DEPARTEMENT Génie Electrique

Année Universitaire : 2023/2024

Niveau : 3ème Année (S5)

Traitement du signal
TP 2 : Analyse spectrale : Série de Fourier

I. Objectif :
L’objectif de ce TP consiste à visualiser et analyser le spectre d'un signal périodique en utilisant l’outil
de programmation Matlab.

II. RAPPELS
L’analyse harmonique ou fréquentielle est l’instrument majeur de la théorie des signaux. Le
développement en séries de Fourier et, plus généralement, la transformation de Fourier permettent d’obtenir
une représentation spectrale des signaux déterministes. Celle-ci exprime la répartition de l’amplitude, de la
phase, de l’énergie ou de la puissance des signaux considérés en fonction de la fréquence.
Un signal numérique est défini par un nombre d'échantillons N relevés à une fréquence
d'échantillonnage Fe. Les signaux sont toujours captés de manière temporelle, mais on s'intéresse souvent à
leur allure fréquentielle.
Afin de rester cohérents avec les mesures, il est important de respecter les grandeurs physiques
impliquées dans le signal. Il faut donc définir les axes temporels et fréquentiels relatifs au signal.

III. MANIPULATIONS
Manip 1: Synthèse de signaux périodiques à partir des valeurs de an et bn
Il est possible de reconstituer un signal périodique donné en sommant un ensemble de termes
sinusoïdaux, nommés termes harmoniques du signal. Chacun de ces harmoniques est une fonction sinusoïdale
de pulsation n multiple de la pulsation fondamentale . L’harmonique d’ordre n donné par : Ancos(nt + n)
a donc une pulsation n = n une amplitude An et avec une phase à l’origine n.
Exécuter le Programme suivant :
t=(1:1000)*4/1000;
x=0;
Nb_harm=20 ;
for n=1:2:Nb_har
x=x+(4/(pi*n))*sin(2*pi*n*t); plot(t,x)
end;
1.1. Donner l’expression mathématique du signal et sa période
1.2. Quelle est la fréquence d’échantillonnage ?
1.3. Vérifiez, sur le papier, que la décomposition en série de Fourier est bien celle annoncée.

Manip 2: Synthèse de signaux périodiques à partir des valeurs C n.

2.1. Exécuter le Programme suivant
Te=1/1024 ; % période d’échantillonnage
t=0 :Te :1-Te ; % discrétisation de l’axe temporel
uns=ones(1,255) ; %25 pour cent de la période vaut 1
zer=zeros(1,1024-255) ;% le reste de la période vaut 0
x=[uns,zer] ; % construire le signal x(t)
figure (1);
plot(t,x) % tracer le signal
axis([0 1 -1 2])
w0=2*pi ;
for n=1 :20
u(n, : )=exp(-j*n*w0*t) ; end ;
figure (2); plot(t,real(u(1, : )))
figure (3); plot(t,real(u(2, : )))
C0=sum(x)*Te ;
1/4
 for n=1 :20
X(n)=sum(x.*u(n, : ))*Te ; end;
A=abs(X) ;
figure (4); subplot(2,1,1) ; stem(0 :20,[C0 A])
phi=angle(X);
subplot(2,1,2); stem(0:20,[angle(C0) phi])
y=C0 ;
for n=1 :20
y=y+2*A(n)*cos(k*w0*t+phi(n)) ;
end
figure (5); plot(t,y,’b’,t,x,’r’)

2.2. Donner l’expression mathématique du signal et ses caractéristiques : amplitude, période.

2.3. Quelle est la fréquence d’échantillonnage
2.4. Que représente la variable "u" dans le programme.
2.5. Que représente la variable X(n)
2.6. Qu’elle est le rôle de la fonction "abs" et "angle".
2.7. Donner le bloc programme permettant de reconstituer le signal d’origine x(t) à partir de ses
harmoniques
2.8. Vérifier l’apport du nombre des harmoniques sur l’approximation du signal d’origine x(t) en
faisant varier le nombre des harmoniques entre 5 et 30 par pas de 5 par exemple.
2.9. Vérifiez, sur le papier, que la décomposition en série de Fourier est bien celle annoncée.

IV. TRAVAIL DEMANDE

IV.1. Déterminer le développement en série de Fourier des signaux suivants :
a) sinus redressée,
b) triangulaire
IV.2. Programmer des scripts pour réaliser la synthèse par série trigonométrique des signaux ci-dessus.
Les arguments d’entrée de ces scripts seront: NH = nombre d'harmoniques à sommer, T0= période
de signal, Te =Période d'échantillonnage, N : nombre d’échantillons, A : Amplitude de signal
IV.3. Tracer les représentations temporelles et fréquentielles : x(t) et |Cn(f)|. Pour cela, les signaux seront
donc générés à partir d’un vecteur temps t de N points répartis sur l’intervalle [0, 2T0].
IV.4. Relever et commenter l'évolution des ondulations présentes sur les signaux synthétisés x(t) au fur
et à mesure que vous augmentez le nombre NH de sinusoïdes. En déduire l'origine de ces
ondulations qui constituent ce qu'on appelle l'effet Gibbs.
IV.5. Tracer sur le même graphe le spectre d’amplitude (représentation fréquentielle) théorique et
approché.
IV.6. Comment expliquer vous que ces ondulations soient plus importantes sur le signal triangulaire que
sur le sinus redressé.

2/2