Cours4 Numerique S5 TS 23 24

Cours 4: Signaux Numériques
Enseignant: Y.Ben Youssef

Filière : IA S5
A.U: 2023/2024
email : youssef.benyoussef@uhp.ac.ma
(2) Cours 4: Signaux Numériques 1 / 31

1 Introduction
2 Échantillonnage
3 Théorème de Nyquist-Shanon
4 Échantillonnage réel
5 Exemples d’échantionneurs
6 Filtre antirepliement
7 Quantification et Codage
8 Conclusion

Objectifs
Savoir expliquer la numérisation d’un signal analogique.

Objectifs

Savoir exprimer un signal échantilloné idéalement dans le temps en
fonction du peigne de Dirac et sa transformée de Fourier
Connaitre la condition de de Nyquist-Shannon .

Objectifs

Connaitre le repliement de spectre.

Objectifs

Connaitre le repliement de spectre.
Connaitre le rôle d’un filtre anti-repliement.

Introduction
Introduction
Les capteurs classiques des signaux sont des capteurs des signaux
analogiques.

Introduction
Introduction
analogiques.
Pour les traiter sur des modules numériques (micoprocesseur ou
microcontrôleur,...) il faut une numérisation pour être convertis en
suite binaire.

Introduction
Introduction
analogiques.
suite binaire.
La numérisation d’un signal analogique passe nécessairement par 3
opérations :l’échantillonage,la quantification et le codage.

Introduction
Introduction
analogiques.
suite binaire.
opérations :l’échantillonage,la quantification et le codage.
Tous les traitements pour un signal analogique peuvent être translatés
à un signal numérique. ( enregistrement,émission, filtrage,
convolution,...)

Introduction
Propriétés du numérique, c’est à dire du codage en 0/1 :

✓ 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

etc.
Applications : TV numérique, Enregistrement audio, vidéo,Téléphonie
mobile.

Introduction

etc.
Applications : TV numérique, Enregistrement audio, vidéo,Téléphonie
mobile.
Il est nécessaire de comprendre comment se fait le passage du monde
analogique à celui du numérique c’est l’objet de ce cours.

Échantillonnage
Échantillonnage
opérations :

Échantillonnage
Échantillonnage
opérations :
Étape 1 :L’échantillonage c’est rendre le signal analogique discret.

Échantillonnage
Échantillonnage
opérations :
Étape 2 :La quantification c’est associer à chaque échantillon une
valeur

Échantillonnage
Échantillonnage
opérations :
Étape 2 :La quantification c’est associer à chaque échantillon une
valeur
Étape 3 :Le codage pour associer un code à chaque valeur.

Échantillonnage
Échantillonage : Prélèvement de la valeur du signal continu x(t) à des

intervalles de temps tn ; Te = tn+1 − tn :Période d’échantillonnage :
xe (t) = {x (tn )} avec tn = nTe

Échantillonnage
Quantification : Approximation de chaque valeur xe (t) par un multiple
entier d’une quantité élémentaire q appelée pas de quantification.
Amax − Amin Amax − Amin 2Amax
q= ≃ =
2N − 1 2N 2N
Amax − Amin Intervalle de variation du signal anlogique (dynamique
du signal) , N : nombre de bit utilisé

Échantillonnage
Quantification : Approximation de chaque valeur xe (t) par un multiple
entier d’une quantité élémentaire q appelée pas de quantification.
Amax − Amin Amax − Amin 2Amax
q= ≃ =
2N − 1 2N 2N
Amax − Amin Intervalle de variation du signal anlogique (dynamique
du signal) , N : nombre de bit utilisé
Codage binaire : Transformation de la valeur quantifiée en mot binaire

exploitable par le calculateur.
Échantillonnage
Rappel mathématique :
L’impulsion de Dirac est paire : δ(−t) = δ(t)

Échantillonnage
Z +∞
x (u)δ(u − t)du = x (t)
−∞

Échantillonnage
Z +∞
x (u)δ(u − t)du = x (t)
−∞
Z +∞
x (u ′ )δ(t − u ′ )du ′ = x (t)
−∞

Échantillonnage
Z +∞
x (u)δ(u − t)du = x (t)
−∞
Z +∞
x (u ′ )δ(t − u ′ )du ′ = x (t)
−∞
Le produit de convolution :
Z +∞ Z +∞
x ∗ y (t) = x (u)y (t − u)du; x ∗ y (−t) = x (u)y (u − t)du
−∞ −∞

