Vous êtes sur la page 1sur 4

Université Sidi Mohammed Ben Abdellah

Faculté des Sciences Dhar El Mehraz – Fès


Département de Physique
Filière SMP - Parcours Electronique

Polycopié de travaux pratiques

Module : Traitement de Signal

Pr. Chakib El BEKKALI


Pr. Badre BOSSOUFI

Année Universitaire : 2018-2019


TP N° 1
Etude des signaux discrets
Théorie de l’échantillonnage en représentation temporelle reconstruction
« Analogique » d’un signal à partir de son image discrète

1- Représenter le signal x(t)=x0+x1.sin(2.fo.t) en fonction du temps avec x0=3V,


x1=5V, fo=7 Hz numérisé avec une fréquence d'échantillonnage fe de 100 Hz
pendant une durée d'acquisition =1 seconde.

Quelle est la taille du vecteur t, du vecteur x(t), quel est l'indice du point pour t=0
seconde, pour t=1seconde ?

2- Pour le même signal représenté x(t) entre –0.5 seconde et 1.5 seconde.

3- Dans l'intervalle temporel défini en 2), représenter sur un même graphe le signal x(t) pour
différentes fréquences d’échantillonnage : fe=140Hz, fe=20Hz, fe=14Hz, fe=7Hz, fe=5hz.
Commenter.

4- Pour une fréquence d'échantillonnage de 100 Hz, représenter sur un même graphe le
signal entre :
a) -2 seconde et +1seconde
b) -0.1 seconde et 0.5 seconde
Quel est l'indice du point pour t=0 seconde en a), en b) ?

5- x0=0V ; x1=1V ; fo=1,5Hz. Représenter sur un même graphique :

Le signal "analogique" xa(t) échantillonné à 200Hz entre –1s et 4s


Le signal "échantillonné" xe(t) échantillonné à fe1=5Hz entre t11=0s et t12=2s
Le signal "reconstruit" xr(t) à partir de xe(t) entre –1s et 4s.

6- étudier de l'influence de fe1, de t11 et t12 sur la qualité de la reconstruction du signal.


Rappels :

2
TP 2
Théorie de l’échantillonnage en représentation fréquentielle
Etude comparée des informations dans les domaines temporel et fréquentiel

1- Sur le domaine de n compris entre 0 et 7, générer la fonction Dirac δ[n]. Représenter la


fonction dans le domaine temporel et sa transformée de Fourier discrète (fft) (module "abs" et
phase "angle"). La fonction peut être réalisé par :

d=zeros(1,8) ; d(1)=1; ou ...[1 0 0 0 0 0 0 0]; quelle relation doit-on alors établir entre i et n
pour δ [n] (définition) et d(i) (programmé) ?
Commenter les résultats en vous appuyant sur le cours.

2- Générer la fonction Dirac δ [n-3] pour n=0 à 7. . Représenter la fonction dans le domaine
temporel et sa FFT (module et phase). Commenter les résultats en les comparants au 1).

3- Générer une fonction constante à 1 échantillonnée sur 8 points. Représenter la fonction dans le
domaine temporel et sa FFT (module et phase). Commenter les résultats en vous appuyant sur
le cours.

Solution possible pour générer la fonction : y=ones (1,8);

4- Représenter le signal x(t)=x0+x1.sin (2.fo.t +) et son image fréquentielle (module et phase)
avec x0=3V, x1=5V, fo=7 Hz,  =30° numérisé sur une période exacte avec 21 points.

5- Même question qu'en 4) mais avec une numérisation sur 3 périodes et 21 points

6- Même question qu'en 4) mais avec une numérisation sur 3,3 périodes et 21 points

7- Même question qu'en 4) mais avec une numérisation sur 16 périodes et 64 points par période.

8- commenter les résultats obtenus en 4, 5, 6 et 7.

9- Réaliser les modifications nécessaires pour que dans le domaine fréquentiel l'échelle des
abscisses soit en Hz afin de proposer une lecture directe des fréquences (fo=7 Hz) et que les
échelles des ordonnées (module et phase) permettent également une lecture directe des
informations initiales du signal (x0=3V, x1=5V et  =30°)

10- Reprendre la question 7 avec la même fréquence d'échantillonnage mais avec fo=440, 5625
Hz. Commenter.

3
TP 3
Observation spectrale par TFD et Résolution en fréquence.

Exercice 1 : Observation spectrale par TFD


La transformée de Fourier discrète correspond à un échantillonnage (dans le domaine fréquentiel)
de la transformée de Fourier d’un signal discret (parfois notée TFTD pour Transformée de
Fourier à Temps Discret).
Matlab fournit un calcul de la TFD par la fonction fft.
Dans cet exercice, nous allons superposer le résultat du calcul d’une TFD sur un nombre de
points fixé (N=32 par exemple) à la TFTD dont nous obtenons une approximation en faisant
appel au même programme fft mais en utilisant un nombre beaucoup plus grand de points (1024
par exemple), pour simuler son caractère continu.
1) Observer le résultat de la TFD lorsque le signal sinusoïdal est de fréquence multiple ou
non de 1/N. Conclure.
2) Les ondulations présentes sur la courbe de la TFTD sont une conséquence de la largeur de
la fenêtre d’observation (rectangulaire par défaut). Expliquer le phénomène et modifier la
durée d’observation du signal. Apposer une fenêtre de Hamming et comparer.
Exercice 2 : Résolution en fréquence.
La résolution en fréquence correspond à l’aptitude à distinguer deux fréquences voisines dans un
signal.
(la résolution peut être quantifiée par l’écart minimal entre les fréquences de 2 sinusoïdes pour
observer dans le spectre résultant, un creux de plus de 3dB entre les 2 maxima).
Dans la situation de l’exemple précédent, la résolution est de l’ordre de Fe/N, valeur inverse du
temps d’analyse du signal N.Te.
Du fait des lobes secondaires, la possibilité de séparer 2 sinusoïdes de fréquences proches va
dépendre des amplitudes respectives des 2 sinusoïdes.
1) générer un signal, somme de 2 sinusoïdes proches, dont on pourra faire varier les
amplitudes et l’écart entre elles. Observer le spectre dans une représentation en dB.
2) Déterminer par observation spectrale, la limite de résolution dans le cas où les amplitudes
sont égales et dans le cas où les amplitudes présentent un rapport de 20 dB.
3) Effectuer la même étude en utilisant une fenêtre de Hamming.

Vous aimerez peut-être aussi