Filtres numériques

Chapitre 7

Synthèse des filtres numériques non récursifs

1. Introduction

La synthèse directe des filtres numériques n’est facile sauf dans des cas très simples. Aussi les
méthodes les plus utilisées trouvent elles leur point de départ dans les propriétés bien connes des
filtres analogiques.

La synthèse peut s’effectuée soit dans le domaine temporel soit dans le domaine fréquentiel. Dans
le domaine temporel, les techniques d’invariance impulsionnelle ou indicielle sont décevantes.
Dans le domaine fréquentiel, plusieurs méthodes donnent des résultats satisfaisant, conduisant à
deux grandes familles de filtres
 Les filtres non récursifs (ou filtres RIF)
 Les filtres récursifs (ou filtres RII)

2.1. Synthèse des filtres non récursifs

Dans ce paragraphe nous allons étudier les principales méthodes de synthèse des filtres non récursifs
(ou RIF). Ces filtres sont définis par leur équation de récurrence y (n) et leur fonction de
transfert H (z ) suivantes:

N 1
y ( n)   h( k ) x ( n  k )
k 0
N 1
H ( z )   h( k ) z  k
k 0

La séquence réponse impulsionnelle h(n comportent un nombre finie, N, de termes numérotés de

0 à N 1.

1
Filtres numériques

Le problème est donc de déterminer la séquence réponse impulsionnelle h(n . Deux méthodes
seront étudiées :
 La méthode des fenêtres
 La méthode d’échantillonnage.

Deux avantages importants sont liés à ce type de réalisation :

 La stabilité des filtres est assurée ;
 L’argument de la fonction de transfert peut être une fonction linéaire de la fréquence.
Signalons cependant les inconvénients :
 Nécessite la mémorisation et la gestion des échantillons x(n  k ) ;
 N multiplications sont à priori nécessaires pour le calcul d’un échantillon.

2.1.1. Méthode des fenêtres

a. Principe de la méthode

Cette méthode est fondée sur la propriété de périodicité de la fonction de transfert H ( j ) d’un
filtre numérique. Ceci permet d’envisager un développement en série de Fourier, série dans les
coefficients sont justement les termes de h(n) :

Fe f
1 j 2n
h( n) 
Fe  H ( f )e
0
Fe
df

Le développement en série de Fourier menant à une réponse impulsionnelle infinie, on se ramènera

à un nombre fini de termes en opérant une troncature de la séquence infinie à l’aide d’une fenêtre.

b. Exemple

Soit à réaliser un filtre numérique passe bas idéal à phase linéaire par la méthode des fenêtres. Sa
fréquence de coupure fc=Fe/4, où Fe est la fréquence d’échantillonnage. Sa fonction de transfert
F F
H ( f ) est définie sur une période entre  e et e :
2 2
 Fe
  f   f c  H ( jf )  0
2
  f c  f  f c  H ( jf )  1
Fe
 fc  f   H ( jf )  0
2
-----------------------------

a. La courbe de réponse en fréquence du filtre non causal à phase constante

2
Filtres numériques

Nous allons utiliser la stratégie définie ci-dessus pour réaliser un Filtre à phase linéaire. Le point de
départ est la définition de la fonction de transfert G( j ) du filtre non causal à phase constante (
  0 ) (figure 4).

|H(jf)|

-Fe/2 -fc 0 +fc +Fe/2 f

Figure 4 : La réponse en fréquence du filtre

b. Réponse impulsionnelle du filtre non causal.

La transformée de Fourier de la fonction de transfert G ( f ) permet d’associer à la réponse en
fréquence souhaitée une réponse impulsionnelle g 0 (n) , non causal, et composée d’une infinité
de termes de valeur :

Fe / 2 f
1 j 2n
g 0 ( n) 
Fe 
 Fe / 2
H ( f )e Fe
df

 j 2n fc 
fc
 j 2n f 
fc
 j 2n
1  e Fe  e
fc f
j 2n

Fe
1 1  e Fe 
g 0 ( n) 
Fe  1.e Fe
df 
Fe  j 2n / Fe 

n  2j 
 fc
   fc  
 f 
sin 2n c 
1  f  2f  Fe 
 sin 2n c   c
n  Fe  Fe 2n c
f
Fe
1  n 
 sin c 
2  2 

Le tableau suivant montre la séquence g 0 ( n) , infinie et non causal (figure 5).

