Rappels TNS

Rappels
Traitement Numérique du Signal

(TNS)
Sommaire
Introduction
1. Structure générale d’un système TNS
2. Pourquoi le numérique?
3. Applications typiques de TNS
Outils mathématiques de la TNS
1. Bases mathématiques
2. Théorie de l’échantillonnage
3. Transformées en TNS
Analyse des filtres numériques
Filtrage analogique
Filtrage numérique
Systèmes régis par une équation aux différences
filtres RIF
filtres RII
Chapter 1, Slide 2 H. Aziza, Polytech' Marseille - Septembre 2006

Structure générale d’un système TNS
Système TNS
CAN DSP CNA
Amplificateur
Trans- de puissance
ducteur
P.B P.B
Conditionneur
de signal
Vers d’autres
Modem systèmes de
traitement numérique

Système TNS
Transducteur : son rôle est de traduire

le signal d entrée en signal électrique
P.B
conditionneur de signal : son rôle est d’
amplifier le signal issu du transducteur
pour le rendre utilisable par les étages
suivants.
Filtre P.B. : Limitation du repliement spectral qui se produit lors de
l’opération d échantillonnage : annule (ou plutôt atténue fortement)
les parties trop rapides du signal d’entrée. Ce filtre permet de
s’assurer de la capacité du système numérique a suivre et a traiter
correctement le signal d’entrée.

Système TNS
CAN DSP CNA
Amplificateur
Trans- de puissance
ducteur
P.B P.B
Conditionneur
de signal
Vers d’autres
Modem systèmes de

Système TNS
CAN : Donne une représentation

numérique du signal d’entrée
CAN DSP CNA
010011 111111 CNA : Transforme les nombres

110101 000000 binaires présents a son entrée en
clavier écran signaux analogiques a sa sortie.
Processeur (DSP) : Son rôle sera de traiter les échantillons

numériques (nombres binaires). Le processeur numérique de signal
est capable de traiter des flots de données a gros débit en combinant
une technologie rapide, une architecture spécialisée et des
instructions spécifiques aux algorithmes de TNS.

Système TNS
CAN DSP CNA
Amplificateur
Trans- de puissance
ducteur
P.B P.B
Conditionneur
de signal
Vers d’autres
Modem systèmes de

Système TNS
Amplificateur de Amplificateur de puissance : il réalise

puissance l’adaptation d’impédance entre le
CNA (résistance de sortie grande) et
P.B transducteur de sortie (résistance de
sortie faible)
Transducteur de sortie : convertit le
signal analogique en signal utile de
nature appropriée.
Filtre P.B. : Ce filtre a pour fonction de lisser les transitions rapides
contenues dans le signal analogique en sortie du CNA. Ce signal est
en effet constitue de marches d’escalier qui résultent de la
juxtaposition des résultats de conversion numériques-analogiques
successives. Généralement, il s’agit d’un filtre passe-bas du premier
ordre que l’on réalise simplement a partir d’un circuit RC.
Pourquoi le numérique?
Le traitement analogique d’un signal est réalisé à
partir de l’utilisation d’éléments de base comme :
Résistances
Capacités
Inductances
Les tolérances associées a ce type de composant,

la température, les variations de potentiels et le
« stress » mécanique peuvent être catastrophique
pour la précision du circuit analogique

Avantages du numérique:
Pas de dérive : température, vieillissement,

valeur des composants
Précision : garantie par le nombre de bits
Souplesse : plusieurs tâches simultanées
possibles
Prédiction : simulation sur ordinateur
Prototypage : changements par modifications
du logiciel
Performances : pas de distorsion de phase,
filtrage adaptatif
Intégration : progrès des systèmes VLSI
(DSP, ASIC, ...)
Inconvénients du numérique:
Coût : élevé pour des réalisations simples

Vitesse : bande passante large = vitesse de
calcul élevé
Complexité : réalisation à la fois matérielle et
logiciel

Applications typiques du TNS

Applications typiques du TNS
Filtrage numérique
x[n] y[n]
CAN DSP CNA P.B

P.B
y[n] = x[n] * h[n]
x(t) y(t)
composante a 16Hz
Composante a 48Hz +
composante a 16Hz

Sommaire
Introduction
Filtrage analogique
Filtrage numérique
filtres RIF
filtres RII

