UV Traitement du signal

Cours 9

Filtrage numérique

ASI 3
 Contenu du cours
 Introduction
 Caractérisations des filtres numériques
 Réponse impulsionnelle,
 Equation aux différences,
 Fonction de transfert en z
 Etude des filtres RIF
 Caractéristiques et propriétés
 Synthèse des filtres RIF
 Synthèse des filtres RII
 Méthode de l'invariance impulsionnelle
 Transformation bilinéaire

TdS 2
 Pourquoi des filtres numériques ?
 2 critères pour comparer :
 nombre de poles et de zéros
 rapidité

 Avantages du numérique:
 Reproductibilité
 Souplesse (changement de coefficients)
 Simulations exactes
 Insensibilité au bruit
 Stabilité des caractéristiques avec le temps, la T°, etc.

TdS 3
 Caractérisations d'un filtre numérique
 Filtre = système, => Réponse impulsionnelle h(n)
∞
x(n) Filtre h(n) yn avec y  n  =h  n ∗x  n  = ∑ h  m  x  n−m 
m=−∞

Remarque : h(n) peut être infini => calculs délicats

 Equation aux différences (relation entrée-sortie)

N M
∑ ak yn−k =∑ b r x n−r  Calculs finis !
k=0 r= 0

 Fonction de transfert en z
N M

y  n  = h  n ∗ x  n  ∑ ak yn−k =∑ b r x n−r 

k=0 r= 0

ou −M −1
Y  z =X  z . H  z  bM z ⋯+b1 z +b0
H  z =
a N z −N ⋯+a 1 z −1 +a0
TdS 4
 Filtres numériques : problématique
|H( f )|
Synthèse de filtres : étant donné un gabarit, 1+1
comment trouver les coefficients de h(n) ou H(z) ? 1-1
2
f
fc f s
 Avec les contraintes suivantes sur h(n) : h  n = 0 ∀ n< 0
 Causalité du filtre
Le filtre est causal ssi la réponse impulsionnelle est causale
 Stabilité ∞
Le filtre est stable ssi la réponse impulsionnelle est absolument sommable ∑ ∣hn∣∞
n=−∞
 Pour H(z), les contraintes sont :

Un filtre numérique linéaire et causal est stable ssi tous

les pôles i  de H(z) sont à l'intérieur du cercle unité
ℂ
{
En considérant un filtre causal, la RDC est donnée par RDC= z ∈ ℂ /∣z∣>max ∣λ i∣  }
Comment réaliser le filtre ?
La méthodologie dépend du type de filtre : RIF ou RII

TdS 5
 Caractérisations d'un filtre numérique
∞
x(n) Filtre h(n) yn avec y  n  =h  n ∗x  n  = ∑ h  k  x  n−k 
k=−∞

 Problème : h(n) potentiellement infini !

 Deux solutions = deux types de filtres
 Réponse impulsionnelle finie (RIF) : limitation à M du nombre d'échantillons
∞
Réponse impulsionnelle : Filtre causal =>
y  n  =h  n ∗x  n  = ∑ h  k  x  n−k  Toujours stables


M k=−∞
 Equation aux différences : N=0 => réponse non récursive
y n=∑ br x  n−r 
r= 0

 Réponse impulsionnelle infinie (RII) : mémorisation des sorties

 Réponse impulsionnelle infinie : Filtre causal => ∞ stabilité à vérifier
y  n  = ∑ h  k  x  n−k 
k=0
 Mémorisation du signal de sortie => la réponse impulsionnelle infinie peut se calculer en un
temps fini

 Équation aux différences : N1 => N M réponse récursive

yn=−∑ a k yn−k ∑ br xn−r 
k=1 r= 0
TdS 6
 Filtre à réponse impulsionnelle finie (RIF)
 Propriétés

 Stabilité inconditionnelle
N−1
Les filtres à réponse impulsionnelle finie sont
H  z = ∑ bn z−n toujours stables car ils n'admettent pas de pôles.
n=0

 Approximation

Toute fonction de filtrage numérique stable et causale peut être approchée

par la fonction de transfert d'un filtre RIF
 Phase linéaire

Les filtres RIF peuvent générer des filtres à phase linéaire

Si un filtre est à phase linéaire, sa réponse fréquentielle est de la forme
H  f =R  f e − jϕ f  ϕ  f =ϕ 0  2 πfτ
Où Avec tau : constante

x  n  = a cos  2π fn  Filtre à phase linéaire y  n =aR  f  cos 2π fn+ϕ 0 2 πfτ 

On montre qu'un filtre FIR est à phase linéaire si ses coefficients sont symétriques

h  n  = h  N − 1− n 
TdS 7
 Filtre à réponse impulsionnelle finie (RIF)
 Exemple de filtre à phase linéaire/non linéaire
f0 = 1
t=0:0.001:1;

