Vous êtes sur la page 1sur 56

CENTRE UNIVERSITAIRE DE N’ZEREKORE

DEPARTEMENT DE PHYSIQUE

COUR DE TRAITEMENT NUMERIQUE DES SIGNAUX


20h CM ; 25h TP.

Présenté par

Mr. Mazoughou GOEPOGUI

Tel: 655 34 42 38 / 669 35 43 10


 
E-mail: massaleidamagoe@yahoo.fr
CONTENU ET CALENDRIER.
Jours Contenu

27/01 Généralité

28/01 Outils mathématiques du traitement numérique des signaux.

29/01 Outils mathématiques du traitement numérique des signaux.

30/01 Les signaux échantillonnés.

31/01 Les signaux échantillonnés.

01/02 Les filtres numériques.

02/02 Les filtres numériques.

27/01
I. GENERALITE.
 I.1. Définitions de base.
Un signal désigne l'information relative à une grandeur
physique qui évolue dans le temps (courant, tension, force,
température, pression, etc.).
L'obtention des signaux électriques à partir des variations
d'une grandeur naturelle se fait à l'aide d'un capteur ou d'un
transducteur.
Le bruit est défini comme tout phénomène perturbateur
gênant la perception ou l’interprétation d’un signal, par
analogie avec les nuisances acoustiques (interférence, bruit
de fond, etc.).
La théorie du signal a pour objectif fondamental la
"description mathématique" des signaux afin de
mettre en évidence ses principales caractéristiques
(distribution fréquentielle, énergie, etc.) et d’analyser
les modifications subies lors de la transmission ou du
traitement.
Le traitement du signal est la discipline qui,
s’appuyant sur les ressources de l’électronique, de
l’informatique et de la physique appliquée, a pour
objet l’élaboration ou l’interprétation des signaux
porteurs d’information.
Les fonctions du traitement du signal peuvent se
diviser en deux catégories : l’élaboration des signaux
(incorporation des informations) et l’interprétation
des signaux (extraction des informations).
Les principales fonctions intégrées dans ces deux
parties sont les suivantes :
Élaboration des signaux :
Synthèse : Création de signaux de forme appropriée en
procédant par exemple à une combinaison de signaux
élémentaires ;
Modulation: moyen permettant d’adapter un signal aux
caractéristiques d’une voie de transmission ;
Codage : traduction en code binaire (quantification), etc. ;
Interprétation des signaux :
 Filtrage : élimination de certaines composantes indésirables ;
 Détection : extraction du signal d’un bruit de fond (corrélation) ;
 Identification : classement d’un signal dans des catégories
préalablement définies ;
 Analyse : isolement des composantes essentielles ou utiles d’un signal
de forme complexe (transformée de Fourier) ;
 Mesure : estimation d’une grandeur caractéristique d’un signal avec
un certain degré de confiance (valeur moyenne, etc.)
I.3. Classification des signaux.
I.3.1. Classification morphologique.
I.3. Classification des signaux.
Il existe différents modes de classification.
I.3.1. Classification morphologique.
 Les signaux analogiques ou continus sont des signaux qui
peuvent être représentés par des fonctions continues.
 Les signaux numériques ou discret sont des signaux qui
peuvent être représentés par des suites de nombres.
Les signaux rencontrés dans la nature sont généralement des
signaux analogiques. Tout traitement numérique (discret) de
ces signaux nécessite au préalable une opération de
numérisation.
I.3.2. Classification spectrale.
On classe les signaux suivant la bande de fréquence
qu’ils occupent. On distingue les signaux à variation
lente ou signaux basse fréquence et les signaux à
variation rapide ou signaux haute fréquence.
I.3.2. Classification typologique.
I.3.2. Classification typologique.
 Un signal déterministe est un signal qui peut être prédit
par un modèle mathématique connu.
 les signaux périodiques (x(t) = x(t + T) où T est la
période du signal)
 les signaux apériodiques.
 Un signal aléatoire est un signal qui a un comportement
imprévisible. On le décrit grâce à des outils statistiques
(densité de probabilités, moyenne, variance, etc.).
I.5. Avantages et inconvénients du TNS.
 I.5.1. Avantages.
La reproductibilité des systèmes ;
L’absence de dérive en temps ou en température ;
L’absence de réglages compliqués ;
La possibilité de traitement adaptatif ;
Etc.
I.5.2. Inconvénients.
Coût : élevé pour des réalisations simples ;
Vitesse : bande passante large = vitesse de calcul
élevé ;
Complexité : réalisation à la fois matérielle et
logiciel ; 
I.6. Architecture d’un système de TNS
II. OUTILS MATHEMATIQUES DU TRAITEMENT NUMERIQUE
DES SIGNAUX.
 II.1. Eléments sur les distributions.
Définition 2.1.1. (Fonction généralisée de Dirac).
On définit la distribution δ(t-t0) (ou fonction généralisée) de
Dirac au point t0 la distribution telle que :
La distribution δ(t-t0) de Dirac est une fonction
généralisée nulle partout sauf en t0, et infiniment
grande en t0, si bien que, lorsqu'on la multiplie par
une fonction test ϕ(t) et que l'on intègre sur T, on
obtient la relation précédente. 
 