Bases mathématiques
Développements limités et relation d’Euler
x2 x4 x3 x5
cos(x ) = 1 − + + ...... sin (x ) = x − + + ......
2! 4! 3! 5!
e jθ = 1 + jθ +
( jθ ) ( jθ ) ( jθ ) ( jθ )
2
+
3
+
4
+
5
+ ......
2! 3! 3! 3!
⎛ θ2 θ2 ⎞ ⎛ θ3 θ5 ⎞
e jθ
= ⎜⎜1 − + − ...... ⎟⎟ + j ⎜⎜ θ − + − ...... ⎟⎟ = cos(θ ) + j sin (θ )
⎝ 2! 4! ⎠ ⎝ 3! 5! ⎠
1 j (−ω )t 1 jωt
cos(ωt ) = e + e
2 2 avec : θ = ωt
1 j (−ω )t 1 jωt
sin (ωt ) = je − je
2 2

Séries de Fourrier d’un signal périodique (période T)
Fonction du signal développable en série de Fourrier
∞ ⎛ t ⎞ T ⎛ t ⎞
⎜ j 2πn ⎟ 1 ⎜ j 2πn ⎟
s (t ) = ∑C e Cn = ∫ s (t )e ⎝
⎝ T ⎠ T ⎠
n
dt
−∞
T 0
Les coefficients Cn minimisent l’écart quadratique

2
T ⎛ ∞ ⎛ t ⎞
⎜ j 2πm ⎟ ⎞
∫0 ⎜⎜ s (t ) − ∑C ⎝ ⎟ dt
T ⎠
e
m
⎟
⎝ m = −∞ ⎠
Égalité de Bessel-Parseval
∞ T
1
∑C ∫ s (t )
2 2
n = dt
−∞ T 0

Transformée de Fourier
Définition
+∞
X ( f ) = ∫ x (t )e ( − j 2 π ft )dt
−∞
Le spectre X(f) est une fonction à valeur complexe
Si cette transformée existe, la transformée de Fourier inverse

est donnée par :
+∞
X (t) = ∫ x ( f )e ( j 2 π ft )df
−∞
Convolution
Définition (ANALOGIQUE)
+∞
y (t) = s(t) * h (t) =
−∞
∫ s (τ )h ( t − τ ) d τ
Réponse impulsionnelle h[n] (NUMERIQUE)
Système
δ[n] linéaire
h[n]
h[n]
Système
x[n] linéaire y[n] = h[n]* x[n]
h[n]
j=N
y [n ] = ∑ h[ j ]. x[n − j ]
j =0
Théorie de l’échantillonnage
Echantillonnage
Définition : L’échantillonnage consiste à prélever à des instants précis, le
plus souvent équidistants, les valeurs instantanées d’un signal. Le signal
analogique s(t), continu dans le temps, est alors représenter par un ensemble
de valeur discrètes : se(t) = s(n.Te) n entier
Te période d’échantillonnage

Echantillonnage idéal
L’échantillonnage idéal est modélisé par la multiplication du signal continu
s(t) et d’un peigne de Dirac de période Te
Le spectre du signal échantillonné est donc le suivant :
On obtient donc un spectre infini qui provient de la périodisation du spectre

du signal d’origine autour des multiples de la fréquence d’échantillonnage.

Echantillonnage réel
La modélisation de l’échantillonnage par un peigne de Dirac n’est pas
réaliste. En fait, chaque impulsion va avoir une durée très courte τ.
L’échantillonnage peut donc être modélisé par la multiplication du signal par
une suite de fonction rectangle (ou porte) de largeur τ.
On retrouve la même allure de spectre modulé en amplitude par une fonction

en sinus cardinale.

Quantification
Définition : approximation de chaque valeur du signal xa(t) par un multiple
entier d'une quantité notée q et appelée pas de quantification.
Si q est constant quelle que soit l'amplitude du signal, la quantification est
dite uniforme.
Bruit de quantification :
X a ( t ) = X q ( t ) + e( t )
2q
q Xa(t) Puissance du bruit de
quantification :
0 Xq(t)
q
-q +
2
1 2 q2
-2q PBq = ∫ X dX =
qq 12
−
2
Te 2Te 3Te 4Te