% soit le signal x :
x=sin(2*pi*f0*t) + sin(4*pi*f0*t);
plot (t,x);

% déphasage linéaire : f -> 2f+1

x=sin(2*pi*(2*f0+1)*t) + sin(4*pi*(2*f0+1)*t);
plot (t,x);

% déphasage non linéaire :

x=sin(2*pi*(2*f0+1)*t) + sin(4*pi*(2*f0+7)*t);
plot (t,x);

• Déphasage linéaire : conserve

l’allure générale du signal
• Déphasage non linéaire : modifie
totalement le signal
TdS 8
 Filtre à réponse impulsionnelle finie (RIF)
 Exemple
1
Soit le filtre défini par la relation entrée-sortie suivante : y  n =  x  n 2x n−1 +x  n−2 
4

 Réponse impulsionnelle  Réponse fréquentielle

1 (Voir TD)
h n =
4
 δ  n2δ n−1 +δ  n−2   H  f =e − j2πf cos2  πf 

2
• Module ∣H  f ∣= cos  πf  • Phase arg  H  f   =−2πf

Filtre passe-bas On remarque que la phase est linéaire par rapport à f

 Il existe de nombreuses méthodes de synthèse de filtre RIF :

 Méthode de la fenêtre, Optimisation par moindres carrés, Calcul des
coefficients par approximation de tchebycheff, Par TFD récursive, etc.
TdS 9
 Synthèse de filtre RIF
 Méthode de la fenêtre

 Problématique
A partir du gabarit fréquentiel, effectuer la synthèse d'un filtre RIF réalisable (causalité) à
phase linéaire  contrainte de symétrie des coefficients
N −1
h  n  = h  N − 1− n  avec 0≤n≤
2

 Gabarit réel continu

Filtre caractérisé par :
|H( f )|  la bande passante BP
1+1
 la bande atténuée (ou coupée)
1-1  la largeur F de la zone de transition
 l'amplitude des oscillations en bande
2
passante 1
f  l'amplitude
fc fs des ondulations en bande
atténuée 2

ΔF=f s − f c : largeur de la bande de transition

TdS 10
 Synthèse de filtre RIF
 Méthode de la fenêtre : méthodologie
2 1 Fe
 A partir du gabarit réel du filtre, déterminer la longueur de la RIF : N
M ≈ log 10  
3 10 δ 1 δ 2 Δf
(rmq : bande de transition + importante que les oscillations)

 A partir du gabarit idéal du filtre, on peut déterminer les coefficients du filtre par TFTD -1.
1/2
h(n) symétrique car H(f) réel -> phase linéaire
h n = ∫ H  f e j2πfn df en revanche, h(n) est potentiellement infini
−1/2

 Limitation de la réponse impulsionnelle à N échantillons (troncature)

Pondération de la réponse impulsionnelle idéale h(n) par une suite discrète w(n) : h N  n  =h  n . w  n 

Exemple : w(n) est la fenêtre rectangulaire.

En fréquence, on a donc :
sin  Nπf 
H N  f =H  f ∗W  f  avec W  f =
sin  πf 

|H( f )| Fe /2 B /2
f 1 +f
h n = ∫ H  f e j2πfn df h n = ∫ H  f e j2πfn df avec B=
2
2

−Fe /2 −B/2
Avec H(f) :
sin πBn 
h n =
f1 f2 f πn
TdS 11
 Synthèse de filtre RIF
 Méthode de la fenêtre : méthodologie

 On a trouvé la réponse hN(n), mais celle ci est centrée sur 0

 Donc elle n'est pas causale !
Solution :

En la retardant de N/2
échantillons, la réponse
impulsionnelle devient causale !

Facile à implémenter car numérique.

(mémoires à décalage)

Mathématiquement, cela revient à multiplier HN(f) par un exponentiel complexe

=> déphasage, mais déphasage linéaire pi N f
TdS 12
 Synthèse de filtre RIF
 Méthode de la fenêtre : effets de la limitation du nombre d'échantillons à N

h N  n  =h n . w  n   Allure de W( f ) pour une fenêtre rectangulaire

H N  f =H  f ∗W  f 

Fenêtre de pondération A

Réponse idéale f
Réponse obtenue par limitation du nb d'échantillon à N l

∣H  f ∣ •La pondération temporelle introduit des

∣H N  f ∣ ondulations et limite la raideur de coupure du filtre.
Un compromis est à faire entre la raideur et l'amplitudes
des ondulations.

