Vous êtes sur la page 1sur 11

ECHANTILLONNAGE RÉEL

Encadré par : Pr. HAMDOUNE


Réalisé par : BENOMAR Azzedine
ELGOURBI Saïd
GHAMMAT Bilal
1
MEJDOUBI Mohamed Ali année universitaire 2011/2012
Sommaire

Introduction ………………………………………………………………………………..3

1-MECANISMES D’ECHANTILLONNAGE …………………………………….....4

2-RECONSTRUCTION D’UN SIGNAL ECHANTILLONE:…………………..5

3-ECHANTILLONNAGE REEL :……………………………………………………….6

4-APPLICATION :………………………………………………………………………….10

Conclusion :…………………………………………………………………………………13

2
INTRODUCTION :

L’échantillonnage est la représentation d’un signal par

une suite de valeurs numériques ponctuelles prélevées

régulièrement ou irrégulièrement dans le but de son

traitement par voie numérique par un calculateur. Ainsi

La théorie d’échantillonnage permet de convertir

fidèlement du domaine analogique vers le domaine

numérique. Dans ce rapport on va rappeler la théorie

d’échantillonnage définir la notion de l’échantillonnage

réel et donner des exemples pratique de cet

échantillonnage.

3
1-MECANISMES D’ECHANTILLONNAGE :

L’échantillonnage d’un signal consiste a prélever a intervalle régulier


tout les Te les valeurs instantanées s (nTe) pour créer un autre signal
se(t) représenté par un ensemble de valeurs discret (nul partout sauf au
instant d’échantillonnage : Te,2Te ,3Te……nTe)

Domaine temporel
Examinons maintenant le processus en détail, et commençant par le
domaine temporel, le paradigme standard est montré dans ce schéma :

Domaine fréquentielle :
Nous supposons que le spectre du signal est à bande limité.

4
2-RECONSTRUCTION D’UN SIGNAL ECHANTILLONE:
Théorème de Shannon :

Un signal analogique x(t) ayant une largeur de bande finie limité à 2F Hz ne peut

être reconstitué exactement à partir de ses échantillons x (nt) que si ceux-ci ont été

prélevés avec une période

DOMAINE FREQUENTIELLE :
Le signal original continu dans le temps est complètement récupéré si
son spectre peut être extrait à partir de Y(F) à l’aide d’un filtre idéal.

DOMAINE TEMPOREL :
Pour voir comment le processus fonctionne dans le domaine temporel,
rappelons qu’un filtre passe-bas dans le domaine fréquentielle est un
sinus cardinal dans le domaine temporel.
Alors, multipliant par un filtre passe-bas dans la fréquence c’est la
convolution avec un Sinc dans le temps

5
et puisque y(t) est juste des échantillons, signal reconstruit x(t) et donc
des Sinc décalés est superposées.

3-ECHANTILLONNAGE REEL :
En pratique, l’échantillonnage s’effectue en commandant un
interrupteur par un train d’impulsions étroites. Il est donc impossible
d’obtenir des échantillons de durée quasiment nulle. La modélisation de
l’échantillonnage par un peigne de Dirac est donc erronée. En fait,
chaque impulsion va avoir une durée très courte τ. L’échantillonnage
peut donc être modélisé par la multiplication du signal par une suite de
fonction rectangle (ou porte) de largeur τ

6
L’expression du signal d’échantillonnage devient donc :

Et par conséquent, sa transformée de Fourier est égale à :

Comme l’expression du signal échantillonné est :

Sa transformée de Fourier devient :

On retrouve la même allure de spectre modulé en amplitude par une


fonction en sinus cardinale.

Dans le domaine des fréquences, le peigne de Dirac temporel est un


peigne de Dirac fréquentiel, les spectres sont convolués pour obtenir le
spectre du signal échantillonné.
On peut aussi voir cela de façon plus simple comme étant la
multiplication temporelle de V(t) par une somme infinie de sinus

7
(n.2pi. fe.t). A la manière de la modulation d'amplitude le spectre du
signal v(t) se retrouve transposé autour de n.fe

Avec un signal d'échantillonnage réel avec une largeur d'impulsion non


nul tau. le spectre devient comme indiqué ci dessous :
le spectre ne contient pas de raie à n.fe. Mais il peut il avoir une densité
d'énergie si le signal BF v(t) contient une composante continue.

8
Un exemple réalisé en simulation d'échantillonnage non maintenu
(retour à zéro entre les échantillons) d'un triangle à 1kHz à une cadence
de Fe=100kHz avec une largeur d'impulsion =2us est donné ci après:

Le spectre s'annule tous les n.(1/2us). soit à 500kHz 1MHz etc...


Avec un échantillonnage maintenu d'un triangle à 1kHz, toujours à une
cadence de Fe=100kHz, on fabrique des marches d'escaliers ( plus
douces que les retours à zéro ci dessus). Le spectre est donc
naturellement moins "riche" en fréquences élevées. La largeur de
l'impulsion "tau" devenant égale à Te, le spectre présente des zéro tous
les n.Fe.

9
APPLICATION :
On va désormais faire l’échantillonnage réel d’un signal.
Prenons le cas d’un signal sinusoïdal d’amplitude 1 et de fréquence
100Hz.
Ce signal va être échantillonné par un signal rectangulaire de période 1 s.

T=120;
t=(0:0.1:(T-1));
s=sin(2*pi*0.1*t);
subplot(3,2,1);
plot(t,s);
title('generation du signal sinusoidal')
N=length(t);
S=fft(s)/N;
f = -N/2:1:(N/2)-1;
S = fftshift(S);
subplot(3,2,2);
plot(f,abs(S));
title('transformé de Fourier discréte linéaire du signal
limité avec la fenetre')
A=1;
M=300;
x=(square(2*pi*t/A))/2;
y=x+0.5;
subplot(3,2,3);
plot(t,y);
title('generation du signal d''echantillonage')
h=y;
H=fft(h)/N;
H = fftshift(H);
subplot(3,2,4);
plot(f,abs(H));
title('TF discréte en linéaire du signal
d''échantillonage')
b=s.*y;
K=fft(b)/N;
K = fftshift(K);
subplot(3,2,6);
plot(f,abs(K));
title('signal échantilloné en frequence')
subplot(3,2,5);
plot(t,b);
title('signal échantilloné en linaire' 10
Conclusion :
Ce projet a été très enrichissant pour nous, en effet on a pu concrétiser
nos connaissances acquises en cours de traitement de signal sur
l’échantillonnage en général, et spécialement sur l’échantillonnage
réel ; en plus c’était une occasion de faire un travail en groupe pour
terminer en beauté ce module.

11