Upload
deni-dias
View
109
Download
2
Embed Size (px)
Citation preview
Pour voir où nous en sommes dans le cours S.S.I.
• expliquer le signal numérique• utiliser Matlab• comment exploiter le spectre• comment bien échantillonner, et
que signifie ‘sous échantillonner’• qu’est ce qu’un filtre ?• comment créer des filtres quasi
rectangulaires• Comment créer des bancs de filtres
pour découper le spectre• Comment compresser avec un
banc de filtres et un sous échantillonnage
• Du son à l’image numérique
Rappel de la démarche suivieSignal numérique
spectre
Sous-échantillonner
filtrer
Compresser selon le principe de mp3
Des bancs de filtres pour découper le spectre
Nous sommes ici !
Créer des filtres quasi rectangulaires
Du son à l’image ?
Filtrage (numérique) des Signaux
- Importance de l’interprétation dans le domaine des fréquences
- Exemples d’objectifs du filtrage (sons, images, transmissions, ...)
- Formalisation d’un filtre (convolution) ; notion de causalité
- Lien avec la transformée de Fourier et la transformée en z
- Filtres à réponse impulsionnelle finie (ou non récursifs)
- Technique élémentaire de synthèse des filtres numérique
- Exemples de filtres utilisé en compression MP3 et en reconnaissance de parole
- Filtres non récursifs ; problème de stabilité
- Illustration en synthèse de son (timbre d’un instrument, compression de la voix en téléphonie mobile)
Opération usuelle de filtrage, d’annulation d’écho, etc ... : déformation linéaire invariante dans le temps par un milieu de transmission
Une composante sinusoïdale est amplifiée et déphasée différemment suivant la fréquence : trouver cette déformation et la compenser
-3.14159
-2.35696
-1.57233
-0.78770
-0.00307
0.78157
1.56620
2.35083
3.13546
-2
-1
0
1
2
-2.35696
-1.57233
-0.78770
-0.00307
0.78157
1.56620
2.35083
3.13546
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.10
Fréquence
Atténuation
Fréquence
Déphasage
Importance de l’interprétation dans le domaine des fréquences
Filtrer un signal c’est calculer une combinaison linéaire d’échantillons successifsdu signal afin de modifier l’amplitude et la phase de ses composantes sinusoïdales
Signal émisMilieu de transmission Signal capté
et déformé
0 100 200 300 400 500 6000
10
20
X t
t
.
0 204.8 409.6 614.4 819.2 10242
1
0
1
2
xt
Re xf t
t
.
Lissage par filtrage passe-bas(atténuation du bruit)
0 50 100 150 200 250 300 350 400 450 500 5502
0
2
xt
t
.
0 50 100 150 200 250 300 350 400 450 500 5502
0
2
xt
t
.
élimination d’unecomposante à 50 Hz
temps
temps
Exemples de Filtrage
fréquencecomposante à 50 Hz
Modulation d ’amplitude = translation en fréquenceexemple d’utilisation du filtrage en communication numérique
30 80 130-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
30 80 130-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
-50 0 50 100
2
5
8
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
-50 0 50 100
2
5
8
Bande de base
modulation
Addition, transmission(multiplexage)
démodulation
filtrage
e j t1 e j t2
e j t 1 e j t 2
1 2
2 1 1 2
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
0 8 16 24 32-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
temps fréq. temps fréq.
Filtrage des bruits ( par exemple lorsque le signal intéressant
est dans les basses fréquences)
(basses fréquences = variations lentes)
cc
Filtrage passe bas d’une image
cc
filtrage passe haut (dérivation) d’une image en vue de la détection de contours(il y a contour quand il y a une variation rapide de l’intensité)
Pour mettre en évidence les contours on amplifie les hautes fréquences
Traitement d’antennes :
Retrouver par un réseau de capteurs (antenne) la direction de propagation des ondes sonores ou électromagnétiquesen ajustant les gains et les retards appliqués à chacun des signaux captéset reconstruire le signal provenant de cette direction(et remplacer les antennes paraboliques pour les réceptions satellites)
Application en Radar, Sonar, antennes adaptatives en communications numériquesfiltrage spatio - temporel
n
nn txnbty )().()( )(txn
onde plane provenantd’une direction
deuxième onde (provenant d’une autre direction)
Filtrage (numérique) des Signaux
Numérique : dès que la bande de fréquence occupée par le signal est suffisamment faible pour le permettre : plus fiable, plus souple que le filtrage analogique ; actuellement les téléviseurs font des traitements numériques(de l’ordre d’un milliard de multiplications par seconde)
filtre caractérisé par sa réponse impulsionnelle
h(t)
Filtrage numérique = convolution discrète*
entrée(signal original)
x(t)
sortie signal filtré
y(t)
y(t) = h() x(t-)
* filtrage analogique = équation différentielle linéaire
Filtre causal : sa réponse impulsionnelle h(t) est nulle pour les temps négatifs(en général nécessité pour la programmation)
Filtrage (numérique) des Signaux
Résultat fondamental pour l’interprétation et parfois pour l’implémentation
La transformée de Fourier (ou la transformée en z) Y(z)d’une convolution y(t) de deux fonctions x(t) et h(t)est le produit des transformées X(z) et H(z) de ces deux fonctions
y(t) = h() x(t-) Y(z)=H(z).X(z)
La transformée de Fourier de x(t) est X(ei.) : valeur de X(z) pour z= ei.
