Francis Cottet

DUNO
D

Aide-mémoire
Traitement du signal
e
2 édition
IUT
Master
Écoles
dtingénieur
Illustration de couverture : O Petr Vaclavek / [Link]
 DANGER

TUE LE LIVRE
Le pictogramme qui figure ci-contre d'enseignement supérieur, provoquant une
mérite une explication. Son objet est baisse brutale des achats de livres et de
d'alerter le lecteur sur la menace que revues, au point que la possibilité même pour
représente pour l'avenir de l'écrit,les auteurs de créer des œuvres particulièrement
dans le domaine nouvelles et de les faire éditer corde l'édition technique et universi-
rectement est aujourd'hui menacée. taire, le développement massif duNous
rappelons donc que toute [Link], partielle ou totale, Le Code
de la propriété intellec-de la présente publication est tuelle du 1 er iuillet 1 992
interdit interdite sans autorisation de en effet expressément la photoco- l'auteur, de
son éditeur ou du pie à usage collectif sans autori-Centre français d'exploitation du
sation des ayants droit. Or, cette pratique droit de copie (CFC, 20, rue des s'est
généralisée dans les établissements Grands-Augustins, 75006 Paris).
@ Dunod, Paris, 2011
ISBN 978-2-10-056943-4

Le Code de la propriété intellectuelle n'autorisant, aux termes de l'article L. 1 22-

5, 2 0 et 3 0 a), d'une part, que les « copies ou reproductions strictement réservées
à l'usage privé du copiste et non destinées à une utilisation collective » et, d'autre
part, que les analyses et les courtes citations dans un but d'exemple et
d'illustration, « toute représentation ou reproduction intégrale ou partielle faite
sans le consentement de l'auteur ou de ses ayants droit ou ayants cause est illicite
» (art. L. 122-4).
Cette représentation ou reproduction, par quelque procédé que ce soit,
constituerait donc une contrefaçon sanctionnée par les articles L. 335-2 et
suivants du Code de la propriété intellectuelle.
Seuls les esprits cultivé sont libres
Epiciète, 1er siècle
A mes parents. À Françoise,
Joseph et Méaza
TABLE DES MATIÈRES
Avant-propos XIII
Notations et abréviations

PARTIE 1

LE TRAITEMENT DES SIGNAUX ANALOGIQUES

Chapitre 1. Définitions et représentation des signaux 3

I . I Définitions 3
1 . I . I Définitions de base 3
1 .1 .2 Principales fonctions du traitement du signal 4
1 .1 .3 Les systèmes numériques 5
1 .2 Représentation des signaux 6
I .2.1 Modélisation des signaux 6
I .2.2 Classification des signaux 8
1
Chapitre 2. Transformations de Fourier
3
2. 1 Analyse spectrale des fonctions périodiques 1
3
2. I . I Développement en série de Fourier 1
3
2.1 .2 Représentations fréquentielles 1
2.1 .3 Quelques propriétés 5
Aide-mémoire de traitement du signal

2.1 .4 Exemples de développements en série de Fourier 1

8
2.2 Analyse spectrale des fonctions non périodiques 24
2.2.1 Transformée de Fourier 24
2.2.2 Propriétés de la transformée de Fourier 24
2.2.3 Exemples de transformées de Fourier 27
VII
Chapitre 3. Systèmes de transmission. Filtrage
3. 1 Systèmes de transmission 31
3. I . I Définitions et propriétés
3.1 .2 La convolution 34
3.2 Filtrage 36
3.2.1 Fenêtrage temporel 36
3.2.2 Filtrage fréquentiel 39
3.3 Corrélation 50
3.3.1 Puissance et énergie des signaux 50
3.3.2 Corrélation et densité spectrale 52
3.3.3 Théorème de Parseval 56
Chapitre 4. Modulation des signaux
4.1 Introduction
4.1 .1 Spectre d'un signal et bande passante
d'un support
4.1 .2 Types de transmission
4.1 .3 Les différentes formes de modulation 59
4.2 Modulation d'amplitude 60
4.2.1 Principe de la modulation d'amplitude 60
4.2.2 Étude spectrale d'un signal modulé en amplitude
61
4.2.3 Puissance en modulation d'amplitude 63
4.2.4 Systèmes dérivés de la modulation d'amplitude
65
4.2.5 Procédés de la modulation d'amplitude 68
4.3 Modulation exponentielle
4.3.1 Principe 69
4.3.2 Modulation de fréquence 72
4.3.3 Modulation de phase 84
4.3.4 Modulation primaire/secondaire 87
Chapitre 5. Signaux aléatoires Bruit
5. 1 Signaux aléatoires 91
5. 1 . 1 Définitions
5.1 .2 Caractérisations statistiques (cf. annexes) 92
VIII
Table des
matières
5.2 Le bruit 1 00
5.2. 1 Définitions 1 00
Aide-mémoire de traitement du signal

5.2.2 Rapport signal sur bruit 1 03

5.2.3 Traitement des signaux noyés dans le bruit 1 04
PARTIE 2

LE TRAITEMENT DES SIGNAUX NUMÉRIQUES

Chapitre 6. Numérisation des signaux 111

6. 1 Échantillonnage 11
1
6. I . I Échantillonnage idéal : définition 11
1
6.1 .2 Théorème de l'échantillonnage 113
6.1 .3 Effet du repliement de spectre 119
6.1 .4 Échantillonnage naturel et autres procédés 1 26
6.2 Quantification du signal échantillonné 131
6.2.1 Effet de la quantification 131
6.2.2 Lois de compression et expansion du signal 1 34
6.3 Restitution du signal 1 35
6.3.1 Problématique 1 35
6.3.2 Interpolation idéale 1 37
6.3.3 Interpolation linéaire 1 38
6.3.4 Restitution par bloqueur
6.3.5 Filtre de restitution 1 41

6.3.6 Restitution par sur-échantillonnage 1 43

Chapitre 7. Analyse spectrale des signaux discrets 149

7. 1 Les différentes représentations fréquentielles 1 49
7.2 Transformée de Fourier discrète 1 50
 7.2. 1 Définition 1 50
7.2.2 Transformée de Fourier et TFD 1 53
7.3 Transformée de Fourier rapide 1 56
7.4 Convolution et corrélation numériques 1 63
7.4.1 Convolution discrète 1 63
7.4.2 Corrélation discrète 1 65
IX
7.5 Les fenêtres de pondération 1 66
7.5. 1 Effet du fenêtrage temporel 1 66
7.5.2 Transformée de Fourier à fenêtre glissante 1 72
7.5.3 La transformée en ondelettes 1 73
Chapitre 8. Filtrage numérique 1 79
8. 1 Introduction 1 79
8.1 .1 Filtrage numérique : définition 1 79
8.1 .2 Transformée en z 1 83
8.1 .3 Filtrage numérique simple : lissage temporel 1 84
8.2 Synthèse des filtres numériques à réponse
impulsionnelle infinie 1 86
8.2.1 Équation aux différences 1 87
8.2.2 Synthèse des filtres numériques
par transformation de H(p) en H(z) 1 88
8.3 Synthèse des filtres numériques à réponse
impulsionnelle finie 201
8.4 Réalisation des filtres numériques 203
Aide-mémoire de traitement du signal

