6-Mic4220 Rif PDF

MIC4220, Traitement numérique des signaux
Filtres à réponse impulsionnelle

finie (RIF)
Mounir Boukadoum, Michaël Ménard et sources sur Internet

1
Objectifs d’apprentissage
Après ce cours vous serez en mesure de :
• Expliquer les traits des filtres RIF et les conditions
d’obtention d’une réponse en phase linéaire.
• Faire la conception de filtre RIF par trois méthodes:
– La méthode des fenêtres
– L’échantillonnage en fréquence
– La méthode de McClellan-Park

2
1
Introduction
• Les filtres RIF sont caractérisés par une fonction de
transfert polynômiale dans le domaine z :
N 1
H  z    h[n]z  n
n 0
(Pas de dénominateur => pas de pôles)
• Propriétés :
– Réponse stable par défaut
– Réponse en phase linéaire pour un filtre réalisable
– Peuvent demander un temps de calcul excessif
– Non réalisables en analogique pour toutes fins pratiques
3
Introduction
• Utilité d’un système stable par défaut :
– Pas besoin de s’assurer de la position des pôles aux bons
endroits
• Avantage d’une réponse en phase linéaire :
– L’équation d’entrée/sortie d’un filtre idéal est, dans sa
bande passante : y( t )  x( t   )
ou, dans le domaine de Fourier :
Y (  )  e  j X (  )
Ceci implique une fonction de transfert avec
H( )  1  H    
4
2
Équation d’e/s d’un filtre RIF

N 1 N 1
H  z    h[n]z n
yn   bk  xn  k 
n 0 k 0
y[n] Valeurs successives du signal de sortie

x[n] Valeurs successives du signal d’entrée
bk Coefficients de la fonction de transfert du filtre
N Nombre de coefficients (ordre du filtre)
• Deux filtres RIF se distinguent uniquement par leur

coefficients respectifs !

5
Représentation d’un filtre RIF
• Diagramme de flux
x[n]
• On peut utiliser toutes les formes canoniques de mise

en œuvre et leur transposées
– Direct, Cascade, Parallèle

6
3
Origine du nom
N 1
y n    bk  xn  k 
k 0
• Si on pose x[n] = [n], la sortie est y[n] = h[n], d’où :

N 1
h[n ]   bk  n  k 
k 0
 b0 n   b1 n  1    bN 1 n  ( N  1)
• Comme : • On en déduit :
1 for n  k h0  b0
 n  k     bk si k  N  1
0 for n  k h1  b1 ou hk   
0 autrement

7
Observations
• La réponse impulsionnelle du filtre est donnée par les
valeurs successives de ses coefficients.
• Conséquences:
 L’ordre du filtre est égal au nombre de coefficients
 La réponse du filtre est de durée finie NTe
 Comme ℎ 𝑛 ∑ 𝑏 𝛿 𝑛 𝑘 donne 𝐻 𝑧 ∑ 𝑏 𝑧 ,
la suite des valeurs de h[n] donne automatiquement celle
des coefficients du filtre, et vice-versa

8
4
Réponse en fréquence
N 1
• Puisque H z    hk  z k
k 0
La réponse en fréquence du filtre est, en remplaçant z

by 𝑒 (ou 𝑒 pour la forme normalisée) :
N 1
H  z  z e jTe  H     hk e  jkTe
k 0
• La similarité d’expression de H() avec une série de

Fourier tronquée suggère une méthode de trouver h[n] !

9
Périodicité de la réponse en fréquence
• Puisque e-j2k = 1, on a:
 2 
 2  N 1  jn     Te N 1
H       hn e  Te    hn e  jnTe
 Te  n 0 n 0
=> À l’instar de tout système à temps échantillonné, on a :

 2 k 
H      H  
 Te 
• En particulier, si on normalise Te à 1, on a:
H   2k   H  
=> Périodicité de 2 dans le cercle unité du plan z

10
5
Nécessité d’un filtre anti-alias

 2 
• Conséquences de H     H
 Te 
x[n]
y[n]
fréq fréq
fe/2 fe/2
• Il faut respecter le critère de Nyquist: max    fe (ou  si

on utilise une période d’échantillonnage normalisée) Te
=> Utiliser un filtre anti-alias à l’entrée du convertisseur A-N
x[n]
x(t) CAN FIR y[n]
Filtre anti-alias

11
Réponse en phase
• Un filtre réalisable possède une réponse en fréquence
symétrique (sinon h[n] aurait des valeurs complexes).
• Partant de la périodicité de H(), on a :
h(n) h(n)
N = 2n + 2 N = 2n + 1
n n
0 1 n n+1 2n 2n+1 0 1 n-1 n n+1 2n-1 2n
Symétrie paire Symétrie impaire
• pour un filtre d’ordre N :
hn e  jnTe  hN  1  ne  j  N 1 n Te , ou |h[n]| = |h[N-1-n]|

