Chapitre 2

Échantillonnage d’un signal

Comme on a vu au chapitre précédent, le but d’un processus à commande numérique

est de remplacer la commande analogique du processus par des algorithmes mis en œuvre
sur calculateur. Cependant, un calculateur numérique nécessite un certain temps pour
effectuer les opérations liées à l’algorithme de commande. De plus, un processeur numé-
rique traite des valeurs numériques (des nombres) et non des grandeurs analogiques. Pour
ces raisons, on introduit un découpage temporel des signaux au niveau du calculateur.
Le découpage temporel de l’information, réalisé par le CAN, se fait par échantillon-
nage et quantification. L’échantillonnage consiste à prélever, à période fixe Te , la valeur
du signal. La quantification résulte du fait que les données sont représentées sur un
calculateur dans un certain format (16 bits, par exemple). Donc, le CAN remplace un
signal analogique par une suite des nombres. Ces nombres sont ensuite manipulés par le
calculateur qui génère une nouvelle suite des nombres. Comme cette suite ne peut pas
exciter le processus à asservir, il est indispensable d’utiliser un CNA afin d’élaborer un
signal analogique. Cette étape est appelée reconstruction.

2.1 Échantillonnage idéal

Définition 2.1.1. L’échantillonneur idéal de période Te est un opérateur mathématique
qui associe à toute fonction f (t) une fonction fe (t) définie par

fe (t) = f (t)δTe (t) (2.1.1)

où δTe (t) est la fonction peigne (d’impulsions) de Dirac. 

Comme nous pouvons le voir sur la figure 2.1, la fonction peigne de Dirac est une fonc-
tion non causale, périodique de période Te et composée d’un nombre infini des fonctions
impulsion de Dirac décalées dans le temps :
∞
X
δTe (t) = δ(t − kTe )
k=−∞

où δ(t) est la fonction impulsion de Dirac.

5
6 Échantillonnage d’un signal

δTe (t)

−2Te −Te Te 2Te t

Fig. 2.1 – Fonction peigne de Dirac

Notons que l’utilisation de l’opérateur échantillonnage idéal sur le signal f (t) génère
un signal continue fe (t) appelée signal échantillonné (idéal). La définition (2.1.1) peut
également s’écrire :
∞
X ∞
X
fe (t) = f (t) δ(t − kTe ) = f (kTe )δ(t − kTe ). (2.1.2)
k=−∞ k=−∞

Un exemple de fonction échantillonnée a été illustré sur la figure 2.2.

A partir de la relation (2.1.2) ainsi que de la figure 2.2, nous pouvons déduire que la
fonction échantillonnée fe (t) est une fonction peigne de Dirac modulée en amplitude par
la fonction f (t). En effet, on peut considérer l’échantillonnage comme le prélèvement de
la valeur du signal continu aux instants t = kTe .

fe (t)

4Te 5Te
−4Te−3Te−2Te −Te Te 2Te
t

f (t)

Fig. 2.2 – Fonction échantillonnée

Dans la suite de ce cours, nous utiliserons pour l’échantionneur idéal le symbole

indiqué sur la figure 2.3.

Te
f (t) fe (t)

Fig. 2.3 – Échantillonneur idéal

2.2 Transformée de Laplace d’un signal échantillonné 7

Remarque 2.1.1.
Notons que le terme échantillonné est réservé aux signaux et aux systèmes discrets
dans le temps. Le terme numérique s’applique aux systèmes et aux signaux discrets en
temps et en amplitude. Pour obtenir un signal numérique à partir d’un signal échan-
tillonné on doit effectuer une “discrétisation” de l’amplitude et cette discrétisation est
faite par quantification. En effet, la quantification résulte du fait que les données sont
représentées sur un calculateur dans un certain format. Alors, le nombre utilisé par le
calculateur sera entaché d’une erreur correspondant au maximum à la moitié de la préci-
sion associée au format des nombres. L’erreur associée à la quantification, tant qu’elle est
très faible, est généralement considérée comme un bruit, appelé bruit de quantification.
L’action du CAN étant de fournir une suite de nombres {f (kTe )}, il revient au même
de définir le signal échantillonné par la suite en k, {f (k)} = {f (kTe )}. Par conséquent,
dans ce cours, nous ne ferons pas la distinction entre le signal échantillonné et le signal
numérique en supposant négligeable l’effet de la quantification.

