Chapitre Iii

CHAPITRE III
FILTRAGE ANALOGIQUE
Le filtre est un système qui permet de modifier le spectre de fréquence d’un signal et d’éliminer
les bruits pour extraire l’information utile. On utilise fréquemment les filtres dans notre vie
quotidienne, pour sélectionner par exemple les stations radios ou les chaînes de télévision, ou
encore en téléphonie, pour séparer les données de la voix.
L’ADSL (Asymetric Digital Subscriber Line, ligne d’abonné numérique asymétrique) permet
d’utiliser une ligne téléphonique pour transmettre et recevoir des données numériques.
La figure (III.1) donne un exemple d’un filtre pour la détection de contours.
(a) Image originale (b) détection des contours
Fig III.1. Filtrage d’une image
III-1 ANALYSE DE SYSTEMES

III-1-1 Réponse impulsionnelle d’un système
La réponse impulsionnelle h(t) d’un système est la réponse de ce système à une impulsion de
Dirac (Fig.III.2), c'est-à-dire lorsque toutes les fréquences sont présentes à son entrée, puisque
TF[δ(t)] =1.
La réponse impulsionnelle caractérise complétement le système.
Filtrage analogique
δ(t) Système h(t)
Fig III.2. Réponse impulsionnelle
III-1-2 Réponse à un signal quelconque
e(t) Système s(t)
Fig III.3. Réponse à un signal quelconque
Quelle est la réponse du système à un signal e(t) quelconque ?

D’après la propriété de la distribution de Dirac, on a :
+∞
∫ e(u) δ(t − u) du = e(t)

−∞
Un système est un opérateur qui transforme un signal d’entrée e(t), en un signal de sortie s(t).
On écrit alors :
+∞
s(t) = 𝒪[e(t)] = 𝒪 [ ∫ e(u) δ(t − u) du]

−∞
Le système est linéaire :

+∞
s(t) = 𝒪 [e(t)] = ∫ e(u) 𝒪[δ(t − u)] du

−∞
Le système est invariant :

𝒪 [δ(t − u)] = h(t − u)
d’où
+∞
s(t) = 𝒪 [e(t)] = ∫ e(u) h(t − u) du = e(t) ∗ h(t) (III.1)

−∞
La réponse d'un système linéaire et invariant dans le temps à un signal quelconque s'obtient en
convoluant l’entrée e(t) avec la réponse impulsionnelle h(t) du système. On peut dire que le
filtre est un convolueur. La relation (III.1) peut donc remplacer l’équation différentielle
régissant le système.
Traitement du signal 196 S. HAMDOUNE

Filtrage analogique
III-2 SYSTEMES LINEAIRES PAR TRANSFORMEE DE

LAPLACE ET FOURIER
III-2-1 Système linéaire par transformée de Laplace
1- Fonction de transfert
Tout système linéaire peut se modéliser par une équation différentielle de type :
dn s(t) dn−1 s(t) dm e(t) dm−1 e(t)

bn + bn−1 + ⋯ + b0 s(t) = am +a + ⋯ + a0 e(t) (III.2)
dt n dt n−1 dt m dt m−1
ou encore
n m
di s(t) dj e(t)
∑ bi = ∑ a j
(III.3)
dt i dt j
i=0 j=0
am et bn sont des coefficients réels.

On appelle degré du système le plus grand des deux entiers m et n.
Exemple 1 : On considère le circuit suivant, cherchons l’équation différentielle régissant le

système :
i(t) R L
e(t) C s(t)
On applique la loi des mailles :

di(t)
e(t) = Ri(t) + L + s(t) ①
dt
et
ds(t) ②
i( t) = C
dt
En remplaçant ② dans ①, on obtient à la fin l’équation différentielle du second d’ordre :
d2 s(t) ds(t)
LC 2
+ RC + s ( t) = e ( t)
dt dt
On va chercher la transformée de Laplace de l’équation (III.2). La propriété de la dérivée de

la transformée de Laplace devient en prenant les conditions initiales nulles :

Filtrage analogique
dn f(t)
↔ p n F( p ) ③
dt
En prenant 𝒯ℒ[s(t)] = S(p) ; 𝒯ℒ[e(t)] = E(p) ; 𝒯ℒ[h(t)] = H(p), et en appliquant la relation

③, l’équation (III.2) devient :
S(p)[bn pn + bn−1 pn−1 + ⋯ + b0 ] = E(p)[am pm + am−1 pm−1 + ⋯ + a0 ] (III.4)
De la relation (III.4) on tire :
S(p) am pm + am−1 pm−1 + ⋯ + a0 N(p)

H(p) = = = (III.5)
E(p) bn pn + bn−1 pn−1 + ⋯ + b0 D(p)
H(p) = 𝒯ℒ[h(t)] est appelé la fonction de transfert. La fonction de transfert est la transformée
de Laplace de la réponse impulsionnelle.
Exemple 2 : Cherchons la réponse impulsionnelle du système suivant :
i(t) R
e(t) C s(t)
e(t) = Ri(t) + s(t) ①

ds(t)
i( t) = C ②
dt
En remplaçant ② dans ①, on obtient :
ds(t) ③
e(t) = RC + s ( t)
dt
Appliquons la transformée de Laplace à l’équation ③ en tenant compte que les conditions
initiales sont nulles :
E(p) = RCp S(p) + S(p) = S(p)[1 + RCp]
La fonction de transfert est :
S(p) 1 1
H(p) = = = (III.6)
E(p) 1 + RCp 1 + pτ
avec RC = τ
On applique à l’entrée une impulsion de Dirac e(t) = δ(t). A la sortie on aura :
1
S(p) = E(p)H(p) = H(p) =
1 + pτ

Filtrage analogique
Sachant que 𝒯ℒ [δ(t)] = 1.

1
s(t) = h(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [ ]
1 + pτ
Le tableau des transformées de Laplace nous permet d’écrire :
1
𝒯ℒ[e−at u(t)] =
p+a
d’où la réponse impulsionnelle est :
1 1 1 t
s(t) = h(t) = 𝒯ℒ −1 [ ] = 𝒯ℒ −1 [ ] = e−τ u(t)
1 + pτ 1 τ
τ( τ + p)
La figure (III.4) montre que la décroissance est d’autant plus rapide que la constante de temps
est faible.
réponse impulsionnelle
2 =1
 = 0.5
s(t)
0
-1 0 1 2 3 4 5
t
Fig III.4. Réponse impulsionnelle
2- Pôles et zéros
S(p) am pm + am−1 pm−1 + ⋯ + a0 N(p)

H (p) = = =
E(p) bn pn + bn−1 pn−1 + ⋯ + b0 D(p)
Les racines du polynômes numérateur N(p) = 0 sont les zéros (zi) de la fonction de transfert.
Le gain est nul. N(p) peut s’écrire sous la forme :
m
N(p) = a(p − z1 )(p − z2 ) … (p − zm ) = a ∏(p − zi ) (III.7)

i=1
Les racines du polynômes dénominateur D(p) = 0 sont les pôles (pi) de la fonction de transfert.
Le gain est infini. D(p) peut s’écrire sous la forme :

Filtrage analogique
D(p) = b(p − p1 )(p − p2 ) … (p − pn ) = b ∏(p − pi ) (III.8)

i=1
D’où
N(p) a ∏m
i=1(p − zi )
H(p) = = n (III.9)
D(p) b ∏i=1(p − pi )
Les pôles et les zéros peuvent être réels ou complexes conjugués deux à deux. La fonction de
transfert H(p) est entièrement déterminée par les valeurs de zi et pi.
On peut représenter graphiquement ces pôles et zéros dans le plan complexe, le plan de p. Le
zéro est représenté sur la figure (III.5) par un cercle (o), et le pôle par une croix (x). Le plan de
p fournit de l’information sur le type du système et le type de réponse du système.
Plan de p
1.5
1
Imaginary Part
0.5
-0.5
-1
-1.5
-2 -1 0 1 2
Real Part
Fig III.5. Plan de p
3- Causalité
Pour un système causal, le degré du numérateur de sa fonction de transfert est inférieur ou égal
au degré de son dénominateur :
D° [N(p)] ≤ D° [D(p)]; c′est à dire m ≤ n (III.10)
Le nombre de pôles est donc supérieur ou égal au nombre de zéros.
4- Stabilité
Il existe plusieurs manières de vérifier la stabilité d’un système.

Filtrage analogique
a) Condition sur la réponse impulsionnelle :

➢ Le système est stable s’il est soumis à une impulsion de Dirac, la sortie retrouve sa position
d’équilibre initiale.
S(p)
H(p) =
E(p)
Si l’entrée est une impulsion de Dirac :
e(t) = δ(t)
sa transformée de Laplace est :
E(p) = 1
La sortie sera donc :
S(p) = H(p) E(p) = H(p)
La sortie temporelle s(t) est donc :
s(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [H(p)] = h(t)
Chercher la réponse temporelle d’un système linéaire soumis à une impulsion de Dirac revient
à chercher la transformée de Laplace inverse de la fonction de transfert.
La fonction de transfert peut être décomposée en élément simple :
Ai
H (p) = S(p) = ∑
p − pi
i
pi sont les pôles qui peuvent être réels ou complexes.

La transformée de Laplace inverse est :
s(t) = 𝒯ℒ −1 [S(p)] = ∑ Ai epi t

i
Le système est stable, si la réponse temporelle tend vers zéro lorsque t tend vers l’infini. Ce qui
entraine que les pi doivent être à partie réelle négatives.
pi > 0, alors lim epi t = +∞, la sortie diverge, le système est instable.
t→+∞
pi < 0, alors lim epi t = 0, la sortie converge, le système est stable.

t→+∞
Pour que le système soit stable, il faut que :

lim s(t) = 0 (III.11)
t→+∞
➢ Un système est stable si à une entrée bornée correspond une sortie bornée.
Un signal d’entrée e(t) est borné si :
∃ A ≥ 0 tel que ∀ t ∈ ℝ ∶ |e(t)| ≤ 0
La sortie s(t) est donnée par la relation (III.1) :

Filtrage analogique
+∞
s(t) = ∫ h(τ) e(t − τ) dτ

−∞
L’inégalité de Schwartz nous permet d’écrire :

+∞
|s(t)| ≤ ∫ |h(τ)| |e(t − τ)| dτ

−∞
Puisque l’entrée e(t) est bornée, on a alors :

+∞
|s(t)| ≤ A ∫ |h(τ)| dτ
−∞
+∞
Pour que la sortie s(t) soit bornée, il faut que ∫−∞ |h(τ)| dτ soit absolument convergente.
Ainsi, pour qu’un système soit stable, il faut que la réponse impulsionnelle soit convergente :
+∞
∫ |h(t)| dt < ∞ (III.12)

−∞
Exemple 3 : les systèmes suivants sont-ils stables ?

