Vous êtes sur la page 1sur 6

Projet Matlab

Jules Decaestecker
Novembre 2021

7.1 Avant-propos
7.2 Echantillonnage
Manipulation 7.2.1.

Question 7.2.1. On entend le son généré cela peut sembler contre-intuitif car
notre oreille est sensisible à une bande de fréquence allant de 20Hz à 20MHz
alors que la fréquence du son généré est de fe = 40MHz. Cela s’explique par le
fait que la fréquence d’échantionnage fc ne respecte pas le critère de Shannon
à savoir : fc > 2fe . Un des fréquences joué ce situe alors dans l’acuité auditif
humaine ce qui explique le son entendu.
Manipulation 7.2.2.
Question 7.2.2. En utilisant la commande ”audioinfo”, on trouve que le fichier
audio est codé sur B = 16 bits, et qu’il y a N = 426301 valeurs enregistrées
pour une durée totale de t = 9.667s. Le débit d’encodage vaut donc D = B·N
t =
88Ko · s−1 .
Manipulation 7.2.3.
Question 7.2.3. Le sous-échantionnage par un facteur N divise la taille du
fichier par un facteur N . En effet, on divise par N le nombre de valeurs enreg-
istrées.
Question 7.2.4. Le son est de moins bonne qualité, moins harmonieux.

1
7.3 Analyse fréquentielle
Manipulation 7.3.1.
Question 7.3.1. L’amplitude du signal sonore décroit en fonction du temps.

Figure 1: Représentation temporelle de ”piano.wav”

Question 7.3.2. D’après la représentation spectrale du signal, la fréquence


fondamentale du signal vaut f1 = 220Hz.

Question 7.3.3. On calcul le degré d’inharmonicité pour chaque piano :

Fréquence Fréquence
Fréquence Inharmonicité Inharmonicité
n mesurée (Hz) mesurée (Hz)
théorique (Hz) Piano 1 Piano 2
Piano 1 Piano 2
2 440 442 442.8 7.8514 10.982
3 660 663.2 667.9 8.3736 20.5993
4 880 885.5 882.5 10.7865 4.9113
5 1100 1108 1118 12.5452 28.1
6 1320 1331 1347 14.3672 35.0543
7 1540 1556 1572 17.8941 35.6

Question 7.3.4. D’après le tableau précédent, le premier piano est le plus


harmonieux car il a des degrés d’inharmonicité moins important que le second.

7.4 Effets audio-numériques


P
Question 7.4.1. Par définition : Ryx (j) = (y ∗ x)(j) = i∈Z y(i) · x(j − i),
or y =Ph ∗ xPen considérant h la réponseP impulsionnelle
P de la pièce. D’où
R
Pyx = i∈Z k∈Z h(k) · x(i − k) · x(j − i) = k∈Z h(k) i∈Z x(i − k) · x(j − i) =
k∈Z h(k) · R xx (j − k) = (h ∗ R xx )(j).

2
Question
P 7.4.2. Supposons que Rxx (u) ≈ d(u) alors par Q4.1), Ryx (j) =
i∈Z h(i) · d(j − i) = h(j). Donc la connaisssance de la réponse impulsionnelle
h du filtre passe par la corrélation du signal d’entrée x par celui de sortie y.
Question 7.4.3. Il est possible de déterminer la réponse
P impulsionnelle h du
système en posant x(k) = d(k) on a alors y(k) = i∈Z h(i) · d(k − i) = h(k).
En appliquant cela sur l’équation 7.2, on obtient h(k) = d(k) − g · h(k − τ ). Par
récurrence montrons P (n) : h(n · τ ) = (−g)n .
Initialisation pour n = 0 : On a h(0) = d(0) − g · h(−τ ) = 1 car le filtre est
causale (h(−τ ) = 0), d’où P (0).
Hérédité : Supposons P (n) à une certain rang n ∈ N et montrons P (n + 1). On
a h((n + 1)τ ) = d((n + 1)τ ) − g · h(nτ ) = (−g) · (−g)n = (−g)n+1 par hypothèse
de récurrence. D’où P (n + 1) et l’hérédité.
Conclusion : ayant montré l’initialisation et l’hérédité, on a ∀n ∈ N, h(nτ ) =
(−g)n .
Ainsi si k = nτ , h(k) = (−g)n .
De plus si k = nτ + a avec 0 < a < n, on peut montrer par récurrence H(n) :
h(nτ + a) = 0.
Initialisation pour n = −a
 
