Chapitre 2 - 2023

Transmission de données – Numérisation du signal
CHAPITRE 2: NUMERISATION DU SIGNAL
1- Introduction
Un calculateur, ou tout autre système électronique numérique, ne sait pas opérer sur un
signal à temps continu. Il faut lui fournir une séquence numérique représentative du signal pour
qu’il puisse en faire le traitement.
Il faut donc pouvoir prélever des valeurs significatives en des instants discrets décrivant le
signal avec suffisamment de précision pour que les résultats soient valables : c’est
l’échantillonnage.
La numérisation (ou conversion analogique / numérique) du signal requiert une opération
complémentaire consistant à remplacer chaque échantillon prélevé par une valeur approximative
tirée d’un assortiment fini de valeurs discrètes : c’est la quantification.
Chacune de ces valeurs discrètes est ensuite désignée par un nombre exprimé sous forme
binaire par un codage approprié.
2- Échantillonnage du signal
2.1- Définition
Échantillonner un signal fonction du temps s(t) consiste à le représenter par ses valeurs
s(kTe) à des instants multiples entiers d’une durée Te, appelée période d’échantillonnage.
se(kTe)
s(t) se(t)
0 t
kTe
Figure 5.1 : Échantillonnage idéal
L’échantillonnage est dit régulier ou périodique si l’intervalle entre deux échantillons

successifs (pas d’échantillonnage) est constant.
L’échantillonnage irrégulier ou à pas variable est rarement utilisé.
Remarque : Un des objectifs de l’échantillonnage est le multiplexage temporel permettant

d’économiser du temps.
s(t) s1(T) s2(2T) s (3T)

3
0 t
kTe
Figure 5.2 : Multiplexage temporel
Chapitre 2 -1-
2.2- Opération d’échantillonnage
Le signal échantillonné est le produit du signal s(t) par la fonction d’échantillonnage ech(t).
s(t)
X se(t)
ech(t)
se(t) = s(t) . ech(t)
Figure 5.3 : Opération d’échantillonnage
ech(t)
0 t
kTe
ech(t) = ∑+∞ +∞
−∞ δ(t − kTe ) se (t) = ech(t). s(t) = ∑−∞ s(kTe )δ(t − kTe )
NB : ech(t) est aussi appelé peigne échantillonneur.
La suite d’échantillons représentée ci-dessus n’a pas de réalité physique (durée nulle = énergie
nulle). Il s’agit d’un concept abstrait.
Le prélèvement d’un échantillon est une opération de mesurage qui prend un certain temps ; ech(t)
est donc un train d’impulsions rectangulaires de durée non nulle .
se(kTe)
s(t)
0 t
kTe
Figure 5.4 : Échantillonnage réel
t−kTe t−kTe
echr (t) = ∑+∞
−∞ rect( ) se (t) = ech(t). s(t) = ∑+∞
−∞ s(kTe )rect( )
τ τ
2.3- Spectre du signal échantillonné

Chapitre 2 -2-
1
 L’échantillonnage idéal périodise le spectre avec la période 𝐹𝑒 = 𝑇 :
𝑒
+∞ +∞
TF
ech(t) = ∑ δ(t − kTe ) ⟹ Ech(f) = ∑ Fe δ(f − kFe )
−∞ −∞
+∞
se (t) = ech(t). s(t) ⟹TF Se (f) = Ech(f) ∗ s(f) = Fe ∑ S(f − kFe )

−∞
Le spectre est donc le suivant :

S(f)
a)
0 f
S (f) S (f-Fe) S (f-2Fe) S (f-3Fe)
b)
Se(f)
f
Fe 2Fe 3Fe
0
Figure 5.5 : Spectre du signal a) de base
b) échantillonné
2.4- Reconstitution du signal
La reconstitution d’un signal analogique original à partir d’une suite d’échantillons

(conversion numérique / analogique) implique la restitution de toutes les valeurs intermédiaires
entre deux échantillons successifs. Cette restitution, généralement approximative, introduit
toujours une distorsion. Pour minimiser cette distorsion, certaines précautions doivent être prises
lors de l’échantillonnage.
2.4.1- Théorème de Shannon
Soit un signal analogique s(t) dont la transformée de Fourier S(f) est telle que S(f) est nulle
pour f  Fm (Fm est la fréquence maximale du signal s(t)).
L’échantillonnage d’un tel signal peut donner naissance à trois sortes de spectre :
Chapitre 2 -3-
 Spectre à motifs enchevêtrés
Se(f) S (f-2Fe) S (f-3Fe)

