Superieur

République De Côte d’Ivoire

et de la Recherche Scientifique

RAPPORT EXPOSE TRAITEMENT DU SIGNAL

THÈME :

NUMÉRISATION DES SIGNAUX

Réalisé Par :
 BENIE KOUADIO EMMANUEL
 KONE ZIE SOULEYMANE Enseignant :
 KOUASSI ADJOUA CHARLOTTE Dr NIANGORAN Urbain
 KONE ISMAEL ADAM KADER

Année scolaire : 2024 - 2025

 SOMMAIRE

INTRODUCTION...............................................................................................2

1. Échantillonnage...............................................................................................3

1.1 Définition........................................................................................................3

1.2 Théorème de Shannon-Nyquist....................................................................3

1.3 Représentation temporelle et fréquentielle.................................................3

1.4 Aliasing (repliement spectral).......................................................................4

1.5 Illustration MATLAB...................................................................................4

2. Filtrage anti-repliement..................................................................................6

2.1 Définition........................................................................................................6

2.2 Types de filtres analogiques utilisés.............................................................6

2.3 Illustration MATLAB...................................................................................7

3. Quantification et codage.................................................................................8

3.1 Quantification................................................................................................8

3.2 Codage............................................................................................................8

3.3 Bruit de quantification..................................................................................8

3.4 Illustration MATLAB...................................................................................9

4. Reconstruction du signal..............................................................................10

4.1 Objectif.........................................................................................................10

4.2 Interpolation par filtre passe-bas...............................................................10

4.3 Illustration MATLAB.................................................................................10

CONCLUSION..................................................................................................12

1
2
 INTRODUCTION

Dans le cadre du traitement numérique du signal, la numérisation constitue une opération

fondamentale permettant de transposer un signal physique, de nature analogique, vers une
représentation exploitable par un système numérique. Cette transformation est indispensable
pour permettre l’analyse, le traitement, la transmission et le stockage de l’information.

L’objectif de cet exposé est de revisiter chacune de ces étapes en les détaillant tant sur le plan
conceptuel que par des illustrations pratiques, à travers des simulations réalisées sous
MATLAB.

3
1. Échantillonnage

1.1 Définition

L’échantillonnage consiste à prélever, à intervalles de temps réguliers, les valeurs instantanées

d’un signal analogique. Ce processus permet de transformer un signal continu dans le temps
en une séquence discrète, tout en conservant, idéalement, l’intégralité de son contenu spectral.

1.2 Théorème de Shannon-Nyquist

Le théorème fondamental qui régit l’échantillonnage est le théorème de Shannon, souvent

attribué conjointement à Nyquist pour son rôle en télécommunications :

La condition nécessaire et suffisante pour échantillonner un signal sans perte d'information

est que la fréquence d'échantillonnage f e vérifie : f e ≥ 2× f max

fe
Pour f efixée, est appelée fréquence de Nyquist : c'est la fréquence maximale admissible du
2
signal pour éviter les distorsions de spectre.

1.3 Représentation temporelle et fréquentielle

 Domaine temporel : Le signal échantillonné devient une suite discrète x [ n ] =x ( nT e ). Il

s’agit d’un échantillonnage uniforme, les instants d’acquisition étant séparés par un
intervalle constant T e

 Domaine fréquentiel : L’échantillonnage entraîne une réplication périodique du spectre

X ( f ) du signal analogique autour de multiples de la fréquence d’échantillonnage f e. Le
spectre du signal échantillonné est donc donné par :

∞
X e ( f )= ∑ X ( f −k f e )
k=−∞

4
1.4 Aliasing (repliement spectral)

L’aliasing survient lorsque la fréquence d’échantillonnage est insuffisante. Les composantes

fréquentielles au-delà de f e /2 se replient sur la bande utile

[ ]
0,
fe
2
, déformant

irrémédiablement le signal. Il devient alors impossible de distinguer certaines hautes

fréquences de basses fréquences. Cela implique l'utilisation systématique d’un filtre anti-
repliement (passe-bas analogique) avant l’échantillonnage pour supprimer ces composantes
indésirables.

1.5 Illustration MATLAB

Voici un exemple simple de simulation d’échantillonnage sous MATLAB :

 Code

 Résultat

5
Pour visualiser l’aliasing, on peut diminuer la fréquence d’échantillonnage et comparer les
résultats :

Cet exemple montre la différence entre un échantillonnage correct (Fe = 800 Hz) et un
échantillonnage trop bas (Fe = 60 Hz), illustrant le repliement fréquentiel.

