Cours TNS

02/01/2022
Traitement des signaux numériques
Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 180

Introduction
Ø Le traitement de signal par voie numérique nécessite une opération

préliminaire de la conversion analogique numérique.
Ø La conversion d’un signal analogique sous forme numérique doit passer par la
succession de trois étapes :
§ Le signal en fonction du temps ( ) est remplacé par ses valeurs ( ) à des
instants multiples entiers d’une durée ; c’est l’opération d’Echantillonnage.
§ Chaque valeur ( ) est approchée par un multiple entier d’une quantité
élémentaire ; c’est l’opération de Quantification.
§ La valeur approchée est ensuite associée à un nombre binaire; c’est l’opération
de Codage.

02/01/2022

1. Echantillonnage
On considère un signal analogique à temps continu ( ). Donc, l’échantillonnage de ce

signal va consister à passer d'une version continue dans le temps à une version ( )
discrète où on va prélever les valeurs du signal à des instants précis qui sont multiples
de , étant le temps d’échantillonnage.
( )
Echantillonnage
Le signal échantillonné :

1. Echantillonnage
A partir de mon signal ( ), pour obtenir la version échantillonnée, on va tout

simplement le multiplier par un peigne de Dirac ( ) qui est une succession
périodique de période de l'impulsion de Dirac.
( )
( )
( )
= ( ) −
= −

02/01/2022

1. Echantillonnage
Dans le domaine spectral, le spectre d’un signal est donné par la transformée de Fourier
de celui-ci. Donc :
1
= = − = ∗ −
1
= −
Alors, est une périodisation du ( ) autour des fréquences multiples de = .
Une répétition
Echantillonnage de ce spectre
autour des
fréquences
multiples de
Spectre ( ) Spectre ( )

1. Echantillonnage
Nous pouvons reconstituer le signal original par un simple filtrage passe-bas de

fréquence de coupure = du spectre échantillonné .
Filtrage
Dans ce cas nous avons reconstitué bien le signal original sans perdre d’information,
mais la question : Est-ce-que il existe une condition afin de reconstituer bien le signal
après échantillonnage?

02/01/2022

1. Echantillonnage
Si on reprend le spectre de mon signal analogique, et plus précisément son module qui
est borné entre deux fréquences, − et .
Après ce qu’on a vu précédemment, l’échantillonnage du signal va consister en la

périodisation de ce spectre aux fréquences multiples de .
A priori, on peut obtenir le signal A priori, on peut obtenir le signal

sans perdre d’information après sans perdre d’information après
filtrage. filtrage.

1. Echantillonnage
Si on diminue encore la fréquence d’échantillonnage : Les triangles vont se

chevaucher, ce qu’on appelle le phénomène de repliement spectral.
Après l’application du filtrage, on peut avoir ce signal, qui est loin d’être le signal ou
bien le spectre du signal initial. Donc, il est impossible de reconstituer le signal sans
perdre d’information.

02/01/2022

1. Echantillonnage
La condition permettant d’éviter ce repliement spectral : la condition de Shannon.

Cette condition s’énonce : Pour éviter le repliement spectral, il faut que la fréquence
d’échantillonnage choisie est supérieure au double de fois la fréquence maximale
.
Pour échantillonner un signal sans perte d'information, il faut que :

≥ 2.

1. Echantillonnage
Exercice 1 :
Considérant un signal ( ) dont le spectre ( ) est le suivant :
1. Déterminer l’expression de ( ) après l’échantillonnage.

2. Quelle est la condition afin d’éviter le recouvrement spectral ?
3. Déterminez la fréquence d'échantillonnage minimum pour qu'il n'y ait pas de
recouvrement spectral.
4. A cette fréquence, dessinez le spectre du signal échantillonné.
02/01/2022

1. Echantillonnage
L’échantillonnage idéal impliquant des impulsions infiniment courtes ce qui n’est pas
réalisable. Dans la pratique, on utilisera des impulsions de durée courte. Donc, le signal
échantillonné réel sera constitué alors d’une suite d’impulsions distantes de et de
largeur .
Echantillonnage
Echantillonnage
régulier ou
naturel
bloqueur
A partir de la Fig.1, l’amplitude de chaque impulsion suit la valeur de la fonction

pendant l’intervalle τ. D’un point de vue représentation mathématique du signal
échantillonné, nous avons le produit du signal initial par la fonction « porte » périodisée
précédemment établie :
−
= . Π = . Π ∗ −

1. Echantillonnage
Le spectre ( ) de ( ) s’exprime par la relation suivante :
= . Π ∗ −
= ( ) ∗ Π . −
1
= ∗ . −
= ∗ . −
= . −

02/01/2022

1. Echantillonnage
On peut faire une comparaison entre l’échantillonnage idéal et l’échantillonnage naturel:

1
= −
= . −
A = 0, =
Donc, il est possible d’obtenir le spectre du signal initial avec un filtre passe-bas. La
proportionnalité entre les deux spectres montre que l’échantillonnage naturel n’introduit
pas de déformation.

