Traitement Num erique du Signal D eterministe

(2008-2009) - FIP 2A

Christophe DOIGNON Ma tre de Conf erences HdR

Universit e Louis Pasteur de Strasbourg Bureau C418 - ENSPS, P ole API Boulevard Brant, 67412 Illkirch, France 03 90 24 43 41 courriel : christophe.doignon@ensps.u-strasbg.fr

Table des mati` eres

Bibliographie 1 Rappels de Premi` ere Ann ee 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Repr esentation des Signaux D eterministes . . . . . . . . . . . . 1.2.1 Fonction signe . . . . . . . . . . . . . . . . . . . . . . . 1.2.2 Fonction echelon (unit e) . . . . . . . . . . . . . . . . . . 1.2.3 Fonction rectangle . . . . . . . . . . . . . . . . . . . . . 1.2.4 Fonction triangle . . . . . . . . . . . . . . . . . . . . . . 1.2.5 Fonction sinus cardinal . . . . . . . . . . . . . . . . . . 1.2.6 Impulsion unit e (distribution de Dirac) . . . . . . . . . 1.2.7 Fonction peigne de Dirac (fonction d echantillonnage) 1.3 Energie et Puissance . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Energie dun signal . . . . . . . . . . . . . . . . . . . . . 1.3.2 Puissance moyenne dun signal . . . . . . . . . . . . . . 1.4 Classication des signaux . . . . . . . . . . . . . . . . . . . . . 1.4.1 Signaux ` a energie nie . . . . . . . . . . . . . . . . . . . 1.4.2 Signaux ` a puissance moyenne nie . . . . . . . . . . . . 1.4.3 Causalit e . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.4 Parit e . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . 1.6 Transformations fr equentielles . . . . . . . . . . . . . . . . . . . 1.6.1 Transform ee de Fourier . . . . . . . . . . . . . . . . . . 1.6.2 Th eor` eme de Plancherel . . . . . . . . . . . . . . . . . . 1.6.3 Transform ee de Laplace . . . . . . . . . . . . . . . . . . 1.7 S erie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.8 Corr elation et densit es spectrales . . . . . . . . . . . . . . . . . 1.8.1 Signaux ` a energie nie . . . . . . . . . . . . . . . . . . . 1.8.2 Signaux ` a puissance moyenne nie . . . . . . . . . . . . 1.8.3 Densit es spectrales . . . . . . . . . . . . . . . . . . . . . 1.8.4 Th eor` eme de Parseval . . . . . . . . . . . . . . . . . . . 1.9 Filtrage analogique . . . . . . . . . . . . . . . . . . . . . . . . . 1.9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . 1.9.2 Filtres stables physiquement r ealisables . . . . . . . . . 1.9.3 Fr equence de coupure et bande passante . . . . . . . . . 1.9.4 Transformations de fr equences . . . . . . . . . . . . . . 1.9.5 Synth` ese des ltres analogiques . . . . . . . . . . . . . . 1.10 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 7 8 11 11 11 12 12 13 13 14 15 15 15 15 15 16 16 16 17 18 18 20 20 21 23 23 23 24 24 25 25 26 26 27 27 43

2 Echantillonnage/Quantication 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . 2.2 Echantillonnage . . . . . . . . . . . . . . . . . . . . 2.2.1 Principe . . . . . . . . . . . . . . . . . . . . 2.3 Transform ees dun signal echantillonn e . . . . . . . 2.3.1 Transform ee de Laplace . . . . . . . . . . . 2.3.2 Transform ee en z . . . . . . . . . . . . . . . 2.3.3 Transform ee en z inverse . . . . . . . . . . 2.3.4 Equations aux di erences . . . . . . . . . . 2.3.5 Transform ee de Fourier discr` ete (TFD) . . 2.3.6 Convolution discr` ete . . . . . . . . . . . . . 2.4 Energie et puissance dun signal num erique . . . . 2.5 Quantication . . . . . . . . . . . . . . . . . . . . . 2.5.1 Principe et caract eristiques de la conversion 2.5.2 Structures dun CNA . . . . . . . . . . . . 2.5.3 Structures dun CAN . . . . . . . . . . . . 2.6 Corr elation num erique . . . . . . . . . . . . . . . . 2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . 3 Filtrage num erique 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . 3.2 Filtres ` a r eponse impulsionnelle nie (RIF) . . . 3.2.1 Synth` ese par la m ethode des fen etres . . . 3.2.2 M ethode de l echantillonnage fr equentiel . 3.3 Filtres ` a r eponse impulsionnelle innie (RII) . . . 3.3.1 M ethode de lInvariance Impulsionnelle . 3.3.2 Synth` ese par la Transformation bilin eaire 3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

47 48 48 48 52 52 52 54 55 55 56 58 58 58 62 64 66 68 71 72 78 80 85 86 86 87 89

Bibliographie
[1] B. Picinbono, Th eorie des signaux et des syst` emes, 1989, 260 pages, Dunod Universit e. ISBN 2-04-018837-1. [2] F. de Coulon, Th eorie et traitement des signaux, Dunod, Paris, 1985. [3] J. Max et J.-L. Lacoume, M ethodes et techniques de traitement du signal et application aux mesures physiques, Masson, Paris, 1996. [4] J.-P. Delmas, El ements de th eorie du signal : les signaux d eterministes, Ellipses, Paris, 1991. [5] M. Labarr` ere, J.-P. Krief et B. Gimonet, Le ltrage analogique, C epadu` es editions, Toulouse, 1982. [6] P. Duvaut, Traitement du signal : concepts et applications, Herm` es, Paris, 1991. [7] J. Wade, Codage et traitement du signal, Masson, Paris, 1991. [8] S. Wilson, Digital modulation and coding, Prentice-Hall, Upper Saddle River, 1996. [9] M. Kunt, Traitement num eriques des signaux, Dunod, Paris, 1991. [10] M. Bellanger, Traitement num eriques des signaux, Masson, Paris, 1991. [11] R. Boite et H. Leich, Les ltres num eriques, Masson, Paris, 1990. [12] T. Parks et C. Burros, Digital lter Design, John Wiley & Sons, 1987. [13] K. Castleman, Digital Image Processing, Prentice Hall, 1996. [14] A. Bovik, Handbook of Image and Video Processing, Academic Press, 2000.

Chapitre 1

Rappels de Premi` ere Ann ee

Joseph Fourier (21 mars 1768 ` a Auxerre - 16 mai 1830 ` a Paris) est un math ematicien et physicien fran cais connu pour ses travaux sur la d ecomposition de fonctions p eriodiques en s eries trigonom etriques convergentes appel ees s eries de Fourier. Il a et e instruit par les B en edictins ` a lEcole militaire dAuxerre. Il etait destin e ` a l etat monastique, mais il pr ef era sadonner aux sciences. Il a particip e` a la R evolution, manquant de peu de se faire guillotiner durant la Terreur, il a et e sauv e de justesse par la chute de Robespierre. Il int` egre lEcole Normale Sup erieure, o` u il aura comme professeur entre autres Joseph-Louis Lagrange. Fourier est connu pour sa th eorie analytique de la chaleur (1822). Cest ` a Grenoble quil conduit ses exp eriences sur la propagation de la chaleur qui lui permettront de mod eliser l evolution de la temp erature au travers de s eries trigonom etriques. Ces travaux qui apportent une grande am elioration ` a la mod elisation math ematique de ph enom` enes ont contribu e aux fondements de la thermodynamique.

1.1

Introduction

e Traitement du Signal (TdS) est une discipline indispensable que tout ing enieur doit conna tre. Lam elioration des performances des syst` emes au cours des trente derni` eres ann ees est due, pour une grande part, ` a lapplication des techniques de traitement du signal. Cest le cas notamment en imagerie m edicale, en t el ephonie et t el ecommunication. Un syst` eme dimagerie echographique par ultra-sons, lIRM ou encore les RADAR actuels sont des inventions dont les performances (en termes de pr ecision et de rapidit e) sont sans commune mesure avec les premiers prototypes apparus. Les structures mat erielles sont sensiblement les m emes, mais les techniques de traitement de signal faisant appel ` a des traitements num eriques sophistiqu es ont et e int egr ees pour permettre dextraire de lecho sonore ou de limage reconstitu ee une quantit e plus grande dinformations. Les implications en ce qui concerne un diagnostic m edical, la surveillance dune zone a erienne ou sous-marine ou encore la localisation de pannes sont imm ediates. Lobjectif du traitement du signal appara t alors comme un outil math ematique employ e pour extraire un maximum dinformations utiles sur un signal perturb e par du bruit. Les signaux utiles sont souvent perturb es par des signaux parasites (le bruit) qui les masquent parfois compl` etement. Pour att enuer, sinon supprimer ce bruit il faut en conna tre les caract eristiques ainsi que celles du signal utile. Cest pourquoi le traitement du signal est une discipline tr` es math ematique. Les techniques utilis ees peuvent etre appliqu ees ` a un signal analogique (continu) mais compte tenu de leur complexit e, un traitement num erique simpose presque toujours. Il est rendu possible gr ace ` a la puissance des circuits de calculs et des ordinateurs modernes. En ce qui concerne ce cours, nous allons tout dabord fournir quelques rappels par le biais dexercices se rapportant aux notions vues en premi` ere ann ee. La plupart des notions sont fournies dans ce document, mais toutes ne pourront pas etre trait ees de nouveau. Il sagit essentiellement de revoir bri` evement la repr esentation des signaux d eterministes, les th eor` emes fondamentaux en traitement du signal et du ltrage analogique lin eaire. Le chapitre I est donc plus un document de rappel quun support de cours en pr esence des etudiants. Nous aborderons alors le traitement num erique du signal, en commen cant par les processus dacquisition (Chapitre 2) puis en pr esentant les outils employ es dans ce cas pour terminer sur l etude du comportement des signaux num eriques et du ltrage num erique de ces signaux (Chapitre 3).

Signal : Support de linformation transmise de sa source ` a sa destimation. En fonction de la nature du support, on parle par exemple de : signal electrique (t el ephonie), onde electromagn etique (t el ecommunication), onde acoustique (sonar), onde lumineuse (bre optique), signal binaire (ordinateur).

On parle egalement de signal de mesure, de commande, de signaux vid eo, audio,

etc...en fonction de la nature de linformation transmise. Th eorie du signal : Cest la description math ematique des signaux quelque soit leur nature et quelque soit le support physique. Lobjectif est d etablir une repr esentation dun signal en fonction du temps ou de lespace contenant une information ` a stocker, ` a transformer, ` a transmettre ou ` a recevoir. La th eorie du signal ne pr ejuge pas de la nature physique du signal. Bruit : Toute perturbation superpos ee ` a un signal et g enant la perception de ce signal. Traitement du signal : A laide dune formulation math ematique ad equate, le traitement du signal ` a pour principales fonctions de (voir Fig. 1.1) : Filtrer : eliminer dun signal des composantes ind esirables, D etecter : Extraire une composante utile dun signal et/ou du bruit de fond qui lui est superpos e, Analyser : Isoler les composantes et les caract eristiques essentielles dun signal pour mieux en comprendre la nature, Mesurer : Estimer la valeur dune grandeur caract eristique associ ee au signal. R eg en erer Redonner ` a un signal qui a et e distordu sa forme initiale. Identier : Classer un signal observ e. Synth etiser : Cr eer un signal de forme appropri ee. Moduler : Modier les caract eristiques dun signal pour ladapter ` a une voie de transmission ou un support denregistrement. Codage : Traduire le signal en langage num erique, r eduire les redondances dinformations et lutter contre linuence du bruit.

Domaine dapplication T el ecommunications, T el ephonie, Radar, Sonar, Traitement dimages, Astronomie, G eophysique, Automatique, ....

Dans les t el ecommunications : que ce soit dans le domaine de la t el ephonie ou dans le transfert de donn ees num eriques terrestre ou via satellite, la compression des donn ees est primordiale pour exploiter au mieux la bande passante disponible, et minimiser les pertes. La suppression d echos est un autre domaine dapplication. En audio : on cherche ` a am eliorer les techniques denregistrement et de compression pour obtenir la plus grande qualit e sonore possible. Les techniques de correction d echo permettent de r eduire les eets de r eexions acoustiques dans la pi` ece. Le traitement du son sest largement am elior e gr ace aux ordinateurs. La synth` ese sonore permet en outre de cr eer des sons articiels ou de recr eer les sons dinstruments naturels. Elle a et e` a lorigine de nombreux bouleversements en musique. Lanalyse des echos permet dobtenir des informations sur le milieu sur lequel les ondes se sont r e echies. Cette technique est exploit ee dans le domaine de limagerie radar ou sonar. En g eophysique, en analysant les r eexions dondes acoustiques, on peut d eterminer l epaisseur et la nature des strates du sous-sol. Cette technique est utilis ee dans le domaine de la prospection mini` ere et dans la pr ediction des tremblements de terre. En imagerie : on trouve des applications dans le domaine m edical (reconstruction tomographique, imagerie par r esonance magn etique - IRM), dans le spatial (traitement de photos satellites ou dimages radar). Ce domaine inclut aussi les techniques de reconnaissance de formes et de compressions. Le traitement de s equences vid eo concerne la compression, la restauration, la r ealisation deets sp eciaux, lextraction de descripteurs (reconnaissance de formes et textures, suivi de mouvements, caract erisation etc.) an de produire des annotations automatiques dans une perspective de bases de donn ees (recherche par le contenu).

Systme physique Capteur Bruit

Canal de transmission Bruit

Rcepteur Bruit

Traitement

Information utile + bruit rsiduel

Figure 1.1 Synoptique dune cha ne classique de traitements dun signal.

10

1.2

Repr esentation des Signaux D eterministes

Les signaux d eterministes renferment une information dont l evolution en fonction du temps peut etre parfaitement pr edite par un mod` ele math ematique (au contraire des signaux al eatoires/stochastiques). Nous pr esentons dans cette section quelques fonctions math ematiques ainsi que leurs propri et es, supports de signaux el ementaires et utilis ees tout au long du cours de traitement du signal.

1.2.1

Fonction signe
1 si a si sgn(t) = 1 si t<0 t=0 t>0 (1.1)

avec a quelconque (par convention a = 0). On a alors : sgn(t) = t |t|

sgn(t) 1 0 t 1

t=0.

(1.2)

1.2.2

Fonction echelon (unit e)

1 si 0 si (t) = a si t>0 t<0 t=0 (1.3)

avec a quelconque (par convention a = 1/2). On a alors : (t) = 1 1 + sgn(t) t . 2 2

( t) 1 0 t

(1.4)

11

1.2.3

Fonction rectangle
0 1 rect(t) = a si |t| > 1/2 si |t| < 1/2 si |t| = 1/2 (1.5)

avec a quelconque (par convention a = 1/2). On a alors : rect(t) = (t + 1/2) (t 1/2)

rect(t) 1 0 1/2 1/2 t

(1.6)

Propri et e : la fonction rect(t) est normalis ee, car la surface (sous la courbe) est unitaire.
Question 1 : Tracer la fonction (porte) A rect( t T ) .

Question 2 : Calculer

rect(t) dt .

1.2.4

Fonction triangle
tri(t) = 1 |t| si 0 si
tri(t) 1 0 1 1 t

|t| 1 |t| > 1

(1.7)

La fonction triangle est elle aussi normalis ee :

tri(t) dt = 1 .

12

1.2.5

Fonction sinus cardinal

sinc(t) =
1 0.8 0.8 0.6 0.4 0.2 0 0.2 0.2 0.4 4 0 4 0.6

sin( t) t
1

(1.8)

0.4

(a)

(b)

Figure 1.2 (a) fonction sinc(t). (b) fonction sinc(t)2 . La fonction sinus cardinal est elle aussi normalis ee : Dautre part, on a :
+ +

sinc(t) dt = 1 .

sinc2 (t) dt = 1.

1.2.6

Impulsion unit e (distribution de Dirac)

+

Math ematiquement, cest une fonction (distribution) d enie par f (t) (t) dt = f (0) ,

(1.9)

quelle que soit la fonction f (t).

( t ) 1 0 t

Remarque : sur la gure ci-dessus, 1 correspond ` a laire sous la courbe, pas ` a la hauteur qui est . La fonction de Dirac est normalis ee :
+

(t) dt = 1 .

(1.10)

Dautre part, on a :
t

( ) d =

0 si 1 si

t<0 t>0

= (t)

(1.11)

On dit que (t) est la primitive de (t) ou bien que (t) est la d eriv ee de (t) (au sens des distributions). Limpulsion de Dirac est un signal non r ealisable. Physiquement, on a coutume de mod eliser une impulsion de Dirac par un signal rectangle (porte) dont la largeur tend vers 0 et lamplitude tend vers linni.

13

Limpulsion de Dirac est egale ` a la limite de nombreuses familles de fonctions, ainsi : 1 t limT + T rect( T ) (t) = limT + limT +
1 T 1 T t tri( T ) t sinc( T )

(1.12)

Propr et es de la fonction de Dirac 1. (t) = 0 si t = 0, 2. f (t) (t) = f (0) (t) 3. (k t) =

1 |k|

et

f (t) (t T ) = f (T ) (t T ),

(t) .