12
6
Réponse en phase
• Si on suppose une symétrie impaire avec N=2n+1:
h(n)
N = 2n + 1
N 2n
H z    hi z
i 0
i
0 1 n-1 n n+1 2n-1 2n
n
 h0 z 0  h1 z 1  ...  hn z  n  hn z ( n 1)  ...  h1 z ( 2 n 1)  h0 z  2 n

    
 z  n h0 z n  z  n  h1 z n 1  z ( n 1)  ...  hn 1 z1  z 1  hn z 0   
• Pour un symétrie paire, avec N=2n+2 h(n)
N = 2n + 2
N  2 n 1
H z    hi z
i 0
i
n
0 1 n n+1 2n 2n+1
0 1 n  ( n 1) 2n  ( 2 n 1)

 h0 z  h1 z  ...  hn z  hn z  ...  h1 z  h0 z

2 n 1
  2 n 1

2 n 1
  2 n 1
1 
2 n 1
1   2 n 1  n 
2 n 1
 n 
z 2
h0  z 2
z 2   h1  z
 
2
z 2   ...  hn  z 2  z 2 
  
      
13
Réponse en phase
• Dans les deux expressions, le terme entre crochets est réel
(sommes de nombres complexes conjugués) et l’argument hors-crochets
donne la réponse en phase du filtre si z=ejTe
– Dans les deux cas de symétrie, la réponse en phase est (ω) ωTe,
c.-à-d. de la forme kω
Condition Phase  k   N  1  Propriété Type de filtre

 2 
hn  hN  n  1 Symétrie impaire – Type 1

k Phase linéaire
Symétrie positive Symétrie paire – Type 2

14
7
Réponse en phase
• En utilisant le même type de dérivation, on peut montrer
que les filtres antisymétriques ont eux aussi une réponse
en phase linéaire
Centre de Centre de
symétrie symétrie
Centre de
Centre de
symétrie
symétrie

15
Conception d’un filtre RIF

• L’approche est similaire à la conception d’un filtre
analogique :
1. Spécification du filtre
2. Calcul des coefficients
3. Choix d’une architecture de mise en œuvre
4. Simulation (optionnel si on est sûr de soi)
5. Implémentation

16
8
Étape 1 : Spécification du filtre

• Les filtres standard peuvent être Trans-

dérivés d’un filtre passe bas normalisé formation
– Partant du filtre passe-bas, un changement de Pb  Pb α

variable dans H(z) donne le filtre désiré
• Approche d’inspiration analogique α
Pb  PH

difficilement applicable aux filtres RIF
– L’équivalent analogique d’un filtre RIF est
peu désirable (sn est un amplificateur de bruit dans le 1 
Pb  PB 
domaine j) et quasiment impossible à réaliser B 
• Pour les filtres RIF, les techniques de

B
calcul des coefficients passent par la Pb  CB
 
spécification directe de la réponse désirée

17
Paramètres à considérer
|H(f)| pass-band stop-band
fc : cut-off frequency fs/2 f(norm)

(a)
|H(f)| pass-band transition band stop-band |H(f)|

(dB) (linear)
p 1   p
0 1
1   p
pass-band
-3
ripple
stop-band
ripple
s  s
fs/2 f(norm)
fsb : stop-band frequency
fc : cut-off frequency
fpb : pass-band frequency
(b)

18
9
Exemple d’étape 1
• Création d’un filtre RIF avec les
caractéristique suivantes
pour accentuer la sonorité
d’un trombone :
– Type : passe-bande
– Bande de transmission :
150-3000 Hz
– Bande de transition:
100 Hz
– Fréqu. d’échantillonnage:
44 000 Hz
19
Étape 2: calcul des coefficients de h[n]

• Il existe plusieurs méthodes, dont :
– La méthode des fenêtres qui fait l’approximation
de h[n] par la série de Fourier inverse tronquée
du spectre d’amplitude de H()
– L’échantillonnage du spectre d’amplitude de
H() suivi de la transformation de Fourier
inverse
– La méthode des ondulations égales de Parks-
McClellan (filtres « equiripple »)
– Etc…
20
10
La méthode des fenêtres

• Comme bk=h[k], le calcul des coefficients revient à
trouver la réponse impulsionnelle du filtre
• On part de l’amplitude de la réponse en fréquence d’un
filtre idéal et on prend sa transformée de Fourier inverse.
• Pour un filtre passe bas avec Te normalisé à 1:

1
hd n    H  e
j n
d
2 
c
1
1 e
jn
 d
2  c
2 f c sin nc 
 , n  0,1, 2...
nc
Séquence infinie! Il faut la tronquer pour la rendre réalisable.
21

Réponse impulsionnelle idéale
Type de filtre h[n] (coefficients non causals)
Passe-bas
pour
Passe-haut
pour
Passe-bande
pour
Coupe-bande pour
• 𝑀 définit le point de troncation et l′ordre du filtre