S (f) S (f-Fe)
0 Fm Fe 2Fe 3Fe
Figure 5.6
 Spectre à motifs adjacents :
S (f-2Fe)
S (f-Fe) S (f-3Fe)
Se(f)
S (f)
f
Fm Fm Fe 2Fe 3Fe
0
Figure 5.7
 Spectre à motifs disjoints :
Figure 5.8 S (f-Fe) S (f-2Fe) S (f-3Fe)

Se(f)
S (f)
Fm Fm Fe f
0 2Fe 3Fe
Chapitre 2 -4-
En théorie, reconstituer le signal initial à partir des échantillons transmis revient à extraire,
du spectre des échantillons, le motif du spectre de base (partie basse fréquence).
Pour ce faire, il faudrait :
- un filtre passe-bas idéal
- que les motifs du spectre du signal échantillonné ne soient pas enchevêtrés (Fm  fe - Fm
 fe  2 Fm).
Par conséquent, Shannon stipule que :

L’échantillonnage périodique d’un signal à bande limitée est optimal (ou, en d’autres
termes, sa reconstitution n’est possible que) si la fréquence d’échantillonnage est au moins égale
au double de la fréquence maximale de ce signal :
fe  2 Fm
2.4.2- Reconstitution pratique
En pratique, le filtre idéal n’est pas réalisable. En effet, on ne sait réaliser que des filtres
qui laissent passer le signal dans une bande de fréquences et l’atténuent d’autant plus que l’on
s’éloigne de la fréquence de coupure. Quel que soit l’ordre du filtre, il restera des composantes
spectrales indésirables. Cette erreur sera d’autant plus grande que l’ordre du filtre sera plus faible.
On choisira en conséquence une fréquence d’échantillonnage élevée pour éloigner suffisamment
les copies du spectre de base les unes des autres.
Mais, comment relier un échantillon au suivant pour restituer le signal original ?
Pour ce faire, différents convertisseurs numérique / analogique (CNA) sont utilisés.
2.4.2.1- Bloqueur d’ordre zéro
Le bloqueur d’ordre zéro est le plus simple et le plus utilisé.

Il maintient la valeur d’un échantillon jusqu’à l’échantillon suivant :
Pour 0 ≤ t ≤ Te ; sr (kTe + t) = s(kTe ) ,
s(t) sr(t)
0 t
kTe
Le signal reconstitué est en forme d’escalier.
2.4.2.2- Bloqueur d’ordre 1
Chapitre 2 -5-
Pour approximer le signal, on maintient entre kTe et (k+1)Te , la pente qu’il a entre (k-1)Te
et kTe .
s(t) sr(t)
0 t
kTe
Le bloqueur d’ordre 1 est défini par :

s(kTe ) − s[(k − 1)Te ]
pour 0 ≤ t ≤ Te ; sr (kTe + t) = s(kTe ) + 𝑡
Te
Plus complexe que le bloqueur d’ordre zéro, il utilise la mémoire du signal. Il introduit plus
de distorsion et est, de ce fait, peu utilisé.
2.4.2.3- Interpolateur linéaire
Une relativement bonne approximation est obtenue en reliant linéairement les échantillons.
L’interpolateur linéaire est défini par :
s[(k + 1)𝑇𝑒 ] − s(kTe )

pour 0 ≤ t ≤ Te ; sr (kTe + t) = s(kTe ) + 𝑡
Te
s(t) sr(t)
0 t
kTe
Remarque : Pour pouvoir restituer le signal, il faut attendre l’échantillon suivant :
l’interpolateur linéaire n’est pas causal. On peut le rendre causal en introduisant un retard égal à
un pas d’échantillonnage.
2.5- Conditions pratiques de l’échantillonnage
2.5.1- Notion de fréquence maximale - Repliement
Le théorème de Shannon tient compte de la fréquence maximale présente dans le spectre