Définition 2.1.2. (Peigne de Dirac).
On définit le peigne de Dirac, la distribution Φ(t-t0) telle que :

 
La fonction généralisée ou peigne de Dirac permet de prélever des
échantillons à intervalle régulier.
II.3. Séries de Fourier.
La transformée de Fourier est l’un des outils, si non
l’outil fondamental du traitement des signaux. Elle
permet de caractériser les filtre et faciliter leur
conception. Les séries de Fourier s'appliquent aux
signaux périodiques tandis que la transformée de
Fourier concerne les signaux apériodiques.
 
Définition 2.3.1. (Décomposition en séries de Fourier).
Soit une fonction périodique f(t) de période T. La
décomposition en séries de Fourier de la fonction g(t) est :
 

 
 

Les coefficients a0, an et bn sont donnés par les formules d’Euler :

 a0 est appelé la composante continu ou valeur moyenne du signal

périodique g(t).
Propriété 2.3.1. (fonction paire, impaire).

𝟐𝝅 𝒏𝒕
 

𝒈 ( 𝒕 ) =𝒂 𝟎+∑ [𝒂 𝒏 𝐜𝐨𝐬
𝒏≥𝟏 𝑻( ) ]
 
II.4. Transformée de Fourier.
Définition 2.4.1. (Transformée de Fourier).
On appelle transformée de Fourier de la fonction g(t), la
fonction notée telle que :
 

  
 
II.6. Transformées de Laplace.
Définition 2.6.1. (La transformée de Laplace).
Soit une fonction f(t) causale i.e f(t)=0 pour t<0, On appelle transformée
de Laplace de la fonction f(t), la fonction F(p) (p étant un nombre
complexe) définie par : 

 Avec
 
II.7. La Transformée de Fourier à Temps Discret.
Définition. (Transformée de Fourier à Temps Discret).
On appelle TFTD de x[n], la fonction X(ν) telle que :
 

Avec ν=f/Fe la fréquence réduite, f la fréquence en Hertz, et


Fe la fréquence d'échantillonnage (Fe = 1/Te où T est le pas de
temps entre deux échantillons).
III. LES SIGNAUX ECHANTILLONNES.
 III.1. L’échantillonnage.
III.1.1. Modélisation.
L’échantillonnage consiste à prélever la valeur du signal analogique x(t)
aux instants nTE. L’échantillonneur est représenté par un interrupteur

que l’on ferme pendant une durée ε très courte aux instants nTE.
 

TE
III.1.2. Spectre du signal échantillonné.
Pour simplifier, le signal échantillonné peut donc être
assimilé à des impulsions rectangulaires d’amplitude x(nTE).

h(t)

-ε/2 +ε/2 TE 2TE


La figure ci-dessous donne alors le spectre de xech(t).

𝜀 𝑋 𝑛𝜔𝐸 𝜀
 

Xech(f)
𝑠𝑐
𝑇𝐸 2
 
𝜀𝑋
𝑇𝐸 f

f
FE-f FE FE+f 2FE-f 2FE+f
X(f)

fM
FE

Xech(f) Sc()

fM FE- fM FE+ fM 2FE- fM


FE FE 2FE+ fM
       
 

L’échantillonnage produit donc une reproduction du spectre autour des fréquences


nF .
III.1.3. Condition de restitution du signal.

Xech(f)

Repliement
du spectre.
FE/2

fM FE- fM FE+ fM 2FE- fM


FE 2FE
2FE+ fM
       
 
 
Pour éviter le phénomène de repliement, il faut avoir fM ≤ FE - fM soit :

 FE ≥ 2fM
Le théorème de l’échantillonnage, appelé aussi théorème de Shannon s’énonce ainsi :
Soit x(t) un signal continu dont le spectre est tel que si f > fc, pour échantillonner ce
signal et le reconstitué sans altération, la fréquence d'échantillonnage FE doit être
supérieure au double de la plus grande fréquence du spectre.

Ceci est une condition limite qui supposerait l’utilisation d’un filtre de restitution
idéal. En pratique, on choisit un rapport FE/fM toujours supérieur à 2.
Pour les CD par exemple, on échantillonne à 44kHz sachant que la bande passante
de l’oreille humaine est limitée à 17kHz en moyenne ; le rapport FE/fM est alors
d’environ 2,6.
III.2. Le blocage.
En pratique, on réalise un blocage du signal échantillonné,
c’est-à-dire le maintien du niveau de chaque échantillon,
pendant TE ; le bloqueur est alors dit d’ordre 0 (pas de
variation du signal entre deux instants d’échantillonnage).
Cette opération peut être réalisée au moyen d’un
condensateur.
TE

Le signal échantillonné bloqué est ainsi constitué de marche


d’escalier. La phase de blocage dure TE, ce qui permet au CAN
de réaliser la quantification de l’échantillon.
III.2.1. Exemple d’échantillonneur bloqueur.
 