22
11

• Limiter la séquence des coefficients du filtre revient
à multiplier hd[n] par une fenêtre rectangulaire de
durée finie
– Convolution de H(ω) par la transformée de Fourier de la
fenêtre rectangulaire, ce qui modifie H(ω)
2
1 10
0.5 1
10
0
0
10
-0.5
-1
-1 10
0 100 200 300 0 50 100 150
• On peut mitiger les conséquences en utilisant une

fenêtre non rectangulaire.
– L’ordre du filtre dépendra du type de fenêtre et de la
largeur de la bande de transition.
23

• Calcul des coefficients du filtre tronqué:
N 1 N 1
 n
hn  hd n Wn 2
N N
2 pour N impair
 n pour N pair
2 2
• Par exemple (fenêtre de Hamming avec Te=1) :

 2 n 
W [ n ]  0 . 54  0 . 46 cos  
 N 
 2 n 
 0 . 54  0 . 46 cos   Si N=133 et -66 ≤ n ≤ 66
 133 
24
12
Exemple
• Réponse impulsionnelle du filter passe bas 0.002680185144672
-0.001175459081146
obtenu pour fe=8kHz, fc=1.3 kHz, fs -fc=200 Hz -0.007352762361627

0.000674199916282
-0.011061614566310
Truncated Impulse Response 0.004884445218787
0.5
0.053381802959437
-0.003877229761413
0.4
0.028520376706076
-0.008868219888928
0.3
-0.296393895946737
0.008172485670763
0.2
0.462500000000000
Value
0.008172485670763
0.1 -0.296393895946737
-0.008868219888928
0 0.028520376706076
-0.003877229761413
-0.1 0.053381802959437
0.004884445218787
-0.2 -0.011061614566310
0.000674199916282
-0.3 -0.007352762361627
0 5 10 15 20 25
-0.001175459081146
Coefficient number 0.002680185144672

25
Fenêtres communes
• (-M ≤ n ≤ M)
– Rectangulaire: w𝑛 1
– Hanning: w𝑛 0,5 0,5 cos
– Hamming: w𝑛 0,54 0,46 cos

– Blackman:
w𝑛 0,42 0,5 cos 0,08 cos

26
13
Fenêtres communes
1
O: triangulaire (Bartlett)
0.9 +: Hanning
0.8 ─: Hamming
0.7
--:Blackman
0.6
• Grandes
Magnitude
0.5
ressemblances, mais
0.4 effets différent sur la
0.3 réponse du filtre!
0.2
0.1
0
-40 -30 -20 -10 0 10 20 30 40
Number of samples

27
La fenêtre de Kaiser
• La plus efficace à priori :
𝐼 𝛽 1 𝑛 𝛼
𝑤𝑛 ,0 𝑛 𝑀 𝛼
𝐼 𝛽
0 autrement
où α=M/2 et I0(x) est la fonction de Bessel modifiée d’ordre
zéro.
• La forme de la fenêtre peut être ajustée en changeant
M et/ou β.

28
14
La fenêtre de Kaiser
• Kaiser a démontré de façon empirique que β est relié |H(f)|
1
pass-band stop-band
à l’ondulation δ dans la bande passante par:

0,1102 𝐴 8,7 , 𝐴 50
𝛽 0,584 𝐴 21 , 0,07886 𝐴 21 21 𝐴 50 f(norm)
fc : cut-off frequency fs/2
0 𝐴 (a) 21
𝑜ù 𝐴 20 log 𝛿 |H(f)|
(dB)
pass-band transition band stop-band |H(f)|
(linear)
p 1   p
• On a aussi pour M :
0 1
1   p
pass-band
-3
ripple
𝐴 8
𝑀 2 stop-band
2,285 𝜔 𝜔
ripple
s  s
fs/2 f(norm)
fsb : stop-band frequency
fc : cut-off frequency
fpb : pass-band frequency
(b)

29
β=6
M = 20

30
15

• On trouve l’ordre du filtre selon la largeur de la bande de transition,
une fois choisie l’atténuation dans la bande d’arrêt.
Bande de transition Ondulation Atténuation Amplitude du β de la fenêtre
Fenêtre
normalisée (f(Hz)) dans la bande dans la bande lobe secondaire de Kaiser
passante (dB) d’arrêt (dB) (dB) équivalente
Rectangulaire 0.9 0.7416 -21 -13 0

