Vous êtes sur la page 1sur 17

2019/2020

TP : traitement de signal

[NOM DE L’AUTEUR]

[NOM DE LA SOCIÉTÉ] |[Adresse de la société]


TP TRAITEMENT DE SIGNAL juin 2020

TP1 : étude temporelles et fréquentielle des signaux déterministe


périodique
Objet de TP
L'objectif de ce TP est l’utilisation de la commande fft de Matlab permet de calculer la
transformée de Fourier et le traçage du spectre d’énergie dune coi sinusoïde.

TP : TRAITEMENT DE SIGNAL
M n a s Saadaoui oussama
sriOuMalik

TP TRAITEMENT DE SIGNAL juin 2020


Transformée de Fourier discrète et le spectre d’amplitude de x(t)

TP : TRAITEMENT DE SIGNAL
TP TRAITEMENT DE SIGNAL 23 juin 2020

L’autocorrélation du signal x(t)

et transformée de Fourier discrète

TP : TRAITEMENT DE SIGNAL
TP TRAITEMENT DE SIGNAL juin 2020

TP2 : étude temporelles et fréquentielle des signaux déterministe non


périodique

Objectif
La représentation des signaux déterministe dans le domaine temporelle et fréquentielle en
appliquant la transformée de Fourrier utilisant MATLAB.

Représentation des courbe et programme

Figure : xxx

Figure : xxx

TP : TRAITEMENT DE SIGNAL
Figure :

Figure :

TP : TRAITEMENT DE SIGNAL
Figure :

Figure : xxx

TP : TRAITEMENT DE SIGNAL
Les interprétations :

D’après la question 3 qu’on a calculer la TF(x) après avoir la représentation de


Fourrier (TF) de la question 2 : on a représenté la valeur absolue de X obtenue en
fonction de (f1)
La représentation de la valeur absolue de X les fréquences principales de notre signal
continue dans cette 3 fréquence : -100 ,-200,100. Si on illuminer un signal on va
perdre une quantité d’information.
Dans la question 4 : on a superposé les courbes relatives sur le même graphe, on
constate que les courbes sont identiques car elles ont la même amplitude.

➔ La représentation de spectre d’amplitude en fonction de fréquence

TP : TRAITEMENT DE SIGNAL
La question 5 : on va calculer le transformer de fourrier inverse (TF-1 ) de signal X1
utilisant la fonction de signal X(t) de transformer de Fourrier : Pour déterminer le
spectre d’Energie d’un signal X.
Sur la même figure les fonction X1=f(t) et X2=f(t2), on observe que la courbe
conserve son amplitude comme les questions précédant. On constate qu’on a un
spectre d’Energie qui a la valeur 0.25 et autre spectre qui s’appelle Spectre
d’amplitude.
Amplitude de fréquence donne une fréquence F0 associe l’amplitude de signal a
cette position.
Dans la question 7 : la superposition des courbes de partie réelle, la partie imaginaire
et de module de signal y(t), on constate que la partie réel et imaginaire du spectre
représente l’enveloppe spectral, tandis que la valeur absolue représente le signal y(t)
correspond à la périodisation d’un signal à Energie finie.
Le signal définie d’une fréquence [-100, +100] et F=0.

➔ On va connaitre la caractéristique de notre signal (la fréquence qui définit notre signal)
FMax=200. S’avoir l’Energie et connaitre la puissance pour la transmettre.

TP : TRAITEMENT DE SIGNAL
TP TRAITEMENT DE SIGNAL 23 juin 2020

TP3 : échantillonnage

Objectif
Maitrise le problème d’échantillonnage et dereconstitution de signaux.
On va prendre les informations d’un signal à partir de seséchantillons si la
fréquence d’échantillonnage est égaleou grande 2 fois de fréquence continue dans le
spectrede signal qu’on échantillon : Fe>=2FMax.
Pour retrouver toute la fréquence continue dans lespectre du signal continue il faut que les
termes quicaractérise le spectre périodique du même signal après l’échantillonnage aient
des supports disjoints

1ere fonctions moyenneur


function [ moy ] = moyenneur( x,t,Te,deltaT )
% x est le signal a discrètiser
% t est le domaine temporelle
% Te est la période d'echantillage

tech= -2:Te:2;

for n=1:length(tech)
nb_points=find((t>=tech(n))& (t<tech(n)+deltaT));
Xech_reel(n)=mean(x(nb_points)) ;
end
moy=Xech_reel
end

