Échantillonnagewcours.gel.ulaval.ca/2014/a/gel2001/default/chap7.pdf– Échantillonnage plus...
TRANSCRIPT
Analyse des Signaux
Échantillonnage
Analyse des Signaux
Échantillonnage
Analyse des Signaux
Échantillonnage
Conversion analogique → numérique Version analogique
Version numérique ( ) ( )sinx t t=
kTeTe -0.8372 000102Te -0.7357 001003Te 0.4759 101114Te 0.9694 11111
( ) ( )sinx t t=
Analyse des Signaux
Signal échantillonné
Conversion analogique → numérique Modélisation mathématique
( ) ( ) ( ) ( ) ( )
( ) ( )
ee T ek
e ek
x t x t t x t t kT
x kT t kT
δ δ
δ
+∞
=−∞
+∞
=−∞
= = −
= −
∑
∑
Analyse des Signaux
Représentation mathématiques
Analyse des Signaux
Spectre du signal échantillonné
Analyse des Signaux
Domaine fréquentiel
Multiplication en temps ⇒ convolution en fréquence
( ) ( ) { }( )12
f t g t F G ωπ
⇔ ∗
( ) { }( )12 ee eX X ωω ω δ ωπ
= ∗
( ) ( ) ( )e e ek
x t x kT t kTδ+∞
=−∞
= −∑
( ) ( ){ }( )
( )
21
ee
k
eke
X u u k
X kT
ω δ ω ωπ
ω ω
+∞
=−∞
+∞
=−∞
= ∗ −
= −
∑
∑
Analyse des Signaux
Échantillonnage « rapide »
Analyse des Signaux
Échantillonnage « lente »
Analyse des Signaux
Échantillonnage « insuffisante »
Analyse des Signaux
Échantillonnage « insuffisante »
repliement spectral
Analyse des Signaux
Fréquence de Nyquist
Signal limité en bande
critère de Nyquist
fréquence de Nyquist
( ) max0X Bω ω ω= ∀ > =
2e Bω =
2 2ee
BTπω = ≥
Analyse des Signaux
Théorème de l'échantillonnage
Analyse des Signaux
Théorème de l'échantillonnage
Analyse des Signaux
Théorème de l'échantillonnage
Analyse des Signaux
Théorème de l'échantillonnage
Analyse des Signaux
« Aliasing » en vidéo
Taux d’échantillonnage fixe– 30 images / seconde
Vitesse dans l’image– Contenu spectral est une fonction de « l’action »– Taux d’échantillonnage peut être inadéquat – Quand « l’action » accélère,
le recouvrement du spectre manifeste …
Analyse des Signaux
Film d’une roue …
Taux d’échantillonnage fixe Vitesse de roue qui change
lent
emen
t
Analyse des Signaux
Film d’un roue …
Taux d’échantillonnage fixe Vitesse de roue qui change
lent
emen
t
plus
vite
Analyse des Signaux
Film d’un roue …
Taux d’échantillonnage fixe Vitesse de roue qui change
lent
emen
t
plus
vite
2 éc
hant
illon
spa
r rot
atio
n
Analyse des Signaux
Film d’un roue …
Taux d’échantillonnage fixe Vitesse de roue qui change
lent
emen
t
plus
vite
2 éc
hant
illon
spa
r rot
atio
n
très
vite
elle recule !
Analyse des Signaux
Film d’un roue …
Taux d’échantillonnage fixe Vitesse de roue qui change
lent
emen
t
plus
vite
2 éc
hant
illon
spa
r rot
atio
n
1 éc
hant
illon
par r
otat
ion
très
vite
elle recule ! elle arrête !
Analyse des Signaux
« Aliasing » en vidéo
Taux d’échantillonnage fixe– 30 images / seconde
Vitesse dans l’image– Contenu spectral est une fonction de « l’action »– Taux d’échantillonnage peut être inadéquat – Quand « l’action » accélère,
le recouvrement du spectre manifeste …
http://www.youtube.com/watch?v=Y1yHMy0-4TM
Analyse des Signaux
Interprétation physique
Analyse des Signaux
La voix
Contenu spectral– 300 Hz → 3400 Hz
Radio mobile– fe =8 kHz 1.2kHz de plus que
Nyquist
Analyse des Signaux
Autres …
CD audio– L’oreille 0 Hz → 20,000 Hz– fe = 44.1kHz
Vidéo– Signal de télévision 6 MHz– Échographie 100 Hz
4kHz de plus que Nyquist
Il faut connaître notre signal pour bien choisir le taux d’échantillonnage …
Analyse des Signaux
Reconstruction idéale
Analyse des Signaux
Inverse de l’échantillonnage (?)
