EXPOSE DE SYSTEME

S SIGNAUX SIMULATION
(GEL454)
DEPARTEMENT DU GENIE ELECTRIQUE
EMESTRE
S 5

NUMERISATION DES SIGNAUX

PRESENTE PAR:
AKANDE Sobour
CHARGE DU COURS
:
AFAGNINOU KomiSamuel
MODDOH O
CCLOH Ma
zamaEsso Dr. AGBOSSE
Yaovi
2023-2024
 SOMMAIRE

I. INTRODUCTION …………………………………………………………
II. PRINCIPE D’ECHANTILLONNAGE……………………………………
i. EXPLICATION SIGNAUX ANALOGIQUE ET NUMERIQUE……...
ii. L’ECHANTILLONAGE………………………………………………. iii.
L’ECHANTILLONNAGE
IDEAL…………………………………….
III. ECHANTILLONNAGE NATUREL ET AUTRES
PROCEDES………….
ECHANTILLONNAGE NATUREL………………………………………

ECHANTILLONNAGE REGULIER OU BLOQUEUR………………………...

ECHANTILLONNAGE MOYENNEURS……………………………………….

IV. QUANTIFICATIONDU SIGNAL

ECHANTILLONNE………………….
V. LA LOI DE COMPRESSION- EXPANSION DU SIGNAL………………
VI. RESTITUTION DU
SIGNAL…………………………………………….
VII. IMPORTANCE DE LA
RESTITUTION………………………………….
VIII. INTERPOLATION
IDEAL……………………………………………….
IX. INTERPOLATION
LINEAIRE…………………………………………...
X. FILTRE DE RESTITUTION………………………………………………
XI. APPLICATION DE LA NUMERISATION……………………………….
XII. INCONVENIENTS……………………………………………………….
XIII. CONCLUSION……………………………………………………………
.

I. INTRODUCTION

Le système numérique est plus utilisé de nos jours car, il facilité le transfère et
le stockage d’information. On effectue plus un transport dynamique
d’information avec des bruits et des contraintes (forme analogique du signal).
Un simple codage des informations permet juste le transport de deux valeurs,
une suite de 0 et de 1. En numérique, la distance n’a aucun effet sur le transport
des informations, à leur destination les signaux sont reconstruits sous leur forme
initiale. Le traitement du son nous permet de mieux comprendre, la conversion
d’un signal analogique en numérique en fin de facilité son transport et stockage.
Soit le schéma ci-dessous :
 Le microphone ici est un capteur qui permet de convertir l’énergie
mécanique en énergie électrique, le signal électrique x(t) ainsi obtenu est
échantillonné, pour définir les instants de prélèvement des valeurs discrets au
signal analogique, on obtient alors un signal échantillonné x(nTe). Le
Convertisseur Analogique Numérique, permet d’associer des nombre binaire
(une suite de 0 et 1) à chaque échantillon. Le traitement numérique va donc
travailler sur les bites du signal y(n) issus du CAN. A leur sorti du système de
traitement numérique, les données binaires seront de nouveau reconverties en
valeurs discrets associées à des nombre nTe, y(nTe) grâce à un Convertisseur
Numérique Analogique. Le filtre de restitution ici, permet d’effectuer une
opération contraire, à l’échantillonnage et ainsi à la fin on pourra donc
reconstituer le signal y(n).

II. PRINCIPE D’ECHANTILLONNAGE

i. EXPLICATION SIGNAUX ANALOGIQUE ET

NUMERIQUE

Les signaux analogiques sont des données continues qui peuvent prendre une
infinité de valeur à n’importe quel moment et qui évolue en douceur dans le
temps. Elles sont représentées par des grandeurs physiques telles que les
tensions électriques et ondes électriques. En revanche, les signaux numériques
sont des données discrètes, basées sur la représentation binaire, avec des valeurs
spécifiques à des instants précis. Les signaux numériques utilisent des chiffres
binaires pour traduire l’information les rendant ainsi moins sensibles aux
interférences mais cependant ; ils nécessitent une précision finie alors que les
signaux analogiques peuvent être infiniment précis.
 ii. L’ECHANTILLONAGE

L’échantillonnage consiste à enregistrer, pendant un intervalle de temps régulier

les valeurs d’un signal analogique continue en temps et en amplitude. On obtient
ainsi, signal continue en amplitude et, discret en temps. L’opération est ainsi
réalisée grâce à un Interrupteur encore appelé Echantillonneur.

