Introduction : Pourquoi la fonction cosine compte dans le DSP

Le traitement numérique des signaux (DSP) est l'épine dorsale de l'électronique moderne, depuis l'annulation du bruit dans votre casque jusqu'à la compression d'image dans votre appareil photo smartphone. Chaque signal réel, une fois numérisé, doit être analysé, filtré, comprimé ou transmis. Au cœur de ces opérations se trouve un petit ensemble d'outils mathématiques, et parmi lesquels la fonction cosine occupe un rôle central. Sa périodicité, son orthogonalité avec des propriétés sinusoïdales et des propriétés de compacting énergétique remarquables le rendent indispensable pour l'analyse de fréquence, la conception de filtre, la compression de données et la modulation.

Fondation mathématique : la fonction Cosine

La fonction de cosinus est définie comme la coordination x d'un point du cercle de l'unité, produisant une forme d'onde régulière et lisse avec période . Dans le traitement des signaux à temps discret, nous travaillons avec des séquences de la forme , où est la fréquence angulaire normalisée des radians par échantillon. Parce que les cosines sont des fonctions égales (), elles simplifient les dérivations et sont plus faciles à calculer que les sinus lorsque l'alignement en phase zéro est nécessaire. L'orthogonalité des fonctions de cosinus sur un intervalle fini—] pour —est la base de la transformation discrete de la cosine (DCT) et de nombreux autres transformations.

Dans le matériel numérique, les cosines peuvent être générées efficacement par des tables de recherche (LUT) avec interpolation linéaire, approximations polynômes (polynômes Chebyshev, série Taylor), ou des algorithmes récursifs tels que l'algorithme Goertzel ou l'oscillateur à deux états. La forme analytique bien comprise de la cosine permet aux ingénieurs de précalculer des valeurs avec des limites d'erreur connues, ce qui est critique pour les systèmes en temps réel avec des ressources informatiques limitées. Wikipedia , Aperçu DSP- Oui.

Cosine dans l'analyse de Fourier : le pont entre le temps et la fréquence

La transformation de Fourier à temps discret (DTFT) et la DFT

La transformation de Fourier est l'outil principal pour convertir un signal du domaine temporel en représentation de sa fréquence. Dans le cas du temps discret, le DTFT d'une séquence est . En utilisant la formule Euler=S, , la partie réelle de la transformation ne comporte que des termes cosinus. Le Discret Fourier Transform (DFT) échantillonne ce spectre continu à fréquences également espacées: . Le DFT décompose ainsi le signal en une somme de fonctions cosinus et sinus. La composante cosinus détermine l'amplitude de la partie en phase de chaque bac de fréquence, ce qui explique que la sortie de DFT est souvent exprimée en magnitude et en phase.

L'algorithme Goertzel, technique spécialisée pour le calcul d'une seule boîte de DFT, est particulièrement efficace pour détecter des tonalités telles que les signaux multifréquences bitones (DTMF). Goertzel utilise un résonateur récursif basé sur des coefficients de cosine : il calcule l'énergie à une fréquence cible en appliquant un filtre IIR de deuxième ordre dont le coefficient de rétroaction est . Cette méthode évite le surcoût d'une FFT complète et est largement utilisée dans les systèmes de télécommunications.

La transformation de Fourier à Court Temps (STFT) et la conception de fenêtres

Pour les signaux non stationnaires comme la parole et la musique, le STFT brise le signal en cadres qui se chevauchent et applique le FFT à chaque cadre. Pour minimiser les fuites spectrales — l'énergie se propage d'une banque de fréquence à une banque adjacente —, une fonction de fenêtre est appliquée à chaque cadre avant le FFT.

  • Fenêtre Hann :
  • Fenêtre de hamburgage :
  • Fenêtre Blackman :

Ces fenêtres à base de cosinus sont choisies parce que leurs réponses de fréquence en forme fermée sont faciles à analyser et elles offrent un bon compromis entre la largeur du lobe principal (résolution) et l'atténuation du lobe latéral (élimination du lobe latéral).Les termes cosinus dans la définition de la fenêtre correspondent à des répliques spectrales qui annulent les lobes latéraux dans le domaine de la fréquence.

La transformation discrète de la cosine (DCT) et la compression

Pourquoi DCT surpasse DFT pour la compression

La transformation discrete de la cosine (DCT) utilise uniquement des fonctions de base de la cosine, ce qui la rend réelle et plus compatible avec l'énergie que la DFT. La raison principale est la symétrie des limites : la DCT suppose implicitement que le signal est réfléchi à ses limites, ce qui réduit les discontinuités qui, autrement, introduisent des composants haute fréquence.Compactage énergétique—est ce qui fait du DCT le fondement des normes de compression perteuses: JPEG (image), MP3, AAC, Opus (audio), et H.264/HEVC, AV1 (vidéo).