Codage
Définition : Le codage consiste à associer à un ensemble de valeurs discrètes
un code composé d’éléments binaires. Les codes les plus connus : code
binaire naturel, code binaire décalé, code complément à 2, code DCB, code
Gray.
Exemple sur 4 bits

Transformées en TNS
Transformée de Fourier Discrète
A partir d'un échantillon de N valeurs du signal numérique : x(n.Te) avec n є
{0,1,2..N-1}, on peut définir une correspondance entre la Transformée de
Fourier « analogique » et son expression discrète qui peut s'écrire :
+∞ ⎛ n ⎞
⎜ − j 2π f ⎟
X ( f ) = ∑
−∞
x ( n )e ⎝ Fe ⎠
Si cette série converge, la transformée de Fourier inverse est définie par :

Fe
+ n
1 2 j 2π
∑
f
x(n ) = X ( f )e Fe
Fe −
Fe
2
Fenêtrage : Un calcul de transformée de Fourier est une somme d’une

infinité d’échantillons. Pour ces raisons, on est toujours amené à travailler
avec un nombre fini de points N. Cela revient à dire que les signaux
exploités numériquement sont toujours une troncation de signaux réels.

Transformées en TNS
Transformée en Z
La transformée en Z est un outil largement utilisé pour l’étude des systèmes
de traitement numérique du signal. Elle joue un rôle analogue à celui de la
transformée de Laplace en continu. Ce type de transformée permet de
décrire aisément les signaux à temps discret et la réponse des systèmes
linéaires invariants soumis à des entrées diverses.
+∞
Z [ x ( n )] = X ( z ) = ∑
n = −∞
x ( n )z − n
Où z est une variable complexe.
Liens entre transformée en z et transformée de Fourier
Z = r.ejθ avec : θ = ω.t = 2πFt

+∞ +∞
X (z) = ∑
n = −∞
x ( n )r −n
e − jn θ
= ∑
n = −∞
x ( n ) r − n e − 2 j π nF

Sommaire
Introduction
Filtrage analogique
Filtrage numérique
filtres RIF
filtres RII

Notions de filtrage
Le filtrage est une forme de traitement de signal qui modifie le
spectre de fréquence et/ou la phase du signal présent en entrée
du filtre et donc par conséquent sa forme temporelle. Il peut
s’agir soit : d’éliminer ou d’affaiblir des fréquences parasites
indésirables ou d’isoler dans un signal complexe la ou les
bandes de fréquences utiles (démultiplexage).
On classe les filtres en deux grandes familles :
les filtres analogiques réalisés à partir de

composants passifs (résistance, inductance,
condensateur) ou actifs.
les filtres numériques réalisés à partir de
structure intégrée micro programmable (DSP).

Filtrage Analogique
Fonction de transfert
Système
Ve(t) linéaire Vs(t)
Remplacement d‘équations différentielles par des équations algébriques

Transformée de Laplace
Avec p = j.ω
Filtrage Analogique

Filtres numériques
Avantages :
1. Les filtres numériques sont insensibles aux conditions extérieures
2. Certains filtres numériques sont impossibles à réaliser de manière
analogique (exemple: les filtres FIR).
3. Les filtres numériques ne sont pas sensibles aux non ème
idéalités d'un
amplificateur opérationnel. Ainsi, un filtre IIR du 10 ordre est
tout à fait envisageable
4. La problématique du bruit change d'aspect : dans le filtrage
numérique on parle de « bruit de quantification » et de « bruit de
calcul ».
Inconvénients :
1. Les filtres numériques nécessitent un filtrage analogique anti-
repliement à l'échantillonnage et à la restitution.
2. Les performances d'un filtre sont directement proportionnelles à la
puissance de l'unité de calcul (processeur ou DSP).
3. Beaucoup de problèmes peuvent apparaître si l'unité de calcul est de
type « fixed point ». Les paramètres d'un filtre nécessitent parfois
une double précision pour être opérationnels, ce qui ralentit les
performances.

