Du signal continu au signal numérique

Du signal analogique au signal numérique

Signaux continus en temps et en

amplitude : x(t). On les appelle
également signaux analogiques;
ils proviennent généralement
de processus physiques.

Signaux discrets en temps,

continus en amplitude :
xe(t = n Te).
Ce sont les signaux
échantillonnés Ils ne sont définis
qu’à des instants déterminés
multiples de la période
d’échantillonnage Te, mais leur
amplitude peut varier de manière
continue.
 Du signal analogique au signal numérique

Signaux discrets en temps et en

amplitude : xq[n]. De tels signaux
sont quantifiés en amplitude ; ils ne
peuvent prendre que des valeurs
déterminées, généralement,
multiples d’un pas de quantification.
Ce sont les valeurs numériques
fournies par les convertisseurs
analogiques-numériques (CAN). Ils
ne sont définis qu’aux instants
d’échantillonnage et correspondent
aux signaux numériques.

Signaux continus en temps, discrets en amplitude : xq(t). Ce sont des signaux

quantifiés dont la valeur est maintenue par un bloqueur d’ordre zéro entre 2
périodes d’échantillonnage . Ces signaux correspondent à ceux fournis par les
convertisseurs numériques-analogiques (CNA).
 Introduction
❑ Propriétés du numérique, c'est à dire du codage en 0/1

◆ Permet d'effectuer les traitements sur des machines informatiques,

spécialisées dans le TS ou non (DSP, PC)
➢ Puissance, rapidité, coût
➢ Flexibilité (système numérique = logiciel : facile à modifier, ex. : modems
numériques),

◆ Codage interne des 0 et des 1 souvent en 0/5V : A priori pas d'altération

du signal, robuste au bruit une fois numérisé
➢ Exemple : un 0 codé sur 0V parasité par un bruit de 0.5V sera toujours un 0 ...
➢ Précision insensible au temps, à la température, à l'usure du système, etc.
➢ Pas d'erreur lors de la transmission, la recopie, le stockage, etc.
 Introduction
❑ Chaîne de numérisation

Système continu Echantillonnage Quantification Calculateur

u(t) x(t)

- support continu - données discrètes

- amplitude continue - codage en mot binaire
❑ Echantillonnage
Prélèvement de la valeur du signal continu x(t) à des intervalles de temps tn. Généralement
les tn sont régulièrement espacés ; Te = tn+1–tn est appelé période d'échantillonnage. On
obtient la suite de valeurs xe(t) = {x(tn)} avec tn = nTe.

❑ Quantification : la quantification et le maintien de la valeur numérique pendant une période

d’échantillonnage
Approximation de chaque valeur xe(t) par un multiple entier d'une quantité élémentaire
q appelée échelon de quantification.
.Codage binaire
Transformation de la valeur quantifiée en mot binaire exploitable par le calculateur
Échantillonnage idéal
Te : période d'échantillonnage
Te
Signal numérique
Signal original x(t) Échantillonneur xe(t) = {x(nTe)} x(t) e
x (t)
Échantillonnage idéal : prélèvement pendant un temps infiniment court des valeurs
de x(t) à t = nTe (multiple entier de Te ).

❑ Modélisation mathématique ШTe (t)

x(t) xe(t)

t . t = t
−2Te −Te Te 2Te 3Te −2Te −Te Te 2Te 3Te

L'échantillonnage correspond à la multiplication de x(t) par un peigne de Dirac ШTe (t)

+
xe (t) =x(t).ШTe (t) xe (t) = x(t).  (t −nTe )
n=−
+
En utilisant la propriété x(t). (t − t0 ) = x(t0 ). (t − t0 ), on obtient : xe (t) =  x(nTe )(t −nTe )
n=−
TF du signal échantillonné

Question : que devient le spectre du signal x(t) après échantillonnage idéal?

D'après le théorème de Plancherel, on a :

Or la TF du peigne de Dirac est : On en déduit:

Comme le produit de convolution est distributif et que y(t) (t −t0 ) =y(t −t0 ) , on a alors :

1
F
avec e = Fe: fréquence d'échantillonnage
Te

Le spectre de Xe( f ) est celui de X( f ) "périodisé" avec une période fréquentielle Fe.

L'échantillonnage dans le domaine temporel se traduit par une

"périodisation" de période Fe dans le domaine fréquentiel.
Analyse du spectre de xe(t)
|X ( f )|
On considère que x(t) est un signal réel dont le spectre est
borné en fréquence, de fréquence maximale Fmax i.e.

f
−F max 0 Fmax

Question : que devient le spectre Xe( f ) en fonction de Fe ?

