Cour s 4

Analyse de Fourier des

signaux et systèmes discrets
Introduction
• L’importance des systèmes numériques de traitement de l’information ne
cesse de croître (radio, télévision, téléphone, instrumentation…).
• Ce choix est souvent justifié par des avantages techniques tels que la grande
stabilité des paramètres, une excellente reproductibilité des résultats …
• Les signaux porteurs d’informations sont pratiquement toujours de type
analogiques (amplitude et temps continu).
• Le traitement de signal par voie numérique nécessite une opération
préliminaire de conversion analogique numérique CAN.
• La CAN est la succession de trois effets sur le signal analogique de départ :
❖l’échantillonnage pour rendre le signal discret
❖la quantification pour associer à chaque échantillon une valeur
❖le codage pour associer un code à chaque valeur.
Du signal analogique au signal numérique
échantillonnage quantification

• Donc un signal numérique est une suite de valeurs

• Ces valeurs sont codées sur un certain nombre de bits
• C'est donc une suite de 0 et de 1 ...
 Introduction
❖ Chaîne de conversion analogique numérique

Système continu Echantillonnage Quantification Calculateur

x(t) x(t)

❑ Echantillonnage
L’échantillonnage consiste à prélever à des instants précis, le plus souvent équidistants, les
valeurs instantanées d’un signal. Le signal analogique s(t), continu dans le temps, est alors
représenté par un ensemble de valeur discrète :

se(t) = s(n.Te)

❑ Quantification
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

Modélisation mathématique
L’échantillonnage idéal est modélisé par la multiplication du signal continu x(t) et d’un peigne
de Dirac de période Te.
x(t) Ш
𝜆 Te (t) xe(t)

t  t = t
−2Te −Te Te 2Te 3Te −2Te −Te Te 2Te 3Te

𝜆
+
xe (t) = x(t). Ш
𝜆 Te (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=−
 Spectre du signal échantillonné
Question : que devient le spectre du signal x(t) après échantillonnage idéal?


F xe (t)= F x(t).Ш 
𝜆 T (t) . D'après le théorème de Plancherel, on a :
e


F xe (t)= F x(t)F Ш
𝜆 T (t)
e

 
+
𝜆 Te (t) = Fe   ( f − nFe ) . On en déduit :
Or la TF du peigne de Dirac est : F Ш
n=−
+
F xe (t)= X ( f )  Fe   ( f − nFe )
n=−

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

+ 1
X e ( f ) = Fe .  X ( f − nFe ) avec F =
e T Fe : fréquence d'échantillonnage
n=− e
On obtient donc un spectre infini qui provient de la périodisation du spectre du signal
d’origine autour des multiples de la fréquence d’échantillonnage 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  Fmax , X ( f ) = 0 −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 −Fmax 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

Si la fréquence maximale du spectre du signal à échantillonner, est supérieure à Fe/2, la restitution

du signal original sera impossible car il va apparaître un recouvrement spectral lors de
l’échantillonnage. On dit qu’on est en sous-échantillonnage
❖ Lorsqu’il y a recouvrement spectrale, nous avons vu qu'il était impossible de reconstruire
correctement le signal.

❖Pourtant dans la plupart des situations le spectre du signal à échantillonner s'étale sur tout le
domaine des fréquences (tout en diminuant du coté des hautes fréquences), mais il n'existe pas
une fréquence fmax au-delà de laquelle l'énergie est nulle.

❖ Il y a donc un problème pour choisir la fréquence d'échantillonnage. On se fixe donc en

pratique une fmax à partir de laquelle on estime la représentation de notre signal satisfaisante
pour les applications que l’on veut en faire.

❖ Puis on effectue un filtrage passe-bas (à fmax) avant l’échantillonnage afin de remédier aux
repliements de spectre. On appelle ce filtre un filtre anti repliement.
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.
Exemples
Échantillonnage réel
❑ Echantillonnage idéal x(t)
x(nTe )

L'échantillonnage idéal suppose l'utilisation d'une impulsion infiniment

(t−nTe)
brève permettant d'extraire la valeur instantanée x(nTe) à l'instant nTe.
t
C'est donc l'application de la distribution  (t − nTe ) au signal continu x(t) : nTe
+
) =x(nTe ): xe (nTe ) =  x( ). ( − nTe )d
Paredéfinition
xe (nT
−
+
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).
Échantillonnage réel

❑ Exemple : échantillonnage réel par moyennage simple

x(t)
h(t−nT e)
L'échantillonneur moyenneur donne des échantillons correspondant à
la valeur moyenne de x(t) prise sur un intervalle de durée T.

t
nTe (n+1)Te
On prend h(t) comme

Te

Expression du signal échantillonné x(t) xe(t)

