Du signal continu au signal numérique

Echantillonnage, reconstruction et
quantification

1
Plan
 Introduction
- Pourquoi numériser ?
- Chaine de numérisation
 Echantillonnage idéal
- Définition
- TF du signal échantillonne – Analyse du spectre
- Théorème de Shannon
 Echantillonnage réel
- Définition
- Influence sur le spectre du signal échantillonné
 Filtrage anti-repliement
 Reconstruction du signal
 Quantification
2
Introduction
 Propriétés du numérique, c'est à dire du codage en 0/1
- Permet d'effectuer les traitements sur des machines informatiques,
spécialisées dans le TS ou non (DSP, PC)
* Puissance, rapidité, coût
* Flexibilité (système numérique = logiciel : facile à modifier, ex.
: modems numériques), contrairement aux montages électroniques ...
- Codage interne des 0 et des 1 souvent en 0/5V : A priori pas
d'altération du signal, robuste au bruit une fois numérisé
* Exemple : un 0 codé sur 0V parasité par un bruit de 0.5V sera
toujours un 0 ...
* Précision insensible au temps, à la température, à l'usure du
système, etc.
* Pas d'erreur lors de la transmission, la recopie, le stockage, etc.
- Adéquation entre simulation et traitement,

3
Du signal analogique au signal numérique

•Donc un signal numérique est une suite de valeurs

•Ces valeurs sont codées sur un certain nombre de bits
• C'est donc une suite de 0 et de 1 .. 4
 Introduction
 Applications
- TV numérique
- Enregistrement audio, vidéo
- Téléphonie mobile.
-...
 Attention : on ne peut pas dire que Numérique > analogique
- Dépend de la qualité de l‘échantillonnage et de la quantification
- Certains disent que le signal perd une partie de son ame .
 On ne peut pas dire l'inverse non plus !
- Il est nécessaire de comprendre comment se fait le passage du
monde analogique a celui du numérique. Dans ce cours, on se placera
dans le contexte de signaux réels.

5
Introduction
Chaine de numérisation

Echantillonnage
Prélèvement de la valeur du signal continu x(t) à des intervalles de temps tn.
Généralement les tn sont régulièrement espacés ; Te = tn+1–tn est appelé période
d‘échantillonnage. On obtient la suite de valeurs xe(t) = {x(tn)} avec
tn = nTe.

Quantification
Approximation de chaque valeur xe(t) par un multiple entier d'une quantité élémentaire
q appelée échelon de quantification.

Codage binaire
Transformation de la valeur quantifiée en mot binaire exploitable par le calculateur 6
Échantillonnage idéal

Echantillonnage idéal : prélèvement pendant un temps infiniment court des

valeurs de x(t) à t = nTe (multiple entier de Te ).
Modélisation mathématique

L‘échantillonnage correspond à la multiplication de x(t) par un peigne de

Dirac (t) ШTe

En utilisant la propriété on obtient

On obtient 7
 TF du signal échantillonné
• Question : que devient le spectre du signal x(t) après échantillonnage idéal?

8
TF du signal échantillonné

 Le spectre de Xe( f ) est celui de X( f ) "périodisé" avec une

période fréquentielle Fe.

 L'échantillonnage dans le domaine temporel se traduit par

une "périodisation" de période Fe dans le domaine
fréquentiel.

9
 Analyse du spectre de xe(t)
On considère que x(t) est un signal réel dont
le spectre est borné en fréquence, de
fréquence maximale Fmax

Question : que devient le spectre Xe( f ) en fonction de Fe ?

 Cas 1 : Fe ≥ 2Fmax

Les motifs élémentaires de |Xe( f )| sont disjoints (pas de recouvrement des

motifs) 10
Analyse du spectre de xe(t)

 Le motif principal (n = 0) est égal au spectre de x(t).

 Comme les motifs sont disjoints, on peut extraire X( f ) grâce à un

filtre passe-bas idéal et donc reconstituer intégralement le signal x(t) à
partir de la connaissance de son échantillonné xe(t).

11
 Analyse du spectre de xe(t)
Cas 2 : Fe < 2Fmax

Les motifs élémentaires de |Xe( f )| se recouvrent. On parle de repliement de

spectres.
A cause du chevauchement des motifs élémentaires constituant le spectre Xe( f )
du signal échantillonné, il n'est pas possible de récupérer le spectre X( f ) par un
filtrage approprié. Il n'est donc pas possible de reconstruire le signal initial x(t) à
partir de la connaissance de son échantillonné xe(t).
12
Théorème de Shannon

 Question : quelle est la condition sur Fe pour qu'à partir du signal

échantillonné xe(t) , on puisse reconstruire intégralement x(t) ?

- Fe ≥ 2 Fmax pas de recouvrement de spectre → extraction de X( f ) par

filtrage passe-bas idéal

- Fe < 2 Fmax : repliement de spectre → impossibilité de récupérer X( f )

par filtrage

Par conséquent, pour que la répétition périodique du spectre de xe(t) ne

déforme pas le spectre X( f ) répété, il faut et il suffit que Fe ≥ 2Fmax

13
Théorème de Shannon

 La condition nécessaire et suffisante pour échantillonner un signal sans

perte d'information est que la fréquence d'échantillonnage Fe soit
supérieure ou égale au double de la fréquence maximale du signal.
Plus précisément, si on note Fmax la fréquence maximale du signal, il
faut et il suffit que : Fe ≥2 Fmax .

