ADS Shannon
ADS Shannon
ADS Shannon
LE THEOREME DE SHANNON
5
Toute communication se fait par l’intermédiaire de signaux, qui peuvent être acoustiques (parole, et
sons en général), électromagnétiques (radio), électriques (le téléphone filaire par exemple) ou
encore optiques (transmission de données par fibres optiques). Toute une théorie sur le « traitement
du signal » a émergé dans les années 40, jusqu’à en faire de nos jours une discipline à part entière.
10 Nous proposons au travers de ce document d'introduire les outils mathématiques de base du
traitement du signal. Ils permettent en particulier de formaliser une étape clé d'une chaîne de
communication numérique, à savoir l'échantillonnage. Ceci nous amènera presque naturellement à
formuler le théorème phare du domaine : le théorème de Shannon.
15
I. Définitions et nouveaux outils mathématiques
a) Notion de signal à temps continu
Un signal x(t) à temps continu* est une fonction continue par morceaux de R dans » , bornée
20 sur R , et dont le nombre de points de discontinuité dans tout intervalle borné est fini. D'une
manière générale, un signal est une fonction qui sert de support à de l'information ou à une
commande. Par exemple, x(t) peut être la tension aux bornes d’un appareil de mesure. Par
convention, on supposera toujours que le temps t va de − ∞ à + ∞ , quitte à ce que x(t) soit nul
en dehors d’une certaine plage si le support temporel** du signal est réduit à une partie de R .
25 Nous conviendrons aussi d'appeler signal d'autres objets mathématiques que nous introduirons
par la suite.
pour tout signal g(t) régulier (c'est-à-dire infiniment dérivable sur R ) à support temporel
compact.
35 Considérons maintenant la suite de signaux ( x n ( t ) ) ci-dessous :
n xn ( t )
40
1/n
Pour tout signal g(t) continu en 0, et donc a fortiori pour tout signal régulier à support compact,
+∞
on peut facilement montrer que lim ∫ x n ( t ) g ( t ) dt = g ( 0 ) .
n →+∞ −∞
*
Dans tout ce document, par abus de notation, on désignera par x(t) la fonction x de la variable t.
**
Le support temporel d'un signal x(t) est le plus petit fermé de R qui contient { t ∈ R / x(t) ≠ 0} .
1
45 On décide alors d'introduire un nouveau signal δ(t), appelé impulsion de Dirac, correspondant à
la limite pour la convergence faible de la suite ( x n ( t ) ) , et qui a la propriété
+∞
∫ g ( t ) δ ( t ) dt = g ( 0 ) pour tout signal g(t) continu en 0.
−∞
t0
60
+∞ +∞
• on a ∫ g ( t ) δ ( t − t 0 ) dt = ∫ g ( u + t 0 ) δ ( u ) du en posant u = t − t 0 . En appliquant la
−∞ −∞
+∞
définition de la distribution de Dirac, on obtient ∫ g ( t ) δ ( t − t 0 ) dt = g ( t 0 ) si g est
−∞
continu en t0.
+∞
Une dernière remarque : comme ∫ g ( t ) δ ( t − t 0 ) dt est par définition le produit de
−∞
2
Plaçons maintenant à l’entrée de notre filtre l’impulsion de Dirac δ(t) : la sortie du filtre est
alors par définition sa « réponse impulsionnelle », que l’on note h(t). Si on appelle ( x n ( t ) ) la
suite de signaux qui converge faiblement vers δ(t), on a alors :
90 Filtre
La ligne 5 utilise la propriété de l’intégrale d'être la limite d'une série ; la ligne 6 est justifiée en
faisant tendre n vers l'infini, et la ligne 7 est valable si le signal g(t) est continu par morceaux.
95 Nous venons de démontrer que le signal sortant d’un filtre est le produit de convolution du
signal d’entrée avec la réponse impulsionnelle du filtre.
Si maintenant nous mettons à l’entrée du filtre le signal xν(t) = exp(2πiνt), calculons la sortie :
+∞ +∞
yν(t) = ∫ x ν (θ) h (t − θ)dθ = ∫ x ν (t − θ) h (θ)dθ par symétrie du produit de convolution
−∞ −∞
−∞
*
H(ν) représente le gain du filtre à la fréquence ν ; et en considérant H(ν) comme une fonction de la variable ν, H(ν)
est appelée réponse fréquentielle du filtre.