Pour un bloc d'image 8×8, le DCT‐II transforme les valeurs de 64 pixels en 64 coefficients. En zéroant les coefficients de haute fréquence (qui contiennent peu d'énergie) et en quantifiant les autres, un rapport de compression de 10:1 à 50:1 peut être obtenu avec une perte perceptive minimale. cette vue d'ensemble académique du DCT- Oui.

Types d'ECD et leurs applications

Il existe plusieurs variantes du DCT, chacune différant dans les conditions limites:

  • DCT‐II: Le type le plus courant, utilisé dans JPEG, MPEG, et de nombreux codecs vidéo. Il est orthogonal et peut être calculé avec un algorithme O(N log N) similaire à la FFT.
  • DCT‐IV: Utilisé dans la transformation discret modifiée de la cosine (MDCT) pour les codecs audio (MP3, AAC, Opus). Le MDCT emploie un chevauchement de 50% entre les blocs pour éliminer les artefacts de blocage.
  • DCT‐I et DCT‐III: Moins fréquent, mais il apparaît dans certains modèles de banques-filtres et dans la conversion de DCT‐II en DCT‐IV.
  • DST (Réforme de la sinusite discrete): L'équivalent sinusoïdal, utilisé dans certaines normes vidéo pour les résidus intra-prédiction.

Dans les codescs modernes, le DCT est souvent mis en œuvre en utilisant des approximations entières pour éviter les erreurs de point flottant et pour simplifier l'implémentation matérielle. Par exemple, la norme JPEG utilise un DCT à point fixe qui suppose des coefficients de 8×8 blocs et échelles selon le tableau de quantification.

Cosine dans la conception de filtres numériques

Conception du filtre de réponse à l'impulsion finale (FIR)

La conception des filtres FIR linéaires commence souvent par une réponse de fréquence idéale, qui est alors fenêtrée pour produire une réponse d'impulsion finie. La réponse d'impulsion idéale du filtre passe bas est une fonction sinc, mais la troncation et la pondération sont effectuées en utilisant une fonction de fenêtre, dont beaucoup sont à base de cosinus (Hann, Hamming, Blackman). La réponse de fréquence du filtre résultant est la convolution de la réponse idéale avec la fenêtre , transformée de Fourier.

Une autre méthode importante est la conception de l'échantillonnage de fréquence, où la réponse de fréquence souhaitée est échantillonnée à des points également espacés et la réponse d'impulsion est obtenue par le biais de la DFT inverse. L'interpolation entre les points d'échantillonnage utilise un noyau à base de cosine (le noyau de Dirichlet) pour correspondre exactement à la réponse spécifiée aux fréquences d'échantillonnage.

Filtres pour la réponse à l'impulsion à l'infini (RII)

Les filtres IIR sont dérivés de prototypes analogiques, et beaucoup de ces prototypes dépendent de fonctions cosines. Le filtre Chebyshev Type I est défini par sa réponse de magnitude carrée : , où est le polynôme Chebyshev exprimé en cosine. Cela donne une bande de passe équiripple. Comprendre les cosines aide les concepteurs à analyser le retard de groupe et la réponse de phase, qui sont critiques pour des applications comme les crossovers audio et le conditionnement du signal ECG.

La transformation bilinéaire permet de cartographier le s‐plan analogique au plan numérique z‐en utilisant la substitution . Cette cartographie préserve la forme de la réponse de fréquence, mais introduit un découplage de fréquence. Pré-alerter les fréquences critiques en utilisant la formule (qui implique la tangente, dérivée du cosinus et du sinus) est essentiel pour des coupures de filtre correctes.

Cosine dans la modulation et la démodulation

Modulation de l'amplitude (AM)

Dans AM, une onde porteuse haute fréquence (un cosinus) est multipliée par le signal de message. La forme d'onde résultante contient le support et deux bandes latérales à la somme et aux fréquences de différence. La démodulation peut être faite de manière cohérente en multipliant le signal reçu par un oscillateur de cosinus local et un filtrage de passe bas. Le support de cosinus fournit une référence de phase constante, qui simplifie la synchronisation.

