Traitement Du Signal Pour Un Mesure Physique Version Light

Traitement du Signal
Vu par
Un Mesures Physiques
Cette technique reste compliquée par les mathématiques qu’il l’accompagne.
J’ai découvert la première fois le TdS au travail (CEA) avec un ingénieur qui a eu comme Prof J.Max
l’une des références en la matière, mais aussi avec un technicien avec beaucoup de pratique.
En tant que Mesures Physiques vous comprenez bien que j’ai trouvé cet outil considérable en application.
Surprenant mes propos, car j’ai étudié le TdS durant mon DUT, mais en vain, je n’ai vu à l’époque
qu’une succession de formules de maths qui tournaient en rond et dont je ne voyais pas l’intérêt !!!
En fait, l’utilisation d’analyseur de spectre m’a permis de mieux appréhender la théorie bien plus tard
où j’ai remis le nez dans les maths pour mieux comprendre ce que j’ai vu dans la pratique et on s’aperçoit
jwt
qu’avec on fait d’énorme chose…
e
Ce document est une synthèse et reste non exhaustif, avec le temps, je l’améliorerais. Je l’ai fait avec peu de
maths et beaucoup de schémas, ce qui manque dans la plus part des livres de TdS.
BONNE LECTURE
http://mesures.physiques.free.fr
Jean-Marc COLLACE / Ingénieur Mesures physiques

Formation
Les premiers outils du Traitement du

Signal
Etre CAPABLE de lire et d’utiliser

un SPECTRE de FREQUENCE
Révision 02 - 29/01/02 - Chapitre 5

OBJECTIF:
A l’issu, de cette formation vous serez capable

d’utiliser les premiers outils du traitement du
signal pour lire un spectre de fréquence

sommaire
• Introduction
• Echantillonnage
• Filtre
• Spectre
• Fenêtres de Pondération
• synthèse

INTRODUCTION
>>>>>>>>>>>>>>>
Initiation par la mesure vibratoire:
être capable d’appréhender
l’intérêt de l’analyse spectrale

Introduction
La mesure des
VIBRATIONS est
un bon moyen
pour comprendre
Le Traitement du Signal

Introduction La mesure des
VIBRATIONS ??!!
impulsion
t
Masse M
signal
Ressort Amortisseur
t

Introduction
Les capteurs sont installés à demeure sur les machines et
connectés à un système de surveillance.
La mesure des
VIBRATIONS ??!!
AL AL AL AL AL AL AL
MOVISYS-2
X
BY BY BY BY BY BY BY
Moteur 3000 tr
440VAC - 70A
Type 405TS
S'tell
Diagnostic
MAL MAMPV-BG
MSCA MSCA
MSCA
MSCA
MSCA
PV-BG MSCA

Introduction
Verre en fusion
70°C
Emplacement du
capteur de mesure
des vibrations:
L’ACCELEROMETRE
Exemple de machine de fibrage

Traitement du Signal SIGNAL (mesure) SPECTRE
Introduction
A URMS
A0 Fourier
A0 A/ 2
F1
SIGNAL (mesure) SPECTRE
Exemple: De mesure vibratoire.

Core-Cover-Plug/Phenix RNR
Introduction
vibration monitoring

Introduction
• Tout phénomène physique est en général transformé en signal
électrique du fait de la conversion sous forme électrique des
grandeurs physiques par des capteurs.
• Le traitement du signal recouvre une variété de techniques utilisées

pour extraire des informations d'un signal complexe. Le bruit peut
perturber l’information. On cherche aussi à modifier cette
grandeur physique et à l’adapter aux moyens de transmissions.

Traitement du Signal A URMS
Fourier
A0
Introduction A0 A/ 2
F1
• L'analyse spectrale est la méthode utilisée pour décomposer un

signal complexe (signal non périodique) en ses constituants de
base.
• Une représentation conventionnelle du signal se fait dans le

domaine du temps (amplitude en fonction du temps a(t)).
L'analyse spectrale reproduit dans le domaine fréquentiel
l'amplitude en fonction de la fréquence.
• La transformée de Fourier (Discrète) est un moyen d'obtenir une

représentation dans le domaine fréquentiel pour les signaux non
périodiques en associant à un signal x(t) sa transformée de
Fourier X(f) appelé spectre.