R eponse impulsionnelle La r eponse impulsionnelle est simplement d enie comme etant la r eponse dun syst` eme physique dont lentr ee est une impulsion de Dirac. Elle permet de caract eriser les syst` emes lin eaires dans le domaine temporel.

1.2.7

Fonction peigne de Dirac (fonction d echantillonnage)

k=+

La fonction T (t) est d enie par : T (t) =

k=

(t kT ).

(1.13)

Cette fonction est appel ee fonction d echantillonnage car selon la propri et e2 (voir ci-dessus) on a, pour tout signal f (t) :
k=+

f (t) T (t) =
k=

f (kT ) (t kT ).

(1.14)

T ( t ) 1 0
3T 2T T T 2T 3T

f(t) ( t )
T

f(3T) f(2T) f(T) 1 f(T)

f(3T) f(2T)

t
3T 2T T

0
T 2T 3T

(a)

(b)

Cela revient ` a ne retenir que les valeurs de la fonction continue f (t) aux instants d echantillonnage, ` a savoir T , 2T , 3T ... 14

1.3
1.3.1

Energie et Puissance
Energie dun signal

Soit x(t) un signal quelconque (fonction complexe), L energie sur [t1 , t2 ] est d enie par :
t2

Wx (t1 , t2 ) =
t1

|x(t)|2 dt .

(1.15)

o` u la notation |x(t)|2 signie x(t) x (t) .

1.3.2

Puissance moyenne dun signal

Soit x(t) un signal quelconque (fonction complexe), La puissance moyenne sur [t1 , t2 ] est d enie par : Px (t1 , t2 ) = 1 t2 t1
t2 t1

|x(t)|2 dt .

(1.16)

Cas particulier des signaux p eriodiques de p eriode T0

k=+

x(t) =
k=

xp (t kT0 ) ,

(1.17)

o` u xp (t) est le signal sur une p eriode T0 , alors la puissance moyenne sur une p eriode est egale ` a: Px = 1 T0
+T0 /2 T0 /2

|x(t)|2 dt =

1 T0

|xp (t)|2 dt .

(1.18)

1.4
1.4.1

Classication des signaux

Signaux ` a energie nie
+

Un signal x(t) est dit ` a energie nie sil est de carr e sommable, cest-` a-dire si Wx =

|x(t)|2 dt < .

(1.19)

Ce qui implique que Px = 0 .

15

1.4.2

Signaux ` a puissance moyenne nie

+T /2 T /2

Un signal x(t) est dit ` a puissance moyenne nie si Px = limT + 1 T |x(t)|2 dt < . (1.20)

Cas des signaux p eriodiques de p eriode T : Px = 1 T

t0 +T /2 t0 T / 2

|x(t)|2 dt < .

(1.21)

Si Px = 0, alors Wx = (signal ` a energie totale innie). Exemple : Calculer la puissance moyenne du signal r eel et sinuso dal repr esent e par la fonction x(t) = A cos(t + ).

1.4.3

Causalit e

Un signal x(t) est dit causal ssi x(t) = 0 , t < 0 . Un signal x(t) est dit anti-causal ssi x(t) = 0 , t > 0 . Remarque : Dans le cas dun ltre que lon veut r ealiser en temps r eel, il va de soit que sa r eponse ne peut etre que post erieure ` a lexcitation. Cest pourquoi, on imposera que sa r eponse impulsionnelle soit causale.

1.4.4

Parit e

Un signal x(t) est pair si x(t) = x(t) ou impair si x(t) = x(t). Tout signal r eel x(t) est la somme dun signal pair xp (t) et dun signal imx(t) pair xi (t) : x(t) = xp (t) + xi (t) o` u xp (t) = x(t)+2 et xi (t) = x(t)2x(t) . Exemples : - Quelle est la parit e des signaux x(t) = et sin(t + ) (sinuso de att enu ee) t2 (gauche) et x(t) = e sin(t + ) (droite) repr esent es ci-dessous pour les valeurs = 0.25, = /6 et = 3 rad/s :
15 1

10 0.5 5 0 0 0.5 5

10 10

10

1 10

10

16

1.5

Produit de convolution

On appelle produit de convolution entre deux fonctions x(t) et h(t), lop eration (not ee egalement ) d enie par :
+

(x h)(t) =

x( ) h(t ) d

(1.22)

Si la r eponse impulsionnelle dun syst` eme lin eaire (comme un ltre, par exemple) est repr esent ee par la fonction h(t), la sortie du signal y (t) sobtient comme le produit de convolution de lentr ee x(t) avec la r eponse impulsionnelle h(t).

x(t)

Systme linaire h(t) : rponse impulsionnelle y(t) = x(t) * h(t)

y(t)

La convolution est leet que produit un instrument de mesure qui donne dun ph enom` ene physique non pas une r eponse nette, mais un peu oue. Limage dun point dans un instrument doptique nest jamais r eellement un point mais une t ache. Dans le domaine electronique, on retrouve le m eme ph enom` ene : une impulsion inniment br` eve appliqu ee ` a lentr ee dun amplicateur ne donne jamais en sortie une impulsion br` eve, mais un signal de dur ee non nulle (dautant plus etroite que la bande-passante de lappareil est plus elev ee). Le produit de convolution repr esente l evolution de la valeur de laire contenue sous le produit des deux fonctions en fonction du temps. Il exprime la quantit e de recouvrement de la fonction x(t) lorsquon la d eplace sur la fonction h(t).

Figure 1.3 Interpr etation du produit de convolution entre f (t) et g (t).

17

Propri et es Le produit de convolution est une op eration commutative et distributive par rapport ` a laddition. La fonction de Dirac est l el ement neutre du produit de convolution : (t ) f (t) = f (t ) (1.23)

Le produit de convolution de deux signaux repr esent es par leurs fonctions temporelles correspond dans le domaine fr equentiel au produit de leurs transform ees de Fourier respectives (Th eor` eme de Plancherel). Si x(t) et y (t) sont des signaux causaux, en ecrivant les in egalit es quils v erient x( ) = 0 <0 y (t ) = 0 > t on obtient une expression simpli ee et tr` es utile de la convolution :
t

(x y )(t) =
0

x( ) y (t ) d

(1.24)

1.6
1.6.1

Transformations fr equentielles
Transform ee de Fourier

La repr esentation temporelle peut etre susante dans tous les cas o` u la forme du signal et la nature du traitement restent simples. Dans la r ealit e, les signaux nont pas toujours une forme simple soit en raison de la nature de linformation quils portent, soit en raison du traitement quils doivent subir. Lunique repr esentation du signal en fonction du temps sav` ere insusante : elle ne permet plus dinterpr eter correctement linformation. Dans de tels cas, la repr esentation du signal en fonction de la fr equence est tr` es utile. La transform ee de Fourier est un outil math ematique qui permet d etablir une dualit e entre deux repr esentations di erentes dun signal mais compl ementaires au niveau de linterpr etation des r esultats. Elle eectue le passage du domaine temporel au domaine spectral (fr equentiel). Son r esultat est appel e spectre dun signal. La transform ee de Fourier du signal x(t) , not ee F [x(t)] = X ( ), est d enie par :
+

F [x(t)] = X ( ) =

x(t) e2jf t dt , ( = 2f )

(1.25)

Elle existe si x(t) est de classe L1 ( un nombre ni de discontinuit es.

|x(t)|dt < +) et si le signal pr esente

18

La transform ee de Fourier inverse de X ( ) est le signal x(t) = F 1 [X ( )] d eni par : + 1 x(t) = F 1 [X ( )] = X ( ) ejt d (1.26) 2 X ( ) est une fonction qui est ind ependante du temps. Cest une fonction complexe que lon peut ecrire sous la forme module et phase : X ( ) = |X ( )| exp(( )) ou sous la forme de partie r eelle et de partie imaginaire : X ( ) = Re(X ( )) + j I m(X ( )) avec
+ +

Re(X ( )) =

x(t) cos(t) dt

et

I m(X ( )) =

x(t) sin(t) dt .

(1.27) On enonce ci-dessous quelques propri et es importantes concernant la transform ee de Fourier : 1. La transform ee de Fourier est inversible si x(t) est un signal ` a energie nie. 2. Lin earit e : F [a x(t) + b y (t)] = a X ( ) + b Y ( ) 3. Changement d echelle : F [x(at)] =
1 |a|

X( a)

4. Translation en temps : F [x(t a)] = X ( ) eja (retard, si a > 0), 5. Translation en fr equence : F [x(t) ej0 t ] = X ( 0 ) ,
x(t) n 6. D erivation : F [ d dt X ( ), n ] = (j )
n

7. Int egration : X ( ) =

1 j

(t) F [ dx ( ) o` ux est la valeur moyenne dt ] + 2 x 1 T0 T0 /2 T0 /2

de x(t) ( x = limT0 +

x(t) dt),

8. Conjugaison : F [x (t)] = X ( ), 9. Dualit e : F [x(t)] = Y ( ) F [y (t)] = 2X ( ), 10. Parit e : x(t) = xp (t) + xi (t) X ( ) = F [xp (t)] + F [xi (t)], 11. Si x(t) est r eel, alors Re(X ( )) = F [xp (t)] est une fonction r eelle et j I m(X ( )) = F [xi (t)] est une fonction imaginaire. 12. Si x(t) est r eel pair, alors X ( ) est r eel pair. Si x(t) est r eel impair, alors X ( ) est imaginaire impair. 13. F [ (t)] = 1, 14. F [1] = 2 ( ),

19

15. F [ (t )] = ej , 16. F [ej0 t ] = 2 ( 0 ), 17. F [cos(0 t)] = ( 0 ) + ( + 0 ), Ainsi, la translation temporelle (propri et e 4) ne change pas le module de la transform ee de Fourier, mais introduit un d ephasage sur le spectre complexe. On appelle egalement cette propri et e propri et e de modulation.

1.6.2

Th eor` eme de Plancherel

Ce th eor` eme met en exergue la dualit e entre temps et fr equence. Il s enonce ainsi : La transform ee de Fourier dun produit de convolution de leurs fonctions temporelles est le produit des transform ees de Fourier : x(t) y (t) x(t) y (t)
TF 1 2 TF

X (f ) Y (f ) X (f ) Y (f )

(1.28)

1.6.3

Transform ee de Laplace

A lorigine de la transformation de Laplace, on trouve lid ee que, si une fonction x(t) nest pas sommable en valeur absolue, il est n eanmoins int eressant de d enir la transform ee de Fourier du produit x(t) et , du moins si il existe un nombre r eel tel que le produit ci-dessus soit sommable en valeur absolue. Consid erons donc une fonction x(t) et un intervalle , tels que pour le r eel , lint egrale
+

|x(t) et | dt

(1.29)

converge. On d enit alors la transform ee de Laplace bilat erale X (s) de x(t) :

+

L[x(t)] = X (s) =

x(t) est dt

(1.30)

o` u s est une variable complexe s = + j .

20

1.7

S erie de Fourier

Un signal x(t) peut se d ecomposer en une somme innie de fonctions sinuso dales d ependant du temps qui peut etre exprim ee par une combinaison lin eaire de fonctions exponentielles complexes sur lintervalle temporel [0, T0 = 1/f0 ] :
+

x(t) =

cn ej 2nf0 t , t [0, T0 ] ,

(1.31)

n etant une valeur enti` ere. Les coecients de la s erie de Fourier, cn , sont ind ependants du temps et sexpriment de la mani` ere suivante : cn = 1 T0
T0 0

x(t) ej 2nf0 t dt ,

(1.32)

Si x(t) est p eriodique de p eriode T0 = f10 , f0 repr esente la fr equence du fondamental et nf0 (n > 1) repr esente la fr equence des di erents harmoniques. Dans un contexte d etude r eduit aux signaux ` a energie nie, on introduit ici une bijection entre deux repr esentations de ces signaux : lune temporelle et lautre fr equentielle. Si ces signaux sont p eriodiques et donc ` a energie innie sur R, il nexiste plus de transform ee de Fourier au sens des fonctions, mais ces signaux, pourvu quils soient continus, admettent une d ecomposition en s erie de Fourier, ce qui nous permet de conserver une repr esentation fr equentielle aux moyens des coecients descriptifs de la s erie. Lensemble des valeurs cn (en g en eral complexes) constitue le spectre du signal ; qui est alors discret. Ces valeurs d esignent lamplitude et la phase des harmoniques (multiples du fondamental). Lexemple type est la fonction sinus qui na pas de transform ee de Fourier au sens des fonctions, mais qui se d ecompose ais ement (et pour cause) en s erie (trigonom etrique) de Fourier pour obtenir deux coecients (b1 et b1 ) qui correspondent ` a deux impulsions Dirac fr equentielles. Remarques : c0 =
1 T0 T0 0

x(t) dt = valeur moyenne de x(t) sur [0, T0 ] .

Si x(t) est un signal r eel, alors cn = cn . Si x(t) est p eriodique de p eriode T0 , alors x(t) = x(t + T0 ) et
+

x(t) =

cn ej 2nf0 t , t .

(1.33)

On peut d ecomposer x(t) sous la forme equivalente ` a (1.31) :

+

x(t) = a0 +
1

(an cos(2nf0 t) + bn sin(2nf0 t))

(1.34)

avec 21

 an =

bn = 0 = 2f0 . et cn =

2 T0 2 T0

T0 0 T0 0

x(t) cos(n0 t) dt =

2 T0

x(t) sin(n0 t) dt =

T0 /2 x(t) cos(n0 t) dt T0 /2 T / 2 0 2 x(t) sin(n0 t) T0 T0 /2

dt avec

an jbn 2

pour n > 0, cn =

an +jbn 2

pour n < 0 et c0 = a0 .

Si le signal x(t) est pair, alors les coecients bn sont tous nuls. Si le signal x(t) est impair, alors les coecients an sont tous nuls. Interpr etation : la forme complexe de la d ecomposition en s erie de Fourier est la formulation la plus usuelle. Elle fait appara tre des harmoniques de fr equences positives et n egatives qui servent math ematiquement ` a reconstituer lensemble du signal. N eanmoins, cette d ecomposition na pas de r ealit e physique en ce qui concerne la partie associ ee aux fr equences n egatives. Elle est utilis ee en traitement du signal car elle permet bien souvent une simplication des calculs.

On peut montrer que si x(t) de p eriode T0 est une fonction continue et que sa d eriv ee premi` ere temporelle x (t) est continue par morceaux, alors la s erie de Fourier de x(t) converge uniform emement vers x(t). La notion de spectre dun signal p eriodique est bien connue des musiciens : deux instruments jouant la m eme note fournissent deux signaux de m eme fr equence ; ils sont identiables parce que les amplitudes des harmoniques sont di erentes. Cest la r epartition des amplitudes sur les divers harmoniques qui est caract eristique dun instrument : cest son timbre.

22

1.8
1.8.1

Corr elation et densit es spectrales

Signaux ` a energie nie

La corr elation est une mesure energ etique de la similitude de forme et de position entre deux signaux d ecal es. Pour des signaux r eels ` a energie nie, on d enit lautocorr elation et lintercorr elation de la mani` ere suivante : Autocorr elation : corr elation entre le signal x(t) et lui-m eme :
+

xx ( ) =

x(t) x (t ) dt .

(1.35)

Intercorr elation : corr elation entre le signal x(t) et le signal y (t) :

+

xy ( ) =

x(t) y (t ) dt .

(1.36)

1.8.2

Signaux ` a puissance moyenne nie

Pour des signaux x(t) et y (t) ` a puissance moyenne nie, on d enit lautocorr elation par la relation : xx ( ) = lim 1 T + T
+T /2

x(t) x (t ) dt .
T /2

(1.37)

et de m eme, on d enit la fonction dintercorr elation par : xy ( ) = lim Propri et es : xx ( ) et xy ( ) sont homog` enes ` a une energie ( energie crois ee entre un signal et un autre retard e) ou ` a une puissance (deuxi` eme d enition). xy ( ) = 0 , signie que les signaux sont totalement d ecorrel es (signaux orthogonaux), |xy ( )|2 xx ( ) yy ( ) (in egalit e de Schwartz), |xx ( )| xx (0) , : la fonction dautocorr elation admet une valeur maximale en = 0. Comme la fonction dautocorr elation sert ` a mesurer le degr e de ressemblance entre un signal et sa version d ecal ee dans le temps, intuitivement, on con coit que la ressemblance est maximale lorsquon compare le signal avec lui-m eme, i.e., lorsque lon compare le signal avec sa version non d ecal ee dans le temps. 1 T + T
+T /2

x(t) y (t ) dt .
T /2

(1.38)

23

1.8.3

Densit es spectrales

En un mot, il sagit des transform ees de Fourier des fonctions de corr elation que lon vient daborder (appel es aussi relations de Wiener-Khintchine). On d enit alors : Densit e interspectrale de puissance : D.S.P.{x(t)} = F [xx ( )] = xx (f ) . (1.39)

Densit e spectrale de puissance : D.S.P.{x(t), y (t)} = F [xy ( )] = xy (f ) . (1.40)

1.8.4

Th eor` eme de Parseval

Lidentit e de Parseval traduit la conservation de l energie lors du passage ` a la transform ee de Fourier. On a donc :
+ +

E=

|x(t)|2 dt =

|X (f )|2 df

(1.41)

Domaine temporel

Domaine fr equentiel

Pour les signaux p eriodiques qui sont ` a energie innie, on calcule dans ce cas la puissance sur une p eriode T0 . En utilisant le d eveloppement en s erie de Fourier qui existe en vertu de la p eriodicit e, on trouve : P = 1 T0
T0 +

x(t) x (t) dt =
0

cn cn .

