Cours 5

Université AbdelMalek Essaâdi
Année 2010/2011
Faculté des Sciences METC
Tétouan
Cours 6
NUMÉRISATION
(PARTIE II)
cours de traitement du signal

1
METC/S.Ahyoud
Introduction
Impossible d'enregistrer toutes les valeurs des échantillons numériquement

 codage avec des mots infinis
Numériser un signal analogique implique qu'on doit le coder à l'aide d'un

nombre fini de symboles; c'est l'opération de quantification

2
METC/S.Ahyoud
Quantification
La quantification permet d'approximer une valeur instantanée à l'aide d'un ensemble

de valeurs discrètes, séparées les unes des autres par un intervalle appelé pas de
quantification.
La quantification d’un signal analogique consiste à remplacer l’infinité de valeurs

différentes qu’il peut prendre (puisque la tension ou l’intensité par exemple sont des
grandeurs macroscopiquement continues) par un nombre fini Nq de valeurs
Le rôle de la quantification est de donner une image binaire d’un signal analogique :
Passage Analogique – Numérique
Signal Continu – Signal discret
Tension – chiffre

3
METC/S.Ahyoud
Quantification
La quantification des échantillons est effectuée par un Convertisseur Analogique

Numérique (CAN). Le CAN est précédé d’un bloqueur, qui maintient le signal à une
même valeur obtenue au moment de l’échantillonnage. La période d’échantillonnage doit
bien sûr être supérieure au temps de conversion,
Le signal échantillonné - bloqué peut à ce stade être converti sous forme binaire
(numérique) pour être stocké, c’est la quantification

4
METC/S.Ahyoud
Quantification
Si q est constant quelle que soit l'amplitude du signal, on parle de quantification
uniforme.
Il existe principalement deux modes de quantification
Par arrondi Par troncature
 1  1 Nq  xe (t )   N  1.q
 N  .q  xe (t )   N  .q
 2  2
A xe(t) on associe le code N ou la valeur Nq

5
METC/S.Ahyoud
Quantification
Le signal quantifié subi une distorsion harmonique, du fait de la non-linéarité de la

fonction de transfert du quantificateur (c’est une fonction en marches d’escalier).
La bruit de quantification est la différence : nq(n) = xe(n) – xq(n)
L’erreur de quantification (bruit de quantification) dépend du pas de quantification

Le bruit de quantification diminue quand fe augmente
 Le bruit de quantification nq est considéré comme un processus aléatoire. Il possède

une densité de probabilité p(nq)
 Pour une quantifiacation uniforme, la densité de probabilité est uniforme sur l'intervalle
[0, q] avec p(nq) = 1/q

6
METC/S.Ahyoud
Transformée de Fourier Discrète
Soit un signal numérique x(nTe )n0,1,2,3,....N 1


 j 2ft
Sa transformée de Fourier analogique est X( f )  x (t ).e dt


Une expression discrète est: X ( f )  Te  x (
n  
nTe ).e  j 2fnTe
Vue la convergence de cette sommation, on divise par la durée de calcul

Passage d’une notion d’énergie à notion de puissance
N
2
1
X ( f )  lim Te  x( nTe ).e  j 2fnTe
N   NT
e n N
2
Nombre d’échantillons est fini (N) La transformée de Fourier discrète TFD
1 N 1
X(f )  
N e n 0
x ( nTe ).e  j 2fnTe

7
METC/S.Ahyoud
Transformée de Fourier Discrète
Le spectre X( f ) défini pour f variant de manière continue. Ce spectre X( f ) peut
alors être "échantillonné" au rythme N/Fe .
1 N 1
nk
kFe  j 2
X(
N
) 
N e n 0
x ( nTe ).e N
Comme la TF des signaux discrets est péirodique de période 1, l'expression de la TFTD inverse
est donné par :
Forme Matricielle
 X (0)   1 1 1   x(0) 
   1 N 1
  wN  e
2 j
N
 X (1)   1 wN wN   x(1) 
    w2 wN2( N 1) .  wnk
e
 2 j
N
kn
   N
  N
    