Introduction

Introduction

Introduction
Conclusion:
Outil utilisé
Signal pour le SPECTRE
ANALOGIQUE traitement du signal
est:
La TFD: Transformée de Fourier Discrète

ECHANTILLONNAGE
>>>>>>>>>>>>>>>>
Etre capable d’appliquer
Le principe de SHANNON

L’échantillonnage
Pour construire un SPECTRE

Il faut échantillonner le signal

Définition
Passage d’un système
continu possédant une
infinité de valeurs à un
système possédant un
t
nombre fini de valeurs.
On distingue 2 étapes :
La discrètisation
La numérisation t

La discrètisation du signal
La discrètisation du
signal consiste à
prélever des
échantillons à une t
cadence TE pendant TE
une durée T.
La fréquence de T=durée d’acquisition
prélèvement des
échantillons FE est
T=N.TE
appelée fréquence N
d’échantillonnage. T=
1 FE
FE =
TE

La numérisation du signal
La numérisation du signal consiste à
quantifier les amplitudes A des
échantillons successifs au moyen d ’une
conversion dans un format binaire.
n-1
A= ai.2i ai {0;1}
i=1
2n-1
Le nombre de bits n de la
P.E
conversion détermine la p=
valeur du pas de 2n 4
3
quantification p, qui est la P.E : Pleine 2
valeur de l’incertitude. Echelle 1
0

Les effets de l’échantillonnage : Périodisation du spectre à
la fréquence d’échantillonnage FE
Fourier
t F
-FM FM
Fourier
t F
TE -FE -FM FM FE

Les effets de l’échantillonnage : Repliement du spectre
Fourier
t F
-FM FM
Fourier
t F
TE -FE FE

Le Théorème de SHANNON
Soit FMAX la fréquence maximale du
spectre du signal à échantillonner et
FE la fréquence d’échantillonnage :
FE >2.FMAX
F
Si cette condition n’est pas
-FE -FMAX FMAX FE
vérifiée, l’échantillonnage introduit
une distorsion du signal qui ne
pourra être corrigée et due au
repliement de spectre (sous
échantillonnage).

Une autre interprétation du Théorème de SHANNON utilise
la représentation temporelle du signal :
FE >2.FMAX
Echantillonnage
correct
TMAX
TE <
2 Sous-
Echantillonnage
Soit au moins 2
points par période !

En sous-échantillonnage, on visualise un autre signal :
Si le signal, à l’origine, est de F=60Hz, et que Fe =100Hz

(Shannon non respecté). On se retrouve au final avec un
signal de 40 Hz, au lieu de visualiser le 60Hz. C’est le
résultat du repliement.
TMAX
TE <
2 Sous-
Echantillonnage
Soit au moins 2
points par période !

SHANNON respecté
Fe-20
Fe-4
Fe+4
Fe+20
4 20 Fe=100
2Fe=200

SHANNON NON respecté
Fe-60=40 60
Fe-4
Fe+4
Fe+60
4 60 Fe=100
2Fe=200

Le but de l'analyse spectrale étant de déterminer les

composantes fréquentielles d'un signal, celles-ci ne sont
donc pas au premier abord connues et le choix de la
fréquence d'échantillonnage peut être fait sans avoir la
certitude que toutes les composantes du spectre satisfont
la condition de SHANNON.
C'est l'effet indésirable de repliement de spectre que nous

allons résoudre avec un
FILTRE ANTIREPLIEMENT de spectre

L’échantillonnage ET Les filtres anti-repliement

Introduction
La vérification du critère de SHANNON suppose que le
spectre du signal soit borné, et que cette borne (FMAX) soit
connue.
Afin de vérifier ces conditions dans tous les cas, on fait
précéder l’échantillonnage d’un filtrage passe-bas dit filtre
anti-repliement tel que : F < 0,5.F
M E
Filtre
Echantillonnage
A.R
Le filtre utilisé est un filtre analogique à coupure très raide tel

qu’un filtre de CAUER d’ordre élevé (8 ou 9).