8.4.1 Filtres numériques synthétisés par H(z) 204

8.4.2 Filtres numériques basés sur la convolution 208
8.5 Techniques avancées de filtrage numérique 209
8.5. « Filtres » numériques non linéaires : valeur
médiane 209
8.5.2 Filtres numériques multicadence 21 1
Chapitre 9. Mise en oeuvre du traitement du signal 213
9. 1 La programmation du traitement du signal 21 3
9. I . I Présentation générale 21 3
9.1 .2 Les concepts de base de LabView 21 4
9.1 .3 Les éléments du langage 2 1 5
9.2 Quelques exemples de programmes de traitement
du signal 21 7
9.1.1 Synthèse de signaux (cf. chapitre 2. l ) 21 7
9.1.2 Corrélation et extraction de signaux noyés
dans le bruit (cf. chapitres 3.3 et 7.4) 220
9.1.3 Filtrage numérique (cf. chapitres 3.2 et 8.2) 221
x
Table des
matières
Chapitre 10. Exemples d'applications 225
1 0.1 Pilotage d'une machine à compression rapide pour des
essais de combustion 225 1 0.1 . 1 Présentation générale
 de l'application 225
1 0.1 .2 Description de la partie mécanique 227
1 0.1 .3 Description de la partie mesure et contrôle 227
1 0.1 .4 Conclusion 231
1 0.2 Étude d'écoulements turbulents réactifs 231
1 0.2. 1 Présentation générale de l'application 231
1 0.2.2 Cahier des charges et méthodologie expérimentale
232
0.2.3 Conclusion 234
1 0.3 Étude de la réponse vibratoire des cloches 235
1 0.3.1 Présentation générale de l'application 235
1 0.3.2 Application d'analyse vibratoire des cloches 237
1 0.3.3 Conclusion 239
1 0.4 Étude des interfaces dans les multimatériaux 240
1 0.4.1 Présentation générale de l'application 240
1 0.4.2 Banc expérimental de l'application 241
1 0.4.3 Acquisition et traitement de données des
expériences 242 1 0.4.4 Conclusion 245

Annexe A. Annexes 247

A.l Impulsion de Dirac 247 A. I . I Définitions 247
A. 1 .2 Principales propriétés 248
A.2 Fonctions mathématiques utilisées en traitement du signal
250 A.2. l Notations complexes 250
A. 3 Transformée de Laplace 258
A.3. l Définitions 258
A.3.2 Propriétés 259
A.3.3 Exemples de transformées de Laplace 259
Bibliographie 261

Lexique anglais-français 263

Index 265
Aide-mémoire de traitement du signal

AVANT-
PROPOS

Le contenu et l'organisation de ce livre ont été développés à

partir de l' idée directrice selon laquelle, dans une application de
mesures, de tests ou de contrôle d'un procédé physique, le
concepteur se trouve confronté à des choix de traitements des
signaux à mettre en œuvre afin de répondre à ces besoins.
L'efficacité, l'effet produit, la nécessité, la validité du résultat
sont autant de questions auxquelles il est difficile de répondre
sans une connaissance et une pratique minimum de la discipline
que constitue le traitement du signal.
Ce livre est composé de deux grandes parties : le traitement
des signaux analogiques (partie 1) et le traitement des signaux
numériques (partie 2). Les cinq premiers chapitres sont
consacrés aux bases du traitement des signaux analogiques et
les trois suivants traitent des signaux numériques.
Le chapitre 1 présente les définitions nécessaires à la
compréhension de I ' ouvrage. Il permet de plus de préciser les
différentes représentations des signaux et de fixer les notations
utilisées par la suite. Le chapitre 2 est consacré aux
transformations de Fourier des signaux analogiques 2 périodiques
et non périodiques qui constituent la base du traitement des
signaux. Cette analyse spectrale des signaux analogiques permet de
bien décrire la représentation duale de tous signaux : temps et
fréquence. Le chapitre 3 présente la théorie générale des systèmes
de transmission et traite du filtrage analogique. Cette présentation
permet ainsi une ex-2 tension à tous les types de filtres et de
sollicitations de ces filtres. Le chapitre 4 étudie un des aspects
importants du traitement des signaux :
la modulation. Les méthodes les plus utilisées y sont présentées.
Le

XIII

chapitre 5 aborde le traitement des signaux aléatoires en

particularisant l'étude au signal de « bruit ».
La transformation des signaux analogiques en signaux
numériques est étudiée en détail au chapitre 6. Ce chapitre, qui
présente en particulier le théorème d'échantillonnage, est sans
doute le plus important de cet ouvrage. Le chapitre 7 est
consacré à l' analyse spectrale des signaux numériques. Le
chapitre 8 présente les concepts de base du domaine très riche
que constitue le filtrage numérique avec des applications
simples de diverses méthodes.
Les chapitres 9 et 10 concernent l' aspect applicatif du
traitement du signal en présentant dans le premier de ces deux
chapitres un outil de programmation permettant de mettre en
œuvre les fonctions de traitement du signal présentées dans cet
ouvrage. Le chapitre 10 décrit quelques applications
industrielles simples où le traitement du signal est un élément
important.
L' aspect « théorie du signal » a volontairement été limité au
strict nécessaire pour la compréhension des modèles utilisés.
Les bases mathématiques indispensables et utiles sont rappelées
avec un maximum de simplicité et de concision en annexe.
Ce livre n'a pas pour but d'être un ouvrage exhaustif. Dans
cet ouvrage, nous nous contenterons d'une approche
pragmatique. En effet, il existe de nombreux ouvrages qui
décrivent de façon complète toutes les méthodes et techniques
utilisées dans le domaine du traitement du signal, sujet très
vaste et en constante évolution. Par contre, il est destiné aux
étudiants qui désirent acquérir une formation de base dans les
Aide-mémoire de traitement du signal

techniques du traitement du signal. De plus cet

ouvrage offre un outil de base à tous les techniciens
et ingénieurs qui travaillent dans le domaine du
test, de la mesure ou du contrôle de procédés. Ainsi
cet ouvrage permettra à son lecteur de s'initier rapidement aux
bases du traitement des signaux afin de les mettre en œuvre de
façon pertinente.

NOTATIONS
ET
ABRÉVIATION
S
Arctg (x) FFT gfen(t) h(t)
b(t)
cos(x) HU), H(p) ou HC) Jn(x)
CAN
CNA log(x)
COVxu( Produit de convolution
T) Fonction arctangente
cxx(t) Signal « bruit »
cxv(t) e Fonction cosinusoïdale
Convertisseur analogique-numérique
Convertisseur numérique-analogique
Fonction de covariance
Fonction d' autocorrélation
Fonction d' intercorrélation
Fonction
exponentielle
Espéran
ce de xn
ou
moment
d'ordre n
de la
variable
x
Fréquen
ce
Transformée de
Fourier
Transformée de
Fourier rapide
Fonction de
la fenêtre de
pondération
Réponse
impulsionnel
le ou
percusionnell
e d'un filtre
Fonction de
transfert d'un filtre
Fonction de Bessel
de première espèce
d' ordre n
Transformée de
Laplace
Fonction
logarithme à base
10
Aide-mémoire de traitement du signal

