Vous êtes sur la page 1sur 52

Institut Suprieur des Sciences

Appliques et de Technologie de Sousse







Ondes Acoustiques et
Traitement des Signaux
(Cours avec applications thoriques et pratiques)











Par : Ahmed RHIF

Dpartement Gnie lectronique





Anne Universitaire 2009-2010 Version 1.0 - Avril 2010
(Brouillon)
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
2

Sommaire






Partie Thorique
Chapitre 1 Gnralit sur le son ............................................................................................. 3
1 Caractristiques dun son ............................................................................................... 4
2 Propagation dune onde sonore ...................................................................................... 4
3 Caractristiques dune onde sonore ................................................................................ 4
4 L'impdance acoustique ................................................................................................. 7
5 Effet Doppler .................................................................................................................. 7
6 Applications ................................................................................................................... 8

Chapitre 2 Les transformations de Fourier ......................................................................... 10
1 La dcomposition en srie de Fourier .......................................................................... 10
1.1 Quelques proprits ................................................................................................ 11
1.2 Applications ........................................................................................................... 12
2 La transforme de Fourier ............................................................................................ 15
3 Filtrage ......................................................................................................................... 17
4 La transforme de Fourier inverse ............................................................................... 18
5 Le phnomne de Gibbs ............................................................................................... 19

Chapitre 3 Traitement des signaux numriques ................................................................. 21
1 Lchantillonnage des signaux ..................................................................................... 22
2 La transforme de Fourier numrique .......................................................................... 22
2.2 Existence de la transforme de Fourier .................................................................. 23
2.2 Proprits du spectre .............................................................................................. 24
3 Transforme de Fourier discrte .................................................................................. 25

Partie Exprimentale
Manipulation 0 Initiation au logiciel MATLAB .................................................................. 26
Manipulation 1 Les Transformations de Fourier .................................................................. 33
Manipulation 2 Systmes Linaires Continus Filtrage Analogique ..................................... 40
Manipulation 3 Lchantillonnage ....................................................................................... 48










Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
3

Chapitre 1 Gnralit sur le son




Introduction
Le son est une onde produite par la vibration mcanique d'un support fluide ou solide et
propage grce l'lasticit du milieu environnant sous forme d'ondes longitudinales (cordes
vocales, guitare). Par extension physiologique, le son dsigne la sensation auditive
laquelle cette vibration est susceptible de donner naissance. Par consquent le son ne peut pas
se propager dans le vide (exemple de la cloche vide).

Cloche vide
(On ne peut pas couter le son de la rveille puisque il y a du vide au dessous de la cloche)
La science qui tudie les sons s'appelle l'acoustique. La psychoacoustique combine
l'acoustique avec la physiologie et la psychologie, pour dterminer la manire dont les sons
sont perus et interprts par le cerveau.
Terminologie : On appellera source ou excitateur pour ce qui produit le son, milieu
pour le fluide ou le solide dans lequel se propage londe sonore, de rcepteur ou puits
pour ce qui capte londe.
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
4
1 Caractristiques dun son
Il y a deux types de son : les sons purs et les sons complexes.
Les sons purs sont caractriss par une seule frquence.
Les sons complexes rsultent de la somme des sons purs de frquences f, 2f, 3f

Le domaine des frquences est le suivant :



2 Propagation dune onde sonore
Le phnomne qui se propage est une petite oscillation de matire autour de sa position
initiale. Au sein d'un solide lastique, l'oscillation peut-tre longitudinale si elle s'effectue
dans la direction de propagation de l'onde ou transversale si elle s'effectue
perpendiculairement la direction de propagation. Au sein d'un fluide comme l'air, la
vibration est toujours longitudinale.
La propagation dune onde sonore dans un milieu se traduit par lexistence dune pression
acoustique p
ac
qui sajoute la pression atmosphrique.

totale atm ac
p p p = +


3 Caractristiques dune onde sonore
Londe sonore peut tre reprsent par plusieurs quation diffrentes la plus simple entre elle
est :

) sin( ) ( + = wt A t y

avec :
A : lamplitude du signal
: pulsation du signal
: dphasage entre le signal en un point (P) et la source (S)
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
5


On obtient les quations suivantes de la clrit et de dphasage :

x
t
x
C
2
=

=


La frquence :
La vitesse laquelle la source oscille dtermine la frquence ( f ) de l'onde sonore engendre,
qui est exprime en Hertz (Hz) ou cycles par secondes. Elle conditionne la hauteur tonale du
son. Plus la source oscille en un temps donn, plus sa frquence est leve et le son est aigu.
L'amplitude :
L'importance des compressions et dpressions du milieu provoques par le mouvement de
la source correspond l'amplitude ( A ) de l'onde et est exprime en dcibels (dB).
L'amplitude dtermine donc l'intensit, le volume de l'onde sonore.
La longueur d'onde :
Lorsque l'onde se propage dans le milieu, la distance sparant deux points successifs o la
compression est maximale est appele longueur d'onde. Cette distance est mesurable
n'importe quel endroit de l'onde mais elle correspond toujours la longueur d'un cycle
complet (voir le schma ci-dessous). Souvent reprsente par la lettre greque lambda ( ), elle
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
6
est exprime en mtres et dpend de la frquence ainsi que de la vitesse de propagation de
l'onde(v).
Plus la frquence est leve pour une vitesse donne, plus un cycle est court.
Plus la vitesse est leve pour une frquence donne, plus la distance entre deux maxima
successifs est importante. Cette relation peut tre rsume par la formule qui suit:
T C. =

en m, C en ms
-1
et T en s



C est la clrit du son, elle est de lordre de 340 ms
-1
dans lair
La priode :
On notera galement la notion de priode ( T ) qui est la dure en secondes sparant
deux crtes successives (et donc une longueur d'onde). Cette dure est mesurable n'importe
quel moment de l'onde mais elle correspond toujours la dure d'un cycle complet (voir le
schma ci-dessous). La priode est l'inverse de la frquence: plus la frquence est leve,
plus la priode est courte et inversement.
f
T
1
=
et
2 = T


Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
7
Les caractristiques d'une onde peuvent, comme nous le voyons, tre reprsentes l'aide
d'un graphique o l'amplitude figure sur l'axe vertical (les valeurs positives ou ngatives
correspondent respectivement aux compressions et dpressions du milieu) et le temps sur l'axe
horizontal.
Si l'onde est pure, l'volution temporelle aura la forme d'une sinusode parfaite cause de la
vibration simple et rgulire de la source. Cette volution est appele le "mouvement
harmonique".

4 L'impdance acoustique
L'impdance acoustique d'un milieu (solide, liquide ou gazeux) est dfinie comme le rapport
de la pression acoustique sur la vitesse de dplacement en milieu ouvert (cest--dire en
l'absence d'ondes rflchies).
L'impdance acoustique est une proprit du matriau considr et est gale, dans le cas d'un
espace illimit, au produit de la masse volumique du matriau par la vitesse du son c dans ce
mme matriau :
Z = . c
Units : tant exprim en kg/m
3
, c en m/s, Z est exprim en Pa.s/m.