1. Echantillonnage
Dans le cas de l’échantillonnage régulier (fig.2), l’amplitude de chaque impulsion est

constante et égale à l’amplitude du signal initial au temps .
La représentation mathématique du signal échantillonné peut être mise sous la forme

d’une suite infinie de fonctions « porte » d’amplitude égale aux échantillons du signal :
−
= Π =Π ∗ . −

02/01/2022

1. Echantillonnage
Le spectre ( ) de ( ) s’exprime par la relation suivante :
= Π ∗ . −
= Π . . −
= . ∗ −
= . −

1. Echantillonnage
De la même manière que précédemment, le spectre initial est extrait par un filtre passe-
bas; donc le spectre du signal échantillonné filtré est le suivant :
= .
Le spectre n’est pas identique au spectre initial puisque son amplitude est
modulée par la fonction . L’échantillonnage régulier introduit donc une
déformation par rapport à l’échantillonnage idéal ou naturel. Cette distorsion reste petite
dans le cas où la durée de la porte d’échantillonnage est faible devant la période
d’échantillonnage.

02/01/2022

2. Quantification
La quantification est la seconde étape nécessaire à la numérisation des signaux.

Quantifier une valeur réelle quelconque, c’est remplacer cette valeur par une valeur
appartenant à un ensemble dénombrable de valeurs entières, suivant une certaine loi :
arrondi au plus proche voisin, arrondi par défaut, etc.
Le rôle de la quantification est de donner à partir d’un signal échantillonné ( ) un
signal ( ) quantifié, C-à-d quantifier les valeurs prises par ce signal à des valeurs
discrètes d’amplitudes qui sont multiples en fait d’un pas de quantification appelé q.
Si q est constant quelle que soit l’amplitude du signal, la quantification est dite
uniforme. Cette opération revient à faire passer le signal dans un organe qui possède une
caractéristique en marche d’escalier.
( )
( )

2. Quantification
Concernant les valeurs de l’amplitude, j’arrondis la valeur de mon signal à la valeur la

plus proche. Donc le milieu c’est la valeur zéro, puis la valeur , ensuite la valeur deux
q, … jusqu’à Vmax.
Dans le cas où la valeur du signal comprise entre ( – 1/2) et ( + 1/2) , on va
l’arrondir à .
Si on utilise pour l’encodage d’un nombre limite égal à , on peut écrire le pas de
quantification petit comme :
2
=
2
( )
( )

02/01/2022

2. Quantification
L’erreur maximal de quantification pour une quantification uniforme dans le cas de

l’arrondi au plus proche voisin est égale au demi-pas de quantification /2.
= /2
L’évolution de cette erreur en dent de scie montre que le processus de quantification,

introduit toujours une erreur, appelée bruit de quantification, sauf dans les cas
particuliers où le signal a une amplitude de la forme :
( )=
Exemple :
Si, on considère un CAN 10 bits travaillant entre ±10 [V], on aura :
= 10 = 20 = 10

3. Codage
Le codage est la troisième étape nécessaire à la numérisation des signaux.

Le codage consiste justement à coder en binaires chaque niveau du signal quantifié.
Donc on va utiliser un code binaire et affecter à chaque niveau du signal quantifié une
suite de « 0 » et « 1 » selon la valeur de N.

02/01/2022

3. Codage
Le codage réalisera une correspondance entre l’amplitude d’un signal quantifié et un
nombre binaire, c’est le rôle des convertisseurs CAN ou l’inverse avec les
convertisseurs CNA.
Il existe trois principaux types de codage :
1- Codage binaire simple (code naturel) :
Un nombre décimal N codé en binaire sur k chiffres ( à ) s’écrit sous la forme
suivante :
= · 2 + · 2 +· · · + · 2
Pour un codage sur 8 bits, le nombre décimal N est compris entre 0 et 255, d’où le
codage possible présenté dans le tableau :
Ce codage binaire simple ne permet que de représenter des nombres positifs. Pour coder
des nombres positifs ou négatifs, on utilise le codage binaire complément à 2.