du signal. Généralement, les spectres s’étalent sur tout l’axe des fréquences. Cependant, la
répartition de la puissance du signal en fonction de la fréquence n’est pas uniforme et, en général,
Chapitre 2 -6-
pour les signaux physiques, il existe une fréquence au-delà de laquelle la contribution énergétique
est négligeable.
Il s’agit là d’un critère qualitatif lié à l’application. Chaque application suggérera donc une
fréquence Fm (Exemple : 3400 Hz pour la transmission de la parole par les PTT et 20 KHz pour la
restitution stéréophonique d’une chanson).
La fréquence Fm choisie, on déduit immédiatement une fréquence d’échantillonnage

convenable. Ce choix n’élimine cependant pas la partie négligeable du spectre :
S(f)
Partie négligeable du spectre.
0 Fm
f
Dans le spectre du signal échantillonné, le motif de base est “brouillé” par le motif d’ordre
1 centré sur la fréquence Fe. Ce phénomène est appelé repliement ou aliasing.
S(f)
Repliement
Repliement
0 f
2.5.2- Chaîne de traitement échantillonné
Le repliement produit une erreur qui peut être importante. Pour y remédier, avant tout
échantillonnage, on fait passer le signal dans un filtre passe-bas chargé d’éliminer la portion de
spectre qu’on a décidé de négliger. Ce filtre est appelé filtre anti - repliement ou anti - aliasing ou
filtre de garde. La réalisation d’un tel filtre est assez délicate.
Le schéma d’une chaîne de traitement échantillonné est représenté sur la figure 5-14.
Chapitre 2 -7-
Figure 5.14 : Chaîne de traitement échantillonné
NB : Un filtre supplémentaire, dit filtre de lissage, peut être utilisé après le convertisseur
N/A pour minimiser la distorsion due à l’inexactitude de la reconstitution du signal.
3- Quantification du signal
3.1- Principe général
La quantification est une règle de correspondance entre le nombre infini des valeurs
possibles du signal d’entrée s(t) et un nombre fini de valeurs assignées au signal de sortie sq (t).
L’opérateur de quantification est du type non linéaire sans mémoire :
sq(t)
s(t)
Figure 5.15 : Opérateur de quantification
La règle de correspondance est obtenue en subdivisant la plage de conversion V des

variations du signal d’entrée en N intervalles juxtaposés i avec i = 1, 2, ..., N et en assignant au
signal de sortie la valeur xi lorsque l’amplitude du signal d’entrée appartient au domaine i.
Toutes les valeurs d’entrée appartenant au même intervalle sont donc représentées par le
même niveau quantifié, qui correspond en général à la valeur médiane de l’intervalle
(quantification par arrondi) ou à sa valeur minimale (quantification par troncature).
Si les intervalles i sont égaux, on parle de quantification uniforme.
Chapitre 2 -8-
s(t) sq(t)
𝑠6
𝑠5
Amin 𝑠4
f
∆0 ∆1 ∆2 ∆4 ∆5 ∆6 Amax Amplitude
f f f 𝑠1 f f f
0 f∆
t
𝑠0
f
Figure 5.16 : Règle de correspondance
Le signal de sortie du quantificateur est une approximation du signal d’entrée.

La différence eq(t) = sq(t) - s(t) est appelée distorsion de quantification ou bruit de
quantification (figure 5-17).
s(t) sq(t)
Figure 5.17 :
sq(t)
s(t) Quantification d’un signal sinusoïdal
+ Erreur de quantificatio
Figure 5.17 :
eq(t)
Quantification d’un signal sinusoïdalErreur de

quantificatio
3.2- Quantification uniforme
La loi de quantification la plus fréquemment utilisée est la loi uniforme dans laquelle le pas
de quantification q est constant :
qi = q ,  i.
3.2.1- Hypothèse de Sheppard
Lorsque l’amplitude des variations du signal est grande vis à vis du pas de quantification,
c’est-à-dire lorsque le nombre total N des niveaux est grand, on peut estimer que l’amplitude de
l’erreur est uniformément répartie sur un intervalle égal au pas de quantification.
Chapitre 2 -9-
3.2.2- Puissance moyenne du bruit de quantification
Lorsque l’hypothèse de Sheppard est vérifiée, la puissance moyenne du bruit de