Exemples de quelques valeurs de clrit du son dans des milieux diffrents:

Milieu Air (OC) Eau (15C) Granit Sapin plomb acier Verre
Clrit (m/s) 332 1 440 3 950 5 000 1 300 5 100 5 500

5 Effet Doppler
Lorsque la source est en dplacement, la vitesse de propagation rsultante est gale la
vitesse de propagation ajoute (vectoriellement) la vitesse de dplacement de la source.
Cette vitesse de dplacement fait varier la hauteur du son.
Soit f la frquence mise par la source et f la frquence capter par le rcepteur :
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
8
v c
c
f f

= '

V est la vitesse de la source en mouvement et C la clrit du son.
6 Applications
1) Pourquoi couter aux rails
Dans certains Western on peut voir des bandits coller loreille au rail de chemin de fer pour
surveiller le train qui approche.
1. Justifier cette mthode.
2. Calculer le temps mis par les sons pour se propager depuis un train situ la distance d = 3
km.
On donne : C
air
= 340 ms
-1

C
acier
=5100 ms
-1


2) Utilisation dun sonar
Le sonar est constitu dun metteur ultrason (S) et dun rcepteur (R). Il mesure le temps mis
par les ultrasons pour effectuer un aller retour entre le sonar et lobstacle (fond de la mer, sous
marin). Puis lappareil affiche la profondeur d qui spare (S) de lobstacle.
1. Situer le domaine des frquences sur une chelle.
2. Quelle est la longueur donde des ultrasons mis dans le milieu marin ?
3. Londe sonore mise se rpercute sur un sous marin. A quelle profondeur d se trouve t-il si
le rcepteur reoit londe rflchit avec un dphasage de temps t=0.1s ?
On donne :
C
eau
= 1500 ms
-1

f
ultrason
= 20 khz

3) Vol dune chauve-souris
Une chauve-souris (C) vole en ligne droite vers un obstacle la vitesse moyenne v=8 ms
-1
.
Elle met un bref signal ultrason quand elle se trouve environ 30 m de lobstacle. Ce signal
se rflchit sur lobstacle et atteint la chauve-souris aprs un instant t plus tard.
A quelle distance x de lobstacle se trouve-t-elle la rception du signal de retour ?
C
air
= 340 ms
-1


Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
9
4) Effet Doppler dans une salle de classe
Tout en parlant, un professeur se dplace vers ses tudiants la vitesse v = 1 m/s.
On note f la frquence du son mis par le professeur et f ' la frquence de ce mme son peru
par les tudiants.
1. Calculer le dcalage en frquence (en %) :
f
f f '
100
2. On donne f = 500 Hz. Calculer f '.
3. Une oreille normale ne peut pas distinguer une variation de frquence de moins de 1 %.
Quelle conclusion peut-on en tirer ?
























Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
10
Chapitre 2 Les transformations de Fourier




Introduction
Lanalyse de Fourier, mise en place par Joseph FOURIER mathmaticien franais, est une
analyse de type frquentielle, tendue des rgimes qui ne sont pas forcment sinusodaux.
L'analyse de Fourier est trs utilise en lectricit comme en physique.
Les termes des sries de Fourier sont des fonctions sinusodales et cosinusodales. A nouveau,
on aperoit l'importance de l'analyse harmonique des systmes, puisque la pertinence de ces
dcompositions est garantie pour tout systme linaire (principe de superposition).
La transformation de Fourier a dj t signale comme un cas particulier mathmatique de la
transformation de Laplace. Elle est trs employe dans toutes les branches techniques avec
des implications vastes et diverses : des relations d'incertitudes en physique aux espaces
rciproques en cristallographie, en passant bien sr par l'lectricit.
1 La dcomposition en srie de Fourier
Soit f une fonction priodique de priode T. Joseph FOURIER, affirma, dans un mmoire dat
de 1807, quil tait possible, dans certaines conditions, de dcomposer une fonction
priodique f sous la forme dune somme infinie de signaux sinusodaux :

+
=
+ + =
1
0
)] sin( ) cos( [ ) (
n
n n
nwt b nwt a a t f

On a :

=
=
=

T
n
T
n
T
dt nwt t f
T
b
dt nwt t f
T
a
dt t f
T
a
0
0
0
0
) sin( ) (
2
) cos( ) (
2
) (
1

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
11
avec : a
0
, a
n
, b
n
sont les coefficients de Fourier
On peut donc considrer f comme la somme :
dun terme constant a
0

dun nombre infini de termes sinusodaux appels harmoniques.

n=1 reprsente la composante fondamentale du signal
n=1 reprsente la composante harmonique du signal


Figure 1: spectre de frquence dun signal priodique

Il est souvent intressant de caractriser un signal par son spectre de frquence. En effet,
celui-ci met en vidence limportance du fondamental ainsi que la dcroissance plus ou moins
rapide des amplitudes des harmoniques de rang lev. Il peut aussi servir dterminer le
nombre dharmoniques ncessaires pour transmettre la quasi totalit de lnergie du signal
(notion de bande passante...).
1.1 Quelques proprits

Si f est paire : f(t) = f(-t) b
n
=0
Si f est impaire : f(t) = -f(-t) a
n
=0
Valeur moyenne :

= = =
T
a dt t f
T
t f f
0
0
) (
1
) (
Valeur efficace : ( )

+
=
+ + =
1
2 2 2
0
2 2
2
1
n
n n eff
b a a f f
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
12
1.2 Applications
Exemple 1
On cherche concevoir un filtre passe Bande trs slectif sur le premier harmonique et le
deuxime harmonique. Soit f le signal filtrer.

< <
< <
=
T t
T
si E
T
t si E
t f
2
2
0
) (


Elment de rponse :
)
3
3 sin
1
sin
(
4
) (
) 1 2 (
4
) ) 1 ( 1 (
2
0
1 2
L + + =
+
=
=
=
+
wt wt E
t f
p
E
b
n
E
b
a
p
n
n
n


Le spectre du signal est le suivant avec une amplitude de

E 4



Exemple 2
Trouver la srie de Fourier de la fonction
= x x x f , ) (

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
13
Rponse
Puisque f (x) est impair on a a
n
= 0. On cherche les coefficients b
n
.