Ln (x) Fonction logarithme népérien

Moyenne temporelle
OMA Onde modulée en amplitude
OMF Onde modulée en fréquence
Fréquence complexe (opérateur de Laplace)
Pgnm(x) « Peigne » de Dirac (suite de pic de Dirac)
Quantum de conversion
Coefficient de corrélation
s(t) Signal temporel
Complexe conjugué de la variable s(t)
Moyenne temporelle du signal s(t)
se(t) Signal temporel échantillonné
Signal temporel échantillonné tronqué ou limité
temporellement
Transformée de Fourier du signal s(t)
se(f) Transformée de Fourier du signal échantillonné

Transformée de Fourier du signal échantillonné

tronqué
sin(x) Fonction sinusoïdale
sinc(x) Fonction sinus cardinal
Sind (t) Réponse indicielle (réponse au signal u(t))
s xx(f) Densité spectrale ou spectre en puissance
S XU(f) Densité spectrale d' interaction
Temps
Transformée en z
TFD Transformée de Fourier discrète
1/Fe) Période d'échantillonnage d'un signal
I/FO) Période d'un signal
 Notations et abréviations

u(t) Echelon unité ou fonction de Heaviside

Tension d' entrée
Tension de
mk
sortie Fonction e-j2Tkm/N ô(x)
Pic de Dirac
FXU(T) Fonction de corrélation statistique l'ir(t) Fonction
triangle de base égale à T
Pulsation (= 2zf)
IIT(x) Fonction « porte » de largeur T
Ecart type de la variable x
Aide-mémoire de traitement du signal

XVII
7.5. fenêtres de pondération

20
 FILTRAGE
NUMÉRIQUE
8. 1 INTRODUCTION
8.1 .1 Filtrage numérique : définition
On appelle « filtre numérique » un système utilisé pour modifier la
distribution fréquentielle d'un signal numérique selon des
spécifications données. 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. Le problème du filtrage numérique consiste donc à
déterminer l'équation régissant cette transformation des signaux
numériques qui d'une part doit représenter la réponse fréquentielle
spécifiée et d' autre part peut être effectivement réalisée. La
transformation peut être implantée sous forme de logiciel
(algorithme) ou matériel (circuits électroniques).
Les filtres numériques sont, pour les signaux échantillonnés, les
équivalents des filtres analogiques pour les signaux continus. En raison
du développement des circuits intégrés rapides, les filtres numériques
deviennent plus intéressants que les filtres analogiques en apportant
de nombreux avantages : précision, fiabilité, stabilité, adaptabilité et
facilité de commande.
De la même manière, le problème consiste à réaliser un filtre
donnant une réponse fréquentielle H( f) donnée (prédéfinie à
l'aide d'un gabarit : plan de Bode, etc.), une réponse
impulsionnelle h(t) fixée ou -2 éventuellement une réponse indicielle
voulue.

22
 8.1 . Introduction
Dans le cas général de ces filtres, la valeur de la sortie numérique
U(kTe) = Uk à l'instant kTe est fonction de l'entrée x(kTe) = Xk au même
instant kTe, des N entrées numériques précédentes x(iTe) = Xi pour tout
k — N} et de plus des sorties numériques précédentes
U(iTe) = pour tout j e {k — 1, , k — N} (cf figure 8. l) :
onction (Xk' Xk—l Xk—2 • • • , Xk-N, , Uk-N)

Les notions de
filtrage numérique
abordées concerneront
principalement
des systèmes
linéaires invariants : la
sortie d'un tel système
est liée à l'entrée par l'
des échantillons des échantillons
opération de
convolution (cf.
paragraphe 3. l).
Cela impose que la fonction générale précédente donnant les
échantillons de sortie Uk, soit une combinaison linéaire des éléments
Xi et Ui :

ai • Xk-i ¯ bJ • Uk-j (8.1)

Entrée Sortie

Figure 8.1- Représentation schématique d'un filtre numérique.

Cette équation générale des filtres numériques est appelée équation
aux différences. A partir de cette expression, nous pouvons distinguer O deux
grandes familles de filtres : les filtres non récursifs pour lesquels tous les
coefficients bi sont nuls et les filtres récursifs pour lesquels au moins un
coemcient bi est non nul ou encore définis comme des filtres possédant une
boucle de contre-réaction.
Pour les filtres non récursifs, l'équation est donc limitée à :

23
 Chapitre 8 • Filtrage numérique
'li • Xk—i (8.2)

Mais dans le cadre des systèmes linéaires invariants, nous pouvons

utiliser l'équation de convolution discrète, établie au paragraphe 7.4.2,
qui est liée aux échantillons de la réponse impulsionnelle hi :

hi • Xk-i (8.3)

Cette équation de convolution amène à définir deux types de filtres

numériques : les filtres à réponse impulsionnelle finie (RIF) ou filtres à
moyenne ajustée (MA) pour lesquels il sera possible d'utiliser
l'équation 8.3 qui doit être alors limitée au domaine d' existence de la
réponse impulsionnelle ; soit la forme :

hi • Xk-i ( 8.4)

Ainsi les filtres à réponse impulsionnelle finie pourront être réalisés

directement à partir de filtres non récursifs. En effet l'équation 8.4 correspond à
l'équation 8.2 pour laquelle les coefficients ai sont les valeurs échantillonnées
hi de la réponse impulsionnelle h(t). Il est important de noter que ces filtres
peuvent aussi être réalisés à partir de filtres récursifs.
L'autre catégorie de filtres numériques sont dits à réponse
impulsionnelle infinie (RII) ou filtres généraux (ARMA) pour lesquels
la relation 8.4 ne sera pas applicable et il sera nécessaire d'utiliser
l'équation générale 8. l. Il est possible de définir une catégorie
particulière des filtres numériques à réponse impulsionnelle infinie,
appelés filtres autorégressifs (AR) pour lesquels nous avons la relation
suivante (cas particulier de la relation 8.1) :
IV bj • Uk-j
Enfin il ne faut pas oublier que, comme pour les filtres analogiques
et puisque nous disposons d'une transformée de Fourier discrète (TFD),
il est possible d' appliquer le produit dans l'espace des fréquences
discrètes après une TFD et un retour dans l'espace des temps discrets
par une transformée de Fourier discrète inverse. Nous avons ainsi le
même schéma que celui présenté au paragraphe 3.2 :

24
 8.1 . Introduction
Uk
Temps convolution
par hk
1
Transformée Transformée
de Fourier de Fourier
discrète discrète
1
Fréquence produit par

Ainsi la conception et la réalisation des filtres numériques doivent

être abordées selon les trois aspects essentiels suivants :
modèle du filtre numérique : modèle obtenu par analogie avec un
filtre analogique ou modèle direct dans des cas spécifiques ;

synthèse du filtre numérique basée sur : l'équation aux différences (cas

général), l'équation de convolution pour les filtres à réponse
impulsionnelle finie ou la transformée de Fourier discrète ;

réalisation du filtre numérique : algorithme ou composants électroniques

numériques.
Nous allons introduire un autre outil permettant un traitement plus
facile des signaux discrets, en particulier dans le cadre des filtres numériques
dont la synthèse est basée sur l'utilisation de l'équation aux différences : la
transformée en z.
8.1 .2 Transformée en z
Dans le cas des signaux analogiques, on dispose
de transformées (transformée de Fourier ou
transformée de Laplace) permettant d'étudier et

