CEA U.E.

DU GROS SON

REZKI Madeleine Chirine Nourhane

Animateur : ADJOUT Mourad

Scribe : REZKI Madeleine
Gestionnaire : BOUDJERDA Adem
Secrétaire : BELABBAS Youcef

28-11-2023 A1-B – Groupe 02

 1. Mots clés :
 Fréquence 44,1 kHz
 64-32 bits
 Harmonique significative
 Harmonique fondamentale
Mots à définir :
 Nombres flottants : Un nombre flottant, aussi connu comme un nombre à virgule
flottante, est un type de donnée numérique utilisé en informatique pour
représenter des nombres réels. Il est caractérisé par sa capacité à représenter des
valeurs décimales à virgule, avec une certaine précision.
 Harmonique significative : Son susceptible d'être émis par une source sonore
et dont la fréquence est un multiple entier de celle correspondant au mode
fondamental de vibration
 Harmonique fondamentale : La fréquence fondamentale est celle du premier
partiel harmonique du son considéré, que l'on désigne comme harmonique 1
ou harmonique fondamental. La note que l'on perçoit correspond à cet
harmonique, même s'il est absent du spectre sonore.
2. Analyse du contexte :
Après avoir obtenu le matériel nécessaire, nous décidons de procéder à des
enregistrements sonores, mais vous constatez que la taille du fichier d'enregistrement est
excessive.

3. Définition de la problématique :
On doit réduire la taille du fichier du son en gardant une bonne qualité.

4. Les contraintes :
 Taille du fichier = 20Mo
 Qualité d’enregistrement

5. Plan d’actions :

Action 1 : étudier la conversion numérique analogique (analogique numérique,

quantification)

a. Qualification : aboutit

b. Démonstration :

La conversion d'un signal analogique en un signal numérique est une étape essentielle
dans le domaine de l'électronique et des communications. Ce processus permet de
représenter des signaux continus, tels que des variations de tension ou des signaux
sonores, sous une forme numérique composée de valeurs discrètes. Les principales
étapes de ce processus incluent l'échantillonnage, la quantification et le codage.

Tout d'abord, lors de l'échantillonnage, le signal analogique est mesuré à des intervalles
 réguliers, générant ainsi une séquence de valeurs qui crée une représentation discrète du
signal.

Ensuite, la quantification intervient, arrondissant ces valeurs à des niveaux spécifiques et les
divisant en un nombre fini de niveaux distincts, déterminé par la résolution quantique en
bits.
Une fois quantifiées, les valeurs sont converties en format binaire lors du processus de
codage.

Chaque valeur est représentée par une séquence de 0 et de 1, formant ainsi une séquence
binaire. Ce signal numérique peut ensuite être stocké ou transmis plus efficacement que le
signal analogique, avec des avantages tels qu'une meilleure résistance au bruit et une facilité
de manipulation.

Enfin, si nécessaire, le signal numérique peut être reconstruit en un signal analogique à l'aide
d'un convertisseur numérique-analogique (CNA). Cette étape inverse la conversion, utilisant
les valeurs numériques pour générer un signal analogique continu. Dans l'ensemble, ce
processus de conversion est crucial dans divers domaines tels que les télécommunications,
l'audio numérique, la mesure et le contrôle industriels, ainsi que le traitement du signal. Les
composants électroniques clés impliqués dans ces conversions comprennent les
convertisseurs analogique-numérique (CAN ou ADC) et les convertisseurs numérique-
analogique (CNA ou DAC).

Action 2 : étudier le théorème d’échantillonnage.

a. Qualification : aboutit
b. Démonstration : Tout signal, spatial ou temporel, est limité en fréquence, à cause du
processus d'observation. Il peut être codé sur une distribution discrète de valeurs. Ce processus
de discrétisation est nommé échantillonnage.

Théorème de Shannon :Le critère de Shannon énonce qu'un signal doit avoir sa
fréquence maximale échantillonnée sur au-moins 2 pixels afin de ne subir aucune
dégradation. En pratique, il faut :

- 2 acquisitions temporelles par période pour un signal temporel périodique

- 2 pixels par élément de résolution spatiale pour un signal spatial
 La justification de ce critère est liée à l'analyse fréquentielle, par transformée de Fourier :
en appliquant le critère de Nyquist, les fréquences sont restituées convenablement jusqu'à
la fréquence de coupure.

Action 3 : étudier l’analyse spectrale /série de fourrier /transformé de fourrier.

a. Qualification : aboutit
b. Démonstration :
 c.

Action 4 : modifier les paramètres d’enregistrement.

a. Qualification : aboutit
b. Démonstration : Plus la fréquence d'échantillonnage est élevée, plus la taille du fichier
sera grande. Par exemple, un son enregistré à une fréquence d'échantillonnage de 44,1
kHz occupera plus d'espace qu'un son enregistré à 22,05 kHz.
La résolution des échantillons détermine la précision avec laquelle les valeurs d'amplitude
sont enregistrées. La résolution est généralement mesurée en bits, tels que 16 bits, 24 bits
ou 32 bits. Plus la résolution est élevée, plus la taille du fichier sera grande.
Plus la durée du son est longue, plus la taille du fichier sera grande.

Pour calculer l'espace mémoire occupé par un son on utilise la formule :

Taille du fichier = (Fréquence d'échantillonnage x Résolution des échantillons x Durée du son) /

8

Taille du fichier = (44100 x 16 x (10 x 60)) / 8

= 42336000 bytes
 Cela équivaut à environ 42,3 Mo d'espace mémoire occupé par un son enregistré à une
fréquence d'échantillonnage de 44,1 kHz, avec une résolution de 16 bits et une durée de 10
minutes.

Action 5 : tester les nouveaux paramètres sur PYTHON.

a. Qualification : non aboutit
b. Démonstration : incapacité à réaliser ce plan pour cause de maladie

6. Validation des hypothèses

Hypothèse 1 : Changer la quantification d’enregistrement de 32 à 64 bits.

a. Evaluation : faux
b. Preuve :

Hypothèse 2 : Changer la fréquence d’échantillonnage.

a. Evaluation : vrai
b. Preuve :

Hypothèse 3 : Compresser le fichier.

a. Evaluation : faux

b. Preuve :