Chapitre 1 Rappels sur les filtres numériques (RIF et RII)

1.1. INTRODUCTION
Le filtrage est une opération courante et très importante en traitement du signal. En effet, le filtrage
permet de rejeter la partie inutile (parfois perturbatrice) du signal tout en conservant la partie
porteuse de l’information utile.
L’importance du filtrage n’étant plus à démonter, on peut tout de même se poser la question du
choix du filtrage numérique par rapport au filtrage analogique. Beaucoup de travaux ont été réalisés
sur les filtres analogiques. Néanmoins, la tendance actuelle pousse les traiteurs de signaux à
travailler de plus en plus en numérique afin de profiter des énormes progrès réalisés par les
machines informatiques. C’est pourquoi le filtrage numérique a connu ces dernières années un
grand développement.
L’objectif de ce chapitre et de rappeler les principes de base du filtrage et de présenter les méthodes
les plus courantes de synthèse de filtres numériques.
Le chapitre s’articule autour de deux parties. Dans la première, nous rappelons un certains nombre
de notions de base sur le filtrage (définition, propriétés, gabarit d’un filtre, …). La seconde partie
est entiérement consacrée au filtrage numérique.
1.2. RAPPELS SUR LE FILTRAGE
1.2.1. Définition
Un filtre linéaire est un système linéaire possédant une entrée et une sortie, et qui est invariant dans
le temps.
 Linéarité : le filtre linéaire établit une relation linéaire entre l’entrée et la sortie. Si le signal
d’entrée e(t) est une superposition de deux signaux e1(t) et e2(t) tels que : e(t)=a e1(t)+ b e2(t)
alors la sortie s(t) vaut s(t)= )=a s1(t)+ b s2(t) où s1(t) et s2(t) sont les réponses du filtre aux
entrées e1(t) et e2(t) respectivement et a et b sont des constants.
 Invariance dans le temps : la réponse d’un filtre invariant à une excitation ne dépend pas de
l’instant où démarre cette excitation, mais seulement de l’entrée et du comportement du
filtre. Soit s(t), la réponse d’un filtre à l’entrée e(t). Considérons deux instants T1 etT2. Si
l’on excite le même filtre par une même entrée e(t) à ces deux instants, on a alors l’égalité
des deux réponses s1(t+T1) et s2(t+T2)
1.2.2. Réponse impulsionnelle d’un filtre
La réponse, en régime permanent d’un filtre linéaire à une excitation, est la convolution de cette
excitation avec une fonction caractéristique du filtre appelée réponse impulsionnelle (figure 1.1).
Soient h(t) la réponse impulsionnelle d’un filtre linéaire et x(t) le signal d’entrée. La réponse y(t) du
filtre a ce signal d’entrée est donnée par :

𝑦(𝑡) = ℎ(𝑡) ∗ 𝑥(𝑡) = ∫ ℎ(𝑢)𝑥(𝑡 − 𝑢)𝑑𝑢 (1.1)

x(t) h y(t)

Fig1.1. Représentation d’un filtre

La réponse impulsionnelle d’un filtre est sa réponse à l’impulsion de Dirac ; d’où le nom de réponse
impulsionnelle.
1.2.3. Fonction de transfert
En vertu des propriétés de la transformée de Fourier, on déduit que la TF Y(f) vaut Y(f)=H(f). X(f)
où H(f) et X(f) sont les TF respectives de h(t) et x(t). H(f) qui donne le gain du filtre est appelée
fonction de transfert.
1.2.4. Conditions pour la réalisation d’un filtre linéaire
Deux conditions sont nécessaires à la réalisation d’un filtre linéaire ; il s’agit :
 De la stabilité qui garantit que la réponse du filtre à un signal borné est aussi un signal
borné. C’est une condition nécessaire et suffisante pour que la réponse impulsionnelle du
filtre soit de module sommable.
Traitement avancé du signal Page 1
Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
 De la causalité qui dit que le filtre n’est pas à anticipation, c’est-à-dire qu’avant l’instant t0
(t0=0) où l’on excite le filtre, il n’y a pas de réponse et on obtient une réponse qu’à partir de
cet instant t0. la réponse impulsionnelle est donc nulle avant t0.
1.3. TRANSFORME EN Z
1.3.1. Définition

(1.2)

(1.3)

1.3.2 Description générale d’une région de convergence

Pour déterminer la région de convergence, on utilise le critère de Cauchy sur la convergence des séries
de puissance. La série géométrique S

(1.4)

(1.5)

Posons :
(1.6)

(1.7)

, la figure suivante illustre le domaine de convergence pour r=a.