3
Filtres numériques

n … -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 …
g0(n) … 0 0.0637 0 -0.1061 0 0.3183 0,5 0.3183 0 -0.1061 0 0.0637 0 …
0.5

0.4

0.3

0.2
g0(n))

0.1

-0.1

-0.2
-6 -4 -2 0 2 4 6
n

Figure 5 : Réponse impulsionnelle du filtre non causal

c. Troncature de la séquence réponse impulsionnelle 0

g (n)
Pour réaliser un filtre RIF, il convient de ne conserver que N termes de la séquence g 0 ( n) . N
étant ici nécessairement impair si l’on veut conserver les propriétés de symétrie.
Nous définissons donc une séquence g (n), réponse impulsionnelle finie composée de N termes

 N 1  N 1
numérotés de    à  telle que :
 2   2 
g (n)  g0 (n).w(n)
où w(n) est appelée fonction fenêtre. Elle doit dans tous les cas posséder les deux propriétés
suivantes :
 N  1 N  1
 w(n)  0 pour n   ,
 2 2 
 N  1 N  1
 w(n)  w(n) pour n   ,
 2 2 

La première propriété conduit bien à la troncature désirée, la seconde respecte les propriétés de symétrie
de g 0 ( n) .

La fenêtre la plus simple à mettre en œuvre est la fenêtre rectangulaire (figure 6).
 N  1 N  1
 w(n)  0 pour n   ,
 2 2 
 N  1 N  1
 w(n)  1 pour n   ,
 2 2 
Dans l’exemple donné, nous avons gardé N=9 termes de la séquence g 0 ( n) numérotés de -4 à +4.

4
Filtres numériques

1.8

1.6

1.4

1.2
W(n)
1

0.8

0.6

0.4

0.2

0
-6 -4 -2 0 2 4 6
n

0.5

0.4

0.3

0.2
g(n)

0.1

-0.1

-0.2
-6 -4 -2 0 2 4 6
n

Figure 6 : La fenêtre rectangulaire, N=9, et la séquence tronquée g (n)

d. Décalage de la séquence réponse impulsionnelle : filtre causal

Après la troncature, l’algorithme de calcul pour le filtre non causal est :

4
y ( n)   g (k ) x(n  k )
k  4

Pour rendre le filtre causal, il convient de décaler la séquence réponse impulsionnelle tronquée d’un
nombre adéquat de périodes d’échantillonnage, dans notre exemple quatre périodes. L’algorithme
de calcul pour le filtre causal est alors :
8
y ( n)   h( k ) x ( n  k )
k 0

Avec
h(0)  h(8)  0 h(1)  h(7)  0,1061

5
Filtres numériques

h(2)  h(6)  0 h(3)  h(5)  0,3138 h(4)  0,5

D’où
y (n)  h(4) x(n  4)  h(3)x(n  3)  x(n  5)  h(1)x(n  1)  x(n  7)
Soit
y (n)  0,5 x(n  4)  0,3138x(n  3)  x(n  5)  0,1061x(n  1)  x(n  7)

e. Réponse fréquentielle du filtre

Avant le décalage, la fonction de transfert du filtre non causal est :
4
H ( j )   h ( k )e
k  4
 jkTe

4
H ( f )  h(0)   2h(k ) cos(kTe )
k 1

(car h(n)  h(n) et e  jkTe  cos(kTe )  j sin(kTe ) )

Soit , H ( f )  h(0)  2h(1) cos(Te )  2h(3) cos(3Te )
f f
Ou bien, H ( f )  0,5  0,6276 cos(2 )  0,2122 cos(6 )
Fe Fe
Après le décalage, un déphasage apparait, et la fonction de transfert du filtre causal devient :
 4
f   j 8 Fe
f
H ( j )  h(0)   2h(k ) cos(k 2 ) e
 k 1 Fe 
La figure 7 montre la variation théorique de H ( j ) en fonction de la fréquence réduite.