Principe
t F
Filtrage
t F
Echantillonnage
-FM FM
t F
-FE FM FE


Application aux analyseurs
Sur nombre de collecteurs / analyseurs du marché, le filtre
anti-repliement est positionné automatiquement en fonction
de la gamme d’analyse.
La fréquence d’échantillonnage est adaptée à la gamme
d’analyse, selon la relation :
FE=2,56.FM FM :Fréquence maxi de la gamme d ’analyse
[0;25]Hz FE=64Hz [0;2k]Hz FE=5.12kHz

[0;100]Hz FE=256Hz [0;5k]Hz FE=12.8kHz
[0;200]Hz FE=512Hz [0;10k]Hz FE=25.6kHz
[0;500]Hz FE=1.28kHz [0;20k]Hz FE=51.2kHz
[0;1k]Hz FE=2.56kHz

L’échantillonnage ET Les paramètres d’acquisition

Les paramètres de l’acquisition
Soient :
FE : Fréquence
d’acquisition ou
t
d’échantillonnage
N : Nombre de point TE
acquis T=durée d’acquisition
T : Durée de
l’acquisition
T=N.TE
N
T=
1 FE
FE =
TE

L’échantillonnage ET Les paramètres d’acquisition

Les paramètres de la TFD
Ils découlent des paramètres de
l’acquisition : En général, on trouve :
FMAX
FMAX : Fréquence
FE FE
supérieure de la FMAX = -
gamme d’analyse 2 N
F : Résolution 1 FE
spectrale F= =
T N
C : Nombre de F
N
points (lignes) du C=
2
spectre

Conclusion: Tacq grand F petit
•Ne pas oublier que plus le temps d’acquisition

est grand plus la résolution du spectre sera
meilleure donc un F petit
•Le numérique implique un échantillonnage. FE >2.FMAX

L’échantillonnage périodise le spectre.
Le risque de la périodisation est le recouvrement.
Si il y a recouvrement on ne retrouve pas le signal
Pour palier à cette difficulté, on utilise un filtre
anti-repliement et on respecte Shannon

FILTRAGE
>>>>>>>>>>>>>>>
Etre capable de choisir le filtre

Anti-Repliement

Le Filtrage
Introduction
Le filtrage est une opération dont l’objectif est de mettre en
évidence l’information utile contenue dans le signal.
Exemple : Elimination du bruit (« parasites »)

Le Filtrage
Les différentes réponses
Pour un gabarit donné, la fonction de transfert du filtre peut
être représentée par différentes fonctions :
Réponse de BUTTERWORTH
Réponse de CHEBYSHEV
Réponse de LEGENDRE
Réponse de CAUER
Réponse de BESSEL ou THOMSON
Chacune de ces réponses présente des caractéristiques
particulières dont la connaissance permet la sélection du filtre
le plus adapté à une utilisation donnée.

Le Filtrage
Exemple: Les filtres de BUTTERWORTH
0 FP FA F
Réponse régulière dans la
Bande Passante
Décroissance monotone en
Bande Coupée
Pente faible pour un ordre
donné
Utilisés pour la solution de problèmes simples lorsque la

régularité de la réponse est un critère important

Le Filtrage
Autre exemple: Les filtres de CAUER (ou filtres elliptiques)
FP FA F
Oscillation dans la Bande
Passante
Présence de zéros de transmission
en Bande Coupée
Pente la plus élevée pour un ordre
donné
Filtres complexes à calculer
La très grandeur raideur de la bande de transition
(pente) est bien adaptée à la réalisation de filtres anti-
repliement. Il est alors nécessaire de corriger les
oscillations dans la bande passante.