N
Hanning 3.1 0.0546 -44 -31 3.86

N
Hamming 3.3 0.0194 -53 -41 4.86

N
Blackman 5.5 0.0017 -74 -57 7.04

N
2.93
   4.54 0.0274 -50
N
Kaiser
5.71
   8.96 0.000275 -90
N

31
Exemple
Hamming, N=25 et N=101
10
0
Magnitude (dB)
-10
-20
-30
-40
-50
-60
-70
0 500 1000 1500 2000 2500 3000 3500 4000
Frequency (Hz)
1000
Phase (degrees)
-1000
-2000
-3000
-4000
-5000
0 500 1000 1500 2000 2500 3000 3500 4000
Frequency (Hz)
32
16
Exemple: Trombone
• Bande de transmission: 150-3000 Hz
• Bande de transition: 100 Hz
• Fréquence d’échantillonnage: 44 000 Hz
• Filtre avec M=5 (N=2)
• Fenêtre de Blackman
1. Normalisation des fréquences
150 3
Ω 2𝜋𝑓 𝑇 2𝜋 𝜋
44000 440
3000 3
44000 22

33
Exemple: Trombone
2. Calcul les coefficients selon les formules
3 3
ℎ0
Ω Ω 22 𝜋 440 𝜋 0,1295
𝜋 𝜋
sin Ω sin Ω
ℎ1 0,1254
𝜋 𝜋
sin 2Ω sin 2Ω
ℎ2 0,1135
2𝜋 2𝜋

34
17
Exemple: Trombone
3. Ajustement des coefficients avec la fenêtre de
Blackman
𝜋𝑛 2𝜋𝑛
w𝑛 0,42 0,5 cos 0,08 cos
𝑀 𝑀
w0 0,42 0,5 0,08 1
w1 0,42 0,08 0,34
w2 0,42 0,5 0,08 0

35
Exemple: Trombone
4. La fonction de transfert est:
𝐻 𝑧 0,0426𝑧 0,1295𝑧 0,0426𝑧
5. L’équation aux différences est:
𝑦𝑛 0,0426 𝑥 𝑛 1 0,1295 𝑥 𝑛 2 0,0426 𝑥 𝑛 3

36
18
• N=2
Exemple: Trombone
Pas fameux!

37
• N=200
Exemple: Trombone

38
19
Exemple: Trombone
N=200

39
Exemple: Passe-haut
• On veut un filtre passe-haut avec M=5 et fc=250 Hz ,
fonctionnant avec une fréquence d’échantillonnage de
1 kHz et basé sur la fenêtre de Hamming.
1. Normalisation des fréquences

250 1
1000 2

40
20
Exemple: Passe-haut
2. Calcul des coefficients en utilisant les formules

𝜋 Ω 𝜋 1 2𝜋
ℎ0 0,5
𝜋 𝜋
sin Ω
ℎ1 0,318
𝜋
sin 2Ω
ℎ2 0
2𝜋

41
Exemple: Passe-haut
3. Ajustement des coefficients avec la fenêtre:

𝜋𝑛
w𝑛 0,54 0,46 cos
𝑀
w0 0,54 0,46 1
w1 0,54 0 0,54
4. La fonction de transfert est:
𝐻 𝑧 0,1719𝑧 0,5𝑧 0,1719𝑧

42
21
Exemple: Passe-haut

43
Exemple: Nombre de coefficients

• Le nombre de coefficients requis est tiré des
spécifications et la fenêtre choisie
• Ex. : N pour un filtre coupe-bande avec
– Bande-passante basse: 0-1.2 kHz
– Bande d’arrêt: 1.6-2.0 kHz
– Bande-passante haute: 2.4-4.0 kHz
– Ondulation dans la bande-passante: 0.005 dB
– Atténuation dans la bande d’arrêt: 60 dB
– Fréquence d’échantillonnage: 8.0 kHz

44
22
Exemple: Nombre de coefficients

• À partir du tableau des fenêtres :
– Ondulation de 0.005 dB Fenêtre de Blackman
• Longueur du filtre:
5.5 5.5
∆𝑓 →𝑁 110
𝑁 1.6 1.2
8.0
5.5
𝑁 110 → 𝟏𝟏𝟏
2.4 2.0
8.0

45

• Code MATLAB pour calculer les coefficients:
% filtre passe bas : fc = 8000 Hz, fe = 44100 Hz, N=133 (|M|=66), fenetre de Hamming
close all;
clear all;
fc = 8000/44100; % fréquence de coupure normalisée

N = 133; % nombre de points (“taps”)
n = -((N-1)/2):((N-1)/2);
n = n+(n==0)*eps; % eps introduit pour prevenir la division par 0
[h] = sin(n*2*pi*fc)./(n*pi); % generation de la séquence de coefficients ideaux

[w] = 0.54 + 0.46*cos(2*pi*n/N); % generation de la fenêtre de Hamming
d = h.*w; % filtre idéal modifié
figure(1);
stem(d); % Tracé des valeurs de coefficients obtenues
xlabel('Coefficient number');
ylabel ('Value');
title('Truncated Impulse Response');
figure(2)
freqz(d,1,512,44100); % freqz trace les réponses en amplitude et phase
axis([0 2*10^4 -70 10]); % num=d, den=1, n points = 512, fe=44100