1) h(t) = δ(t) – δ(t – 2)
2) h(t) = [1 - e-4t] u(t)
Solution :
1)
+∞ +∞ +∞ +∞
∫ |h(t)| dt = ∫ |δ(t) − δ(t − 2)| dt ≤ ∫ |δ(t)| dt + ∫ |δ(t − 2)| dt = 1 + 1 = 2

−∞ −∞ −∞ −∞
Le système est donc stable.

2)
+∞ +∞
+∞
1
∫ |h(t)| dt = ∫ [1 − e−4t ] dt = [t + e−4t ] = +∞
4 0
−∞ 0
Le système n’est donc pas stable.
b) Condition sur les pôles :

Les pôles donnent l’information sur la stabilité du système.
➢ Un système linéaire est stable si les pôles de sa fonction de transfert H(p) sont à parties
réelles strictement négatives.
ℛℯ (p) < 0 (III.13)
La figure (III.6) montre que tous les pôles d’un système stable sont donc situés à gauche de
l’axe vertical.

Filtrage analogique
1.5 1.5
1 1
0.5
Imaginary Part
0.5
Imaginary Part
0 0
-0.5 -0.5
-1 -1
-1.5 -1.5
-1.5 -1 -0.5 0 0.5 1 1.5 -1 -0.5 0 0.5 1
Real Part Real Part
(a) (b)
Fig III.6. (a) Système stable et (b) système instable
Si ℛℯ (p) = 0, on dit que le système est marginalement stable (Fig.III.7).
0.8
0.6
0.4
Imaginary Part
0.2
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.5 0 0.5 1
Real Part
Fig III.7. Système marginalement stable
Exemple 4 : Le circuit RC de l’exemple 2 est-il stable ?

Cherchons les pôles à partir de la relation (III.6) :
1
1 + pτ = 0, d′ où p = − τ ,
p est réel et négatif, le circuit RC est donc stable.

Filtrage analogique
➢ Un système linéaire est dit passe-tout, si ses pôles se trouvent uniquement dans le demi-plan
gauche et ses zéros uniquement dans le demi-plan droit (Fig.III.8).
1
0.8
0.6
0.4
Imaginary Part
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.5 0 0.5 1
Real Part
Fig III.8. Système passe-tout
c) Influence des pôles sur le système
Les pôles peuvent être réels ou complexes conjugués deux à deux.
➢ Pôle réel
▪ Pôle nul simple
1
H(p) = ; p = 0 et h(t) = 𝒯ℒ −1 [H(p)] = u(t)
p
La figure (III.9) montre que la sortie est constante. Le système ne retourne pas dans sa position
d’équilibre et ne s’en écarte pas non plus.
0.5
0
-1 -0.5 0 0.5 1
Fig III.9. Sorties pôle nul simple
▪ Pôle nul double

1
H(p) = ; p = 0, est un pôle double et h(t) = 𝒯ℒ −1 [H(p)] = t u(t)
p2

Filtrage analogique
La figure (III.10) montre que l’amplitude croit avec le temps t, la sortie tend vers l’infini, donc
diverge. Le système est alors instable.
2
0
-2 -1 0 1 2
Fig III.10. Sorties pôle nul double
▪ Pôle négatif
1
H(p) = ; p = −1 et h(t) = 𝒯ℒ −1 [H(p)] = e−t
p+1
1
H(p) = ; p = −5 et h(t) = 𝒯ℒ −1 [H(p)] = e−5t
p+5
Le système n’est donc stable que si la partie réelle de tous ses pôles est négative (ℛℯ(p) <
0). La figure (III.11) montre que l’amplitude décroit avec le temps t et plus la partie réelle du
pôle est éloignée de l’axe des imaginaires (c'est-à-dire plus grande en valeur absolue) plus la
décroissance est rapide par conséquent plus le système est rapide.
1
e-t
0.5 -5t
e
0
0 1 2 3 4
Fig III.11. Sorties pôle réel négatif
▪ Pôle positif
1
H(p) = ; p = 1 et h(t) = 𝒯ℒ −1 [H(p)] = et
p−1
1
H(p) = ; p = 5 et h(t) = 𝒯ℒ −1 [H(p)] = e5t
p−5
Le système est instable. La figure (III.12) montre que l’amplitude croit avec t, la réponse
diverge.

Filtrage analogique
200
100
0
0 1 2 3 4 5
Fig III.12. Sorties pôle réel positif
➢ Pôle imaginaire pur ℛℯ(p) = 0

Ils viennent toujours en paires conjuguées.
1
H(p) = ; p = ±j et h(t) = 𝒯ℒ −1 [H(p)] = sin (t)
p2 +1
1
H(p) = ; p = ±2j et h(t) = 𝒯ℒ −1 [H(p)] = sin (2t)
p2 +4
Le système oscille sans changer d’amplitude mais il ne diverge pas. On dit que le système est
marginalement stable. La figure (III.13) montre que plus la fréquence est élevée plus
l’oscillation est rapide.
sin(t) sin(2t)
1 1
0.5 0.5
0 0
-0.5 -0.5
-1 -1
0 5 10 15 0 5 10 15
Fig III.13. Sorties pôle réel négatif
➢ Pôles Complexes
▪ Partie réelle négative
1 1
H(p) = 2
; p = −2 ± 2j et h(t) = 𝒯ℒ −1 [H(p)] = e−2t sin (2t)
(p + 2) + 4 2
▪ Partie réelle positive

1 −1 [ ( )]
1 2t
H(p) = ; p = 2 ± 2j et h ( t ) = 𝒯ℒ H p = e sin (2t)
(p − 2)2 + 4 2

Filtrage analogique
0.5exp(-2t) sin(2t) s(k)=0.5exp(2*t(k)).*sin(2*t(k));

1 50
0.5
0 0
-0.5
-1 -50
0 5 10 15 0 5 10 15
Partie réelle négative Partie réelle positive
Fig III.14. Sorties pôle complexe
La figure (III.15) résume l’influence des pôles sur la réponse du système.
ℐ𝓂(p)
Pôles complexes
Pôles complexes
X Pôles imaginaires purs X
Sinusoïde X Sinusoïde
amortie amplifiée
X Sinusoïde X
Exponentielle X
décroissante
Pôles réels > 0
X X X X X ℛℯ(p)
Pôles réels < 0
Exponentielle
X croissante
Sinusoïde 0
0
Constante
X
Systèmes stables Systèmes instables
Fig III.15. Influence des pôles sur la réponse du système

Filtrage analogique
III-2-2 Système linéaire par transformée de Fourier
On reprend l’équation (III.2) :
dn s(t) dn−1 s(t) dm e(t) dm−1 e(t)

bn + bn−1 ( )
+ ⋯ + b0 s t = am +a + ⋯ + a0 e(t)
dt n dt n−1 dt m dt m−1
et on applique la transformée de Fourier en utilisant la propriété (II.38)
dn s(t)
⇋ 2jπf n S(f)
dt n
on trouve
bn (jω)n S(f) + bn−1 (jω)n−1 S(f) + ⋯ + b0 S(f) = am (jω)m E(f) + am−1 (jω)m−1 E(f) + ⋯ + a0 E(f)
S(f) am (jω)m + am−1 (jω)m−1 + ⋯ + a0

H(f) = = (III.14)
E(f) bn (jω)n + bn−1 (jω)n−1 + ⋯ + b0
C’est la réponse fréquentielle qui est la transformée de Fourier de la réponse impulsionnelle.

Le module de la réponse fréquentielle s’appelle le gain en amplitude et arg(H(f)) la phase.
L’équation (III.14) est obtenue en remplaçant p par jω dans la fonction de transfert donnée par
l’équation (III.5).
Tout système linéaire est entièrement décrit par sa réponse fréquentielle en amplitude |H(f)| ou
le gain et sa réponse de phase arg(H(f)).
Exemple 5 : Reprenons l’exemple 2 en cherchant la réponse fréquentielle.

L’équation ③ de l’exemple 2 est :
ds(t)
e(t) = RC + s ( t) ③
dt
Appliquons la transformée de Fourier à l’équation ③ :

E(f) = RC(jω) S(f) + S(f) = S(f)[1 + jRCω]
La réponse fréquentielle est :
S(f) 1
H(f) = =
E(f) 1 + jRCω
La fonction de transfert H(p) permet l’étude des régimes transitoires des systèmes, alors que la
réponse fréquentielle suppose le régime permanent établi.
III-3 FILTRES
III-3-1 Introduction
Un filtre linéaire est un système linéaire et invariant dans le temps (SLIT), qui laisse passer
certaines fréquences d’un signal d’entrée et arrête ou atténue les autres fréquences.

Filtrage analogique
bande passante
H(f) transitions immédiates

bande coupée
Fig III.16. Réponse fréquentielle d’un filtre
On appelle la bande passante la bande de fréquences transmise, la bande coupée la bande de

fréquences non transmise (Fig III.16).
Exemple 6 :
1° e(t) s(t) = e(t) m(t)

Modulateur
m(t)
Le modulateur est un système linéaire non invariant car,

à l’entrée décalée e(t – t0) correspond la sortie : s(t) = e(t – t0) m(t)
≠ s(t – t0) = e(t – t0) m(t – t0)
Ce n’est donc pas un filtre.
2°
e(t) Quadrateur s(t) = e2(t)
Le quadrateur est un système non linéaire et invariant car,

la réponse à a1 e1(t) + a2 e2(t) est :
s(t) = [a1 e1(t) + a2 e2(t)]2 ≠ a1 e12 (t) + a2 e22 (t)
Ce n’est donc pas un filtre.
3° e(t) RC s(t)
Le circuit RC est un système linéaire et invariant, donc c’est un filtre.

Filtrage analogique
III-3-2 Filtrage temporel et fréquentiel

1- Filtrage temporel
Filtre temporel s(t)

e(t)
h(t)
Le filtrage temporel permet l’observation d’une portion du signal, c’est le fenêtrage.

