Vous êtes sur la page 1sur 38

HEIG-Vd Traitement de signal

Chapitre 3
lments danalyse spectrale
numrique
3.1 Passage de la TF la TFD
Le passage de lanalyse de Fourier des signaux continus laide de la transfor-
mation de Fourier (TF) au calcul numrique du contenu spectral dun signal grce
la transformation de Fourier discrte (TFD) fait intervenir trois oprations :
lchantillonnage du signal temporel ;
la limitation de la dure danalyse de ce signal ;
la discrtisation de la frquence pour lanalyse spectrale numrique.
Ces trois oprations, apparemment anodines, ont des consquences dont il est
important dvaluer ltendue.
An de concrtiser au mieux les relations existant entre les espace temps et
frquence, on considrera par la suite que les signaux tudis sont fournis sous la
forme dune tension lectrique que lon chantillonne rgulirement pendant une
dure nie avant danalyser numriquement son contenu spectral. Ainsi, pour
chaque quation, on pourra prciser les units des rsultats obtenus.
Pour mmoire, on rappelle trois proprits de la transformation de Fourier
utilises par la suite :
au produit simple dans un espace correspond un produit de convolution
dans lautre
x(t) y(t) X(j f) Y (j f) (3.1)
x(t) y(t) X(j f) Y (j f) (3.2)
la TF dun peigne dimpulsions de Dirac est galement un peigne de Dirac

Te
(t)
1
T
e

fe
(f) (3.3)
v.1.6 139 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
la TF dune impulsion rectangulaire de largeur t et damplitude 1 est un
sinus cardinal
rect (t, t) t
sin( f t)
f t
= t sinc(f t) (3.4)
3.1.1 Signaux continus non-priodiques
Un signal analogique x(t) et sa densit spectrale X(j f) sont relis entre eux
par les relations :
X(j f) =
_
+

x(t) e
j2ft
dt [V s] (3.5)
x(t) =
_
+

X(j f) e
+j2ft
df [V] (3.6)
Ces transformations directe et inverse montrent lvidence, la parfaite symtrie
qui relie les espaces temps et frquence (gure 3.1.a). A cette symtrie correspond
la proprit suivante :
un signal temporel continu non priodique correspond un
spectre continu non priodique.
3.1.2 Signaux discrets de dure innie
On considre ici que le signal continu x(t) est chantillonn tous les multiples
de la priode dchantillonnage T
e
. On obtient alors un signal discret x[n] =
x(t = n T
e
) (gure 3.1.c). Mathmatiquement, cette opration dchantillonnage
est quivalente une multiplication du signal x(t) par un peigne dimpulsions de
Dirac distantes de T
e
:
x[n] = x(t)
Te
(t) (3.7)
Dans lespace frquentiel, le peigne de Dirac temporel
Te
(t) devient un peigne
de Dirac priodique f
e
(gure 3.1.b).
(f) = F{
Te
(t)} =
1
T
e

fe
(f) (3.8)
Comme le produit simple dans lespace temps conduit un produit de convo-
lution entre les spectres X(j f) et (f) (gure 3.1.c), on constate que :
un signal chantillonn ou discret correspond un spectre
continu et priodique f
e
.
v.1.6 140 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Fig. 3.1 Passage de la TF la TFD [?].
v.1.6 141 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Le calcul du spectre X
e
(jf) dun signal discret x[n] se fait partir de la dnition
de la transformation de Fourier des signaux continus (quation 3.5). On obtient
alors :
X
e
(j f) = T
e

n=
x[n] e
j2fnTe
[V s] (3.9)
Partant de ce spectre X
e
(j f), on peut bien entendu revenir au signal temporel
x[n] :
x[n] =
_
+
fe
2

fe
2
X
e
(j f) e
+j2fnTe
df [V] < n < + (3.10)
3.1.3 Signaux discrets de dure nie
Dans le cas o lon dsire traiter numriquement un signal, le nombre de
valeurs x[n] ne peut pas tre inniment grand. On est donc contraint ne prendre
en compte quune partie du signal original. Mathmatiquement, cette opration
de troncation revient multiplier le signal x(t) par une fentre rectangulaire w(t)
de largeur T (gure 3.1.d).
A cette multiplication dans lespace temps correspond un produit de convolu-
tion dans lespace des frquences entre le spectre du signal X(j f) et le spectre en
sinus cardinal de la fentre w(t). Il en rsulte une dformation du spectre original
cause par les ondulations du sinus cardinal (gure 3.1.e).
Le signal x(t) est enregistr pendant une dure nie T en chantillonnant N
valeurs du signal x(t). On a donc T = N T
e
.
La suite de valeurs discrtes x
N
[n] ainsi obtenue sera numre avec le comp-
teur temporel n compris entre 0 et N1 et le spectre du signal tronqu se calcule
alors comme suit :
X
e,N
(j f) = T
e

N1

n=0
x
N
[n] e
j2fnTe
[V s]
Il est bien clair que les N valeurs temporelles peuvent sobtenir par transformation
inverse de X
e,N
(j f) :
x
N
[n] =
_
+
fe
2

fe
2
X
e,N
(j f) e
+j2fnTe
df [V] 0 n N 1
Remarque Par la suite, aucune distinction ne sera faite entre x
N
[n] et x[n]
dune part, et X
e,N
(j f) et X
e
(j f) dautre part, car le contexte permettra
toujours de savoir si la longueur N de la suite considre est nie ou non et les 2
relations ci-dessus scriront :
X
e
(j f) = T
e

N1

n=0
x[n] e
j2fnTe
[V s] (3.11)
v.1.6 142 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
x[n] =
_
+
fe
2

fe
2
X
e
(j f) e
+j2fnTe
df [V] (3.12)
3.1.4 Discrtisation de la frquence
An de pouvoir calculer numriquement un spectre, il est videmment n-
cessaire de discrtiser la frquence. En divisant le domaine frquentiel en N in-
tervalles, lincrment frquentiel vaut f =
fe
N
et les frquences analyses, au
nombre de N, sont :
f = k f = k
f
e
N
(3.13)
Cette discrtisation de la frquence nest rien dautre quun chantillonnage dans
le domaine spectral et les rsultats des oprations dchantillonnage et de multi-
plication vues plus haut pour lespace temps sappliquent galement dans lespace
des frquences (gure 3.1.f et 3.1.g) et conduisent la proprit suivante :
la discrtisation du domaine spectral correspond un signal
temporel priodique.
Tout se passe comme si la dure dacquisition T correspondait une priode du
signal temporel x[n]. Le spectre considr prsent est donc un spectre discret
que lon crit X[j k] avec 0 k N 1. Tenant compte des relations temps-
frquence, largument du phaseur scrit :
j2fnT
e
= j2kfnT
e
= j2k
f
e
N
nT
e
= j2
k n
N
(3.14)
Le spectre X[j k] et le signal temporel x[n] se calculent alors comme suit :
X[j k] = T
e

