INITIATION AU TRAITEMENT DU SIGNAL

Franck Luthon
[Link]@[Link]

Département Génie Industriel

IUT de Bayonne Pays Basque

2 allée du parc de Montaury, 64600 Anglet

1
ftp ://[Link]/pub/perso/Gim/luthon/[Link]

2014

1. Ce document peut être reproduit sous réserve d'en citer la source.

Table des matières
I ELEMENTS DE COURS ET EXERCICES 9
1 PRESENTATION GENERALE 11
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Signal et Filtre Analogique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.2 TD - Filtre réjecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.3 TD - Corrélateur Analogique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Analyse Spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Modulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.1 Idées-clé de la Modulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 ANALYSEUR DE SPECTRE NUMERIQUE A FFT 17
2.1 L'analyseur de spectre numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 Principe du traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
[Link] Echantillonnage temporel . . . . . . . . . . . . . . . . . . . . . . . . . 17
[Link] Troncature temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
[Link] Transformation fréquentielle . . . . . . . . . . . . . . . . . . . . . . . 17
[Link] Filtre anti-repliement . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
[Link] Echantillonnage fréquentiel . . . . . . . . . . . . . . . . . . . . . . . . 19
[Link] Interprétation de l'achage - Fuite d'énergie . . . . . . . . . . . . . . 20
[Link] Fenêtre de pondération . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.2 Paramètres d'une analyse spectrale . . . . . . . . . . . . . . . . . . . . . . . . . 22
[Link] Excursion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
[Link] Résolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
[Link] Durée d'acquisition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.3 Spectres aberrants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.4 Moyennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.5 Modes de déclenchement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 MODULATION 25
3.1 Modulations d'amplitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
[Link] Rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Modulation d'amplitude (AM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2.1 Modulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
[Link] Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
[Link] Représentation temporelle de r(t) . . . . . . . . . . . . . . . . . . . . 26
[Link] Représentation fréquentielle . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 Démodulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
[Link] Détection crête . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
[Link] Détection synchrone . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
[Link] Amélioration de la détection synchrone . . . . . . . . . . . . . . . . . 27
3.3 Modulation sans porteuse et modulation à bande latérale unique . . . . . . . . . . . . 28
2 [Link],2014

3.3.1 Modulation sans porteuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

[Link] Représentation temporelle de r(t) . . . . . . . . . . . . . . . . . . . . 28
[Link] Représentation fréquentielle de r(t) . . . . . . . . . . . . . . . . . . . 28
3.3.2 Principe de la modulation BLU . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.3 Représentation temporelle et fréquentielle . . . . . . . . . . . . . . . . . . . . . 29
3.3.4 Démodulation B.L.U. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4 Modulation de fréquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4.1 Principes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4.2 Spectre d'une onde modulée en fréquence . . . . . . . . . . . . . . . . . . . . . 30
[Link] Cas d'une porteuse rectangulaire . . . . . . . . . . . . . . . . . . . . . 31
3.4.3 Production d'oscillations modulées en fréquence . . . . . . . . . . . . . . . . . . 32
[Link] Multivibrateurs modulables en fréquence . . . . . . . . . . . . . . . . 32
3.4.4 Démodulation des ondes modulées en fréquence . . . . . . . . . . . . . . . . . . 32
3.4.5 Discriminateur de Foster-Seeley . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.4.6 Détecteur de quadrature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4.7 Détecteur de quadrature analogique . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4.8 Détecteur de quadrature digital . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

II TRAVAUX PRATIQUES 39
4 TP1 - SIMULATION (Matlab) 41
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.1.1 Rappels préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Analyse spectrale par TFD (FFT) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Conception de ltre numérique par TZ . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5 TP2 - MODULATION (et Analyseurs) 43
5.1 Modulation d'amplitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.1.1 Manipulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Comparaison d'analyseur de spectre : analogique vs. numérique . . . . . . . . . . . . . 44
5.3 Analyse spectrale d'une onde modulée en fréquence . . . . . . . . . . . . . . . . . . . . 44
5.3.1 Manipulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.4 Annexe technique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.4.1 Analyseur de spectre analogique FI8010 . . . . . . . . . . . . . . . . . . . . . . 45
5.4.2 Analyseur de spectre numérique Tektro TDS210 . . . . . . . . . . . . . . . . . 46
6 TP3 - FILTRAGE (LabVIEW) 49
6.1 Filtrage de signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.2 Filtrage de signal audio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.3 Traitement d'un enregistrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.4 Conclusion sur le TP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
7 TP4 - FILTRES ACTIFS : TP LaboREM à distance 51

8 TRAVAUX PRATIQUES (Compléments Matlab) 53

8.1 Introduction à Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8.1.1 Principales caractéristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8.1.2 Environnement de travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
[Link] Session MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
[Link] Contrôle de session . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8.1.3 Langage de programmation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
[Link] Principe de la syntaxe . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
[Link] Exemples d'instructions . . . . . . . . . . . . . . . . . . . . . . . . . . 54
[Link] Opérateurs et constantes . . . . . . . . . . . . . . . . . . . . . . . . . 54
[Link],2014 3
[Link] Contrôle de ux de données . . . . . . . . . . . . . . . . . . . . . . . . 55
[Link] Création d'une fonction externe . . . . . . . . . . . . . . . . . . . . . 55
8.1.4 Bibliothèque de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
[Link] Fonctions graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
[Link] Interaction utilisateur . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
[Link] Interaction chiers externes . . . . . . . . . . . . . . . . . . . . . . . . 56
[Link] Manipulation de matrices . . . . . . . . . . . . . . . . . . . . . . . . . 56
[Link] Fonctions mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . 56
[Link] Signaux de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8.2 TP - Transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8.2.1 Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8.2.2 TF Discrète : Analyse spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
[Link] Etude du théorème de Shannon . . . . . . . . . . . . . . . . . . . . . . 57
[Link] Inuence de la troncature temporelle . . . . . . . . . . . . . . . . . . . 57
[Link] Etude de l'écrêtage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
8.2.3 Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
[Link] Signaux tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
[Link] Fonctions internes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
[Link] Fonctions externes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
8.3 TP - Transformée en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
8.3.1 Rappel sommaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
8.3.2 Synthèse de Filtre RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
8.3.3 Annexe théorique pour le TP TZ . . . . . . . . . . . . . . . . . . . . . . . . . . 59

III LaboREM : TP à distance 61

9 Rappels des Prérequis : Filtres Passifs et AOP 63
9.1 Prérequis et Objectifs du TP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.2 Vérication des Acquis (30mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.2.1 Filtre RC et RLC (cf. QCM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.2.2 AOP idéal (cf. QCM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
9.3 Rappels : Passe-bas, Passe-haut, Passe-Bande . . . . . . . . . . . . . . . . . . . . . . . 64
9.4 Annexe 1 : Courbes Canoniques du 2eme Ordre . . . . . . . . . . . . . . . . . . . . . . 64
10 CM - Théorie des ltres actifs 67
10.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
10.2 Notion de Gabarit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
10.3 Filtres les plus usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
10.4 Filtrage par quadripôle actif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
10.4.1 Exemple introductif : Filtre passe-bande simple . . . . . . . . . . . . . . . . . . 69
10.4.2 Généralisation : Filtres actifs du second ordre . . . . . . . . . . . . . . . . . . . 70
10.4.3 Filtre passe-bas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
10.4.4 Filtre passe-bande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
11 TD - Filtres Actifs 73
11.1 Les ltres de Sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
11.1.1 Passe-bas de Sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
[Link] Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
11.1.2 Passe-haut de Sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
[Link] Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
11.1.3 Passe-bande de Sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
[Link] Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
11.2 TD Filtre universel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4 [Link],2014

12 Liste des ltres précâblés pour TP distant 77

12.1 Filtres passifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
12.1.1 Passe-bas passif ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
12.1.2 Passe-haut passif ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
12.1.3 Passe-bande Wien passif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
12.1.4 Double Té ponté Réjecteur passif . . . . . . . . . . . . . . . . . . . . . . . . . . 77
12.1.5 Circuit passif congurable (via un Robot de placement) . . . . . . . . . . . . . 77
12.2 Filtres actifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
12.2.1 Passe-bas Sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
12.2.2 Passe-haut sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
12.2.3 Passe-bande actif ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
12.2.4 Passe-bande sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
12.3 Courbes expérimentales obtenues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
13 TP - Manipulation à distance 81
13.1 Expérience 1 - Caractérisation fréquentielle . . . . . . . . . . . . . . . . . . . . . . . . 81
13.1.1 Etude de fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
[Link] Courbes de gain et de phase . . . . . . . . . . . . . . . . . . . . . . . 81
[Link] Mesures précises des caractéristiques . . . . . . . . . . . . . . . . . . . 81
13.1.2 Caractérisation rapide (30mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
13.1.3 Etude exhaustive (30mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
13.2 Expérience 2 - Caractérisation Temporelle (30mn) . . . . . . . . . . . . . . . . . . . . . 82
13.2.1 Eets linéaires sur le signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
[Link] Atténuation/Amplication . . . . . . . . . . . . . . . . . . . . . . . . 82
[Link] Décalage temporel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
13.2.2 Eet non linéaire : saturation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
13.3 Spécicité de l'Actif (30mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
13.3.1 Transfert de puissance : Amplication . . . . . . . . . . . . . . . . . . . . . . . 82
13.3.2 Adaptation d'impédance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
13.3.3 Non-linéarités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
13.4 Application Audio (30mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.4.1 Etude du spectre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.4.2 Visualisation du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.4.3 Ecoute du son . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.5 Synthèse (30mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.5.1 Interprétation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.5.2 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.5.3 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
13.6 TP Hands-on : tableau des mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
14 Déroulement et timing indicatif du TP 85
14.1 QCM3 : AOP idéal (15mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
14.2 QCM4 : Filtrage (30mn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
14.3 Lecture des docs de cours Filtres actifs (30mn) . . . . . . . . . . . . . . . . . . . . . . 85
14.4 Manip à distance (2h30) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
14.4.1 Courbes de Bode Filtres passifs (60mn) . . . . . . . . . . . . . . . . . . . . . . 85
14.4.2 Courbes de Bode Filtres actifs (60mn) . . . . . . . . . . . . . . . . . . . . . . . 85
14.4.3 Etude des signaux temporels et spectres en sortie des Filtres (30mn) . . . . . . 85
14.5 Questionnaire Enquête sur LaboREM (70 questions) (10mn) . . . . . . . . . . . . . . . 85
14.6 Evaluation synthétique de l'application LaboRem (5mn) . . . . . . . . . . . . . . . . . 85
[Link],2014 5
IV BASES THEORIQUES 87
15 TRAITEMENT DE SIGNAL ANALOGIQUE 89
15.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
15.1.1 Dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
15.1.2 Systèmes analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
15.2 Signaux analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
15.2.1 Typologie des signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
15.2.2 Energie et Puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
15.2.3 Corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
[Link] Autocorrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
[Link] Corrélateur analogique . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
[Link] Intercorrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
15.2.4 Dualité temps-fréquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
[Link] Durée utile - Support borné . . . . . . . . . . . . . . . . . . . . . . . . 92
[Link] Spectre utile - Spectre borné . . . . . . . . . . . . . . . . . . . . . . . 92
[Link] Principe d'incertitude . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
15.2.5 Signal à bande étroite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
[Link] Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
[Link] Signal analytique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
15.3 Filtres Analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
15.3.1 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
[Link] Calcul de la sortie d'un ltre . . . . . . . . . . . . . . . . . . . . . . . 93
[Link] Chaînage de Filtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
15.3.2 Réponse Impulsionnelle et Fonction de Transfert . . . . . . . . . . . . . . . . . 93
[Link] Filtre réalisable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
[Link] Filtre stable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
[Link] Filtres idéaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
15.3.3 Relations Fondamentales des Filtres . . . . . . . . . . . . . . . . . . . . . . . . 95
15.3.4 Filtre à bande étroite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
[Link] Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
[Link] Principe du Changement de fréquence . . . . . . . . . . . . . . . . . . 95
[Link] Ampli sélectif accordable . . . . . . . . . . . . . . . . . . . . . . . . . 96
[Link] Multiplexage en fréquence . . . . . . . . . . . . . . . . . . . . . . . . . 96
15.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
15.4.1 Filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
[Link] Passe-bas (Intégrateur) . . . . . . . . . . . . . . . . . . . . . . . . . . 96
[Link] Passe-haut (Dérivateur) . . . . . . . . . . . . . . . . . . . . . . . . . . 97
[Link] Passe-bande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
15.4.2 Modulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
[Link] Modulation d'amplitude . . . . . . . . . . . . . . . . . . . . . . . . . . 97
[Link].1 Démodulation : . . . . . . . . . . . . . . . . . . . . . . . . . . 98
[Link] Modulation de fréquence . . . . . . . . . . . . . . . . . . . . . . . . . 98
[Link].1 Fréquence instantanée : . . . . . . . . . . . . . . . . . . . . . 98
[Link].2 Spectre : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
[Link].3 Réalisation : . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
[Link].4 Démodulation : . . . . . . . . . . . . . . . . . . . . . . . . . . 98
15.4.3 Analyse spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
[Link] But . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
[Link] Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
[Link] Mise en ÷uvre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
[Link] Résolution fréquentielle . . . . . . . . . . . . . . . . . . . . . . . . . . 99
[Link].1 Pouvoir de résolution : . . . . . . . . . . . . . . . . . . . . . . 99
[Link].2 Troncature temporelle : . . . . . . . . . . . . . . . . . . . . . 99
6 [Link],2014

[Link].3 Exemple des audio-fréquences (ν < 20kHz) : . . . . . . . . . 99

15.5 Signaux aléatoires : caractérisation et ltrage . . . . . . . . . . . . . . . . . . . . . . . 99
15.6 Bruit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
15.7 Filtrage optimal et détection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
15.8 TD1 - Signal Radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
15.9 TD2 - Corrélateur analogique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
16 TRAITEMENT DE SIGNAL NUMERIQUE 101
16.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
16.1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
16.1.2 Outils mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
[Link] Transformée de Fourier discrète dans le temps TFDT et spectre . . . 101
[Link] TFD et Transformée en Z . . . . . . . . . . . . . . . . . . . . . . . . . 102
16.1.3 Systèmes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
[Link] Equation aux diérences . . . . . . . . . . . . . . . . . . . . . . . . . 102
[Link] Produit de convolution discret . . . . . . . . . . . . . . . . . . . . . . 102
[Link] Fonction de Transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
16.2 Signaux numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
16.2.1 Les 4 opérations de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
16.2.2 Signaux élémentaires et typologie . . . . . . . . . . . . . . . . . . . . . . . . . . 103
16.2.3 Corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
16.2.4 Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
[Link] Théorème de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
[Link] Echantillonnage naturel . . . . . . . . . . . . . . . . . . . . . . . . . . 103
[Link] Echantillonneur bloqueur . . . . . . . . . . . . . . . . . . . . . . . . . 104
16.2.5 Quantication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
16.3 Filtres numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
16.3.1 Causalité et stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
16.3.2 Système SLIT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
16.3.3 Synthèse d'un ltre RIF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
16.3.4 Synthèse d'un ltre RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
16.4 Filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
16.4.1 Linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
16.4.2 Non-linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
16.5 Analyse spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
16.5.1 Autocorrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
16.5.2 Méthode non-paramétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
16.5.3 Méthode paramétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
16.6 TD3 - Synthèse d'un ltre RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
17 TRANSFORMEE DE FOURIER DISCRETE 109
17.1 Introduction [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
17.2 Conversion analogique-numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
17.2.1 Échantillonnage et quantication . . . . . . . . . . . . . . . . . . . . . . . . . . 109
17.2.2 Echantillonnage temporel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
17.3 Transformée de Fourier Discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
17.3.1 TFDT d'un signal causal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
17.3.2 Troncature temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
17.3.3 Pondération temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
17.3.4 Echantillonnage fréquentiel - TFD . . . . . . . . . . . . . . . . . . . . . . . . . 113
[Link],2014 7
V ANNEXE MATHEMATIQUE 117
18 RECAPITULATIF SUR LES TRANSFORMEES 119
18.1 Rappel sur les distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
18.2 Développement en Série de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
18.3 Tableau récapitulatif de la TL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
18.4 Tableau récapitulatif de la TF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
18.5 Tableau récapitulatif de la TZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
18.6 Tableau synthétique des transformées . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
19 RAPPEL DE PREREQUIS 127
19.1 Trigonométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
19.2 Développements limités usuels au voisinage de zéro . . . . . . . . . . . . . . . . . . . . 129
19.3 Décomposition des fractions rationnelles : F (x) = QP (x) n
. . . . . . . . . . . . . . . . . 130
19.4 Fonctions hyperboliques directes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
(x) m

19.5 Fonctions hyperboliques réciproques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

19.6 Les coniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
8 [Link],2014
 Première partie

ELEMENTS DE COURS ET
EXERCICES
Chapitre 1

PRESENTATION GENERALE

1.1 Introduction
Programme pédagogique selon le référentiel de l'U.E.5 : Fig. 1.1.
Le traitement de signal intervient à plusieurs endroits dans la chaîne d'acquisition [2, 3, 4] Fig. 1.2 :
capture (débruitage, extraction), transmission (modultaion, conversion (CAN, CNA).
Il intervient aussi dans de nombreux autres domaines de la physique (exemples : électrotechnique
pour le stockage de l'énergie et onduleur, contrôle non destructif tel l'analyse vibratoire etc.)

1.2 Filtrage
1.2.1 Signal et Filtre Analogique
Qu'est-ce qu'un signal ?
 Véhicule de l'information
 Energie ou Puissance moyenne nie
 Corrélation, intercorrélation
 Dualité temps-fréquence
 Spectre
Qu'est-ce qu'un ltre ?
 Linéaire : modie amplitude et phase ; ne modie pas la fréquence
 Non-linéaire : modie la fréquence : apparition d'autres fréquences (harmoniques, cf. DSF)
 Coubes de Bode : gain et phase en fonction de la fréquence
 Eet temporel : amplitude et retard temporel
Un ltre analogique est déni par :
 sa réponse impulsionnelle h(t)
 sa fonction de transfert de Laplace : H(p) = T L[h(t)]
 sa fonction de transfert de Fourier : H(ν) = T F [h(t)]
 sa réponse harmonique H(jω) avec p = jω = j2πν
Le ltrage peut être réalisé :
 par convolution dans le domaine temporel (ou spatial) : s(t) = h(t) ∗ e(t)
ex. du simple moyennage temporel (TD matlab TP7ltr.m)
 par multiplication dans le domaine fréquentiel : S(ν) = E(ν) × H(ν)
Voir illustration Fig. 1.3.
1.2.2 TD - Filtre réjecteur
Soit le ltre réjecteur de la Fig. 1.4 avec : R = 12Ω ; C = 10µF ; L = 0.04H ⇒ ω0 = 1581rad/s,
ν0 = 251.6Hz ; ζ = 0.047.
Montrer que sa fonction de transfert vaut :
r
(2πν0 )2 + p2
H(p) =
1
2 (2πν )2 + 2ζ(2πν )p + p2
avec : ν0 = 1
√ et : ζ=
R
4
C
L
12

Figure 1.1  Contenu du module traitement de signal

 13

Figure 1.2  Chaîne d'acquisition

Figure 1.3  Filtrage passe-bas : comparaison moyenne temporelle (en haut) et ltrage fréquentiel
(en bas)

et qu'il permet d'éliminer l'harmonique 5 du courant électrique 50Hz, pour assurer la qualité du réseau
électrique, ce qui participe de l'ecacité énergétique [5] Fig. 1.5.

1.2.3 TD - Corrélateur Analogique

cf. énoncé section 15.9
14

Figure 1.4  Réjecteur RLC

Figure 1.5  Réjecteur d'harmonique à 5f0 = 250Hz : courbes de gain et phase

1.3 Echantillonnage
 Fréquence d'échantillonnage,
 Théorème de Shannon : cf. chapitre 17
 Bruit de Quantication
 Filtrage numérique : conception et applications (cf. TP TZ sous Matlab, chapitre 4)

1.4 Analyse Spectrale

 Analogique par TF
 Résolution fréquentielle ;
 Troncature temporelle ;
 Fenêtrage : fenêtres de pondération de Hanning, Hamming, Blackman... : réduction des lobes
secondaires, mais élargissement du lobe principal (bon pour résolution en amplitude, moins bon
pour résolution en fréquence).
 15
 DSF : étude des harmoniques (cf. TD onduleur.m et DSF09.m, cf. Fig. 1.6).

Figure 1.6  Signal carré et son DSF coupé après l'harmonique No. 9
 Numérique : TFD, Théorème de Shannon (interprétation fréquentielle et temporelle).
 Analyseurs de spectres, FFT (cf. TP chapitre 5)

1.5 Modulation
1.5.1 Idées-clé de la Modulation
 Signal à bande étroite
 Principe du changement de fréquence (cf. Transformée de Fourier)
 Modulation d'amplitude Fig. 1.8. (cf. TD et TP chapitre5)

Figure 1.7  Modulation d'amplitude : allure du signal temporel AM

 Autres modulations : dont fréquence FM (pour transmission) ;
 Modulation de rapport cyclique MLI (cf. application onduleur) [6] : Fig. 1.9.
16

Figure 1.8  Spectre AM obtenu par analyse FFT Tektro TDS100 (porteuse=200kHz) : cas d'un
signal modulant a) sinusoïdal ; b) carré

Figure 1.9  Modulation de rapport cyclique : MLI

Chapitre 2

ANALYSEUR DE SPECTRE
NUMERIQUE A FFT

2.1 L'analyseur de spectre numérique

2.1.1 Principe du traitement
[Link] Echantillonnage temporel

L'échantillonnage est réalisé au moyen de circuits matériels, alors que la transformation au domaine
fréquentiel se fait par logiciel.
Le signal est échantillonné par un convertisseur analogique-numérique qui fonctionne à la fréquence
F e et eectue la multiplication du signal normalisé (c'est-à-dire d'amplitude unité) par un train
d'impulsions d'amplitude unité et de période T e = 1/F e (Fig. 2.1).

Figure 2.1  Echantillonnage du signal en entrée

Typ. pour le HP 3582A [7] : Fe = 102.4kHz

[Link] Troncature temporelle

Pour des raisons pratiques (capacité mémoire limitée), la saisie des données se fait pendant un
intervalle de temps T limité appelé fenêtre (Fig. 2.2). Selon qu'on utilise une seule voie ou les deux
voies de l'analyseur, l'enregistrement comporte Ne points (typ. Ne = 1024) ou Ne /2 points sur cet
intervalle de temps (car il y a un seul convertisseur A/D pour les deux voies).

[Link] Transformation fréquentielle

La représentation fréquentielle est obtenue par analyse de Fourier. Ainsi, si le signal d'entrée est
un cosinus de période T0 et de fréquence f0 = 1/T0 , son spectre est constitué de deux raies (Fig. 2.3).
Les gures 2.4 et 2.5 représentent les spectres correspondant respectivement à un train d'impulsions
et à une porte.
18

Figure 2.2  Fenêtrage du signal échantillonné

Figure 2.3  Spectre d'un cosinus

Notons que dans ces représentations, la moitié de l'énergie se trouve dans la région des fréquences
négatives. L'analyseur, qui n'ache que les fréquences positives, en tient compte en multipliant les
amplitudes par 2 avant achage.
Dans le domaine temporel, les diérents signaux considérés ci-dessus ont subi une multiplication
(cf. Fig. 2.1 et 2.2). A ce processus de multiplication temporelle correspond une convolution dans le
domaine fréquentiel, dont l'eet est représenté graphiquement sur les Fig. 2.6 et 2.7. On voit notamment
que l'échantillonnage temporel (multiplication par un train d'impulsions, Fig. 2.1) se traduit par une
périodisation spectrale (Fig. 2.6) et que la troncature temporelle (multiplication par une porte,
Fig. 2.2) se traduit par un phénomène d'ondulation et d'élargissement de raies (Fig. 2.7).
[Link] Filtre anti-repliement

An d'éviter les problèmes de recouvrement de spectre (ou aliasing ), il faut respecter le théo-
rème de Shannon , c'est-à-dire assurer la condition :
F e ≥ 2F max.

Or la fréquence d'échantillonnage de l'analyseur est xe : F e =cte. L'analyseur procède donc à un

ltrage préalable du signal pour limiter la fréquence maximale. Il possède en entrée un ltre anti-

Figure 2.4  Spectre d'un train d'impulsions

 19

Figure 2.5  Spectre d'une fenêtre rectangulaire

Figure 2.6  Convolution par un train d'impulsions fréquentielles

repliement plat jusqu'à ≈ F e/4 et dont la caractéristique décroît ensuite jusqu'à -80 dB à ≈ 3F e/4
(Fig. 2.8). La fréquence de Nyquist valant F e/2, ce ltre permet de réduire à un niveau acceptable les
composantes situées au-dessus de la fréquence de Nyquist.