Comment cela fonctionne-t-il ?

Le signal analogique à échantillonner est tout d’abord convertie sous forme de

tension V (t) par un capteur. L’interrupteur K étant commandé par un signale

U1:A
8
3
1
2

V(t)
C1 4 MAX 407C
V( nTe) SA
1 uF

horloge s’ouvrira et se fermera pendant un intervalle de temps régulier Te

(période d’échantillonnage). Lorsque l’interrupteur K est fermée le signal V(t)
passe dans le condensateur, qui se charge tout en mémorisant le signal V(t).
Apres une durée Te, l’interrupteur est de nouveau ouvert, et la tension V(t) ne
passe plus dans le condensateur pour être mémoriser. Le grand ‘’challenge ‘’ ici,
serait que le condensateur ne décharge pas, de peur de perdre des informations.
Pour éviter la décharge du condensateur un amplificateur opérationnel idéal à
grande impédance en entrée sera monté en sortie du montage en suiveur ce qui
permettra de préserver le signal échantillonner.

Figure 1
Figure 2

CHEMA D’ILLUSTRATION D’UN ECHANTILLONNAGE

Figure 3

SCHEMAS TRADUISANT LA MODELISATION D’UN PHENOMENE

D’ECHANTILLONAGE iii. L’ECHANTILLONNAGE IDEAL

L’échantillonnage idéal d’un signal est un échantillonnage purement théorique et

sans défaut c’est-à-dire qu’il y’a aucune perte d’information ou de distorsion
lors des prélèvements d’échantillons. Seules les véritables valeurs du signale
purement analogique (continue en temps et en amplitude) y sont prélevés à
l’instant nTe. Le signal ainsi reconstruis ressemble sur tous les plans au signales
de départ. Il est à noter également que lors de l’échantillonnage Ideal, il y’a pas
la quantification du signal analogique pour passer au signal numérique. Toutes
chose est juste parfaites, c’est de loin ce qui rend cette façon d’échantillonner
PR qu’irréalisable.

Cependant, pour faire l’échantillonnage Ideal d’un signal, un certain

nombre de condition doit être respecter :

✓ Vérifier que le signal admet un transformé de la Fourier de spectre à

support borné, mathématiquement on écrit que 𝑆(𝑡) = 0 ∀ 𝑓 >

𝑓𝑚𝑎𝑥 𝑒𝑡 𝑓 < − 𝑓𝑚𝑎𝑥 ce qui se traduit par le fait qu’en dehors d’une certaine
plage de fréquence le spectre admettra que des valeurs nulles. (Figure 4)

✓ Si le spectre n’est pas à support borné alors on doit appliquer un filtre

passe-bas pour le rendre à rendre à support borné.

Figure 4

SIGNAL A SPECTRE BORNE

Figure 5
 SPECTRE A SUPPORT NON-BORNE CORRIGE PAR UN
FILTRE PASSE- BAS

Ainsi échantillonner un signal de façons idéal revient dont à le multiplier par le

peigne de Dirac (une série d’impulsion de Dirac séparé les uns des autres par
une durée Te = période d’échantillonnage) on obtient donc, un signal
échantillonné se(t) donc la taille, l’amplitude, le poids dépendent du signal
initial s(t). (Figure 6)

Figure 6
 ETAPES D’ECHANTILLONNAGE IDEALA

On a donc :

𝑠𝑒 s(t). donc 𝒔𝒆(𝒕) =

𝒔 . 𝑷𝒈𝒏𝑻𝒆

D’apres la formule ci-dessus on pourra donc affirmer que, d’un point de vue
mathématique : l’opération d’échantillonnage consiste à multiplier la fonction
initiale par le peigne de Dirac.