25
Chapitre 8 • Filtrage numérique
de traiter les signaux dans des domaines plus
aisés (respectivement plan fréquentiel ou
domaine de Laplace). Dans le cas des signaux
discrets, ces transformées sont très limitées,
en particulier pour les signaux possédant une
infinité d'échantillons.
Pour cela, une transformée des signaux
discrets a été introduite : la transformée en
z. Cette transformée en z, notée S(z), d'un
signal s(t) causal, échantillonné à la période
Te, s'exprime à l' aide de la variable complexe
z selon la relation suivante :

S (Z) = s (kTe) z-k - —k

(8.5)
L'origine de cette transformée en z
s'explique en considérant le calcul de la
transformée de Laplace d'un signal
échantillonné causal. Soit le signal causal
s(t) échantillonné à la fréquence Fe, le signal
échantillonné s'exprime par :
+00

La transformée de Laplace S(p) de ce signal

échantillonné causal se(t), obtenue en
remplaçant .j21t f par p dans la
transformée de Fourier, est :
+00 00 *-co

26
 8.1 . Introduction
se (t) • e—pt . dt = s (kTe) • - kTe) • e—pt

Étant donné les propriétés de ô, il vient •

+00 -pkTe
k=()
En effectuant le changement de variables z =
e , nous retrouvons la transformée en z du
signal s(t) définie par la relation 8.5.
La propriété la plus importante de cette
transformée est le retard temporel. Connaissant
la transformée en z S (z) d'un signal s(t), on
cherche à obtenir la transformée en z du même
signal s(t) retardé du temps mTe s(t — mTe). A
partir de l'expression 8.5, il vient :
+00

s (t) S (z) = s (kTe) • z-k

et :
+00 s (t -

s (kTe - mTe) • Z-
k
En posant k' = k— m et étant donné que le
signal s(t) est causal, nous obtenons :

m
s(t-
k'= s(k'Te) • z-k'
o

27
 Chapitre 8 • Filtrage numérique
Ainsi, « z- » est appelé l'opérateur retard
et fait correspondre à un signal le même signal
retardé d'un échantillon.

8.1 .3 Filtrage numérique simple : lissage

temporel
Avant d'étudier la mise en place de filtre
numérique à partir des re lations 8.1 et 8.4, la
capacité de calcul qu'offrent les systèmes numé
riques permet de réaliser des opérations numériques
de filtrage linéaire simple comme la moyenne
temporelle glissante d'ordre N. Ce type de
traitement numérique va permettre de réaliser un «
lissage » du signal d'entrée conduisant par exemple
à la suppression d'un bruit résiduel ou à l'
atténuation d'un bruit de type impulsif. Par contre
ce type de traitement peut modifier fortement le
signal informatif. La plus courante de ces techniques
est donc la moyenne temporelle glissante d'ordre N
qui
s'exprime par :
N-I
1
i=0

Nous pouvons remarquer que cette opération correspond à I '

équation aux différences 8.2 des filtres non récursifs pour laquelle les
coefficients ai sont tous égaux à I/N.
L'utilisation de cette technique de lissage temporel sur un signal de
bruit blanc donne de bons résultats. Soit un bruit blanc uniforme d'
amplitude variant entre —l et +1 avec une moyenne nulle et un écart
type de 0,6, l'amplitude du bruit peut être diminuée jusqu'à un
intervalle [—0, 6, +0, 6] avec un écart type de 0,18 dans le cas de 10
valeurs moyennées (cf. figures 8.2 et 8.3). Plus le nombre N de valeurs
moyennées sera grand, meilleur sera le lissage ; par contre le signal

28
 8.1 . Introduction
informatif est lui aussi moyenné et perd donc de l'information. Pour
illustrer ce phénomène, prenons l'exemple de deux signaux classiques :
échelon unité u(t) et impulsion de largeur unité. Dans les deux cas, la

transition brusque du signal u(t) ou le pic de l'impulsion sont fortement

atténués
0,6 par le lissage (cf. figures 8.4 et 8.5). Nous verrons à la fin du
chapitre
0,4 une méthode permettant de conserver les transitions
(technique de la valeur médiane). En conclusion cette technique est
efficace
0,2 sur les signaux lentement variables par rapport aux bruits qui
doivent être éliminés (bruit blanc, bruit de type impulsif, ...).

Figure 8.2- Résultat sur l'écart type d'un traitement par lissage
temporel d'un bruit blanc uniforme en fonction du nombre N de
valeurs moyennées.

-0,5

Figure 8.3- Résultat sur l'amplitude d'un traitement par lissage

temporel d'un bruit blanc uniforme en fonction du nombre N de
valeurs moyennées.
u(t) u(t) =

0,5

29
 Chapitre 8 • Filtrage numérique
Figure 8.4- Effet d'un traitement par lissage temporel sur un
signal « échelon unité ».

0,5

Figure 8.5- Effet d'un traitement par lissage temporel sur un signal «
impulsion unité ».

8.2 SYNTHÈSE DES FILTRES NUMÉRIQUES À

RÉPONSE IMPULSIONNELLE INFINIE
La conception et la réalisation des filtres numériques à réponse
impulsionnelle infinie sont essentiellement basées sur la fonction de
transfert H(z) : gabarit de filtrage de type passe-bas, passe-haut,
passe-bande ou

30
 8.2. Synthèse des filtres numériques à RII
coupe-bande. La première étape est donc l'obtention de cette fonction de
transfert à partir de l'équation aux différences.

8.2.1 Équation aux différences

Nous considérons des filtres numériques linéaires et invariants dans le
temps correspondant aux filtres analogiques décrits par des équations
différentielles à coefficients constants. Dans cette hypothèse, les
systèmes sont représentés par des équations aux différences de la
forme (cf. équation 8. l) :

IV IV bj•Uk-j ou arXk-i avec

bo = 1

Cette équation aux différences est une équation linéaire à

coemcients constants d'ordre N du filtre numérique. En appliquant la
transformée en z à l'équation générale précédente et soient Y(z) et X(z)
les transformées en z de Uk et Xk, il vient :

-k ai • Xk-i Z

soit :

Par analogie avec les filtres analogiques, un filtre numérique peut être
caractérisé par sa fonction de transfert en z ou « transmittance » en
IV

31
Chapitre 8 • Filtrage numérique

(8.6)
ou dans le cas d'un filtre non-récursif :
IV

(8.7)
i=O

Ensuite la question fondamentale à résoudre est comment obtenir

H(z) pour des caractéristiques bien définies (gain, phase, ... )
correspondant par exemple à un filtre analogique défini par son
équation différentielle ou par sa fonction de transfert H(p) : c'est le
domaine très vaste de la synthèse des filtres numériques. Les méthodes
qui permettent de déterminer une fonction de transfert H(p) répondant
à des spécifications données de gain et de phase ou à des réponses
impulsionnelles ou indicielles sont bien connues dans le cas des filtres
analogiques. Une première approche à cette problématique est de
réaliser une transposition du filtre analogique en filtre numérique.

