phase du filtre numérique (voir l'annexe A décrivant ce programme Matlab) Ce logiciel vous permet de choisir entre la synthèse de filtres RII (Butterworth ou
Previous PDF | Next PDF |
[PDF] — Matlab et le traitement du signal —
Wn bande passante du filtre (fréquence haute de la bande passante pour un Enfin, Matlab, poss`ede des fonctions permettant d'estimer Butterworth >> [z, p
[PDF] Filtrage - Travaux Pratique
Il est donc nécessaire de pré-déformer le gabarit du filtre analogique Sous Matlab, on peut aussi générer des filtres de type Butterworth, Tchebyscheff par les
[PDF] Synthèse de filtres
Filtre de Butterworth : définition et propriétés 10-1 100 101 -100 -90 -80 -70 - 60 -50 -40 -30 -20 -10 0 Gain en dB pour N=1, 2, 3, 4, 5 Programme Matlab
[PDF] Filtres et Filtrage
Filtre Passe-Bande Exemple Matlab N = 10; order butterworth ordre 10 [ZB, PB, KB] = buttap(N); numzb = poly([ZB]); denpb = poly([PB]); wo = 600; bw = 200;
[PDF] TP sur Matlab - Inria
phase du filtre numérique (voir l'annexe A décrivant ce programme Matlab) Ce logiciel vous permet de choisir entre la synthèse de filtres RII (Butterworth ou
[PDF] Conception de filtres numériques
du filtre lorsque le signal n'est pas purement sinusoïdal (propagation de paquets Sous Matlab, les fréquences de coupure sont normalisées par rapport à fe / 2 H(f) cahier des charges demandées (filtre de type Butterworth par exemple)
[PDF] TP de FILTRAGE
ETUDE DE FILTRES NUMÉRIQUES 1 2 Fonctions MATLAB á « [b, a] = butter(n/2, ∆f) » fournit les coefficients du filtre de Butterworth d'ordre n (pair de
[PDF] filtrage numerique
1 3 Signaux 2 Filtrage 2 1 Introduction 2 6 Synthèse d'un filtre RII 2 2 Filtre analogique 2 8 Application au filtre de Butterworth 3 2 Filtrage avec Matlab 4
[PDF] Filtres à réponse impulsionnelle infinie (RII) Objectifs dapprentissage
Coder un filtre en Matlab, c ou assembleur Un filtre RII est spécifié par les valeurs des pôles et des zéros de H(z) (au Filtres de Butterworth – Filtres de
[PDF] Filtrage de signaux biomédicaux - Moodle : Polytechnique Montréal
On s'intéresse à la famille des filtres de Butterworth La fonction butter de Matlab permet d'obtenir les coefficients du filtre sous forme des coefficients apparaissant
[PDF] filtre fir passe bas
[PDF] filtre haf cin
[PDF] filtre iir en c
[PDF] filtre moyenne glissante matlab
[PDF] filtre non causal
[PDF] filtre numerique du 1er ordre
[PDF] filtre numérique passe haut
[PDF] filtre passe bas analogique arduino
[PDF] filtre passe bas excel
[PDF] filtre passe bas image matlab
[PDF] filtre passe bas matlab
[PDF] filtre passe bas matlab image
[PDF] filtre passe bas transformée en z
[PDF] filtre passe haut arduino
Électronique2ndeannée-2
T raitementNumériqueduSignal
F ascicule detravauxpratiquesOlivierSentieysENSSAT
-UniversitédeRennes1 http://www.irisa.fr/cairn 6 R u e d e Ke r a m p on t- B P 44722305
LANNION-FranceIRISA Ñ ENSSAT
Institut de Recherche en Informatique et Systèmes Aléatoires École Nationale Supérieure de Sciences Appliquées et de TechnologieTechnopôle Anticipa Lannion
1La première partie de ce TP correspondant à la première séanceestconsacréeàl'analyseet
synthèse de filtres numériques (RIF et RII) à l'aide des logicielsMatlabet d'une applet JAVA