quantification est :
∆𝑞 2
𝑃𝑒 =
12
Remarque : La puissance du bruit de quantification ne dépend que du pas de quantification

et non de l’amplitude du signal.
3.2.3- Rapport de puissance signal sur bruit
Dans l’opération de quantification, chaque échantillon est représenté par un nombre binaire
écrit sur n bits.
Le nombre de niveaux N est directement lié au nombre de bits n par la relation : N = 2n.
Définition : On appelle facteur de crête d’un signal, le rapport de l’amplitude maximale du

signal à sa valeur efficace :
𝐴𝑚 𝐴𝑚
𝑐= =
𝐴𝑒𝑓𝑓 √𝑃𝑠
Il donne une idée de la dynamique du signal.
Exemple : c = 2 pour un signal sinusoïdal

c = 4,42 pour un signal gaussien
2A m
Soit  q  le pas de quantification.
N
La puissance du bruit de quantification s’écrit alors :
 q 4 A2m c ² Ps
2
Pe   
12 12 N ² 3N ²
Le rapport de puissance signal sur bruit peut donc s’écrire :
3 3 3
 q  P s  N ²  (2n )²  22 n
Pe c² c² c²
Soit, en décibels :
3
 q 10log   20nlog 2
 c² 
3
  q dB10log   6,02n
 c² 
Chapitre 2 -10-
Cette formule, d’une grande utilité pratique, relie le nombre de bits du codage à la plage
des amplitudes qui peuvent être codées. Etant donné une classe de signaux (donc pour c fixe), on
gagne 6 dB par bit supplémentaire sur le CAN. Le rapport S/B est donc d’autant meilleur que le
codage se fait avec un nombre de bits plus élevé.
Remarque : Très souvent, le signal à coder n’a pas une amplitude maximale bien définie
comme pour un signal sinusoïdal. Pour des signaux dont l’amplitude suit une loi de Gauss ou de
Laplace (comme la parole), il n’y a théoriquement pas d’amplitude maximale. Pour ce type de
signaux, on se fixe une amplitude maximale et le quantificateur écrête le signal à cette valeur. Par
convention, on appelle Am, l’amplitude qui n’est dépassée que très rarement, c’est-à-dire avec une
probabilité très faible, de l’ordre de 10-3 ou 10-4.
Ainsi :
* pour un signal gaussien,

Am
c  4,42 et

 q  10 log 3  20 log(4,42)  6,02n
  8,13  6,02n  dB
* pour un signal téléphonique c = 7,76 et
 q   13,1  6,02n  dB
3.3- Quantification non uniforme
Les signaux de type “bruit” ou “parole” présentent en général des amplitudes faibles au
quantificateur si bien que le rapport S / B est le plus souvent mauvais. Pour éviter d’être pénalisé
par la distribution des amplitudes du signal, on peut envisager d’adapter la loi de quantification à
la distribution du signal en utilisant un pas de quantification faible aux faibles amplitudes et un
pas de quantification fort aux grandes amplitudes : on parle alors de quantification non uniforme.
On peut ainsi espérer un rapport S / B optimisé sur toute la dynamique du signal.
La quantification non uniforme peut être considérée comme une quantification uniforme
précédée d’une compression de la dynamique du signal (figure 5.18), dont l’effet est de favoriser
les faibles amplitudes au détriment des amplitudes élevées.
A la démodulation, la dynamique originale est rétablie à l’aide d’une caractéristique
d’extension exactement réciproque.
Quantification xq y
x x Loi xq
non Compression
uniforme uniforme
Figure 5-18 : Quantification non uniforme
Chapitre 2 -11-
Il existe de nombreuses lois de variation dont une connaît un développement