Filtres numériques : définitions
Système discret : la suite d'entrée discrète x(n) correspond une suite
de sortie discrète y(n).
x(n) Système discret y(n)
Système linéaire : si à la suite x1 (n) + a x2 (n) correspond la suite y1 (n)

+ a y2 (n).
x1(n)+ax2(n) Système linéaire y1(n)+ ay2(n)
Système invariant dans le temps : si à la suite x(n-m) correspond la suite

y(n-m).
x(n-m) Système invariant y(n-m)

Filtres numériques : définitions
si δ(n) est la suite unitaire, alors toute suite x(n) peut s’écrire
m = +∞
x(n ) = ∑
m = −∞
x ( m )δ ( n − m )
si h(n) est la réponse d'un système discret linéaire et invariant dans le

temps à la suite δ(n) alors :
m = +∞ m = +∞
y (n ) = ∑
m = −∞
x (m )h (n − m ) = ∑
m = −∞
h (m ) x(n − m )
On reconnaît alors une équation de convolution: y ( n ) = h ( n ) * x ( n )

Ainsi dès qu'un système peut être considéré comme linéaire, discret et
invariant dans le temps, il en découle qu'il est : régi par une équation de
convolution et entièrement déterminé par la réponse h(n) qu'il fournit
lorsqu'il est excité par la suite impulsionnelle δ(n) . Cette suite h(n)
constituant la réponse impulsionnelle du système.
Filtres numériques : conditions de Stabilité
Un système discret, linéaire et invariant dans le temps est stable si à

toute suite d'entrée bornée correspond une suite de sortie bornée. Une
condition nécessaire et suffisante pour qu'un système soit stable est
que la somme des valeurs absolues de sa réponse impulsionnelle soit
bornée.
m = +∞
∑ h(m) < +∞
m = −∞

Parmi les systèmes linéaires discrets invariants dans le temps, les
systèmes définis par une équation aux différences sont les plus
intéressants car ils modélisent un grand nombre de systèmes naturels.
Un système de ce type, ou filtre numérique, est défini par la relation
suivante:
N M
y (n ) = ∑ i=0
ai x(n − i) − ∑b
j=0
j y (n − j)
x(n) Système Différences y(n)
La Transformée en Z de cette équation donne :
N M
Y ( Z ) = ∑ ai Z X ( Z ) + ∑ b j Z − jY ( Z )
−i
i =0 j =0

P 22

Ce qui donne la fonction de transfert du système :
N
Y (Z ) ∑a Z i
−i
H (Z ) = = i =0
X (Z ) M
1 − ∑ bj Z − j
j =1
La fonction de transfert est donc constituée d'un polynôme en Z au

numérateur sur un autre polynôme en Z au dénominateur. Ils peuvent
tous les deux être exprimés en fonction de leurs racines :
N
a0 ∏ ( Z − Z i )
N (Z )
H (Z ) = = i =1
D( Z ) M
∏ (Z − P )
j =1
j
Il est possible d'obtenir la fonction de transfert spectrale de ce système

en remplaçant Z par ej2πfTe.

Filtrage numérique : FIR
Filtres FIR (Finite Impulse Response).
Avantages :
1. Toujours stables
2. Phase linéaire si symétrie des coefficients
3. Possibilité de réaliser toutes sortes de filtres (dessin des gabarits de
réponse en amplitude |K(f)| et en calculant la transformée de Fourier
inverse k(t)).
Inconvénients :
1. Beaucoup de calculs par rapport à un IIR équivalent au niveau des
performances.
2. Le retard du filtre (de groupe ou de phase) peut être important si le
nombre d étages est élevé
N
Y (Z ) N
y (n ) = ∑
i=0
ai x(n − i) H (Z ) = = ∑ ai Z −i
X ( Z ) i =0

Filtrage numérique : IIR
Filtres IIR Infinite Impulse Response.
Avantages :
1. Beaucoup moins de calculs par rapport à un FIR équivalent au
niveau des performances.
Inconvénients :
1. Il faut vérifier la stabilité.
2. Phase non linéaire Æ distorsion de phase
N M Y (Z ) ∑a Z i
−i
∑ ∑ H (Z ) = = i =0
y (n ) = ai x(n − i) − b j y (n − j) X (Z ) M
i=0 j=0 1 − ∑ bjZ − j
j =1

Fin Rappels

Rappels TNS

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

Rappels TNS

Transféré par

Droits d'auteur :