8.2.2 Synthèse des filtres numériques

par transformation de H(p) en
H(z)
Le procédé le plus utilisé pour calculer la fonction de transfert d'un
filtre numérique, consiste à transposer la fonction de transfert Hp(p) de
son homologue analogique du plan « p » dans le plan « z » par une
règle de transformation reliant p à z. Pour réaliser cette transformation
et déterminer la fonction de transfert Hz(z) dans le plan z, il suffit de
définir une relation p = Fonction(z), d'où .

onction

32
 8.2. Synthèse des filtres numériques à RII
La relation exacte entre p et z est donnée par la définition même de la
transformée en z vue dans le paragraphe précédent :
pTe

soit :
1
Ln (z) (8.8)
Dans le domaine étudié des filtres linéaires invariants, Hp(p) se
présente sous la forme d'un quotient de deux polynômes en p. Mais si
on réalise la transformation de Hp(p) en Hz(z) en utilisant la relation
8.8, la forme résultante de Hz(z) ne sera pas un quotient de deux
polynômes en z. Comme nous l'étudieront, cela conduit à des
difficultés de réalisation. Aussi, il est nécessaire de rechercher une
règle de transformation qui permet de conserver la forme « quotient de
deux polynômes ».
De nombreuses méthodes ont été développées pour réaliser cette
transformation. Elles correspondent à différents types d' analogie dans
le sens où une méthode va privilégier telle ou telle propriété : gain,
réponse impulsionnelle, réponse indicielle, etc. Ainsi, les principales
méthodes sont les suivantes :
— transformation standard ou méthode de l'invariance impulsionnelle ;
— méthode de l'invariance indicielle ;
— transformation adaptée ;
— transformation d'Euler ou équivalence de la dérivation ;
— transformation homographique ou équivalence de l'intégration.
Pour chacune de ces transformations, nous décrirons brièvement la
méthode pour transformer H(p) en H(z), les conditions pour pouvoir
réaliser cette transformation et, enfin, les avantages et inconvénients de
cette méthode.

33
Chapitre 8 • Filtrage numérique

a) Transformation standard ou méthode de l'invariance

impulsionnelle
Par cette méthode on obtient un filtre numérique dont la réponse
impulsionnelle est égale à la réponse impulsionnelle échantillonnée du
filtre analogique correspondant. En considérant la fonction de transfert
H(p) ou H(f) et la réponse impulsionnelle h(t) du filtre analogique, la
réponse impulsionnelle, échantillonnée à la période Te, s'exprime par :

he (t) = Te . • - kTe)
k=()
Le coefficient Te correspond au fait que la réponse impulsionnelle
étant échantillonnée, la fonction de transfert est périodisée avec la
fréquence Fe. Soit la relation :

Ile (f) = PgnFe (f) d'où he(t) = • [Te . PgnTe

Par conséquent la transformée en z He(z) de he(t) est donnée par :
+00

—k

Prenons l'exemple d'un filtre passe-bas du premier ordre de fonction

de transfert suivante :
ai

La transformée de Laplace inverse nous donne la réponse

impulsionnelle du filtre analogique (cf. annexes) :

h (t) = ai • e Plt

La transformée en z du filtre numérique de réponse impulsionnelle

he(t), échantillonnée de h(t), s'écrit donc :

34
 8.2. Synthèse des filtres numériques à RII

La somme sur k est une progression géométrique dont la limite permet d'
obtenir finalement l' expression de He(z) •
ai
I — ePi e • Z-

Ainsi la transformation à réaliser pour obtenir le filtre numérique à partir

du filtre analogique caractérisé par sa fonction de transfert H(p)
est :
1 1
Te . (8.9)
I — ePiTe
Si un filtre quelconque peut s'exprimer sous la forme de r filtres du
premier ordre en parallèle, cette méthode consiste à réaliser dans H(p)
la transformation suivante :

(8.10)
La transformation standard ou méthode de l'invariance
impulsionnelle est caractérisée par :
condition : la fréquence de coupure haute du filtre doit être très
inférieure à la fréquence de Shannon ; domaine d' application : ce
type de synthèse de filtre numérique s' applique à des filtres passe-bas
ou des filtres passe-bande ; inconvénient : le principal inconvénient
réside dans le fait qu'il faille réaliser la décomposition en éléments
simples pour calculer l'équation aux différences du filtre numérique.

b) Méthode de l'invariance indicielle

Par cette méthode on obtient un filtre numérique dont la réponse
indicielle est égale à la réponse indicielle échantillonnée du filtre

35
Chapitre 8 • Filtrage numérique

analogique correspondant. La réponse indicielle Sind(t) s' obtient en

utilisant la relation suivante (cf équation 3.12) :
Sind (t) = h (t) * u (t)
La fonction u(t) est la fonction unité ou échelon d' Heaviside,
précédemment étudiée, qui a pour transformée de Laplace l/p. La
transformée en z de cette fonction est très simple à établir :
+
Les

transformées de Laplace et en z de l'équation donnant Sind(t) sont

respectivement :

et :

z-1
En considérant que [H(p)/p] peut être mis sous la forme d'une
somme d'éléments simples du premier ordre, nous pouvons utiliser la
transformation précédente (cf. équation 8.9). Mais à cette expression
[H(p)/p] correspond [H(z)(z/l — z)], par conséquent, nous
considérerons la transformation suivante :

1 z-1 —

(8.11)
p — Pi z
Ainsi, pour un filtre quelconque s'exprimant sous la forme de r filtres
du premier ordre en parallèle, nous avons la relation complète donnant

36
 8.2. Synthèse des filtres numériques à RII

z—l
z
(8.12
) La transformation par la méthode de l'invariance indicielle est
caractérisée par :
— condition : la fréquence de coupure haute du filtre doit être inférieure
à la fréquence de Shannon ;
domaine d' application : ce type de synthèse de filtre numérique s' applique à
des filtres passe-bas ou des filtres passe-bande ;
inconvénient : le principal inconvénient réside dans le fait qu'il faille

réaliser la décomposition en éléments simples pour calculer l'équation aux

différences du filtre numérique.

c) Transformation adaptée
Par cette méthode, appelée aussi matched transform, on obtient un filtre
numérique dont les pôles de la fonction de transfert ou transmittance
sont conservés. En considérant que H(p) est sous la forme d'un produit
d'éléments simples du premier ordre (filtre analogique ne présentant
que des pôles), cette méthode consiste à réaliser dans H(p) la
transformation identique à la précédente, c'est-à-dire celle de l'équation
8.9. Pour un filtre quelconque s'exprimant sous la forme de r filtres du
premier ordre en série, nous obtenons alors la relation complète :

(8.13)

37
 Chapitre 8 • Filtrage numérique

d) Transformation d' Euler ou équivalence de la

dérivation
Étant donné une équation différentielle reliant deux signaux x(t) et
U(t), la méthode, qui correspond à une démarche classique en analyse
numérique, consiste à donner une approximation de la dérivée d'une
fonction continue. Dans le cas de la transformation d'Euler, l'
approximation réalisée est la plus simple :
dx
Xk — Xk-l

Cette approximation correspond également à l' approximation d'une

intégrale par la « méthode des rectangles » :

U (t) • Xk = Xk—l + Te • Uk
0

La transformée de Laplace de l'équation différentielle initiale est :

d'où H(p) = P

La
z

transformée en z de l'équation différentielle initiale discrétisée

est :
1 1 -1

1 z-1
soit :
Cette méthode consiste donc à réaliser dans H(p) la transformation
suivante :

38
 8.2. Synthèse des filtres numériques à RII

(8.14)
La transformation d'Euler ou par équivalence à la dérivation est
caractérisée par :
— domaine d'application : ce type de synthèse de filtre numérique
s'applique à des filtres analogiques simples ;
inconvénient : le principal inconvénient est la distorsion des
caractéristiques en hautes fréquences.