(1.42)

On en d eduit le th eor` eme de Parseval pour des signaux p eriodiques et qui traduit cette fois-ci la conservation de la puissance :
+ +

P =

(f ) df =

|cn |2

(1.43)

24

1.9
1.9.1

Filtrage analogique
Introduction

Nous allons aborder dans ce chapitre le ltrage des syst` emes lin eaires continus et invariants dans le temps (stationnaires). Le ltrage consiste ` a att enuer certains signaux et ` a en laisser passer dautres. Cette s election sop` ere bien evidemment en fonction des caract eristiques du signal recherch ees en sortie. Un ltre modie (ou ltre) certaines parties dun signal dentr ee dans le domaine temporel et dans le domaine fr equentiel. Dapr` es la th eorie de Fourier, tout signal r eel peut etre consid er e comme compos e dune somme de signaux sinuso daux (en nombre inni si n ecessaire) ` a des fr equences di erentes ; le r ole du ltrage est alors de modier la phase et lamplitude de ces composantes. Par exemple, agir sur la repr esentation fr equentielle pour la modier : le ltre ajoute ou enl` eve des graves ou des aigus en traitement de la parole, il corrige la r eponse en fr equence dun appareil (microphone, t el ephone,...). Un moyen de caract eriser un ltre est sa r eponse impulsionnelle h(t), cest-` adire le signal en sortie du ltre lorsque le signal dentr ee est une impulsion de Dirac, cest-` a-dire lorsque toutes les fr equences sont pr esentes ` a son entr ee (F [ (t)] = 1). Un autre moyen de caract eriser un ltre est de fournir sa fonction de transfert H ( ), qui peut etre obtenue en divisant le spectre fr equentiel du signal de sortie avec celui du signal de lentr ee du ltre

y (t) = h(t) x(t)

Y ( ) = H ( ) X ( )

(1.44)

Tout ltre lin eaire est enti` erement d ecrit par sa r eponse fr equentielle en amplitude |H ( )| (le gain) et sa r eponse de phase arg H ( )

|Y ( )| = |H ( )| |X ( )|

et

arg Y ( ) = arg H ( ) + arg X ( )

(1.45)

li ee ` a sa r eponse impulsionnelle. Du point de vue math ematique, un ltre continu a r ` eponse impulsionnelle innie peut etre d ecrit en terme d equations di erentielles lin eaires. Il est egalement possible dexprimer la fonction de transfert du ltre ` a laide de la transform ee de Laplace de leur r eponse impulsionnelle ; cette m ethode permet danalyser simplement le ltre en consid erant les p oles et les z eros de la transform ee de Laplace. Exemple Soit x(t) = ej0 t un signal ` a lentr ee dun ltre lin eaire continu caract eris e par sa r eponse fr equentielle {|H ( )| , arg H ( )}. Quelle est lexpression de la r eponse temporelle y (t) en sortie du ltre ? Rep : y (t) = |H (0 )| e(j0 t
+ j

arg

H (0 ))

25

1.9.2

Filtres stables physiquement r ealisables

Un ltre est physiquement r ealisable si sa r eponse en fr equence H ( ) correspond ` sa transform a ee de Laplace pour un signal dentr ee sinuso dal : H ( ) = L[h(t)](s=j) . Il existe plusieurs types de ltres lin eaires r ealisables : Les ltres passe-bas laissent passer les basses fr equences et coupent les hautes, Les ltres passe-haut laissent passeer les hautes fr equences et coupent les basses, Les ltres passe-bande ne laissent passer quune bande limit ee de fr equences, Les ltres coupe-bande, ` a linverse, laissent passer toutes les fr equences, sauf une bande sp ecique. Certains ltres ne sont pas con cus pour arr eter une fr equence, mais pour modier l eg` erement le gain ` a di erentes fr equences, comme les egaliseurs. Di erentes m ethodes de conception de ltres analogiques ont et e mises au point, chacune optimisant un point sp ecique, comme par exemple des ltres exhibant des caract eristiques particuli` eres : Les ltres de Butterworth, Les ltres de Tchebyshev, Les ltres elliptiques (ltres de Cauer). La conception des ltres lin eaires fait appel ` a un gabarit, qui rassemble les caract eristiques du gain fr equentiel d esir e. (1.46)

1.9.3

Fr equence de coupure et bande passante

La d enition g en erale de la fr equence de coupure dun ltre de fonction de transfert H (f ) (sortie sur lentr ee) est la fr equence fc telle que : |H (fc )| 1 = . max {|H (f )|} 2

(1.47)

Dans le cas dun ltre passe-bas, la fonction de transfert est maximale ` a lorigine, donc : 1 |H (fc )| = |H (0)| 20 log10 |H (fc )| 20 log10 |H (0)| = 3dB . (1.48) 2 La bande passante (BP) dun ltre analogique est lintervalle [finf , fsup ] de fr equences dans lequel le gain 20 log10 |H ( )| (ici exprim e en d ecibels) reste sup erieur ou egal ` a une valeur de r ef erence (par exemple 3 dB, correspondant 26

a une att ` enuation du gain de

2). Ainsi, pour les ltres les plus courants, on a :

Le ltre passe-bas : BP = [0, fsup ], Le ltre passe-haut : BP = [fsup , +], Le ltre passe-bande : BP = [finf , fsup ], Le ltre coupe-bande : BP = [0, finf ] [fsup , +] (appel e aussi ltre r ejecteur de bande).

1.9.4

Transformations de fr equences

A partir de la connaissance de la fonction de transfert dun ltre passe-bas normalis e (de fr equence de coupure unit e` a -3 dB), on peut construire par transformation du plan complexe et ` a partir de ce ltre de nouveaux ltres. Le ltre passe-haut de pulsation de coupure c sera donn e par la transformation : c H ( ) H , Le ltre passe-bande de pulsation de coupures basse l et haute u sera obtenu par : 2 + l u H ( ) H , (u l ) Le ltre coupe-bande de pulsation de coupures basse l et haute u sera obtenu par : (u l ) H ( ) H , 2 + l u

1.9.5

Synth` ese des ltres analogiques

Les sp ecications qui d enissent un gabarit sont les caract eristiques du ltre. On doit pr eciser : le gain du ltre dans la bande passante ( 0 dB), latt enuation du ltre en bande occup ee (typiquement 30 dB 90 dB), la fr equence de coupure (une dans le cas dun passe-bas ou dun passe-haut et deux dans le cas dun passe-bande ou dun coupe-bande), la largeur de bande de transition souhait ee qui g en eralement doit etre la plus petite possible, les eventuelles oscillations en bande passante et/ou att enu ee (typiquement 1 dB 0.01 dB).

27

Les ltres id eaux Filtre passe-bas id eal H ( ) = K ejT 0 si | | < c = 2 fc ailleurs (1.49)

|H( )| K

Figure 1.4 R eponse fr equentielle (gain) du ltre passe-bas.

Filtre passe-haut id eal H ( ) = K ejT 0 si | | > c = 2 fc ailleurs (1.50)

|H( )| K

Figure 1.5 R eponse fr equentielle (gain) du ltre passe-haut.

28

Filtre passe-bande id eal H ( ) = K ejT 0 si l < | | < u ailleurs (1.51)

|H( )| K

Figure 1.6 R eponse fr equentielle (gain) du ltre passe-bande.

Filtre coupe-bande id eal H ( ) = K ejT 0 si | | < l ou | | > u ailleurs (1.52)

|H( )| K

Figure 1.7 R eponse fr equentielle (gain) du ltre coupe-bande. Les ltres id eaux pr esentent un d ephasage lin eaire et ne sont pas physiquement r ealisables, car les r eponses fr equentielles id eales (ci-dessus) correspondent ` a une r eponse temporelle non-causale. Par exemple, en consid erant le ltre passe-bas c c esent ee o` u H ( ) = K ejT rect( 2 c ), on a : h(t) = K sinc( (t T )) repr ci-dessous :
h(t) K c T T c t

Figure 1.8 R eponse temporelle du ltre passe-bas id eal : une partie du signal nest pas nulle pour t < 0.

29

Il sensuit que les ltres qui vont pouvoir etre r eellement synth etis es nont pas de r eponse fr equentielle correspondant ` a la fonction porte, mais pourront sen rapprocher. Des caract eristiques qui exhibent ces di erences plus ou moins fortes vis-` a-vis de la fonction porte sont principalement les ondulations dans la bande passante et dans la bande att enu ee ainsi que la largeur de la transition. Les ltres que lon r ealise sur les signaux continus (cest-` a-dire non echantillonn es) sont compos es de r esistances, de capacit es, de self-inductances et damplicateurs op erationnels. De tels ltres r ealisent entre les repr esentations temporelles e(t) (lentr ee) et s(t) (la sortie du ltre) une relation int egro-di erentielle lin eaire ` a coecients constants. Par transformation de Fourier, cette relation conduit ` a un gain complexe qui est une fraction rationnelle, quotient de deux polyn omes en : N ( ) H ( ) = . (1.53) D( ) Il ne faut pas perdre de vue que la classe des ltres r ealisables sur des signaux continus sont ceux qui sont d enis par l equation fractionnelle (1.53).Nimporte quelle fonction de transfert de ce type peut etre r ealis ee par une association de quatre fonctions de transfert el ementaires : les ltres passe-bas du premier et du second ordre, les ltres passe-haut du premier et du second ordre.

|H( )| K K 2

ondulations (ripple) dans la bande passante

AK

ondulations dans la bande attnue l u

ondulations dans la bande attnue bande attnue

bande attnue

bande passante

bande de transition

bande de transition

Figure 1.9 D enitions et exemple de r eponse fr equentielle dun ltre r eel.

30

Les ltres r ealisables classiques Plusieurs param` etres vont caract eriser les gabarits des ltres r eels classiques. Il sagit de la s electivit e k qui repr esente un rapport de fr equences (ou de pulsations) caract erisant la bande passante, la pulsation centrale qui est la moyenne g eom etrique 0 des pulsations de coupures ou la largeur de bande relative B0 . Filtre passe-bas r eel H ( ) = 1 l (ordre 1) ; S electivit e: k= 1 + jT u
G(dB)= 20 log |H( )|
10

(0 < k < 1)

(1.54)

bande attnue u

Figure 1.10 R eponse fr equentielle (gain en dB) dun ltre passe-bas r eel caract eris e par la s electivit e k.

Filtre passe-haut r eel H ( ) = jT l (ordre 1) ; S electivit e: k= 1 + jT u

G(dB)= 20 log |H( )|
10

(0 < k < 1)

(1.55)

bande attnue

Figure 1.11 R eponse fr equentielle (gain en dB) dun ltre passe-haut r eel caract eris e par la s electivit e k.

31

Filtre passe-bande r eel S electivit e: k= l+ u u+ l 0 = (0 < k < 1) l+ u l+ u 0 (1.56) (1.57) (1.58)

Pulsation centrale :

Largeur de bande relative :

G(dB)= 20 log |H( )|
10

B0 =

bande attnue

l+

u+

Figure 1.12 R eponse fr equentielle (gain en dB) dun ltre passe-bande r eel caract eris e par k , 0 et B0 . Filtre coupe-bande r eel S electivit e: k= l+ u u+ l 0 = (0 < k < 1) l u+ u+ l 0 (1.59) (1.60) (1.61)

Pulsation centrale :

Largeur de bande relative :

G(dB)= 20 log |H( )|
10

B0 =

bande attnue
u

l+

u+

Figure 1.13 R eponse fr equentielle (gain en dB) dun ltre coupe-bande r eel caract eris e par k , 0 et B0 .

32

M ethode Dune mani` ere g en erale, la synth` ese dun ltre analogique requiert la connaissance des caract eristiques fr equentielles que lon vient de voir dans la section pr ec edente ou la repr esentation graphique du gain de sa fonction de transfert par le gabarit. De plus, comme tout ltre lin eaire continu v erie l equation (1.53), la combinaison de ltres el ementaires peut permettre la r ealisation de ltres en cascade, donc de ltres dordres sup erieurs. La synth` ese de tels ltres ne peut pas se faire ais ement si on consid` ere lensemble des ltres el ementaires un ` a un. Dune mani` ere g en erale, on pr ef` ere d ecomposer l equation (1.53) en deux cat egories : les ltres polyn omiaux, dont le gain de la fonction de transfert est de la forme : K0 |H ( )|2 = p( ) o` u p( ) est un polyn ome. les ltres elliptiques.

Figure 1.14 Comparaison des principaux ltres analogiques.

33

Filtres polyn omiaux Filtres de Butterworth La famille des ltres de Butterworth pr esente les caract eristiques communes suivantes : Pas dondulation, ni dans la bande passante, ni dans la bande att enu ee, Att enuation la plus constante possible dans la bande passante (r eponse la plus plate).
|H( )| 1 1
00000000 11111111 11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111

00000000 11111111 00000000 1+ 2 11111111 000000000 111111111 111111111 000000000 000000000 111111111

1 A

Figure 1.15 Gabarit dun ltre de Butterworth.

Figure 1.16 Filtres de Butterworth dordre 1 ` a 5. La forme g en erale du gain (au carr e) dun ltre de Butterworth dordre n est la suivante : |H ( )|2 = En g en eral, on consid` ere 1 1 + ( /c )2n ; n>0
2 1 /2

(1.62) ) = 3 dB.

= 1, ce qui conduit ` a 20 log10 (1 +

34

Pour qu` a la fr equence normalis ee c = 1/k , on ait une att enuation du gain de 1/A, on peut montrer quil faut v erier lin egalit e suivante : ln (1.63) ln k o` u est la constante datt enuation = / A2 1. Ceci permet dobtenir une m ethode de d etermination de lordre (minimum) du ltre. n G en eriquement, la transform ee de Laplace H (s) dun ltre de Butterworth est de la forme : H (s) = K0 n i=1 (s pi ) , (1.64)

cest-` a-dire constitu ee de n p oles pi situ es (dans le plan complexe) sur un 1/2 arc de cercle de rayon 1/n , cest-` a-dire tels que : pi = et K0 = (pi ) = 1/ .
1 n

ej

2i1 (1 2 + 2n )

Figure 1.17 Poles dun ltre passe-bas de Butterworth dordre 4.

Ci-apr` es sont repr esent es les gains en fr equence des ltres de Butterworth respectivement dordre 8 et dordre 20 synth etis es avec Matlab, avec un taux dondulations de 3 dB dans la bande passante et de 50 dB dans la bande att enu ee. La courbe daaiblissement des ltres de Butterworth varie dune fa con monotone, ce qui implique que l ecart entre les sp ecications et la courbe de gain dans la bande passante sera toujours minimal ` a la fr equence de coupure et maximal a lorigine. `

35

Order 8 Butterworth IIR Filter 0 10 20 Magnitude (dB) 30 40 50 60 70 0 200 400 600 Frequency (Hz) 800 1000 Magnitude (dB) 0 10 20 30 40 50 60 70 0 200

Order 20 Butterworth IIR Filter

400 600 Frequency (Hz)

800

1000

(a)

(b)

Figure 1.18 Filtres de Butterworth. (a) ordre 8. (b) ordre 20. Filtres de Bessel Une fonction de transfert ayant une phase rigoureusement lin eaire aurait comme fonction de transfert A ej o` u est le retard inig e au signal dentr ee. Mais ce nest pas une fonction rationnelle, un tel ltre nest donc pas r ealisable. Les ltres de Bessel sont des ltres dont la fonction de transfert pour un degr e donn e est la meilleure approximation possible de lexponentielle pr ec edente. En se limitant au troisi` eme ordre dans le d eveloppement de Taylor de lexponentielle, on a lapproximation suivante de lexponentielle ej 1 (j )3 + 6 (j )2 + 15 j + 15 (1.65)

La fonction de transfert doit avoir un gain unit e pour le continu ( = 0), do` u la fonction de transfert du ltre de Bessel du troisi` eme ordre : H ( ) = (j )3 15 + 6 (j )2 + 15 j + 15 (1.66)

On voit que pour une fr equence elev ee, le gain tend vers 15/(j )3 est 15 fois sup erieur ` a celui du ltre de Butterworth de m eme degr e. Les ltres de Bessel ont une att enuation qui varie au-del` a de la fr equence de coupure beaucoup plus lentement que ceux de Butterworth. Pour cette raison, ils sont rarement utilis es sauf lorsque la lin earit e de la phase est essentielle. La famille des ltres de Bessel pr esente les caract eristiques communes suivantes : Pas dondulation, ni dans la bande passante, ni dans la bande att enu ee, Att enuation faible, Approxime le mieux possible un retard pur. La transform ee de Laplace H (s) dun ltre de Bessel est de la forme : H (s) = K0 Bn (s) ; n>0, (1.67)

o` u Bn (s) est un polyn ome de Bessel dordre n. Cest-` a-dire, d eni de mani` ere

36

r ecurrente par : Bn (s) = (2n 1) Bn1 (s) + s2 Bn2 (s) B0 (s) = 1, B1 (s) = s + 1 . 2n! et K0 = 2n n!