Traitement avancé du signal Page 2
Chapitre 1 Rappels sur les filtres numériques (RIF et RII)

Fig 1.2.

Fig 1.3. Illustration d’une couronne de convergence

1.3.3.Transformées en Z rationnelles

1.3.3.1. Définition des pôles et des zéros

(1.8)

on peut écrire :

(1.9)

Traitement avancé du signal Page 3

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)

(1.10)

1.3.4. Transformée en Z inverse

Cependant, lorsque la transformée ne peut facilement s’écrire comme la combinaison de transformées

élémentaires, il reste les techniques générales de transformation inverse :

1.3.4.1. Transformée inverse par intégration et méthode des résidus

Pour inverser une transformée en Z, on peut s’aider utilement du théorème de Cauchy qui établit
que :
(1.11)

Où  est un contour qui entoure l’origine du plan et est dans le sens anti-horlogique. En reprenant la
définition de la transformée en Z, en multipliant les deux membres par zl-1 et en intégrant le long d’un
contour entourant l’origine et appartenant au domaine de convergence, on trouve,

(1.12)

En utilisant le théorème de Cauchy, on a finalement

(1.13)
L’évaluation de l’intégral dans le plan complexe se fait à l’aide du théorème des résidus, qui établit que
l’intégrale le long d’un contour est donné par la somme des résidus de la fonction à intégrer, soit ici X(z) zn-1
L’équation précédente est équivalente à
(1.14)

On notera
(1.15)

Traitement avancé du signal Page 4

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)

(1.16)

D’où

(1.17)

(1.18)

1.3.4.2. Transformée inverse par division polynômiale

(1.19)

Alors :
(1.20)
Exemple :

1.3.4.3. Transformée inverse par décomposition en fractions rationnelles

(1.21)

Traitement avancé du signal Page 5

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)

(1.22)

(1.23)

(1.24)
1.3.5. Propriétés de la transformée en Z
1.3.5.1. Linéarité
La linéarité de la transformation signifie que la transformée d’une séquence obtenue par combinaison
linéaire d’autres séquences n’est rien que la combinaison linéaires des transformées correspondantes. Si

Alors :
(1.25)
1.3.5.2. Théorème du retard

(1.26)

1.3.5.3. Théorème du changement d’échelle

(1.27)

1.3.5.4. Inversion de l’axe temporel

(1.28)

1.3.5.5. Dérivation de la transformée en Z dans le plan des z

(1.29)
Avec le même domaine de convergence que X(z)
1.3.5.6. Théorème de la valeur initiale

(1.30)

(1.31)

Traitement avancé du signal Page 6

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
1.3.5.7. Transformé en Z du produit de convolution

(1.32)
Cette opération est valable pour les valeurs de z appartenant à l’intersection des domaines de convergence
des deux transformées.
1.3.5.8. Produit de séquences
Considérons le signal y(n) obtenu par produit de deux autres x(n) et g(n). La transformée en z est donnée par

(1.33)

En remplaçant x(n) par son expression donnée par transformation inverse,

(1.34)

Le contour doit être choisi dans l’intersection des domaines de convergence.

1.3.6. Transformée en Z et transformée de Fourier
En reprenant la définition de la transformée en z et posant

(1.35)

On voit donc que la transformée en z d’une séquence peut être interprété comme la transformée de Fourier
de cette séquence multipliée par une séquence exponentielle. Pour r = |z| =1, la transformée de Fourier est
identique à la transformée en z. Dès lors, la transformée de Fourier n’est rien d’autre que la transformée en z
évaluée sur le cercle de rayon unité r = |z| =1, à supposer qu’on ait convergence en ce domaine.
1.3.7. Lien entre transformée en Z et transformée de Laplace
Soit x(t), un signal analogique. Le signal échantillonné xe(t) est donné par
(1.36)

(1.37)
On voit donc que la transformée en z n’est rien d’autre que la transformée de Laplace d’un signal
échantillonné à condition d’établir la correspondance 𝑧 = 𝑒 𝑠𝑇 Autrement dit la transformée en z du signal
échantillonné, évaluée pour 𝑧 = 𝑒 𝑠𝑇 donne la transformée de Laplace de ce signal.

