Chapitre 03.
Numérisation
I- Echantillonnage
Dans ce chapitre nous nous intéressons au problème crucial de l’échantillonnage. Les
signaux physiques sont analogiques, et nécessitent donc une numérisation afin d’être traités sur
ordinateur. La numérisation du signal nécessite dans un premier temps l’échantillonnage du signal
puis sa quantification.
L’échantillonnage consiste à mesurer le signal physique (une tension électrique
généralement) à des intervalles de temps réguliers, ça correspond à une discrétisation en temps du
signal et les mesures sont appelés échantillons.
La grandeur caractéristique de l’échantillonnage est la fréquence d’échantillonnage
La quantification : coder cette mesure sur un nombre fini de bits donc cette opération
permet d'associer une valeur numérique à l'échantillon prélevé. . C'est une discrétisation en
amplitude. Les valeurs discrètes obtenues sont codées sur un ou plusieurs bits.
La grandeur caractéristique de la quantification est le nombre de bits alloués à chaque
échantillon.
1
L'objectif du traitement numérique du signal est d'extraire les informations contenues dans
le signal analogique initial x(t). Il est donc impératif de conserver ces informations après
échantillonnage. Pour cela nous étudierons les différentes opérations temporelles et fréquentielles
effectuées.
Soient x(t) le signal analogique et xe (t) le signal échantillonné. Soient Te la période
d'échantillonnage et F =1 /Te la fréquence d'échantillonnage. Le signal xe (t) est obtenu par
multiplication de x(t) par un peigne de Dirac.
+∞
𝑥𝑒 (𝑡) = 𝑥(𝑡)|𝐼| 𝑇 (𝑡) = 𝑥(𝑡) ∑ 𝛿(𝑡 − 𝑛𝑇𝑒 )
−∞
D’où :
+∞
𝑥𝑒 (𝑡) = ∑ 𝑥(𝑛𝑇𝑒 )𝛿(𝑡 − 𝑛𝑇𝑒 )
𝑛=−∞
Pour ne pas perdre aucune information, il faut que cette transformation (x(t) → x e(t)) soit
réversible.
Déterminons le spectre Xe(f) du signal xe(t) :
𝑋𝑒 (𝑓) = 𝑇𝐹{𝑥𝑒 (𝑡)} = 𝑇𝐹{𝑥(𝑡)|𝐼| 𝑇𝑒 (𝑡)}
+∞
1 𝑛
𝑋𝑒 (𝑓) = 𝑋(𝑓) ∗ 𝑇𝐹{𝑥(𝑡)|𝐼| 𝑇𝑒 (𝑡)} = 𝑋(𝑓) ∗ ∑ 𝛿(𝑓 − )
𝑇𝑒 𝑇𝑒
𝑛=−∞
+∞
1 𝑛
𝑋𝑒 (𝑓) = ∑ 𝑋(𝑓) ∗ 𝛿(𝑓 − )
𝑇𝑒 𝑇𝑒
𝑛=−∞
+∞
1 𝑛
𝑋𝑒 (𝑓) = ∑ 𝑋(𝑓 − )
𝑇𝑒 𝑇𝑒
𝑛=−∞
2
1
Cette relation montre que 𝑋𝑒 (𝑓) est obtenue, à un facteur près (𝑇 ), par une simple
𝑒
1
périodisation en fréquence du spectre X(f). Le spectre est reproduit tous les 𝐹𝑒 = 𝑇 Cette
𝑒
périodisation peut s'effectuer suivant trois cas de figures:
1- X (f) est à support borné, sa fréquence de coupure est Fc et Fe > 2Fc
On constate qu’au prix d’un simple filtrage passe-bas idéal, de fréquence de coupure Fe /2
on retrouve X (f), donc x(t):
Les informations initiales ne sont pas perdues. La transformation (x(t) → xe(t)) est
réversible. On a correctement échantillonné le signal.
2- X (f) est à support borné, sa fréquence de coupure est Fc et Fe < 2Fc
Il est clair que le spectre initial X (f) est déformé. On ne peut pas obtenir X (f) à partir de
Xe(f), donc :
Les informations initiales sont perdues. La transformation est irréversible. On a mal
échantillonné le signal.
Remarque :
Si après l'échantillonnage les spectres translatés X(f) se chevauchent, on dit qu'il y a
repliement spectral, recouvrement spectral ou encore "aliasing".
3
3- X (f) est à support non-borné
Dans ce cas, il est évident qu'il y aura repliement spectral.
Il apparaît donc impossible d'échantillonner un tel signal.
En pratique, on filtrera le signal x(t) par un filtre passe bas de fréquence de coupure Fc, puis
on échantillonnera le signal de sortie du filtre à une fréquence Fe > 2 Fc
Théorème de Shannon
Un signal x(t) à spectre X(f) borné sur l'intervalle [-fc, fc ] est correctement échantillonné si
Fe > 2Fc .
Exemple
𝑥(𝑡) = cos(2𝜋𝑓0 𝑡) ⟹ 𝑓𝑐 = 𝑓0 𝑒𝑡 𝑓𝑒 > 2𝑓0
II- Reconstruction du signal
Pour retrouver x(t) à partir du signal échantillonné xe(t), on supposera que le signal a été
correctement échantillonné ( fe > 2 fc ). Déterminer x(t) revient à isoler X(f) dans Xe(f). Ceci est
possible en multipliant Xe(f) par une porte en fréquence ∏𝑓𝑐(𝑓) de hauteur Te :
2
𝑋(𝑓) = 𝑇𝑒 𝑋𝑒 (𝑓) ∏𝑓 (𝑓)
𝑐
2
4
𝑥(𝑡) = 𝑇𝐹 −1 {𝑋(𝑓)} = 𝑇𝑒 𝑇𝐹 −1 {𝑋𝑒 (𝑓) ∏𝑓 (𝑓)}
𝑐
2
𝑥(𝑡) = 𝑇𝑒 𝑥𝑒 (𝑡) ∗ 𝑇𝐹 −1 {∏𝑓 (𝑓)}
𝑐
2
+∞
𝑥(𝑡) = 𝑇𝑒 ∑ 𝑥(𝑛𝑇𝑒 )𝛿(𝑡 − 𝑛𝑇𝑒 ) ∗ 𝑓𝑒 𝑠𝑖𝑛𝑐 (𝜋𝑓𝑒 𝑡)
𝑛=−∞
+∞
𝑥(𝑡) = ∑ 𝑥(𝑛𝑇𝑒 )(𝛿(𝑡 − 𝑛𝑇𝑒 ) ∗ 𝑠𝑖𝑛𝑐 (𝜋𝑓𝑒 𝑡))
𝑛=−∞
D’où
+∞
𝑥(𝑡) = ∑ 𝑥(𝑛𝑇𝑒 ) 𝑠𝑖𝑛𝑐 (𝜋𝑓𝑒 (𝑡 − 𝑛𝑇𝑒 ))
𝑛=−∞
C'est la formule d'interpolation de SHANNON.
Remarques :
1- Cette formule n'est pas utilisable en temps réel car elle nécessite la connaissance à
l'instant t de tous les échantillons (−∞ → ∞ +).
2- Sur-échantillonner n'apporte aucune information supplémentaire.
3- Les fonctions 𝑠𝑛 (𝑡) = 𝑠𝑖𝑛𝑐 (𝜋𝑓𝑒 (𝑡 − 𝑛𝑇𝑒 )) sont orthogonales. On en déduit que toute
fonction à spectre borné [-Fc , F c ] peut être décomposée sur la base {𝑠𝑛 (𝑡) }.