Le Filtrage
Réalisation pratique : Les filtres analogiques
La sélectivité du filtre requise impose une pente plus ou moins
importante à la fonction de transfert du filtre.
Cette sélectivité détermine l’ordre du filtre et par suite sa

complexité : En effet, un filtre analogique est réalisé au
moyen de cellules élémentaires du 1er et 2ème ordre mises
en cascade pour parvenir à l ’ordre requis.
Exemple d ’un filtre du 7ème ordre :
2ème 2ème 2ème 1er

Ordre Ordre Ordre Ordre

Le Filtrage
Réalisation pratique : Les filtres numériques
Les filtres numériques sont destinés aux signaux
échantillonnés. Ils offrent des avantages considérables sur les
structures analogiques, et sont aujourd’hui très répandus :
Réalisation de fonctions complexes irréalisables en
continu
Caractéristiques proches de celles du filtre idéale
(pente infinie, pas d’atténuation dans la bande
passante)
Modification de la valeur du filtre par modification des
tables de coefficients du filtre.
Invariance du filtre dans le temps et en fonction des
composants.

FILTRAGE
Conclusion:
Les filtres sont à choisir en fonction de ses besoins.

Les filtres de CHEBYSHEV: Bon rapport qualité – prix
Mais aujourd’hui, les filtres numériques restent les

plus avantageux par leur flexibilité de conception.

SPECTRE
>>>>>>>>>>>>>>>>
Etre capable d’utiliser
la TFD (Transformée Fourier Discrète)
avec les unités (RMS…Veff²)

SPECTRES
A Fourier
URMS
A0
A0 A/ 2
F1
• Orthogonalité
• TFD (Transformée de Fourier Discrète)
• Représentations des spectres
(Puissance, Energie…Veff, RMS)

SPECTRES: Orthogonalité
Expliquons l’orthogonalité, dans un premier temps,

simplement sans trop de Maths.

L’orthogonalité explique en quoi la formule de la TFD

permet d’identifier les différentes fréquences dans un
signal
Historiquement, il est connu depuis longtemps que

l’addition de deux ou plusieurs fonctions périodiques
donne une nouvelle fonction périodique.
Il était aussi connu que si pour composer cette nouvelle

fonction on utilisait uniquement des sinus (ou des
cosinus), on pouvait les retrouver par analyse à l’aide
de la formule de Fourier

La somme de plusieurs signaux peut donner un signal carré


L’orthogonalité nous permet d’identifier toutes les fréquences

constituant un signal, par le biais de Fourier.
Pour ce faire on utilise le principe du produit scalaire que l’on a tous

appris au lycée.
U . V = U . V . cos : angle entre les deux vecteurs U et V
Si les deux vecteurs sont perpendiculaires (orthogonaux) donc = / 2 alors U . V =0

Si les deux vecteurs sont non orthogonaux exemple = / 2 alors
U . V = U.V 0

w.t = 2 FHz
A
A0 en radian
A0 = rayon du cercle
Représentation orthonormée
du signal temporel
Représentation de Fresnel (polaire)
du signal temporel
A = A0 . Cos(w.t + )
Phase instantanée

Si les signaux A et B ont la même phase le produit scalaire =MAXI
A = A0 . Cos(wt + )
B = B0 . Cos(wt + )
Si les signaux A et B n’ont pas la même phase le produit scalaire sera = mini
A= A0 . Cos(wt’ + ’ )
B = B0 . Cos(wt + )

Si les signaux A et B n’ont pas la même phase le produit scalaire sera = mini
La modulation d’amplitude
sans porteuse
permet de comprendre
le spectre résultant

Si les signaux A et B ont la même phase le produit scalaire =MAXI
La modulation d’amplitude
sans porteuse
permet de comprendre
le spectre résultant

Quel est le lien entre l’orthogonalité et la formulation de

Fourier ?:
A = A0 . Cos(wt + )
Peut s’écrire aussi:
A = A0 . ejwt
L’exponentielle se retrouve dans la TFD :

La formulation de la TFD est:
Le signal échantillonné à étudier L’exponentielle dont la

phase est variable
Produit scalaire « amélioré »

N 1
1 j2
ik
Xk = Xi e N
N i =0
La phase de l’exponentielle
est une variable, elle Produit scalaire
permet à l’aide du produit
scalaire d’identifier les
fréquences du signal
échantillonné.