Formats disponibles

Rappels

Traitement Numérique du Signal

Chapter 1, Slide 2 H. Aziza, Polytech' Marseille - Septembre 2006

CAN DSP CNA

Chapter 1, Slide 3 H. Aziza, Polytech' Marseille - Septembre 2006

Transducteur : son rôle est de traduire

Chapter 1, Slide 4 H. Aziza, Polytech' Marseille - Septembre 2006

CAN DSP CNA

Chapter 1, Slide 5 H. Aziza, Polytech' Marseille - Septembre 2006

CAN : Donne une représentation

010011 111111 CNA : Transforme les nombres

Processeur (DSP) : Son rôle sera de traiter les échantillons

Chapter 1, Slide 6 H. Aziza, Polytech' Marseille - Septembre 2006

CAN DSP CNA

Chapter 1, Slide 7 H. Aziza, Polytech' Marseille - Septembre 2006

Amplificateur de Amplificateur de puissance : il réalise

 Les tolérances associées a ce type de composant,

Chapter 1, Slide 9 H. Aziza, Polytech' Marseille - Septembre 2006

 Pas de dérive : température, vieillissement,

 Coût : élevé pour des réalisations simples

Chapter 1, Slide 11 H. Aziza, Polytech' Marseille - Septembre 2006

Chapter 1, Slide 12 H. Aziza, Polytech' Marseille - Septembre 2006

CAN DSP CNA P.B

Chapter 1, Slide 13 H. Aziza, Polytech' Marseille - Septembre 2006

Chapter 1, Slide 14 H. Aziza, Polytech' Marseille - Septembre 2006

Chapter 1, Slide 15 H. Aziza, Polytech' Marseille - Septembre 2006

Les coefficients Cn minimisent l’écart quadratique

Chapter 1, Slide 16 H. Aziza, Polytech' Marseille - Septembre 2006

Le spectre X(f) est une fonction à valeur complexe

Si cette transformée existe, la transformée de Fourier inverse

Chapter 1, Slide 19 H. Aziza, Polytech' Marseille - Septembre 2006

Le spectre du signal échantillonné est donc le suivant :

On obtient donc un spectre infini qui provient de la périodisation du spectre

Chapter 1, Slide 20 H. Aziza, Polytech' Marseille - Septembre 2006

On retrouve la même allure de spectre modulé en amplitude par une fonction

Chapter 1, Slide 21 H. Aziza, Polytech' Marseille - Septembre 2006

Chapter 1, Slide 22 H. Aziza, Polytech' Marseille - Septembre 2006

Exemple sur 4 bits

Chapter 1, Slide 23 H. Aziza, Polytech' Marseille - Septembre 2006

Si cette série converge, la transformée de Fourier inverse est définie par :

Fenêtrage : Un calcul de transformée de Fourier est une somme d’une

Chapter 1, Slide 24 H. Aziza, Polytech' Marseille - Septembre 2006

Liens entre transformée en z et transformée de Fourier

Z = r.ejθ avec : θ = ω.t = 2πFt

Chapter 1, Slide 25 H. Aziza, Polytech' Marseille - Septembre 2006

Chapter 1, Slide 26 H. Aziza, Polytech' Marseille - Septembre 2006

On classe les filtres en deux grandes familles :

 les filtres analogiques réalisés à partir de

Chapter 1, Slide 27 H. Aziza, Polytech' Marseille - Septembre 2006

Remplacement d‘équations différentielles par des équations algébriques

Chapter 1, Slide 29 H. Aziza, Polytech' Marseille - Septembre 2006

Chapter 1, Slide 30 H. Aziza, Polytech' Marseille - Septembre 2006

x(n) Système discret y(n)

Système linéaire : si à la suite x1 (n) + a x2 (n) correspond la suite y1 (n)

x1(n)+ax2(n) Système linéaire y1(n)+ ay2(n)

Système invariant dans le temps : si à la suite x(n-m) correspond la suite

x(n-m) Système invariant y(n-m)

Chapter 1, Slide 31 H. Aziza, Polytech' Marseille - Septembre 2006

si h(n) est la réponse d'un système discret linéaire et invariant dans le

On reconnaît alors une équation de convolution: y ( n ) = h ( n ) * x ( n )

Un système discret, linéaire et invariant dans le temps est stable si à

Chapter 1, Slide 33 H. Aziza, Polytech' Marseille - Septembre 2006

x(n) Système Différences y(n)

Les tolérances associées a ce type de composant,

Pas de dérive : température, vieillissement,

Coût : élevé pour des réalisations simples

les filtres analogiques réalisés à partir de

Systèmes régis par une équation aux différences