Sciences de l'ingénieur1ère

Types de signaux
(Analogique vs Numérique)
Exercices corrigés

Maîtrisez les types de signaux analogiques et numériques : définitions, conversions, quantification, et 5 exercices détaillés pour comprendre les principes fondamentaux.

Concepts & Exercices
\(V_{num} = \left\lfloor \frac{V_{analog}}{V_{ref}} \cdot 2^n \right\rfloor\)
Conversion analogique-numérique
Quantification
\(Q = \frac{V_{ref}}{2^n}\)
Résolution d'un CAN
Erreur de quantification
\(e_q \leq \frac{Q}{2}\)
Erreurs de conversion
Théorème de Shannon
\(f_e \geq 2 \cdot f_{max}\)
Fréquence d'échantillonnage
🎯
Signal analogique : Grandeur continue variant de manière continue dans le temps.
🔢
Signal numérique : Suite discrète de valeurs binaires représentant une grandeur.
🔄
Conversion : Processus de transformation entre les deux types de signaux.
Exercice 1
Analyser un signal analogique : identifier amplitude, fréquence, phase.
Exercice 2
Convertir un signal analogique en signal numérique : échantillonnage et quantification.
Exercice 3
Déterminer la résolution d'un convertisseur analogique-numérique.
Exercice 4
Analyser les effets de l'échantillonnage sur un signal : repliement spectral.
Exercice 5
Comparer les avantages et inconvénients des signaux analogiques et numériques.
Corrigé : Exercices 1 à 3
1 Analyse d'un signal analogique
Définition :

Signal analogique : Signal continu dans le temps et l'amplitude, pouvant prendre une infinité de valeurs.

Méthode d'analyse :
  1. Identifier la nature périodique ou non du signal
  2. Déterminer l'amplitude maximale et minimale
  3. Calculer la période et la fréquence
  4. Identifier la phase si applicable
  5. Représenter le signal mathématiquement
🎯
Caractéristiques : Amplitude, période, fréquence, phase, forme d'onde
📊
Exemple : \(s(t) = A \sin(2\pi ft + \phi)\) avec A=amplitude, f=frequence, φ=phase
Étape 1 : Identification de la forme

Observer la forme d'onde sur l'oscilloscope ou le graphique :

  • Sinusoïdale : \(s(t) = A \sin(2\pi ft + \phi)\)
  • Triangulaire : forme triangulaire avec pentes linéaires
  • Créneau : alternance entre deux niveaux
Étape 2 : Mesure de l'amplitude

Déterminer les valeurs maximales et minimales :

  • \(A = \frac{V_{max} - V_{min}}{2}\) pour une onde symétrique
  • \(A = V_{max} - V_{offset}\) pour une onde décalée
Étape 3 : Calcul de la période

Mesurer le temps entre deux points identiques :

  • \(T\) = durée d'un cycle complet
  • \(f = \frac{1}{T}\) = fréquence en Hz
Étape 4 : Calcul des paramètres

Pour un signal sinusoïdal : \(s(t) = 5\sin(2\pi \cdot 1000 \cdot t + \frac{\pi}{4})\)

  • Amplitude : 5V
  • Fréquence : 1000 Hz
  • Période : 1 ms
  • Phase : π/4 radians
Réponse finale :

Le signal analogique est complètement caractérisé par ses paramètres temporels et spatiaux.

Règles appliquées :

• Continuité : Le signal analogique varie continuellement dans le temps

• Précision : Peut théoriquement atteindre une infinité de valeurs

• Sensibilité : Sensible aux perturbations et bruits

2 Conversion analogique-numérique
Définition :

Conversion AN : Processus de transformation d'un signal analogique en une suite de valeurs numériques discrètes.

🎯
Processus : Échantillonnage → Quantification → Codage binaire
📊
Paramètres : Fréquence d'échantillonnage, nombre de bits de quantification
Étape 1 : Échantillonnage

Prélèvement de valeurs à intervalles réguliers :

  • \(t_n = n \cdot T_e\) avec \(T_e = \frac{1}{f_e}\)
  • Selon Shannon : \(f_e \geq 2 \cdot f_{max}\)
Étape 2 : Quantification

Affectation de valeurs discrètes aux échantillons :

  • \(Q = \frac{V_{ref}}{2^n}\) = pas de quantification
  • \(V_{num} = \left\lfloor \frac{V_{analog}}{Q} \right\rfloor \cdot Q\)
Étape 3 : Codage

Conversion en code binaire sur n bits :

  • \(Code = \left\lfloor \frac{V_{analog}}{V_{ref}} \cdot (2^n - 1) \right\rfloor\)
  • Pour un signal compris entre 0V et 5V sur 8 bits
Étape 4 : Exemple de conversion

Soit \(V_{analog} = 3.2V\), \(V_{ref} = 5V\), \(n = 8\) bits :

  • Quantification : \(V_{num} = \left\lfloor \frac{3.2}{5} \cdot 255 \right\rfloor = \left\lfloor 163.2 \right\rfloor = 163\)
  • Code binaire : 10100011
  • Valeur réelle : \(163 \cdot \frac{5}{255} = 3.196V\)
Réponse finale :

La conversion AN introduit une erreur de quantification mais permet le traitement numérique.