3. Codage
convertisseurs CNA.
2- Codage complément à 2 (complément vrai) :
Le nombre binaire négatif s’obtient à partir du nombre binaire positif, codé en binaire
simple, en inversant les bits 0 ↔ 1 et en augmentant le résultat de 1. Le premier chiffre
du nombre binaire caractérise le signe du nombre : 0 pour positif et 1 pour négatif.
Pour un codage sur 8 bits, la correspondance est donnée dans le tableau:

02/01/2022

3. Codage
convertisseurs CNA.
3- Codage binaire codé décimal (BCD) :
Le nombre décimal est codé en considérant chaque chiffre du nombre et en donnant sa
représentation sur 4 bits (0 à 9). Ce codage conduit à des nombres binaires plus longs
puisque toutes les combinaisons binaires ne sont pas utilisées comme présente le tableau
suivant:

Codage de l’information au niveau d’un calculateur
Les circuits électroniques constituant les calculateurs, fonctionnent en logique T.T.L

(tout ou rien), avec les niveaux suivants :
Ø Etat haut – état logique 1 – signal électrique +5 V (signal électrique compris entre 2,4
V et 5 V en entrée et entre 2 V et 5 V en sortie) ;
Ø Etat bas – état logique 0 – signal électrique 0 V (signal électrique compris entre 0 V
et 0,4 V en entrée et entre 0 V et 0,8 V en sortie).

02/01/2022

Codage de l’information au niveau d’un calculateur
Pour les signaux électriques analogiques, il est nécessaire de réaliser un codage binaire
de la valeur. Les calculateurs travaillant sur des signaux logiques en parallèle, le codage
réalisera une correspondance entre l’amplitude d’une tension électrique et un nombre
binaire, c’est le rôle des convertisseurs CAN ou l’inverse avec les convertisseurs CNA.

Convertisseur A/N
Le convertisseur analogique numérique est un circuit intègre qui fait une conversion
d’une grandeur analogique (signal analogique) a une grandeur numérique (un nombre
binaire N sera caractérisé par son nombre de bits de à pour n bits).
L’échantillonneur/bloqueur a pour objectif de maintenir la tension a l’entrée du CAN

pendant toute la durée de conversion, cette dernière s’effectue en fait sur des
échantillonnes de la tension Ve(t)

02/01/2022

Convertisseur A/N
Principe de fonctionnement

Convertisseur A/N

02/01/2022

Convertisseur A/N

Convertisseur A/N
Relations fondamentales
Tension pleine échelle PE :

Cette tension est une tension d’entrée bornée qui correspond a la plage de conversion.
Elle est souvent :
ü De 0 à 5 ou de 0 à 10 pour un CAN unipolaire
ü De −5 à 5 ou de −10 à 10 pour un CAN Bipolaire.
= −
Exemple :
Un CAN de la plage de conversion ±10
= − = 20
02/01/2022

Convertisseur A/N
Quantum :
C’est la petite variation de la tension d’entrée (pas de quantification). Il correspond donc
à la valeur d’entrée quand le seul bit de poids faible LSB du nombre binaire change
l’état.
= Avec : n le nombre de bits du CAN
2
Exemple :
Une carte Arduino UNO alimenté à 5V et de 6 entrées analogiques 10 bits.
5
= = = 4,88
2 2
Résolution :
La résolution est exprimée par le nombre de bit : =

Convertisseur A/N
Caractéristique de transfert :
La caractéristique d’un CAN est la courbe qui représente la grandeur de sortie en
fonction de la grandeur d’entrée.
A partir de cette caractéristique : =

02/01/2022

Convertisseur A/N
Caractéristique de transfert :
Exemple :
Soit un microcontrôleur qui dispose un CAN de 10bits et alimenté sous une tension de
5V. Calculer la valeur du nombre binaire N lorsque la tension = 3,43 .
Il faut calculer tout d’abord le quantum :
5
= = = 4,88
2 2
Maintenait la valeur de N correspond a cette tension est :
3,43 . 10
= = = 702,8
4,88
≃ 703 = 1010111111

Convertisseur A/N
Temps de conversion :
Le temps de conversion ou le temps d’établissement est le temps nécessaire pour
convertir une valeur de tension en un nombre représentatif. Il dépend de la technique
employée pour la conversion et il est donné par le constructeur du CAN.
Exemple :
La carte Arduino UNO a un temps de conversion = 10
Valeur maximale de la tension a l’entrée :
La valeur maximale de Ve(t) est exprimée par :
= (2 − 1)
Exemple :
Une carte Arduino UNO alimenté à 5V et de 6 entrées analogiques 10 bits.
5
= = = 4,88 ⇒ = 2 − 1 = 4,992
2 2
02/01/2022