6
2. Filtrage anti-repliement

2.1 Définition

Le filtrage anti-repliement est une étape cruciale avant l’échantillonnage d’un signal
analogique. Il s’agit d’un filtrage passe-bas analogique destiné à éliminer les composantes
fréquentielles supérieures à la fréquence de Nyquist f e /2 . Sans cette opération, ces hautes
fréquences peuvent provoquer un aliasing irréversible après échantillonnage.

2.2 Types de filtres analogiques utilisés

Dans la pratique, plusieurs types de filtres passe-bas analogiques sont utilisés pour effectuer le
filtrage anti-repliement avant l’échantillonnage. Les plus courants sont les filtres de type :

Butterworth : Il se caractérise par une réponse en fréquence parfaitement plate dans la bande
passante, sans ondulation. Sa décroissance en bande coupée est relativement lente, ce qui en
fait un bon choix lorsque la linéarité du gain est prioritaire.

Chebyshev type I : Ondulations en bande passante. Transition plus raide que Butterworth.
Niveau d’ondulation réglable par le paramètre Rp (généralement exprimé en décibels).

Chebyshev type II : Bande passante plate, ondulations en bande arrêt. Bon compromis pour
des bandes de coupure très marquées.

Elliptique (Cauer) : Ondulations des deux côtés, mais pente de transition la plus raide pour
un ordre donné. Très sélectif, mais introduit des non-linéarité.

7
2.3 Illustration MATLAB

Ce script montre que la suppression de la composante à 450 Hz (supérieure à 500 Hz/2) via
un filtre Butterworth permet un échantillonnage sans repliement spectral.

8
3. Quantification et codage

3.1 Quantification

La quantification est l’opération qui consiste à remplacer chaque valeur analogique continue
obtenue après échantillonnage par la valeur la plus proche parmi un ensemble fini de niveaux
discrets. Cette étape introduit une erreur de quantification, qui correspond à la différence
entre la valeur réelle et la valeur quantifiée. Plus le nombre de niveaux est élevé, plus l’erreur
est faible. Si l’on utilise N bits pour coder chaque échantillon, le nombre de niveaux est 2 N .

3.2 Codage

Le codage consiste à représenter chaque valeur quantifiée sous forme binaire. Par exemple, si
un signal est quantifié sur 3 bits, les niveaux seront codés de 000 à 111. Ce processus permet
de transmettre ou de stocker numériquement les échantillons.

3.3 Bruit de quantification

L’erreur introduite par la quantification se comporte comme un bruit. Sous certaines

hypothèses (quantification uniforme, signal suffisamment aléatoire), ce bruit de
quantification peut être modélisé comme un signal aléatoire uniforme. L’amplitude
∆
maximale de l’erreur est ± , où ∆ est la taille d’un pas de quantification.
2

2
Δ
La puissance moyenne du bruit de quantification est : Pq =
12

9
3.4 Illustration MATLAB

10
4. Reconstruction du signal

4.1 Objectif

La reconstruction vise à restituer un signal analogique continu à partir de ses échantillons

numériques. C’est l’étape inverse de l’échantillonnage, souvent réalisée dans un convertisseur
numérique-analogique (CNA).

4.2 Interpolation par filtre passe-bas

Dans un cadre idéal, la reconstruction repose sur un filtre passe-bas qui sélectionne
uniquement la bande de fréquences utile (jusqu’à f e / 2 ). Le filtre le plus théorique est le filtre
à réponse impulsionnelle sinusoïdale (sinc), qui réalise une interpolation parfaite :

( )
∞
t−n T e
x (t )= ∑ x [ n ] ⋅ sinc
Te
n=−∞

Cette formule est une conséquence directe du théorème de Shannon-Nyquist.

En pratique, un CNA produit des impulsions en escalier (Zero Order Hold), suivies
éventuellement d’un filtrage analogique passe-bas pour lisser le signal.

4.3 Illustration MATLAB

11
12
 CONCLUSION

La numérisation des signaux constitue le fondement de tout système de traitement numérique.

À travers cet exposé, nous avons exploré chacune des étapes clés de cette transformation :
l’échantillonnage, le filtrage anti-repliement, la quantification et le codage, ainsi que la
reconstruction du signal.

Nous avons vu que la rigueur théorique est indispensable pour comprendre les enjeux et les
limites pratiques de chaque étape. Les outils de simulation comme MATLAB permettent non
seulement d’illustrer ces principes, mais aussi de tester les effets de choix paramétriques sur la
qualité du signal numérisé.

Enfin, C’est dans cette optique que la maîtrise du processus de numérisation devient un atout
essentiel dans tout projet embarqué, audio, image ou télécommunication.

13