[Link] Echantillonnage fréquentiel

Jusqu'à présent, il n'a été question que de la transformée de Fourier continue. Cependant, l'ana-
lyseur de spectre numérique réalise la transformée de Fourier discrète en utilisant l'algorithme de
transformée de Fourier rapide (FFT ). La transformée n'est donc pas calculée à toutes les fréquences
mais seulement à des intervalles de fréquence choisis.
L'analyseur fournit à l'achage Na points de fréquence en simple voie (typ. Na = 256 pour le

Figure 2.7  Convolution fréquentielle par un sin(x)/x

20

Figure 2.8  Filtre anti-repliement (cas où Fe = 100kHz )

HP3582A) et Na /2 points en double voie (points stockés en mémoire). Une manière de se représenter
les points du spectre présents en mémoire est de penser à la fonction continue sinc(x) masquée par une
plaque munie de nes fentes (Fig. 2.9).

Figure 2.9  Points du spectre en mémoire

On comprend ainsi que chaque emplacement de mémoire (case) est un point de fréquence et que
chaque mot numérique situé à cet emplacement représente l'amplitude et la phase de ce point.
[Link] Interprétation de l'achage - Fuite d'énergie

La partie achage de l'appareil contient le matériel et le logiciel nécessaires pour que les points
achés soient reliés par des segments de droite.
A cause de l'échantillonnage fréquentiel, on pourra avoir selon les cas un spectre aché qui présente
plus ou moins le phénomène de fuite d'énergie (leakage ) : l'amplitude de la raie visualisée est
diminuée par rapport à la courbe continue (comparer les Fig. 2.10 et 2.11).

Figure 2.10  Achage sur le tube cathodique des points stockés en mémoire
 21

Figure 2.11  Fuite d'énergie : cas où f0 est située entre 2 cases mémoire

[Link] Fenêtre de pondération

Une méthode pour réduire les fuites d'énergie consiste à modier la fenêtre de pondération appliquée
au signal temporel. L'analyseur propose trois types de fenêtre (cf. Notice). Mais il y a toujours un
compromis lobe secondaire/largeur de bande à réaliser, qui revient nalement à un compromis
précision en amplitude/résolution en fréquence .
L'application d'une fenêtre de pondération a lieu au moment où les données temporelles sont
transférées de la mémoire tampon de l'enregistrement accumulé vers une autre mémoire tampon où
s'eectue la transformation de Fourier rapide (Fig. 2.12).

Figure 2.12  Flux des données

22
2.1.2 Paramètres d'une analyse spectrale

Table 2.1  Paramètres d'analyse pour une voie (cas du HP3582A).

Excursion N.∆t = Durée ∆f = Ecart entre Résolution

d'enregistrement points de calcul Toit plat Hanning Rectangle
(Hz) (s) (Hz) (Hz) (Hz) (Hz)
1 250 0,004 0,0145 0,006 0,004
2,5 100 0,01 0,0363 0,015 0,01
5 50 0,02 0,0726 0,03 0,02
10 25 0,04 0,145 0,06 0,04
25 10 0,1 0,363 0,15 0,1
50 5 0,2 0,726 0,3 0,2
100 2,5 0,4 1,45 0,6 0,4
250 1 1 3,63 1,5 1
500 0,5 2 7,26 3 2
1k 0,25 4 14,5 6 4
2,5 k 0,1 10 36,3 15 10
5k 0,05 20 72,6 30 20
10 k 0,025 40 145 60 40
25 k 0,01 100 363 150 100

Les paramètres d'analyse pour 2 voies (INPUT MODE sur BOTH) sont le double pour l'écart entre
points et la résolution, et la moitié pour la durée d'enregistrement, car il n'y a qu'un convertisseur
A/D pour les deux voies.
[Link] Excursion

Après échantillonnage, les données sont traitées par un ltre numérique spécial de manière à se
situer dans la bande de fréquences intéressante (excursion choisie) avant d'être stockées en mémoire
pour analyse.
Dans les modes d'analyse de bande SET START et SET CENTER, on dispose d'une commande
de fréquence variable (bouton ADJUST) qui accorde un oscillateur local numérique permettant
de modier la fréquence initiale ou centrale d'analyse (principe du changement de fréquence). On peut
aussi choisir la fréquence initiale ou centrale en se servant du bouton MARKER SET FREQ.
[Link] Résolution

La résolution fréquentielle est achée sur l'analyseur en bas à droite de l'écran (BW). C'est
la largeur de bande du ltre (Bandwidth), qui correspond en pratique à la largeur à mi-hauteur des
raies spectrales. Elle est sélectionnée automatiquement par l'appareil en fonction de l'excursion et de
la fenêtre de pondération choisie (tableau 1).
La résolution du marqueur est égale à l'écart entre points de calcul (cf. tableau 19.1).
[Link] Durée d'acquisition

Les mesures de spectres sont eectuées en temps réel pour les excursions de fréquence inférieures
à 500 Hz, ce qui correspond à une durée d'enregistrement supérieure à 0,5 s. Ici, temps réel signie
un temps de traitement inférieur au temps d'acquisition des données, de sorte qu'aucune des
données n'est perdue pendant l'attente de traitement.
Pour les excursions étroites, le temps d'acquisition des données doit être augmenté pour procurer
la résolution susante (cf. tableau 1).
 23
Pour les excursions larges, le temps d'acquisition des données est faible et c'est la vitesse de trai-
tement qui devient le facteur limitatif : on ne peut plus alors traiter en temps réel.
2.1.3 Spectres aberrants
Le HP 3582A peut acher des spectres sans relation avec le signal d'entrée dans les cas suivants :
- en mode SET START ou SET CENTER, il peut apparaître des raies spectrales au-delà de 26
kHz. Ces spectres proviennent des alimentations à commutation et d'un signal de contrôle de conversion
analogique-numérique.
- analyse de données dans des conditions de surcharge (OVERLOAD).
2.1.4 Moyennes
L'analyseur ore diérentes possibilités de faire des moyennes à partir de plusieurs réalisations
du signal. Une distinction importante est à faire entre la moyenne quadratique (RMS) et la moyenne
temporelle (TIME).
L'option RMS réalise une moyenne de spectres , ce qui lisse les variations dues au bruit sur le
spectre mais ne réduit pas le niveau de bruit sur le signal enregistré, donc n'améliore pas le rapport
signal sur bruit.
L'option TIME au contraire réalise un spectre de moyennes : le signal temporel est moyenné
sur plusieurs réalisations avant d'être traité, ce qui réduit le bruit avant la transformation, donc
améliore le rapport signal sur bruit. Cette option nécessite évidemment un signal de déclenchement
synchronisé avec la portion discrète du signal à moyenner.

2.1.5 Modes de déclenchement

Les commandes de déclenchement déterminent l'instant où commence l'échantillonnage du signal
d'entrée pour l'analyse.
Lorsque la commande LEVEL est dans la position FREE RUN, les données sont saisies aussi vite
que le permet leur traitement : l'instant de déclenchement n'est donc pas maîtrisé.
Par contre, hors de la position FREE RUN, on peut choisir l'instant de déclenchement. Le déclen-
chement peut provenir de l'une des deux sources suivantes, selon la position du commutateur situé à
l'arrière de l'appareil (EXT/INT) :
- un niveau de signal sur l'entrée du canal A (déclenchement interne),
- une entrée de niveau TTL sur le panneau arrière (déclenchement externe).
Pendant la saisie des données, le voyant lumineux DATA LOADING est allumé. La commande
LEVEL et le commutateur SLOPE déterminent la partie du signal (niveau et pente) qui initialise le
déclenchement.
Le commutateur REPETITIVE en position OFF met l'appareil en mode de fonctionnement à ba-
layage unique (déclenchement mono-coup ). Dans ce mode, il est possible d'obtenir un déclenchement
comme décrit ci-dessus, mais seulement après avoir activé les circuits de déclenchement au moyen d'un
ordre d'armement (pression sur le bouton ARM pour armer le déclenchement). Un voyant lumineux
indique si l'ordre d'armement a été donné. En réglant le niveau de déclenchement (bouton LEVEL
hors position FREE RUN), on valide un balayage unique.
24
Chapitre 3

MODULATION

3.1 Modulations d'amplitude

3.1.1 Introduction
La transmission à grande distance d'un message m(t) basse fréquence ne peut s'eectuer par voie
hertzienne qu'à la condition d'utiliser un support H.F. Ce support appelé porteuse contient le message
m(t). On étudie ici quelques méthodes simples de modulation de l'amplitude de la porteuse par le
message et la restitution de ce message à la réception.

[Link] Rappel

un message peut être représenté dans deux domaines. Prenons par exemple un signal sinusoïdal
m(t) = Am sin 2πfm t.
 Domaine temporel : visualisation à l'oscilloscope par exemple (Fig. 3.1a).
 Domaine fréquentiel : visualisation à l'analyseur de spectre (Fig. 3.1b). La présence d'un seule
raie à la fréquence fm permet d'armer que le signal m(t) est sinusoïdal pur de fréquence fm .
N.B. : seules sont représentées les fréquences positives.

Figure 3.1  Deux domaines : a) temporel ; b) fréquentiel.

3.2 Modulation d'amplitude (AM)

3.2.1 Modulation
[Link] Principe

Le signal modulant m(t) = Am sin 2πfm t passe d'abord par un atténuateur variable K (0 ≤ K ≤ 1).
Pour simplier, on prendra Am = 1 sans perte de généralité. On ajoute ensuite une composante continue
au signal Km(t) avant de le multiplier par la porteuse (Fig. 3.2).
26

Figure 3.2  Principe de la modulation d'amplitude.

[Link] Représentation temporelle de r(t)

Le signal modulé r(t) s'écrit :
r(t) = Ap (1 + K sin 2πfm t) sin(2πfp t) fp >> fm

L'amplitude de r(t) est proportionnelle à m(t), le coecient de proportionnalité K étant le taux de

modulation variable de 0 à 100% (Fig. 3.3a).
[Link] Représentation fréquentielle

Le signal r(t) peut s'écrire :

KAp
r(t) = Ap sin 2πfp t + [cos 2π(fp − fm )t − cos 2π(fp + fm )t].
2
On aura donc trois raies sur l'analyseur de spectre (Fig. 3.3b).

Figure 3.3  a) Représentation temporelle de r(t) ; Représentation fréquentielle de r(t).

3.2.2 Démodulation
[Link] Détection crête

Pour démoduler le signal r(t), il sut d'eectuer une détection crête, c'est-à-dire un redressement
simple alternance suivi d'un ltrage RC passe-bas. On obtient alors un signal m1 (t) proportionnel à
m(t). Le circuit de démodulation est le suivant : Fig. 3.4.
N.B. : Pour améliorer le ltrage d'un signal audio, un ltre passe-bas supplémentaire peut-être
utilisé dont la fréquence de coupure est de 4kHz.
[Link] Détection synchrone

Supposons que l'on multiplie r(t) par un signal sinusoïdal L(t) de fréquence fp (Fig. 3.5a). On
obtient en sortie du multiplieur un signal s(t) de la forme :
s(t) = Ap (1 + K sin 2πfm t) · sin2 (2πfp t).
 27

Figure 3.4  Détection crête en AM.

Soit :
Ap KAp KAp Ap
s(t) = + sin 2πfm t + {sin[2π(2fp − fm )t] − sin[2π(2fp + fm )t]} − cos 4πfp t
2 2 4 2
dont le spectre est représenté Fig. 3.5b. On voit qu'un simple ltrage passe-bas permet de restituer un

Figure 3.5  a) Détection synchrone ; b) Spectre de s(t).

signal m1 (t) proportionnel à m(t). L'inconvénient de cette méthode est qu'elle demande un synchro-
nisme parfait de L(t) avec la porteuse, aussi bien en phase qu'en fréquence.
[Link] Amélioration de la détection synchrone

Le signal L(t) de la détection synchrone est créé, à partir du signal r(t) à démoduler, par un
comparateur délivrant un signal carré de fréquence fp en phase avec le sinus. Le schéma synotique de
la démodulation est alors celui de la Fig. 3.6. Le signal carré impair L(t) peut être décomposé en série

Figure 3.6  Création du signal synchrone.

de Fourier (cf. annexe) soit :
 
4 1 1
L(t) = sin 2πfp t + sin 2π3fp t + sin 2π5fp t + · · ·
π 3 5

Le produit de L(t) avec r(t) donne un signal s(t) dont le spectre est représenté sur la Fig. 3.7. Un
simple ltrage passe-bas permet alors la restitution du signal m1 (t). L'avantage de cette méthode est
le parfait synchronisme de L(t) avec la porteuse.
28

Figure 3.7  Spectre de s(t).

3.3 Modulation sans porteuse et modulation à bande latérale unique

3.3.1 Modulation sans porteuse
Soient m(t) le message BF et p(t) la porteuse HF. Par simple multiplication analogique de m(t) et
p(t), on obtient un signal modulé sans porteuse r(t) (Fig. 3.8).

Figure 3.8  Mélangeur équilibré.

[Link] Représentation temporelle de r(t)

Les expressions des signaux m(t) et p(t) sont données par :
m(t) = Am sin 2πfm t ; p(t) = Ap sin(2πfp t) ; fp >> fm

On aura donc r(t) = Am Ap sin 2πfm t · sin 2πfp t dont la représentation est donnée sur la Fig. 3.9a.
[Link] Représentation fréquentielle de r(t)
Le signal r(t) peut encore s'écrire :
Ap Am
r(t) = [cos 2π(fp − fm )t − cos 2π(fp + fm )t].
2

On voit apparaître deux sinusoïdes de fréquence fp − fm et fp + fm et d'amplitude égale à A 2A . le

p m

spectre de r(t) sera donc celui de la Fig. 3.9b. On remarque qu'il n'existe pas de raie pour la fréquence
fp d'où le nom de modulation sans porteuse.

3.3.2 Principe de la modulation BLU

Si l'on prend le spectre d'un signal modulé sans porteuse (Fig. 3.9), on s'aperçoit que les deux raies
fp − fm et fp + fm appelées bandes latérales inférieure et supérieure contiennent chacune la même
information fm , ce qui veut dire que l'on peut fort bien se passer de l'une d'entre elles.
La modulation B.L.U. (Single Side Band SSB en anglais) utilise ce principe : dans un premier
temps, on produit une modulation sans porteuse, puis à l'aide d'un ltre passe-bande très sélectif, on
extrait soit la bande latérale inférieure (B.L.I), soit la bande latérale supérieure (B.L.S.) Par exemple
pour la B.L.S. : Fig. 3.10.
 29

Figure 3.9  a) Représentation temporelle de r(t) ; b) Représentation fréquentielle de r(t).

Figure 3.10  Modulation B.L.S.

3.3.3 Représentation temporelle et fréquentielle
Après ltrage passe-bande du signal modulé sans porteuse r(t), on obtient :
1
B(t) = Ap Am cos 2π(fp − fm )t
2
pour la B.L.I.
ou : 1
B(t) = − Ap Am cos 2π(fp + fm )t
2
pour la B.L.S.
On a donc une sinusoïde pure dans le domaine temporel et une seule raie dans le domaine fréquentiel.
3.3.4 Démodulation B.L.U.
Rappelons que le signal B(t) à démoduler est de la forme :
B(t) = A cos 2π(fp ± fm )t.
La démodulation BLU s'eectue par détection synchrone, le signal L(t) étant sinusoïdal de fréquence
fp (Fig. 3.11). Dans le cas de la BLS, le signal s(t) est donné par :

Figure 3.11  Schéma synoptique de la démodulation BLU

s(t) = A cos 2π(fp + fm )t · sin(2πfp t + φ)
A A
s(t) = sin[2π(fp + fm )t + φ] − sin(2πfm t − φ)
2 2
On peut donc retrouver m1 (t) qui est proportionnel à m(t) par un ltrage [Link] que si la
fréquence du signal L(t) doit impérativement être égale à celle de la porteuse, il n'est par contre pas
obligatoire que L(t) soit en phase avec la porteuse.
30
3.4 Modulation de fréquence
3.4.1 Principes
Considérons une porteuse y0 (t) = a sin(Ω0 t + ϕ0 ) et un signal à transmettre s(t) = A cos ωt.
Pour transmettre ce signal, on peut moduler :
 soit l'amplitude de la porteuse,
 soit la phase de la porteuse,
 soit la fréquence de la porteuse.
On ne s'occupe pas ici du cas des modulations d'amplitude (modulations AM et BLU).
On dira que la porteuse est modulée en phase si l'on ajoute à la phase de la porteuse une quantité
proportionnelle à s(t). On aura alors :
y(t) = a sin(Ω0 t + kA cos ωt + ϕ0 ) (3.1)
La porteuse sera modulée en fréquence si l'on ajoute à la pulsation instantanée Ω0 de la porteuse une
quantité proportionnelle à s(t). On aura
R alors :
Ω(t) = Ω0 + k A cos ωt ⇒ ϕ(t) = Ω(t)dt = Ω0 t + kωA sin ωt + ϕ0 et :
0
0

k0 A
y(t) = a sin(Ω0 t +
ω
sin ωt + ϕ0 ). (3.2)
La distinction entre modulation de phase et modulation de fréquence est conventionnelle, les deux
types de modulation étant de même nature et toujours simultanées. On passe facilement d'un type
de modulation à l'autre par simple intégration ou dérivation du signal modulant. Par exemple, pour
obtenir un signal modulé en fréquence, il y a deux schémas possibles (Fig. 3.12a). De même, pour
obtenir un signal modulé en phase, il y a deux schémas possibles (Fig. 3.12b).

a) b)

Figure 3.12  Modulation : a) de fréquence ; b) de phase

3.4.2 Spectre d'une onde modulée en fréquence

L'expression d'une onde modulée en fréquence est donnée par :
y(t) = a sin(Ω0 t + msinωt) (3.3)
où m = ∆F/f est l'indice de modulation en fréquence, ∆F la valeur crête de l'excursion de fréquence
instantanée (ou déviation crête), f = 2πω la fréquence du signal modulant et Ω0 = 2πF0 la pulsation
de la porteuse. L'expression (3.3) se développe en :
y(t) = a[sin Ω0 t. cos(m sin ωt) + cos Ω0 t. sin(m sin ωt)].
 31
Les formules de Neuman donnent :
+∞
P
sin(x sin r) = 2 J2n+1 (x) sin [(2n + 1)r] = 2J1 (x) sin r + 2J3 (x) sin 3r + · · ·
−∞
+∞
P
cos(x sin r) = J0 (x) + 2 J2n (x) cos(2nr) = J0 (x) + 2J2 (x) cos 2r + 2J4 (x) cos 4r + · · ·
n=1

Dans ces formules, Jn (x) sont les fonctions de Bessel de première espèce d'ordre n.
On obtient alors : 
J0 (m) sin Ω0 t + 2J1 (m) sin ωt · cos Ω0 t + 2J2 (m) cos 2ωt · sin Ω0 t
y(t) = a
 +2J3 (m) sin 3ωt · cos Ω0 t + · · · 
 J0 (m) sin Ω0 t + J1 (m)[sin(Ω0 + ω)t − sin(Ω0 − ω)t] 
y(t) = a +J2 (m)[sin(Ω0 + 2ω)t + sin(Ω0 − 2ω)t]
+J3 (m)[sin(Ω0 + 3ω)t − sin(Ω0 − 3ω)t] + · · ·
 

Comme J−n (x) = (−1)n Jn (x), on peut écrire :

+∞
(3.4)
X
y(t) = a Jn (m) sin(Ω0 + nω)t
−∞

Ce résultat montre que, même dans le cas de la modulation sinusoïdale, le spectre théorique de l'onde
modulée en fréquence se compose d'une raie de pulsation Ω0 correspondant à la porteuse et d'une
innité de raies latérales. En fait lorsque |n| augmente, l'amplitude des raies devient rapidement né-
gligeable. La gure Fig. 3.13 montre le spectre d'une onde modulée en fréquence, et rend compte des
particularités de phase qui apparaissent dans la formule (Eq. 3.4).

Figure 3.13  Spectre d'une onde modulée en fréquence

Les g. 3.14 et 3.15 donnent les valeurs des fonctions de Bessel de première espèce Jn en fonction
de l'indice de modulation m.
On voit que si l'indice est très faible (modulation peu profonde), on n'a pratiquement que la porteuse
et un couple de raies latérales comme en modulation d'amplitude.
On constate qu'à partir d'un certain rang n0 dépendant de l'indice m, les amplitudes des raies
latérales décroissent rapidement et deviennent négligeables. La largeur du spectre est donc limitée en
pratique et fonction croissante de m.
On détermine souvent la largeur de bande B nécessaire à la transmission du signal au moyen de la
formule approchée suivante :
B = 2(∆F + f ) = 2(m + 1)f (3.5)
[Link] Cas d'une porteuse rectangulaire

Il est souvent plus commode de générer un signal rectangulaire qu'un signal sinusoïdal.
Le fondamental du signal rectangulaire est toujours en phase avec le signal lui-même, si bien que ce
fondamental conserve la modulation de fréquence. Si la fréquence F0 de la porteuse est très supérieure
à la fréquence maximale du signal modulant, il sera facile d'éliminer par ltrage les composantes
supplémentaires dues aux harmoniques de la porteuse.
Inversement, on peut sans inconvénient faire subir à une onde quasi-sinusoïdale une déformation
indépendante du temps sous réserve de l'élimination ultérieure des fréquences parasites produites.
Cette propriété est mise à prot dans les limiteurs dont le rôle est de supprimer la modulation
d'amplitude parasite sans modier la modulation angulaire.
32

Figure 3.14  Fonction de Bessel de 1ère espèce : graphes

3.4.3 Production d'oscillations modulées en fréquence

On utilise la propriété énoncée au paragraphe précédent, c'est-à-dire que la porteuse est un signal
rectangulaire.
[Link] Multivibrateurs modulables en fréquence

Il est possible de fabriquer des montages astables dont la période dépend d'une tension ou d'un
courant de commande. Ces dispositifs sont actuellement très utilisés car ils existent sous la forme de
circuits intégrés.
La Fig. 3.16a) montre un exemple d'oscillateur commandé par un courant. La caractéristique du
trigger de Schmitt est représentée sur la Fig. 3.16c). Les tensions aux points N et S du montage de la
Fig. 3.16a) sont représentées à la Fig. 3.16b).
On montre facilement que l'on a : T # 2CI (V2 − V1 ) ⇔ F = 2C(V −V ) .
0I

On voit que la fréquence des oscillations est proportionnelle au courant I0 . Le courant I0 peut être
0 2 1

obtenu à partir d'une tension au moyen d'un convertisseur tension-courant.

Un oscillateur commandé par une tension est généralement désigné par l'abréviation V.C.O. (Vol-
tage Controlled Oscillator).