Considérons le cas d’un signal sinusoïdal de période T0, représenté sur la figure (III.15a) :
e(t) = cos(2πF0 t)
La figure (III.17) montre que filtrer e(t) par le signal rectangulaire h(t), c’est réaliser le produit
simple des deux signaux e(t) et h(t). Le filtre temporel est donc une multiplication temporelle :
s(t) = e(t) × h(t)
e(t) = cos(2piF0t)
0 (a)
-1
-T0 0 T0
h(t) = rect(t/T)
1
(b)
0
-1 -T/2 0 T/2 1
s(t) = e(t) x h(t)
0 (c)
-1
-T/2 -T0 0 T0 T/2
Fig III.17. Filtrage temporel
Le filtre temporel va-t-il modifier le spectre du signal filtré ? D’après le théorème de Plancherel,
la transformée de Fourier d’un produit de deux signaux est égale au produit de convolution des
transformées de Fourier de ces deux signaux :
𝒯ℱ[e(t) × h(t)] = E(f) ∗ H(f)
Par conséquent le spectre en fréquence de la sortie du filtre est donné par :
S(f) = E(f) ∗ H(f)

Filtrage analogique
Pour le cas précédent du signal sinusoïdal de période T0, le spectre du signal d’entrée e(t)
représenté sur la figure (III.18a) est :
1
E(f) = [δ(f + F0 ) + δ(f − F0 )]
2
Le signal de sortie s(t) est le signal d’entrée e(t) coupé et limité par le rectangle de largeur T :
t T T
s(t) = cos(2πF0 t) × rect ( ) = {cos(2πF0 t) si t ∈ [− , ]
2 2
T
0 ailleurs
Son spectre S(f) est :
1
S(f) = E(f) ∗ H(f) = [δ(f − F0 ) − δ(f − F0 )] ∗ Tsinc(Tf)
2
T
= [sincT(f + F0 ) + sincT(f − F0 )]
2
H(f) est le spectre du signal rectangulaire représenté sur la figure (III.18b).
S(f) est un spectre formé de deux sinus cardinaux, l’un décalé vers la droite à F0, l’autre à
gauche à -F0 comme il est illustré sur la figure (III.18c). Le filtrage temporel affecte donc le
spectre du signal filtré. Le filtrage temporel est une convolution fréquentielle.
E(f) = TF[e(t)]
0,5
(a)
0
-F0 0 F0
H(f) = TF[h(t)]
(b)
0
0
S(f) = TF[s(t)]
T/2
(c)
0
-F0 0 F0
Fig III.18. Déformation du spectre due au filtrage temporel
2- Filtrage fréquentiel
Le filtrage fréquentiel est la sélection de certaines composantes fréquentielles du signal.

Filtrage analogique
Filtre fréquentiel
E(f) S(f)
H(f)
La figure (III.19) montre que filtrer E(f) par le signal rectangulaire H(f), c’est réaliser le produit
simple des deux signaux E(f) et H(f). Le filtre fréquentiel est donc une multiplication
fréquentielle :
S(f) = E(f) × H(f)
E(f)
0,5
0
-F4 -F3 -F2 -F1 0 F1 F2 F3 F4
H(f) = rect(f/F)
0.5
0
-F/2 0 F/2
S(f) = E(f) x H(f)
0,5
0
-F2 -F1 0 F1 F2
Fig III.19. Filtrage fréquentiel
Le filtre fréquentiel va-t-il modifier le signal filtré ? En utilisant le théorème de Plancherel, la

transformée de Fourier inverse d’un produit de deux signaux est égale au produit de convolution
des transformées de Fourier inverse de ces deux signaux :
𝒯ℱ −1 [E(f) × H(f)] = e(t) ∗ h(t)
Par conséquent le signal temporel de la sortie du filtre est donné par :
s(t) = e(t) ∗ h(t)
Le filtrage fréquentiel affecte donc le signal filtré, comme il est montré sur la figure (III.20). Le
filtrage fréquentiel est une convolution temporelle.

Filtrage analogique
e(t) = TF-1[E(f)]
2
0
-2
0
h(t) = TF-1[H(f)]
s(t) = TF-1[S(f)]
2
0
-2
Fig III.20. Déformation du signal due au filtrage fréquentiel
III-3-3 Distorsion linéaire
Exemple 7 : On considère le signal e(t) = A cos(2πf0t) avec A ∈ ℝ, cherchons la sortie d’un

filtre linéaire de réponse impulsionnelle h(t).
A 2jπf t
s(t) = e(t) ∗ h(t) = A cos(2πf0 t) ∗ h(t) = [e 0 + e−2jπf0 t ] ∗ h(t)
2
+∞ +∞
A A
= e2jπf0 t ∫ h(τ) e−2jπf0 τ dτ + e−2jπf0 t ∫ h(τ) e2jπf0 τ dτ
2 2
−∞ −∞
A 2jπf t A A A
= e 0 H(f0 ) + e−2jπf0 t H(−f0 ) = e2jπf0 t ejφ |H(f0 )| + e−2jπf0 t |H(f0 )| e−jφ
2 2 2 2
A
= |H(f0 )| [ej(2πf0 t+φ) + e−j(2πf0 t+φ) ] = A |H(f0 ) |cos (2πf0 t + φ)
2
La sortie du filtre est :

s(t) = A |H(f0 )|cos (2πf0 t + arg|H(f0 )|) (III.15)
avec
φ = arg|H(f0 )|

Filtrage analogique
Le filtre linéaire transforme une sinusoïde à la fréquence f 0 en une autre sinusoïde à la même
fréquence mais avec une amplitude multipliée par |H(f 0)| et un déphasage φ = arg|H(f0 )|.
On appelle la distorsion toute modification d’amplitude et de phase dans un filtre linéaire.
Lorsque toutes les amplitudes ne sont pas uniformément atténuées, c’est la distorsion
d’amplitude. Lorsque toutes les fréquences ne sont pas uniformément retardées, c’est la
distorsion de phase.
Un filtre est sans distorsion linéaire lorsque le signal de sortie s(t) a la même forme que le signal
d’entrée e(t) à une constante multiplicative k près (Fig III.21). Le signal d’entrée peut subir une
amplification ou une atténuation et un retard.
e(t) s(t)
A A
e(t) Filtre temporel
0 0
0 0 t0
t t
Fig III.21. Filtre sans distorsion
A un signal d’entrée e(t), il doit correspondre donc un signal de sortie :

s(t) = k e(t – t0)
t0 : le retard dû au filtre.
k : le facteur d’amplification ou d’atténuation.
On a vu que la convolution d’un signal par un Dirac décalé translate le signal, on peut écrire :
s(t) = k e(t) * δ(t – t0) = e(t) * [k δ(t – t0)] ①

La relation (III.1) nous montre que le filtre est un convolueur, d’où :
s(t) = e(t) * h(t) ②

En comparant les relations ① et ②, on tire :
h(t) = k δ(t – t0)] ; h(t) est la réponse impulsionnelle.
Examinons le spectre du signal de sortie en calculant sa transformée de Fourier :
𝒯ℱ [s(t)] = S(f) = 𝒯ℱ [k e(t – t0)] = 𝒯ℱ {e(t) * [k δ(t – t0)]} = 𝒯ℱ [e(t)] . 𝒯ℱ [k δ(t – t0)]
Avec la relation (II.55), on trouve finalement
S(f) = k E(f) e−2jπft0
Un système sans distorsion doit avoir une réponse fréquentielle :
S(f)
H(f) = = ke−2jπft0 = |H(f)| ejφ(f) (III.16)
E(f)

Filtrage analogique
dont le module est constant et indépendant de la fréquence :

H(f) = k (III.17)
et la phase est proportionnelle à la fréquence (Fig III.22) :
φ(f) = −2jπt 0 f (III.18)
2pi
|H(f)|
 (f)
k 0
-2pi
-1 0 1 -1/t0 0 1/t0
f f
Fig III.22. Réponse fréquentielle (module et phase) d’un filtre sans distorsion
Ce filtre est irréalisable car la réponse impulsionnelle est un Dirac.
Exercice 1 :
1) Soit un signal e(t) = cos(50t) + cos(43t) passant à travers un filtre de réponse |H(f)| = 1 et
φ(f) = -0.06 ω. Visualisons la sortie s(t) de ce filtre.
2) Même chose si φ(f) = -0.06ω - π/2.
3) Même chose si φ(f) = -ω².
Solution :
1) |H(f)| = 1 et φ(f) = -0.06 ω
2 e(t)
s(t)
1
0
-1
-2
0 0.5 1 1.5 2
Fig III.23. Signal à travers un filtre sans distorsion
On constate que le signal d’entrée et le signal de sortie sont décalés dans le temps mais ils ont
la même forme, le filtre est sans distorsion.

Filtrage analogique
2) |H(f)| = 1 et φ(f) = -0.06 ω - π/2.
2 e(t)
s(t)
1
-1
-2
0 0.5 1 1.5 2
Fig III.24 Signal à travers un filtre à phase linéaire non nulle en f = 0
On constate que le signal d’entrée et le signal de sortie sont décalés dans le temps mais il y a
une légère distorsion due au déphasage du filtre qui ne s’annule pas pour f =0.
3) |H(f)| = 1 et φ(f) = -ω².
2 e(t)
s(t)
1
-1
-2
0 0.5 1 1.5 2
Fig III.25. Signal à travers un filtre avec distorsion
Dans ce cas, le déphasage n’est pas linéaire et la sortie présente des distorsions.
Exercice 2 :
1) On considère un système linéaire invariant ayant une réponse fréquentielle H(ω) représentée
sur la figure suivante :
2
H()
1
0
-7 -5 -3 -1 0 1 3 5 7

Trouver la réponse s(t) à l’entrée e(t) décomposée en série de Fourier :

+∞
1
e ( t) = 3 + ∑ cos(nπt)
n2
n=1

Filtrage analogique
Solution :
L’entrée e(t) peut être exprimée comme :
1 1
e(t) = 3 + cos(πt) + 2
cos(2πt) + 2 cos(3πt) + ⋯
2 3
On va chercher la valeur de la réponse fréquentielle au point ω = 0, ω = π, ω = 2π …
La courbe de la réponse fréquentielle nous donne :
H(0) = 0 H(π) = 2 H(2π) = H(3π) = H(4π) … = 0
D’après l’équation (III.13) la sortie du filtre sera :
1
s(t) = 3 |H(0)| + |H(π)| cos(πt) + |H(2π)| cos(2πt) + ⋯ = 2cos (πt)
22
III-3-4 Retard de phase et retard de groupe
Le filtre linéaire transforme une sinusoïde à la fréquence f 0 en une autre sinusoïde à la même
fréquence mais avec une amplitude multipliée par |H(f 0)| et un déphasage φ(f0 ) = arg|H(f0 )|
entre la sortie et l’entrée.
arg|H(f0 )|
s(t) = A |H(f0 )| cos(2πf0 t + arg|H(f0 )|) = A |H(f0 )| cos (2πf0 [t + ])
2πf0
Le retard de phase τφ, représenté sur la figure (III.24), est lié au déphasage par la relation :
arg|H(f0 )|
τφ = − (III.19)
2πf0
τφ
-0,5 e(t)
s(t)
-1
0 0.25 0.5 0.75 1 1.25 1.5 1.75

t (ms)
Fig III.26. Retard de phase
Le signal d’entrée n’est pas toujours une sinusoïde pure. Le retard de groupe τg, caractérise le
retard apporté par le filtre sur les différents harmoniques du signal d’entrée. Il obéit à
l’équation :
1 d[arg|H(f)|] (III.20)
τg (f) = −
2π df
La figure (II.27) montre la différence entre le retard de phase et le retard de groupe.