particulièrement important parce que normalisée par le Comité Consultatif International pour la
Télégraphie et la Téléphonie (CCITT) pour le codage des signaux téléphoniques dans les réseaux
de télécommunications : c’est la loi segmentée à 13 segments.
3.3.1- Loi A à 13 segments
Les amplitudes positives du signal à coder sont divisées en 7 plages (de même que les
amplitudes négatives). Sur chaque plage, le pas de quantification est le produit du pas élémentaire
q par une puissance de 2.
Cette opération peut être considérée comme résultant d’un codage linéaire précédé d’une
compression selon laquelle le signal x est transformé en un signal y suivant les relations ci-après :
Ax 1
y  signe (x). pour 0  x 
1  LogA A
1  Log A x  1
y  signe (x). pour  x 1
1  LogA A
La pente du segment linéaire à l’origine est appelée taux de compression. Il a été choisi
égal à 16.
Le paramètre A détermine l’augmentation de dynamique du codeur. Sa valeur se déduit du
taux de compression :
A
 16  A  87,6
1  LogA
La caractéristique de compression suivant la loi A à 13 segments (figure 5-19) est donnée

par :
1
0 x  y  16x
64
1 1 1
 x  y  8x 
64 32 8
1 1 1
 x  y  4x 
32 16 4
1 1 3
 x  y  2x 
16 8 8
1 1 1
 x  y  x
8 4 2
1 1 1 5
 x  y  x
4 2 2 8
1 1 3
 x 1 y  x
2 4 4
Chapitre 2 -12-
loi log segmentee a 13 segments

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
figure II-5
0.2
0.1
0
0 0.2 0.4 0.6 0.8 1
Figure 5-19 : Caractéristique de compression à 13 segments
Cette caractéristique fait apparaître 7 segments de droite dans le quadrant positif et 7 dans
le quadrant négatif ; les 2 segments qui entourent l’origine étant colinéaires, la caractéristique
compte bien 13 segments au total.
Remarques:
1) La quantification des amplitudes y étant faite avec le pas q, celle des amplitudes x
voisines de l’origine est faite avec le pas q/16 tandis que les amplitudes voisines de l’unité sont
moins bien quantifiées puisque le pas q se trouve multiplié par 4.
2) La puissance du bruit de quantification est fonction de l’amplitude du signal de sorte

que le rapport signal sur bruit est maintenu constant sur toute la dynamique du signal.
Le code des échantillons se fait sur 8 bits de la façon suivante :
1 bit de signe
3 bits pour le numéro du segment
4 bits de quantification uniforme sur le segment
----------
8 bits au total par échantillon
Chapitre 2 -13-
Dans le cas de la conversion sur 8 bits, on peut remarquer que les petits signaux
sont amplifiés par un facteur 16 avant d’être convertis, ce qui revient à diviser par
16 le pas de quantification, c’est-à-dire à utiliser 12 bits de quantification (gain de
4 bits). Par contre, pour les grands signaux, le pas de quantification est multiplié
par 4 par rapport à un convertisseur 8 bits uniforme, on perd donc 2 bits. Cette
méthode donne des résultats qualitatifs comparables à une quantification linéaire
sur 12 bits.
Par exemple, considérons un convertisseur selon l’approximation de la
loi A qui a une dynamique d’entrée de -5V à +5V. Une valeur de -0,1
V est lue à l’entrée.
Donnons le code correspondant :
1. On normalise le signal dans l’intervalle -1 ≤ x ≤+1 : x = -0,1/5 = -0,02.

2. Comme x < 0, on pose S = 0. A présent, on prend la valeur absolue x = 0,02.
3. Comme 1/64 < x < 1/32, on a le segment 2 donc ABC = 010.
4. On a 16 valeurs, donc 4 bits à disposition dans l’intervalle 1/64 < x < 1/32.
On pose :
5. 0,02 = 1/64 + 1/16 (1/32 − 1/64). n ⟹ 𝑛 = 4,48 arrondi à n=4 donc
1234=0100
Conclusion SABC1234 = 00100100

Chapitre 2 -14-
3.3.2- Autres lois de codage non linéaire
Il existe d’autres lois de codage non linéaire dont une est également utilisée en
télécommunications.
Il s’agit de la loi  à 15 segments correspondant à la relation de compression suivante :
Log 1   x 
y  signe (x)
Log (1   )
avec  1  x  1 et   255
Taux de compression (pente à l’origine) :

