Sie sind auf Seite 1von 18

ELEN0070-1 - Signal processing

Laboratory #3

FIR Filtering of Sinusoidal Waveforms


Academic Year 2010-2011
Ingénieur Civil Eletricité-Mécanique

E RIN K UCI ROY P OISSEROUX

18th November 2010


Sommaire

1 Frequency Response of the Three Point Averager 2


1.1 Period of the Frequency Response . . . . . . . . . . . . . . . . . . . . . 2
1.2 Frequency response of the Three Point Averager . . . . . . . . . . . . . . 3
1.3 Diagram of the frequency response . . . . . . . . . . . . . . . . . . . . . 4
1.4 Matlab Frequency Response . . . . . . . . . . . . . . . . . . . . . . . . 4

2 FIR Filters 5
2.1 First Difference Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Length of the filtered signal . . . . . . . . . . . . . . . . . . . . 5
2.1.2 Plot of the input/output signals . . . . . . . . . . . . . . . . . . . 6
2.1.3 Amplitude and phase of the input signal . . . . . . . . . . . . . . 6
2.1.4 Exception of the first sample y[0] . . . . . . . . . . . . . . . . . 6
2.1.5 Amplitude and phase of the output signal . . . . . . . . . . . . . 6
2.1.6 Frequency response of the filter . . . . . . . . . . . . . . . . . . 7
2.1.7 Linearity of the filter . . . . . . . . . . . . . . . . . . . . . . . . 8
2.1.8 Time-invariance of the filter . . . . . . . . . . . . . . . . . . . . 8
2.1.9 Cascading Two Systems . . . . . . . . . . . . . . . . . . . . . . 8

A AnnexeA 10

B AnnexeB 11

C AnnexeC 12

D AnnexeD 13

E AnnexeE 15

1
1 Frequency Response of the Three
Point Averager

1.1 Period of the Frequency Response


On peut montrer la périodicité de la réponse fréquentielle en mettant à l’entrée du
système un signal exponentiel complexe de fréquence Ω et un autre signal de fréquence
Ω + N . S’il existe un plus petit N que l’on note N0 qui assure l’égalité entre les sorties
relatives à chacune des entrées, alors la réponse fréquentielle du système est périodique
de période N0 .
Ainsi, si l’on nomme y1 et y2 les sorties correspondant à la première et seconde entrée,
on peut noter que

M −1
1 X jΩ(n−k)
y1 = ∗ e
M k=0
M −1
1 X −jΩk
= ( ∗ e ) ∗ ejΩn
M k=0
= H1 (ejΩ )ejΩn
M −1
1 X j(Ω+N )(n−k)
y2 = ∗ e
M k=0
M −1
1 X −j(Ω+N )k
= ( ∗ e ) ∗ ej(Ω+N )n
M k=0
= H2 (ejΩ )ej(Ω+N )n

Pour que H1 (ejΩ ) = H2 (ej(Ω+N ) ), il faut que ejΩn = ej(Ω+N )n . Cette condition s’ex-
prime encore comme
e0 = ejN n
ou encore pour n=1, on a l’égalité des arguments

N = k2π

,pour k entier positif. On déduit la période de la réponse fréquentielle pour k=1 ;

N0 = 2π

En conclusion, la réponse fréquentielle du système « Three point Averager »est pério-


dique de période 2π.

2
1.2 Frequency response of the Three Point Averager
La première méthode consiste à mettre un signal complexe imaginaire en entrée du
système et isoler ensuite la réponse fréquentielle à sa sortie.
M −1
1 X jΩ(n−k)
y = ∗ e
M k=0
M −1
1 X −jΩk
= ( ∗ e ) ∗ ejΩn
M k=0
= H(ejΩ )ejΩn

