Université Sultan Moulay Slimane

Faculté des Sciences et Techniques

Béni - Mellal Maroc

TRAVAUX PRATIQUES
SIGNAUX ET SYSTEMES

FI EEIA

Hicham Aissaoui
2018/2019
 FI EEA 2016/2017

TP 1 Echantillonnage

0.0 Objectifs

L’objectif de ce TP est la synthèse de plusieurs signaux et le calcule de leur spectre. Un

intérêt particulier sera porté aux différentes fenêtres de troncature rectangulaire, hanning,
Blackman et hamming.

1 – Génération de signaux

Soient les signaux suivants :

x1 = sin(2 f1 t) , x2= sin(2 f2 t), x3= sin(2 f3 t) et x=x1+x2+x3;

 fixez les différentes fréquences f1, f2, f3 entre 10 et 500 Hz;

 calculer theoriquement les Transformées de Fourier des signaux x1, x2, x3, et x;

 proposez une fréquence d’échantillonnage respectant le théorème de Shanon pour

les signaux x1, x2, x3, et x;

 générez par Matlab les différents signaux x, x1, x2, x3, et x; et tracez-les sur une
même figure sur P échantillons équivalent au moins à 5 périodes du signal ayant
la plus grande période. Utiliser les fonctions plot et stem.

 Calculer theoriquement les Transformées de Fourier temps discrêt des signaux

x1, x2, x3, et x;

 Calculer on utilisant Matlab (fft, shiftfft), la Transformée de Fourier de chaque

signal et en tracer une représentation sur la même figure.

2– limitation des durées de signaux

Soient les fenêtres suivantes :

La fenêtre de Hanning est définie par :

Wh (t)= .5*(1-cos(2*pi*t))

Générer une fenêtre de Hanning de longueur P échantillons et de valeur max =1, et afficher
son allure temporelle.

 Limitez la durée de signaux générés plus haut 1- par la fenêtre de hanning et tracez-
les.

Signaux et systèmes H.AISSAOUI 2

 FI EEA 2016/2017

La fenêtre de Blackman est définie par :

Wb(t) = (.42-.5*cos(2*pi*t)+.08*cos(4*pi*t) ;

 Générer une fenêtre de Blackman de longueur P échantillons et de valeur max =1, et

afficher son allure temporelle.
 Limitez la durée de signaux générés plus haut 1- par la fenêtre de Blackman et
tracez-les.

La fenêtre de Hamming est définie par :

Whm (t)= .54 +0,46 cos(2*pi*t -)

Générer une fenêtre de Hamming de longueur P échantillons et de valeur max =1, et afficher
son allure temporelle.

 Limitez la durée de signaux générés plus haut 1- par la fenêtre de hamming et tracez-
les.

 Calculer la Transformée de Fourier de chaque signal et en tracer une

représentation sur la même figure.

 Construire un signal y qui se compose de x 1 pour ces premiers échantillons et se

termine par les échantillons de x2.

 Calculer la Transformée de Fourier du signal y et tracer sa représentation puis

comparer avec la Transformée de x.

 Calculer la transformée de Fourier discrète (TFD) de la fenêtre sur N = 1000

points fréquentiels.
 Afficher le module de la transformée de Fourier en linéaire puis en dB.
 Quelle est la largeur du lobe principal ?
 Quel est le rapport en dB entre le max du lobe principal et le max du lobe
secondaire ?

Signaux et systèmes H.AISSAOUI 3

 FI EEA 2016/2017

Autocorrelation et DSP d'un signal aléatoire

 Créer un bruit blanc sur 200 points (utiliser Randn) et le visualiser.

 Calculer et visualiser sa fonction d'auto-corrélation temporelle.

 En déduire sa DSP et la visualiser; Commentaires.

Signaux et systèmes H.AISSAOUI 4

 FI EEA 2016/2017

TP 2 La Transformée de Fourier Discrète

0.0 Objectifs

L’objectif de ce TP est l’étude des performances, par simulation numérique, de quelques

estimateurs spectraux classiques mono-dimensionnel par le calcul l’utilisation de la
Transformée de Fourier Discrète et Rapide.

La comparaison sera effectuée sur des signaux synthétiques dont on maîtrise l’amplitude,
la phase et la fréquence de résonance. On étudiera les avantages et les inconvénients
résultants l’utilisation de quelques fenêtres : Rectangulaire, Hamming et Blackman.