(1.68)

Les ltres de Bessel (appel es aussi de Thomson) ne pr esentent que des p oles et correspondent au cas dun ltrage ` a d ephasage lin eaire. Comme les ltres de Butterworth, les ltres de Bessel demandent des ordres importants pour v erier des sp ecications sur laaiblissement, ce qui les rend diciles ` a r ealiser avec des composants analogiques. La pulsation de coupure c varie avec lordre du ltre, et on montre que :
n

lim c = K0

1/n

(1.69)

Figure 1.19 Filtre de Bessel, de Butterworth et de Tchebyche.

Figure 1.20 Poles dun ltre passe-bas de Bessel dordre 4.

37

Filtres de Tchebyche (ou Chebyshev) Les ltres de Chebychev conduisent ` une diminution de lordre pour les m a emes sp ecications que pour les ltres que nous venons de voir. Il en r esulte une r ealisation plus ais ee. Cette famille de ltres est d ecompos ee en deux sous-familles : les ltres de type I qui correspondent ` a des ondulations uniquement dans la bande passsante et les ltres de type II qui, ` a loppos e, pr esentent des ondulations seulement dans la bande att enu ee. Filtres de type I La famille des ltres de Chebyshev de type I pr esente les caract eristiques communes suivantes : Ondulations dans la bande passante mais pas dans la bande att enu ee, Fitres optimaux au sens o` u il nexiste pas dautres ltres polyn omiaux du m eme ordre avec des performances sup erieures ou egales dans la bande passante ET dans la bande att enu ee.
|H( )| 1 1
11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111

00000000 11111111 00000000 11111111 00000000 1+ 2 11111111 111111111 000000000 000000000 111111111 000000000 111111111

1 A

(a)
|H( )| 1 1
11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111

00000000 11111111 11111111 00000000 00000000 1+ 2 11111111 111111111 000000000 000000000 111111111 000000000 111111111

1 A

(b)

Figure 1.21 Gabarit et ltres de Tchebyche de type I. (a) ordre impair. (b) ordre pair. La forme des ondulations dans la bande passante d epend de la parit e de lordre du ltre. La forme g en erale du gain fr equentiel (au carr e) dun ltre de Chebyshev de type I est la suivante : |H ( )|2 = 1+
2

1 2 (/ ) Tn c

; n >0

(1.70)

38

n est lordre du ltre. est le taux dondulations ripple factor) et caract erise lamplitude des oscillations dans la bande passante. Tn ( ) est un polyn ome de Chebyshev dordre n, qui est d eni par si | | 1 cos(n arccos( )) Tn ( ) = (1.71) cosh(n arccosh( )) si | | 1 Contrairement ` a ce quil parait de prime abord, ce sont bien des polyn omes. On peut en eet montrer ` a laide de formules trigonom etriques classiques que lon a: Tn+1 (x) = 2 x Tn (x) Tn1 (x) (1.72) avec T0 (x) = 1 et T1 (x) = x . Les polyn omes de Chebyshev passent par les points caract eristiques suivant Tn (1) = 1 et Tn (0) = 1 si n est pair, Tn (0) = 0 si n est impair. Pour |x| 1, Tn (x) oscille n fois entre 1 et 1 (ou, ce qui revient 2 (x) pr esente n extrema entre 0 et 1) tandis que pour |x| 1, ces au m eme, Tn polyn omes sont monotones croissants.

Figure 1.22 R eponse fr equentielle (gain) dun ltre de Tchebyche de type I dordre 4 pour = 1. On peut montrer que lordre n du ltre doit etre choisi tel que : n
1 ln ( + 1 ln ( k + 1 2 1 k2

1) (1.73) 1)

o` u k est la s electivit e du ltre (et correspond ` a la largeur de la bande de transition) et est la constante datt enuation = / A2 1. G en eriquement, la transform ee de Laplace H (s) dun ltre de Chebyshev I est de la forme : H (s) = K0 n i=1 (s pi ) , (1.74)

39

cest-` a-dire constitu ee de n p oles pi situ es (dans le plan complexe) sur une 1/2 ellipse, cest-` a-dire tels que : pi = et et K0 =
1 1+
2

1 (2i 1) 1 + (2i 1) sin +j cos 2 2n 2 2n

=(

1+ 1+

1 n

n i=1 (pi ) n i=1 (pi )

si si

n est pair n est impair (1.75)

Figure 1.23 Poles dun ltre passe-bas de Tchebyche (tupe I) dordre 4.

Order 8 Chebyshev Type I IIR Filter 0 10 20 Magnitude (dB) 30 40 50 60 70 0 200 400 600 Frequency (Hz) 800 1000 Magnitude (dB) 0 10 20 30 40 50 60 70 0

Order 16 Chebyshev Type I IIR Filter

200

400 600 Frequency (Hz)

800

1000

(a)

(b)

Figure 1.24 Filtres de Tchebyche de type I. (a) ordre 8. (b) ordre 20.

40

Filtres de type II (Tchebyche inverse) La famille des ltres de Chebyshev de type II pr esente les caract eristiques communes suivantes : M eme optimalit e que le ltre de Chebyshev de type I, Ondulations dans la bande att enu ee mais pas dans la bande passante.
|H( )| 1
11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111 11111111 00000000 00000000 11111111 00000000 11111111

|H( )| 1
11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111 11111111 00000000 00000000 11111111 00000000 11111111

111111111 000000000 000000000 111111111 000000000 111111111

1 1+ 2

111111111 000000000 000000000 111111111 000000000 111111111

(a)

(b)

Figure 1.25 Gabarit et ltres de Tchebyche de type II. (a) ordre impair. (b) ordre pair. La forme des ondulations dans la bande passante d epend de la parit e de lordre du ltre. La forme g en erale du gain fr equentiel (au carr e) dun ltre de Chebyshev de type II dordre n est la suivante : 1 1+
2

|H ( )|2 =

1 2 ( / ) Tn c

(1.76)

o` u Tn ( ) est un polyn ome de Chebyshev dordre n. Dans la bande att enu ee, le polyn ome de Chebyshev oscillera entre 0 et 1, et donc le gain oscillera entre 0 1 et . 1
1+
2

Figure 1.26 R eponse fr equentielle (gain) dun ltre de Tchebyche de type II dordre 5 pour = 0.01.

41

G en eriquement, la transform ee de Laplace H (s) dun ltre de Chebyshev II est de la forme : H (s) = K0
n i=1,i=(n+1)/2 (s n k=1 (s pk )

zi )

(1.77)

cest-` a-dire constitu ee de z eros situ es (dans le plan complexe) sur laxe imaginaire et de n p oles pi situ es sur un 1/2 cercle de rayon c .

Order 8 Chebyshev Type II IIR Filter 0 10 20 Magnitude (dB) 30 40 50 60 70 0 200 400 600 Frequency (Hz) 800 1000 Magnitude (dB) 0 10 20 30 40 50 60 70 0

Order 16 Chebyshev Type II IIR Filter

200

400 600 Frequency (Hz)

800

1000

(a)

(b)

Figure 1.27 Filtres de Tchebyche de type II. (a) ordre 8. (b) ordre 20.

42

1.10

Exercices

1. Que repr esente la composante continue dun signal ? Calculer la moyenne du signal x(t) = A + B sin(2t + ) illustr e ci-dessous

A Composante continue

Quel est le lien entre le premier terme de la d ecomposition en s erie de Fourier dun signal x(t) et la valeur moyenne de ce signal ? Rep : 21

2 0

(A + B sin(2t + ) dt = A .
1 T T 0

a0 /2 =

x(t) dt .

2. Quelle est la transform ee de Fourier de la fonction porte illustr ee ci-dessous (et correspondant ` a la fonction A rect( 2t )) ? T
x(t) A

0 T T

(2f T ) Rep : X (f ) = 2 A T sin . 2f T

3. D ecomposer en s erie de Fourier le signal x(t) illustr e ci-dessous :

x(t) 0 /2 /2 T

Rep : ak =

2 T

sinc

k T

; bk = 0 .

4. Montrer que la transform ee de Fourier de sign(t) est

2 j .

43

5. Montrer que la transform ee de Fourier du signal x(t) = exp(at) (t) est X (f ) = a+j12f o` u a est un r eel strictement positif.
a t2

6. Quelle est la transform ee de Fourier de la fonction

(a est une r eel).

7. Quelle la transform ee de Fourier du produit dun signal p eriodique par un signal ` a energie nie : z (t) = x(t) y (t) avec x(t) = x(t + T0 ) ?
n Rep : Z ( ) = n= cn Y ( 2T ) o` u les coecients cn repr esentent le 0 spectre du signal x(t) sur une p eriode. +

8. Montrer que la fonction de transfert du ltre passe-bas r ealisable est une approximation du ltre passe-bas id eal. 9. Quel est le type de ltre qui correspond le mieux au diagramme en gain et en phase (Bode) repr esent e ci-dessous ? Quelle est la bande passante ?
1

10

Magnitude

10

10

10

10

10

10 Frequency (radians)

10

50 0 Phase (degrees) 50 100 150 200 0 10

10

10 Frequency (radians)

10

Figure 1.28 Diagramme en gain et phase dun ltre inconnu. 10. Synth etiser un ltre de Butterworth an que latt enuation (A) soit de 40 dB ` a 2 fois la fr equence de coupure (normalis ee) et de 3 dB dans la bande passante (ripple). 11. D eterminer la fonction de transfert H ( ) dun ltre dont le gain fr equentiel est illustr e ci-dessous. Quelle est la valeur de |H (+)| ? Quelle est lallure de la phase ? Quelle est la valeur de la phase en 0 ? Quelle est la valeur maximale de la phase ? A quelle fr equence est-elle atteinte (correspondant a la pulsation centrale) ? ` 44

|H( )|

dB

20 dB/dcade

7 dB

3 dB 0 c d

Figure 1.29 Gains fr equentiels (en dB) asymptotiques et r eels dun ltre pour c = 6 rad/s.
10
1

Magnitude 10 0 10
0

10

10 Frequency (radians)

10

14 12 Phase (degrees) 10 8 6 4 2 0 0 10 10
1

10 Frequency (radians)

10

Figure 1.30 Filtre ` a avance de phase. 12. D eterminer le ltre de Butterworth tel que 20 log10 |H ( )| sinscrive dans le gabarit normalis e suivant (b = 30 dB et x1 = 2) :

|H( )| 0

dB

x1

a b

Figure 1.31 Gabarit normalis e x = /c .

45

1. Soit le signal non-causal y repr esent e par y (x) = e|x|/a o` u a R+ . D eterminer la transform ee de Fourier de y .

2. Soit le signal radar suivant : Il sagit dun motif r ep et e avec la p eriode T repr esent e par un ensemble (salve) de sinuso des de fr equences f0 et de dur ee . Le motif est cod e par le signal x(t) = cos(2f0 t) rect(t/T ). En saidant du produit de convolution, d eterminer la transform ee de Fourier de ce motif.

3. (a) D evelopper en s erie de Fourier, ` a lordre n, la fonction 2 -p eriodique d enie sur lintervalle ], + [ par x(t) = |t| . (b) Repr esenter graphiquement le spectre fr equentiel approximatif de x(t), pour n 3 .

46

Chapitre 2

Echantillonnage/Quantication

Le math ematicien Claude Elwood Shannon, n e` a Gaylord dans le Michigan en 1916, est consid er e comme le p` ere de la transmission num erique des informations. Dans son ouvrage le plus c el` ebre, Th eorie math ematique de la communication, co ecrit avec Warren Weaver et publi e en 1948, il a d eni le bit (acronyme de binary digit) comme unit e fondamentale du traitement de linformation. Il sest particuli` erement attach e aux t el ecommunications num eriques et ` a th eoriser la correction derreur. Son th eor` eme, connu sous le nom de Shannon-Hartley, etablit que la bande passante dun canal d epend essentiellement de son niveau de bruit et non de sa largeur spectrale. Claude Shannon fut math ematicien aux Bell Labs de 1941 ` a 1972. Il a egalement enseign e au Massachusetts Institute of Technology (MIT) de 1956 ` a 1978. Il contribua par ses travaux au domaine des telecoms, de la th eorie des jeux et de linformatique (entre autres..). Il est avec Turing et Von Neumann un des chercheurs qui contribua le plus ` a la th eorie de linformation au milieu du si` ecle dernier. Claude Shannon est d ec ed e au mois dao ut 2001 ` a lage de 84 ans de la maladie dAlzheimer.

47

2.1

Introduction

Lanalyse dun signal continu ` a laide dun calculateur n ecessite sa dicr etisation. Les calculateurs ne pouvant traiter que des valeurs num eriques, une cha ne de conditionnement aura pour fonction de transformer le signal continu en un signal num erique (et inversement). Cela consiste ` a r ealiser les op erations successives suivantes : le ltrage analogique en amont pour adapter la bande passante du signal au dispositif d echantillonnage (ltre anti-repliement), l echantillonnage, qui correspond ` a la discr etisation temporelle g en eralement ` a intervalle r egulier : les echantillons, la quantication qui discr etise les valeurs prises par les echantillons. Nous allons par la suite d evelopper les deux derniers points, le premier ayant d ej` a et e trait e au chapitre 3 du cours de premi` ere ann ee. Nous etudierons egalement les transformations temps discret-fr equence ainsi que les propri et es sp eciques des signaux num eriques.

2.2
2.2.1

Echantillonnage
Principe

L echantillonnage (sampling) consiste ` a transformer un signal analogique (continu) x(t) en un signal discret, x (t), en capturant des valeurs ` a intervalle de temps r egulier (ici le temps est une variable r eelle quelconque). Cest une etape n ecessaire pour pouvoir enregistrer, analyser et traiter un signal par ordinateur, car celui-ci ne peut traiter que des nombres. Il faut distinguer l echantillonnage de la quantication, mais ce sont toutes deux des etapes n ecessaires ` a la num erisation dun signal. Le signal echantillonn e est obtenu par multiplication de ce signal analogique + par un train dimpulsions (peigne de Dirac) Te (t) = n= (t nTe ) daire unit e et equi-espac ees de la p eriode d echantillonnage Te :
+

x (t) = x(t)
k=

(t kTe )

(2.1)

En vertu de la propri et e qui veut que f (t) (t) = f (0) (t), on a encore :
+

x (t) =
k=

x(kTe ) (t kTe )

(2.2)

L echantillonnage a aussi des cons equences sur le spectre du signal initial x(t). Elles peuvent etre mises en evidence de la mani` ere suivante : le signal Te (t) est p eriodique et peut donc etre d evelopp e en s erie de Fourier. Le r esultat en est :

48

f(t)

(t)

Signal continu f (t)

Train dimplusions damplitude unit

Signal chantillonn

Figure 2.1 Obtention dun signal echantillonn e : multiplication par un train dimpulsions.

