Cours Tds Fip2a PDF

Traitement Num
erique
du Signal D
eterministe
(2008-2009) - FIP 2A
Christophe DOIGNON
Matre de Conferences HdR
Universite Louis Pasteur de Strasbourg

Bureau C418 - ENSPS, Pole API
Boulevard Brant, 67412 Illkirch, France
03 90 24 43 41
courriel : [email protected]
Table des mati`

eres
Bibliographie
1 Rappels de Premi`
ere Ann
ee
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Representation des Signaux Deterministes . . . . . . . . . . . .
1.2.1 Fonction signe . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Fonction echelon (unite) . . . . . . . . . . . . . . . . . .
1.2.3 Fonction rectangle . . . . . . . . . . . . . . . . . . . . .
1.2.4 Fonction triangle . . . . . . . . . . . . . . . . . . . . . .
1.2.5 Fonction sinus cardinal . . . . . . . . . . . . . . . . . .
1.2.6 Impulsion unite (distribution de Dirac) . . . . . . . . .
1.2.7 Fonction peigne de Dirac (fonction dechantillonnage)
1.3 Energie et Puissance . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Energie dun signal . . . . . . . . . . . . . . . . . . . . .
1.3.2 Puissance moyenne dun signal . . . . . . . . . . . . . .
1.4 Classification des signaux . . . . . . . . . . . . . . . . . . . . .
1.4.1 Signaux à energie finie . . . . . . . . . . . . . . . . . . .
1.4.2 Signaux à puissance moyenne finie . . . . . . . . . . . .
1.4.3 Causalite . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.4 Parite . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . .
1.6 Transformations frequentielles . . . . . . . . . . . . . . . . . . .
1.6.1 Transformee de Fourier . . . . . . . . . . . . . . . . . .
1.6.2 Theorème de Plancherel . . . . . . . . . . . . . . . . . .
1.6.3 Transformee de Laplace . . . . . . . . . . . . . . . . . .
1.7 Serie de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8 Correlation et densites spectrales . . . . . . . . . . . . . . . . .
1.8.1 Signaux à energie finie . . . . . . . . . . . . . . . . . . .
1.8.2 Signaux à puissance moyenne finie . . . . . . . . . . . .
1.8.3 Densites spectrales . . . . . . . . . . . . . . . . . . . . .
1.8.4 Theorème de Parseval . . . . . . . . . . . . . . . . . . .
1.9 Filtrage analogique . . . . . . . . . . . . . . . . . . . . . . . . .
1.9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . .
1.9.2 Filtres stables physiquement realisables . . . . . . . . .
1.9.3 Frequence de coupure et bande passante . . . . . . . . .
1.9.4 Transformations de frequences . . . . . . . . . . . . . .
1.9.5 Synthèse des filtres analogiques . . . . . . . . . . . . . .
1.10 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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/Quantification
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . .
2.2 Echantillonnage . . . . . . . . . . . . . . . . . . . .
2.2.1 Principe . . . . . . . . . . . . . . . . . . . .
2.3 Transformees dun signal echantillonne . . . . . . .
2.3.1 Transformee de Laplace . . . . . . . . . . .
2.3.2 Transformee en z . . . . . . . . . . . . . . .
2.3.3 Transformee en z inverse . . . . . . . . . .
2.3.4 Equations aux differences . . . . . . . . . .
2.3.5 Transformee de Fourier discrète (TFD) . .
2.3.6 Convolution discrète . . . . . . . . . . . . .
2.4 Energie et puissance dun signal numerique . . . .
2.5 Quantification . . . . . . . . . . . . . . . . . . . . .
2.5.1 Principe et caracteristiques de la conversion
2.5.2 Structures dun CNA . . . . . . . . . . . .
2.5.3 Structures dun CAN . . . . . . . . . . . .
2.6 Correlation numerique . . . . . . . . . . . . . . . .
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
48
48
48
52
52
52
54
55
55
56
58
58
58
62
64
66
68
3 Filtrage num
erique
3.1 Introduction . . . . . . . . . . . . . . . . . . . . .
3.2 Filtres à reponse impulsionnelle finie (RIF) . . .
3.2.1 Synthèse par la methode des fenetres . . .
3.2.2 Methode de lechantillonnage frequentiel .
3.3 Filtres à reponse impulsionnelle infinie (RII) . . .
3.3.1 Methode de lInvariance Impulsionnelle .
3.3.2 Synthèse par la Transformation bilineaire
3.4 Exercices . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
71
72
78
80
85
86
86
87
89
.
.
.
.
.
.
.
.
Bibliographie
[1] B. Picinbono, Theorie des signaux et des systèmes, 1989, 260 pages, Dunod
Universite. ISBN 2-04-018837-1.
[2] F. de Coulon, Theorie et traitement des signaux, Dunod, Paris, 1985.
[3] J. Max et J.-L. Lacoume, Methodes et techniques de traitement du signal et
application aux mesures physiques, Masson, Paris, 1996.
[4] J.-P. Delmas, Elements de theorie du signal : les signaux deterministes, Ellipses, Paris, 1991.
[5] M. Labarrère, J.-P. Krief et B. Gimonet, Le filtrage analogique, Cepaduès
editions, Toulouse, 1982.
[6] P. Duvaut, Traitement du signal : concepts et applications, Hermès, 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 numeriques des signaux, Dunod, Paris, 1991.
[10] M. Bellanger, Traitement numeriques des signaux, Masson, Paris, 1991.
[11] R. Boite et H. Leich, Les filtres numeriques, Masson, Paris, 1990.
[12] T. Parks et C. Burros, Digital filter 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 à Auxerre - 16 mai 1830 à Paris) est un
mathematicien et physicien francais connu pour ses travaux sur la decomposition
de fonctions periodiques en series trigonometriques convergentes appelees series
de Fourier. Il a ete instruit par les Benedictins à lEcole militaire dAuxerre.
Il etait destine à letat monastique, mais il prefera sadonner aux sciences. Il
a participe à la Revolution, manquant de peu de se faire guillotiner durant la
Terreur, il a ete sauve de justesse par la chute de Robespierre. Il intègre lEcole
Normale Superieure, o`
u il aura comme professeur entre autres Joseph-Louis
Lagrange. Fourier est connu pour sa theorie analytique de la chaleur (1822).
Cest à Grenoble quil conduit ses experiences sur la propagation de la chaleur
qui lui permettront de modeliser levolution de la temperature au travers de
series trigonometriques. Ces travaux qui apportent une grande amelioration à
la modelisation mathematique de phenomènes ont contribue aux fondements de
la thermodynamique.
1.1
Introduction
e Traitement du Signal (TdS) est une discipline indispensable que tout

ingenieur doit connatre. Lamelioration des performances des systèmes au cours
des trente dernières annees est due, pour une grande part, à lapplication des
techniques de traitement du signal. Cest le cas notamment en imagerie medicale,
en telephonie et telecommunication. Un système dimagerie echographique par
ultra-sons, lIRM ou encore les RADAR actuels sont des inventions dont les
performances (en termes de precision et de rapidite) sont sans commune mesure
avec les premiers prototypes apparus. Les structures materielles sont sensiblement les memes, mais les techniques de traitement de signal faisant appel à des
traitements numeriques sophistiques ont ete integrees pour permettre dextraire
de lecho sonore ou de limage reconstituee une quantite plus grande dinformations. Les implications en ce qui concerne un diagnostic medical, la surveillance
dune zone aerienne ou sous-marine ou encore la localisation de pannes sont
immediates. Lobjectif du traitement du signal apparat alors comme un outil mathematique employe pour extraire un maximum dinformations utiles sur
un signal perturbe par du bruit. Les signaux utiles sont souvent perturbes par
des signaux parasites (le bruit) qui les masquent parfois complètement. Pour
attenuer, sinon supprimer ce bruit il faut en connatre les caracteristiques ainsi
que celles du signal utile. Cest pourquoi le traitement du signal est une discipline très mathematique. Les techniques utilisees peuvent etre appliquees à un
signal analogique (continu) mais compte tenu de leur complexite, un traitement
numerique simpose presque toujours. Il est rendu possible grace à 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 première annee.
La plupart des notions sont fournies dans ce document, mais toutes ne pourront
pas etre traitees de nouveau. Il sagit essentiellement de revoir brièvement la
representation des signaux deterministes, les theorèmes fondamentaux en traitement du signal et du filtrage analogique lineaire. Le chapitre I est donc
plus un document de rappel quun support de cours en pr
esence des
etudiants. Nous aborderons alors le traitement numerique du signal, en commencant par les processus dacquisition (Chapitre 2) puis en presentant les outils
employes dans ce cas pour terminer sur letude du comportement des signaux
numeriques et du filtrage numerique de ces signaux (Chapitre 3).
Signal : Support de linformation transmise de sa source à sa destimation. En

fonction de la nature du support, on parle par exemple de :
signal electrique (telephonie),

onde electromagnetique (telecommunication),
onde acoustique (sonar),
onde lumineuse (fibre optique),
signal binaire (ordinateur).
On parle egalement de signal de mesure, de commande, de signaux video, audio,
etc...en fonction de la nature de linformation transmise.

Th
eorie du signal : Cest la description mathematique des signaux quelque
soit leur nature et quelque soit le support physique. Lobjectif est detablir une
representation dun signal en fonction du temps ou de lespace contenant une
information à stocker, à transformer, à transmettre ou à recevoir. La theorie du
signal ne prejuge pas de la nature physique du signal.
Bruit : Toute perturbation superposee à un signal et genant la perception de
ce signal.
Traitement du signal : A laide dune formulation mathematique adequate,
le traitement du signal à pour principales fonctions de (voir Fig. 1.1) :
Filtrer : eliminer dun signal des composantes indesirables,
D
etecter : Extraire une composante utile dun signal et/ou du bruit de
fond qui lui est superpose,
Analyser : Isoler les composantes et les caracteristiques essentielles dun
signal pour mieux en comprendre la nature,
Mesurer : Estimer la valeur dune grandeur caracteristique associee au
signal.
R
eg
en
erer Redonner à un signal qui a ete distordu sa forme initiale.
Identifier : Classer un signal observe.
Synth
etiser : Creer un signal de forme appropriee.
Moduler : Modifier les caracteristiques dun signal pour ladapter à une
voie de transmission ou un support denregistrement.
Codage : Traduire le signal en langage numerique, reduire les redondances
dinformations et lutter contre linfluence du bruit.
Domaine dapplication
Telecommunications,
Telephonie,
Radar,
Sonar,
Traitement dimages,
Astronomie,
Geophysique,
Automatique,
....
Dans les telecommunications : que ce soit dans le domaine de la telephonie ou

dans le transfert de donnees numeriques terrestre ou via satellite, la compression des donnees est primordiale pour exploiter au mieux la bande passante
disponible, et minimiser les pertes. La suppression dechos est un autre domaine
dapplication.
En audio : on cherche à ameliorer les techniques denregistrement et de compression pour obtenir la plus grande qualite sonore possible. Les techniques de
correction decho permettent de reduire les effets de reflexions acoustiques dans
la pièce. Le traitement du son sest largement ameliore grace aux ordinateurs.
La synthèse sonore permet en outre de creer des sons artificiels ou de recreer les
sons dinstruments naturels. Elle a ete à lorigine de nombreux bouleversements
en musique.
Lanalyse des echos permet dobtenir des informations sur le milieu sur lequel
les ondes se sont reflechies. Cette technique est exploitee dans le domaine de
limagerie radar ou sonar. En geophysique, en analysant les reflexions dondes
acoustiques, on peut determiner lepaisseur et la nature des strates du sous-sol.
Cette technique est utilisee dans le domaine de la prospection minière et dans
la prediction des tremblements de terre.
En imagerie : on trouve des applications dans le domaine medical (reconstruction tomographique, imagerie par resonance magnetique - 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 sequences video concerne la compression, la restauration,
la realisation deffets speciaux, lextraction de descripteurs (reconnaissance de
formes et textures, suivi de mouvements, caracterisation etc.) afin de produire
des annotations automatiques dans une perspective de bases de donnees (recherche par le contenu).
Systme
physique
Capteur
Bruit
Canal de
transmission
Bruit
Rcepteur
Bruit
Traitement
Information
utile +
bruit
rsiduel
Figure 1.1 Synoptique dune chane classique de traitements dun signal.
10
1.2
Repr
esentation des Signaux D
eterministes
Les signaux deterministes renferment une information dont levolution en

fonction du temps peut etre parfaitement predite par un modèle mathematique
(au contraire des signaux aleatoires/stochastiques).
Nous presentons dans cette section quelques fonctions mathematiques ainsi que
leurs proprietes, supports de signaux elementaires et utilisees 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|
t 6= 0 .
(1.2)
sgn(t)
1
0
t
1
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
(1.4)
( t)
1
0
t
11
1.2.3
Fonction rectangle
0
1
rect(t) =
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)
(1.6)
rect(t)
1
0
1/2
1/2
Propri
et
e : la fonction rect(t) est normalisee, car la surface (sous la courbe)
est unitaire.
Question 1 : Tracer la fonction (porte) A rect( t
T ) .
Question 2 : Calculer
1.2.4
R +
rect(t) dt .
Fonction triangle
tri(t) =
1 |t| si
0
si
|t| 1
|t| > 1
(1.7)
tri(t)
1
0
1
La fonction triangle est elle aussi normalisee :
12
R +
tri(t) dt = 1 .
1.2.5
Fonction sinus cardinal

sin( t)
t
sinc(t) =
1
(1.8)
0.8
0.8
0.6
0.6
0.4
0.2
0.4
0
0.2
0.2
0.4
4
0
4
(a)
(b)
Figure 1.2 (a) fonction sinc(t). (b) fonction sinc(t)2 .

La fonction sinus cardinal est elle aussi normalisee :
R +
Dautre part, on a : sinc2 (t) dt = 1.
1.2.6
R +
sinc(t) dt = 1 .
Impulsion unit
e (distribution de Dirac)
Mathematiquement, cest une fonction (distribution) definie par

Z +
f (t) (t) dt = f (0) ,
(1.9)
quelle que soit la fonction f (t).