Règles appliquées :

• Shannon : Fréquence d'échantillonnage ≥ 2 fois la fréquence maximale

• Quantification : Erreur comprise entre -Q/2 et +Q/2

• Résolution : Augmente avec le nombre de bits (2^n niveaux possibles)

3 Résolution d'un convertisseur AN
Définition :

Résolution d'un CAN : Plus petite variation détectable du signal d'entrée, déterminée par le nombre de bits.

🎯
Formule : \(R = \frac{V_{ref}}{2^n}\) où n est le nombre de bits
📊
Précision : Inversement proportionnelle à la résolution
Étape 1 : Comprendre la résolution

La résolution détermine la finesse de la conversion :

  • Pour un CAN 8 bits : 256 niveaux possibles
  • Pour un CAN 12 bits : 4096 niveaux possibles
  • Pour un CAN 16 bits : 65536 niveaux possibles
Étape 2 : Calcul de la résolution

Soit un CAN 10 bits avec \(V_{ref} = 10V\) :

  • \(R = \frac{10}{2^{10}} = \frac{10}{1024} = 9.77 mV\)
  • Cela signifie que le CAN distingue des variations de 9.77 mV
Étape 3 : Influence du nombre de bits

Comparaison pour une plage de 0 à 5V :

  • 8 bits : \(R = \frac{5}{256} = 19.5 mV\)
  • 12 bits : \(R = \frac{5}{4096} = 1.22 mV\)
  • 16 bits : \(R = \frac{5}{65536} = 76.3 \mu V\)
Étape 4 : Application pratique

Pour mesurer une tension avec une précision de 1 mV :

  • Plage de mesure : 0 à 5V
  • Nombre de niveaux nécessaires : \(n = \log_2(\frac{5}{0.001}) = \log_2(5000) \approx 13\)
  • Il faut donc un CAN de 13 bits minimum (généralement 14 ou 16)
Étape 5 : Calcul de l'erreur relative

Pour un signal de 3V mesuré avec un CAN 12 bits (0-5V) :

  • Résolution : \(R = \frac{5}{4096} = 1.22 mV\)
  • Erreur absolue maximale : \(\frac{R}{2} = 0.61 mV\)
  • Erreur relative : \(\frac{0.61}{3000} = 0.02\%\)
Réponse finale :

La résolution d'un CAN détermine sa capacité à distinguer de petites variations de signal.

Règles appliquées :

• Bits de précision : Plus de bits = meilleure résolution

• Échelle de mesure : La plage d'entrée affecte la résolution

• Erreur de quantification : Toujours ≤ R/2

Corrigé : Exercices 4 à 5
4 Effets de l'échantillonnage
Définition :

Repliement spectral : Phénomène de superposition de spectres lors d'un échantillonnage insuffisant.

🎯
Effet : Les fréquences supérieures à fe/2 apparaissent à des fréquences inférieures
📊
Conséquence : Distorsion du signal original
Étape 1 : Théorème de Shannon-Nyquist

Condition nécessaire pour éviter le repliement :

  • \(f_e > 2 \cdot f_{max}\)
  • Où \(f_e\) est la fréquence d'échantillonnage
  • Et \(f_{max}\) est la fréquence maximale du signal
Étape 2 : Calcul de la fréquence de repliement

Si \(f > f_e/2\), la fréquence apparente devient :

  • \(f_{apparente} = |f - n \cdot f_e|\) avec n entier
  • Exemple : \(f = 7kHz\), \(f_e = 10kHz\) → \(f_{apparente} = |7 - 10| = 3kHz\)
Étape 3 : Filtrage anti-repliement

Utilisation d'un filtre passe-bas avant l'échantillonnage :

  • Coupe les fréquences > \(f_e/2\)
  • Typiquement un filtre actif ou RC
Étape 4 : Exemple de calcul

Signal audio avec composantes jusqu'à 20 kHz :

  • Fréquence d'échantillonnage CD : 44.1 kHz
  • Fréquence de Nyquist : 22.05 kHz
  • Fréquence de coupure du filtre : 20 kHz
Étape 5 : Conséquences pratiques

Effets du sous-échantillonnage :

  • Distorsion du signal
  • Apparition de fréquences fantômes
  • Perte d'information irrécupérable
Réponse finale :

Le respect du théorème de Shannon est crucial pour éviter le repliement spectral.