1.2

0.8
Module de H(f)

0.6

0.4

0.2

-0.2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/Fe

6
Filtres numériques

-2

-4

Phase de H(f) en rad -6

-8

-10

-12

-14
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/Fe

Figure 7 : Variation théorique a) du module et b) de la phase (en radiant)

de la fonction de transfert

Résumé des courbes obtenues avec la commande « fir1 » de Matlab

On constate des écarts importants entre le comportement fréquentiel du filtre réalisé et celui du filtre
prototype :

7
Filtres numériques

 Le passage de la bande passante à la bande atténuée se fait dans une zone trop large. La largeur
de cette zone diminue lorsque N augmente. La figure 8, où l’on voit les courbes de réponse avec
N=9 puis N=21, montre bien l’influence du paramètre N sur le comportement fréquentiel du
filtre.
1.2

1
<-- N=21
0.8
Module de H(f)

0.6

0.4
<-- N=9
0.2

-0.2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/Fe

Figure 8 : Influence du paramètre N sur la zone de tranzition

 D’importantes ondulations dans les bandes passante et atténuée. Ce phénomène est consécutif à
la troncature de la réponse impulsionnelle par une fenêtre rectangulaire. Il est connu sous le
phénomène de Gibbs. De nombreuses fenêtres, autres que la rectangulaire, ont été proposées
pour réduire ce phénomène. Nous présenterons à titre d’exemple deux d’entre elles ; les plus
simples et les plus connues.
La fenêtre triangulaire (figure 9).
 N  1 N  1
 w(n)  0 pour n   ,
 2 2 
2n N 1
 w(n)  1  pour  n0
N 1 2
2n N 1
 w(n)  1  pour 0  n 
N 1 2

8
Filtres numériques

0.9

0.8

0.7

0.6

W(n)
0.5

0.4

0.3

0.2

0.1

0
-6 -4 -2 0 2 4 6
n

Figure 9 : Fenêtre triangulaire avec N=9

La fenêtre de Hamming (figure 10).

 N  1 N  1
 w(n)  0 pour n   ,
 2 2 
 n   N  1 N  1
 w(n)  0.54  0.46 cos 2  pour n   ,
 N 1  2 2 

0.9

0.8

0.7

0.6
W(n)

0.5

0.4

0.3

0.2

0.1

0
-6 -4 -2 0 2 4 6
n

Figure 10 : Fenêtre de Hamming avec N=9

La figure 11 montre les courbes de réponse en utilisant l’une et l’autre fenêtre avec N=9. La
fenêtre de Hamming conduit aux meilleurs résultats. On constate que l’annulation de
l’ondulation a entrainé, par rapport à la fenêtre rectangulaire, une augmentation prohibitive de
la largeur de la zone de transition. Pour la diminuer, il faut augmenter N. La figure 12 montre
l’amélioration obtenue en passant de N=9 à N=21.

9
Filtres numériques

1.2

1
<-- Hamming

0.8

Module de H(f)
0.6

0.4

0.2
<-- Triangle

-0.2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/Fe

Figure 11 : Influence du type de fenêtre sur les ondulations

1.2

<-- Hamming, N=21

0.8
Module de H(f)

0.6

0.4
<-- Hamming, N=9
0.2

-0.2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f/Fe

Figure 12 : Diminution de la largeur de la zone de transition

Conclusion : Cette première méthode peut conduire à des résultats satisfaisants, à condition de
bien choisir le nombre N des termes de la réponse impulsionnelle finie et le type de fenêtre. Son
inconvénient majeur tient au fait qu’elle nécessite de façon préalable la décomposition en série
de Fourier de la fonction de transfert souhaitée, qui peut être compliqué voire impossible.

10
Filtres numériques

2.1.2. Echantillonnage de fréquence

a. Principe de la méthode

Cette méthode consiste à choisir, sur la courbe de réponse en fréquence souhaitée, N points
  Fe Fe 
équidistants en fréquence sur une période  ,  de la fonction de transfert et à préciser pour
 2 2 
chaque point la fréquence et le module de H(f).
A ces N points, on associe, à l’aide de la Transformée de Fourier Discrète Inverse :
N 1
k
1 2 j 2 . n
h( n) 
N
 H ( k )e
N 1
N

k 
2

N termes correspondant de la réponse impulsionnelle finie h(n) du filtre non causal.

b. Exemple

Soit à déterminer l’équation caractéristique d’un filtre numérique passe bas idéal à phase linéaire
par la méthode d’échantillonnage de fréquence. Sa fréquence de coupure f c=Fe/4 et sa fréquence
d’échantillonnage Fe  450 Hz . Dans notre exemple, on choisit N=9.
-----------------------------

a. La courbe de réponse en fréquence du filtre non causal et la définition des N échantillons

Nous allons utiliser la stratégie définie ci-dessus pour réaliser notre Filtre à phase linéaire. Le point
Fe
de départ est le choix des N=9 échantillons, d’abscisse n sur la courbe de réponse en fréquence
N
H ( j ) du filtre passe bas idéal à phase constante (   0 ). Le pas en fréquence est de