2ere fonctions BOZ


function [ Xboz ] = BOZ( xechant_reel,t,Te )
%UNTITLED7 Summary of this function goes here
% Detailed explanation goes here

Xbloqueur=zeros(size(t));
tech= -2:Te:2;

for m=1:length(tech)-1
nb_point=find((t>=tech(m))&(t<tech(m+1)));
Xbloqueur(nb_point)=xechant_reel(m) ;
end
Xboz=Xbloqueur;
end

TP : TRAITEMENT DE SIGNAL
Programme principal du TP3

clear all
close all
clc

T0=0.001;
f0=5;
t=[-2:T0:2];
%1
x=sinc(f0*t);
figure(1)
plot(t,x,'r') ;
%2
f0=5
Fe1=5;
Fe2=10;
Fe3=30;
t1=[-2:1/Fe1:2];
t2=[-2:1/Fe2:2];
t3=[-2:1/Fe3:2];
x1=sinc(f0*t1);
x2=sinc(f0*t2);
x3=sinc(f0*t3);
figure(1)
%subplot (311) ; stem(x1) ;
%subplot (312) ; stem(x2) ;
%subplot (313) ; stem(x3) ;

%3
tau11=1/Fe1;
tau12=1/(5*Fe1);

tau21=1/Fe2;
tau22=1/(5*Fe2);

tau31=1/Fe3;
tau32=1/(5*Fe3);

xe11=moyenneur(x,t,1/Fe1,tau11);
xe12=moyenneur(x,t,1/Fe1,tau12);
xe21=moyenneur(x,t,1/Fe2,tau21);
xe22=moyenneur(x,t,1/Fe2,tau22);
xe31=moyenneur(x,t,1/Fe3,tau31);
xe32=moyenneur(x,t,1/Fe3,tau32);

TP : TRAITEMENT DE SIGNAL
figure(3)
subplot(311) ;plot(t,x,'r');
title('x(t)','fontsize',12)
subplot(312) ;stem(t1,xe11,'g');
title('x(t)','fontsize',12)
subplot(313) ;stem(t1,xe12,'b');

figure(4)
subplot(311) ;plot(t,x,'r');
title('x(t)','fontsize',12)
subplot(312) ;stem(t2,xe21,'g');
title('x(t)','fontsize',12)
subplot(313) ;stem(t2,xe22,'b');

figure(5)
subplot(311) ;plot(t,x,'r');
title('x(t)','fontsize',12)
subplot(312) ;stem(t3,xe31,'g');
title('x(t)','fontsize',12)
subplot(313) ;stem(t3,xe32,'b');

%4
xr1=BOZ(xe12,t,1/Fe1);
xr2=BOZ(xe22,t,1/Fe2);
xr3=BOZ(xe32,t,1/Fe3);

figure(6)
subplot(311) ;plot(t,x,'r');
title('x(t)','fontsize',12)
subplot(312) ;plot(t,xr1,'g');
title('x(t)','fontsize',12)

figure(7)
subplot(311) ;plot(t,x,'r');
title('x(t)','fontsize',12)
subplot(312) ;plot(t,xr2,'g');
title('x(t)','fontsize',12)

figure(8)
subplot(311) ;plot(t,x,'r');
title('x(t)','fontsize',12)
subplot(312) ;plot(t,xr3,'g');
title('x(t)','fontsize',12)

TP : TRAITEMENT DE SIGNAL
Echantillonnage idéal

Figure : xxx

Figure : xxx

TP : TRAITEMENT DE SIGNAL
Echantillonnage Réel

Figure : xxx

Figure : xxx
Figure : xxx

Reconstruction di signal

Figure : xxx

TP : TRAITEMENT DE SIGNAL [NOM DE L’AUTEUR]


Les interprétations :

 Sur la représentation d’un Signal réel de la ’Sinc’ et qui a simulé sur logiciel MATLAB qui lui
donne un signal Continue par un signal discret de fréquence d’échantillonnage qui est
supérieur T0=0.001. - Dans l’échantillonnage idéal est modéliser par la multiplication de
signal continue X(t) et un peigne de Dirac de période Te.
 f est possible d’obtenir des échantillons de duré presque nulle donc il peut être modéliser
par la multiplication du signal de la fonction rectangle.

TP : TRAITEMENT DE SIGNAL

Vous aimerez peut-être aussi