 X ( N  1)   1 w N 1 w2( N 1) ( N 1) 2  
wN   x( N  1) 
X = W.x
   N N

8
METC/S.Ahyoud
9
METC/S.Ahyoud
Transformée en Z
Définition:
La transformée en z est l’analogue de la transformée de Laplace des signaux continue.
A tt signal discret xkkZ X ( z )   xk z  k z  C
kZ
 Pour un signal donné, l’ensemble des valeurs de z pour les quelles la série converge est
appelé région de convergence (RDC)
Propriétés de la Transformée en Z
Linéarité : Z(ax1(k)+bx2(k))=aZ(x1(k))+bZ(x2(k))
Retard : Z(x(k−m))=z−m Z(x(k))
Théorème de la valeur initiale Théorème de la valeur initiale
lim X ( z )  x(0) lim ( z  1) X ( z)  lim x(k )
z  z 1 k 

10
METC/S.Ahyoud
Transformée en Z Relations entre Laplace et TZ

11
METC/S.Ahyoud
Transformée en Z
Dérivation en z
dX ( z ) La RDC est identique à l'exception de restrictions éventuelles en
nx(n)   z z=0 et z=
dz
Décalage temporel x(n  n0 )  z  n0 X ( z ) n0  N
La RDC est identique à l'exception de restrictions éventuelles en z=0 et z=
Équation de convolution : Z ( y (n))  Z ( h(m) x(n  m))

m
Y ( z )   Z (h(m) x(n  m))  X ( z ) h(m) z  m

m m
On obtient :
Y(z)=X(z)H(z) c’est l’expression d’un produit simple
H ( z )   h( m) z  m la transformée en Z de h(m)
m

12
METC/S.Ahyoud
FILTRAGE NUMERIQUE
Le filtrage numérique des signaux n’est pas qu’un filtre
analogique numérisé…
 Soit un système discrète linéaire invariant dont la réponse impulsionnelle est h(n)
Si x(n) est l’entrée du système la sortie y(n) est donnée par

y(n) = h(n) * x(n) y ( n)   h(k ) x ( n  k )
k  
Fonction de Transfert en Z
On a y ( n)   h( k ) x ( n  k ) Z ( y (n))  Z ( h(k ) x( n  k )) Y ( z )  X ( z).H ( z )

k k
la fonction de Transfert du SLD. H ( z )   h ( k ) z k

C’est la TZ de la RI h(n)
k
y(n)  1,3.x(n)  0, 26.x(n 1)  0,08. y(n 1)  0,79. y(n  2)

Y ( z )  1,3. X ( z )  0, 26.z 1. X ( z )  0, 08.z 1.Y ( z )  0, 79.z 2 .Y ( z )
Y ( z) 1,3  0, 26.z 1
H ( z)  
X ( z ) 1  0, 08.z 1  0, 79.z 2
13
METC/S.Ahyoud
FILTRAGE NUMERIQUE
 Le filtre est causal ssi la réponse impulsionnelle est causale h(n) = 0  n<0

 Le filtre est stable ssi la réponse impulsionnelle est absolument sommable  h( n)

n  

 Longueur de la réponse impulsionnelle deux grandes familles de filtres
Filtre à réponse impulsionnelle finie (RIF)

h(n)  0  n0  n  n0 +N-1 N : longueur de la réponse impulsionnelle
 Filtre à réponse impulsionnelle infinie (RII)
H(n)  0  n  n0
Exemple de filtre numérique RIF :
y(n)  y(nTe)  0, 2.x(n)  1,5.x(n 1)  0, 48.x(n  2)  0,12.x(n  3)

Exemple de filtre numérique RII :
y(n)  1,3.x(n)  0, 26.x(n 1)  0,08. y(n 1)  0,79. y(n  2)

14
METC/S.Ahyoud
FILTRAGE NUMERIQUE
Filtres FIR Finite Impulse Response. Ces filtres non récursifs n'ont pas de contre-
réaction.
Avantages
 Toujours stables.
Phase linéaire si symétrie des coefficients pas de distorsion de phase.
 Possibilité de réaliser toutes sortes de filtres 'ébouriffants' en dessinant simplement
des gabarits de réponse en amplitude |K(f)| et en calculant la transformée de Fourier
inverse k(t).
Inconvénients
 Beaucoup de calculs par rapport à un IIR équivalent au niveau des performances.
 Le retard du filtre (de groupe ou de phase) peut être important si le nombre de
‘coefficients' est élevé.