Une question qui reste important à se poser après l’échantillonnage du

signale, serait de savoir, si le signale échantillonner 𝒔𝒆(𝒕) contient les mêmes
informations identiques aux information portées par le signal du début 𝒔(𝒕) .
Cette question ramenée dans le domaine des fréquences, consiste de chercher à
soir si le signal échantillonné Se(f) du signal 𝒔𝒆(𝒕) contient les meme
information identique au signal du début S(f) du signal 𝒔(𝒕). On se permet donc
d’écrire :

𝑇𝐹(𝑠𝑒(𝑡)) = 𝑇𝐹( 𝑠(𝑡).𝑃𝑔𝑛𝑇𝑒(𝑡)) = 𝑇𝐹(𝑠(𝑡)) ∗ 𝑇𝐹(𝑃𝑔𝑛𝑇𝑒(𝑡))

Or on sait que 𝑇𝐹(𝑠(𝑡) ) = 𝑆(𝑓) 𝑒𝑡 𝑞𝑢𝑒 𝑇𝐹(𝑃𝑔𝑛𝑇𝑒

𝑛 𝐹𝑒)

Donc 𝑺𝒆 𝒏 𝑭𝒆)]

A noter que Dirac est un élément neutre de la convolution, on peut écrire que :

𝑺𝒆 𝒌 𝑭𝒆) Le spectre de l’échantillon 𝑺𝒆(𝒇) s’obtient en

périodisant avec une période égale à 𝑭𝒆 sur l’axe des fréquences, la transformé

𝑺(𝒇) de Fourier du signal initial 𝑠(𝑡) multiplier par 𝑭𝒆. (Figure 7) Figure 7
 PERIODISATIO DU SIGNAL ECHANTIONNE

Le Théorème de Shannon :

D’après Shannon, pour que la répétition périodique su signal échantillonné ne

déforme pas la répétition du motif, il faut et il suffit que la fréquence de
répétition 𝑭𝒆 qui est la fréquence d’échantillonnage soit supérieur ou égale à
deux fois la fréquence maximale du signal initial 𝑓𝑚𝑎𝑥 . C’est le théorème de
l’échantillonnage.

𝑭𝒆 ≥2*𝒇𝒎𝒂𝒙

Pour une fréquence d’échantillonnage égale à 𝑭𝒆 la fréquence limite 𝑭𝒆/𝟐

appelé fréquence de Shannon ou fréquence de Nyquist ou encore fréquence de
repliement correspond à la fréquence maximal admissible dans le spectre du
signal afin d’éviter les distorsions dans le spectre de signal échantillonné. (Voir
Figure 8)

Figure 8
 EXTRATION DU SIGNAL INITIAL A PARTIR DU SIGNAL
ECHANTIONNE

Le problème qui se pose à ce niveau est de savoir, si l’on pourra passer du

signal échantillonné 𝑠𝑒(𝑡) au signal initial s(t) ? Pour répondre il existe deux
méthodes :

✓ La première utilise la relation 𝑻𝑭(𝑺𝒆𝟎(𝒇)) = 𝑻𝑭(𝑭𝒆.𝑺(𝒇)) =>

𝒔𝒆𝟎(𝒇) = 𝑭𝒆.𝒔(𝒇)
✓ La seconde utilise un filtre passe-bas idéal 𝝅𝑭𝒆(𝒇)(𝒖𝒏 𝒔𝒊𝒈𝒏𝒂𝒍 𝒑𝒐𝒓𝒕𝒆)

tel qu’on aura 𝑺𝒆𝟎(𝒇) = 𝑺𝒆(𝒕). 𝝅𝑭𝒆(𝒇).