+ = =


2
) sin( ) cos( 1
) sin(
1
n
nx
n
nx x
dx nx x b
n

On dduit
1
) 1 (
2
) cos(
2
+
= =
n
n
n
n
n
b

Par consquent
|

\
|
+ = L
3
) 3 sin(
2
) 2 sin(
) sin( 2 ) (
x x
x x f

Exemple 3
Trouver la srie de Fourier de la fonction

x
x x
x f
0 ,
0 ,
) (

Rponse
On a :
) ) 1 ( 1 (
1
0
2
0
n
n
n
n
b
a
a
=
=
=


Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
14
Nous obtenons
1 2
2
0
1 2
2
+
=
=
+
n
b
et
b
n
n

Par consquent, la srie de Fourier de f (x) est :
|

\
|
+ + + = L
5
) 5 sin(
3
) 3 sin(
) sin( 2
2
) (
x x
x x f


Exemple 4
Trouver la srie de Fourier de la fonction

x
x
x f
0 ,
2
0 ,
2
) (

Rponse
Cette fonction est celle de l'exemple ci-dessus moins la constante
2

. La srie de Fourier de
f(x) est :
|

\
|
+ + + = L
5
) 5 sin(
3
) 3 sin(
) sin( 2
2
) (
x x
x x f


Exemple 5
Trouver la srie de Fourier de la fonction f :



=
2 0 ,
0 2 , 0
) (
x x
x
x f

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
15
Rponse
( ) ( )
1
2
0
) 1 (
2
1 1
2
2
1
2
1
+
=

|

\
|
=
=
n
n
n
n
n
b
n
a
a


Par consquent, nous avons :

=
+
(

+ + =
1
1
2 2
)
2
sin( ) 1 (
2
)
2
cos( ) 1 ) 1 ((
2
2
1
) (
n
n n
x
n
n
x
n
n
x f



2 La transforme de Fourier
La transforme de Fourier F est une opration qui transforme une fonction intgrable en une
autre fonction, dcrivant le spectre frquentiel de cette dernire. Si x(t) est une fonction
intgrable, sa transforme de Fourier est la fonction X(f) donne par la formule :


=
T
jft
dt e t x
T
f X
0
2
) (
1
) (



Exemples
1) Signal porte
La fonction porte (ou fentre) est dfinie par :


=
on
T
t
T
sin 0
2 2
1

=
2 / 1
0
) 2 cos( ) ( 2 ) ( dt ft t F

) ( sin ) ( f c F =

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
16

Signal porte



Sinus cardinal

2) Signal impulsion
Le signal impulsion est dfinie par :


=
on
T
t
T
T
t
T
sin 0
2 2
1
) (

) (
1
) (
T
t
T
t
T
=
On pose
T
t
u = on obtient
fT
fT
f
T

) sin(
) ( =


Lorsque T 0, on admettra que la fonction impulsion tend vers une limite, qui nest pas une
fonction, et qui est appele Distribution de Dirac note .
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
17
En tenant compte de :
1
sin
lim
0
=

fT
fT
T


On conclut :
1 ) ( = F



3) Fonction exponentielle
Soit la fonction suivante :
t a
e t x

= ) (
, a>0
La fonction x est paire :

=
0
) 2 cos( 2 ) ( dt ft e f X
at

une double intgration par parties conduit :

2 2 2
4
2
) (
f a
a
f X
+
=


3 Filtrage
Le filtrage consiste appliquer une transformation (appele filtre) tout ou partie d'un signal
numrique en appliquant un oprateur. On distingue gnralement les types de filtres
suivants :
les filtres passe-bas, consistant attnuer les composantes du signal ayant une
frquence haute. Ce type de filtrage est gnralement utilis pour attnuer le bruit du
signal, c'est la raison pour laquelle on parle habituellement de lissage.
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
18
les filtres passe-haut, l'inverse des passe-bas, attnuent les composantes de basse
frquence du signal et permettent notamment d'accentuer les dtails, c'est la raison
pour laquelle le terme de "filtre d'accentuation" est parfois utilis.
les filtres passe-bande permettant d'obtenir la diffrence entre le signal original et celui
obtenu par lapplication d'un filtre passe-bas.

Le produit de convolution
Appliquer un filtre sur un signal revient raliser, dans le domaine temporel, le produit de
convolution :
Soit x(t) un signal filtr, h(t) un filtre et y(t) le signal rsultant on a :

+

= = du u t h u x t h x t y ) ( ) ( ) ( * ) (

Dans le domaine frquentiel, le produit de convolution est converti en un simple produit
scalaire.
Soit X(f) la transforme de Fourier du signal x(t), H(f) un filtre et Y(f) la rsultante on a :

) ( ). ( ) ( f H f X f Y =


Exemple :
Soit la fonction triangulaire suivante :


=
on
t t
t
sin 0
1 1 1
) (


Fonction paire :

= =
1
0
2 2
2
sin
) 2 cos( ) 1 ( 2 ) (
f
f
dt ft t f



4 La transforme de Fourier inverse
Le signal utile est toujours exprim dans le domaine spatial (temporel), donc aprs avoir filtr
un signal dans le domaine frquentiel on besoin de transformer la rsultante dans le domaine
spatial pour pouvoir ensuite lutilis.
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
19
La transforme de Fourier inverse est exprime comme suit :

+

= df e f X t x
jft 2
) ( ) (


5 Le phnomne de Gibbs
Lors de l'tude des sries de Fourier et des transformes de Fourier, il apparat parfois une
dformation du signal, connue sous le nom de phnomne de Gibbs. Ce phnomne est un
effet de bord qui se produit proximit d'une discontinuit, lors de l'analyse d'une fonction
drivable par morceaux.
Le phnomne fut mis pour la premire fois en vidence en 1848 par Wilbraham, mais cette
dcouverte ne connut gure d'cho.
En 1898, Albert Michelson dveloppa un systme mcanique capable de calculer et sommer
la srie de Fourier d'un signal donn en entre. Il observa alors un effet d'amplification des
discontinuits, qui persistait malgr l'augmentation du nombre de coefficients calculs. Alors
que Michelson souponnait un dfaut dans la fabrication de son engin, Gibbs montra que le
phnomne tait d'origine mathmatique et se produisait dans des conditions trs gnrales.
En 1906, Maxime Bcher donna la premire interprtation satisfaisante du phnomne auquel
il donna le nom de phnomne de Gibbs qui est, en quelque sorte, un dfaut
d'approximation pour une fonction continue de classe C1 par morceaux.

Approximation du crneau l'ordre 10
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
20

Approximation du crneau l'ordre 50


Approximation du crneau l'ordre 250

Le phnomne de Gibbs est plus frquent en utilisant les portes discontinues et les signaux
numriques. Comme solution on pourra utiliser des portes de type Gibbs (portes continues) :
Sinus\ Cosinus\ Triangulaire\ Harming\ Blackman\ Kaiser





Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
21

Chapitre 3 Traitement des signaux numriques





Introduction
Le traitement numrique repose sur le systme binaire dans lequel ne peut exister que 2
valeurs 0 et 1. Ce choix du systme binaire s'explique par la facilit reproduire
lectriquement ces deux valeurs : 0: absence de tension (0V), 1 : prsence d'une tension (5 V
par exemple).
On compte en binaire de la mme faon que l'on compte en dcimal sauf que l'on n'utilise que
le 0 et le 1.