développée à l'ENSSAT.La seconde partie de ce TP correspondant à la seconde séance est consacrée à l'étude de la convo-
lution discrète de l'analyse spectrale, de la décimation etde l'interpolation.Il est demandé de préparer ce TP
1 Analyse de filtres numériques passe-bas du second ordre
1.1 Analyse d'un filtre numérique RII passe-bas du second ordre
Le filtre numérique est spécifié par le gabarit endBde la figure 1.(b) avec comme paramètres :
Fp=1kHz, Fs=3kHz, Fe=10kHz
1 =20log(1+δ 1 )=1dB 2 =20log(δ 2 )=-20dB p 1 |H(e j1-δ
11+δ
1 2 a p 0 dB |H(e j )| (dB)20log(1-δ
120log(1+δ
120logδ
2 a a) Gabarit fréquentiel linéaireb) Gabarit fréquentiel en dB Fig. 1:Gabarit des filtres passe-bas à étudier La synthèse par la méthode bilinéaire du filtre de ChebyshevH(z)aboutit à la fonction :H(z)=0.079(z+1)
2 z 2 -1.2z+0.516 Questions : filtre numérique RII en précision infinie -ÉcrireleprogrammeMatlabpermettant de visualiser la réponse fréquentielle en moduleeten phase du filtre numérique (voir l'annexe A décrivant ce programmeMatlab). Faites la relation entre l'échelle des abscisses de la commandeplotdeMatlabet les fréquences. Quelles sont doncles relations entre fréquence d'échantillonnage et fréquence de coupure? Le filtre respecte-t-il le
gabarit spécifié? - Visualisez la réponse impulsionnelle. -Tracezdansleplancomplexelespôlesetleszérosdufiltre.Le filtre est-il stable?1.2 Analyse d'un filtre numérique RIF passe-bas d'ordre supérieur
Le gabarit du filtre passe-bas étant défini comme à la figure 1, lasynthèsedufiltredonnedeux
fonctions de transfertH(z)selon le nombre de points considéré (N=11puisN=7):22S ynthèsed'unfiltrepasse-b asdusecondord re
H 11 (z)=!0,0309396.(z !1 +z !9 )!0,0390182.(z !2 +z !8 )+0,0766059.(z !3 +z !7 +0,288307.(z !4 +z !6 )+0,4.z !5 H 7 (z)=!0,0409365.(1+z !6 )+0,078369.(z !1 +z !5 )+0,289996.(z !2 +z !4 )+0,4.z !3 Questions:filtrenumér ique RIFenprécision infinie2Sy nthèsed'unfiltrepasse-ba sdusecondo rdre
Ondésir eréaliserunfilt renumériqueH(z)équivalentàunfiltreanalogiquedeButter worth passe-
basH(j")dudeuxième ordrequipr ésenteunefréquencedecoupureFcde1KHz.Lafréquence HNormalise
(j" N 1 1+ 2j" N 2 N HNormalise
(p N 1 1+ 2p N +p 2 N2.1Sy nthèsed'unfiltreRII
Préparation
-Legabaritd'unfiltrepasse-basestdéfinicommeindiquésurlafigu re1.(b).Calculerles para- mètres!1et!2pourquelefi ltrepasse basde fréquencedecoup ureFc=1KHzentredans legabarit, lorsqueFp=0.7FcetFa=3Fc. -FairelasynthèseparlaméthodebilinéairedufiltreH(j")afind'obtenir H b (z).Onétudiera l'influencedeladistorsionenfréquen ceimpliquée parla méthode.Onrappellequela transfor- mationbilinéairees tobten ueparp=f(z)!2Fe 1!z !1 1+z !1 -Fairelasynthèseparlaméthoded'invarianceimpulsionnelleafin d'obtenirH i (z). -Tracezdansleplancomplexelespôlesetleszérosdesfiltres.Lesfil tres sont-ilstables?ManipulationssurJava_Filtre
Unlo gicieldesynthèsedefiltre snumé riquesaétédéveloppéàl'ENSSAT.Ils'agitd'uneap plet
JAVAquel'onp eutla ncersoitàl'aidede lacomma ndetnssousunserveu rSUN,soi tenvous connectantàl'aided'unnavigate ur àl'URL: Celogicielv ousp ermetdechoisiren trelasynthèse defiltresRII(ButterworthouChebychev)selonlamétho debilinéai re,etlasynthèsedefilt resRIFparlesméthod esdefenêtrage(Rectangle,