Nous allons nous mettre dans une situation où le nous disposons d’un signal à
support borné avec où le théorème de Shannon est respecté. En isolant le signal
𝑆𝑒(𝑡) on aboutit donc à 𝑆𝑒0(𝑓) = 𝑆𝑒(𝑡). 𝜋𝐹𝑒(𝑓)

On aura 𝑇𝐹−1(𝑆𝑒0(𝑓)) = 𝑇𝐹−1(𝑆𝑒(𝑡). 𝜋𝐹𝑒(𝑓))

𝑇𝐹−1( 𝜋𝐹𝑒(𝑓))

Or on a : 𝑇𝐹−1( 𝜋𝐹𝑒(𝑓)) = 𝐹𝑒. si n(𝑐𝐹𝑒𝑡) et 𝑠𝑒

𝑇𝐹−1(𝑆𝑒0(𝑓)) = 𝑇𝐹−1(𝑆𝑒(𝑡). 𝜋𝐹𝑒(𝑓))

(𝑡−𝑘𝑇𝑒)

𝑠𝑖𝑛(𝜋𝐹𝑒
𝜋𝐹𝑒𝑡 )
 𝑠𝑒 𝜋𝐹𝑒𝑡 Donc de la relation 𝑠𝑒0(𝑓) =

𝐹𝑒. 𝑠(𝑓)

On en déduit que s(t) = (𝝅𝑭𝒆 ( 𝒕 − 𝒌𝑻𝒆 )

𝝅 𝑭 𝒆𝒕)].

Donc on peut retrouver s(t) en sommant tous les échantillons 𝒔(𝒌𝑻𝒆) pondéré

avec 𝒔𝒊𝒏 (𝝅𝑭𝒆. ( 𝒕 − 𝒌𝑻𝒆 )

𝝅 𝑭 𝒆𝒕) ; ainsi on aura une conservation de la totalité

des informations contenues dans s(t).

III. ECHANTILLONNAGE NATUREL ET AUTRES PROCEDES

Il serait important de noter que l’échantillonnage naturel n’est pas réalisable,

mais ne constitue qu’une étape intermédiaire de calcul permettant de pouvoir
aborder et comprendre les deux types d’échantillonnages qui sont vraiment
réalisables et utilisés actuellement, qui seront expliqués un peu plus bas dans cet
exposé. Bien avant tout, le signal échantillonné à ce niveau est constitué d’une
suite d’impulsion de largeur 𝜏 et écarté de la période 𝑻𝒆. En réalité l’obtention
de cet échantillonnage est identique aux procédures d’obtention d’un
échantillonnage idéal ; sauf que le signal initial est cette fois multiplier par une
série d’impulsion de durée 𝜏 et écarter d’une période 𝑻𝒆 d’échantillonnage.
Cette série d’impulsion à la même amplitude que le signal initial et ce pendant la
durée 𝜏 .

Pour modéliser l’échantillonnage réel qui utilise des impulsions distantes de 𝑻𝒆

et de durée 𝜏 on se sert d’une fonction porte périodisé par 𝑻𝒆 et qui est exprimé
par : 𝑖𝑇𝑒, 𝜏 𝑘𝑻𝒆 ) , en utilisant la périodisation du peigne de
Dirac et le produit de convolution on a : 𝑖𝑇𝑒, 𝜏 𝑘𝑻𝒆 ) =

𝜋𝜏 𝑘𝑻𝒆 )
 = 𝜋𝜏(t)* 𝑷𝒈𝒏𝑻𝒆(𝒕)

Le spectre de ce signal s’exprime donc par :

𝑰𝑻𝒆, 𝝉 𝝅𝝉𝒌𝑻𝒆

a. ECHANTILLONNAGE NATUREL

Dans ce type d’échantillonnage, les impulsions suivent la valeur du signal, et ce

pendant une durée 𝝉 d’une manière mathématique on peut donc exprimer ce
signal échantillonné en utilisant la fonction porte par : 𝑠𝑒(𝑡) = 𝑠(𝑡).𝐼𝑇𝑒, 𝜏(𝑡) =
s(t). [𝜋𝜏(t)* 𝑷𝒈𝒏𝑻𝒆(𝒕)]

