PT Lycée Benjamin Franklin Novembre 2021
HP: Démonstration du théorème de Shannon par les produits de convolutions (cf Chapitre Ec1)
Page 34 Chapitre II. Échantillonnage et quantification
1 Échantillonnage
Théorème 1 Théorème de Shannon
Lorsqu’un signal x(t) a un spectre à support borné [X(f ) = 0 pour
|f
|> f
max], il est possible d’échan- tillonner ce signal sans perdre d’information : il suffit pour cela de choisir une fréquence d’échantillonnage f
e> 2 f
max. On pourra alors reconstruire x(t) parfaitement à partir des échantillons x(nT
e), avec T
e= 1 /f
e.
1.1 Première démonstration du théorème de Shannon
Cette première démonstration ne nécessite pas l’utilisation de la notion de distribution mais elle est assez lourde.
Soit un signal x(t) dont le spectre est
àsupport borné, c’est-à-dire que sa transformée de Fourier X (f) est telle que X(f ) = 0 pour
|f
|> f
max.
t x(t)
f
| X(f)|
f
max-f
maxOn fabrique le signal X
R(f )
àpartir de X(f ) en répétant X (f) avec la période F
≥2 f
max.
-F -f
maxf
maxF f
|X
R(f)|
0
X
R(f )
étant périodique de périodeF , on peut calculer sa série de Fourier.
X
R(f ) =
+∞!n=−∞
C
ne
−j2πnFf, (II.1)
avec C
n= 1 F
F
"2
−F2
X
R(f )e
j2πnFfdf
pour f
∈#
−
F 2 , F
2
$
X
R(f ) = X(f )
D’où C
n= 1 F
+F2
"
−F2
X (f )e
j2πnFfdf = 1 F
+∞
"
−∞
X(f )e
j2πnFfdf
On reconnaît ici la transformée de Fourier inverse de X(f ), c’est-à-dire x(t), calculée au point t =
Fn:
C
n= 1 F x
%
n
F
&
1. Échantillonnage Page 35
et en remplaçantCnpar sa valeur dans l’expression (II.1) : XR(f) = +∞!
n=−∞
1 Fx
"n F
#
e−j2πnFf
Ainsi X(f) =
$ XR(f) si f∈%−F2,F2&
0 ailleurs
X(f)est donc parfaitement défini par la connaissance des valeurs dex(t)aux instantst=Fn. Il en est de même dex(t). Le théorème de Shannon est ici démontré.
Explicitons la relation liantx(t)et les valeursx(Fn):
x(t) =
+∞'
−∞
X(f)ej2πf tdf =
+F2
'
−F2
XR(f)ej2πf tdf = 1 F
+F2
'
−F2
( +∞
!
n=−∞
x
"n F
#
e−j2πnFf )
ej2πf tdf
Soit : x(t) = 1 F
+∞
!
n=−∞
x
"n F
#
+F2
'
−F2
ej2πf(t−nF)df
x(t) = F1 +∞*
n=−∞
x+Fn,sinc+F+t− Fn,, Oùl’on note :
sinc(x) = sin(πx) πx
En résumé, siF >2fmax, la connaissance de la suitex(n/F)est suffisante pour déterminer parfaitementx(t) ouX(f)et :
x(t) = F1 +*∞
n=−∞x+Fn,sinc+F+t− Fn,, X(f) =
⎧
⎨
⎩
+∞
*
n=−∞
1
Fx+Fn,e−j2πnFf si |f|≤ fmax
0 ailleurs
1.2 Seconde démonstration du théorème de Shannon Cette démonstration utilise la notion de distribution.
t x(t)
f
| X(f)|
f
max-f
maxLe signalx(t)échantillonné àla fréquencefe= 1/Tepeutêtre représentépar la distributionxe(t): xe(t) =
+∞
!
n=−∞
x(nTe)δ(t−nTe) =x(t)
+∞
!
n=−∞
δ(t−nTe).