( t )
1
0
t
Remarque : sur la figure ci-dessus, 1 correspond à laire sous la courbe, pas à la

hauteur qui est . La fonction de Dirac est normalisee :
Z +
(t) dt = 1 .
(1.10)
Dautre part, on a :
Z
( ) 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 derivee de (t)
(au sens des distributions). Limpulsion de Dirac est un signal non realisable.
Physiquement, on a coutume de modeliser une impulsion de Dirac par un signal rectangle (porte) dont la largeur tend vers 0 et lamplitude tend vers linfini.
13
Limpulsion de Dirac est egale à la limite de nombreuses familles de fonctions,

ainsi :
limT + T1 rect( Tt )
limT +
(t) =
limT +
1
T
1
T
tri( Tt )
(1.12)
sinc( Tt )
Propr
et
es de la fonction de Dirac
1. (t) = 0 si t 6= 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 reponse impulsionnelle est simplement definie comme etant la reponse dun
système physique dont lentree est une impulsion de Dirac. Elle permet de caracteriser les systèmes lineaires dans le domaine temporel.
1.2.7
Fonction peigne de Dirac (fonction d

echantillonnage)
La fonction T (t) est definie par :

T (t) =
k=+
X
(t kT ).
(1.13)
k=
Cette fonction est appelee fonction dechantillonnage car selon la propriete 2

(voir ci-dessus) on a, pour tout signal f (t) :
f (t) T (t) =
k=+
X
f (kT ) (t kT ).
(1.14)
k=
T ( t )
f(t) ( t )
T
f(3T)
f(3T) f(2T) f(T)

1
f(T)
0
3T
2T
2T
3T
f(2T)
t
3T
(a)
2T
2T
3T
(b)
Cela revient à ne retenir que les valeurs de la fonction continue f (t) aux instants
dechantillonnage, à savoir T , 2T , 3T ...
14
1.3
Energie et Puissance
1.3.1
Energie dun signal
Soit x(t) un signal quelconque (fonction complexe),

Lenergie sur [t1 , t2 ] est definie par :
Z
t2
Wx (t1 , t2 ) =
|x(t)|2 dt .
(1.15)
t1
o`
u la notation |x(t)|2 signifie 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 definie par :
Px (t1 , t2 ) =
1
t2 t1
t2
|x(t)|2 dt .
(1.16)
t1
Cas particulier des signaux p

eriodiques de p
eriode T0
x(t) =
k=+
X
xp (t kT0 ) ,
(1.17)
k=
o`
u xp (t) est le signal sur une periode T0 , alors la puissance moyenne sur une
periode est egale à :
Px =
1.4
1.4.1
1
T0
+T0 /2
|x(t)|2 dt =
T0 /2
1
T0
|xp (t)|2 dt .
(1.18)
Classification des signaux

Signaux `
a
energie finie
Un signal x(t) est dit à energie finie sil est de carre sommable, cest-à-dire si
Z +
Wx =
|x(t)|2 dt < .
(1.19)
Ce qui implique que Px = 0 .
15
1.4.2
Signaux `
a puissance moyenne finie
Un signal x(t) est dit à puissance moyenne finie si

Px = limT +
1
T
+T /2
|x(t)|2 dt < .
(1.20)
T /2
Cas des signaux periodiques de periode T :

1
Px =
T
t0 +T /2
|x(t)|2 dt < .
(1.21)
t0 T /2
Si Px 6= 0, alors Wx = (signal à energie totale infinie).

Exemple : Calculer la puissance moyenne du signal reel et sinusodal represente
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 filtre que lon veut realiser en temps reel, il va de
soit que sa reponse ne peut etre que posterieure à lexcitation. Cest pourquoi,
on imposera que sa reponse 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 reel x(t) est la somme dun signal pair xp (t) et dun signal impair xi (t) : x(t) = xp (t) + xi (t) o`
u xp (t) = x(t)+x(t)
et xi (t) = x(t)x(t)
.
2
2
Exemples :
- Quelle est la parite des signaux x(t) = et sin(t + ) (sinusode attenuee)
2
(gauche) et x(t) = et sin(t + ) (droite) representes ci-dessous pour les
valeurs = 0.25, = /6 et = 3 rad/s :
15
10
0.5
5
0
0
0.5
5
10
10
1
10
10
16
10
1.5
Produit de convolution
On appelle produit de convolution entre deux fonctions x(t) et h(t), loperation

? (notee egalement ) definie par :
Z
(x ? h)(t) =
x( ) h(t ) d
(1.22)
Si la reponse impulsionnelle dun système lineaire (comme un filtre, par exemple)

est representee par la fonction h(t), la sortie du signal y(t) sobtient comme le
produit de convolution de lentree x(t) avec la reponse impulsionnelle h(t).
x(t)
Systme linaire
y(t)
h(t) : rponse impulsionnelle

y(t) = x(t) * h(t)
La convolution est leffet que produit un instrument de mesure qui donne dun
phenomène physique non pas une reponse nette, mais un peu floue. Limage
dun point dans un instrument doptique nest jamais reellement un point mais
une tache. Dans le domaine electronique, on retrouve le meme phenomène : une
impulsion infiniment brève appliquee à lentree dun amplificateur ne donne jamais en sortie une impulsion brève, mais un signal de duree non nulle (dautant
plus etroite que la bande-passante de lappareil est plus elevee).
Le produit de convolution represente levolution de la valeur de laire contenue
sous le produit des deux fonctions en fonction du temps. Il exprime la quantite
de recouvrement de la fonction x(t) lorsquon la deplace sur la fonction h(t).
Figure 1.3 Interpretation du produit de convolution entre f (t) et g(t).
17
Propri
et
es
Le produit de convolution est une operation commutative et distributive
par rapport à laddition.
La fonction de Dirac est lelement neutre du produit de convolution :
(t ) ? f (t) = f (t )
(1.23)
Le produit de convolution de deux signaux representes par leurs fonctions

temporelles correspond dans le domaine frequentiel au produit de leurs
transformees de Fourier respectives (Theorème de Plancherel).
Si x(t) et y(t) sont des signaux causaux, en ecrivant les inegalites quils
verifient
x( ) = 0
<0
y(t ) = 0 > t
on obtient une expression simplifiee et très utile de la convolution :
Z
(x ? y)(t) =
x( ) y(t ) d
(1.24)
1.6
1.6.1
Transformations fr
equentielles
Transform
ee de Fourier
La representation temporelle peut etre suffisante dans tous les cas o`

u la
forme du signal et la nature du traitement restent simples. Dans la realite, 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 representation du signal en fonction du temps savère insuffisante :
elle ne permet plus dinterpreter correctement linformation. Dans de tels cas,
la representation du signal en fonction de la frequence est très utile.
La transformee de Fourier est un outil mathematique qui permet detablir une
dualite entre deux representations differentes dun signal mais complementaires
au niveau de linterpretation des resultats. Elle effectue le passage du domaine
temporel au domaine spectral (frequentiel). Son resultat est appele spectre dun
signal.
La transformee de Fourier du signal x(t) , notee F[x(t)] = X(), est definie
par :
Z +
F[x(t)] = X() =
x(t) e2jf t dt , ( = 2f )
(1.25)
R +
Elle existe si x(t) est de classe L1 ( |x(t)|dt < +) et si le signal presente
un nombre fini de discontinuites.
18
La transformee de Fourier inverse de X() est le signal x(t) = F 1 [X()] defini

par :
Z +
1
1
x(t) = F [X()] =
X() ejt d
(1.26)
2
X() est une fonction qui est independante 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 reelle et de partie imaginaire :
X() = Re(X()) + j Im(X()) avec
Z
x(t) cos(t) dt
Re(X()) =
et
Im(X()) =
x(t) sin(t) dt .
(1.27)
On enonce ci-dessous quelques proprietes importantes concernant la transformee
de Fourier :
1. La transformee de Fourier est inversible si x(t) est un signal à energie finie.
2. Linearite : F[a x(t) + b y(t)] = a X() + b Y ()
3. Changement dechelle : F[x(at)] =
1
|a|
X( a )
4. Translation en temps : F[x(t a)] = X() eja (retard, si a > 0),

5. Translation en frequence : F[x(t) ej0 t ] = X( 0 ) ,
n
n
6. Derivation : F[ d dtx(t)
X(),
n ] = (j)
7. Integration : X() =
1
j
de x(t) (
x = limT0 +
F[ dx(t)
() o`
ux
est la valeur moyenne
dt ] + 2 x
R T0 /2
1
x(t) dt),
T0
T0 /2
8. Conjugaison : F[x? (t)] = X ? (),

9. Dualite : F[x(t)] = Y () F[y(t)] = 2X(),
10. Parite : x(t) = xp (t) + xi (t) X() = F[xp (t)] + F[xi (t)],
11. Si x(t) est reel, alors Re(X()) = F[xp (t)] est une fonction reelle et
j Im(X()) = F[xi (t)] est une fonction imaginaire.
12. Si x(t) est reel pair, alors X() est reel pair.
Si x(t) est reel 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 (propriete 4) ne change pas le module de la
transformee de Fourier, mais introduit un dephasage sur le spectre complexe.
On appelle egalement cette propriete propriete de modulation.
1.6.2
Th
eor`
eme de Plancherel
Ce theorème met en exergue la dualite entre temps et frequence. Il senonce

ainsi :
La transformee de Fourier dun produit de convolution de leurs fonctions temporelles est le produit des transformees de Fourier :
(
TF
x(t) ? y(t)
X(f ) Y (f )
(1.28)
TF
1
x(t) y(t) 2
X(f ) ? Y (f )
1.6.3
Transform
ee de Laplace
A lorigine de la transformation de Laplace, on trouve lidee que, si une fonction

x(t) nest pas sommable en valeur absolue, il est neanmoins interessant de definir
la transformee de Fourier du produit x(t) et , du moins si il existe un nombre
reel tel que le produit ci-dessus soit sommable en valeur absolue. Considerons
donc une fonction x(t) et un intervalle , tels que pour le reel , lintegrale
Z
|x(t) et | dt
(1.29)
converge. On definit alors la transformee de Laplace bilaterale X(s) de x(t) :

Z
L[x(t)] = X(s) =
o`
u s est une variable complexe s = + j.
20
x(t) est dt
(1.30)
1.7
S
erie de Fourier
Un signal x(t) peut se decomposer en une somme infinie de fonctions sinusodales

dependant du temps qui peut etre exprimee par une combinaison lineaire de
fonctions exponentielles complexes sur lintervalle temporel [0, T0 = 1/f0 ] :
x(t) =
+
X
cn ej2nf0 t , t [0, T0 ] ,
(1.31)
n etant une valeur entière. Les coefficients de la serie de Fourier, cn , sont

independants du temps et sexpriment de la manière suivante :
Z T0
1
cn =
x(t) ej2nf0 t dt ,
(1.32)
T0 0
Si x(t) est periodique de periode T0 = f10 , f0 represente la frequence du fondamental et nf0 (n > 1) represente la frequence des differents harmoniques.
Dans un contexte detude reduit aux signaux à energie finie, on introduit ici une
bijection entre deux representations de ces signaux : lune temporelle et lautre
frequentielle. Si ces signaux sont periodiques et donc à energie infinie sur R, il
nexiste plus de transformee de Fourier au sens des fonctions, mais ces signaux,
pourvu quils soient continus, admettent une decomposition en serie de Fourier,
ce qui nous permet de conserver une representation frequentielle aux moyens
des coefficients descriptifs de la serie.
Lensemble des valeurs cn (en general complexes) constitue le spectre du signal ;
qui est alors discret. Ces valeurs designent lamplitude et la phase des harmoniques (multiples du fondamental). Lexemple type est la fonction sinus qui
na pas de transformee de Fourier au sens des fonctions, mais qui se decompose
aisement (et pour cause) en serie (trigonometrique) de Fourier pour obtenir deux
coefficients (b1 et b1 ) qui correspondent à deux impulsions Dirac frequentielles.
Remarques :
c0 =
1
T0
R T0
0
x(t) dt = valeur moyenne de x(t) sur [0, T0 ] .
Si x(t) est un signal reel, alors cn = c?n .

Si x(t) est periodique de periode T0 , alors x(t) = x(t + T0 ) et
x(t) =
+
X
cn ej2nf0 t , t .
(1.33)
On peut decomposer x(t) sous la forme equivalente à (1.31) :

x(t) = a0 +
+
X
(an cos(2nf0 t) + bn sin(2nf0 t))
avec
21
(1.34)
an =
2
T0
2
T0
R T0
0
R T0
bn =
0
0 = 2f0 .
et cn =
an jbn
2
x(t) cos(n0 t) dt =
2
T0
x(t) sin(n0 t) dt =
pour n > 0, cn =
R T0 /2
x(t) cos(n0 t) dt
T0 /2
R T0 /2
2
T0
T0 /2
an +jbn
2
x(t) sin(n0 t) dt avec
pour n < 0 et c0 = a0 .
Si le signal x(t) est pair, alors les coefficients bn sont tous nuls. Si le signal
x(t) est impair, alors les coefficients an sont tous nuls.
Interpretation : la forme complexe de la decomposition en serie de Fourier
est la formulation la plus usuelle. Elle fait apparatre des harmoniques
de frequences positives et negatives qui servent mathematiquement à reconstituer lensemble du signal. Neanmoins, cette decomposition na pas
de realite physique en ce qui concerne la partie associee aux frequences
negatives. Elle est utilisee en traitement du signal car elle permet bien
souvent une simplification des calculs.
On peut montrer que si x(t) de periode T0 est une fonction continue et

que sa derivee première temporelle x0 (t) est continue par morceaux, alors
la serie de Fourier de x(t) converge uniformemement vers x(t).
La notion de spectre dun signal periodique est bien connue des musiciens :
deux instruments jouant la meme note fournissent deux signaux de meme
frequence ; ils sont identifiables parce que les amplitudes des harmoniques
sont differentes. Cest la repartition des amplitudes sur les divers harmoniques qui est caracteristique dun instrument : cest son timbre.
22
1.8
1.8.1
Corr
elation et densit
es spectrales
Signaux `
a
energie finie
La correlation est une mesure energetique de la similitude de forme et de position entre deux signaux decales. Pour des signaux reels à energie finie, on definit
lautocorrelation et lintercorrelation de la manière suivante :
Autocorr
elation : correlation entre le signal x(t) et lui-meme :
Z +
xx ( ) =
x(t) x? (t ) dt .
(1.35)
Intercorr
elation : correlation entre le signal x(t) et le signal y(t) :
Z
x(t) y ? (t ) dt .
xy ( ) =
(1.36)
1.8.2
Signaux `
a puissance moyenne finie
Pour des signaux x(t) et y(t) à puissance moyenne finie, on definit lautocorrelation par la relation :
1
xx ( ) = lim
T + T
+T /2
x(t) x? (t ) dt .
(1.37)
T /2
et de meme, on definit la fonction dintercorrelation par :

1
T + T
+T /2
xy ( ) = lim
x(t) y ? (t ) dt .
(1.38)
T /2
Propri
et
es :
xx ( ) et xy ( ) sont homogènes à une energie (energie croisee entre un
signal et un autre retarde) ou à une puissance (deuxième definition).
xy ( ) = 0 , signifie que les signaux sont totalement decorreles (signaux
orthogonaux),
|xy ( )|2 xx ( ) yy ( ) (inegalite de Schwartz),
|xx ( )| xx (0) , : la fonction dautocorrelation admet une valeur
maximale en = 0. Comme la fonction dautocorrelation sert à mesurer le
degre de ressemblance entre un signal et sa version decalee dans le temps,
intuitivement, on concoit que la ressemblance est maximale lorsquon compare le signal avec lui-meme, i.e., lorsque lon compare le signal avec sa
version non decalee dans le temps.
23
1.8.3
Densit
es spectrales
En un mot, il sagit des transformees de Fourier des fonctions de correlation que

lon vient daborder (appeles aussi relations de Wiener-Khintchine). On definit
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 ) .
1.8.4
(1.40)
Th
eor`
eme de Parseval
Lidentite de Parseval traduit la conservation de lenergie lors du passage à la

transformee de Fourier. On a donc :
Z +
|X(f )|2 df
|x(t)|2 dt =
|
|
{z
}
{z
}
Domaine temporel Domaine frequentiel
Z
E=
(1.41)
Pour les signaux periodiques qui sont à energie infinie, on calcule dans ce cas la
puissance sur une periode T0 . En utilisant le developpement en serie de Fourier
qui existe en vertu de la periodicite, on trouve :
P =
1
T0
T0
x(t) x? (t) dt =
+
X
cn c?n .
(1.42)
On en deduit le theorème de Parseval pour des signaux periodiques et qui traduit

cette fois-ci la conservation de la puissance :
Z
P =
(f ) df =
+
X
24
|cn |2
(1.43)
1.9
1.9.1
Filtrage analogique
Introduction
Nous allons aborder dans ce chapitre le filtrage des systèmes lineaires continus et invariants dans le temps (stationnaires). Le filtrage consiste à attenuer
certains signaux et à en laisser passer dautres. Cette selection sopère bien
evidemment en fonction des caracteristiques du signal recherchees en sortie.
Un filtre modifie (ou filtre) certaines parties dun signal dentree dans le domaine temporel et dans le domaine frequentiel. Daprès la theorie de Fourier,
tout signal reel peut etre considere comme compose dune somme de signaux
sinusodaux (en nombre infini si necessaire) à des frequences differentes ; le role
du filtrage est alors de modifier la phase et lamplitude de ces composantes. Par
exemple, agir sur la representation frequentielle pour la modifier : le filtre ajoute
ou enlève des graves ou des aigus en traitement de la parole, il corrige la reponse
en frequence dun appareil (microphone, telephone,...).
Un moyen de caracteriser un filtre est sa reponse impulsionnelle h(t), cest-àdire le signal en sortie du filtre lorsque le signal dentree est une impulsion
de Dirac, cest-à-dire lorsque toutes les frequences sont presentes à son entree
(F[(t)] = 1). Un autre moyen de caracteriser un filtre est de fournir sa fonction
de transfert H(), qui peut etre obtenue en divisant le spectre frequentiel du
signal de sortie avec celui du signal de lentree du filtre
y(t) = h(t) ? x(t)
Y () = H() X()
(1.44)
Tout filtre lineaire est entièrement decrit par sa reponse frequentielle en amplitude |H()| (le gain) et sa reponse de phase arg H()
|Y ()| = |H()| |X()|
et
arg Y () = arg H() + arg X()
(1.45)
liee à sa reponse impulsionnelle. Du point de vue mathematique, un filtre continu