Échantillonnage
Z +∞
x (u)δ(u − t)du = x (t)
−∞
Z +∞
x (u ′ )δ(t − u ′ )du ′ = x (t)
−∞
Le produit de convolution :
Z +∞ Z +∞
x ∗ y (t) = x (u)y (t − u)du; x ∗ y (−t) = x (u)y (u − t)du
−∞ −∞
x (t) ∗ δ(t) = δ(t) ∗ x (t) = x (t)

Échantillonnage
ModélisationRmathématique :
+∞
Propriétés : −∞ x (t)δ(t − t0 )dt = x (t0 ). Échantillonnage
correspond à la multiplication de x(t) par δ(t − t0 )
Z +∞
xe (nTe ) = x (τ )δ(τ − nTe )dτ
−∞
On remarque que
Z +∞
x ∗ δ(−t) = x (τ )δ(t − τ )dτ = xe (t) = x (t) ∗ δ(−t)|t=nTe
−∞
L’échantillonneur est assimilable à un filtre de réponse impulsionnelle

δ(−t)
Échantillonnage
Signal peigne de Dirac :

+∞
X
⋓Te (t) = δ(t − nTe )
n=−∞

Échantillonnage

+∞
X
⋓Te (t) = δ(t − nTe )
n=−∞

Échantillonnage

+∞
X
⋓Te (t) = δ(t − nTe )
n=−∞
Échantillonnage est aussi la multiplication du signal par
P+∞
xe (t) = x (t). ⋓Te (t) = x (t). n=−∞ δ(t − nTe )

Échantillonnage
Le spectre du signal x(t) après échantillonnage idéal

En utilisant la propriété x (t).δ(t − t0 ) = x (t0 ).δ(t − t0 ), on obtient :
+∞
X
xe (t) = x (nTe )δ(t − nTe )
n=−∞

Échantillonnage

+∞
X
n=−∞
On a
F[xe (t)] = F[x (t). ⋓Te (t)] = F[x (t)] ∗ F[⋓Te (t)]

Échantillonnage

+∞
X
n=−∞
On a
P+∞
Avec F[⋓Te (t)] = Fe n=−∞ δ(f − nFe )

Échantillonnage

+∞
X
n=−∞
On a
P+∞
Avec F[⋓Te (t)] = Fe n=−∞ δ(f − nFe )
Donc
+∞
X
F[xe (t)] = X (f ) ∗ Fe δ(f − nFe )
n=−∞

Échantillonnage
Comme le produit de convolution est distributif et que

y (t) ∗ δ(t − t0 ) = y (t − t0 )

Échantillonnage

y (t) ∗ δ(t − t0 ) = y (t − t0 )
On obtient le résultat intéressant :
+∞
X
Xe (f ) = Fe . X (f − nFe )
n=−∞
1
Fe = Te : fréquence d’échantillonnage

Échantillonnage

y (t) ∗ δ(t − t0 ) = y (t − t0 )
+∞
X
Xe (f ) = Fe . X (f − nFe )
n=−∞
1
Le spectre Xe (f ) est celui de X(f) périodisé avec une période
fréquentielle Fe :

Échantillonnage

y (t) ∗ δ(t − t0 ) = y (t − t0 )
+∞
X
Xe (f ) = Fe . X (f − nFe )
n=−∞
1
Le spectre 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.

Échantillonnage
Soit le signal x(t) réel dont le spectre est borné en fréquence de

fréquence maximale fmax , |X (f )| = 0 , ∀f > fmax

Échantillonnage
Soit le signal x(t) réel dont le spectre est borné en fréquence de

fréquence maximale fmax , |X (f )| = 0 , ∀f > fmax
Cas de la parole : le spectre des sons audibles s’étend jusqu’à environ

20 kHz.

