Vous êtes sur la page 1sur 8

Ecole Nationale Supérieure Polytechnique

Département de Génie Electrique


Travaux Pratiques
Traitement du Signal

TRANSFORMEES DE FOURIER DES


SIGNAUX NUMERIQUES

Présenté par :
DJELLOULI Mounir
AYADI Mohamed Zakaria
Groupe : f 3
Spécialité : Automatique

1
Manipulation 1 :

1. Calcul et tracé du module de la DTFT de la fenetre rectangulaire w(n) en fonction


1 1
de la fréquence normalisée f variant dans l’intervalle − ≤ f ≤ :
2 2
dtft=dtft(N)
f=-1/2:0.01:1/2;
tf=0;
for n=0:N-1
tf=tf+exp(-j*2*pi*f*n);
end
tfd=abs(tf);
plot(f,tfd);

On a choisi 100 échantillons pour la fenetre donc on choisira 1000 échantillons


pour la DTFT ce qui donnera l’allure suivante :

Remarques et conclusion : On sait que la DTFT d’une fenetre devrait etre un sinc
or ici on ne voit que le pic en 0 du sinc. Cela est du au choix d’un grand nombre
d’échantillons de la DTFT et la distribution d’energie du sinc tout au long de l’axe
des n.

2. Sois le signal : x(n) = exp(2 * (0 : 7) * 2π / 8)


N −1 − j 2π
k (2 − n )
X (k ) = ∑ e N
, k = 1...N − 1 .
n =0
Sous MATLAB:

x=0;
N=8;
n=0:N-1;
for k=0:N-1
x=x+exp(-j*2*pi*k*(2-n)./N);
y=abs(x);
end
2
Et voici le résultat:
y =

Columns 1 through 7

0.0000 0.0000 8.0000 0.0000 0.0000 0.0000 0.0000

Column 8

0.0000

3. Sois le signal x(n) = sin(2 * (0 : 7)2 * π / 8)


j  N −1 − jN2π k (2 − n ) N −1 − jN2π k (2 + n ) 
La TFD est de la forme X (k ) =  ∑e − ∑e  , k = 1...N − 1
2  n =0 n =0 

Le script est le même que pour le signal précédent et résultat de la DFT est :

>> y
0.0000 0.0000 4.0000 0.0000 0.0000 4.0000 0.0000
0.0000

Cela montre bien que les valeurs de la TFD sont nulles sauf pour X(2) et X(6).

4. Calcul et tracé de la DTFT du signal h(n) h(n) = a n .u (n) avec a=0.977 :


function dtft=dtft(N)
f=-0.1:0.001:0.1;
a=0.977;
H=0;
for n=0:N-1
H=H+(a.^n).*exp(-j*2*pi*f*n);
end
AH=abs(H);
plot(f,AH);
xlabel('f');
ylabel('H(f)');
title('DTFT de h(n)');
end

3
Commentaires: On remarque que plus le nombre N augmente plus le l’amplitude
du pique en 0 augmente et sa largeur diminue. Donc l’énergie se concentre au
point zéro.
4
Manipulation 2 :

1. calcul et trasé du signal x ( n ) = e 2 j π fn / N


function tp4_manip2_1()
n=0:15;
f=[4 4.1 4.5 4.9];
disp('DTFT de x(n)=exp(j*2*pi*(f(k)/16))');
for k=1:4
x=exp(j*2*pi*(f(k)/16)*n);
X=fft(x,16);
subplot(2,2,k);
stem(n,abs(X));
grid;
xlabel('n');
ylabel('X(k)');
end
end

2. On a obtenu la raie unitaire attendue pour f e = 4 / 16 . Pour cette fréquence le


pique se trouve en n=4 et a pour amplitude X (n) = 16 . Ce qui est conforme au
calcul théorique de la DFT de l’exponentielle complexe.

3. Interprétation : En réalité le signal obtenu (appelé Y (k ) ) pour des fréquences


qui ne sont pas entière est un signal décalé par rapport au signal qui a une
fréquence entière. Donc on a y (k ) = x(k − k 0 ) avec k 0 le retard introduit par la
différence entre f e et sa partie entière. Cela veut dire que les raies observées
appartiennent à TF de l’exponentielle complexe mais apparaissent dans la DFT
à cause du décalage k 0 .

5
Manipulation 3 :

On veut calculer la transformée de Fourier discrète d’une exponentielle


complexe.
1. L’exponentielle complexe avec f = 1600 Hz, f e = 8kHz et 100 échantillons :
function tp4_manip3_1()
k=0:99;
x=exp(2*j*pi*k*1600./8000);
y=real(x);
plot(k,x,'r');
xlabel('k');
ylabel('x(k)');
title('Partie réelle de l exponentielle complexe');
grid;
end

2. Calcul de la TFD des 50 premier échantillons du signal de x(k ) avec N = 50 :


On ajoute au programme précedent les commandes :
X=fft(x(1:50),50);
plot(abs(X),'*');

6
3. Avec une fréquence f = 1680 Hz :

4. Avec une fréquence f = 1680 Hz, N = 1000 :


On a change l’instruction plot(abs(X),'*'); par l’instruction
plot(abs(X),'r'); pour que le graphe sois plus clair. Et la commande
plot((1:1000).*(8000/1000),abs(X),'b'); pour faire apparaître les
fréquences sur l’axe des abscisses
.

7
5. Interprétation des résultats et commentaires :

Pour le premier cas ( f = 1600 Hz , N = 50 ) on n’a eu qu’une seule valeur non


8000n
nulle qui correspond à X (10) . On a f n = . Ceci nous donne f n = 1600 Hz
50
qui est la fréquence de la sinusoïde.
Pour le deuxième cas ( f = 1680 Hz , N = 50 ), on observe une atténuation des
valeurs de l’amplitude de part et d’autre de la valeur maximum qui correspond
à f = 1680 Hz .
Pour le cas où f = 1680 Hz , N = 1000 le graphe est un sinus cardinal du fait qu’on
a augmenté le nombre de point d’estimation de la DFT. Et toujours est-il que le
maximum se trouve pour f = 1680 Hz .
En augmentant le nombre N on a pu ainsi augmenté la résolution. D’autre
part l’allure du graphe qui est celle d’un sinus cardinal est du au fait que nous nous
sommes rapproché de signal sinusoïdal qui est multiplié dans le domaine temporel
par une fenêtre donc convolué à un sinc dans le domaine fréquentiel.

Vous aimerez peut-être aussi