à reponse impulsionnelle infinie peut etre decrit en terme dequations differentielles lineaires. Il est egalement possible dexprimer la fonction de transfert du
filtre à laide de la transformee de Laplace de leur reponse impulsionnelle ; cette
methode permet danalyser simplement le filtre en considerant les poles et les
zeros de la transformee de Laplace.
Exemple
Soit x(t) = ej0 t un signal à lentree dun filtre lineaire continu caracterise par sa
reponse frequentielle {|H()| , arg H()}. Quelle est lexpression de la reponse
temporelle y(t) en sortie du filtre ?
Rep : y(t) = |H(0 )| e(j0 t
+ j
arg
H(0 ))
25
1.9.2
Filtres stables physiquement r

ealisables
Un filtre est physiquement realisable si sa reponse en frequence H() correspond

` sa transformee de Laplace pour un signal dentree sinusodal :
a
H() = L[h(t)](s=j) .
(1.46)
Il existe plusieurs types de filtres lineaires realisables :

Les filtres passe-bas laissent passer les basses frequences et coupent les
hautes,
Les filtres passe-haut laissent passeer les hautes frequences et coupent les
basses,
Les filtres passe-bande ne laissent passer quune bande limitee de frequences,
Les filtres coupe-bande, à linverse, laissent passer toutes les frequences,
sauf une bande specifique.
Certains filtres ne sont pas concus pour arreter une frequence, mais pour modifier legèrement le gain à differentes frequences, comme les egaliseurs. Differentes
methodes de conception de filtres analogiques ont ete mises au point, chacune
optimisant un point specifique, comme par exemple des filtres exhibant des caracteristiques particulières :
Les filtres de Butterworth,
Les filtres de Tchebyshev,
Les filtres elliptiques (filtres de Cauer).
La conception des filtres lineaires fait appel à un gabarit, qui rassemble les caracteristiques du gain frequentiel desire.
1.9.3
Fr
equence de coupure et bande passante
La definition generale de la frequence de coupure dun filtre de fonction de transfert H(f ) (sortie sur lentree) est la frequence fc telle que :
|H(fc )|
1
= .
max {|H(f )|}
2
(1.47)
Dans le cas dun filtre passe-bas, la fonction de transfert est maximale à lorigine,
donc :
1
|H(fc )| = |H(0)| 20 log10 |H(fc )| 20 log10 |H(0)| = 3dB . (1.48)
2
La bande passante (BP) dun filtre analogique est lintervalle [finf , fsup ] de
frequences dans lequel le gain 20 log10 |H()| (ici exprime en decibels) reste
superieur ou egal à une valeur de reference (par exemple 3 dB, correspondant
26
à une attenuation du gain de
2). Ainsi, pour les filtres les plus courants, on a :
Le filtre passe-bas :
BP = [0, fsup ],
Le filtre passe-haut : BP = [fsup , +],
Le filtre passe-bande : BP = [finf , fsup ],
Le filtre coupe-bande : BP = [0, finf ] [fsup , +] (appele aussi filtre
rejecteur de bande).
1.9.4
Transformations de fr
equences
A partir de la connaissance de la fonction de transfert dun filtre passe-bas

normalise (de frequence de coupure unite à -3 dB), on peut construire par transformation du plan complexe et à partir de ce filtre de nouveaux filtres.
Le filtre passe-haut de pulsation de coupure c sera donne par la transformation :

c
H() H
,
Le filtre passe-bande de pulsation de coupures basse l et haute u sera

obtenu par :
2
+ l u
H() H
,
(u l )
Le filtre 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 filtres analogiques
Les specifications qui definissent un gabarit sont les caracteristiques du filtre.

On doit preciser :
le gain du filtre dans la bande passante ( 0 dB),
lattenuation du filtre en bande occupee (typiquement 30 dB 90 dB),
la frequence 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 souhaitee qui generalement doit etre la
plus petite possible,
les eventuelles oscillations en bande passante et/ou attenuee (typiquement
1 dB 0.01 dB).
27
Les filtres id
eaux
Filtre passe-bas id
eal
H() =
K ejT
0
si
|| < c = 2 fc
ailleurs
(1.49)
|H( )|
K
Figure 1.4 Reponse frequentielle (gain) du filtre passe-bas.
Filtre passe-haut id
eal
K ejT
H() =
0
si
|| > c = 2 fc
ailleurs
(1.50)
|H( )|
K
Figure 1.5 Reponse frequentielle (gain) du filtre passe-haut.
28
Filtre passe-bande id
eal
K ejT
H() =
0
si
l < || < u
ailleurs
(1.51)
|H( )|
K
Figure 1.6 Reponse frequentielle (gain) du filtre passe-bande.
Filtre coupe-bande id
eal
K ejT
H() =
0
si
|| < l ou || > u
ailleurs
(1.52)
|H( )|
K
Figure 1.7 Reponse frequentielle (gain) du filtre coupe-bande.

Les filtres ideaux presentent un dephasage lineaire et ne sont pas physiquement
realisables, car les reponses frequentielles ideales (ci-dessus) correspondent à une
reponse temporelle non-causale. Par exemple, en considerant le filtre passe-bas
o`
u H() = K ejT rect( 2
), on a : h(t) = K c sinc( c (t T )) representee
c
ci-dessous :
h(t)
K
c
T
T
c
Figure 1.8 Reponse temporelle du filtre passe-bas ideal : une partie du signal
nest pas nulle pour t < 0.
29
Il sensuit que les filtres qui vont pouvoir etre reellement synthetises nont pas
de reponse frequentielle correspondant à la fonction porte, mais pourront sen
rapprocher. Des caracteristiques qui exhibent ces differences plus ou moins fortes
vis-à-vis de la fonction porte sont principalement les ondulations dans la bande
passante et dans la bande attenuee ainsi que la largeur de la transition. Les filtres
que lon realise sur les signaux continus (cest-à-dire non echantillonnes) sont
composes de resistances, de capacites, de self-inductances et damplificateurs
operationnels. De tels filtres realisent entre les representations temporelles e(t)
(lentree) et s(t) (la sortie du filtre) une relation integro-differentielle lineaire à
coefficients constants. Par transformation de Fourier, cette relation conduit à
un gain complexe qui est une fraction rationnelle, quotient de deux polynomes
en :
N ()
H() =
.
(1.53)
D()
Il ne faut pas perdre de vue que la classe des filtres realisables sur des signaux
continus sont ceux qui sont definis par lequation fractionnelle (1.53).Nimporte
quelle fonction de transfert de ce type peut etre realisee par une association de
quatre fonctions de transfert elementaires : les filtres passe-bas du premier et
du second ordre, les filtres passe-haut du premier et du second ordre.
|H( )|
ondulations (ripple) dans la bande passante
K
K
2
AK
ondulations dans
la bande attnue
bande attnue
ondulations dans
la bande attnue
l
bande passante
bande de transition
bande attnue
bande de transition
Figure 1.9 Definitions et exemple de reponse frequentielle dun filtre reel.
30
Les filtres r
ealisables classiques
Plusieurs paramètres vont caracteriser les gabarits des filtres reels classiques. Il
sagit de la selectivite k qui represente un rapport de frequences (ou de pulsations) caracterisant la bande passante, la pulsation centrale qui est la moyenne
geometrique 0 des pulsations de coupures ou la largeur de bande relative B0 .
Filtre passe-bas r
eel
H() =
1
l
(ordre 1) ; Selectivite : k =
1 + jT
u
(0 < k < 1)
(1.54)
G(dB)= 20 log |H( )|

10
bande attnue
u
Figure 1.10 Reponse frequentielle (gain en dB) dun filtre passe-bas reel
caracterise par la selectivite k.
Filtre passe-haut r
eel
H() =
jT
l
(ordre 1) ; Selectivite : k =
1 + jT
u
(0 < k < 1)
(1.55)
G(dB)= 20 log |H( )|

10
bande attnue
Figure 1.11 Reponse frequentielle (gain en dB) dun filtre passe-haut reel
caracterise par la selectivite k.
31
Filtre passe-bande r
eel
Selectivite :
k=
l+ u
u+ l
Pulsation centrale :
(0 < k < 1)
0 =
Largeur de bande relative :
(1.56)
l+ u
B0 =
(1.57)
l+ u
0
(1.58)
G(dB)= 20 log |H( )|

10
bande attnue
l+
u+
Figure 1.12 Reponse frequentielle (gain en dB) dun filtre passe-bande reel
caracterise par k, 0 et B0 .
Filtre coupe-bande r
eel
Selectivite :
k=
l+ u
u+ l
Pulsation centrale :
(0 < k < 1)
0 =
Largeur de bande relative :
(1.59)
l u+
B0 =
(1.60)
u+ l
0
(1.61)
G(dB)= 20 log |H( )|

10
bande attnue
u
l+
u+
Figure 1.13 Reponse frequentielle (gain en dB) dun filtre coupe-bande reel
caracterise par k, 0 et B0 .
32
M
ethode
Dune manière generale, la synthèse dun filtre analogique requiert la connaissance des caracteristiques frequentielles que lon vient de voir dans la section
precedente ou la representation graphique du gain de sa fonction de transfert
par le gabarit.
De plus, comme tout filtre lineaire continu verifie lequation (1.53), la combinaison de filtres elementaires peut permettre la realisation de filtres en cascade,
donc de filtres dordres superieurs. La synthèse de tels filtres ne peut pas se
faire aisement si on considère lensemble des filtres elementaires un à un. Dune
manière generale, on prefère decomposer lequation (1.53) en deux categories :
les filtres polynomiaux, dont le gain de la fonction de transfert est de la
forme :
K0
|H()|2 =
p()
o`
u p() est un polynome.
les filtres elliptiques.
Figure 1.14 Comparaison des principaux filtres analogiques.
33
Filtres polyn
omiaux
Filtres de Butterworth La famille des filtres de Butterworth presente les
caracteristiques communes suivantes :
Pas dondulation, ni dans la bande passante, ni dans la bande attenuee,
Attenuation la plus constante possible dans la bande passante (reponse 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 filtre de Butterworth.
Figure 1.16 Filtres de Butterworth dordre 1 à 5.

La forme generale du gain (au carre) dun filtre de Butterworth dordre n est la
suivante :
|H()|2 =
1
1 + ( /c )2n
; n>0
(1.62)
En general, on considère = 1, ce qui conduit à 20 log10 (1 + 2 )1/2 = 3 dB.
34
Pour quà la frequence normalisee c = 1/k, on ait une attenuation du gain de

1/A, on peut montrer quil faut verifier linegalite suivante :
ln
(1.63)
ln k
o`
u est la constante dattenuation = / A2 1. Ceci permet dobtenir une
methode de determination de lordre (minimum) du filtre.
n
Generiquement, la transformee de Laplace H(s) dun filtre de Butterworth est

de la forme :
K0
,
i=1 (s pi )
H(s) = Qn
(1.64)
cest-à-dire constituee de n p
oles pi situes (dans le plan complexe) sur un 1/2
arc de cercle de rayon 1/n , cest-à-dire tels que :
et K0 =
pi =
1
n
ej
( 12 + 2i1
2n )
(pi ) = 1/.
Figure 1.17 Poles dun filtre passe-bas de Butterworth dordre 4.
Ci-après sont representes les gains en frequence des filtres de Butterworth respectivement dordre 8 et dordre 20 synthetises avec Matlab, avec un taux dondulations de 3 dB dans la bande passante et de 50 dB dans la bande attenuee.
La courbe daffaiblissement des filtres de Butterworth varie dune facon monotone, ce qui implique que lecart entre les specifications et la courbe de gain dans
la bande passante sera toujours minimal à la frequence de coupure et maximal
à lorigine.
35
Order 20 Butterworth IIR Filter

0
10
10
20
20
Magnitude (dB)
Magnitude (dB)
Order 8 Butterworth IIR Filter

0
30
40
30
40
50
50
60
60
70
70
0
200
400
600
Frequency (Hz)
800
1000
200
400
600
Frequency (Hz)
(a)
800
1000
(b)
Figure 1.18 Filtres de Butterworth. (a) ordre 8. (b) ordre 20.

