Jacques PRADO - Gérard BLANCHET

Dimension: px
Commencer à balayer dès la page:

Download "Jacques PRADO - Gérard BLANCHET"

Transcription

1 METHODES NUMERIQUES POUR LE TRAITEMENT DU SIGNAL Exemples et Programmes Jacques PRADO - Gérard BLANCHET

2

3 Table des matières Introduction Chapitre I Echantillonnage - Numérisation I-1. Formule de Poisson I-2. Théorème d'échantillonnage I-3. Conversion analogique numérique I-3-1. Principe de la quantification I-3-2. Convertisseur linéaire I-3-3. Convertisseur logarithmique I-3-4. Bruit de quantification I-3-5. Simulation de la troncature I-3-6. Simulation de l'arrondi I-3-7. Codage/décodage selon la loi A I-3-8. Remarques Conversion numérique La loi A I-4. Génération de signaux déterministes I-4-1. Créneau I-4-2. Signal carré I-4-3. Dent de scie I-4-4. Sinusoïde I-4-5. Somme de sinusoïdes I-5. Générateurs de bruit I-5-1. Code cyclique I-5-2. Bruit à répartition uniforme d'amplitude I-5-3. Bruit à répartition gaussienne d'amplitude I-5-4. Génération de séquences aléatoires Chapitre II Représentation par la transformée en z II-1. Introduction II-1-1. Définitions II-1-2. Lien avec l'échantillonnage II-1-3. Exemples de transformées en z II-1-4. Domaine de convergence et définition temporelle Signal limité en temps Signal à droite Signal à gauche Signal bilatéral II-2. Propriétés élémentaires II-2-1. Propriétés associées aux suites II-2-2. Propriétés associées aux fonctions échantillonnées II-3. Inversion II-3-1. Introduction II-3-2. Cas particulier des fractions rationnelles II-4. Application aux systèmes linéaires invariants... 52

4 II-4-1. Equation récurrente II-4-2. Convolution discrète - Fonction de transfert II-4-3. Evaluation de la sortie du filtre II-5. Analyse harmonique II-5-1. Réponse en fréquence II-5-2. Représentation par pôles et zéros II-5-3. Notion de stabilité Chapitre III Transformée de Fourier discrète III-1. Transformée de Fourier à temps discret III-1-1. Définition III-1-2. Propriétés de la TFTD III-2. Transformée de Fourier discrète (TFD) III-2-1. Définition III-2-2. Propriétés III-2-3. Relation avec la transformée en z III-3. Utilisation pratique de la TFD III-3-1. Signal de période connue III-3-2. Signal de période inconnue III-3-3. Signal non périodique III-3-4. Signal pondéré III-4. Fenêtres de pondération III-4-1. Fenêtre rectangulaire III-4-2. Fenêtre triangulaire III-4-3. Fenêtre de Hann III-4-4. Fenêtre de Hamming généralisée III-4-5. Fenêtre de Blackmann III-4-6. Fenêtre de Kaiser-Bessel III-5. Introduction aux méthodes de calcul de la TFD III-5-1. La TFD récursive III-5-2. La TFD rapide ou TFR Chapitre IV Filtrage R.I.I IV-1. Cellules du premier et second ordre IV-1-1. Représentations temporelles Cellule du premier ordre Cellule du second ordre générale IV-1-2. Représentations fréquentielles Cellule du premier ordre Cellule du second ordre générale IV-2. Méthodes de synthèse IV-2-1. Gabarit d'un filtre IV-2-2. Invariant impulsionnel Synthèse du filtre Autres types d'invariants Remarque sur les retards purs IV-2-3. Transformation bilinéaire Filtres de Butterworth Filtres de Chebyshev de type I Note sur le calcul des filtres de Chebyshev

5 IV-3. Transformations de filtres IV-3-1. Transformations continues IV-3-2. Transformations numériques IV-3-3. Transformation polynômiale Chapitre V Filtrage R.I.F V-1. Propriétés particulières V-1-1. Filtres à phase linéaire Contrainte de type Contrainte de type Position des zéros V-1-2. Filtres à minimum de phase Premère méthode Deuxième méthode V-2. Méthode de synthèse élémentaire V-2-1. Principe de calcul V-2-2. Méthode de Kaiser V-3. Exemples V-3-1. Fenêtre rectangulaire V-3-2. Fenêtre triangulaire V-3-3. Fenêtre de Hann V-3-4. Fenêtre de Hamming V-3-5. Fenêtre de Blackmann V-3-6. Fenêtre de Kaiser Chapitre VI Structure des filtres VI-1. Caractérisation du bruit de calcul VI-1-1. Bruit de calcul dans un premier ordre VI-1-2. Bruit de calcul dans un second ordre VI-2. Bruit de calcul dans un filtre VI-2-1. Schéma général VI-2-2. Calcul des facteurs d'échelle VI-3. Bruit de quantification des cœfficients VI-3-1. Sensibilité à la quantification VI-3-2. Structure directe VI-3-3. Structure couplée VI-3-4. Structure passe-tout VI-4. Structure treillis VI-5. Exemple Chapitre VII Compléments sur la TFD VII-1. Représentations entières à bases multiples VII-1-1. Algorithme base VII-1-2. Algorithme base VII-2. Décomposition de Good VII-2-1. Correspondance Ruritanienne (CR) VII-2-2. Théorème du reste Chinois (TRC) VII-2-3. Algorithmes en facteurs premiers VII-2-4. Algorithme de Winograd

6 Annexes Table de transformées en Z monolatérales Le critère de Routh Calcul des racines d'un polynôme Principe Calcul d'une racine Calcul de toutes les racines Exemple d'utilisation Remarques Eléments d'estimation spectrale Introduction Méthode de Levinson Programmes divers Structures utilisées Programmes Liste des figures Liste des programmes Bibliographie Index

7 Table of Contents Introduction Chapitre I Sampling - Quantization I-1. Poisson's Formula I-2. Sampling Theorem I-3. Analog-Digital Conversion I-4. Basic Digital Signal Generation I-5. Noise Generators Chapitre II z-transform Representation II-1. Introduction II-2. Properties II-3. Inversion II-4. Linear, Time-Invariant Systems II-5. Frequency-Domain Analysis Chapitre III Discrete Fourier Transform III-1. Discrete Time Fourier Transform III-2. Discrete Fourier Transform (DFT) III-3. Application of the DFT III-4. Weighting Windows III-5. Introduction to the DFT Computation Chapitre IV I.I.R. Filtering IV-1. First and Second Order Cells IV-2. Design Technique IV-3. Filter Transformation Chapitre V F.I.R. Filtering V-1. Properties V-2. Design Technique V-3. Examples Chapitre VI Digital Filters Structure VI-1. Computation Noise Characterization VI-2. Computation Noise in a Filter VI-3. Cœfficients Quantization Noise VI-4. Lattice Structure VI-5. Example Chapitre VII About the FFT Computation VII-1. Multiple Basis Integer Representation VII-2. Good's Decomposition Appendices

8 1. Table of one-sided z-transforms Routh's Criterion Polynomial Roots Computation Spectral Estimation Some Computer Programs List of figures List of Programs Bibliography Index

9 Introduction Quoique déjà ancienne, l'idée de traiter numériquement le signal n'a vu son véritable essor que dans les dernières décades. Cette évolution est liée au développement de l'électronique et des techniques d'intégration, développement qui a permis la mise en œuvre, à moindre coût, de techniques numériques. La première tentative d'exposé concernant la théorie du traitement numérique du signal se trouve dans l'ouvrage de B.Gold et C.M.Rader (1) paru en Cette parution fut suivie quelques années plus tard de traités plus appliqués tels que les ouvrages de B.Gold et L.R.Rabiner (2) et celui de A.V.Oppenheim et R.W.Shafer (3). Les techniques de base mises en œuvre dans le traitement numérique du signal sont le filtrage et l'analyse spectrale. Par filtrage, nous entendons filtrage linéaire invariant, c'est-à-dire la manipulation de combinaisons linéaires d'échantillons, et, par analyse spectrale, l'utilisation de la transformée de Fourier discrète associée à la notion de représentation spectrale non paramétrique. Les notions plus évoluées telles que filtrage adaptatif, modélisation, estimation ou analyse spectrale paramétrique ne seront pas abordées ici. Il n'est point besoin d'insister sur l'importance des techniques numériques, en raison de leur répétabilité parfaite et de la précision que l'on peut en attendre. Elles présentent en effet des avantages considérables par rapport aux techniques analogiques soumises à des dérives de toutes sortes, température, vieillissement des composants, et à la précision limitée que l'on peut avoir sur les valeurs des composants utilisés. Notre propos est ici de profiter de la puissance acquise par les micro-ordinateurs pour mettre en œuvre ces techniques à un coût raisonnable. A cette fin, nous exposerons les principes théoriques associés à chaque traitement de base, tels que génération du signal, synthèse et implantation de filtres, calcul de transformées de Fourier, etc en nous limitant au minimum nécessaire à la compréhension et à l'élaboration d'un programme qui permette de traiter et d'appréhender chaque notion nouvelle. Les développements théoriques plus rigoureux seront trouvés dans les références fournies. Le chapitre I traite des problèmes liés à la constitution des suites de nombres {e n } à traiter. Celles-ci sont le plus souvent issues de signaux continus dont on prélève la valeur à des instants régulièrement espacés : cette opération est l'échantillonnage. Le 1 [B.Gold, C.M.Rader "Digital Signal Processing" Mac Graw Hill / New York 1969] 2 [B.Gold, L.R.Rabiner "Theory and Application of Digital Signal Processing" Prentice Hall 1975] 3 [A.V.Oppenheim, R.W.Shafer "Digital Signal Processing" Prentice Hall 1975]

