Vous êtes sur la page 1sur 8

DEPARTEMENT GENIE MECATRONIQUE

COMPTE RENDU TP III


ECHANTILLONNAGE

REALISE PAR : SUPERVISE PAR :


• NGOYO MOUTSINGA • Mme ASMA
Junior Laurian Elie

ANNEE ACADEMIQUE : 2018-2019


OBJECTIF : Le but de ce TP est de maitriser les problèmes
d’échantillonnage pour la reconstitution des signaux.
I. REPRESENTATION DU SIGNAL
Représentons le signal suivant :𝑥(𝑡) = 𝑠𝑖𝑛𝑐(𝑓0 𝑡)
Avec une fréquence fo=5 Hz et To=0.001s
Grace au code Matlab représenté dans la partie annexe on trouve
la courbe suivante :

✓ Cette courbe représente parfaitement le fonction sinus


cardinal

II. ECHANTILLONNAGE IDEAL


Dans cette partie on désire discrétiser le signal en variant la
fréquence d’échantillonnage (fe1=5 Hz, fe2=10 Hz, fe3=30Hz) et
par conséquent la période d’échantillonnage dans l’intervalle [-2
,2].
Grace au code Matlab représenté dans la partie annexe on trouve
la courbe suivante :
✓ La courbe ressemble à la fonction sinus cardinal mais les
autres courbes diffèrent de peu à cause de la fréquence
d’échantillonnage qui varie. En augmentant une période
d’échantillonnage on perd la forme du signal et en diminuant
on garde la forme du signal donc faut choisir une période
d’échantillonnage très proche et très petite pour garder
l’information du signal.

III. ECHANTILLONNAGE REEL


Pour cet échantillonnage réel on aura recours à une fonction qui
sera écrit dans un autre script Matlab que le script principal et qui
sera appelé <moyenneur> (code situé dans l’annexe). Cette
fonction réalise un échantillonnage moyenneur du signal x(t) avec
une impulsion <deltaT> tout en discrétisant la le signal x(t) et on
trouve la courbe suivante :
✓ On remarque qu’en augmentant τ on suit plus l’allure du
signal d’originale, on doit considérer la constante τ pour le
choix de la période d’échantillonnage. En effet il ne faut pas
toujours chercher à choisir une bonne période
d’échantillonnage mais aussi chercher à trouver une
constante τ qui facilitera la reconstitution du signal (xmoy2
mieux que xmoy1).
IV. RECONSTITUTION DU SIGNAL
A. RECONSTUTITION PAR UN BOZ
Pour reconstituer un signal on aura besoin d’un bloqueur d’ordre
zéro et faire varier la fréquence d’échantillonnage (pour voir son
impacte).
Pour cet échantillonnage réel on aura recours à une fonction qui
sera écrit dans un autre script Matlab que le script principal et qui
sera appelé <BOZ> (code situé dans l’annexe). Cette fonction
réalise un échantillonnage en utilisant un BOZ x(t) et on trouve la
figure suivante
✓ On remarque que lorsqu’on commence à échantillonner un
signal avec un bonne période d’échantillonnage on numérise
bien le signal alors que lorsqu’on commence à
échantillonner avec une mauvaise période
d’échantillonnage on ne numérise pas bien le signal donc
Xboz2 est mieux que Xboz1.

B. RECONSTITUTION PAR INTERPOLATEUR

Pour reconstituer un signal on aura besoin d’un interpolateur et


faire varier la fréquence d’échantillonnage.
Pour cet échantillonnage réel on aura recours à une fonction qui
sera écrit dans un autre script Matlab différent du script principal
et qui sera appelé <interp_lin> (code situé dans l’annexe). Cette
fonction réalise un échantillonnage en utilisant un interpolateur
pour le signal x(t) et on trouve les figures suivantes :
✓ On remarque que le meilleur interpolateur est interp_lin2
donc Xmoy2, avec l’interpolateur on suit généralement bien
l’allure du signal et on observe un manque de blocage du au
BOZ.

CONCLUSION

Il était question dans ce TP d’étudier l’échantillonnage pour un


signal donné et de faire ressortir l’impact de la période
d’échantillonnage sur la discrétisation du signal et nous en
sommes venu à la conclusion que la période d’échantillonnage
doit être la plus minime pour bien discrétiser un signal de sorte à
ne perdre aucune information,neamoins lorsqu’on insère une
constante τ dans le période d’échantillonnage (te1=te1+τ) on doit
prendre τ le plus grand possible pour faciliter l’échantillonnage du
signal donné. De plus lors de l’échantillonnage il faut toujours
commencer par bien échantillonner donc choisir un bon te de sorte
à bien discrétiser un signal car si le processus d’échantillonnage
de départ est faussé alors le signal ne sera pas bien échantillonné
et on perdra de l’information.

ANNEXE

%tp3 echantillonnage %question2


% question 1 representation du xmoy1=moyenneur(x,t,te1,(te1/5))
signal xmoy2=moyenneur(x,t,te2,(te2/5))
clear all; figure(3)
close all; plot(t,x,'g')
fo=5; hold on;
t0=0.001; plot(t1,xmoy1,'r')
fe1=5; hold on;
fe2=10; plot(t2,xmoy2,'b')
fe3=30;
te1=1/fe1; %question 3
te2=1/fe2; Xboz1=BOZ(xmoy1,t,te1)
te3=1/fe3; Xboz2=BOZ(xmoy2,t,te2)
t1=[-2:te1:2]; figure (4)
t2=[-2:te2:2]; plot(t,Xboz1,'b')
t3=[-2:te3:2]; hold on;
t=[-2:t0:2]; plot(t,Xboz2,'g')
x=sinc(fo*t*pi) hold on;
x1=sinc(fo*t1*pi) plot(t,x,'r')
x2=sinc(fo*t2*pi) %question 4
x3=sinc(fo*t3*pi) Xinter1=interp_lin(xmoy1,t,te1)
figure (1) Xinter2=interp_lin(xmoy2,t,te2)
plot(t,x,'g') figure (5)
plot(t,Xinter1,'b')
figure (2) hold on;
plot(t,x,'g') plot(t,Xboz1,'g')
hold on; figure(6)
plot(t1,x1,'y') plot(t,Xinter2,'r')
hold on; hold on;
plot(t2,x2,'r') plot(t,Xboz2,'y')
hold on; hold on;
plot(t3,x3,'b') plot(t,x,'k')
function Xinterp=interp_lin(xechant_reel,t,te);
tech=-2:te:2;
Xinterpole_lin=zeros(size(t));
for p=1:length(tech)-1
nb_point=find((t>=tech(p))&(t<tech(p+1)));
for valeur=1:length(nb_point)
Xinterpole_lin(nb_point(valeur))=(((xechant_reel(p+1)-
xechant_reel(p))./length(nb_point))*(valeur-1))+xechant_reel(p);
end
end
Xinterp=Xinterpole_lin;

function
moy=moyenneur(x,t,te,deltaT);
tech=-2:te:2;
for n=1:length(tech)
nb_points=find((t>=tech(n))&(t<te
ch(n)+deltaT));
Xech_reel(n)=mean(x(nb_points));
end
moy=Xech_reel;

function
Xboz=BOZ(xechant_reel,t,te);
Xbloqueur=zeros(size(t));
tech=-2:te:2;
for m=1:length(tech)-1

nb_point=find((t>=tech(m))&(t<tec
h(m+1)));

Xbloqueur(nb_point)=xechant_reel(
m);
end
Xboz=Xbloqueur;

Vous aimerez peut-être aussi