Modulation de l'amplitude de la quadriature (QAM)

Les communications numériques modernes reposent sur QAM, qui utilise deux supports orthogonaux : et . Le composant en phase (I) est modulé avec un cosinus, et le composant quadrature (Q) avec un sinus. Parce que les composantes cosinus et sinus sont orthogonales sur une période de symbole (), les deux canaux peuvent être récupérés indépendamment au récepteur. Ce principe est utilisé dans chaque norme numérique à haute vitesse — Wi‐Fi (802.11a/g/n/ac/ax), 4G LTE, 5G NR et modems de câble. Appareils analogiques - article technique- Oui.

Multiplexage orthogonal de la Division de fréquence (OFDM)

OFDM est la base de 4G/5G, Wi-Fi et DVB-T. Il transmet les données sur de nombreux sous-porteurs étroitement espacés, chacun modulé avec QAM. Les sous-porteurs sont générés à l'aide d'une transformée de Fourier Rapide Inverse (IFFT), qui utilise intrinsèquement des fonctions de base cosinus et sinus. L'orthogonalité entre sous-porteurs est maintenue précisément parce que les sinusoïdes sont orthogonaux sur la durée du symbole. La sortie IFFT est une somme de cosines et de sines graduées par les symboles de données.

Le préfixe cyclique, copie de la fin du symbole OFDM annexé au début, transforme la convolution linéaire du canal en une convolution circulaire, préservant l'orthogonalité des porteurs de cosinus et de sinus. OFDM est robuste à la décroissance multipathe, combinée à son efficacité spectrale, en fait le schéma de modulation dominant pour les systèmes sans fil modernes.

Considérations pratiques concernant la mise en œuvre de la cosine

Efficacité des points fixes et flottants

Dans les puces DSP intégrées et les microcontrôleurs, les calculs de cosine doivent être à la fois rapides et précis. De nombreux processeurs manquent d'unités trigonométriques dédiées, de sorte que les ingénieurs comptent sur les méthodes logicielles.

  • Tableaux de recherche (LUT) La taille de la mémoire peut être réduite en exploitant la symétrie (cos est uniforme et périodique).
  • Algorithme CORDIC: utilise uniquement des décalages et ajoute à la rotation itérative un vecteur, calculant à la fois cosinus et sinus à la précision arbitraire. Il est idéal pour les implémentations matérielles.
  • Série Taylor ou approximations Chebyshev: quelques termes polynômes peuvent donner une précision de double précision sur une plage limitée.
  • Oscillateurs récursifs: la récurrence à deux états génère une séquence de cosinus avec seulement deux multiplications par échantillon. Cependant, la quantification peut provoquer une dérive d'amplitude, de sorte qu'une renormalisation périodique est nécessaire.

Le choix dépend de la précision requise, de l'empreinte mémoire et du débit. Pour un aperçu complet des méthodes de calcul trigonométrique, consultez la page Wikipédia de CORDIC- Oui.

Stabilité numérique et aléas

La production de séquences de cosinus à proximité de la fréquence Nyquist () nécessite une manipulation minutieuse. L'oscillateur récursif mentionné ci-dessus peut devenir instable si est proche de ±1. Les implémentations de points fixes sont particulièrement sujettes à des erreurs de quantification qui s'accumulent sur de nombreux échantillons. Les ingénieurs utilisent souvent l'arithmétique de double précision ou réinitialisent l'oscillateur à chaque millier d'échantillons.

Accélération SIMD et GPU

Les bibliothèques DSP modernes (p. ex. IPP Intel, ARM CMSIS‐DSP, Apple Accelerate) utilisent des extensions de données multiples d'instruction unique (SIMD) pour calculer plusieurs cosines en parallèle. Par exemple, la bibliothèque Intel MKL contient des fonctions de cosine vectorielles qui calculent jusqu'à huit valeurs de cosine de double précision par cycle d'instruction.

Conclusion

La fonction cosine est bien plus qu'une identité de manuel ; elle est le moteur derrière de nombreux algorithmes DSP les plus importants. De la transformation classique de Fourier et du DCT en JPEG/MP3 à la conception de filtres, la modulation numérique (QAM, OFDM), et les techniques pratiques de mise en œuvre, l'orthogonalité de la cosine, le compactage énergétique et la tradulité computationnelle en font une pierre angulaire du domaine. Le guide scientifique et ingénieur du traitement numérique des signaux (Chapitre 8 sur le DFT) fournit une excellente base, et le Documentation de la bibliothèque FFTW offre des informations pratiques sur les implémentations efficaces de FFT qui reposent sur des calculs cosinus et sinus.