2.2 Transformée de Laplace d’un signal échantillonné

Dans cette section, nous présentons deux formulations de la transformée de Laplace
d’un signal échantillonné. Nous considérons par la suite, sauf indication contraire, que
les signaux sont causaux (càd f (t) = 0 pour tout t < 0).
Première formulation
Étant donnée qu’un signal échantillonné est une fonction à temps continu, nous pou-
vons calculer sa transformée de Laplace :
Z ∞
Fe (s) = L{fe (t)} = fe (t)e−st dt. (2.2.1)
0

En utilisant la relation (2.1.2) et la causalité du signal fe (t), nous déduisons que

X∞ Z ∞ X∞
Fe (s) = f (kTe ) δ(t − kTe )e dt =
−st
f (kTe )L{δ(t − kTe )}
k=0 0 k=0

où la transformée de Laplace de l’impulsion de Dirac est donnée par

 −kT s
e e si k ≥ 0
L{δ(t − kTe )} = .
0 sinon
Cela implique que :
∞
X
Fe (s) = f (kTe )e−kTe s . (2.2.2)
k=0

Deuxième formulation
Comme la fonction δTe (t) est une fonction périodique de période Te , nous pouvons
effectuer une décomposition de celle-ci en série de Fourrier :
∞
X 2πkt
δTe (t) = ck ej Te

k=−∞
8 Échantillonnage d’un signal

Z Te
1 2 2πkt 1
avec ck = δTe (t)e−j Te dt = .
Te − 2e
T Te
En utilisant la définition (2.1.1), nous obtenons :
∞ ∞
X 1 j 2πkt 1 X 2πkt
fe (t) = f (t)δTe (t) = f (t) e Te = f (t)ej Te .
k=−∞
Te Te k=−∞

Alors, la transformée de Laplace du signal échantillonnée est :

Z 1 X
∞ ∞ 
2πkt
Fe (s) = f (t)ej Te e−st dt
0 Te k=−∞
∞ Z
1 X  ∞ 2πk

= f (t)e−(s−j Te )t dt
Te k=−∞ 0

soit :
∞
1 X 2πk

Fe (s) = F s−j . (2.2.3)
Te k=−∞ Te

Remarque 2.2.1. D’après la relation (2.2.3), la transformée de Laplace Fe (s) est pé-
riodique le long de l’axe imaginaire. Les pôles de Fe (s) sont obtenus à partir de ceux de
2π
F (s) par une infinité de translations de (dans le plan complexe s) parallèlement à
Te
l’axe réel.

2.3 Spectre du signal échantillonné

Soit le signal à temps continu f (t).
Définition 2.3.1. La transformée de Fourier de f (t) est définie comme :
Z ∞
F (jω) = F {f (t)} = f (t)e−jωt dt.
−∞

Le module de la transformée de Fourier d’un signal |F (jω)| est appelé spectre du

signal. Notons que le spectre contient des informations sur les composantes harmoniques
présentes dans le signal.
Soit le spectre du signal f (t) tel qu’il a été indiqué sur la figure 2.4 et soit ωM la pulsa-
tion maximale présente dans ce spectre. Afin d’étudier le spectre du signal échantillonné
fe (t), calculons la transformée de Fourier du signal échantillonné. Comme la transformée
de Fourier est un cas particulier de la transformée de Laplace (s = jω), on peut utiliser
l’expression (2.2.3) et donc :
∞
1 X 2πk

Fe (jω) = F jω − j .
Te Te
k=−∞
2.3 Spectre du signal échantillonné 9

|F (jω)|
AM

−ωM ωM ω

Fig. 2.4 – Spectre d’un signal à temps continu

On remarque que le spectre du signal échantillonné est constitué de la somme d’un

nombre infini d’une succession de spectres où chaque spectre correspond au spectre du
signal de départ décalé en pulsation. Par conséquent, le spectre |Fe (jω)| du signal échan-
2π
tillonné est une fonction périodique de période ωe = appelé pulsation d’échantillon-
Te
nage. Examinons ce spectre en fonction des valeurs des pulsations ωM et ωe . On distingue
ωe
deux cas possibles, selon que ωM est inférieur ou supérieur à la pulsation appelé pul-
2
sation de Nyquist.