3.4.4 Démodulation des ondes modulées en fréquence

On n'étudie ici que les discriminateurs à déphasage dans lesquels on introduit entre deux signaux
un déphasage dépendant de la fréquence. Il existe deux groupes de dispositifs de ce type :
 dans un cas, on additionne vectoriellement les deux signaux déphasés, puis on détecte l'enveloppe ;
 dans l'autre, on multiplie entre eux les deux signaux déphasés, puis on ltre les composantes
indésirables.
3.4.5 Discriminateur de Foster-Seeley
La g. 3.17 donne le schéma de principe du discriminateur.
 33

Figure 3.15  Fonction de Bessel de 1ère espèce : tableaux

Lorsque F = F0 , on a : V~0 + V~1 = V~0 − V~1 ⇒ VA = VB ⇒ VAB = 0 ;

Lorsque F 6= F0 , on a : V~0 + V~1 6= V~0 − V~1 ⇒ VAB 6= 0.
V0 est en phase avec la porteuse, V1 est une tension déphasée de π/2 pour F = F0
et de π/2 + ∆Φ pour F 6= F0 .
Les tensions V~1 déphasées par rapport à V~0 sont obtenues au moyen d'un transformateur accordé
à faible couplage magnétique. On obtient alors le schéma de la g. 3.18.
Le point milieu du secondaire est une masse virtuelle pour les composantes BF, ce qui symétrise
bien le circuit. L'étude du circuit peut s'eectuer de la manière suivante (Fig. 3.18b en posant, par
34

Figure 3.16  a) oscillateur commandé en courant b) chronogramme c) trigger de Schmidt

Figure 3.17  Schéma de principe du discriminateur

simplicité, V2 = 2V1 par rapport à la Fig. 3.18a) :


 V0 = jL0 ωI0 + jM ωI2

V2 = jM
 ωI0 + jL2 ωI
2 (3.6)
 I2 = − 1 + jC2 ω V2

R2

Figure 3.18  a) Réalisation du discriminateur ; b) Schéma simplié

 35
On en déduit de ce système
V2
V0
=
L0

1
   (3.7)
M + jω LM
2 L0 1
R2 + jC2 ω − jM ω R12 + jC2 ω
√
En introduisant le coecient de couplage k = M/ L0 L2 , on obtient :
√
V2
V0
=
k L2 L0
L2
(3.8)
1 − (1 − k 2 )L2 C2 ω 2 + j R2
ω(1 − k 2 )

L'expression (3.8) est une fonction de transfert du deuxième ordre avec :

s
1 1 (1 − k 2 )L2
ω0 = p ;ξ =
(1 − k 2 )L2 C2 2R2 C2

Si k2 << 1 (couplage faible), on a : ω0 # L C ; ξ # 2R2 CL22

q
√ 1 1

La courbe de réponse en phase du circuit est donnée Fig. 3.19a :

2 2

Figure 3.19  a) réponse en phase ; b) courbe de discrimination

Le déphasage de V~2 par rapport à V~0 varie presque linéairement autour de F0 dans une plage de
fréquence que l'on peut ajuster au moyen du facteur d'amortissement du secondaire . On obtient alors
la courbe de discrimination du circuit de la Fig. 3.19b.
Le discriminateur de Foster-Seeley est sensible à la modulation d'amplitude qui doit donc être
préalablement éliminée.
3.4.6 Détecteur de quadrature
Il s'agit encore de discriminateur à déphasage, mais la démodulation se fait d'une façon complète-
ment diérente.
3.4.7 Détecteur de quadrature analogique
Le schéma de principe est donné sur la g. 3.20.
Le déphasage ϕ doit dépendre de la pulsation ω pour que la tension de sortie soit fonction de la
pulsation ω à l'entrée. En particulier, si l'on utilise un déphaseur du deuxième ordre accordé sur la
fréquence de la porteuse, ϕ prendra la valeur ±π/2 pour cette fréquence et le signal de sortie sera nul
pour cette fréquence.
3.4.8 Détecteur de quadrature digital
L'élément délicat du schéma précédent est le multiplieur analogique qui est relativement dicile à
mettre au point. Aussi, il peut être avantageux de transformer les signaux quasi-sinusoïdaux en signaux
carrés puis d'eectuer la multiplication au moyen d'un simple OU exclusif.
Le schéma de principe est alors celui de la g. 3.21.
La g. 3.22 donne les chronogrammes des signaux aux points A, B , M , N et P .
36

Figure 3.20  Principe du détecteur analogique

Figure 3.21  Principe du détecteur numérique

La valeur moyenne des signaux rectangulaires obtenus en P vaut :

Z t0 +T /2    
2 2E 2ϕ T 2ϕ
< Vp >= Vp (t)dt = − =E −1 .
T t0 T ω 2 π

Cette valeur moyenne peut être obtenue par ltrage. On obtient alors la caractéristique de discrimina-
tion de la Fig. 3.23.
Ce dicriminateur est insensible à une éventuelle modulation d'amplitude puisqu'il comporte une
mise en forme préalable.
 37

Figure 3.22  Chronogrammes des signaux

Figure 3.23  Caractéristiques du discriminateur

38
 Deuxième partie

TRAVAUX PRATIQUES
Chapitre 4

TP1 - SIMULATION (Matlab)

4.1 Introduction
Le TP se déroule en 2 temps : une première partie sur l'analyse spectrale, une deuxième partie sur
la conception de ltre numérique. Le compte-rendu du TP est à rendre en n de séance.
Tous les chiers Matlab sont stockés sur le réseau (webcampus de l'université, Cours LicProEI,
UE.4, Module TS). Le programme d'initiation LPEI_TP1.M illustre ce qu'on peut faire : il est
conseillé de l'exécuter et l'éditer au début pour découvrir l'objet du TP.
4.1.1 Rappels préliminaires
 Pour tout signal réel, le spectre est symétrique (même énergie du côté des fréquences négatives)
=> on n'observe le spectre que pour les fréquences positives.
 Pour tout signal échantillonné (période Te ), le spectre est périodisé tous les Fe .
 Le DSF d'un signal carré est du type (harmoniques impairs décroissant en 1/x) :
+∞
4A X sin [(2n + 1) ω0 t]
s(t) =
π 2n + 1
n=0

4.2 Analyse spectrale par TFD (FFT)

L'objectif de cette 1ère partie du TP est de tester les performances et les limites d'une analyse
spectrale numérique par FFT pour comprendre l'inuence des principaux paramètres d'analyse.
On fournit 4 fonctions matlab (qui peuvent être appelées dans un programme principal) :
 sinus.m : génération d'un signal sinusoïdal
 carre.m : génération d'un signal carré
 spectre.m : calcul du spectre d'un signal (par FFT)
 apod.m : génération d'une fenêtre de pondération temporelle à appliquer sur un signal
et 5 programmes exécutables (taper simplement le nom du pgm dans la fenêtre de commande Matlab
pour l'exécuter, ou utiliser la èche verte Run)
 tfd1.m : étude générique (avec menu de choix des paramètres)
 tfd0.m : étude de l'écrêtage d'un signal (avec menu de choix des paramètres)
 tfd3.m : étude des fenêtres de pondération temporelle (avec menu de choix des paramètres :
Hanning, Hamming, Blackman, etc.)
 tfd2.m : démo illustration de signaux carrés (signaux CAR1 et CAR2)
 tfd4.m : démo illustration de l'inuence de Fe et Ne (signaux SIN3 et SIN4)
 tfd5.m : démo illustration du zéro padding (ajout d'échantillons nuls à la n du signal)
On testera diérents signaux (dont ceux qui sont proposés dans l'énoncé à la section 8.2) et on
commentera les spectres obtenus en fonction des conditions choisies (copie d'écran des signaux et
spectres utiles).
NB : on pourra éditer les chiers pour se familiariser avec la syntaxe Matlab, et éventuellement
écrire son propre programme à partir des exemples et des fonctions fournies.
42
La g. 4.1 illustre les sorties graphiques des programmes.

Figure 4.1  Analyse spectrale : a) signal échantillonné b) spectre obtenu.

4.3 Conception de ltre numérique par TZ

L'objectif de cette 2ème partie du TP est d'apprendre à concevoir un ltre numérique à partir du
choix des pôles et zéros de la fonction de transfert en Z : H(z).
On étudiera l'inuence de la présence et de la position des pôles et zéros dans le plan complexe
(stabilité, amortissement, résonance, antirésonance, etc.)
Pour terminer, on essaiera de concevoir un ltre passe-bande de bande passante [500Hz; 1500Hz]
avec des pentes assez raides aux coupures et pas trop d'ondulations dans la bande passante, ni de
surtensions lors des transitions aux coupures.
Le programme fourni POLZERO.M permet de concevoir et simuler un ltre numérique à partir
de sa fonction de transfert.
La Fig. 4.2 donne un exemple des sorties graphiques fournies par le programme.

Figure 4.2  Filtre numérique : a) position des pôles et zéros ; b) courbes de Bode ; c) réponse
impulsionnelle.
Chapitre 5

TP2 - MODULATION (et Analyseurs)

5.1 Modulation d'amplitude

NB : Pour la théorie : voir la section 3.1
5.1.1 Manipulation
1. Générer un signal modulé en amplitude (porteuse fp = 500kHz, signal BF modulant sinusoïdal
fm = 20kHz . Visualiser à l'oscilloscope le signal modulé puis son spectre (bouton gris MATH :
opération FFT de l'oscillo). Faire les copies d'écran.
NB : on déclenchera l'oscilloscope sur TRIG EXT par la sortie arrière MOD OUT du générateur
(qui fournit le signal modulant). On observera en synchronisme les 2 signaux : modulant et
modulé.
Mode opératoire du générateur :
appuyer sur touche AM puis sur MENU plusieurs fois, puis AM pour sortir.
Mode opératoire de l'oscilloscope :
pour faire des copies d'écran via le PC, utiliser l'icône OpenChoice Desktop.
pour voir le spectre numérique (calcul FFT sur 2048 points) : bouton gris MATH MENU >
FFT > choix : fenêtre (rectangle, Hanning, at-top) ; zoom (×1, ×2, ×5 ou ×10) ; VOLTS/DIV
pour amplitude en dB ; HORIZ POS pour décaler fréquence centrale ; SEC/DIV pour modier
résolution fréquentielle (et Fe)
Fig. 5.1

Figure 5.1  Signal modulant sinusoïdal, modulé AM et spectres comparatifs

2. Mesurer l'amplitude des 3 raies présentes et comparer à la théorie.
3. Changer les paramètres des signaux (fréquence, amplitude, taux de modulation) et commenter
les résultats sur le signal et sur le spectre.
4. Se mettre en sur-modulation et commenter le résultat.
5. Changer de type de signal modulant (signal carré, en dents de scie ou triangulaire) et observer
les modications correspondantes sur les spectres. Mesurer les amplitudes et fréquences des raies
présentes.
44

Figure 5.2  Comparaison de spectres pour signal modulant carré

Connaissant les DSF de ces signaux, interpréter les résultats.

5.2 Comparaison d'analyseur de spectre : analogique vs. numérique

Dans cette partie, on va comparer les performances d'un analyseur de spectre analogique avec un
analyseur de spectre numérique à FFT, qui sont basés sur deux principes très diérents : ltrage analo-
gique passe-bande très étroit d'une part, échantillonnage et calcul numérique d'autre part. On étudiera
pour ce faire des signaux AM bien choisis (fréquence porteuse grande 2M Hz ou petite 100kHZ , signal
modulant sinusoïdal ou carré, fréquence modulante 20kHz ou 5kHz etc.)
Mode opératoire de l'Analyseur de spectres analogique FI8010 :
-lancer le programme de communication GWGSP810Try
-le bouton SHUTTER permet ensuite une copie d'écran au format JPEG.
-principaux réglages : boutons CENTER (fréq. centrale), SPAN (excursion en fréquence), RBW
(largeur de bande du ltre d'analyse), REF LEVEL pour l'amplitude.
NB : On prendra par défaut au début : fp = 2M Hz, fm = 20kHz.
1. Mettre en évidence le repliement de spectre sur le Tektro. On indiquera les conditions dans
lesquelles on se place pour cela. Expliquer.
2. Inuence des fenêtres de pondération sur la FFT (utiliser les marqueurs pour des mesures pré-
cises) ?
3. Comparer les limites de bande passante des 2 appareils.
4. Comparer les limites de résolution fréquentielle des 2 appareils.
5. Conclusion : lister les avantages et inconvénients des 2 analyseurs de spectre.

5.3 Analyse spectrale d'une onde modulée en fréquence

NB : pour la théorie, voir la section 3.4.

5.3.1 Manipulation
Par défaut, on prendra une porteuse sinusoïdale : fp = 200kHz et Ap = 5Vpp et on utilisera
l'analyseur à FFT.
1. Eectuer une modulation de fréquence avec un signal modulant sinusoïdal de fréquence f = 5kHz
et de déviation crête ∆F = 5kHz. Calculer m. Visualiser le spectre initial. Mesurer les raies et
comparer à la théorie (cf. amplitude des fonctions de Bessel).
2. Augmenter l'amplitude de la déviation ∆F . Commenter l'évolution du spectre.
 45
3. Etude spectrale pour f = 5kHz et m = 3 :
Ajuster la tension modulatrice (c-à-d la déviation) pour se mettre dans la condition requise. On
rappelle que m = |∆Ff | , où f est la fréquence de modulation, et ∆F la déviation de la porteuse.
Visualiser le spectre obtenu (en indiquant la valeur de la déviation). Mesurer la fréquence et
l'amplitude des raies principales. Comparer avec les spectres théoriques : nombre de raies si-
gnicatives ? Amplitude de celles-ci ? Largeur du spectre ? Comparer avec la formule approchée
(Eq. 3.5).
4. Spectre pour f = 10kHz et m = 1.5 puis m = 2 : même étude que ci-dessus. Amplitude des
raies ? Largeur des spectres ?
5. Conclusion : comparer AM et FM (notamment pour l'encombrement spectral).

Figure 5.3  Spectres de modulation FM : a) FFT m = 1 b)analogique m = 1 c) FFT m = 3

5.4 Annexe technique

5.4.1 Analyseur de spectre analogique FI8010
La Fig. 5.4 donne le principe.

Figure 5.4  Principe d'un analyseur de spectre analogique

La Fig. 5.5a) montre la face avant de l'analyseur et la Fig. 5.5b) illustre un écran type.
La Fig. 5.6 fournit ses caractéristiques techniques.
46

Figure 5.5  Analyseur FI8010 : a) face avant de l'appareil ; b) vue d'écran

5.4.2 Analyseur de spectre numérique Tektro TDS210

Risque de repliement de spectre (Fig. 5.7).
La Fig. 5.8 montre les spectres de diérentes fenêtres.
 47

Figure 5.6  Caractéristiques techniques du FI8010

48

Figure 5.7  a) Ecran Oscillo FFT ; b) Repliement de spectre

Figure 5.8  Caractéristiques fréquentielles des fenêtres de pondération

Chapitre 6

TP3 - FILTRAGE (LabVIEW)

6.1 Filtrage de signaux

N.B. Le TP dure 3 heures et comporte trois parties. On rendra un compte-rendu (version papier
ou électronique) en n de séance.
On utilisera au départ le V.I. TP_TSlpei0.vi disponible dans le répertoire réseau (Fig. 6.1) :
/docgim/DocCours/2A_EEA/deLuthon.

Figure 6.1  VI TP_TSlpei0.vi

1. Prendre en main le programme en traitant un signal sinusoïdal de fréquence f et d'amplitude A à
choisir. Tester un ltre passe-bas de coupure fc à choisir et interpréter les spectres. On joindra au
compte-rendu toute impression d'écran utile. On donnera tout paramètre utile à l'interprétation,
[Link]. Fe , Ne , fc f , A etc.
2. Tester un autre signal (non sinusoïdal) de votre choix (carré, triangle ou DDS) et choisir un ltre
pour extraire uniquement la fréquence fondamentale, ou bien l'harmonique 3.
Commenter le résultat sur le signal ltré, et sur les spectres.
3. Essayer diverses fenêtres de pondération (Hanning, Hamming, Blackman etc.). Mesurer préci-
sément les amplitudes et comparer la qualité des mesures par rapport à la théorie donnée par
l'expression des DSF de ces signaux.
4. Essayer divers ltres et divers paramétrages de ces ltres.
5. Ecouter diverses fréquences pures : 300Hz, 1kHz, 3kHz etc.

6.2 Filtrage de signal audio

On utilisera pour commencer le V.I. TP_TSlpei1.vi. Ensuite on pourra compléter ou modier
le programme et le sauvegarder dans un autre chier. Plusieurs chiers de sons .WAV sont mis à
50
disposition pour tester divers cas (voix d'homme, femme, cri de bébé, piano, guitare...)
Précaution : baisser le volume sonore du PC avnt de connecter le casque-micro en face avant.
1. Rappeler quelle est la bande passante des signaux audio (norme téléphonique, norme HiFi ?)
2. Rappeler ce que stipule le théorème de Shannon. Choisir alors Fe .
3. Filtrer le signal pour obtenir un son plus grave, plus aigü (ltre passe-bas, passe-haut). Zoomer
sur le signal et le spectre et commenter les diérences. Mesurer les fréquences principales et leur
amplitiude.
4. Implanter un ltre passe-bande pour sélectionner une fréquence particulière. Tester : on indiquera
le chier de son choisi et les paramètres du ltre.

6.3 Traitement d'un enregistrement

1. En s'inspirant du programme précédent et en utilisant le VI-Express d'entrée de signal sonore
Acquérir un son, écrire un programme qui permet de : s'enregistrer, ltrer sa voix, acher
signaux et spectres correspondants et jouer le son avant et après ltrage.
2. On joindra au compte-rendu le VI réalisé (diagramme et face-avant).
3. On indiquera tout le paramétrage sélectionné (avec justications)
4. En utilisant le VI de ltrage RII, programmer un ltre passe-bas du second ordre, avec un
paramétrage réglable de l'amortissement ζ et de la fréquecne de coupure fc .
Pour ce faire, on donnera d'abord les équations qui régissent les coecients du ltre (en prenant
[Link]. l'approximation bilinéaire).
5. On donnera les valeurs de coecients du ltre numérique utilisé et sa fonction de transfert H(z).
6. On précisera dans quelle bande de fréquence se situe la voix (dire la phrase prononcée).

6.4 Conclusion sur le TP

Bilan de ce que vous avez appris à l'occasion de ce TP.
Chapitre 7

TP4 - FILTRES ACTIFS : TP LaboREM

à distance
Ce TP se fera à distance via internet :
il permet de caractériser des ltres actifs à base d'amplicateurs opérationnels, en pilotant la
manipulation à distance (avec retour vidéo, bras de robot manipulateur pour le placement, commande
des instruments : générateur, oscilloscope etc.)
Un compte-rendu de TP devra être déposé en ligne sur le webcampus de l'université.
Le travail collaboratif est possible (forum, tchat etc.).
Il faudra aussi répondre à des quizz, diverses enquêtes et l'on peut participer à un Top10 (caractère
ludique de l'application).
52
Chapitre 8

TRAVAUX PRATIQUES (Compléments

Matlab)

8.1 Introduction à Matlab

8.1.1 Principales caractéristiques
Matlab est un environnement logiciel de calcul et visualisation scientique :
 Matlab (pour Matrix Laboratory) repose sur un langage interprété.
 La programmation est aisée car la syntaxe du langage est proche de l'écriture mathématique.
 La donnée de base est la matrice ou tableau (vecteur ou scalaire étant des cas particuliers).
 La dimension des données n'a pas besoin d'être spéciée (ni leur type).
 L'interactivité de Matlab permet de programmer et simuler plus vite qu'en C ou Fortran.
 Matlab est couramment utilisé dans la recherche et l'industrie.
 Les inconvénients éventuels sont la lenteur d'exécution et le coût en mémoire.
Matlab est fourni avec des Toolboxes (boîtes à outils) dédiées à des applications spéciques :
 Ce sont des bibliothèques de fonctions (chiers ASCII d'extension .M)
 Symbolic Math : calcul symbolique (intégrale, équation diérentielle)
 Signal Processing : traitement de signal (ltrage, analyse spectrale)
 System Identication et Control System : automatique (identication, correcteur)
 Image Processing : traitement d'image
Le système interactif MATLAB comporte 5 parties :
 Environnement de développement (fenêtres de commandes)
 Bibliothèque de fonctions mathématiques (algèbre, trigonométrie, transformées)
 Langage (contrôles de ux, fonctions, structures)
 Commandes graphiques (visualisation 2-D et 3-D)
 API de communication avec le C et le Fortran
8.1.2 Environnement de travail
[Link] Session MATLAB

 licence PC sous Windows (jetons)

 double-cliquer sur l'îcone MATLAB pour lancer une session
 fenêtre de commande : pour saisir des variables, écrire des instructions, lancer des programmes
(après le prompt () de l'interpréteur Matlab), et voir des résultats en mode texte
 fenêtre d'éditeur : pour écrire des chiers .M
 fenêtre graphique (Figure) : pour visualiser des courbes
 répertoire de travail par défaut : work (modiable dans startup.m)
[Link] Contrôle de session

 CTRL C : interruption de programme

54
 exit/quit : n de session
 ↑ : rappel de commande précédente
 ! : redonner la main au système d'exploitation
 help <nom de fonction> : aide en ligne (très utile !)
 who/whos : liste des variables en mémoire
 clear : libération de la mémoire vive (très utile !)
 clc : eace la fenêtre de commande.
8.1.3 Langage de programmation
[Link] Principe de la syntaxe

MATLAB est un langage d'expression, i.e. interprété (pas de compilation nécessaire). Il interprète
et évalue en ligne les instructions tapées au clavier.
Une instruction peut être :
 tapée directement dans la fenêtre de commande pour exécution en ligne.
 insérée dans un programme exécutable (chier .M)
 insérée dans une fonction externe (chier .M)
Une instruction est constituée de variables, nombres, opérateurs et fonctions. Elle est de la forme :
variable=expression;
ou simplement :
expression;
Séparateurs :
 une instruction se termine par un point-virgule ( ;) sauf si l'on veut voir à l'écran tous les calculs
intermédiaires auquel cas on utilise à la place le simple retour chariot (<RET>) ou la virgule
(,).
 % : séparateur qui annonce un commentaire dans un chier MATLAB.
[Link] Exemples d'instructions

 formation d'un vecteur-ligne t contenant des instants d'échantillonnage espacés d'une période
Te :
t=0:Te:T; %vecteur-temps échantillonné
 extraction des n premiers échantillons :
t(1:n);
 génération d'un vecteur x contenant les échantillons d'une sinusoïde :
x=A*sin(2*pi*f*t);
A, π, f étant des scalaires, x
récupère la dimension de t (aucune déclaration de type ou de
dimension n'est nécessaire).
 transposition pour former le vecteur colonne correspondant :
y=x';
 formation d'une matrice M de taille 3 × 3 :
M=[a11 a12 a13 ; a21 a22 a23 ; a31 a32 a33];
 extraction du premier coecient de la matrice :
coeff1=M(1,1);

[Link] Opérateurs et constantes

+ - * / ^ '

.* ./ .^ .'

== ~= > < <= >=

pi i j Inf NaN
 55
[Link] Contrôle de ux de données

 for : répétition d'instuctions un certain nombre de fois. Syntaxe :

for variable=scalaire1:scalaire2
instruction;
end
 if : exécution conditionnelle d'instructions. Syntaxe :
if expression1
instruction1;
elseif expression2
instruction2;
end
où expression1 et 2 utilisent les tests d'égalité, diérence ou inégalité.
 while : répétition d'instructions un nombre indéni de fois.
 Autres instructions conditionnelles classiques : switch, continue, break
[Link] Création d'une fonction externe

L'instruction function sert à dénir une nouvelle fonction externe qui étend ainsi le vocabulaire
de Matlab. Les instructions constituant la fonction sont écrites dans un chier d'extension .M et de
même nom que la fonction. La première ligne du chier contient la dénition de la syntaxe de la
fonction. Par exemple dans un chier newfun.m, la 1ère ligne :
function [out1, out2] = newfun(in1)

dénit une nouvelle fonction appelée newfun qui calcule à partir d'une matrice d'entrée in1, deux
matrices de sortie out1 et out2. L'appel à cette nouvelle fonction dans un autre programme se fait
par :
[z,y] = newfun(x);

8.1.4 Bibliothèque de fonctions

[Link] Fonctions graphiques

 : pour spécier les limites des axes d'une gure.

axis
 gure : ouvre une nouvelle fenêtre graphique (Figures No. 2, 3, etc...) qui devient la fenêtre
graphique courante. On peut spécier le numéro de la fenêtre : gure(1).
 grid : ajoute un quadrillage en pointillé sur une gure.
 hold on/o : maintien ou non du tracé précédent dans la fenêtre graphique (pour superposer
des courbes).
 plot : tracé de courbes dans la fenêtre de visualisation. Syntaxe :
plot(x, y, 'type', x1,y1,'type1',...);
où x est le vecteur des abscisses (facultatif), y le vecteur des ordonnées, 'type' le type ou la
couleur du trait (facultatif). On peut spécier en option l'échelle des axes, les légendes, la grille
de façon très souple.
 print : impression de la gure sur l'imprimante :
print -ddeskjet ou -dlaserjet
impression de la gure dans le presse-papier :
print -dmeta ou -dbitmap
impression de la gure dans un chier Postscript :
print nom_fich -deps
 subplot(m,n,p) : division d'une Figure en m x n rectangles et tracé dans le p-ième rectangle.
 : ajoute un titre sur une gure.
title
 xlabel, ylabel : ajoute une légende sur l'axe horizontal (resp. vertical) d'une gure.
 zoom on/o/out : pour dilater une courbe à l'aide des boutons de la souris.
56
[Link] Interaction utilisateur

 disp : achage de texte ou matrices dans la fenêtre de commande. Intérêt : commentaires à

l'exécution.
 echo on/o : contrôle l'achage à l'écran des commandes des chiers d'extension .M lors de
leur exécution. Intérêt : pour debugger ou pour un programme de démonstration.
 input : après l'achage d'un message, attente d'une entrée au clavier avec retour chariot. Syn-
taxe :
x = input('message','s');
où x récupère la valeur ou la chaîne de caractères entrée au clavier. On rajoute 's' dans le cas où
l'entrée au clavier est une chaîne de caractères (string).
 isempty(x) : retourne 1 si l'élément est vide, 0 sinon. Utile pour spécier une valeur par défaut
lors d'une entrée au clavier avec input.
 pause : arrêt temporaire de l'exécution jusqu'à la frappe d'une touche quelconque au clavier.
Cela permet de s'arrêter pour voir à l'écran un graphique.
[Link] Interaction chiers externes

 Transfert matrice <-> chier ASCII : load/save

 Entrée/sortie chier : fopen, fclose, fread, fwrite, fseek, fprintf...
 Accès image externe : imread, imwrite...
[Link] Manipulation de matrices

 length(x) où x est un vecteur : donne la dimension d'un vecteur.

