Travaux pratiques :

TP N°2 :Produit de convolution et

fonction d’autocorrélation

Réalisé par : - EL MSIYAH Ibtissam N°28

-BEN JELLOUN Chaimae N°15
Année universitaire : 2019 -2020

Génie électrique et informatique industrielle

 Résolution frequentielle de la FFT

a) N=64 points

t=0:1/3000:0.25;
x=sin(2*pi*t*100);
subplot(2,1,1)
plot(t(1:50),x(1:50))
xlabel('temps(s)');
ylabel('amplitude');
title('sinusoide de fréquence 100 hz');
y=fft(x,64);
y=abs(y/30.5);
f=3000/64*(0:63);
subplot(2,1,2)
plot(f(1:25),y(1:25))
xlabel('frequence(hz)');
ylabel('amplitude spectrale');
title('module de spectre d un signal sinusoidal');
Figure 1 : signal sinusoïdal et son spectre avec n= 64
sinusoide de fréquence 100 hz
1

0.5
amplitude

-0.5

-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
temps(s)
module de spectre d un signal sinusoidal
1
amplitude spectrale

0.5

0
0 200 400 600 800 1000 1200
frequence(hz)
 Interprétation :
D’après la figure 1, on constate la présence d’un PIC de fréquence 100Hz qui
correspond à la fréquence du signal sinusoïdal avec une largeur à mi-
hauteur 1.5cm .

b) N=128points

t=0:1/3000:0.25;
x=sin(2*pi*t*100);
subplot(2,1,1)
plot(t(1:50),x(1:50))
xlabel('temps(s)');
ylabel('amplitude');
title('sinusoide de fréquence 100 hz');
y=fft(x,128);
y=abs(y/57);
f=3000/128*(0:127);
subplot(2,1,2)
plot(f(1:50),y(1:50))
xlabel('frequence(hz)');
ylabel('amplitude spectrale');
title('module de spectre d un signal sinusoidal');

sinusoide de fréquence 100 hz

1

0.5
amplitude

-0.5

-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
temps(s)
module de spectre d un signal sinusoidal
1
amplitude spectrale

0.5

0
0 200 400 600 800 1000 1200
frequence(hz)

Figure 2 : signal sinusoïdal et son spectre avec N= 128

Interprétation :
D’après la figure 2, on constate la présence d’un PIC de fréquence 100Hz qui
correspond à la fréquence du signal sinusoïdal avec une largeur à mi-
hauteur 1 cm , donc par rapport au résultat précédente on a un gain
d’information.

C) N=256points
t=0:1/3000:0.25;
x=sin(2*pi*t*100);
subplot(2,1,1)
plot(t(1:50),x(1:50))
xlabel('temps(s)');
ylabel('amplitude');
title('sinusoide de fréquence 100 hz');
y=fft(x,256);
y=abs(y/85);
f=3000/256*(0:255);
subplot(2,1,2)
plot(f(1:100),y(1:100))
xlabel('frequence(hz)');
ylabel('amplitude spectrale');
title('module de spectre d un signal sinusoidal');
sinusoide de fréquence 100 hz
1

0.5
amplitude

-0.5

-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
temps(s)
module de spectre d un signal sinusoidal
1
amplitude spectrale

0.5

0
0 200 400 600 800 1000 1200
frequence(hz)

Figure 3 : signal sinusoïdal et son spectre avec N= 256

 Interprétation :
D’après la figure 3, on constate la présence d’un PIC de fréquence 100Hz qui
correspond à la fréquence du signal sinusoïdal avec une largeur à mi-
hauteur 0.8 cm , donc on a un gain d’information par rapport à la figure 2.

d) N=512points
t=0:1/3000:0.25;
x=sin(2*pi*t*100);
subplot(2,1,1)
plot(t(1:50),x(1:50))
xlabel('temps(s)');
ylabel('amplitude');
title('sinusoide de fréquence 100 hz');
y=fft(x,512);
y=abs(y/254);
f=3000/512*(0:511);
subplot(2,1,2)
plot(f(1:100),y(1:100))
xlabel('Frequence(hz)');
ylabel('Amplitude spectrale');
title('Module de spectre d un signal sinusoidal');

sinusoide de fréquence 100 hz

1

0.5
amplitude

-0.5

-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
temps(s)
module de spectre d un signal sinusoidal
1
amplitude spectrale

