Académique Documents
Professionnel Documents
Culture Documents
Département Informatique
Cours
présentée par : Dr Hanen BOUHADDA JOMNI
Traitement du signal
"La connaissance s'acquiert par l'expérience, tout le reste n'est que de l'information."
Albert Einstein
Table des matières
1 Introduction 9
Introduction 9
1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Fonctions de la TS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Filtrage linéaire 23
TABLE DES MATIÈRES
2.5.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2.3 Échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2.4 La quantication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.2.6 Le codage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4
TABLE DES MATIÈRES
4.2 Transformée en z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5
TABLE DES MATIÈRES
6
Liste des tableaux
7
LISTE DES TABLEAUX
8
Table des gures
9
TABLE DES FIGURES
2.11 TF de x(t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.12 Choix du Fe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3 Transformée en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
10
Chapitre 1
1.1 Introduction
La plupart des signaux que l'on doit traiter et analyser tels que la parole, les signaux
biologiques, sismiques, radars, audio ou vidéo sont analogiques par nature. C'est-à-dire
qu'ils sont fonction d'une variable continue, le temps, et qu'eux-mêmes varient de manière
continue. Ces signaux peuvent être traités analogiquement à l'aide de ltres par exemple.
Les signaux d'entrée et de sortie sont alors analogiques. Voir gure 3.1
11
1.2. ANALYSE TEMPORELLE
De manière générale, les signaux peuvent être classés dans les catégories suivantes :
Signaux continus en temps et en amplitude : x(t). On les appelle également signaux
analogiques (gure 2.2a) ; ils proviennent généralement de processus physiques.
Signaux discrets en temps, continus en amplitude : xe (t = nTe ). Ce sont les signaux
échantillonnés (gure 2.2b). Ils ne sont dénis qu'à des instants déterminés multiples
de la période d'échantillonnage Te , mais leur amplitude peut varier de manière
continue.
Signaux discrets en temps et en amplitude : xq [n]. De tels signaux sont quantiés
en amplitude ; ils ne peuvent prendre que des valeurs déterminées, généralement,
multiples d'un pas de quantication. Ce sont les valeurs numériques fournies par
les convertisseurs analogiques-numériques (CAN). Ils ne sont dénis qu'aux instants
d'échantillonnage et correspondent aux signaux numériques (gure 2.2c).
Signaux continus en temps, discrets en amplitude : xq (t). Ce sont des signaux quan-
tiés similaires à ceux décrits dans l'élément d'avant , dont la valeur est maintenue
par un bloqueur d'ordre zéro entre 2 périodes d'échantillonnage (gure 2.2d). Ces
signaux correspondent à ceux fournis par les convertisseurs numériques-analogiques
(CNA).
12
1.2. ANALYSE TEMPORELLE
Le signal binaire présente l'avantage d'être peu sensible aux perturbations, les valeurs
possibles de tension étant très distinctes. Ce type de signal ore la possibilité d'un traite-
ment informatisé, un ordinateur ne pouvant eectuer des opérations que sur des nombres
binaires. Tout signal doit être numérisé avant d'être exploité ou modié informatiquement.
En revanche un signal recomposé à partir de sa version numérique présente des éche-
lettes donc n'est pas une copie conforme du signal analogique de départ. Un système
numérique est constitué de nombreux composants électroniques formant un circuit élec-
trique complexe. À l'image des deux états possibles d'un courant électrique (il passe ou il
ne passe pas), un système numérique utilise le langage binaire : un 0 pour une tension
basse (ou un courant qui ne passe pas) et un 1 pour tension haute (ou un courant qui
passe).
1.2.3 Échantillonnage
13
1.2. ANALYSE TEMPORELLE
+∞
En utilisant la propriété x(t).δ(t−t0 ) = x(t0 ).δ(t−t0 ), on obtient xe (t) =
P
x(nTe )δ(t−
n=−∞
nTe )
1.2.4 La quantication
Approximer chaque valeur du signal échantillonné xe (t) par un multiple entier d'une
quantité élémentaire Q appelée "pas de quantication" ou quantum. Si Q est constant
14
1.2. ANALYSE TEMPORELLE
1.2.4.1 Principe
ou la valeur N.Q
par troncature : si N.Q ≤ xe (t) < (N + 1).Q alors à xe (t) on associe le code N ou la
valeur N.Q
La quantication introduit une erreur modélisable mathématiquement, et que l'on peut
considérer comme une variable aléatoire. Pour conclure la quantication est une approxi-
mation d'une amplitude continue par une amplitude discrète : On fait correspondre à
l'amplitude de chaque échantillon une valeur d'un ensemble de 2n valeurs possibles.
15
1.2. ANALYSE TEMPORELLE
codage est celle représentée à la gure 3.4. Dans le domaine de quantication, l'erreur
maximum due à la quantication vaut alors :
Q Umax
EQ = = (1.4)
2 2n
Figure 1.4 Loi de quantication uniforme et signal d'erreur pour un convertisseur 4 bits.
1. Exemple : Par exemple, si l'on considère un CAN 4 bits travaillant entre ±8[V ], on
aura
∆CAN = 16[V ] Q= 16[V ]
24
= 1.00[V ] EQ = 0.50[V ] RCAN = 1
16 En
observant attentivement la gure 3.4, on voit que le domaine de conversion s'étend plus
précisément de Umin = −8 − 0.5 = −8.5[V ] à Umax = +8 − 0.5 = 7.5[V ]. Ce qui donne
bien évidemment ∆CAN = 16[V ].