 [m n]=size(A) : récupère les dimensions m et n d'une matrice donnée A.
 min(x) : recherche du minimum du vecteur x.

[Link] Fonctions mathématiques

 abs : valeur absolue (resp. module) des éléments d'une matrice réelle (resp. complexe).
 log(x), log10(x) : logarithme népérien ou à base 10 des éléments de x.
 autres fonctions de base : sqrt, exp ...
[Link] Signaux de base

 randn : génère un bruit aléatoire normal de moyenne nulle et de variance 1. Syntaxe :

randn(size(A))
pour avoir un vecteur de nombres aléatoires de même taille que A.
 y=sin(x) : fonction sinus (qui opère élément par élément dans le cas d'une matrice). où x est
un scalaire, un vecteur ou une matrice. y recupère la même dimension que x.
 square(t,duty) : génère un signal carré de rapport cyclique variable (fait partie du toolbox
Signal Processing) où t est le vecteur-temps et duty le rapport cyclique exprimé en % de la
période où le signal est positif (par défaut : duty=50 %).

8.2 TP - Transformée de Fourier

8.2.1 Rappels
 Dénition : +∞
(8.1)
Z
T F [f (t)] = F (ν) = f (t) exp (−i2πνt)dt
−∞

 N.B. En prenant f (t) causale et p = iω = i2πν , alors on a : TF=TL

 Convolution : T F [f1 (t) ∗ f2 (t)] = F1 (ν).F2 (ν)
 Translation : T F [f (t − t0 )] = exp (−i2πνt0 )F (ν)
 Modulation : T F [exp (i2πν0 t)f (t)] = F (ν − ν0 )
 57
 Peigne de Dirac (Formule de Poisson) :
+∞ +∞ +∞
(8.2)
X X X
TF[ δ(t − n)] = exp (−i2πνn) = δ(ν − n)
n=−∞ n=−∞ n=−∞

8.2.2 TF Discrète : Analyse spectrale

La TFD est fréquemment utilisée pour l'analyse spectrale des signaux numériques.
On fournit trois fonctions : sinus, carre, spectre et un programme : tfd0.
Help : t, abs, square, log10
[Link] Etude du théorème de Shannon

1. Générer le signal SIN1 ; calculer son spectre échantillonné avec une fenêtre rectangulaire (Porte)
de longueur 1024 points ; tracer le spectre en dB sur [0; Fe /2].
2. Idem pour SIN2.
3. Comparer et interpréter par rapport à la théorie.
4. Tracer le spectre échantillonné du signal CAR3. Calculer la décroissance des harmoniques. Inter-
préter en se reportant à la décomposition en série de Fourier d'un signal carré.
5. idem pour les signaux CAR1 et CAR2. Interpréter.
[Link] Inuence de la troncature temporelle

Calculer la TFDT (obtenue par FFT avec zero-padding sur 1024 points qui donne une approxima-
tion ne du spectre continu) du signal SIN1 pour une fenêtre temporelle Rectangulaire de 128 points
puis 64 points.
Etudier le spectre de SOM1. Quels commentaires peut-on faire à propos de la résolution fréquen-
tielle (c'est-à-dire la capacité à distinguer deux signaux de fréquences proches) et de la résolution
dynamique (c'est-à-dire la capacité à distinguer deux signaux d'amplitudes très diérentes) de la fe-
nêtre rectangulaire ?
[Link] Etude de l'écrêtage

Le programme tfd0 permet d'étudier l'inuence spectrale de l'écrêtage d'un signal en choisissant
un seuil s.
Générer un signal sinusoïdal tel que : A = 1, f = 10Hz, T = 1s, F e = 200Hz, s = 0.3. Interpréter
le spectre obtenu en comparant au spectre de la sinsuoïde pure.
8.2.3 Annexes
[Link] Signaux tests

Table 8.1  Signaux tests

Nom Type de signal Durée Fe Fréq. 1 Amplitude 1 Fréq. 2 Amplitude 2
unité (s) (Hz) (Hz) (Hz)
SIN1 sinusoïdal 7 256 100 1 - -
SIN2 sinusoïdal 7 160 100 1 - -
CAR1 carré 1 1408 128 1 - -
CAR2 carré 1 1024 88 1 - -
CAR3 carré 1 5000 100 1 - -
SOM1 somme 1 256 100 1 104 1
58
[Link] Fonctions internes

 t : calcul de la transfomée de Fourier discrète (TFD) avec l'algorithme rapide de FFT (Fast
Fourier Transform) si le nombre de points est une puissance de 2. Sinon, le calcul utilise un
algorithme plus lent de DFT (Discrete Fourier Transform). C'est pourquoi on a intérêt à choisir
un nombre N de points qui est une puissance de 2. Syntaxe :
z=fft(x,N);
où x est le vecteur contenant les échantillons du signal, N le nombre de points sur lequel on veut
calculer la FFT et z est le vecteur de sortie (a priori complexe) récupérant les échantillons de
la TFD. Signalons que N n'est pas nécessairement égal au nombre d'échantillons du signal. Si
N est supérieur au nombre d'échantillons de signal disponibles, le calcul de la TFD se fait après
l'ajout automatique du nombre nécessaire d'échantillons nuls en queue de signal pour compléter
les échantillons manquant et obtenir au total N points. Cet artice de calcul, qui s'appelle zero-
padding, est intéressant pour avoir un spectre discret (TFD) (évidemment, puisqu'on travaille sur

ordinateur !) qui est une approximation très ne du spectre continu (TFDT). Typiquement, on
prend N = 1024. Cela rajoute sur le spectre échantillonné d'origine des points intermédiaires qui
réalisent une interpolation en sinus cardinal (donc exacte) entre les points originels, au lieu de
l'interpolation linéaire (donc fausse) faite par l'÷il. On améliore ainsi la visualisation du spectre,
mais cela n'ajoute évidemment pas d'information utile d'un point de vue mathématique.
 abs : calcul de la valeur absolue (resp. du module) des éléments d'une matrice réelle (resp.
complexe). Par exemple, si l'on veut le spectre Sxx du signal x, on prend le module au carré de
sa TFD z :
Sxx = abs(z).^2;

[Link] Fonctions externes

 sinus : génération d'une sinusoïde. Syntaxe :

[x,t] = sinus(Fe,T,f,A)
Cette fonction requiert 4 paramètres d'entrée : la fréquence d'échantillonnage Fe , la durée T (en
secondes), la fréquence f et l'amplitude A. Elle donne en sortie 2 vecteurs de même dimension :
x contient les échantillons du signal sinusoïdal et t contient les instants d'échantillonnage.
 carre : génération d'un signal carré. Syntaxe identique à sinus.
 spectre : calcul d'un spectre. Syntaxe :
[Sxx,freq]=spectre(Fe,x,N,dB)
Cette fonction requiert 4 paramètres d'entrée : la fréquence d'échantillonnage Fe , le vecteur des
échantillons du signal x, le nombre de points de calcul N et une chaîne de caractères dB (n/o)
qui spécie l'échelle désirée (linéaire ou en dB). Elle donne en sortie 2 vecteurs de dimension N :
Sxx contient les échantillons du spectre et f req contient les fréquences discrètes correspondantes
(de 0 à Fe ).

8.3 TP - Transformée en Z
8.3.1 Rappel sommaire
La TZ est l'équivalent de la TL pour des signaux échantillonnés : x(t) = x(kTe ) = x(k) = xk .
Elle s'obtient à partir de la TL par changement de variable complexe : z = exp (pTe ).
Elle est dénie par :
+∞
(8.3)
X
F (z) = f (k)z −k
k=0

z −1est l'opérateur retard.

La fonction de transfert d'un ltre numérique est dénie par une fraction rationnelle en z−1 .
 59
8.3.2 Synthèse de Filtre RII
On s'intéresse à un ltre numérique dont la fonction de transfert est du type :
b0 + b1 z −1 + b2 z −2
H(z) =
a0 + a1 z −1 + a2 z −2
(8.4)

On peut le caractériser par ses pôles pi = ri eiθ et zéros zj = rj eiθ , ceci à une constante multiplicative
i j

près (facteur de gain qu'on prendra par défaut égal à : k = 1).

On supposera que la fréquence d'échantillonnage vaut : Fe = 10kHz.
Pour chacun des systèmes ci-dessous, on tracera :
 le position des pôles et zéros dans le plan complexe (help : pzmap, zgrid, conj)
 la fonction de transfert (help : zp2tf, freqz)
 la réponse impulsionnelle sur 256 points (help : lter, zeros)
1. Système avec 2 pôles complexes conjugués : ri = 0.99 et θi = ±10.
2. idem pour ri = 0.99 et θi = ±30. Commenter l'inuence de θi .
3. idem pour ri = .96 et θi = ±10. Commenter l'inuence de ri .
4. idem pour ri = 1 et θi = ±10. Commenter la réponse impulsionnelle.
5. idem pour ri = 1.01 et θi = ±10. Commenter la réponse impulsionnelle.
6. Ajouter au système 1) une paire de zéros : rj = 0.99 et θj = ±30. Commenter l'inuence des
zéros.
7. Ecrire l'équation aux diérences qui régit le système (expression de l'échantillon de sortie en
fonction des échantillons d'entrée et de sortie précédents).

8.3.3 Annexe théorique pour le TP TZ

Cas d'une paire de pôles complexes conjugués :
A∗ Az −1 A∗ z −1
H(z) =
A
+
z − p0 z − p∗0
= +
1 − p0 z −1 1 − p∗0 z −1
(8.5)
b1 z −1 + b2 z −2
H(z) =
a0 + a1 z −1 + a2 z −2
avec : b1 = 2<[A] et : b2 = −2<[Ap∗0 ] (8.6)
"∞ #
(8.7)
X
n −n ∗ ∗n −n
H(z) = Ap0 z + A p0 z z −1
n=0
h(n) = h0 (n − 1) (8.8)
h0 (n) = Apn0 + A∗ p∗n
0 = 2<[Apn0 ] pour : n ≥ 0 (8.9)
Si l'on pose : p0 = r exp(jθ) et A = a exp(jφ), il vient :
h0 (n) = [Link] cos[nθ + φ] (8.10)
h(n) = 2a.r n−1
cos[(n − 1)θ + φ] pour : n ≥ 1 (8.11)
Correspondant au système analogique :

h0 (t) = [Link]/Te cos[

θ
Te
t + φ] (8.12)
H0 (p) =
1
(8.13)
1+ 2 ωζ p+ 1
2 p2
60
Et les relations entre paramètres analogiques et numériques :
ωp =
θ
Te
(8.14)
exp(−ζωn t) = rt/Te ⇒ −ζωn =
Log(r) (8.15)
Te
Q = p
1
(8.16)
2ζ 1 − ζ 2
(8.17)
p
ωr = ωn 1 − 2ζ 2
(8.18)
p
ωp = ωn 1 − ζ 2
 Troisième partie

LaboREM : TP à distance
Chapitre 9

Rappels des Prérequis : Filtres Passifs et

AOP

9.1 Prérequis et Objectifs du TP

Les prérequis du module ENA1 sont donnés dans le Tab. 9.1 et les objectifs du module sont donnés
dans le Tab. 9.2. Dans ce cours en ligne, vous allez faire un TP distant sur les Filtres Actifs, qui sont
l'aboutissement du module ENA1 : cela signie la maîtrise de notions de base en traitement du signal
(ltrage) en d'électronique analogique (AOP).
Table 9.1  Prérequis
Module MATH ELEC1 ELEC2 ENA2
Domaine Complexes Loi d'ohm Réponse fréq diode
fréquentiel Trigonométrie (R,L,C) des ltres TBJ- TEC
intégration Bode Ampli
Domaine dérivation Transitoire impéd Z puissance
temporel EDLCC 1er ordre RC Circuit passif Filtrage
Signaux : τ passe-bas redresst
période T échelon sinusoïde circuit actif
fréq f = 1/T e x Vmoy adapt Z
puls. ω = 2πf e−x Ve rendement
phase Φ ζ , ωc = 1/τ distorsion
2eO RLC saturation
Systèmes Signaux Circuits Filtres Composants
Périodic Linéaires Linéaire Non linéaire

9.2 Vérication des Acquis (30mn)

9.2.1 Filtre RC et RLC (cf. QCM)
Un ltre RC est caractérisé par [8, 9] : sa fonction de transfert : 1+τ
K
p (où la variable symbolique p
vaut p = jω ) et sa réponse indicielle à un échelon d'entrée : s(t) = A[1 − exp (−t/τ )]. Un ltre RLC
série est caractérisé par : 1+2ζτKp+τ p .
2 2

1. Pour le ltre RC, que vaut τ ?

2. Quel est le lien avec la réponse harmonique (écrire la fonction de transfert complexe en jω) ?
3. Quel est le type du ltre (passe-haut, bas) ? Est-ce du type Dérivateur, Intégrateur ?
4. Que valent ωc , G0 , et la pente ?
64 [Link],2014

Table 9.2  Objectifs

ENA1 : AOP Contre-réaction application savoir faire
théorie Quadripôles théorie Filtre actif mesure
mise en ÷uvregrand principe Oscillateur dépannage
montage classique
CR>0, CR<0 Régulateur appareils
AOP idéal améliorations montages AOP test circuit
Z, BP, stabil (4TP)
FILTRE Connaître/concevoir Caract Caract Spécif Actif
ACTIF : 5 ltres fréquentielle temporelle limites NL satur
quoi PH,PB,PBd,CB,Déph tracé FT Bode eets Adaptation Z
pourquoi rappel : 2eO [Link] ζ mesure Q, BP, signal sortie transfert Puiss
ωr , pente, G0
APPLI élimine 50Hz, bruit HF extraire élimine harmonic signal audio
Filtre Compens ∆Q = ∆ω ω
résolution modulation (BE)
R

Test/mesure Correcteurs [Link] Distorsion ltre parole

5. Tracer l'allure de la fct de transfert (Gain et phase) et la réponse indicielle

6. Pour le ltre RLC, que valent ζ et ω0 ? Allure des courbes de Bode et indicielle ?
7. Placer les pulsations ωc , ωr sur la courbe de gain, ω0 sur la courbe de phase, et ωp sur le réponse
indicielle.
9.2.2 AOP idéal (cf. QCM)
9.3 Rappels : Passe-bas, Passe-haut, Passe-Bande
On rappelle ici les expressions des réponses harmoniques (forme canonique ) des systèmes du
2ème ordre : PB, PBd, PH
   2
2ζ j ωω0 j ωω0

1
  2 ;    2 ;    2
1 + 2ζ j ωω0 + j ωω0 1 + 2ζ j ωω0 + j ωω0 1 + 2ζ j ωω0 + j ωω0

Réjecteur, Déphaseur  2    2
1 + j ωω0 1 − 2ζ j ωω0 + j ωω0
   2 ;    2
1 + 2ζ j ωω0 + j ωω0 1 + 2ζ j ωω0 + j ωω0

Rappel des ltres du 1er ordre : PBas, PH et Réjecteur (on pose pour simplier : x = ωω 0

1 − jx
1
; jx
;
1 + jx 1 + jx 1 + jx

9.4 Annexe 1 : Courbes Canoniques du 2eme Ordre

Voir courbes de Bode : gain et phase en fonction de la fréquence, Fig. 9.1.
[Link],2014 65

Figure 9.1  Courbes de Bode d'un système du 2e ordre canonique : a) Gain ; b) Phase. (où wn dénote
la pulsation propre du système et z le coecient d'amortissement).
66 [Link],2014
Chapitre 10

CM - Théorie des ltres actifs

10.1 Principe
Un ltre actif d'ordre 2 est basé sur un AOP idéal et le choix de 2 quadripôles Q1 et Q2 faits de
R et C uniquement. Alimenté en tension (±VCC ), l'AOP fonctionne en mode linéaire (donc avec un
rebouclage de la sortie sur l'entrée −). Il permet ainsi, comme un ltre LC résonnant, une amplication
de l'entrée et une réponse pointue, mais sans usage de L. Ceci est souhaitable car une bobine a des
défauts notables : encombrante, chère, non idéale (résistance série, capacité distribuée dans le bobinage),
non-linéaire, sensible à l'induction magnétique.
Un autre avantage essentiel résulte de la grande impédance d'entrée de l'AOP, qui permet de
solutionner les problèmes de l'adaptation d'impédance.
Une limitation du fonctionnement linéaire résulte des saturations haute et basse liées aux tensions
d'alimentation.
Un ltre actif d'ordre 2n s'obtient en cascadant n ltres d'ordre 2.

10.2 Notion de Gabarit

Un ltre est caractérisé par son gabarit, qui dénit graphiquement : bande passante, bande coupée,
pentes, ondulation, atténuation (Fig 10.1).

Figure 10.1  Gabarit

10.3 Filtres les plus usuels

 Sallen-Key 4Y : un ltre de Sallen-Key passe-bande est représenté Fig. 10.2.
68 [Link],2014

Figure 10.2  Filtre de Sallen-Key : passe-bande du 2e ordre.

Typ. on prend pour les résistances des valeurs de l'ordre de : Ri = 10kΩ et pour les condensateurs :
Ci = 10µF/f0 ⇒ C ≈ 10nF pour f0 = 1kHz. En posant p = jω , on trouve :
Vs (p) A.p
H(p) = = 2
Ve (p) B.p + C.p + D


 A = R2 .R4 .C3
avec : B = R1 .R2 .R4 .C3 .C4


 C = (R1 + R2 )R4 C4 + (R1 + R4 )R2 C3
D = R1 + R2

 Rauch [10] : ce sont des ltres multiboucles avec 5Y (Fig. 10.3). On montre que leur fct de
transfert s'exprime par :
Vs Y1 Y2
=
Ve Y2 Y4 + Y5 (Y1 + Y2 + Y3 + Y4 )
Suivant les valeurs des admittances Yi (résistif ou capacitif), on obtient un passe-bas, passe-haut
ou passe-bande du 2e ordre.

Figure 10.3  Rauch

 Butterworth cf. Fig 10.4 : ce ltre d'ordre 2n donne la bande passante la plus plate
Vs 1
=p
Ve 1 + (f /fc )2n

 Tchebychev : donne une pente raide

Vs 1
=p
Ve 1 + ε Cn2 (f /fc )
2

où ε est une constante et Cn est le polynôme de Tchebychev.

 Bessel : donne une phase linéaire (retard le plus constant possible).
[Link],2014 69

Figure 10.4  Comparaison des ltres Butterworth, Bessel et Tchebychev : a) fonctions de transfert ;
b)réponses indicielles

Figure 10.5  Double T ponté

 Filtre de réjection en Double T ponté (avec 2 AOP), cf. Fig 10.5.
 Il existe d'autres types : ltre programmable à 3 (biquad), voire 4 AOP, ltre à gyrateur (qui
simule les inductances), ltre à capacités commutées

10.4 Filtrage par quadripôle actif

10.4.1 Exemple introductif : Filtre passe-bande simple
Le ltre actif de la Fig. 10.6 [11] comporte un amplicateur opérationnel idéal et deux dipôles
D1 = (R1 , C1 ) et D2 = (R2 , C2 ). En désignant par Z1 et Z2 les valeurs complexes des impédances de
D1 et D2 , on a :

Ie =
Ve
Z1
=−
Vs
Z2
(10.1)
T =
Vs
Ve
=−
Z2
Z1
(10.2)
70 [Link],2014

Figure 10.6  Passe-bande actif

10.4.2 Généralisation : Filtres actifs du second ordre
On considère la famille des ltres associant quadripôles et amplicateur opérationnel [12]. Le schéma
général de cette famille de ltres est donné à la Fig. 10.7.

Figure 10.7  Schéma de principe des ltres actifs du second ordre.

Les sorties des deux quadripôles Q et Q' sont reliées à l'entrée inverseuse de l'amplicateur opé-
rationnel. Soient respectivement Yij et Y'ij (1 ≤ ( i , j ) ≤ 2) les paramètres admittance des deux
quadripôles.
I 0 = Y21
0 .V + Y 0 .V

2
 2= 22


A partir des équations : 
I2 Y21 .V1 + Y22 .V
V =0
, il vient :

I2 = −I20


V2 Y21
T = =− 0
V1 Y21
Compte tenu de cette relation, et par un choix judicieux des quadripôles Q et Q', il est possible de
synthétiser une fonction de transfert.
10.4.3 Filtre passe-bas
Le schéma du ltre passe-bas est donné à la Fig. 10.8. On identie aisément les quadripôles Q et
Q'. Les caractéristiques de l'ampli. op. utilisé sont données en annexe 2.
Un calcul simple donne : Y21 = VI = − R(2+jωRC
2 1

De même, en constatant que Q' résulte de la mise en parallèle de Q avec C2 , on obtient :

1 ) 1

0
Y21 = Y21 − jωC2
√ 2
Soit : 0
Y21 =
I20
V =−
1+2jωRC2 +(jωR C1 C2 )
[Link],2014 71

Figure 10.8  Schéma du ltre passe-bas

La fonction de transfert du ltre vaut donc :

1
T =− √
2
1 + 2jωRC2 + jωR C1 C2

Si l'on pose : A = −1 ; ωn = R√C1 C et : ζ = CC21 ,

q

on obtient :
1 2

A
T =    2
ω
1 + 2jζ ωn + j ωωn
qui est bien l'expression générique d'un ltre passe-bas du deuxième ordre.
A est le gain du ltre, ωn la pulsation caractéristique et ζ le coecient d'amortissement.
Le facteur de surtension du ltre passe-bas du deuxième ordre vaut : Q = 2ζ √11−ζ 2

On veut : ζ = 0, 2 et fn = 3 kHz.
On prend : R = 10kΩ ; C1 = 22 nF ; C2 = 1 nF.
10.4.4 Filtre passe-bande
Le schéma du ltre passe-bande est donné à la Fig. 10.9. On identie aisément les quadripôles Q
et Q'.

Figure 10.9  Schéma du ltre passe-bande

Un calcul simple donne : Y21 = VI = − (1+jω2R
2
1
jωC
C) 1
√ 2
De même, on montre que : Y21 = V = − R (1+jω2R C)
1+2jωR C+(jωC R R )
I 0
0 2 1 1 2

La fonction de transfert du ltre vaut donc :

2 2 1

 
R2 2jωR1 C
T = − √
2R1 1 + 2jωR1 C + jωC R1 R2 2

Si l'on pose : ωn = ;ζ= et : A = − 2R ,

q
√1 R1 R
R
2
= − 2ζ12
72 [Link],2014

on obtient :  
ω
2jζ ωn
T =A    2
1 + 2jζ ωωn + j ωωn

qui est bien l'expression générique d'un ltre passe-bande du deuxième ordre.
A est le gain du ltre, ωn la pulsation caractéristique et ζ le coecient d'amortissement.
La bande passante à -3 dB du ltre est donnée par : ∆F = 2ζ fn
Si fr est la fréquence de résonance, le facteur de qualité vaut : Q = ∆F
rf

On veut : ζ = 0, 2 et fn = 5 kHz.
On prend : R1 = 2, 7kΩ ; 2R1 = 5, 6kΩ ; R2 = 68kΩ ; C = 2, 2nF .
Chapitre 11

TD - Filtres Actifs

11.1 Les ltres de Sallen-Key

Les 3 ltres de Sallen-Key du 2e ordre sont donnés Fig. 11.1.

Figure 11.1  Filtres de Sallen-Key du 2e ordre : a) passe-bas b) passe-haut c) passe-bande

11.1.1 Passe-bas de Sallen-Key

Montrer que la fonction de transfert du ltre passe-bas de Sallen-Key vaut :
k
H(p) =
1 + [(1 − k)R1 C1 + (R1 + R2 )C2 ]p + R1 R2 C1 C2 p2

Donner son gain statique, sa constante de temps, sa fréquence propre et son coecient d'amortissement.

[Link] Correction
√
G0 = k ; τ = R1 R2 C1 C2 ; f0 = 2π√R 1C R C
A.N. R1 = R2 = 10kΩ, Ci = 10nF , R = 47kΩ , k = 2.
1 1 2 2

Voir courbe de gain g. 11.2.

11.1.2 Passe-haut de Sallen-Key

Montrer que la fonction de transfert du ltre passe-haut de Sallen-Key vaut :
kR1 R2 C1 C2 p2
H(p) =
1 + [R1 (C1 + C2 ) + R2 C2 (1 − k)]p + R1 R2 C1 C2 p2

Donner ses fréquences de coupure et son coecient d'amortissement.