10 12 Introduction premier problème que l'on se pose est celui de la perte éventuelle d'information due à cette opération. En d'autres termes, on se pose la question : existe-t-il une fonction d'interpolation qui permette de reconstituer le signal à temps continu original à partir de la connaissance de ses échantillons et à quelles conditions cela est-il possible? C'est ce que propose le théorème d'échantillonnage. Un deuxième problème est lié à la façon d'obtenir les valeurs e n de la suite. En effet, du fait de leur manipulation sur un calculateur, les quantités numériques sont forcément codées sur un nombre fini d'éléments binaires. On parlera de quantification. Cela pose le problème du choix des codes et nécessite une étude des effets secondaires produits par cette approximation. Le chapitre II donne quelques éléments sur la transformée en z qui constitue un des outils mathématiques de base dans l'analyse du traitement des suites numériques. L'intérêt de cette transformée réside en grande partie dans la propriété qui associe un produit de convolution à un produit de transformée en z. De plus, la représentation par pôles et zéros permet une interprétation aisée du comportement fréquentiel des filtres dont on connaît la fonction de transfert en z. Le chapitre III est le pendant du chapitre II, mais dans le domaine fréquentiel. Il présente la transformée de Fourier discrète qui constitue, comme la transformée en z, un outil de base de l'analyse des signaux à temps discret. Il introduit ensuite les algorithmes rapides utilisés dans l'analyse fréquentielle des suites numériques. Les chapitres IV - filtres RII - et V - filtres RIF - exposent les éléments de base utilisés dans la synthèse des filtres. On notera à ce propos que la synthèse des filtres numériques RII peut se déduire de celle des filtres à temps continu. On y fera donc, pour chaque cas traité, des rappels sur ce type de synthèse. Le chapitre VI présente quelques notions sur la structure des filtres et leur sensibilité aux valeurs de leurs cœfficients. Ce problème apparaît dès lors que l'on doit coder ces derniers sur un calculateur. On retrouve là la notion de quantification. Il faut noter que la notion de structure doit aussi être comprise dans le sens d'algorithme et pas seulement dans le sens de structure de réalisation matérielle. Le chapitre VII constitue un complément au chapitre III. On y trouvera les principes utilisés dans la mise au point d'algorithmes rapides de calcul des transformées de Fourier discrètes. On trouvera enfin en ANNEXE un paragraphe consacré à l'estimation d'un spectre par une méthode paramétrique. Certains des résultats énoncés donnent lieu à un petit développement mathématique. Nous ne préciserons généralement pas toutes les hypothèses qui permettent d'utiliser développements en séries de Fourier, transformées de Fourier, etc des fonctions étudiées. Les cas les plus délicats seront simplement signalés lorsque cela sera utile. L'idée qui a guidé la rédaction de cet ouvrage est l'utilisation d'un micro-ordinateur pour : analyser, synthétiser, visualiser des signaux, et simuler ou mettre en œuvre l'opération de filtrage.

11 Introduction 13 Le schéma général de traitement est le suivant : L'entrée du filtre, constituée d'une suite numérique {e n }, peut être : soit engendrée par échantillonnage et conversion analogique-digitale d'un signal réel sur lequel on veut effectuer le filtrage, soit synthétisée sur le micro-ordinateur luimême. C'est le cas lorsqu'on désire analyser la réponse d'un filtre soumis à des suites particulières du type impulsion, échelon unité ou sinusoïde, Le filtrage est mis en œuvre sur le microordinateur. Les caractéristiques du filtre peuvent être fournies : à partir des coefficients des polynômes numérateur et dénominateur de la fonction de transfert, par les pôles et zéros de cette dernière, par synthèse à partir des caractéristiques temporelles ou fréquentielles que l'on attend du filtre. e(t) Echantillonnage Conversion e n e n Filtre s n Séquence synthétisée Bruitage Modulation La suite des éléments de sortie {s n } peut alors être : soit visualisée sur le micro-ordinateur (vérification ou cas de la simulation), ou restituée à travers un convertisseur digital-analogique vers l'extérieur (cas du filtrage, de la commande de processus ou de la synthèse par filtrage). Bloquage Conversion s(t) s n Visualisation L'utilisation d'un micro-ordinateur pour effectuer des opérations de filtrage en ligne - acquisition/conversion/filtrage/restitution - n'est viable que si les phénomènes mis en jeu ne sont pas trop rapides. Dans le cas où ça ne serait pas possible, la solution consiste à utiliser une carte comportant un processeur spécialisé. La simulation peut cependant continuer à être faite sur le micro-ordinateur, ainsi que la synthèse et la visualisation des caractéristiques des filtres mis en œuvre. Les programmes sont tous écrits dans le langage BASIC compilé de Microsoft. La raison en est double : d'une part les micro-ordinateurs dits compatibles IBM-PC sont maintenant dotés de ce langage qui remplace l'interpréteur GWBASIC ou BASICA. D'autre part, la conversion vers le BASIC interprété, le PASCAL, le FORTRAN ou le C est une tâche aisée à la portée de tout programmeur, même peu expérimenté. On trouvera en annexe, paragraphe 5, une note sur les types des variables utilisées.

12 CHAPITRE I Echantillonnage Numérisation Les propriétés fondamentales sur l'échantillonnage peuvent être déduites de la formule de Poisson. Celle-ci lie une suite numérique {x n } à la transformée de Fourier de la fonction, ou signal, x(t) telle que x(nt) = x n. Nous cherchons ensuite à quelles conditions il est possible de reconstituer x(t) à partir de la connaissance de ses échantillons x n : le théorème d'échantillonnage donne ces conditions qui lient la fréquence d'échantillonnage aux caractéristiques fréquentielles du signal x(t). Nous examinons ensuite les effets de la quantification des échantillons et leur codage et terminons par la génération des signaux habituellement utilisés en simulation. En première lecture, on pourra ne retenir que la formule de Poisson (I-1-2) et le commentaire qui lui est associé, ainsi que la formule d'interpolation (I-2-2) en notant, ce qui est particulièrement important, les conditions (I-2-1) dans lesquelles cette formule s'applique. I-1. Formule de Poisson On considère la fonction complexe X(f) de la variable réelle f, transformée de Fourier de la fonction du temps, réelle ou complexe, x(t). On forme la somme : σ(f) = 1 T f e est appelée fréquence d'échantillonnage. n=+ X( f nfe ) avec 1 n= T = f e La somme σ(f) étant de période f e, elle peut être développée en série de Fourier : avec : x k k=+ σ(f) = xk e 2πjkf(1/f e) k= = 1 f e 0 f e σ(f) e 2πjkf(1/f e ) df = T 0 f e σ(f) e 2πjkfT df (I-1-1)

13 16 Chap. I - Echantillonnage-Numérisation Remarque : l'égalité (I-1-1) n'est valable que sous certaines conditions assez peu restrictives sur X(f). On supposera ici que cette égalité est vérifiée. On peut alors écrire : x k f e = e 2πjkfT 0 n=+ X(f nfe ) n= n=+ df = = n= f e e 2πjkfT X(f nfe ) df 0 Ce qui donne, par changement de variable : n=+ x k = n= nf e +f ee 2πjkfT X(f) df nf e Cette somme infinie d'intégrales sur des "tranches contiguës de longueur f e " revient à intégrer e 2πjkfT X(f) de à +, soit : x k = + e 2πjkfT X(f) df + On peut vérifier que x k est en fait la valeur prise par x(t) = X(f) e 2πjkt df en t = kt : x k = x(kt). On en déduit la relation fondamentale dite formule sommatoire de Poisson : 1 n=+ T k=+ X(f nfe ) = x(kt) e 2πjfkT n= k= (I-1-2) La formule sommatoire de Poisson est particulièrement importante car elle lie le spectre X(f) du signal x(t) aux valeurs que peut prendre la fonction aux instants kt. Ces derniers seront désignés par instants d'échantillonnage. Nous conviendrons ici de désigner par spectre du signal échantillonné, ou transformée de Fourier à temps discret de {x(kt)}, la somme σ(f). On la notera aussi par X * (f). Nous verrons, lors de l'étude de la transformée en z, que cette définition est cohérente avec la réponse en fréquence définie comme réponse d'un système à temps discret aux échantillons d'une exponentielle complexe. Certains exposés sur le théorème d'échantillonnage font apparaître la notion d'échantillonnage idéal. Le modèle mathématique de l'échantillonnage est le suivant : le signal à échantillonner x(t) est multiplié par un peigne de Dirac, distribution périodique que l'on écrit : k=+ T (t) = δ(t kt). k= Le signal dit idéalement échantillonné est alors noté x*(t) :

14 I-1 - Formule de Poisson 17 k=+ x*(t) = x(t) δ(t kt) = k= k=+ x(kt) δ(t kt). k= On pourra noter qu'il n'est pas plus arbitraire de prendre la définition (I-1-2) du spectre du signal échantillonné que de justifier cette définition par la transformée de Fourier du signal idéalement échantillonné x*(t). I-2. Théorème d'échantillonnage La formule sommatoire de Poisson prend tout son sens dans le cas où : X(f) est à support borné : X(f) = 0 pour f B f e est plus grand que 2B. (I-2-1) Dans ces conditions le signal d'entrée peut être reconstitué à l'aide d'un filtrage passe-bas parfait B (filtre cardinal), défini par : B (f) = 1 pour f < B B (f) = 0 sinon Le filtre cardinal a pour réponse impulsionnelle h(t) = sin(2πbt). 2πBt B 1 T n=+ X(f nf e ) n= f e B B f e 1 T X(f) Figure I-1 Reconstitution de X(f) par filtrage En utilisant la relation (I-1-2), on peut noter que X(f) est égal, au coefficient multiplicateur T près, à la restriction de σ(f) à l'intervalle défini par f < B. On peut donc écrire : X(f) = T 1 T n=+ X(f nfe ) n= k=+ B (f) = T x(kt) e 2πjfkT B (f) k=

15 18 Chap. I - Echantillonnage-Numérisation On détermine x(t) en prenant la transformée de Fourier inverse de X(f) : + sin(2π(t kt)b) x(t) = T x(kt) k= π(t kt) (I-2-2) Cette expression est désignée par formule d'interpolation. Elle exprime que la fonction x(t) peut être reconstituée à partir de la connaissance des valeurs de x(t) aux instants t = kt, dans les conditions énoncées précédemment. Exemple : on considère le signal défini par x(t) = sin πt/4 échantillonné à la fréquence f e = 1. L'application de (I-2-2) en se limitant aux huit premiers termes (k = 0 à 7) de la somme donne la reconstruction suivante : 1 x a (t) 0 1 Figure I-2 Début de reconstruction de la sinusoïde Les fonctions de base sin x x représentée en trait plein. sont représentées en grisé, tandis que la somme est I-3. Conversion analogique numérique L'opération d'échantillonnage ne fait intervenir à priori que la notion de quantification temporelle ou discrétisation temporelle (figure I-3). L'amplitude des échantillons x(kt) d'un signal x(t) continu, échantillonné avec la période T, est à variation continue. Or les systèmes numériques de traitement de l'information travaillent sur des nombres. Ainsi tout système de traitement nécessitant l'utilisation d'un calculateur (ordinateur, micro-processeur, processeur de signal, ) implique une conversion analogique-numérique des échantillons.