Traitement avancé du signal Page 7

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
1.4. LES FILTRE NUMERIQUES
1.4.1. Définition
Un filtre linéaire à temps discret réalise une opération de convolution entre le signal d’entrée et la réponse
impulsionnelle du filtre h(n) comme le montre la figure suivante,

{x(n)} {h(n)} {y(n)}

Fig1.4. opération de filtrage

Avec : 𝒚(𝒏) = 𝒉(𝒏) ∗ 𝒙(𝒏) = ∑+∞ +∞

𝒌=−∞ 𝒙(𝒌)𝒉(𝒏 − 𝒌) = ∑𝒌=−∞ 𝒉(𝒌)𝒙(𝒏 − 𝒌)
Pour un filtre linéaire, invariant dans le temps et causal, la relation précédente devient :
𝒏 𝒏

𝒚(𝒏) = ∑ 𝒙(𝒌)𝒉(𝒏 − 𝒌) = ∑ 𝒉(𝒌)𝒙(𝒏 − 𝒌) 𝒂𝒗𝒆𝒄 𝒏 = 𝟎, 𝟏, 𝟐 …

𝒌=𝟎 𝒌=𝟎
L’outil mathématique associé au filtrage numérique est la transformée en Z. si on applique la transformée en
Z à l’équation précédente, on obtient
𝒀(𝒛) = 𝑯(𝒛)𝑿(𝒛) (1.38)
Où H(z) est la fonction de transfert du filtre numérique.
La fonction de transfert H(z) est en général un quotient de deux polynômes en z (ou z-1) :
Dans le cas le plus général l'échantillon y(n) s'écrit :
(1.39)

1.4.2. Gabarit d’un filtre numérique

La figure suivante représente le gabarit d’un filtre passe bas, on distingue trois bandes importantes : bande
passante, bande de transition et bande atténuée.

Fig 1.5. gabarit d’un filtre passe bas

1.4.3.Classification des filtres numériques
Il existe deux grandes classes de filtres numériques :
 Les filtres à réponse impulsionnelle finie (RIF)
h(n)=0 pour n≥N et h(n)≠0 pour n=0,1,2, …. ,N-1
 Les filtres à réponse impulsionnelle infiinie (RII)
h(n)≠0 pour n=0,1,2, …. ,+∞
1.4.3.1. Les filtres à réponse impulsionnelle finie (RIF)
Dans ces filtres tous les coefficients ai sont nuls, on obtient donc :

(1.40)

L'échantillon y(n) ne dépend donc que d'un nombre limité d'échantillons. La fonction de transfert H(z) s'écrit

Traitement avancé du signal Page 8

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
(1.41)

La transformée H(z) est aussi la transformée en Z de la réponse impulsionnelle h(n) ; 𝑯(𝒛) = ∑∞ 𝒌=𝟎 𝒉(𝒌)𝒛
−𝒌

Il s'ensuit que bi =h(i), les coefficients h(k) sont donc nuls pour k>M, c'est la raison pour laquelle ces filtres
sont appelés filtres à réponse impulsionnelle finie. Ce sont des filtres toujours stables car la sortie revient
toujours à zéro après suppression de l'excitation.
Exemple:
𝑥(𝑛)+𝑥(𝑛−1)
Soit le filtre f1 obéissant à la relation suivante :𝑦(𝑛) = 2
seuls les deux premiers coefficients b1 et
b2 sont différents de zéro. La réponse impulsionnelle de ce filtre est représentée ci-dessous.

Fig 1.5. Réponse impulsionnelle du filtre f1

1.4.3.2.Filtres à réponse impulsionnelle infinie (RII)

Dans ces filtres les coefficients ai sont différents de zéro. Ces filtres sont encore appelés filtres récursifs. La
sortie y(n) dépend non seulement du signal d’entrée x(n), x(n-1) …, mais également des valeurs précédentes
du signal de sortie y(n-1), y(n-2) … La transformée H(z) de ces filtres s'écrit :

(1.42)
En effectuant les changements de variables (n-i)=u et (n-j)=v, on obtient :
(1.43)

d'où la fonction de transfert H(z) suivante :