Donner sa fréquence de résonnance, sa bande passante et son facteur de qualité Q.
74 [Link],2014

Figure 11.2  Filtres de Sallen-Key du 2e ordre : a) passe-bas

[Link] Correction

Hypothèse AOP idéal (i+ = i− = 0 ; ε ≈ 0), pont diviseur en sortie, ltre passe-haut en entrée
R2 C2 , n÷ud de courant en entrée, dénition de la fonction de transfert.
4 inconnues (V1 , U , VS , Ve ), 4 équations :
VS
U
=
kR
R
=k (11.1)
U
=
R2
(11.2)
V1 R2 + C12 p
V1 − VS
Ie = I1 + I2 ⇔ (Ve − V1 )C1 p = +
V1
(11.3)
R1 R2 + C12 p

H =
VS
Ve
(11.4)
A.N. R1 = R2 = 10kΩ, Ci = 10nF , R = 47kΩ , k = 2.
Voir courbe de gain g. 11.3.

Figure 11.3  Filtre de Sallen-Key du 2e ordre : passe-haut

11.1.3 Passe-bande de Sallen-Key

Montrer que la fonction de transfert du ltre passe-bande de Sallen-Key vaut :
kR3 C1 p
H(p) = h     i
R1 R1 R1
1+ R2 + R 3 C1 1 + R2 (1 − k) + R3 C2 1 + R2 + R1 C1 p + R1 R3 C1 C2 p2
[Link],2014 75
Donner l'expression de H dans le cas particulier où k = 1.
[Link] Correction

R2 R3 C1 p
H(p) =
(R1 + R2 ) + [(R1 + R2 )R3 C2 + (R1 + R3 )R2 C1 ]p + R1 R2 R3 C1 C2 p2
A.N. R1 = R2 = 10kΩ, Ci = 15nF , R = 47kΩ , k = 2.
Voir courbe de gain g. 11.4.

Figure 11.4  Filtre de Sallen-Key du 2e ordre : passe-bande

11.2 TD Filtre universel

La structure est présentée Fig. 11.5.
1. Exprimer les 3 fonctions de transfert V1 /Ve , V2 /Ve et V3 /Ve . On appelera α le rapport R1 /(R1 +
R2 ) pour alléger les expressions.
2. Dénir le type de ltre correspondant à chacune des trois sorties.

Figure 11.5  Filtre actif universel

76 [Link],2014
Chapitre 12

Liste des ltres précâblés pour TP distant

12.1 Filtres passifs

12.1.1 Passe-bas passif ordre 1
R = 8.2kΩ, C = 10nF
ltre : code 00 (entrée E0 )

12.1.2 Passe-haut passif ordre 1

R = 8.2kΩ, C = 10nF
ltre : code 01 (entrée E1)

12.1.3 Passe-bande Wien passif

R = 15kΩ, C = 10nF (cf. Fig. 12.1a)
ltre : code 02 (entrée E2)
Caractéristique : passe-bande fr = 1kHz ; Gmax = −10dB

12.1.4 Double Té ponté Réjecteur passif

R = 15kΩ, C = 10nF (cf. Fig. 12.1b)
ltre : code 03 (entrée E3)
Caractéristique : réjecteur far = 1kHz

Figure 12.1  a) Filtre de Wien passe-bande ; b) Double Té ponté (réjecteur) ; c) Circuit congurable

12.1.5 Circuit passif congurable (via un Robot de placement)

Choix de deux impédances Z1 et Z2 (cf. Fig. 12.1c) parmi quatre composants passifs :
R1 = 1kΩ, R2 = 680Ω, C1 = 22nF , C2 = 100nF
ltre : code 05
78 [Link],2014

12.2 Filtres actifs

12.2.1 Passe-bas Sallen-Key
ltre : code 10 (entrée E6)
cf. Fig. 11.1a)
Caractéristique : fc = 1kHz ; Gmax = 6dB
12.2.2 Passe-haut sallen-Key
ltre : code 12 (entrée E5)
cf. Fig. 11.1b)
Caractéristique : fc = 1kHz ; Gmax = 6dB
12.2.3 Passe-bande actif ordre 2
ltre : code 08 (entrée E4)
cf. Fig 10.9, paragraphe 10.4.4
Caractéristique : cf Fig. 12.2 courbes vertes : fr = 6kHz ; Gmax = 20dB

Figure 12.2  Courbes de Bode a) échelle semi-log ; b) échelle linéaire

12.2.4 Passe-bande sallen-Key

ltre : code 14 (entrée E7)
cf. Fig. 11.1c)
Caractéristique : passe-bande fr = 1kHz ; Gmax = −3dB
[Link],2014 79
12.3 Courbes expérimentales obtenues
Les Fig. 12.3 et Fig. 12.4 donnent les courbes de Bode expérimentales des 8 ltres du TP obtenues
avec un programme d'instrumentation piloté sous LabVIEW.
Il faudra comparer ces courbes à celles que vous obtenez et interpréter les résultats.

Figure 12.3  Courbes de Bode expérimentales des 4 ltres passifs ; de haut en bas et de gauche à
droite : passe-bas, passe-haut, Wien, double Té réjecteur
80 [Link],2014

Figure 12.4  Courbes de Bode expérimentales des 4 ltres actifs ; de haut en bas et de gauche à
droite : SallenKey passe-bas, SK passe-haut, passe-bande actif 2e ordre, SK passe-bande
Chapitre 13

TP - Manipulation à distance

13.1 Expérience 1 - Caractérisation fréquentielle

13.1.1 Etude de fonctions de transfert
[Link] Courbes de gain et de phase

Les ltres actifs sont alimentés en ±15V =.

Le signal est fourni par le générateur.
La sortie est envoyée sur la voie 2 de l'oscilloscope.
Tracer les courbes de gain et de phase des ltres.

[Link] Mesures précises des caractéristiques

Utiliser les curseurs pour mesurer précisément les paramètres caractéristiques des deux ltres :
 fréquences de résonance, fréquences de coupure à -3 dB ...
 bandes passantes, pentes, facteur de surtension,
 valeurs de gain et de phase aux points intéressants ...
Faire des mesures en absolu, en relatif, zoomer, dilater, centrer les parties intéressantes ...
Déduire de ces mesures le facteur de qualité et le coecient d'amortissement.
Comparer tous les résultats à la théorie en justiant les écarts.

13.1.2 Caractérisation rapide (30mn)

Par un balayage manuel des fréquences, on peut rapidement caractériser un ltre inconnu. On
se propose ici de caractériser au choix : un passe-bas F0 (le plus simple pour réviser les notions
fondamentales), un passe-haut F1 ou un ltre inconnu F? .
1. Choisir un de ces 3 ltres et faire 5 ou 6 points de mesures manuelles à l'oscillo (gain = rap-
port d'amplitudes ; déphasage = décalage temporel) en balayant les fréquences du générateur de
signaux.
Conditions de mesures par défaut (à ajuster) : V epp = 2V , fm = 10Hz, fM = 1M Hz.
Formaliser la stratégie de mesure.
2. Tracer alors sommairement les courbes de Bode du ltre.
3. En déduire les paramètres caractéristiques : fc , Gmax , BP, BC et les pentes en dB/oct.
4. Interprétation : faire une identication/caractérisation qualitative du ltre,

13.1.3 Etude exhaustive (30mn)

Grâce à des mesures automatiques programmées par ordinateur, on peut étudier et comparer e-
cacement plusieurs ltres (ici au moins cinq), en traçant leurs courbes de Bode :
82 [Link],2014

1. Tracer les courbes de Bode (gain en dB et phase en  en fonction de la fréquence exprimée en

log10 ) d'au moins 5 ltres parmi la batterie de ltres disponibles (ltres F 2 à F 16).
Conditions de mesures par défaut (à ajuster) : V epp = 2V , fm = 10Hz, fM = 1M Hz, N e = 20
points.
2. Pour chacun des 5 ltres, déterminer d'après les courbes de Bode tous les paramètres pertinents :
fréquences de coupure fc en Hz, Gain statique G0 (en dB et en linéaire), gain maxi, BP à -3dB,
pentes en dB/oct,
3. Interpréter la nature des 5 ltres étudiés : ordre, actif/passif, eet sur la gamme de fréquences
(passe-bas, haut etc.)
4. Comparaison : Actif/Passif
5. Inuence des paramètres R et C ?

13.2 Expérience 2 - Caractérisation Temporelle (30mn)

13.2.1 Eets linéaires sur le signal
Appliquer au ltre No.10 (code LAB3-Niv.1) un signal carré (f=1500Hz, Vpp=2V). Observer le
signal en sortie et son spectre. Commenter l'eet du ltrage.
[Link] Atténuation/Amplication

Lié au Gain
[Link] Décalage temporel

Lié au Déphasage

13.2.2 Eet non linéaire : saturation

Saturation, distorsion harmonique :
Appliquer au ltre No.10 un signal sinusoïdal (f=1500Hz ; Vpp=10V). Observer le signal en sortie
du ltre actif et son spectre. Commenter.
Augmenter l'amplitude du signal d'entrée. Observer la sortie du ltre actif.
Commenter la saturation (cf. analyse spectrale du signal : harmoniques, emploi d'un distorsiomètre
...

13.3 Spécicité de l'Actif (30mn)

L'objet de cette partie est de mettre en évidence les spécicités du ltre actif (AOP+RC) comparé
au ltre passif (RC seul).

13.3.1 Transfert de puissance : Amplication

13.3.2 Adaptation d'impédance
Cascader 2 ltres et voir le résultats

13.3.3 Non-linéarités
Saturation, distorsion harmonique :
Appliquer au ltre No.10 un signal sinusoïdal (f=1500Hz ; Vpp=10V). Observer le signal en sortie
du ltre et son spectre. Commenter.
[Link],2014 83
13.4 Application Audio (30mn)
On applique le ltre inconnu F? (PH ou Réject) de la question 13.1.2 à un signal audio, constitué
d'une fréquence de voyelle, entachée d'un bruit à 50 Hz.
13.4.1 Etude du spectre
Comparer les spectres du signal initial, bruité puis ltré. Commentaire. Mesurer la fréquence prin-
cipale de la voyelle.
13.4.2 Visualisation du signal
Observer le signal de parole.
13.4.3 Ecoute du son
Comparer le son pur, bruité et ltré.

13.5 Synthèse (30mn)

13.5.1 Interprétation
13.5.2 Conclusion
13.5.3 Evaluation
QCM nal

13.6 TP Hands-on : tableau des mesures

voir Tab. 13.1
Table 13.1  Tableau pour Evaluation Filtres actifs

Fréq f0 fc3min fc3max fr far fc20 f(0dB) fharmo Fe

mesu :
Gain G0 Gmax G1 G1 dB QdB Qlin M GdB G0lin Gmin
static (f1 =1k) (à f1 )
mesu :
Phase Φ(f 0) Phi0 ΦHF Φ PHi(f1) DT(f1) MPhi
(à 0dB)
mesu :
Carac pente pente ordre zeta tau w0 BPinf BPsup Gutil
BF HF
mesu :
Temp Dind oscille satur ampli atténu retard avanc décal rapid précis distord écrê
(%)
rép :
Type PBas PHaut Pbande coupe déphas très stable instabl
Bande stable
rép :
84 [Link],2014
Chapitre 14

Déroulement et timing indicatif du TP

14.1 QCM3 : AOP idéal (15mn)

14.2 QCM4 : Filtrage (30mn)
14.3 Lecture des docs de cours Filtres actifs (30mn)
14.4 Manip à distance (2h30)
14.4.1 Courbes de Bode Filtres passifs (60mn)
14.4.2 Courbes de Bode Filtres actifs (60mn)
14.4.3 Etude des signaux temporels et spectres en sortie des Filtres (30mn)
14.5 Questionnaire Enquête sur LaboREM (70 questions) (10mn)
14.6 Evaluation synthétique de l'application LaboRem (5mn)
(mettre une note de 0 a 20)
86 [Link],2014
 Quatrième partie

BASES THEORIQUES
Chapitre 15

TRAITEMENT DE SIGNAL
ANALOGIQUE

15.1 Introduction
15.1.1 Dénitions
Un signal est le support physique (véhicule) de l'information (onde lumineuse, son, signal élec-
trique). Mathématiquement, on le représente par une fonction (du temps t, de l'espace) dont on étudie
les variations (dans le domaine temporel ou fréquentiel ν ). On s'intéresse ici au cas de signaux mono-
dimensionnels f (t) (une seule variable). Si la variable est continue, on parle de signal analogique.
Si la variable est échantillonnée (t = nTe ), on parle de signal discret. Si l'amplitude est également
discrète (pas de quantication q), on parle de signal numérique [13, 1].
Physiquement, on aura toujours aaire à de bonnes fonctions : bornée, à support borné, conti-
nue dérivable ou satisfaisant les conditions de Dirichlet (discontinuités de 1ère espèce uniquement),
intégrable, d'énergie nie ou de puissance moyenne nie, voire distributions tempérées (f (t) ∝ tn ).
15.1.2 Systèmes analogiques
Un système de communication consiste en la formation (émission), la transmission et la détec-
tion (réception) d'un signal. Ces trois étapes sont sujettes à des bruits. On caractérise un système par
le rapport signal sur bruit (SNR en anglais) et la bande passante BP (cf. caractéristiques en au-
tomatique : précision, vitesse et stablitié). On considèrera ici un sytème de traitement et transmission
d'information (ltre) qui est linéaire, continu, stationnaire :
a1 x1 (t) + a2 x2 (t) → a1 y1 (t) + a2 y2 (t) (15.1)
x(t) = lim xn (t) → y(t) = lim yn (t)
n→∞ n→∞
(15.2)
x(t − τ ) → y(t − τ ) (15.3)
On le caractérise au choix par :
 sa réponse impulsionnelle h(t)
 sa fonction de transfert de Laplace : H(p) = T L[h(t)]
 sa fonction de transfert de Fourier : H(ν) = T F [h(t)]
 sa réponse harmonique H(jω) avec p = jω = j2πν
e(t) → s(t) = h(t) ∗ e(t) (15.4)
δ(t) → s(t) = h(t) ∗ δ(t) = h(t) (15.5)
ejωt → s(t) = H(jω).ejωt (15.6)
E(p) → S(p) = H(p).E(p) (15.7)
E(ν) → S(ν) = H(ν).E(ν) (15.8)
En traitement du signal, on préfère la TF à la TL car :
90 [Link],2014

 la fréquence ν a une interprétation physique contrairement à la variable symbolique p

 la TL ne s'applique qu'aux fonctions causales (étude des régimes transitoires) alors que la TF
s'applique aussi aux signaux permanents.

Figure 15.1  Boîte noire

15.2 Signaux analogiques

15.2.1 Typologie des signaux
 signal d'énergie nie ou signal de puissance moyenne nie
 signal périodique ou signal à support borné
 signal large bande ou signal à bande étroite
 signal réel ou signal complexe (signal analytique).
NB : x(t) ∈ R ⇒ X(−ν) = X ∗ (ν)
 signal certain (déterministe) ou signal aléatoire (probabiliste, avec probabilité p(x))
 signal ergodique : moyenne temporelle f [x(t)] = moyenne d'ensemble E[f (x)] (espérance ma-
thématique)
ZT /2
f [x(t)] = lim
1
T →∞ T
f [x(t)]dt (15.9)
−T /2
+∞

(15.10)
Z
E[f (x)] = f (x)p(x)dx
−∞

15.2.2 Energie et Puissance

Le principe de conservation de l'énergie se traduit par des relations temps-fréquence :
 pour les signaux d'énergie nie, on peut intégrer par rapport à t ou ν sur tout R :
(15.11)
Z Z
∗
x(t).y (t)dt = X(ν).Y ∗ (ν)dν
R R
P ∝ |x(t)|2 (15.12)
(15.13)
Z Z Z
E= P dt = |x(t)|2 dt = |X(ν)|2 dν
R R R
DSE = |X(ν)|2 (15.14)
 pour les signaux de puissance moyenne nie, on calcule une moyenne temporelle sur un
intervalle ni T puis passage à la limite :
(15.15)
Z
1
Pmoy = lim |x(t)|2 dt = |x(t)|2
T →∞ T [T ]

15.2.3 Corrélation
La corrélation mesure la ressemblance entre signaux : si ∀τ , γxy (τ ) = 0 alors les signaux x(t) et
y(t) sont non corrélés.
[Link],2014 91
[Link] Autocorrélation

Si énergie nie :
+∞

(15.16)
Z
cx (τ ) = x(t)x∗ (t − τ )dt
−∞
cx (−τ ) = c∗x (τ ) (15.17)
(15.18)
Z Z
|cx (τ )| ≤ cx (0) = |x(t)|2 dt = |X(ν)|2 dν = E
R R
T F [cx (τ )] = Cx (ν) = |X(ν)|2 (15.19)
L'Eq. (15.18) constitue le théorème de Parseval.
Si puissance moyenne nie, on utilise des moyennes temporelles :
γx (τ ) = x(t)x∗ (t − τ ) (15.20)
γx (−τ ) = γx∗ (τ ) (15.21)
(15.22)
Z
|γx (τ )| ≤ γx (0) = |x(t)|2 = Pmoy = Γx (ν)dν
R
|XT (ν)|2
T F [γx (τ )] = Γx (ν) = lim
T →∞ T
(15.23)
où XT (ν) dénote la TF du signal tronqué : xT (t) = x(t). uT (t).
Γx (ν) est la DSP moyenne (ne se calcule jamais directement mais par la TFD).

[Link] Corrélateur analogique

Principe du corrélateur analogique pour signaux de Pmoy nie : cf. TD 945A

Exemple : cas de x(t) = A cos 2πf0 t) (démonstrateur Matlab T945.m)
[Link] Intercorrélation

Si énergie nie :
+∞

(15.24)
Z
cxy (τ ) = x(t)y ∗ (t − τ )dt
−∞
cxy (−τ ) = c∗xy (τ ) (15.25)
T F [cxy (τ )] = X(ν)Y (ν) ∗
(15.26)
Si puissance moyenne nie :
(15.27)
Z
1
γxy (τ ) = lim x(t)y ∗ (t − τ )dt = x(t)y ∗ (t − τ )
T →∞ T [T ]
∗
γxy (−τ ) = γxy (τ ) (15.28)
XT (ν)YT∗ (ν)
T F [γxy (τ )] = Γxy (ν) = lim
T →∞ T
(15.29)
La correspondance temps-fréquence donnée par l'Eq. (15.29) constitue le théorème de Wiener-Khintchine.
Γxy (ν) est la DSP croisée.

15.2.4 Dualité temps-fréquence

Soit un signal réel x(t) d'énergie nie E .
92 [Link],2014

[Link] Durée utile - Support borné

La puissance instantanée vaut : x2 (t). On dénit la durée utile Tu = t1 − t0 de deux façons

équivalentes :
Zt1
x2 (t)dt = (1 − )E (où typ.  = 10%) (15.30)
t0
maxt∈R x2 (t)
∀t | t < t0 ou t > t1 , x2 (t) <
2
(atténuation de puissance de -6dB)(15.31)
Pour un signal de Pmoy nie, Tu = ∞.
Le cas d'un signal à support borné correspond à  = 0 dans l'Eq. (15.30).

[Link] Spectre utile - Spectre borné

On dénit Fu = Fmax − Fmin (avec Fmin = −Fmax ) tel que :

Z∞ FZmax
 2
|X(ν)| dν < E ⇐⇒
2
|X(ν)|2 dν ≥ (1 − )E (15.32)
Fmax Fmin

Pour un signal de Pmoy nie, on dénit Fu avec la DSP Γx (ν).

Cas d'un signal à spectre borné : si X(ν) est négligeable pour ν ∈/ [Fmin , Fmax ], c'est-à-dire :
FZmax

∃M, |X(ν)|dν = M (15.33)

Fmin

alors toutes les dérivées du signal sont bornées (théorème de Bernstein) : |x(n) (t)| ≤ (2πFmax )n M .

Figure 15.2  a) Durée utile ; b) Spectre utile.

[Link] Principe d'incertitude

On a la relation : Fu Tu ≥ 1
π

15.2.5 Signal à bande étroite

[Link] Dénition

 Signal x(t) réel tel que : |X(ν)| = 0 au voisinage de |ν| = 0.

 On dénit le spectre utile ∆ν au voisinage de F0 (intérêt si ∆ν  F0 )
 Spectre : X(ν) = 12 [X+ (ν) + X− (ν)] = 12 [X+ (ν) + X+∗ (−ν)]
[Link],2014 93

Figure 15.3  Spectre d'un signal à bande étroite.

[Link] Signal analytique

On montre qu'on peut écrire : x(t) = <[x+ (t)] = 12 [x+ (t) + x∗+ (t)]
x+ (t) = x0 (t)ej2πF t : signal analytique (HF)
0

X+ (ν) = X0 (ν) ∗ δ(ν − F0 ) = X0 (ν − F0 )

x0 (t) = m(t)ejφ(t) est l'enveloppe BF complexe de x(t)
ej2πF0 t est la porteuse
x(t) = m(t) cos[2πF0 t + φ(t)] : signal modulé en amplitude par m(t) ∈ R+ et en phase par φ(t)

15.3 Filtres Analogiques

15.3.1 Convolution
[Link] Calcul de la sortie d'un ltre

La sortie s(t) d'un ltre est la convolution de l'entrée e(t) par la réponse impulsionnelle h(t) :
s(t) = h(t) ∗ e(t).
+∞
Un produit de convolution est une intégrale compliquée : x(t) ∗ y(t) = x(u)y(t − u)du.
R
−∞
Interprétation graphique : retournement et décalage d'une des fonctions, produit avec l'autre fonc-
tion et sommation des aires sous la courbe produit.
La transformée H(ν) de la réponse impulsionnelle s'appelle la fonction de transfert du ltre.
Intérêt principal : un produit de convolution se transforme en produit simple : S(ν) = H(ν).E(ν)
[Link] Chaînage de Filtres

La convolution est commutative donc l'ordre des ltres est indiérent, mais attention aux impé-
dances (solution : étages séparateurs ou même impédance caractéristique).
s(t) = [h1 (t) ∗ h2 (t) ∗ · · · ∗ hn (t)] ∗ e(t) = h(t) ∗ e(t) (15.34)
S(ν) = [H1 (ν).H2 (ν) · · · Hn (ν)]E(ν) = H(ν) · E(ν) (15.35)
Exemple : pour obtenir la réponse impulsionnelle h(t) d'un ltre, on peut mettre en entrée un
échelon (dit de Heaviside) e(t) = H(t) puis dériver la sortie :
s(t) = h(t) ∗ H(t) ⇒ s0 (t) = [h(t) ∗ H(t)] ∗δ 0 (t) = h(t) ∗ H 0 (t) = h(t) ∗ δ(t) = h(t)
| {z }
s(t)

15.3.2 Réponse Impulsionnelle et Fonction de Transfert

Un ltre est caractérisé soit par sa réponse impulsionnelle h(t) soit par ses fonctions de transfert (en
module et en argument) : H(p) (pour les signaux causaux uniquement) ou H(ν) = |H(ν)| exp[jΦ(ν)].
Il produit une distorsion linéaire du signal :
 si |H(ν)| =
6 cte, on a une distorsion d'amplitude
94 [Link],2014

 si Φ(ν) 6= kν avec k =cte, on a distorsion de phase (÷il sensible à la distorsion de phase contrai-
rement à l'oreille).
 ltre à phase minimum : ni pôle, ni zéro avec <(p) > 0
 ltre sans distorsion linéaire si : e(t) −→ s(t) = Ae(t − τ ) = e(t) ∗ [Aδ(t − τ )].
Donc : h(t) = Aδ(t − τ ) ↔ H(ν) = Ae−j2πτ ν
[Link] Filtre réalisable

Il doit respecter le principe de causalité (Fig. 15.4a).

CNS : h(t) = 0 pour t < 0 ⇒ H(p) ∃.
[Link] Filtre stable

Toute Rentrée bornée doit donner une sortie bornée : |e(t)| < M ⇒ |s(t)| < M 0 .
CNS : R |h(t)|dt ∃ ⇒ |H(ν)| borné et |H(p)| borné avec pôles tels que <(p) < 0 (Fig. 15.4b).

Figure 15.4  a) causalité ; b) stabilité.

[Link] Filtres idéaux

 Ampli : réalisable et stable

s(t) = A.e(t) = e(t) ∗ [Aδ(t)] ⇒ h(t) = Aδ(t) =⇒ H(ν) = A
 Retard pur : réalisable et stable
s(t) = e(t − τ ) = e(t) ∗ δ(t − τ ) ⇒ h(t) = δ(t − τ ) =⇒ H(ν) = e−j2πτ ν
 Passe-bas : pas stable, pas réalisable
H(ν) = u2Fc (ν) =⇒ h(t) = 2Fc sinc(2πFc t)
Approximation possible avec 0 < ε  1 et n  1 :
1
H(ν) =  n
1 + ε j Fνc

 Dérivateur : réalisable mais pas stable

s(t) = e0 (t) = e(t) ∗ δ 0 (t) ⇒ h(t) = δ 0 (t) =⇒ H(ν) = j2πν
 Intégrateur : réalisable mais pas stable
Zt
1 1
s(t) = e(u)du = e(t) ∗ H(t) ⇒ h(t) = H(t) =⇒ H(ν) = + δ(ν)
j2πν 2
−∞
[Link],2014 95

Figure 15.5  Filtre passe-bas.