Triangle,Hamming,Hanning,Bla ckman,Kaiser),d'écha ntillonnagefréquentiel,oude ParksMac-Clellan.Unesynthèsedirec teparl espôlesetleszérosestpossible.Aprèsavoirentré lesparamètr es
1,!2,Fp,Fs(cfgabarit delafigure 1.(b)),lasynth èses 'e!ectueautomatiquementetvousdon ne
lesvaleurs descoe cientsdufiltreetla réponseimp ulsionnelle.Uneaideestd isponi bleàlamême URL. -Déterminezàl'aidedeJava_Filtrelescoe"cientsdesfiltrespré cédents.2.2Synthès ed'unfiltreRIF3
ManipulationssurMatlab
-ÉcrireleprogrammeMatlabpermettantdefairelasynthèse desfilt resH b (z)etH i (z).L'annexe -Vis ualiserlaréponsefréquentie lleenm oduleetenphasedesfiltresnumériques.Lesfiltres respectent-ilslegabaritspécifié?2.2Sy nthèsed'unfiltreRIF
Préparation
h(n)decefil tr e.Onprendracommeapplicat ion numériqueunefréquencedeco upure Fc=1kHz pourunefré quenced'é chantillonnageFe=8kHzetun!f=0.6Fc. Lega baritdufiltrepasse-basestdéfinicomme indiqué surlafiguredu1.(b). Onutiliserales options suivantesdel'appletJava_Filtrequicorresp ondentà3méthodesdi!érentesdesynthès e: -Synthèseselonlamét hodedefenêtrage. Leg abaritidéalH i )estéchan tillonné,et larép onseimpulsionnellecorresp ondanteh i (n)estcal culéepuistronquéesurunnom brefini d'échantillonsM.Cetteréponseestensuitemultipliéeparlafenêtrechoisie.Onobti enth(n)= h i (n).w(n).Lenombredecoe"cientsdufiltreestdonnéparlesestimationsvuesen cour s. -Synthèseparlaméthodede l'échan tillo nnagefréquentiel. -Synthèsebaséesurlamét hodedeParks-M acC lella n.C'estuneprocédureitérativ equi approximelafonctiondetransfert paru nesommed ecosinusj usqu'àconver gence.Lenombre depo intsdeh(n)estdonnépar : M pm !10log(!1!2)!1314.6!fTe
Lesdeuxfil tres obtenussontàréponses impulsionnellessymétriques.ManipulationsurJava_Filtre
-Observezetcomparezlescoe cientsobtenusparlestroisméthodesàpartir dela spécification dansJava_Filtrecorrespondantaugabarit. -Observezégalementlecomportementdelasynthèsepourd'autrestypesdefenêtr es.ManipulationssurMatlab
-ÉcrireleprogrammeMatlabpermettantdefairelasynthèse dufiltr eRIFH(z)parlamét hode dufenê tragepourdesfenêtresrectan gulaireetdeHa mming.Leprogrammedel'annexeDestàcompléter.
-Vis ualisezlaréponsefréquentie lleenm oduleetenphase,observezlaréponse impulsionnell e. -Étudiezl'influencedelafenêtresurlefiltrenumérique.Peuton mettreenévi dencelephéno- mènedeGibbs . -ÉcrireleprogrammeMatlabpermettantdefairelasynthèse dufiltr eRIFH(z)parlamét hode del' échantillonnagefréquentiel,enfaisantattentionàcequelefiltresoitàphaselinéaire. -Vér ifiezquelefiltrepas separles points fréquentielsspé cifiésen module etenphase. -Entrezlesspécificationspoursynthétiserunfiltrepassebandepuisunfi ltredérivateur. -utiliserl'outilfdatooletvér ifierlesrésultats44An alysespectrale
3Con volutionDiscrète
Soitlefiltr eh(n)définiàl afigur e2pour M=7,nousallonsétudierlefiltraged'unsignalx(n) dedurée Nlimitée,définip aruneconvolutiondiscrète y(n)= n i=0 h(i)x(n!i),n=0...N+M!1, aumoy endedeuxmétho des:une méthodetemporelledirectep uisun eméthodefréqu entielle rapide. 0Fig.2:Signalh(n)
x(n)estune impulsi onrectangulairedelongueurN=11. -ÉcrireleprogrammeMatlabréalisantlafonctiondec onvolu tiondansledomainete mporelà l'aideduprogramme del'annexe F.Lafonction conv(x,h)prend2vecteur sdel ongueurNetMetretour neunvecteurdelongueurN+M!1.
