Chapitre 6 : NUMERISATION DES SIGNAUX

Numériser = échantillonner + quantifier + coder

A/ Echantillonnage

L’échantillonnage consiste à représenter un signal analogique continu s(t)

par un ensemble de valeurs discrètes s(nTe) avec n entier et Te constante,
appelée période d’échantillonnage.

E. Abdelmounim 1
un signal quelconque est échantillonné à intervalles de temps réguliers T
(à gauche) afin de générer de courtes impulsions (à droite) dont les amplitudes
représentent l'amplitude instantanée du signal

E. Abdelmounim 2
 signal Signal
échantillonné

t nTe

Le signal s(t) est un signal analogique à temps continu.

Le signal échantillonné sech (n Te) = s(nTe) est un signal analogique à
temps discret E. Abdelmounim 3
 H

S S ech

H est une horloge délivrant un signal impulsionnel h périodique de période Te

qui ferme l’interrupteur k lorsque h est au niveau haut (niveau 1) et ouvre
l’interrupteur k lorsque h est au niveau bas (niveau 0)

E. Abdelmounim 4
On a ainsi, lorsque h est au niveau haut : sech(t) = s(t)
Et lorsque h est au niveau bas : sech (t) = 0

Sech

Te 2Te

E. Abdelmounim 5
On peut écrire sech(t) = s(t) h(t)
h(t) = 1 pendant la durée t de fermeture de k
et h(t) =0 pendant le reste de la période Te

1
t

Te 2Te

E. Abdelmounim 6
la reconstitution du signal

échantillonner un signal s n’a de sens que si l’on est capable de retrouver ce

signal à partir des échantillons prélevés.

On pourra alors affirmer que le signal échantillonné contient toutes les

informations présentes dans s.

Il paraît évident que si l’on a beaucoup d’échantillons on pourra facilement

reconstituer s(t).

Mais la fréquence d’échantillonnage Fe = 1/Te ne peut être infinie.

On doit donc déterminer la limite inférieure de Fe pour échantillonner

correctement un signal s.

E. Abdelmounim 7
Etudions un signal s(t) = S cos (wt)

h(t) étant la fonction de période Te définie plus haut.

Sa décomposition en série de Fourier :


h(t ) = H 0 +  H n cos n e t avec e = 2pFe = 2p/Te ; et H0 = t/Te
n =1

4 2
2 t
H n =  cos n e tdt = sin np
Te 0 np Te

E. Abdelmounim 8
 t 2
t
h(t ) = +  sin np cos n e t
Te n =1 np Te

Sech(t ) = s(t )h(t ) = H 0 S cos wt +  H n S cos n e t cos wt
n =1

1 
= H 0 S cos wt +  H n S[cos(n e + w )t + cos(n e − w )t ]
2 n =1
une composante de pulsation w, d’amplitude H0S = St/Te

deux composantes de part et d’autre de e :

e-w et e+w d’amplitude ½ H1S= S/p sin p t/Te

deux composantes de part et d’autre de 2e :

2e-w et 2e+w d’amplitude ½ H2S= S/2p sin 2p t/Te
etc…
E. Abdelmounim 9
le spectre de s(t), qui se réduit à une composante de pulsation w
et d’amplitude S se retrouve dans le spectre de sech (t) en
première composante

S/p sin p t/Te S/2p sin 2p t/Te S/3p sin 3p t/Te

St/Te

3e
e 2e

3e-w
w e-w e+w 2e-w 2e+w 3e+w

E. Abdelmounim 10
pour reconstituer le signal s(t), il ne faut conserver que la
composante w et éliminer toutes les autres. Ceci est réalisable par
un filtre passe-bas de s ech :

s ech(t) s(t)
Filtre passe-bas

E. Abdelmounim 11
 Filtre passe - bas

Mais cette opération n’est réalisable qu’à condition que la première raie du spectre soit
à la pulsation w telle que : w < e – w soit e > 2w

pour un signal sinusoidal de fréquence f, la fréquence d’échantillonnage Fe doit être

supérieure à 2 f.

Pour ne pas perdre l’information contenue dans s(t) il faut que S ech comporte au moins
deux échantillons par période de s(t)

E. Abdelmounim 12
ECHANTILLONNAGE IDEAL

Définition

Soit s(t) un signal qui a un spectre à support borné ; c'est-à-dire S(f) = 0

pour f > fmax. Le processus d’échantillonnage revient à multiplier le signal
analogique s(t) par la fonction peigne de Dirac c. à. d. une suite de pics de
Dirac régulièrement espacés par la période Te :


PgnTe (t ) =   (t − kTe)
k = −


S e (t ) = s(t ) PgnTe (t ) =  s(t ) (t − kTe)
−

E. Abdelmounim 13
Signal s(t) Spectre S(f)

fréquence

t
-fmax fmax
Signal à spectre borné

E. Abdelmounim 14
 s(t) Se(t)

S (nTe)

t nTe t

Pgn(t)