e) Transformation homographique ou équivalence de

l'intégration
De la même manière que précédemment, cette méthode consiste à
donner une approximation de l'intégrale d'une fonction continue. Dans
ce cas, l ' approximation réalisée est celle de la « méthode des trapèzes
»:
t
U (t) • Xk = Xk—l + — • [Uk + Uk-l]
2

La transformée en z de l'équation différentielle discrétisée est :

soit H (z) = — •

Soit après une transformation en z, cette méthode consiste donc à réaliser

dans H(p) la transposition suivante :

39
 Chapitre 8 • Filtrage numérique

(8.15)
La transformation homographique ou par équivalence à l'intégration
ou encore appelée transformation bilinéaire est caractérisée par :
domaine d' application : ce type de synthèse de filtre numérique s'
applique à des filtres dont la caractéristique fréquentielle est constante
dans des domaines de fréquences données ;
— avantage : le principal avantage de ce filtre est sa stabilité.

f) Exemples de synthèses de filtres numériques

Nous allons synthétiser deux filtres analogiques (filtre passe-bas du
premier ordre et filtre passe-bas du deuxième ordre — cf. paragraphe
3.2.2) à l' aide des deux dernières transformations étudiées
(transformation par équivalence à la dérivation et transformation par
équivalence à I ' intégration).
e Filtre passe-bas du premier ordre :
Soit la constante de temps du filtre (RC = T), la représentation en
transformée de Laplace de la fonction de transfert H(p) d'un filtre
passe-bas du premier ordre est :

Considérons le filtre numérique passe-bas obtenu par équivalence de la

dérivation. Étant donné une période d'échantillonnage de Te, nous avons la
relation de transformation 8.14 à appliquer. Nous obtenons ainsi H(z) :
1

Le calcul de l'équation aux

différences est alors immédiat, soit le résultat suivant :

40
 8.2. Synthèse des filtres numériques à RII

• Uk—l +
Avec l'application numérique suivante : T = 1 ms (R = 1 KQ, C — 1
pF), et Te = 100 vs, l'équation aux différences à résoudre est :

= O, 9090909 • + O, 090909 •

Il est primordial de déterminer d'une part les échantillons Xk entrées

du filtre :
réponse impulsionnelle : XI = l , Xk = 0 pour tout k > 1 ;
— réponse indicielle : Xk = 1 pour tout k 1 et d'autre part
les conditions initiales, c'est-à-dire go, soit :
• uo = 1 (valeur estimée ou connue de la solution).
Considérons maintenant le même filtre numérique passe-bas obtenu
par la méthode de l'équivalence à l'intégration. Nous avons la relation
de transformation 8.15 à appliquer et nous obtenons ainsi H(z) :
1 z

-1
Le calcul de l'équation aux différences est alors immédiat et donne le
résultat suivant :

• Uk—l Xk Xk—l

Avec la même application numérique que précédemment : T = 1 ms (R = I

KO, C = I HF), et Te = 100 vs, l'équation aux différences à résoudre est :

= O, 904761 • + O, 047619 • (Xk + Xk-l)

41
 Chapitre 8 • Filtrage numérique

Il est primordial de déterminer d'une part les échantillons Xk

d'entrées du filtre :
réponse impulsionnelle : XI = 1, Xk = 0 pour tout k > I ; réponse
indicielle : = I pour tout k I ; et d'autre part les conditions
initiales, c'est-à-dire U(), et xo soit :
xo = 0 (signal causal) ;
= I (valeur estimée ou connue de la solution).
Les figures 8.6 et 8.7 représentent les résultats obtenus pour les
deux filtres numériques en comparaison des réponses théoriques
pour respectivement la réponse impulsionnelle et la réponse
indicielle.
1

0,75

0,5

0,25

2 4 6 8 10

Figure 8.6- Réponses impulsionnelles de deux filtres numériques

passe-bas du premier ordre : filtre numérique synthétisé par
équivalence de la dérivation et par équivalence de l'intégration. o
Comparaison avec la réponse théorique.

D'une façon générale, ces résultats montrent que les deux filtres
numériques ont une réponse quasiment identique à celle du filtre
analogique. D'une façon plus détaillée, nous pouvons remarquer que la
synO thèse du filtre numérique avec l'équivalence à la dérivation a un compor
tement initial meilleur, mais ensuite converge moins vite vers la réponse du
filtre analogique théorique.

42
 8.2. Synthèse des filtres numériques à RII

0,75

0,5

0,25

2 4 6 8 10

Figure 8.7- Réponses indicielles de deux filtres numériques

passe-bas du premier ordre : filtre numérique synthétisé par
équivalence de la dérivation et par équivalence de
l'intégration. Comparaison avec la réponse théorique.

Remarque
il est nécessaire de réaliser un calcul numérique précis des
coefficients de l'équation aux différences pour obtenir des
résultats corrects au niveau de la synthèse par programme (cf.
paragraphe suivant).

• Filtre passe-bas du deuxième ordre :

En considérant une fréquence propre = 27tF()) et un coefficient o d'
amortissement m, la représentation de la fonction de transfert H(p) d'un
filtre passe-bas du deuxième ordre est
2

43
 Chapitre 8 • Filtrage numérique
02 +2 • • m • p + p2
O

Considérons le filtre numérique passe-bas du deuxième ordre

obtenu par équivalence de la dérivation. Etant donné une période d'
échantillonnage de Te, nous avons la relation de transformation 8.14 à
appliquer.
Nous obtenons ainsi la transmittance en z
suivante :
ü)2T2

(l + 2ü)omTe + — 2 • (1 + ü)omTe) • + z

A partir de cette transmittance en z, le

calcul de l'équation aux différences donne le
résultat suivant :
Uk = bi • Uk-l + 122 • Uk-2 + ao •

avec les valeurs des coefficients :

-1
122 =

et :

Avec l'application numérique suivante Te = 2

ms (Fe = 500 Hz), FO = 50 Hz et m = 0, I ; les
coefficients de l'équation aux différences à
résoudre sont :

b = 1, 39805 = -O, 65770 et = O, 25965

44
 8.2. Synthèse des filtres numériques à RII
Les échantillons Xk d'entrées du filtre et les
conditions initiales sont les suivantes :
— réponse impulsionnelle : XI = l , Xk = 0 pour
tout k > 1 ;
2
= I (valeur estimée ou connue de la
solution).
Considérons le filtre numérique passe-bas du
deuxième ordre obtenu par équivalence de I '
intégration. Étant donné une période d '
échantillonnage de Te, nous avons la relation
de transformation 8.15 à appliquer. Nous
obtenons ainsi la transmittance en z suivante :
(4 + 40)omTe +

• • (1 + 2z-l + Z-2 )
• 2 • (4 - • z-l + (4 - + -2
A partir de cette transmittance en z, le calcul de l'équation aux différences
donne le résultat suivant :
Uk = bl • Uk-l + 192 • Uk-2 + ao • Xk + al • Xk-l + • Xk-2

avec les valeurs des coefficients :

2 • (4 - aFôT;)2 bi —

4 — 40)omTe + Q)0T32 b2 ¯ ¯

02T2

ao = = —
et al = 2 • ao
Avec la même application numérique suivante Te = 2 ms (Fe = 500 Hz),
FO = 50 Hz et m = 0, 1 ; les coefficients de l'équation aux
différences à résoudre sont :