ωe
2.3.1 Cas où ωM ≤
2
Étant donné le spectre du signal à temps continu indiqué sur la figure 2.4, nous
déduisons le spectre du signal échantillonné tel qu’il a été tracé sur la figure 2.5.

|Fe (jω)|
AM
Te

3ωe −ωe ωe −ωM 0 ωM ωe ωe 3ωe ω

− −
2 2 2 2
bandes complémentaires bande de base bandes complémentaires

Fig. 2.5 – Spectre du signal échantillonnée (sans repliement)

Remarquons que l’information contenue dans le signal f (t) est présente dans cha-
qu’une des bandes de largeur ωe et notamment dans la bande de base correspondant à
ωe ωe
des pulsations comprises entre − et . Par conséquent, il est possible de reconstruire
2 2
le signal f (t), à partir du signal échantillonné, par un filtrage passe-bas idéal supprimant
les bandes complémentaires.
10 Échantillonnage d’un signal

ωe
2.3.2 Cas où ωM >
2
Dans ce cas, illustré par la figure 2.6, les lobes du spectre se superposent. Ceci génère
l’apparition des distorsions dans le spectre du signal échantillonné par rapport au spectre
du signal f (t).
|Fe (jω)|
AM
Te

3ωe −ωM ωe 0 ωe ωM 3ωe ω

− −
2 2 2 2
bandes complémentaires bande de base bandes complémentaires

Fig. 2.6 – Spectre du signal échantillonnée (avec repliement)

Ce phénomène est appelé repliement spectral (“aliasing” en anglais) et il correspond

au repliement des bandes complémentaires dans la bande de base. Dans ce cas, il n’est
plus possible de reconstruire f (t) à partir du signal échantillonné.

2.3.3 Théorème de Shannon

Le théorème suivant, connu sous le nom de théorème de l’échantillonnage ou de
Shannon, donne les conditions dans lesquelles un signal analogique peut être reconstruit
à partir de sa version échantillonnée.
Théorème 2.3.1 (de Shannon, 1948). Pour pouvoir reconstituer sans perte d’informa-
tion un signal continu à partir des échantillons de période Te de celui-ci, il faut que
1
la fréquence d’échantillonnage, fe = , soit au moins égale au double de la fréquence
Te
maximale contenue dans le spectre de ce signal :
ωM
fe ≥ 2fM où fM = . (2.3.1)
2π

fe 1
La fréquence fN = = est appelé fréquence de Nyquist.
2 2Te

2.3.4 Filtre anti-repliement

Si pour une fréquence d’échantillonnage fixée le signal comporte des composantes
spectrales à des fréquences supérieures à la fréquence de Nyquist (du bruit par exemple)
alors il faut filtrer le signal analogique avant l’échantillonnage de manière à assurer que
le repliement soit négligeable. Le filtre passe-bas réalisant cette tache est appelé filtre
anti-repliement (“antialiasing filter” en anglais).
2.4 Reconstruction du signal 11

2.4 Reconstruction du signal

Dans cette section, on se propose de reconstruire le signal f (t) à partir des échantillons
f (kTe ) de ce signal. Pour cela, nous utiliserons la transformée de Fourier inverse.
Définition 2.4.1. La transformée de Fourier inverse de F (jω) est définie par :
Z
1 ∞
f (t) = F −1
{F (jω)} = F (jω)ejωtdω.
2π −∞

2.4.1 Reconstruction idéale

La reconstruction idéale est basée sur l’utilisation d’un filtre passe-bas idéal de ré-
ponse harmonique H(jω) qui coupe toutes les composantes spectrales correspondant
aux pulsations supérieures à la pulsation de Nyquist. Comme illustré sur la figure 2.7,
cette réponse harmonique correspond à une fonction fenêtre rectangulaire, centrée et de
largeur ωe .

AM
Te
1
AM |H(jω)|

|Fe (jω)|
|F (jω)|

ωe ωe ω
−
2 2

Fig. 2.7 – Spectre d’un signal à temps continu

Alors, F (jω) = Te Fe (jω)H(jω) et, en utilisant la transformée de Fourier inverse, on

obtient :
f (t) = Te F −1{Fe (jω)H(jω)} = Te (fe ∗ h)(t)

où h(t) = F −1{H(jω)} et ∗ désigne le produit de convolution.