15
METC/S.Ahyoud
FILTRAGE NUMERIQUE
Filtres IIR Infinite Impulse Response. Ces filtres récursifs ont une contre-
réaction.
Avantages
 Beaucoup moins de calculs par rapport à un FIR équivalent au niveau des
performances.
Inconvénients
Il faut vérifier la stabilité.
 Phase non linéaire distorsion de phase
Pour une filtre RII, le réponse impulsionnelle peut pas être calculé (par définition).
Le filtre est spécifié par deux jeux de coefficients a(n), 1 n<N et b(n), 0n<M :
N 1 M 1
y ( n)   b(m) x(n  m)   a(m) y (n  m  1)
m 0 m 0

16
METC/S.Ahyoud
FILTRAGE NUMERIQUE Filtres FIR Finite Impulse Response
Filtres numériques non récursifs
M
y (n)   bk x(n  k )
k 0
Les coefficients bn du filtre sont les
Y ( z )  H ( z ).X ( z )
M M
valeurs de la RI (h(n) = bn). Ceci
H ( z )   bk z  k   h(n) z  n montre qu'un filtre non récursif est à
k 0 n 0
M Réponse Impulsionnelle Finie (RIF).
h(n)   bk  (n  k )
k 0
M est appelée la longueur du filtre.
 Les RIF sont toujours stables (pas de pôles)
 Les RIF peuvent avoir une caractéristique de phase linéaire
d ( f )
• Retard constant en fréquence (temps de propagation de groupe)  ( f ) 
df
• Pas de distorsion harmonique
• Symétrie de la RI (h(n)=h(-n) ) ou l’antisymétrie de la RI(h(n) = -h(-n) )
A sélectivité équivalente, ils sont toujours plus coûteux (en temps de calcul) que leur
équivalent RII cours de traitement du signal
17
METC/S.Ahyoud
n0  N 1
considérons la H( f )   h ( n )e
n  n0
 j 2fnT
réponse
n0  N 1 n0  N 1
fréquentielle d’un
filtre RIF :
 
n  n0
h( n) cos(2f nT )  j  h(n) sin(2f nT)
n  n0
 ReH ( f ) j ImH ( f )

 H ( f ) e  j ( f )  ImH ( f )
 ( f )  arctg  
 ReH ( f )
Pour obtenir une caractéristique de phase identiquement nulle, il faut que
ImH ( f ) soit nulle. h(n) une fonction paire

La condition pour que h(n) soit paire h(n)  h(n) pour n0  n  n0  N  1
Pour N impair, on doit avoir n0   ( N  1) / 2 pour satisfaire la condition de symétrie
N 1 caractéristique de phase identiquement nulle
h(n)  h(n) pour n0 
2 n’est pas causal

18
METC/S.Ahyoud
H( f )
décaler une telle réponse impulsionnell e de ( N  1) / 2 pas vers la partie positive de l’axe des n
H ' ( f )  H ( f ) e  jf ( N 1)T

Comme H(f) est une fonction réelle, N 1 une fonction linéaire
 ' ( f )   2f ( )T
la phase après décalage 2
en fréquence f.
 ' ( )  N 1
le retard de phase : p   p  T
  2 

19
METC/S.Ahyoud
Réponse fréquentielle des filtres RIF à phase linéaire

N 1
H ( )   h ( n )e
n0
 jnT
( N  3) / 2 N 1
N  1  j ( N 1
 h ( n )e  h ( n )e
)T
 jnT  jnT
  h( )e 2

n 0 2 n  ( N 1) / 2
N 1 ( N 3) / 2
Soit m=N-1-n
 h(n)e
n ( N 1) / 2
 jnT
  h(
m 0
m)e  j ( N 1 m )T
N 1
 h(n)e 
( N  3) / 2
N  1  j ( )T
H ( )   jnT
 e  j ( N 1 n )T  h( )e 2
n0 2
N 1
( N 1) / 2 N  1 N 1 
Posons H ( )  e
 j (
 