Exercices
Exercice d’application :
A partir du CAN suivant déterminer :
a) La tension PE
b) Le quantum q
c) La résolution
d) La tension d’entrée lorsque
N=2001

Exercices
Exercice 1 :
On considère un CAN de 10bits alimenté à 8V. Ce convertisseur est lié a un capteur de
distance de 9,8 / .
Remplir le tableau suivant :

02/01/2022

Exercices
Exercice 2 :
On veut numériser un signal vocal, dont l’amplitude est comprise entre -8V et +8V. Ce
signal est préalablement filtré par un filtre passe bas idéal de fréquence de coupure
10 . Le codage est effectuée sur 8 bits.
1) Déterminer la valeur minimale de la fréquence d’échantillonnage.
2) Quel est le volume du fichier correspondant à 5 secondes de ce signal.
3) Quel est le pas de quantification ?
4) Déduire l’erreur de quantification.
5) Donner les valeurs binaires des quatre échantillons (5V, 0V et -5V)

Exercices
Exercice 3 :
Soit un centre téléphonique numérique fait des échanges du signal électrique engendré
par la parole avec un prélèvement de 8000 fois par seconde. Chaque échantillon est
ensuite codé sur 8 bits.
1) Rappeler les principales étapes de la numérisation d’un signal analogique.
2) Déterminer la fréquence d’échantillonnage utilisée par le centre téléphonique.
3) Combien de niveaux d’intensité sonore peut-on obtenir avec le codage proposé ?
4) Combien d’informations une ligne téléphonique doit-elle transporter par seconde
(débit) pour transmettre la parole d’un usager ?

02/01/2022

Convertisseur N/A
Le convertisseur numérique analogique est un circuit intègre qui fait une conversion
d’une une grandeur numérique (un nombre binaire N de n bits) à une grandeur
analogique (signal analogique).
La conversion du nombre binaire avers un nombre décimal est :

Convertisseur N/A
La valeur de la tension ( ) de la sortie d’un CNA est exprimée par :

( )= é

02/01/2022

Convertisseur N/A
Quantum :
C’est la petite variation de la tension de sortie. Il correspond donc à la valeur d’entrée
quand le seul bit de poids faible LSB du nombre binaire à l’état haut.
=
2 −1
Avec : n le nombre de bits du CNA
Exemple :
5
Si = 4 et = 5 donc : = = = 0,33
2 −1 2 −1
Donc, si N augmente d’une unité, augmente de la valeur de .


Convertisseur N/A
Résolution :
La résolution d’un système est la plus petite valeur, que ce système peut délivrer ou
ramener à la valeur maximale. Soit pour un convertisseur N/A de n bits :
1
=
2
Exemple :

02/01/2022

Convertisseur N/A
Caractéristique de transfert d’un convertisseur CNA :
La caractéristique d’un CNA est la courbe qui représente la grandeur de sortie en
fonction de la grandeur d’entrée.
Exemple :
La caractéristique suivante est pour
un CNA d’une tension de référence
= 8 et du nombre de bit = 3
avec un quantum de q = 1,14 .
= .

Convertisseur N/A
Temps de conversion ou temps d’établissement :
Ce temps est la durée qui s’écoule entre l’instant où la commande de conversion est faite
et l’instant où la tension de sortie atteint sa valeur finale et ne s’écarte pas de celle-ci de
plus de ±1/2 quantum :
Le temps de conversion d’un CNA est typiquement de l’ordre de quelques 100 , mais
ce temps peut évoluer suivant le nombre de bits : pour un CNA 8bits, le temps est de
l’ordre de 250 , mais pour un CNA de 18 bits le temps peut atteindre 250 .
02/01/2022

Convertisseur N/A
Ø Exercice d’application :
Soit un CNA de 5bits, la tension de sortie vaut 0,1 quand l’entrée vaut 00001.
1) Déterminer la valeur du quantum.
2) Que vaut la tension de référence?
On garde le même CNA mais la tension de sortie vaut maintenant 0,5V quand l’entrée
vaut 00100.
1) Déterminer la valeur du quantum.
2) Que vaut la tension de référence?
Sachant que = 10 et = 0 pur un CNA de 8 :
1) Calculer la valeur de .
2) Calculer la tension de sortie lorsque = 10010011 et = 00111110

Convertisseur N/A
Le CNA est constitué généralement des éléments suivants :
En pratique, on emploie essentiellement deux type de CNA :

Ø CNA à résistances pondérées.
Ø CNA à réseau en échelle R-2R.