Or on a démontré un peu plus haut que : 𝑰𝑻𝒆, 𝝉(𝒕)

𝝅𝝉𝒌𝑻𝒆

d 𝑆𝑒(𝑡) = 𝑆(𝑡). 𝐼𝑇𝑒, 𝜏

𝝅𝝉𝒌𝑻𝒆

On peut donc écrire 𝑺𝒆 =−

𝐬𝐢𝐧𝝅𝝉𝒌(𝝅𝝉𝒌𝑻𝑻𝒆 )

On en déduit que : 𝑺𝒆𝟎(𝒕) = 𝝉. 𝑭𝒆. 𝑺(𝒇) Ce résultat traduit le fait qu’il est
possible d’utiliser un filtre passe-bas pour faire cet échantillonnage. D’autre
part, cette proportionnalité entre les deux signaux montre qu’il n’y a pas eu de
déformation au cours de l’échantillonnage et que les informations sont
conservées, il s’agit simplement que d’une augmentation de la durée de
l’échantillonnage. Il est important de rappeler que l’échantillonnage naturelle
n’est pas réalisable.

Figure 9
 b. ECHANTILLONNAGE REGULIER OU BLOQUEUR

Dans ce cas d’échantillonnage le signal échantillonné a la même amplitude que

le signal initial aux instants n𝑇𝑒. Ce type d’échantillonnage est belle et bien
réalisable, est le plus souvent utilisé. Sa représentation mathématique est une
suite infinie de fonction porte d’impulsion d’amplitude égal aux échantillons du
signal. On écrira donc :

𝑠𝑒(𝑡) = .𝑷𝒈𝒏𝑻𝒆(𝒕)] ∗ 𝝅𝝉(t)

dans l’espace des fréquences on obtient 𝑺𝒆

𝐬𝐢𝐧 (𝝅𝝉𝒇)
𝝅𝝉𝒇

𝐤𝑭𝒆) ]. On obtient donc on a

𝑺𝒆𝟎(𝒕) = 𝝉. 𝑭𝒆. 𝐬𝐢𝐧
𝝅𝝉𝒇
(𝝅𝝉𝒇)
. 𝑺(𝒇) . Ce résultat, montre qu’une

distorsion par rapport au signal initial, car modulé en amplitude par la fonction

sin (c𝝉𝒇) .Cette distorsion sera petite dans la mesure ou la durée du signal porte

reste faible par rapport à la période du signal échantillonnée.

Figure 10

ILLUSTRATION DE LA DISTORSION EN ECHANTILLONNAGE

REGULIER OU MOYENNEUR

c. ECHANTILLONNAGE MOYENNEURS

Cet échantillonnage permet de récupérer des échantillons 𝑠𝑒(𝑘𝑇𝑒) valeurs

moyennes du signal s(t). On écrit donc :

𝑠𝑒

En faisant appel à la fonction porte on obtient :

𝑠𝑒 : expression traduisant la

convolution donc on a :
𝜏

𝜏. 𝑷𝒈𝒏𝑻𝒆(𝒕)

En appliquant la transformé de Fourier avec le théorème de Plancherel on a :

𝑺𝒆𝟎 𝜏 𝝅𝝉𝒇 . 𝑷𝒈𝒏𝑭𝒆

𝝅𝝉𝒇
On obtient des lors : 𝑺𝒆𝟎(𝒕) = 𝑭𝒆. 𝐬𝐢𝐧
𝝅𝝉𝒇
(𝝅𝝉𝒇)
. 𝑺(𝒇) Ce résultat nous
amène à

affirmer que le signal échantillonner en moyenneur n’est pas identique au signal

initial car il introduit une déformation par rapport à celui-ci qui se traduit par
l’influence de son amplitude par la fonction sin (c𝝉𝒇).