N1

n=0
x[n] e

j2kn
N
[V s] 0 k N 1 (3.15)
x[n] =
1
N T
e

N1

k=0
X[j k] e
+
j2kn
N
[V] 0 n N 1 (3.16)
3.2 Relations temps-frquence
Comme les domaines temporel et frquentiel sont discrtiss avec le mme
nombre de points N, on peut noter les points suivants.
1. Lespace du temps est caractris la dure de lenregistrement T et par
lincrment temporel t (qui nest autre que la priode dchantillonnage
T
e
) tel que
t = T
e
=
T
N
(3.17)
v.1.6 143 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
2. Lespace des frquences est caractris par lincrment frquentiel f et
la frquence maximum f
max
qui nest autre que la frquence dchantillon-
nage f
e
f =
f
max
N
=
f
e
N
(3.18)
Ces deux relations ayant en commun la priode dchantillonnage T
e
et son in-
verse, la frquence dchantillonnage, on a :
t = T
e
=
1
f
e

T
N
=
1
N f
(3.19)
On en dduit donc les trois relations fondamentales liant les domaines temporel
et frquentiel
f =
1
T
(3.20)
f
max
= f
e
=
1
t
=
1
T
e
(3.21)
t f =
1
N
(3.22)
celles-ci sajoutent le fait que le domaine danalyse spectrale stend de
fe
2

+
fe
2
. On dnit alors la frquence de Nyquist
f
N
=
f
e
2
(3.23)
Les relations que nous venons de voir peuvent se traduire par les proprits sui-
vantes.
1. Lincrment frquentiel f est linverse de la dure temporelle T.
2. La priode spectrale f
max
= f
e
est linverse de lincrment temporel
t.
3. Le domaine danalyse spectrale est limit par la frquence de Ny-
quist
fe
2
.
4. Pour un nombre donn de points N, il nest pas possible davoir
simultanment une trs bonne dnition temporelle (t petit) et
une trs bonne dnition frquentielle (f petit).
Une illustration des relations existant entre les domaines temporel et frquentiel
est donne dans la gure 3.2.
Dans ce qui prcde, on a constamment vu apparatre un phaseur faisant
intervenir largument j 2 n f T
e
:
e
j2nfTe
v.1.6 144 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal

t=T
e
t = nt
0 N-1
x(t), x[n]
T = Nt

f = kf
f
|X
e
(jf)|, |X[jk]|
0
2
0
N-1
t
0
t
t
max
= T
f 0
f f
max
= f
e
f
e
f
e
/2
f
e
= N f

f / f
e
1 1/2
T
Nt
Nf
Fig. 3.2 Relations temps frquence.
v.1.6 145 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Il est donc naturel de chercher allger lcriture en dnissant la pulsation
numrique ou normalise qui sexprime en radians (gure 3.2) :
= 2 f T
e
= 2
f
f
e
[rad] (3.24)
Comme le spectre de base est compris entre
fe
2
, on voit que la pulsation
normalise prendra ses valeurs entre et que les transformations de Fourier
scrivent :
X
e
(j ) = T
e

n=
x[n] e
jn
[V s] (3.25)
x[n] =
1
2

_
+

X
e
(j ) e
+jn
d [V] (3.26)
3.3 Transformation de Fourier discrte
3.3.1 Dnition de la TFD
En observant les relations (3.15) et (3.16), on constate que, mis part le
changement de signe du phaseur et les coecients prcdant la somme, les calculs
du spectre X[j k] ou du signal x[n] se font de la mme manire. Ceci conduit
dnir les algorithmes des transformations de Fourier discrtes directe ou inverse
comme suit :
X
D
[j k] =
N1

n=0
x[n] e

j2kn
N
[V] 0 k N 1 (3.27)
x
D
[n] =
N1

k=0
X
D
[j k] e
+
j2kn
N
[V] 0 n N 1 (3.28)
La comparaison des quations 3.27 et 3.15, ainsi que 3.28 et 3.16 montre que
les rsultats de la TFD sont relis aux spectres et signaux rels par les relations
suivantes :
X[j k] = T
e
X
D
[j k] (3.29)
x[n] =
x
D
[n]
N
(3.30)
3.3.2 TFD dun signal priodique
Nous avons vu que le passage de la TF la TFD peut modier de manire
sensible les rsultats de lanalyse spectrale cause de la troncation. Par contre, si
le signal temporel x(t) est priodique, on peut se trouver dans la situation idale
v.1.6 146 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
o les raies spectrales du signal x
T
(t) sont en parfaite concidence avec les raies
analyses par la TFD. Pour remplir cette condition, il sut denregistrer trs
exactement une ou plusieurs priodes du signal temporel.
En comparant les dnitions de la dcomposition en srie de Fourier :
X
SF
[j k] =
1
T