 Pour Fe fixée, Fe/2 est appelée fréquence de Nyquist : c'est la

fréquence maximale admissible du signal pour éviter les distorsions de
spectre.
14
Exemples

15
Échantillonnage réel
Echantillonnage idéal

Echantillonnage réel
En pratique, on n'a pas une impulsion infiniment brève et l'échantillonneur est
assimilable à un filtre de réponse impulsionnelle h(-t).

- Expression d'un échantillon réel :

- D'où l'expression du signal échantillonné réel :

16
Échantillonnage réel
 Exemple : échantillonnage réel par moyennage simple .L'échantillonneur
moyenneur donne des échantillons correspondant à la valeur moyenne de x(t)
prise sur un intervalle de durée ΔT. On prend h(t) comme

17
TF d'un signal échantillonné

18
TF d'un signal échantillonné

Interprétation

19
Exemple d'échantillonnage réel

20
Cas des signaux à support fréquentiel non
borné
 Problème des signaux à large bande

- Dans le cas des signaux à support fréquentiel infini, il est impossible

de définir une notion de fréquence maximale. Quelque soit la
fréquence d'échantillonnage Fe , il y a toujours repliement de spectre.

- Les signaux réels comportent souvent une composante fréquentielle à

large bande due à la présence de bruit (perturbations aléatoires), ce qui
imposerait une fréquence Fe importante.

 Solution : filtrage anti-repliement

On va numériser un signal x1(t), qui sera le résultat d'un filtrage passe-

bas idéal du signal x(t) à support fréquentiel infini ou à large bande. 21
Cas des signaux à support fréquentiel
non borné

D'une manière générale, afin de garantir la condition de Shannon, il faut

utiliser un filtre passe-bas anti-repliement de fréquence de coupure

fc inférieure à Fe /2.

22
 La reconstruction
 Problématique
On a échantillonné un signal x(t) en respectant le théorème de Shannon,
comment fait-on pour le reconstruire à partir des échantillons?
 Hypothèses
- La condition de Shannon a été respectée lors de l'échantillonnage( x(t)
est à support borné en fréquence ou filtrage anti-repliement)
- Echantillonnage idéal
 Solution
pour reconstruire le signal, il suffit de prendre la TF inverse du motif de
base de Xe( f ).
- Filtrage passe bas idéal
- Diviser par F
- Puis TF inverse

23
La reconstruction
Illustration

 Problème
- Filtre idéal => la connaissance de tous les échantillons x(nTe) est nécessaire
pour reconstruire le signal
- Reconstruction mathématiquement possible, mais physiquement irréalisable
car le filtre passe-bas idéal n'est pas causal → interpolation physiquement non
réalisable. 24
 La reconstruction
Extrapoleur d'ordre 0 (bloqueur d'ordre zéro, BOZ)

25
La reconstruction
Interprétation de l'extrapoleur d'ordre 0

26
La quantification
 Définition
• La quantification consiste à partitionner l'ensemble des valeurs
possibles du signal analogique en un nombre fini de niveaux.

• Le convertisseur Analogique Numérique CAN effectue la

numérisation d'un signal analogique après échantillonnage et délivre
des séquences numériques codées avec un pas de quantification q
dépendant du nombre de bits du convertisseur.

• Le quantum ou pas de quantification q est la variation maximale que

peut avoir le signal d'entrée pour provoquer un changement de 1 LSB
en sortie du convertisseur.
27
La quantification

28
 La quantification
 Rôle
Approximer chaque valeur du signal échantillonné xe(t) par un multiple
entier d'une quantité élémentaire q appelée "pas de quantification" ou
quantum.
• Si q est constant quelle que soit l'amplitude du signal, on parle de
quantification uniforme.
• Dans tous les cas, la quantification est une perte d'information.
 Principe
Dans le cas d'une loi de quantification uniforme ou les valeurs codées sont
obtenues par arrondi dans le domaine de conversion ΔCAN du convertisseur,
on a :
q= ΔCAN/2n
• Si le CAN travaille avec n bits entre +Umax et –Umax, on a ΔCAN = 2Umax et
le pas de quantification vaut alors
q= ΔCAN/2n = 2.Umax /2n = Umax /2n-1
29
 La quantification
• Le pas de quantification q rapporté au domaine de conversion ΔCAN definit
la résolution du convertisseur
RCAN= q/ΔCAN= 1/2n= 1LSB
Si q est constant quelle que soit l'amplitude du signal, on parle de quantification
uniforme.
• Dans le domaine de quantification, l'erreur maximum due a la quantification
vaut alors : Eq= q/2= Umax/2n
.
 Principe
- par arrondi :si (N-1/2). q≤ xe(t)< (N+1/2). q , alors à xe(t) on associe le code
N ou la valeur Nq
- par troncature : si Nq≤ xe(t)< (N+1). q , alors à xe(t) on associe le code N
ou la valeur Nq
• La quantification introduit une erreur modélisable mathématiquement, et
que l'on peut considérer comme une variable aléatoire. 30
 La quantification
 Bruit de Quantification
L'opération de quantification introduit une erreur. En effet, « quantifier »
revient à « approcher » la valeur réelle du signal d'entrée. La différence entre la
valeur quantifiée et la valeur réelle du signal est appelée erreur de
quantification ERR introduit par le CAN
- Son allure est une dent de scie entre -q/2 et +q/2.
• le bruit des convertisseurs
B = q / √12

31