16 I-3 - Conversion analogique-numérique 19 quantification d'amplitude discrétisation temporelle Figure I-3 Discrétisations temporelle et d'amplitude La conversion analogique-numérique fait correspondre à l'amplitude x(kt) un nombre x k. Ce dernier est habituellement codé sous forme binaire de manière à être compatible avec la représentation interne des données du calculateur utilisé. Il fait donc partie d'un ensemble fini de valeurs discrètes : il y a quantification d'amplitude. x(t) Quantification x(kt) Quantification x k temporelle d'amplitude Figure I-4 Quantifications temporelle et d'amplitude On retiendra que le Traitement Numérique du Signal implique une double discrétisation : en temps et en amplitude. Notre but n'est pas ici de décrire les différents principes des convertisseurs analogiquesnumériques (1), mais plutôt de savoir chiffrer la dégradation apportée au signal en terme de rapport signal à bruit en fonction de la représentation numérique (codage), du nombre de bits et de la statistique du signal : c'est ce que l'on appelle la dynamique de codage. I-3-1. Principe de la quantification La quantification est une simple règle de correspondance entre l'ensemble infini des valeurs x(kt) des échantillons et un nombre fini de valeurs x k. Cette règle de correspondance s'obtient en divisant la plage de variation V du signal d'entrée en M intervalles q k et en assignant au signal de sortie la valeur x k lorsque l'amplitude du signal d'entrée x(kt) appartient à la plage q k (figure I-5). Ce procédé introduit naturellement une distorsion qui dépend autant de la nature du signal que de la loi de quantification adoptée. On appelle distorsion ou bruit de quantification la différence : ε(t) = x k x(t). (I-3-1) Si la densité de probabilité p(x) de l'amplitude du signal est connue, on peut déterminer la caractéristique de quantification qui, pour un nombre n donné de bits, minimise la puissance de distorsion totale. 1 [B.Loriferne "La conversion analogique-numérique et numérique-analogique" Eyrolles 1976]

17 20 Chap. I - Echantillonnage-Numérisation Le bruit de quantification ε(t) étant considéré comme un processus aléatoire stationnaire, il possède une valeur moyenne m ε et une variance σ 2 ε par : σ 2 ε = M (x x k ) 2 p(x) dx k=1 qk qui s'exprime (I-3-2) La minimisation de cette quantité passe par l'utilisation d'une technique itérative 2. Cependant, et moyennant deux hypothèses simplificatrices, on peut en donner une expression approchée. Si l'on considère que le nombre d'intervalles M est suffisamment grand on peut émettre l'hypothèse : p(x) p(x k ) = constante dans l'intervalle q k. De plus, si les valeurs quantifiées x k correspondent au centre de l'intervalle q k, l'expression de la variance se simplifie de la façon suivante : σ 2 ε M p(xk ) k=1 x k +q k /2 (x x k ) 2 dx x k q k /2 σ 2 ε M p(xk ) q3 k k=1 12 (I-3-3) x k x 9 x 8 x 7 V x 6 2 q q q x(kt) q q q q q 6 7 x x 3 x 2 x 1 V 2 Figure I-5 Principe de la quantification I-3-2. Convertisseur linéaire Le convertisseur analogique-numérique linéaire est associé à la quantification uniforme pour laquelle les intervalles q k sont égaux : q k = q, quel que soit k. 2 [J.Max "Quantizing for Minimum Distorsion" IRE Trans. on Information Theory Vol. IT.6 p 7-12 March 1960]

18 I-3 - Conversion analogique-numérique 21 M D'autre part, la relation : p(xk ) q = 1 k=1 conduit, avec la relation (I-3-3) à : σ 2 ε q2 12 (I-3-4) Cette relation d'approximation est suffisante dans de nombreuses situations. On peut l'utiliser pour déterminer le rapport signal à bruit obtenu par quantification uniforme en fonction du nombre d'intervalles M, ou, ce qui est équivalent pour une représentation binaire, du nombre n de bits du convertisseur utilisé (M = 2 n ). Le rapport signal à bruit est donné par la relation : ρ = σ2 x (I-3-5) σ 2 ε où σ x représente la valeur efficace du signal d'entrée x(t). Avec (I-3-4), on a aussi : ρ = 12 σ2 x q 2 Comme on peut exprimer q en fonction de la plage de variation V du signal d'entrée x(t) pour un découpage en M = 2 n intervalles : Soit en décibels : ρ = 12 σ2 x V 2 22n ρ db = 10,8 + 6 n 20 log 10 {} V db (I-3-6) σ x Cette dernière expression indique que, pour un convertisseur analogique-numérique de n bits, le rapport signal à bruit augmente de 6 db pour chaque bit supplémentaire. Appliquons cette relation à divers signaux d'entrée : signal d'entrée à distribution uniforme : sa variance est donnée par : σ 2 x = V2 12 et l'on obtient ρ db 6 db signal d'entrée à distribution gaussienne : pour un tel signal, on utilise en pratique la règle des 3 σ, considérant que la probabilité d'obtenir une amplitude supérieure à 3 σ est suffisamment faible pour être négligée. Dans ces conditions, la plage de variation est définie par V = 6 σ x, d'où le rapport signal à bruit : ρ db = 6 n 4,76 db

19 22 Chap. I - Echantillonnage-Numérisation signal d'entrée sinusoïdal : pour une signal sinusoïdal d'amplitude V 2, σ x représente la valeur efficace V, et on en déduit : 2 2 ρ db = 6 n + 1,77 db On a ainsi obtenu un moyen simple de déterminer le nombre de bits d'un convertisseur linéaire permettant d'assurer un rapport signal à bruit connaissant la statistique du signal d'entrée. I-3-3. Convertisseur logarithmique La dynamique de codage, pour un nombre de bits donné, peut être augmentée si le pas de quantification varie avec l'amplitude du signal. Cette façon de procéder est utilisée en téléphonie numérique et conduit à une loi de quantification de type logarithmique. Deux lois de quantification de ce type sont d'usage courant : la loi µ essentiellement utilisée au Japon et aux Etats-Unis, et la loi A (ou loi à 13 segments) en Europe. Ces deux lois ont été adoptées pour la transmission de la parole. En effet, bien que le signal de parole possède une grande dynamique, la plus grande partie de l'information réside dans les niveaux bas. L'opération de quantification peut être appréhendée comme étant le résultat d'un codage linéaire précédée d'une compression dans laquelle le signal d'entrée x(t) est transformé en un signal y(t). x Compression y Codage y k logarithmique uniforme Figure I-6 La quantification loi de compression µ : elle est définie par : y = sg(x) ln(1 + µ x ) ln(1+µ) où : x est le signal d'entrée normalisé entre 1 et +1, µ est le paramètre de compression (µ = 255 en pratique), sg() est la fonction signe. loi de compression A : elle est définie par : y = sg(x) A x pour 0 x ln(a) A sg(x) 1 + ln(a x ) pour ln(a) A x 1

20 I-3 - Conversion analogique-numérique 23 Le paramètre de compression A vaut 87,6. Si l'on reprend l'expression (I-3-6), on constate que le rapport signal à bruit diminue linéairement lorsque la puissance du signal d'entrée diminue (voir figure I-8 "Rapport signal à bruit"). Les deux lois de compression définies ont pour but de rendre constant le rapport signal à bruit quel que soit le niveau d'entrée. Soit {x k } la suite des valeurs quantifiées du signal d'entrée et q k le pas de quantification. Exprimons le fait que le rapport entre x k et q k est constant quel que soit k : x k q k 2 = C pour x k q k 2 x x k + q k 2 (I-3-7) Cette relation exprime que la quantification s'effectue par rapport au milieu de l'intervalle de quantification et doit être vérifiée quel que soit k. Par construction, on a : x k q k 2 = x k 1 + q k 1 2 x k { } 1 1 C et par récurrence on obtient : x k = x 0 { C + 1 } = x k 1 { } C k ce qui correspond à une loi C 1 logarithmique. L'indice k varie de 0 à k max et les x k de x 0 à x max, plage du signal d'entrée. Si l'on considère un signal à convertir positif, il se pose, avec cette loi, le problème des signaux de très faible amplitude car la "courbe log" ne passe pas par l'origine. On est alors amené à définir, pour la première partie de la quantification, une loi linéaire et un indice k 0 à partir duquel on applique la loi logarithmique. k max k k 0 θ ln loi linéaire θ lin x x 0 x max Figure I-7 Lois linéaire et logarithmique On définit le taux de compression par : τ c = tgθ ln (I-3-8) tgθ lin Pour la loi A, le taux de compression adopté est égal à 16. D'après la définition donnée et en supposant que tgθ lin = 1, on a :

21 24 Chap. I - Echantillonnage-Numérisation τ c = tgθ ln = lna 1 A = 16, ce qui donne A = 87,6. Ce taux de compression de 16 indique un gain relatif de 4 bits pour les petits niveaux par rapport à une loi uniforme. On obtient ainsi une amélioration de 4 * 6 db = 24 db. La loi A étant codée sur 8 bits, on obtient, pour la partie logarithmique, un rapport signal à bruit constant de : C = ,7 33 db. 1 + lna partie logarithmique ρ db partie linéaire db linéaire 8 bits Puissance d'entrée Figure I-8 Rapport signal à bruit Dans la pratique, la loi A est une loi approchée par des segments de droite. Chaque pas de quantification vaut le double du pas précédent : Numéro de segment /4 1/2 1 Entrée normalisée 1/16 1/8 Figure I-9 Loi A segmentée