𝜇
𝐶0 = = 46
𝐿𝑜𝑔(1 + 𝜇)
4- Opérations réalisées par le CAN
Echantillonnage
s(t) {……, s(kTe),…..}
Te
Quantification
Codage
{……, sq(kTe),…..} {……, k,…..} {……, [01…n]k, ….}
binaire
Numérisation
Le quantificateur compare l'échantillon à des niveaux de référence numérotés. La

numérisation consiste à remplacer l'échantillon par le numéro du niveau de référence qui
lui est affecté.
 N N 2 A max
 L   ,,1,0,1,,  avec N 
 2 2 q
N = nombre de niveaux disponibles sur un quantificateur uniforme de dynamique (pleine
échelle) 2 A max avec un pas de quantification q .
Un codage approprié remplace ce numéro par une séquence binaire.
Chapitre 2 -15-
A la restitution, la séquence binaire estimée restituera ̂ k estimé et un convertisseur numérique

analogique (CNA) restituera l’échantillon analogique  q .̂ k . Le signal pourra alors être reconstitué
par filtrage passe-bas des échantillons.
Codage des échantillons quantifiés
Le processus de quantification remplace la valeur analogique de l'échantillon par un numéro. La

transcription de ce numéro en une expression binaire constitue le codage.
Le choix du code est dicté par des considérations telles que :
- simplicité du codage et du décodage
- équi-répartition des 1 et des 0
- synchronisation
- sensibilité aux erreurs.
Les signaux étant centrés, on code le signe et la valeur absolue. Le code est dit "replié" ce qui
présente l'avantage de ne pas inverser tous les bits au passage à zéro.
Etant donné qu'en téléphonie les signaux sont en général de faible amplitude, ils conduisent à des
mots composés presque exclusivement de zéros, ce qui est gênant : l'équiprobabilité des 1 et des
0 n'est pas respectée. Pour rétablir l'équilibre, on inverse systématiquement les bits de rang pair.
Chapitre 2 -16-
+127
+122
. .
. .
. .
+16
+0
-0
-1
-16
. .
. .
. .
-122
-127
Binaire replié Binaire replié avec

Inversion des bits
de rang pair
Chapitre 2 -17-
Exercice :
Un signal dont l’amplitude est comprise entre -20V et 20V est échantillonné et quantifié
suivant la loi A.
1) \Déterminer les codes générer par le quantificateur pour les valeurs suivantes du
signal
a) 0,5 volt.
b) 10 volts
c) 19 volts
2) Pour chacune des valeurs des codes déterminées ci-dessus, déterminer :
a) la valeur du signal qui sera générée par le convertisseur Numérique analogique.

b) L’erreur relative commise.
3) Quel commentaire pouvez-vous faire ?
Exercice 2
On considère un signal modulé en amplitude dont l’expression est la suivante :
X(t) = A(1 + mcos(2πfM t)) cos(2πfp t) avec A=10 V, fp = 166kHz, , fM = 4kHz et m=0,6.
a) Tracer le spectre associé à ce signal
b) Tracer le spectre du signal échantillonné Xe(t) associé à X(t), en supposant que
l’échantillonnage est idéal s’il est échantillonné avec une fréquence de 100 KHz. Combien doit on
prendre d’échantillons par secondes au minimum si l’échantillonnage doit être reversible?
c) Si les échantillons sont codés sur 8 bits, donner le débit binaire.
Exercice 3
On considère un signal s(t) = cos(2πf0 t). Illustrer graphiquement les effets du sous
3
échantillonnage lorsque 𝐹𝑒 = 2 𝑓0 (dans le domaine temporel et fréquentiel). Même question avec
1
𝐹𝑒 = 2 𝑓0 .
Exercice 4 : Critère de Shannon
Un signal téléphonique a son spectre limité à 3, 4 kHz pour réduire son encombrement spectral. Il
est échantillonné à Fe = 8, 0 kHz. Pour la réalisation d’un CD audio, on souhaite conserver la
fréquence maximale du domaine audible qui est de 20, 0 kHz. Le signal audio est échantillonné à
Fe = 44, 1 kHz.
1. Lorsque la condition de Shannon est respectée, combien d’échantillons sont prélevés au
minimum par période d’un signal s(t) sinusoïdal ?
2. Le critère de Shannon est-il respecté pour la téléphonique et pour le CD audio ?
Chapitre 2 -18-
3. Présenter sur deux graphiques l’allure du spectre du signal téléphonique et l’allure du spectre
de ce même signal une fois qu’il a été échantillonné. Ce dernier spectre fait apparaître une zone
vide appelée zone de transition, quelle est sa taille ?
4. Comparer la largeur du spectre et la largeur de la zone de transition aussi bien dans le cas du
signal téléphonique échantillonné que dans le cas du signal audio échantillonné.
5. En comparant les deux résultats de la question précédente, comparer les qualités des filtres
nécessaires pour restituer le signal dans chacun des cas.
Chapitre 2 -19-

