Académique Documents
Professionnel Documents
Culture Documents
Echantillonnage :
a) Fe =100Hz
t=0:0.01:0.25;
x=sin(2*pi*120*t);
plot(t(1:20),x(1:20))
xlabel('Temps (s)');
ylabel('Amplitude');
title('Signal Sinusoidal');
Signal Sinusoidal
1
0.8
0.6
0.4
0.2
Amplitude
-0.2
-0.4
-0.6
-0.8
-1
0 0.05 0.1 0.15 0.2 0.25
Temps (s)
Interprétation :
D’après la figure ci-dessus on constate qu’il y a une perte d’informations, cela est dû à la
fréquence d’échantillonnage choisie, donc il faut augmenter cette dernière.
b) Fe=1000Hz
Signal Sinusoidal
1
0.8
0.6
0.4
0.2
Amplitude
-0.2
-0.4
-0.6
-0.8
-1
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Temps (s)
Interprétation :
On constate que malgré l’augmentation de la fréquence d’échantillonnage à 1000Hz,
le signal n’est pas sinusoïdal.
c) Fe=3000Hz
Signal Sinusoidal
1
0.8
0.6
0.4
0.2
Amplitude
-0.2
-0.4
-0.6
-0.8
-1
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035
Temps (s)
Interprétation :
D’après la figure 3 , on obtient un signal purement sinusoïdal , ce qui vaut dire que la
fréquence 3000 Hz est la bonne fréquence d’échantillonnage.
2
II. Spectre du signal sinusoidal
Le programme suivant représente le spectre du signal sinusoïdal :
t=0:1/3000:0.25;
x=sin(2*pi*120*t);
subplot(2,1,1);
plot(t(1:100),x(1:100))
xlabel('Temps (s)');
ylabel('Amplitude');
title('Signal Sinusoidal');
y=fft(x,256);
z=abs(y);
f=(3000/256)*(0:255);
subplot(2,1,2);
plot(f(1:50),z(1:50))
xlabel('Fréquence(Hz)');
ylabel('Amplitude Spectrale');
title('Spectre du signal Sinusoidal');
Signal Sinusoidal
1
0.5
Amplitude
-0.5
-1
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035
Temps (s)
Spectre du signal Sinusoidal
150
Amplitude Spectrale
100
50
0
0 100 200 300 400 500 600
Fréquence(Hz)
Interprétation :
D’après la figure 4 , on constate que l’amplitude maximale de spectre est obtenue avec une
fréquence de 120Hz qui est la fréquence du signal sinusoïdal.
3
III. Fenêtre de pondération
a) Fenêtre rectangulaire :
t=-2:0.01:2;
y=(sign(t+1)-sign(t-1))/2;
subplot(2,1,1);
plot(t,y)
xlabel('Temps (s)');
ylabel('Amplitude');
title('Fenêtre Rectangulaire');
y=fft(y,256);
y=fftshift(y);
z=abs(y)/155.5;
f=(100/256)*(0:255);
subplot(2,1,2);
plot(f(108:148),z(108:148))
xlabel('Fréquence(Hz)');
ylabel('Amplitude Spectrale');
title('Spectre de fenêtre rectangulaire');
Fenêtre Rectangulaire
1
Amplitude
0.5
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps (s)
Spectre de fenêtre rectangulaire
1
Amplitude Spectrale
0.5
0
40 42 44 46 48 50 52 54 56 58
Fréquence(Hz)
Interprétation :
4
b) Fenêtre triangulaire :
t=-2:0.01:2;
T=4;
y=1-2*abs(t)/T;
subplot(2,1,1);
plot(t,y)
xlabel('Temps (s)');
ylabel('Amplitude');
title('Fenêtre triangulaire');
y=fft(y,256);
y=fftshift(y);
z=abs(y)/150;
f=(100/256)*(0:255);
subplot(2,1,2);
plot(f(108:148),z(108:148))
xlabel('Fréquence(Hz)');
ylabel('Amplitude Spectrale');
title('Spectre de fenêtre triangulaire');
Fenêtre triangulaire
1
Amplitude
0.5
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps (s)
Spectre de fenêtre triangulaire
1
Amplitude Spectrale
0.5
0
40 42 44 46 48 50 52 54 56 58
Fréquence(Hz)
Interprétation :
D’après la figure 6 , on assiste la présence d’un laube principale , et l’absence des laubes
secondaires , ce qui engendre un gain d’informations par rapport à la fenêtre rectangulaire
5
c) Fenêtre Hamming :
t=-2:0.01:2;
a=0.54;
f=0.25;
y=a+(1-a)*cos(2*pi*f*t);
subplot(2,1,1);
plot(t,y)
xlabel('Temps (s)');
ylabel('Amplitude');
title('Fenêtre Hamming');
y=fft(y,256);
y=fftshift(y);
z=abs(y)/161;
f=(100/256)*(0:255);
subplot(2,1,2);
plot(f(108:148),z(108:148))
xlabel('Fréquence(Hz)');
ylabel('Amplitude Spectrale');
title('Spectre de fenêtre Hamming');
Fenêtre Hamming
1
Amplitude
0.5
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps (s)
Spectre de fenêtre Hamming
1
Amplitude Spectrale
0.5
0
40 42 44 46 48 50 52 54 56 58
Fréquence(Hz)
Interprétation :
D’après la figure 7 , on assiste la présence d’un laube principale , et l’absence des laubes
secondaires , ce qui engendre un gain d’informations par rapport à la fenêtre rectangulaire .
6
7