Conversion analogique à numérique– Pour transmission– Pour mémoire numérique
Conversion numérique à analogique– Écouter …– Voir …
analogique – numérique – analogique– Possible sans perte????
Oui, en principe, si nous respectons le critère de NyquistNon, en réalité, ça prend des composants idéales…
Analyse des Signaux
Graphiquement
analogue
numérique
analogue
filtre passe-bas idéal
Analyse des Signaux
Reconstruction idéale
Conditions– Signal limité en bande (B )– Filtre passe-bas idéal– Échantillonnage plus rapide que le critère de Nyquist
échan.x(t)filtre
passe-bas Β
( )recx txe(t)
Analyse des Signaux
Signal échantillonné
( ) ( ) ( )e e ek
x t x kT t kTδ+∞
=−∞
= −∑
( ) ( )1e e
ke
X X kT
ω ω ω+∞
=−∞
= −∑
Analyse des Signaux
Après filtrage
Filtre passe-bas idéal
Signal reconstruit – domaine fréquentiel
Signal reconstruit – domaine temporel
( ) ( )Rect 2eH T Bω ω=
( ) ( ) ( )1rec e
ke
X X k HT
ω ω ω ω+∞
=−∞
= − ⋅∑
( ) ( ) ( ) ( )rec e ek
x t x kT t kT h tδ+∞
=−∞
= − ∗∑
multiplication
convolution
( ) ( ) ( )2 Sa 2 Sa 22
e eBT BTh t t B t Bπ π
= =
Analyse des Signaux
Interpolation temporelle
Évaluation de la convolution
( ) ( ) ( ) ( ) ( ) ( )Saee e e e
k k
BT Btx kT t kT h t x kT t kTδ δ
π
+∞ +∞
=−∞ =−∞
− ∗ = − ∗∑ ∑
( ) ( ) ( )
( ) ( )
Sa
2 Sa
erec e e
k
e eke
BTx t x kT Bt kBT
B x kT B t kT
π
ω
+∞
=−∞
+∞
=−∞
= −
= −
∑
∑
coefficients courbes continues somme infinie
Analyse des Signaux
La reconstruction
courbes continues
coefficients
signal original
somme infinie
cont
inu
écha
ntill
onné
reco
nstr
uit
Analyse des Signaux
Graphiquement
bande passante = B
bande passante = Be
( ) ( ) ( )Sa2
ee e
kx t x kT t kTω+∞
=−∞
= − ∑
Analyse des Signaux
Résumé
échantillonnage ⇒ spectre répété éviter recouvrement ⇒
critère de Nyquist reconstruction idéale
– Signal limité en bande (B )– Filtre passe-bas idéal– Be>B (critère de Nyquist)
échan.x(t)filtre
passe-bas Β
( )recx txe(t)
Analyse des Signaux
Échantillonnage de signaux à bande étroite
Analyse des Signaux
Signal à bande étroite
Signal où
largeur de bande << fréquence centrale
Exemple: signaux avec porteuse
– Moins d’atténuation aux hautes fréquences
cωcω−
B
X b gcB ω
Analyse des Signaux
Fréquence de Nyquist
Énorme pour les signaux à bande étroite
– Taux d’information n’est pas élevé– Électronique très chère
cωcω−
X b g
2 2c Bω +
Analyse des Signaux
Solution …
Ramener le spectre en bande de base
2 1 2ω ω+2 1ωB−B− −2 1 2ω ω −2 1ω
ω1−ω 2 ω 2−ω1
B
X b g
modulation par cos(ω1t)
Analyse des Signaux
Signal en bande de base
Éliminer les hautes fréquences
Signal à échantillonner
2 1 2ω ω+2 1ωB−B− −2 1 2ω ω −2 1ω
B−B
2 2Nyquist cBω ω=
Analyse des Signaux
Envoi du signal
Comment retourner le signal à ωc?
– Processus inverse …• Moduler par cosinus
• Couper le spectre
2ω1ω2ω− 1ω−
X b g
2ω1ω2ω− 1ω−
Filtre passe-bande
Analyse des Signaux
Filtrage pratique
éviter les filtres avec coupures prononcées
B + ∆ω
ω1−ω 2 ω 2−ω1
Y ωb g
∆ω− −B ∆ω −∆ω
ω ω1 − ∆
2 2Nyquist Bω ω= + ∆
Analyse des Signaux
Reconstruction pratique
Comment et pourquoi éviter le recouvrement du spectre
Analyse des Signaux
Repliement duspectre
Signaloriginal
Signalrestitué
ω e 2−ω e 2
Repliement du spectre
Taux d’échantillonnage trop faible
Spectre modifié
Analyse des Signaux
Filtrage de garde
Couper le spectre pour respecter le taux d’échantillonnage réduit
Spectre modifié
Signaloriginal
Signal restituéaprès
échantillonnage
−ω u
filtrage degarde
ω u
Analyse des Signaux
Repliement vs. filtrage de garde
Signal original
Signal restitué
filtrage de garde
Repliement duspectre
Signaloriginal
Signalrestitué
ω e 2−ω e 2
Quel spectre modifié est meilleur ?