02/01/2022

Convertisseur N/A
Ø CNA à résistances pondérées :
Le principe du convertisseur à résistances pondérées est la sommation de courants à
l’aide d’un amplificateur opérationnel :
Les interrupteurs, correspondant aux bits à , mettent en service des résistances

de valeurs croissantes, toutes alimentées par la même source . Par conséquent la
résistance 2 est parcourue par un courant deux fois moindre que la résistance 2 .
Les courants élémentaires, sont sommés par l’amplificateur opérationnel.

Convertisseur N/A
En écrivant l’égalité des courants à l’entrée inverseuse de l’amplificateur opérationnel :

02/01/2022

Convertisseur N/A
La gamme étendue des résistances nécessaires, par exemple :

Dans un CNA de 8 , une résistance de 10 Ω pour le MSB va donner une résistance
de 2,56 Ω pour le LSB.
Ce qui rend difficile à réaliser de ce type de CNA car il est difficile d’avoir des
résistances de valeurs de grandes valeurs (> 1 Ω).

Convertisseur N/A
Pour réduit l’étalement des valeurs des résistances, on peut réaliser des blocs de quatre
valeurs seulement (de R à 8R) qui sont regroupés par un autre amplificateur monté en
sommateur :

02/01/2022

Convertisseur N/A
La première structure CNA des quatre bits de poids faible donne une tension V1 :
et la deuxième structure CNA des quatre bits de poids fort donne une tension V2 :
d’où le résultat attendu Vs pour un CNA de 8 bits :

Convertisseur N/A
Ø CNA à réseau en échelle R-2R :
Par rapport au précédent, ce type de convertisseur offre l’avantage de n’utiliser que deux
valeurs de résistances, simple R et double 2R :
Pour déterminer la tension à la sortie de ce convertisseur, on utilise le théorème de

Thévenin qui permet de calculer le circuit équivalent à deux sources de tension, avec
résistance interne, branchées en série. Chaque interrupteur est considéré comme une
source de tension de résistance interne nulle : ( = 1 ou 0).
02/01/2022

Convertisseur N/A
Ø CNA à réseau en échelle R-2R :
Par exemple : si = 1 est les autre sont nuls le résultat obtenu est montré dans la
figure (a). La figure (b) montre le résultat obtenu en utilisant le calcul précédent et la
branche suivante.
Cette méthode va conduire au résultat recherché :

Exercices
Exercice 1 :
Soit un CNA à réseau en échelle R-2R à 10bits pour utilisation avec sortie unipolaire de
0 à 5V.
1) Quelle est la résolution en % de ce CNA.
2) La variation de la sortie par 1 bit.
3) La sortie lorsque l’entrée est composée entièrement de 1 logiques ?
Exercice 2 :
Soit un CNA à réseau en échelle R-2R à 8 bits. Quand l’entrée numérique est 00100100,
la tension de de sortie est 2V.
1) Calculer la tension de sortie pour une entrée numérique 00011101.
2) Calculer la tension d’alimentation si ce CNA est unipolaire.
3) Calculer la tension d’alimentation si ce CNA est bipolaire.

02/01/2022

Operations sur les échantillons
On peut réaliser des opérations de traitement sur un signal échantillonné ( ) :


02/01/2022

= ∗ℎ = ( ∗ ℎ) = ℎ( − )
=ℎ ∗ = (ℎ ∗ ) = ℎ ( − )

SLIT
Considérons le SLIT régi par : = ∗ ℎ( )
Il est caractérisé par la réponse impulsionnelle ℎ( )

Ø Système linéaire :
→ = ∗ ℎ( )
⇒ = + → = +
→ = ∗ ℎ( )
Ø Système invariant dans le temps :
→ = ∗ ℎ( ) ⇒ − → −

02/01/2022

SLIT
Un système linéaire et invariant dans le temps établi entre les échantillons du signal
d'entrée et ceux du signal de sortie une relation de la forme suivante :
Système causal :
=
+ =
1
= −

SLIT
L’équation aux différences linéaire peut être représentée par un schéma fonctionnel :

02/01/2022

SLIT
Exercice 1 :
On considère le système régi par l’équation aux différences suivante :
= +
1) Est-ce que le système est linéaire?
2) Est-ce que le système est invariant temporellement?
Exercice 2:
On considère un SLIT causal dont les coefficients de la réponse impulsionnelle sont
donnés par : 0.05 ≤6
ℎ =
0
On applique en entrée de ce système un signal échelon.

1) Calculer qui correspond au signal en sortie du SLIT
2) Tracer

Transformée en Z
Le signal échantillonné peut être représenté par la suite des échantillons :

= { , , , , , ,… }
La suite de ces valeurs est difficile à

manipuler, donc il va falloir justement
penser à des outils pour pouvoir la
traiter d’une manière plus simple.
D’où justement la transformée en Z de cette séquence d’échantillons, X(z), elle

s’exprime comme étant :
= =
On appellerait justement avec > 0 : l’opérateur retard.