La transformée de Fourier de cette distribution estXe(f): Xe(f) =X(f)∗T F
( +∞
!
n=−∞
δ(t−nTe)
Page 36 Chapitre II.) Échantillonnage et quantification
La théorie des distributions (lemme de Poisson) permet de montrer que : T F
! +∞
"
n=−∞
δ(t−nTe)
#
= 1 Te
+∞"
n=−∞
δ(f− n Te)
(voir démonstration au paragraphe suivant) ce que l’on formule généralement par : la transformée de Fourier d’un peigne d’impulsions de Dirac est un peigne d’impulsions de Dirac.
T
e1/T
e1
1/Te
t f
Xe(f) = 1 Te
+∞
"
n=−∞
X(f)∗δ
$ f− n
Te
%
= 1 Te
+∞
"
n=−∞
X
$ f− n
Te
% .
La transformée de Fourier de la distributionXe(t)est donc une distributionXe(f)périodique, de période1/Te.
1/T
e2/T
ef -1/T
e|X
e(f)|
Deux cas peuvent se présenter suivant la valeur deTe:
•1er cas :
1
Te ≤ 2fmax
On a alors recouvrement de spectre, "aliasing" dans la littérature anglo-saxone, et il est généralement impossible de recontruire le signal de départ sans erreur :
1/T
e2/T
ef -1/T
e|X
e(f)|
f 1/T
e2/T
e|X
e(f)|
Page 36 Chapitre II. Échantillonnage et quantification
La théorie des distributions (lemme de Poisson) permet de montrer que : T F
! +∞
"
n=−∞
δ(t−nTe)
#
= 1 Te
+∞"
n=−∞
δ(f− n Te)
(voir démonstration au paragraphe suivant) ce que l’on formule généralement par : la transformée de Fourier d’un peigne d’impulsions de Dirac est un peigne d’impulsions de Dirac.
T
e1/T
e1
1/Te
t f
Xe(f) = 1 Te
+∞"
n=−∞
X(f)∗δ
$ f− n
Te
%
= 1 Te
+∞"
n=−∞
X
$ f− n
Te
% .
La transformée de Fourier de la distributionXe(t)est donc une distributionXe(f)périodique, de période1/Te.
1/T
e2/T
ef -1/T
e|X
e(f)|
Deux cas peuvent se présenter suivant la valeur deTe:
•1ercas :
1
Te ≤ 2fmax
On a alors recouvrement de spectre, "aliasing" dans la littérature anglo-saxone, et il est généralement impossible de recontruire le signal de départ sans erreur :
1/T
e2/T
ef -1/T
e|X
e(f)|
f 1/Te 2/Te
|Xe(f)|
1. Échantillonnage Page 37
• 2mecas :
1
Te >2fmax
-1/T
e0 1/T
e f|
X
e(f)|
f
max-f
maxIl n’y a pas de recouvrement de spectre,TeXe(f)etX(f)coïncident entre−1/2Teet1/2Te.
Pour reconstruirex(t)àpartir dexe(t), il suffit alors de faire passerxe(t)dans unfiltre passe-bas idéal de fonction de transfertH(f):
H(f) =Terect
!f fe
"
fe
1/2Te
-1/2Te
Te H(f)
f
La sortiey(t)de cefiltre passe-bas vérifie :
Y(f) =H(f)Xe(f) =X(f), c’est-à-dire :
y(t) =x(t)
Le théorème de Shannon est ici démontré, on peut reconstruire parfaitement x(t)àpartir du signaléchan- tillonnéxe(t).
Explicitons la relation liantx(t)et leséchantillonsx(nTe): y(t) = x(t)
y(t) = xe(t)⋆h(t)
h(t) = T F I((H(f)) =feTesinc (fet) = sinc (fet) y(t) = +#∞
n=−∞
x(nTe)δ(t−nTe)⋆sinc (fet)
y(t) = +#∞
n=−∞
x(nTe)sinc (fe(t−nTe))
x(t) = y(t) = +#∞
n=−∞
x(nTe)sinc (fe(t−nTe))
Exercice 1 :Soitx(t) = 2cos(2πf0t)échantillonné àfe = 4f0. Calculer la transformée de Fourier du signaléchantillonnéxe(t).