• Cette méthode donne des ondulations de même

amplitude dans la bande passante et dans la bande
atténuée.

TdS 13
 Synthèse de filtre RIF : méthode de la fenêtre
 Choix de la fenêtre de pondération
|W( f )|
Critères de qualité :
l : largeur du lobe principal
A A : amplitude des lobes secondaires

f
l

 Remarque AdB l F 2 (dB)

Relation entre la longueur N

Rectangulaire -13 4/N 0.9/N -21
de la fenêtre et la bande de N . ΔF=c ste
Hanning -31 8/N 3.1/N -44
transition F du filtre obtenu Hamming -41 8/N 3.3/N -53
Blackman -57 12/N 5.5/N -74
Qq propriétés des fenêtres
 Réglages
 Si N croit, l décroît  bande de transition F faible
 2 désirée  choix type de fenêtre
 A est indépendant de la longueur de la fenêtre
 F désirée  choix de N
 On ne peut pas réduire simultanément A et l
TdS 14
 Synthèse de filtre RIF : méthode de fenêtre
 Choix de la fenêtre

 Types de fenêtre utilisée de longueur N ou d'ordre N-1

Bartlett
Hanning Hamming
w  n =0 . 5−0 .5cos  2πn
 w  n =0 . 54−0 . 46cos 
2πn
 w  n =1−

2 n−
N −1
2 
N −1 N −1 N −1

TdS 15
 Synthèse de filtre RIF
 Il existe d'autres méthodes :
 Méthode itérative par TFD :
 Initialiser h(n) sur N points au hasard
 1) Calculer la TFD sur N0 points avec N0>N, et forcer les valeurs de H(k)
n'étant pas dans le gabarit
 2) Faire une TFD-1 sur N0 points et ne conserver que N points autour de
l'origine
 3) recommencer en 1) jusqu'à ce qu'un critère d'erreur soit satisfait

=> Démo !
 Moindres carrés
 Idée : calculer les coefficients de h(n) de manière à ce que la fonction de
transfert approche la fonction voulue par un critère de moindres carrés.
 Calcul des coefficients par approximation de tchebycheff
 Approximation de la fonction de transfert par un polynôme au sens de
tchebycheff, ce qui permet d'obtenir des ondulations d'amplitude constante
 ...

TdS 16
 Réalisation des filtres numériques
 Réalisation de filtres RIF
N−1
 Filtre causal à réponse impulsionnelle finie de longueur N : yn= ∑ xn−k hk 
k=0
 3 opérations élémentaires :
 Retard (registre à décalage)
 Opérateurs arithmétiques + et *
 Registres pour la pondération

 Réalisation non-récursive

x(n) z-1 z-1 z-1

h(0) h(1) h(2) h(N2) h(N1)

+ + + + + y(n)

TdS 17
 Filtre à réponse impulsionnelle infinie (RII)
 Synthèse des filtres RII

 Principe
• Calculer un filtre analogique H(s)
• Transformer le filtre analogique en un filtre numérique équivalent H(z)

 Contraintes
Plan des s
• Transformer une fraction rationnelle H(s) Plan des z
r=1
en une fraction rationnelle H(z)
• Conserver la stabilité du filtre analogique

 Transformer le demi-plan complexe gauche en l'intérieur du cercle unité

 Transformer l'axes des imaginaires en cercle unité

Méthodes
• Conservation de la réponse impulsionnelle du filtre analogique ("numérisation")

• Transformation bilinéaire

TdS 18
 Filtre RII : synthèse
 Méthode de l'invariance impulsionnelle
 Principe : passer de la TL à la TZ équivaut à échantillonner la réponse impulsionnelle
d'un filtre analogique connu
H a s  h a t  h nT =h  t ∣
TL-1 d e a t=nTe
échantillonnage
 Réponse en fréquence
 
∞
1 k
L'échantillonnage de ha(t) entraîne une périodisation du spectre H d  f = ∑
T e k=−∞
H a f+
Te
Condition de Shannon à respecter par conséquent

 Pôles : Correspondance entre les pôles de H(s) et les pôles de H(z) : b e

b Te

Exemple : soit le filtre analogique défini par :

TL-1 échantillonnage TZ
1 1 z
h  t  =e bt H  z =
bn T e
H s = h  nT e  =e =
s−b 1−e bT e
z−1 z−e bT e

Si Re(b)<0, alors |exp(b)|<1 : conservation de la stabilité

remarque : il n’est pas necessaire de passer par h(nTe), qui est infini !