45
 Chapitre 8 • Filtrage numérique

b 89181

et ao = = O, 084971 = O, 169942
Les échantillons Xk d'entrées du filtre et les conditions initiales sont les
suivantes :
réponse impulsionnelle : XI = l , Xk = 0 pour tout k > 1 ; xo = x-
l = 0 (signal causal) ;
50 = U-l = I (valeur estimée ou connue de la solution).
La figure 8.8 présente les résultats obtenus pour les deux filtres nu-
mériques en comparaison de la réponse théorique pour la réponse
impulsionnelle.
Les résultats obtenus pour ces deux synthèses d'un filtre passe-bas du
deuxième ordre montrent clairement la plus grande efficacité de l'équivalence de
l'intégration par rapport à l'équivalence de la dérivation. Ce

46
 8.3. Synthèse des filtres numériques à réponse impulsionnelle
finie
h(t)

0,5

-0,5

courbe théorique

Figure 8.8- Réponses impulsionnelles de deux filtres numériques passe-

bas du deuxième ordre : filtre numérique synthétisé par équivalence de
la dérivation et par équivalence de l'intégration. Comparaison avec la
réponse théorique.

résultat s'explique par le fait que le filtre du deuxième ordre étant basé
sur une équation aux dérivées partielles du deuxième ordre comme son
nom l'indique, il est relativement difficile de le synthétiser par une
approximation du premier ordre (cas de l'équivalence à la dérivation).

8.3 SYNTHÈSE DES FILTRES NUMÉRIQUES À

RÉPONSE IMPULSIONNELLE FINIE
La convolution intervient dans tous les systèmes de filtrage linéaire
et consiste en la modification du signal d'entrée par la caractéristique
temporelle du système ou réponse impulsionnelle. Le filtre analogique,
étant défini par sa fonction de transfert H(p) et sa réponse impulsion
nelle h(t), le signal de sortie U(t) du filtre soumis au signal d'entrée x(t)
est donné par la relation connue : U (t) = x (t) * h (t) .

47
 Chapitre 8 • Filtrage numérique
Dans le cas de filtre à réponse impulsionnelle finie, le filtrage
numérique par convolution correspond à une sommation pondérée
des valeurs du signal d'entrée x(kTe) = Xk par la suite des
coefficients de la réponse impulsionnelle discrète h(kTe) hk du
filtre selon la relation 8.4. La réponse impulsionnelle ayant une durée
finie, le nombre d' échantillons est limité. Soit N le nombre de valeurs de
hk connues :
N-I N-I
Uk = hi • Xk-i = Xi • hk-i (8.16)
i=()

Dans beaucoup de réalisations de filtre numérique, le point de départ

est la réponse fréquentielle du filtre H( f) donnée par un gabarit.
Partant de cette réponse fréquentielle discrétisée f), il est aisé d'obtenir
la réponse impulsionnelle discrétisée he(t) par transformée de Fourier
discrète. La discrétisation de la réponse impulsionnelle a conduit à la
périodisation du spectre comme nous l' avons vu dans le chapitre 6, soit
:
+00

Ile (f) kFe)

d'où la forme de he(t), calculée sur N points, pour conserver la réponse
fréquentielle :
N/2-1 N/2-1 -N/2 -N/2

h
IV/2-1 l• - kTe)

Ainsi les échantillons de la réponse impulsionnelle he(t) sont h'k.

Dans le cas où la réponse impulsionnelle obtenue n'est pas causale, il est
possible de retarder cette réponse impulsionnelle de N/2 points pour rendre le
filtre causal.

48
 8.4. Réalisation des filtres numériques

he (t) - - kTe)
Prenons l'exemple d'un filtre passe-bas du premier ordre de fréquence de
coupure Fc, correspondant à une constante de temps T 1/(27tFc)). La
réponse impulsionnelle, calculée dans le paragraphe 3.2.2, s'exprime à partir
des échantillons suivants :

La réponse impulsionnelle est causale, mais pas finie. Aussi nous

considérerons uniquement un intervalle pour lequel la fonction
précédente est supérieure ou égale à 5% de la valeur maximale.
Prenons l'exemple numérique suivant :
T = O, 5 ms (FC = 320 KHz),
Le nombre d'échantillons de la réponse impulsionnelle est alors limité à
20, correspondant au temps 2 ms. Ainsi nous avons :
N o 1 2 3 4 5 6 7 8 9
0,2 0,164 0,134 0,11 0,09 0,074 0,06 0,049 0,04 0,033

N 10 11 12 13 14 15 16 17 18 19
0,027 0,022 0,018 0,015 0,012 0,01 0,008 0,007 0,005 0,004
En considérant une sollicitation de type impulsion de durée 2 • Te,
le résultat, obtenu par la relation 8.16 et représenté sur la figure 8.9, montre la
bonne qualité de ce filtre numérique pour synthétiser ce filtre passe-bas très
simple. Le décalage en amplitude entre la courbe de ré ponse théorique et la
courbe calculée avec le filtre numérique est dû au premier pas de calcul et à la
valeur initiale de la réponse impulsionnelle
2 discrétisée (= TJT). Un pas d'échantillonnage Te plus petit par
rapport à la constante de temps T diminuerait fortement ce
décalage.

8.4 RÉALISATION DES FILTRES NUMÉRIQUES

49
 Chapitre 8 • Filtrage numérique
-2 A partir de l'expression de la transmittance en z du filtre numérique ou
de l'équation de convolution, il faut concevoir l' algorithme du calcul
ou la structure matérielle permettant de réaliser ce filtre.

2 4 6 8 10 12

Figure 8.9- Réponses d'un filtre numérique passe-bas du premier

ordre synthétisé par l'équation de convolution.

La réalisation des filtres numériques peut être faite en utilisant les trois
éléments de base (matériel ou logiciel) suivants :
additionneur, { symbolisé par E } ;
multiplieur, { symbolisé par X } ;
— retard de Te : échantillon k par rapport à k — 1, { symbolisé par T }.
Cette opération sera réalisée matériellement par des registres à
décalage.

8.4.1 Filtres numériques synthétisés par H(z)

A partir de la fonction de transfert H(z), obtenue selon les différentes
transformations possibles, diverses structures peuvent être utilisées
. structure directe (implémentation de l'équation aux différences),
structure canonique (structure directe avec minimisation des
composants) et structure en éléments simples.

a) Structure directe

50
 8.4. Réalisation des filtres numériques
Cette structure est l'application directe des expressions de la transmittance
H(z). Dans le cas d'un filtre non-récursif, une des structures possibles est
celle représentée sur le schéma de la figure 8.10 qui traduit l'équation 8.2.
De même, la traduction directe de l'expression de H(z) pour un
filtre récursif donne le schéma de la figure 8.11 qui traduit l'équation
générale 8. l .
Entrée
des échantillons

Sortie
échantillons
Yk

Figure 8. O- Structure directe d'un filtre numérique non-récursif.

b) Structure canonique
Cette forme permet de minimiser le nombre d'éléments utilisés dans la
réalisation du filtre. L'équation générale peut s'écrire sous la forme :

avec W
L'expression de Y(z) est donc :

IV aj • z-l • V (Z)

En prenant la transformée en z inverse, on obtient l' expression de

Uk n fonction de la valeur intermédiaire Vk qui est utilisée pour
construire
Entrée

51
Chapitre 8 • Filtrage numérique
des échantillons

échantillons

Figure 8.1 1 - Structure directe d'un filtre numérique récursif.

la structure de ce filtre (cf figure 8.12) :

Uk = aj • Vk-j

Le résultat montre qu'une seule structure retard est nécessaire pour

la réalisation de ce filtre numérique.

c) Structure en composants simples

Il est possible d'exprimer H(z) à partir d'éléments de base ou de
composants simples du premier ou du second ordre Hi(z) :
premier ordre :

52
 8.4. Réalisation des filtres numériques

Sortie
des
échantillons

Figure 8.1 2- Structure canonique d'un filtre numérique récursif.