+
~ ~
xe (t) =  xe (nTe ). (t − nTe )
n=− Échantillonneur
 TF d'un signal échantillonné

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

+
xe (t) = x(t) h(−t).  (t − nTe )
L'expression du signal échantillonné ~
avec un échantillonneur réel est :
n=−

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

TdS distorsion est d'autant plus faible que H( f ) est constante dans la bande [−Fe/2, Fe/2].
15
Exemple d'échantillonnage réel
Soit x(t) un signal dont le spectre est à support borné

On réalise un échantillonnage réel par moyennage simple

T 
 T  t −
1
h(t) = H ( f ) = sinc(fT ) e − jfT
T  2  donc

~ +
D'après le résultat X e ( f ) = Fe  X ( f − nFe ).H *( f − nFe )
précédent, on a n=−

~ ~
X e ( f ) en fonction de T Xe( f ) X( f ) |H( f )|

Fe=20 Hz T = T = T =

 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

TdS 17
 La reconstruction
❑ Problématique

échantillonnage
On a échantillonné un signal x(t) en respectant le théorème de
Shannon, comment fait-on pour le reconstruire à partir des x(t) ?
xe(t)
échantillons? reconstruction

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 ).

▪ Filtrage passe bas idéal |X ( f )|

▪ Diviser par Fe Fe
▪ Puis TF inverse

f
− Fe −F max 0 Fmax Fe

TdS 18
 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
TdS idéal n'est pas causal → interpolation physiquement non réalisable.
19
 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).

x0 (t) = x(nTe ) pour nTe  t  (n +1)Te et n

+
On peut encore l'écrire x0 (t) =  x(nTe )Te (t − Te 2 − nTe )
n=−

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

En remarquant qu'on peut écrire aussi :

 + 
X 0 ( f ) = sinc(fTe)  e −jfTe  + X ( f − nF ) 
x0 (t) =   x(nTe ) (t − nTe )    Te (t − Te 2) on obtient   e 
n=−   n=− 
x e ( t) 1
X (f)
Fe e
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
TdS d'amplitude, mais une modification de la phase due au décalage temporel de Te/2) 20
 La reconstruction
❑ Interprétation de l'extrapoleur d'ordre 0
La TF du signal reconstruit par l'extrapolateur d'ordre 0 s'écrit Fmax = 3 Hz et Fe = 6 Hz
3 |X(f)|

 + 
|sinc(fTe)|

= sinc( fTe)  e − jfTe  X ( f − nFe ) 

|Xo(f)|
X0( f ) 2.5

 n=− 
2

X0( f ) = spectre du signal échantillonné pondéré par la

A m p lit
1.5
TF du signal porte de reconstruction

ude
1

◆ Constats
0.5

0
1 Déformation de la bande centrale entre [−Fe/2, Fe/2]. -10 -5 0
Fréquence
5 10

2 Présence de composantes hautes fréquences. Fmax = 3 Hz et Fe = 10 Hz

3 |X(f)|
|sinc(fTe)|
◆ Atténuation des distorsions 2.5
|Xo(f)|

1 Augmentation de Fe. 2

A m p lit
1.5
2 On peut ainsi choisir pour

ude
le filtre passe-bas une fc < Fe/2 1

0.5

0
-15 -10 -5 0 5 10 15
TdS Fréquence
21
 La quantification
❑ Rôle

Approximer chaque valeur du signal échantillonné xe(t) par un multiple entier d'une
quantité élémentaire q appelée "pas de quantification" ou quantum.
Si q est constant quelle que soit l'amplitude du signal, on parle de quantification uniforme.
Dans tous les cas, la quantification est une perte d'information.

❑ Principe
Il existe principalement deux modes de quantification

- par arrondi : si  N − 1   q  x e (t)  (N + 1 )  q

 2 2
alors à xe(t) on associe le code N ou la valeur Nq

- par troncature : si Nq  xe (t)  (N + 1)  q

alors à xe(t) on associe le code N ou la valeur Nq

La quantification introduit une erreur modélisable mathématiquement, et

que l'on peut considérer comme une variable aléatoire.
TdS 22
 ❑ Conclusions :

❑ La condition de Shannon garantit la non perte d'information, dans le cas idéal!

❑ Dans le cas pratique, il y a des distorsions dans le signal échantillonné

- échantillonnage réel

- reconstruction par extrapolation

❑ 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.
❑ Bibliographie :

- Bellanger M, Traitement numérique du signal, Dunod, 1998.

- Picinbono B, Théorie des signaux et des systèmes, Dunod, 1993

- Cottet F, Traitement des signaux et acquisition de données, Dunod, 1997

TdS 24