𝒀(𝒛) ∑𝑴
𝒊=𝟎 𝒃𝒊 𝒛
−𝒊
𝑯(𝒛) = = (1.44)
𝑿(𝒛) 𝟏 − ∑𝑵
𝒋=𝟏 𝒂𝒋 𝒛
−𝒋

La réponse impulsionnelle de ces filtres est donc infinie, en conséquence ces filtres peuvent devenir
instables.
Exemple:
𝑥(𝑛)+𝑦(𝑛−1)
Soit le filtre f2 obéissant à la relation suivante : 𝑦(𝑛) = 2
. La transformée en z de ce filtre s'écrit :
1
𝐻(𝑧) = 2−𝑧−1 . La transformée en z inverse permet de déterminer l'élément h(n) de la réponse impulsionnelle
1 1 𝑛
ℎ(𝑛) = ( )
2 2
Il s'agit bien d'une réponse impulsionnelle infinie, le système est stable, en effet h(n) →0 quand n →∞. La
réponse impulsionnelle du filtre est donnée ci-dessous.

Fig 1.6. Réponse impulsionnelle du filtre f2

Traitement avancé du signal Page 9

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
1.4.4. Structures de réalisation des filtres numériques
1.4.4.1. Les filtres RIF
L’équation aux différences d’un tel filtre est donnée par l’équation (1. 40). La réalisation pratique de cette
formule peut se faire à l’aide de l’une des structures représentés par la figure 1.7.

(a) (b)
Fig 1.7. Structures de réalisation d’un filtre RIF
(a) Structure directe (b) structure transposée
Les coefficients b0, b1,…, bN doivent être stockés en mémoire, ainsi que les valeurs x(n), x(n-1), x(n-2), ...
x(n-N), soit un total de 2(N+1) valeurs.
1.4.4.2. Les filtres RII
Pour les filtres de ce type, deux implémentations sont possibles :
 La première correspond directement à l’équation récurrente (1.39). on obtient le schéma de
réalisation de la figure (1.8). L’inconvénient de cette première forme réside dans le grand nombre de
retards qu’il est nécessaire de générer.
(1.45)

(1.46)

Fig 1.8. Structure directe de réalisation d’un filtre RII

Pour réaliser un filtre d'ordre N, il est nécessaire de stocker les (N+1) valeurs x(n), x(n-1), ... x(n-N), les
(N+1) coefficients b0 , b1 , b2 , ... bN , les N valeurs y(n-1), y(n-2), ... y(n- N) et les N coefficients a1 , a2 , ...
aN , soit un total de (4N+2) valeurs.
 La seconde structure de réalisation appelée structure canonique permet de remédier à cet
inconvénient ; elle repose sur la considération que la fonction de transfert H(z) peut être vue comme
la mise en série de deux systèmes
𝑾(𝒛) 𝒀(𝒛)
𝑯(𝒛) = 𝑯𝟏 (𝒛) × 𝑯𝟐 (𝒛) = 𝑿(𝒛) × 𝑾(𝒛) (1.47)
L’introduction de W(z) permet de limiter le nombre de retard à réaliser. On peut écrire :
(1.48)

Traitement avancé du signal Page 10

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
D’où

(1.49)

(a) (b)
Fig 1.9. Structures canoniques pour la réalisation d’un filtre RII
(a) Directe (b) transposée