_
+
T
2

T
2
x
T
(t) e

j2kt
T
dt [V] (3.31)
x
T
(t) =
+

k=
X
SF
[j k] e
+
j2kt
T
[V] (3.32)
avec celles de la TFD (quations 3.27 et 3.28), on voit alors apparatre les relations
suivantes :
X
SF
[j k] =
X
D
[j k]
N
(3.33)
x
T
(t = n T
e
) =
x
D
[n]
N
(3.34)
3.3.3 TFD et FFT
La dcouverte de la transformation rapide de Fourier en 1965 par Cooley et
Tukey [?] a t dune importance majeure pour le traitement du signal car elle a
permis denvisager lanalyse spectrale numrique de signaux de longue dure en
des temps raisonnablement courts. Lalgorithme de Cooley et Tukey a trs vite
t connu sous le nom de transformation rapide de Fourier et il est gnralement
dsign par son appellation anglo-saxonne : FFT (Fast Fourier Transform).
Il est ais de voir que le nombre doprations arithmtiques (sommes et pro-
duits) ncessites par la TFD dune suite de longueur N est proportionnel
N
2
. Ce qui, pour une suite de longueur 1000, conduit calculer 1000000 de
sinus et cosinus suivis dune addition et dune multiplication; les temps de calcul
deviennent trs vite prohibitifs..
Lalgorithme de la FFT utilise le fait que lopration de la TFD globale peut
tre dcompose en la TFD de squences de plus en plus courtes. Il en dcoule
alors que le nombre total doprations est bien infrieur celui impos par la
simple application de lalgorithme de la TFD. En contrepartie, le nombre de
points analyss N doit tre une puissance de 2. Le nombre doprations deman-
des par le nouvel algorithme est alors fortement diminu et il vaut
N
op
= N log
2
(N) (3.35)
Ainsi, pour transformer 1024 points, le nouvel algorithme demande environ cent
fois moins de temps que la TFD :
N
log
2
(N)
=
1024
10
= 102.4
v.1.6 147 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Il ne faut pas se mprendre sur la signication de la FFT : lalgorithme FFT
nest pas une nouvelle transformation. Ce nest rien dautre quun moyen rapide
dobtenir les mmes rsultats que ceux fournis par la TFD. Dirents algorithmes
de FFT sont prsents dans le livre de Burrus et Parks [?].
3.4 Spectre dune sinusode
Il est important de bien comprendre que, dans toute analyse numrique des
signaux, on est contraint denregistrer une dure nie du signal et que cette dure
nie peut conduire des eets indsirables lors de lanalyse.
On a vu que la FFT travaille sur un bloc complet dchantillons considr
comme priodique. Cela ne pose aucun problme dans le cas dun signal tran-
sitoire si celui a le temps de revenir 0 avant la n de lenregistrement. Par
contre, dans le cas de signaux permanents, les choses peuvent se compliquer sen-
siblement. Pour le voir, considrons deux situations pouvant apparatre lors de
lenregistrement dun signal priodique tel quune sinusode.
3.4.1 Le nombre de priodes enregistres est un entier
La gure 3.3a illustre un enregistrement de dure 10 [ms] contenant exacte-
ment 10 priodes dune onde sinusodale permanente damplitude 1 et de priode
1 [ms]. Dans ce cas, le signal enregistr, considr priodique par la FFT, con-
cide avec le signal rel (une sinusode permanente) et aucune modication de
linformation nest introduite.
Le rsultat de lanalyse FFT pour cette situation conrme ce que lon attend,
savoir que son spectre est constitu dune raie spectrale bien dnie et situe
en 1 [kHz]. Les deux raies supplmentaires que lon peut observer en 3 et 5 [kHz]
sont dues aux distorsions du signal sinusodal fourni par le gnrateur.
3.4.2 Le nombre de priodes enregistres nest pas un en-
tier
Dans ce cas, la FFT analyse un signal qui possde une transition brusque au
raccordement du dbut et de la n de lenregistrement. Cette transition possde
un contenu spectral hautes-frquences qui peut masquer une partie du spectre
rel.
La gure 3.3b montre un enregistrement contenant 10.25 priodes dune onde
sinusodale permanente damplitude 1 et de priode 1 [ms]. Dans ce cas, le signal
enregistr, considr priodique par la FFT, ne concide pas avec le signal rel
(une sinusode permanente) et son spectre stale dans tout le domaine spectral.
Cette dispersion de la puissance du signal dans tout le domaine frquentiel porte
le nom dtalement spectral.
v.1.6 148 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
0 2 4 6 8 10
1
0.5
0
0.5
1
temps [ms]
x
(
t
)
N priodes
0 2 4 6 8 10
80
60
40
20
0
frquence [kHz]
X
d
B

(
f
)
0 2 4 6 8 10
1
0.5
0
0.5
1
temps [ms]
N + 1/4 priodes
0 2 4 6 8 10
80
60
40
20
0
frquence [kHz]
Fig. 3.3 Signal sinusodal et son spectre.
Il est important de raliser que le phnomne dtalement spectral est d la
non-cocidence des valeurs initiale et nale de la dure enregistre. Dans le cas
de la gure 3.3b, ces eets de bords sont tels quils masquent compltement les
composantes spectrales dordre 3 et 5 du signal.
Pour viter ces eets de bords, il faut sattacher enregistrer exactement un
nombre entier de priodes du signal et, dans le cas o cela nest pas possible,
il faut ramener les deux bords une valeur identique laide dune fentre qui
modie aussi peu que possible le spectre rel.
3.5 Fentres dobservation
3.5.1 Quatre fentres usuelles
Les fentres utilises en analyse spectrale sont nombreuses et elles ont t
tudies extensivement par F.J. Harris [?]. On se contente ici de mentionner les
v.1.6 149 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
0.5 0 0.5 1 1.5
0
0.2
0.4
0.6
0.8
1
w
r
(
t
)
Rectangle
0.5 0 0.5 1 1.5
0
0.2
0.4
0.6
0.8
1
w
c
(
t
)
Hann
0.5 0 0.5 1 1.5
0
0.2
0.4
0.6
0.8
1
temps
w
h
(
t
)
Hamming
0.5 0 0.5 1 1.5
0
0.2
0.4
0.6
0.8
1
temps
w
b
(
t
)
Blackman
Fig. 3.4 Fentres dobservation.
quatre fentres le plus frquemment appliques lenregistrement dun signal.
Elles sont dnies comme suit :
Fentre rectangulaire
w
r
[n] = 1 pour 0 n < N (3.36)
Fentre de Hann
w
c
[n] = 0.5
_
1 cos
_
2
n
N
__
pour 0 n < N (3.37)
Fentre de Hamming
w
h
[n] = 0.54 0.46 cos
_
2
n
N
_
pour 0 n < N (3.38)
Fentre de Blackman
w
b
[n] = 0.42 0.5 cos
_
2
n
N
_
+ 0.08 cos
_
4
n
N
_
pour 0 n < N
(3.39)
v.1.6 150 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
3.5.2 Eet dune fentre
Pour bien saisir leet des fentres dans le domaine spectral, on considre ici
les deux situations prsentes plus haut auxquelles on appliquera les fentres de
Hann, de Hamming et de Blackman (gure 3.5).
Le nombre de priodes enregistres est un entier Dans ce cas idal (gure
3.5(a), on peut relever quelques dirences spectrales lgres.
1. Les raies spectrales du signal original sont galement prsentes quelle que
soit la fentre choisie.
2. Grce au maintien dune lgre discontinuit temporelle, la fentre de Ham-
ming ore les raies spectrales les plus troites.
3. La fentre de Blackman qui est la plus troite temporellement, fournit,
comme attendu, des raies spectrales plus larges.
Le nombre de priodes enregistres nest pas un entier Dans la gure
3.5(b), on a repris lenregistrement contenant 10.25 priodes. Les rsultats spec-
traux obtenus montre lvidence leet de ces 3 fentres :
1. la fentre de Hann fournit un spectre tout fait satisfaisant, quoique un
peu large sa base ;
2. la fentre de Hamming fournit un spectre troit mais, cause de ltale-
ment spectral rsiduel, elle ne permet pas de voir les 2 autres composantes
spectrales ;
3. la fentre de Blackman donne le meilleur rsultat : un spectre bien dni
sans talement spectral.
3.5.3 Choix dune fentre
Le choix dune fentre est un compromis entre une bonne dnition spectrale
(spectre troit) et un talement spectral aussi faible que possible (douceur de
la fentre). Qualitativement, leurs caractristiques peuvent tre rsumes comme
suit.
1. La fentre rectangulaire ne modie pas lenregistrement ; cest celle que lon
utilisera dans le cas de signaux transitoires ou non permanents et,
dans le cas de signaux priodiques, lorsque lon est sr que le nombre de
priodes enregistres est un entier.
2. La fentre en cosinus, dite de Hann, est mathmatiquement la plus simple
et elle ore de bons rsultats dans le cas de composantes spectrales pas
trop proches.
v.1.6 151 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
0 5 10
1
0.5
0
0.5
1
temps [ms]
x
(
t
)
Hann
0 5 10
80
60
40
20
0
frquence [kHz]
X
d
B