Filtrage analogique
-2
-4
0 0.002 0.004 0.006 0.008 0.01 0.012
5 τφ
τg
-5
0 0.002 0.004 0.006 0.008 0.01 0.012
Fig III.27. Retard de phase et retard de groupe
Dans le cas du filtre sans distorsion, on a :

H(f) = k et φ(f) = -2πt0f
par conséquent le retard de phase devient :
arg|H(f0 )|
τφ = − = t0
2πf0
et le retard de groupe est :
1 d[arg|H(f)|] 1 d[−2πt 0 f]
τg (f) = − =− = t0
2π df 2π df
En conclusion, si la phase est linéaire, le retard de groupe est constant, il est indépendant de la
fréquence et égal au retard de phase, par suite le signal ne subit pas de déformation.
III-3-5 Types de filtre

Les filtres sont caractérisés par leur réponse impulsionnelle h(t) et leur réponse fréquentielle
H(f) qui est la transformée de Fourier de la réponse impulsionnelle. Ils peuvent être classés en
5 familles suivant la bande de fréquence qu'ils laissent passer :
1- Passe-bas
Il laisse passer les basses fréquences, atténue les hautes fréquences. La

~
~ fréquence de coupure est la limite entre les basses fréquences et les hautes
fréquences. La réponse en fréquence d’un filtre passe-bas idéal de
fréquence de coupure fc est donnée par :

Filtrage analogique
1 si 0 < f < fc
H(f) = {
0 ailleurs
|H(f)| 20log(|H(f)|)
fc 0 fc
f f
Fig III.28. Réponse fréquentielle du filtre passe-bas
Le module de la réponse fréquentielle vaut 1 dans la bande passante, nulle dans la bande coupée
(Fig III.28).
La bande passante est la gamme de fréquence non filtrée : BP = [0, fc]
On trouve le filtre passe-bas dans beaucoup d’applications. Il est utilisé comme filtre anti-
repliement pour la numérisation des signaux (cf chapitre IV) et un atténuateur d’aigues (hautes
fréquences) pour un signal audio. Le filtre passe-bas peut récupérer la valeur moyenne d’un
signal périodique.
Exemple 8 : La figure (III.29) montre comment le filtre passe bas de fréquence de coupure fc
= 0.5 Hz peut récupérer la composante continue E0 = 2 du signal d’entrée e(t) =
2 + cos(8πt).

Filtrage analogique
3
2
1.5
E(f)
e(t)
2
1
0.5
1
0
0 0.5 1 -4 -2 0 2 4
t f
Signal e(t) avec une composante continue Spectre du signal e(t)

e(t) = 2 + cos(8πt) E(f) = 2 δ(f ) + 0.5 δ(f + 4) + 0.5 δ(f - 4)
1
H(f)
0,5
0
-5 -3 -1 0 1 3 5
f
Filtre passe-bas avec une fréquence

de coupure fc = 0.5 Hz
2
S(f)=E(f).H(f)
2
s(t)
1
1
0 0
0 0.5 1 -5 0 5
t f
Signal de sortie du filtre Spectre du signal filtré

s(t) = E0 = 2 S(f) = 2 δ(f )
Fig III.29. Récupération de la composante continue d’un signal périodique

Filtrage analogique
2- Passe-haut
Il laisse passer les hautes fréquences, atténue les basses fréquences. La

~
~ réponse en fréquence d’un filtre passe-haut idéal de fréquence de coupure fc
est donnée par :
1 si f > fc
H(f) = {
0 ailleurs
|H(f)| 20log(|H(f)|)
fc fc
f f
Fig III.30. Réponse fréquentielle du filtre passe-haut
La bande passante, comme le montre la figure (III.30) est : BP = [fc, +∞[

Contrairement au filtre passe-bas, le filtre passe-haut est un atténuateur de graves (basses
fréquences) pour un signal audio. Il permet de supprimer la composante continue d’un signal.
Exemple 9 : La figure (III.31) montre comment le filtre passe haut de fréquence de coupure fc
= 1 Hz élimine la composante continue E0 = 2 du signal d’entrée e(t) = 2 + cos(8πt).

Filtrage analogique
3
2
1.5
E(f)
e(t)
2
1
0.5
1
0
0 0.5 1 -4 -2 0 2 4
t f
Signal e(t) avec une composante continue Spectre du signal e(t)

e(t) = 2 + cos(8πt) E(f) = 2 δ(f ) + 0.5 δ(f + 4) + 0.5 δ(f - 4)
H(f) 1
0.5
0
-5 -3 -1 0 1 3 5
f
Filtre passe-haut avec une fréquence

de coupure fc = 1 Hz
1
0.5
S(f)=E(f).H(f)
s(t)
0
0.25
-1
0
0 0.5 1 -4 -2 0 2 4
t f
sans composante continue
s(t) = cos(8πt) S(f) = 0.5 δ(f + 4) + 0.5 δ(f - 4)
Fig III.31. Suppression de la composante continue d’un signal

Filtrage analogique
3- Passe-bande
~
~
Ce filtre ne laisse passer qu’une bande de fréquences comprise entre la
~ fréquence de coupure basse fCB et la fréquence de coupure haute fCH du
filtre (Fig III.32). La réponse fréquentielle du filtre passe-bande est :
1 si fCB < f < fCH
H(f) = {
0 ailleurs
|H(f)| 20log(|H(f)|)
0 fCB fCH fCB fCH

f f
Fig III.32. Réponse fréquentielle du filtre passe-bande
La bande passante est : BP = [fCB, fCH]

Il est la combinaison d’un passe-bas et d’un passe-haut. C’est un filtre utilisé en radio et
télévision pour isoler le signal du récepteur.
Exemple 10 : La figure (III.33) montre que le filtre passe bande de fréquence de coupure basse
fCB = 8 Hz et de fréquence de coupure haute fCH = 12 Hz n’a pas bloqué la fréquence f2 = 10
Hz, parce qu’il se trouve dans la bande passante du filtre : BP = [8 , 12].

Filtrage analogique
4
2 1
0.75
e(t)
E(f)
0.5
-2
0.25
-4 0
0 0.5 1 -24 -10-4 0 4 10 24
t f
e(t) = cos(8πt) + 0.5cos(20πt) + 2cos(48πt) Spectre du signal e(t)
1
X: 8
Y: 1
H(f)
0.5
X: 12
Y: 0
0
-20 -10 0 10 20
f
Filtre passe-bande avec une bande
passante BP = [8 , 12]
0.5 0,25
S(f)=E(f).H(f)
s(t)
-0,5 0
-20 -10 0 10 20
0 0.5 1
f
t

s(t) = 0.5cos(20πt) S(f) = 0.25 δ(f + 10) + 0.5 δ(f - 10)
Fig III.33. Signaux à l’entrée et à la sortie du filtre passe bande

Filtrage analogique
4- coupe-bande ou réjecteur de bande
~
~
Ce filtre empêche le passage d’une bande de fréquence. C’est l’inverse du
~ filtre passe-bande. La réponse fréquentielle du filtre passe-bande est :
0 si fCB < f < fCH
H(f) = {
1 ailleurs
|H(f)| 20log(|H(f)|)
fCB fCH fCB fCH

f f
Fig III.34. Réponse fréquentielle du filtre coupe-bande
La bande passante est : BP = [0, fCB] ∪ [fCH, +∞[.
Exemple 11 : La figure (III.35) montre que le filtre coupe bande de fréquence de coupure basse
fCB = 5 Hz et de fréquence de coupure haute fCH = 18 Hz a bloqué la fréquence f2 = 10
Hz, parce qu’il se trouve dans la bande coupée du filtre [5 , 18].

