Académique Documents
Professionnel Documents
Culture Documents
Métiers MEKNES
Réalisé par :
Responsable du tp :
Mouhcine MOUFID
M. Mohammed TALEB
Taha Bouzid
année universitaire
2022/2023
Résumé
Dans la première partie du TP, nous avons créé une fonction Matlab appelée DFT
qui calcule la transformée de Fourier discrète d’un signal x(t) à partir d’échantillons de
x. Pour cela, nous avons utilisé la formule classique de la DFT qui est donnée par :
N
X −1
Xk = xn e−j2πkn/N (1)
n=0
1
du signal y était beaucoup plus propre et ne présentait plus les fréquences parasites
précédemment observées.
En résumé, ce TP nous a permis de mieux comprendre le traitement numérique de
signal en pratiquant la transformée de Fourier discrète, la comparaison de temps d’exé-
cution de fonctions, et la mise en place d’un filtre IIR pour la suppression de fréquences
parasites.
2
Table des matières
Résumé 1
1 Introduction 1
2 Travail n°1 : 2
2.1 le travail demandé : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Notre travail : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.1 Écriture d’une fonction Matlab pour calculer la transformée de Fou-
rier discrète : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.2 Validation de la fonction en comparant les résultats avec la fonction
fft de Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.3 Comparaison des temps d’exécution des deux fonctions . . . . . . 4
3 Travail n°2 : 5
3.1 le travail demandé : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2 Notre travail : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2.1 Lecture du signal avec la commande sound(x,fs) : . . . . . . . . . . 6
3.2.2 Analyse spectrale et le Code pour calculer et tracer la transformée
de Fourier discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2.3 Identification des fréquences parasites dans le signal . . . . . . . . 7
3.2.4 Proposition d’un filtre IIR pour supprimer les fréquences parasites 8
3.2.5 Représentation des pôles et zéros dans le plan complexe . . . . . . 10
3.2.6 Application du filtre au signal et analyse du signal filtré . . . . . . 11
4 Bibliographie 14
3
1 Introduction
1 Introduction
1
2 Travail n°1 :
2 Travail n°1 :
Ecrire une fonction Matlab appelée DFT qui aura pour arguments le vecteur x conte-
nant les échantillons du signal x(t) permettant de calculer la transformée de Fourier
discrète de x.
Pour valider la fonction créée, comparer ses résultats avec ceux de la fonction fft
prédéfinie dans Matlab. Comparer également le temps d’exécution des deux fonctions
pour un vecteur x de taille 10000. Pour cela utiliser les commandes tic et toc. Qu’est-ce
que vous constatez ?
2
2 Travail n°1 :
Le fait que les résultats obtenus par la fonction DFT et la fonction fft de Matlab soient
identiques est un bon indicateur que la fonction DFT est correctement écrite et qu’elle
donne les mêmes résultats que la fonction fft, qui est prédéfinie dans Matlab. Cela signifie
que la fonction DFT est capable de calculer la transformée de Fourier discrète de manière
3
2 Travail n°1 :
précise et fiable. Cette validation est importante car elle nous assure que la fonction DFT
peut être utilisée en toute confiance dans des applications de traitement de signal plus
complexes.
Donc en comparant les temps d’exécution de la fonction DFT que nous avons créée et
de la fonction fft prédéfinie dans Matlab, nous avons constaté que fft est plus rapide.Pour
un vecteur de taille 1000, le temps d’exécution de la fonction fft était seulement de 0.02
seconde, tandis que pour la fonction DFT, il était de 90 secondes. Cela est dû au fait
que la fonction fft utilise des algorithmes efficaces pour calculer la transformée de Fourier
discrète, tels que l’algorithme de Cooley-Tukey, qui réduit la complexité du calcul , ce qui
permet d’accélérer le calcul. En revanche, la fonction DFT que nous avons écrite utilise
une implémentation simple de la transformée de Fourier discrète, qui est plus lente pour
les signaux de grande taille. Donc par la suite on va utilisé la fonction fft en raison de sa
rapidité et de son efficacité.
4
3 Travail n°2 :
3 Travail n°2 :
5
3 Travail n°2 :
Après avoir lancé le fichier son sur Matlab en utilisant la commande sound(x,fs), on a
constaté que le son était très bruyant et peu clair, ce qui peut indiquer que le signal audio
contient des fréquences parasites et des perturbations. Donc il est important d’analyser
le signal en profondeur pour identifier les sources de bruit et de perturbation et pour
appliquer les filtres nécessaires pour améliorer la qualité du son.
6
3 Travail n°2 :
7
3 Travail n°2 :
M
Y
N (z) = (1 − ejωk z −1 ) (2)
k=1
où ωk = 2πfk
fs
, k = 1, 2, . . . , M .
Le dénominateur de la fonction de transfert du filtre est alors
M
Y
D(z) = N (ρ z) = −1
(1 − ejωk ρ z −1 ), 0<ρ<1 (3)
k=1
Les racines de D(z) sont situées sur la même direction des zéros à l’intérieur du cercle
unité à une distance de l’origine égale à ρ. Une forme développée de H(z) est donnée par :
N (z) 1 + b1 z −1 + b2 z −2 + · · · + bM z −M
H(z) = = (4)
N (ρ−1 z) 1 + ρb1 z −1 + ρ2 b2 z −2 + · · · + ρM bM z −M
3.2.4 Proposition d’un filtre IIR pour supprimer les fréquences parasites
8
3 Travail n°2 :
Donc on voit clairement que le filtre coupe-bande choisi a une amplitude nulle pour
les pulsations ω1 et ω2 et ω3 et ω4 ,ce qui permet de supprimer complètement les signaux
correspondants à ces pulsations. En revanche, pour les pulsations différentes de ω1 et ω2
et ω3 et ω4 , l’amplitude du filtre est de l’ordre de l’unité, ce qui signifie que ces fréquences
ne subiront aucune modification.
Il est important de noter que l’utilisation d’un filtre coupe-bande permet de cibler
précisément les fréquences parasites indésirables, tout en préservant les fréquences utiles
pour l’analyse du signal. De plus, l’utilisation d’un filtre IIR est intéressante car elle
permet d’obtenir une réponse fréquentielle très sélective et donc de supprimer de manière
efficace les fréquences parasites.
Une fois le filtre IIR implémenté, on a appliquer ce filtre par la suite sur le fichier son
et nous avons pu constater une nette amélioration de la qualité du signal filtré, avec une
suppression complète des fréquences parasites ciblées par le filtre.
Expression de la fonction de transfert du filtre :
9
3 Travail n°2 :
Donc :
Suite à l’identification des fréquences parasites présentes dans le signal, nous avons
proposé d’utiliser un filtre IIR pour les supprimer. Pour mieux comprendre le compor-
tement de ce filtre, nous avons tracé la représentation des pôles et zéros dans le plan
complexe. Cette représentation nous a permis d’identifier clairement les 4 pôles et zéros
correspondant aux fréquences parasites w1, w2, w3 et w4.
Cette représentation dans le plan complexe nous permet de mieux visualiser le com-
portement du filtre et de comprendre comment il fonctionne pour supprimer les fréquences
parasites.
10
3 Travail n°2 :
11
3 Travail n°2 :
12
3 Travail n°2 :
fréquences parasites dans le signal, proposé un filtre IIR pour éliminer ces fréquences
parasites, et appliqué le filtre au signal pour restaurer sa qualité.
13
4 Bibliographie
4 Bibliographie
14