**
sous réserve d’existence… Dans tout ce document, on supposera que les signaux manipulés ont une transformée de
Fourier. C’est le cas pour la quasi-totalité des signaux que l’on peut abstraire de l'observation de la nature.
3
Connaissant X(ν), on peut revenir* à x(t) par transformée de Fourier inverse :
+∞
x ( t ) = ∫ X(ν) exp(2πiνt ) dν
−∞
120 TF
x(t) X(ν)
TF-1
125 x(t) et X(ν) sont en fait deux représentations différentes d’un même signal : x(t) est la
représentation « temporelle » (c’est-à-dire que t représente le temps qui s’écoule ; c’est la
représentation la plus intuitive), alors que X(ν) en est la représentation « fréquentielle ». Pour
comprendre cette notion de représentation fréquentielle, intéressons-nous à l’oreille humaine :
cette dernière n’est sensible qu’aux fréquences comprises entre 10 Hz et 20 kHz ; cela signifie
130 qu’un signal sinusoïdal à une fréquence inférieure à 10 Hz ou supérieure à 20 kHz ne sera pas
audible. Aussi, la représentation fréquentielle d’un signal audible sera nulle en dessous de 10 Hz
et à partir de 20 kHz. Cette bande de fréquence est appelée bande passante de l’oreille humaine.
Cette notion de représentation fréquentielle des signaux est précisée à l’occasion des quelques
calculs de transformée de Fourier qui se trouvent en annexe B.
135
155
1
ν
−B +B
*
il y a là aussi quelques précautions à prendre sur le plan théorique : par exemple aux points de discontinuité de x(t), on
obtiendra la demi-somme de limites à gauche et à droite du point de discontinuité.
4
II. L'échantillonnage
160
Afin d’améliorer la qualité des transmissions, les systèmes de télécommunications utilisent de plus
en plus des signaux numériques. L'opération d'échantillonnage consiste à remplacer un signal à
temps continu x(t) par une suite de nombres complexes ( x n ) n∈Z . En pratique, un signal servant de
support à de l'information, on souhaite en général pouvoir reconstituer le signal x(t) dans son
165 intégralité à partir de la suite ( x n ) .Nous allons voir que les outils que nous avons introduits
jusqu’ici permettent de formaliser mathématiquement l’échantillonnage d’un signal.
+∞
Introduisons tout d’abord le peigne de Dirac de période TE : δ TE ( t ) = ∑ δ(t − nT ) .
n = −∞
E
1
170
t
TE
Prenons maintenant un signal x(t) que l’on désire échantillonner à la période TE.
175 Le signal à temps continu échantillonné est xe(t) = x(t) δ TE ( t ) .
x(t) xe(t)
180 t t
TE
Pour comprendre l’influence de l’échantillonnage temporel dans le domaine fréquentiel, nous avons
besoin de la transformée de Fourier du peigne de Dirac. Un calcul se trouve en annexe C. Le
185 résultat est le suivant : un peigne de Dirac temporel a pour transformée de Fourier un peigne de
Dirac fréquentiel.
TF
δ 1 (ν )
1
δ TE ( t )
TE TE
190 TF-1
Nous pouvons maintenant calculer la transformée de Fourier du signal échantillonné.
Comme xe(t) est le produit de x(t) par δ TE ( t ) , sa transformée de Fourier Xe(ν) est le produit de
Supposons maintenant que le support fréquentiel du signal à échantillonner est limité à la bande de
200 fréquence [-B ; B] (cela signifie que X(ν) est nul en dehors de [-B ; B]). Voyons les deux cas de
figure qui peuvent se présenter.
5
1
• Cas défavorable : 2B > . La périodisation provoque des « repliements » de X(ν) : en
TE
effet, deux versions périodisées successives de X(ν) se chevauchent, et il n’est plus possible
de retrouver le signal original. L’échantillonnage apporte donc une dégradation irréversible.
205
Xe(ν)
X(ν)
ν ν
210 −B +B −B +B
1/ΤΕ
1
• Cas favorable : 2B ≤ . Cette fois-ci, il n’y a pas de repliement : il est possible de
TE
retrouver exactement X(ν) à partir de Xe(ν) grâce à un filtre passe-bas (celui qui a été défini
au § I.e) suivi d’une multiplication par TE.