-ÉcrireleprogrammeMatlabréalisantlafonctiondec onvolu tiondansledomainefré quentiel parl'uti lisationdelafonctionFFT. -Vér ifierquelerésultat estident iqueda nslesdeuxcas. -Calculerprécisémentlescomplexitésdesdeuxapproches.Comparerlescomplexités desmé- thodesfréquentielleettemporellepou rdi4An alysespectrale
4.1Ét udedesfenêtres temporell es
-ÉtudiezlesréponsestemporellesetfréquentiellesdesfenêtresRectangulair e,Bartlett,Hamming,
Hanning,Blackmanàl'aid eduprogrammedel'annexeH. -Retrouvezlescaractéristiquesducours(largeurdulobeprincipal,atténuationdulobe secon- daire)etétudiezl'influence dunom bredepoints Ndelafenêtre.4.2An alysespectraled'unsigna lsinusoïdal
-Tracezlacaractéristiqueidéaleduspectred'unesinusoïdeécha ntillonnée.Onprendralesvaleurs
suivantes:fréquenced'échantil lonna geFe=300;fréquencedelasinusoïdeF 0 =50.L'analysespectraled'unsig nalnepeutenpratiques'e
ectuerquesur unnom brel imit édepoints.Onapp elledoncT
0 =N.Tl'horizond'observation dusignal.Lamultiplicationtemporelled u signalparunefenêtrede longueurT 0 impliqueuneconv olutiondansledomaine desfréquences. 5 -Donnerlesfinessesenfréquenceetenamplitudepourlesfenêtresrectangul aireetHamming pourN=32e tN= 256 . -ÉcrireleprogrammeMatlabréalisantl'analysespec traledecesignals inusoïdaldanslecas des fenêtresrectangulaireet HammingpourN=32etN=256. sin estunm ultipl eentierdel'horizon d'observation(T sin =K.T 0 =K.N.T). -ÉcrireleprogrammeMatlabréalisantl'analysespec traled'unsignalforméd elasommededeux sinusoïdesdefréquence50Hzet60Hz dansle casdesfenêtresrectangulaireetHammingpourN=32etN=256.
5D écimationetInterpolation
5.1Dé cimation
Ladécim ationd'unsignalconsisteàdiminuer safréquenced'échantillonnage.Cesignaldoitêtre
àbandeétroitepourrespecterlethéorèmed'échantillonnage.Ceci implique unfiltragepasseb as
avantl'opé rationdedécimation.N=192; n=0:1:N-1;
x= sin(2*pi*0.02*n)+sin(2*pi*0.09*n); -Étudiezlese etssurlespectred'unsignald'unedécimationpar 2puispar 4.On exprimerala décimationparMpar:y1=x(1:2:N); . -Uti lisezensuitelafonctio ndecimate(x,M)deMatlabquie!ectueen plusunfiltrage anti- repliementavantdécimation.Comparez aveclaversionsan sfiltrage. -Étudiezmaintenantlese etssurlespectred'unsignald'unedécima tionpar6.Expliquezle résultatobtenu.5.2In terpolation
L'interpolationd'unsignalconsisteàaugmentersafréquenced'éc hantillonnage.Lesdeuxprinci-palesméthodessont l'insertionde L!1zérosdanslar éponsetemp orelleréal isantuneinterpol a-
tionpar unfacteur#L(voircoursetfi gure3.a),etl'ajou tde Zzérosdansle domainefr équentiel impliquantuneinterpolationp arunfacteurL= N+Z N oùNestla tailledel aFFT(voirfigure3.b). ./01+(2(3450,
6728)
"28)$9&- ./01+(
2(3450,
6728)
"28)$9&- (a)In terpolationparinsertiondezérosetfi ltrage(b)In terpolationparTFD etajoutd ezé ros
Fig.3:Interpolation
-Apartirdusignalutilisédanslasection5.1déciméd'unfacteur4,r éalisez l'insertiondezéros
(élévateurdefréquence) etvérifiezson impactsurlespectr eselonlaméthodeprésentéeencours.
Onprendr aunfacteurd'in terp olationL=4.
5.3Ap plicationaufiltragepardécimation -interp olation
Laréa lisationdefiltresnumériquespeutêtresimplifiée par uneséri edetraitement sin terpolation-
filtrage-décimation.L'exempleleplusconnuestlefiltredelissageduCompactDis cquiréalise un