Pour réaliser un filtre d'ordre N avec la structure canonique, il est nécessaire de stocker les (N+1) valeurs
w(n), w(n-1), w(n-2), ... w(n-N), les (N+1) coefficients b0 , b1 , b2 , ... bN et les N coefficients a0 , a1 , ... aN,
soit un total de (3N+2) valeurs seulement.
1.4.5. Stabilité des filtres numériques
La notion de stabilité est l’un des critères les plus importants à prendre en compte lors de la conception d’un
filtre numérique. En effet, si le filtre se révèle instable, il n’aura aucune utilité pratique ; il peut même se
révéler nocif.
Un filtre numérique est considéré comme stable si pour toute séquence bornée du signal d’entrée, la sortie
filtrée est bornée. Une séquence {x(n), n=0, 1, 2,…} est bornée s’il existe une constante M telle que |x(n)|≤M
pour n=0, 1, 2,…
Prouver qu’un filtre est stable par cette méthode est impossible en pratique, car il existe une infinité de
séquences d’entrée bornées. On préfère dans ce cas s’appuyer sur le théorème suivant :
Un filtre numérique de réponse impulsionnelle h(n) est stable si et seulement si :
+∞
(1.50)
∑|ℎ(𝑛)| ≤ +∞
𝑛=0
Une conséquence directe du théorème est le fait que tout filtre à réponse impulsionnelle finie (FIR) est
stable. En effet, un filtre FIR n’a qu’un nombre fini de coefficients h(n) non nuls. Donc la relation (1.50) est
forcément vérifiée.
Considérons maintenant la fonction de transfert H(z) d’un filtre. La stabilité de ce filtre peut également être
vérifiée à partir de H(z). Un filtre numérique causal de fonction de transfert H(z) est stable si et seulement si
tous les pôles de H(z) sont d’amplitude inférieure à 1. Ceci est équivalent à dire que tous les pôles sont à
l’intérieur du cercle unité dans le plan des z.
1.5.SYNTHESE DES FILTRES NUMERIQUES RIF
1.5.1. Méthode par fenêtrage
Le calcul des coefficients des filtres FIR repose sur l'utilisation de la transformée de Fourier numérique et
des fenêtres spectrales (rectangulaire, Hamming, Hanning, ....).
Une suite d'échantillon h(n) séparés de Te =1/Fe admet pour transformée de Fourier numérique H(f) :

(1.51)

La transformée de Fourier numérique H(f) est périodique : H( f + qF e ) = H( f ) avec q égal à un entier. Pour
0<f<Fe, le module de H(f) est symétrique par rapport à Fe /2, c'est à dire que : │H(f) │= │H (Fe-f ) │ pour
0<f<Fe/2 .
Traitement avancé du signal Page 11
Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
La transformée de Fourier inverse de H(f) permet de récupérer les échantillons h(n), on montre que (pour le
vérifier il suffit de remplacer H(f) de la relation (1.51) dans la relation (1.52) :

+𝑭 ⁄𝟐
𝒉(𝒏) = 𝑻𝒆 ∫−𝒆⁄𝒆𝟐 𝑯(𝒇)𝒆𝒋𝟐𝝅𝒇𝒏𝑻𝒆 𝒅𝒇 (1.52)
A partir de ces considérations, essayons de réaliser un filtre FIR passe-bas ayant une fréquence de coupure Fc
comme le montre la Fig. (1.10) ci-dessous.

Fig 1.10. Transformée de Fourier numérique d'un filtre passe-bas idéal

D'après la relation (1.52), les échantillons h(n) de la réponse impulsionnelle du filtre sont obtenus en
calculant :
+𝑭 ⁄𝟐 𝒔𝒊𝒏(𝟐𝝅𝑭𝒄 𝒏𝑻𝒆 )
𝒉(𝒏) = 𝑻𝒆 ∫−𝑭 𝒆⁄𝟐 𝒆𝒋𝟐𝝅𝒇𝒏𝑻𝒆 𝒅𝒇 = 𝝅𝒏
(1.53)
𝒆

Deux problèmes apparaissent immédiatement :

 la suite des échantillons est infinie, h(n) existe quelques soit n
 h(n) est non causal, donc impossible de réaliser le filtre en temps réel, h(n)≠0 pour n<0
On remédie au premier problème en tronquant la suite des échantillons h(n), les échantillons h 1(n) retenus
sont les échantillons pondérés par une fenêtre temporelle y(n) comprenant seulement N échantillons, voir la
Figure (1.11). Dans le domaine des fréquences, la nouvelle transformée de Fourier numérique des
échantillons h1(n) est égale au produit de convolution de H(f) par Y(f) : la transformée de Fourier numérique
des échantillons y(n).
h1(n)=h(n)y(n) → H1(f)=H(f)*Y(f) (1.54)

Le produit de convolution H(f)*Y(f) a pour conséquence :

 la transition entre bande passante et bande d'arrêt est moins abrupte que pour H(f), cette transition,
voir la figure (1.12), est appelée transition de Gibbs.
 l'apparition d'ondulations dans les bandes passante et d'arrêt

Fig. 1.11. Pondération des échantillons h(n) par une fenêtre rectangulaire y(n)