(
f
)
0 5 10
1
0.5
0
0.5
1
temps [ms]
Hamming
0 5 10
80
60
40
20
0
frquence [kHz]
0 5 10
1
0.5
0
0.5
1
temps [ms]
Blackman
0 5 10
80
60
40
20
0
frquence [kHz]
(a)
0 5 10
1
0.5
0
0.5
1
temps [ms]
x
(
t
)
Hann
0 5 10
80
60
40
20
0
frquence [kHz]
X
d
B

(
f
)
0 5 10
1
0.5
0
0.5
1
temps [ms]
Hamming
0 5 10
80
60
40
20
0
frquence [kHz]
0 5 10
1
0.5
0
0.5
1
temps [ms]
Blackman
0 5 10
80
60
40
20
0
frquence [kHz]
(b)
Fig. 3.5 Eet des fentres dobservation avec (a) : 10 priodes entires ; (b) :
10.25 priodes.
v.1.6 152 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
3. La fentre en cosinus relev, dite de Hamming, nlimine pas compltement
ltalement spectral. Elle ore en contre partie une meilleure dnition
spectrale mais ne permet pas de voir des composantes spectrales de faibles
amplitudes.
4. La fentre de Blackman, constitue de deux cosinus, attnue trs fortement
les eets de bord et permet ainsi de bien distinguer des raies spectrales
proches et de faibles amplitudes.
3.6 Exemple 1 : analyse spectrale lmentaire
Donnes On considre ici un signal temporel fortement bruit (SNR = 0 [dB])
qui semble contenir une oscillation priodique dont on souhaite connatre la te-
neur.
Analyse temporelle De lenregistrement, on tire
1. la composante DC du signal et sa valeur ecace AC
X
DC
= 0.045 X
AC
= 1.42
2. la priode dchantillonnage T
e
et sa dure T
T
e
= 20 [s] T = 20 [ms]
3. le domaine danalyse spectrale f
N
et la dnition spectrale f
f
N
=
1
2
f
e
=
1
2 T
e
= 25 [kHz] f =
1
T
= 50 [Hz]
v.1.6 153 MEE \cours_TS.tex\6 avril 2006
H
E
I
G
-
V
d
T
r
a
i
t
e
m
e
n
t
d
e
s
i
g
n
a
l
0 2 4 6 8 10 12 14 16 18 20
5
0
5
Enregistrement temporel et Analyse spectrale
x
(
t
)
t [ms]
T = t
max
=20 [ms], t = T
e
= 20 [s]
0 5 10 15 20 25
0
0.2
0.4
0.6
0.8
1
|
X
u
(
j
f
)
|
f [kHz]
f
max
= 1/ t = 50 [kHz]
f
e
= f
max
= 50 [kHz]
f
N
= f
e
/ 2 = 25 [kHz]
f = 1/ t
max
= 50 [Hz]
0 1 2 3 4 5
0
0.2
0.4
0.6
0.8
1
|
X
u
(
j
f
)
|
f [kHz]
Fig. 3.6 Illustration de lanalyse spectrale avec : a) lenregistrement temporel ; b) son spectre damplitudes pour 0
f
fe
2
= 25 [kHz] ; c) un zoom spectral sur 0 f 5 [kHz].
v
.
1
.
6
1
5
4
M
E
E
\
c
o
u
r
s
_
T
S
.
t
e
x
\
6
a
v
r
i
l
2
0
0
6
HEIG-Vd Traitement de signal
Analyse spectrale Le programme des calculs temporels et spectraux se rsume
aux quelques lignes prsentes dans le listing 3.1. Les spectres damplitudes, pr-
sents dans la gure 3.6, montrent que deux raies spectrales slvent clairement
au-dessus du niveau moyen du bruit situ aux environs de 0.3. Ces deux raies
spectrales ont une amplitude et une frquence valant respectivement
A
1
1.02 f
1
= 1.25 [kHz] 25 [Hz]
A
2
0.85 f
2
= 1.40 [kHz] 25 [Hz]
La prcision des frquences mesures est gale la moiti de la dnition spectrale
f.
Listing 3.1 Programme danalyse spectrale lmentaire
% l e c t ur e de l enregi s t rement
enreg = load( enreg . t xt ) ;
t t = enreg ( : , 1 ) ;
xt = enreg ( : , 2 ) ;
Xdc = mean( xt )
Xac = std( xt )
%anal yse t empor el l e
Npts = length( xt ) ;
dt = t t ( 2) t t ( 1) }
duree = Npts dt
%anal yse s p e c t r al e
df = 1/ duree , fmax = 1/ dt
f f = 0: df : fmaxdf ;
Xj f = f f t ( xt )/ Npts ;
% s pect r e u ni l a t r a l
Ndemi = round( Npts /2) ;
f f u = f f ( 1 : Ndemi ) ;
Xj f u = 2Xj f ( 1 : Ndemi ) ;
Xj f u ( 1) = Xj f ( 1 ) ; % composante DC
%es t i mat i on du rapport s i g nal / b r ui t (SNR)
Px = Xdc. ^2 + Xac . ^2; %pui ssance du s i g nal + b r ui t = 2. 023
A1 = 1 . 0 2 ; A2 = 0 . 8 5 ; %ampl i t udes mesures
Px0 = (A1. ^2 + A2. ^2) /2; %pui ssance du s i g nal o r i g i na l = 0. 88
v.1.6 155 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Pn = Px Px0 ; % pui ssance du b r ui t = 1. 14
SNR = 10log10( Px0/Pn) % SNR = 1.12
3.7 Exemple 2 : reconstruction dun signal
Donnes An danalyser et illustrer les rsultats fournis par la TFD, on consi-
dre ici un signal connu
x(t) = A
1
sin (2 f
1
t) + A
2
sin (2 f
2
t) + A
3
sin
_
2 f
3
t +