Résumé sur l’orthogonalité:

SPECTRES: TFD Transformée de Fourier Discrète
N 1
j2 ik
X k = 1 X ie
X[0]=1V à O Hz
N
N i=0
fréquence
RESULTAT DE LA TFD SUR UN SIGNAL CONTINU ECHANTILLONNE

SPECTRES: TFD Transformée de Fourier Discrète
Le logiciel LABView utilise la TFD ainsi:
= SXX=(1/N²)[X(k)]²=Veff2
XkX*k fournit une estimation de l'autospectre du signal,

c'est-à-dire de la puissance moyenne sur la durée T,
contenue dans une bande fréquence de largeur , l’unité est le volt efficace au carré Veff² ou RMS².

SPECTRES:La représentation des spectres
Introduction
Les algorithmes de calcul de la TFD (Transformation discrète
de Fourier…FFT) permettent la représentation du spectre en
fréquences sous plusieurs formes
Autospectre bi-latéral, uni-latéral ou crête

Autospectre de puissance ou en amplitude (linéaire)
Densité spectrale de puissance ou d’énergie
Dans ce qui suit, l’autospectre sera appelé spectre.

autospectre
Considérerons le signal temporel d’origine constitué de :
Une composante continue Un sinus d’amplitude

d’amplitude A0 crête A et de fréquence F1
A
A0

autospectre
L’algorithme de calcul de la TFD fournit un spectre bi-latéral de

puissance, c’est à dire une fonction paire présentant des
amplitudes pour des fréquences négatives.
Il représente la puissance du signal contenue dans l’échantillon
U2RMS
A
A0 A2/4 A2/4
FFT
A02
-F1 F1

SPECTRES: La représentation des spectres
autospectre
Le spectre de puissance uni-latéral

Il est déduit du précédent en « repliant » le spectre des
fréquences négatives sur le spectre des fréquences positives, ce
qui revient à doubler les amplitudes des fréquences strictement
positives.
U2RMS
A
A0 A2/2
FFT
A02
F1

autospectre
Le spectre d’amplitude (ou linéaire) bi-latéral

Il est déduit du spectre de puissance bi-latéral en considérant la
racine carrée de la puissance de chacune des raies.
Les spectres en amplitude permettent la visualisation de la
phase des composantes, à l’inverse des spectres en puissance.
URMS
A
A0 A/2 A/2
FFT
A0
-F1 F1

autospectre
Le spectre d’amplitude (ou linéaire) uni-latéral

Il est déduit du spectre de puissance uni-latéral en considérant
la racine carrée de la puissance de chacune des raies.
Les amplitudes affichées sont donc homogènes aux valeurs
efficaces ou valeurs RMS des composantes du signal.
URMS
A
A0 A/ 2
FFT
A0
F1
C ’est la représentation la plus courante en analyse vibratoire.

autospectre
Le spectre d’amplitude crête (ou linéaire) uni-latéral

Les amplitudes affichées sont homogènes aux valeurs crêtes
des composantes du signal.
U
A
A0 A
FFT
A0
F1

densité-spectrale
La représentation en DSP ou en RMS (ou Veff)
La DSP est utilisée pour la mesure de BdF

La RMS (ou Veff) est utilisée pour la mesure d’Amplitude

densité-spectrale
La DSP représente la puissance contenue dans une bande

étroite f.
La DSP n’a aucune signification lorsque l’on a affaire à un

spectre de raie (sinus, cosinus…)
Rappel: DSPvolt².s = Veff²/ Hz


La densité spectrale de puissance (DSP) bi-latérale
Elle est déduite du spectre de puissance bi-latéral en divisant
l’amplitude de chacune des raies par la résolution fréquentielle
F.
U2RMS/Hz
A
A0 A2/4 F A2/4 F
FFT
A02/ F
-F1 F1


La densité spectrale de puissance (DSP) uni-latérale
Elle est déduite du spectre de puissance uni-latéral en divisant
F.
U2RMS/Hz
A
A0 A2/2 F
FFT
A02/ F
F1