Règles appliquées :

• Suréchantillonnage : Fréquence d'échantillonnage supérieure à 2×fm pour sécurité

• Filtrage préalable : Nécessaire pour limiter le spectre du signal

• Reconstruction : Utilisation d'un filtre de reconstruction après conversion NA

5 Avantages et inconvénients
Définition :

Comparaison AN/N : Analyse comparative des caractéristiques des signaux analogiques et numériques.

🎯
Objectif : Comprendre les compromis entre les deux types de signaux
📊
Application : Choix du type de signal en fonction de l'application
Étape 1 : Avantages du signal analogique

Caractéristiques positives :

  • Représentation continue de l'information
  • Pas de perte d'information due à la quantification
  • Moins de complexité de traitement
  • Réponse en temps réel immédiate
Étape 2 : Inconvénients du signal analogique

Limitations :

  • Sensible aux perturbations et bruits
  • Difficile à stocker sans dégradation
  • Problèmes de reproduction fidèle
  • Limitations en précision
Étape 3 : Avantages du signal numérique

Caractéristiques positives :

  • Immunité au bruit et aux interférences
  • Facilité de stockage et de transmission
  • Capacité de traitement complexe
  • Possibilité de correction d'erreurs
Étape 4 : Inconvénients du signal numérique

Limitations :

  • Perte d'information due à l'échantillonnage
  • Nécessite conversion (AN/NA) coûteuse
  • Retard de traitement possible
  • Complexité de synchronisation
Étape 5 : Applications appropriées

Choix en fonction du contexte :

  • Analogique : capteurs, amplificateurs, circuits de puissance
  • Numérique : processeurs, communications, stockage
  • Hybride : la plupart des systèmes modernes
Réponse finale :

Le choix entre analogique et numérique dépend des exigences spécifiques de l'application.

Règles appliquées :

• Compromis : Choisir selon les besoins en précision, bande passante, coût

• Hybridation : La plupart des systèmes combinent les deux types

• Évolution : Tendance vers l'utilisation majoritaire du numérique

Cours bien détaillé
\(V_{num} = \left\lfloor \frac{V_{analog}}{V_{ref}} \cdot (2^n - 1) \right\rfloor\)
Codage d'un signal AN
🎯
Définition : Les signaux portent l'information sous forme électrique, optique ou autre.
📏
Classification : Selon la nature de la variable indépendante (temps) et dépendante (amplitude).
⚙️
Conversion : Processus de transformation entre les domaines analogique et numérique.
📊
Applications : Télécommunications, traitement du signal, instrumentation.
💡
Conseil : Toujours respecter le critère de Shannon lors de l'échantillonnage
🔍
Attention : Ne pas négliger les erreurs de quantification dans les mesures précises
⚡
Astuce : Utiliser des filtres anti-repliement pour protéger contre le bruit
📋
Méthode : Toujours spécifier la plage de mesure et le nombre de bits d'un CAN
✅
Vérification : Comparer les performances analogiques et numériques pour chaque application
🔄
Important : Comprendre les compromis entre précision, vitesse et coût
Méthodes de conversion :
  • AN (ADC) : Successive approximation, intégration, flash
  • NA (DAC) : Réseau R-2R, courant pondéré, sigma-delta
  • Échantillonnage : Critère de Shannon, anti-repliement
  • Quantification : Linéaire, non-linéaire, adaptative
  • Correction d'erreur : Calibration, compensation
Règles importantes :
  • La conversion AN introduit une erreur de quantification toujours ≤ Q/2
  • Le théorème de Shannon impose \(f_e \geq 2 \cdot f_{max}\)
  • La résolution d'un CAN est \(R = \frac{V_{ref}}{2^n}\)
  • Les signaux numériques sont plus robustes face au bruit
  • La bande passante augmente avec le nombre de bits transmis
Concepts clés :
🔍
Échantillonnage : Prélèvement de valeurs à intervalles réguliers dans le temps.
📊
Quantification : Discrétisation de l'amplitude en niveaux finis.
🔄
Repliement : Superposition de spectres dus à un échantillonnage insuffisant.
🎯
Résolution : Plus petite variation détectable par le système.
Types de signaux (analogique, numérique) Signaux et transmission