Fe 450
  50Hz (figure 13).
N 9

11
Filtres numériques

|H(jf)|

-Fe/2 -fc +fc +Fe/2

-200 -150 -100 -50 0 50 100 150 200 f(Hz)

-4 -3 -2 -1 0 1 2 3 4 n

Figure 13 : La réponse en fréquence du filtre

Ainsi, on a :H(-4)=H(4)=0, H(-3)=H(3)=0, H(-2)=H(2)=1, H(-1)=H(1)=1, H(0)=1.

b. Réponse impulsionnelle du filtre non causal.

La relation de la TFD vue plus haut permet d’associer à la réponse en fréquence H(f) souhaitée
une réponse impulsionnelle h0 (n) , non causal, et composée d’une infinité de termes de valeur :
𝑁−1 𝑛𝑘
1
ℎ0 (𝑛) = 𝑁 ∑ 2
𝑁−1 𝐻(𝑘)𝑒 𝑗2𝜋 𝑁
𝑘=−( )
2

𝑛𝑘
1
= 9 ∑4𝑘=−4 𝐻(𝑘)𝑒 𝑗2𝜋 9
2𝑛 𝑛 𝑛 2𝑛
1
= 9 [𝐻(−2)𝑒 −𝑗2𝜋 9 + 𝐻(−1)𝑒 −𝑗2𝜋 9 + 𝐻(0) + 𝐻(1)𝑒 𝑗2𝜋 9 + 𝐻(2)𝑒 𝑗2𝜋 9 ]

En utilisant la formule d'Euler 𝑒 𝑗𝑥 = cos(𝑥) + sin⁡(𝑥), les sin(x) s’annulent et il nous reste :

1 𝑛 𝑛
ℎ0 (𝑛) = 9 [𝐻(0) + 2𝐻(1)cos⁡(2𝜋 9 ) + 2𝐻(2)cos⁡(4𝜋 9 )]
1 2 4
= 9 [1 + 2cos⁡(9 𝑛𝜋) + 2cos⁡(9 𝑛𝜋)]

H(f) est une fonction réelle (filtre à phase nulle) et paire, par conséquent sa TFDI (c’est-à-dire
h0(n)) est une fonction réelle et paire.

Le calcul numérique des différentes valeurs de h0(n), nous donne :

1 8 16 1
ℎ0 (−4) = 9 (1 + 2 cos (9 𝜋) + 2 cos ( 9 𝜋)) = 9 (1 − 1,879 + 1,532) = 0,0726

12
Filtres numériques

1 6 12 1
ℎ0 (−3) = 9 (1 + 2 cos (9 𝜋) + 2 cos ( 9 𝜋)) = 9 (1 − 1 − 1) = −0,111
1 4 8 1
ℎ0 (−2) = 9 (1 + 2 cos (9 𝜋) + 2 cos (9 𝜋)) = 9 (1 + 0,347 − 1,879) = −0,059
1 2 4 1
ℎ0 (−1) = 9 (1 + 2 cos (9 𝜋) + 2 cos (9 𝜋)) = 9 (1 + 1,532 + 0,347) = 0,3199
1 1
ℎ0 (0) = 9 (1 + 2 cos(0) + 2 cos(0)) = 9 (1 + 2 + 2) = 0,5556

ℎ0 (1) = 0,3199 ; car h0(n) est paire.

ℎ0 (2) = −0,059
ℎ0 (3) = −0,111
ℎ0 (4) = 0,0726.

C. Rendre cette séquence h0(n) causale par un décalage vers la droite de [(N-1)/2]=4 échantillons.

ℎ(𝑛) = ℎ0 (𝑛 − 4), pour n allant de 0 à 8.

ℎ(0) = ℎ0 (−4) = 0,0726

ℎ(1) = ℎ0 (−3) = −0,111
ℎ(2) = ℎ0 (−2) = −0,059
ℎ(3) = ℎ0 (−1) = 0,3199
ℎ(4) = ℎ0 (0) = 0,5556
ℎ(5) = ℎ0 (1) = 0,3199
ℎ(6) = ℎ0 (2) = −0,059
ℎ(7) = ℎ0 (3) = −0,111
ℎ(8) = ℎ0 (4) = 0,0726.