Échantillonnage
Deux cas se présentent :

1er cas : Fe − fmax > fmax soit
Fe > 2fmax

Échantillonnage
Deux cas se présentent :

Fe > 2fmax
Les motifs élémentaires de |Xe (f )| sont disjoints (pas de

recouvrement des motifs)

Échantillonnage
Fe > 2fmax

Échantillonnage
Fe > 2fmax


Échantillonnage
Fe > 2fmax

Le motif principal (n = 0) est égal au spectre de x(t). Comme les
motifs sont disjoints, on peut extraire X(f) grâce à un filtre passe-bas
idéal de fréquence de coupure F2e
TF −1
Xe (f ) = Fe X (f ) ⇐⇒ xe (t) = Fe .x (t)
z }| {
Échantillonnage
2ème cas : Fe − fmax < fmax soit
Fe < 2fmax

Échantillonnage
Fe < 2fmax
Les motifs élémentaires de |Xe (f )| se recouvrement : c’est le

repliement du spectre

Échantillonnage
Fe < 2fmax
Les motifs élémentaires de |Xe (f )| se recouvrement : c’est le

repliement du spectre
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 Nyquist-Shanon
la condition sur Fe pour qu’à partir du signal échantillonné xe (t) , on
puisse reconstruire intégralement x(t)

Si Fe > 2fmax pas de recouvrement du spectre donc extraction de
X(f) par un filtre passe bas idéal.

Si Fe < 2fmax : repliement de spectre donc impossibilité de récupérer
X(f) par filtrage.

X(f) par filtrage.
Enoncé du théorème de Nyquist-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.
Fe ≥ 2Fmax

X(f) par filtrage.
Enoncé du théorème de Nyquist-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.
Fe ≥ 2Fmax
La fréquence maximale fmax = F2e admissible du signal pour éviter les

distorsions de spectre est appelée fréquence de Nyquist
Dans la condition de Shannon Nyquist Fe > 2fmax , il est possible de

retrouver le spectre du signal continu X(f) à partir de celui du signal
échantillonné Xe (f ) en utilisant par exemple un signal porte ( fenêtre
rectangulaire) de type porte Π2Fmax (f ) :
+∞
X
Xe (f ).Π2fmax (f ) = Fe X (f − nFe )Π2fmax (f ) = Fe .X (f )
−∞

Reconstruction

On retrouve ainsi le signal x(t) par transformée de Fourier inverse du

spectre X(f) du signal. x (t) = F −1 (X (f ))

On retrouve ainsi le signal x(t) par transformée de Fourier inverse du

spectre X(f) du signal. x (t) = F −1 (X (f ))
Interpolation de Lagrange. La réponse imulsionnelle du filtre est
de la forme : h(t) = sin c(Fe t), la sortie du filtre y(t) :
+∞
X
y (t) = xe (t) ∗ h(t) = x (nTe )δ(t − nTe ) ∗ sin c(Fe t)
−∞
+∞
X
y (t) = x (nTe ) sin c[Fe (t − nTe )]
−∞
Formule d’interpolation de Lagrange

Échantillonnage réel
La suite d’échantillons représentée sur la figure suivante n’a pas de
réalité physique (durée nulle=énergie nulle). II s’agit donc d’un
concept abstrait.

concept abstrait.
Le prélèvement expérimental d’une valeur échantillonnée implique une
opération de mesurage qui prend un certain temps. chaque impulsion
va avoir une durée très courte τ

concept abstrait.
Le prélèvement expérimental d’une valeur échantillonnée implique une
opération de mesurage qui prend un certain temps. chaque impulsion
va avoir une durée très courte τ
L’échantillonnage peut donc être modélisé par la multiplication du

signal par une suite de fonction rectangle (ou porte) de largeur τ et
de période Te noté
+∞
X
rectTe ,τ (t) = recτ (t − nTe ) = recτ (t) ∗ ⋓Te (t)
−∞
L’expression du signal échantillonné xe (t) dans ce cas est :

+∞
X
xe (t) = x (t).recTe ,τ (t) = x (t). recτ (t − nTe )
−∞
+∞
X
= x (t).[recτ (t) ∗ δ(t − nTe )]
−∞


+∞
X
xe (t) = x (t).recTe ,τ (t) = x (t). recτ (t − nTe )
−∞
+∞
X
= x (t).[recτ (t) ∗ δ(t − nTe )]
−∞
Le spectreXe (f ) du signal échantillonné xe (t) est :

+∞
X
Xe (f ) = F(xe (t)) = τ.Fe . sin c(nFe τ )[X (f − nFe )]
−∞

Exemples d’échantionneurs
Echantillonnage moyenneur
L’échantillonneur moyenneur donne des échantillons xe (nTe ) qui
correspondent à la valeur moyenne du signal x(t) prise sur la durée τ
Z nTe + τ Z nTe + τ
1 2 1 2
xe (nTe ) = x (t)dt = recτ (t − nTe )x (t)dt
τ nTe − τ2 τ nTe − τ2
1
= [recτ (t) ∗ x (t)].δ(t − nTe )
τ