02/01/2022

Transformée en Z
Les propriétés de cette transformée en Z :
Linéarité : + = +
Décalage temporel : − =
Théorème de la valeur initiale : = lim

→
Théorème de la valeur finale : lim = lim −1 ( )

→ →
Convolution : ∗ℎ = ℎ = ℎ
= ℎ ( )
= ( )

Transformée en Z
Exemples :

02/01/2022

Transformée en Z
Exemples :

Transformée en Z
Exemples :

02/01/2022

Transformée en Z inverse
Pour trouver le signal ( ) à partir de sa transformée en z, il faut calculer la

transformée inverse en appliquant la relation suivante :
1
= =
2
Le calcul est très complexe
Décomposition en fractions partielles :

1. Décomposition en éléments simples,
2. Recherche des fonctions inverses.

Transformée en Z inverse
Exemple :
Trouver le signal ( ) à partir de sa transformée en z.
On effectue une décomposition en éléments simples de ∶

1
= −
1− −1 −
Le signal ( ) est donné par la transformée inverse de ∶
1
= −
1− −1 −
1
⇒ = −
1− −1 1− −
1
⇒ = ( )− ( )
1− 1−
1−
⇒ = ( )
1−
02/01/2022

Exercices
1) Que vaux-la transformée en z du signal suivant :
2) La transformée en z d’une suite d’échantillon est donnée par : X =1+

Tracer la suite d’échantillons.
3) La transformée en z d’une suite d’échantillon est donnée par : X = +

Tracer la suite d’échantillons.
1
4) Trouver ( ) lorsque sa transformée en Z est de : X =
6−5 +

Lien entre TZ et TF
La transformée en Z de ( ) est le suivant :
= =
Si la suite représente la suite des échantillons d’un signal échantillonné à la

fréquence = 1/ , on va remplacer z par :
= = = ( )
Donc, la transformée en Z de ( ) coïncide avec sa transformée de Fourier. Autrement

dit, ( ) c’est une valeur prise par ( ) pour une valeur donnée de .

02/01/2022

Transformée de Fourier discrète
Rappel de la transformée de Fourier :

La TF d’un signal analogique ( ) :
Exemple du Spectre ( ) :
La TF du signal échantillonné ( ):
Une répétition de ce spectre

autour des fréquences
multiples de Fe.

Si on veut calculer la transformée de Fourier d’un signal échantillonné avec un

calculateur, il faudrait faire des calculs pour toutes les valeurs de fréquence, ce qui
demande des ressources en termes de calcul, ce qui implique une complexité
calculatoire assez importante.
L’idée de la transformée de Fourier discrète (TFD) est de calculer la valeur de la
transformée de Fourier seulement pour certaines valeurs de fréquence, ce qui revient
ainsi à échantillonner tout simplement la transformée de Fourier dans le domaine des
fréquences.

02/01/2022

Pour une suite discrète d’échantillons ( ), constituée de N échantillons allant de

jusqu’à :
La transformée de Fourier s’écrit :
Donc, calculer ( ) pour un nombre limité de fréquences revient à discrétiser l’axe

des fréquences, donc au lieu de calculer pour n’importe quelle fréquence , on va
calculer pour des fréquences , avec = / :
= = =

La définition que l’on va adopter pour la transformée de Fourier discrète est la

suivante:
= = =
Quand va de 0 jusqu’à −1:
On peut définir également la transformée de Fourier discrète inverse qui nous permet
de repasser de ( ) à ( ). Cela, par définition :
1
= =

02/01/2022

Comme la TF continue, la TFD présente aussi des propriétés :
Linéarité :
Périodicité :
Translation :
Symétrie Hermitienne :
Identité de Parseval :
Convolution :

Exemple :
Soit un signal = cos de = 20 échantillons. Ce signal est échantillonné à
= 20 . Alors, la fréquence de cette sinusoïde est = /4 = 5Hz.

02/01/2022

Exemple :
La TFD sur N = 20 points :
Deux raies d’amplitudes 10

chacune, qui sont situées à
= 5 et = 15
Donc, on a une parfaite
correspondance à = 5
et = −5 .