Le tableau suivant résume ces valeurs.

d. L’équation caractéristique du filtre causal est donnée par :

𝑦(𝑛) = ∑∞
𝑘=0 ℎ(𝑘)𝑥(𝑛 − 𝑘)

Soit,
𝑦(𝑛) = ∑8𝑘=0 ℎ(𝑘)𝑥(𝑛 − 𝑘)
= ℎ(0)[𝑥(𝑛) + 𝑥(𝑛 − 8)] + ℎ(1)[𝑥(𝑛 − 1) + 𝑥(𝑛 − 7)]
+ℎ(2)[𝑥(𝑛 − 2) + 𝑥(𝑛 − 6)] + ℎ(3)[𝑥(𝑛 − 3) + 𝑥(𝑛 − 5)]

13
Filtres numériques

+ℎ(4)𝑥(𝑛 − 4)

e. Réponse fréquentielle du filtre :

La fonction de transfert du filtre (non causal) est donnée par la relation :
+∞

𝐻(𝑗𝜔) = ∑ ℎ(𝑘)𝑒 −𝑗𝑘𝜔𝑇𝑒

𝑘=−∞
4
𝑓
−𝑗2𝑘𝜋
= ∑ ℎ(𝑘)𝑒 𝐹𝑒

𝑘=−4

𝐻(𝑗𝜔) est paire, en utilisant la formule d'Euler : 𝑒 𝑗𝑥 = cos(𝑥) + sin⁡(𝑥), les sin(x) s’annulent
et il nous reste :

𝑓
𝐻(𝑗𝜔) = ℎ(0) + 2 ∑4𝑘=1 ℎ(𝑘)cos⁡(2𝑘𝜋 )
𝐹𝑒

𝑓 𝑓 𝑓
= [ℎ(0) + 2ℎ(1)cos⁡(2𝜋 𝐹 ) + 2ℎ(2)cos⁡(4𝜋 𝐹 ) + 2ℎ(3)cos⁡(6𝜋 𝐹 ) +
𝑒 𝑒 𝑒

𝑓
2ℎ(4)cos⁡(8𝜋 𝐹 )]
𝑒

Après le décalage de 4 périodes vers la droite, on a la fonction du filtre causal :

𝑓
−𝑗8𝜋
𝐺(𝑗𝜔) = 𝐻(𝑗𝜔)𝑒 𝐹𝑒

Sa représentation graphique est donnée sur la figure 14 suivante :

Figure 14 : Représentation du module de 𝐺(𝑗𝜔)

Si l'on compare la courbe obtenue à celle de filtre prototype, on constate que :

14
Filtres numériques

 Les courbes sont confondus aux points d’échantillonnage.

 Une forte ondulation apparait entre les points d'échantillonnage, d'autant plus marqué que l'on
est proche de la zone de transition. La valeur excessive de l'ondulation en particulier dans la
bande atténuée, fait que la courbe ne s'insère pas dans le gabarit proposé. Pour ramener cette
ondulation à une valeur acceptable, on peut modifier le choix des échantillons 𝐻(±2) et 𝐻(±3).
Il faut les choisir plus proche de la zone de transition.
 La largeur de la zone de transition est trop grand. On peut le réduire en augmentant le nombre
N des échantillons.

2.1.3. Conclusion
Au terme de cette étude, nous savons synthétiser des filtres non récursifs (qui sont des filtres
RIF) dont les deux avantages majeurs sont la stabilité assurée et la possibilité de phase linéaire.
La méthode d'échantillonnage de fréquence se prêtant à l'optimisation, peut sembler plus
séduisante que celle des fenêtres.
Le reproche que l'on peut faire à ces filtres et que pour être performants, ils doivent être d'ordre
n élevé. L'algorithme de calcul 𝑦(𝑛) = ∑𝑁−1
𝑘=0 ℎ(𝑘)𝑥(𝑛 − 𝑘) nécessite donc pour son

exécution la mise en mémoire de N échantillons 𝑥(𝑛 − 𝑘) , la gestion de leur table, et

l'exécution de N/2 multiplications, dans le cas de filtre à phase linéaire.
Ceci conduit à des programmes dont le temps d'exécution peut être élevé, donc à de sévères
limitations en fréquence pour des filtres fonctionnant en temps réel.
Le chapitre suivant s'intéresse au filtre la réponse impulsionnelle infinie qui permettent de
réduire le nombre d’échantillons stockés x(n) et le temps de calcul de y(n).

15