46
23

Truncated Impulse Response
0.4 0
Magnitude (dB)
-20
0.3
-40
-60
0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Value
Frequency (Hz) 4
x 10
0.1 0
Phase (degrees)
-2000
0
-4000
-0.1
0 20 40 60 80 100 120 140
Coefficient number -6000
0 0.5 1 1.5 2
Frequency (Hz) 4
x 10

47
Conception de filtre RIF par

échantillonnage en fréquence
• Au lieu d’obtenir la transformée inverse de la réponse
en fréquence idéale et la tronquer, on échantillonne
H() avant d’effectuer la transformation inverse
– On obtient un système causal en délayant la réponse
– On assume la symétrie des coefficients pour obtenir une
réponse en phase linéaire.
• Approche très flexible, car ne dépendant pas de la
forme de H()

48
24
Échantillonnage en fréquence
On a, par TFD inverse (et en posant Te=1) :
1
ℎ𝑛 𝐻𝑘𝑊
𝑁
où 𝑊 𝑒 cos 𝑗 sin et 𝐻 𝑘 𝐻 𝑘0
Pour une réponse en fréquence symétrique, expression

équivalente à (les sin s’annulent dans la somme):
1 2𝜋𝑘 𝑛 𝑀
ℎ𝑛 𝐻 2 𝐻 cos
2𝑀 1 2𝑀 1
où 𝑀 ou dépendant de N pair ou impair

49
Exemple
• Transmission: 150-3000 Hz
• Transition: 100 Hz
• Échantillonnage: 44 000 Hz
• Fréqu. d’échantillonnage de la réponse en fréquence: 220 Hz
1. On obtient 44000/220 =200 échantillons, d’amplitudes H(k)
dictées par la forme de H():
H(0) = 0, H(1-14) = 1, H(18-200) = 0
D’où :
ℎ𝑛 2∑ cos
2. On peut ensuite multiplier H[n] par une fenêtre pour obtenirla
réponse finale

50
25

51
Comparaison Fenêtre vs. Fréquence

52
26
Filtres à ondulations égales

• Motivation
– La fenêtre rectangulaire devrait mener à une erreur quadratique
moyenne minimale entre le filtre idéal et celui obtenu après
troncation de la réponse impulsionnelle
1
𝜀 𝐻 𝑒 𝐻 𝑒 𝑑𝜔
2𝜋
Mais la transition discontinue de la bande passante à celle d’arrêt
crée des ondulations indésirables de grande amplitude
(phénomène de Gibbs)
– Les autres fenêtres établissent un compromis entre le niveau
d’ondulation et l’erreur de représentation.
53

• On aimerait réduire l’effet du
phénomène de Gibbs afin
d’obtenir l’ordre N le plus bas
pour un niveau d’erreur donné
– Cependant, les méthodes des
fenêtres et de l’échantillonnage
en fréquence n’offrent pas de
contrôle sur la distribution de
l’erreur

54
27

• But:
– Réduire l’ordre de l’équation de transfert du filtre
pour un niveau d’erreur donné.
• Autrement dit, trouver l’équation optimale pour un
ordre donné.
• Approche:
– Distribuer l’erreur sur toute la bande passante
(equiripple filter)
– Permettre d’obtenir un niveau d’erreur différent
dans la bande passante et la bande d’arrêt.
55

56
28

• Principe :
– Transformer la conception du filtre en un problème
d’optimisation polynomiale
𝐻 𝑒 ∑ ℎ𝑛𝑒
𝐻 𝑒 ∑ 𝑎 𝑥
• Il faut trouver l’équation optimale satisfaisant l’erreur
maximale tolérée (utilisation du théorème d’alternance)
– Algorithme de Parks-McClellan pour trouver les coefficients
(lui-même basé sur d’autre algorithmes dont celui d’échange de Remez)
• Procédure complexe et non intuitive!

57
Algorithme Parks-McClellan
Estimation de (M+2) fréquences d’extrême
Calcule du δ sur l’ensemble de fréquence d’extrême
Interpolation sur (M+1) pour obtenir A(ejω)
Calcule l’erreur E(ω) et recherche de les maximums locaux
Oui Garde les (M+2)

Plus de (M+2) plus grand
extrêmes? extrême
Non
Changé
Vérifie si les fréquences d’extrême ont changé
Inchangé
Meilleur approximation

58
29
Conception avec Parks-McClellan

1. Normaliser les fréquences définissant les extrémités des bandes
par rapport à la fréquence de pliure (fe/2).
2. Calculer les valeurs absolues des ondulations tolérées dans la
bande passante et l’atténuation dans la bande d’arrêt
𝛿 10 1 et 𝛿 10
3. Calculer le rapport pour biaiser l’optimisation des poids d’une

bande par rapport à l’autre et utiliser l’algorithme de Remez pour
trouver les coefficients
𝛿 𝑛𝑢𝑚é𝑟𝑎𝑡𝑒𝑢𝑟 𝑊
𝛿 𝑑é𝑛𝑜𝑚𝑖𝑛𝑎𝑡𝑒𝑢𝑟 𝑊
3. Si les spécifications ne sont pas respectées, on augmente l’ordre
et recommence.
59
Exemple
• Filtre passe-bas, spécifications:

– Fréquence d’échantillonnage: 8 000 Hz
– Bande de passage: 0-800 Hz
– Bande d’arrêt: 1 000 – 4 000 Hz
– Ondulation dans la bande passante: 1 dB
– Atténuation dans la bande d’arrêt: 40 dB
– Ordre du filtre: 53

60
30
Exemple
• Fréquences normalisées:
– 0 Hz: 0/4000 = 0 magnitude:1
– 800 Hz: 800/4000 = 0,2 magnitude:1
– 1000 Hz: 1000/4000 = 0,25 magnitude:0
– 4000 Hz: 4000/4000 = 1 magnitude:0
• Les poids des bandes passante et d’atténuation :
𝛿 10 1 0,122 𝛿 10 0,01
𝛿 12 𝑊
12,2
𝛿 1 𝑊

61
Code Matlab
fs=8000; %Fréquence d'échantillonnage
N=53; %Ordre du filtre
f=[0 0.2 0.25 1]; %Fréquences de coupures
m=[1 1 0 0]; %Amplitude optimales
w=[1 12]; %Poids (optionnel dans l’appel suivant)
b=remez(N,f,m,w); %Algorithme de Remez
freqz(b,1,512,fs) %Affichage des résultats
axis([0 fs/2 -80 10]); %Ajustement des axes

62
31
Exemple
10
-10
Magnitude (dB) -20
-30
-40
-50
-60
-70
-80
0 500 1000 1500 2000 2500 3000 3500 4000
Frequency (Hz)
0
-200
-400
Phase (degrees)
-600
-800
-1000
-1200
-1400
0 500 1000 1500 2000 2500 3000 3500 4000
Frequency (Hz)

63
Exemple
• Passe-bande
• Transmission:
1 500-3 000 Hz
• Transition: 200 Hz
• Échantillonnage: 10 000 Hz
• Ondulation: 2 dB
• Atténuation: 20 dB

64
32
Exemple
• Fréquences normalisées:
– 0 Hz: 0/5000 = 0 mag.:0
– 1300 Hz: 1300/5000 = 0,26 mag.:0
– 1500 Hz: 1500/5000= 0,3 mag.:1
– 3000 Hz: 3000/5000= 0,6 mag.:1
– 3200 Hz: 3200/5000 = 0,64 mag.:0
– 5000 Hz: 5000/5000= 1 mag.:0
• Les poids:
𝛿 10 1 0, 26 𝛿 10 0,1
𝛿 13 𝑊
2,6
𝛿 5 𝑊

65
Exemple

66
33
FDATool de matlab

67
Étape 3 : Architecture de mise en œuvre
• On peut utiliser toutes les formes discutées

précédemment et leur transposées
– Direct
– Cascade
– Parallèle
-1 -1 -1
x(n) z z z
b b b b
0 1 2 N-1
+ + + y(n)

68
34
Étape 3 : architecture de mise en oeuvre
• Forme directe :
N 1
y n   hn  xn    hk  xn  k 
k 0
hk   bk  yn  b0 xn  b1xn  1  ...  bN 1xn  N  1
-1 -1 -1
x(n) z z z
b b b b
0 1 2 N-1
+ + + y(n)

69
Étape 3 : Architecture de mise en oeuvre

• Forme directe :
N 1
H z   b z k
k
k 0
• Variante à réponse en phase linéaire :

N
1
 b z 
2
 N pair : H z   k
k
 z N  k 1
k 0
N 1
N 1
H z   bk z k  z N k 1   bN 1 z
2 
 N impair : 2
k 0 2

70
35
Mise en œuvre
x(n) -1 -1 -1 -1 -1 -1
z z z z z z
b0
• La symétrie des +
b1
+ +
filtres linéaires +
b2
+
en phase permet
N impair b(N-1)/2
de réduire les +
b(N-3)/2
+
multiplications. y(n) +
-1 -1 -1 -1 -1
z z z z z
b0
+
b1
+ +
b2
+ +
N pair
b N/2-1
+ +
y(n)

71
Étape 3 : architecture de mise en oeuvre

• Forme en cascade :
N 1
H z   b k z  k  b 0  b1 z  1  b 2 z  2  ...  b N  1 z   N 1 
k 0
 b b b 
 b 0 1  1 z  1  2 z  2  ...  N  1 z   N 1  
 b 0 b 0 b 0 
 1  b 
M
 b0 k ,1 z 1  b k , 2 z  2
k 1
x(n) b0 y(n)
+ + +
z -1 z -1 z -1
b 1,1 b 2,1 b M,1
+ + +
z -1 z -1 z -1
b 1,2 b 2,2 b M,2