Analyse des Signaux
Placement des filtres …
échan.x(t)filtre
passe-bas
( )x txe(t)
échan.x(t)filtre
passe-bas
( )x tfiltreanti-
repliementxe(t)
Analyse des Signaux
Meilleur dans quel sens?
Harmoniques audio– Apparition de tonalités non supportables
Images– Subjectif – l’image la plus jolie
Impulsions carrés– Lobes secondaires réduits
L’erreur quadratique minimale
Analyse des Signaux
L’erreur quadratique
Signal analogique avant échantillonnage Signal analogique après reconstruction Erreur quadratique entre les deux
Théorème de Parseval
( )x t
( ) ( ) 2e x t x t dt
+∞
−∞
= −∫
( ) ( ) 212
e X X dω ω ωπ
+∞
−∞
= −∫
échan.x(t)filtre
passe-bas ωu
( )x tfiltre? xe(t)
( )x t
Analyse des Signaux
L’erreur quadratique (2)
Deux termes
Erreur minimisée pour
Solution: ne pas changer le contenu dans la bande passante, i.e., le filtrage anti-repliement
( ) ( ) ( ) 221 12 2
u
u u
e X d X X dω
ω ω ω
ω ω ω ω ωπ π≥ −
= + −∫ ∫
( ) ( ) 21 02
u
u
X X dω
ω
ω ω ωπ −
− =∫
1 1 12 2 2
u
u u
e d d dω
ω ω ω
ω ω ωπ π π
+∞
−∞ ≥ −
= = +∫ ∫ ∫
( ) 0X ω =
Analyse des Signaux
Les images
Version analogique – Contenu spectral aux hautes fréquences
Version numérique– Grosseur de fichier à minimiser (e.g. web)– Réduire le fichier équivalent à un échantillonnage moins serré spatialement
Vision humaine– Le recouvrement des fréquences spatiales n’est pas beau!
Analyse des Signaux
Placement des filtres …
échan.x(t) filtre"flou" ( )x txe(t)
échan.x(t)filtre
passe-bas
( )x tfiltreanti-
repliementxe(t)
Analyse des Signaux
Filtrage anti-recouvrement
http://www.helsinki.fi/~ssyreeni/articles/antial/antial
pas de filtrage
Image → A/D → → D/A
filtre anti-recouvrement
Image → Filtre → A/D → → D/A
Image → A/D → → Filtre → D/A
Flou (blur)
Analyse des Signaux
Impulsion carrée
Signal rectangulaire– Spectre infini F(ω) τ
2π/τ−2π/τ
ω0
Analyse des Signaux
-0.2
-1.5 -1 -0.5 0 0.5 1 1.5
0.2
0.4
0.6
0.8
1
1.2
t
Rect(t)
Sans filtreantirepliement
Avec filtreantirepliement
échan.x(t)filtre
passe-bas
( )x txe(t)
échan.x(t)filtre
passe-bas
( )x tfiltreanti-
repliementxe(t)
Analyse des Signaux
Reconstruction
échan.x(t)filtre
passe-bas
filtre xxe(t)
ADC
analogique à numérique
DAC
numérique à analogique
Analyse des Signaux
Échantillonnage non-idéal
échan.x(t)filtre
passe-bas
filtre xxe(t)
ADC
analogique à numérique
DAC
numérique à analogique
Analyse des Signaux
Échantillonnage par maintien
Échantillonnage idéal
Échantillonnage non-idéal
( ) ( ) ( )e e ek
x t x kT t kTδ+∞
=−∞
= −∑
( ) ( ) Recte ee e
k
T t kTx t x kTτ τ
+∞
=−∞
− =
∑
( ) ( ) ( ) 1 Recte e e ek
tx t T x kT t kTδτ τ
+∞
=−∞
= − ∗
∑
Analyse des Signaux
Spectre
convolution temporelle ⇒multiplication spectrale
( ) ( )
( )
Sa2
Sa2
ωτω ω ω
ωτ ω ω
+∞
=−∞
+∞
=−∞
= −
= −
∑
∑
r ek
ek
X X k
X k
( ) ( ) ( ) 1 Recte e e ek
tx t T x kT t kTδτ τ
+∞
=−∞
= − ∗
∑
X ωb g
B− B
Analyse des Signaux
Échantillonnage idéale
Autant que le taux de échantillonnage (1/Ts) est plus grand que 2*B, il n’yu a pas de repliement spectrale
Plus que le taux de échantillonnage (1/Ts) est proche de 2*B, plus que les copies du spectres sont rapprochées
Analyse des Signaux
Échantillonnage non-idéale
