Université Frères Mentouri - Constantine 2020/2021

Faculté des sciences de la technologie

Département d’électronique
Module : TP_TAS (TP du traitement avancé du signal)

M1 – Instrumentation
M1 – Réseaux et télécommunications

TP 03
ESTIMATION DE LA DENSITE SPECTRALE DE PUISSANCE
− Méthodes non paramétriques −

I. OBJECTIF
La fonction de corrélation constitue une mesure de ressemblance entre deux signaux
(intercorrélation) ou, si elle est appliquée à un seul signal, cette fonction, appelée alors
autocorrélation, mesure le lien qui existe entre les différentes valeurs du signal à des instants
différents. Cette quantité dépend d’un paramètre de décalage temporel (déphasage entre les deux
signaux dans le cas de l’intercorrélation) et possède selon la nature des signaux, plusieurs définitions.
La densité spectrale de puissance (transformée de Fourier de la fonction d’autocorrélation)
reflète la contribution qu’apporte chaque fréquence à la puissance moyenne du signal.
Le but de ce TP est de comparer plusieurs estimateurs de la densité spectrale de puissance d’un signal
sinusoïdale

II. ESTIMATION DE DENSITE SPECTRALE

Il existe différentes méthodes d’estimation de la densité spectrale de puissance. Le problème
des estimateurs de densité spectrale réside dans la variance qui est généralement grande et qui ne
diminue pas en augmentant le nombre d’échantillons du signal. Nous allons examiner les méthodes
les plus couramment utilisées
a) Périodogramme simple
Cette méthode estime la densité spectrale de puissance comme étant le carré du module de la
transformée de Fourier du signal

1
= ; = 0, ⋯ , −1

b) Périodogramme moyenne
Une manière de réduire la variance de l'estimateur est de subdivisé l'intervalle de définition
du signal x(k) en un certain nombre de sous-intervalles. On calcule les densités spectrales sur chacun
des sous-intervalles.
%&
= ! "∑! $ ' " ; = 0, ⋯ , −1

Ensuite, on réalise la moyenne

1
 (
= ∑)
)

c) Corrélogramme
Il consiste à calculer la transformée de Fourier de l’estimateur de la fonction d’autocorrélation
du signal x(k) de N points pondéré par une fenêtre de pondération * .
= +,-./0 * 1 = +,-./0 1 ∗ +,-3* 4

III. TRAVAIL A EFFECTUER

On considère le signal 5 dont on désire calculer la densité spectrale de puissance par les
méthodes citées ci-dessus
5 = 6 cos 2;< 5 + 6 cos 2;< 5
avec 6 = 6 = 1 , < = 15 ?@1 et < = 55 ?@

1) Prélever 128 échantillons du signal dans l'intervalle [0s; 1s]: Ceci revient à prendre un
fréquence d’échantillonnage <A = 127.
2) Programmer la méthode et tracer la DSP (en dB) de 5 : Ne pas oublier la normalisation
(diviser par le nombre de points).
3) Comparer les résultats à ceux qu’on obtiendrait en prenant simplement la transformée de
Fourier de la fonction d’autocorrélation (le corrélogramme).
4) Ajouter au signal un bruit et examiner les différences entre les deux méthodes quand le
nombre de points d’échantillonnage varie. On prendra 6 = 2; 6 = 1 ; puis 6 =
5; 6 = 1
5) Reprendre le signal précédent 5 avec <A = 1023. On prendra alors 4 sous intervalles de
256 points.
6) Calculer et tracer le périodogramme moyenné. Comparer les résultats au périodogramme
simple.
7) Reprendre la questions (6) en considérant cette fois-ci des sous intervalles de mêmes
longueurs que précédemment mais avec des recouvrements d’une demi-longueur.

Quelques fonctions Matlab utiles dans le TP

Pour connaître le mode d’appel de ces fonctions, penser à l’aide en ligne de Matlab : help ‘‘nom de
la fonction’’ ou lookfor ‘‘mot’’.
 randn : génération d’un bruit blanc normal centré et de variance unité
 fft : transformée de Fourier discrète
 fftshift : recentre le spectre
 xcorr : autocorrélation