4
_
constitu de trois sinusodes damplitudes
A
1
= 1 A
2
= 0.8 A
3
= 0.5
et de frquences harmoniques
f
1
= 50 [Hz] f
2
= 150 [Hz] f
3
= 250 [Hz]
Ce signal original est perturb par un bruit important (SNR +5 [dB]). Le but
de cet exemple est de montrer que, malgr la prsence dun fort bruit, il est
possible de retrouver le signal original.
Analyse temporelle Lenregistrement du signal bruit a t fait avec une
priode dchantillonnage T
e
= 0.2 [ms] et il a une dure T = 210 [ms] (gure
3.7a). Ceci permet de prvoir que le domaine des frquences est caractris par :
la frquence de Nyquist
f
N
=
f
e
2
= 2500 [Hz]
la dnition spectrale
f =
1
T
=
1
210 [ms]
= 4.76 [Hz]
On notera que la dure danalyse T = 210 [ms] conduit une dnition spectrale
f = 4.76 [Hz] qui nest pas un sous-multiple des composantes spectrales. Cela
fait que lon sera dans limpossibilit de trouver la valeur exacte des frquences
originales. Idalement, on aurait d prendre une dure de 200 [ms] permettant
ainsi davoir une dnition spectrale de 5 [Hz].
v.1.6 156 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
0 50 100 150 200
4
2
0
2
4
Signal + Bruit
temps [ms]
0 100 200 300 400 500
0
0.05
0.1
0.15
0.2
0.25
Analyse de Fourier
frquence [Hz]
0 50 100 150 200
4
2
0
2
4
Signal reconstruit
temps [ms]
0 50 100 150 200
4
2
0
2
4
Signal original
temps [ms]
Fig. 3.7 Analyse spectrale et extraction des signaux.
v.1.6 157 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Analyse spectrale Lobservation du spectre (gure 3.7b) montre que les trois
raies spectrales sont bien visibles. Mais, on doit cependant constater que ces raies
se sont ddoubles cause de la dnition spectrale non-entire et de lutilisation
de la fentre dobservation.
Les frquences mesures 2.4 [Hz] prs sont
f
11
= 47.6 [Hz] f
12
= 52.4 [Hz]
f
21
= 147.6 [Hz] f
12
= 152.4 [Hz]
f
31
= 247.6 [Hz] f
32
= 252.4 [Hz]
Leurs amplitudes et phases respectives valent
A
11
= 0.453 A
12
= 0.432
11
= 0.151 [rad]
12
= +2.98 [rad]
A
21
= 0.368 A
12
= 0.334
21
= 2.87 [rad]
22
= 0.275 [rad]
A
31
= 0.198 A
12
= 0.185
31
= +0.372 [rad]
32
= 2.65 [rad]
avec
A
k
= 2 |X(j k)|
k
=

X(j k)
Reconstruction du signal original Connaissant les amplitudes et phases des
composantes spectrales, il est ais de reconstruire le signal non bruit :
x
r
(t) =

k
A
k
cos (2 f
k
t +
k
)
Malgr leet de la fentre dobservation utilise avant deectuer la FFT et le
fait quil y ait six frquences au lieu de trois, le signal ainsi extrait (gure 3.7c)
reproduit assez bien lallure du signal original (gure 3.7d).
Listing 3.2 Programme danalyse et extraction des composantes spectrales
% s i g nal b r ui t
yt = xt+nt ;
Npts=length( yt ) ;
%anal yse s p e c t r al e avec une f e n t r e de Hann
yht = yt . hann( Npts ) ;
Yj f = f f t ( yht )/ Npts ;
df = 1/tmax ; fmax = 1/ dt ;
f f = 0: df : fmaxdf ;
% recherche de N r ai e s s p e c t r a l e s
v.1.6 158 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Nr ai es = 6;
Yj f_tempo = Yj f ( 1 : end/2) ;
for kn = 1: Nr ai es
[ Ymax, kf ( kn ) ] = max( abs ( Yj f_tempo ) ) ;
Yj f \_tempo( kf ( kn ) ) = 0;
end;
% r econs t r uct i on
xt r = zeros ( si ze ( yt ) ) ;
for kn = 1: Nr ai es
Xrj f = Yj f ( kf ( kn ) ) ; f r = f f ( kf ( kn ) ) ;
xt r = xt r + Xrj f exp(+j 2 pi f r t t ) + Xrj f exp(j 2 pi f r t t ) ;
end;
% val eur s des composantes s p e c t r a l e s
f r = f f ( kf )
Ar = 2abs ( Yj f ( kf ) )
ar = angle ( Yj f ( kf ) )
3.8 Exemple 3 : analyse spectrale dtaille
3.8.1 Donnes
On considre ici un signal permanent observ loscilloscope. partir de
lobservation visuelle du signal, on dsire choisir les paramtres dacquisition qui
permettront ensuite dextraire toutes les informations possibles. Lacquisition se
fera avec un convertisseur analogique-numrique 8 [bit] /2 [V].
3.8.2 Signal temporel
Le signal x(t) observ loscilloscope (gure 3.8a) apparat comme un si-
nusode caractrise par son amplitude A 1 [V] et sa priode T
0
3.5 [ms].
Cependant, une observation de plus longue dure (gure 3.8b) montre un phno-
mne de battement de priode T
b
0.45 [s] ou de frquence
f
b
=
1
T
b
2.2 [Hz]
On en dduit que ce signal est compos dau moins 2 sinusodes damplitudes fort
direntes (car la variation damplitude de x(t) est faible) et de frquences trs
v.1.6 159 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
0 0.005 0.01 0.015 0.02 0.025 0.03
2
1
0
1
2
Acquisition: 10000 points, f
e
= 5000 [Hz]; CAN: 2 [V], 8 bits 1/2LSB,
x
(
t
)
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
2
1
0
1
2
x
(
t
)
0 0.005 0.01 0.015 0.02 0.025 0.03
2
1
0
1
2
x
[
n
]
temps [sec]
Fig. 3.8 Signal analys.
proches :
f
1

1
T
0
285 [Hz] f
2
= f
1
f
b
285 2 [Hz]
3.8.3 Paramtres dacquisition
An davoir une dnition temporelle raisonnable, on choisit
t = T
e

T
0
10
= 0.35 [ms] 0.2 [ms]
et on en dduit la frquence dchantillonnage
f
e
=
1
t
= 5 [kHz]
La gure 3.8c prsente une partie du signal numrique ainsi acquis.
Comme il faut pouvoir distinguer deux raies distantes de f
b
2 [Hz], on
choisira une dnition spectrale susamment ne
f
f
b
4
= 0.5 [Hz]
Sachant que la rsolution frquentielle est inversement proportionnelle la dure
dacquisition, on en tire
t
acq
=
1
f
= 2 [s]
v.1.6 160 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Le nombre de points acquis vaudra donc
N
pts
=
1
f t
=
1
0.5 [Hz] 0.2 [ms]
= 10000
Lensemble des valeurs acquises est reprsent la gure 3.8b.
3.8.4 Analyse spectrale
Utilisation de la FFT On a vu plus haut que lalgorithme FFT exige un
nombre de points gal une puissance de 2. Lorsque cela nest pas le cas, on
complte la suite de valeurs acquises par une succession de zros permettant
datteindre la puissance de 2 la plus proche (gure 3.9a).
Du point de vue de lanalyse de Fourier, cela ne change rien aux rsultats
fournis ; seule la rsolution spectrale est amliore. Dans notre cas, on passera
donc de N
pts
= 10000 N
fft
= 16384 et la rsolution frquentielle passera ainsi
de
f =
f
e
N
pts
=
5000
10000
= 0.5 [Hz]