Plus que τ est mince, plus que sinus sur argument est large Plus que le taux de échantillonnage (1/Ts)
est proche de B, plus que les copiesdu spectres sont rapprochées Sa
2ωτ
Analyse des Signaux
τ vs. Ts
Analyse des Signaux
Exemple – Ts=1 sec, τ=1 ms
Analyse des Signaux
τ vs. Ts
Analyse des Signaux
Spectre périodisé
1 eT
ω
Xe(ω) distorsion Sa(ωτ/2)
taux d’échantillonnage
1 eT
durée d’échantillon
1 τ
( )ωrX
Analyse des Signaux
Reconstruction non-idéal
échan.x(t)filtre
passe-bas
filtre xxe(t)
ADC
analogique à numérique
DAC
numérique à analogique
Analyse des Signaux
Reconstruction non-idéal
( ) ( ) ( )e e ek
f t f kT t kTδ+∞
=−∞
= −∑
valeurs en mémoire
Analyse des Signaux
Reconstruction non-idéal
( ) ( ) ( )e e ek
f t f kT t kTδ+∞
=−∞
= −∑
choix de τ
Analyse des Signaux
Spectre périodisé
ω
Xe(ω) ( )ωrX
Analyse des Signaux
Spectre périodisé
ω
Xe(ω) filtre passe-bas pour éliminer les répétitions
( )ωrX
Analyse des Signaux
Choix de duré de la boite
Choix particulier du duré τ• τ = Te
Les zéros de l’enveloppe coincident avec les copies du spectre …– Atténuation naturelle des copies
Analyse des Signaux
Bloqueur d'ordre 0
Xe(ω)
ω
( ) ( )Sa2ωω ω ω
+∞
=−∞
= −
∑
er e
k
TX X k
( )ωrX
Analyse des Signaux
Compenser pour la distorsion introduit par Sinc Filtrage
– Sortie = entrée × filtre
– Filtre
Filtrage d’égalisation
( ) ( )Sa2r e
k
X X kωτω ω ω+∞
=−∞
= −
∑
( ) 1
Sa2
ωωτ
=
H
Analyse des Signaux
Filtrage d’égalisation
Xe(ω)
ω
( ) ( )[ ]
1 Sa 2
pour 2, 2e
e e
HT
ωω
ω ω ω
=
∈ −
Analyse des Signaux
Chaine de reconstruction
DAC
Analyse des Signaux
Reconstruction non-idéal : oversampling
échan.x(t)filtre
passe-bas
filtre xxe(t)
ADC
analogique à numérique
DAC
numérique à analogique
Analyse des Signaux
Examen Final 2002, Prob. 2
-100 -80 -60 -40 -20 0 20 40 60 80 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1ωe=ωNyquist
fréquence en kHz
CD de musique– contenu limités à 20
kHz
Deux choix– ωe=ωNyquist
– ωe=8ωNyquist
-800 -600 -400 -200 0 200 400 600 8000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1ωe=8ωNyquist
fréquence en kHz
Quels sont les avantages de faire un DAC avec un échantillonnage huit fois plus vite que le taux de Nyquist?
Analyse des Signaux
Choix ωe=ωNyquist
-100 -80 -60 -40 -20 0 20 40 60 80 1000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1ω
e=ωNyquist
fréquence en kHz
Distorsion importante
signal remplie la plupart du lobe primaire du sync
Copies du spectre assez fortes
Analyse des Signaux
-800 -600 -400 -200 0 200 400 600 8000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1ω
e=8ω
Nyquist
fréquence en kHz
Choix ωe=8ωNyquist
Très peu de distorsion
signal petit par rapport au lobe primaire du sync
Copies du spectre très atténuées
Analyse des Signaux
-800 -600 -400 -200 0 200 400 600 8000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1ω
e=8ω
Nyquist
fréquence en kHz
Choix ωe=8ωNyquist
Presque pas de distorsion – notre intuition qu’une échantillonnage plus vite doit aider
Les images très atténuées– pas besoin d’un filtre passe-bas
(les images sont déjà très petites) – pas besoin d’un filtre égalisateur
(pas de distorsion à corriger).