τ : On a h(nτ +a) = d(nτ +a)−g ·h((n−1)τ +a) = 0
car on construit n tel que nτ + a < 0 et a fortiori (n − 1)τ + a < 0 et que le
filtre est causale, d’où H(0).
Hérédité : Supposons H(n) à un certain rang n ∈ N et montrons H(n+1). On a
h((n + 1)τ + a) = d((n + 1)τ + a) − g · h(nτ + a) = 0 par hypothèse de récurrence,
d’où H(n+1) et l’hérédité.
Conclusion : ayant montré l’initialisation et l’hérédité, on a ∀n ∈ N, h(nτ +a) =
0.
Ainsi si k n’est pas divisible par τ , h(k) = 0 .

Question 7.4.4. Pour que le filtre soit stable il faut que g respecte la condition
: |g| < 1. En effet, sinon h, la réponse impulsionnelle du filtre n’est plus bornée.
Question 7.4.5. Il faut prendre a = [1, 0, . . . , 0, g] et b = [1, 0, . . . , 0] avec
|a| = |b| = τ + 1.

3
Manipulation 7.4.1.

Figure 2: Représentation temporelle de h(k) pour τ = 4 et g = 0.5

Question 7.4.6. Par définition ĥ(ν) = k∈Z h(k)e−2jπkν . Par Q 7.3) h(k) =
P
(−g)n si k = nτ , h(k) = 0 sinon et le filtre est causale donc si k < 0, h(k) = 0.
D’où ĥ(ν) = n∈N (−ge−2jπντ )n = 1+ge−2jπντ
1
P
(somme géométrique).
ˆ
Le module du filtre vaut : |h(ν)| = √ 1
.
(1+gcos(2πντ ))2 +(sin(2πντ ))2
ˆ = −Arctan( sin(2πντ ) )
La phase du filtre vaut : φ(h(ν)) 1+cos(2πντ )
On constate que le module du filtre est maximalpour les fréquences réduites :
νk = 2k+1 1
2τ (k ∈ N) et que |ĥ(νk )| = 1−g . Il s’agit, donc d’un filtre en peigne.

4
Manipulation 7.4.2. On observe très peu de différence en réalité avec des
différences de l’ordre du centième en module dû au fait que la transformée de
fourrier discrète est une approximation de la transformée de fourrier.

Figure 3: Comparaison module en fréquence théorique et à l’aide de la trans-


formée de Fourrier

Question 7.4.7. Le signal xe1 semble mieux adapté pour mesurer la mesure
impulsionnelle car son autocorrélation ressemble d’avantage à d(u).
Afficher la réponse impulsionnelle.
Manipulation 7.4.3. Le signal xe1 est mieux approprié comme signal d’excitation
pour mesurer la réposnse impulsionnelle car son autocorrélation ressemble da-
vantage à la fonction d(u).

Figure 4: Comparaison autocorrélation xe1 et xe2

5
Manipulation 7.4.4.

Figure 5: Réponse impulsionnelle estimée

Manipulation 7.4.5.
Manipulation 7.4.6. Le temps de calcul obtenue est de 0.37s avec la fonction
ef f et reverb.
Manipulation 7.4.7. Le temps de calcul obtenue est de 0.28s avec la fonction
ef f et reverb F F T .

Question 7.4.8. La méthode utilisant la FFT est équivalente à la convolution


classique.
Question 7.4.9. D’après la réponse fréquentielle du filtre, le filtre hr (k) est
passe-bas.

Figure 6: Réponse fréquentielle du filtre

Vous aimerez peut-être aussi