IV. QUANTIFICATION DU SIGNAL

ECHANTILLONNE LA
QUANTIFICATION

La quantification d’un signal consiste à remplacer la valeur d’un signal

quelconque 𝑥 par une valeur 𝑥𝑞 issue d’un ensemble dénombrable de valeur
entière en suivant une loi : Arrondie au plus proche voisin, par défaut etc….

Les échantillons issus de l’échantillonnages d’un signal 𝒔𝒆(𝒌𝑻𝒆) sont

quantifiés pour donner des échantillons quantifiés 𝒔𝒆,𝒒(𝒌𝑻𝒆) . Il faut noter que
dans le cas d’une quantification dit uniforme, l’amplitude maximal du signal
sera donc divisée en N intervalle de valeur q. Le signal échantillonné quantifié
𝑞 𝑞
est donc noté : 𝒔𝒆,𝒒(𝒌𝑻𝒆) = 𝑵 avec 𝑁𝑞 − ⁄2 ≤ 𝒔𝒆,𝒒(𝒌𝑻𝒆) ≤ 𝑁𝑞 + ⁄2
cette opération de quantification est possible grâce au CAN (Convertisseur
Analogique Numérique). L’erreur 𝜖 qui est commise dans le cas d’une
quantification uniforme d’un arrondi au plus proche voisin est d’un demi-pas de

𝑞
quantification ⁄2 .

Figure11
COURBE DE TRANSFERE D’UNE QUANTIFICATION UNIFORME OU
LINEAIRE

Considérant l’erreur sur un intervalle de temps beaucoup plus grand 𝜃, avec une
grande variation du signal par rapport au pas de quantification, on remarque que
cette erreur peut être approchée par une droite sur cet intervalle de temps ;
traduisant ainsi l’équi-répartition de l’erreur.

D’autre part, pour un système de codage sur n bite on montre pour un système
sinusoïdal s(t) que la puissance de crête Ps du système sinusoïdal est tel que :

𝑷𝒔 = 𝟐𝒏−𝟑. 𝒒𝟐 Avec valeur maximal de codage égal à 𝟐𝒏 − 𝟏

Pour Pe puissance de bruit de quantification on a la relation suivante liant 𝑷𝒔 et

𝑷𝒆 :

𝑫(𝒅𝒃) = 𝟏𝟎. 𝐥𝐨𝐠𝟏𝟎 (𝑷𝒆𝑷𝒔) = 𝟔. 𝟎𝟐 . 𝟕𝟔 . De cette formule on peut dire

donc que rajouter 1bit reviens à une augmentation de la dynamique de 6db

En définitive, il est essentiel de noter que le choix du Pas de quantification q

dépendra de la précision souhaitée et que le nombre de bit sera fonction de la
dynamique D(dB).
 V. LA LOI DE COMPRESSION- EXPANSION DU SIGNAL

L’erreur relative dû à la quantification n’est pas constante le long de la courbe de

transfert ; suivant la valeur de la quantifiée. Cette erreur peut être faible ou
importante selon la valeur de la valeur quantifiée. Pour l’égaliser ; nous devons
réaliser un codage à erreur constant en faisant suivre la quantification d’une
COMPRESSION pour un signal dans le sens analogique -numérique et une
EXPANSION dans le sens inverse. L’échantillonnage ; compression, expansion,
quantification sont réaliser par un circuit appelé Codecs.

VI. RESTITUTION DU SIGNAL

La restitution consiste donc à reconstituer le signal continu

temporellement à partir des valeurs discrètes du signal échantillonné aux instant
𝑘𝑇𝑒 , 𝑇𝑒 étant une période d’échantillonnage. Pour faire cette restitution, on
effectue une interpolation de signal entre deux instants de discrétisations. Cette
interpolation est alors précédée d’un système qui permet de convertir les
données binaires représentant, l’amplitude du signal à un instant donné, en une
valeur continue en amplitude. Il faut noter que ce procédé basé sur la
transformation de codages numériques en valeur analogiques n’introduit pas des
erreurs dans l’échantillonnage du signal, contrairement à la quantification.