Filtres de Bessel Une fonction de transfert ayant une phase rigoureusement
lineaire aurait comme fonction de transfert A ej o`
u est le retard inflige au
signal dentree. Mais ce nest pas une fonction rationnelle, un tel filtre nest donc
pas realisable. Les filtres de Bessel sont des filtres dont la fonction de transfert
pour un degre donne est la meilleure approximation possible de lexponentielle
precedente. En se limitant au troisième ordre dans le developpement 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 unite pour le continu ( = 0), do`
u
la fonction de transfert du filtre de Bessel du troisième ordre :
H() =
(j)3
15
+ 6 (j)2 + 15 j + 15
(1.66)
On voit que pour une frequence elevee, le gain tend vers 15/(j)3 est 15 fois
superieur à celui du filtre de Butterworth de meme degre. Les filtres de Bessel
ont une attenuation qui varie au-delà de la frequence de coupure beaucoup plus
lentement que ceux de Butterworth. Pour cette raison, ils sont rarement utilises
sauf lorsque la linearite de la phase est essentielle.
La famille des filtres de Bessel presente les caracteristiques communes suivantes :
Pas dondulation, ni dans la bande passante, ni dans la bande attenuee,
Attenuation faible,
Approxime le mieux possible un retard pur.
La transformee de Laplace H(s) dun filtre de Bessel est de la forme :
H(s) =
K0
Bn (s)
n>0,
(1.67)
o`
u Bn (s) est un polynome de Bessel dordre n. Cest-à-dire, defini de manière
36
recurrente 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 filtres de Bessel (appeles aussi de Thomson) ne presentent que des poles et
correspondent au cas dun filtrage à dephasage lineaire. Comme les filtres de
Butterworth, les filtres de Bessel demandent des ordres importants pour verifier
des specifications sur laffaiblissement, ce qui les rend difficiles à realiser avec
des composants analogiques. La pulsation de coupure c varie avec lordre du
filtre, et on montre que :
1/n
lim c = K0
Figure 1.19 Filtre de Bessel, de Butterworth et de Tchebycheff.
Figure 1.20 Poles dun filtre passe-bas de Bessel dordre 4.
37
(1.69)
Filtres de Tchebycheff (ou Chebyshev) Les filtres de Chebychev conduisent

` une diminution de lordre pour les memes specifications que pour les filtres
a
que nous venons de voir. Il en resulte une realisation plus aisee. Cette famille
de filtres est decomposee en deux sous-familles : les filtres de type I qui correspondent à des ondulations uniquement dans la bande passsante et les filtres
de type II qui, à loppose, presentent des ondulations seulement dans la bande
attenuee.
Filtres de type I
La famille des filtres de Chebyshev de type I presente les caracteristiques communes suivantes :
Ondulations dans la bande passante mais pas dans la bande attenuee,
Fitres optimaux au sens o`
u il nexiste pas dautres filtres polynomiaux du
meme ordre avec des performances superieures ou egales dans la bande
passante ET dans la bande attenuee.
|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 filtres de Tchebycheff de type I. (a) ordre impair. (b)
ordre pair. La forme des ondulations dans la bande passante depend de la parite
de lordre du filtre.
La forme generale du gain frequentiel (au carre) dun filtre de Chebyshev de
type I est la suivante :
|H()|2 =
1
1 + 2 Tn2 (/c )
38
; n >0
(1.70)
n est lordre du filtre. est le taux dondulations ripple factor) et caracterise

lamplitude des oscillations dans la bande passante. Tn () est un polynome de
Chebyshev dordre n, qui est defini par
si || 1
cos(n arccos())
Tn () =
(1.71)
cosh(n arccosh()) si || 1
Contrairement à ce quil parait de prime abord, ce sont bien des polynomes. On
peut en effet montrer à laide de formules trigonometriques classiques que lon
a:
Tn+1 (x) = 2 x Tn (x) Tn1 (x)
(1.72)
avec T0 (x) = 1 et T1 (x) = x . Les polynomes de Chebyshev passent par les points
caracteristiques 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
au meme, Tn2 (x) presente n extrema entre 0 et 1) tandis que pour |x| 1, ces
polynomes sont monotones croissants.
Figure 1.22 Reponse frequentielle (gain) dun filtre de Tchebycheff de type I

dordre 4 pour = 1.
On peut montrer que lordre n du filtre doit etre choisi tel que :
q
ln ( 1 + 12 1)
q
n
ln ( k1 + k12 1)
(1.73)
o`
u k est la selectivite du filtre (et correspond à la
largeur de la bande de transition) et est la constante dattenuation = / A2 1.
Generiquement, la transformee de Laplace H(s) dun filtre de Chebyshev I est
de la forme :
K0
,
i=1 (s pi )
H(s) = Qn
39
(1.74)
cest-à-dire constituee de n p
oles pi situes (dans le plan complexe) sur une 1/2
ellipse, cest-à-dire tels que :
pi =
1
(2i 1)
1 +
(2i 1)
sin
+j
cos
2
2n
2
2n
et
2 1
( 1+ 1+ ) n
et K0 =
Qn
i=1 (pi )
1
1+2
Qn
si
i=1 (pi )
si
n est pair
n est impair
(1.75)
Figure 1.23 Poles dun filtre passe-bas de Tchebycheff (tupe I) dordre 4.
Order 16 Chebyshev Type I IIR Filter

0
10
10
20
20
Magnitude (dB)
Magnitude (dB)
Order 8 Chebyshev Type I IIR Filter

0
30
40
30
40
50
50
60
60
70
70
0
200
400
600
Frequency (Hz)
800
1000
(a)
200
400
600
Frequency (Hz)
800
1000
(b)
Figure 1.24 Filtres de Tchebycheff de type I. (a) ordre 8. (b) ordre 20.
40
Filtres de type II (Tchebycheff inverse)

La famille des filtres de Chebyshev de type II presente les caracteristiques communes suivantes :
Meme optimalite que le filtre de Chebyshev de type I,
Ondulations dans la bande attenuee mais pas dans la bande passante.
|H( )|
1
|H( )|
11111111
00000000
00000000
11111111
00000000
11111111
00000000
11111111
11111111
00000000
00000000
11111111
00000000
11111111
11111111
00000000
00000000
11111111
00000000
11111111
00000000
11111111
11111111
00000000
00000000
11111111
00000000
11111111
111111111
000000000
000000000
111111111
000000000
111111111
111111111
000000000
000000000
111111111
000000000
111111111
1
1+ 2
(a)
(b)
Figure 1.25 Gabarit et filtres de Tchebycheff de type II. (a) ordre impair.
(b) ordre pair. La forme des ondulations dans la bande passante depend de la
parite de lordre du filtre.
La forme generale du gain frequentiel (au carre) dun filtre de Chebyshev de
type II dordre n est la suivante :
|H()|2 =
1
1+
1
2 Tn2 (c /)
(1.76)
o`
u Tn () est un polynome de Chebyshev dordre n. Dans la bande attenuee, le
polynome de Chebyshev oscillera entre 0 et 1, et donc le gain oscillera entre 0
et q 1 1 .
1+ 2
Figure 1.26 Reponse frequentielle (gain) dun filtre de Tchebycheff de type

II dordre 5 pour = 0.01.
41
Generiquement, la transformee de Laplace H(s) dun filtre de Chebyshev II est

de la forme :
Qn
K0 i=1,i6=(n+1)/2 (s zi )
Qn
,
(1.77)
H(s) =
k=1 (s pk )
cest-à-dire constituee de zeros situes (dans le plan complexe) sur laxe imaginaire et de n poles pi situes sur un 1/2 cercle de rayon c .
Order 16 Chebyshev Type II IIR Filter

0
10
10
20
20
Magnitude (dB)
Magnitude (dB)
Order 8 Chebyshev Type II IIR Filter

0
30
40
30
40
50
50
60
60
70
70
0
200
400
600
Frequency (Hz)
800
1000
(a)
200
400
600
Frequency (Hz)
800
1000
(b)
Figure 1.27 Filtres de Tchebycheff de type II. (a) ordre 8. (b) ordre 20.
42
1.10
Exercices
1. Que represente la composante continue dun signal ? Calculer la moyenne

du signal x(t) = A + B sin(2t + ) illustre ci-dessous
A
Composante continue
Quel est le lien entre le premier terme de la decomposition en serie de

Fourier dun signal x(t) et la valeur moyenne de ce signal ?
Rep : R
2
1
2
(A + B sin(2t + ) dt = A .
0
a0 /2 =
1
T
RT
0
x(t) dt .
2. Quelle est la transformee de Fourier de la fonction porte illustree ci-dessous

t
(et correspondant à la fonction A rect( 2T
)) ?
x(t)
A
(2f T )
Rep : X(f ) = 2 A T sin2f
.
T
3. Decomposer en serie de Fourier le signal x(t) illustre ci-dessous :

x(t)
0
/2
Rep : ak =
2
T
t
/2
sinc
k
T
; bk = 0 .
4. Montrer que la transformee de Fourier de sign(t) est
43
2
j .
5. Montrer que la transformee de Fourier du signal x(t) = exp(at) (t) est

1
X(f ) = a+j2f
o`
u a est un reel strictement positif.
6. Quelle est la transformee de Fourier de la fonction
a
t2
(a est une reel).
7. Quelle la transformee de Fourier du produit dun signal periodique par un

signal à energie finie : z(t) = x(t) y(t) avec x(t) = x(t + T0 ) ?
P+
Rep : Z() = n= cn Y ( 2n
u les coefficients cn representent le
T0 ) o`
spectre du signal x(t) sur une periode.
8. Montrer que la fonction de transfert du filtre passe-bas realisable est une

approximation du filtre passe-bas ideal.
9. Quel est le type de filtre qui correspond le mieux au diagramme en gain
et en phase (Bode) represente ci-dessous ? Quelle est la bande passante ?
1
10
Magnitude
10
10
10
10
10
10
10
Frequency (radians)
50
Phase (degrees)
0
50
100
150
200
0
10
10
10
10
Frequency (radians)
Figure 1.28 Diagramme en gain et phase dun filtre inconnu.

10. Synthetiser un filtre de Butterworth afin que lattenuation (A) soit de 40
dB à 2 fois la frequence de coupure (normalisee) et de 3 dB dans la bande
passante (ripple).
11. Determiner la fonction de transfert H() dun filtre dont le gain frequentiel
est illustre 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 frequence est-elle atteinte (correspondant
à la pulsation centrale) ?
44
|H( )|
dB
20 dB/dcade
7 dB
3 dB
c
Figure 1.29 Gains frequentiels (en dB) asymptotiques et reels dun filtre pour
c = 6 rad/s.
1
Magnitude
10
10
0
10
10
10
10
Frequency (radians)
14
Phase (degrees)
12
10
8
6
4
2
0
0
10
10
10
10
Frequency (radians)
Figure 1.30 Filtre à avance de phase.

12. Determiner le filtre de Butterworth tel que 20 log10 |H()| sinscrive dans
le gabarit normalise suivant (b = 30 dB et x1 = 2) :
|H( )|
0
dB
x1
a
b
Figure 1.31 Gabarit normalise x = /c .
45
1. Soit le signal non-causal y represente par y(x) = e|x|/a o`

u a R+ .
Determiner la transformee de Fourier de y.
2. Soit le signal radar suivant : Il sagit dun motif repete avec la periode T
represente par un ensemble (salve) de sinusodes de frequences f0 et de
duree . Le motif est code par le signal x(t) = cos(2f0 t) rect(t/T ).
En saidant du produit de convolution, determiner la transformee de Fourier de ce motif.
3. (a) Developper en serie de Fourier, à lordre n, la fonction 2-periodique

definie sur lintervalle ], +[ par x(t) = |t| .
(b) Representer graphiquement le spectre frequentiel approximatif de
x(t), pour n 3 .
46
Chapitre 2
Echantillonnage/Quantification
Le mathematicien Claude Elwood Shannon, ne à Gaylord dans le Michigan

en 1916, est considere comme le père de la transmission numerique des informations. Dans son ouvrage le plus celèbre, Theorie mathematique de la communication, coecrit avec Warren Weaver et publie en 1948, il a defini le bit (acronyme
de binary digit) comme unite fondamentale du traitement de linformation. Il
sest particulièrement attache aux telecommunications numeriques et à theoriser
la correction derreur. Son theorème, connu sous le nom de Shannon-Hartley,
etablit que la bande passante dun canal depend essentiellement de son niveau
de bruit et non de sa largeur spectrale. Claude Shannon fut mathematicien aux
Bell Labs de 1941 à 1972. Il a egalement enseigne au Massachusetts Institute of
Technology (MIT) de 1956 à 1978. Il contribua par ses travaux au domaine des
telecoms, de la theorie des jeux et de linformatique (entre autres..). Il est avec
Turing et Von Neumann un des chercheurs qui contribua le plus à la theorie de
linformation au milieu du siècle dernier. Claude Shannon est decede au mois
dao
ut 2001 à lage de 84 ans de la maladie dAlzheimer.
47
2.1
Introduction
Lanalyse dun signal continu à laide dun calculateur necessite sa dicretisation.

Les calculateurs ne pouvant traiter que des valeurs numeriques, une chane de
conditionnement aura pour fonction de transformer le signal continu en un signal
numerique (et inversement). Cela consiste à realiser les operations successives
suivantes :
le filtrage analogique en amont pour adapter la bande passante du signal au dispositif dechantillonnage (filtre anti-repliement),
lechantillonnage, qui correspond à la discretisation temporelle generalement à intervalle regulier : les echantillons,
la quantification qui discretise les valeurs prises par les echantillons.
Nous allons par la suite developper les deux derniers points, le premier ayant dejà
ete traite au chapitre 3 du cours de première annee. Nous etudierons egalement
les transformations temps discret-frequence ainsi que les proprietes specifiques
des signaux numeriques.
2.2
2.2.1
Echantillonnage
Principe
Lechantillonnage (sampling) consiste à transformer un signal analogique (continu)

x(t) en un signal discret, x? (t), en capturant des valeurs à intervalle de temps
regulier (ici le temps est une variable reelle quelconque). Cest une etape necessaire
pour pouvoir enregistrer, analyser et traiter un signal par ordinateur, car celui-ci
ne peut traiter que des nombres. Il faut distinguer lechantillonnage de la quantification, mais ce sont toutes deux des etapes necessaires à la numerisation dun
signal.
Le signal echantillonne est obtenu par multiplication
ce signal analogique
Pde
+
par un train dimpulsions (peigne de Dirac) Te (t) = n= (t nTe ) daire
unite et equi-espacees de la periode dechantillonnage Te :
x? (t) = x(t)
+
X
(t kTe )
(2.1)
k=
En vertu de la propriete qui veut que f (t) (t) = f (0) (t), on a encore :
x? (t) =
+
X
x(kTe ) (t kTe )
(2.2)
k=
Lechantillonnage a aussi des consequences sur le spectre du signal initial x(t).

Elles peuvent etre mises en evidence de la manière suivante : le signal Te (t) est
periodique et peut donc etre developpe en serie de Fourier. Le resultat en est :
48
f(t)
(t)
Signal continu
Train dimplusions
damplitude unit
f (t)
Signal chantillonn
Figure 2.1 Obtention dun signal echantillonne : multiplication par un train

dimpulsions.
Te (t) =
1
Te
+
X
e2jkt/Te .
(2.3)
( 2k/Te ) .
(2.4)
k=
Le spectre de Te (t) est donne par

P () =
2
T
+
X
k=
On voit donc quà un train dimpulsions de periode Te dans le domaine temporel

correspond un train dimpulsions de periode 1/Te dans le domaine frequentiel.
A la multiplication de 2 signaux dans le domaine temporel correspond (à un
facteur 2 près) dans le domaine frequentiel la convolution des spectres de ces 2
signaux. Dès lors, la transformee de Fourier X ? () du signal echantillonne x? (t)
est donnee par
1
X() P ()
(2.5)
2
Le spectre du signal Te (t) est lui-meme un train dimpulsions espacees de 1/Te
sur laxe des frequences. La convolution dun signal avec un train dimpulsions
se fait en reproduisant le signal au droit de chacune des impulsions (voir figure
2.1). Le spectre du signal echantillonne est donc donne par
X ? () =
X ? () =
1
Te
+
X
X( 2k/Te )
(2.6)
k=
On voit que leffet de lechantillonnage est de periodiser le spectre du signal

analogique initial, au rythme 1/Te , comme cela est illustre sur la figure 2.2. On
a donc, pour toute frequence 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 echantillonne (cas o`

u fmax < fe /2) : on notera
la periodicite frequentielle.
Du fait que le spectre de x? (t) est periodique, on a besoin de le connatre uniquement sur une periode. On choisit lintervalle de frequences [fe /2, +fe /2],
quon appelle periode principale ou spectre de base.
Dans le cas o`
u la frequence maximale contenue dans le signal à echantillonner
fmax est inferieure à la moitie de la frequence dechantillonnage fe , il ny a pas
de recouvrement entre les periodicites spectrales (voir Fig. 2.2). En revanche sil
existe des composantes du signal dont les frequences sont superieures à fe /2,
on note un recouvrement spectral (aliasing) (voir Fig. 2.3). Le spectre du signal
obtenu ne correspond plus à celui du signal initial. Il ne sera alors pas possible
de reconstruire le signal après traitement numerique.
Th
eor`
eme de Shannon
Pour pouvoir reconstituer, sans perte dinformation, un signal continu à partir
dun train dechantillons de periode Te , il faut que la frequence dechantillonnage
soit au moins egale au double de la frequence maximale contenue dans le signal.
Exemple : le telephone. Le spectre audio est limite à lintervalle de frequences