La densité spectrale d’énergie (DSE) bi-latérale
Elle est déduite du spectre de puissance bi-latéral en divisant
F puis en la multipliant par la durée de la durée d’observation
T du signal avec T=N.TE=1/ F.
U2RMS.S/Hz
A
A0 A2/4( F)2 A2/4( F)2
FFT
A02/( F)2
-F1 F1


La densité spectrale d’énergie (DSE) uni-latérale
Elle est déduite du spectre de puissance uni-latéral en divisant
F puis en la multipliant par la durée de la durée d’observation
T du signal avec T=N.TE=1/ F.
U2RMS.S/Hz
A
A0 A2/2( F)2
FFT
A02/( F)2
F1

SPECTRES:
Conclusion:
N 1
1 j2
ik
La formule de base de la TFD: X k = Xi e N

N i =0
La représentation des spectres bi ou uni-latérale:

Spectre de puissance Veff²
Spectre d’Amplitude Veff
DSP (Densité Spectrale de Puissance) Veff²/?F
DSE (Densité Spectrale d’Energie) Veff²/?F²

FENETRES DE PONDERATION
>>>>>>>>>>>>>>>>
Etre capable de choisir
la fenêtre d’acquisition du signal

Les fenêtres de pondération

Le fenêtrage temporel : Introduction
L’échantillonnage consiste à prélever des échantillons du signal
sur une durée finie T : Il s’agit d’un fenêtrage temporel.
1 =


Problématique de la fenêtrage temporel
Lors de l’acquisition des discontinuités se produisent entre les périodes

successives. Ceci survient lorsqu’on échantillonne un nombre non entier de
cycles. Ces discontinuités artificielles se révèlent être de très hautes
fréquences dans le spectre du signal, fréquences qui n’étaient pas
présentes dans le signal original.
Ces fréquences peuvent être bien plus hautes que la fréquence Nyquist, et
comme vous l’avez vu précédemment,sont repliées quelque part entre 0 et fe/2.


Si la période d’acquisition correspond à un nombre entier de
périodes du signal : Il y a recouvrement des extrémités et la
FFT ne crée pas de distorsion du spectre.
T0
TE=k.T0
FFT
TE
F0

Si la période d’acquisition ne correspond pas à un nombre
entier de périodes du signal, il n’y a pas recouvrement des
extrémités et la FFT crée une distorsion du spectre.
T0
TE k.T0
FFT
TE
F0

Le fenêtrage temporel : Convolution des spectres
X(t) X(f)
Fourier
F
-F0 F0
H(t) H(f)
Fourier
Sinx/x
Sinx/x ou sinc x F
Fenêtre rectangulaire ou uniforme


Rappel à propos du sinus cardinal (sinc)
-F0 F0
H(t) H(f)
Fourier
Sinx/x
Sinx/x ou sinc x F
-F0 F0
H(t) H(f)
Fourier
Sinx/x
Sinx/x ou sinc x F
Fenêtre rectangulaire ou uniforme

Les fenêtres de pondérations

TE S(f)=X(f)*H(f)
X(t)
Fourier
F
T0
-F0 F0
TE=k.T0
f résolution spectrale (CANAL)
Les lobes latéraux
ne génèrent pas de
bandes latérales.
1/TE = f
L’amplitude mesurée est la bonne.


TE S(f)=X(f)*H(f)
X(t)
Fourier
F
T0
-F0 F0
TE k.T0
1/TE = f
Les lobes latéraux
génèrent des
bandes latérales.
L ’amplitude mesurée n’est pas la bonne.


Les fenêtres de pondération : Utilité
La condition TE=k.T0 (nombre entier de périodes dans
l’échantillon) n’est en pratique pas vérifiée en analyse
spectrale car :
On s’intéresse à un grand nombre de fréquences

On ne connaît pas à priori les fréquences du signal
L’utilisation des fenêtres de pondération permet de limiter les

erreurs d’estimation causées par le fenêtrage temporel
simple, appelé fenêtre rectangulaire.


