TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

TP N1 :

Echantillonnage des
signaux et fenêtres de
pondérations

Encadré par : MR . DRISSI

Réalisé par : BAHLOUL LAILA (N : 10)

CHAKOUR SAMI (N : 21)
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

I) Fréquence d’échantillonnage :
a) Fe=100 Hz

t=0:0.01:0.25;
x=sin(2*pi*100*t);
plot(t,x)
xlabel('Temps(s)'),
ylabel('Amplitude');
title('signal sinusoïdal');

-14
x 10 signal sinusoïdal
2

1.5

0.5
Amplitude

-0.5

-1

-1.5
0 0.05 0.1 0.15 0.2 0.25
Temps(s)

Figure 1: Signal sinusoïdal de fréquence 100 Hz échantillonné fe=100 Hz

Interprétation :

D’après la figure 1 on constate qu’il y a perte d’information, raison pour

laquelle on augmente la valeur de fe
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

b) Fe=1000 Hz

t=0:0.001:0.25;
x=sin(2*pi*100*t);
plot(t(1 :30),x(1 :30))
xlabel('Temps(s)'),
ylabel('Amplitude');
title('signal sinusoïdal');

signal sinusoïdal
1

0.8

0.6

0.4

0.2
Amplitude

-0.2

-0.4

-0.6

-0.8

-1
0 0.005 0.01 0.015 0.02 0.025 0.03
Temps(s)

Figure 2: Signal sinusoïdal de fréquence 1000 Hz échantillonné fe=1000 Hz

Interprétation :

D’après la figure 2 on assiste a la présence au niveau du maximum et du

minimum du signal sinusoïdal
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

c) Fe=3000 Hz

t=0:0.0003:0.25;
x=sin(2*pi*100*t);
plot(t(1:50),x(1:50))
xlabel('Temps(s)'),
ylabel('Amplitude');
title('signal sinusoïdal');

signal sinusoïdal
1

0.8

0.6

0.4

0.2
Amplitude

-0.2

-0.4

-0.6

-0.8

-1
0 0.005 0.01 0.015
Temps(s)

Figure 3: Signal sinusoïdal de fréquence 3000 Hz échantillonné fe=3000 Hz

Interprétation :

D’après la figure 3 on remarque la présence de la totalité d’information existe

dans cette représentation
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

II) Spectre d’un signal sinusoïdal :

t=0:1/3000:0.25;
x=sin(2*pi*100*t);
subplot(2,1,1)
plot(t(1:50),x(1:50))
xlabel('Temps(s)'),
ylabel('Amplitude');
title('signal sinusoïdal');
y= fft(x,512);
z= abs(y);
f= 3000/512*(0:511);
subplot(2,1,2)
plot(f(1:100),z(1:100))
flabel('Frequence'),
zlabel('Amplitude spectrale');
title('Module du spectre');

signal sinusoïdal
1

0.5
Amplitude

-0.5

-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
Temps(s)

300

200

100

0
0 100 200 300 400 500 600

Figure 4: Signal sinusoïdale de fréquence 100 HZ et son spectre.

Interprétation :

D’après la figure 4 on assiste à la présence d’un pique qui correspond

parfaitement au signal sinusoïdal.
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

III) Fenêtres de pondération :

1-a Fenêtre rectangulaire :
t=-2:0.01:2;
x=(sign(t+1)-sign(t-1))/2;
plot(t,x)
xlabel('Temps(s)'),
ylabel('Amplitude');
Title('Signal rectangulaire');

Signal rectangulaire
1

0.9

0.8

0.7

0.6
Amplitude

0.5

0.4

0.3

0.2

0.1

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps(s)

Figure 5: Signal rectangulaire.

TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

1-b) Spectre de la fenêtre rectangulaire :

t=-2:0.01:2;
x=(sign(t+1)-sign(t-1))/2;
subplot(2,1,1)
plot(t,x)
xlabel('Temps(s)'),
ylabel('Amplitude');
Title('Signal rectangulaire');
y= fft(x,512);
a= fftshift(y);
z= abs(a/200);
f= 3000/512*(0:511);
subplot(2,1,2)
plot(f(216:306),z(216:306))
flabel('Frequence'),
zlabel('Amplitude spectrale');
title('Module du spectre');

Signal rectangulaire
1
Amplitude

0.5

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps(s)

1
X: 1500
Y: 1

0.5

0
1200 1300 1400 1500 1600 1700 1800

Figure 6: Signal rectangulaire et son spectre.

TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

Interprétation : D’après la figure 6 on assiste a la présence d’un lob principale

et des lobs secondaires
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

2)Fenêtre triangulaire :

t=-2:0.01:2;
T=4;
x=1-2*abs(t)/T;
subplot(2,1,1)
plot(t,x)
xlabel('Temps(s)'),
ylabel('Amplitude');
Title('Signal triangulaire');
y= fft(x,512);
a= fftshift(y);
z= abs(a/200);
f= ((100/512)*(0:511));
subplot(2,1,2)
plot(f(216:306),z(216:306))
flabel('Frequence'),
zlabel('Amplitude spectrale');
title('Module du spectre');

Signal triangulaire
1
Amplitude

0.5

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps(s)

0.5

0
40 42 44 46 48 50 52 54 56 58 60

Figure 7: Signal triangulaire et son spectre.

Interprétation : D’après la figure 7 on assiste la présence d’un lob principale et

des lobs secondaires d’amplitudes atteignable par rapport a celle obtenues
dans le signal rectangulaire
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

3) Fenêtre Hanning:
t=-2:0.01:2;
a=0.5;
f=0.25;
x=a+(1-a)*cos(2*pi*f*t);
subplot(2,1,1)
plot(t,x)
xlabel('Temps(s)'),
ylabel('Amplitude');
Title('Signal Hanning');
y= fft(x,512);
b= fftshift(y);
z= abs(b/200);
f= ((100/512)*(0:511));
subplot(2,1,2)
plot(f(216:306),z(216:306))
flabel('Frequence'),
zlabel('Amplitude spectrale');
title('Module du spectre');

Signal Hanning
1
Amplitude

0.5

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps(s)

0.5

0
40 42 44 46 48 50 52 54 56 58 60

Figure 8: Signal de Hanning et son spectre.

Interprétation : D’après la figure 8 on remarque la présence d’un lobe

principale et absence des lobes secondaires
TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

4) Fenêtre de Hanne :
t=-2:0.01:2;
f=0.25;
x=0.5-0.5*cos(2*pi*t*f);
subplot(2,1,1)
plot(t,x)
xlabel('Temps(s)'),
ylabel('Amplitude');
Title('Signal Hanne');
y= fft(x,512);
b= fftshift(y);
z= abs(b/200);
f= ((100/512)*(0:511));
subplot(2,1,2)
plot(f(216:306),z(216:306))
flabel('Frequence'),
zlabel('Amplitude spectrale');
title('Module du spectre');

Signal Hanne
1
Amplitude

0.5

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps(s)

1.5

0.5

0
40 42 44 46 48 50 52 54 56 58 60

Figure 9: Signal de Hanne et son spectre

TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

5) Fenêtre de Gauss :

t=-2:0.01:2;
x=exp(-t.^2);
subplot(2,1,1)
plot(t,x)
xlabel('Temps(s)'),
ylabel('Amplitude');
Title('Signal Gauss');
y= fft(x,512);
b= fftshift(y);
z= abs(b/200);
f= ((100/512)*(0:511));
subplot(2,1,2)
plot(f(216:306),z(216:306))
flabel('Frequence'),
zlabel('Amplitude spectrale');
title('Module du spectre');

Signal Gauss
1
Amplitude

0.5

0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps(s)

0.5

0
40 42 44 46 48 50 52 54 56 58 60

Figure 10: Signal de Gauss et son spectre

TRAVAUX PRATIQUES :

TRAITEMENT NUMERIQUE DES SIGNAUX

Conclusion
D’après la réalisation de ce TP ; on conclut que la
fenêtre la mieux adaptée pour le traitement de signal
est la fenêtre de Hanning .