Chapitre 2 - 2023

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 2 - 2023

Transféré par

Droits d'auteur :

Formats disponibles

Transmission de données – Numérisation du signal

CHAPITRE 2: NUMERISATION DU SIGNAL

Figure 5.1 : Échantillonnage idéal

L’échantillonnage est dit régulier ou périodique si l’intervalle entre deux échantillons

Remarque : Un des objectifs de l’échantillonnage est le multiplexage temporel permettant

s(t) s1(T) s2(2T) s (3T)

Figure 5.2 : Multiplexage temporel

2.2- Opération d’échantillonnage

Figure 5.3 : Opération d’échantillonnage

NB : ech(t) est aussi appelé peigne échantillonneur.

Figure 5.4 : Échantillonnage réel

2.3- Spectre du signal échantillonné

se (t) = ech(t). s(t) ⟹TF Se (f) = Ech(f) ∗ s(f) = Fe ∑ S(f − kFe )

Le spectre est donc le suivant :

2.4- Reconstitution du signal

La reconstitution d’un signal analogique original à partir d’une suite d’échantillons

2.4.1- Théorème de Shannon

 Spectre à motifs enchevêtrés

Se(f) S (f-2Fe) S (f-3Fe)

 Spectre à motifs adjacents :

 Spectre à motifs disjoints :

Figure 5.8 S (f-Fe) S (f-2Fe) S (f-3Fe)

Par conséquent, Shannon stipule que :

2.4.2- Reconstitution pratique

Pour ce faire, différents convertisseurs numérique / analogique (CNA) sont utilisés.

2.4.2.1- Bloqueur d’ordre zéro

Le bloqueur d’ordre zéro est le plus simple et le plus utilisé.

Pour 0 ≤ t ≤ Te ; sr (kTe + t) = s(kTe ) ,

2.4.2.2- Bloqueur d’ordre 1

Le bloqueur d’ordre 1 est défini par :

2.4.2.3- Interpolateur linéaire

s[(k + 1)𝑇𝑒 ] − s(kTe )

2.5- Conditions pratiques de l’échantillonnage

2.5.1- Notion de fréquence maximale - Repliement

Le théorème de Shannon tient compte de la fréquence maximale présente dans le spectre

La fréquence Fm choisie, on déduit immédiatement une fréquence d’échantillonnage

Partie négligeable du spectre.

2.5.2- Chaîne de traitement échantillonné

Figure 5.14 : Chaîne de traitement échantillonné

3.1- Principe général

Figure 5.15 : Opérateur de quantification

La règle de correspondance est obtenue en subdivisant la plage de conversion V des

Figure 5.16 : Règle de correspondance

Le signal de sortie du quantificateur est une approximation du signal d’entrée.

Quantification d’un signal sinusoïdalErreur de

3.2- Quantification uniforme

3.2.1- Hypothèse de Sheppard

3.2.2- Puissance moyenne du bruit de quantification

Lorsque l’hypothèse de Sheppard est vérifiée, la puissance moyenne du bruit de

Remarque : La puissance du bruit de quantification ne dépend que du pas de quantification

3.2.3- Rapport de puissance signal sur bruit

Définition : On appelle facteur de crête d’un signal, le rapport de l’amplitude maximale du

Il donne une idée de la dynamique du signal.

Exemple : c = 2 pour un signal sinusoïdal

Le rapport de puissance signal sur bruit peut donc s’écrire :

* pour un signal gaussien,

* pour un signal téléphonique c = 7,76 et

3.3- Quantification non uniforme

Figure 5-18 : Quantification non uniforme

Il existe de nombreuses lois de variation dont une connaît un développement

3.3.1- Loi A à 13 segments

La caractéristique de compression suivant la loi A à 13 segments (figure 5-19) est donnée

loi log segmentee a 13 segments