Te (t) =

1 Te

e2jkt/Te .
k=

(2.3)

Le spectre de Te (t) est donn e par P ( ) = 2 T

+

( 2k/Te ) .
k=

(2.4)

On voit donc qu` a un train dimpulsions de p eriode Te dans le domaine temporel correspond un train dimpulsions de p eriode 1/Te dans le domaine fr equentiel. A la multiplication de 2 signaux dans le domaine temporel correspond (` a un facteur 2 pr` es) dans le domaine fr equentiel la convolution des spectres de ces 2 signaux. D` es lors, la transform ee de Fourier X ( ) du signal echantillonn e x (t) est donn ee par 1 X ( ) P ( ) (2.5) 2 Le spectre du signal Te (t) est lui-m eme un train dimpulsions espac ees de 1/Te sur laxe des fr equences. La convolution dun signal avec un train dimpulsions se fait en reproduisant le signal au droit de chacune des impulsions (voir gure 2.1). Le spectre du signal echantillonn e est donc donn e par X ( ) = X ( ) = 1 Te
+

X ( 2k/Te )
k=

(2.6)

On voit que leet de l echantillonnage est de p eriodiser le spectre du signal analogique initial, au rythme 1/Te , comme cela est illustr e sur la gure 2.2. On a donc, pour toute fr equence f : X (f + fe ) = X (f ) 49 (2.7)

|X(f)|

f max |X (f)|

Spectre de base

f e /2

fe

Figure 2.2 Spectre dun signal echantillonn e (cas o` u fmax < fe /2) : on notera la p eriodicit e fr equentielle. Du fait que le spectre de x (t) est p eriodique, on a besoin de le conna tre uniquement sur une p eriode. On choisit lintervalle de fr equences [fe /2, +fe /2], quon appelle p eriode principale ou spectre de base. Dans le cas o` u la fr equence maximale contenue dans le signal ` a echantillonner fmax est inf erieure ` a la moiti e de la fr equence d echantillonnage fe , il ny a pas de recouvrement entre les p eriodicit es spectrales (voir Fig. 2.2). En revanche sil existe des composantes du signal dont les fr equences sont sup erieures ` a fe /2, on note un recouvrement spectral (aliasing) (voir Fig. 2.3). Le spectre du signal obtenu ne correspond plus ` a celui du signal initial. Il ne sera alors pas possible de reconstruire le signal apr` es traitement num erique. Th eor` eme de Shannon Pour pouvoir reconstituer, sans perte dinformation, un signal continu ` a partir dun train d echantillons de p eriode Te , il faut que la fr equence d echantillonnage soit au moins egale au double de la fr equence maximale contenue dans le signal.

Exemple : le t el ephone. Le spectre audio est limit e` a lintervalle de fr equences [0 2500] Hz an que le signal puisse etre reconstitu e correctement apr` es etre echantillonn e` a la fr equence fe = 6 KHz. Le ltre analogique evoqu e au d ebut de ce chapitre sert ` a limiter la fr equence maximale contenue dans le signal continu, avant que celui-ci soit echantillonn e, en appliquant un ltre passe-bas appel e ltre anti-repliement (anti-aliasing lter).

50

|X(f)|

f max f |X (f)|

f e /2

fe

Figure 2.3 Spectre dun signal echantillonn e (cas o` u fmax > fe /2) : le spectre du signal obtenu ne correspond plus au spectre du signal initial. Bloquage La reconstitution (approch ee du signal) doit dautre part ne laisser passer que le spectre de base. Cest dans ce spectre uniquement quest contenu linformation utile et dautre part, il nest physiquement pas r ealisable de reconstituer un signal de spectre p eriodique inni. Le circuit bloqueur a ce r ole. Le bloqueur dordre 0 (car de valeur temporelle constante) maintient la valeur du signal echantillonn e durant toute la p eriode d echantillonnage. Cest un interpolateur dordre 0. Cest donc un ltre passe-bas (quon supposera id eal) de fonction de transfert de Laplace Bo (s) : Bo (s) =
f (t)

1 eTe s s
f (t)

(2.8)

Signal chantillonn

t Signal chantillonn bloqu

Figure 2.4 Obtention dun signal echantillonn e bloqu e : la valeur acquise au moment de la capture de l echantillon est maintenue durant toute la p eriode d echantillonnage.

51

2.3
2.3.1

Transform ees dun signal echantillonn e

Transform ee de Laplace
+

La transform ee de Laplace X (s) dun signal echantillonn e x (t) est d enie par X (s) = L[x (t)] =
k=

x(n Te ) L[ (t n Te )]

(2.9)

Or,
+

L[ (t n Te )] =
0

est (t n Te ) dt ,

(2.10)

on en d eduit directement que :

+

X (s) =
k=

x(nTe ) enTe s

(2.11)

2.3.2

Transform ee en z

La transform ee en z est un outil math ematique de traitement du signal, qui est l equivalent discret de la transform ee de Laplace. Elle est utilis ee entre autres pour le calcul de ltres num eriques ` a r eponse impulsionnelle innie (RII) ainsi que pour l etude de la stabilit e des ltres num eriques. Sa d enition math ematique est la suivante : la transformation en z est une application qui transforme une suite {x(n)} (d enie sur les entiers) en une fonction X (z ) dune variable complexe nomm ee z , telle que
+

X (z ) = Z{x(n)} =
n=

x(nTe ) z n ,

zC.

(2.12)

La variable n repr esente en g en eral le temps discr etis e, la variable complexe z ne repr esente rien de particulier, il sagit dune cr eation purement abstraite. Lorsquon analyse le signal x(n), on dit que lon est dans le domaine temporel, lorsquon etudie X (z ), le domaine est appel e fr equentiel par analogie avec la transform ee de Fourier. Lorsque lon compare les d enitions 2.12 et 2.11, on en d eduit que z = eTe s , z C. Le domaine de convergence d enit lexistence de la transform ee en z . Cest le sous-ensemble de C dans lequel la s erie pr ec edente converge. On lappelle egalement couronne de convergence. La plupart du temps, les expressions des transform ees en z utilis ees en traitement du signal sont des fractions rationnelles de la variable z . On appelle p oles les racines du d enominateur de la transform ee et z eros les racines de son num erateur. Dans de nombreux calculs, les p oles sont simples. Il est alors possible d ecrire les transform ees sous la forme dune d ecomposition en el ements simples de cette fraction rationnelle. La transform ee s ecrit alors sous la forme dune somme de fractions dont le d enominateur est de degr e un dans le cas des fonctions ` a coecients complexes et de degr e deux dans le cas des fonction ` a coecients r eels. Ce qui permet de retrouver la plupart des transform ees simples.

52

Exemple : la sinuso de amortie x(t) = at cos(0 t + ) (t) pour t 0, a etant un r eel positif inf erieur ` a un. Dans ce cas, X (z ) est d enie ` a lext erieur du disque cos()az 1 cos(0 ) de rayon |a| et vaut X (z ) = 1 2a cos(0 )z 1 +a2 z 2 .

Figure 2.5 Sinuso de amortie. La plupart du temps le domaine de convergence de la transform ee en z est une couronne qui contient le cercle de rayon 1, les fonctions etudi ees tendant souvent vers z ero comme une fonction exponentielle lorsque t . Le choix de la variable z 1 et non z , est coh erent avec la d enition de la transform ee de Fourier. Cet op erateur repr esente le retard dun echantillon. Il incite souvent ` a ecrire les transform ees des signaux causaux (nuls pour les valeurs n egatives de t) en fonction de z 1 et non de z . Lorsque le signal est non causal (lorsquil a des composantes pour t < 0, on ecrit souvent ces composantes en fonction de la variable z . Cependant, la notion de causalit e est contenue dans le domaine de convergence et non dans la formule donnant la transform ee en z qui peut s ecrire aussi bien en fonction de la variable z que de la variable z 1 . Propri et es de la transform ee en z lin earit e : Z{a1 f1 (t)+ a2 f2 (t)} = a1 F1 (z ) + a2 F2 (z ) , (a1 , a2 ) R2 , Th eor` eme du retard : Z{x(nk )} = Z{x(tkTe )(tkTe )} = z k X (z ), Th eor` eme de lavance : Z{x(n + k )} = Z{x(t + kTe )(t)} = z k X (z ) z k x(0) z k1 x(1) z x(k 1), Muliplication par n : Z{n x(n)} = z d X (z ), dz
z Modulation : Z{an x(n)} = X ( a ). Cette propri et e permet, en multipliant le signal par un signal exponentiel an , de modier la position des p oles et des z eros de sa transform ee en z . La valeur du param` etre a d ecoule de la modication particuli` ere

53

choisie. Th eor` eme de la convolution discr` ete (Th eor` eme de Borel) :
+

Z{
n=

x1 (n) x2 (n)} = X1 (z ) X2 (z ),

Th eor` eme de la valeur initiale (signaux causaux)

t0

lim x (t) = lim x(n) = lim X (z ),

n0 z +

Th eor` eme de la valeur nale (signaux causaux)

t+

lim x (t) = lim x(n) = lim 1 z 1

n+ z 1

X (z ),

Quelques exemples de transform ees en z (signaux causaux) Z{ (n)} =

+ k=0

(k ) z k = 1,
+ k=0

Z{ (n l)} =

(k l) z k = z l ,

On constate que si la s equence (n) est retard ee de l echantillons, sa transform ee en z est multipli ee par z l , Z{(n)} = Z{n (n)} = Z{an (n)} =
+ k=0

z k =

z z 1

(suite g eom etrique de raison z 1 ),

z (z 1)2 ,

+ k=0

k z k =

1 1a z 1 , 1 , 1ejTe z 1

Z{ejnTe (n)} =

Etant donn e que ejnTe = cos nTe +j sin nTe , on en d eduit imm ediatement que : 1 cos Te z 1 , Z{cos nTe (n)} = 1 2 cos Te z 1 + z 2 Z{sin nTe (n)} = sin Te z 1 . 1 2 cos Te z 1 + z 2

2.3.3

Transform ee en z inverse

Il sagit de retrouver les valeurs aux instants d echantillonnage x(nTe ) ` a partir de la transform ee en z , X (z ). La transform ee en z inverse est donn ee par lexpression : 1 x(n) = Z 1 {X (z )} = X (z )z n1 dz (2.13) 2j C 54

o` u C est un chemin ferm e parcouru dans le sens inverse des aiguilles dune montre et appartenant enti` erement au domaine de convergence (chemin entourant tous les p oles de F(z). En pratique, ce calcul seectue souvent ` a laide du th eor` eme des r esidus et la formule devient dans le cas dun signal causal : x(n) =
zi =p oles de X (z )

Res{z n1 X (z )}z=zi

(2.14)

Exemple : D eterminer la s equence f (n) ` a partir de la transform ee en z de f (t) suivante F (z ) = z (1 eTe ) (z 1) (z eTe )

2.3.4

Equations aux di erences

Lapplication de la transform ee en z ` a la r esolution d equations lin eaires aux di erences ` a coecients constants est directe ` a partir du th eor` eme de lavance. Une equation aux di erences (appel ee aussi equation aux r ecurrences) dordre n, lin eaire ` a coecients constants sexprime sous la forme x(k + n)+ an1 x(k + n 1) + + a1 x(k +1) + a0 x(k ) = u(k ) , k = 0, 1, 2, (2.15) Si la suite {x(k )} a pour transform ee en z , X (z ), la suite avanc ee dun echantillon {x(k + 1)} a pour transform ee en z , z X (z ) z x(0), et par cons equent on a aussi Z{x(k + 2)} = z 2 X (z ) z 2 x(0) z x(1), etc .... Finalement, on obtient une forme polynomiale qui permet dexprimer X (z ) en fonction de U (z ), la transform ee en z de {u(n)}. Ceci a et e rendu possible par le fait que le th eor` eme de lavance introduit les conditions initiales x(0), x(1), .... Exemple : x(k ) x(k 1) = k , k = 0, 1, ... et x(0) = x0 . Solution : (prendre lavance) z z X (z ) z x0 X (z ) = Z{k + 1} = z Z{k } = z (z 1)2 .

2.3.5

Transform ee de Fourier discr` ete (TFD)

La transform ee de Fourier discr` ete dun processus ` a temps discret {x(n)} de p eriode N est :
N 1

X (k ) =
n=0

x(nTe ) e2j N .

nk

(2.16)

Cette transform ee est elle-m eme de p eriode N et de puissance moyenne nie. Elle permet de calculer la transform ee de Fourier dune s equence de longueur nie ` a laide dun calculateur, la TF au sens usuel etant d edi ee ` a des signaux continus suppos es de support inni. Cest pourquoi dans sa d enition appara t un pas k . Lint er et pratique de la TFD vient de ce quil d echantillonnage en fr equence N existe des algorithmes qui permettent de calculer cette transform ee avec beaucoup moins de multiplications quil nen faudrait pour calculer la transform ee de Fourier usuelle. Le calcul de la TFD n ecessite alors N log2 (N ) multiplications alors que le calcul classique en demanderait N 2 . Lutilisation de ces algorithmes 55

permet donc des calculs rapides de la TFD, do` u son nom de FFT (Fast Fourier Transform). On peut donner egalement la relation exprimant la transform ee de Fourier discr` ete inverse : x(n) = 1 N
N 1

X (k ) e2j N .
k=0

nk

(2.17)

La TFD est une fonction discr` ete de la fr equence et les fr equences r eduites k sont les valeurs k = N , k {0, , N 1}. Si lobservation du signal N echantillonn e x(n) est limit e` aN echantillons (temps dobservation egal ` a f ), e le signal observ e est repr esent e par la s equence nie (x0 , x1 , x2 , , xN 1 ) . La TFD de celle-ci co ncide avec la transform ee du signal original x(t) uniquement e aux fr equences multiples de = f . La valeur sappelle la r esolution N spectrale de lanalyse du signal. De plus, la transform ee de Fourier discr` ete permet dintroduire la notion de convolution circulaire (convolution discr` ete). Etant donn ees deux s equences num eriques {x(n)} et {y (n)} de transform ees de Fourier discr` etes X (k ) et Y (k ) respectivement, on recherche la s equence num erique H (k ) qui admet pour TFD : H (k ) = X (k ) Y (k ) , k {0, , N 1} , calcul qui aboutit ` a H (k ) =
n[N ]

x(n) y (k n) .

(2.18)

que lon appellera convolution circulaire de x(n) et y (n) o` u [N ] est un intervalle quelconque de taille N .
chantillonnage f(t) Tf Laplace T F(s) chantillonnage F(z) T f*(t) Tf Laplace chantillonnage T Tf Fourier F( ) T TFD chantillonnage Tf Fourier

f(t)

f*(t)

Figure 2.6 R esum e de lensemble des transformations.

2.3.6

Convolution discr` ete

La d enition de la convolution circulaire fournie ci-dessus et issue de la TFD correspond bien evidemment au cas o` u lintervalle est de taille nie. Dune mani` ere g en erale et par analogie ` a la d enition (2.19) de la convolution pour des signaux continu, le produit de convolution de deux s equences nies ou innies x(n) et y (n) est d eni par :

56

(x y )(k ) =
n=

x(n) y (k n) .

(2.19)

Remarques Il est important de bien voir la di erence qui existe entre la TF d enie par lint egrale de Fourier, et la transform ee de Fourier discr` ete introduite dans cette section. Lint egrale de Fourier qui fournit la transform ee de Fourier requiert la connaissance de la totalit e du signal consid er e ; de plus, pratiquement, ce nest pas directement sur le signal x(t) que porte le calcul, mais sur son equivalent num eris e. Le calcul de la TFD introduit donc des erreurs sur le spectre du signal : Erreur de repliement de spectre. Il faut respecter la fr equence d echantillonnage de Shannon. Pour pouvoir choisir la fr equence d echantillonnage de mani` ere ` a respecter le crit` ere de Shannon, il faut conna tre pr ealablement, ne serait-ce que de mani` ere approximative, la fr equence maximale du spectre du signal. Cette connaissance nest pas toujours acquise dans les di erentes situations o` u lon est amen e` a utiliser les techniques du traitement du signal. Pour r epondre ` a cette dicult e, on peut proc eder de deux mani` eres : 1. On ltre le signal au moyen dun ltre anti-repliement dont la fr equence de coupure est susamment elev ee pour quon puisse esp erer que le signal ne poss` ede aucune composante spectrale audel` a de cette fr equence. Puis, on echantillonne le signal suivant le crit` ere de Shannon. 2. Sans ltrer le signal, on l echantillonne ` a une fr equence arbitrairement elev ee (autant que possible - sur- echantillonnage), en esp erant ainsi respecter le crit` ere de Shannon. Bien entendu, ceci engendre un plus grand nombre d echantillons ` a traiter. Erreur de troncature temporelle. Le calcul de la TFD seectue sur un horizon ni (taille de [N ]) du fait de la troncature temporelle ` a liade dune fen etre qui se traduit par un etalement du spectre du signal vers les fr equences elev ees. Erreur due ` a l echantillonnage de la transform ee de Fourier. Il est n ecessaire dexaminer si l echantillonnage de la transform ee de Fourier est correct. Si on a des doutes, il faut diminuer le pas d echantillonnage soit en echantillonnant le signal moins vite, soit en rajoutant des z eros aux echantillons du signal (technique appel ee zero padding) : si on ajoute N z eros au calcul de la TFD dun signal de taille N , la r esolution fr equentielle est doubl ee. De m eme, si on echantillonne la transform ee de Fourier, on p eriodise le signal temporel. Donc, au lieu davoir un signal continu, non p eriodique, dot e dune TF continue non p eriodique, on a un signal p eriodique echantillonn e, dot e dune transform ee de Fourier p eriodique et echantillonn ee.

57

2.4

Energie et puissance dun signal num erique

Par analogie au cas des signaux continu, nous abordons ici les d enitions sur l energie et la puissance dun signal num erique. Energie : L energie moyenne dun signal num erique repr esent e par la s equence {x(n)} est d enie par :
+

Wx =
k=

|x(k )|2 .