Fourier / z
Y(ei.)=H(ei.).X(ei.)
K
t
tzthzH0
).()(
transformée en z d’une convolution ~
produit de polynômes
Filtrage (numérique) des Signaux
Filtre passe-bas : typiquement pour réaliser un lissage
Filtre passe-bande : ne conserver que les composantesdans une bande de fréquence ; ainsi dans MP3 le signal estfiltré dans quelques dizaines de bandes de fréquences et analysédans chacune de ces bandes
En général on se donne la réponse en fréquence du filtre
(par transformée de Fourier inverse on obtient la réponse impulsionnelle b(t))
K
txbty0
)().()(
filtre à réponse impulsionnelle finie
Convolution = filtre à réponse impulsionnelle finie = filtre non récursif
La fonction de transfert B(z) est un polynôme
B(z)x(t) y(t)
K
t
tztbzB0
).()(
Schéma
Synthèse d’un filtre
synthèse des filtre numériques à réponse impulsionnelle finie
Filtre idéal réponse en fréquence (module et éventuellement phase)
« Gabarit » : tolérance
transformée de fourier inverse : réponse impulsionnelletroncature dans le domaine temporel : modification de la réponse en fréquencetransformée de Fourier : vérification : est ce que le gabarit est respecté
Bande passante
Ban
de d
e tr
ansi
tion
Fréquencede coupure
freq.
Bandeatténuée
3.14 0 3.140.5
0
0.5
1
1.5
.
112 84 56 28 0 28 56 84 11210
5
0
5
10
.
3.14 0 3.140.5
0
0.5
1
1.5
.
112 84 56 28 0 28 56 84 11210
5
0
5
10
.
Troncature
Oscillations
Fréquence Temps
Troncature(Atténuation des oscillations en utilisant une fenêtre de pondération)
Réalisation d’un filtre passe-bande
0 210 420 630 840 10500
10
20
X t
t
.
0 200 400 600 800 1000 12002
1
0
1
2
xt
t
.
0 204.8 409.6 614.4 819.2 10242
1
0
1
2
xt
Re xf t
t
.
Lissage par filtrage passe-bas
fréquence
fréquenced’échant.
Filtrage des signauxdans différentes bandes de fréquences
T. FourierSélection des canaux utiles (effet de masquage1er codage
T. Cos etcodage
T. Cos etcodage
T. Cos etcodage
T. Cos etcodage
T. Cos etcodage
Em
issi
on d
es d
onné
es
Principe du codage MP3
Filtres MP3
0 32 64 96 128 160 192 224 256 288 320 352 384 416 448 480 5120.01
0.015
0.04
.
Réponse impulsionnelledes filtres (sans la modulation)
Réponse en fréquencedu filtre (la modulationse traduit par une translationen fréquence pour chacun des filtres)
Temps(échantillons)
Fréquence(kHz)1.03 0.78 0.52 0.26 0 0.26 0.52 0.78 1.03
0
0.0025
0.005
.