Filtrage analogique
4
2 1
0.75
e(t)
E(f)
0.5
-2
0.25
-4 0
0 0.5 1 -24 -10-4 0 4 10 24
t f
1
H(f)
0.5
0
-18 -5 0 5 18
f
Filtre coupe-bande avec une bande
passante BP = [0, 5] ∪ [18, +∞[.
4
1
S(f)=E(f).H(f)
2
s(t)
0
0.5
-2
-4 0
0 0.5 1 -24 -4 0 4 24
t f

s(t) = cos(8πt) + 2cos(48πt) S(f) = 0.5 δ(f + 4) + 0.5 δ(f - 4) +
δ(f + 24) + δ(f - 24)
Fig III.35. Signaux à l’entrée et à la sortie du filtre coupe bande

Filtrage analogique
5- Passe-tout
~
~ Un filtre passe-tout possède une bande passante et aucune bande atténuée.
~ Il agit comme déphaseur sans changer l’amplitude du signal.
|H(f)| 20log(|H(f)|)
1 0
0
f f
Fig III.36. Réponse fréquentielle du filtre passe-tout
III-3-5 Filtre idéal et filtre réel

1- Filtre idéal
Un filtre idéal transmet toutes les composantes utiles sans atténuation ni déphasage tout en
éliminant complétement les signaux indésirables. Il a donc une atténuation nulle en bande
passante et infinie en bande coupée et une largeur nulle de bande de transition, entre la bande
passante et la bande coupée (Fig III.37). Les coupures seront donc très rapide.
Considérons le filtre passe-bas idéal de la figure (III.37) de réponse fréquentielle H(f).
La réponse impulsionnelle est d’après la relation (II.45) :
h(t) = 𝒯ℱ -1[H(f)] = sinc(t)
On applique à l’entrée du filtre une impulsion à l’instant t = 0. Sur la figure (III.38), on observe
que l’effet est obtenu avant la cause, la réponse commence avant que l’impulsion ne soit injectée
dans le filtre à l’instant t = 0. Le système n’est pas causal, le filtre n’est pas physiquement
réalisable, par conséquent le filtre idéal n’existe pas.
|H(f)|
Fig III.37. Module de la réponse

fréquentielle d'un filtre passe-bas idéal
.
0
-1 -0.5 0 0.5 1
f

Filtrage analogique
h(t) = TF-1[H(f)]
1
0.5 Fig III.38. Réponse impulsionnelle du filtre

idéal de la figure III.35
0
-5 0 5
t f
2- Filtre réel
La figure (III.39) montre que le filtre réel présente des imperfections dans sa réponse
fréquentielle :
▪ des ondulations dans la bande passante. Le gain n’est pas parfaitement égal à 1.
▪ des ondulations dans la bande coupée ou atténuée. Le gain n’est pas parfaitement nul.
▪ La transition entre la bande coupée et la bande passante est progressive, il ne se fait pas
avec une pente infinie.
1
ondullations dans la bande passante
bande de transition bande de transition
BANDE COUPEE BANDE COUPEE

BANDE PASSANTE
ondulations dans la bande coupée ondulations dans la bande coupée
0
0
Fig III.39. Réponse fréquentielle d’un filtre réel
On définit le filtre réel par rapport à son correspondant idéal par les caractéristiques
suivantes :
Amax : atténuation maximum tolérée en bande passante.
Amin : atténuation minimum tolérée en bande coupée ou atténuée.
fp : fréquence de frontière de la bande passante.
fa : fréquence de frontière de la bande coupée ou atténuée.
On appelle gabarit, la représentation graphique des conditions limites. Le gabarit est caractérisé
par 2 points (fp, Amax) et (fa, Amin) comme illustré sur la figure (III.40).
On utilisera souvent le gabarit d’atténuation A en fonction de la pulsation ω.

Filtrage analogique
Amax 0
bande transition
Amin
bande coupée
bande passante
0
fp fa
Fig III.40. Gabarit d’un filtre réel
La sélectivité k d’un filtre exprime la raideur de la bande de transition. Si k = 1, le filtre est

idéal, la bande de transition est raide, le filtre coupe donc très rapidement. Si k < 1 le filtre est
réel. En somme, plus k s’approche de 1, plus le filtre est sélectif.
a- Passe-bas
Le filtre passe-bas ne transmet que les signaux de fréquence inférieure à f p (ωp = 2πfp). Le
gabarit doit avoir :
▪ Une valeur maximale Amax de l’atténuation dans la bande passante.
▪ Une valeur minimale Amin de l’atténuation dans la bande coupée.
▪ ωp le bord de bande passante.
▪ ωa le bord de bande coupée.
0
Attenuation (dB)
Amax
Amin
Bande de
Bande passante transition
Bande coupée
0 wp
ωp wa
ωa

Fig III.41. Gabarit d’un filtre passe-bas réel
La zone interdite est grise sur la figure (III.41) et on a :
ω < ωp bande passante

ωp < ω < ωa bande de transition
ω > ωa bande coupée
La sélectivité pour un filtre passe-bas est :

Filtrage analogique
fp ωp
k= =
fa ωa
b- Passe-haut
Le filtre passe-haut ne transmet que les signaux de fréquence supérieure à fp. Le gabarit doit
avoir :
▪ ωp le bord de bande passante.
▪ ωa le bord de bande coupée.
0
Amax
Attenuation (dB)
Bande coupée
Amin Bande passante

Bande de
transition
0 wa
ω a  wp
ωp
Fig III.42. Gabarit d’un filtre passe-haut réel
On a :
ω > ωp bande passante
ωa < ω < ωp bande de transition
ω < ωa bande coupée
La sélectivité pour un filtre passe-haut est :

fa ωa
k= =
fp ωp
c- Passe-bande
Ce filtre ne laisse passer qu’une bande de fréquences. Le gabarit doit avoir :

▪ ω1p et ω2p les bord de bande passante.
▪ ω1a et ω2a les bord de bande coupée.

Filtrage analogique
ω0
0
Bande de transition
Bande de transition
Attenuation (dB) Amax Bande coupée Bande coupée
Amin
Bande passante

0
ωw1a w1p
1a ω1p
w2p
ω 2p
w2a
ω2a

Fig III.43. Gabarit d’un filtre passe-bande réel
ω2p − ω1p = Δω bande passante

ω2a − ω2p et ω1p − ω1a bande de transition
ω < ω1a et ω > ω2a bande coupée
ω0 = √ω1p ω2p pulsation centrale
Δω
B=ω bande passante relative
0
La sélectivité pour un filtre passe-bande est :

∆fp f2p − f1p ω2p − ω1p
k= = =
∆fa f2a − f1a ω2a − ω1a
Un filtre passe-bande est symétrique si :
ω2p × ω1p = ω2a × ω1a = ω20
La pulsation centrale est le centre géométrique de ω2p et ω1p est aussi le centre géométrique
de ω2a et ω1a . Dans ce cas, les bandes de transition ont même largeur sur l’échelle
logarithmique.
d- Coupe bande
Ce filtre empêche le passage d’une bande de fréquence. Le gabarit doit avoir :

▪ ω1p et ω2p les bord de bande passante.
▪ ω1a et ω2a les bord de bande coupée

Filtrage analogique
ω0
0
Bande de transition
Bande de transition
Amax
Attenuation (dB)
Amin
Bande passante Bande passante

Bande coupée
0
ωw1pw1a
1p ω1a ωw2a
2a
w2p
ω2p

Fig III.44. Gabarit d’un filtre coupe-bande réel
ω < ω1p et ω > ω2p bande passante

ω2p − ω2a et ω1a − ω1p bande de transition
ω2a − ω1a bande coupée
ω0 = √ω1p ω2p Pulsation centrale
La sélectivité pour un filtre coupe-bande est :

f2a − f1a ω2a − ω1a
k= =
f2p − f1p ω2p − ω1p
3- Normalisation de la fréquence
On définit la fréquence normalisée fn par :

f ω (III.21)
fn = = =Ω
f0 ω0
f0 une fréquence de référence choisie suivant le type de filtre. Ainsi, pour les filtres passe-bas et
passe-haut, la fréquence de référence est la fréquence de frontière de la bande passante fp, alors
que pour les filtres passe-bande et coupe-bande on prend la fréquence centrale √f1p f2p .
On introduit également la variable complexe de Laplace normalisée s tel que :
p jω jf
= s=
= = jΩ (III.22)
ω0 ω0 f0
Les grandeurs s et fn sont sans dimension.
4- Normalisation du Gabarit
On définit également la fonction de transfert de la variable complexe normalisée par :

p
H(s) = H( )
ω0
H(p) est la fonction de transfert du filtre.
H(jΩ) est le gain complexe en fonction de la fréquence ou pulsation normalisée.

Filtrage analogique
Le gabarit normalisé est obtenu donc en prenant comme fréquence de référence la fréquence f0.
Pour un filtre passe-bas (Fig.III.45a), la fréquence frontière de la bande passante devient :
fp fp
= =1
f0 fp
La fréquence de la bande coupée devient :
fa fa 1
= =
f0 fp k
Pour un filtre passe-bande (Fig.III.45b), la fréquence de référence est √f1p f2p .
A(dB) A(dB) ωa 1
=
ωp ωa 1 ωp k
ω(rd/s) Ω
-Amax -Amax
Normalisation
-Amin -Amin
(a)
A(dB) A(dB) ω1a ω1p ω2p ω2a

ω1a ω1p ω0 ω2p ω2a ω0 ω0 1 ω0 ω0
ω(rd/s) Ω
-Amax -Amax
Normalisation
-Amin -Amin
(b)
Fig III.45. Normalisation des gabarits

(a) filtre passe-bas (b) filtre passe-bande
4- Transformation
Elle permet de fabriquer des filtres passe haut, passe bande ou coupe bande à partir des filtres
normalisés passe bas.
a- Passe-bas vers passe-haut
Pour transformer un filtre passe-bas en un filtre passe-haut et inversement, on utilise la

transformation suivante sur la variable complexe normalisée :
1
s⟺S= (III.23)
s

Filtrage analogique
Exemple 12 : la fonction de transfert d’un filtre passe bas :

1
HPB (s) =
1+s
devient pour un passe-haut :
1 s
HPH (s) = =
1 s+1
1+ s
L’ordre du filtre passe-bas est préservé pour le filtre passe-haut.
Cette transformation s’applique aussi aux gabarits comme le montre la figure (III.46)
A(dB) ωa A(dB) 1
=k
ωp 1 1 k
Ω Ω’
-Amax ⟺ -Amax
-Amin -Amin
Passe − haut ⟺ Passe − bas
Fig III.46. Transformation du gabarit passe-haut au gabarit passe-bas
Avec Matlab
Num = [0 1];
Den = [1 1];
% L'instruction tf détermine la fonction de transfert du filtre analogique %

passe bas
tf(num,den)
% L'instruction lp2hp transforme le filtre passe bas en un filtre passe haut

% W0: pulsation angulaire de coupure en rad/s
W0 = 1;
[numt,dent]=lp2hp(num,den,W0);
% L'instruction tf détermine la fonction de transfert du filtre analogique

% passe haut
tf(numt,dent)
b- Passe-bas vers passe-bande
La transformation qui permet de passer d'un filtre passe bas à un filtre passe bande est la
suivante :
1 1 s2 + 1
s ⟺ S = (s + ) = (III.24)
B s B×s

Filtrage analogique
B est la bande passante relative.