2
)T
h (  k ) e jkT
 e  jkT

 h ( ) 
 k 1 2 2 
N 1
k n  j (
N 1
)T 
( N 1) / 2

e   
2

2
a ( k ) cos( kT )
 k 0 

20
METC/S.Ahyoud
N 1
 j ( ( N 1) / 2 
  a(k ) cos(kT )
)T
H ( )  e 2
H ( )  e j ( ) M ( )
 k 0 
 N 1 M() est la réponse fréquentielle d’amplitude,

 a ( 0 )  h ( )
 2
 N 1 N 1
 a ( k )  2 h (  k)  ( )    ( )T représente la réponse en phase
2 2

 ( N 1) / 2  N 1
p  T
M ( )   a (k ) cos(kT ) le temps de propagation
 2 
 k 0

21
METC/S.Ahyoud
Exemple: Filtre moyeneur
N 1
1 / N k  0, N  1 1
g(k )  
 0 ailleurs
G ( z) 
N
z
i 0
i
1 1 z N 1 zN 1
G ( z)  1 
N 1 z N z N 1 ( z  1) N zéros, N-1 pôles en
N zéros et 1 pôle z=0, 1 pôle en z=1
z=1 est à la fois pôle et zéro
il reste N-1 zéros et N-1 pôles en z=0

22
METC/S.Ahyoud
FILTRAGE NUMERIQUE Filtre à réponse impulsionnelle infinie (RII)
Filtres numériques récursifs

M N
y (n)   bk x(n  k )   ak y (n  k )
k 0 k 0 En pratique on a N=M,
M N est appelée l'ordre du filtre.
 k
b z k
N ( z)
H ( z)  k 0
N

1   ak z  k
D( z )
k 0
 Si N(z) n'est pas divisible par D(z) (cas général), on a un nombre infini de termes dans
la division polynomiale.  
H ( z )   ck z  k   h ( n ) z  n
k 0 n 0
Les coefficients cn sont les valeurs de la RI (h(n) = cn). Ceci montre qu'un filtre récursif est,
dans le cas général, à Réponse Impulsionnelle Infinie (RII).
 Si N(z) est divisible par D(z) (cas particulier), on a un nombre fini de termes dans la
division polynomiale. Dans ce cas, le filtre est RIF.
23
METC/S.Ahyoud
FILTRE RII: Si G(z) a des pôles (différents de z=0) 

1
La Réponse Impulsionnelle est de durée Infinie G( z) 
1  az 1  
i 0
a i i
z
Un pôle correspond à une réponse impulsionnelle
g ( k )  a k pour k  0, 
exponentielle
Pôle en z=a, Rq: série convergente pour |a|<1
Filtre RII n’a que des pôles (et des zéros en z=0) Filtre AR (Auto-Régréssif)
B( z) b(0)
G( z)  
A( z) 1  a (1) z 1  a ( P) z  P Filtre tout-pôles
1
 b(0) P
 (1  pi z 1 )
i 1
filtres MA (à Moyenne Adaptée) les filtres n’ayant que des zéros

(et des pôles en z = 0)
24
METC/S.Ahyoud
Filtre RII a des pôles et des zéros différents de z=0
B ( z ) b(0)  b(1) z 1 b( Q) z  Q Modèle ARMA d’ordre P et Q

G ( z)  
A( z ) 1  a (1) z 1  a ( P ) z  P
possède Q zéros et P pôles et

Q-P pôles en z=0 si Q>P
P-Q zéros en z=0 si P>Q

25
METC/S.Ahyoud
Calcul d'un filtre IIR
Principe
 Calculer un filtre analogique et en déduire un filtre numérique équivalent
 Utiliser des méthodes algorithmiques permettant de calculer les coefficients de n'importe
quel gabarit de filtre
Méthodes pour le premier cas

 Transformation bilinéaire
 Conservation de la réponse impulsionnelle du filtre analogique ("numérisation")
Filtre IIR Invariance Impulsionnelle
On échantillonne la réponse impulsionnelle d'un filtre analogique connu h[n] =ha(nTs )
 L'échantillonnage de ha(t) entraîne une périodisation du spectre