Chaque "chiffre" d'un nombre binaire s'appelle un BIT (Binary dIgiT). Le nombre dcimal 9
s'crira, en binaire, avec quatre bits : 1001. Les bits sont souvent regroups par 8 et forment
ainsi un octet (byte en anglais). La valeur la plus leve que peut prendre un octet est
11111111 qui vaut 255.
La conversion d'un signal analogique en un signal numrique est souvent confie des
circuits spcialiss fort justement baptiss "convertisseur analogique digitale (CAD)" ou ADC
en anglais (Analog Digital Converter). Le schma ci-dessous illustre le principe de cette
conversion :


Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
22
1 Lchantillonnage des signaux
Le traitement numrique des signaux se fait sur des valeurs discrtes: il n'est pas possible de
traiter par ordinateur des signaux temps continu. Par souci de simplicit, on chantillonne
les signaux un rythme rgulier. Une horloge de cadence T
e
permet de diviser la periode du
signal en n chantillons rgulier, ce qui permet ensuite de calculer la valeur numrique binaire
du signal par une succession d'oprations de comparaisons des tensions de rfrence.



Illustration de l'chantillonnage d'un signal : on mesure la valeur du signal des instants qui sont des
multiples de la priode d'chantillonnage


2 La transforme de Fourier numrique
La transforme de Fourier numrique est dfinie comme suit :


=
k
jfk
e k x f X
2
) ( ) (


On utilise une somme au lieu dune intgration point par point (cas des signaux analogique)
pour faire le calcul sur des segments (priodes dchantillonnages).
La transforme de Fourier numrique inverse est la suivante :

=
2 / 1
2 / 1
2
) ( ) ( df e f X k x
jfk



Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
23
2.2 Existence de la transforme de Fourier
Thorme de Cauchy

Si

< <

k k
jfk
k x e k x ) ( ) (
2


Donc les conditions dexistence de la transforme de Fourier est la suivante :

< =
< =

2 / 1
2 / 1
2
2
) ( ) (
) ( ) (
df e f X k x
e k x f X
jfk
k
jfk



Exemple
Soit la fonction rectangulaire


=
on
N k si
N
k ct
N
sin 0
1 0 1
)
2
( Re


f
fN
f X
f
fN
e e f X
f j
N
N
k
fk j


sin
sin
) (
sin
sin
) (
1
2
2
2
= = =




Formule de Poisson


+ =

k n
fk j
n f e ) (
2


Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
24
Exemple
x(k)=1 trouvez X(f).
Rp.
1 ) ( ) (
2 / 1
2 / 1
2
= =

df e f X k x
jfk


Dcalage frquentiel
Soit x(k) une fonction dfinie autour de la frquence f
0.

+ = =
+ = =
k n
fk j k f j
k f j
n f f e e f X
kf j kf e k x
) ( . ) (
) 2 sin( ) 2 cos( ) (
0
2 2
0 0
2
0
0



Soit :
2
) 2 cos( ) (
0 0
2 2
0
k f j k f j
e e
kf k x

+
= =

+ + + +
=
n
n f f n f f
f X
2
) ( ) (
) (
0 0



Remarque :
Le dcalage frquentiel nagit pas sur le spectre.


2.2 Proprits du spectre

impaire f X et paire nergie f X paire f X )) ( arg( ) ( ) ( ) (
2

x(k) X(f)
) ( ) (
0
2
0
f X e k k x
fk j



T.F.N
x(k) X(f)
A.x(k) A.X(f)
z(k)=x(k) + y(k) Z(f)=X(f) + Y(f)
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
25
z(k)=x(k) . y(k)

+ = Y(u)du u) - X(f Z(f)



= = =
l l
f G f X f Y l k x l g l k g l x k y ) ( ). ( ) ( ) ( ) ( ) ( ) ( ) (

3 Transforme de Fourier discrte
La transforme de Fourier numrique prsente deux problmes :
1. limitation de linterval de k
2. X(f
i
)
i=1,n
comment restituer le signal avec ces f
i
.



N
n
n f
N
n
N
avec
N
n
n f
N
n
=
< < =
=
) (
2 2
) (
2

On a alors :
1
1
2
2
2
2
. . ) (
1
) (
. . ) ( ) ( ) (

=
+
=

=
= =
D F T e n X
N
k x
D F T e k x n X f X
N
N
n
k
N
n
j
k
k f j
n
n



Proprits de lexponentielle

=
=
=
1
0
2
0
1
1
N
n
n
n
nk
N
N
j
N
l k pour
l k pour
w
N
e w



Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
26
Manipulation 0 Initiation au logiciel MATLAB



Ce TP a pour but dapprendre utiliser le logiciel Matlab afin de pouvoir dvelopper des
applications simples en traitement du signal.

Entrer dabord la commande diary(initiation) pour garder les traces de votre travail ;
la fin de la sance entrer la commande diary() ;

I- Manipulation des variables
On distingue les variables scalaires et les variables vectorielles (matricielles en gnral).

1- Variables scalaires
Dans un premier temps on gnre trois variables scalaires a, b et c de la manire
suivante :
>> a=2 ;
>> b=3;
>> c=4 ;

On peut consulter la valeur dune variable en entrant son nom :
>> a
La rponse serait :
a=
2
Cela signifie que les valeurs des variables sont mmorises automatiquement avec leurs noms.

2- Taille des variables dans la mmoire
La taille dun scalaire de type double est 8 Bytes = 8 Octets = 64 Bits

3- Commandes de base :
who et whos :
Affiche la taille mmoire et types de toutes les variables utilises.
cd :
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
27
Affiche le rpertoire (directorie) o vous oprez en ce moment.
what, dir :
Affiche la liste les noms des fichiers contenus dans le rpertoire actuel.
help nom_fonction :
Donne un descriptif de la fonction et ses arguments dentre sortie.

4- Oprations sur les variables
>>d=a+b+c
>>e=a+b*c
>>f=(a+b)*c
>>g=(a/b)*c
>>h=a^2
5- Les matrices et les variables vectorielles
Matlab est optimis pour lusage matriciel : Eviter les formulations non matricielles.
[ a b c ] est un vecteur ligne.
[a ;b ;c ;] est un vecteur colonne.
V est le transpos du vecteur V
u=1:5 est le vecteur [1 2 3 4 5] (de mme que [1 :5] et (1 :5).
t=0 :2 :15 est le vecteur [0 2 4 6 8 10 12 14]
sin(t) est le vecteur [sin(0) sin(2) sin(14)]
zeros(1,N) est le vecteur ligne nul N lments.
Ones(1,N) est le vecteur ligne N lments gaux 1.

6- Oprations sur les vecteurs
Il faut respecter les dimensions des vecteurs et matrices.
Gnration automatique dun vecteur
V=dbut:pas:fin;
On dfinit une valeur de dbut : dbut
On dfinit une valeur de fin : fin
On dfinit un pas de progression linaire ou logarithmique
(incrmentation) : pas ;
si le pas nest pas spcifi, il est gal 1 automatiquement.
>>v3=1:10
>>v4=1:-0.5:-1
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
28
>>debut=0;fin=256;pas=8;
>>v5=debut:pas:fin
>>debut=0;fin=2*pi;pas=0.1; o pi dsigne le nombre 3.14
>>v5=debut:pas:fin
Une liste des fonctions les plus courantes est disponible dans laide en ligne en
tapant la commande (elfun dsigne elementary functions : sin, cos, log, exp)

>>help elfun

7- Les matrices
Saisir la matrice 3x3 suivante :
a=[1 2 3 ;4 5 6 ;7 8 9]
Noter que deux lignes sont spares par un point virgule.
Si vous entrez la commande a(:) vous obtenez le vecteur colonne [1 4 7 2 5 8 3 6 9].
La fonction eig donne les valeurs propres de la matrice a.
zeros(N) est la matrice nulle NxN, eye(N) est la matrice identit NxN.