f =
f
e
N
fft
=
5000
16

384
= 0.305 [Hz]
Fentre rectangulaire Dans ce cas, lanalyse spectrale de la suite de valeurs
acquises x[n] fournit les spectres prsents dans les gures 3.9b et 3.11a). Le
spectre ainsi obtenu fait apparatre une seule raie spectrale aux environs de
270 [Hz] et, contrairement ce que lon attendait, il ny a pas de deuxime raie
spectrale. Manifestement, celle-ci est masque par ltalement spectral d la
fentre rectangulaire.
Fentre de Blackman On est donc amen fentrer le signal acquis en le mul-
tipliant par une fonction attnuant les eets de bord dus lacquisition eectue.
On choisit ici dutiliser la fentre de Blackman dnie comme suit :
w
b
[n] = 0.420.5 cos
_
2
n
N
pts
_
+0.08 cos
_
4
n
N
pts
_
pour 0 n < N
pts
Du point de vue numrique, on analysera donc le signal
x
w
[n] = x[n] w
b
[n]
Aprs avoir complt le signal fentr par des zros pour atteindre une puissance
de 2 (gure 3.10a), on obtient les rsultats prsents dans les gures 3.10 et 3.11b
.
v.1.6 161 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
0 2000 4000 6000 8000 10000 12000 14000 16000
2
1
0
1
2
Spectres damplitudes: f = 0.305 [Hz], f
N
= 2500 [Hz]
x
[
n
]


w
r
[
n
]
Fentre rectangulaire
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
80
60
40
20
0
X
r
(
f
)


[
d
B
]
frquence [Hz]
Fig. 3.9 Signal et spectre damplitudes, fentre rectangulaire.
0 2000 4000 6000 8000 10000 12000 14000 16000
2
1
0
1
2
Spectres damplitudes: f = 0.305 [Hz], f
N
= 2500 [Hz]
x
[
n
]


w
h
[
n
]
Fentre de Blackman
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
80
60
40
20
0
X
h
(
f
)


[
d
B
]
frquence [Hz]
Fig. 3.10 Signal et spectre damplitudes, fentre de Blackman.
v.1.6 162 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
250 260 270 280 290 300 310 320 330 340 350
80
60
40
20
0
Spectres damplitudes: f = 0.305 [Hz], f
N
= 2500 [Hz]
X
r
(
f
)


[
d
B
]
Fentre rectangulaire
250 260 270 280 290 300 310 320 330 340 350
80
60
40
20
0
X
h
(
f
)


[
d
B
]
frquence [Hz]
Fentre de Blackman
Fig. 3.11 Agrandissement spectral.
Zoom frquentiel tant donn la haute dnition spectrale, obtenue au prix
dun long enregistrement, les chelles globales ne permettent pas de voir le dtail
des raies attendues. Il faut donc zoomer sur la zone intressante. On voit alors
trs nettement que la fentre rectangulaire (gure 3.11a) est totalement incapable
de fournir les informations attendues alors quavec la fentre de Blackman (gure
3.11b), on retrouve bien la deuxime frquence recherche et on peut mme aper-
cevoir la prsence dune troisime composante spectrale damplitude encore plus
faible, qui ntait absolument pas perceptible au niveau temporel.
La gure 3.11b permet de mesurer les frquences des trois composantes spec-
trales du signal x(t) et les amplitudes relatives des raies spectrales bilatrales.
3.8.5 Estimation des amplitudes
Le spectre damplitudes de la gure 3.11b permet de mesurer les frquences
et amplitudes des raies spectrales bilatrales.
k f
k
X
k, [dB]
X
k, [dB]
X
1,dB
X
k
X
1
1 272 [Hz] 7.6 0 1
2 274 [Hz] 32.2 24.6 0.059
3 277 [Hz] 52 44.4 0.006
v.1.6 163 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Il est important de noter que les amplitudes spectrales dpendent de la fentre
choisie et que seules leurs valeurs relatives peuvent en tre dduites
X
k
X
1
= 10
X
k,dB
X
1,dB
20
Pour obtenir la valeur relle des amplitudes, on peut passer par lgalit de Par-
seval :
P
AC
=
1
T

_
T
0
x
2
AC
(t) dt =

k=1
A
2
k
2
=
A
2
1
2
_
1 +
_
A
2
A
1
_
2
+
_
A
3
A
1
_
2
+
_
A
4
A
1
_
2
+ . . .
_
Ce qui donne dans notre cas
P
AC
=
A
2
1
2

_
1 + 0.059
2
+ 0.006
2
_
= 1.00352
A
2
1
2
partir du signal acquis, on calcule aisment sa puissance :
P
AC
=
1
N

N1

n=0
(x[n]
x
)
2
= Var [x[n]] = 1.45
On en dduit alors la valeur de A
1
et celles des autres composantes :
A
1
=
_
2 P
AC
1.00352
= 1.70
A
2
= 0.059 A
1
= 0.1
A
3
= 0.006 A
1
= 0.01
Remarque Une correction des amplitudes spectrales tenant compte de la fe-
ntre utilise nest possible que si le signal acquis possde exactement un nombre
entier de priodes. Si cette condition est remplie, il sut alors de diviser les am-
plitudes spectrales par la valeur moyenne de la fentre : A
k

A
k
(w)
. Ce calcul
doit tre vit si lon est pas sr que la condition est remplie.
3.8.6 Calcul des signaux et des spectres
Le chier cr pour gnrer le signal x(t), calculer et tracer les spectres dans
direntes conditions est donn ci-dessous. Bien quil puisse paratre volumineux
au premier abord (beaucoup de lignes sont consacres au traage uniquement),
les parties essentielles de ce chier sont simplement :
1. la conversion analogique- numrique 2 [V] avec N
bits

1
2
LSB de non li-
narit (on admet que celle-ci entrane la perte dun bit) :
v.1.6 164 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Ucan = 4; Nbits = 8 ;
xn = Ucan round((xn0/Ucan) (2.
(
Nbits 1))/(2.
(
Nbits 1) ;
le fentrage :
wh = (blackman(length(xn)))