1 k
H( f ) 
Te
H
k  
a (f 
Te
)
 Les pôles
1 1
 Si Re(pk)<0 alors, le pôle associé dans le filtre
p  pk 1  e pk Te z 1 numérique est à l'intérieur du cercle unité
Cette méthode est utile dans le cas de filtres analogiques à bande limité
La réponse du filtre numérique sera proche de celle du filtre analogique dans
la bande [-Fe/2, Fe2]
26
METC/S.Ahyoud
Transformation bilinéaire
On cherche une correspondance entre la réponse du filtre analogique et celle du filtre

numérique
2 1  z 1 Une fraction rationnelle en p est transformée en
H(p)H(z) p 1 une fraction rationnelle en z
Te 1  z
2 Te : fréquence d'échantillonnage
p
T
Pôles z e Si p a une partie réelle négative, z est de module inférieur à 1
2
p Conservation de la stabilité
Te
Axe imaginaire du plan de Laplace
•p=0 z=1 cercle unité dans le plan des Z
• p = j = jK tan(f/2) z = exp(jf)
p=±j z = -1
• p= - K z=0
•p=K z= Axe imaginaire complet
1 tour du cercle unité
Partie gauche du plan de Laplace
Reel(p) < 0 |z|<1 Intérieur du cercle unité
Stabilité du filtre préservée
LA STABILITE D’UN FILTRE NUMERIQUE DEPEND DES PARAMETRES DU FILTRE
ANALOGIQUE CORRESPONDANT, MAIS AUSSI DE LA FREQUENCE D’ECHANTILLONNAGE
27
METC/S.Ahyoud
En fréquentiel : p=jw⇒ |jw|=w et arg(jw)=p/2
Te
jTe ) 2 j sin(
2 z 1 2 e 1 2 2j Te
p  B( Z )   B( j )   2  tg ( )
Te z  1 Te e jTe  1 Te 2 cos(Te ) Te 2
2
2 T 
B ( j )  tg ( e ) et Arg ( B ( j )) 
Te 2 2
l’accord des phases est parfait
 La transformation entraîne une relation non linéaire entre les fréquences du domaine
analogique et les fréquences du domaine numérique
 La transformation bilinéaire conserve la stabilité du filtre analogique d’origine

Exemple
dy (t )
Soit un filtre analogique ayant pour équation différentielle :  a. y (t )  x(t )
dt
Y ( p) 1 Y ( z) Te.  z  1
 
X ( p) p  a X ( z ) z.  2  a.Te    a.Te  2 

28
METC/S.Ahyoud
Représentation fréquentielle dans le plan de BODE
Comme pour les filtres analogiques, il est possible de tracer les diagrammes de Bode pour
déterminer le gain statique ainsi que les fréquences de coupure, et la phase
RAPPEL EN ANALOGIQUE
On remplace la variable de Laplace p par jω.
Y ( j )
Le gain en dB est définit par : GdB  20.log H ( j )  20.log
X ( j )
La phase est définit par :   arg  H ( j )
EN NUMERIQUE :
On remplace la variable z par z  e jTe , et on trouve H ( j )
Y ( j )
Le gain en dB est définit par : GdB  20.log H ( j )  20.log
X ( j )
La phase est définit par :   arg  H ( j) 

29
METC/S.Ahyoud
EXEMPLE
Soit le filtre définit par la relation de récurrence : y(n)  0,5.  x(n)  x(n 1) 
Sa Fonction de Transfert en z (ou transmittance) est :
1  1 z 
 . 1  z 1   . 
Y ( z) 1
H ( z)  
X ( z) 2 2  z 
La transmittance complexe s’écrit donc :
Y ( j ) 1
 . 1  e jTe   . 1  cos(Te)  j.sin(Te) 
1
H ( j ) 
X ( j ) 2 2
Le gain exprimé en dB vaut donc :
1 
GdB  20.log H ( j )  20.log  . 1  cos Te    sin2 Te  
2
2 
 2  f 
  f   GdB  20.log  2 . 1  cos  2 Fe  
 sin  2 Fe      
 