22 I-3 - Conversion analogique-numérique 25 Les deux premiers segments sont colinéaires (loi uniforme). On a donc 7 segments de pentes différentes, soit au total 13 segments, si l'on prend en compte les valeurs négatives du signal (4 segments colinéaires autour de l'origine). I-3-4. Bruit de quantification Afin de simuler l'effet de la conversion analogique-numérique, nous allons supposer que le signal d'entrée est représenté avec une précision infinie (i.e. fonction continue) si nous en possédons une représentation en virgule flottante sur 32 bits. Le but est ici d'obtenir, avec la représentation flottante, l'équivalent d'une représentation virgule fixe, c'est-à-dire sur un nombre fini de bits que l'on précisera. La convention de représentation en mots de longueur finie est habituellement la suivante : N = b k 2 k n + bi 2 i (I.3.9) i=k 1 Cette représentation est celle du complément à deux dans laquelle on fixe arbitrairement la position de la virgule. b k 2 k + 0 bi 2 i caractérise la dynamique, i=k 1 n bi 2 i caractérise la précision. i= 1 La longueur du mot est n + k + 1. La représentation exacte de la variable est : b k 2 k + bi 2 i i=k 1 Exemple : +2.2 = Elle possède deux représentations en mots de longueur finie : soit par troncature, soit par arrondi. I-3-5. Simulation de la troncature La représentation en troncature de la grandeur XKT est définie par : XKT T = b k 2 k + nfrac bi 2 i i=k 1 On se limitera à une longueur maximum de 16 bits, ce qui permet notamment d'obtenir une dynamique suffisante dans le cas de systèmes audio haute fidélité (compact disk). Les arguments du sous-programme TRONCATURE sont : la valeur réelle du signal x(kt), notée XKT, que l'on tronque,

23 26 Chap. I - Echantillonnage-Numérisation le nombre de bits de précision nfrac, la longueur du mot NBITS, un entier indsat pour le traitement (1) ou non ( 1) des saturations. CALL TRONCATURE(XKT, nfrac%, NBITS%, indsat%) Ce sous-programme consiste à multiplier XKT par 2 nfrac de façon à ce que les nfrac bits de précision soient pris dans la mantisse pour être recopiés dans l'exposant. Il suffit ensuite d'appliquer à la valeur obtenue la fonction INT, qui a pour effet de supprimer la partie fractionnaire restante, et de diviser le résultat par 2 nfrac pour faire réapparaître les nfrac bits de précision dans la mantisse. Si la valeur à convertir dépasse la dynamique admissible (dépassement de capacité positif ou négatif), il est possible de simuler un phénomène de saturation en initialisant la variable indsat à 1. DEFINT I-N '*************************************************************** '* XKT est représenté sur NBITS bits : * '* partie entière NBITS-(nFrac+1) bits * '* partie fractionnaire nfrac bits * '* signe 1 bit * '* Lorsqu'il y a dépassement de capacité on sature a : * '* XKT positif: XKT =[+(2.0^(NBITS-1))-1.0]/2^nFrac * '* XKT negatif: XKT =[-(2.0^(NBITS-1))]/2^nFrac * '* * '* SOUS-PRAGRAMMES APPELES: aucun * '*************************************************************** SUB TRONCATURE (XKT, nfrac, NBITS, indsat) irnbitsp = (2! ^ (NBITS - 1)) - 1! irnbitsn = -(2! ^ (NBITS - 1)) XKT = XKT * (2! ^ nfrac): XKT = INT(XKT) IF ((XKT > irnbitsp) AND (indsat = 1)) THEN XKT = irnbitsp IF ((XKT < irnbitsn) AND (indsat = 1)) THEN XKT = irnbitsn XKT = XKT / (2! ^ nfrac) END SUB Exemple : +2.2 = pour NBITS = 6 et nfrac = 3 alors : I-3-6. Simulation de l'arrondi 2.2 T = La représentation arrondie XKT A de la grandeur XKT est définie par : XKT A = b k 2 k + nfrac bi 2 i + 2 (nfrac+1) i=k 1 Les arguments du sous-programme ARRONDI sont :

24 I-3 - Conversion analogique-numérique 27 la valeur réelle du signal x(kt), notée XKT, que l'on arrondit, le nombre de bits de précision nfrac, la longueur du mot NBITS, un entier indsat pour le traitement (1) ou non ( 1) des saturations. CALL ARRONDI(XKT, nfrac%, NBITS%, indsat%) Le sous-programme ARRONDI appelle le sous-programme TRONCATURE. DEFINT I-N '****************************************************************** '* Sous programme de quantification par arrondi * '* Dans ce SP on additionne le bit à la position nfrac * '* XKT + 2.0^(-(nFrac+1)) * '* L'arrondi réalisé suppose une représentation en complément à 2 * '****************************************************************** SUB ARRONDI (XKT, nfrac, NBITS, indsat) XKT = XKT + (2! ^ (-(nfrac + 1))) CALL TRONCATURE (XKT, nfrac, NBITS, indsat) END SUB Exemple : +2.2 = pour NBITS = 6 et nfrac = 3 alors : Exemple d'utilisation : 2.2 A = DEFINT I-N INPUT "Valeur à convertir: "; XKT B = XKT indsat = 1 INPUT "Précision: "; nfrac INPUT "Longueur du mot: "; NBITS PRINT "Valeur entrée: "; XKT ' CALL ARRONDI(XKT, nfrac, NBITS, indsat) ' PRINT "Valeur arrondie: "; XKT ' CALL TRONCATURE(B, nfrac, NBITS, indsat) ' PRINT "Valeur tronquée: "; B END I-3-7. Codage/décodage selon la loi A Afin d'effectuer des simulations portant sur des signaux codés selon la loi A (utilisation en téléphonie), on donne ici deux sous-programmes de conversion de loi uniforme en loi logarithmique et inversement. En fait, si la loi A est dite équivalente à une loi uniforme

25 28 Chap. I - Echantillonnage-Numérisation sur 12 bits (pour les faibles niveaux), en pratique, on utilise 13 bits de représentation (voir tableaux). signe loi linéaire signe loi logarithmique si > b 3 b 2 b 1 b 0 Ø 0 si > b 3 b 2 b 1 b 0 1 si < b 3 b 2 b 1 b 0 Ø 1 si < b 3 b 2 b 1 b b 3 b 2 b 1 b 0 Ø Ø b 3 b 2 b 1 b b 3 b 2 b 1 b 0 Ø Ø Ø b 3 b 2 b 1 b b 3 b 2 b 1 b 0 Ø Ø Ø Ø b 3 b 2 b 1 b b 3 b 2 b 1 b 0 Ø Ø Ø Ø Ø b 3 b 2 b 1 b b 3 b 2 b 1 b 0 Ø Ø Ø Ø Ø Ø b 3 b 2 b 1 b 0 1 b 3 b 2 b 1 b 0 Ø Ø Ø Ø Ø Ø Ø b 3 b 2 b 1 b 0 Figure I-10 Passage de la loi linéaire à la loi logarithmique signe loi logarithmique signe loi linéaire si > b 3 b 2 b 1 b 0 0 si > b 3 b 2 b 1 b si < b 3 b 2 b 1 b 0 1 si < b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b b 3 b 2 b 1 b 0 1 b 3 b 2 b 1 b Figure I-11 Passage de la loi logarithmique à la loi linéaire Les arguments du sous-programme de conversion linéaire-logarithmique LINTOA sont : la valeur sur 13 bits de l'entier à convertir, notée NLIN, la valeur sur 8 bits de l'entier converti NA. DEFINT I-N SUB LINTOA (NLIN, NA) CALL LINTOA(NLIN%, NA%) '************************** '* Détermination du signe * '************************** isigne = (NLIN AND &H1000) \ 4096 '***************************** '* Configuration à comprimer * '***************************** IF NLIN = THEN NLIN = NLIN + 1 IF NLIN < 0 THEN NLIN = -NLIN num = NLIN AND &HFFF ' ' Recherche du poids du 1 de plus fort poids ' IF num = 0 THEN nseg = 0 ELSE mask = &H800

26 I-3 - Conversion analogique-numérique 29 nseg = 11 WHILE ((num AND mask) = 0) mask = mask \ 2 nseg = nseg - 1 WEND nseg = nseg - 4 IF nseg < 0 THEN nseg = 0 END IF '***************************** '* Définition de la mantisse * '***************************** IF (nseg = 0 OR nseg = 1) THEN mant = (num AND &H1E) \ 2 ELSE mant = (num AND (&HF * 2 ^ nseg)) \ 2 ^ nseg END IF '********************************************* '* Numéro de segment concaténé avec mantisse * '********************************************* NA = mant + 16 * nseg '************************ '* Restitution du signe * '************************ NA = 128 * isigne + NA END SUB Les arguments du sous-programme de conversion logarithmique-linéaire ATOLIN sont : la valeur sur 13 bits de l'entier converti, notée NLIN, la valeur sur 8 bits de l'entier à convertir NA. DEFINT I-N SUB ATOLIN (NLIN, NA) CALL ATOLIN(NLIN%, NA%) '************************** '* Détermination du signe * '************************** isigne = NA AND &H80 '************************************** '* Détermination du numéro de segment * '************************************** nseg = (NA AND &H70) \ 16 IF nseg = 0 THEN NLIN = 2 * (NA AND &HF) + 1 ELSE NLIN = 2 * (NA AND &HF) + 33 NLIN = NLIN * 2 ^ (nseg - 1) END IF '************************* '* Récupération du signe * '*************************

27 30 Chap. I - Echantillonnage-Numérisation IF isigne <> 0 THEN NLIN = -NLIN END SUB Exemple : DEFINT I-N nu = WHILE (nu > 4095 OR nu < -4096) INPUT "Valeur à comprimer : "; nu WEND CALL LINTOA(nu, nloia) PRINT nloia CALL ATOLIN(nu, nloia) PRINT nu END I-3-8. Remarques Conversion numérique Les sous-programmes ARRONDI et TRONCATURE autorisent des longueurs de mots de 24 bits. Cette limitation est liée à la représentation flottante (standard IEEE-754) utilisée par le compilateur MS-BASIC : mantisse sur 24 bits (23 explicites + 1 implicite), 1 bit de signe, exposant sur 8 bits. Cette limitation peut être levée en utilisant une représentation flottante double précision : mantisse sur 53 bits (52 explicites + 1 implicite), 1 bit de signe, exposant sur 11 bits. L'intérêt de cette représentation apparaît lorsqu'on fait du traitement numérique impliquant des multiplications. Ainsi la multiplication de deux "entiers 16 bits" donne un résultat sur 31 bits. La double précision permet de s'affranchir de ce problème au prix d'un ralentissement d'exécution. Il faut tout de même noter qu'il n'y a pas ralentissement lorsqu'un coprocesseur arithmétique est utilisé. En effet, tout les nombres sont convertis en un même format interne (80 bits sur la famille des coprocesseurs Intel ) avant traitement. La loi A Les circuits intégrés appelés CODEC (COdage, DECodage), utilisés pour l'acquisition et la restitution de signal de type téléphonique, ne fonctionnent généralement pas selon le codage théorique, mais utilisent une représentation obtenue en complémentant les bits