Fréquence d’échantillonnage 44100Hz
Filtrage dans différentes bandes de fréquencesl’évolution de l’énergie en sortie de chacun des filtressert de base aux techniques de reconnaissance de parole
Cas des filtres récursifs (ou à réponse impulsionnelle infinie) analogie avec les filtres à temps continu : l’équation différentielle est approximée par une équation aux différences et se traduit par une équation récurrente
Convolution = filtre à réponse impulsionnelle finie = filtre non récursif
Meilleure modélisation de résonances
Synthèse de parole et de sons
La fonction de transfert H(z) est un polynôme
Mais problèmes de précision et de stabilité (bouclage)
Cas des filtres récursifs
y(t) = x(t) - p
a (k) y(t-k)k=1
La fonction de transfert n’est plus un polynômemais une fraction rationnelle
Cas des filtres récursifs
Y(z) = X(z)
A(z)=
1
1+ p
a (k) z-k
k=1
X(z)
(en synthèse de parolel’ordre p vaut 10 ou 12)
x(t)
- p
a (k) y(t-k)k=1
y(t)schémas usuels
Bouclage = risqued’instabilité
x(t)
- p
a (k) z-k
k=1
y(t)
Stabilité d’un filtre
Filtre stable : si l’entrée est bornée la sortie est aussi bornée
les filtres à réponse impulsionnelle finie sont toujours stables
les filtres récursifs sont caractérisés par les racines du dénominateur zpA(z)
Le filtre 1/A(z) est stable si et seulement si le polynôme dénominateur zpA(z) a toutes ses racines (pôles du filtre)à l’intérieur du cercle de rayon 1
1.5 0 1.51.5
0
1.5
.
1.5 0 1.51.5
0
1.5
.
stable instable
y(t)=x(t) - a(1).y(t-1)
A(z) = 1 + a(1) z -1|a(1)| < 1 filtre stable
Exemple élémentaire (filtre du premier ordre)
0 50 100
0
2
y t
xt
t
.
0 50 1000
50
y t
xt
t
.
a(1)= -0.95 a(1)= -1.05
filtre stable filtre instable
La réponse impulsionnelle est donnée par h(t) = a(1)t
Stabilité d’un filtre récursif
1.5 0 1.51.5
0
1.5
.
1.5 0 1.51.5
0
1.5
.
On peut combiner des filtres
en cascade
en parallèle
B(z) B(z)/A(z)1/A(z)au lieu de
B(z)
C(z)
B(z)+C(z)au lieu de
Interprétation en termes de transformées en z : multiplications et additions de polynômesou de fractions rationnelles
B(z) B(z).C(z)C(z)au lieu de
Filtre récursif du deuxième ordre(simulation d’une équation différentielleavec oscillations amorties)
0 20 40 60 80 1002
0
2
4
y t
xt
t
.
0.4 r 0.95
a1
2 r cos a2
r2
yt
xt
a1
yt 1 a
2y
t 2.
amortissement r
fréquencede résonance :
1.5 0 1.51.5
0
1.5
.0 200 400 600 800 1000
0
500
1000
A t 1
t
.
r
réponse enfréquence
temps
pôles (racines du dénominateur z2A(z))
réponse impulsionnelle
Synthèse de son utilisant des filtres récursifs
0 200 400 600 800 10001
0
1
2
xt
t
.
0 200 400 600 800 10002
0
2
4
y t
xt
t
.
Entrée = suited’impulsions (mélodie) Sortie (mélodie + timbre)
0 200 400 600 800 1000
0
5
10
15
Yt
t
.0 200 400 600 800 1000
1
0
1
2
X t
t
.
fréquencefréquence
temps temps
Analyse / Synthèse de la parole en téléphonie mobile
Code Excited Linear Prediction (CELP)
adresse dans unDictionnairede signaux
élémentairesPrédiction à long terme(intonation,
cordes vocales)
Modèle du conduit vocal
Filtres récursifs de synthèse
Informations déduitesdu signal analyséet transmises au synthétiseur
0 128 256 384 512 640 768 896 10241
0
1
.0 4 8 12 16 20 24
10
0
10
.
1.5 0 1.51.5
0
1.5
.
41.6763.33 85 106.67128.33150
0
.
0 64 128 192 256 320 384 448 512
3.87
1.73
0
.
0 63.94 127.88 191.81 255.75 319.69 383.63 447.56 511.5 575.44 639.38 703.31 767.25 831.19 895.13 959.06 10231.5
0.5
0.5
.
signal analysé coefs de corrélation
pôles du filtre spectre du signal et réponse en fréquence
réponse impulsionnele
signauxrésiduelset synthétisés
temps
temps
temps
algorithme d’analysefondé sur les probabilités
et produisant les coefficients d’unfiltre récursif stable
ayant les mêmes caractéristiquesspectrales que le signal
Le filtrage linéaire est une des bases du traitement du signal(avec la transformée de Fourier et les probabilités)à partir de laquelle il y a une grande variété d’extensionsde plus en plus élaborées
Quand on traite un signal fourni parun capteur, il y a la plupart du temps une opération de filtrage
En programmation : essentiellement un calcul de produit scalaire de deux vecteurs (somme de produits)