La phase est    arctan  
 1  cos  2 f 
  
  Fe  
30
METC/S.Ahyoud
Conclusion
 Les filtres RIF ont une phase linéaire (temps de propagation constant ,quel que soit la
fréquence) alors que les RII introduisent de la distorsion de temps de propagation,
 Les RIF sont toujours stables : un RII peut être instable,

31
METC/S.Ahyoud

Cours 5

Transféré par

Droits d'auteur :

Formats disponibles

Cours 5

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 5

Transféré par

Droits d'auteur :

Formats disponibles

Université AbdelMalek Essaâdi

cours de traitement du signal

Impossible d'enregistrer toutes les valeurs des échantillons numériquement

Numériser un signal analogique implique qu'on doit le coder à l'aide d'un

cours de traitement du signal

La quantification permet d'approximer une valeur instantanée à l'aide d'un ensemble

La quantification d’un signal analogique consiste à remplacer l’infinité de valeurs

cours de traitement du signal

La quantification des échantillons est effectuée par un Convertisseur Analogique

cours de traitement du signal

cours de traitement du signal

Le signal quantifié subi une distorsion harmonique, du fait de la non-linéarité de la

La bruit de quantification est la différence : nq(n) = xe(n) – xq(n)

L’erreur de quantification (bruit de quantification) dépend du pas de quantification

 Le bruit de quantification nq est considéré comme un processus aléatoire. Il possède

cours de traitement du signal

Vue la convergence de cette sommation, on divise par la durée de calcul

Nombre d’échantillons est fini (N) La transformée de Fourier discrète TFD

cours de traitement du signal

cours de traitement du signal

cours de traitement du signal

cours de traitement du signal

La RDC est identique à l'exception de restrictions éventuelles en z=0 et z=

Équation de convolution : Z ( y (n))  Z ( h(m) x(n  m))

Y ( z )   Z (h(m) x(n  m))  X ( z ) h(m) z  m

cours de traitement du signal

On a y ( n)   h( k ) x ( n  k ) Z ( y (n))  Z ( h(k ) x( n  k )) Y ( z )  X ( z).H ( z )

la fonction de Transfert du SLD. H ( z )   h ( k ) z k

y(n)  1,3.x(n)  0, 26.x(n 1)  0,08. y(n 1)  0,79. y(n  2)

 Le filtre est stable ssi la réponse impulsionnelle est absolument sommable  h( n)

 Longueur de la réponse impulsionnelle deux grandes familles de filtres

Filtre à réponse impulsionnelle finie (RIF)

y(n)  y(nTe)  0, 2.x(n)  1,5.x(n 1)  0, 48.x(n  2)  0,12.x(n  3)

y(n)  1,3.x(n)  0, 26.x(n 1)  0,08. y(n 1)  0,79. y(n  2)

cours de traitement du signal

cours de traitement du signal

 ReH ( f ) j ImH ( f )

ImH ( f ) soit nulle. h(n) une fonction paire

cours de traitement du signal

FILTRAGE NUMERIQUE Filtres FIR Finite Impulse Response

H ' ( f )  H ( f ) e  jf ( N 1)T

cours de traitement du signal

Réponse fréquentielle des filtres RIF à phase linéaire

cours de traitement du signal

 N 1 M() est la réponse fréquentielle d’amplitude,

cours de traitement du signal

cours de traitement du signal

Filtres numériques récursifs

FILTRE RII: Si G(z) a des pôles (différents de z=0) 

Pôle en z=a, Rq: série convergente pour |a|<1

filtres MA (à Moyenne Adaptée) les filtres n’ayant que des zéros

Filtre RII a des pôles et des zéros différents de z=0

B ( z ) b(0)  b(1) z 1 b( Q) z  Q Modèle ARMA d’ordre P et Q

possède Q zéros et P pôles et

cours de traitement du signal

Méthodes pour le premier cas

On cherche une correspondance entre la réponse du filtre analogique et celle du filtre

 La transformation bilinéaire conserve la stabilité du filtre analogique d’origine

cours de traitement du signal