II- ROGRAMMATION
1-LES SCRIPTS
Plutt que de taper les commandes au clavier les unes aprs les autres pour effectuer une
tche, ce qui vous oblige refaire la mme chose chaque utilisation de cette tche, il est
prfrable de grouper les commandes dans un fichier extension .m, ainsi tous les
programmes auront pour nom name.m. Il suffit alors de taper name pour que la tche
sexcute.

Exemple 1
Crez un fichier qui sappelle essai1.m, qui gnre un signal sinusodal x(t) de n points, puis
visualisez le laide de la commande plot(x).
Etape 1 : dition du fichier par la commande : edit essai1.m
Etape 2 : taper les commandes suivantes dans la fentre ddition :
ce fichier gnre et affiche une sinusode :

t=0:0.1:2*pi; % t est le vecteur temps avec un pas dchantillonnage 0.1
x=sin(t); % le signal x est un vecteur de mme taille que le vecteur t
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
29
plot(t,x) ;grid on % dessine lcran x en fonction de t
Remarques :
1- Le texte dbutant par % est un commentaire de votre choix, il est ignor par le logiciel.
Vous pouvez supprimer ces commentaires, mais ils sont utiles lorsquon a plusieurs
programmes.
2- Chaque instruction doit tre suivie dun point virgule.
Etape 3 : Sauvegardez le fichier dans le rpertoire en cours ;
Etape 4 : Excutez le programme en entrant la commande suivante :

>>essai1

2- Utilitaires graphiques
Les instructions :
title(titre de la courbe ou la figure) ajoute un titre la figure visualise.
xlabel(titre des abscisses) affiche un titre horizontal suivant x.
ylabel(titre des ordonns) affiche un titre vertical suivant y.
grid on et grid off quadrille ou non le graphique.

Exemple 2
Gnrez, laide dun programme prog1.m, deux priodes des deux signaux x(t)=cos(t) et
y(t)=sin(t) et visualisez les deux signaux sur une mme figure, lune en rouge et lautre en
bleu laide de la fonction plot(t,x,b,t,y,r). Mettre une lgende.

Exemple 3
Visualisez sur une mme figure, laide dun programme prog2.m, les quatre signaux cos(t),
sin(t),log10(t) et exp(t) en utilisant la fonction subplot(.,.,.) qui divise lcran en quatre sous
figures : (2,2,1),(2,2,2),(2,2,3) et (2,2,4).

>>subplot(2,2,1),plot(t,x);

Saisie dune donne au clavier :
Pour saisir une variable x partir du clavier, on utilise linstruction :
x=input(x=) ;

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
30
Affichage dun message lcran :
Pour afficher lcran un message personnel suivi dun retour la ligne :
fprintf(message personnel \n) ;

Affichage de la valeur dune variable :
Pour afficher lcran la valeur dune variable x :
fprintf(x=%d) ;

III- LES FONCTIONS
Si plusieurs de vos programmes personnels utilisent en commun une liste dinstructions, il est
prfrable de regrouper ces instructions sous forme dun programme indpendant. A chaque
besoin on appelle le dit programme par son nom : cest une fonction.
Une fonction possde des paramtres dentre et des paramtres de sortie, dont la syntaxe de
dclaration est la suivante :

function [sortie1,sortie2,]=nom_fonction(entre1,entre2,)

Le programme matlab correspondant la fonction doit porter le mme nom que la fonction :
nom_fonction.m

Exemple 1 :
Calcul de la moyenne arithmtique m dun vecteur v de dimension n :
m=

=
n
i
i v
n
1
) (
1


La fonction moyenne.m comportera les instructions suivantes :

function resultat=moyenne(v,n); %dclaration de la fonction

r=0; %initialisation de la moyenne
for
k=1:n r=r+v(k);
end
resultat=r/n;
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
31
On note la prsence de la boucle itrative :

for indice=debut:pas:fin
instruction ;
end

Qui est quivalente :
indice=debut ;
(B) instruction;
debut=debut+pas;
si debut=fin aller B;

Mise en uvre de la fonction
>>moyenne(1:100,100)
Comparer avec la fonction matlab mean.

Exemple 2
Crez une fonction puissance.m qui donne la valeur efficace s et la puissance moyenne p
dun signal.
x tant un vecteur de composantes x(i) , i=1..n, la valeur efficace de x est :

=
= =
n
i
x i x
n
p S
1
) ) ( (
1


Testez cette fonction sur un signal sinusodal damplitude A et de priode 1.
Comparer avec la fonction matlab std.

Exemple 3 : Diagramme de bode.
1- Crez une fonction spectre(f,H) qui affiche lcran le spectre damplitude 20log|H(f)| et
le spectre de phase Arg(H(f)) en fonction de f en Hertz avec indication du titre de chaque
courbe ; Les paramtres dentre sont le vecteur frquence f=0:fmax et le vecteur complexe
H.
Fonctions conseilles :abs(x),angle(x) et log10(x).
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
32
2- Utilisez la fonction spectre dans un programme indpendant myfilter.m pour tracer les
diagrammes de Bode des filtres passe bas et passe haut dont les fonctions de transferts sont
dfinies par :


fc tant la frquence de coupure demande par le programme et fournie par lutilisateur
lexcution.

Exemple 4 : vitesse de convergence dune srie
Considrons la srie en N suivante (qui converge vers exponentiel de x) :



Raliser :
Une fonction factoriel(n) qui calcule le factoriel dun entier naturel.
Une fonction somme(x,n) qui calcule s(x,n).
Un programme prog3.m qui calcule la valeur de lexponentiel de 2 avec une prcision
(incertitude relative) suprieure 95% (incertitude infrieur 5%).










Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
33
Manipulation 1 Les Transformations de Fourier


Objectif :
Dans ce TP on cherche comparer entre la mthode MATLAB et la mthode mathmatique
vis--vis le calcul de la transforme de Fourier dune fonction. Ensuite on va mettre en
vidence la restitution du signal temporel ainsi que leffet du dcalage frquentiel sur le
spectre.


