I.

Introduction :

L'échantillonnage d'un signal continu est l'opération qui consiste à prélever des échantillons du signal
pour obtenir un signal discret, c'est-à-dire une suite de nombres représentant le signal, dans le but de
mémoriser, transmettre, ou traiter le signal.

L'échantillonnage intervient dans l'opération de conversion analogique-numérique, par exemple dans un

dispositif de numérisation du son ou de l'image. Un autre exemple d'échantillonnage est celui que l'on fait
pour obtenir la représentation graphique d'une fonction à une ou deux variables. D'une manière générale,
l'échantillonnage intervient dans toute opération de conversion continu/discret.
Ce document présente le théorème de l'échantillonnage de Shannon, qui permet de savoir à quelle
fréquence minimale il faut échantillonner un signal pour ne pas perdre l'information qu'il contient. On
verra aussi comment se fait la reconstruction d'un signal continu à partir des échantillons, opération qui
intervient dans la conversion numérique-analogique.

Pour expliquer l'échantillonnage et la reconstruction, il faut utiliser l'analyse spectrale et la transformée

de Fourier discrète, abordées dans le document Introduction à l'analyse spectrale.

On s'intéressera à un signal temporel représenté par une fonction u(t), où t est le temps, mais les
résultats se transposent sans difficulté aux cas de fonctions d'autres variables, par exemple de variables
d'espace. En particulier, les résultats seront utilisables pour l'échantillonnage d'une image, c'est-à-dire une
fonction I(x, y) de deux variables d'espace.

II.Partie théorique :

1. A l’aide du logiciel Matlab, tracer l’allure la réponse impulsionnelle y(t)

clc
clear
tho=0.1;
T=tho/10;
%%%%%%%%%%%%%%%%%%%%%%%%%%%
t_fin=1;
time=[0:T:t_fin];
%%%%%%%%%%%%%%%%%%%%%%%%%%
y_t=(1/tho)*exp(-time/tho);
%%%%%%%%%%%%%%%%%%%%%%
plot(time,y_t,'o')

10

6
y ( t)

0
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
tim e ( s )
 Remarque
plus la fréquence d'échantillonnage est élevée ,plus l'information est perdue
c'est le problème du spectre
exemple T=tho/50

1 0

6
y ( t)

0
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
tim e ( s )

2. On rappelle que La transformée de Fourier du signal échantillonné est donnée par

u(t)=δ(t)
u(s)=1

τ=0,1s
T=τ/10 =0,01s
pour verifie
t  →0

donc c'est verifie

S=Jw=J2Πf=J2Π/T
 Donc c'est verifie

clc
clear
tho=0.1;
T=tho/10;
m=0;
for w=-10*pi/T:.1:10*pi/T
m=m+1;
puls(m)=w; % echelles des pulsations
Y1(m)=abs(1/(j*w*tho+1))/T;
Y2(m)=abs(1/((j*w-j*2*pi/T)*tho+1))/T;

Y3(m)=abs(1/((j*w+j*2*pi/T)*tho+1))/T;
end
plot(puls,Y1+Y2+Y3)

1 2 0

1 0 0

8 0
y1+ y2 + y3

6 0

4 0

2 0

0
-4 0 0 0 -3 0 0 0 -2 0 0 0 -1 0 0 0 0 1 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0
p u ls ( w )
Le spectre du signal discret comporte trois maxima

Remarque :
T=tho/5;

6 0

5 0

4 0
y1+ y2 + y3

3 0

2 0

1 0

0
-2 0 0 0 -1 5 0 0 -1 0 0 0 -5 0 0 0 5 0 0 1 0 0 0 1 5 0 0 2 0 0 0
p u ls ( w )

3. Vérifier la validité du théorème de Shanon

Le théorème de Shannon concerne les signaux dont le spectre possède une fréquence maximale fm , que
l'on appelle des signaux à bande limitée.

la fréquence maximale est celle de la plus grande harmonique. Théorème de Shannon : pour que le signal
puisse être entièrement reconstruit à partir des échantillons, il faut et il sut que :
fₑ ≥2fm → fm : la fréquence maximale de signal
T : période d'échantillonnage
fₑ : la fréquence d'échantillonnage
pour T=1/fₑ

clc
clear
tho=.1;
T=tho/10;
%%%%%%%%%%%%%%%%%%%%%%%%%%%
t_fin=1;
time=[0:T:t_fin];
%%%%%%%%%%%%%%%%%%%%%%%%%%
y_t=(1/tho)*exp(-time/tho);
%%%%%%%%%%%%%%%%%%%%%%
N=length(time);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for k=1:N
som=0;
for n=1:N
ds=y_t(n)*exp(-j*2*pi*(k-1)*(n-1)/N);
som=som+ds;
end
Y(k)=som;
end
abs_Y=T*sqrt((Y.*conj(Y)));
%%%%%%%%%%%%%%%%%%
f_step=(1/T)/N;
f_start=0;
f_finish=(1/T)*(N-1)/N+f_start;
%f=(1/Ts)/N*(0:(N-1));
f=f_start:f_step:f_finish;
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
plot(f,abs_Y)

1 .4

1 .2

0 .8
a bs(y)

0 .6

0 .4

0 .2

0
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 00
f(h z )

Remarque :
Cette opération eeffectuée dans le domaine fréquentiel revient à augmenter la fréquence d'échantillonnage
sans perdre d'information. Il reste à eeffectuer la transformée de Fourier discrète inverse

T=tho/50

1 .4

1 .2

0 .8
a bs (y )

0 .6

0 .4

0 .2

0
0 5 0 1 00 1 50 2 00 2 50 3 00 3 50 4 00 4 5 0 5 00
f( h z )

clc
clear
tho=0.03;
Ts=tho/3;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%
w = logspace(-15,.05,100000); % echelle logaritmique des pulsation
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
HOZ=(1-exp(-j*w/Ts))./(j*w/Ts); % expression du BOZ
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
abs_HOZ = 20*log10(abs(HOZ)); % gain en dB
angle_HOZ=angle(HOZ)*180/pi;
% trabé fu diagramme de Bode
subplot(2,1,1)
plot(w,abs_HOZ);
%%%%%%%%%%%%%%%%%
subplot(2,1,2)
plot(w,angle_HOZ)*180/pi;

-5 0
a bs(H O Z )

-1 00

-1 50

-2 00
0 0 .2 0 .4 0 .6 0 .8 1 1 .2 1 .4
w

0
a n g le (H O Z )

-5 0

-1 00

-1 50

-2 00
0 0 .2 0 .4 0 .6 0 .8 1 1 .2 1 .4
w