A partir des échantillons 𝒔𝒆(𝒌𝑻𝒆) on peut reconstituer le signal s(t)

grâce à un circuit appelé Convertisseur Numérique Analogique (CNA), mais le
souci est que le signal restitué doit être identique au signal issu du système de
traitement analogique. Pour faire cela, on procède d’abord à une interpolation
suivie d’un filtrage. Le rythme de filtrage 𝑻𝒔 étant fonction de 𝑻𝒆 période
d’échantillonnage. Connaissant le signal échantillonné, la restitution consiste
donc à extraire de ce spectre, le spectre de base à l’aide d’un filtre fréquentiel ou
d’un calcul équivalent sur les échantillons du signal.
 VII. IMPORTANCE DE LA RESTITUTION ?

La restitution repose sur une séquence précise d'étapes, débutant par

l'échantillonnage, où le signal analogique est discrétisé à des intervalles
réguliers, suivi de la quantification, qui attribue une valeur numérique à chaque
échantillon en fonction de son amplitude. Enfin, la numérisation convertit
l'ensemble des échantillons quantifiés en une représentation binaire, permettant
ainsi la reconstruction du signal analogique original lors de la conversion
numérique-analogique.

Dans le contexte de la numérisation du signal ; la restitution s’avère très

importante pour plusieurs raisons. Si on prend le cas de la compatibilité des
dispositifs de sortie ; certains appareils de sortie et équipements audiovisuels
utilisent les signaux analogiques d’où la nécessité de la restitution. Aussi le fait
le traitement des signal effets sonores s’effectue en signal numérique ; nous
avons besoin de convertir ce signal en analogique pour permettre une bonne
sortie.

Figure 12
 ANALOGIQUE

VIII. INTERPOLATION IDEALE

L’interpolation idéale nous ramène à l’interpolation de Shannon ; théorème dont

on n’a parler lors des échantillonnages. Il s’agit d’une représentation sans
distorsion ; sans faille entre les échantillons. Elle nous permet d’obtenir le signal
s(t) par les signaux S(kTe).

S(t) =

Cette approche implique d'additionner les fonctions Sinc(x) associées à chaque

point d'échantillonnage, en ajustant le poids de chacune en fonction de la valeur
d'amplitude correspondante. L'interpolation idéale vise ainsi à exprimer la
reconstruction d'un signal analogique dont le spectre est limité, en se basant sur
le signal échantillonné selon la base formée par la famille de fonctions de la
figure suivante :

Soit : { sin (𝜋𝐹𝑒(𝑡 − 𝑘𝑇𝑒))

𝑎𝑣𝑒𝑐 𝑘 𝑢𝑛 𝑒𝑛𝑡𝑖𝑒𝑟 𝑟𝑒𝑙𝑎𝑡𝑖𝑓 }
πFe (t − kTe

Figure 14
 SCHEMA D’INTERPOLATION IDEAL

L’interpolation idéale se révèle difficilement réalisable en raison des contraintes

théorique et pratiques. En effet, comme nous l’avons exploré précédemment,
cette méthode d’interpolation correspond à un filtrage représentant un filtre idéal
qui n’est pas réalisable dans la pratique. Cependant Bien que la mise en œuvre
en temps réel puisse être problématique, l'interpolation idéale reste une option
dans des contextes spécifiques où la qualité de la restitution prime sur les
contraintes de traitement en temps réel.