[0 2500] Hz afin que le signal puisse etre reconstitue correctement après etre
echantillonne à la frequence fe = 6 KHz.
Le filtre analogique evoque au debut de ce chapitre sert à limiter la frequence
maximale contenue dans le signal continu, avant que celui-ci soit echantillonne,
en appliquant un filtre passe-bas appele filtre anti-repliement (anti-aliasing filter).
50
|X(f)|
f max f
|X (f)|
f e /2
fe
Figure 2.3 Spectre dun signal echantillonne (cas o`

u fmax > fe /2) : le spectre
du signal obtenu ne correspond plus au spectre du signal initial.
Bloquage
La reconstitution (approchee 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 realisable de reconstituer un
signal de spectre periodique infini. Le circuit bloqueur a ce role. Le bloqueur
dordre 0 (car de valeur temporelle constante) maintient la valeur du signal
echantillonne durant toute la periode dechantillonnage. Cest un interpolateur
dordre 0. Cest donc un filtre passe-bas (quon supposera ideal) de fonction de
transfert de Laplace Bo (s) :
Bo (s) =
1 eTe s
s
f (t)
(2.8)
f (t)
Signal chantillonn
Signal chantillonn bloqu
Figure 2.4 Obtention dun signal echantillonne bloque : la valeur acquise au

moment de la capture de lechantillon est maintenue durant toute la periode
dechantillonnage.
51
2.3
2.3.1
Transform
ees dun signal
echantillonn
e
Transform
ee de Laplace
La transformee de Laplace X ? (s) dun signal echantillonne x? (t) est definie par
+
X
X ? (s) = L[x? (t)] =
x(n Te ) L[(t n Te )]
(2.9)
k=
Or,
Z
est (t n Te ) dt ,
(2.10)
x(nTe ) enTe s
(2.11)
L[(t n Te )] =
0
on en deduit directement que :

X ? (s) =
+
X
k=
2.3.2
Transform
ee en z
La transformee en z est un outil mathematique de traitement du signal, qui est

lequivalent discret de la transformee de Laplace. Elle est utilisee entre autres
pour le calcul de filtres numeriques à reponse impulsionnelle infinie (RII) ainsi
que pour letude de la stabilite des filtres numeriques. Sa definition mathematique
est la suivante : la transformation en z est une application qui transforme une
suite {x(n)} (definie sur les entiers) en une fonction X(z) dune variable complexe nommee z, telle que
X(z) = Z{x(n)} =
+
X
x(nTe ) z n ,
zC.
(2.12)
n=
La variable n represente en general le temps discretise, la variable complexe

z ne represente rien de particulier, il sagit dune creation purement abstraite.
Lorsquon analyse le signal x(n), on dit que lon est dans le domaine temporel,
lorsquon etudie X(z), le domaine est appele frequentiel par analogie avec la
transformee de Fourier. Lorsque lon compare les definitions 2.12 et 2.11, on en
deduit que z = eTe s , z C.
Le domaine de convergence definit lexistence de la transformee en z. Cest
le sous-ensemble de C dans lequel la serie precedente converge. On lappelle
egalement couronne de convergence. La plupart du temps, les expressions des
transformees en z utilisees en traitement du signal sont des fractions rationnelles
de la variable z. On appelle poles les racines du denominateur de la transformee et zeros les racines de son numerateur. Dans de nombreux calculs, les
poles sont simples. Il est alors possible decrire les transformees sous la forme
dune decomposition en elements simples de cette fraction rationnelle. La transformee secrit alors sous la forme dune somme de fractions dont le denominateur
est de degre un dans le cas des fonctions à coefficients complexes et de degre
deux dans le cas des fonction à coefficients reels. Ce qui permet de retrouver la
plupart des transformees simples.
52
Exemple : la sinusode amortie x(t) = at cos(0 t + ) (t) pour t 0, a etant

un reel positif inferieur à un. Dans ce cas, X(z) est definie à lexterieur du disque
cos()az 1 cos(0 )
de rayon |a| et vaut X(z) = 12a
cos(0 )z 1 +a2 z 2 .
Figure 2.5 Sinusode amortie.

La plupart du temps le domaine de convergence de la transformee en z est
une couronne qui contient le cercle de rayon 1, les fonctions etudiees tendant
souvent vers zero comme une fonction exponentielle lorsque t . Le choix
de la variable z 1 et non z, est coherent avec la definition de la transformee de
Fourier. Cet operateur represente le retard dun echantillon. Il incite souvent à
ecrire les transformees des signaux causaux (nuls pour les valeurs negatives 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 causalite est contenue dans le domaine
de convergence et non dans la formule donnant la transformee en z qui peut
secrire aussi bien en fonction de la variable z que de la variable z 1 .
Propri
et
es de la transform
ee en z
linearite : Z{a1 f1 (t)+a2 f2 (t)} = a1 F1 (z) + a2 F2 (z) , (a1 , a2 ) R2 ,
Theorème du retard : Z{x(nk)} = Z{x(tkTe )(tkTe )} = z k X(z),
Theorème 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
Modulation : Z{an x(n)} = X( az ).
Cette propriete permet, en multipliant le signal par un signal exponentiel an , de modifier la position des poles et des zeros de sa transformee
en z. La valeur du paramètre a decoule de la modification particulière
53
choisie.
Theorème de la convolution discrète (Theorème de Borel) :
+
X
Z{
x1 (n) x2 (n)} = X1 (z) X2 (z),
n=
Theorème de la valeur initiale (signaux causaux)

lim x? (t) = lim x(n) = lim X(z),
t0
z+
n0
Theorème de la valeur finale (signaux causaux)
lim x? (t) = lim x(n) = lim 1 z 1 X(z),
t+
n+
z1
Quelques exemples de transform

ees en z (signaux causaux)
Z{(n)} =
P+
(k) z k = 1,
k=0
Z{(n l)} =
P+
k=0
(k l) z k = z l ,
On constate que si la sequence (n) est retardee de l echantillons, sa

transformee en z est multipliee par z l ,
Z{(n)} =
P+
k=0
Z{n (n)} =
z k =
P+
Z{an (n)} =
k=0
z
z1
k z k =
(suite geometrique de raison z 1 ),

z
(z1)2 ,
1
1a z 1 ,
Z{ejnTe (n)} =
1
,
1ejTe z 1
Etant donne que ejnTe = cos nTe +j sin nTe , on en deduit immediatement
que :
1 cos Te z 1
,
Z{cos nTe (n)} =
1 2 cos Te z 1 + z 2
Z{sin nTe (n)} =
2.3.3
sin Te z 1
.
1 2 cos Te z 1 + z 2
Transform
ee en z inverse
Il sagit de retrouver les valeurs aux instants dechantillonnage x(nTe ) à partir de la transformee en z, X(z). La transformee en z inverse est donnee par
lexpression :
I
1
1
x(n) = Z {X(z)} =
X(z)z n1 dz
(2.13)
2j C
54
o`
u C est un chemin ferme parcouru dans le sens inverse des aiguilles dune montre
et appartenant entièrement au domaine de convergence (chemin entourant tous
les poles de F(z). En pratique, ce calcul seffectue souvent à laide du theorème
des residus et la formule devient dans le cas dun signal causal :
X
x(n) =
Res{z n1 X(z)}z=zi
(2.14)
zi =p
oles de X(z)
Exemple : Determiner la sequence f (n) à partir de la transformee en z de f (t)

suivante
F (z) =
2.3.4
z (1 eTe )
(z 1) (z eTe )
Equations aux diff

erences
Lapplication de la transformee en z à la resolution dequations lineaires aux

differences à coefficients constants est directe à partir du theorème de lavance.
Une equation aux differences (appelee aussi equation aux recurrences) dordre
n, lineaire à coefficients constants sexprime sous la forme
x(k+n)+an1 x(k+n1) + +a1 x(k+1) + a0 x(k) = u(k) , k = 0, 1, 2,
(2.15)
Si la suite {x(k)} a pour transformee en z, X(z), la suite avancee dun echantillon
{x(k + 1)} a pour transformee en z, z X(z) z x(0), et par consequent 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 transformee en z de {u(n)}. Ceci a ete rendu possible par
le fait que le theorème 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 (z1)
2.
2.3.5
Transform
ee de Fourier discr`
ete (TFD)
La transformee de Fourier discrète dun processus à temps discret {x(n)} de

periode N est :
N
1
X
nk
X(k) =
x(nTe ) e2j N .
(2.16)
n=0
Cette transformee est elle-meme de periode N et de puissance moyenne finie. Elle

permet de calculer la transformee de Fourier dune sequence de longueur finie à
laide dun calculateur, la TF au sens usuel etant dediee à des signaux continus
supposes de support infini. Cest pourquoi dans sa definition apparat un pas
dechantillonnage en frequence Nk . Linteret pratique de la TFD vient de ce quil
existe des algorithmes qui permettent de calculer cette transformee avec beaucoup moins de multiplications quil nen faudrait pour calculer la transformee de
Fourier usuelle. Le calcul de la TFD necessite 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 transformee de
Fourier discrète inverse :
N 1
nk
1 X
X(k) e2j N .
N
x(n) =
(2.17)
k=0
La TFD est une fonction discrète de la frequence et les frequences reduites

k
sont les valeurs k = N
, k {0, , N 1}. Si lobservation du signal
echantillonne x(n) est limite à N echantillons (temps dobservation egal à fNe ),
le signal observe est represente par la sequence finie (x0 , x1 , x2 , , xN 1 ) . La
TFD de celle-ci concide avec la transformee du signal original x(t) uniquement
aux frequences multiples de = fNe . La valeur sappelle la resolution
spectrale de lanalyse du signal.
De plus, la transformee de Fourier discrète permet dintroduire la notion de
convolution circulaire (convolution discrète). Etant donnees deux sequences numeriques {x(n)} et {y(n)} de transformees de Fourier discrètes X(k) et Y (k)
respectivement, on recherche la sequence numerique H(k) qui admet pour TFD :
H(k) = X(k) Y (k) , k {0, , N 1} , calcul qui aboutit à
X
H(k) =
x(n) y(k n) .
(2.18)
n[N ]
que lon appellera convolution circulaire de x(n) et y(n) o`

u [N ] est un intervalle
quelconque de taille N .
chantillonnage
f(t)
f(t)
f*(t)
f*(t)
F( )
F(z)
chantillonnage
Tf Fourier
Tf Fourier
Tf Laplace
Tf Laplace
T
F(s)
chantillonnage
T
TFD
chantillonnage
Figure 2.6 Resume de lensemble des transformations.
2.3.6
Convolution discr`
ete
La definition de la convolution circulaire fournie ci-dessus et issue de la TFD correspond bien evidemment au cas o`
u lintervalle est de taille finie. Dune manière
generale et par analogie à la definition (2.19) de la convolution pour des signaux
continu, le produit de convolution de deux sequences finies ou infinies x(n) et
y(n) est defini par :
56
(x ? y)(k) =
+
X
x(n) y(k n) .
(2.19)
n=
Remarques Il est important de bien voir la difference qui existe entre la TF

definie par lintegrale de Fourier, et la transformee de Fourier discrète introduite
dans cette section. Lintegrale de Fourier qui fournit la transformee de Fourier
requiert la connaissance de la totalite du signal considere ; de plus, pratiquement,
ce nest pas directement sur le signal x(t) que porte le calcul, mais sur son
equivalent numerise. Le calcul de la TFD introduit donc des erreurs sur le spectre
du signal :
Erreur de repliement de spectre.
Il faut respecter la frequence dechantillonnage de Shannon. Pour pouvoir choisir la frequence dechantillonnage de manière à respecter le
critère de Shannon, il faut connatre prealablement, ne serait-ce que
de manière approximative, la frequence maximale du spectre du signal.
Cette connaissance nest pas toujours acquise dans les differentes situations o`
u lon est amene à utiliser les techniques du traitement du signal.
Pour repondre à cette difficulte, on peut proceder de deux manières :
1. On filtre le signal au moyen dun filtre anti-repliement dont la
frequence de coupure est suffisamment elevee pour quon puisse
esperer que le signal ne possède aucune composante spectrale audelà de cette frequence. Puis, on echantillonne le signal suivant le
critère de Shannon.
2. Sans filtrer le signal, on lechantillonne à une frequence arbitrairement elevee (autant que possible - sur-echantillonnage), en esperant
ainsi respecter le critère de Shannon. Bien entendu, ceci engendre
un plus grand nombre dechantillons à traiter.
Erreur de troncature temporelle.
Le calcul de la TFD seffectue sur un horizon fini (taille de [N ]) du fait
de la troncature temporelle à liade dune fenetre qui se traduit par un
etalement du spectre du signal vers les frequences elevees.
Erreur due à lechantillonnage de la transformee de Fourier. Il est necessaire dexaminer si lechantillonnage de la transformee de Fourier est
correct. Si on a des doutes, il faut diminuer le pas dechantillonnage soit
en echantillonnant le signal moins vite, soit en rajoutant des zeros aux
echantillons du signal (technique appelee zero padding) : si on ajoute
N zeros au calcul de la TFD dun signal de taille N , la resolution
frequentielle est doublee. De meme, si on echantillonne la transformee de
Fourier, on periodise le signal temporel. Donc, au lieu davoir un signal
continu, non periodique, dote dune TF continue non periodique, on a
un signal periodique echantillonne, dote dune transformee de Fourier
periodique et echantillonnee.
57
2.4
Energie et puissance dun signal num

erique
Par analogie au cas des signaux continu, nous abordons ici les definitions sur
lenergie et la puissance dun signal numerique.
Energie : Lenergie moyenne dun signal numerique represente par la
sequence {x(n)} est definie par :
Wx =
+
X
|x(k)|2 .
(2.20)
k=
La puissance moyenne du signal numerique represente par la sequence

{x(n)} sur un intervalle de dimension N est definie par :
Px (M, M + N 1) =
1
N
M +N
X1
|x(k)|2 .
(2.21)
k=M
La puissance moyenne totale du signal numerique represente par la sequence

{x(n)} est definie par :
N 1
N
Px = lim Px (
, ).
(2.22)
N
2
2
2.5
2.5.1
Quantification
Principe et caract
eristiques de la conversion
La quantification (quantization) dun signal analogique consiste à remplacer linfinite de valeurs differentes quil peut prendre (comme une tension ou
une intensite electrique par exemple qui sont des grandeurs macroscopiquement
continues) par un nombre fini N q de valeurs. Si ces dernières sont equidistantes,
on parle de quantification lineaire, et la distance qui separe 2 valeurs consecutives
possibles est appelee pas de quantification q.
Codage
sur 3 bits
111
q
110
101
100
011
010
Tension dentre
en Volts
001
000
0
1,25
2,50
3,75
5,0
6,25
7,5
8,75
10,0
Figure 2.7 Fonction de transfert dun convertisseur lineaire (CAN).