;
xnwh = xn. wh;
lajout de zros et le calcul du spectre :
Nfft = 2.
c
eil(log2(length(xn))) ;
xnwh = [xnwh, zeros(1, Nfft length(xn))] ;
Xj fh = fft(xnwh)/length(xnwh) ;
Initialisation Le programme dbute par linitialisation des paramtres et la
cration du signal vu sur lcran de loscilloscope
Listing 3.3 Initialisation des paramtres et cration du signal
% anal yse s pe c t r al e
cl ear al l ; cl ose al l ; format compact ; cl c ;
% parametres du s i g nal
amp1 = 1 . 7 ; amp2 = 0 . 1 ; amp3 = 0 . 0 1 ;
f 1 = 271. 828; f 2 = f 1 +2; f 3 = f 1 +5;
% o s c i l l o s c o p e
t os c = 0 . 0 3 ; kosc = 2000;
dt = t os c / kosc ;
t t = 0: dt : tosc dt ;
xt0 = amp1si n (2 pi t t f 1)+amp2cos (2 pi t t f 2)+amp3si n (2 pi t t f 3 ) ;
Acquisition numrique Il se poursuit avec lacquisition et la conversion sur
une dure plus longue
Listing 3.4 Acquisition et conversion sur une dure plus longue
% ac q ui s i t i on
tacq = 2;
Te = 0. 2 e 3;
tn = 0: Te : tacqTe ;
xn0 = amp1si n (2 pi tn f 1)+amp2cos (2 pi tn f 2)+amp3si n (2 pi tn f 3 ) ;
% conversi on +/ 2V avec Nbi t s et +/ 1/2LSB de non l i n e a r i t e
Ucan = 4; Nbi ts = 8;
v.1.6 165 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
xn = Ucanround( xn0/Ucan2. ^( Nbi ts 1))/2. ^( Nbi ts 1);
Calcul des spectres Une fois les signaux acquis, on peut calculer leurs spectres
et acher des informations
Listing 3.5 Calcul des spectres et achage des informations
% c a l c ul des s pe c t r e s
Nf f t = 2. ^ cei l ( log2 ( length( xn ) ) )
% f e ne t r e s r e c t ang ul ai r e et de Blackman
wr = ones ( si ze ( xn ) ) ;
wh = ( blackman ( length( xn ) ) ) ;
xnwr = xn . wr ;
xnwh = xn . wh;
% aj out de z er os
xnwr = [ xnwr , zeros ( 1 , Nf f t length( xnwr ) ) ] ;
xnwh = [ xnwh , zeros ( 1 , Nf f t length(xnwh ) ) ] ;
% f f t
Xj f r = f f t ( xnwr )/ length( xn ) ;
Xj f h = f f t (xnwh)/ length( xn ) ;
% domaine s p e c t r a l
fmax = 1/Te ;
df = fmax/ Nf f t ;
f f = 0: df : fmaxdf ;
% i nf os
Nbi ts , tacq , Te , fmax , df
Pac = var ( xn)
Npoi nts = round( tacq/Te ) , Nf f t
Graphes On trace les signaux acquis
Listing 3.6 Traage des signaux acquis
% graphes t emporel s
fi gure ;
v.1.6 166 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
subplot ( 3 , 1 , 1 ) ;
plot ( tt , xt0 ) ; grid ;
axis ( [ 0 , tosc , 2 , 2] )
t e xt e = [ Ac qui s i t i on : , num2str(round( tacq/Te ) ) , poi nt s , ] ;
t e xt e = [ texte , f_e= , num2str(1/Te , 4 ) , [ Hz ] ; ] ;
t e xt e = [ texte , CAN: \pm , num2str( Ucan/2 , 2) , [ V] , ] ;
t e xt e = [ texte , , num2str( Nbi ts , 2 ) , bi t s \pm1/2LSB, ] ;
t i t l e ( t e xt e ) ;
ylabel ( x( t ) ) ;
subplot ( 3 , 1 , 2)
plot ( tn , xn ) ; grid ;
axis ( [ 0 , tacq , 2 , 2] )
ylabel ( x( t ) ) ;
subplot ( 3 , 1 , 3 ) ; % zoom
plot ( tn , xn , . ) ; grid ;
axis ( [ 0 , tosc , 2 , 2] )
ylabel ( x [ n ] ) ;
xlabel ( temps [ s ec ] ) ;
print deps ansptemps . eps
ainsi que les spectres aprs fentrage
Listing 3.7 Spectres aprs fentrage
% s pe c t r e s
fi gure ; % f e ne t r e r e c t ang ul ai r e
subplot ( 2 , 1 , 1 ) ;
plot ( xnwr ) ; grid ;
axis ( [ 0 , Nf f t , 2 , 2] )
t e xt e = [ Spect r es d ampl i tudes : \ Del ta f = , num2str( df , 3 ) , [ Hz ] , ] ;
t e xt e = [ texte , f \_N= , num2str( fmax /2) , [ Hz ] ] ;
t i t l e ( t e xt e ) ;
ylabel ( x [ n ] w\_r [ n ] ) ;
legend( Fentre r e c t a ng ul a i r e ) ;
v.1.6 167 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
subplot ( 2 , 1 , 2 ) ;
plot ( f f , 20log10( abs ( Xj f r ) ) ) ; grid ;
axis ( [ 0 , fmax , 80 , 0] ) ;
ylabel ( X\_r( f ) [ dB] ) ;
xlabel ( f r quence [ Hz ] ) ;
print deps anspwr . eps
fi gure ; % f e ne t r e de Blackman
subplot ( 2 , 1 , 1 ) ;
plot (xnwh ) ; grid ;
axis ( [ 0 , Nf f t , 2 , 2] )
t e xt e = [ Spect r es d ampl i tudes : \ Del ta f = , num2str( df , 3 ) , [ Hz ] , ] ;
t e xt e = [ texte , f \_N= , num2str( fmax /2) , [ Hz ] ] ;
t i t l e ( t e xt e ) ;
ylabel ( x [ n ] \ cdot w_h[ n ] ) ;
legend( Fentre deBlackman ) ;
subplot ( 2 , 1 , 2 ) ;
plot ( f f , 20log10( abs ( Xj f h ) ) ) ; grid ;
axis ( [ 0 , fmax , 80 , 0] ) ;
ylabel ( X\_h( f ) [ dB] ) ;
xlabel ( f r quence [ Hz ] ) ;
print deps anspwh . eps
Zoom Les dtails sont mis en vidence
Listing 3.8 Mise en vidence des dtails
% zoom s p e c t r a l
f z 1 = 250; f z 2 = 350; \% domaine i nt e r e s s ant
dbmax = 80;
fi gure ;
subplot ( 2 , 1 , 1 ) ;
plot ( f f , 20log10( abs ( Xj f r ) ) ) ; hold on ;
axis ( [ f z1 , f z2 ,dbmax , 0 ] ) ; grid ;
t i t l e ( t e xt e ) ;
v.1.6 168 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
ylabel ( X_r( f ) [ dB] ) ;
legend( Fentre r e c t a ng ul a i r e ) ;
subplot ( 2 , 1 , 2 ) ;
plot ( f f , 20log10( abs ( Xj f h ) ) ) ;
axis ( [ f z1 , f z2 ,dbmax , 0 ] ) ; grid ;
ylabel ( X\_h( f ) [ dB] ) ;
xlabel ( f r quence [ Hz ] ) ;
legend( Fentre deBlackman ) ;
print deps anspzoom . eps
v.1.6 169 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
3.A Exercices
3.A.1 Exercice TFD 1
Lanalyse spectrale, par la FFT, dun signal x[n] constitu de N = 8 valeurs a
fourni le spectre discret X
D
[j k] partiellement donn dans le tableau ci-dessous.
1. Compltez le tableau sachant que f
e
= 1 [kHz].
2. Le signal temporel x
N
[n] est-il continu, discret, priodique ?
3. Que vaut x
N
[n = 0] ?
4. Quelle est lexpression de x
N
[n] ?
5. Tracez x
N
[n].
k 0 1 2 3 4 5 6 7 8 9 10
X
D
[j k] 4 2 + j 3 + 2 j j 2
|X
D
[j k]|
arg {X
D
[j k]}
f [kHz]
3.A.2 Exercice TFD 2
On souhaite calculer le spectre dune impulsion rectangulaire de largeur t =
3 [ms] et damplitude A = 5 [V]. Pour ce faire, on acquiert 8 points la frquence
f
e
= 1 [kHz].
1. Admettant que lchantillonnage commence lapparition du anc montant,
dessinez x(t) et x[n].
2. Que vaut la dure dacquisition t
max
?
3. Discutez les valeurs choisies pour n = 0 et n = 3.
4. Quel sera le domaine spectral analys ? Que vaudra lincrment de frquence
f ?
5. Calculez X
D
[j k] pour k = 0 et k = 2 ; quel est le domaine de variation du
compteur k des frquences ?
6. Validez votre rsultat en analysant la valeur de X
D
[j k = 0].
3.A.3 Exercice TFD 3
Considrant la suite de valeurs x[n] :
n m m + 1 . . . 3 2 1 0 +1 +2 +3 . . . +m1
x[n] 0 0 0 0 0.5 1 1 1 0.5 0 0 0
v.1.6 170 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
k 0 1 2 3 4 5 6 7
X
D
[j k] 0 4 4 0 0 0 4 4
1. Esquissez x[n] et une fonction x(t) passant par ces points.
2. Calculez X
D
[j k] ; sa valeur dpend-elle de la longueur N = 2 m de la
suite ?
3. Quest ce qui change si on ajoute des zros pour doubler le nombre dchan-
tillons ?
3.A.4 Exercice TFD 4
Considrant un signal x(t) = cos(2 1000 t) +cos(2 2000 t) chantillonn
pendant une priode la frquence f
e
= 8 f
0
:
1. Dessinez la suite de valeurs x[n].
2. Justiez les rsultats ci-dessous fournis par la la FFT puis prcisez la rela-
tion existant avec ceux fournis par la dcomposition en srie de Fourier :
3. On chantillonne le signal x(t) sur 4 priodes ; que donnera la FFT?
3.A.5 Exercice TFD 5
On chantillonne avec une priode dchantillonnage T
e
= 1 [ms] une exponentielle
dcroissante
x(t) = A e