0.5

0
0 200 400 600 800 1000 1200
frequence(hz)

Figure 4 : signal sinusoïdal et son spectre avec N=512

 Interprétation :
D’après la figure 4, on constate la présence d’un PIC de fréquence 100Hz qui
correspond à la fréquence du signal sinusoïdal avec une largeur à mi-
hauteur 0.4 cm , donc on a un gain d’information par rapport à la figure 3.

e) N=1024points :
t=0:1/3000:0.25;
x=sin(2*pi*t*100);
subplot(2,1,1)
plot(t(1:50),x(1:50))
xlabel('temps(s)');
ylabel('amplitude');
title('sinusoide de fréquence 100 hz');
y=fft(x,1024);
y=abs(y/370);
f=3000/1024*(0:1023);
subplot(2,1,2)
plot(f(1:400),y(1:400))
xlabel('frequence(hz)');
ylabel('amplitude spectrale');
title('module de spectre d un signal sinusoidal');

sinusoide de fréquence 100 hz

1

0.5
amplitude

-0.5

-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
temps(s)
module de spectre d un signal sinusoidal
1
amplitude spectrale

0.5

0
0 200 400 600 800 1000 1200
frequence(hz)

Figure 5 : signal sinusoïdal et son spectre avec N=1024

 Interprétation :
D’après la figure 5, on constate la présence d’un PIC de fréquence
100Hz qui correspond à la fréquence du signal sinusoïdal avec des
lobes secondaires autour de ce dernier ce qui entraine une perde
d’information.
Pour justifier cette conclusion on va prendre un nombre de points
N=2048

sinusoide de fréquence 100 hz

1

0.5
amplitude

-0.5

-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
temps(s)
module de spectre d un signal sinusoidal
1
amplitude spectrale

0.5

0
0 200 400 600 800 1000 1200
frequence(hz)

Figure 6: signal sinusoïdal et son spectre avec n=2048

 II. Représentation de l’impulsion de Dirac :
a) Dirac de t :
n=-10:20;
u=[zeros(1,10) 1 zeros(1,20)];
stem(n,u);
xlabel('temps(s)');
ylabel('amplitude');
title('fonction de Dirac');
axis([-10 20 0 1.2]);

fonction de Dirac

0.8
amplitude

0.6

0.4

0.2

0
-10 -5 0 5 10 15 20
temps(s)

Figure 7: fonction de Dirac

 b) 2*(Dirac de t +2) :
n=-10:20;
u=[zeros(1,8) 2 zeros(1,22)];
stem(n,u);
xlabel('temps(s)');
ylabel('amplitude');
title('fonction de Dirac');
axis([-10 20 0 2.2]);

fonction de Dirac

1.5
amplitude

0.5

0
-10 -5 0 5 10 15 20
temps(s)

Figure 8: fonction de 2*(Dirac de t +2) :

c) Le spectre de Dirac de t :
n=-10:20;
u=[zeros(1,10) 1 zeros(1,20)];
subplot(2,1,1)
stem(n,u);
xlabel('temps(s)');
ylabel('amplitude');
title('fonction de Dirac');
axis([-10 20 0 1.2]);
y=fft(u,512);
y=abs(y);
f=1/512*(0:511);
subplot(2,1,2)
plot(f,y)
xlabel('Frequence (hz)');
ylabel('Amplitude spectrale');
title('Representation spectrale de la fonction de Dirac');
axis([0 1 0 2]);

fonction de Dirac

1
amplitude

0.5

0
-10 -5 0 5 10 15 20
temps(s)
Representation spectrale de la fonction de Dirac
2
Amplitude spectrale

1.5

0.5

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Frequence (hz)

Figure 9: fonction de Dirac et sa représentation spectrale

Interprétation :
On remarque que la représentation qu’on a trouvée pratiquement est la
même qu’on a trouvé en théorie (TF de Dirac de t=1)

Donc on a une analogie entre la théorie et la pratique.