Exemple :
Si on change la fréquence de ma sinusoïde à = 5.5 et on garde la même fréquence
d’échantillonnage, le signal échantillonné est le suivant :

02/01/2022

Exemple :
Pour cette nouvelle fréquence, la TFD sur N = 20 points :
On n’a pas une parfaite

correspondance à = 5.5 et
= −5.5 .
Parce que = 1
Donc, les valeurs de la TFD ne

correspondent plus avec les
max de la TF

Exemple :
La solution que l’on peut proposer à ce niveau est d’augmenter la résolution de notre
transformée. Soit par l’augmentation du nombre des échantillons ou à compléter par
des 0 ce qu’on appelle zero-padding :

02/01/2022

Exemple :
la TFD sur N = 40 points :
Maintenant, on a bien des raies

qui correspondent au niveau de
la transformée de Fourier
discrète.

Exercices
1) Calculer la TFD d’une impulsion de Dirac.

2) Calculer la TFD de la suite des échantillons suivante :
= 1, 0, 0, 1
3) Calculer la TFDI Soit la suite des échantillons suivante :
= 2, −1−j, 0 ,−1+j
4) Soit la suite formée de = 8 échantillons obtenue en échantillonnant à la
fréquence = 16 le signal suivant :
Calculer sa transformée de Fourier discrète.

02/01/2022

Complexité de la TFD
Pour calculer la TFD d’un signal, on utilise la relation suivante :
= =
Pour calculer cette expression pour k=0, il faut effectuer pour chaque coefficient :
ü N opérations de multiplication
ü N-1 opérations d’addition
Ce qui représente pour K de 0 a N-1 :
ü opérations de multiplication
ü . ( − 1) opérations d’addition
Étant donné que le nombre d’addition est négligeable devant le nombre de
multiplication, dans ces conditions, on dit que l’algorithme est de complexité de l’ordre
de

Transformée de Fourier rapide
Par exemple, un signal audio de 1 seconde échantillonné à 40KHz, sa TFD va prendre

un temps de l’ordre de 26 minutes.
Le temps de calcul est très important dans les systèmes numérique. L’efficacité d’un
algorithme est dépend de combien de temps qu’il va atteindre le résultat. L’algorithme
de la FTD va prendre beaucoup de temps afin de donner les résultats.
La transformée de Fourier rapide (TFR) est une technique qui permet un calcul plus
rapide de la TFD. Plus précisément, il s’agit d’un algorithme qui permet de réduire le
nombre d’opération (complexité) pour calculer la TFD d’un signal discret.
Par exemple, un signal audio de 1 seconde échantillonné à 40KHz, sa TFR prend un
temps de l’ordre de 400ms.

02/01/2022

Passage de la TFD à la TFR
On pose :
=
La TFD de ( ) devient : =
La Transformée de Fourier Rapide, permet de réduire la charge de calcul de la TFD

grâce à certaines propriétés des :
= /

Filtrage Numérique
On appelle « filtre numérique » un système utilisé pour modifier la distribution

fréquentielle d’un signal numérique selon des spécifications données. Les filtres
numériques pour les signaux échantillonnés sont les équivalents des filtres analogiques
pour les signaux continus.
Un filtre numérique peut être vu comme un procédé de calcul permettant de
transformer un signal numérique d’entrée ( ) (séquence de nombres) en un signal
numérique de sortie ( ) (seconde séquence de nombres) pour obtenir la modification
voulue du signal.
Un filtre numérique est un SLIT caractérisé par la réponse impulsionnelle ℎ :
= ∗ℎ = ℎ − ( )= ( )

02/01/2022

Filtrage Numérique
Les échantillons en entrée et en sortie d’un filtre numérique sont donnés par la relation
appelée équation aux différences :
1
= ⇒ = −
À partir de cette expression, nous pouvons distinguer deux grandes familles de filtres :
Ø Filtres récursifs pour lesquels au moins un coefficient est non nul ou encore
définis comme des filtres possédant une boucle de contre-réaction.
( ) ( )
Ces filtres sont généralement connus sous le nom de Filtres à réponse impulsionnelle
infinie (RII). Autrement dit que ces filtres sont caractérisés par des réponses
impulsionnelle ℎ( ) dont les échantillons ne sont pas nul l’intervalle de 0 à l’infini.