— second ordre :
ail • Z- + Œi()

Ces deux éléments simples peuvent facilement se traduire en

structure directe ou canonique. Pour une fonction de transfert
quelconque, il suffit de l'exprimer en fonction de ces éléments de base
pour réaliser ensuite une composition « produit » ou « somme » de
ces éléments. La fonction de transfert H(z) peut s'écrire sous deux
formes :

H(z) = Kl + Hi (z) somme de composants simples

H (z) = K2 • Hi (z) produit de composants simples

Dans le cas d'une écriture sous la forme « somme », nous obtenons

une structure parallèle (cf figure 8.13) et dans le cas d'une formulation
« produit », nous obtenons une structure série ou dite en cascade (cf.

53
 Chapitre 8 • Filtrage numérique
figure
8.14).
Comme
nous l' avons
vu dans le
domaine

analogique, cette
Sortie des
échantillon
s

échantillons

Figure 8.1 3- Structure parallèle à partir d'éléments de base du premier

ou du second ordre.
Sortie des échantillons
K
2 composant composant composant
HI H2 Hr
Figure 8.14-
Structure
série ou en
cascade à partir
d'éléments de base du premier ou du second ordre.

adjonction de composants de base n'est réalisable, aussi directement,

uniquement parce que nous sommes dans le domaine numérique où il
n'y a pas de problème d' adaptation d'impédance.
O

8.4.2 Filtres numériques basés sur la convolution

54
 8.4. Réalisation des filtres numériques
Pour réaliser ces filtres à convolution, les coefficients du filtre, qui
sont représentés par les N valeurs de la réponse impulsionnelle discrétisée,
sont des constantes dans l' algorithme de calcul ou stockés en mémoire
(EPROM) dans le cas d'une réalisation matérielle du filtre. Dans ce derO nier
cas, deux structures peuvent être adoptées :
— structure directe (cf figure 8.15) ;
— structure transposée (cf figure 8.16).

55
 de numérique
8.5. Techniques avancées filtrage

Entrée

Sortie des
échantillons

Figure 8.1 5- Structure directe d'un filtre à convolution.

Sortie

Figure 8.16- Structure transposée d'un filtre à convolution.

8.5 TECHNIQUES AVANCÉES DE FILTRAGE

NUMÉRIQUE
Le domaine du filtrage numérique est très vaste car il repose
uniquement sur les capacités de calcul des systèmes informatiques.
Lorsque les possibilités des filtres classiques, vus précédemment, ne

56
sont pas suffisantes pour un problème donné, il existe des extensions
possibles du « filtrage numérique ».

8.5.1 « Filtres » numériques non linéaires :

valeur médiane
Les filtres numériques classiques linéaires ont pour fonction de base
d' éliminer certaines composantes fréquentielles qui gênent l'
interprétation du signal informatif. Pour cela il est nécessaire que les
fréquences à éliminer se situent dans une zone de fréquences hors de
la zone occupée par le signal utile. Pour répondre à cette limitation, il
est possible de mettre en place des traitements non linéaires, appelés
abusivement « filtres » numériques non linéaires.
Un de ces traitements non linéaires est le filtre de la valeur
médiane. Etant donné 2N + 1 échantillons Xk, la valeur médiane
Xmed,k de cet ensemble est l'échantillon qui se trouve au milieu de
l'ensemble ordonné selon un ordre croissant :
ordre croissant
Xk-l, . , Xe , XV-I' • • • , Xk'-2N•, avec Xi' X.'

d'où Xmed,k = Xk'-lV

Ce type de filtre numérique non linéaire permet de conserver les
transitions rapides mais maintenues d 'un signal et d ' éliminer
complètement des transitions de type impulsion courte. Si nous
reprenons les exemples du paragraphe 8.1.3 « lissage temporel », ils
mettent parfaitement en évidence cette caractéristique du filtre de la
valeur médiane : le signal « échelon unité » est conservé sans
modification et l' impulsion de durée unité est éliminée (cf. figure
8.17). De façon plus générale, le calcul de la valeur médiane
s'effectuant sur 2N+l échantillons, cette technique permettra de
sauvegarder toutes transitions rapides suivies par un plateau dont la
durée est supérieure ou égale à N • Te (Te : période des échantillons).
Dans le cas contraire cette transition sera éliminée.

57
 u(t) avec filtre de la valeur avec
impulsion
médiane
filtre de la valeur
Chapitre 8 • Filtrage numérique médiane

0,5 0,5
impulsion initiale

Figure 8.1 7- Effet d'un filtre numérique non linéaire de la valeur

médiane sur un signal « échelon unité » et sur une impulsion de
durée unité.
8.5. Techniques avancées de filtrage numérique

8.5.2 Filtres numériques multicadence

Les systèmes étudiés jusqu'à présent ne mettaient en œuvre qu'une
seule fréquence ou cadence d'échantillonnage 1/Te. Il est possible de
trouver certaines applications où le signal d'entrée du filtre et le signal
de sortie ne fonctionnent pas à la même cadence (système
multicadence). Considérons deux exemples :
filtrage passe-bas : le signal de sortie aura par définition même du
traitement effectué une fréquence plus basse et donc pourra être
échantillonné à une cadence plus faible ;
modulation : le signal de sortie qui sera l'onde porteuse du signal
informatif va avoir une fréquence plus élevée que le signal
informatif d'entrée (cf. chapitre 4).
Dans les deux cas, on cherchera à adapter le filtre à la cadence la
plus petite afin de réalisée, l' opération est appelée «
minimiser les temps de interpolation ».
calcul. Dans le cas où il Les opérations de décimation
sera réalisé une réduction (enlever un échantillon sur n
de la fréquence échantillons) ou d'interpolation
d'échantillonnage, (rajouter n échantillons entre 2
l'opération est appelée « échantillons) vont conduire à des
décimation » et dans le déformations spectrales. Nous
cas où une augmentation avons vu en particulier le cas de
de la fréquence l'interpolation dans l' exemple de
d'échantillonnage sera reproduction des signaux sonores

58
des lecteur de CD-audio
traité dans le paragraphe
6.3.6.
Considérons l'exemple
inverse de la décimation.
Soit un signal Xk(t)
échantillonné à la
fréquence Tel et le signal
de sortie Uk(t) dont nous
voulons diminuer la
fréquence
d'échantillonnage jusqu'à
Te2 (avec Te2 = Tel/4).
Cette opération ne sera
possible que si le spectre
du signal initial est limité
a priori ou par une
opération de filtrage à la
fréquence 1/2Te2, i.e. à
la fréquence 1/8Te1. En
effet la décimation est
équivalente à une
opération
d'échantillonnage et, si le
spectre du signal à
échantillonner à cette
nouvelle cadence Te2 n'a
pas son spectre limité à
la fréquence 1/2Te2, le
phénomène de
repliement va se
produire.

59