Traitement avancé du signal Page 12

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
En pratique, on dispose de différentes fenêtres de pondération : rectangulaire, Hamming, Hanning,
Blackman, ... . Une fenêtre spectrale est caractérisée dans le domaine fréquentiel par :
 la largeur du lobe principale qui définit la largeur de la transition de Gibbs
 les lobes secondaires qui conduisent aux ondulations dans les bandes passante et d'arrêt.
On ne peut évidemment comparer que des fenêtres ayant le même nombre d'échantillons N. La fenêtre
rectangulaire est celle qui assure la transition de Gibbs la plus étroite, par contre les ondulations dans les
bandes passante et d'arrêt sont importantes. La fenêtre de Hamming assure quant à elle des ondulations
moindres, par contre la largeur de la transition de Gibbs est plus importante, etc ... .

Fig.1.12. Transformées de Fourier numériques avant et après fenêtrage

Pour remédier au deuxième point mentionné ci-dessus, c'est à dire la non causalité du filtre, on procède à une
translation des échantillons h1(n) de manière à rendre le filtre causal donc réalisable en temps réel. La
nouvelle suite d'échantillons h2(n) se déduit de h1(n) par la relation suivante :

(1.55)

Fig.1.13. Les échantillons h2(n) sont obtenus à partir des échantillons h1(n) par translation

Déterminons maintenant la nouvelle transformée de Fourier numérique des échantillons h2(n). Pour l'obtenir,
on rappel ci-dessous deux théorèmes important:
 Transformée de Fourier numérique d'une suite d'échantillons translatés dans le domaine temporel
, La transformée de Fourier numérique est donnée par :

, le module de la transformée de Fourier n'est pas modifié, seule la phase est

changée Y (f)= X (f)-2fMTe
 Transformée de Fourier numérique d'une suite d'échantillons x(n) vérifiant la propriété de symétrie
x(n)=x(-n) est purement réelle. Elle est donnée par :
(1.56)

Traitement avancé du signal Page 13

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
Appliquons ces deux théorèmes au cas du filtre FIR étudié précédemment. Les échantillons h1(n) obtenus par
fenêtrage vérifient la propriété de symétrie h1(n)=h1(-n), il s'ensuit que H1(f) est à phase nulle. Les
échantillons h2(n) obtenus par translation de (N-1)/2 période d'horloge des échantillons h1(n) ont une
transformée de Fourier numérique dont la phase est égale à : -2f(N-1/2)Te .

Fig 1.14. La phase de la transformée de Fourier numérique des échantillons h 2 (n) est linéaire

Nous rappelons l’expression de w(n) de quelques fenêtres de pondération utilisées :

 Fenêtre rectangulaire
1 𝑝𝑜𝑢𝑟 − 𝑁1 ≤ 𝑛 ≤ 𝑁2
𝑤𝑅 (𝑛) = { (1.57)
0 𝑠𝑖𝑛𝑜𝑛
 Fenêtre triangulaire
|𝑛|
𝑤𝑇 (𝑛) = {1 − ̅
𝑁
𝑝𝑜𝑢𝑟 − 𝑁1 ≤ 𝑛 ≤ 𝑁2
0 𝑠𝑖𝑛𝑜𝑛 (1.58)
 Fenêtre de Hamming
𝑛𝜋
0,54 + 0,46 𝑐𝑜𝑠 ( ) 𝑝𝑜𝑢𝑟 − 𝑁1 ≤ 𝑛 ≤ 𝑁2
𝑤𝑀 (𝑛) = { 𝑁̅
0 𝑠𝑖𝑛𝑜𝑛

 Fenêtre de Hanning
𝑛𝜋
𝑤𝑁 (𝑛) = { 0,5 + 0,5𝑐𝑜𝑠 ( 𝑁̅ ) 𝑝𝑜𝑢𝑟 − 𝑁1 ≤ 𝑛 ≤ 𝑁2 (1.59)
0 𝑠𝑖𝑛𝑜𝑛