28 I-3 - Conversion analogique-numérique 31 de rang pair. Ceci part du principe que, dans le signal de parole, les moments de silence (absence de signal) sont nombreux. Le code théorique correspondant au silence est Pour des considérations pratiques, il est préférable que la valeur de codage soit , assurant ainsi un maximum de transitions (permettant par exemple de reconstituer un signal d'horloge à partir des données). Pour utiliser les sous-programme ATOLIN et LINTOA, en relation avec de tels circuits, il suffit de rajouter : dans ATOLIN : NA = NA XOR &H55 comme première instruction, dans LINTOA : NA = NA XOR &H55 comme dernière instruction. I-4. Génération de signaux déterministes Les signaux que nous nous proposons de synthétiser échelons, créneaux, sinusoïdes, signaux triangulaires que nous désignerons par signaux tests, et bruit, permettent de caractériser ou identifier aisément le comportement temporel du filtre étudié. Ces signaux possèdent aussi une caractéristique essentielle qui est celle de permettre un calcul simple de la sortie du filtre ou de ses propriétés spectrales. Chacun d'eux est construit par échantillonnage virtuel du signal test continu correspondant. Par échantillonnage virtuel, nous entendons que la valeur prise par un échantillon correspondant à une discontinuité du signal continu (signal carré par exemple), est fixée à la valeur maxima ou à la valeur minima prise en ce point et non à une valeur aléatoire. Dents de scie Signal carré Echantillonnage f e Sinusoïde e = e(nt) n Filtre s = s(nt) n Créneau Figure I-12 Génération du signal par échantillonnage On peut faire un certain nombre de remarques concernant cet échantillonnage : on supposera par la suite que la période d'échantillonnage est T e = 1, donc f e = 1. Les fréquences f 0 des signaux tests, si elles doivent être précisées, seront donc données par rapport à cette valeur. On parle de fréquences normalisées.

29 32 Chap. I - Echantillonnage-Numérisation les signaux tests, s'ils sont périodiques, perdent leur périodicité par échantillonnage dès lors que le rapport entre fréquence d'échantillonnage et fréquence du signal continu original n'est pas rationnel. Si f e = p, où p et q sont des nombres entiers, alors la période de la suite numérique f 0 q est le PPCM de p et q multiplié par la période d'échantillonnage : T 0 = PPCM(p,q) * T e = PPCM(p,q) le nombre de points N à calculer étant limité, il faudrait en plus que : N * T = N = n * T 0 donc n * T 0 doit être un entier. La remarque concernant la perte éventuelle de périodicité par échantillonnage trouvera tout son intérêt lorsqu'on voudra calculer le spectre du signal échantillonné à l'aide d'algorithmes de transformation à temps discret. Nous allons donner dans les paragraphes suivants les programmes de génération de quelques suites obtenues par échantillonnage de signaux continus. I-4-1. Créneau Les arguments du sous-programme Creneau sont : le nombre de points de la suite à construire : nptotal, le nombre de points où la suite vaut 1 : npoints, la suite est construite dans le tableau Sig(). CALL Creneau(nPTotal%, npoints%, Sig()) DEFINT I-N '*************************** '* GENERATION D'UN CRENEAU * '*************************** SUB Creneau(nPTotal, npoints, Sig()) FOR i= 1 TO npoints: Sig(i) = 1!: NEXT i FOR i= npoints + 1 TO nptotal Sig(i) = 0! NEXT i END SUB 1 Sig(1) 0 npoints nptotal Figure I-13 Génération du créneau

30 I-4 - Génération des signaux déterministes 33 I-4-2. Signal carré Le signal carré "continu" commence en début de période avec la valeur 1. Il est centré. Les arguments du sous-programme SigCar sont : le nombre de points de la suite à construire : nptotal, la fréquence du signal carré à échantillonner freq, la suite est construite dans le tableau Sig(). DEFINT I-N '****************************** '* GENERATION DE SIGNAL CARRE * '****************************** SUB SigCar(nPTotal, freq, Sig()) CALL SigCar(nPTotal%, freq, Sig()) FOR i= 0 TO nptotal - 1 x = 2 * i * freq : y = 1! - 2 * (INT(x) MOD 2) Sig(i + 1) = y NEXT i END SUB 1 Sig(1) 0 1 nptotal Figure I-14 Génération du signal carré I-4-3. Dent de scie La dent de scie "continue" est supposée commencer à zéro et être centrée. Les arguments du sous-programme DScie sont : le nombre de points de la suite à construire : nptotal, la fréquence du signal en dent de scie à échantillonner freq, la suite est construite dans le tableau Sig(). DEFINT I-N '****************************** '* GENERATION DE DENT DE SCIE * '****************************** SUB DScie(nPTotal, freq, Sig()) CALL DScie(nPTotal%, freq, Sig())

31 34 Chap. I - Echantillonnage-Numérisation xinc = 4! * freq cœff = 2! * freq FOR i= 1 TO nptotal np = INT(2 * (i - 1) * freq) k = np MOD 2 x = (i - 1) - np / cœff Sig(i) = -1! + xinc * x if k = 1 then Sig(i) = -Sig(i) NEXT i END SUB Sig() 0 nptotal Figure I-15 Génération de la dent de scie I-4-4. Sinusoïde Les arguments du sous-programme Sinus sont : le nombre de points de la suite à construire : nptotal, la fréquence de la sinusoïde à échantillonner freq, l'amplitude de la sinusoïde Amp, sa phase à l'origine Phi, la suite est construite dans le tableau Sig(). CALL Sinus(nPTotal%, freq, Amp, Phi, Sig()) La double précision est rendue nécessaire pour éviter les problèmes liés au calcul numérique des fonctions trigonométriques. DEFINT I-N '*************************** '* GENERATION DE SINUSOIDE * '*************************** SUB Sinus(nPTotal, freq, Amp, Phi, Sig()) pi# = 4# * ATN(1#) fr# = freq : deuxpif# = 2# * pi# * fr# ph# = Phi * pi# / 180# : A# = Amp FOR i= 0 TO nptotal - 1 x# = A# * SIN(deuxPif# * i + ph#) IF ABS(x#) < 1E-12 THEN x# = 0#

32 I-4 - Génération des signaux déterministes 35 Sig(i + 1) = x# NEXT i END SUB Sig() 0 nptotal Figure I-16 Génération d'une sinusoïde I-4-5. Somme de sinusoïdes Les arguments du sous-programme SomSinus sont : le nombre de points de la suite à construire : nptotal, le nombre de sinusoïdes NbSin, le tableau des fréquences des sinusoïdes freq(1::nbsin), le tableau des amplitudes Amp(1::NbSin), le tableau des phases à l'origine Phi(1::NbSin), la suite est construite dans le tableau Sig(). CALL SomSinus(nPTotal%, NbSin, freq(), Amp(), Phi(), Sig()) DEFINT I-N '**************************************** '* GENERATION D'UNE SOMME DE SINUSOIDES * '**************************************** SUB SomSinus(nPTotal, NbSin, freq(), Amp(), Phi(), Sig()) pi# = 4# * ATN(1#) FOR j = 1 TO NbSin fr# = freq(j) : deuxpif# = 2# * pi# * fr# ph# = Phi(j) * pi# / 180# : A# = Amp(j) NEXT j END SUB FOR i= 0 TO nptotal - 1 x# = A# * SIN(deuxPif# * i + ph#) IF ABS(x#) < 1E-12 THEN x# = 0# Sig(i + 1) = Sig(i + 1) + x# NEXT i I-5. Générateurs de bruit

33 36 Chap. I - Echantillonnage-Numérisation Un calculateur étant une machine à nombre d'états finis, les séquences de nombres à caractère aléatoire que l'on pourra obtenir seront nécessairement périodiques. L'essentiel est que la période soit suffisamment grande devant l'horizon d'observation du signal bruité que l'on veut étudier. Ces séquences sont appelées codes pseudo-aléatoires. I-5-1. Code cyclique Un générateur de bruit peut être réalisé à l'aide d'un registre à décalage bouclé permettant de créer des séquences de 1 et 0 logiques à répartition quasi-uniforme. On obtient un code pseudo-aléatoire à l'aide des séquences de longueur maximum. Un registre à n bits permet d'obtenir dans ces conditions un code de longueur N = 2 n 1. La répartition de 1 et de 0 paraît d'autant plus aléatoire que N est grand. Le principe de génération est donné figure I-17. La sortie du registre est donnée par Y 0 et la contre réaction par : n 1 X = ai Y i i=0 où les cœfficients a i valent 0 ou 1 et la somme est définie modulo 2. a a n 1 n 2 a 1 a 0 X Y n 1 Yn 2 Y 1 Y 0 Figure I-17 Génération par registre bouclé De façon générale, obtenir la contre réaction (i.e. définir les a i ) c'est, pour N = 2 n 1 donné, trouver une décomposition du polynôme x N + 1 sous la forme G(x) P(x). Ces polynômes sont définis sur GF(2) (corps de Galois à 2 éléments 0 et 1). Cela signifie que leurs cœfficients sont dans GF(2) et que les opérations sur les cœfficients s'effectuent modulo 2. Pour obtenir une séquence de longueur maximum, P(x) doit être un polynôme primitif de degré n (il en existe toujours un quelque soit n) et G(x) est alors le polynôme générateur de la séquence 1,2. Exemple : on désire engendrer une séquence de longueur 15 = (N = 15, n = 4). On obtient : 1 [F.J.MacWilliams and N.J.A.Sloane "The Theory of Error-Correcting Codes" North Holland Publishing] 2 [Peterson, W.W. and E.J.Weldon "Error-Correcting Codes" MIT Press]

34 I-5 - Générateurs de bruit 37 G 1 (x) = x 11 +x 10 +x 9 +x 8 +x 6 +x 4 +x 3 +1 H 1 (x) = x 4 +x 3 +1 ou : Y 3 Y 2 Y 1 Y X X X X 1 G 2 (x) = x 11 +x 8 +x 7 +x 5 +x 3 +x 2 +x+1 H 2 (x) = x 4 +x+1 Y 3 Y 2 Y 1 Y 0 Figure I-18 Génération pour n = X X X X 1 Dans le second cas, les états successifs sont indiqués dans le tableau ci-contre : La séquence engendrée peut se lire dans la dernière colonne du tableau. On vérifie qu'il y a 8 valeurs "1" et 7 valeurs "0". De manière générale, on obtient toujours 2 n 1 valeurs 1 et 2 n 1 1 valeurs 0. Y 3 Y 2 Y 1 Y L'utilisation de ces séquences comme générateurs de bruit consiste à associer à l'état 1 une valeur +A et à l'état 0 la valeur A. La séquence b n ainsi obtenue possède une valeur moyenne : E[ b n ] = 1 N 1 N bn = A N n=0 (I.5.1) et sur une période T = N T e = (2 n 1) T e, une fonction d'autocorrélation : R bb (τ) = 1 T T b(t) b(t+τ) dt 0 Le signal étant une suite d'impulsions ±A, on peut écrire aux instants d'échantillonnage kt e :

