire possède le lobe principal le plus
étroit. Alors que la fenêtre de Blackman possède un lobe secondaire
atténué d’environ (-60dB).

170
171
Choix de la fenêtre dans la méthode de synthèse
Le choix de la fenêtre aura une influence sur les performances du filtre.
En particulier, les caractéristiques importantes et leur influence sur le
filtre synthétisé sont les suivants:

* La largeur de la zone de transition sera

directement fonction de la largeur du lobe principal
donnée dans le tableau précédent.
Généralement on peut considérer que

On voit donc que la transition DW sera d’autant plus faible que N

sera grand car DWm est inversement proportionnelle à N.

172
* Les ondulations en bande atténuée notée DA sont données dans le
tableau ci-dessous:
On dira dans ce cas qu’on est en présence d’un filtre equiripple.

On voit que DA ne dépend que du type de fenêtre et non de N.

173
174
On peut conclure que la procédure de synthèse d’un filtre numérique
RIF par fenêtrage à partir de la réponse impulsionnelle d’un filtre
idéal h(n) consiste à :
1. choisir en fonction de l’atténuation DA le type de fenêtre à utiliser,
2. choisir en fonction de la largeur de la zone de transition DW et du
type de la fenêtre w(n) la longueur de la réponse impulsionnelle N.

Le filtre RIF résultant est ensuite défini par:

Il sera de longueur N.

175
Fin du chapitre 9

176