 Précautions
La réponse du filtre numérique sera proche de celle du filtre analogique dans la bande [Fe/2, Fe/2]
si le filtre analogique a une réponse fréquentielle nulle en dehors de cette bande. Cette méthode
TdS est utile seulement dans le cas de filtres analogiques à bande limitée.
19
 Filtre RII : synthèse
 Transformation bilinéaire
2 1−z−1
Passer de H  s   H  z  avec s= . (1) Te : fréquence d'échantillonnage
T e 1 +z−1
 Pôles 2/ Te+s
z= Plan des s
2/Te−s Plan des z
Si s a une partie réelle négative, z est de module r=1
inférieur à 1  conservation de la stabilité

 Déformation des fréquences

1
La transformation entraîne une relation non πf a= tan  πf d T e  (2)
Te
linéaire entre les fréquences fa du domaine
analogique et les fréquences fd du domaine
numérique : Distortion harmonique f d=
1
tan−1  πf a T e  (3)
πT e
 Méthodologie
- Définir le gabarit du filtre numérique
- Convertir ce gabarit en un gabarit correspondant au filtre analogique par la relation (2)
- Faire la synthèse du filtre analogique (Butterworth, Tchebychev …)  Ha(s)

TdS - Transformer Ha(s) en Hd(z) en utilisant (1)

20
 Filtre RII : synthèse
 Transformation bilinéaire
 Illustration de la déformation des fréquences

1
πf a= tan  πf d T e 
Te

1
f d= tan−1  πf a T e 
πT e

TdS 21
 Transformation bilinéaire
 Exemple

On utilise des fonctions modèles classiques de types filtres de Butterworth, Tchebychev….

ω2c
Soit un filtre de Butterworth analogique H  s =
s 2 2 ωc s+ωc2

2 1−z −1
On applique la transformation bilinéaire s= .
Te 1+z−1

Après calcul et en prenant ω c =2 T e= 2 0. 0302 z 2 2z1 

H  z = 2
z −1 . 4514 z+ 0 .5724

∣H  f ∣ Fréquence de coupure du filtre analogique

Fc =0.318 Hz

Fréquence de coupure du filtre numérique

1
F c= tan−1  0 . 318∗2π  Fc=0.176 Hz
2π

TdS 22
 Classification des filtres numériques
 Réalisation des filtres
 Réalisation récursive
N M
Filtre causal à réponse impulsionnelle infinie : y  n =− ∑ a k y  n−k ∑ br x  n−r 
k=1 r= 0

b0
x(n) + + y(n)

z-1 z-1
b1 -a1
+

+
z-1 z-1
b2 -a2
+

+
bM1 -aN-1
+
+
z
-1 z-1
bM -aN
+
+

TdS 23
 Comparaison RIF - RII

• Conclusion sur les filtres

RIF RII
Toujours stable. Peuvent être instables.
Phase linéaire. Phase non linéaire.
Facile à concevoir. Nécessitent moins d ’opérations et de
La durée des transitoires = longueur du places mémoires.
filtre. Plus efficaces que RIF

• Bibliographie

1. S. Mitra, "Digital Signal Processing : A computer based approach", McGraw Hill Edt, 1998.
2. Y. Thomas, "Signaux et Systèmes Linéaires", Edition Masson, 1994.
3. M. Bellanger, " Traitement numérique du signal", Edition Dunod, 1993.
4. G. Blanchet, M. Charbit "Traitement numérique du signal", Edition Hermès, 1998
5. A. Quinquis "Le traitement du signal sous Matlab", Edition Hermès, 2000

TdS 24
 Table de la TZ

TdS 25
 Exercice

Soit un système linéaire


n
1
Lorsqu’on présente l’entrée x [ n]=   n2n  −n−1
2

    n
n n
1 3
La sortie est : y [ n]=6  n−6
2 4

Calculer la FT du système et déterminer si le système est stable et causal

z−2
On doit trouver : H  z= 3 / 4∣z∣ 2
z−3 /4
Le pôle est à l’intérieur du cercle unité → stable.
La RDC est une couronne → système causal

TdS 26