III.3. La quantification.
Le signal échantillonné - bloqué peut, à ce stade, être converti sous
forme binaire (numérique) pour être stocké. Ce codage s'appelle la
quantification. Le rôle de la quantification est de donner une image
binaire d’un signal analogique.
 A chaque niveau de tension est associée une valeur binaire codée sur n
bits. On a ainsi un pas de quantification :

 
III.3.2. Choix du nombre de bits de quantification.
III.3.2.1 Choix classique.
Dans le cadre d’une simple acquisition, on peut se
contenter de choisir ‘n’ vis à vis de la résolution souhaitée.
Exemple de CAN: CAN à comparateur
en échelle (flash).
 
Exemples de CNA:
 CNA à résistances pondérées.
IV. LES FILTRES NUMERIQUES.
Pour les traitements lourds, comme le filtrage des signaux vidéo par
exemple, les structures numériques remplacent avantageusement les
circuits analogiques.
Les méthodes de synthèses consiste, en pratique, à trouver la fonction
de transfert isochrone (en jω) du filtre analogique puis de la transposer
dans le plan des z afin d’établir l’algorithme à programmer.
IV.1. Définitions.
IV.1.1. Filtre numérique.
Nous notons un signal numérique de la façon suivante x[n], où n désigne
le nième échantillon du signal x. En fait, x[n] est une suite de nombres
indexés par l'entier n. On appellera filtre numérique, tout dispositif qui
fait correspondre à un signal d'entrée numérique x[n] un signal de sortie
numérique y[n] :
 x[n]→F→y[n]
IV.1.2. Filtre numérique linéaire.
On considère un filtre F qui agit de la façon suivante :
 
x1[n] →F→y1[n]

x2[n] →F→y2[n]
 
On dira que F est un filtre linéaire si à une combinaison linéaire en
entrée λx1[n]+μx2[n] correspond la même combinaison linéaire des

signaux de sortie : λy1[n] + μy2[n].


 
λx1[n] + μx2[n] → F → λy1[n] + μy2[n]
IV.1.3. Filtre numérique invariant par translation dans le temps.
On dira que F est un filtre numérique invariant par translation dans le
temps si pour une entrée x[n] et une sortie y[n] (x[n] → F → y[n]), on a
la propriété suivante :
 
x[n - n0] → F → y[n - n0]
 
Cette propriété traduit le fait que si on décale l'entrée d'une quantité n0,
la sortie reste la même mais elle subit le même décalage : le filtre est
donc invariant par translation dans le temps.
 
IV.2.2. Classification Suivant leur algorithme.
 IV.2.2.1. Filtre non récursif ou RIF.
RIF = à Réponse Impulsionnelle Finie. L’algorithme de ces filtres est de la forme :
 
 Les filtres RIF peuvent être représentés par le schéma fonctionnel de la figure ci-
contre.
a0

xn TE a1 ∑ yn

retard
 
Chaque échantillon de sortie yn dépend uniquement des
échantillons d’entrée précédents.
Exemple 1 :
 
IV.2.2.1. Filtre récursif ou RII.
RII = à Réponse Impulsionnelle Infinie. L’algorithme de ces filtres est de
la forme :
 
 Les filtres RII peuvent être représentés par le schéma fonctionnel de la
figure ci-contre. 
a0

xn TE a1
∑ yn
retard

b1 TE
 
Exemple 1 :

 
La réponse impulsionnelle peut diverger, ces filtres ne sont
donc pas toujours stables. 
IV.3. Filtrage temporel.
On appelle ici filtrage temporel, un filtre qui agit directement
sur le signal d'entrée par une équation récurrente
(combinaison linéaire des échantillons d'entrée xn et de sortie

yn).
 
IV.3.1. Equation récurrente.
La formulation de l’équation récurrente s’écrit comme suite :
Filtre RIF :

Filtre RII :

 
L'étude du filtrage temporel va être facilité par l'introduction d'un nouvel outil : la
transformée en z.
 
IV. 4. Filtrage fréquentielle.
IV.4.2. Fonction de transfert.
IV.4.2.1. Les filtres RIF.
La fonction de transfert en z du filtre s'écrit ainsi :
 

 
T(z) possède un pôle en z = 0. Ainsi d'après les propriétés de stabilité, on
en déduit qu'un filtre RIF est toujours stable.
 
IV.4.2.2. Les filtres RII.
La fonction de transfert en z du filtre s'écrit ainsi : 

 
 IV.4.3.
Réponse fréquentielle.
Pour passer de T(z) à la fonction de transfert isochrone , il faudra
effectuer le changement de variable :

 
Filtre RIF.

 
Filtre RII.