35 38 Chap. I - Echantillonnage-Numérisation ce qui donne finalement : R bb (k) = 1 N 1 N bn b n+k, n=0 R bb (0) = A 2 et R bb (k) = A2 N (I.5.2) et de façon continue pour kt e < τ < (k+1)t e : k = 0 : R bb (τ) = A 2 [ 1 τ N+1 N T e ] A 2 R bb (t) k 0 : R bb (τ) = A2 N A 2 N T e N T e t Figure I-19 La fonction d'autocorrélation Pour N suffisamment grand, la fonction d'autocorrélation peut être considérée comme une impulsion. Ceci constitue une caractéristique d'un bruit blanc. La densité spectrale de puissance définie comme transformée de Fourier de l'autocorrélation s'écrit : Φ bb (ω) = A 2 N+1 N sinπωt e πωt 2 + e n= { δ ( ω n ) } 2πT e A2 N δ(ω) La suite obtenue peut être considérée comme du bruit blanc entre 0 et ω e 3 : 3 db Φ bb (ω) A 2 N + 1 N ωe 3 ω e ω Figure I-20 La densité spectrale de puissance

Bases du traitement des images. Transformée de Fourier Avancée - Numérisation

Bases du traitement des images. Transformée de Fourier Avancée - Numérisation Transformée de Fourier Avancée - Numérisation Nicolas Thome 6 octobre 2015 1 / 87 Outline 1 Numérisation Fenetrage Échantillonnage Quantification 2 2 / 87 Principe Du continu au discret Un signal continu

Plus en détail

Traitement du Signal

Traitement du Signal Traitement du Signal James L. Crowley Deuxième Année ENSIMAG première Bimestre 2001/2002 Séance 4 : 12 octobre 2001 Bruits d'echantillonage et de Quantification Formule du Jour :... 1 La Transformée de

Plus en détail

TD1 Signaux, énergie et puissance, signaux aléatoires

TD1 Signaux, énergie et puissance, signaux aléatoires TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver

Plus en détail

Traitement du Signal Vu par Un Mesures Physiques

Traitement du Signal Vu par Un Mesures Physiques Traitement du Signal Vu par Un Mesures Physiques Cette technique reste compliquée par les mathématiques qu il l accompagne. J ai découvert la première fois le TdS au travail (CEA) avec un ingénieur qui

Plus en détail

ANALYSE DE FOURIER 1. REPRESENTATION DE FOURIER. 1.1 Représentation d un signal sinusoïdal

ANALYSE DE FOURIER 1. REPRESENTATION DE FOURIER. 1.1 Représentation d un signal sinusoïdal Annexe Fourier I ANNEXE ANALYSE DE FOURIER 1. REPRESENTATION DE FOURIER 1.1 Représentation d un signal sinusoïdal On peut représenter un signal sinusoïdal de la forme s(t) = s 0 cos"t = s 0 cos(2#f 0 t)

Plus en détail

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique

Plus en détail

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES Table des matières Avant propos Chapitre I NOTIONS SUR LES SYSTEMES 1. Systèmes linéaires 1 2. Systèmes stationnaires 1 3. Systèmes continus 2 4. Systèmes linéaires invariants dans le temps (LIT) 2 4.1

Plus en détail

La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA)

La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) I. L'intérêt de la conversion de données, problèmes et définitions associés. I.1. Définitions:

Plus en détail

COMMENT OBTENIR UN SPECTRE SATISFAISANT D UN SIGNAL ENREGISTRE PAR ORDINATEUR?

COMMENT OBTENIR UN SPECTRE SATISFAISANT D UN SIGNAL ENREGISTRE PAR ORDINATEUR? NOM: Coéquipier : COMMENT OBTENIR UN SPECTRE SATISFAISANT D UN SIGNAL ENREGISTRE PAR ORDINATEUR? Soit une fonction G(t) périodique, de fréquence f. D'après Fourier, cette fonction peut se décomposer en

Plus en détail

Chapitre 2 : Représentation des nombres en machine

Chapitre 2 : Représentation des nombres en machine Chapitre 2 : Représentation des nombres en machine Introduction La mémoire des ordinateurs est constituée d une multitude de petits circuits électroniques qui ne peuvent être que dans deux états : sous

Plus en détail

Chaine de transmission

Chaine de transmission Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation

Plus en détail

Traitement du signal

Traitement du signal Traitement du signal Objectif de la séance: Faire découvrir à l'utilisateur quelques fonctionnalités du logiciel SADIE et les outils dédiés au traitement du signal dans l'exploitation des mesures. Contenu

Plus en détail

X Analyse spectrale numérique

X Analyse spectrale numérique X Analyse spectrale numérique Objectifs : Après avoir utilisé la FFT dans le TP4 d analyse spectrale, on va maintenant s intéresser aux différents paramètres d une acquisition numérique afin de respecter

Plus en détail

Traitement numérique du signal

Traitement numérique du signal Nº 754 BULLETIN DE L UNION DES PHYSICIENS 707 Traitement numérique du signal par J. ESQUIEU Lycée de Brive 1. TRAITEMENT Le traitement numérique du signal consiste à agir sur le signal à partir d échantillons

Plus en détail

Plan du cours. Cours de Traitement Du Signal - Transformées discrètes. Transformée de Fourier d un signal numérique. Introduction

Plan du cours. Cours de Traitement Du Signal - Transformées discrètes. Transformée de Fourier d un signal numérique. Introduction Plan du cours Cours de raitement Du Signal - ransformées discrètes 1 guillaume.hiet@rennes.supelec.fr ESACA 17 octobre 2007 2 3 Guillaume HIE Cours de raitement Du Signal - ransformées discrètes 1/38 Guillaume

Plus en détail

Notes de cours Philippe RAYMOND Novembre 2006

Notes de cours Philippe RAYMOND Novembre 2006 Notes de cours Philippe RAYMOND Novembre 2006 1 Traitement du signal la numérisation Numériser un signal analogique (donc continu), c est le discrétiser sur deux dimensions : le temps et l'amplitude. 2

Plus en détail

Les bases théoriques du numérique

Les bases théoriques du numérique Les bases théoriques du numérique 1. Différences entre signaux analogiques et signaux numériques L analogique et le numérique sont deux procédés pour transporter et stocker des données. (de type audio,

Plus en détail

Quelques points de traitement du signal

Quelques points de traitement du signal Quelques points de traitement du signal Introduction: de la mesure au traitement Source(s) BRUIT BRUIT Système d acquisition Amplitude (Pa) Temps (s) Amplitude (Pa) Mesure Opérations mathématiques appliquées

Plus en détail

ANALYSE SPECTRALE PAR FFT

ANALYSE SPECTRALE PAR FFT AALYSE SPECTRALE PAR FFT. L'analyseur de spectre. La représentation graphique du spectre d'un signal est réalisée par un analyseur de spectre. L'analyseur de spectre peut être à balayage (analogique):

Plus en détail

Le traitement du signal

Le traitement du signal FICHE N 47 Le traitement du signal FFT, DFT ET IFT Jean-aptiste Joseph Fourier (1768-1830), né à uxerre, mathématicien et physicien français, auteur de la Théorie analytique de la chaleur (1822) : la transformée

Plus en détail

Traitement du Signal Vu par Un Mesures Physiques

Traitement du Signal Vu par Un Mesures Physiques Traitement du Signal Vu par Un Mesures Physiques Cette technique reste compliquée par les mathématiques qu il l accompagne. J ai découvert la première fois le TdS au travail (CEA) avec un ingénieur qui

Plus en détail

LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 2003

LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 2003 LE POINT SUR LES MATHÉMATIQUES DANS LES BTS RENTRÉE 00 ) LES PROGRAMMES a) Le cadre général L arrêté du 8 juin 00 comporte trois annexes, notamment l annexe donnant l intégralité des modules permettant

Plus en détail

GELE2511 Chapitre 7 : Transformée de Fourier discrète

GELE2511 Chapitre 7 : Transformée de Fourier discrète GELE2511 Chapitre 7 : Transformée de Fourier discrète Gabriel Cormier, Ph.D., ing. Université de Moncton Hiver 2013 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver 2013 1 / 79 Introduction Contenu Contenu

Plus en détail

Ch. 1 : Bases de programmation en Visual Basic

Ch. 1 : Bases de programmation en Visual Basic Ch. 1 : Bases de programmation en Visual Basic 1 1 Variables 1.1 Définition Les variables permettent de stocker en mémoire des données. Elles sont représentées par des lettres ou des groupements de lettres

Plus en détail

Introduction à l analyse spectrale. P. Granjon, J-L. Lacoume

Introduction à l analyse spectrale. P. Granjon, J-L. Lacoume Introduction à l analyse spectrale P. Granjon, J-L. Lacoume Table des matières Propriétés énergétiques des signaux 2. Signaux à temps et fréquence continus............................. 2.2 Signaux à temps

Plus en détail

REPRÉSENTATION DES NOMBRES EN MACHINE

REPRÉSENTATION DES NOMBRES EN MACHINE Info 2 REPRÉSENTATION DES NOMBRES EN MACHINE Problématique Dans la mémoire d'un ordinateur, les données sont représentées sous forme de séquences de 0 et de 1. Par conséquent, toute information mémorisée

Plus en détail

CALCUL SCIENTIFIQUE. 1 Erreur absolue et erreur relative 2. 2 Représentation des nombres sur ordinateur 3

CALCUL SCIENTIFIQUE. 1 Erreur absolue et erreur relative 2. 2 Représentation des nombres sur ordinateur 3 MTH1504 2011-2012 CALCUL SCIENTIFIQUE Table des matières 1 Erreur absolue et erreur relative 2 2 Représentation des nombres sur ordinateur 3 3 Arithmétique flottante 4 3.1 Absorption........................................

Plus en détail

5 Analyse de Fourier. 5.1 Aspects théoriques. 5.1.1 Analyse de Fourier

5 Analyse de Fourier. 5.1 Aspects théoriques. 5.1.1 Analyse de Fourier Responsable : J.Roussel Objectif Ce TP est une initiation à l analyse de Fourier. Nous verrons notamment comment une analyse spectrale permet de remonter à la courbe de réponse d un filtre électrique.

