Université des Sciences et de la Technologie Houari-Boumediene

FEI/ Dép. des Télécommunication/ Licence: Télécommunication.

Compte rendu de TP n°01 Communication analogique :

Échantillonnage Quantification et codage

binaire des signaux

Nom: AKRIB. Nom: CHACHOUA.

Prénom : Faiza. Prénom: Kenza.
Matricule :181831063650. Matricule :181831065661.

Section: A Groupe: 01 Sous-groupe: 05.

Année universitaire :2020/2021.

 But de TP :

Est de comprendre les notions d'échantillonnage et de quantification en les

implémentant, et d'étudier les divers phénomènes qui leur sont liés. Nous
verrons le cas le plus simple de quantification d'un simple. D’un simple signal
sinusoïdal a diverses fréquences afin de mettre en évidence le phénomène
d'aliasing.
Nous étudierons aussi l'écrêtage (phénomène qui survient lorsque l'amplitude
du signal d'entrée est trop élevée) ainsi que l'influence du nombre de bits de
codage sur le bruit de quantification.

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 nombre représentant le signal, dans le but
de mémoriser, transmettre, ou traiter le signal.

La quantification :
L’opération de quantification consiste à attribuer un nombre binaire à toute
valeur prélevée au signal lors de l’échantillonnage.
Chaque niveau de tension est codé sur p bits, chaque bit pouvant prendre deux
valeurs (0 ou 1). Donc un convertisseur à p bits possède 2p niveaux de
quantification.

Le codage binaire :
Convertir les niveaux en leurs codes binaire correspondant puis les
rassembler pour obtenir le signal numérique.

01
 Partie 01 : ECHANTILLIONNAGE :

Après l’exécution du programme sur Matlab :

1. Représentation des 5 signaux :

S1(t) avec Fe1 : S2(t) avec Fe2 :

S3(t) avec Fe3 : S4(t) avec Fe4 :

S5(t) avec Fe5 :

02
 2- Détermination du nombre d’échantillons obtenus dans chaque cas :

S1(t) : N= 2000 calcul théorique : N= 2*T0/Te=2*Fe/F0= (2*10^6) / 1000 = 2000 ech.

S2(t) : N= 10 calcul théorique : N= 2*T0/Te=2*Fe/F0= (2*5*10^3) / 1000 = 10 ech.

S3(t) : N= 8 calcul théorique : N= 2*T0/Te=2*Fe/F0= (2*4*10^3) / 1000 = 8 ech.

S4(t) : N= 4 calcul théorique : N= 2*T0/Te=2*Fe/F0= (2*2*10^3) / 1000 = 4 ech.

S5(t) : N= 1 calcul théorique : N= 2*T0/Te=2*Fe/F0= (2*500) / 1000 = 1 ech.

✓ Discussion des résultats et conclusion :

f0=1kHz.  2f0= 2kHz. Fe1=106 kHz 2f0. Fe4=2 kHz 2f0.

Fe2= 5 kHz 2f0. Fe5=500 Hz 2f0.
Fe3=4 kHz 2f0.

Par Comparaison avec les signaux précédents le signal "s1 /s2e t s3" sont les plus précis et juste
car ils respectes Le théorème de Shannon disant qu'il faut au moins 2 échantillons pour décrire
un signal sinusoïdal ou Fe 2fmax=2f0 contrairement aux deux derniers signaux.
Plus le nombre d’échantillons augmente Plus aura un meilleur échantillonnage.

3. Visualisation du module du spectres des 5 signaux :

Percentage Fe1 Sampling frequency

Te1 = 1/Fe1;
L = length(s1)
t = (0:L-1)*Te1;
NFFT = 2^nextpow2(L);
Y =abs( fft(s1,NFFT));
f = Fe1/2*linspace(0,1,NFFT/2+1);
figure(6); grid;hold on; xlim([0
max(f)/10]) %sets the x limits.
plot(f,(Y(1:NFFT/2+1))) % on trace le
module de la FFT
title('Single-Sided Amplitude Spectrum
of s1(t)')
xlabel('Frequency (Hz)')
ylabel('|S1(f)|')

03
 % Fe2 Sampling frequency
Te2 = 1/Fe2;
L = length(s2)
t = (0:L-1)*Te2;
NFFT = 2^nextpow2(L);
Y =abs(fft(s2,NFFT));
f = Fe2/2*linspace(0,1,NFFT/2+1);
figure(6); grid;hold on; xlim([0
max(f)/10]) %sets the x limits.
plot(f,(Y(1:NFFT/2+1))) % on trace le
module de la FFT
title('Single-Sided Amplitude Spectrum
of s2(t)')
xlabel('Frequency (Hz)')
ylabel('|S2(f)|')

% Fe3 Sampling frequency

Te3 = 1/Fe3;
L = length(s3)
t = (0:L-1)*Te3;
NFFT = 2^nextpow2(L);
Y =abs(fft(s3,NFFT));
f = Fe3/2*linspace(0,1,NFFT/2+1);
figure(6); grid;hold on; xlim([0
max(f)/10]) %sets the x limits.
plot(f,(Y(1:NFFT/2+1))) % on trace le
module de la FFT
title('Single-Sided Amplitude Spectrum
of s3(t)')
xlabel('Frequency (Hz)')
ylabel('|S3(f)|')