(2.20)

La puissance moyenne du signal num erique repr esent e par la s equence {x(n)} sur un intervalle de dimension N est d enie par : Px (M, M + N 1) = 1 N
M +N 1

|x(k )|2 .
k =M

(2.21)

La puissance moyenne totale du signal num erique repr esent e par la s equence {x(n)} est d enie par : Px = lim Px (
N

N 1 2

N ). 2

(2.22)

2.5
2.5.1

Quantication
Principe et caract eristiques de la conversion

La quantication (quantization) dun signal analogique consiste ` a remplacer linnit e de valeurs di erentes quil peut prendre (comme une tension ou une intensit e electrique par exemple qui sont des grandeurs macroscopiquement continues) par un nombre ni N q de valeurs. Si ces derni` eres sont equidistantes, on parle de quantication lin eaire, et la distance qui s epare 2 valeurs cons ecutives possibles est appel ee pas de quantication q .
Codage sur 3 bits 111 110 101 100 011 010 001 000 0 1,25 2,50 3,75 5,0 6,25 7,5 8,75 10,0 Tension dentre en Volts q

Figure 2.7 Fonction de transfert dun convertisseur lin eaire (CAN). A chaque instant d echantillonnage n Te (n nombre entier), le signal x(t) est remplac e par la valeur la plus proche parmi les valeurs possibles du signal 58

quanti e. On peut adopter une notation permettant de distinguer dune part, x(n) = xn = x(nTe ) = x (t), signal echantillonn e de x(t), et sa version quanti ee dautre part, not ee souvent xn . La quantication des echantillons est eectu ee par un Convertisseur Analogique Num erique (CAN ou ADC). Pour mener ` a bien cette op eration, il convient de respecter un certains nombres de r` egles th eoriques et de choisir correctement le CAN (r esolution, amplitude, temps de conversion,...). Les transformations doivent etre r ealis ees sans perte dinformations et sans accro tre inutilement le nombre de donn ees num eriques. Le CAN est pr ec ed e dun bloqueur, qui maintien le signal ` a une m eme valeur obtenue au moment de l echantillonnage. La p eriode d echantillonnage doit bien s ur etre sup erieure au temps de conversion, cest pourquoi celui-ci est une caract eristique essentielle du CAN. Inversement, lorsque le traitement est eectu e, on a souvent besoin de revenir au monde analogique pour transmettre des signaux tels que la parole ou les images. Cest la fonction des convertisseurs num erique-analogique qui eectuent lop eration inverse des CAN. Un CAN est caract eris e essentiellement par : la r esolution (le pas de quantication q ), li e` a lintervalle de mesure V (intervalle de valeurs autoris ees pour le signal ` a lentr ee, par exemple V = 10 V pour un signal pouvant evoluer entre 5 V et +5 V) et au nombre N q de pas utilis es : q = V /N q . La r esolution dun CNA est la plus petite variation qui se r epercute sur la sortie analogique ` a la suite dun changement de lentr ee num erique ( egale au poids du bit de poids faible). La r esolution peut egalement etre exprim ee en pourcentage de la pleine echelle (PE ou full scale) : R esolution (%PE). = pas de progression / pleine echelle . (2.23)

En augmentant le nombre de bits, on augmente la r esolution. Dans la sp ecication des fabricants de CNA, la r esolution est exprim ee par le nombre de bits (typiquement 8, 12 ou 16 bits). An de ne perdre aucune information contenue dans les echantillons du signal, il faut choisir correctement le pas de quantication (cf. Th eor` eme de Shannon) sous peine de repliement spectral. le temps de conversion (temps d etalissement ou settling time) : cest la dur ee n ecessaire aux composants electroniques pour convertir le signal et d elivrer dans un registre (ou de mani` ere equivalente, une case m emoire) un nombre entier correspondant ` a la valeur quanti ee. Pour les CNA, cest lintervalle de temps s eparant linstant o` u lon pr esente la donn ees num eriques et linstant o` u le signal analogique est disponible avec la pr ecision voulue (de lordre de qq s). lerreur de quantication : le processus de quantication entra ne de par sa nature m eme une erreur. Si lon appelle la di erence entre la valeur analogique Vana et la valeur num erique Vnum = m Ds , (Ds est la valeur pour un echantillon), on a : m Ds < Vana < (m+1)Ds , ou encore Vnum = Vana + , (0 < < Ds ) . (2.24)

59

Comme les valeurs de ont toutes la m eme probabilit e, cette erreur vaut 0.5 fois la valeur du bit de poinds faible (LSB - Lowest Signicant Bit) en moyenne. Cest-` a-dire la moiti e du pas de progression. Cette erreur est de moyenne nulle et la puissance du bruit de quantication est alors d eni comme la variance q du signal (t). Sa valeur est obtenue si on consid` ere que le pas de quantication (ou quantum) q est susamment faible pour consid erer constant le signal entre deux pas d echantillonnage. On obtient alors facilement sa valeur qui est :
2 =E q 2

(kTe )

q2 . 12

(2.25)

la fonction de transfert (CNA) : lorsque lon pr esente ` a un convertisseur un mot de n bits, le CNA d elivre un signal Vana telle que : Vana = {An /2 + An1 /4 + + A1 /(2n)} Vr (2.26)

An est le MSB (bit de poids fort ou Most Signicant Bit) et A1 est le LSB. Vr etant une tension de r ef erence et An l etat (0 ou 1) du bit de rang n. Le pas de quantication est tel que : Ds = Vr /2n , et la valeur pleine echelle : Vf s = (2n 1) Vr /2n . (2.27)

la tension de d ecalage (oset) : id ealement la tension de sortie dun convertisseur NA est 0 Volt quand lentr ee num erique est nulle. En pratique, on mesure une petite tension de sortie due ` a lerreur de d ecalage de lamplicateur op erationnel de sortie. Typiquement, cette erreur est inf erieure ` a 0,05 % PE. La majorit e des CNA dont la sortie est une tension poss` edent un bouton de r eglage qui permet de compenser cette erreur. sa lin earit e int egrale : cest l ecart relatif maximum entre la r eponse r eelle du convertisseur et la droite correspondant ` a une r eponse id eale. Elle est g en eralement exprim ee en pourcentage de la pleine echelle ou en fraction du LSB (voir Fig. 2.8).

Vfs
erreur max

num

Figure 2.8 Lin earit e int egrale dun convertisseur.

60

La plupart des CAN ont un fonctionnement bas e sur des comparisons successives entre un signal g en er e par le convertisseur et le signal ` a convertir. La pr ecision du codage peut etre alt er ee si entre deux comparaisons successives le signal ` a convertir varie sensiblement, ce qui est le cas lorsque la bande passante du signal nest pas n egligeable par rapport ` a la fr equence d echantillonnage. Il existe plusieurs structures de fonctionnement des CAN comme la conversion a rampe, la conversion par approximations successives, la conversion ash. Les ` temps de conversion de ces m ethodes sont tr` es di erents et d ependent du nombre de composants electroniques. Les grandeurs physiques issues dun processus informatique sont transform ees en tension electrique continue (analogique) proportionnelle. Cest le r ole de la conversion num erique - analogique (CNA ou DAC).
valeurs numriques tension lectrique CAN valeurs numriques Calculateur (espace mmoire dun processus info.) tension CNA lectrique

Figure 2.9 Implantation des CAN et CNA aupr` es dun calculateur. Le calculateur, apr` es traitement des donn ees num eriques, fournit un signal num erique qui est transform e en un signal analogique dans le temps et en amplitude : signal analogique en amplitude : r ole du CNA, signal analogique temporel : ltre de reconstruction. Linstant de pr esentation des donn ees num eriques au convertisseur CNA doit etre parfaitement d eni dans le temps ` a laide dun ordre de validation des donn ees. La plupart des signaux de commande n ecessaires ` a la r egulation de proc ed es doivent etre analogiques, an que lon puisse par exemple contr oler la vitesse dun moteur ` a courant continu. Nous voyons donc sur la Fig. 2.9 que les CAN et les CNA jouent le r ole dinterfaces entre un syst` eme purement num erique, comme un ordinateur, et le monde ext erieur ` a pr edominance analogique.
donnes traites donnes Calculateur acquises ordre de conversion Filtre de reconstruction donnes reconstruites donnes CNA converties et reconstruites

Figure 2.10 Reconstruction des donn ees num eriques issues dun calculateur. Le ltre de reconstruction du signal peut etre eectu e par le calculateur (il lest le plus souvent) (voir Fig. 2.10) et donc avant la conversion num erique-analogique. Il sagit le plus souvent de lisser les donn ees : Reconstruction = Interpolation + Filtrage passe-bas 61 (2.28)

Exemple : Convertisseur num erique-analogique 4 bits - 8 Volts (unipolaire). Les 24 = 16 nombres biaures di erents que lon peut repr esenter avec ces 4 bits sont repr esent es sur la Fig. 2.11.
D 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 C 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 B 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 A 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 Tension 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5

poids fort
D C B A

Convertisseur Tension de sortie NA (analogique)

poids faible

Figure 2.11 Convertisseur NA 4 bits - 8 Volts (unipolaire).

2.5.2

Structures dun CNA

n3 n2 n1 n0 R 2R 4R 8R Vs + R

Figure 2.12 CNA ` a r esistances pond er ees.

CNA ` a r esistances pond er ees Le CNA ` a r esistances pond er ees utilise un amplicateur op erationnel mont e en additionneur. Les entr ees n0 ` a n3 sont connect ees soit ` a la masse, soit ` a la tension Vr . La sortie Vs sera donc egale ` a Vs = Vr (n3 + n2 /2 + n1 /4 + n0 /8) . (2.29)

Linconv enient majeur pour ce type de convertisseur, cest quil faut des r esistances dont les valeurs doublent ` a chaque fois, ce qui est dicile voire impossible, d` es que le nombre de bits devient important.

62

CNA R-2R (r eseau en echelle) Ici, la tension de sortie Vs sera egale ` a: Vs = Vr (n3 + n2 /2 + n1 /4 + n0 /8) Rf /2R .
Rf n3 2R R n2 2R R n1 2R R n0 2R 2R Vs +

(2.30)

Figure 2.13 CNA ` a r eseau en echelle. La r esistance R peut simplement etre obtenue par deux r esistances 2R dispos ees en parall` ele. Il y a cependant des sources derreur : le passage du niveau bas (0 V) au niveau haut (Vr ) (commutation) des di erentes entr ees est r ealis e par un interrupteur. Chaque entr ee ayant son propre interrupteur, les temps de commutation ne sont jamais rigoureusement identiques (pour chaque interrupteur) et il peut appara tre des transitoires sur le signal analogique Vs . Si, par exemple, on passe dune valeur 0111 ` a la valeur imm ediatement sup erieure 1000 et si les interrupteurs commutent plus rapidement de l etat 1 vers l etat 0 que dans le sens inverse, on aura pendant un temps tr` es court la valeur 0000 correspondant ` a un signal de sortie nulle. Le seul moyen de supprimer correctement ces perturbations (glitches) est de connecter un echantillonneur-bloqueur sur la sortie du convertisseur an de maintenir le niveau de l echantillon pr ec edent pendant la transition. la lin earit e du convertisseur d epend de la pr ecision des r esistances du r eseau, la stabilit e de la source de tension de r ef erence Vr . En eet, le bruit dans lalimentation est un frein ` a la r esolution des convertisseurs. Ainsi, pour un convertisseur 16 bits - 5 V, le bruit de lalimentation ne doit pas exc eder 1/2 LSB, soit 40 V (CNA ou CAN).

63

2.5.3

Structures dun CAN

Une caract eristique importante dun CAN est le temps de conversion. Il est largement sup erieur ` a celui dun CNA. Un CAN est plus dicile ` a r ealiser quun CNA, et il contient souvent un CNA.

CAN ` a rampe num erique Un compteur est branch e aux entr ees dun CNA et la sortie de celui-ci augmente r eguli` erement ` a chaque coup dhorloge. La sortie du CNA est reli ee ` a lentr ee dun comparateur de tension. D` es que celle-ci est sup erieure ` a la tension dentr ee, le comparateur force un etat haut (1) ` a sa sortie, ce qui bloque le compteur et indique que la conversion est termin ee. La valeur du compteur correspond ` a la valeur num erique attendue en sortie.

Vana

horloge +

Compteur sortie numrique CNA

Figure 2.14 Principe du CNA ` a rampe. Le probl` eme majeur de ce montage est que le temps de conversion est tr` es long et variable. Dautre part, il faut r einitialiser le compteur ` a0` a chaque conversion et la fr equence de lhorloge est limit ee par le temps de conversion du CNA. Ainsi, si on dispose dun convertisseur 12 bits ayant comme tension nominale Vana = 5 V. Si lentr ee de celui-ci est mise ` a 5 V, le temps de conversion est de 4096 fois le temps du cycle de lhorloge, cycle qui est dautre part limit e par la conversion dans le CNA et le comparateur. La formule du temps de conversion peut donc en etre d eduite : tconv = traz + 2n/fhorloge . (2.31) CAN ` a rampe num erique avec compteur-d ecompteur Ici, le compteur suit en permanence la tension dentr ee Vana : si la tension de sortie du CNA est sup erieure ` a la tension dentr ee le compteur d ecompte, sinon il compte. Il nest pas n ecessaire de r einitialiser le compteur ` a chaque conversion. Ce convertisseur ` a un temps de conversion moins grand que le montage pr ec edent (sauf pour la premi` ere conversion) mais ce temps de conversion est encore variable.

64

Vana

+ horloge

Compteur/ Dcompteur sortie numrique CNA

Figure 2.15 Principe du CNA ` a rampe et compteur/d ecompteur. CAN ` a approximations successives
Vana + Logique de commande horloge

Registre poids fort ..... CNA poids faible

Figure 2.16 Principe du CNA ` a approximations successives. Ce type de CAN poss` ede des circuits plus complexes que le CAN ` a rampe num erique mais le temps de conversion est beaucoup plus court. Une logique de commande modie le contenu dun registre bit par bit jusqu` a ce que la donn ee qui sy trouve, soit l equivalent num erique de la tension analogique Vana (` a la sensibilit e pr` es du comparateur, et ` a la pr ecision pr` es du CNA). Pour un convertisseur n bits, la conversion se fait en n etapes (donc n cycles dhorloge). Si, par exemple, pour un convertisseur 4 bits de r esolution 1 V, on souhaite convertir la tension dentr ee analogique Vana = 10, 4 V. On place tout dabord le bit de poids fort ` a 1 (1000). Comme la sortie du CNA est de 8 V et donc inf erieure ` a Vana , on garde le bit de poids fort ` a 1. On r eit` ere cette op eration pour les autres bits du registre : 1000 = 8 V < Vana bit 3 mis ` a 1 pour la suite, 1100 = 12 V > Vana bit 2 mis ` a 0 pour la suite, 1010 = 10 V < Vana bit 1 mis ` a 1 pour la suite, 65

 1101 = 11 V > Vana bit 0 mis ` a0 r esultat : 1100 = 10 V. Sur cet exemple on voit que la conversion par approximations successives d elivre une valeur num erique toujours inf erieure ` a lentr ee analogique. CAN ash (ou parall` ele)
5V V +

ana

+ Logique de dcodage n bits ... ... ......... ......... 2 ncomparateurs

Figure 2.17 Principe du CNA ash. On compare la tension Vana de l echantillon aux niveaux de quantication Ds , 2Ds ,..., kDs ` a laide de k comparateurs ` a qui lon pr esente simultan ement le signal Vana . Sur lordre de conversion, tous les comparateurs dont les niveaux de r ef erence sont inf erieurs ` a la valeur Vana basculent ` a l etat logique 1 et tous les autres restent ` a l etat bas 0. Un d ecodeur transforme les signaux pr esents a la sortie de lensemble des comparateurs en un signal num ` erique parall` ele cod e en binaire pur. Pour une r esolution de n bits, on a besoin de 2n comparateurs. Lavantage principal de ce montage de convertisseur est quil fonctionne en parall` ele ce qui lui conf` ere une grande rapidit e.

2.6

Corr elation num erique

On a vu au chapitre 2, les d enitions de lautocorr elation et de lintercorr elation pour des signaux continus. La corr elation est une mesure energ etique de la similitude de forme et de position entre deux signaux d ecal es. Pour des signaux discrets ` a energie nie, on d enit lautocorr elation et lintercorr elation de de la mani` ere suivante :

66

Autocorr elation : corr elation entre le signal x(n) et lui-m eme :

+

xx (k ) =
n=

x(n) x (n k ) .

(2.32)

Intercorr elation : corr elation entre le signal discret x(n) et le signal discret y (n) :
+

xy (k ) =
n=

x(k ) y (n k ) .

(2.33)

De mani` ere similaire, pour des signaux discrets ` a puissance moyenne nie, on d enit lautocorr elation et lintercorr elation de la mani` ere suivante : Autocorr elation : corr elation entre le signal x(n) et lui-m eme : xx (k ) = lim 1 2N + 1
+N

N +

x(n) x (n k ) .
n=N

(2.34)

Intercorr elation : corr elation entre le signal discret x(n) et le signal discret y (n) : + 1 xy (k ) = lim x(k ) y (n k ) . (2.35) N + 2N + 1 n= En pratique, les calculs sont limit es ` a un voisinage ni (un horizon N ni).Il sagit alors dune approximation lorsque les s equences x(n) et y (n) correspondent ` a des r eponses impulsionnelles innies (RII).