Plus en détail

Les régimes périodiques (Chap 2)

Les régimes périodiques (Chap 2) Les régimes périodiques (Chap 2)! Révisé et compris! Chapitre à retravaillé! Chapitre incompris 1. Propriétés des grandeurs physiques : La période T, est le plus petit intervalle de temps, au bout duquel

Plus en détail

Technique de codage des formes d'ondes

Technique de codage des formes d'ondes Technique de codage des formes d'ondes Contenu Introduction Conditions préalables Conditions requises Composants utilisés Conventions Modulation par impulsions et codage Filtrage Échantillon Numérisez

Plus en détail

Echantillonnage Non uniforme

Echantillonnage Non uniforme Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas

Plus en détail

ANALYSE SPECTRALE D UN SIGNAL PERIODIQUE

ANALYSE SPECTRALE D UN SIGNAL PERIODIQUE Approche expérimentale ANALYSE SPECTRALE D UN SIGNAL PERIODIQUE Objectifs : - S initier au traitement FFT du logiciel LatisPro - Etudier le spectre d amplitude d un signal carré - Etudier les limites de

Plus en détail

1) Prise en main de l'oscilloscope numérique et de sa fonction FFT.

1) Prise en main de l'oscilloscope numérique et de sa fonction FFT. TP n 8 : obtention des spectres de signaux usuels. But du TP : ce huitième TP de BTS SE a pour but l'étude de la manière d'obtenir le spectre d'un signal sinusoïdal et carré avec un rapport cyclique variable.

Plus en détail

5 Analyse de Fourier. 5.1 Aspects théoriques. 5.1.1 Analyse de Fourier

5 Analyse de Fourier. 5.1 Aspects théoriques. 5.1.1 Analyse de Fourier Responsable : J.Roussel Objectif Ce TP est une initiation à l analyse de Fourier. Nous verrons notamment comment une analyse spectrale permet de remonter à la courbe de réponse d un filtre électrique.

Plus en détail

- Instrumentation numérique -

- Instrumentation numérique - - Instrumentation numérique - I.Présentation du signal numérique. I.1. Définition des différents types de signaux. Signal analogique: Un signal analogique a son amplitude qui varie de façon continue au

Plus en détail

CHAPITRE V. Théorie de l échantillonnage et de la quantification

CHAPITRE V. Théorie de l échantillonnage et de la quantification CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE

Plus en détail

Intérêt du découpage en sous-bandes pour l analyse spectrale

Intérêt du découpage en sous-bandes pour l analyse spectrale Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,

Plus en détail

UE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd

UE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le

Plus en détail

Laboratoire 4: L analyse spectrale et le filtrage par transformée de Fourier

Laboratoire 4: L analyse spectrale et le filtrage par transformée de Fourier Université du Québec à Montréal Département d Informatique MIC4220 Traitement numérique des signaux Laboratoire 4: L analyse spectrale et le filtrage par transformée de Fourier But Familiarisation avec

Plus en détail

6GEI500 Signaux et systèmes. Laboratoire #2

6GEI500 Signaux et systèmes. Laboratoire #2 6GEI500 Signaux et systèmes Laboratoire #2 Analyse en fréquences avec MATLAB Automne 2009. Objectifs Se familiariser avec l analyse en fréquences avec MATLAB Explorer le phénomène de Gibbs Faire une analyse

Plus en détail

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

Plus en détail

Chaîne de mesure et acquisition de données

Chaîne de mesure et acquisition de données 1 Chaîne de mesure et acquisition de données Sommaire 2 A La chaîne d acquisition de données p 3 I Description de la chaîne d acquisition de données p 4 II Emplacement de la chaîne d'acquisition p 11 III

Plus en détail

Oscilloscope différentiel mixte analogique/numérique

Oscilloscope différentiel mixte analogique/numérique Oscilloscope différentiel mixte analogique/numérique DESCRIPTION DE LA FACE AVANT 1 FOCUS réglage de la focalisation 2 TRACE ROTATION réglage de l'horizontalité de la trace 3 AUTOSET activation de la fonction

Plus en détail

Introduction générale au codage de canal

Introduction générale au codage de canal Codage de canal et turbo-codes 15/9/2 1/7 Introduction générale au codage de canal Table des matières Table des matières... 1 Table des figures... 1 1. Introduction... 2 2. Notion de message numérique...

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite): Paramétrisation. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite): Paramétrisation. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite): Paramétrisation Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale Paramétrisation Distances

Plus en détail

Exercices de simulation 1

Exercices de simulation 1 Licence MIA 2ème année Année universitaire 2009-2010 Simulation stochastique C. Léonard Exercices de simulation 1 Les simulations qui suivent sont à effectuer avec Scilab. Le générateur aléatoire de Scilab.

Plus en détail

Eléments de correction des exercices de BTS

Eléments de correction des exercices de BTS Eléments de correction des exercices de BTS 1 Echantillonnage Maurice Charbit Exercice 1 Comme 300 > F e /2 = 250, il y a du repliement et le signal reconstruit contient 3 raies : 50, 100 et 200 Exercice

Plus en détail

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux. UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases

Plus en détail

Codage des données en machine.

Codage des données en machine. Codage des données en machine. 1 Entiers naturels Changements de base Codage en machine 2 Entiers relatifs : codage en complément à 2 Dénition Addition et calcul de l'opposé en complément à 2 3 Représentation

Plus en détail

Informatique? Numérique? L informatique est la science du traitement de l information.

Informatique? Numérique? L informatique est la science du traitement de l information. Informatique? Numérique? L informatique est la science du traitement de l information. L information est traitée par un ordinateur sous forme numérique : ce sont des valeurs discrètes. Cela signifie que,

Plus en détail

TP d électrocinétique n 3 Multiplication de Signaux Analyse spectrale

TP d électrocinétique n 3 Multiplication de Signaux Analyse spectrale TP d électrocinétique n 3 Multiplication de Signaux Analyse spectrale La multiplication de deux signaux est une opération non-linéaire fréquemment rencontrée en électronique d instrumentation ou de traitement

Plus en détail

Echantillonnage MP* 14/15

Echantillonnage MP* 14/15 Echantillonnage MP* 14/15 1. Principe de l oscilloscope numérique L oscilloscope numérique est principalement constitué d un amplificateur analogique (sur chaque voie), d un convertisseur analogique-numérique

Plus en détail

Guénael Launay. Différences entre signaux analogiques et signaux numériques 2

Guénael Launay. Différences entre signaux analogiques et signaux numériques 2 Guénael Launay Différences entre signaux analogiques et signaux numériques 2 Convertisseur analogique numérique analogique. 3 Convertisseur analogique numérique 3 Convertisseur numérique analogique 3 Théorie

Plus en détail

LP25. Traitement analogique d un signal électrique. Étude spectrale. Exemples et applications.

LP25. Traitement analogique d un signal électrique. Étude spectrale. Exemples et applications. LP5. Traitement analogique d un signal électrique. Étude spectrale. Exemples et applications. Antoine Bérut, David Lopes Cardozo Bibliographie Physique tout en 1 première année, M.-N. Sanz, DUNOD Électronique

Plus en détail

Transmission de données. A) Principaux éléments intervenant dans la transmission

Transmission de données. A) Principaux éléments intervenant dans la transmission Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement

Plus en détail

INITIATION INFORMATIQUE I (Système de numération) (1 GIM)

INITIATION INFORMATIQUE I (Système de numération) (1 GIM) UNIVERSITE SIDI MOHAMMED BEN ABDELLAH Ecole Supérieure de Technologie de Fès Filière Génie Industriel et Maintenance Mr KHATORY INITIATION INFORMATIQUE I (Système de numération) (1 GIM) TABLE DES MATIÈRES

Plus en détail

I.2 Comment passer d un signal analogique en un signal numérique sans perdre de l information?

I.2 Comment passer d un signal analogique en un signal numérique sans perdre de l information? I- Chaîne d information I.1 Généralités Dans un ballon-sonde, on trouve des capteurs (température, luminosité, pression ) plus ou moins sophistiqués. Nous allons voir que pour un problème technique identique

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

Présentation du binaire

Présentation du binaire Présentation du binaire Vers la fin des années 30, Claude Shannon démontra qu'à l'aide de "contacteurs" (interrupteurs) fermés pour "vrai" et ouverts pour "faux" on pouvait effectuer des opérations logiques

Plus en détail

V e TP OSCILLATEUR A PONT DE WIEN. I Etude de la chaîne directe en régime sinusoïdal : 11 Pont de Wien : étude rapide d un filtre passe bande :

V e TP OSCILLATEUR A PONT DE WIEN. I Etude de la chaîne directe en régime sinusoïdal : 11 Pont de Wien : étude rapide d un filtre passe bande : TP OSILLATE A PONT DE WIEN I Etude de la chaîne directe en régime sinusoïdal : 11 Pont de Wien : étude rapide d un filtre passe bande : = 10 kω; = 22 nf éaliser le montage a] Mesure de la fréquence centrale

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires

Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Méthodes de Monte-Carlo Simulation de grandeurs aléatoires Master Modélisation et Simulation / ENSTA TD 1 2012-2013 Les méthodes dites de Monte-Carlo consistent en des simulations expérimentales de problèmes

Plus en détail

Projet de Traitement du Signal Segmentation d images SAR

Projet de Traitement du Signal Segmentation d images SAR Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Simulation de variables aléatoires S. Robin INA PG, Biométrie Décembre 1997 Table des matières 1 Introduction Variables aléatoires discrètes 3.1 Pile ou face................................... 3. Loi de

Plus en détail

Aperçu des chaines d'acquisition de données Et Traitement des signaux

Aperçu des chaines d'acquisition de données Et Traitement des signaux Cours de techniques des mesures Aperçu des chaines d'acquisition de données Et Traitement des signaux Mécanique, 6 ème semestre Techniques de mesure 2011 K. Agbeviade 1 Introduction Un des points important

Plus en détail

CODEC. (Compression / Décompression) William PUECH Université Montpellier II IUT Béziers 1/66

CODEC. (Compression / Décompression) William PUECH Université Montpellier II IUT Béziers 1/66 CODEC Codage / Décodage (Compression / Décompression) William PUECH Université Montpellier II IUT Béziers 1/66 Introduction Transmission analogique : le procédé reproduit la forme même du signal que l'on