15.3.3 Relations Fondamentales des Filtres

Le ltre (conçu, donc forcément d'énergie nie !) est caractérisé par sa fonction d'autocorrélation
et sa DSE :
(15.36)
Z
ch (τ ) = h(t)h∗ (t − τ )dt
R
T F [ch (τ )] = |H(ν)|2 (15.37)
Alors la sortie est caractérisée par les relations suivantes :
Si le signal d'entrée est d'énergie nie :
cs (τ ) = ch (τ ) ∗ ce (τ ) (15.38)
|S(ν)| 2
= |H(ν)| .|E(ν)| 2 2
(15.39)
(15.40)
Z Z
2 2
Es = cs (0) = |H(ν)| .|E(ν)| dν = |S(ν)|2 dν
R R

Si le signal d'entrée est de puissance moyenne nie :

γs (τ ) = ch (τ ) ∗ γe (τ ) (15.41)
T F [γs (τ )] = Γs (ν) = |H(ν)| .Γe (ν) 2
(15.42)
(15.43)
Z
P smoy = |H(ν)|2 .Γe (ν)dν
R

15.3.4 Filtre à bande étroite

[Link] Dénition

Filtre dont la réponse impulsionnelle est un signal à bande étroite.

 h(t) = <[h+ (t)] = <[h0 (t)ej2πF t ] 0

 H(ν) = 21 [H+ (ν) + H− (ν)] = 12 [H0 (ν − F0 ) + H0∗ (−ν − F0 )]

 Le ltre passe-bande idéal n'est pas réalisable : H(ν) = u∆ν (ν − F0 ) + u∆ν (ν + F0 )
 relation entrée-sortie : s(t) = h(t) ∗ e(t) avec e(t) à BE
 S(ν) = 41 [E+ (ν) + E− (ν)][H+ (ν) + H− (ν)] = 12 [S+ (ν) + S− (ν)]
 S+ (ν) = 21 E0 (ν − F0 )H0 (ν − F0 ) = 12 E0 (ν)H0 (ν) ∗ δ(ν − F0 ) ⇒ S0 (ν) = 21 E0 (ν)H0 (ν)
 spectre de la sortie : S(ν) = 12 [S0 (ν − F0 ) + S0∗ (−ν − F0 )]
 le signal de sortie est à BE : s(t) = <[s0 (t)ej2πF t ] 0

[Link] Principe du Changement de fréquence

On multiplie un signal à BE x(t) = <[x0 (t)ej2πF t ] avec un oscillateur local y(t) = cos(2πFL t).
0

On a en sortie du multiplieur : z(t) = αx(t)y(t) ⇒ Z(ν) = Z1 (ν) + Z2 (ν)

Avec : Z1 (ν) = α4 [X0 (ν − (F0 + FL )) + X0∗ (−ν − (F0 + FL ))] ↔ z1 (t) = α2 <[x0 (t)ej2π(F +F ) ]
0 L

Et : Z2 (ν) = α4 [X0 (ν − (F0 − FL )) + X0∗ (−ν − (F0 − FL ))] ↔ z2 (t) = α2 <[x0 (t)ej2π(F −F ) ]
0 L

Puis on ltre passe-bande centré sur F0 + FL . On obtient alors en sortie du ltre : w(t) = z1 (t).
96 [Link],2014

Figure 15.6  Changement de fréquence.

[Link] Ampli sélectif accordable

Utilisation d'un ltre passe-bande centré en FI (fréquence intermédiaire) et de BP ∆ν . On fait

varier FL alors que FI =cte. Seuls passent les signaux xi (t) tels que : Fi − FL = FI ⇒ Fi = FI + FL .
Utilisé dans les récepteurs radio hétérodynes.
[Link] Multiplexage en fréquence

Le signal de parole est un signal à bande étroite.

Application aux signaux téléphoniques : BP : [fmin = 300Hz; fmax = 3400Hz] On multiplie chaque

Figure 15.7  Spectre du signal de parole.

signal par un oscillateur local de fréquence diérente FL .
On ajoute un ltre passe-bande centré en ± FL + +f et de largeur : ∆ν = fmax − fmin .
 
f max min
2
Pour mélanger plusieurs signaux, on utilise plusieurs fréquences locales FK bien choisies.
Pour que les spectres soient disjoints : FK + fmax < FL + fmin ⇒ FL − FK > fmax − fmin = ∆ν =
3.1kHz
En fait, on prend une marge de sécurité : standard des PTT : FL − FK = 4kHz. Sur un câble
téléphonique, il passe 2700 voies. Le signal multiplexé est l'ensemble des signaux. Le spectre s'étale
jusqu'à 12MHz.
Restitution : on remultiplie par le même oscillateur local adhoc et on ltre passe-bas pour éliminer
la fréquence double 2FL .

15.4 Applications
15.4.1 Filtrage
Intérêt : Débruitage, Extraction de signaux
[Link] Passe-bas (Intégrateur)

Exemple du ltre RC 1er ordre (voir Fig. 15.8a)

[Link],2014 97
[Link] Passe-haut (Dérivateur)

Exemple du ltre CR 1er ordre (voir Fig. 15.8b)

Figure 15.8  Réponse impulsionnelle : a) Passe-bas ; b) Passe-haut.

[Link] Passe-bande

voir Signaux à bande étroite.

15.4.2 Modulation
Les signaux qui transportent l'information ont un spectre limité : fmin < ν < fmax . Pour envoyer
plusieurs signaux dans la même direction (même câble ou radio), on rend les spectres disjoints en
faisant des signaux à BE concentrés autour de diérentes porteuses F0  fmax .
Intérêt : Porter de l'info.

[Link] Modulation d'amplitude

Un signal modulé en amplitude s'exprime par :

s(t) = [1 + Km(t)] p(t) (15.44)
où :
 K est le taux de modulation variable de 0 à 100% (typ. K = 50%)
 m(t) est le signal BF modulant contenant l'information (où ν < fmax ).
 p(t) est la porteuse HF : p(t) = Ap cos 2πfp t (où fp  fmax ).
Prenons ici le cas d'école : m(t) = cos 2πfm t
Alors : s(t) = <[Ap (1 + K cos(2πfm t))ej2πf t ]
p

On obtient trois raies fréquentielles : fp , fp − fm et fp + fm .

Figure 15.9  Spectre en modulation d'amplitude.

98 [Link],2014

[Link].1 Démodulation : On utilise un détecteur d'enveloppe (circuit Diode + RC). Un bon

fonctionnement correspond à une valeur de constante de temps τ = RC telle que :
1 1
τ 
fp fmax

Démonstration cf TD
[Link] Modulation de fréquence

[Link].1 Fréquence instantanée : Soit s(t) = A cos φ(t).

dt .
On appelle fréquence instantanée : F (t) = 2π1 dφ(t)
Un signal est modulé en fréquence si : F (t) = F0 + ∆F.m(t) où m(t) est le signal modulant et ∆F
l'excursion en fréquence.
Dans le cas d'école où : m(t) = cos ωt = cos 2πf t, alors :
∆F
φ(t) = 2πF0 t + sin 2πf t.
f

m= ∆F
f est l'indice de modulation.
[Link].2 Spectre : Le spectre n'est pas borné, mais fait intervenir les fonctions de Bessel Jn (m).
(NB : n→∞
lim |Jn (m)| = 0)
∆ν = 2(fmax + ∆F )
On prend en général : mmin = f∆F > 2 (typ. mmin = 5).
Signal musical monophonique : 30Hz < f < 15kHz ⇒ ∆F = 75kHz. Donc ∆ν = 180kHz (prend
max

plus de place qu'en AM.)

[Link].3 Réalisation : oscillateur commandé en tension (VCO) fait avec une diode varactor (cf.
oscillateur LC accordé à : ω = 1/ C(t)L)
p

[Link].4 Démodulation : détecteur quadratique, détecteur de Foster-Seeley.

15.4.3 Analyse spectrale
[Link] But

Extraire de l'info sur les fréquences (et les énergies correspondantes) présentes dans un signal.
[Link] Principe

Filtrer le signal à travers un ltre passe-bande très sélectif et accordable (i.e. dont on fait varier la
fréquence centrale).
Cas d'un ltre passe-bande idéal centré en F0 et de bande étroite ∆ν : H+ (ν) = u∆ν (ν − F0 ).
Des relations des ltres Eq. (15.39) et (15.42), on déduit que :
F0 +∆ν/2
∞
(15.45)
Z Z
Es = 2 |H(ν)|2 .|E(ν)|2 dν = 2 |E(ν)|2 dν
0
F0 −∆ν/2

Si E(ν) ≈ cte = E(F0 ) sur ∆ν , alors :

Es ≈ 2∆ν|E(F0 )|2 (15.46)
Pmoy ≈ 2∆νΓe (F0 ) (15.47)
[Link],2014 99
[Link] Mise en ÷uvre

Accord F0 = FI − FL par changement de fréquence : oscillateur local FL variable, et ltre sélectif

fonctionnant à fréquence intermédiaire xe FI =cte (0 < FL < FI ).
On peut ainsi analyser dans la gamme de fréquences : 0 < ν < FI .
[Link] Résolution fréquentielle

[Link].1 Pouvoir de résolution : La précision augmente quand ∆ν diminue.

F0 − ∆F < ν < F0 + ∆F
∆F = ∆ν2

[Link].2 Troncature temporelle : La mesure à la fréquence ν = F0 se fait sur une durée

d'observation T :
xT (t) = x(t). uT (t)
Si T F0  1 et si l'on néglige les lobes secondaires du sinus cardinal, alors on obtient :
∆F =
1
T
+
∆ν
2
(15.48)
En général, on choisit 1/T ≈ ∆ν/2.

Figure 15.10  Troncature temporelle.

[Link].3 Exemple des audio-fréquences (ν < 20kHz ) : on veut une précison de ∆F =

100Hz ⇒ Tmin = 20ms.
Nb de points de mesure : N = 20kHz
100Hz = 200
Temps de mesure : Tobs = 200Tmin = 4sec
Si on réduit le temps de mesure à Tmin /10 alors ∆F = 500Hz déplorable.

15.5 Signaux aléatoires : caractérisation et ltrage

Variable et fonction aléatoires, Fonction de répartition, Densité de probabilité, Fonction caracté-
ristique, Moments, Processus stationnaires, ergodiques, faiblement stationnaires.

15.6 Bruit
Bruit blanc, Bruit thermique, Facteur de bruit.

15.7 Filtrage optimal et détection

15.8 TD1 - Signal Radar
Un signal radar s(t) est constitué d'un train d'impulsions rectangulaires qui module en amplitude
une porteuse K cos(2πfp t) de fréquence fp .
100 [Link],2014

L'impulsion rectangulaire de base, centrée, de largeur T , vaut : x(t) = A uT (t).

Soit fr la fréquence de répétition des impulsions qui forment le train inni d'impulsions noté y(t).
1. Calculer la fonction d'autocorrélation cx (τ ) de x(t) et donner les transformées de Fourier respec-
tives Cx (ν) et X(ν).
2. Donner l'expression du train d'impulsions y(t) et de sa TF Y (ν).
3. Dans le cas d'une seule impulsion modulante x(t), donner l'expression d'un signal radar s0 (t) et
de sa TF S0 (ν).
4. Même question dans le cas du train d'impulsions y(t) qui module la porteuse pour former le
signal complet s(t). On notera S(ν) sa transformée .
5. A la réception, on ne dispose du signal radar que sur une durée d'observation limitée D. C'est-à-
dire qu'on reçoit le signal z(t) = s(t). uD (t). Calculer d'abord et représenter la fonction spectrale
W (ν) correspondant au signal modulant tronqué : w(t) = y(t). uD (t). En déuire la TF Z(ν)
correspondant au signal radar tronqué z(t).

15.9 TD2 - Corrélateur analogique

Soit x(t) un signal réel de puissance moyenne nie dont on veut estimer la fonction d'autocorrélation
γx (τ ).
1. Donner le schéma de principe d'un corrélateur analogique.
NB : on appelera y(t) le signal en sortie du multiplieur et z(t) le signal après l'intégrateur.
2. L'intégrateur est un ltre RC passe-bas élémentaire. Calculer sa fonction de transfert H(ν) et
sa réponse impulsionnelle h(t).
3. On considère maintenant le cas où : x(t) = A cos(2πf0 t). Calculer alors γx (τ ).
4. Calculer la tension z(t) en sortie du corrélateur. La comparer à γx (τ ).
5. A quelle condition (portant sur la fréquence de coupure fc du ltre intégrateur) la uctuation de
z(t) par rapport à sa moyenne est-elle inférieure à γx (0), où   1 ?
A.N. : f0 ≥ 10Hz et  = 1%
6. On veut déterminer le temps de mesure nécessaire pour obtenir une bonne approximation de
γx (τ ). Le signal x(t) est appliqué pour t > 0. La partie oscillante de z(t) est supposée d'amplitude
négligeable (par suite du ltrage). Exprimer la réponse z1 (t) du ltre à la partie apériodique y1 (t)
de y(t).
7. Déterminer le temps T tel que pour t ≥ T : (1 − )γx (τ ) ≤ z1 (t) < γx (τ )
8. A.N. : f0 = 10Hz ; le retard maximal étant τM = 1/f0 , calculer T pour que l'erreur relative soit
inférieure à  = 1% si fc = f0 /50.
Chapitre 16

TRAITEMENT DE SIGNAL
NUMERIQUE

16.1 Introduction
16.1.1 Généralités
On s'intéresse au cas d'un signal numérique monodimensionnel et causal (suite numérique d'échan-
tillons x(nTe ) pour n ≥ 0). La variable temporelle est échantillonnée t = nTe (période d'échantillonnage
Te ) et l'amplitude est quantiée (avec un pas de quantication q ). Sans perte de généralité, on prend
souvent Te = 1 dans l'étude théorique pour normaliser les échelles. Evidemment, dans la pratique, la
valeur de Te est une caractéristique essentielle d'un système puisqu'elle dénit sa cadence de fonction-
nement. Entre deux instants d'échantillonnage, le signal n'est pas nul : il est non déni. On notera
indiéremment un signal numérique : x(t) = x(nTe ) = x(n) = xn .
On présente ici les opérations de base sur les signaux numériques, les outils d'analyse et de synthèse
des signaux et ltres numériques (TFDT, TFD, TZ et corrélation), les problèmes liés à l'arithmétique
utilisée (quantication et cycles limites), enn les systèmes de traitement et leurs applications (ltrage
et analyse spectrale) [13, 1, 14, 2, 3].

16.1.2 Outils mathématiques

[Link] Transformée de Fourier discrète dans le temps TFDT et spectre

La transformée de Fourier décompose le signal sur la base des exponentielles complexes :

+∞
(16.1)
X
X(ν) = x(n) exp(−j2πnν)
n=−∞

Cette série converge pour tout signal d'énergie nie :

+∞
(16.2)
X
|x(n)|2 ∃
n=−∞

X(ν) est périodique de période unité (ou période Fe = 1

si non normalisé). Son DSF donne la
transformée inverse :
Te

+1/2

(16.3)
Z
x(n) = X(ν) exp(+j2πνn)dν
−1/2

Si l'on prend en compte Te , alors l'intégration se fait sur la période principale : [−Fe /2, Fe /2]. On
appelle spectres d'amplitude, de phase et d'énergie resp. |X(ν)|, arg[X(ν)] et |X(ν)|2 .
102 [Link],2014

[Link] TFD et Transformée en Z

N.B. : Sur le cercle unité z = exp(j2πν), la TZ s'identie à la TFDT normalisée .

Calcul de la TZ inverse : x(n) ↔ X(z)
 développement en fractions partielles et utilisation des tables
 développement en série de puissance de z−1
 développement par division
 théorème des résidus
N.B. : Propriété complémentaire de la TZ : x(−n) ↔ X(1/z)

16.1.3 Systèmes numériques

[Link] Equation aux diérences

On s'intéresse aux systèmes linéaires (principe de superposition).

Cas particulier de système linéaire régi par une équation aux diérences (cf. équation diérentielle) :
N M
(16.4)
X X
ai (n)s(n − i) = bj (n)e(n − j)
i=0 j=0

[Link] Produit de convolution discret

Le signal de sortie se calcule par convolution discrète :

+∞
(16.5)
X
s(n) = e(k)h(n − k)
k=−∞
S(ν) = E(ν)H(ν) (16.6)
s(n) = e(n) ∗ h(n) ↔ S(z) = E(z)H(z) (16.7)

[Link] Fonction de Transfert

∞
(16.8)
X
H(z) = T Z[h(n)] = h(n)z −n
n=0

Converge dans un anneau du plan complexe z (cf. critère de Cauchy).

16.2 Signaux numériques

16.2.1 Les 4 opérations de base
1. somme de signaux numériques
2. produit de signaux
3. multiplication d'un signal par une constante
4. décalage d'un signal (retard ou avance) : y(n) = x(n − n0 )
A partir de ces lois, on exprime un signal numérique comme une somme pondérée d'impulsions décalées :
∞ ∞
(16.9)
X X
f ∗ (t) = f (t)δ(t − nTe ) = f (nTe )δ(t − nTe )
n=0 n=0
[Link],2014 103
16.2.2 Signaux élémentaires et typologie
 impulsion unité d(n) = 1 si n = 0 (0 sinon) (cf. symbole de Kronecker)
∞
 échelon unité H(n) = d(n)
P
n=0
 porte ou fenêtre rectangulaire uN (n)
 sinusoïde
 exponentielle x(n) = an
 exponentielle complexe x(n) = exp[(α + j2πν)n]
 signal périodique : x(n + N ) = x(n)
 signal à durée limitée ou illimitée
16.2.3 Corrélation
Mesure la similitude entre signaux :
∞ +∞
(16.10)
X X
φxy (k) = x(n)y(n + k) = x(n − k)y(n) = φyx (−k)
n=−∞ n=−∞
T F [φxy (k)] = Φxy (ν) = X ∗ (ν)Y (ν) (16.11)
+1/2
∞
(16.12)
X Z
2
φxx (0) = x (n) = Φx (ν)dν
n=−∞
−1/2

(16.13)
X X
φxy (k) ↔ Φxy (z) = x(n)z n ym z −m = X(1/z)Y (z)
n m

16.2.4 Echantillonnage
L'échantillonnée idéale à la fréquence Fe = 1/Te est donnée par :
+∞ +∞
(16.14)
X X
v(t) = x(t) δ(t − kTe ) = x(kTe )δ(t − kTe )
k=−∞ k=−∞

Figure 16.1  Echantillonnage idéal.

[Link] Théorème de Shannon

Le théorème de Shannon stipule qu'il faut respecter la condition : Fe > 2Fmax . On peut alors
reconstituer le signal x(t) par un ltrage passe-bas idéal de fréquence de coupure fc = Fe /2 (interpo-
lation). Dans le cas contraire, on a repliement de spectre (cf. ŸTFD).
[Link] Echantillonnage naturel

+∞ +∞
" #
(16.15)
X X
w(t) = x(t) uτ (t − kTe ) = x(t). uτ (t) ∗ δ(t − kTe )
k=−∞ −∞
104 [Link],2014

[Link] Echantillonneur bloqueur

+∞ +∞
(16.16)
X X
w(t) = x(kTe ) uτ (t − kTe ) = x(kTe ) uτ (t) ∗ δ(t − kTe ) = uτ (t) ∗ v(t)
k=−∞ k=−∞

Figure 16.2  a) Echantillonnage naturel ; b) Echantillonneur-bloqueur.

16.2.5 Quantication
L'inuence de la quantication est modélisée par une source de bruit additif. On traite l'erreur
de quantication par arrondi comme une variable aléatoire de densité de probabilité uniforme 1/q sur
l'intervalle des erreurs possibles [−q/2, +q/2] :
x(n) = Q[x(n)] + b(n) (16.17)
µb = 0 (16.18)
q2
σb2 =
12
(16.19)
On dénit le rapport signal sur bruit de quantication :
Px2
ρ = 10 log10
σb2

Pour une quantication sur m bits, on montre que ρ ≈ 6m dB. On voit donc qu'avec un nombre de
bits susant, on peut négliger le bruit de quantication.
Par contre, le phénomène des cycles limites peut être très gênant : solution périodique en l'absence
de signal d'entrée, due notamment aux conditions initiales du ltre.

16.3 Filtres numériques

16.3.1 Causalité et stabilité

k
(16.20)
X
s(k) = e(n)h(k − n)
n=0
+∞
(16.21)
X
|h(n)| < ∞
n=0

cf. TD
[Link],2014 105
16.3.2 Système SLIT
Un système linéaire invariant dans le temps (SLIT) a pour fonction de transfert une fraction
rationnelle en z dont les pôles sont à l'intérieur du cercle unité :
M
bj z −j
P

H(z) =
B(z)
A(z)
j=0
= N (16.22)
z −i
P
ai
i=0

Il est donc régi dans le domaine temporel par une équation de récurrence linéaire (cf. théorème du

Figure 16.3  Critère de stabilité.

retard) :
N M
(16.23)
X X
ai s(n − i) = bj e(n − j)
i=0 j=0

Un ltre causal et stable est déni par sa réponse impulsionnelle h(n) ou sa fonction de transfert en z
H(z) ou par sa TFD H(k) :
N −1
pour n ≥ N − 1 (16.24)
X
s(n) = e(k)h(n − k)
k=0
S(z) = H(z).E(z) (16.25)
S(k) = H(k).E(k) (16.26)
Les Eq. ci-dessus permettent de dénir trois méthodes diérentes de réalisation d'un ltre numérique :
structure récursive (Eq. 16.23), structure transversale (16.24) ou gabarit fréquentiel (16.26). Les circuits
comportent des sommateurs, des multiplieurs par une constante et des retards.
16.3.3 Synthèse d'un ltre RIF
Un ltre à Réponse Impulsionnelle Finie a pour fonction de transfert un simple polynôme : H(z) =
B(z). On utilise souvent la réalisation transversale (canonique directe) ou une structure en cascade
résultant de la factorisation de H(z) en polynômes de deuxième degré :
(N −1)/2
(16.27)
Y
1 + am1 z −1 + am2 z −2


H(z) =
m=1

Les méthodes de synthèse sont [15] :

106 [Link],2014

 synthèse par série de Fourier : calcul de h(n) à partir de H(ν) (cf. Eq. 16.3)
 méthode d'échantillonnage en fréquence (emploi de la TFD, mais phénomène de Gibbs)
 optimisation linéaire : algorithme de Remez (contraintes de degré minimal et de phase linéaire,
meilleure approximation au sens de Tchebyche)
Exigence de ltrage :
 gabarit sur l'aaiblissement (ou le gain) : passe-bas, passe-bande, passe-haut, coupe-bande
 déphasage linéaire : retard de groupe τ = dφ/dω = cte.
La fonction de transfert vérie :
H(ejω ) = G(ω)e−j[φ(0)+τ ω] (16.28)
H(z −1
) = ±z N −1
H(z) (16.29)
Donc les zéros apparaissent par paires complexes conjuguées : z0 , z0∗ , z0−1 , z0∗−1 .
16.3.4 Synthèse d'un ltre RII
1. Transposition analogique (TL) ↔ numérique (TZ) : correspondance z ↔ p
 équivalence de la dérivation :
x(n) − x(n − 1)
y(n) =
Te
(16.30)
1−z −1
p =
Te
(16.31)
L'axe imaginaire p = jω se transforme en le cercle de centre z0 = 1/2 et de rayon R = 1/2.
L'équivalence n'est satisfaisante qu'au voisinage de z = 1 (suppose une valeur de Fe élevée).
 équivalence de l'intégration (règle trapézoïdale) dite transformation bilinéaire :
x(n) + x(n − 1)
y(n) = y(n − 1) +
2
Te (16.32)
Te 1 + z −1
1
p
=
2 1 − z −1
(16.33)
fa =
1
πTe
tan(πfd Te ) (16.34)
L'image de l'axe imaginaire en p est le cercle unité en z (compatible avec l'échantillonnage,
mais loi non linéaire entre fréquence analogique fa et fréquence numérique fd ).
 échantillonnage de la réponse impulsionnelle :
N N
X αj X αj
H(p) = ⇔ H(z) =
p − pj 1 − exp(pj Te )z −1
j=1 j=1

2. Algorithmes complexes d'optimisation par ordinateur : minimisation de l'erreur d'approximation

entre ltre désiré et ltre réalisable.

16.4 Filtrage
16.4.1 Linéaire
Exemple du ltre passe-bas moyenneur :
N −1
1 X
y(n) = x(n − k)
N
k=0

impossible de supprimer une impulsion tout en conservant dèlement un échelon.