%I- Reprsentation temporelle et frquentiel de x(t)
%A) Reprsentation temporelle

%1) Definitions prealables
a=1;
Te=0.01;
t=-5:Te:5;

%2) Definition de la fonction x(t)
x=exp(-a*(abs(t)));

%3) Trace de notre fonction x(t)
figure(1)
subplot(2,1,1),plot(t,x)

%4) Quadrillage, titre, axes & legendes
grid
title('Representation temporelle du signal x(t)')
legend('x(t) = exp(-a*|t|)')
xlabel('Temps t (en s)')
ylabel('Amplitude du signal')

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
34
%B)Representation frequentielle : methode formelle
%1) Definitions prealables
Fe=0.01;
f=-3:Fe:3;
%2) Definition de X(f)
X=(a*2)./((a.*a)+(pi.*pi)*(f.*f)*4);
%3) Trace de X(f)
subplot(2,2,3),plot(f,X,'r')

%4) Quadrillage, titre, axes & legendes
grid
title('Methode formelle: Calcul & representation frequentielle du signal x(t) : X(f)')
legend('TF[x(t)] = X(f)')
xlabel('Frequence f (en Hz)')
ylabel('Amplitude du signal')

%II- Calcul de la transformee de Fourier de x(t) : methode Matlab
%A) Transformee de Fourier: x(t) -> X(f)
%1) Definitions prealables
n1=length(x);
f1=linspace(-1/(2*Te),1/(2*Te),n1);;

%2) Definition du signal X(f)
X1=fftshift(fft(x)*Te);

%3) Trace de notre fonction X(f)
subplot(2,2,4),plot(f1,abs(X1),'r')

%4) Quadrillage, titre, axes & legendes
grid
axis([-3 3 0 2]);
title('Methode Matlab: Calcul & representation frequentielle du signal x(t) : X(f)')
legend('TF[x(t)] = X(f)')
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
35
xlabel('Frequence f (en Hz)')
ylabel('Amplitude du signal')






%B) Comparaison des 2 TF obtenus
%1) Trace de nos fonctions X(f) prcdement obtenues
figure(2)
hold on
plot(f,X,'b')
plot(f1,abs(X1),'r')
hold off

%2) Quadrillage, titre, axes & legendes
grid
axis([-3 3 0 2]);
title('Representation frequentielle du signal x(t) : X(f) suivant 2 mthodes')
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
36
legend('TF[x(t)] : mthode formelle','TF[x(t)] : mthode matlab')
xlabel('Frequence f (en Hz)')
ylabel('Amplitude du signal')



On peut donc conclure partir de ce graphique que les deux fonctions sont sensiblement
identiques : fonctions reprsentant la Transforme de Fourier du signal x(t) suivant les deux
manires : la mthode formelle se rvle tre plus prcise que celle de la fft de matlab car,
contrairement cette dernire, elle ne ralise pas dapproximation dans le calcul de la TF.

%C) Transformee de Fourier Inverse: X(f) -> x(t)
%1) Recuperation de notre variable temporelle t partir de notre X(f)
n2=length(X1)-1;
borne=(Te*n2)/2;
t2=-borne:Te:borne;

%2) Definition du signal x(t)
x2=abs(ifft(X1)/Te);
%3) Trace de notre fonction X(f)
figure(3)
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
37
hold on
plot(t,x,'b')
plot(t2,x2,'r--')
hold off
%4) Quadrillage, titre, axes & legendes
grid
axis([-borne borne 0 1]);
title('Representation temporelle du signal x(t) obtenu par la TF Inverse : X(f) -> x(t)')
legend('x(t) : signal initial','x''(t) : signal rcupr partir de X(f)')
xlabel('Temps t (en s)')
ylabel('Amplitude du signal')



Comme le dfinit la transforme de Fourier inverse : TF-1[X(f)] = x(t) est bien ce que lon
obtient quand on ralise la commande abs(ifft(X) / Te). Lorsque lon compare notre signal
x(t) initial avec le signal x
1
(t) obtenu prcdemment par la TFI, on se rend compte que les
deux courbes se superposent ; preuve que :
TF
-1
[X(f)] = x
1
(t) = x(t)
%D) Decalage frquentiel de la TF
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
38
%1) Definition de la nouvelle fonction x(t) dcale frquentiellement
fo=5;
y=x.*(exp(i*2*pi*fo*t));
%2) Calcul de la transformee de Fourier de y(t)=x(t)*exp(i*2*pi*fo*t)
Y=abs(fftshift(fft(y)*Te));

%3) Trace de nos fonctions X(f) et X(f-fo)
figure(4)
hold on
plot(f1,abs(X1))
plot(f1,Y,'r')
hold off

%4) Quadrillage, titre, axes & legendes
grid
axis([-10 10 0 2]);
title('Representation frequentielle des signaux x(t) et x(t)*exp(i*2*pi*fo*t)')
legend('x(t) -TF-> X(f)','x(t)*exp(i*2*pi*fo*t) -TF-> X(f-fo)')
xlabel('Frequence f (en Hz)')
ylabel('Amplitude du signal')


Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
39
Comme le prouve la dfinition du dcalage frquentiel : TF[x(t)* e
(j*2*pi*fo*t)
] = X(f-fo) Dans
notre cas, fo = 5 Hz. Il est donc normal dobtenir, comme le met en vidence ce graphique, le
mme spectre frquentiel mais cette fois-ci dcal de 5 Hz.

Bilan du TP : Transforme de Fourier
Ce TP permet de mettre en application dfinitions et proprits concernant la Transforme de
Fourier selon deux points de vue: les mthodes formelles et matlab prsentent tout au long de
celui-ci leurs atouts et leurs inconvnients.
La mthode formelle se rvle tre plus laborieuse mettre en place car elle ncessite le
calcul de lintgrale de la Transforme de Fourier du signal que lon souhaite tudier.
Cependant, elle apparat tre la solution la plus prcise et la plus rigoureuse sur le plan
purement mathmatique.
La mthode matlab prouve son efficacit par sa simplicit et sa rapidit dutilisation.
Aucun calcul nest ncessaire. Malgr cela, cette solution est lgrement moins prcise que la
mthode prcdente ; la diffrence tant infime.
Le principal problme rencontr au cours de ce TP est la taille de nos vecteurs : ils devaient
tre obligatoirement de mme taille (taille du vecteur abscisse = taille du vecteur ordonne)
pour pouvoir obtenir laffichage des diffrents graphes.















Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
40
Manipulation 2 Systmes Linaires Continus
Filtrage Analogique


Objectif :
Lobjectif de ce travail pratique est de mettre en application les connaissances acquises sur la
Transforme de Fourier et le filtrage. Nous verrons, grce Matlab, les diffrences existantes
entre le filtrage idal (Partie 1) utilis en thorie et le rel (Partie 2) appliqu dans divers
domaines tels que la tlcommunication, llectronique, lautomatique

Partie I : Convolution, transforme de Fourier et filtrage.
Dans cette partie, on tudie le filtrage idal dun signal porte.

Avec
T
(t) = 1 pour T/2 < t < T/2
0 ailleurs

On considre un filtre H(f) passe-bas idal de frquence de coupure fc=2/T.