% Fe4 Sampling frequency

Te4 = 1/Fe4;
L = length(s4)
t = (0:L-1)*Te4;
NFFT = 2^nextpow2(L);
Y =abs(fft(s4,NFFT));
f = Fe4/2*linspace(0,1,NFFT/2+1);
figure(6); grid;hold on; xlim([0
max(f)/10]) %sets the x limits.
plot(f,(Y(1:NFFT/2+1))) % on trace
le module de la FFT
title('Single-Sided Amplitude
Spectrum of s4(t)')
xlabel('Frequency (Hz)')
ylabel('|S4(f)|')

04
% Fe5 Sampling frequency
Te5 = 1/Fe5;
L = length(s5)
t = (0:L-1)*Te5;
NFFT = 2^nextpow2(L);
Y =abs(fft(s5,NFFT));
f = Fe5/2*linspace(0,1,NFFT/2+1);
figure(6); grid;hold on; xlim([0
max(f)/10]) %sets the x limits.
plot(f,(Y(1:NFFT/2+1))) % on trace le
module de la FFT
title('Single-Sided Amplitude Spectrum
of s5(t)')
xlabel('Frequency (Hz)')
ylabel('|S5(f)|')

✓ Explication du rôle de chaque fonction utilisée :

Te1=1/Fe1 La durée du signal.

L = length(s1) La longueur du signal.

t = (0:L-1)*Te1; Vecteur du temps.

NFFT = 2^nextpow2(L); Puissance de 2 la plus proche de la longueur du vecteur s1.

Y =abs( fft(s1,NFFT)); Valeur absolue et magnitude complexe.

f = Fe1/2*linspace(0,1,NFFT/2+1); Générer un vecteur espacé linéairement.

Figure (6) Créer une fenêtre de figure.

grid Afficher ou masquer les lignes de la grille des axes.

hold on Conserver le tracé actuel lors de l'ajout de nouveaux tracés.

Xlim([0 10000]) : Les limites de x.

Plot(f,(Y(1:NFFT/2+1))) Tracer de module de la FFT.

Title ('Single-Sided Amplitude Spectrum of s1(t)') Titre de la figure.

xlabel('Frequency (Hz)') Titre de l’axe des x.

ylabel('|S1(f)|') Titre de l’axe des y.

05
 Conclusion :
Pour que le signal puisse être entièrement reconstruit à partir des échantillons, il faut
et il suffit que :Fe  2fmax=2f0, la lois de Shannon.
On constate que plus la fréquence d’échantillonnage est beaucoup supérieure à
2fmax plus le nombre d’échantillons augmente donc on aura un meilleur
échantillonnage et pas des fréquences artificielles qui ne sont pas représentatives du
notre signal.

Partie 02 : Quantification :

Pour N=2 :

CALCUL THEORIQUE DU PAS DE QUANTIFICATION :

q= (vmax-vmin)/2.^n = (1-(-1))/2.^2= 0.5.
Sq1= q*arrondi (s/q)= -1 v
Sb1= s1-sq1 = -0.25 : 0.25

Pour N = 3 :

06
 CALCUL THEORIQUE DU PAS DE QUANTIFICATION :
q= (vmax-vmin)/2.^n = (1-(-1))/2.^3= 2/8= 0.25.
Sq1= q*arrondi (s/q)= 2*0.25 = 0.5.
Sb1= s1-sq1 = -0.1247 : 0.1247

Pour N=8 :

CALCUL THEORIQUE DU PAS DE QUANTIFICATION :

q= (vmax-vmin)/2.^n = (1-(-1))/2.^8= 0.0078125
Sq1= q*arrondi (s/q)= -1 : 1
Sb1= s1-sq1 = -0.0039 : 0.0039

07
 ✓ L’erreur de quantification a une telle allure car :
Sb= S1-Sq= (k-1/2q)-kq= -1/2q
Sb= S1+Sq= (k+1/2q)-kq= 1/2q et en plus q= (Vmax-Vmin)/N
Donc plus N est grand plus l’erreur est petite.

Conclusion :
Nous Constatons dans cette partie que plus le nombre de bits de la quantification est
grand plus le pas et petit, cela mènera à la diminution de l’erreur donc un meilleur
résultat.

Partie 03 : Codage binaire :

Après l’exécution du programme sur Matlab nous obtenons :

Ce résultat représente le codage binaire de notre signal après l’échantillonnage et

la quantification.

08
 Conclusion générale :

La conversion d’un signal analogique au numérique est devenue

indispensable vu de nombre d’avantage qu’elle nous rapporte, cependant les
notions de ce passage est accompagné par une perte d’information puisque ce
dernier est effectué en trois étapes l’échantillonnage, quantification et le
codage binaire.
Donc nous devrons prendre suffisamment d’échantillons avec une cadence
acceptable pour reconstituer au mieux notre signal de départ tout en gardant
un signal qui ne soit pas trop gourment en espace.

09