[Link],2014 107
16.4.2 Non-linéaire
Exemple du ltre médian à l'échelle N :
y(n) = med[x(n − N ), x(n − N + 1), · · · , x(n + N )]

où med[...] représente le nombre qui se trouve au milieu après avoir ordonné les 2N + 1 valeurs par
ordre croissant.
Intérêt principal du ltrage non-linéaire : le ltrage par la valeur médiane élimine complètement
une impulsion unité et laisse passer un échelon sans modication.
En pratique, on combine souvent ltre médian et ltre linéaire pour proter des avantages des deux
types de ltres.

16.5 Analyse spectrale

16.5.1 Autocorrélation
Le spectre d'un signal s(n) est la TF de la fonction d'autocorrélation φs (n) du signal :
+∞
(16.35)
X
|S(ν)|2 = Φs (ν) = φs (n)e−j2πνn
n=−∞

La fonction d'autocorrélation de la sortie d'un système est le produit de convolution des fonctions
d'autocorrélation de l'entrée et de la réponse impulsionnelle :
+∞
(16.36)
X
φs (n) = φe (n − k)φh (k)
k=−∞
1
Φs (z) = H(z)H( )Φe (z)
z
(16.37)
cf. TS analogique : Φs (ν) = |H(ν)|2 Φe (ν) (16.38)
La technique dite du corrélogramme est donc un moyen de calculer le spectre d'un signal.
16.5.2 Méthode non-paramétrique
Méthode du périodogramme moyenné : la DSE est approximée par
N −1 2

Φ̂(k) =
1 X
N
nk
x(n)e−j2π N (16.39)
n=0

On calcule donc le module au carré de la TFD du signal (avec l'algorithme rapide de FFT).
Attention :
 troncature temporelle ↔ choix de fenêtres de pondération (Hanning, Hamming, Blackman) ↔
Limite de Résolution fréquentielle
 Echantillonnage temporel ⇔ Périodisation du spectre ↔ Risque de repliement de spectre
16.5.3 Méthode paramétrique
On modélise le signal comme la sortie d'un ltre RII dont l'entrée est un bruit blanc de variance
σ 2 . On parle alors de processus ARMA (autoregressive - moving average) :
|B(ν)|2 2
Φ̂(ν) = σ
|A(ν)|2
Des algorithmes des moindres carrés permettent d'estimer les paramètres du modèles (coecients ai
et bj ). Le problème crucial est le choix de l'ordre du processus (degrés du numérateur B(z) et du
dénominateur A(z)).
Intérêt : Meilleure résolution fréquentielle.
108 [Link],2014

16.6 TD3 - Synthèse d'un ltre RII

Pour élaborer un ltre numérique, on peut exploiter la théorie et les techniques de synthèse des
ltres analogiques. Une méthode couramment utilisée pour passer de la fonction de transfert analogique
HA (p) à la fonction de transfert numérique HN (z) est la transformation bilinéaire :
z−1
p=K
z+1
Cette transformation a notamment pour avantage de conserver les propriétés essentielles du ltre
analogique, dont la stabilité.
Par ailleurs, lorsqu'on utilise HN (z) pour ltrer un signal numérique issu de l'échantillonnage d'un
signal analogique avec une fréquence d'échantillonnage Fe , la fonction de transfert équivalente vis-à-vis
du signal analogique est : H(f ) = HN (ejθ ) où θ = 2πf /Fe .
1. Montrer que pour la transformation dénie ci-dessus, lorsque p = j2πν avec ν variant de −∞ à
+∞, la trajectoire de z est le cercle unité z = ejθ dans le plan z . En déduire la relation entre la
fréquence numérique f et la fréquence analogique ν . En donner une représentation graphique.
2. On dénit le ltre numérique par HN (z) = HA K z−1 z+1 . En déduire l'allure de |H(f )| en fonction
 

de celle de |HA (j2πν)|.

Application : On veut synthétiser un ltre numérique réjecteur à partir d'un ltre analogique
(Fig. 16.4) dont la fonction de transfert de Laplace est :
r
(2πν0 )2 + p2
HA (p) =
1
2 (2πν0 )2 + 2ζ(2πν0 )p + p2
avec : 2πν0 = √
1
et : ζ=
R
4
C
L
LC

3. Donner schématiquement la variation de |HA (j2πν)|.

4. Déterminer la constante K pour avoir H(f ) = 0 pour f = ±Fe /4.
5. Montrer que HN (z) correspond à un ltre récursif dont on donnera le diagramme de calcul.
6. Vérier que ce ltre est réalisable.
7. A quelle condition le ltre numérique est-il stable ?

Figure 16.4  Filtre RLC réjecteur.

Chapitre 17

TRANSFORMEE DE FOURIER
DISCRETE

17.1 Introduction [1]

Par abus de langage, on emploie souvent indiéremment les deux termes spectre et transformée de
Fourier, sans se soucier de la phase de la transformée de Fourier. Mais en toute rigueur, le spectre d'un
signal est le module au carré de sa transformée de Fourier.
L'analyse spectrale d'un signal analogique déterministe par une technique numérique comporte
deux étapes essentielles :
 la conversion analogique-numérique du signal : c'est l'échantillonnage,
 le calcul de la transformée de Fourier discrète : TFD.
Ces deux étapes génèrent des distorsions qui peuvent perturber l'analyse. Pour interpréter correctement
les spectres obtenus, il faut connaître l'origine et les conséquences de ces distorsions, ainsi que les
techniques permettant de les minimiser. On étudiera d'abord les conséquences de l'échantillonnage
temporel d'un signal, puis on mettra en évidence les problèmes posés par le recours à la TFD.

17.2 Conversion analogique-numérique

17.2.1 Échantillonnage et quantication
La conversion d'un signal analogique en une séquence de valeurs numériques, ou signal numérique,
se divise en deux phases :
 la prise d'échantillons du signal à intervalles de temps réguliers dont la durée est appelée période
d'échantillonnage Te . Cet échantillonnage temporel peut induire des distorsions gênantes si
les conditions du théorème de Shannon ne sont pas vériées (Ÿ 17.2.2).
 la quantication des valeurs des échantillons ainsi prélevés, avec un écart maximal entre la
valeur réelle et la valeur stockée qui dépend du nombre de bits dont dispose le convertisseur
analogique-numérique. Si le signal a un spectre susamment étendu, on assimile les conséquences
de cette quantication à la superposition d'un bruit blanc sur le signal d'origine. Si le nombre
de bits du calculateur est susant et si l'amplitude du signal à analyser est assez forte, on peut
considérer que le rapport signal sur bruit de quantication est très grand, et négliger les eets
de la quantication.

17.2.2 Echantillonnage temporel

Considérons un signal analogique xa (t) de transformée de Fourier Xa (f ). Notons xe (t) le signal
résultant de l'échantillonnage de xa (t) à la fréquence Fe = 1/Te . Il est déni par :
si t = nTe

xe (t) = xa (t) = xn
xe (t) = 0 sinon (17.1)
110 [Link],2014

On peut écrire :
xe (t) = xa (t).e(t) (17.2)
où e(t) est le peigne de Dirac de période Te :
+∞
(17.3)
X
e(t) = δ(t − nTe )
n=−∞

Soit E(f ) la transformée de Fourier de e(t) :

+∞
(17.4)
X
E(f ) = Fe δ(f − kFe )
k=−∞

La transformée de Fourier Xe (f ) de xe (t) est donnée par le produit de convolution :

+∞
(17.5)
X
Xe (f ) = Xa (f ) ∗ E(f ) = Xa (f ) ∗ Fe δ(f − kFe )
k=−∞
soit : +∞
(17.6)
X
Xe (f ) = Fe Xa (f − kFe )
k=−∞
Le spectre du signal échantillonné correspond donc, au facteur multiplicatif Fe près, à la périodi-
sation à période Fe du spectre Xa (f ) du signal analogique. Nous allons voir que cette périodisation
spectrale peut introduire une distorsion du spectre dans la bande de fréquences considérée, à savoir
] − Fe /2; Fe /2[.
Supposons d'abord que Xa (f ) = 0 pour |f | > Fm où Fm est la fréquence maximale du signal. Selon
le théorème de Shannon, si xa (t) est un signal d'énergie nie, on peut retrouver sans distorsion le
signal xa (t) à partir du signal échantillonné xe (t) si et seulement si :
Fe ≥ 2Fm . (17.7)
Dans ce cas (Fig. 17.1), les spectres Xa (f ) et Xe (f ) coïncident parfaitement sur l'intervalle ] −
Fe /2; Fe /2[, et la périodisation spectrale liée à l'échantillonnage temporel n'a pas de conséquence sur
l'analyse spectrale du signal étudié.

Figure 17.1  Respect du théorème de Shannon : aucune distorsion dans la bande ] − Fe /2; Fe /2[.
Par contre, si Fe < 2Fm ou bien si le signal n'est pas à spectre borné, il y a recouvrement ou
repliement de spectre (Fig. 17.2) Les deux spectres Xe (f ) et Xa (f ) ne coïncident plus sur l'intervalle
] -Fe /2 ; Fe /2 [ : on a un rehaussement d'énergie en bouts de bande autour de ±Fe /2. La distorsion liée
à la périodisation spectrale est alors telle que l'analyse de Fourier du signal échantillonné ne permet
pas d'avoir une bonne description du spectre du signal analogique. On ne pourra pas reconstituer
correctement le signal analogique à partir de ses échantillons.
[Link],2014 111

Figure 17.2  Recouvrement de spectre : distorsions dans la bande ] − Fe /2; Fe /2[.

17.3 Transformée de Fourier Discrète

17.3.1 TFDT d'un signal causal
Le signal xe (t), échantillonnée idéale de xa (t), peut s'écrire d'après (17.2) :
+∞
(17.8)
X
xe (t) = xn δ(t − nTe )
n=−∞

Donc la transformée de Fourier Xe (f ) du signal échantillonné xe (t) s'exprime par :

+∞
(17.9)
X
Xe (f ) = xn exp(−j2πnf Te )
n=−∞

Le signal xe (t) étant déni par une séquence discrète de valeurs xn dans le temps, Xe (f ) est appelée
Transformée de Fourier Discrète dans le Temps (TFDT) . Notons que dans cette expression,
le temps est discrétisé tandis que la fréquence reste continue. Si le signal xe (t) est causal, c'est-à-dire
que xn = 0 pour n < 0, alors l'expression de la TFDT se simplie :
+∞
(17.10)
X
Xe (f ) = xn exp(−j2πnf Te )
n=0

Nous supposerons dans la suite que nous traitons toujours un signal causal.
17.3.2 Troncature temporelle
Pour une fréquence f donnée, le calcul sur ordinateur de la TFDT ci-dessus est possible si le signal
est de durée nie (xn est nul à partir d'un certain indice n = N ). Par contre, si le signal est de durée
a priori innie, la TFDT n'est pas calculable sur ordinateur (somme innie). Pour y remédier, il faut

faire l'hypothèse qu'à partir d'un certain indice n = N , les échantillons xn sont négligeables. Alors,
l'expression de la TFDT Xe (f ) devient :
N −1
(17.11)
X
Xe (f ) = xn exp(−j2πnf Te )
n=0

Cette démarche consistant à assimiler un signal de durée innie à un signal de durée nie est appelée
troncature temporelle. Elle peut avoir des conséquences spectrales fâcheuses si l'hypothèse sur la
112 [Link],2014

faiblesse de l'amplitude des xn pour n ≥ N est fausse. Du point de vue mathématique, la troncature
revient à multiplier le signal xe (t) par une porte causale πT (t) de largeur T = [Link] , qu'on appelle
aussi fenêtre rectangulaire, dénie par :
πT (t) = 1 si t ∈ [0; (N − 1)Te ]


πT (t) = 0 sinon
(17.12)
En d'autres termes, on assimile le signal xe (t) à un signal xT (t) déni par :
xT (t) = xe (t).πT (t) (17.13)
Ceci revient à assimiler la TFDT Xe (f ) à la TFDT XT (f ), résultat de la convolution :
XT (f ) = Xe (f ) ∗ ΠT (f ) (17.14)
où ΠT (f ) est la transformée de Fourier de la porte de largeur T :
ΠT (f ) = T
sin(πf T )
πf T
exp(−jπf T ) (17.15)
N.B. L'exponentielle complexe exp(−jπf T ), terme de déphasage dû au fait que la porte est causale
centrée en T /2, ne modie en rien le module de la transformée de Fourier.
Cette convolution par un sinus cardinal induit des distorsions caractérisées par un élargissement
spectral et l'apparition d'ondulations dans le voisinage des zones de transition du spectre 1 (zones de
fréquences où est concentrée l'énergie) : c'est ce que l'on appelle le phénomène de Gibbs (Fig. 17.3).

Figure 17.3  Phénomène de Gibbs pour le spectre d'un sinus représenté sur l'intervalle [0; Fe /2].

17.3.3 Pondération temporelle

Pour diminuer les incidences spectrales de la troncature temporelle, on peut pondérer le signal
échantillonné par une fonction qui laisse inchangés les échantillons situés au centre de la fenêtre, et qui
atténue plus ou moins les échantillons situés sur les bords de cette fenêtre. Cela revient à calculer la
TFDT pour un signal multiplié non plus par une fenêtre rectangulaire de durée T (Eq. 17.13), mais
par une fenêtre de pondération temporelle de même durée, appelée aussi fenêtre d'apodisation.
1. Classiquement, on ne représente le spectre que dans l'intervalle [ 0 ; Fe/2 ] car on sait que pour les signaux réels,
le spectre est symétrique par rapport à f = 0 : X(−f ) = X ∗ (f ) , où ∗ dénote le complexe conjugué.
[Link],2014 113
Il existe de nombreux types de pondérations. Toutes ont comme objectif de réduire l'amplitude des
ondulations et l'élargissement spectral associés au phénomène de Gibbs, mais elles ont des propriétés
spéciques diérentes. Nous limiterons notre étude à trois fenêtres de pondération, dont les propriétés
sont représentatives des grandes catégories de pondérations possibles :
 la fenêtre de Hanning, d'expression temporelle :
si t ∈ [0; (N − 1)Te ]
( h  i
wh (t) = 0.5 1 − cos (N 2πt
−1)Te (17.16)
wh (t) = 0 sinon
 la fenêtre de Hamming, d'expression temporelle :
si t ∈ [0; (N − 1)Te ]
(  
2πt
wH (t) = 0.54 − 0.46 cos (N −1)Te (17.17)
wH (t) = 0 sinon
 la fenêtre de Blackman, d'expression temporelle :
si t ∈ [0; (N − 1)Te ] (17.18)
(    
2πt 4πt
wB (t) = 0.42 − 0.50 cos (N −1)Te + 0.08 cos (N −1)Te
wB (t) = 0 sinon
Quelle que soit la fenêtre de pondération temporelle, le module de sa transformée de Fourier est
constitué d'un lobe central ou principal d'amplitude unité et de largeur variable selon la pondération,
et d'une succession de lobes secondaires dont l'amplitude relative à celle du lobe principal décroît
plus ou moins vite selon la pondération. Ces diérentes propriétés sont résumées dans le Tab. 17.1.
Table 17.1  Caractéristiques des fenêtres de pondération.
Fenêtre Atténuation (en dB) Largeur (en Hz) Vitesse d'atténuation
du premier lobe secondaire du lobe principal des lobes secondaires
Rectangulaire -13 2F e/N Lente
Hanning -31 4F e/N Rapide
Hamming -41 4F e/N Lente
Blackman -57 6F e/N Très rapide

L'intérêt de chaque pondération dépend à la fois des objectifs recherchés et du type de signal
analysé : signal à spectre continu, signal périodique, signal à large spectre, signal à spectre étroit ...
17.3.4 Echantillonnage fréquentiel - TFD
Pour une fréquence f donnée, on peut calculer la TFDT et contrôler dans une certaine mesure
les distorsions liées au phénomène de Gibbs grâce aux fenêtres de pondération. Mais le calcul sur
ordinateur de l'ensemble du spectre, autrement dit de la TFDT pour f ∈ [0, Fe /2], n'est évidemment
possible que pour un nombre ni de valeurs de la fréquence. Il faut donc échantillonner en fréquence
la TFDT sur cet intervalle.
Compte tenu du théorème de Shannon, la durée du signal temporel analysé étant égale 2 à T = [Link] ,
il sut d'échantillonner la TFDT à une "fréquence" égale à [Link] , ce qui revient à prendre un échantillon
spectral tous les Fe /N . Le spectre ainsi échantillonné, représentation spectrale discrète d'un signal
discret dans le temps, est appelé Transformée de Fourier Discrète (TFD). La TFD est alors
donnée par les valeurs Xk dénies par :
N −1
2πnk
(17.19)
X
Xk = xn exp(−j )
N
n=0

NB : Pour le calcul de la formule (17.19) sur ordinateur, il existe un algorithme rapide appelé FFT
(Fast Fourier Transform) : FFT 1-D pour les signaux et FFT 2-D pour les images.
2. N est le nombre d'échantillons du signal sans zero-padding (cf. commentaire sur la t en annexe).
114 [Link],2014

Notons que dans cette expression, le temps et la fréquence sont échantillonnés. Cet échantillonnage
fréquentiel peut avoir une inuence notable sur l'allure du spectre.
En eet, considérons le cas simple d'une cosinusoïde de fréquence f0 , échantillonnée à la fréquence
Fe et observée sur une fenêtre de durée T = [Link] , où N représente le nombre d'échantillons du signal.
Son spectre continu théorique sur [0; Fe /2] correspond à un sinus cardinal dont le maximum est centré
en f0 , et dont les zéros sont espacés de 1/T car :
2 2
sin π(f − f0 )T )
1
2
δ(f − f0 ) ∗ T
sin(πf T )
πf T
= K
π(f − f0 )T
(17.20)
Or on a justement : T1 = N1T = FN c'est-à-dire que l'espacement entre les zéros du sinc est le même
e

que l'espacement entre les points du spectre échantillonné.

e

Ainsi, si f0 = [Link] /N (avec k entier), les échantillons du spectre tombent exactement sur les zéros
du sinc (Fig. 17.4a). Alors le phénomène de Gibbs, bien que présent, n'apparaît pas à la visualisation
du spectre échantillonné (raie spectrale ne). Il est masqué par l'échantillonnage fréquentiel.
Par contre, si f0 = (k + 1/2).Fe /N , les échantillons du spectre tombent sur les maxima des lobes
secondaires du sinc (Fig. 17.4b). Alors le phénomène de Gibbs est le plus apparent (raie spectrale très
large). L'échantillonnage fréquentiel révèle clairement le phénomène, dit de fuite d'énergie (leakage
en anglais), où l'amplitude de la raie fréquentielle est diminuée.

Figure 17.4  Inuence de l'échantillonnage fréquentiel : a) Echantillonnage passant par les zéros du
sinc ; b) Echantillonnage passant par les maxima du sinc.
On peut résumer cette discussion en calculant le rapport :
r=
f0
∆f
avec ∆f = FNe c'est-à-dire r = NFf0 = T f0 = TT (17.21)
e 0

où T0 représente la période du signal sinusoïdal. Selon la valeur de r, on sera dans un cas d'échan-
tillonnage fréquentiel induisant plus ou moins de fuite d'énergie, les cas extrêmes correspondant res-
pectivement à r demi-entier et r entier. Tous les cas intermédiaires sont bien sûr possibles. En pratique
évidemment, on ne peut pas maîtriser ce paramètre r sans connaissance a priori sur le signal (il faudrait
connaître f0 ... ce qui est justement le but de l'analyse spectrale !) Il faudra donc toujours se méer du
phénomène de fuite d'énergie éventuelle avant d'interpréter un spectre ...
Dans le cas d'une analyse avec une fenêtre rectangulaire, on peut aboutir à des représentations
spectrales très diérentes pour des signaux de même type (cf. Fig. 17.5 pour le cas d'une sinusoïde)
soit parce que l'on a modié légèrement la fréquence d'échantillonnage ou le nombre de points acquis,
soit parce que la fréquence du signal est légèrement diérente. Là encore, le recours aux pondérations
décrites au Ÿ 17.3.3 peut s'avérer utile.
Signalons pour nir que l'on peut également interpréter ce phénomène de fuite d'énergie d'un point
de vue temporel. L'échantillonnage fréquentiel se traduit en eet par une périodisation temporelle
à la période T = [Link] du signal analogique original. Le spectre échantillonné de xe (t) correspond
donc en fait au spectre d'un signal périodique de période T , dont une période correspond aux N
premiers échantillons de xe (t). Si le rapport T /T0 n'est pas entier, le signal périodisé présentera des
discontinuités aux raccordements des tranches de signal, qui se traduiront par des distorsions spectrales
[Link],2014 115
plus ou moins importantes selon la nature de ces discontinuités. Comme T = [Link] , on comprend que
cette interprétation temporelle revient exactement à l'interprétation fréquentielle précédente où on
calculait le rapport :
r=
N f0
F
= T f0 =
T
T
. (17.22)
e 0

Figure 17.5  Spectres discrets (TFD sur [0; Fe /2]) de deux signaux sinusoïdaux de fréquences très
proches (64 Hz et 63.125 Hz) pour une même fréquence d'échantillonnage Fe = 256 Hz et un même
nombre d'échantillons N=64.
116 [Link],2014
 Cinquième partie

ANNEXE MATHEMATIQUE
Chapitre 18

RECAPITULATIF SUR LES

TRANSFORMEES

18.1 Rappel sur les distributions

Dénition
On appelle distribution T , une fonctionnelle sur D où D est l'EV des fonctions ϕ(t) à valeurs
complexes dénies sur R, indéniment dérivables et à support borné.
D C
T : ϕ → < T, ϕ >
+∞
R
Exemple : < TF , ϕ > = F (t) ϕ (t) dt
−∞

Z +∞
< δ, ϕ > = < Tδ , ϕ > = δ (t) ϕ (t) dt = ϕ (0)
−∞

∞
X ∞
X
f ∗ (t) = f (t) δ (t − nT ) = f (nT ) δ (t − nT )
n=0 n=0

NB. Distribution : pas de sens au sens des fonctions (intégrale de Riemann).