On voit donc que le système restitue le signal d’entrée mais à un facteur multiplicatif près.
Il s’ensuit que le signal ejΩn est un vecteur propre du système dont la réponse fréquentielle
est donnée par
M −1
jΩ 1 X −jΩk
H(e ) = ∗ e (1.1)
M k=0
La deuxième méthode consiste à mettre une impulsion de dirac à l’entrée du système. De
cette manière, sa sortie s’identifie à sa réponse impultionelle. Il suffit alors de prendre la
DCFT de cette dernière pour obtenir la réponse fréquentielle du système. Si l’on procède
à ces étapes dans l’ordre énoncé, on obtient la réponse impultionnelle
M −1
1 X
y[n] ≡ h[n] = ∗ δ[n − k]
M k=0

On prend alors la transformée de Fourier Discrete to continuos time de h[n] pour obtenir
la réponse fréquentielle.
+∞
X
jΩ
H(e ) = h[l]e−jΩl
l=−∞
PM −1
En insérant h[l] = M1 ∗ k=0 δ[l − k], on permute les deux sommes et on applique la
propriété de sifting propre à l’impulsion de dirac. On obtient alors
M −1
1 X −jΩk
H(ejΩ ) = ∗ e (1.2)
M k=0

qui est bien le résultat 1.1 obtenu par la première méthode.


En remarquant que la relation 1.1 n’est autre qu’une série géométrique, on peut obtenir
une expression analytique de la réponse fréquentielle du système.
M −1
jΩ 1 X −jΩ k
H(e ) = ∗ (e )
M k=0
1 1 − e−jΩM
=
M 1 − e−jΩ
1 e−jΩM/2 ejΩM/2 − e−jΩM/2
= [ ] jΩ/2
M e−jΩ/2 e − e−jΩ/2
1 sin(πΩM/(2π)) −j(Ω/2)(M −1)
= e
M sin(πΩ/(2π))

3
On peut faire alors apparaître la fonction sinc(x) ≡ sin(xπ)

en multipliant et divisant par
les arguments des sinus. La fonction de transfert s’exprime alors comme suit
M
jΩ sinc(Ω 2π ) −j Ω (M −1)
H(e ) = 1 e
2
sinc(Ω 2π )

1.3 Diagram of the frequency response


Le graphique de l’amplitude et de la phase de la réponse fréquentielle se trouve dans
l’annexe A.

1.4 Matlab Frequency Response


La réponse fréquentielle que nous avons calculé et l’implémentation directe donne
exactement le même résultat.

4
2 FIR Filters

2.1 First Difference Filter


2.1.1 Length of the filtered signal
De manière générale, le vecteur xx comporte L éléments. L’indice du premier et der-
nier élément est donné respectivement par N0 et N1 . On peut exprimer L comme étant

L = N1 − N0 + 1

Dans le même ordre d’idées, le vecteur bb comporte M éléments. Si l’on note par N3 et
N2 l’indice du dernier élément et du premier élément de bb, on peut dire que

M = N3 − N2 + 1

Le vecteur yy possède Y éléments. L’indice du premier et dernier d’entre eux est respec-
tivement donné par N4 et N5 . D’autre part, yy est obtenu en convoluant les vecteurs xx et
bb. On a alors l’ expression suivante :

N4 = N0 + N2
N5 = N1 + N3

eqnarray*)
On déduit alors la taille Y du vecteur yy en fonction des tailles du vecteur xx et bb.

Y = N5 − N4 + 1
= N1 + N3 − N0 − N2 + 1
= (N1 − N0 + 1) + (N3 − N2 + 1) − 1
= M +L−1

De manière générale, le vecteur yy comporte un nombre d’éléments égal à la somme du


nombre d’élements de xx et bb diminué d’une unité ; i.e.

Y =M +L−1 (2.2)

Dans le cas particulier du projet,


– M=2 puisque bb=[5 -5]
– L=50 puisque le vecteur xx comporte 50 éléments
On déduit grâce à 2.2 le nombre d’éléments Y que comporte le vecteur yy.

Y = 50 + 2 − 1 = 51

Soit 51 éléments.

5
2.1.2 Plot of the input/output signals
Le diagramme se trouve à l’annexe B.