+
X e ( f ) =Fe.  X ( f −nFe)
n= −

▪ Cas 1 : Fe 2Fmax |Xe ( f )|

Fe Les motifs élémentaires de

n=−1 n=0 n=1 |Xe( f )| sont disjoints (pas de
recouvrement des motifs)
f
− Fe −F max 0 Fmax Fe

Le motif principal (n = ) est égal au spectre de x(t). Comme les motifs sont disjoints, on
peut extraire X( f ) grâce à un filtre passe-bas idéal et donc reconstituer intégralement le
signal x(t) à partir de la connaissance de son échantillonné xe(t).
 Analyse du spectre de xe(t)
▪ Cas 2 : Fe 2Fmax

|Xe ( f )| Spectre résultant du recouvrement

Fe

f
− Fe −F
max 0 Fmax Fe

Recouvrement de motifs (repliement de spectre)

Les motifs élémentaires de |Xe( f )| se recouvrent. On parle de repliement de spectres.

A cause du chevauchement des motifs élémentaires constituant le spectre Xe( f ) du signal échantillonné,
il n'est pas possible de récupérer le spectre X( f ) par un filtrage approprié.
Il n'est donc pas possible de reconstruire le signal initial x(t) à partir de la connaissance de son
échantillonné xe(t).
Théorème de Shannon
Question : quelle est la condition sur Fe pour qu'à partir du signal échantillonné xe(t) , on
puisse reconstruire intégralement x(t) ?

▪Fe  2Fmax : pas de recouvrement de spectre → extraction de X( f ) par filtrage passe-bas idéal

▪ Fe  2Fmax: repliement de spectre → impossibilité de récupérer X( f ) par filtrage

Par conséquent, pour que la répétition périodique du spectre de xe(t) ne déforme pas le
spectre X( f ) répété, il faut et il suffit que Fe  2Fmax

❑ Enoncé du théorème de Shannon

La condition nécessaire et suffisante pour échantillonner un signal sans perte

d'information est que la fréquence d'échantillonnage Fe soit supérieure ou égale au
double de la fréquence maximale du signal. Plus précisément, si on note Fmax la
fréquence maximale du signal, il faut et il suffit que : Fe 2Fmax.

Fe
Pour Fe fixée, est appelée fréquence de Nyquist : c'est la fréquence
2
maximale admissible du signal pour éviter les distorsions de spectre
Exemples
Exemple 1

x(t) =sin(2 t)
Fmax = 1

Te= 0.2 s => Fe = 5 > 2*Fmax => OK

Te= 0.65 s => Fe = 1/0.65 < 2*Fmax
 Échantillonnage réel
❑ Echantillonnage idéal x(t)
x(nTe )
L'échantillonnage idéal suppose l'utilisation d'une impulsion
(t−nTe)
infiniment brève permettant d'extraire la valeur instantanée x(nTe)
t
à l'instant nTe. nTe

C'est donc l'application de la distribution (t −nTe ) au signal continu x(t) :

+
e (nTe ) =x(nT
Par xdéfinition : e)  xe (nTe ) =  x().(−nTe )d
−
+
On remarque que : x(t) (−t) =  x().(−t)d . On en déduit alors xe (nTe ) =x(t) (−t) t= nTe
−
L'échantillonneur est assimilable à un filtre de réponse impulsionnelle  (-t)

❑ Echantillonnage réel
En pratique, on n'a pas une impulsion infiniment brève et l'échantillonneur est assimilable à un filtre
de réponse impulsionnelle h(−t).
Expression d'un échantillon réel : x(t)
h(t−nT ) e

t
nTe

- Échantillonnage naturel

Dans le cas de l'échantillonnage naturel, l'amplitude de chaque impulsion suit la valeur

la fonction pendant 'intervalle t.
D'un point de vue représentation mathématique du signal échantillonné, nous avons le
produit du signal initial par la fonction « porte » périodisée précédemment
établie:
L'intérêt essentiel de l'étude est de savoir si cet échantillonnage dit naturel provoque une
déformation du spectre par rapport à l'échantillonnage idéal qui lui permet de récupérer le
spectre du signal initial par un filtre passe-bas de largeur F. et donc de conserver la totalité
de l'information contenue dans le signal initial.

Si τ est suffisamment faible , la fonction Sinc peut être assimilée à une impulsion de Dirac.
Le spectre de base Xe0(f) est donné par
- Échantillonnage régulier ou bloqueur

Dans le cas de l’échantillonnage régulier, l’amplitude de chaque impulsion est constante

et égale à l’amplitude du signal initial au temps nTe. Ce mode correspond au cas
pratique le plus souvent mis en œuvre. La représentation mathématique du signal
échantillonné peut être mise sous la forme d’une suite infinie de fonctions « porte »
d’amplitude égale aux échantillons du signal, soit :
Outre le facteur τ · Fe, le spectre Se0(f) n’est pas identique au spectre initial S(f) puisque son
amplitude est modulée par la fonction sinc(τf).
L’échantillonnage régulier introduit donc une déformation par rapport à l’échantillonnage
idéal ou naturel.

Cette distorsion reste petite dans le cas

où la durée de la porte d’échantillonnage
est faible devant la période
d’échantillonnage.
- L’échantillonneur moyenneur
L’échantillonneur moyenneur donne des échantillons xe(nTe) correspondant à la valeur
moyenne de x(t) prise sur la durée de l’impulsion τ. Ainsi l’échantillon n s’exprime sous la
forme suivante :
- L’échantillonneur moyenneur
TF d'un signal échantillonné

Question : que devient le spectre du signal x(t) après échantillonnage réel?

