PCSI 2019–2020, Lycée Lalande, Bourg–en–Bresse Alexandre Alles

Complément : Électronique numérique

I Numérisation d’un signal

1.1 Principe
b Signal
Variation d’une grandeur physique porteuse d’information au cours du temps.
Un signal est dit analogique si la grandeur physique peut prendre un ensemble continu de valeurs et est définie sur un intervalle de
temps continu.
Un signal est dit numérique si la grandeur physique prend un ensemble discret de valeur et ne varie qu’à certains instants discrets.

La numérisation d’un signal est aujourd’hui omniprésente de part l’utilisation de l’outils informatique tandis que la plupart des capteurs
que nous utilisons génèrent des signaux analogiques. Ainsi afin d’optimiser la transmission, le stockage et le traitement de l’information
nous sommes régulièrement amené à numériser ces signaux analogiques.

1.2 Chaîne d’acquisition et de numérisation

Une chaîne d’acquisition et de numérisation fonctionne toujours sur le même principe.

1. Transducteur (conversion analogique–analogique)

b Transducteur
Dispositif convertissant un signal physique en un autre signal phy-
sique.
Exemple : Un accéléromètre converti une accélération en une tension
électrique.

2. Échantillonnage
L’échantillonnage peut être réalisé, en pratique, à l’aide d’un échantillonneur–bloqueur. Notons toutefois que le signal échan-
tillonné à l’aide de ce dispositif n’est pas identique à un signal échantillonné théorique (voir plus loin). On note Te le temps
d’échantillonnage.

Figure 13 – Échantillonnage Figure 14 – Blocage

106
PCSI 2019–2020, Lycée Lalande, Bourg–en–Bresse Alexandre Alles

3. Convertisseur analogique–numérique (CAN)

En sortie de l’échantillonneur–bloqueur le signal est toujours analo-
gique, le rôle du CAN est de convertir ce signal en un ensemble de
données codées en binaire. Chaque valeur de l’échantillon est conver-
tie en nombre suivant une loi de quantification, on appelle pas de
quantification q l’écart entre deux valeurs successives. Un signal
converti sera stocké sous la forme d’un nombre de p bits, ce qui
donne accès à N = 2p valeurs possibles.
Exemple : Un convertisseur 8 bits stocke au total 256 valeurs.
L’intervalle s dans lequel peut évoluer le signal est relié à q et p
par la relation
s s
q= p ' p .
2 1 2 Figure 15 – Quantification
4. Stockage
La dernière étape consiste à stocker les valeurs de sorties du CAN en mémoire.

Remarque : Les cartes d’acquisition SYSAM ou ARDUINO contiennent à la fois l’échantillonneur–bloqueur et le CAN.

II Échantillonnage

b Échantillonnage
Prélever la valeur d’un signal analogique à intervalle de temps régulier Te , la période d’échantillonnage.
On définit fe = 1/Te la fréquence d’échantillonnage, Ne le nombre d’échantillons et Ta = Ne Te la durée totale d’acquisition.

2.1 Stroboscopie
L’émission de flash lumineux successifs permet de visualiser le mouvement d’un système en se limitant un nombre fini d’images. Si la
cadence est suffisamment élevée alors l’observateur percevra une continuité du mouvement comme pour un film par exemple à cause de
la persistence rétinienne de l’oeil.

K Stroboscopie
Déterminer la fréquence du mouvement à l’aide d’un stroboscope

Fréquence minimale d’échantillonnage

Qu’observez–vous si la fréquence du stroboscope est très supérieure celle du système ?
Qu’observez–vous si la fréquence du stroboscope est légèrement supérieure à celle du système ?
Qu’observez–vous si la fréquence du stroboscope est légèrement inférieure à celle du système ?
Qu’observez–vous si la fréquence du stroboscope est très inférieure celle du système ?

b Effet stroboscopie
Pour que le signal échantillonné soit fidèle au signal analogique, il est nécessaire d’avoir une fréquence d’échantillonnage suffisamment
élevée.

Optimalement, une fréquence d’échantillonnage qui tend vers l’infinie permet d’avoir un signal échantillonné très fidèle au signal ana-
logique. Toutefois, une telle acquisition requiert un grand nombre d’échantillons. On sera, en pratique, limitée par la taille finie de la
mémoire des ordinateurs ou bien par le temps de calcul nécessaire pour traiter un grand nombre de données.
2.2 Théorème de Nyquist–Shannon
b Théorème de Nyquist–Shannon
La représentation discrète d’un signal exige des échantillons régulièrement espacés à une fréquence d’échantillonnage supérieure au
double de la fréquence maximale présente dans ce signal.

Prenons un échantillonnage représenté par les points sur les courbes ci–dessous et on suppose que le signal réel est sinusoïdal. On constate
qu’il existe une infinité de signaux sinusoïdaux pouvant passer par les points de l’échantillon mais il existe un unique signal sinusoïdal
de fréquence f < fe /2 passant par les points de l’échantillon.

107
PCSI 2019–2020, Lycée Lalande, Bourg–en–Bresse Alexandre Alles

blank
III Analyse spectrale numérique
3.1 Analyse d’un signal harmonique
La figure ci–dessous représente un signal s(t) sinusoïdal de fréquence f = 300 Hz échantillonné par un signal impulsionnel de fréquence
fe = 2 kHz ainsi que le spectre associé au signal échantillonné.
Raie importante à 300 Hz correspondant au signal réel,
des raies importantes à fréquence 1.7 kHz, 2.3 kHz... correspondant aux fréquences kfe ± f issues de l’échantillonnage,
des raies plus faibles centrées autour des raies issues de l’échantillonnages produites par les imperfections liées à la numérisation du
signal.