2.1.3 Amplitude and phase of the input signal


Pour déterminer l’amplitude du signal entrant, nous regardons son maximum. Nous
voyons clairement que ce dernier vaut 7, ce qui correspond au facteur multiplicatif A.
Pour déterminer la valeur de la phase φx du signal, nous relevons la valeur du premier
échantillon du vecteur x sur le graphique. Celle-ci vaut : x[0] = A ∗ cosφx . En retournant
l’équation nous obtenons

φx = arccos(x[0]/A) = 1.047197551 = π/3[rad]

2.1.4 Exception of the first sample y[0]


Si l’on considère l’équation d’entrée-sortie du système pour n = 0, on a

y[0] = 5x[0] − 5x[−1]

,or x[-1] n’existe pas dans la mémoire de l’ordinateur. Il s’ensuit que pour n=0, Matlab
calcule
y[0] = 5x[0]
Si l’on utilise les valeurs fournies dans l’énoncé,

y[0] = 5 ∗ 7cos(0 + π/3) = 17, 5

ce qui correspond bien à la valeur que calcule Matlab.

2.1.5 Amplitude and phase of the output signal


L’amplitude du signal de sortie du filtre est déterminée à partir de sa valeur maximale.
Nous voyons clairement que ce dernier vaut 13.62, ce qui correspond à l’amplitude de y.
La phase φy du signal y est déterminée à partir du déphasage φx entre le signal d’entrée
x et le signal de sortie y. Soit,

∆φ = φy − φx = Ω ∗ retard

; où retard est le nombre d’échantillons d’écart entre le signal x et y. Graphiquement,


on peut constater qu’un maximum de y est séparé de trois échantillons par rapport au
maximum succesif de x. La variable retard prend alors la valeur 3. Nous avons donc
∆φ = 0.125 ∗ π ∗ 3 = (3/8) ∗ π[rad]. Dès lors, nous pouvons déduire

φy = ∆φ + φx = (17/24) ∗ π[rad]

6
2.1.6 Frequency response of the filter
On commence par calculer la réponse impultionnelle du système, en mettant à son
entrée une impulsion de dirac. Selon l’équation entrée-sortie du système, sa réponse est
donnée par
h[n] = 5δ(n) − 5δ(n − 1)
On peut dès lors, prendre la DCFT pour en déduire la réponse fréquentielle du système.
Il vient ainsi,
+∞
X
jΩ
H(e ) = h[l]e−jΩl
l=−∞
+∞
X
= (5δ(l) − 5δ(l − 1))e−jΩl
l=−∞
+∞
X +∞
X
= 5 δ(l)e−jΩl − 5 δ(l − 1))e−jΩl
l=−∞ l=−∞
0 −jΩ
= 5e − 5e , sif ting
e − e−jΩ/2
jΩ/2
= 5e−jΩ/2 ( )2j
2j
Ω Ω
= j10sin( )e−j 2
2
On doit alors déduire l’amplitute et la phase de H(ejΩ ).
Son amplitude est donnée par
1
||H(ejΩ )|| = [H(ejΩ ) ∗ H̄(ejΩ )] 2
Ω Ω Ω Ω 1
= [(j10sin( )e−j 2 ) ∗ (−j10sin( )ej 2 ] 2
2 2
Ω Ω Ω 1
= [102 sin( )2 ej( 2 − 2 ) ] 2
2

= 10sin( )
2

Son déphasage est donnée par


Ω Ω
∠H(ejΩ ) = ∠(j10sin( )) + ∠(e−j 2 )
2
π Ω
= −
2 2

Par conséquent, dans le cas particulier où Ω = 0.125 ∗ π = Ω0 , on peut caluler la


phase et l’amplitude de la réponse fréquentielle :
– ||H(ejΩ0 )|| = 1.95
– ∠H(ejΩ0 ) = 1.5[rad]

7
On voit donc que le signal d’entrée x verra son amplitude multipliée par 1.95 en sortant
du filtre. En outre, x subit un déphasage de 1.5 rad.
Ces résultats concordent avec les résultats trouvés dans le domaine temporel puisque
d’une part, Ampy = 1.95 ∗ Ampx ,où Ampx (respectivement Ampy ) représentent l’am-
plitude de x (respectivement l’amplitude de y). D’autre part, le déphasage entre l’entrée
et la sortie vaut approximativement ∆φ = (3/8) ∗ π[rad] ≈ 1.5[rad].