L’ordre du filtre passe-bande est doublé par rapport au filtre passe-bas.
Cette transformation impose la symétrie du gabarit.
Exemple 13 : la fonction de transfert d’un filtre passe bas d’ordre 1 :

1
HPB (s) =
1+s
devient pour un passe-bande:
s2 + 1 1 B×s
HPbande (s) = HPB ( )= 2 = 2
B×s s +1 s +B×s+1
1+ B×s
L’ordre a bien doublé.
Avec Matlab
[numt,dent]=lp2bp(num,den,W0,Bw)
% W0 : pulsation centrale en rad/s
% Bw : La bande passante relative
Exercice 3 : Déterminer le gabarit normalisé du filtre passe-bas équivalent du gabarit

suivant :
A(dB)
50 200 450 900
f(kHz)
-3
-25
Solution :
La fréquence centrale :
f0 = √f1p f2p = √200 × 450 = 300 kHz
Les fréquences normalisées :

f1a 50 1
Ω1a = = =
f0 300 6
f1p f1p f1p 200 2

Ω1p = = =√ = =
f0 √f1p f2p f2p 300 3
f2p f2p f2p 1 450 3

Ω2p = = =√ = = =
f0 √f1p f2p f1p Ω1p 300 2
f2𝑎 900
Ω2a = = =3
f0 300

Filtrage analogique
La bande passante relative est :

Δω ω2p − ω1p f2p − f1p 450 − 200 5
B= = = = =
ω0 √ω1p ω2p √f1p f2p √450 × 200 6
Le gabarit normalisé est donc :
A(dB) 1 2 3
6 3 1 2 3
Ω
-3
-25
La sélectivité est :
∆fp f2p − f1p 450 − 200
k= = = = 0.29
∆fa f2a − f1a 900 − 50
La variable complexe normalisée s est :
p jω jf
s= = = = jΩ
ω0 ω0 f0
On a d’après la relation
1 1
s⟺S= (s + ) = jΩ′
B s
avec
s = jΩ
on trouve
1 1
Ω′ = |Ω − |
B Ω
Ce changement de variable nous donne :
′
1 1 6 1 6
Ω1a = |Ω1a − |= | − |=7
B Ω1a 5 6 1
′
1 1 6 2 3
Ω1p = |Ω1p − |= | − |=1
B Ω1p 5 3 2
1 1 6 3 2
Ω′2p = |Ω2p − |= | − |=1
B Ω2p 5 2 3
1 1 6 1
Ω′2a = |Ω2a − | = |3 − | = 3.2
B Ω2a 5 3
′
On prend la plus faible valeur entre Ω1a et Ω′2a :
′
Ω′m = min(Ω1a , Ω′2a ) = 3.2
Le gabarit du filtre passe-bas équivalent est :

Filtrage analogique
A(dB)
1 3.2
Ω’
-3
-25
b- Passe-bas vers coupe-bande
La transformation qui permet de passer d'un filtre passe bas à un filtre passe bande est la
suivante :
B B×s
s⟺S= = 2 (III.25)
1
s+ s s +1
B est la bande passante relative.
L’ordre du filtre coupe-bande est doublé par rapport au filtre passe-bas.
Exemple 14 : la fonction de transfert d’un filtre passe bas d’ordre 1 :

1
HPB (s) =
1+s
devient pour un coupe-bande:
B×s 1 s2 + 1
HPbande (s) = HPB ( ) = =
s2 + 1 B×s s2 + B × s + 1
1+ 2
s +1
Qui est de l’ordre 2.
Avec Matlab
[numt,dent]=lp2bs(num,den,W0,Bw)
% W0 : pulsation centrale en rad/s
% Bw : La bande passante relative
III-3-6 Filtres polynomiaux

1- Filtre de Butterworth
Le filtre de Butterworth est un filtre linéaire possédant un gain constant dans sa bande passante.
La réponse fréquentielle est :
1
|H(jω)|2 = (III.26)
1 + ε2 ω2n
n : ordre du filtre
ε : amplitude d’ondulation dans la bande passante
ε = 1 filtre de Butterworth standard
ε ≠ 1 filtre de Butterworth généralisé

Filtrage analogique
en notation normalisée :
1
|H(jΩ)|2 = (III.27)
1 + ε2 Ω2n
ω ωc
avec ∶ Ω = ; fc = ∶ fréquence de coupure
ωc 2π
La réponse fréquentielle est normalisée par rapport à la pulsation de coupure ωc pour laquelle
l’atténuation est de -3dB.
L’atténuation est :
A(Ω) = |H(jΩ)|−1 = √1 + ε2 Ω2n (III.28)
L’atténuation est la plus plate possible dans la bande passante, il n’y a pas d’ondulation ni dans
la bande passante ni dans la bande coupée.
La figure (III.47) montre que lorsque l’ordre n du filtre tend vers l’infini, la réponse tend vers
celle d’un filtre idéal.
Représentation fréquentielle d'un filtre de Butterworth en fonction de l'ordre

1.2
idéal
1 n=20
n=6
0.8
n=4
Amplitude
n=2
0.6
0.4
0.2
0
0 5 10 15 20 25 30 35 40
Fréquence f
Fig III.47. Réponse fréquentielle d’un filtre de Butterworth en fonction de l’ordre
a) Propriétés
∎ Ω = 0; |H(jΩ)| = 1
1
∎ ε = 1; Ω = 1; |H(jΩ)|2 =
2
2
10 log|H(jΩ)| = −10 log(2) = −3 dB
Toutes les courbes passent par -3 dB pour Ω = 1, soit f = fc et quel que soit la valeur n comme
il est illustré sur la figure (III.48).
∎ Ω ⟶ ∞; 10 log|H(jΩ)|2 = −10 log(Ω2𝑛 ) = −20n log Ω
Ω ⟶ 10Ω; −20n log(10Ω) = −20n − 20nlog Ω
Le gain présente une pente de -20n dB/décade (Fig III.48).

Filtrage analogique
10
n=1 n=2 n=3
0
-3
-10
- 20 dB/déc
Gain (dB)
-20
- 40 dB/déc
-30
-40
-50 - 60 dB/déc
-60
-1 0 1
10 10 10
f
Fig III.48. Pente -20n dB/décade
b) Fonction de transfert
1 1
|H(jΩ)|2 = =
|A(jΩ)|2 1 + ε2 Ω2n
Posons s = jΩ, la fonction devient :
1 1
H(s). H(−s) = = = |H(jΩ)|2 pour Ω2 = −s2
s 2n 1 + ε2 (−1)n s 2n
1 + ε2 ( j )
H(s) n’a aucun zéro, ni aucun pôle sur l’axe imaginaire. Cherchons les pôles de H(s).H(-s).
Les pôles sont les racines de l’équation :
s 2n
1 + ε2 ( ) = 0
j
s 2n 1 1
( ) = − 2 = 2 ej(π+2kπ)
j ε ε
1 j(π+2kπ)
s 2n = j2n e
ε2
d’où
j j(π+2kπ)
s= 1e
2n
εn
L’équation admet 2n racines. On a donc 2n pôles équirépartis sur le cercle trigonométrique de
rayon ε1/n et de centre 0, comme il est illustré sur la figure (III.49).
On ne garde que les pôles à partie réelle négative, pour que le système soit stable. On aura
donc n solutions :
j j(π+2kπ)
sk = 1 e 2n (III.29)
εn
obtenues pour les valeurs de k comprises entre 0 et n – 1 ; 0 ≤ k ≤ n − 1

Filtrage analogique
 1/n
Imaginary Part
Real Part
Fig III.49. Répartition des pôles de H(s).H(-s) dans le plan complexe pour n = 6
La fonction de transfert s’écrit en déterminant les pôles sk :
1
H(p) = (III.30)
∏n−1
k=0 (s − sk )
Dans le cas d’un filtre d’ordre 1, on a : n = 1 et la solution est :
j j(π+2kπ)
sk = e 2
ε
Par suite, la valeur de k est :

0≤ k≤n−1=0
il n’y a qu’une seule solution, donc un seul pôle représenté sur la figure (III.50) :
1
s0 = −
ε
Finalement la fonction de transfert pour n = 1 est :
1 1
H(s) = =
∏n−1
k=0 (p − pk ) 1
p+ε
1
H(s) = pour ε = 1 (III.31)
p+1
Prenons le cas du filtre d’ordre 2, n = 2 :

j j(π+2kπ)
1e
4 sk =
ε2
On a toujours 0 ≤ k ≤ n − 1 = 1, on a donc deux possibilités ∶ k = 0 et k = 1.

Filtrage analogique
Imaginary Part
0.5
0 1/
-0.5
-1
-1 Real Part
Fig III.50. Pôle du polynôme de Butterworth d’ordre 1
Pour k = 0
j jπ 1 jπ jπ 1 j3π
s0 = 1 e 4 =
1 e 2 e4 =
1e
4
ε2 ε2 ε2
Pour k = 1
j j(π+2kπ) j jπ jπ j j3π 1 j5π

s1 = 1e
4 = 1 e 2e4 =
1 e 4 =
1e
4
ε2 ε2 ε2 ε2
On a à la fin la fonction de transfert pour ε = 1 :
1 1 1
H(s) = = = 2 (III.32)
∏n−1
k=0 (s − sk ) (s − s0 )(s − s1 ) s + √2 s + 1
1
Imaginary Part
0.5
1/1/2
0
-0.5
-1
-1 -0.5 0 0.5 1
Real Part
Fig III.51. Pôles du polynôme de Butterworth d’ordre 2

Filtrage analogique
Pour le filtre d’ordre 3, n = 3

j j(π+2kπ)
sk = 1e
6
ε3
Pour k = 0
j jπ 1 j4π
s0 = 1 e 6 =
1e
6
ε3 ε3
Pour k = 1
1
s1 = 1 ejπ
ε3
Pour k = 2
j j8π
s2 = 1 e 6
ε3
finalement pour ε = 1, on trouve :
1 1 1
H(s) = = = 3 (III.33)
∏n−1
k=0 (s − sk )
2
(s − s0 )(s − s1 )(s − s2 ) s + 2s + 2s + 1
1
Imaginary Part
0.5 1/1/3
-0.5
-1
-1 -0.5 0 0.5 1
Real Part
Fig III.52. Pôles du polynôme de Butterworth d’ordre 3
Les dénominateurs de la fonction de transfert des 10 premiers filtres de Butterworth sont

donnés dans le tableau III.1.