Filtrage Numérique
1
= ⇒ = −
Ø Filtres récursifs : Schéma fonctionnel

02/01/2022

Filtrage Numérique
1
= ⇒ = −
Ø Filtres non récursifs pour lesquels tous les coefficients sont nuls :
1
=
Ces filtres sont généralement connus sous le nom de Filtres à réponse impulsionnelle
finie (RIF). Donc, les échantillons de ℎ( ) sont non nul dans un intervalle qui est fini.
1
= = = ℎ

Filtrage Numérique
1
= ⇒ = −
Ø Filtres non récursifs : Schéma fonctionnel

02/01/2022

Filtrage Numérique
Pour faciliter le calcul du produit de convolution, on va utiliser tout simplement la

transformée en Z.
= =
[ ] = [ ]
( ) = ( )
( ) ∑
= =
( ) ∑
Avec : ( ) est la fonction de transfert du filtre numérique


Filtrage Numérique
( ) ∑ + + ⋯+
= = =
( ) ∑ + + ⋯+
− − …( − )
=
− − …( − )
Ø Les zéros ( , , … , ) de ( ) sont les racines du numérateur qui annulent la
fonction de transfert,
Ø Les pôles ( , , … , ) de ( ) sont les racines du dénominateur qui rendent la
fonction de transfert infinie.
On peut les zéros et les pôles dans le cercle unité (plan complexe). Ce diagramme
permet de :
ü Comprendre des réponses en fréquences
ü Etudier la stabilité du système.

02/01/2022

Filtrage Numérique
∏ −
=
∏ −
Afin de trouver rapidement le module de la réponse en fréquence ( ) , on va varier

le point M sur le cerce unité et calculer les distance et
∏ …
= =
∏ …

Filtrage Numérique
∏ −
=
∏ −
Afin de calculer rapidement la phase de la réponse en fréquence arg , on va

varier le point M sur le cerce unité et calculer les angles et .
=2 − + −

02/01/2022

Filtrage Numérique
Exemple :
Soit la fonction de transfert suivante :
1
= =
1 − 0,5 − 0,5
Elle possède un zéro à l’origine ( = 0) et un pôle réel ( = 0,5)

Filtrage Numérique
Pour étudier la stabilité d’un filtre il faut respecter la condition de stabilité : Tous les
pôles doivent être à l’intérieur du cercle unité.
Les pôles d’un filtre RIF sont placés à l’origine. Ce filtre est donc toujours stable.

Cours TNS

Transféré par

Droits d'auteur :

Formats disponibles

Cours TNS

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 TNS

Transféré par

Droits d'auteur :

Formats disponibles

02/01/2022

Traitement des signaux numériques

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 180

Traitement des signaux numériques

Ø Le traitement de signal par voie numérique nécessite une opération

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 181

Traitement des signaux numériques

On considère un signal analogique à temps continu ( ). Donc, l’échantillonnage de ce

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 182

Traitement des signaux numériques

A partir de mon signal ( ), pour obtenir la version échantillonnée, on va tout

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 183

Traitement des signaux numériques

Alors, est une périodisation du ( ) autour des fréquences multiples de = .

Traitement des signaux numériques

Nous pouvons reconstituer le signal original par un simple filtrage passe-bas de

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 185

Traitement des signaux numériques

Après ce qu’on a vu précédemment, l’échantillonnage du signal va consister en la

A priori, on peut obtenir le signal A priori, on peut obtenir le signal

Traitement des signaux numériques

Si on diminue encore la fréquence d’échantillonnage : Les triangles vont se

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 187

Traitement des signaux numériques

La condition permettant d’éviter ce repliement spectral : la condition de Shannon.

Pour échantillonner un signal sans perte d'information, il faut que :

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 188

Traitement des signaux numériques

1. Déterminer l’expression de ( ) après l’échantillonnage.

Traitement des signaux numériques

A partir de la Fig.1, l’amplitude de chaque impulsion suit la valeur de la fonction

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 190

Traitement des signaux numériques

Le spectre ( ) de ( ) s’exprime par la relation suivante :

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 191

Traitement des signaux numériques

On peut faire une comparaison entre l’échantillonnage idéal et l’échantillonnage naturel:

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 192

Traitement des signaux numériques

Dans le cas de l’échantillonnage régulier (fig.2), l’amplitude de chaque impulsion est

La représentation mathématique du signal échantillonné peut être mise sous la forme

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 193

Traitement des signaux numériques

Le spectre ( ) de ( ) s’exprime par la relation suivante :

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 194

Traitement des signaux numériques

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 195

Traitement des signaux numériques

La quantification est la seconde étape nécessaire à la numérisation des signaux.

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 196

Traitement des signaux numériques

Concernant les valeurs de l’amplitude, j’arrondis la valeur de mon signal à la valeur la

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 197

Traitement des signaux numériques

L’erreur maximal de quantification pour une quantification uniforme dans le cas de

L’évolution de cette erreur en dent de scie montre que le processus de quantification,

Traitement des signaux numériques

Le codage est la troisième étape nécessaire à la numérisation des signaux.

Pr. Abdelhamid BOU-EL-HARMEL EST-Fès 199