2.1.7 Linearity of the filter


On voit que la réponse yc diffère de ya + yb de l’ordre de 10−14 . On peut dire que les
deux solutions sont égales. Il s’ensuit que le système est linéaire.

2.1.8 Time-invariance of the filter


Par définition de l’équation entrée-sortie du système, pour l’entée x, la sortie est don-
née par
y[n] = 5x[n] − 5x[n − 1]
.On a donc le couple entrée-sortie (x[n], y[n]). Pour l’entrée xx décallée de trois échan-
tillons, la sortie correspondante est donnée par

ys [n] = 5x[n − 3] − 5x[n − 4] = y[n − 3]

. On a donc le couple entrée sortie (x[n−3], y[n−3]). Le système est donc temps invariant.
Il faut donc décaller ys de 3 échantillons pour obtenir y[n].
Note : Au-delà de ces manipulations, nous pouvons constater que l’on se trouve en
présence d’un système Linéaire Temps Invariant (LTI). En réalité, ceci peut être démontré
lors du calcul de la réponse fréquentielle du système. En effet, en mettant une exponen-
tielle imaginaire à l’entrée du système, on retrouve la même exponetille en sortie, mais
multipliée par la réponse fréquentielle qui contient l’information sur l’amplitude et la
phase de la sortie pour une fréquence donnée. Ceci étant propre aux systèmes LTI.

2.1.9 Cascading Two Systems


Plot of x[n],w[n],y[n]
Le graphique de ces signaux se trouve à l’annexe C.

Sketch of the spectrum of x[n],w[n],y[n]


Les graphiques se trouvent à l’annexe D.

Signal w[n]
On « observe »des fréquences additionelles car w[n] oscille deux fois plus vite que
x[n].

Signal w[n] passes through the first difference filter


On peut voir que l’on peut décomposer w[n] en une composante continue wDC (i.e.
de fréquence nulle) et une composante alternatve wAC . Par application du principe de su-
perposition, le signal de sortie du filtre est la somme des réponses de chaque composante
de w[n].

8
On peut identifier la composante continue et alternative de w[n]. En effet,

A2 A2
w[n] = 1 + cos(2 ∗ Ω0 n + 2 ∗ φ0 )
2
|{z} |2 {z }
wDC wAC

Replacing the First-order FIR by Second-order FIR


On peut remarquer sur le diagramme de l’annexe E que la sortie du filtre pour w[n] =
ej0,25n est une constante. Le filtre de second ordre a donc supprémé la composante alter-
native de w[n].
Le calcul de la sortie y2 [n], ainsi que son spectre se trouvent également dans l’annexe
E.

9
A AnnexeA

10
B AnnexeB

F IGURE B.1 – Input/Output of the First Difference Filter

11
C AnnexeC

F IGURE C.1 – Signals of 2 cascading Systems : Plot of x[n],w[n],y[n]

12
D AnnexeD

13
14
E AnnexeE

F IGURE E.1 – Effect of the second order Fir Filter

F IGURE E.2 – Effect of the second order Fir Filter

15
F IGURE E.3 – Effect of the second order Fir Filter

16
Table des figures

A.1 Réponse fréquentielle H(ejΩ ) . . . . . . . . . . . . . . . . . . . . . . . . 10

B.1 Input/Output of the First Difference Filter . . . . . . . . . . . . . . . . . 11

C.1 Signals of 2 cascading Systems : Plot of x[n],w[n],y[n] . . . . . . . . . . 12

E.1 Effect of the second order Fir Filter . . . . . . . . . . . . . . . . . . . . . 15


E.2 Effect of the second order Fir Filter . . . . . . . . . . . . . . . . . . . . . 15
E.3 Effect of the second order Fir Filter . . . . . . . . . . . . . . . . . . . . . 16

17