72
36
Étape 5 : mise en oeuvre finale

N 1
1. Transformer y n    bk x n  k  en code de c ou
k 0
assembleur
2. Initialiser le codec
3. Configurer un temporisateur du DSP pour la
génération d’interruptions à la fréquence fe
4. Écrire un programme principal qui accomplit les
étapes 2 et 3, et un sous-programme de service aux
interruptions qui exécute le code du filtre développé
à l’étape 1.
73
Code
//C6xdskinit.c : Initialisation du DSK,codec AD535,port sériel, et fonction d’e/s en mode IRQ
#include ...
// initilisation du système (ports McBSP, codec, temporisateurs, etc.)

Void c6x_dsk_init() { /* ... */
}
// e/s par interruption

void comm_intr() {
c6x_dsk_init(); // init DSK (McBSP en mode IRQ)
config_IRQ(11, XINT0); //utiliser l’IRQ 11 sur XINT0
enableGlobalINT(); //partir les IRQ
}
// Écriture au CNA du codec à travers le port sériel McBSP0

void output_sample(int out_data) {
*(unsigned volatile int *)McBSP0_DXR =out_data & 0xfffe; // & pour communication primaire
}
// Lecture du CAN du codec à travers le port sériel McBSP0

int input_sample() {
return *(unsigned volatile int *)McBSP0_DRR;
}

74
37
Code
//Fir.c FIR filter.
#include "bs2700.cof" // contient les valeurs de h[] et N
int yn; // Sortie du filtre
short xin[N]; // Données d’entrée
void main()
{
comm_intr(); //initialisation du système en mode IRQ
while(1); //boucle infinie; filtrage par IRQ
}
interrupt void c_int11() //ISR (code du filtre)

{
short i;
xin[0] = input_sample(); //lire la dernière valeur

yn = 0;
for (i = 0; i< N; i++)
yn += (h[i] * xin[i]); //calculer y(n) += h(i)* x(n-i)
for (i = N-1; i > 0; i--) //décaler les valeurs de y[]
xin[i] = xin[i-1];
output_sample(yn >> 15); //tronquer les 15 BMS

return;
}
75
Usage d’un tampon de données circulaire

3
Exemple : yn  bk xn  k , avec les registres A5 et B5 du
k 0
DSP tels que B5  b0 et A5  x[n]
*B5++ b3 *A5++ x-3

*B5++ b2 *A5++ x-2
*B5++ b1 *A5++ x-1
*B5+? b0 *A5+? x0
y0 = b3*x-3 + b2*x-2 + b1*x-1 + b0*x0

y[n]
n
0 1 2
76
38

X1 remplace X-3
qui n’est plus
requis
*B5 b3 *A5 x1
*B5 b2 *A5 x-2
*B5 b1 *A5 x-1
*B5 b0 *A5 x0
y0 = b3*x-3 + b2*x-2 + b1*x-1 + b0*x0

y1 = b3*x-2 + b2*x-1 + b1*x0 + b0*x1
y[n]
time
0 1 2
77

X2 remplace X-2
qui n’est plus
requis
*B5 b3 *A5 x1
*B5 b2 *A5 x2
*B5 b1 *A5 x-1
*B5 b0 *A5 x0
y0 = b3*x-3 + b2*x-2 + b1*x-1 + b0*x0

y1 = b3*x-2 + b2*x-1 + b1*x0 + b0*x1
y2 = b3*x-1 + b2*x0 + b1*x1 + b0*x2
y[n]
time
0 1 2
78
39
Code avec adressage circulaire

/* version plus obscure, mais beaucoup plus rapide *
* le nombre de points doit être une puissance de 2 */

{
int i,iCircBuf;
int * ph;
int yn = 0;
static int endBuf= N-1;
xin[endBuf] = input_sample(); // La donnée courante va à la fin du tampon
iCircBuf= ++endBuf; // Début du tampon circulaire juste après
endBuf &=N_MASK; // endBuf= endBuf%N pour la prochaine donnée
// Dans la boucle, les indices de h diminuent et ceux de xin augmentent

ph=&h[N-1];
for (i=N; i>0; i--){
iCircBuf &= N_MASK;
yn += (long)(*ph--)* xin[iCircBuf++]; // calculs sur 32 bits
}
output_sample(yn >> 15); // on normalise le résultat à 16 bits

return
}

79
Un code plus efficace

/* Variante sans adressage de tableau */
int i;
int yn = 0;
const int * ph = &h[N-1];
static int * px = &xin[0]
*px = input_sample(); // La donnée courante va à la fin du tampon

px++;
px &=N_MASK; // endBuf= endBuf%N pour la prochaine donnée
// Dans la boucle, les indices de h diminuent et ceux de xin augmentent

i=N;
do{
px &= N_MASK;
yn += (long)(*ph--)*(*px++); // calculs sur 32 bits
} while (--i > 0);
output_sample(yn >> 15); // on normalise le résultat à 16 bits

return
}
80
40
Sommaire
• Les filtres FIR sont stables par défaut.
• Lorsque les coefficients sont réels et symétriques ou
antisymétriques, la réponse en phase est linéaire
– Filtres causals
• Plusieurs méthodes sont possibles pour la conception :
– Méthode des fenêtres
– Échantillonnage en fréquence
– Filtres « equiripple »