Plus en détail

J AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE

J AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent

Plus en détail

Systèmes linéaires, Signaux aléatoires, bruits, statistique et probabilités

Systèmes linéaires, Signaux aléatoires, bruits, statistique et probabilités Signaux et graphes : terminologie Systèmes linéaires, Signaux aléatoires, bruits, statistique et probabilités Cours signaux et systèmes M1 physique Un signal décrit la relation entre un paramètre et un

Plus en détail

BREVET DE TECHNICIEN SUPÉRIEUR ÉLECTRONIQUE SESSION 2002. E p r e u v e : P H Y S I Q U E A P P L I Q U É E

BREVET DE TECHNICIEN SUPÉRIEUR ÉLECTRONIQUE SESSION 2002. E p r e u v e : P H Y S I Q U E A P P L I Q U É E BREVET DE TECHNICIEN SUPÉRIEUR ÉLECTRONIQUE SESSION 2002 Calculatrice à fonctionnement autonome autorisée (circulaire 99-186 du 16.11.99) E p r e u v e : P H Y S I Q U E P P L I Q U É E Durée : 4 heures

Plus en détail

IPT : Cours 2. La représentation informatique des nombres

IPT : Cours 2. La représentation informatique des nombres IPT : Cours 2 La représentation informatique des nombres (3 ou 4 heures) MPSI-Schwarz : Prytanée National Militaire Pascal Delahaye 28 septembre 2015 1 Codage en base 2 Définition 1 : Tout nombre décimal

Plus en détail

Systèmes de transmission

Systèmes de transmission Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

Représentation des nombres entiers et réels. en binaire en mémoire

Représentation des nombres entiers et réels. en binaire en mémoire L3 Mag1 Phys. fond., cours C 15-16 Rep. des nbs. en binaire 25-09-05 23 :06 :02 page 1 1 Nombres entiers 1.1 Représentation binaire Représentation des nombres entiers et réels Tout entier positif n peut

Plus en détail

TP filtres électriques

TP filtres électriques P filtres électriques Objectif : Étudier les caractéristiques de gain et de phase de quelques filtres classiques 1 Introduction oute cette partie est informative : la non compréhension de certains paragraphes

Plus en détail

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE

MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE Annexe MATHÉMATIQUES CYCLE TERMINAL DE LA SÉRIE ÉCONOMIQUE ET SOCIALE ET DE LA SÉRIE LITTERAIRE CLASSE DE PREMIÈRE L enseignement des mathématiques au collège et au lycée a pour but de donner à chaque

Plus en détail

Quantification Scalaire et Prédictive

Quantification Scalaire et Prédictive Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction

Plus en détail

Vision par Ordinateur

Vision par Ordinateur Vision par Ordinateur James L. Crowley DEA IVR Premier Bimestre 2005/2006 Séance 6 23 novembre 2005 Détection et Description de Contraste Plan de la Séance : Description de Contraste...2 Le Détecteur de

Plus en détail

TP 2 de Compression. Sujet: QUANTIFICATION. S7 Master 1 Audiovisuel et Multimédia - ISIS Clément FOLLET Février 2008

TP 2 de Compression. Sujet: QUANTIFICATION. S7 Master 1 Audiovisuel et Multimédia - ISIS Clément FOLLET Février 2008 TP 2 de Compression Sujet: QUANTIFICATION S7 Master 1 Audiovisuel et Multimédia - ISIS Clément FOLLET Février 2008 Travail préparatoire: On considère un quantificateur uniforme sur 2 bits avec un plage

Plus en détail

Analyse des diagrammes de Bode d'un filtre passe-bande:

Analyse des diagrammes de Bode d'un filtre passe-bande: TD N 3: Filtrage, fonction de transfert et diagrammes de Bode. M1107 : Initiation à la mesure du signal Le but de ce TD est de vous permettre d'appréhender les notions indispensables à la compréhension

Plus en détail

TP Processeurs de Traitement du Signal

TP Processeurs de Traitement du Signal TP Processeurs de Traitement du Signal Nous allons étudier dans ce TP l'implantation d'algorithmes de traitement du signal dans le Processeur de Traitement du Signal TMS320C50 de Texas Instruments. Pour

Plus en détail

( ) ( ) = a 0 ( ) 1 - PARTIE THÉORIQUE. ù û. v t. a n. cos( nwt ) + b n. + A n. v t. sin( nwt +j n ) = A n. sin j n b n. cos j n

( ) ( ) = a 0 ( ) 1 - PARTIE THÉORIQUE. ù û. v t. a n. cos( nwt ) + b n. + A n. v t. sin( nwt +j n ) = A n. sin j n b n. cos j n T.P. d'electronique 3 ème année 1 - PARTIE THÉORIQUE ANALYSE SPECTRALE DE SIGNAUX PAR FFT 1.1 RAPPEL SUR LES SÉRIES DE FOURIER. SPECTRE D'UN SIGNAL. La série de Fourier joue un rôle considérable en électronique,

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques

ANNEXE 1 BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques ANNEXE BTS AGENCEMENT DE L'ENVIRONNEMENT ARCHITECTURAL Programme de mathématiques L'enseignement des mathématiques dans les sections de techniciens supérieurs Agencement de l'environnement architectural

Plus en détail

Partie Agir : Défis du XXI ème siècle CHAP 20-ACT EXP Convertisseur Analogique Numérique (CAN)

Partie Agir : Défis du XXI ème siècle CHAP 20-ACT EXP Convertisseur Analogique Numérique (CAN) 1/5 Partie Agir : Défis du XXI ème siècle CHAP 20-ACT EXP Convertisseur Analogique Numérique (CAN) Objectifs : Reconnaître des signaux de nature analogique et des signaux de nature numérique Mettre en

Plus en détail

Chapitre 10 Arithmétique réelle

Chapitre 10 Arithmétique réelle Chapitre 10 Arithmétique réelle Jean Privat Université du Québec à Montréal INF2170 Organisation des ordinateurs et assembleur Automne 2013 Jean Privat (UQAM) 10 Arithmétique réelle INF2170 Automne 2013

Plus en détail

Traitement du signal avec Scilab : la transformée de Fourier discrète

Traitement du signal avec Scilab : la transformée de Fourier discrète Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

Propriétés fréquentielles du signal

Propriétés fréquentielles du signal Fiche de référence Thème II : ANALYSE DU SIGNAL Propriétés fréquentielles du signal 1- Insuffisance de la représentation temporelle du signal Reprenons l exemple utilisé précédemment : Enregistrement du

Plus en détail

AUTOMNE 2011 COURS ELE2700 ANALYSE DES SIGNAUX

AUTOMNE 2011 COURS ELE2700 ANALYSE DES SIGNAUX ÉCOLE POLYECHNIQUE DE MONRÉAL DÉPAREMEN DE GÉNIE ÉLECRIQUE AUOMNE 211 COURS ELE27 ANALYSE DES SIGNAUX SÉANCE #2 (P1) ANALYSE SPECRALE section #1 section #2 OBJECIF : Étude des contenus fréquentiels de

Plus en détail

Génération DMTF page 1/1

Génération DMTF page 1/1 Génération DMTF page 1/1 Génération par un circuit spécialisé Comme par exemple le très classique TCM5089 qui réalise aussi la fonction d encodage d un clavier 4x4, ou un circuit plus récent, PCD3311 pilotable

Plus en détail

ENSIL Troisième Année ELT

ENSIL Troisième Année ELT IFORMATIQUE APPLIQUEE TD1 Dans le cadre de ces TD, nous procédons à la simulation d'un système de télécommunication numérique. Cette opération va nous permettre d'étudier la performance du système sous

Plus en détail

ÉPREUVE FACULTATIVE D INFORMATIQUE. Codage cyclique

ÉPREUVE FACULTATIVE D INFORMATIQUE. Codage cyclique ÉCOLE POLYTECHNIQUE CONCOURS D ADMISSION 2003 FILIÈRES PSI ET PT ÉPREUVE FACULTATIVE D INFORMATIQUE (Durée : 2 heures) L utilisation des calculatrices n est pas autorisée pour cette épreuve. Avertissements

Plus en détail

Algorithmique et Programmation TD n 9 : Fast Fourier Transform

Algorithmique et Programmation TD n 9 : Fast Fourier Transform Algorithmique et Programmation TD n 9 : Fast Fourier Transform Ecole normale supérieure Département d informatique td-algo@di.ens.fr 2011-2012 1 Petits Rappels Convolution La convolution de deux vecteurs

Plus en détail

U. E. R SYSTEME DE TESTS AUTOMATIQUES AVEC UN OSCILLOSCOPE NUMERIQUE + PC M. AGERON, A. HRISOHO, C. NGUYEN, K. TRUONG. Bâtiment 200-91405 ORSAY Cedex

U. E. R SYSTEME DE TESTS AUTOMATIQUES AVEC UN OSCILLOSCOPE NUMERIQUE + PC M. AGERON, A. HRISOHO, C. NGUYEN, K. TRUONG. Bâtiment 200-91405 ORSAY Cedex 1 T P-i. oc i LAIVUTS 1 J-13 October SYSTEME DE TESTS AUTOMATIQUES AVEC UN OSCILLOSCOPE NUMERIQUE + PC M. AGERON, A. HRISOHO, C. NGUYEN, K. TRUONG U. E. R de l'université Paris-Sud Institut National de

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

Problème : débordement de la représentation ou dépassement

Problème : débordement de la représentation ou dépassement Arithmétique entière des ordinateurs (représentation) Écriture décimale : écriture positionnelle. Ex : 128 = 1 10 2 + 2 10 1 + 8 10 0 Circuit en logique binaire Écriture binaire (base 2) Ex : (101) 2 =

Plus en détail

I- Définitions des signaux.

I- Définitions des signaux. 101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais

Plus en détail

Compte-rendu du TP 1

Compte-rendu du TP 1 Pauline Tan Analyse hilbertienne et analyse de Fourier ES de Cachan Compte-rendu du TP 1 (16 octobre 2009) L objectif de ce premier TP est de faire des manipulations simples sur les images avec MatLab

Plus en détail

THÉORIE DE L'INFORMATION : RAPPELS

THÉORIE DE L'INFORMATION : RAPPELS THÉORIE DE L'INFORMATION : RAPPELS 1920 : premières tentatives de définition de mesure de l'information à partir de 1948 : travaux de Shannon Théorie de l'information discipline fondamentale qui s'applique

Plus en détail