Distribution de Dirac
Dénie par une limite : δ(x) = →0
lim I (x) où I (x) est une impulsion inniement courte (durée )
et inniement haute (amplitude 1/) :
On en déduit :
 la parité : δ(x) = δ(−x) et δ(x − a) = δ(a − x)
+∞
 l'intégrale : δ(x)dx = 1
R
−∞
Produit simple :
 distribution pondérée par la valeur de la fonction : δ(x − a)f (x) = δ(x − a)f (a)
 cas particulier où a = 0 : δ(x)f (x) = δ(x)f (0)
Elément neutre de la convolution (preuve par la TL : H(p) = 1) :

+∞
Z +∞
Z
δ(x − u)f (u)du = δ(u)f (x − u)du = δ(x) ∗ f (x) = f (x)
−∞ −∞

De même : δ(x − a) ∗ f (x) = f (x − a)

On en déduit les intégrales :
120 [Link],2014

+∞
R
δ(x)f (x)dx = f (0)
−∞
+∞
R
δ(x − a)f (x)dx = f (a)
−∞
Dérivée : f 0 (x) = f (x) ∗ δ0 (x)
Dérivée nième : f (x) ∗ δ(n) (x) = f (n) (x)
[Link],2014 121
18.2 Développement en Série de Fourier
Soit une fonction f (t) :
 périodique de période T
 dénie dans un intervalle [θ, θ + T ],
 satisfaisant les conditions de Dirichlet (discontinuités de 1ère espèce).
Alors : ∞ X 2πkt 2πkt
f (t) = a0 + ak cos + bk sin
T T
k=1
avec : Z θ+T
1
a0 = f (t) dt
T θ
Z θ+T
2 2πkt
ak = f (t) cos dt
T θ T
Z θ+T
2 2πkt
bk = f (t) sin dt
T θ T
( q
a2k + b2k

On peut poser : ak
bk
=
=
Ak cos ϕk
Ak sin ϕk
⇒
Ak =
bk
ϕk = Arctg ak
∞  
X 2π kt
⇒ f (t) = a0 + Ak cos − ϕk
T
k=1

Terminologie
 a0 représente la composante continue
 A1 représente l'amplitude du fondamental
 Ak représente l'amplitude de l'harmonique de rang k
 ϕk représente le déphasage
 ν = 1/T représente la fréquence fondamentale
 ω = 2πν = 2π/T représente la pulsation de base.
Formule de Bessel-Parseval
On a conservation de l'énergie :
Z θ+T ∞
1 2 1X 2
a20 ak + b2k


[f (t)] dt = +
T θ 2 | {z }
k=1
A2k

Dénition de la valeur ecace

" #1/2
θ+T 2 = < [f (t)]2 >
1 2
C'est-à-dire : Vef
R f
↑ valeur moyenne
Vef f = T [f (t)] dt
θ

DSF Exponentiel
+∞ θ+T
avec ck = F (k) = T1
   
j2πkt
f (t) exp − j2πkt
P R
f (t) = ck exp T T dt
k=−∞ θ
Pour un signal réel, on a c∗k = ck d'où :
a0 = c0 (18.1)
ak = 2<[ck ] (18.2)
bk = −2=[ck ] (18.3)
122 [Link],2014

18.3 Tableau récapitulatif de la TL

Domaine du temps t ∈ R TL
−→ Domaine de fréquence généralisée p ∈ C
où t > 0 T L−1
←− avec Re(p) = σ > σo
+∞
f (t)e−pt dt ⊂ f (t)
R
f (t) ⊃ F (p) =
0
df /dt ⊃ pF (p) − f (0+ )
f (t) ∗ g(t) ⊃ F (p).G(p)
f (0+ ) = lim pF (p)
p→∞
f (∞) = lim pF (p)
p→0
f (t − t0 ) ⊃ e−pt0 F (p)
e−at f (t) ⊃ F (p + a)
a.f (at) ⊃ F (p/a)
f (n) (t) ⊃ n
p F (p) − pn−1 f (0) − pn−2 f 0 (0) − ... − f (n−1) (0)
(−1)n tn f (t) ⊃ F (n) (p)
δ(t) ⊃ 1
(n)
δ (t) ⊃ pn
H(t) = 1t>0 ⊃ 1/p
t ⊃ 1/p2
tn /n! ⊃ 1/pn+1
e−at ⊃ 1/(p + a)
sin ωt ⊃ ω/(p2 + ω 2 )
cos ωt ⊃ p/(p2 + ω 2 )
a
sinh at ⊃ p2 −a2
p
cosh at ⊃ p2 −a2
−at
e tn /n! ⊃ 1/(p + a)n+1
e−at sin ωt ⊃ ω
(p+a)2 +ω 2
p+a
e−at cos ωt ⊃ (p+a)2 +ω 2
a
ebt sinh at ⊃ (p−b)2 −a2
p−b
ebt cosh at ⊃ (p−b)2 −a2
eat −ebt 1
a−b ⊃ (p−a)(p−b)
aeat −bebt p
a−b ⊃ (p−a)(p−b)
p+b
[(b − a)t + 1]e−at ⊃ (p+a)2
2ωp
t sin ωt ⊃ (p2 +ω 2 )2
p −ω 2
2
t cos ωt ⊃ (p2 +ω 2 )2
sin(ωt)−ωt cos ωt 1
2ω 3
⊃ (p2 +ω 2 )2
[Link],2014 123
18.4 Tableau récapitulatif de la TF

Domaine du temps continu TF

−→ Domaine des fréquences
ν ∈ R ( ω = 2πν )
T F −1
t∈R ←−
+∞ +∞
F (ν)e+j2πνt dν f (t)e−j2πνt dt
R R
f (t) = F (ν) =
−∞ −∞
f (−t) F (−ν)
f (t/a) |a|F (aν)
f (t) ∗ g(t) F (ν).G(ν)
f (t).g(t) F (ν) ∗ G(ν)
f (t − t0 ) e−j2πt0 ν F (ν)
ej2πν0 t f (t) F (ν − ν0 )
f (n) (t) (j2πν)n F (ν)
(−j2πt)n f (t) F (n) (ν)
f (t) F (−ν)
δ(t) 1
1 δ(ν)
δ(t − t0 ) e−j2πt0 ν
ej2πν0 t δ(ν − ν0 )
δ (n) (t) (j2πν)n
(j2πt)n (−1)n δ (n) (ν)
uT (t) T sinc(πνT )
sin(πt)/(πt) u1 (ν)
(T /2)sinc2 (πνT /2)
V
T (t)
δ(ν) j
H(t) 2 − 2πν
sign(t) − πνj
1
cos 2πν0 t 2 [δ(ν + ν 0 ) + δ(ν − ν0 )]
j
sin 2πν0 t 2 [δ(ν + ν0 ) − δ(ν − ν0 )]
exp(−πt2 ) exp(−πν 2 )
e−t H(t) 1/(1 + j2πν)
e−|t| 2/(1 + 4π 2 ν 2 )
2 2
te−πt −iνe−πν
+∞ +∞
P 1 P
δ(t − nT0 ) F0 = T0 F0 δ(ν − nF0 )
−∞ −∞
+∞
P +∞
P
δ(t − n) T0 = 1 δ(ν − n)
−∞ −∞
+∞ +∞ +∞ +∞
e−j2πnt Formule de Poisson e−j2πnν
P P P P
δ(t − n) = δ(ν − n) =
−∞ −∞ −∞ −∞
124 [Link],2014

18.5 Tableau récapitulatif de la TZ

Domaine du temps échantillonné TZ

−→ Domaine des fréquences F (z)
T Z −1
t = nTe ⇒ f (t) = f (nTe ) = f (n) ←− z = epTe ∈ C
H F (z) n +∞
1
f (n)z −n
P
f (nTe ) = j2π z z dz ↔ F (z) =
C0 n=0
f (t − kTe ) = f (n − k) ↔ z −k F (z)
k−1
z k F (z) −
P k−n
f (t + kTe ) = f (n + k) ↔ z f (nTe )
n=0
t/T
Pe =n
f1 (t) ∗ f2 (t) = f1 (kTe )f2 (t − kTe ) ↔ F1 (z).F2 (z)
k=0
f (0) = lim F (z)
z→∞
f (∞) = lim (z − 1)F (z) = lim (1 − z −1 )F (z)
z→1 z→1
f (t)e−at ↔ F (zeaTe )
f (t)at ↔ F ( aTz e )
tf (t) ↔ −Te zF 0 (z)
δ(t) ↔ 1
δ(t − kTe ) ↔ z −k
H(t) ↔ z/(z − 1)
e−at ↔ z/(z − e−aTe )
at ↔ z/(z − aTe )
t ↔ Te z/(z − 1)2
t2 ↔ Te2 z(z + 1)/(z − 1)3
te−at ↔ Te ze−aTe /(z − e−aTe )2
zTe2 e−aT e zTe2 e−2aT e
e−at t2 /2 ↔ 2(z−e−aTe )2
+ (z−e −aTe )3

sin ωt ↔ z sin ωTe /(z 2 − 2z cos ωTe + 1)

cos ωt ↔ z(z − cos ωTe )/(z 2 − 2z cos ωTe + 1)
e−at sin ωt ↔ ze e sin ωTe /(z 2 − 2ze−aTe cos ωTe + e−2aTe )
−aT

e−at cos ωt ↔ z(z − e−aTe cos ωTe )/(z 2 − 2ze−aTe cos ωTe + e−2aTe )
sinh ωt ↔ z sinh ωTe /(z 2 − 2z cosh ωTe + 1)
cosh ωt ↔ z(z − cosh ωTe )/(z 2 − 2z cosh ωTe + 1)
[Link],2014 125
18.6 Tableau synthétique des transformées

Transformée Liens Directe Inverse

+∞ +∞
TF f (t)e−j 2π ν t dt F (ν)e+j 2π ν t dν
R R
ω = 2πν F (ν) = f (t) =
−∞ −∞
énergie nie
+∞ FR
e /2
TFDT
P
t = nTe X(ν) = xn exp(−j2πνnTe ) xn = X(ν) exp(j2πνnTe )dν
n=−∞ −Fe /2
échantillonné Fe = 1/Te
+∞ 1/2
TFDT u = Fν
P R
e
X(u) = xn exp(−j2πnu) xn = X(u) exp(j2πnu)du
n=−∞ −1/2
fréq. réduite (Fe = 1)
−1
NP −1
NP
TFD (FFT) ν = kFN
e
Xk = xn exp(−j 2πnk
N ) xn = Xk exp(+j 2πnk
N )
n=0 n=0
durée tronquée T = N Te
+∞
DSF
   
νk = Tk 1
f (t) exp −j 2πkt Ck exp j 2πkt
R P
0
Ck = T0 T0 dt f (t) = T0
[T0 ] k=−∞
périodique période T0
R∞ C+j∞
TL f (t)e−pt dt 1
Φ(p)ept dp
R
p = jω Φ(p) = f (t) = j2π
0 C−j∞
analogique C=0
causal
∞
TZ z = epTe f (nTe )z −n 1
P H n−1
F (z) = f (nTe ) = j2π z F (z)dz
n=o C
numérique = Résidu z n−1 F (z) ; z = pi
P  0 
t = nTe
i
C0 cercle U
126 [Link],2014
Chapitre 19

RAPPEL DE PREREQUIS

19.1 Trigonométrie
RELATION FONDAMENTALE : sin2 θ + cos2 θ = 1
sin (−θ) = − sin (θ)
PARITE :
cos (−θ) = cos (θ)

SYMETRIE :

sin π2 − θ
= sin π2 + θ =
cos θ

cos π2 − θ
= − cos π2 + θ = sin θ

tan π2 − θ
= cot θ
cot π2 − θ = tan θ
cos (π − θ) = cos (π + θ) = − cos θ
sin (π − θ) = − sin (π + θ) = sin θ

ADDITION :
(
 sin(a+b)
sin (a + b) = sin a cos b + cos a sin b tan a + tan b = cos a cos b
⇒ sin(a−b)
sin (a − b) = sin a cos b − cos a sin b tan a − tan b = cos a cos b
cos (a + b) = cos a cos b − sin a sin b
cos (a − b) = cos a cos b + sin a sin b
tan a+tan b tan a−tan b
tan (a + b) = 1−tan a tan b tan (a − b) = 1+tan a tan b
cot (a + b) = cot a cot b−1
cot a+cot b cot (a − b) = 1+cot a cot b
cot b−cot a

ANGLE DOUBLE :

sin 2a = 2 sin a cos a

cos 2a = cos2 a − sin2 a = 2 cos2 a − 1 = 1 − 2 sin2 a
⇒ cos2 a = 1+cos 2
2a
sin2 a = 1−cos
2
2a
2 tan a
tan 2a = 1−tan 2a

SOMME-DIFFERENCE-PRODUIT :

sin a + sin b = 2 sin a+b a−b sin a sin b = 12 [cos (a − b) − cos (a + b)]



2
cos 2

sin a − sin b = 2 sin a−b a+b sin a cos b = 12 [sin (a + b) + sin (a − b)]
2
cos 2

cos a + cos b = 2 cos a+b cos a−b cos a cos b = 21 [cos (a − b) + cos (a + b)]
2
2

cos a − cos b = −2 sin a+b sin a−b cos a sin b = 12 [sin (a + b) − sin (a − b)]
2 2
sin (a + b) sin (a − b) = cos2 b − cos2 a tan a tan b = cos(a−b)−cos(a+b)
cos(a−b)+cos(a+b)
sin(a+b)+sin(a−b)
cos (a + b) cos (a − b) = cos2 b − sin2 a tan a
tan b = sin(a+b)−sin(a−b)

AUTRES RELATIONS :
128 [Link],2014

1 1
cos2 θ
= 1 + tan2 θ sin2 θ
= 1 + cot2 θ

soit : t = tan a2 cos a = 1−t2

1+t2
sin a = 2t
1+t2
tan a = 2t
1−t2
cot a = 1−t2
2t

ANGLES REMARQUABLES :

0 π/6
√
π/4
√
π/3 π/2
sin 0
√
1/2
√
2/2 3/2 1
cos 1
√
3/2 2/2 1/2
√
0
tan 0 1/ 3
√
1
√
3 + ∞
cot ∞ 3 1 1/ 3 0

RELATIONS ENTRE FONCTIONS TRIGONOMETRIQUES :

sin √ cos tan cot

sin x = sin x ± 1 − cos2 x √± tan x ±√ 1
p 1+tan2 x 1+cot2 x
1 cot x
cos x = ± 1 − sin2 x cos x ± √1+tan 2x ± √1+cot 2x
√
√sin x ± 1−cos2 x 1
tan x = cos x tan x cot x
±√1−sin2 x
± 1−sin2 x
cot x = √ cos x 1
cot x
sin x ± 1−cos2 x tan x

1 π
arctan x + arctan =
x 2
DERIVEES :

fonction sin x cos x tan x cot x arcsin x arccos x arctan x

dérivée cos x − sin x 1
cos2 x
= −1
sin2 x
= √ 1
1−x2
√ −1
1−x2
1
1+x2
1 + tan2 x −1 − cot2 x

LIMITES ET INTEGRALES USUELLES :

+∞
sin x
et sin x π
R
lim =1 =
x→0 x 0
x 2

FORMULES D'EULER :

cos θ = exp(iθ)+exp(−iθ)
2 et sin θ = exp(iθ)−exp(−iθ)
2i
[Link],2014 129
19.2 Développements limités usuels au voisinage de zéro
lim ε (x) = 0
x→0
x x2 xn
ex = 1 + + + ··· + + xn ε (x)
1! 2! n!
x ln a (x ln a)2 (x ln a)n
ax = 1 +
1!
+
2!
+ ··· +
n!
+ xn ε (x) car ax = exp (x ln a)
rx r(r − 1)x2 r(r − 1) · · · (r − p + 1)xp r(r − 1) · · · (r − n + 1)xn
(1 + x)r = 1 + + + ··· + + ··· +
1! 2! p! n!
+xn ε (x)
1
= 1 − x + x2 − x3 + x4 − x5 · · · + (−1)n xn + xn ε (x)
1+x
1
= 1 + x + x2 + x3 + x4 + x5 · · · + xn + xn ε (x)
1−x
x2 x3 x4 xn
ln (1 + x) = x − + − · · · + (−1)n−1 + xn ε (x)
2 3 4 n
x2 x3 x4 xn
ln (1 − x) = −x − − − ··· − + xn ε (x)
2 3 4 n
x3 x5 x7 (−1)n x2n+1
sin x = x − + − + ··· + + x2n+2 ε (x)
3! 5! 7! (2n + 1)!
x3 x5 x7 x2n+1
sinh x = x + + + + ··· + + x2n+2 ε (x)
3! 5! 7! (2n + 1)!
x2 x4 x6 (−1)n x2n
cos x = 1 − + − + ··· + + x2n+1 ε (x)
2! 4! 6! (2n)!
x2 x4 x6 x2n
cosh x = 1 + + + + ··· + + x2n+1 ε (x)
2! 4! 6! (2n)!
x3 2x5 17x7
tan x = x + + + + x8 ε (x)
3 15 315
x3 2x5 17x7
tanh x = x − + − + x8 ε (x)
3 15 315
1 x x3
cot x = − − + x4 ε (x)
x 3 45
x3 x5 x7 (−1)n x2n+1
arctan x = x − + − + ··· + + x2n+2 ε (x)
3 5 7 2n + 1
x3 x5 x7 x2n+1
arg tanh x = x + + + + ··· + + x2n+2 ε (x)
3 5 7 2n + 1
1 x3 1 · 3 x5 1 · 3 · 5 x7 1 · 3 · 5 · · · · (2n − 1) x2n+1
arcsin x = x + · + · + · + ··· + + x2n+2 ε (x)
2 3 2·4 5 2·4·6 7 2 · 4 · · · · (2n) · (2n + 1)
1 x3 1 · 3 x5 1 · 3 · 5 x7 (−1)n · 1 · 3 · 5 · · · · (2n − 1) x2n+1
arg sinh x = x − · + · − · + ··· +
2 3 2·4 5 2·4·6 7 2 · 4 · · · · (2n) · (2n + 1)
+x2n+2 ε (x)
130 [Link],2014

19.3 Décomposition des fractions rationnelles : F (x) = QP n (x)

m (x)

1. CHERCHER LA PARTIE ENTIERE : si n ≥m

2. POLE REEL SIMPLE : F (x) = P (x)
(x−a)Q(x) avec Q (a) 6= 0
Forme de la décomposition : F (x) = x−a
A
+ · · · où : A = (x − a) F (x) | x=a

Autre méthode (si fraction compliquée) : A = QP (a)

(a) 0

3. POLE REEL MULTIPLE : F (x) = P (x)

(x−a)k Q(x)
avec Q (a) 6= 0
Forme de la décomposition : F (x) = A1
··· + A + ···
A2
x−a + (x−a)2 +
(x−a)
k
k

Poser y = x − a → F = y Q (y) .
P (y)
k
1
1
On divise P1 (y) par Q1 (y) selon les puissances croissantes à l'ordre k − 1.
4. POLES COMPLEXES CONJUGUES :

p2 − 4q < 0

P (x) 
F (x) = avec (a, a) ∈ C 2 racines de x2 + px + q
(x2 + p x + q)k Q (x) 
Q (a) 6= 0

(a) k=1
On décompose dans C et on regroupeles 2 termes obtenus (car B = A)
Forme de la décomposition : F (x) = x−a
A B
+ x−a + · · · = xA +px+q
x+B
+ ··· 2
1 1

avec : A1 = 2Re [A] et B1 = −2Re [Aa]

(b) k ≥ 1, Q simple
On soustrait de F les éléments simples issus de Q ⇒ nouvelle fraction simpliée.
On se ramène à : F1 (x) = (x +p
P (x)
x+q)
. On divise P1 par x2 + px + q (selon les puissances
2
1
k

décroissantes). Et on recommence.
(c) k ≥ 2, Q moins simple
Forme de la décomposition :
A1 x + B1 A2 x + B 2 Ak x + Bk
F (x) = 2
+ 2 + ··· + + ···
x + px + q 2
(x + px + q) (x + px + q)k
2

On calcule :

k P (a)
x2 + px + q F (x) ⇒ Q(a) = Ak a + Bk ⇔ P (a) = Q(a) [Ak a + Bk ]
x=a
or a2 = −pa − q donc on remplace toutes les puissances de a par une combinaison linéaire de 1
et a.
On obtient : a×[expression n1 en Ak et Bk ] + 1×[ expression n2 en Ak et Bk ] = 0
expression ◦

Or 1 et a forment un système linéaire indépendant ⇒ expression nn◦ 12 =
=0
0

On est donc ramené à résoudre un système linéaire en Ak et Bk . On forme ensuite :

F (x) − A x+B et on recommence pour avoir Ak−1 et Bk−1 ...
2
k k
k
(x +px+q)
NB : inutile de déterminer a.
5. ISSUES DE SECOURS
(a) donner à x des valeurs particulières ( 0 ; 1 ; -1 ...)
(b) calculer x→∞
lim xF (x)
(c) méthode d'identication générale avec coecients indéterminés
(d) calculer (x − a)k F (x) x=a pour le terme de plus haut degré
(e) utiliser la parité.
(f) faire une vérication a posteriori.
[Link],2014 131
19.4 Fonctions hyperboliques directes
x −x
cosh x = e +e2 >0 cos x = cosh (ix)
ex −e−x cosh x = cos (−ix)
sinh x =
DEFINITIONS : 2
sinh x
tanh x = cosh x
sin x = −i sinh (ix)
1 sinh x = −i sin (ix)
coth x = tanh x

DERIVEES :

fonction sinh x cosh x tanh x coth x

dérivée cosh x sinh x 1
cosh2 x
= 1 − tanh2 x −1
sinh2 x
= 1 − coth2 x

TRIGONOMETRIE HYPERBOLIQUE : cosh2 x − sinh2 x = 1

cosh (a + b) = cosh a cosh b + sinh a sinh b

cosh (a − b) = cosh a cosh b − sinh a sinh b
sinh (a + b) = sinh a cosh b + cosh a sinh b
sinh (a − b) = sinh a cosh b − cosh a sinh b
tanh a+tanh b
tanh (a + b) = 1+tanh a tanh b

cosh 2x = cosh2 x + sinh2 x = 2 cosh2 x − 1 = 1 + 2 sinh2 x

sinh 2x = 2 sinh x cosh x
2 tanh x
tanh 2x = 1+tanh 2
x

19.5 Fonctions hyperboliques réciproques

DEFINITIONS
EXPRESSIONS LOGARITHMIQUES
y = arg sinh x ⇔ x = sinh y √ 
x∈< y∈< ∀x ∈ <, arg sinh x = ln x + x + 1 2

y = arg cosh x ⇔ x = cosh y  √ 

x≥1 y≥0 ∀x ≥ 1, arg cosh x = ln x + x2 − 1
y = arg tanh x ⇔ x = tanh y
 
−1<x<1
∀ |x| < 1 arg tanh x = 12 ln 1+x
y∈<  1−x
y= arg coth x ⇔x= coth y ∀ |x| > 1 arg coth x = 2 ln x+1
1
x>1 (resp. x<−1) y>0 (resp. y<0) x−1

DERIVEES

(arg sinh x)0 = √1+x

1
2

(arg cosh x)0 = √x12 −1

(arg tanh x)0 = 1−x
1
2 sur ] −1 ; +1 [
0 1
(arg coth x) = 1−x 2 sur ] −∞ ; −1 [ ∪ ] 1 ; +∞ [

N.B :
 √ 0
∀x ∈ ] −∞ ; −1 [ ∪ ] 1 ; +∞ [ , ln x + x2 − 1 = √x12 −1
 0
1 1+x 1
∀x ∈ < , x 6= 1 , x 6= −1 , 2 ln 1−x = 1−x 2
132 [Link],2014

19.6 Les coniques


 −π ≤ θ ≤ π
p
Equation polaire : r= 1+e cos θ avec : p>0
e>0

Selon les valeurs de e , on obtient toutes les coniques :
1. ellipse : 0 <e<1
2. parabole : e = 1
3. hyperbole : e >1
Equations cartésiennes :

 x = r cos θ
y = r sin θ
r 2 = x2 + y 2


Donc : r + e r cos θ = p ⇔ r =p−ex

⇔ r2 = (p − e x)2

1 − e2 x2 + y 2 = p2 − 2p e x


⇔

1. si e = 1 : y 2 = p2 − 2p x parabole
2. si e 6= 1 :
 2
pe p2 e2 p2
e2 +y 2 = p2 +


1− x+ 1−e2
= 1−e2
1 − e2
| {z }
X
p2 X2 y2
1 − e2 X 2 + y 2 =


1−e2
⇔ p2
+ p2
=1
(1−e2 )2 (1−e2 )

(a) si 0 < e < 1 : on pose : a2 =

p2
(1−e2 )2
b2 = p2
1−e2

X2 y2
d'où : a2
+ b2
= 1 ellipse

(b) si e > 1 : on pose : a2 =

p2
(1−e2 )2
b2 = p2
e2 −1

X2 y2
d'où : a2
− b2
= 1 hyperbole
Bibliographie
[1] M. Kunt. Techniques modernes de traitement numérique des signaux, volume 1, 2 et 3. Presses
polytechniques et universitaires romandes, Lausanne, 1991.
[2] M. Rivoire and J.L. Ferrier. Cours d'Automatique : Traitement du Signal, Systèmes, volume 1.
Eyrolles, Paris, 1995.
[3] F. Cottet. Traitement des signaux et acquisition de données. Cours et exercices résolus. Dunod,
Paris, 1997. ref. 621.3COT 25421.
[4] F. Cottet. Aide-mémoire Traitement du signal, IUT Master Ecole d'ingénieur. Dunod, Paris, 2nd
edition, 2011. 621.38COT55625.
[5] E. Félice and P. Révilla. Qualité des réseaux électriques et ecacité énergétique. L'Usine Nouvelle.
Dunod, Paris, 2009. Ref. 621.3FEL 50486.
[6] P. Barrade. Electronique de puissance. Méthodologie et convertisseurs élémentaires. Presses
polytechniques et universitaires romandes, EPFL Lausanne, 2006. ref.621.3BAR49832.
[7] Hewlett Packard, Loveland, Colorado USA. Spectrum Analyzer 3582A, Operating Manual, 1979.
[8] L. Henry. Les fondements du génie électrique. Editions Tec & Doc. Lavoisier, Paris, 2007.
[9] C. François. Génie électrique, Cours complet illustré IUT BTS CPGE. Ellipses Edition, Paris,
2004.
[10] J.L. Gorgol, M. Lombart, and P. Mayé. Cours d'électronique. Eyrolles, Paris, 3e edition, 1994.
[11] R. Merat, R. Moreau, L. Allay, J.P. Dubos, J. Lafargue, and R. Le Go. Electronique Analogique.
Etapes. Nathan, Paris, 1992.
[12] F. Manneville and J. Esquieu. Systèmes bouclés linéaires, de communication et de ltrage, vo-
lume 2 of Electronique. Dunod, Paris, 1990.
[13] Jacques Max and Collaborateurs. Méthodes et techniques de traitement du signal et applications
aux mesures physiques, volume 1 et 2. Masson, Paris, 4e edition, 1987.
[14] M. Bellanger. Traitement numérique du signal. Théorie et pratique. Masson, Paris, 5e edition,
1996.
[15] M. Najim. Synthèse de ltres numériques en traitement du signal et des images. Hermes, Lavoisier,
Paris, 2004.