IX. INTERPOLATION LINEAIRE

Considérons que le lissage du signal crénelé sera fait par filtration passe
bas simple du premier ou deuxième ordre. Cela nous amène à faire une
interpolation linéaire. Il s’agit alors de déterminer la distance minimale entre
deux échantillons consécutifs dans le but de pouvoir reconstituer correctement le
signal. Pour perdre le moins possibles d’informations ; il faut suréchantillonner
le signal par rapport à la cadence théorique de Shannon ; une pratique assez
couteuse car elle conduit à l’obtention d’un grand nombre d’échantillon à traiter.

Il faut aussi noter que la fréquence d’échantillonnage va dépendre de la

méthode d’interpolation et de l’erreur que l’on tolère sur chaque signal
reconstitué par les échantillons.

• Dans le cas d’une interpolation linéaire simple, l’erreur sur le s(t) par
rapport à l’erreur sur le signal reconstitué est donné par l’expression
suivante :

Erreur = s (t) − sr(t)

s(t)
 X. FILTRE DE RESTITUTION

La restitution est un élément du processus de traitement du signal. Lors de

la conversion d’un signal analogique en signal numérique ; un élément crucial
est le filtre l’anti-repliement qui permet d’éviter le repliement de certains
fréquences indésirables lors de l’échantillonnage. Par ailleurs, dans la phase de
restitution où le signal numérique est ramené en analogique ; un filtre de
reconstruction peut être utilisé pour lisser afin de représenter un signal original
de manière loyal tout en éliminant les erreurs indésirables.

Le filtre de restitution sera calculé de la même façon que le filtre de

l’anti-repliement ; l’équation est la suivante :

P= AFe log− fmax 2 = A log 2

log { } log(n − 1)
fmax

Où p la pente du filtre est en DB /octave.

Notons que deux paramètres : la fréquence d’échantillonnage et les

caractéristiques du filtre d’échantillonnage sont deux éléments ont une influence
prépondérante sur la qualité de la restitution même si un compromis entre ces
deux paramètres est une solution efficace.

XI. APPLICATION DE LA NUMERISATION DES SIGNAUX

La numérisation des signaux trouve une application ubiquitaire dans divers

domaines apportant des avantages importants en matière de stockage, de
transmission et de manipulation des informations. Parmi les applications nous
pouvons parler de la télécommunication où la transmission des données
numérique a largement pris la place des méthodes analogique car les signaux
numériques offrent une bonne résistance aux interférences, permettant des
communications plus fiables et de qualité supérieure. Dans le domaine de
l’audio, la numérisation des signaux a révolutionné la manière dont nous
consommons la musique. Des supports tels que les CD, les fichiers MP3
utilisent des signaux numériques pour représenter et transmettre les informations
sonores de façon très fidèle. Dans les domaines de la médecine aussi avec l’IRM
et la radiographie.

Cependant même si la numérisation présente autant d’applications ; elle n’est

pas sans défis. Ce qui nous conduit à parler un peu des inconvénients dans la
partie suivante.

XII. INCONVENIENTS DE LA NUMERISATION DES SIGNAUX

L’un des principaux défis se trouve au niveau de la perte des informations lors
de la conversion analogique -numérique. Cette transformation peut entrainer une
dégradation de la qualité impactant ainsi la fidélité des signaux complexes tels
que la musique ou les images. Par ailleurs, la taille des fichiers générés par les
signaux numériques, en particulier dans le cas des médias constitue un autre
inconvénient majeur car elle pose des problèmes de stockage, de transfert et de
gestion des données.

XIII. CONCLUSION

En somme, la numérisation des signaux a beaucoup fait évoluer le monde de la

télécommunication et de la technologie. Désormais, le transport et le stockage
de l’information ne sera plus un souci majeur, et on aura moins de pertes. Il reste
à noter que la numérisation des signaux a beaucoup fait évoluer la précision et la
connectivité, Passant du prélèvement des échantillons à la quantification.
Quoique la numérisation des signaux présentes d’énorme avantage, il faut se
souvenir également des problèmes et défis qu’elle impose tels que des erreurs de
quantification et le choix d’une fréquence d’échantillonnage adéquate.