Les fenêtres de pondération : Principe
Les fenêtres de pondération créent artificiellement un
recouvrement des extrémités de l’échantillon temporel :


Les fenêtres de pondération : Principe
Les profils des fenêtres

de pondération ont pour Rectangulaire
but de limiter les
amplitudes des lobes
Hanning
latéraux de leurs
transformées de Fourier.
Ceci est réalisé au Flat-Top
détriment de la largeur
du lobe principal qui
augmente.


Choix de la fenêtre de pondération pour la FFT
Le choix d’une fenêtre

Type de signal Fenêtre
de pondération doit
être fait en fonction du Sinus ou combinaison
Hanning
signal analysé et des de sinus
grandeurs recherchées. Sinusoïde (recherche
Flat-Top
Le tableau ci-dessous de l’amplitude)
permet de déterminer Signaux vibratoires Hanning
en première approche Bruit large bande Rectangle
le type de fenêtre Sinusoïdes de
adapté selon la nature Hamming
fréquences proches
du signal. Inconnu Hanning


Choix de la fenêtre de pondération : Exemple
Rectangle
Hamming
Hanning

Conclusion:
Les fenêtres de pondération (fenêtre d’acquisition

temporelle) influe l’estimation de lecture
en amplitude et en fréquence du spectre.
La fenêtre de Hanning est un bon compromis

de résolution entre l’amplitude et la fréquence.

SYNTHESE:
Le traitement du signal reste une science

compliquée.
Néanmoins, vous possédez les premiers outils
pour être capable d’utiliser la TFD pour passer du
domaine temporel au fréquentiel. En prenant
soin de respecter Shannon et acquérir le signal
avec une fenêtre d’acquisition respectant vos
exigences en terme de résolution en amplitude
et fréquentielle pour une lecture spectrale qui
répond à vos attentes.

Traitement Du Signal Pour Un Mesure Physique Version Light

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Traitement Du Signal Pour Un Mesure Physique Version Light

Transféré par

Droits d'auteur :

Formats disponibles

Traitement du Signal

Jean-Marc COLLACE / Ingénieur Mesures physiques

Les premiers outils du Traitement du

Etre CAPABLE de lire et d’utiliser

Révision 02 - 29/01/02 - Chapitre 5

A l’issu, de cette formation vous serez capable

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

SIGNAL (mesure) SPECTRE

Exemple: De mesure vibratoire.

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

• Le traitement du signal recouvre une variété de techniques utilisées

Jean-Marc COLLACE / Ingénieur Mesures physiques

• L'analyse spectrale est la méthode utilisée pour décomposer un

• Une représentation conventionnelle du signal se fait dans le

• La transformée de Fourier (Discrète) est un moyen d'obtenir une

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

La TFD: Transformée de Fourier Discrète

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Pour construire un SPECTRE

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Si le signal, à l’origine, est de F=60Hz, et que Fe =100Hz

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Jean-Marc COLLACE / Ingénieur Mesures physiques

Le but de l'analyse spectrale étant de déterminer les

C'est l'effet indésirable de repliement de spectre que nous

Jean-Marc COLLACE / Ingénieur Mesures physiques

L’échantillonnage ET Les filtres anti-repliement

Le filtre utilisé est un filtre analogique à coupure très raide tel

Jean-Marc COLLACE / Ingénieur Mesures physiques

L’échantillonnage ET Les filtres anti-repliement

Jean-Marc COLLACE / Ingénieur Mesures physiques

L’échantillonnage ET Les filtres anti-repliement

[0;25]Hz FE=64Hz [0;2k]Hz FE=5.12kHz

Jean-Marc COLLACE / Ingénieur Mesures physiques

L’échantillonnage ET Les paramètres d’acquisition

Jean-Marc COLLACE / Ingénieur Mesures physiques

L’échantillonnage ET Les paramètres d’acquisition

Jean-Marc COLLACE / Ingénieur Mesures physiques

Conclusion: Tacq grand F petit

•Ne pas oublier que plus le temps d’acquisition

•Le numérique implique un échantillonnage. FE >2.FMAX

Jean-Marc COLLACE / Ingénieur Mesures physiques

Etre capable de choisir le filtre

Jean-Marc COLLACE / Ingénieur Mesures physiques

Exemple : Elimination du bruit (« parasites »)