Filtrage analogique
n polynômes
1 s+1
2 s2 + √2 s + 1
3 s3 + 2s2 + 2s + 1 = (s + 1)(s2 + s + 1)
4 (s2 + 0.7654s + 1)(s2 + 1.8478s + 1)
5 (s + 1)(s2 + 0.6810s + 1)(s2 + s + 1)(s2 + 0.6810s + 1)
6 (s2 + 0.5176s + 1)(s2 + 1.4142s + 1)(s2 + 1.9319s + 1)
7 (s + 1)(s2 + 0.4450s + 1)(s2 + 1.2470s + 1)(s2 + 1.8019s + 1)
8 (s2 + 0.3902s + 1)(s2 + 1.1111s + 1)(s2 + 1.6629s + 1)(s2 + 1.9616s + 1)
9 (s + 1)(s2 + 0.3473s + 1)(s2 + s + 1)(s2 + 1.5321s + 1)(s2 + 1.8794s + 1)
10 (s2 + 0.3129s + 1)(s2 + 0.9080s + 1)(s2 + 1.4142s + 1)(s2 + 1.7820s + 1)
(s2 + 1.9754s + 1)
Tableau III.1. Dénominateur de la fonction de transfert du filtre de Butterworth
3- Dimensionnement du filtre de Butteworth

a) Calcul d’ordre n
0
Atténuation (dB)
Amax
Amin
0 p  a
Fig III.53. Gabarit

1 1
|H(jΩ)|2 = 2 2n
=
1+ε Ω |A(jΩ)|2
On prend comme fréquence de référence la fréquence de frontière de la bande passante fp,
d’où la fréquence normalisée est :
ω f
Ω= =
ωp fp
L’expression de l’atténuation maximale est :
Amax = 10 log(1 + ε2 Ω2n 2

p ) = 10 log(1 + ε ) ①

Filtrage analogique
ωp
avec Ωp = =1
ωp
L’expression de l’atténuation minimale est :
Amin = 10 log(1 + ε2 Ω2n

a ) ②
ωa
avec Ωa =
ωp
De l’expression ①, on tire :
ε2 Ω2n
p = 10
0.1 Amax
−1 ③
L’expression ② nous donne :
ε2 Ω2n
a = 10
0.1 Amin
−1 ④
après avoir divisé④ par ③ on trouve :
2n
Ωa 100.1 Amin − 1
[ ] =
Ωp 100.1 Amax − 1
Puis
Ωa 100.1 Amin − 1
2n log [ ] = log 0.1 Amax
Ωp 10 −1
par suite
100.1 Amin − 1
1 log
n= 100.1 Amax − 1 (III.34)
2 Ω
log [Ωa ]
p
n doit être entier, il est alors l’entier immédiatement supérieur ou égal à n.
b) Calcul de ε
De l’expression ① on tire :
Amax
log (1 + ε2 ) =
10
et
1 + ε2 = 100.1 Amax
finalement

Filtrage analogique
ε2 = 100.1 Amax − 1 (III.35)

Cas particulier :
Si Amax = 3 dB, la relation (III.27) devient :
ε2 = 100.1×3 − 1 = 0.9953
D’où
ε = 0.9975 ≅ 1
c) Détermination de la fréquence de coupure
L’atténuation donnée par la relation (III.24) est :

A(Ω) = |H(jΩ)|−1 = √1 + ε2 Ω2n
Ou bien :
A2 (Ω) = 1 + ε2 Ω2n
L’atténuation maximale est obtenue pour :
ωp
Ωp = =1
ωp
A2 max = 1 + ε2 Ω2n
p =1+ε
2
①
Si on change de fréquence de référence, en prenant la fréquence de coupure à – 3dB ; fref = fc
au lieu de fp, on a :
A2 (Ωp ) = 1 + Ωp 2n ②
Cette fois-ci :
ωp
Ωp =
ωc
En comparant ① et ② on trouve :
2n
2 2n ωp 2n fp
ε = Ωp =( ) =( )
ωc fc
Finalement, la fréquence de coupure à – 3dB est liée à la fréquence fp par la relation :
fp
fc = n
√ε
Exercice 4 :
Déterminer la fonction de transfert du filtre passe-bas de Butterworth qui satisfait au gabarit

suivant :
Amax = -1 dB, ωp = 50 rd/s
Amin = -15 dB, ωa = 100 rd/s

Filtrage analogique
Solution :
Notons tout d’abord que :
−1
Amax = −1 dB; Amax = 10 20 = 0,8913
−15
Amin = −15 dB; Amin = 10 20 = 0,1778
La figure (III.54) représente la réponse fréquentielle du filtre passe-bas de Butterworth.
1
0,8913
|H()|
0,6
0,4
0.1778
0
0 50 100 150 200 250

Fig III.54. Réponse fréquentielle du filtre passe-bas de Butterworth de l’exercice 4
Déterminons la valeur de l’ondulation ε à partir de la relation (III.27) :
ε2 = 100.1 Amax − 1 = 100.1 − 1 = 0.2589

ε = √0.2589 = 0.5088
L’ordre du filtre est donné par la formule (III.61) :
100.1 Amin − 1 101.5 − 1

1 log log
n= 100.1 Amax − 1 = 1 100.1 − 1 = 1 2.073 = 3.443
2 Ω 2 log [100] 2 log[2]
log [Ωa ] 50
p
On prend pour l’ordre l’entier supérieur : n = 4. D’après le tableau (III.1), le dénominateur de

la fonction de transfert est :
(s 2 + 0.7654s + 1)(s2 + 1.8478s + 1)
Par suite, la fonction de transfert normalisée est :

1
H(s) =
(s2 + 0.7654s + 1)(s2 + 1.8478s + 1)
La fréquence de coupure à – 3dB est liée à la fréquence fp par la relation :

fp
fc = n
√ε

Filtrage analogique
Ou bien, la pulsation :
ωp 50
ωc = n = 4 = 59.20 rd/s
√ε √0.5088
p
La fonction de transfert dénormalisée est obtenue en remplaçant s par :
ωc
1
H ( p) = 2
p p p 2 p
[(ω ) + 0.7654 (ω ) + 1] [(ω ) + 1.8478 (ω ) + 1]
c c c c
Soit :
1.228 × 107
H ( p) =
[p2 + 45.311p + 3504.64][p2 + 109.389p + 3504.64]
Filtre de Butteworth avec Matlab

Wp = ; %bande passante
Ws = ; %bande coupée
Rp = ; %atténuation maximale (en dB) dans la bande passante
Rs = ; %atténuation minimale (en dB) dans la bande coupée
% La fonction buttord retourne l'ordre du filtre n et la fréquence de %

coupure Wn
[n,Wn] = buttord(Wp,Ws,Rp,Rs,'s') %'s' pour spécifier un filtre analogique
% La fonction butter retourne les coefficients du numérateur et du %

dénominateur de la fonction de transfert du filtre
[num,den] = butter(n,Wn,'ftype','s')
% n: ordre du filtre.
% Wn (en rd/s) : bande passante du filtre (fréquence haute de la bande
passante pour un passe-bas ; fréquence basse de la bande passante pour un
passe-haut ; fréquences basse et haute de la bande passante pour un passe-
bande ; fréquences basse et haute de la bande coupée pour un coupe-bande.
% ftype : type de filtre ; passe bas (low), passe haut (high), passe bande
(bandpass), coupe bande (stop).
% L'instruction tf détermine la fonction de transfert du filtre analogique %

au format aux coefficients
H = tf(num,den)
% L'instruction buttap détermine les zéros z, les pôles p et le gain k

= H(0).
[z, p, k] = buttap(n)
[num, den] = zp2tf(z,p,k);

H = tf(num,den)
% L'instruction zpk détermine la fonction de transfert du filtre analogique

% au format factorisée.
ft = zpk(H)

Filtrage analogique
2- Filtre de Chebyshev
Ils sont de deux types, le type I et le type II. La réponse fréquentielle du filtre de chebyshev de
type I est donnée par :
1 1
|H(jΩ)|2 = = (III.36)
1+ ε2 Tn2 (Ω) |A(jΩ)|2
n : ordre du filtre
ε : amplitude de l’ondulation dans la bande passante
Ω : pulsation normalisée
Tn(Ω) : polynôme de Chebyshev d’ordre n
La figure (II.55) montre que contrairement au filtre de Butterworth, le filtre de Chebyshev de
type I présente des ondulations dans la bande passante, mais la largeur de sa bande de
transition est plus réduite que celle du filtre de Butterworth.
1 n=5
2 0.5
1/(1+ ) n=8
|H(f)|
0,5
0
0 100 200 300 400 500 600 700 800
f
Fig III.55. Filtre de Chebyshev de type I
Le polynôme de Chebyshev est défini par :
Tn (Ω) = cos(n arccos(Ω)) pour |Ω| ≤ 1

Tn (Ω) = cosh(n arccos h(Ω)) pour |Ω| ≥ 1
T0 (Ω) = cos(0) = 1
T1 (Ω) = cos(arccos(Ω)) = Ω
T2 (Ω) = cos(2 arccos(Ω)) = 2cos 2 (arccos(Ω)) − 1 = 2Ω2 − 1
T3 (Ω) = cos(3 arccos(Ω)) = 4Ω3 − 3Ω
Ces polynômes peuvent être calculés avec la formule de récurrence :

TN+1 (Ω) = 2 ΩTN (Ω) − TN−1 (Ω)
T2N (Ω) = 2 TN2 (Ω) − 1
Le tableau (III.2) représente le polynôme de Chebyshev pour différentes valeurs de n.

Filtrage analogique
n Tn(Ω)
0 1
1 Ω
2 2Ω2 - 1
3 4Ω3 - 3Ω
4 8Ω4 - 4Ω2 + 1
5 16Ω5 - 20Ω3 + 5Ω
6 32Ω6 - 48Ω4 + 18Ω2 - 1
7 64Ω7 - 112Ω5 + 56Ω3 - 7Ω
8 128Ω8 - 256Ω6 + 160Ω4 - 32Ω2 + 1
9 256Ω9 - 576Ω7 + 432Ω5 - 120Ω3 + 9Ω
10 412Ω10 - 1280Ω8 + 1120Ω6 - 400Ω4 - 50Ω2 - 1
Tableau III.2. Polynômes de Chebyshev
Pour Ω = 0, le polynôme de Chebyshev est :
n(2k + 1)π ±1 si n = 2p
Tn (0) = cos(n arccos(0)) = cos ( )={
2 0 si n = 2p + 1
On déduit alors :
1
si n = 2p
|H(0)| = { √1 + ε
2 (III.37)
1 si n = 2p + 1
La relation (III.29) montre que la forme des ondulations dans la bande passante dépend de la
1
parité de l’ordre du filtre : pour n pair comme sur la figure (III.39) |H(0)| = et pour
√1+ε2
n impair |H(0)| = 1.
1
La réponse fréquentielle oscille donc entre 1 et dans la bande passante.
√1+ε2
Pour déterminer la fonction de transfert, on utilise des tables fournies pour différentes valeur
de l’ondulation. Le tableau (III.3) expose le dénominateur de la fonction de transfert du filtre
de Chebyshev d’ordre 2 à 7, pour deux valeurs différentes de ε.