Nous venons de voir que l'opération de quantication remplace chaque valeur du signal
x(t = nT e) par une approximation. L'eet de cette approximation revient, mathémati-
quement, à superposer au signal d'origine x(t) un signal d'erreur e(t) que l'on appelle le
bruit de quantication. L'amplitude maximum de ce signal d'erreur est EQ = Q
2 tel que
le montre la gure 3.5. Sa puissance est une mesure de la dégradation que subit le signal.
16
1.2. ANALYSE TEMPORELLE
Si le pas de quantication est beaucoup plus petit que l'amplitude du signal x(t), on peut
raisonnablement admettre que le signal d'erreur est constitué de segments de droite com-
pris entre ± Q2 et de durée variable ∆t (gure 3.5). L'équation décrivant ce signal d'erreur
élémentaire s'écrit alors
Q ∆t ∆t
e(t) = .t − ≤t≤+ (1.5)
∆t 2 2
+ ∆t
Z 2 (1.6)
1 Q 2
= ( .t) dt
∆t ∆t
− ∆t
2
1 Q 2 1 ∆t 3
= .( .t) . .2( )
∆t ∆t 3 2
Ce qui donne nalement le résultat bien connu pour une distribution statistique uniforme :
EQ2
Q2
PQ = 3 = 12 La valeur ainsi obtenue est une estimation de la puissance du bruit de
quantication susante pour la plupart des cas réels. Si l'on exprime cette puissance par
17
1.2. ANALYSE TEMPORELLE
Lorsque qu'un signal est perturbé par du bruit, il est nécessaire de chirer l'importance
de cette perturbation par rapport au signal. On introduit alors la notion de rapport signal
sur bruit (SNR : Signal to Noise Ratio) déni comme le quotient entre la valeur ecace du
signal Xef f et celle du bruit Nef f :
Xef f
SN R = Nef f
Dans notre cas, le bruit est dû à la quantication du signal. On a donc Nef f = Qef f avec
Qef f = √Q . Le rapport signal sur bruit d'un convertisseur vaut alors :
12
Xef f √ Xef f
SN R = = 2n−1 12 (1.7)
√Q Umax
12
On voit ainsi que le rapport signal sur bruit d'un convertisseur A − N dépend de son
domaine de conversion et de la valeur ecace du signal.
18
1.3. RECONSTRUCTION DU SIGNAL
Généralement le nombre de bits et la bande passante nécessaires sont xés par l'applica-
tion ; il reste donc à trouver la fréquence d'échantillonnage fe et l'ordre n du ltre anti-
recouvrement(Connaissant ce domaine d'intérêt, délimité par la fréquence fmax , on pourra
éviter le recouvrement spectral en ltrant analogiquement le signal x(t) avant son échan-
tillonnage. Comme il n'est pas possible, avec un ltre réel, de supprimer totalement les
fréquences supérieures à fmax , on est amené à accepter l'eet d'un léger recouvrement
spectral). Le critère le plus fréquemment admis pour trouver ces deux valeurs est le sui-
vant : L'eet du recouvrement doit être inférieur à la résolution liée à la quantication et
à la non linéarité du convertisseur CAN.
1
fe > fc .(1 + (2n−1 ) m ) (1.8)
Avec m est l'ordre du ltre On notera que si l'on souhaite utiliser un ltre d'ordre 2
seulement avec un convertisseur 8bits, il faut choisir une fréquence d'échantillonnage 13
fois supérieure à la fréquence de coupure fc . Alors que, si l'on adopte un ltre d'ordre
8, une fréquence d'échantillonnage 3 à 5 fois supérieure à la fréquence de coupure sut
suivant le nombre de bits du CAN. C'est pourquoi, admettant que l'échantillonneur est
précédé d'un ltre anti-recouvrement d'ordre 8, on propose généralement une fréquence
d'échantillonnage telle que :
fe = (3...5).fmax
1.2.6 Le codage
Les 2n niveaux quantiés vont être codés par des valeurs numériques (une suite de n
bits).
19
1.3. RECONSTRUCTION DU SIGNAL
sin(π.fe .t)
g(t) = (1.9)
π.fe .t
Cela signie que le signal peut être reconstruit avec une somme de sinus cardinaux tempo-
rels centrés sur les instants d'échantillonnage t = nT e et d'amplitudes égales aux valeurs
échantillonnées x[n] voir gure 3.6 :
sin(π.fe .(t − n.Te ))
(1.10)
X
xa (t) = x[n].
π.fe .(t − n.Te )
20
1.3. RECONSTRUCTION DU SIGNAL
Figure 1.6 Reconstruction d'un signal triangulaire à l'aide d'un interpolateur idéal.
On peut se rapprocher d'un signal analogique plus habituel en éliminant les escaliers
du signal xs (t) crée par le CNA. Pour cela, on fait suivre le convertisseur d'un ltre passe-
bas, dit de reconstruction ou de lissage. La bande passante de celui-ci doit être susante
pour laisser passer l'information contenue dans la bande de base du signal numérique.
Comme celui-ci s'étend de 0 à fe
2 , les ltres anti-recouvrement et de reconstruction sont
généralement les mêmes.
21