Aller au contenu
ELECTRONICS ENGINEERINGelectronics-engineering.com
Théorie du signal

Le théorème d'échantillonnage et le repliement

Échantillonnage idéal, le théorème de Nyquist-Shannon avec démonstration et reconstruction par sinus cardinal, repliement de spectre avec exemples, le filtre anti-repliement, suréchantillonnage et sous-échantillonnage.

https://www.electronics-engineering.com/fr/theoreme-d-echantillonnage-nyquist-repliement/

Pas encore de vote : soyez le premier à noter cette page.

Pour traiter un signal avec un ordinateur, il faut le transformer en une suite de nombres, en prenant sa valeur à intervalles réguliers : c’est l’échantillonnage. La question naturelle est de savoir si l’on perd quelque chose ainsi. Le théorème d’échantillonnage donne une réponse surprenante : si le signal est à bande limitée et qu’il est échantillonné assez vite, rien n’est perdu, et le signal original peut être reconstruit exactement. Dans cette leçon, nous le démontrons et nous voyons ce qui se passe quand les conditions ne sont pas remplies.

Échantillonnage idéal

Échantillonner x(t) avec la période T_s (fréquence d’échantillonnage f_s = 1/T_s) donne les valeurs x(nT_s). Pour les étudier avec la transformée de Fourier, on les représente comme un train d’impulsions pondérées :

    \[ x_s(t) = x(t)\sum_{n=-\infty}^{+\infty}\delta(t - nT_s) = \sum_n x(nT_s)\,\delta(t - nT_s) \]

Le théorème d’échantillonnage

Théorème (Nyquist-Shannon). Si X(f) = 0 pour |f| \gt B et f_s \gt 2B, le signal est déterminé par ses échantillons et se reconstruit par

    \[ x(t) = \sum_{n=-\infty}^{+\infty} x(nT_s)\,\mathrm{sinc}\!\left(\frac{t - nT_s}{T_s}\right) \]

Démonstration. Le train d’impulsions est périodique, de série de Fourier \sum_n \delta(t - nT_s) = \frac{1}{T_s}\sum_k e^{j2\pi kf_s t}. Multiplier x(t) par e^{j2\pi kf_s t} décale le spectre de kf_s, donc

    \[ X_s(f) = f_s\sum_{k=-\infty}^{+\infty} X(f - kf_s) \]

Le spectre du signal échantillonné est la somme de répliques du spectre original, centrées à tous les multiples de f_s. Si f_s \gt 2B, les répliques, larges chacune de 2B, ne se recouvrent pas : un filtre passe-bas idéal de coupure f_s/2 et de gain T_s isole la réplique centrale, c’est-à-dire X(f). Dans le temps, filtrer revient à convoluer avec la réponse impulsionnelle du filtre, qui est \mathrm{sinc}(t/T_s) ; convoluer chaque impulsion x(nT_s)\delta(t - nT_s) avec le sinus cardinal donne la formule. ∎

Spectre d'un signal échantillonné : répliques séparées et répliques qui se recouvrent
En haut le spectre du signal, de bande passante B. Au milieu le spectre après échantillonnage à une fréquence supérieure à 2B : des copies du spectre original centrées aux multiples de f_s, bien séparées. En bas, avec une fréquence d’échantillonnage inférieure à 2B, les copies se recouvrent et leur somme (en pointillés) ne permet plus de retrouver l’original : c’est le repliement.

La fréquence 2B s’appelle la fréquence de Nyquist. Chaque échantillon « porte » un sinus cardinal, et la somme des sinus cardinaux passe exactement par tous les échantillons et interpole entre eux.

Le repliement de spectre

Si f_s \lt 2B, les répliques se recouvrent et les composantes au-dessus de f_s/2 se replient dans la bande basse, se mélangeant aux composantes réelles : c’est le repliement (aliasing), et après l’échantillonnage il n’y a aucun moyen de les séparer. Une composante de fréquence f apparaît à la fréquence la plus proche |f - kf_s|, pour l’entier k approprié.

Exemple. Échantillonner un son pur de 30 kHz à 44,1 kHz donne les mêmes échantillons qu’un son de 44.1 - 30 = 14.1 kHz : un sifflement audible qui n’était pas dans l’original.

C’est le même phénomène qui fait paraître les roues des diligences tourner à l’envers dans les films : la caméra échantillonne à 24 images par seconde et une rotation trop rapide est « vue » comme une rotation lente.

L’échantillonnage en pratique

  • Filtre anti-repliement. Avant le convertisseur, un filtre passe-bas analogique supprime tout ce qui est au-dessus de f_s/2, bruit indésirable compris : une fois échantillonné, on ne peut plus l’éliminer.
  • Marge. Un filtre réel a une bande de transition, donc on échantillonne un peu au-dessus de 2B. Les CD audio échantillonnent à 44,1 kHz pour un signal allant jusqu’à 20 kHz : le filtre dispose de 20 à 22,05 kHz pour passer de transparent à bloquant.
  • Suréchantillonnage. Échantillonner bien plus vite que nécessaire permet d’avoir un filtre analogique simple, et le reste du filtrage se fait en numérique. Presque tous les convertisseurs audio modernes fonctionnent ainsi.
  • Reconstruction. Un convertisseur numérique-analogique maintient chaque échantillon constant jusqu’au suivant (bloqueur d’ordre zéro) : la sortie est un escalier, qu’un filtre passe-bas final lisse.

Échantillonner les signaux à bande étroite

Le théorème demande f_s \gt 2B où B est la fréquence la plus haute. Pour un signal passe-bande, par exemple un canal radio entre 100 et 101 MHz, une fréquence d’échantillonnage liée à la largeur de la bande (1 MHz) suffit en réalité, pourvu que les répliques tombent aux bons endroits : c’est le sous-échantillonnage, utilisé dans les radios logicielles. Sinon, on commence par décaler le signal autour de zéro avec un mélangeur, puis on l’échantillonne.

S’abonner
Notifier de
guest
1 commentaire
Le plus ancien
Plus récent Les plus votés
1
0
Vous avez apprécié cet article ? Merci de laisser un commentaire.x