1 2 1 2
1
= [recτ (t) ∗ x (t)].δ(t − nTe )
τ
Le signal échantillonné xe (t) est exprimé par suite par :
1 +∞
X
xe (t) = [recτ (t) ∗ x (t)].δ(t − nTe )
τ −∞

1 2 1 2
1
= [recτ (t) ∗ x (t)].δ(t − nTe )
τ
Le signal échantillonné xe (t) est exprimé par suite par :
1 +∞
X
xe (t) = [recτ (t) ∗ x (t)].δ(t − nTe )
τ −∞
Le spectre Xe (f ) du signal échantillonné xe (t) est :
+∞
X
Xe (f ) = F(xe (t)) = Fe . sin c(τ (f − nFe )).X (f − nFe )
−∞

Après un filtre passe-bas de largeur Fe , la relation liant le spectre de

base du signal échantillonné et celui du signal X(f) est pour n= 0 on
a alors :
Xe,0 (f ) = Fe . sin c(f τ ).X (f )

Echantillonnage bloqueur de durée τ ( ou régulier)
C’est le plus pratique. L’amplitude de chaque impulsion est constante
et égale à l’amplitude du signal initial au temps nTe c.à.d. x (nTe )

+∞
X +∞
X
xe (t) = x (nTe )rectτ (t − nTe ) = x (nTe )δ(t − nTe ) ∗ rectτ (t)
−∞ −∞
+∞
X
= x (t)[ δ(t − nTe ] ∗ rectτ (t)
−∞

+∞
X +∞
X
−∞ −∞
+∞
X
−∞
Le spectreXe (f ) du signal échantillonné xe (t) est donc
+∞
X
Xe (f ) = X (f ) ∗ [ Fe δ(f − nFe )].[τ sin c(f .τ )]
−∞
+∞
X
= τ.Fe . sin c(f .τ ) X (f − nFe )]
−∞

+∞
X +∞
X
−∞ −∞
+∞
X
−∞
Le spectreXe (f ) du signal échantillonné xe (t) est donc
+∞
X
Xe (f ) = X (f ) ∗ [ Fe δ(f − nFe )].[τ sin c(f .τ )]
−∞
+∞
X
= τ.Fe . sin c(f .τ ) X (f − nFe )]
−∞
Pour retrouver
(2)
le spectreCours
X(f), un filtre passe bas idéal de largeur F26e / 31
4: Signaux Numériques
Filtre antirepliement
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


y a toujours repliement de spectre Donc, il faut d’abord un filtrage
passe-bas appelé pré-filtrage du signal avant son échantillonnage pour
supprimer eventuellement tout repliement spectral.


y a toujours repliement de spectre Donc, il faut d’abord un filtrage
passe-bas appelé pré-filtrage du signal avant son échantillonnage pour
supprimer eventuellement tout repliement spectral.
Si l’on désire observer le spectre d’un signal jusqu’à la fréquencefmax ,

il est souhaitable de prendre une fréquence d’échantillonnage
Fe > 2fmax

Quantification et Codage
La quantification consiste à associer à une valeur réelle x quelconque,
une autre valeur xq appartenant à un ensemble fini de valeurs et ce
suivant une certaine loi : arrondi supérieur, arrondi le plus proche,...

La quantification consiste à associer à une valeur réelle x quelconque,
une autre valeur xq appartenant à un ensemble fini de valeurs et ce
suivant une certaine loi : arrondi supérieur, arrondi le plus proche,...
La loi de quantification uniforme utilise un pas de quantification (∆)
constant entre chaque valeur xq
L’écart entre chaque valeur xq est appelé pas de quantification.

xmax − xmin
∆=q=
2N − 1
La quantification introduit une erreur modélisable mathématiquement,

et que l’on peut considérer comme une variable aléatoire

La quantification introduit une erreur modélisable mathématiquement,

et que l’on peut considérer comme une variable aléatoire
Le codage consiste à associer à un ensemble de valeurs discrètes un
code composé d’éléments binaires. Les codes les plus connus : code
binaire naturel, code binaire décalé, code complément à 2, code DCB,
code Gray.