67

2.7

Exercices

1. Calculer la transform ee en z de la suite de nombres entiers {y (k )} pour y (k ) = 1, 2, 3, 0, 0, , 0, pour k = 0, 1, 2, 3, . 2. D emontrer le th eor` eme de lavance de k p eriodes. 3. Calculer la transform ee en z de f (t) = t (t). 4. Calculer la transform ee en z de la s equence num erique suivante : g (n + 2) 5g (n + 1) + 6g (n) = 1 pour n 0 et avec les conditions initiales g (0) = 2 , g (1) = 3 . 5. Quelles sont les transform ees en z de : (a) x1 (n) = (b) x2 (n) = Rep : X1 (z ) =
1 n 3

(n),
1 n 3

1 n2 2 z z 1/3

(n),
1 n 6

et x2 (n) = 4

(n) X2 (z ) =

4z z 1 6

6. Quelle est l energie du signal x1 (n) d eni ` a la question pr ec edente ? 7. Etant donn e la transform ee en z suivante : F (z ) = 0, 792 z 2 (z 1) (z 2 0.416z + 0.208)

D eterminer la valeur de la s equence f (kTe ) quand k +. 8. Pour un convertisseur num erique-analogique 5 bits, quand lentr ee est egale ` a 10100, la tension de sortie est de 100 mV, calculer la pleine echelle, la r esolution (pas de quantication) et la tension de sortie pour une entr ee num erique egale ` a 11101. 9. Soit les caract eristiques suivantes dun CAN 5 Volts : r esolution 12 bits ; erreur de lin earit e pleine echelle 0, 03 % PE. (a) Indiquer lerreur de quantication en volts, (b) Donner lerreur totale en volts. 10. Calculer la Transform ee de Fourier Discr` ete de la suite comportant N = 16 termes tels que : x(0) = x(n) = x(1) = x(2) = x(14) = x(15) = 1 0 pour 3 n 13

68

69

70

Chapitre 3

Filtrage num erique

Rudolf Emil Kalman (n e le 19 mai 1930) est un math ematicien et un automaticien am ericain dorigine hongroise, ing enieur en electrotechnique de formation. Il est surtout connu pour sa contribution ` a linvention du ltre de Kalman, une technique math ematique de ltrage tr` es utilis ee pour extraire un signal ` a partir de mesures bruit ees. Les id ees de Kalman sur le ltrage rencontr` erent un certain scepticisme, ` a tel point quil dut publier dabord ses travaux dans un journal de m ecanique (au lieu d electrotechnique). Il eut plus de succ` es, cependant, lorsquil rencontra Stanley Schmidt au Ames Research Center de la NASA en 1967. Cela mena ` a lutilisation des ltres de Kalman pour le programme Apollo.

71

3.1

Introduction

Nous allons traiter dans ce chapitre du ltrage lin eaire num erique. Un ltre num erique est constitu e dun groupement dentit es logiques (circuits, processus d edi es) astreints ` a un processus de calcul (ou algorithme) qui conf` ere ` a ce ltre une fonction d etermin ee (passe-bas, passe-haut, passe-bande, r ejecteur de bande, int egrateur, di erentiateur,...). Le calcul porte sur une s equence (ou suite) de nombres introduite ` a son entr ee et qui fournit une s equence num erique modi ee, cest-` a-dire ltr ee ou trait ee, ` a sa sortie. La plupart des mod` eles de ltres analogiques (cf. Chapitre 3) peuvent ainsi etre reproduits sous forme num erique. Un ltre num erique est g en eralement constitu e des el ements suivants : un ou plusieurs organes de retard (ce sont des registres ` a d ecalage jouant le r ole de m emoires retard ees) et pilot es par une horloge, des op erateurs arithm etiques (additionneurs et multiplieurs), des registres (programmables) fournissant les coecients de pond eration du ltre. La r ealisation concr` ete dun ltre num erique consistera en fait ` a mat erialiser lalgorithme de calcul pour la structure retenue. On aura pour cela la possibilit e de travailler : soit en logique c abl ee (assemblage dorganes logiques, tels que des portes, m emoires, etc...), soit en logique programm ee : organisation des op erations autour dun processeur de traitement du signal (DSP - Digital Signal Processor), ou m eme, par lutilisation dun microprocesseur (micro-ordinateur) standard. Le champ dapplications du ltrage num erique est tr` es vaste puisquil va des t el ecommunications au traitement de la parole, en passant par des syst` emes dasservissement, les radars et sonars, la prospection sismique, la HI-FI, etc... Cest surtout, ` a lorigine, dans les t el ecommunications que leur usage sest tr` es vite r epandu car ` a la fois leur capacit e de m emoire et la vitesse de traitement se trouvaient adapt ees ` a la plupart des fonctions remplies sous forme num erique : codage-d ecodage et (d e-)compression dimages (JPEG - Joint Photographic Experts Group), de vid eos (MPEG - Moving Picture Experts Group) et du sons (informatique, t el evision num erique), modems, contr oleurs de disque durs, acc el erateurs graphique 3D, animation en r ealit e virtuelle, reconnaissance dimages, suspensions actives dautomobiles, servo-moteurs ` a commande num erique,.... Dans de nombreuses applications, sont utilis es des DSP d edi es, cest-` a-dire des DSP qui sont directement programm es avec un logiciel particulier ` a la conception (soit en ROM, soit c abl e).

72

Les avantages du ltrage num erique par rapport au ltrage analogiques sont : la reproductivit e : les caract eristiques de tous les ltres num eriques etablis sur une m eme conguration sont rigoureusement identiques, la souplesse : la r eponse en fr equence peut etre tr` es ais ement modi ee en changeant les coecients arithm etiques : le domaine des fr equences de travail est facilement d eplac e par modication de la fr equence d echantil-lonnage, la pr ecision : les di erentes manipulations etant eectu ees sur des nombres, la pr ecision ne d epend, en grande partie, que de celle des CAN et CNA, lassociation de ltres : la mise en s erie de ltres num eriques ne pose aucun probl` eme dinteraction, tel que celui que lon rencontre pour ladaptation des imp edances des ltres analogiques, la stabilit e des caract eristiques : pas de vieillissement des composants d u` a linuence de la temp erature sur les caract eristiques du ltre. En revanche, les principaux inconv enients sont li es au probl` eme de l echantillonnage (spectre du signal toujours limit e) n ecessitant lutilisation de processeurs ayant une bonne rapiditi e dex ecution pour pouvoir traiter des signaux ayant une forte dynamique (fr equences elev ees) en temps r eel.

Dune mani` ere g en erale, les ltres num eriques se caract erisent par le traitement enti` erement num erique du signal. Typiquement, les ltres num eriques sont repr esent es par : la r eponse impulsionnelle, l equation aux di erences, la transform ee en z (ou la fonction de transfert en z ). Comme pour le cas continu, le ltrage lin eaire se traduit par lemploi de la convolution. Celle-ci sexprime en discret par des additions et des multiplications. Quand un ltre num erique est repr esent e par une suite de nombres qui constitue sa r eponse impulsionnelle h(n), au signal ` a ltrer repr esent e par la suite num erique x(n) = x(nTe ) correspond en sortie du ltre la suite ltr ee y (n) qui sexprime par l equation (2.19), cest-` a-dire par
+

y (n) =
k=

h(k ) x(n k ) .

(3.1)

Deux cas se pr esentent alors :

73

 Ou bien la sommation porte sur un nombre ni de termes, cest-` a-dire que les h(k ) sont nuls sauf pour un nombre ni de valeurs de la variable enti` ere k : cest le ltre dit ` a r eponse impulsionnelle nie (RIF) et en faisant allusion ` a sa r ealisation, on le d esigne encore par non r ecursif car il ne n ecessite pas de boucle de r eaction de la sortie sur lentr ee dans sa mise en oeuvre. Il est ` a m emoire nie, puisquil ne garde le souvenir que dun signal el ementaire, une impulsion par exemple, que pendant une dur ee d etermin ee. Les nombres h(k ) sont appel es les coecients du ltre, quils d enissent compl` etement (Fig. 3.1). Ou bien la sommation porte sur un nombre inni de termes, les h(k ) ont une innit e de valeurs non nulles : le ltre est alors ` a r eponse impulsionnelle innie (RII), ou encore de type r ecursif, car il faut r ealiser sa m emoire par une boucle de r eaction de la sortie sur lentr ee. Son fonctionnement est r egi par une equation selon laquelle un el ement de la suite de sortie y (n) est calcul ee par la sommation pond er ee dun certain nombre d el ements de la suite dentr ee x(n) et dun certain nombre d el ements de la suite de sortie lors d echantillons pr ec edents et suivants (Fig. 3.2).

x(n) a0

z1 a1

z1 a2 a L1 +

z1 aL + y(n)

Figure 3.1 Structure directe (ou r ealisation transverse) pour un ltre RIF causal. Par exemple, si L et K sont des entiers, le fonctionnement du ltre peut etre d eni par l equation suivante :
L K

y (n) =
l=0

al x(n l)
k=1

bk y (n k ) .

(3.2)

Les al (l = 0, 1, , L) et bk (k = 1, 2, , K ) sont les coecients. Comme pour les ltres analogiques, l etude de ce type de ltre ne se fait pas en g en eral simplement de mani` ere directe ; il est n ecessaire le plus souvent de passer par une transformation, la transformation en z . N eanmoins, on peut exprimer le crit` ere de stabilit e suivant sur les coecients num eriques : Un ltre est stable ssi sa r eponse impulsionnelle est absolument sommable :
+

| h(n) | < .
n=

(3.3)

74

x(n) z1 z1

a0

+ b1 b2 z1 z1

y(n)

a1 a2

+ +

a L1 z1 aL

b K1 z1

bK

Partie non rcursive : MA

Partie rcursive : AR

Figure 3.2 Structure (ou r ealisation) r ecursive pour un ltre RII causal : La partie MA (Moving Average) est pr esente egalement sur les RIF. La partie AR (Auto-Regressive) nest pr esente que sur les RII. A partir de la fonction de transfert en z H (z ) = Y (z )/X (z ) = aL z L + + a1 z 1 + a0 bK z K + + b1 z 1 + 1 (3.4)

Un ltre num erique lin eaire et causal est stable si et seulement si tous les p oles de H (z ) sont ` a lint erieur du cercle unit e (leur module doit etre strictement inf erieur ` a 1).

Remarques : Un ltre lin eaire non causal h(n) peut se d ecomposer en une partie causale h+ (n) et une partie anti-causale h (n) : h(n) = h+ (n) + h (n). Deux fonctions de transfert H+ (z ) et H (z ) caract erisent alors le ltre. La partie anticausale est stable si tous les p oles de H (z ) sont ` a lext erieur du cercle unit e. Filtre ` a minimum de phase : Si tous les z eros de H (z ), fonction de transfert en z dun ltre num erique lin eaire causal et stable, sont ` a lint erieur du cercle unit e, alors le ltre est dit ` a minimum de phase. La pr esence des p oles est caract eristique des syst` emes r ecursifs. Pour ces syst` emes, le domaine de convergence doit etre pr ecis e : en eet, de m eme que pour l equation aux di erences r ecursives associ ee, la donn ee de la fonction de transfert en z ne d enit pas un syst` eme unique. Ainsi, si la fonction de transfert comporte P modules de p oles di erents, il y a P + 1 domaines de convergence possibles. Le syst` eme nest stable qu` a condition que le cercle |z | = 1 soit inclus dans le domaine de conver75

gence. Par exemple, dans le cas de deux p oles (p1 et p2 ), il y a trois domaines de convergence possibles (voir la gure 3.3) : choix du domaine 1 : |z | < |p1 | : syst` eme instable, choix du domaine 2 : |p1 | < |z | < |p2 | : syst` eme stable, choix du domaine 3 : |z | > |p2 | : syst` eme instable.

Im(z) p2 x
2 2 1 3

Re(z) 1

xp 1

Figure 3.3 Domaines de stabilit e et dinstabilit e dans le plan en z . Lorsquon doit synth etiser un ltre num erique ` a partir dun gabarit analogique donn e, le choix se pose entre un ltre r ecursif ou un ltre non-r ecursif. Les raisons avanc ees ci-dessous et les m ethodes de synth` ese que nous allons examiner pour chacune des deux familles doivent permettre de trancher en faveur de lune ou de lautre. Les ltres RII n ecessitent un volume calculatoire moins important que les ltres RIF, Les ltres RIF ont une phase lin eaire (temps de propagation constant , quel que soit la fr equence) alors que les RII introduisent de la distorsion de temps de propagation, Seuls les ltres RIF travaillent sur un horizon ni. Cela peut etre important si les donn ees sont perturb ees : un RII sera perturb e pendant une dur ee importante alors quun RIF ne le sera que pendant N echantillons, Les RIF sont toujours stables : un RII peut etre instable, Les RIF ont un bruit darrondi faible du fait de leur structure. En conclusion, si on a besoin dun ltre ` a phase lin eaire, on utilisera un RIF ; sinon on lui pr ef` erera un RII, plus ecace et donnant des ordres de ltres plus faibles ` a zone de transition equivalente. 76

Figure 3.4 Filtres id eaux usuels.

Figure 3.5 Filtres id eaux usuels.

77

3.2

Filtres ` a r eponse impulsionnelle nie (RIF)

Cette classe de ltres est ` a m emoire nie, cest-` a-dire quun ltre RIF d etermine sa sortie en fonction dinformations dentr ee danciennet e limit ee. En sappuyant sur l equation aux di erences (3.2), les ltres RIF correspondent alors ` a des equations o` u les coecients bk sont nuls. Les propri et es des ltres RIF vont etre mises en evidence sur lexemple suivant. Soit un signal x(t) repr esent e par ses echantillons x(nTe ), pr elev es ` a la fr equence fe = 1/Te , et soit ` a d eterminer lincidence sur le spectre de ce signal de lop eration qui consiste ` a remplacer la suite x(nTe ) par la suite y (nTe ) d enie par la relation : y (nTe ) = 1 [x(nTe ) + x((n 1)Te )] 2

Cette suite est aussi celle qui est obtenue par echantillonnage du signal y (t) tel que : 1 y (t) = [x(t) + x(t Te )] 2 Si X ( ) et Y ( ) d esignent les transform ees de Fourier des signaux x(t) et y (t), il vient : 1 Y ( ) = X ( ) (1 + ejTe ) 2 Lop eration etudi ee correspond ` a la fonction de transfert H ( ) = Y ( )/X ( ) telle que : H ( ) = ejTe /2 cos(Te /2) Cest une op eration de ltrage, appel ee ltrage en cosinuso de, qui conserve la composante continue et elimine la composante ` a la fr equence fe /2. Dans lexpression de H ( ), le terme complexe ejTe /2 caract erise un retard = Te /2 (phase lin eaire) qui est le temps de propagation du signal ` a travers le ltre. La r eponse impulsionnelle h(t) qui correspond s ecrit : h(t) = 1 2 (t + Te Te ) + (t ) 2 2

La gure 3.6 repr esente les caract eristiques fr equentielles et temporelles de ce ltre. Cet exemple a permis de faire appara tre que lentr ee x(n) et la sortie y (n) sont reli ees par une equation aux di erences avec un nombre nis de coecients, que la r eponse impulsionnelle est sym etrique par rapport ` a laxe des temps, cest-` adire que les coecients du ltre doivent etre sym etriques. Deux congurations se pr esentent alors : N = 2P + 1 : le ltre a un temps de propagation = P Te , N = 2P : le ltre a comme temps de propagation = (P 1/2) Te . Dautre part, la fonction de transfert du ltre s ecrit sous la forme g en erique :
N 1

H ( ) =
k=0

ak ejkTe ,

(3.5)

ou encore exprim ee en fonction de la variable z :

N 1

H (z ) =
k=0

ak z k

(3.6)

78

Figure 3.6 Le ltrage en cosinuso de. H ( ) est donc une fonction p eriodique de p eriode fe = 1/Te . Les coecients ak (k = 0, 1, , N 1) constituent le d eveloppement en s erie de Fourier de cette fonction. Si ces coecients sont sym etriques, la fonction de transfert H ( ) peut se mettre sous la forme dun produit de deux termes dont lun est une fonction r eelle et lautre un nombre complexe de module 1 repr esentant le temps de propagation constant et egal ` a un multiple entier de la demi-p eriode d echantillonnage. Un tel ltre est dit ` a phase lin eaire. La transform ee en z dun ltre RIF causal est donn ee par
N 1

H (z ) =
n=0

h(n) z n (ltre causal).