Les répliques qui apparaissent lors de l’échantillonnage se répartissent périodiquement aux fréquences kfe ± f0 avec k un entier. Ces
répliques proviennent du fait qu’il n’existe par un unique signal harmonique qui puisse correspondre à une série d’échantillon comme
montré dans la partie précédente.
3.2 Repliement de spectre
b Rappel : Décomposition en série de Fourier
Soit une fonction s(t) de R dans R, T–périodique et C 1 par morceaux. Cette fonction est décomposable en série de Fourier :

+1
X
s(t) = s0 + [an cos(n!t) + bn sin(n!t)]
n=1

2⇡
avec ! = et n 2 N. Le coefficient s0 représente la valeur moyenne de la fonction s sur une période.
T
Remarque : Si le signal n’est pas périodique, on utilise la transformée de Fourier
Z +1
1
s(t) = a(!) cos(!t + (!))d! .
2⇡ 0
Chaque composante sinusoïdale du signal subit le même phénomène de réplication que le signal harmonique précédent. Si le signal est
convenablement échantillonné cela ne présentera aucun problème, toutefois pour un signal mal échantillonné on assistera à un phénomène
de repliement de spectre.
b Repliement de spectre
On appelle repliement spectral ou aliasing le phénomène de recouvrement du spectre du signal analogique et de ses répliques lors
du processus d’échantillonnage. Ce phénomène ne peut pas être corrigé par un filtrage a posteriori et doit être anticipé en amont de
l’acquisition.

Figure 16 – Spectre sans repliement Figure 17 – Spectre avec repliement

K Critère de Shannon
Réaliser l’acquisition d’un signal carré respectant et ne respectant pas le critère de Shannon ; en observer le spectre.

108
PCSI 2019–2020, Lycée Lalande, Bourg–en–Bresse Alexandre Alles

3.3 Résolution spectrale

En pratique les ordinateurs ne calculent pas le décomposition de Fourier mais réalisent une transformée de Fourier rapide (FFT).
Remarque : Avec LatisPro il est nécessaire de fournir un signal échantillonné comprenant une nombre de points égal à une puissance de
2, sinon le logiciel complète les données manquantes par des 0 ce qui induit une légère erreur.

b Largeur du spectre
Lors d’un calcul de FFT la largeur du spectre obtenue est [0; fe ].

b Discrétisation spectrale
Le spectre étant construit à partir d’un échantillon de Ne points, il est lui même constitué de Ne points.

Rappelons que le temps total d’acquisition est défini tel que Na = Ne Te = Ne /fe .

b Résolution
La résolution du spectre calculé numériquement est directement reliée à Ta .

IV Filtrage numérique

4.1 Principe
L’un des principaux intérêts de la numérisation d’un signal est la simplicité du traitement numérique en comparaison d’un traitement
analogique. Le filtrage numérique n’utilise pas de composant tels les résistances, condensateurs ou bobines mais est effectué par calcul
à l’aide de circuits intégrés ou de processeurs. Il est bien plus simple de changer une valeur dans un programme que de changer un
composant dans un montage, avec tous les défauts que ce composant implique.

b Circuit intégré
Le circuit intégré (CI), aussi appelé puce électronique, est un composant électronique, basé sur un semi-conducteur, reproduisant une,
ou plusieurs, fonctions électroniques plus ou moins complexes, intégrant souvent plusieurs types de composants électroniques de base
dans un volume réduit (sur une petite plaque), rendant le circuit facile à mettre en œuvre.

Ces opérations peuvent être effectuées soit dans le domaine temporel sur les échantillons, soit dans le domaine fréquentiel après avoir
réalisé une transformée de Fourier rapide (FFT). Par exemple, pour réaliser un filtre passe–bas, on pourra dans le domaine temporel
réaliser une moyenne glissante sur les échantillons afin de lisser les données et faire disparaître les variations rapides. Tandis que dans
le domaine fréquentiel, un tel filtrage sera réalisé en éliminant les composantes de plus haute fréquence du spectre obtenu par FFT, par
exemple en multipliant le spectre par la fonction de transfert d’un passe–bas.

De plus, après traitement, le signal numérique peut être à nouveau converti en signal analogique à l’aide d’un convertisseur numérique–
analogique (CNA). Aux pertes d’informations induites par la numérisation près.
4.2 Exemple d’un filtre passe–base
Approche fréquentielle
La fonction de transfert d’un filtre passe–base s’écrit

s H0
H= = ;
e 1 + j!/!c

avec H0 le gain statique et !c la pulsation de coupure. Pour calculer numériquement le signal de sortie, il suffit de multiplier le spectre
du signal numérisé par la fonction de transfert.
Approche temporelle
Il est cependant plus simple de travailler directement dans le domaine temporel. L’équation différentielle décrivant un filtre passe–
bas étant connue, on approxime la dérivée par un taux de variation à l’aide d’un schéma eulérien (résolution numérique d’équation
différentielle).
ds s e sn+1 sn sn en
+ = ) + = ) sn+1 = asn + ben ;
dt ⌧ ⌧ Te ⌧ ⌧
avec sn = s(nTe ), sn+1 = s((n + 1)Te ) et en = e(nTe ) ; a = 1 Te /⌧ , b = Te /⌧ et ⌧ = 1/!c .

Ainsi à partir de l’échantillon d’entrée {en } on calcul l’échantillon de sorti {sn }.

K Filtrage numérique
Réaliser un filtrage numérique passe–bas d’une acquisition, et mettre en évidence la limitation introduite par l’échantillonnage.

109