La réponse impulsionnelle du filtre peut être calculé en utilisant la transformée de
Fourier inverse :
Z ωe
1 2
h(t) = F −1
{H(jω)} = ejωt dω
2π − ω2e
1 ωe ωe 1 πt
= (ejt 2 − e−jt 2 ) = sin( ).
2jπt πt Te
12 Échantillonnage d’un signal

En utilisant la définition du produit de convolution, on trouve :

Z X∞ Z
(fe ∗ h)(t) = fe (x)h(t − x)dx = f (kTe )δ(x − kTe )h(t − x)dx
IR k=−∞ IR
∞ ∞
X X 1 π(t − kTe )
= f (kTe )h(t − kTe ) = f (kTe ) sin( ).
k=−∞ k=−∞
π(t − kTe ) Te

Donc,
∞
X t − kTe
f (t) = f (kTe ) sinc
Te
k=−∞

où la fonction “sinc” représente le sinus cardinal1 .

2.4.2 Reconstruction approchée

La méthode de reconstruction approchée utilise un bloqueur d’ordre zéro (BOZ) (en
anglais “zero order hold”). Le BOZ est un système qui permet d’obtenir un signal analo-
gique à partir d’une suite d’échantillons ou d’un signal numérique. En effet, le bloqueur
d’ordre zéro maintient à sa sortie la valeur de l’échantillon d’entrée, durant la période
d’échantillonnage qui sépare deux échantillons consécutifs. Un exemple est montré par
la figure 2.8.
Soit f (kTe ) le signal numérique à l’entrée du BOZ. Alors, le signal bloqué qui se
trouve à la sortie du bloqueur s’écrit :
fBOZ (t) = f (kTe ) pour t ∈ [kTe , (k + 1)Te ).

fBOZ (t)
f (kTe )

fe (t)

0 Te 2Te 3Te 4Te t

Fig. 2.8 – Bloqueur d’ordre zéro

D’après ce qui précède, nous pouvons déduire que la réponse impulsionnelle b0 (t) du
BOZ est une fenêtre rectangulaire de largeur Te et d’amplitude unitaire. Donc, cette
réponse impulsionnelle peut s’écrire comme :
b0 (t) = U(t) − U(t − Te ) ou U(t) est la fonction échelon unitaire.
1 sin πx
Fonction sinus cardinal : sinc x = , ∀x ∈ IR
πx
2.4 Reconstruction du signal 13

En utilisant la transformée de Laplace, on déduit la fonction de transfert du BOZ :

1 − e−Te s
B0 (s) =
s

et sa réponse harmonique :

1 − e−jωTe
B0 (jω) =
jω
Te Te
−jω T2e ejω − e−jω
2 2
=e
jω
Te 2 sin ω T2e
= e−jω 2 .
ω

Effet du bloqueur dans la bande de base

Suite au bloqueur d’ordre zéro et au filtre passe-bas, la transformée de Fourier du
signal bloqué vaut :
1
FBOZ (jω) = B0 (jω)Fe (jω) = B0 (jω)F (jω)
Te
parce que dans la bande de base F (jω) = Te Fe (jω). Donc,


−j ( ωT e
) sin ωT2 e
FBOZ (jω) = e 2
ωT

F (jω).
e
2

ωTe ω
Sachant que =π on obtient :
2 ωe
 
−j ωT e ω
FBOZ (jω) = |e {z } sinc
2 F (jω).
ωe
déphasage | {z }
déformation

Il résulte de cette expression que la réponse harmonique du signal bloqué se déduit

de celle du signal à temps continu initial par :
– une déformation, liée au sinus cardinal ;
– un retard pur d’une demi période d’échantillonnage.
Le spectre du signal bloqué se déduit du spectre du signal à temps continu conformément
au schéma de la figure 2.9.
Les lobes additionnels apparaissant au delà de la pulsation de Nyquist peuvent éven-
tuellement être filtrés par un filtre passe-bas.
14 Échantillonnage d’un signal

|Fb (jω)|

1
ω
sinc ωe ✁

|F ∗ (jω)|

ω
0
ωe
− ω2e 2 ωe

bande de base bandes complémentaires

Fig. 2.9 – Spectre d’un signal échantillonné et bloqué