2ème année de Master – Acoustique

http://www.institut-langevin.espci.fr/master_acoustique
Traitement du signal

Travaux Pratiques N° 1 : analyse spectrale de signaux échantillonnés

 Veillez à choisir systématiquement des unités judicieuses, à étiqueter les axes de vos graphiques
(fonctions xlabel et ylabel) ; numéroter vos figures afin de pouvoir les référencer dans le corps de
votre texte.
 Ne vous dispersez pas : lisez bien l’énoncé avant la séance et utilisez efficacement 4 heures de la
séance pour traiter les 3 parties de ce TP, notamment les questions que vous ne pouvez pas traiter
chez vous. Les durées conseillées sont indicatives, et vous laissent un temps de pause suffisant.

I. Analyse spectrale par TFD (75 min)

Fonctions utiles : clear, load, soundsc, mean, sum, cumsum, find.
Le fichier TP1.mat contient entre autres deux signaux vocaux (voix1 et voix2) résultant d’enregistrements
numériques réalisés à la fréquence 22050 Hz. Choisissez-en un seul, au hasard (veillez à ne pas tous choisir
le même !).
Commencez par observer le signal temporel sur un graphe, écoutez le son correspondant. Les formes
d’onde associées aux sons fricatifs comme « S », « F », « CH » ne semblent pas présenter de périodicité
particulière, au contraire des sons voisés, qui mettent en jeu les résonances du conduit vocal.
Pour calculer les spectres, on appliquera le choix standard pour la TFD : M (nombre de points en
fréquence) = N (nombre de points en temps).

Question 1 – Observez la partie du signal correspondant au son « I » (approximativement entre les

échantillons n=6000 à 8000) et mesurez grossièrement la période du signal temporel. Faites de même
dans la partie correspondant au son « A » (n=15000 à 17000, grosso modo). D’après l’allure des
graphes : quelle devrait être la fréquence fondamentale du I, du A ? Lequel des deux sons devrait être
le plus riche en hautes fréquences ? Tracez alors le graphe du module de la TFD du I, puis du A, et
confirmez ou contredisez vos observations temporelles.

D’après le « théorème de l’énergie », (2ème des trois propriétés de la TFD mentionnées à la page 3 du
document de cours) l’énergie E de tout signal numérique f de durée N échantillons est telle que

1
𝐸= |𝑓[𝑛]| = |𝐹[𝑘]|
𝑁

Question 2 – Vérifiez le « théorème de l’énergie » en calculant d’abord dans le domaine temporel puis
dans le domaine spectral les « énergies » EI et EA des signaux « I » et « A ».

On définit la suite de coefficients G[k], avec 𝑘 = 0, 1, … , 𝑁/2 − 1 ∶

|𝐹[𝑘]|
𝐺[𝑘] =
∑𝑁/2−1
𝑘=0
|𝐹[𝑘]|2

Question 3 – Calculez G[k] pour les signaux I et A. Que vaut cumsum(G) ? Que représente,
physiquement, G[k] ? Même question pour la somme ∑ G[k].
 Analysez alors les spectres du I et du A, en ne considérant que les fréquences comprises dans
l’intervalle [0, fe/2[, plus précisément vous devez calculer
(i) la fréquence moyenne fmoy ;
(ii) la fréquence médiane f50 ;
(iii) l’intervalle [f50 - f50/2 ;f50f50/2] centré sur la fréquence médiane et contenant 50% de
l’énergie totale présente dans l’intervalle [0, fe/2[.
Quelles valeurs obtenez-vous pour ces différents indicateurs, dans le cas du I ? du A ?

II. Analyses temps-fréquence élémentaires (60 min)

Nouvelles fonctions utiles : hilbert, unwrap, diff.
Le signal nommé Sifflet (contenu dans TP1.mat) est issu d’un enregistrement numérique réalisé à la
fréquence d’échantillonnage de 11025 Hz.
Question 4 - Observez-le à l’écran : estimez (pour le moment sans calculer explicitement le spectre)
l’amplitude et la fréquence instantanées au voisinage des instants discrets n = 2000, 4000, 12 000 et
16 000.

Question 5 - Analyse temps-fréquence par TFD glissante. Découpez le signal en 85 tranches

successives de 256 échantillons chacune. Pour chaque tranche, calculez la TFD, puis les fréquences
moyenne et médiane (en Hz) ainsi que la « valeur efficace » 𝐸/256 . Représentez ces 3 grandeurs en
fonction du numéro de la tranche. Commentez les résultats, en relation avec l’audition du signal.

Question 6 - Analyse temps-fréquence par transformée de Hilbert. Représentez l’enveloppe et la

fréquence instantanée (en Hz) du signal, en fonction du temps, telles que nous les avons définies en
cours à partir de la transformée de Hilbert. Comparez avec les résultats des questions 4 et 5.