A chaque instant dechantillonnage n Te (n nombre entier), le signal x(t) est
remplace par la valeur la plus proche parmi les valeurs possibles du signal
58
quantifie. On peut adopter une notation permettant de distinguer dune part,

x(n) = xn = x(nTe ) = x? (t), signal echantillonne de x(t), et sa version quantifiee dautre part, notee souvent xn .
La quantification des echantillons est effectuee par un Convertisseur Analogique
Numerique (CAN ou ADC). Pour mener à bien cette operation, il convient de
respecter un certains nombres de règles theoriques et de choisir correctement
le CAN (resolution, amplitude, temps de conversion,...). Les transformations
doivent etre realisees sans perte dinformations et sans accrotre inutilement le
nombre de donnees numeriques. Le CAN est precede dun bloqueur, qui maintien le signal à une meme valeur obtenue au moment de lechantillonnage. La
periode dechantillonnage doit bien s
ur etre superieure au temps de conversion,
cest pourquoi celui-ci est une caracteristique essentielle du CAN. Inversement,
lorsque le traitement est effectue, 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 numerique-analogique qui effectuent loperation
inverse des CAN. Un CAN est caracterise essentiellement par :
la resolution (le pas de quantification q), lie à lintervalle de mesure V
(intervalle de valeurs autorisees pour le signal à lentree, par exemple
V = 10 V pour un signal pouvant evoluer entre 5 V et +5 V) et au
nombre N q de pas utilises : q = V /N q.
La resolution dun CNA est la plus petite variation qui se repercute sur
la sortie analogique à la suite dun changement de lentree numerique
(egale au poids du bit de poids faible). La resolution peut egalement
etre exprimee en pourcentage de la pleine echelle (PE ou full scale) :
Resolution (%PE). = pas de progression / pleine echelle .
(2.23)
En augmentant le nombre de bits, on augmente la resolution. Dans la

specification des fabricants de CNA, la resolution est exprimee par le
nombre de bits (typiquement 8, 12 ou 16 bits). Afin de ne perdre aucune information contenue dans les echantillons du signal, il faut choisir
correctement le pas de quantification (cf. Theorème de Shannon) sous
peine de repliement spectral.
le temps de conversion (temps detalissement ou settling time) : cest
la duree necessaire aux composants electroniques pour convertir le signal et delivrer dans un registre (ou de manière equivalente, une case
memoire) un nombre entier correspondant à la valeur quantifiee. Pour
les CNA, cest lintervalle de temps separant linstant o`
u lon presente
la donnees numeriques et linstant o`
u le signal analogique est disponible
avec la precision voulue (de lordre de qq s).
lerreur de quantification : le processus de quantification entrane de par
sa nature meme une erreur. Si lon appelle la difference entre la valeur
analogique Vana et la valeur numerique 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 meme probabilite, cette erreur

vaut 0.5 fois la valeur du bit de poinds faible (LSB - Lowest Significant
Bit) en moyenne. Cest-à-dire la moitie du pas de progression.
Cette erreur est de moyenne nulle et la puissance du bruit de quantification est alors defini comme la variance q du signal (t). Sa valeur
est obtenue si on considère que le pas de quantification (ou quantum)
q est suffisamment faible pour considerer constant le signal entre deux
pas dechantillonnage. On obtient alors facilement sa valeur qui est :
q2
q2 = E 2 (kTe ) =
.
12
(2.25)
la fonction de transfert (CNA) : lorsque lon presente à un convertisseur

un mot de n bits, le CNA delivre 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 Significant Bit) et A1 est le

LSB. Vr etant une tension de reference et An letat (0 ou 1) du bit de
rang n. Le pas de quantification est tel que :
Ds = Vr /2n
et la valeur pleine echelle :
Vf s = (2n 1) Vr /2n .
(2.27)
la tension de decalage (offset) : idealement la tension de sortie dun

convertisseur NA est 0 Volt quand lentree numerique est nulle. En pratique, on mesure une petite tension de sortie due à lerreur de decalage
de lamplificateur operationnel de sortie. Typiquement, cette erreur est
inferieure à 0,05 % PE. La majorite des CNA dont la sortie est une
tension possèdent un bouton de reglage qui permet de compenser cette
erreur.
sa linearite integrale : cest lecart relatif maximum entre la reponse
reelle du convertisseur et la droite correspondant à une reponse ideale.
Elle est generalement exprimee en pourcentage de la pleine echelle ou
en fraction du LSB (voir Fig. 2.8).
Vfs
erreur
max
num
Figure 2.8 Linearite integrale dun convertisseur.
60
La plupart des CAN ont un fonctionnement base sur des comparisons successives
entre un signal genere par le convertisseur et le signal à convertir. La precision
du codage peut etre alteree si entre deux comparaisons successives le signal à
convertir varie sensiblement, ce qui est le cas lorsque la bande passante du signal
nest pas negligeable par rapport à la frequence dechantillonnage.
Il existe plusieurs structures de fonctionnement des CAN comme la conversion
à rampe, la conversion par approximations successives, la conversion flash. Les
temps de conversion de ces methodes sont très differents et dependent du nombre
de composants electroniques. Les grandeurs physiques issues dun processus informatique sont transformees en tension electrique continue (analogique) proportionnelle. Cest le role de la conversion numerique - 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 auprès dun calculateur.

Le calculateur, après traitement des donnees numeriques, fournit un signal
numerique qui est transforme en un signal analogique dans le temps et en amplitude :
signal analogique en amplitude : role du CNA,
signal analogique temporel : filtre de reconstruction.
Linstant de presentation des donnees numeriques au convertisseur CNA doit
etre parfaitement defini dans le temps à laide dun ordre de validation des
donnees. La plupart des signaux de commande necessaires à la regulation de
procedes doivent etre analogiques, afin que lon puisse par exemple controler
la vitesse dun moteur à courant continu. Nous voyons donc sur la Fig. 2.9
que les CAN et les CNA jouent le role dinterfaces entre un système purement
numerique, comme un ordinateur, et le monde exterieur à predominance analogique.
donnes
traites
donnes
donnes
Filtre de
reconstruction
Calculateur
acquises
ordre de
conversion
CNA
donnes
reconstruites
converties et
reconstruites
Figure 2.10 Reconstruction des donnees numeriques issues dun calculateur.

Le filtre de reconstruction du signal peut etre effectue par le calculateur (il lest le
plus souvent) (voir Fig. 2.10) et donc avant la conversion numerique-analogique.
Il sagit le plus souvent de lisser les donnees :
Reconstruction = Interpolation + Filtrage passe-bas
61
(2.28)
Exemple : Convertisseur numerique-analogique 4 bits - 8 Volts (unipolaire).

Les 24 = 16 nombres biaures differents que lon peut representer avec ces 4 bits
sont representes sur la Fig. 2.11.
poids fort
D
C
B
A
Convertisseur Tension de sortie

NA
(analogique)
poids faible
Tension
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
0
0
0
0
1
1
1
1
0
0
0
0
1
1
1
1
0
0
1
1
0
0
1
1
0
0
1
1
0
0
1
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5
7
7.5
Figure 2.11 Convertisseur NA 4 bits - 8 Volts (unipolaire).
2.5.2
Structures dun CNA

n3
n2
2R
n1
4R
n0
8R
Vs
Figure 2.12 CNA à resistances ponderees.
CNA `
a r
esistances pond
er
ees
Le CNA à resistances ponderees utilise un amplificateur operationnel monte
en additionneur. Les entrees n0 à n3 sont connectees soit à la masse, soit à la
tension Vr . La sortie Vs sera donc egale à
Vs = Vr (n3 + n2 /2 + n1 /4 + n0 /8) .
(2.29)
Linconvenient majeur pour ce type de convertisseur, cest quil faut des resistances
dont les valeurs doublent à chaque fois, ce qui est difficile voire impossible, dès
que le nombre de bits devient important.
62
CNA R-2R (r
eseau en
echelle)
Ici, la tension de sortie Vs sera egale à :
Vs = Vr (n3 + n2 /2 + n1 /4 + n0 /8) Rf /2R .
(2.30)
Rf
n3
2R
Vs
+
R
n2
2R
R
n1
2R
R
n0
2R
2R
Figure 2.13 CNA à reseau en echelle.

La resistance R peut simplement etre obtenue par deux resistances 2R disposees
en parallèle. Il y a cependant des sources derreur :
le passage du niveau bas (0 V) au niveau haut (Vr ) (commutation) des
differentes entrees est realise par un interrupteur. Chaque entree ayant
son propre interrupteur, les temps de commutation ne sont jamais rigoureusement identiques (pour chaque interrupteur) et il peut apparatre
des transitoires sur le signal analogique Vs .
Si, par exemple, on passe dune valeur 0111 à la valeur immediatement
superieure 1000 et si les interrupteurs commutent plus rapidement de
letat 1 vers letat 0 que dans le sens inverse, on aura pendant un temps
très court la valeur 0000 correspondant à 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
afin de maintenir le niveau de lechantillon precedent pendant la transition.
la linearite du convertisseur depend de la precision des resistances du
reseau,
la stabilite de la source de tension de reference Vr . En effet, le bruit
dans lalimentation est un frein à la resolution des convertisseurs. Ainsi,
pour un convertisseur 16 bits - 5 V, le bruit de lalimentation ne doit
pas exceder 1/2 LSB, soit 40 V (CNA ou CAN).
63
2.5.3
Structures dun CAN
Une caracteristique importante dun CAN est le temps de conversion. Il est largement superieur à celui dun CNA. Un CAN est plus difficile à realiser quun
CNA, et il contient souvent un CNA.
CAN `
a rampe num
erique
Un compteur est branche aux entrees dun CNA et la sortie de celui-ci augmente
regulièrement à chaque coup dhorloge. La sortie du CNA est reliee à lentree
dun comparateur de tension. Dès que celle-ci est superieure à la tension dentree,
le comparateur force un etat haut (1) à sa sortie, ce qui bloque le compteur et
indique que la conversion est terminee. La valeur du compteur correspond à la
valeur numerique attendue en sortie.
Vana
horloge
+
Compteur
sortie
numrique
CNA
Figure 2.14 Principe du CNA à rampe.

Le problème majeur de ce montage est que le temps de conversion est très long
et variable. Dautre part, il faut reinitialiser le compteur à 0 à chaque conversion
et la frequence de lhorloge est limitee par le temps de conversion du CNA. Ainsi,
si on dispose dun convertisseur 12 bits ayant comme tension nominale Vana = 5
V. Si lentree de celui-ci est mise à 5 V, le temps de conversion est de 4096 fois
le temps du cycle de lhorloge, cycle qui est dautre part limite par la conversion
dans le CNA et le comparateur. La formule du temps de conversion peut donc
en etre deduite :
tconv = traz + 2n/fhorloge .
(2.31)
CAN `
a rampe num
erique avec compteur-d
ecompteur
Ici, le compteur suit en permanence la tension dentree Vana : si la tension de
sortie du CNA est superieure à la tension dentree le compteur decompte, sinon
il compte. Il nest pas necessaire de reinitialiser le compteur à chaque conversion. Ce convertisseur à un temps de conversion moins grand que le montage
precedent (sauf pour la première conversion) mais ce temps de conversion est
encore variable.
64
Vana
+
horloge
Compteur/
Dcompteur
sortie
numrique
CNA
Figure 2.15 Principe du CNA à rampe et compteur/decompteur.

CAN `
a approximations successives
Vana
horloge
Logique de
commande
Registre
poids fort
.....
poids faible
CNA
Figure 2.16 Principe du CNA à approximations successives.

Ce type de CAN possède des circuits plus complexes que le CAN à rampe
numerique mais le temps de conversion est beaucoup plus court. Une logique de
commande modifie le contenu dun registre bit par bit jusquà ce que la donnee
qui sy trouve, soit lequivalent numerique de la tension analogique Vana (à la
sensibilite près du comparateur, et à la precision près 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 resolution 1 V, on
souhaite convertir la tension dentree analogique Vana = 10, 4 V. On place tout
dabord le bit de poids fort à 1 (1000). Comme la sortie du CNA est de 8 V
et donc inferieure à Vana , on garde le bit de poids fort à 1. On reitère cette
operation pour les autres bits du registre :
1000 = 8 V < Vana bit 3 mis à 1 pour la suite,
1100 = 12 V > Vana bit 2 mis à 0 pour la suite,
1010 = 10 V < Vana bit 1 mis à 1 pour la suite,
65
1101 = 11 V > Vana bit 0 mis à 0

resultat : 1100 = 10 V.
Sur cet exemple on voit que la conversion par approximations successives delivre
une valeur numerique toujours inferieure à lentree analogique.
CAN flash (ou parall`
ele)
5V
V
ana
Logique de
...
...
dcodage
n bits
.........
.........
2 ncomparateurs
Figure 2.17 Principe du CNA flash.

On compare la tension Vana de lechantillon aux niveaux de quantification Ds ,
2Ds ,..., kDs à laide de k comparateurs à qui lon presente simultanement le
signal Vana . Sur lordre de conversion, tous les comparateurs dont les niveaux
de reference sont inferieurs à la valeur Vana basculent à letat logique 1 et tous
les autres restent à letat bas 0. Un decodeur transforme les signaux presents
a la sortie de lensemble des comparateurs en un signal numerique parallèle
`
code en binaire pur. Pour une resolution de n bits, on a besoin de 2n comparateurs. Lavantage principal de ce montage de convertisseur est quil fonctionne
en parallèle ce qui lui confère une grande rapidite.
2.6
Corr
elation num
erique
On a vu au chapitre 2, les definitions de lautocorrelation et de lintercorrelation

pour des signaux continus. La correlation est une mesure energetique de la similitude de forme et de position entre deux signaux decales. Pour des signaux
discrets à energie finie, on definit lautocorrelation et lintercorrelation de de la
manière suivante :
66
Autocorr
elation : correlation entre le signal x(n) et lui-meme :
xx (k) =
+
X
x(n) x? (n k) .
(2.32)
n=
Intercorr
elation : correlation entre le signal discret x(n) et le signal discret
y(n) :
+
X
xy (k) =
x(k) y ? (n k) .
(2.33)
n=
De manière similaire, pour des signaux discrets à puissance moyenne finie, on

definit lautocorrelation et lintercorrelation de la manière suivante :
Autocorr
elation : correlation entre le signal x(n) et lui-meme :
xx (k) =
lim
N +
1
2N + 1
+N
X
x(n) x? (n k) .
(2.34)
n=N
Intercorr
elation : correlation entre le signal discret x(n) et le signal discret
y(n) :
+
X
1
xy (k) = lim
x(k) y ? (n k) .
(2.35)
N + 2N + 1
n=
En pratique, les calculs sont limites à un voisinage fini (un horizon N fini).Il
sagit alors dune approximation lorsque les sequences x(n) et y(n) correspondent à des reponses impulsionnelles infinies (RII).
67
2.7
Exercices
1. Calculer la transformee 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. Demontrer le theorème de lavance de k periodes.
3. Calculer la transformee en z de f (t) = t (t).
4. Calculer la transformee en z de la sequence numerique 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 transformees en z de :
n
(a) x1 (n) = 13
(n),
(b) x2 (n) =
1 n2 1 n
Rep : X1 (z) =
z
z1/3
(n),
et x2 (n) = 4
1 n
6
(n) X2 (z) =
4z
z 16
6. Quelle est lenergie du signal x1 (n) defini à la question precedente ?

7. Etant donne la transformee en z suivante :
F (z) =
0, 792 z 2
(z 1) (z 2 0.416z + 0.208)
Determiner la valeur de la sequence f (kTe ) quand k +.