81
Sommaire
• L’algorithme Parks-McClellan permet d’obtenir l’équation
optimale d’un filtre RIF, en distribuant l’erreur d’ondulation
de manière égale dans le spectre des fréquences (equiripple)
pour un ordre donné.
– L’optimisation est garantie par le théorème d’alternance.
• Procédure de conception :
– Normalise les fréquences (avec fe/2)
– Trouve les poids
– Algorithme de Remez
– Inverse TFD
• La symétrie de la réponse impulsionnelle permet de réduire le
nombre de multiplication lors de la mise en œuvre.

82
41
Sommaire
Méthode Fenêtre Échantillonnage Parks-McClellan
Type de filtre 1. Passe-bas, passe-haut, 1. Tous types de filtre 1. Tous types de filtre
passe-bande, Coupe- 2. Équations valide 2. Équations valide
bande pour des réponses pour des réponses
2. Non applicable à des arbitraires arbitraires
réponses arbitraires
Phase linéaire Oui Oui Oui
Spécification des Utilisé pour déterminer Doit être vérifié après Nécessaire pour
ondulations et de l’ordre du filtre et les chaque itération l’algorithme mais doit
l’atténuation fréquences de coupure être vérifié après chaque
itération
Complexité de Modéré Simple Compliqué
l’algorithme
Outils de conception Calculatrice Calculatrice Logiciel
requis

83
Prochain cours
• Problèmes
– 7.1, 7.3, 7.5, 7.7, 7.9, 7.11, 7.13, 7.17, 7.34, 7.35
• Lecture
– Chapitres 7 et 8 de Tan

84
42

6-Mic4220 Rif PDF

Transféré par

Informations du documentcliquez pour développer les informations du document

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

6-Mic4220 Rif 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

6-Mic4220 Rif PDF

Transféré par

Droits d'auteur :

Formats disponibles

MIC4220, Traitement numérique des signaux

Filtres à réponse impulsionnelle

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

Équation d’e/s d’un filtre RIF

y[n] Valeurs successives du signal de sortie

• Deux filtres RIF se distinguent uniquement par leur

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

Représentation d’un filtre RIF

• On peut utiliser toutes les formes canoniques de mise

Mounir Boukadoum, Michaël Ménard et sources sur Internet

• Si on pose x[n] = [n], la sortie est y[n] = h[n], d’où :

MIC4220, Traitement numérique des signaux

Mounir Boukadoum, Michaël Ménard et sources sur Internet

La réponse en fréquence du filtre est, en remplaçant z

• La similarité d’expression de H() avec une série de

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

Périodicité de la réponse en fréquence

=> À l’instar de tout système à temps échantillonné, on a :

Mounir Boukadoum, Michaël Ménard et sources sur Internet

Nécessité d’un filtre anti-alias

• Il faut respecter le critère de Nyquist: max    fe (ou  si

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

Mounir Boukadoum, Michaël Ménard et sources sur Internet

 h0 z 0  h1 z 1  ...  hn z  n  hn z ( n 1)  ...  h1 z ( 2 n 1)  h0 z  2 n

0 1 n  ( n 1) 2n  ( 2 n 1)

MIC4220, Traitement numérique des signaux

Condition Phase  k   N  1  Propriété Type de filtre

hn  hN  n  1 Symétrie impaire – Type 1

Mounir Boukadoum, Michaël Ménard et sources sur Internet

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

Conception d’un filtre RIF

Mounir Boukadoum, Michaël Ménard et sources sur Internet

Étape 1 : Spécification du filtre

– Partant du filtre passe-bas, un changement de Pb  Pb α

• Pour les filtres RIF, les techniques de

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

fc : cut-off frequency fs/2 f(norm)

|H(f)| pass-band transition band stop-band |H(f)|

Mounir Boukadoum, Michaël Ménard et sources sur Internet

MIC4220, Traitement numérique des signaux

Étape 2: calcul des coefficients de h[n]

La méthode des fenêtres

MIC4220, Traitement numérique des signaux

La méthode des fenêtres

• 𝑀 définit le point de troncation et l′ordre du filtre

La méthode des fenêtres

• On peut mitiger les conséquences en utilisant une

MIC4220, Traitement numérique des signaux

La méthode des fenêtres

[h] = sin(n2pifc)./(npi); % generation de la séquence de coefficients ideaux