Te

Echantillonnage par multiplication du signal par le peigne de Dirac

E. Abdelmounim 15
 Signal Peigne de Signal
analogique Dirac échantillonné

E. Abdelmounim 16
  
S e (t ) =  s(t ) (t − kTe) =  s(kTe) (t − kTe)
k = − k = −

Dans le domaine fréquentiel


F ( Pgn Te (t )) = Fe Pgn Fe ( f ) = Fe  ( f
k = −
− kFe )

D’après le théorème de Plancherel,

F (S e (t )) = S e ( f ) = F (s(t ) PgnTe (t ) = S ( f ) * [ FePgnFe ( f )]


S e ( f ) = Fe[  S( f ) * ( f
k = −
− kFe)]

E. Abdelmounim 17
Pic de Dirac : élément neutre de la convolution

Donc

S e ( f ) = Fe[  S( f ) * ( f
k = −
− kFe)]


Se( f ) = Fe  S ( f − kFe)
k = −

Donc le spectre Se(f) du signal échantillonné s’obtient en périodisant

avec une période Fe la transformée S(f) multipliée par Fe

E. Abdelmounim 18
 S(f) Se(f)

-fmax fmax -fmax fmax Fe

Fe

E. Abdelmounim 19
Théorème de Shannon

A partir de ce résultat : pour que la répétition périodique du spectre du signal

échantillonné ne déforme pas le motif répété, il faut et il suffit que la fréquence
de répétition Fe, qui est la fréquence d’échantillonnage, soit égale ou supérieure
à deux fois le fréquence maximale du signal initial : 2 fmax.

C’est le théorème de Shannon

Fe  2 f max

E. Abdelmounim 20
Restitution du signal initial à partir du signal échantillonné

En supposant le signal initial à spectre borné par fm et la condition de

Shannon remplie, on peut extraire du spectre du signal échantillonné le
spectre correspondant à la fréquence centrale nulle (spectre de base) en
utilisant un filtre passe-bas idéal de fréquence de coupure Fe/2

E. Abdelmounim 21
 Filtre passe - bas
Se0(f)
Se(f)

-fmax fmax Fe

-Fe/2 Fe Fe/2

Filtre passe – bas idéal

E. Abdelmounim 22
La fonction réalisée par le filtre passe-bas idéal, encore appelée fonction
porte, s’écrit pFe(f). La transformée de Fourier inverse de cette fonction est

sin( pFet )
Fe sin c(pFet ) = Fe
pFet

Le spectre de base de l’échantillonné

Se0( f ) = Se( f )p Fe ( f )

E. Abdelmounim 23
 Transformée inverse + théorème de Plancherel
sin(pFet )
Se0(t ) = Se(t ) * Fe sin c(pFet ) = FeSe (t ) *
pFet

sin(pFet )
Se0(t ) = Fe[  S (kTe) (t − kTe)] *
k = − pFet

sin( pFe (t − kTe))
Se0(t ) = Fe[  S (kTe) ]
k = − pFe (t − kTe)

Or d’après la relation Se( f ) = Fe  S ( f − kFe)
k = −
Se0(f) = Fe S(f)

Donc Se0(t) = Fe s(t) comparée avec la relation

E. Abdelmounim 24
 
sin(pFe (t − kTe))
On aura s(t ) =  s(kTe)
k = − pFe (t − kTe)

Théorème d’échantillonnage

Un signal continu de spectre borné dans l’intervalle de fréquences (-fm , fm)

est complètement déterminé par les valeurs qu’il prend à des intervalles
régulièrement espacés de 1/(2fm)

En effet cette somme de produits « s(kTe) sinc(pFe(t-kTe)) » permet de

reconstituer exactement le signal et donc l’échantillonnage idéal, dans les
conditions de Shannon, conserve la totalité de l’information contenue dans le
signal.

E. Abdelmounim 25
 s
s s
s(t)

E. Abdelmounim 26
 Si maintenant Fe < 2 fmax, le spectre Se(f) a alors l’allure suivante

Se(f)

-fmax fmax Fe

Dans ce cas, il n’est plus possible d’isoler le spectre S(f). Il est impossible de
reconstituer le signal s(t) à partir des échantillons s(nTe).

E. Abdelmounim 27
Filtre anti-repliement

Pour échantillonner correctement un signal, il faut être sûr que son spectre
est borné à f max.

Or ce signal analogique peut, à la suite de perturbations diverses dues à son

environnement être bruité et subit des variations rapides qui ajoutent des
informations indésirées.

De plus ce bruit se traduit par un élargissement du spectre qui fait que la borne
supérieure augmente et dépasse fmax ou dépasse Fe/2 donc recouvrement des
lobes.

Pour éviter cet inconvénient, on fait précéder l’échantillonneur bloqueur d’un filtre
passe-bas qui limite obligatoirement le spectre de s(t) à la valeur f max désirée
éliminant ainsi toutes les perturbations de fréquences supérieures à f max.