L'expression du signal échantillonné

avec un échantillonneur réel est :

~ +
D'après Plancherel, on a : X e ( f ) = X ( f ).H (− f )  F  ( f −nFe )
n=−

Or H (−f ) =H *( f ) pour une réponse impulsionnelle h réelle

~ +
D'où : X e ( f ) = Fe  X ( f −nFe ).H (*f −nFe )
n=−
+
Rappel : pour un ech. Idéal, on avait : X e ( f ) =Fe. X ( f −nFe)
n= −

❑ Interprétation
~
L'expression de X e ( f ) est identique à Xe( f ) à un terme de pondération H *( f ) près.
➢ Le terme de pondération n'influe pas sur la condition de Shannon.

➢ Le terme H*( f ) introduit une distorsion sur le spectre par rapport au cas idéal. Cette
distorsion est d'autant plus faible que H( f ) est constante dans la bande [−Fe/2, Fe/2].
Cas des signaux à support fréquentiel non borné
❑ Problème des signaux à large bande
▪Dans le cas des signaux à support fréquentiel infini, il est impossible de définir une notion de fréquence
maximale. Quelque soit la fréquence d'échantillonnage Fe , il y a toujours repliement de spectre.

▪Les signaux réels comportent souvent une composante fréquentielle à large bande due à la présence
de bruit (perturbations aléatoires), ce qui imposerait une fréquence Fe importante.

❑ Solution : filtrage anti-repliement

On va numériser un signal x1(t), qui sera le résultat d'un filtrage passe-bas idéal du signal x(t) à support
fréquentiel infini ou à large bande.

D'une manière générale, afin de garantir la condition de Shannon, il faut utiliser un

filtre passe-bas anti-repliement de fréquence de coupure fc inférieure à Fe /2.

Te

x(t) x1(t)
xe(t)
fc
Échantillonneur
Filtre passe-bas anti-repliement
 La reconstruction
❑ Problématique

On a échantillonné un signal x(t) en respectant le échantillonnage

théorème de Shannon, comment fait-on pour le x(t) ? xe(t)
reconstruction
reconstruire à partir des échantillons?

Hypothèses : ▪ La condition de Shannon a été respectée lors de l'échantillonnage

( x(t) est à support borné en fréquence ou filtrage anti-repliement)
▪ Echantillonnage idéal
Solution : pour reconstruire le signal, il suffit de prendre la TF inverse du motif de base de Xe( f ).

|X ( f )|
▪ Filtrage passe bas idéal Fe
▪ Diviser par Fe
▪ Puis TF inverse
f
− Fe −F max
0 Fmax Fe
 La reconstruction
❑ Illustration
x(t) |X ( f )|

TF
f
t −Fmax 0 Fmax

xe(t) Echantillonnage |X e( f )|

TF
t f
0 Te 2Te − Fe − Fmax 0 Fmax Fe

Filtrage passe-bas idéal

x(t)
TF inverse 1/Fe

−Fmax
t f
0 Fmax

Problème :
▪ Filtre idéal => la connaissance de tous les échantillons x(nTe) est nécessaire pour reconstruire le signal
▪Reconstruction mathématiquement possible, mais physiquement irréalisable car le filtre passe-bas
idéal n'est pas causal → interpolation physiquement non réalisable.
 La reconstruction
❑ Interpolation idéale

L’interpolation parfaite consiste à utiliser l’interpolation de Shannon.

+
sin( Fe(t − nTe)
x(t ) =  x(nTe)·
n =−  Fe(t − nTe)

Mais l’interpolation idéale en temps réel est difficilement réalisable, car la formule d’interpolation
précédente ne satisfait pas à la condition de causalité, en effet, comme nous l’avons vu cette
interpolation correspond au filtrage par une fonction fréquentielle de type porte ( filtre idéal non
réalisable).
La reconstruction
❑ Extrapoleur d'ordre 0 (bloqueur d'ordre zéro, BOZ)
On se propose ici d'étudier une méthode de reconstruction causale.
◆ Principe
L'idée est simplement de maintenir l'échantillon x(nTe) jusqu'à l'apparition de l'échantillon x(nTe+Te).

On peut encore l'écrire

Conséquences en fréquence ? => Calcul de la TF de x0(t).

En remarquant qu'on peut écrire aussi :

Le spectre d'amplitude du signal reconstruit par le BOZ est celui du signal échantillonné
déformé par le terme sinc( fTe). (rmq : l'expo est strictement complexe : pas de modif
d'amplitude, mais une modification de la phase due au décalage temporel de Te/2)
La reconstruction
❑ Extrapoleur d'ordre 0 (bloqueur d'ordre zéro, BOZ)

Le spectre d'amplitude du signal reconstruit par le BOZ est celui du signal échantillonné
déformé par le terme sinc( fTe). (rmq : l'expo est strictement complexe : pas de modif
d'amplitude, mais une modification de la phase due au décalage temporel de Te/2)