Conclusion
Conclusion
Dans ce chapitre, les points esentiels traités sont :

L’opération d’échantillonnage.
La condition de Shannon garantit la non perte d’information, dans le
cas idéal.
Des précautions sont à prendre afin que le signal échantillonné et le
signal reconstruit à partir des échantillons soient les plus fidèles
possibles au signal original.
Le théorème de Nyquist-Shannon,
Fe ≥ 2fmax
La fréquence de Nyquist est celle du cas limite : Fe = 2fmax

Un filtre anti-repliement passe-bas est utilisé avant l’échontillonnage
d’un signal de spectre infini.

Merci de votre Attention

Cours4 Numerique S5 TS 23 24

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

Cours4 Numerique S5 TS 23 24

Transféré par

Droits d'auteur :

Formats disponibles

Cours 4: Signaux Numériques

Enseignant: Y.Ben Youssef

(2) Cours 4: Signaux Numériques 1 / 31

(2) Cours 4: Signaux Numériques 2 / 31

Savoir expliquer la numérisation d’un signal analogique.

(2) Cours 4: Signaux Numériques 3 / 31

Savoir expliquer la numérisation d’un signal analogique.

(2) Cours 4: Signaux Numériques 3 / 31

Savoir expliquer la numérisation d’un signal analogique.

(2) Cours 4: Signaux Numériques 3 / 31

Savoir expliquer la numérisation d’un signal analogique.

(2) Cours 4: Signaux Numériques 3 / 31

(2) Cours 4: Signaux Numériques 4 / 31

(2) Cours 4: Signaux Numériques 4 / 31

(2) Cours 4: Signaux Numériques 4 / 31

(2) Cours 4: Signaux Numériques 4 / 31

Propriétés du numérique, c’est à dire du codage en 0/1 :

(2) Cours 4: Signaux Numériques 5 / 31

Propriétés du numérique, c’est à dire du codage en 0/1 :

(2) Cours 4: Signaux Numériques 5 / 31

Propriétés du numérique, c’est à dire du codage en 0/1 :

(2) Cours 4: Signaux Numériques 5 / 31

La numérisation d’un signal analogique passe nécessairement par 3

(2) Cours 4: Signaux Numériques 6 / 31

La numérisation d’un signal analogique passe nécessairement par 3

(2) Cours 4: Signaux Numériques 6 / 31

La numérisation d’un signal analogique passe nécessairement par 3

(2) Cours 4: Signaux Numériques 6 / 31

La numérisation d’un signal analogique passe nécessairement par 3

(2) Cours 4: Signaux Numériques 6 / 31

Échantillonage : Prélèvement de la valeur du signal continu x(t) à des

xe (t) = {x (tn )} avec tn = nTe

(2) Cours 4: Signaux Numériques 7 / 31

(2) Cours 4: Signaux Numériques 8 / 31

Codage binaire : Transformation de la valeur quantifiée en mot binaire

(2) Cours 4: Signaux Numériques 9 / 31

(2) Cours 4: Signaux Numériques 9 / 31

(2) Cours 4: Signaux Numériques 9 / 31

(2) Cours 4: Signaux Numériques 9 / 31

x (t) ∗ δ(t) = δ(t) ∗ x (t) = x (t)

(2) Cours 4: Signaux Numériques 9 / 31

L’échantillonneur est assimilable à un filtre de réponse impulsionnelle

Signal peigne de Dirac :

(2) Cours 4: Signaux Numériques 11 / 31

Signal peigne de Dirac :

(2) Cours 4: Signaux Numériques 11 / 31

Signal peigne de Dirac :

Échantillonnage est aussi la multiplication du signal par

(2) Cours 4: Signaux Numériques 11 / 31

Le spectre du signal x(t) après échantillonnage idéal

(2) Cours 4: Signaux Numériques 12 / 31

Le spectre du signal x(t) après échantillonnage idéal

(2) Cours 4: Signaux Numériques 12 / 31

Le spectre du signal x(t) après échantillonnage idéal

(2) Cours 4: Signaux Numériques 12 / 31

Le spectre du signal x(t) après échantillonnage idéal

(2) Cours 4: Signaux Numériques 12 / 31

Comme le produit de convolution est distributif et que

(2) Cours 4: Signaux Numériques 13 / 31

Comme le produit de convolution est distributif et que

(2) Cours 4: Signaux Numériques 13 / 31

Comme le produit de convolution est distributif et que

(2) Cours 4: Signaux Numériques 13 / 31