(t)
o A = 5 [V], = 5 [ms].
1. Que vaut la densit spectrale X(j f) du signal x(t) ?
2. Calculez la suite des valeurs x[n] ; exprimez la sous la forme x[n] = A r
n
.
3. Calculez la TF X
e
(j f) de la suite inniment longue x[n].
4. On ne prend en compte que les 16 premires valeurs de la suite x[n] et on
annule les autres ; que vaut X
e,N
(j f).
5. Considrant la suite temporelle tronque x
N
[n] avec N = 16, on discrtise
laxe des frquences. Que vaut lincrment frquentiel ? Calculez le spectre
discret X
D
[j k].
6. Que valent, pour chacun des spectres ci-dessus X(j f), X
e
(j f), X
e,N
(j f),
X
D
[j k], les composantes spectrales lorsque f = 0 [Hz] ?
v.1.6 171 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
3.A.6 Exercice AnSp 1
Lors de lanalyse spectrale dun signal chantillonn x[n], les paramtres N, T
e
,
t
max
et f
e
, f sont relis entre eux ; la donne de deux dentre eux sut pour
xer tous les paramtres de lanalyse. Rappelez ces relations puis compltez le
tableau ci-dessous.
N T
e
t
max
f f
e
40 2 [kHz]
1 [ms] 50 [Hz]
50 10 [ms]
100 10 [Hz]
20 [Hz] 1 [kHz]
2 [ms] 1 [s]
30 1 [ms]
5 [ms] 5 [kHz]
3.A.7 Exercice AnSp 2
On doit faire lanalyse spectrale numrique des signaux suivants
1 une sinusode 5 une impulsion triangulaire
2 une rponse indicielle 6 un signal chirp (wobul)
3 une impulsion rectangulaire 7 une exponentielle dcroissante
4 une suite dimpulsions rectangulaires 8 un signal triangulaire priodique
Pour chacun des signaux,
1. esquissez leur allure temporelle ;
2. choisissez-vous une fentre rectangulaire ou en cosinus ?
3. prcisez les raisons de votre choix.
3.A.8 Exercice AnSp 3
On considre ici le signal
x(t) = 3 + 4 cos (2 f
0
t) + 2 sin (4 f
0
t) , f
0
= 100 [Hz]
reprsent la gure 3.12 dont on a enregistr deux priodes. Sachant quon
souhaite obtenir numriquement son spectre X[j k], on lchantillonne avec une
priode T
e
= 1 [ms].
1. Dessinez les points chantillonns x[n]. Quelle fentre faut-il utiliser avant
lanalyse spectrale ?
2. Que valent N, t
max
, f
e
, f ?
v.1.6 172 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
0 2 4 6 8 10 12 14 16 18 20
4
2
0
2
4
6
8
10
temps [ms]
x
(
t
)
Fig. 3.12 Ex AnSp 3.
3. Qelles raies spectrales seront prsentes ? Quel sera le nombre de valeurs
spectrales analyses ?
4. Donnez les frquences, les amplitudes et les phases de chaque valeur spec-
trale X[j k], k = 0, . . . , N 1.
5. Quel serait le rsulat de lanalyse spectrale si lon avait chantillonn six
priodes au lieu de deux ?
v.1.6 173 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
v.1.6 174 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
Bibliographie
[dC84] F. de Coulon. Trait delectricit. In Thorie et traitement des signaux,
volume 6. Presses Polytechniques Romandes, Lausanne, 1984. biblio-
thque HEIG-Vd N
o
32.100-23.
[MA70] E.J. Finn M. Alonso. Physique gnrale : champs et ondes. Editions
pdagogiques, Montral, 1970.
v.1.6 175 MEE \cours_TS.tex\6 avril 2006
HEIG-Vd Traitement de signal
v.1.6 176 MEE \cours_TS.tex\6 avril 2006