1 - Spectre d’un signal sinusoïdal

1. Construire et visualiser un signal sinusoïdal sur 1024 points :

s(t) = ACos(2f0t) (1)

où A = 1, f0 = 150 Hz et la fréquence d’échantillonnage Fe = 1/Te = 20000.

2. Calculer la transformée de Fourier FFT S(f) de s(t) sur 20000 points.

3. En déduire la densité spectrale de puissance |S(f)|2 et la représenter graphiquement sur

512 points en deux modes : linéaire et logarithmique.

2 - Spectre d’un bruit blanc

1. Créer et visualiser un bruit blanc b(t) de moyenne nulle et de variance 2 sur 1024
points.

2. Calculer la Transformée de Fourier FFT B(f) sur 1024 points.

3. En déduire la densité spectrale de puissance |B(f)|2 et la représenter graphiquement sur

512 points en deux modes : linéaire et logarithmique.

3 - Spectre d’un signal sinusoïdal noyé dans un bruit blanc

1. Construire et visualiser un signal y(t) qui soit la somme du deux signaux s(t) (1) et le
bruit blanc b(t) sur 1024 points.

2. Calculer la Transformée de Fourier FFT Y(f) de y(t) sur 20000 points.

3. En déduire la densité spectrale de puissance |Y(f)|2 et la représenter graphiquement sur

512 points en deux modes : linéaire et logarithmique.

Signaux et systèmes H.AISSAOUI 5

 FI EEA 2016/2017

Remarque
Lors de l’analyse spectrale d’un signal de longue durée, nous n’avons accès, en pratique,
qu’à une portion limitée de ce signal. Le spectre obtenu correspond donc au spectre du signal
à analyser auquel une « fenêtre » a été préalablement multipliée. La figure ci-dessous illustre
cette opération.

Figure 3.1
Exemple

Figure 3.2
Cette opération de limitation de durée du signal ne se voit pas en pratique, surtout lorsqu’on
utilise une fenêtre rectangulaire. Et c’est le cas des trois premières questions où la limitation
de la durée du signal consistait à ne considérer que les échantillons désirés.

Comme on peut le constater, la fenêtre f(t) doit être telle que le spectre Y(ν) puisse être
considéré comme une approximation acceptable de X(ν), le spectre du signal complet.
Plusieurs études ont été effectuées pour déterminer la forme optimale de la fenêtre à utiliser.

Les principales caractéristiques d’une fenêtre peuvent être mises en évidence en utilisant, par
exemple, un signal x(t) sinusoïdal de fréquence ν0. Comme on le sait, le spectre X(ν) de la

Signaux et systèmes H.AISSAOUI 6

 FI EEA 2016/2017

sinusoïde n’est formé que deux impulsions de Dirac situées à ±ν0; le spectre Y(ν) sera donc
(à un facteur près) F(ν+ν0) + F(ν-ν0) et nous permettra d’évaluer la qualité de la fenêtre selon
les deux critères (figure 3.3) suivants :

11 - La largeur du lobe central détermine la résolution spectrale de la fenêtre, c’est-à-dire sa

capacité de discriminer deux fréquences proches l’une de l’autre.
2
32 - L’amplitude des lobes latéraux détermine l’étalement spectral de la fenêtre. Un
étalement spectral trop grand nuira à la détection d’un signal d’amplitude faible en
présence d’un signal d’amplitude élevée.

Figure 3.3
Des exemples de fenêtres de troncation sont illustrés par la figure 3.4

Signaux et systèmes H.AISSAOUI 7

 FI EEA 2016/2017

Les commandes triang(n), blackman(n) et hamming(n) produisent directement les fenêtres

voulues selon n points (en vecteurs colonnes).

4- Etude de l’effet de différentes fenêtres

On propose de travailler sur l’intervalle illustré par la figure 3.5

Intervalle [ 0  ] représenté par 1024 points

Intervalle [ 0 T ] représenté par 16384 points

TRAVAIL À EFFECTUER

Au début de la séance, deux fenêtres vous serons désignées. Vous utiliserez le logiciel
MATLAB pour :

 mettre en évidence par une simulation pertinente (1) la supériorité d’une fenêtre sur l’autre
en ce qui a trait à la résolution spectrale,
(1)
deux sinusoïdes de fréquences très proches l’une de l’autre

 mettre en évidence par une simulation pertinente (2) la supériorité d’une fenêtre sur l’autre
en ce qui a trait à l’étalement spectral.
(2)
une sinusoïde d’amplitude forte + une sinusoïde de fréquence différente et
d’amplitude faible

Signaux et systèmes H.AISSAOUI 8

 FI EEA 2016/2017

Dans le rapport de TP, vous devrez remettre :

 des figures illustrant la supériorité d’une fenêtre sur l’autre en ce qui a trait à la
résolution spectrale,

 des figures illustrant la supériorité d’une fenêtre sur l’autre en ce qui a trait à l’étalement
spectral,
 le listage commenté des commandes MATLAB utilisées.