Filtrage analogique
Amax = 1 dB ε = 0.5088
n Dénominateur
1 1 + 0.509p
2 0.907p2 + 0.996p + 1
3 2.0353p3 + 2.012p2 + 2.521p + 1
4 3.628p4 + 3.457p3 + 5.275p2 + 2.694p + 1
5 8.142p5 + 7.627p4 + 13.75p3 + 7.933p2 + 4.726p + 1
6 14.512p6 + 13.47p5 + 28.02p4 + 17.445p3 + 13.632p2 + 4.456p + 1
7 12.566p7 + 30.06p6 + 70.865p5 + 46.53p4 + 44.21p3 + 17.865p2 + 6.958p + 1
Amax = 0.5 dB ε = 0.3493

n Dénominateur
1 1 + 0.349p
2 0.6595p2 + 0.9402p + 1
3 1.397p3 + 1.75p2 + 2.144p + 1
4 2.638p4 + 3.159p3 + 4.529p2 + 2.705p + 1
5 5.589p5 + 6.553p4 + 10.83p3 + 7.319p2 + 4.2058p + 1
6 10.552p6 + 12.232p5 + 22.918p4 + 16.776p3 + 12.365p2 + 4.563p + 1
7 22.355p7 + 25.735p6 + 53.937p5 + 41.792p4 + 36.84p3 + 16.89p2 + 6.306p + 1
Tableau III.3. Dénominateur de la fonction de transfert du filtre de Chebyshev
On peut calculer n et ε par :
ε2 = 100.1 Amax − 1 (III.38)
100.1 Amin − 1
cosh−1 √
100.1 Amax − 1
n = (III.39)
Ω
cosh−1 [Ω𝑎 ]
𝑝
Remarque :
cosh−1 x = Ln[x + √x 2 − 1 x≥1
Exercice 5 :
Reprendre l’exercice 4 en utilisant le filtre de Chebyshev de type I.
Solution :
−1
Amax = -1 dB, wp = 50 rd/s ; Amax = 10 20 = 0,8913
−15
Amin = 15 dB, wa = 100 rd/s ; Amin = 10 20 = 0,1778
La réponse fréquentielle de ce filtre est représentée sur la figure (III.56).

Filtrage analogique
1
0.8913
|H()|
0.6
0.4
0.1778
0
0 50 100 150 200 250

Fig III.56. Réponse fréquentielle du filtre de Chebyshev de l’exercice 5
Déterminons la valeur de l’ondulation ε à partir de la relation (III.38) :
ε2 = 100.1 Amax − 1 = 100.1 − 1 = 0.2589

ε = √0.2589 = 0.5088
L’ordre du filtre est donné par la formule (III.31) :
100.1 Amin − 1 −1 √ 10
1.5 − 1
cosh−1 √ cosh −1
100.1 Amax − 1 100.1 − 1 cosh (10.876)
n = = = = 2.3369
−1 Ω𝑎 −1 100 cosh −1 (2)
cosh [Ω ] cosh [ 50 ]
𝑝
On prend pour l’ordre l’entier supérieur : n = 3. D’après le tableau (III.3), le dénominateur de

la fonction de transfert est :
2.0353p3 + 2.012p2 + 2.521p + 1

Par suite, la fonction de transfert est :
1
H(p) =
2.0353p3 + 2.012p2 + 2.521p + 1
La figure (III.56) montre que puisque l’ordre n du filtre est impair (n = 3), |H(0)| = 1 et la
1
réponse fréquentielle oscille donc entre 1 et √1+ε2 = 0.8913 dans la bande passante.
A l’opposé des filtres de Chebyshev de type I, les filtres de type II, présentent des ondulations
dans la bande coupée. La réponse fréquentielle est donnée par :
ε2 Tn2 (1/Ω)
|H(jΩ)|2 = (III.40)
1 + ε2 Tn2 (1/Ω)

Filtrage analogique
ε
La réponse fréquentielle oscille donc entre 0 et dans la bande coupée.
√1+ε2
1.5
n=5
1 n=8
|H(f)|
0.5
0
0 100 200 300 400 500 600 700 800
f
Fig III.57. Filtre de Chebyshev de type II
Filtre de Chebyshev avec Matlab

Wp = ; %bande passante
Ws = ; %bande coupée
Rp = ; %atténuation maximale (en dB) dans la bande passante
Rs = ; %atténuation minimale (en dB) dans la bande coupée
% La fonction cheb1ord retourne l'ordre du filtre n et la fréquence de %

coupure Wn de type 1
[n,Wn] = cheb1ord(Wp,Ws,Rp,Rs,'s')
% Type 2
[n,Wn] = cheb2ord(Wp,Ws,Rp,Rs,'s')
% La fonction cheby1 retourne les coefficients du numérateur et du %

dénominateur de la fonction de transfert du filtre
[num,den] = cheby1(n,R,Wn,'ftype','s')
% n : ordre du filtre.
% R (en dB) : ondulations dans la bande passante.
% Wn (en rd/s) : bande passante du filtre (fréquence haute de la bande
passante pour un passe-bas ; fréquence basse de la bande passante pour un
passe-haut ; fréquences basse et haute de la bande passante pour un passe-
bande ; fréquences basse et haute de la bande coupée pour un coupe-bande.
% ftype : type de filtre ; passe bas (low), passe haut (high), passe bande
(bandpass), coupe bande (stop).
% Type 2
[num,den] = cheby2(n,R,Wn,'ftype','s')

Chapitre Iii

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 Iii

Transféré par

Droits d'auteur :

Formats disponibles

CHAPITRE III

(a) Image originale (b) détection des contours

Fig III.1. Filtrage d’une image

III-1 ANALYSE DE SYSTEMES

δ(t) Système h(t)

Fig III.2. Réponse impulsionnelle

III-1-2 Réponse à un signal quelconque

e(t) Système s(t)

Fig III.3. Réponse à un signal quelconque

Quelle est la réponse du système à un signal e(t) quelconque ?

∫ e(u) δ(t − u) du = e(t)

s(t) = 𝒪[e(t)] = 𝒪 [ ∫ e(u) δ(t − u) du]

Le système est linéaire :

s(t) = 𝒪 [e(t)] = ∫ e(u) 𝒪[δ(t − u)] du

Le système est invariant :

s(t) = 𝒪 [e(t)] = ∫ e(u) h(t − u) du = e(t) ∗ h(t) (III.1)

Traitement du signal 196 S. HAMDOUNE

III-2 SYSTEMES LINEAIRES PAR TRANSFORMEE DE

dn s(t) dn−1 s(t) dm e(t) dm−1 e(t)

am et bn sont des coefficients réels.

Exemple 1 : On considère le circuit suivant, cherchons l’équation différentielle régissant le

On applique la loi des mailles :

On va chercher la transformée de Laplace de l’équation (III.2). La propriété de la dérivée de

Traitement du signal 197 S. HAMDOUNE

En prenant 𝒯ℒ[s(t)] = S(p) ; 𝒯ℒ[e(t)] = E(p) ; 𝒯ℒ[h(t)] = H(p), et en appliquant la relation

S(p)[bn pn + bn−1 pn−1 + ⋯ + b0 ] = E(p)[am pm + am−1 pm−1 + ⋯ + a0 ] (III.4)

De la relation (III.4) on tire :

S(p) am pm + am−1 pm−1 + ⋯ + a0 N(p)

Exemple 2 : Cherchons la réponse impulsionnelle du système suivant :

e(t) = Ri(t) + s(t) ①

Traitement du signal 198 S. HAMDOUNE

Sachant que 𝒯ℒ [δ(t)] = 1.

Fig III.4. Réponse impulsionnelle

La fonction de transfert est :

S(p) am pm + am−1 pm−1 + ⋯ + a0 N(p)

N(p) = a(p − z1 )(p − z2 ) … (p − zm ) = a ∏(p − zi ) (III.7)

Traitement du signal 199 S. HAMDOUNE

D(p) = b(p − p1 )(p − p2 ) … (p − pn ) = b ∏(p − pi ) (III.8)

Fig III.5. Plan de p

Il existe plusieurs manières de vérifier la stabilité d’un système.

Traitement du signal 200 S. HAMDOUNE

a) Condition sur la réponse impulsionnelle :

pi sont les pôles qui peuvent être réels ou complexes.

s(t) = 𝒯ℒ −1 [S(p)] = ∑ Ai epi t

pi < 0, alors lim epi t = 0, la sortie converge, le système est stable.

Pour que le système soit stable, il faut que :

Traitement du signal 201 S. HAMDOUNE

s(t) = ∫ h(τ) e(t − τ) dτ

L’inégalité de Schwartz nous permet d’écrire :

|s(t)| ≤ ∫ |h(τ)| |e(t − τ)| dτ

Puisque l’entrée e(t) est bornée, on a alors :

∫ |h(t)| dt < ∞ (III.12)

Exemple 3 : les systèmes suivants sont-ils stables ?

∫ |h(t)| dt = ∫ |δ(t) − δ(t − 2)| dt ≤ ∫ |δ(t)| dt + ∫ |δ(t − 2)| dt = 1 + 1 = 2

Le système est donc stable.

Le système n’est donc pas stable.

b) Condition sur les pôles :

Traitement du signal 202 S. HAMDOUNE

Fig III.6. (a) Système stable et (b) système instable

Si ℛℯ (p) = 0, on dit que le système est marginalement stable (Fig.III.7).

Fig III.7. Système marginalement stable

Exemple 4 : Le circuit RC de l’exemple 2 est-il stable ?

Traitement du signal 203 S. HAMDOUNE

0.5exp(-2t) sin(2t) s(k)=0.5exp(2t(k)).sin(2*t(k));