 Fenêtre de Blackman

𝑛𝜋 2𝑛𝜋
0,42 + 0,5𝑐𝑜𝑠 ( ̅ ) + 0,08𝑐𝑜𝑠 ( ) 𝑝𝑜𝑢𝑟 − 𝑁1 ≤ 𝑛 ≤ 𝑁2
𝑤𝐵 (𝑛) = { 𝑁 ̅
𝑁
0 𝑠𝑖𝑛𝑜𝑛 (1.60)
𝑁−1 𝑁 𝑁
̅ ̅
Avec 𝑁 = 𝑁1 = 𝑁2 = 2 si N est impair et avec 𝑁 = 𝑁1 = 2 t 𝑁2 = 2 − 1 si N est pair
1.5.2.Méthode par échantillonnage en fréquence
La méthode de synthèse par échantillonnage en fréquence est appliquée depuis la réponse fréquentielle d’un
filtre continu idéal H(e jΩ ). A partir de celle-ci et d’une valeur de N fixée, on réalise un échantillonnage en
fréquence de pas Ωe = 2π /N définie par :
(1.61)

Le filtre RIF est alors trouvé par TFD inverse

(1.62)

Cette méthode de synthèse est très simple et permet de réaliser toute forme de filtre. De plus, elle peut être
combinée avec la méthode du fenêtrage. La fonction de transfert en Z du filtre sera :

(1.63)

Traitement avancé du signal Page 14

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
1.6.FILTRES A PHASE LINEAIRE.
Un filtre est caractérisé par le module et la phase de sa réponse fréquentielle H(f) :
(1.64)
On définit le temps de propagation de groupe (ou retard) τ(f) par:
(1.65)

Le filtre est à phase linéaire si τ(f) est constant. Dans ce cas :

(1.66)
Cette caractéristique est souvent recherchée car elle permet d'avoir un retard constant τ quelque soit la
fréquence du signal d'entrée. Pour un filtre R.I.F on peut montrer que la phase est linéaire si les coefficients
sont symétriques : bi = bM-i
En effet la fonction de transfert s'écrit :
(1.67)

Si M=2P alors :
(1.68)

(1.69)

D’où
(1.70)

Suivant le signe de l'expression entre crochets, la phase ϕ(f) vaut:

(1.71)

La phase est linéaire et le temps de propagation est constant :

(1.72)

On peut montrer de même que si M est impair (M=2P+1) alors

(1.73)

Lors de la réalisation d'un filtre numérique, le cahier des charges porte le plus souvent sur la fonction du
filtre (Passe-Haut, Passe-Bande, ..).C'est à dire sur le module │H(f)│ de la réponse fréquentielle. Cependant,
pour certaines applications, la variation de la phase, pour une variation de fréquence donnée, doit être
minimale. Ces filtres sont appelés filtre à déphasage minimal .On peut montrer qu'un filtre stable est à
déphasage minimal si ses zéros sont dans le cercle unité.
1.7.SYNTHESE DES FILTRES NUMERIQUES RII
Les méthodes de synthèse de ces filtres se classent en deux catégories :
 Les méthodes de transposition : elles partent du principe que le problème de la synthèse des filtres a
déjà été largement développé dans le domaine du signal continu. Il a été établi plusieurs méthodes
d’approximation polynômiale d’un gabarit aboutissant aux filtres de Butterworth, Tchebychev, ...Le
filtrage des signaux discrets reprend ces méthodes en cherchant simplement une technique de
passage du continu au discret qui préserverai au mieux les caractéristiques du filtre. Les coefficients
aj et bi du filtre sont généralement obtenus à partir d'une fonction modèle. La fonction modèle
utilisée est soit la réponse en fréquence soit la réponse impulsionnelle d'un filtre analogique connu.
 Les méthodes directes : elles cherchent à faire une synthèse directe dans le domaine discret à partir
du gabarit. Ce sont des méthodes itératives basées sur la minimisation d’un critère comme celui des
moindres carrés.

Traitement avancé du signal Page 15

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
1.7.1.Le comportement fréquentiel des filtres numériques
Le comportement fréquentiel des filtres numériques est obtenu en étudiant la fonction de transfert isochrone
Tn(j); Tn(j) = H(z)│z=exp(jTe). Où Te est la période d'échantillonnage. Tn(j) est également la transformée
de Fourier numérique des échantillons h(n) de la réponse impulsionnelle.

(1.74)

On rappelle que Tn(j) est une fonction périodique de la fréquence, de période fe =1/Te , par ailleurs la partie
réelle de Tn(j) est paire alors que la partie imaginaire est impaire.
Pour les systèmes analogiques, l'équivalent de Tn(j)est H(j) obtenu en faisant p=j dans H(p). H(j) est
encore la transformée de Fourier de la réponse impulsionnelle h(t) du système analogique :
∞
𝐻(𝑗𝜔) = ∫0 ℎ(𝑡)𝑒 −𝑗𝜔𝑡 𝑑𝑡 pour un système causal.