Signaux et systèmes H.AISSAOUI 9

 FI EEA 2016/2017

TP 3 Synthèse d'un Filtre Numérique RIF

0.0 Objectifs

L'objet de ce TP est la synthèse d'un filtre R.I.F à phase linéaire par le calcul des
coefficients du filtre satisfaisant les conditions imposées par un gabarit. Ces coefficients
seront obtenus par la technique du développement en séries de Fourrier.

Dans la dernière partie de ce TP on étudiera les avantages et les inconvénients

résultants de quelques fenêtres Rectangulaire, Hanning, Blackman...

1 – Théorie

On désire synthétiser un filtre numérique hn à réponse impulsionnelle finie. Pour cela, on

spécifie H(f), réponse fréquentielle du filtre. hn étant un filtre numérique, H(f)
nécessairement périodique et de période 1. Ce problème admet donc toujours une réponse
qui est prendre pour réponse impulsionnelle h(n) la transformée de Fourier inverse de H(f),
soit :
1/ 2

 H ( f )e
2 jfn
hn 
1 / 2

La difficulté provient de ce que, en général, la réponse impulsionnelle ainsi obtenue

comprend une infinité d'échantillons non nuls et n'est donc pas finie. On reformule alors le
problème en cherchant le filtre de réponse impulsionnelle finie h(n) dont le support est défini
par n  1,2 …N-1 et dont la réponse fréquentielle est proche de H(f) en un sens à définir.

2- Méthode

Soit Hd(f) la transformée de Fourier du filtre à réponse impulsionnelle finie h(n);

n  1,2 …N-1. Hd(f) est périodique et de période 1 et il a été montré en cours que la
transformée de Fourier discrète X(k) de la séquence h(n) chantillonne Hd(f) aux fréquences fk
= k=N, soit X(k) = Hd(k=N) : (2)

L'idée consiste donc à définir h(n) comme la transformée de Fourier inverse discrète de
H(k=N); k 1,2 …N-1. De cette manière, Hd(k) et H(f) coïncideront aux fréquences
f = k=N, mais seront en général différentes aux autres fréquences (voir illustration ci-
dessous). La procédure comprend donc les étapes suivantes :

1. choix de la longueur N du support de la réponse impulsionnelle ;

2. détermination des coefficients X(k) = H(k=N); k 1,2 …N-1 ;

Signaux et systèmes H.AISSAOUI 10

 FI EEA 2016/2017

3. calcul de h(n); n  1,2 …N-1 par transformée de Fourier inverse discrète :

n 1
1
hn 
N
 X ( k )e
k 0
2 jkn / N

3 - Travail à effectuer

On désire effectuer la synthèse d'un filtre passe-bas à la phase linéaire dont le gabarit
est donnée par:

1-1 < H(f)< 1+1 pour f<fp

H(f)< 2 pour fs<f<1/2

Où f=F/Fe est la fréquence normalisée par rapport à la fréquence d'échantillonnage.

a) Gabarit en dB b) Gabarit en linéaire

Figure 5-1 Gabarit du filtre passes bas désiré

1. Calculer la forme littérale des coefficients hn de la réponse impulsionnelle.

2. N= 200 Fc = 0.15

Calculer et visualiser les N échantillons de cette réponse impulsionnelle. Modifier N

et commenter.

3. N=100; Fc = 0.25

Calculer et visualiser la réponse impulsionnelle ainsi que sa réponse en fréquence.

Quelle valeur prend le gain à cette fréquence Fc.

4. Refaire 1 2 et 3 en utilisant les différentes fenêtres Hanning, Blackman pour limiter la

durée des échantillons du filtre. Citer les avantages et les inconvénients, résultants de
l'utilisation de la fenêtre rectangulaire. Se référer aux résultats trouvés au TP 3.

Signaux et systèmes H.AISSAOUI 11