III. Traitement de bruit :

a) Bruit blanc :
t=0:0.001:0.25;
x=randn(size(t));
plot(t,x)
xlabel('temps(s)');
ylabel('amplitude du bruit');
title('bruit blanc');

bruit blanc
2.5

1.5

1
amplitude du bruit

0.5

-0.5

-1

-1.5

-2

-2.5
0 0.05 0.1 0.15 0.2 0.25
temps(s)

Figure 10 : représentation du bruit blanc

 b) Spectre d’un signal bruit blanc :
t=0:0.001:0.25;
x=randn(size(t));
subplot(2,1,1)
plot(t,x)
xlabel('temps(s)');
ylabel('amplitude du bruit');
title('bruit blanc');
y=fft(x,512);
y=abs(y);
f=1000/512*(0:511);
subplot(2,1,2)
plot(f,y)
xlabel('Frequence(hz)');
ylabel('amplitude spectrale du bruit');
title('représentation spectrale du bruit');

bruit blanc
4
amplitude du bruit

-2

-4
0 0.05 0.1 0.15 0.2 0.25
temps(s)
représentation spectrale du bruit
amplitude spectrale du bruit

40

30

20

10

0
0 100 200 300 400 500 600 700 800 900 1000
Frequence(hz)

Figure 11 : le signal bruit blanc et sa représentation spectrale

Interprétation :
On remarque que le bruit blanc contient toutes les fréquences possibles.

IV. Spectre d’un signal sinusoïdal noyé dans

un bruit blanc :
a) L’amplitude du signal=1 et l’amplitude du bruit=1
t=0:1/3000:0.25;
x=sin(2*pi*t*100)+randn(size(t));
subplot(2,1,1)
plot(t,x)
xlabel('temps(s)');
ylabel('amplitude');
title('sinusoide bruité de fréquence 100 hz');
y=fft(x,512);
y=abs(y);
f=3000/512*(0:511);
subplot(2,1,2)
plot(f(1:100),y(1:100))
xlabel('frequence(hz)');
ylabel('amplitude spectrale');
title('module de spectre d un signal sinusoidal bruité');

sinusoide bruité de fréquence 100 hz

4

2
amplitude

-2

-4
0 0.05 0.1 0.15 0.2 0.25
temps(s)
module de spectre d un signal sinusoidal bruité
300
amplitude spectrale

200

100

0
0 100 200 300 400 500 600
frequence(hz)

Figure 12 : La représentation spectrale d’un signal sinusoïdale bruité lorsque

le bruit et le signal ont la même amplitude.

Interprétation :
On assiste à la présence d’un pic de 100 Hz qui correspond à la fréquence du
signal et des pics d’amplitude faible qui sont Dus au bruit blanc.

Donc le signal et le bruit ont la même amplitude alors la transformé de

Fourier est capable de lire l’information à la fréquence du signal.

b) L’amplitude du signal=1 et l’amplitude du bruit=2 :

t=0:1/3000:0.25;
x=sin(2*pi*t*100)+2*randn(size(t));
subplot(2,1,1)
plot(t,x)
xlabel('temps(s)');
ylabel('amplitude');
title('sinusoide bruité de fréquence 100 hz');
y=fft(x,512);
y=abs(y);
f=3000/512*(0:511);
subplot(2,1,2)
plot(f(1:100),y(1:100))
xlabel('frequence(hz)');
ylabel('amplitude spectrale');
title('module de spectre d un signal sinusoidal bruité');

sinusoide bruité de fréquence 100 hz

10

5
amplitude

-5

-10
0 0.05 0.1 0.15 0.2 0.25
temps(s)
module de spectre d un signal sinusoidal bruité
300
amplitude spectrale

200

100

0
0 100 200 300 400 500 600
frequence(hz)

Figure 12 : la représentation spectrale d’un signal sinusoïdale bruité lorsque

L’amplitude de bruit est le double de l’amplitude de signa

Interprétation :
La transformée de Fourier est incapable de lire l’information lorsque
l’amplitude de bruit est le double de l’amplitude de signal.