Pour un ltre RIF ` a phase lin eaire (propri et e de sym etrie), il vient :
N 1

H (z ) =
n=0 N 1

h(n) z n h(N 1 n) z n
n=0 N 1

= = = =

h(n ) z (N 1n )
n=0 N 1

z (N 1)
n=0

h(n ) z n

z (N 1) H (1/z ) .

On voit donc que si le ltre poss` ede un z ero en z = z0 , il en poss` edera aussi un en z = 1/z0 . Pour une paire de z eros complexes conjugu es za = r ej et za = r ej , le ltre aura aussi pour z eros 1/za = (1/r) ej et 1/za = (1/r) ej . Cette propri et e permet par simple examen des z eros de la fonction de transfert de dire 79

si oui ou non le ltre est ` a phase lin eaire. Par ailleurs, le th eor` eme suivant est egalement utile pour rendre le cas ech eant un ltre ` a phase lin eaire. Th eor` eme : Si un z ero r eel z0 est remplac e par son inverse 1/z0 , ou si une paire de z eros complexes conjugu es (z1 , z1 ) est remplac ee par la paire des inverses (1/z1 , 1/z1 ), la r eponse fr equentielle en amplitude est inchang ee, ` a un facteur constant pr` es. La m eme propri et e sapplique aux p oles (ltre RII). De ce fait, les deux ltres de transmittances H1 (z ) et H2 (z ) donn ees par (z z1 )(z z1 ) z2 (z 1/z1 )(z 1/z1 ) H2 ( z ) = z2 H1 ( z ) = ont la m eme r eponse en amplitude ` a une constante pr` es. Aucun des deux nest cependant ` a phase lin eaire. De m eme, les trois ltres de transmittances H1 (z ) H1 (z ), H2 (z ) H2 (z ) et H1 (z ) H2 (z ) ont tous trois la m eme r eponse en amplitude ` a un facteur pr` es, et seul le dernier est ` a phase lin eaire.

3.2.1

Synth` ese par la m ethode des fen etres

La probl ematique est la suivante : ` a partir dun gabarit fr equentiel, eectuer la synth` ese dun ltre RIF r ealisable, cest-` a-dire d eterminer la s equence num erique nie h(n) (` aN echantillons) correspondant ` a sa r eponse impulsionnelle.

Figure 3.7 Gabarit fr equentiel. Le gabarit fr equentiel (cf. chapitre 3) est caract eris e par (par exemple) les grandeurs suivantes correspondant ` a lillustration ci-dessus (Fig. 3.7). Ce gabarit ne fournit pas dinformations pr ecises sur la phase. On cherchera donc ` a conserver une phase lin eaire correspondant ` a un temps de propagation du signal dans le ltre ce qui implique que la r eponse impulsionnelle soit sym etrique : h(n) = h(N 1 n) , avec 0 n N 1 . 2 (3.7)

80

Dautre part, le spectre dun ltre num erique etant p eriodique, nous ne nous int eressons qu` a la bande de base (une seule p eriode). La d emarche consiste alors, pour des ltres dont la r eponse en fr equence d esir ee ` a une forme analytique simple (int egrable), dappliquer la m ethodologie suivante : D eterminer la longueur N de la s equence ` a partir du gabarit r eel. Pour cela, on emploie souvent la formule empirique suivante : N= 2 1 fe log10 [ ]. 3 10 1 2 f (3.8)

Cette estimation particuli` erement simple est susante dans la plupart des cas rencontr es en pratique. Elle met bien en evidence limportance relative des param` etres. La bande de transition f = fs fc est le param` etre le plus sensible ; les ondulations en bande passante et aaiblie ont une contribution secondaire. Calculer la r eponse temporelle innie du ltre ` a r eponse en fr equence voulue (gabarit id eal) en utilisant la transform ee de Fourier inverse. Cela permet dobtenir les coecients en limitant le calcul ` a N valeurs r eparties sym etriquement autour de n = 0. Deux cas sont ` a distinguer : N impair : h(nTe ) =
1 2 /e /e
1 2Te 1 2T e

H ( ) ejnTe d

= Te N pair : h(nTe ) =
1 2

H (f ) e2jnf Te df,

/e /e
1 2T e 1 2Te

H ( ) ej/2 ejnTe d

= Te

H (f ) ej/2 e2jnf Te df .

On tronque la r eponse temporelle trouv ee (pour obtenir un RIF) en la multipliant par une fen etre dapodisation (de pond eration) : hN (n) = h(n) w(n) (exemple : fen etre rectangulaire).

Dans le cas dun ltre causal, d ecaler la r eponse impulsionnelle hN (n) pour obtenir une solution causale. V erier les sp ecications obtenues et au besoin modier les param` etres et recommencer. Remarques : M ethode non optimale (N nest pas minimale), La fen etre est sym etrique, le ltre obtenu est ` a phase lin eaire, Les r esultats sont approximatifs, Lapparition des ondulations est due au choix de la fen etre de pond eration, pas ` a lordre du ltre (due aux lobes secondaires dans le spectre de la fen etre). 81

Fen etre de Bartlett (triangulaire) 2 n w(n) = N 1 2 n = 2 N 1 = 0 Fen etre de Hanning w(n) = Fen etre de Hamming 1 2

1 si 0 n N 2 N 1 si n N 1 2 ailleurs.

1 cos(

2n ) N 1

w(n) = 0.54 0.46 cos( Fen etre de Blackman w(n) = 0.42 0.5 cos( Fen etre de Kaiser w(n) = I0 (

2n ) N 1

2n 4n ) + 0.08 cos( ) N 1 N 1

2n 2 1 (N 1 1) )

I0 ( )

o` u I0 est une fonction de Bessel modi ee, de premi` ere esp` ece, dordre 0, sexprimant par : (x/2)2 (x/2)4 I0 (x) = 1 + + + (3.9) 2 (1!) (2!)2

Figure 3.8 R eponses temporelles des fen etres usuelles de pond eration. 82

Figure 3.9 R eponses fr equentielles des fen etres usuelles de pond eration. Table 3.1 Propri et es des fen etres de pond eration Type de fen etre Rectangle Hanning Hamming Blackman Kaiser Largeur de transition f 1,8/N 6,2/N 6,6/N 11/N 5,86/N ( = 4, 54) 8,64/N ( = 6, 76) 11,42/N ( = 8, 96) 0,000275 90 0,00275 70 Ondulations en bande passante (dB) 0,7416 0,0546 0,0194 0,0017 0,0274 Att enuations du 1er lobe secondaire (dB) 13 31 41 57 Att enuation en bande att enu ee (dB) 21 44 53 74 50

83

Exemple : Soit ` a synth etiser par la m ethode des fen etres un ltre RIF dordre 5 dont le transfert se rapproche du gabarit donn e` a la gure 3.10. Par la transform ee de Fourier inverse, on obtient la r eponse impulsionnelle id eale suivante h(n) : h(0) = 1/2, h(2n + 1) = 0, (1)n n sin( 2 ) , n 1 , = h(2n) k h(n) = h(n)

Figure 3.10 Synth` ese de ltre RIF par la m ethode des fen etres. Laxe de sym etrie que requiert la lin earit e de la phase est plac e au rang (N 1)/2. Il sut alors de translater h(n) de cette valeur et de tronquer la r eponse innie pour obtenir le r esultat (gure 3.10, en bas). On remarque clairement les d efauts de la m ethode, li es ` a la troncature, se traduisant par des ondulatios dans les bandes et un elargissement des zones de transition.

84

3.2.2

M ethode de l echantillonnage fr equentiel

Lorquune r eponse impulsionnelle h(n) est de dur ee nie N , on sait que lon peut echantillonner son spectre H (f ) (ou H ( )) en au moins N points sans provoquer de repli dans la bande de base. D` es lors, lid ee assez naturelle qui surgit est de se dire que lon peut echantillonner H (f ) selon le nombre de points voulu. Cette m ethode de synth` ese emploie la Transform ee de Fourier Discr` ete inverse. Il faut cependant etre conscient du fait quen toute g en eralit e, la r eponse impulsionnelle id eale souhait ee nest pas de dur ee limit ee. H (k ) = H (f )f =k/N , pour k = N N , , +1 2 2 (3.10)

La transform ee de Fourier Discr` ete inverse fournit h(n) :

N/2+1

h(n) = =

1 N 0

H (k ) ej 2 N n
k=N/2

(3.11) (3.12)

ailleurs.

Cette m ethode de synth` ese ne garantit que les points fr equentiels H (k ). Entre ces points, la valeur de H (f ) nest pas maitris ee. La structure de r ealisation est alors obtenue par la transform ee en z :
N 1

H (z ) =
n=0

h(n) z n (signal causal)

N/21

(3.13)

H (z ) =
n=N/2

h(n) z n .

(3.14)

Figure 3.11 Exemple d echantillonnage de la r eponse fr equentielle.

85

3.3
3.3.1

Filtres ` a r eponse impulsionnelle innie (RII)

M ethode de lInvariance Impulsionnelle

Le principe est bas e sur l echantillonnage de la r eponse impulsionnelle. A partir de la fonction de transfert dun ltre analogique H (s), on calcule la r eponse impulsionnelle h(t) (par la Transform ee inverse de Laplace), puis on echantillonne celle-ci, h (t) : les echantillons obtenus h(n) = h (t)t=nTe forment alors la s equence num erique permettant la r ealisation du ltre. La transformation z = esTe

(3.15)

etablit une correspondance entre la bande du plan de Laplace comprise entre fe /2 Im(s) fe /2 et Re(s) 0, et lint erieur du cercle unit e dans le plan en z . La m ethode se base sur linvariance de la r eponse impulsionnelle dans la bande limit ee consid er ee. La r eponse impulsionnelle dun ltre r ecursif etant innie, il est donc n ecessaire de faire lhypoth` ese que la Transform ee de Fourier de cette derni` ere est nulle en dehors de la bande [fe /2, fe /2]. Cette hypoth` ese tr` es restrictive est rarement satisfaite et induit un repliement spectral destructif au niveau de la g en eration du ltre. On emploie donc g en eralement cette m ethode que pour des signaux ` a bande limit ee et des ltres (uniquement passe-bas et passe-bande) dont la fr equence de coupure reste tr` es inf erieure ` a la fr equence de Shannon. Exemple : Soit ` a synth etiser par la m ethode de linvariance impulsionnelle un ltre passe-bas du premier ordre H (s) h(t) = =
1

1 1+j t/

(t)

Si on echantillonne cette r eponse impulsionnelle ` a la fr equence fe , il vient : h (t) = 1

+

ekTe / (t kTe )
k=0

dont la transform ee de Laplace est : 1 H (s) =

+

ekTe (s+ ) =
k=0

1 1 1 ) 1 eTe (s+

par la transformation de linvariance imulsionnelle, on obtient la fonction de transfert en z : 1 1 1 eTe / z 1 Il faut que dans la bande passante, le gain de la fonction de transfert en z soit egal au gain de la fonction de transfert en s, donc puisque pour s = 0 on a z = 1, il faut multiplier la fonction de transfert en z par (1 eTe / ) et nalement : H (z ) H (z ) = (1 eTe / ) 1 eTe / z 1 86

On a trac e sur la gure 3.12 les fonctions de transfert en s et en z du ltre num erique.

Figure 3.12 Synth` ese dun ltre passe-bas par linvariance impulsionnelle.

3.3.2

Synth` ese par la Transformation bilin eaire

Cest la m ethode la plus employ ee pour synth etiser des ltres r ecursifs. La transformation bilin eaire (ou TBL) permet d etablir une bijection entre la partie gauche du plan complexe laplacien et lint erieur du cercle dans le plan z s= 2 1 z 1 Te 1 + z 1 ou inversement : z= 2/Te + s 2/Te s (3.16)

On conserve ainsi la stabilit e dans le passage du ltre analogique au ltre num erique. N eanmoins, la transformation bilin eaire agit comme une relation non-lin eaire entre les fr equences fa du domaine analogique et les fr equences fd du domaine num erique. Elle d eforme le gabarit lors du changement de plan complexe, et on est oblig e deectuer une transposition du gabarit num erique au gabarit analogique ` a laide des formules 1 1 tan(fd Te ) ou inversement : fd = tan1 (fa Te ) Te Te

fa =

(3.17)

87

La m ethodologie pour la synth` ese dun ltre num erique est la suivante : D enir le gabarit du ltre num erique, Convertir ce gabarit en un gabarit correspondant au ltre analogique par la relation 3.17, Faire la synth` ese du ltre analogique (Butterworth, Tchebichev, elliptique,...) pour obtenir la fonction de transfert H (s) Transformer H (s) en H (z ) en utilisant la transformation bilin eaire 3.16. Exemple : Soit ` a synth etiser un ltre num erique passe-bande (de centre fc = 0.318Hz) de fonction de transfert fr equentielle en gain H (s) =
2 c 2 2c s + c

s2 +

On applique la transformation bilin eaire pour c = 2 rad/s et Te = 2 s, on obtient alors la fonction de transfert en z H (z ) = 0.0302 (z 2 + 2z + 1) z 2 1.4514z + 0.5724

` partir de laquelle on peut d a eterminer imm ediatement l equation aux di erences (en passant en z 1 ).

88

3.4

Exercices

1. Montrer que la Transform ee de Fourier Discr` ete dune convolution circulaire des signaux x et h correspond au produit X (k ) H (k ) des Transform ees Discr` etes. 2. Etablir la relation de r ecurrence ( equation aux di erences) donnant y (n) ainsi que la fonction de transfert H (z ) du ltre dont la structure directe est la suivante :

x(n)

z1
1/4 1/2

z1
1/4

y(n)

Figure 3.13 Structure directe dun ltre causal (type RIF). 3. On cherche ` a synth etiser, par la m ethode des fen etres, un ltre passebande de fr equences de coupure fmin et fmax correspondant aux angles min = 2fmin Te et max = 2fmax Te du cercle unit e. Ce ltre aura un gain unit e entre les fr equences fmin et fmax et nul en dehors. (a) D eterminer les coecients de la r eponse impulsionnelle id eal. Rappel du calcul des coecients dun ltre RIF
+1/(2Te )

h(n) = Te
1/(2Te )

H (f ) e2jnf Te df

(b) Comparer les valeurs trouv ees pour les echantillons de h(n), sym etriques quand N = 11, fe = 8 kHz, fmin = 1 kHz et fmax = 2 kHz avec ceux indiqu es ci-dessous et correspondant respectivement ` a: la multiplication de h(n) par une fen etre rectangulaire : [0.1004; 0.0000; 0.1674; 0.1471; 0.0862; 0.2311; 0.0862; 0.1471; 0.1674; 0.0000; 0.1004] (commande Matlab : fir1(10, [0.25 0.5], boxcar(11)) ) la multiplication de h(n) par une fen etre de Hanning : [0.0109; 0.0000; 0.1359; 0.1792; 0.1306; 0.3753; 0.1306; 0.1792; 0.1359; 0.0000; d0.0109] (commande Matlab : fir1(10, [0.25 0.5], hanning(11)) ) Rep : a) h(n) =
1 n

{sin[2nfmax Te ] sin[2nfmin Te ]}

89

4. D eterminer : (a) la r eponse fr equentielle (fonction de transfert), (b) la r eponse impulsionnelle, du ltre RIF num erique suivant caract eris e par l equation aux di erences num eriques : y (n) = [x(n) + 2 x(n 1) + x(n 2)]/4 . Quelle est le temps de propagation dun signal dans le ltre ?

Rep :

Figure 3.14 Le ltrage en cosinuso de sur elev ee. 5. D eterminer, par la m ethode de l echantillonnage fr equentiel, les coecients de la r eponse impulsionnelle du ltre num erique dont la r eponse fr equentielle est illustr ee sur la gure 3.15 ci-dessous (les coecients H (k ) correspondent aux points noirs). On se limitera ` aN =7 echantillons.

1 0.7

0.15 0.1 0.22

Figure 3.15 Exercice sur l echantillonnage de la r eponse fr equentielle.

90

6. Montrer que la transformation bilin eaire conserve la stabilit e, lors de la transformation du plan complexe s = + j des syst` emes lin eaires continus, au plan complexe z = eTe s des syst` emes echantillonn es. 7. En analysant la r ealisation suivante, d eterminer ` a quel type de ltre elle correspond et d eterminer l equation aux di erences num eriques correspondante. Quelle est lexpression de la transmittance H (z ) = Y (z )/X (z ) ?

x(n)

+ z 1 z 1 + z 1 z 1

b2

b1

+ y(n)
Figure 3.16 R ealisation dun ltre causal du second ordre. 8. D eterminer l equation aux di erences num eriques dun ltre RII normalis e non causal et dont la r eponse impulsionnelle h(x) continue (et sym etrique) est h(x) = C e|x| et repr esent ee ci-dessous :

h(x) C

x
Figure 3.17 R eponse impulsionnelle du ltre 1-D de lissage de Shen-Castan. avec C et deux constantes r eelles. On prendra Xe = 1 comme fr equence (spatiale) d echantillonnage. On essaiera dabord dexprimer la normalisation, puis les transmittances en z des parties causales et anti-causales.

91

92