8. Pour un convertisseur numerique-analogique 5 bits, quand lentree est
egale à 10100, la tension de sortie est de 100 mV, calculer la pleine echelle,
la resolution (pas de quantification) et la tension de sortie pour une entree
numerique egale à 11101.
9. Soit les caracteristiques suivantes dun CAN 5 Volts :
resolution 12 bits ; erreur de linearite pleine echelle 0, 03 % PE.
(a) Indiquer lerreur de quantification en volts,
(b) Donner lerreur totale en volts.
10. Calculer la Transformee de Fourier Discrète de la suite comportant N = 16
termes tels que :
x(0) = x(1) = x(2) = x(14) = x(15) = 1

x(n) = 0
pour 3 n 13
68
69
70
Chapitre 3
Filtrage num
erique
Rudolf Emil Kalman (ne le 19 mai 1930) est un mathematicien et un automaticien americain dorigine hongroise, ingenieur en electrotechnique de formation.
Il est surtout connu pour sa contribution à linvention du filtre de Kalman, une
technique mathematique de filtrage très utilisee pour extraire un signal à partir
de mesures bruitees. Les idees de Kalman sur le filtrage rencontrèrent un certain
scepticisme, à tel point quil dut publier dabord ses travaux dans un journal de
mecanique (au lieu delectrotechnique). Il eut plus de succès, cependant, lorsquil rencontra Stanley Schmidt au Ames Research Center de la NASA en 1967.
Cela mena à lutilisation des filtres de Kalman pour le programme Apollo.
71
3.1
Introduction
Nous allons traiter dans ce chapitre du filtrage lineaire numerique. Un filtre

numerique est constitue dun groupement dentites logiques (circuits, processus
dedies) astreints à un processus de calcul (ou algorithme) qui confère à ce filtre
une fonction determinee (passe-bas, passe-haut, passe-bande, rejecteur de bande,
integrateur, differentiateur,...). Le calcul porte sur une sequence (ou suite) de
nombres introduite à son entree et qui fournit une sequence numerique modifiee, cest-à-dire filtree ou traitee, à sa sortie. La plupart des modèles de filtres
analogiques (cf. Chapitre 3) peuvent ainsi etre reproduits sous forme numerique.
Un filtre numerique est generalement constitue des elements suivants :
un ou plusieurs organes de retard (ce sont des registres à decalage jouant
le role de memoires retardees) et pilotes par une horloge,
des operateurs arithmetiques (additionneurs et multiplieurs),
des registres (programmables) fournissant les coefficients de ponderation
du filtre.
La realisation concrète dun filtre numerique consistera en fait à materialiser
lalgorithme de calcul pour la structure retenue. On aura pour cela la possibilite
de travailler :
soit en logique cablee (assemblage dorganes logiques, tels que des portes,
memoires, etc...),
soit en logique programmee : organisation des operations autour dun
processeur de traitement du signal
(DSP - Digital Signal Processor), ou meme, par lutilisation dun microprocesseur (micro-ordinateur) standard.
Le champ dapplications du filtrage numerique est très vaste puisquil va des
telecommunications au traitement de la parole, en passant par des systèmes
dasservissement, les radars et sonars, la prospection sismique, la HI-FI, etc...
Cest surtout, à lorigine, dans les telecommunications que leur usage sest très
vite repandu car à la fois leur capacite de memoire et la vitesse de traitement se trouvaient adaptees à la plupart des fonctions remplies sous forme
numerique : codage-decodage et (de-)compression dimages (JPEG - Joint Photographic Experts Group), de videos (MPEG - Moving Picture Experts Group)
et du sons (informatique, television numerique), modems, controleurs de disque
durs, accelerateurs graphique 3D, animation en realite virtuelle, reconnaissance
dimages, suspensions actives dautomobiles, servo-moteurs à commande numerique,....
Dans de nombreuses applications, sont utilises des DSP dedies, cest-à-dire des
DSP qui sont directement programmes avec un logiciel particulier à la conception (soit en ROM, soit cable).
72
Les avantages du filtrage numerique par rapport au filtrage analogiques sont :

la reproductivite : les caracteristiques de tous les filtres numeriques
etablis sur une meme configuration sont rigoureusement identiques,
la souplesse : la reponse en frequence peut etre très aisement modifiee
en changeant les
coefficients arithmetiques : le domaine des frequences de travail est facilement deplace par modification de la frequence dechantil-lonnage,
la precision : les differentes manipulations etant effectuees sur des nombres,
la precision ne depend, en grande partie, que de celle des CAN et CNA,
lassociation de filtres : la mise en serie de filtres numeriques ne pose aucun problème dinteraction, tel que celui que lon rencontre pour ladaptation des impedances des filtres analogiques,
la stabilite des caracteristiques : pas de vieillissement des composants
d
u à linfluence de la temperature sur les caracteristiques du filtre.
En revanche, les principaux inconvenients sont lies au problème de lechantillonnage (spectre du signal toujours limite) necessitant lutilisation de processeurs
ayant une bonne rapiditie dexecution pour pouvoir traiter des signaux ayant
une forte dynamique (frequences elevees) en temps reel.
Dune manière generale, les filtres numeriques se caracterisent par le traitement entièrement numerique du signal. Typiquement, les filtres numeriques sont
representes par :
la reponse impulsionnelle,
lequation aux differences,
la transformee en z (ou la fonction de transfert en z).
Comme pour le cas continu, le filtrage lineaire se traduit par lemploi de la
convolution. Celle-ci sexprime en discret par des additions et des multiplications. Quand un filtre numerique est represente par une suite de nombres qui
constitue sa reponse impulsionnelle h(n), au signal à filtrer represente par la
suite numerique x(n) = x(nTe ) correspond en sortie du filtre la suite filtree y(n)
qui sexprime par lequation (2.19), cest-à-dire par
y(n) =
+
X
h(k) x(n k) .
k=
Deux cas se presentent alors :
73
(3.1)
Ou bien la sommation porte sur un nombre fini de termes, cest-à-dire

que les h(k) sont nuls sauf pour un nombre fini de valeurs de la variable
entière k : cest le filtre dit à reponse impulsionnelle finie (RIF) et en
faisant allusion à sa realisation, on le designe encore par non recursif
car il ne necessite pas de boucle de reaction de la sortie sur lentree dans
sa mise en oeuvre. Il est à memoire finie, puisquil ne garde le souvenir
que dun signal elementaire, une impulsion par exemple, que pendant
une duree determinee. Les nombres h(k) sont appeles les coefficients du
filtre, quils definissent complètement (Fig. 3.1).
Ou bien la sommation porte sur un nombre infini de termes, les h(k)
ont une infinite de valeurs non nulles : le filtre est alors à reponse impulsionnelle infinie (RII), ou encore de type recursif, car il faut realiser
sa memoire par une boucle de reaction de la sortie sur lentree. Son
fonctionnement est regi par une equation selon laquelle un element de
la suite de sortie y(n) est calculee par la sommation ponderee dun certain nombre delements de la suite dentree x(n) et dun certain nombre
delements de la suite de sortie lors dechantillons precedents et suivants
(Fig. 3.2).
z1
x(n)
a0
z1
a1
z1
a L1
a2
aL
+
y(n)
Figure 3.1 Structure directe (ou realisation transverse) pour un filtre RIF
causal.
Par exemple, si L et K sont des entiers, le fonctionnement du filtre peut etre
defini par lequation suivante :
y(n) =
L
X
al x(n l)
l=0
K
X
bk y(n k) .
(3.2)
k=1
Les al (l = 0, 1, , L) et bk (k = 1, 2, , K) sont les coefficients. Comme

pour les filtres analogiques, letude de ce type de filtre ne se fait pas en general
simplement de manière directe ; il est necessaire le plus souvent de passer par
une transformation, la transformation en z.
Neanmoins, on peut exprimer le critère de stabilite suivant sur les coefficients
numeriques : Un filtre est stable ssi sa reponse impulsionnelle est absolument
sommable :
+
X
| h(n) | < .
(3.3)
n=
74
a0
x(n)
z1
z1
a1
a2
a L1
y(n)
b1
b2
z1
z1
b K1
z1
z1
aL
Partie non rcursive : MA
bK
Partie rcursive : AR
Figure 3.2 Structure (ou realisation) recursive pour un filtre RII causal : La
partie MA (Moving Average) est presente egalement sur les RIF. La partie AR
(Auto-Regressive) nest presente 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 filtre numerique lineaire et causal est stable si et seulement si tous les p

oles
de H(z) sont `
a linterieur du cercle unite (leur module doit etre strictement
inferieur `
a 1).
Remarques :
Un filtre lineaire non causal h(n) peut se decomposer 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) caracterisent alors le filtre.
La partie anticausale est stable si tous les poles de H (z) sont à lexterieur
du cercle unite.
Filtre à minimum de phase : Si tous les zeros de H(z), fonction de transfert en z dun filtre numerique lineaire causal et stable, sont à linterieur
du cercle unite, alors le filtre est dit à minimum de phase.
La presence des poles est caracteristique des systèmes recursifs. Pour
ces systèmes, le domaine de convergence doit etre precise : en effet, de
meme que pour lequation aux differences recursives associee, la donnee
de la fonction de transfert en z ne definit pas un système unique. Ainsi,
si la fonction de transfert comporte P modules de poles differents, il y a
P + 1 domaines de convergence possibles. Le système nest stable quà
condition que le cercle |z| = 1 soit inclus dans le domaine de conver75
gence.
Par exemple, dans le cas de deux poles (p1 et p2 ), il y a trois domaines
de convergence possibles (voir la figure 3.3) :
choix du domaine 1 : |z| < |p1 | : système instable,
choix du domaine 2 : |p1 | < |z| < |p2 | : système stable,
choix du domaine 3 : |z| > |p2 | : système instable.
Im(z)
p2 x
3
2
2
Re(z)
xp
1
Figure 3.3 Domaines de stabilite et dinstabilite dans le plan en z.

Lorsquon doit synthetiser un filtre numerique à partir dun gabarit analogique
donne, le choix se pose entre un filtre recursif ou un filtre non-recursif. Les raisons
avancees ci-dessous et les methodes de synthèse que nous allons examiner pour
chacune des deux familles doivent permettre de trancher en faveur de lune ou
de lautre.
Les filtres RII necessitent un volume calculatoire moins important que
les filtres RIF,
Les filtres RIF ont une phase lineaire (temps de propagation constant ,
quel que soit la frequence) alors que les RII introduisent de la distorsion
de temps de propagation,
Seuls les filtres RIF travaillent sur un horizon fini. Cela peut etre important si les donnees sont perturbees : un RII sera perturbe pendant une
duree 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 filtre à phase lineaire, on utilisera un RIF ;
sinon on lui prefèrera un RII, plus efficace et donnant des ordres de filtres plus
faibles à zone de transition equivalente.
76
Figure 3.4 Filtres ideaux usuels.
Figure 3.5 Filtres ideaux usuels.
77
3.2
Filtres `
a r
eponse impulsionnelle finie (RIF)
Cette classe de filtres est à memoire finie, cest-à-dire quun filtre RIF determine
sa sortie en fonction dinformations dentree danciennete limitee. En sappuyant
sur lequation aux differences (3.2), les filtres RIF correspondent alors à des
equations o`
u les coefficients bk sont nuls. Les proprietes des filtres RIF vont
etre mises en evidence sur lexemple suivant. Soit un signal x(t) represente par
ses echantillons x(nTe ), preleves à la frequence fe = 1/Te , et soit à determiner
lincidence sur le spectre de ce signal de loperation qui consiste à remplacer la
suite x(nTe ) par la suite y(nTe ) definie 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 () designent les transformees de Fourier des signaux x(t) et y(t),
il vient :
1
Y () =
X() (1 + ejTe )
2
Loperation etudiee correspond à la fonction de transfert H() = Y ()/X()
telle que :
H() = ejTe /2 cos(Te /2)
Cest une operation de filtrage, appelee filtrage en cosinusode, qui conserve
la composante continue et elimine la composante à la frequence fe /2. Dans
lexpression de H(), le terme complexe ejTe /2 caracterise un retard = Te /2
(phase lineaire) qui est le temps de propagation du signal à travers le filtre. La
reponse impulsionnelle h(t) qui correspond secrit :
1
Te
Te
h(t) =
(t + ) + (t )
2
2
2
La figure 3.6 represente les caracteristiques frequentielles et temporelles de ce
filtre.
Cet exemple a permis de faire apparatre que lentree x(n) et la sortie y(n) sont
reliees par une equation aux differences avec un nombre finis de coefficients, que
la reponse impulsionnelle est symetrique par rapport à laxe des temps, cest-àdire que les coefficients du filtre doivent etre symetriques. Deux configurations
se presentent alors :
N = 2P + 1 : le filtre a un temps de propagation = P Te ,
N = 2P : le filtre a comme temps de propagation = (P 1/2) Te .
Dautre part, la fonction de transfert du filtre secrit sous la forme generique :
H() =
N
1
X
ak ejkTe ,
(3.5)
k=0
ou encore exprimee en fonction de la variable z :

H(z) =
N
1
X
k=0
78
ak z k
(3.6)
Figure 3.6 Le filtrage en cosinusode.

H() est donc une fonction periodique de periode fe = 1/Te . Les coefficients
ak (k = 0, 1, , N 1) constituent le developpement en serie de Fourier de
cette fonction. Si ces coefficients sont symetriques, la fonction de transfert H()
peut se mettre sous la forme dun produit de deux termes dont lun est une
fonction reelle et lautre un nombre complexe de module 1 representant le
temps de propagation constant et egal à un multiple entier de la demi-periode
dechantillonnage. Un tel filtre est dit à phase lineaire.
La transformee en z dun filtre RIF causal est donnee par
H(z) =
N
1
X
h(n) z n (filtre causal).
n=0
Pour un filtre RIF à phase lineaire (propriete de symetrie), il vient :
H(z) =
N
1
X
h(n) z n
n=0
N
1
X
h(N 1 n) z n
n=0
N
1
X
h(n0 ) z (N 1n )
n=0
N
1
X
z (N 1)
z (N 1) H(1/z) .
h(n0 ) z n
n=0
On voit donc que si le filtre possède un zero en z = z0 , il en possèdera aussi un en

z = 1/z0 . Pour une paire de zeros complexes conjugues za = r ej et za? = r ej ,
le filtre aura aussi pour zeros 1/za = (1/r) ej et 1/za? = (1/r) ej . Cette propriete permet par simple examen des zeros de la fonction de transfert de dire
79
si oui ou non le filtre est à phase lineaire. Par ailleurs, le theorème suivant est
egalement utile pour rendre le cas echeant un filtre à phase lineaire.
Theorème : Si un zero reel z0 est remplace par son inverse 1/z0 , ou si une paire
de zeros complexes conjugues (z1 , z1? ) est remplacee par la paire des inverses
(1/z1 , 1/z1? ), la reponse frequentielle en amplitude est inchangee, à un facteur
constant près. La meme propriete sapplique aux poles (filtre RII).
De ce fait, les deux filtres de transmittances H1 (z) et H2 (z) donnees par
(z z1 )(z z1? )
z2
(z 1/z1 )(z 1/z1? )
H2 (z) =
z2
H1 (z) =
ont la meme reponse en amplitude à une constante près. Aucun des deux
nest cependant à phase lineaire. De meme, les trois filtres de transmittances
H1 (z) H1 (z), H2 (z) H2 (z) et H1 (z) H2 (z) ont tous trois la meme reponse en
amplitude à un facteur près, et seul le dernier est à phase lineaire.
3.2.1
Synth`
ese par la m
ethode des fen
etres
La problematique est la suivante : à partir dun gabarit frequentiel, effectuer la

synthèse dun filtre RIF realisable, cest-à-dire determiner la sequence numerique
finie h(n) (à N echantillons) correspondant à sa reponse impulsionnelle.
Figure 3.7 Gabarit frequentiel.