Grâce à son rôle, ce filtre passe-bas s’appelle filtre anti-repliement

E. Abdelmounim 28
B/ Quantification

L’échantillonnage temporel fournit un signal s à des instants n Te.

On a donc une suite de valeurs s(nTe) ou échantillons de s.
Ces valeurs s(nTe) sont réelles, c à d toutes les valeurs sont possibles. On dit que les
valeurs de s ne sont pas discernables (non observables, non mesurables).
Deux valeurs de s sont discernables si leur différence est au moins égale à un
minimum q appelé échelon de quantification.

Les valeurs mesurées possèdent donc un caractère quantique.

L’opération qui permet de passer des valeurs réelles des amplitudes des
échantillons à leur mesure est dite opération de quantification.

E. Abdelmounim 29
E. Abdelmounim 30
 Signal avant quantification

Signal après quantification

E. Abdelmounim 31
L'erreur maximale de quantification est égale à la moitié de
l'intervalle de quantification (Q).

A gauche le nombre d'intervalles est faible et l'erreur est importante

alors qu'à droite le nombre d'intervalles est plus grand et l'erreur
devient plus petite.

E. Abdelmounim 32
 Opération de quantification

Elle consiste à remplacer chaque valeur x des échantillons du signal s

par un multiple entier xq de l’échelon q

x → xq = nq

La quantification peut être effectuée par arrondi ou par défaut.

Pour l’arrondi, toute valeur x du signal s entre (n+1/2) q et n-1/2)q est
arrondie à nq.

Pour la troncature, toutes les valeurs entre nq et (n+1)q sont remplacées

par nq.

E. Abdelmounim 33
Troncature arrondi

E. Abdelmounim 34
Bruit de quantification

La quantification Q fournit un signal sq différent du signal réel.

s(t) = sq (t) + e(t)

Où e est un signal d’erreur appelé bruit de quantification

+
sq s

E. Abdelmounim 35
Tout se passe comme si la quantification superposait au signal s un bruit e.
Dans le cas de la quantification par arrondi, l’amplitude du signal d’erreur
reste comprise entre –q/2 et q/2

Dans le cas de la troncature elle est entre 0 et q

Une étude simplifiée, dans le cas où l’échelon q est très petit devant les
variations de s on a

e = s - sq e = s - sq
q
q/2
t

t -q/2

Troncature arrondi
E. Abdelmounim 36
Valeur moyenne

*cas de l’arrondi

smoy = sqmoy + emoy ≈ sqmoy

*cas de la troncature

smoy = sqmoy + emoy ≈ sqmoy + q/2

E. Abdelmounim 37
Puissance du bruit

*arrondi

T
T
1 1 2
qt 2 q2
=  e (t )dt = T ( T ) dt = 12
2 2
Pbruit T
T −
2 T
−
2

*troncature

T T
1 1 qt 2 q2
= 0 e (t )dt = T 0 ( T ) dt = 3
2
Pbruit
T

E. Abdelmounim 38
En résumé

*arrondi
Bruit moyen : nul
Puissance de bruit : q2/12

*troncature
Bruit moyen q/2
Puissance de bruit : q2/3

La quantification par arrondi est préférable à la troncature.

C’est généralement la plus adoptée

E. Abdelmounim 39
C/ Codage

Le signal s est représenté après échantillonnage et quantification par une

suite de valeurs numériques.
Il faut alors choisir un système de numération permettant leur
représentation : c’est l’opération de codage.

Le système de numération, actuellement universellement employé est le

système binaire. Il nécessite deux caractères 0 et 1.

Avec une combinaison de N éléments binaires, on pourra coder 2N

amplitudes quantifiées.

La gamme des amplitudes qu’il est possible de coder est alors soumise à
deux limitations :

une limite basse : cas de l’arrondi, toute valeur < à q/2 est totalement
supprimée.

Une limite haute : limitée au nombre N de champs à coder [-SM, SM] on

a SM = q/2 2N E. Abdelmounim 40
 x

2N q/2

2N q t
q

- 2N q/2

Toute amplitude qui dépasse cette valeur ne peut être représentée

Tout se passe comme s’il y avait écrêtage du signal s.

E. Abdelmounim 41
Dynamique de codage

On appelle puissance de crête d’un codeur, la puissance du signal

sinusoïdal ayant l’amplitude max sans écrêtage SM.

N
1 2 q 2 2 N −3
Pc = [ ] =2 q 2

2 2
On définit la dynamique du codage comme le rapport de la puissance de
crête à la puissance du bruit de quantification (q2/12 arrondi)

Pc S 2 N −3 3 2N
= ( ) max = 2 12 = 2
PB B 2

E. Abdelmounim 42
D = 10 log (Pc/PB) ≈ 6 N + 1.76 en db

On peut ainsi remarquer que rajouter 1 bit revient à augmenter la

dynamique de 6 db.

le pas q désigne la précision désirée

le nombre de bits N désigne la dynamique.

E. Abdelmounim 43
E. Abdelmounim 44