1.7.2. La fonction modèle est la réponse en fréquence : transformée bilinéaire

Soit un filtre analogique dont la fonction de transfert H(p) est connue. La réponse en fréquence du filtre
H(j) est obtenue en calculant H(p) pour p=j.
Si on veut réaliser un filtre numérique qui effectue le même traitement que le filtre analogique de réponse en
fréquence H(j), il faut vérifier l'égalité suivante :
(1.75)
1
H(z) est donc obtenue en faisant 𝑝 = ln(𝑧)dans H(p)
𝑇𝑒
En général, la fonction de transfert H(p) est sous forme rationnelle (quotient de deux polynômes en P), il
1
s’ensuit que la transformée en z obtenue en faisant 𝑝 = 𝑇 ln(𝑧) ne conduit pas à une forme rationnelle pour
𝑒
H(z). Si H(z) n'est pas sous une forme rationnelle alors il est impossible d'obtenir la relation de récurrence, et
par conséquent d'implémenter le filtre. On procède alors à une approximation qui consiste à dire que T n(j)
sera proche de H(jw) pour les basses fréquences. En effet, une opération de filtrage numérique nécessite au
préalable un échantillonnage à la fréquence Fe, ce qui suppose que toutes les fréquences supérieures à Fe /2
ont été éliminées, sinon il y a repliement des spectres.
1
En conséquent, la relation 𝑝 = 𝑇 ln(𝑧) st approximée par la forme rationnelle suivante :
𝑒
2 𝑧−1 (1.76)
𝑝=
𝑇𝑒 𝑧 + 1

obtenue en cherchant un développement quand pTe reste voisin de zéro. Cette transformée est connue sous
le nom de transformée bilinéaire.
1.7.3. La fonction modèle est la réponse impulsionnelle : invariance impulsionnelle
Il s'agit de fabriquer un filtre numérique dont la réponse impulsionnelle h(n) est obtenue en échantillonnant
la réponse impulsionnelle h(t) d'un filtre analogique connu. Soit un filtre analogique de fonction de transfert
H(p) et de réponse impulsionnelle h(t).
Soient pk les pôles de la fonction de transfert H(p), la décomposition en éléments simples de H(p) conduit à :

(1.77)

En utilisant la transformée de Laplace inverse, on obtient pour h(t) :

(1.78)

Les échantillons h(n) de la réponse impulsionnelle du filtre numérique sont construits par échantillonnage de
h(t) aux instants nTe, on obtient ainsi :

Traitement avancé du signal Page 16

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)
(1.79)

La transformée en Z du filtre numérique est égale à la transformée en Z de la réponse impulsionnelle d'où :

(1.80)

Avec :
(1.81)

En effet il s’agit de la somme d’une progression géométrique de raison 𝑧 −1 𝑒𝑥𝑝(𝑝𝑘 𝑇𝑒 ). H(z) se met donc
sous la forme suivante :
(1.82)

Les pôles de H(z) sont donnés par : 𝑧 = 𝑒𝑥𝑝(𝑝𝑘 𝑇𝑒 ). A partir de H(z) il est facile de construire la relation de
récurrence.
La partie réelle des pk est négative car le système analogique est stable. Il s'ensuit que le module des pôles
│𝑒𝑥𝑝(𝑝𝑘 𝑇𝑒 )│ est inférieur à l'unité, en conclusion le système numérique est donc stable car le lieu du
module des pôles est à l'intérieur du cercle unité.
1.7.4.Equivalence de la dérivation
Nous savons très bien approximer une dérivée de courbe par la méthode des rectangles à un instant t=kT e.
Parmi les approximations possibles, les trois plus élémentaires sont :
 Dérivée "arrière"
(1.83)

 Dérivée "avant"
(1.84)

 Dérivée "centrale"
(1.85)

1.8.COMPARAISON DES FILTRES RIF ET RII

Le tableau suivant établit une comparaison entre les deux grandes familles de filtres numériques

Traitement avancé du signal Page 17

Chapitre 1 Rappels sur les filtres numériques (RIF et RII)

Tableau 1.1. Comparaison des performances des filtres RIF etRII.

Traitement avancé du signal Page 18