215
X(ν) Xe(ν)
ν ν
−B +B −B +B
220
1/ΤΕ
Nous pouvons donc à présent énoncer le théorème de Shannon : si la fréquence d'échantillonnage
est supérieure à deux fois la fréquence maximale contenue dans le signal à échantillonner, on peut
retrouver l'intégralité du signal original à partir du signal échantillonné par filtrage passe-bas.
225
Evoquons pour terminer une application directe en hi-fi audio : bien entendu, lors d’un
échantillonnage, de manière à avoir à stocker un minimum de valeurs, on a tout intérêt à avoir la
fréquence d’échantillonnage (1/TE) la plus petite possible. Or la valeur minimale de cette dernière
est proportionnelle à la largeur du support fréquentiel du signal à échantillonner. Dans le cas d’un
230 signal émis par un instrument de musique, on a donc intérêt à faire un filtrage passe-bas qui
supprime toutes les composantes fréquentielles inaudibles, c’est-à-dire celles qui sont supérieures à
20 kHz. Ainsi, en vertu de ce qui précède, la valeur minimale de la fréquence d’échantillonnage est
40 kHz. En pratique, la valeur qui a été retenue pour la norme CD audio est 44,1 kHz.
6
Annexe A
235 Produit de convolution
a) Définition
Soient h(t) et x(t) deux signaux.
240 Sous réserve d’existence, on appelle produit de convolution de h et x, le signal :
+∞
(h ∗ x )(t ) = ∫−∞ h (t − θ) x(θ)dθ
Le changement de variable τ = t − θ montre immédiatement que le produit de
convolution est symétrique :
(h ∗ x )(t ) = − ∫+∞ h (τ) x(t − τ)dτ = ∫−∞ x (t − τ)h (τ)dτ = (x ∗ h )(t )
−∞ +∞
245
250 1
t
−T/2 +T/2
+∞
255 Calculons (x ∗ x )(t ) = ∫ x (t − θ) x (θ)dθ
−∞
0 si t ≤ −T
t +T 2
∫−T dθ si − T ≤ t ≤ 0
= T2 car x (t ) est nul en dehors de [–T/2 ; T/2]
∫ T2 dθ si 0 ≤ t ≤ T
t− 2
0 si t ≥ T
260
0 si t ≤ −T
t + T −T ≤ t ≤ 0
si
=
T − t si 0≤t≤T
0 si t≥T
t
−T +T
7
270 c) Produit de convolution et transformée de Fourier
8
Annexe B
Calculs et interprétations de quelques transformées de Fourier
305
+∞
• L’impulsion de Dirac temporelle : ∫
−∞
δ(t) exp(−2πiνt)dt = exp(0) = 1 ; la représentation
fréquentielle d’une impulsion en t = 0 est donc la fonction constante égale à 1.
L’interprétation de ce résultat est la suivante : une impulsion est un signal qui a des
variations extrêmement importantes pendant un intervalle de temps extrêmement bref et
310 pour ce faire, il « contient » à part égale des composantes sur toutes les fréquences.
1 TF
1
315 t
TF-1 ν
1 TF
1
330 t
TF-1 ν
+∞
350 Pour calculer la transformée de Fourier du peigne de Dirac δ TE ( t ) = ∑ δ(t − nT ) ,
n = −∞
E
1 +∞ 2π int
On peut donc finalement écrire : δ TE ( t ) = ∑ exp .
TE n =−∞ TE
2π int
Or, en appliquant le résultat de l'annexe B sur les exponentielles complexes, exp a
E
T
n
355 pour transformée de Fourier δ ν − .
TE
n 1+∞
δ 1 (ν ) ; un peigne de
1
La transformée de Fourier de δ TE ( t ) est donc
n = −∞
∑ δ ν − T
=
TE E TE TE
*
Evidemment, l'impulsion de Dirac ne vérifie pas les conditions de Dirichlet... Toutefois, si l'on décomposait en série
de Fourier une version périodisée de la suite de siganux du §I.b qui converge faiblement vers l’impulsion de Dirac, et si
l'on faisait tendre n vers l’infini on arriverait exactement au même résultat.
10