%Dfinitions pralables
T=5;
Fe=100;
Te=1/Fe;
fc=2/T;
1) Dfinition du domaine temporel et trac de la fonction porte pour T=5 :
Dabord, on discrtise le domaine temporel car Matlab ne peut pas travailler sur du continu
. Pour cela, on cr un vecteur t=[-20 20]. On choisit un pas Te=1/Fe=1/100. Autrement
dit, entre 20 et 20, t prend 4001 valeurs diffrentes. t = -20 + n.Te avec n un entier tel que
0<n<4000.

%Dfinition du domaine temporel
t=-20:Te:20;
Le domaine temporel tant dfini, on peut maintenant tracer la fonction porte pour T= 5 :
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
41
Avec
T
(t) = 1 pour T/2 < t < T/2 avec T= 5
0 ailleurs
%Cration de la fonction porte
x=(((-T/2)<=t)&(t<=(T/2)));
%Reprsentation temporelle de la fonction porte avec T=5
figure(1)
plot(t,x,'r' )
grid
axis([-5 5 -0.05 1.05])
title('Reprsentation temporelle de la fonction Porte avec T = 5')
xlabel('Temps t')
ylabel('Amplitude du signal')


2) Dfinition du domaine frquentiel et trac de la fonction H(f) :
Dans le domaine frquentiel, il faut aussi reprsenter f sous forme dun vecteur : on discrtise
donc le domaine frquentiel. En effet, le calculateur, en loccurrence Matlab, ne peut calculer
le contenu frquentiel du signal quen un nombre fini de points frquentiels. Pour pouvoir
passer du domaine temporel au domaine frquentiel sans problme, la dimension de f doit tre
gale la dimension de t. On a donc f = (Fe/2) + k*(f) avec (f) = (Fe/2-(-Fe/2))/4000
= Fe/4000 = 1/40 Hz.
%Dfinition du domaine frquentiel
f=linspace(-Fe/2,Fe/2,length(t));
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
42
Le domaine frquentiel tant dfini, on peut maintenant tracer H(f).
H(f) est un passe-bas idal de frquence de coupure fc= 2/T = 2/5 = 0.4 Hz
On a donc :
Avec H(f) = 1 pour 2/T< f <+2/T
0 ailleurs
%Cration du filtre passe-bas de frquence de coupure fc=2/T
Hf=(((-2/T)<=f)&(f<=(2/T)));
%Reprsentation frquentielle du filtre passe-bas idal H(f)
figure(2)
plot(f,Hf)
grid
axis([-2 2 -0.05 1.05])
title('Reprsentation frquentielle du filtre passe-bas idal H(f) de frquence de coupure
fc=2/T')
xlabel('Frquence f')
ylabel('Amplitude de H(f)')




3) Calcul et trac de X(f) entre 2 et 2 Hz
%Transforme de Fourier de la fonction porte (appele x) : X(f) = TF[x(t)]
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
43
Xf=fftshift(fft(x)*Te);
%Reprsentation graphique de X(f)
figure(3)
plot(f,abs(Xf),'r' )
grid
axis([-2 2 0 5]) % limite la reprsentation de X(f) lintervalle de frquences [-2 2Hz]
title('Reprsentation frquentielle du signal x(t) : X(f) = TF[x(t)]')
xlabel('Frquence f')
ylabel('Amplitude de X(f)')



4) Calcul et trac de Y(f) entre 2 et 2 Hz

%Calcul de Y(f) = H(f) . X(f)
Yf=Hf.*Xf;

%Reprsentation frquentielle
figure(4)
%A) Reprsentation graphique de H(f) et X(f)
subplot(2,1,1);plot(f,abs(Xf),'r',f,Hf)
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
44
grid
axis([-2 2 0 5]) % limite la reprsentation de X(f) et H(f) lintervalle de frquences [-2 2Hz]
title('Reprsentation frquentielle de TF[x(t)] et de TF[h(t)]')
xlabel('Frquence f')
ylabel('Amplitude')
legend('X(f) = TF[ x(t) ]','H(f) : filtre passe-bas idal','de frquence de coupure fc = 2/T')

%B) Reprsentation graphique de Y(f)=H(f) x X(f)
subplot(2,1,2);plot(f,abs(Yf),'m')
grid
axis([-2 2 0 5]) % limite la reprsentation de Y(f) lintervalle de frquences [-2 2Hz]
title('Reprsentation frquentielle: Y(f)')
xlabel('Frquence f')
ylabel('Amplitude')
legend('Y(f) = H(f) . X(f)')





Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
45
5)Calcul et trac de y(t)
Pour obtenir y(t), il nous faut revenir dans le domaine temporel. Pour cela, on utilise la
Transforme de Fourier Inverse : y(t)=TF
-1
[Y(f)]. On utilise la commande ifft de Matlab.
%Calcul de y(t) = TF-1[ y(t) ]
yt=abs(ifft(fftshift(Yf)/Te));
%Reprsentation graphique y(t) = h(t) * x(t)
figure(5)
plot(t,yt)
grid
axis([-20 20 0 1.2])
title('Reprsentation temporelle : y(t) = TF-1[ Y(f) ]')
xlabel('Temps t')
ylabel('Amplitude')
legend('y(t) = h(t) * x(t)')
On peut observer une dformation de notre signal de sortie y(t) par rapport lentre x(t) :
signal porte. Ceci peut sexpliquer par la suppression dharmoniques de frquences f < -Fe/2
et f > Fe/2, do une perte dinformation.

6) Trac de y(t) pour des valeurs croissantes de la frquence de coupure
fc=[2/T,1,5,15,50]; %La frquence de coupure prendra respectivement les valeurs 2/T, 1Hz,
5Hz, 15Hz, 50Hz
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
46
figure(6)
for k=1:5 %Boucle nous permettant de calculer et tracer y(t) en fonction de fc
Hf=((-fc(k)<=f)&(f<=fc(k)));
Yf=Hf.*Xf;
subplot(5,1,k);plot(t,yt); %|
grid %|=> On trace dans une sous-fentre graphique y(t) pour
axis([-10 10 -0.05 1.5]) %| les diffrentes valeurs de la frquence de coupure
if (k==1)
title('Reprsentation du signal d''entre x(t) aprs un filtrage passe-bas idal h(t) : y(t) =
h(t) * x(t)')
end
xlabel('Temps t') %|
ylabel('Amplitude') %|=> dfinition des axes
switch k %|
case 1, legend('fc = 2/T Hz') %|
case 2, legend('fc = 1 Hz') %|
case 3, legend('fc = 5 Hz') %|=> Affichage de la lgende en fonction de k (... et donc
case 4, legend('fc = 15 Hz') %| en fonction de fc)
case 5, legend('fc = 50 Hz') %|
end %|
end


Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
47
On constate que plus la frquence de coupure augmente plus on se rapproche du signal initial
savoir :
T
(t) avec T= 5.
EXPLICATION
Plus la frquence de coupure du signal augmente, plus le filtre H(f) laisse passer de lobes
du sinus cardinal. Comme les lobes pour lesquels f tend vers linfini sont damplitude
quasiment nulle, leur nergie peut tre considre comme nulle. Ainsi, plus la frquence de
coupure est grande plus les nergies de X(f) et Y(f) sont proches. Quand fc tend vers linfini,
on peut considrer que X(f) et Y(f) ont mme nergie. En effet, pour les frquences filtres
par H(f), Y(f) est damplitude quasiment nulle, on rcupre alors la totalit du spectre de X(f).
Comme la Transforme de Fourier conserve lnergie du signal entre le domaine frquentiel
et le domaine temporel, y(t) a la mme nergie que Y(f). De mme, x(t) et X(f) ont mme
nergie. On en dduit donc que y(t) a mme nergie que x(t).
Ceci sexplique car quand fc est trs grand, la perte dinformations est minimale lors du
filtrage. Ici, pour fc=50Hz, on constate que le signal de sortie y(t) est le mme que le signal
dentre x(t) savoir une porte. On en dduit quune frquence de coupure de 50 Hz est
suffisamment grande pour minimiser la perte dinformations.


















Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
48
Manipulation 3 Lchantillonnage


Objectif

Lobjectif de ce travail pratique est de mettre en application les connaissances acquises sur
lchantillonnage, quil soit idal ou rel. Nous verrons tout au long de ce TP, deux mthodes
de discrtisation du signal. On pourra alors juger et comparer les rsultats de chaque
technique.

I / Reprsentation du signal rel
On commence donc par crer notre signal x(t) rel : tant impossible de raliser un signal
continu sous Matlab, on le reprsentera sur lintervalle temporel [-2 2] avec un pas T
0
=
0.001s.
x(t) = sin(*f
0
*t)/(*t) = f
0
*sinc(*f
0
*t) avec f
0
= 5 Hz



%Dfinitions pralables
fo=5;
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
49
To=0.001;
%Dfinition du domaine temporel
t=-2:To:2;
%Dfinition du signal x(t)
x=fo*sincard(pi*fo*t);

II / Echantillonnage idal
On discrtise le signal x(t) dfini prcdemment par un chantillonneur idal, savoir un
peigne de Dirac. Donc par la thorie :
x
e
(t) = x(nT
e
) * (t-nT
e
)
Avec Matlab, lchantillonnage idal est ralis par le choix de la variable t. Comme nous
lavons dj dit prcdemment, Matlab ne peut pas crer & travailler avec des signaux
continus : nous sommes donc obligs de discrtiser le domaine temporel : t pour pour gnrer
x(t). le signal x(t) est donc dj chantillonn idalement. Mais cela ne se voit pas car le
pas est trs fin.
Nous allons maintenant discrtiser notre signal x(t) pour 3 frquences dchantillonnage Fe =
5, 10 & 30 Hz :
A la vue de ces reprsentations temporelles, on peut tout de suite dduire que plus la
frquence dchantillonnage est grande, plus la forme du signal x
e
(t) est proche de celle de
x(t) et donc plus la perte dinformation pendant lchantillonnage est faible. Ce qui est tout
fait logique car en augmentant la frquence F
e
, on diminue T
e
= 1/F
e
, impliquant la
rcupration dun plus grand nombre dchantillons.
Cependant pour effectuer un bon chantillonnage, cest--dire un chantillonnage sans perte
dinformation, il est important de respecter le thorme de Shannon. Pour cela, il faut et il
suffit que F
e
>= 2*f
max

Dans notre cas : F
e
>= 2*f
0
pour respecter le thorme de Shannon :
- On peut observer la perte dinformation pour x
e1
(t) avec Fe = 5 Hz

On ne retrouve plus du tout lenveloppe du signal x(t) Shannon non-
respect
- Contrairement x
e1
(t) & x
e2
(t) respectivement pour Fe = 10 Hz et 15 Hz o
lon voit bien

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
50



la vue de ces reprsentations temporelles, on peut tout de suite dduire que plus la frquence
dchantillonnage est grande, plus la forme du signal x
e
(t) est proche de celle de x(t) et donc
plus la perte dinformation pendant lchantillonnage est faible. Ce qui est tout fait logique
car en augmentant la frquence F
e
, on diminue T
e
= 1/F
e
, impliquant la rcupration dun
plus grand nombre dchantillons.
Cependant pour effectuer un bon chantillonnage, cest--dire un chantillonnage sans perte
dinformation, il est important de respecter le thorme de Shannon. Pour cela, il faut et il
suffit que F
e
>= 2*f
max

Dans notre cas : F
e
>= 2*f
0
pour respecter le thorme de Shannon :
- On peut observer la perte dinformation pour x
e1
(t) avec Fe = 5 Hz

On ne retrouve plus du tout lenveloppe du signal x(t) Shannon non-
respect
- Contrairement x
e1
(t) & x
e2
(t) respectivement pour Fe = 10 Hz et 15 Hz o
lon voit bien apparatre lenveloppe du sinus cardinal Shannon respect

Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
51
%Dfinitions pralables
Fe=[5 10 30];
%Dfinition du domaine temporel
t1=-2:1/Fe(i):2;
%Dfinition du signal x(t)
x1=fo*sincard(pi*fo*t1);

III / Echantillonnage rel
Cette fois-ci, nous ralisons un chantillonnage rel du signal x(t) laide dun
chantillonneur moyenneur : on ne ralise plus la discrtisation avec une impulsion infiniment
brve, mais on utilise au contraire une impulsion de largeur finie et on considre la valeur
moyenne de x(t) pendant la dure de limpulsion. En effet, dans la ralit, il est impossible
dutiliser un peigne de Dirac car chaque impulsion se caractrise par une dure T qui
correspond au temps de conversion analogique / numrique.



Quel que soit le type de discrtisation, plus la frquence dchantillonnage augmente, plus le
nombre dchantillons augmente et donc plus notre signal chantillonn sapproche du
Ondes Acoustiques et Traitement des Signaux ISSATSO 2010


RHIF Ahmed Dp. Gnie Electronique
52
signal continu. Il est donc tout fait normal de voir (pour un T donn) que x
e
(t) ressemble
de plus en plus x(t) quand F
e
augmente (il y a moins de perte dinformations).
Le second facteur dans lchantillonnage moyenneur est T. Quand T tend vers 0, T tend
vers (t) limpulsion de Dirac. Or chantillonner avec T = (t) reviendrait au cas idal : celui
qui permettrait le meilleur chantillonnage du signal x(t). On peut donc en dduire que plus
T est petit, meilleur sera lchantillonnage.
Tout comme pour lchantillonnage idal, lchantillonnage rel ncessite le respect du
thorme de Shannon . Mais, en plus, il requiert lutilisation dun pas de numrisation T que
lon doit choisir largement infrieur Te

%3) Echantillonnage reel
Te=[1/5 1/10 1/30];
DT=[Te(i) Te(i)/2 Te(i)/5];
for j=1:3
%Dfinitions pralables
tech=-2:Te(i):2;
%Discrtisation du signal x(t) par l'chantillonneur moyenneur
for n=1:length(tech)
ind1=find((t>=tech(n))&(t<tech(n)+DT(j)));
Xtech_reel(n)=mean(x(ind1));
end

end