Optionnel : uniquement si vous êtes à l’aise et que vous avez le temps, amusez-vous avec le quatrième signal
(globi) : il s’agit de l’enregistrement d’un groupe de globicéphales noirs, échantillonné à 44100 Hz (source :
https://www.cetaces.org/monde-sonore-cetaces/auditorium/). Vous pouvez aussi utiliser la fonction spectrogram
qui permet de réaliser une TFD glissante en réglant de nombreux paramètres (consultez l’aide).

III. Résolution et dynamique d’une fenêtre d’apodisation (60 minutes)

Nouvelles fonctions utiles : kaiser, hann, log10, max.
Un ordinateur ne peut analyser que des signaux de durée limitée. Lorsqu’on s’intéresse à un signal
temporel de durée très grande voire « infinie » (rayonnement d’une étoile, bruit ambiant permanent...),
avant d’en calculer le spectre par TFD, on doit multiplie le signal à analyser par une fonction d’apodisation
appelée fenêtre (on emploie aussi le mot porte). Voici quelques fenêtres, toutes de durée N échantillons,
couramment employées :
 Fenêtre rectangulaire : wR[n] = 1, ∀ n ∈ [0, N-1] ;

 Fenêtre de Hann (= de « Hanning », en mauvais globish) : wH[n] = sin 𝜋 , ∀ n ∈ [0, N-1] ;

L’emploi de ces fenêtres a bien sûr une incidence sur le spectre finalement tracé par TFD. L’objet de cette
question est de vous aider à choisir, selon le problème posé, la fenêtre la plus adaptée.
Prenez N=1000. L’allure du graphe de la fenêtre rectangulaire wR est évidente ; observez à l’écran le
graphe de la fenêtre de von Hann. Calculez le module de la TFD des deux fenêtres ; pour avoir un meilleur
confort de lecture, prenez un nombre de points en fréquence (M) très supérieur à N, par exemple M =
20000, de façon à ce que le graphe continu (« plot » plutôt que « stem ») de la TFD se rapproche (au moins
visuellement) de la TFTD des fenêtres.

Question 7 - Représentez en fonction de la variable fréquence adimensionnée f/fe, le module du

spectre des fenêtres, sur une échelle linéaire puis logarithmique (en dB). Le niveau de référence (0 dB)
sera déterminé, pour chaque fenêtre, par la valeur du maximum du module du spectre. Comparez les
deux spectres ainsi obtenus en mesurant notamment sur vos graphes les paramètres suivants : largeur
du lobe central, niveau relatif du premier lobe secondaire, décroissance des lobes suivants en
dB/octave ou dB/décade (ne cherchez pas l’exactitude, un ordre de grandeur suffira).
On s’intéresse au signal analogique formé de deux composantes sinusoïdales de fréquences proches et
d’amplitude égale : 𝑓(𝑡) = 𝑐𝑜𝑠(2𝜋𝑓 𝑡) + 𝑐𝑜𝑠(2𝜋𝑓 𝑡) ∀𝑡 ∈ ℝ, avec f0=1000 Hz, f1=1020 Hz. La durée de ce
signal est infinie. D’après nos connaissances, sa TF devrait présenter quatre raies infiniment fines situées
respectivement en ±1000 Hz et ±1020 Hz.
On cherche à étudier le spectre que l’on obtiendrait numériquement si on disposait d’un enregistrement
de f(t), réalisé à la fréquence d’échantillonnage fe =10 kHz, dont on limiterait la durée à N=1000 points en
lui appliquant une fenêtre avant de calculer le spectre par TFD.

Question 8 - Résolution fréquentielle – Comparez les TFD obtenues après multiplication du signal f[n]
par l’une des fenêtres étudiées ici, avec le choix standard (M=N). Quelle fenêtre offre la meilleure
résolution fréquentielle, c’est-à-dire la meilleure capacité à discerner la présence, dans le spectre, des
deux raies à 1000 Hz et 1020 Hz ? Augmenter la valeur de M (en prenant par exemple M=20 N) sans
changer la durée N améliore-t-il la résolution fréquentielle (si oui, de combien) ? Interprétez l’allure
des spectres obtenus, en relation avec les résultats de la question 7 : quel est des trois paramètres
examinés, celui qui est ici le plus important dans le choix de la fenêtre ? Commentez et concluez.

Consignes pour le compte-rendu

Évitez toute logorrhée. Ce qui vous est demandé ici : (i) des réponses (brèves, précises et logiques) aux
huit questions posées et (ii) quelques graphes pour illustrer votre propos de façon intelligente. Chacun
d’eux doit indiquer axes, échelles correctes, et les paramètres pertinents à la compréhension du graphe.
Évitez donc de noyer le poisson dans une paraphrase inutile ou des tonnes de graphiques. A titre indicatif :
raisonnablement, l’intégralité de ce compte rendu (graphes inclus) doit tenir en 6 (lisibles) de format A4.