Le gabarit frequentiel (cf. chapitre 3) est caracterise par (par exemple) les grandeurs suivantes correspondant à lillustration ci-dessus (Fig. 3.7). Ce gabarit ne
fournit pas dinformations precises sur la phase. On cherchera donc à conserver
une phase lineaire correspondant à un temps de propagation du signal dans le
filtre ce qui implique que la reponse impulsionnelle soit symetrique :
h(n) = h(N 1 n)
avec 0 n
80
N 1
.
2
(3.7)
Dautre part, le spectre dun filtre numerique etant periodique, nous ne nous
interessons quà la bande de base (une seule periode). La demarche consiste
alors, pour des filtres dont la reponse en frequence desiree à une forme analytique
simple (integrable), dappliquer la methodologie suivante :
Determiner la longueur N de la sequence à partir du gabarit reel. Pour
cela, on emploie souvent la formule empirique suivante :
N=
2
1
fe
log10 [
].
3
10 1 2
f
(3.8)
Cette estimation particulièrement simple est suffisante dans la plupart

des cas rencontres en pratique. Elle met bien en evidence limportance
relative des paramètres. La bande de transition f = fs fc est le
paramètre le plus sensible ; les ondulations en bande passante et affaiblie
ont une contribution secondaire.
Calculer la reponse temporelle infinie du filtre à reponse en frequence
voulue (gabarit ideal) en utilisant la transformee de Fourier inverse.
Cela permet dobtenir les coefficients en limitant le calcul à N valeurs
reparties symetriquement autour de n = 0. Deux cas sont à distinguer :
N impair :
h(nTe )
R /e
1
2
= Te
/e
1
2Te
1
2Te
H() ejnTe d
H(f ) e2jnf Te df,
N pair :
h(nTe ) =
1
2
= Te
R /e
/e
1
2Te
1
2Te
H() ej/2 ejnTe d
H(f ) ej/2 e2jnf Te df .
On tronque la reponse temporelle trouvee (pour obtenir un RIF) en la

multipliant par une fenetre dapodisation (de ponderation) :
hN (n) = h(n) w(n)
(exemple : fenetre rectangulaire).
Dans le cas dun filtre causal, decaler la reponse impulsionnelle hN (n)

pour obtenir une solution causale.
Verifier les specifications obtenues et au besoin modifier les paramètres
et recommencer.
Remarques :
Methode non optimale (N nest pas minimale),
La fenetre est symetrique, le filtre obtenu est à phase lineaire,
Les resultats sont approximatifs,
Lapparition des ondulations est due au choix de la fenetre de ponderation,
pas à lordre du filtre (due aux lobes secondaires dans le spectre de la
fenetre).
81
Fenetre de Bartlett (triangulaire)
2 n
w(n) =
N 1
n
= 2 N2 1
=
0
si 0 n N 21
si N 21 n N 1
ailleurs.
Fenetre de Hanning
w(n) =
1
2
1 cos(
2n
)
N 1
Fenetre de Hamming
2n
w(n) = 0.54 0.46 cos(
)
N 1
Fenetre de Blackman
2n
4n
w(n) = 0.42 0.5 cos(
) + 0.08 cos(
)
N 1
N 1
Fenetre de Kaiser
q
w(n) =
I0 (
2
1 ( N2n
1 1) )
I0 ()
o`
u I0 est une fonction de Bessel modifiee, de première espèce, dordre 0, sexprimant par :
(x/2)2
(x/2)4
I0 (x) = 1 +
+
+
(3.9)
2
(1!)
(2!)2
Figure 3.8 Reponses temporelles des fenetres usuelles de ponderation.

82
Figure 3.9 Reponses frequentielles des fenetres usuelles de ponderation.

Table 3.1 Proprietes des fenetres de ponderation
Type de
Largeur de
Ondulations
Attenuations
Attenuation
fenetre
transition
en bande
du 1er lobe
en bande
passante (dB)
secondaire (dB)
attenuee (dB)
Rectangle
1,8/N
0,7416
13
21
Hanning
6,2/N
0,0546
31
44
Hamming
6,6/N
0,0194
41
53
Blackman
11/N
0,0017
57
74
Kaiser
5,86/N
0,0274
50
0,00275
70
0,000275
90
( = 4, 54)
8,64/N
( = 6, 76)
11,42/N
( = 8, 96)
83
Exemple : Soit à synthetiser par la methode des fenetres un filtre RIF dordre
5 dont le transfert se rapproche du gabarit donne à la figure 3.10. Par la transformee de Fourier inverse, on obtient la reponse impulsionnelle ideale 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 Synthèse de filtre RIF par la methode des fenetres.

Laxe de symetrie que requiert la linearite de la phase est place au rang (N 1)/2.
Il suffit alors de translater h(n) de cette valeur et de tronquer la reponse infinie
pour obtenir le resultat (figure 3.10, en bas). On remarque clairement les defauts
de la methode, lies à 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 reponse impulsionnelle h(n) est de duree finie 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. Dès lors, lidee assez naturelle qui
surgit est de se dire que lon peut echantillonner H(f ) selon le nombre de points
voulu. Cette methode de synthèse emploie la Transformee de Fourier Discrète
inverse. Il faut cependant etre conscient du fait quen toute generalite, la reponse
impulsionnelle ideale souhaitee nest pas de duree limitee.
H(k) = H(f )f =k/N
, pour k =
N
N
, ,
+1
2
2
(3.10)
La transformee de Fourier Discrète inverse fournit h(n) :
1
N
h(n) =
=
N/2+1
H(k) ej2 N n
(3.11)
k=N/2
ailleurs.
(3.12)
Cette methode de synthèse ne garantit que les points frequentiels H(k). Entre
ces points, la valeur de H(f ) nest pas maitrisee.
La structure de realisation est alors obtenue par la transformee en z :
H(z) =
N
1
X
h(n) z n (signal causal)
(3.13)
n=0
N/21
H(z) =
h(n) z n .
(3.14)
n=N/2
Figure 3.11 Exemple dechantillonnage de la reponse frequentielle.
85
3.3
3.3.1
Filtres `
a r
eponse impulsionnelle infinie (RII)
M
ethode de lInvariance Impulsionnelle
Le principe est base sur lechantillonnage de la reponse impulsionnelle. A partir

de la fonction de transfert dun filtre analogique H(s), on calcule la reponse impulsionnelle h(t) (par la Transformee inverse de Laplace), puis on echantillonne
celle-ci, h? (t) : les echantillons obtenus h(n) = h? (t)t=nTe forment alors la
sequence numerique permettant la realisation du filtre.
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 linterieur du cercle unite dans
le plan en z. La methode se base sur linvariance de la reponse impulsionnelle
dans la bande limitee consideree. La reponse impulsionnelle dun filtre recursif
etant infinie, il est donc necessaire de faire lhypothèse que la Transformee de
Fourier de cette dernière est nulle en dehors de la bande [fe /2, fe /2].
Cette hypothèse très restrictive est rarement satisfaite et induit un repliement
spectral destructif au niveau de la generation du filtre. On emploie donc generalement
cette methode que pour des signaux à bande limitee et des filtres (uniquement
passe-bas et passe-bande) dont la frequence de coupure reste très inferieure à la
frequence de Shannon.
Exemple : Soit à synthetiser par la methode de linvariance impulsionnelle un
filtre passe-bas du premier ordre
1
H(s) =
1+j
1 t/
h(t) = e
(t)
Si on echantillonne cette reponse impulsionnelle à la frequence fe , il vient :
h? (t) =
+
1 X kTe /
e
(t kTe )
k=0
dont la transformee de Laplace est :

+
1
1 X kTe (s+ 1 )
1
H (s) =
e
=
1 eTe (s+ 1 )
k=0
?
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 finalement :
H(z)
H(z) =
(1 eTe / )
1 eTe / z 1
86
On a trace sur la figure 3.12 les fonctions de transfert en s et en z du filtre

numerique.
Figure 3.12 Synthèse dun filtre passe-bas par linvariance impulsionnelle.
3.3.2
Synth`
ese par la Transformation bilin
eaire
Cest la methode la plus employee pour synthetiser des filtres recursifs. La transformation bilineaire (ou TBL) permet detablir une bijection entre la partie
gauche du plan complexe laplacien et linterieur 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 stabilite dans le passage du filtre analogique au filtre

numerique. Neanmoins, la transformation bilineaire agit comme une relation
non-lineaire entre les frequences fa du domaine analogique et les frequences fd
du domaine numerique. Elle deforme le gabarit lors du changement de plan
complexe, et on est oblige deffectuer une transposition du gabarit numerique
au gabarit analogique à laide des formules
fa =
1
1
tan(fd Te ) ou inversement : fd =
tan1 (fa Te )
Te
Te
87
(3.17)
La methodologie pour la synthèse dun filtre numerique est la suivante :

Definir le gabarit du filtre numerique,
Convertir ce gabarit en un gabarit correspondant au filtre analogique
par la relation 3.17,
Faire la synthèse du filtre analogique (Butterworth, Tchebichev, elliptique,...) pour obtenir la fonction de transfert H(s)
Transformer H(s) en H(z) en utilisant la transformation bilineaire 3.16.
Exemple : Soit à synthetiser un filtre numerique passe-bande (de centre fc =
0.318Hz) de fonction de transfert frequentielle en gain
H(s) =
s2 +
c2
2c s + c2
On applique la transformation bilineaire 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 determiner immediatement lequation aux differences

a
(en passant en z 1 ).
88
3.4
Exercices
1. Montrer que la Transformee de Fourier Discrète dune convolution circulaire des signaux x et h correspond au produit X(k) H(k) des Transformees
Discrètes.
2. Etablir la relation de recurrence (equation aux differences) donnant y(n)
ainsi que la fonction de transfert H(z) du filtre dont la structure directe
est la suivante :
x(n)
z1
z1
1/4
1/2
1/4
y(n)
Figure 3.13 Structure directe dun filtre causal (type RIF).

3. On cherche à synthetiser, par la methode des fenetres, un filtre passebande de frequences de coupure fmin et fmax correspondant aux angles
min = 2fmin Te et max = 2fmax Te du cercle unite. Ce filtre aura un
gain unite entre les frequences fmin et fmax et nul en dehors.
(a) Determiner les coefficients de la reponse impulsionnelle ideal.
Rappel du calcul des coefficients dun filtre RIF
Z
+1/(2Te )
h(n) = Te
H(f ) e2jnf Te df
1/(2Te )
(b) Comparer les valeurs trouvees pour les echantillons de h(n), symetriques
quand N = 11, fe = 8 kHz, fmin = 1 kHz et fmax = 2 kHz avec ceux
indiques ci-dessous et correspondant respectivement à :
la multiplication de h(n) par une fenetre 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 fenetre 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. Determiner :
(a) la reponse frequentielle (fonction de transfert),
(b) la reponse impulsionnelle,
du filtre RIF numerique suivant caracterise par lequation aux differences
numeriques : y(n) = [x(n) + 2 x(n 1) + x(n 2)]/4 .
Quelle est le temps de propagation dun signal dans le filtre ?
Rep :
Figure 3.14 Le filtrage en cosinusode surelevee.

5. Determiner, par la methode de lechantillonnage frequentiel, les coefficients de la reponse impulsionnelle du filtre numerique dont la reponse
frequentielle est illustree sur la figure 3.15 ci-dessous (les coefficients H(k)
correspondent aux points noirs). On se limitera à N = 7 echantillons.
1
0.7
0.15
0.1
0.22
Figure 3.15 Exercice sur lechantillonnage de la reponse frequentielle.
90
6. Montrer que la transformation bilineaire conserve la stabilite, lors de la

transformation du plan complexe s = + j des systèmes lineaires continus, au plan complexe z = eTe s des systèmes echantillonnes.
7. En analysant la realisation suivante, determiner à quel type de filtre elle
correspond et determiner lequation aux differences numeriques correspondante. Quelle est lexpression de la transmittance H(z) = Y (z)/X(z) ?
x(n)
b2
z 1
z 1
+
b1
z 1
z 1
+
y(n)
Figure 3.16 Realisation dun filtre causal du second ordre.
8. Determiner lequation aux differences numeriques dun filtre RII normalise
non causal et dont la reponse impulsionnelle h(x) continue (et symetrique)
est h(x) = C e|x| et representee ci-dessous :
h(x)
C
x
Figure 3.17 Reponse impulsionnelle du filtre 1-D de lissage de Shen-Castan.
avec C et deux constantes reelles. On prendra Xe = 1 comme frequence
(spatiale) dechantillonnage. On essaiera dabord dexprimer la normalisation, puis les transmittances en z des parties causales et anti-causales.
91
92

Cours Tds Fip2a PDF

Transféré par

Droits d'auteur :

Formats disponibles

Cours Tds Fip2a PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Tds Fip2a PDF

Transféré par

Droits d'auteur :

Formats disponibles

Traitement Num

Universite Louis Pasteur de Strasbourg

Table des mati`

e Traitement du Signal (TdS) est une discipline indispensable que tout

Signal : Support de linformation transmise de sa source `a sa destimation. En

signal electrique (telephonie),

On parle egalement de signal de mesure, de commande, de signaux video, audio,

etc...en fonction de la nature de linformation transmise.

Dans les telecommunications : que ce soit dans le domaine de la telephonie ou

Figure 1.1 Synoptique dune chane classique de traitements dun signal.

Les signaux deterministes renferment une information dont levolution en

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

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

si |t| > 1/2

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

La fonction triangle est elle aussi normalisee :

Fonction sinus cardinal

Figure 1.2 (a) fonction sinc(t). (b) fonction sinc(t)2 .

Mathematiquement, cest une fonction (distribution) definie par

quelle que soit la fonction f (t).

Remarque : sur la figure ci-dessus, 1 correspond `a laire sous la courbe, pas `a la

Limpulsion de Dirac est egale `a la limite de nombreuses familles de fonctions,

Fonction peigne de Dirac (fonction d

La fonction T (t) est definie par :

Cette fonction est appelee fonction dechantillonnage car selon la propriete 2

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

Energie dun signal

Soit x(t) un signal quelconque (fonction complexe),

Puissance moyenne dun signal

Soit x(t) un signal quelconque (fonction complexe),

Cas particulier des signaux p

Classification des signaux

Ce qui implique que Px = 0 .

Un signal x(t) est dit `a puissance moyenne finie si

Cas des signaux periodiques de periode T :

Si Px 6= 0, alors Wx = (signal `a energie totale infinie).

Un signal x(t) est dit causal ssi x(t) = 0 , t < 0 .

Un signal x(t) est pair si x(t) = x(t) ou impair si x(t) = x(t).

On appelle produit de convolution entre deux fonctions x(t) et h(t), loperation

Si la reponse impulsionnelle dun syst`eme lineaire (comme un filtre, par exemple)

h(t) : rponse impulsionnelle

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

Le produit de convolution de deux signaux representes par leurs fonctions

La representation temporelle peut etre suffisante dans tous les cas o`

La transformee de Fourier inverse de X() est le signal x(t) = F 1 [X()] defini

4. Translation en temps : F[x(t a)] = X() eja (retard, si a > 0),

8. Conjugaison : F[x? (t)] = X ? (),

Ce theor`eme met en exergue la dualite entre temps et frequence. Il senonce

A lorigine de la transformation de Laplace, on trouve lidee que, si une fonction

converge. On definit alors la transformee de Laplace bilaterale X(s) de x(t) :

Un signal x(t) peut se decomposer en une somme infinie de fonctions sinusodales

n etant une valeur enti`ere. Les coefficients de la serie de Fourier, cn , sont

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

Si x(t) est un signal reel, alors cn = c?n .

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

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

x(t) sin(n0 t) dt avec

On peut montrer que si x(t) de periode T0 est une fonction continue et

et de meme, on definit la fonction dintercorrelation par :