Beruflich Dokumente
Kultur Dokumente
97
x(t)
X(jf )
Z +
X(jf ) exp(+j2f t) df
(4.1)
x(t) exp(j2f t) dt
(4.2)
x(t).
Dans le cas o
x(t).
T F I{ }.
TF{}
Si la fonction
d'amplitude
(4.3)
|X(jf )| X(f ) =
Xr2 (f ) + Xi2 (f )
(4.4)
Xi (f )
Xr (f )
(4.5)
X(jf ) (f ) = arctan
99
4.
P =
1
T
+T /2
x2 (t) dt
T /2
+
X
X(jk)
|X(jk)|2
(4.6)
(4.7)
k.
Dans le cas des signaux non permanents, on prendra garde parler de leur nergie et
non pas de leur puissance, car celle-ci est nulle si l'on considre une dure inniment
longue. De mme que pour les signaux priodiques, on peut calculer l'nergie d'un
signal apriodique dans les domaines temporel et frquentiel :
W =
W =
Z
Z
x2 (t) dt
2
V sec
|X(jf )|2 df
x(t)
(4.8)
/Hz
(4.9)
/Hz2 ]
/Hz2
(4.10)
100
a) linarit
ax(t) + by(t)
aX(jf ) + bY (jf )
b) dcalage
x(t + td )
X(jf ) exp(+j2f td )
X(j2f + a)
x(t) exp(+j2f0 t)
X (j(f f0 ))
dx(t)
dt
j2f X(jf )
c) amortissement
d) modulation
e) drivation
f ) intgration
1
1
X(jf ) + X(0)(f )
j2f
2
x(t)dt
avec
g) convolution
h) nergie
x(t)dt
h(t) x(t)
H(jf ) X(jf )
h(t) x(t)
H(jf ) X(jf )
W =
+
2
x (t)dt
j) valeurs l'origine
X(0) =
x(t = 0) =
W =
X(jf )df
X(f = 0) =
|X(jf )|2 df
x(t)dt
k) rotation Oy
y(t) = x(t)
l) fonction paire
x(t) = x(t)
X(jf ) <
x(t) = x(t)
X(jf ) =
m) fonction impaire
101
4.
x(t)
de largeur
et d'amplitude
centre en
t = 0
X(jf ) =
x(t) =
0 si |t| >
il vient :
X(jf ) =
A si |t|
t
2
(4.11)
t
2
+t/2
A exp(j2 f t)dt
t/2
+t/2
A
=
exp(j2 f t)
j2f
t/2
A
t
t
=
exp(j2 f
) exp(+j2 f
)
j2f
2
2
A exp(+j f t) exp(j f t)
f
2j
sin u =
exp(+ju) exp(ju)
2j
on obtient nalement :
X(jf ) = A t
sin(f t)
= A t sinc(f t) <
f t
(4.12)
rectangulaire centre en
l'impulsion
une fonction relle. Enn, on remarquera (gure 4.1) que le spectre passe par zro
chaque fois que le sinus cardinal s'annule, c'est--dire, chaque fois que la frquence
est un multiple de
1/t.
On constate ainsi que le spectre d'une impulsion est d'autant plus large et de faible
amplitude que l'impulsion est troite (gure 4.2b). Cette remarque est vraie pour
l'ensemble des signaux de dure limite et elle peut s'noncer ainsi
Un signal de
un spectre
102
1
0.8
x(t)
0.6
0.4
0.2
0
0.2
10
0
temps
10
0.8
0.6
0.4
0.2
0
frquence
0.2
0.4
0.6
0.8
X(jf)
3
2
1
0
1
1
10
1
8
6
0.6
X1(jf)
x1(t)
0.8
0.4
4
2
0.2
0
0
2
0.2
10
10
0
frquence
10
1
8
6
0.6
X2(jf)
x2(t)
0.8
0.4
4
2
0.2
0
0
2
0.2
10
0
temps
10
103
4.
y(t) =
(4.13)
tion s'crit :
Y (jf ) =
A exp(at)
exp(+j2fp t) exp(j2fp t)
exp(j2f t)dt
2j
Cette intgrale ne contient que des exponentielles ; elle est trs simple calculer.
Aprs rduction des deux primitives un mme dnominateur, on obtient :
Y (jf ) = A
2fp
C
(a + j2f )2 + (2fp )2
(4.14)
1
A = 1.0
f = 4.0
0.5
y(t)
a = 0.25
0
0.5
5
temps
10
|Y(jf))|
1.5
1
0.5
0
10
0
frquence
10
104
y(t)
f =0:
f = fp :
Y (0) = A
2fp
A
'
2
+ (2fp )
2fp
a2
Y (jfp ) =
a 2 fp
si
A
2fp
A
'
a a + +j4fp
j2a
si
a 2 fp
(4.15)
L'inverse de cette proposition est galement vraie et elle est trs pratique pour
calculer le spectre de signaux moduls en amplitude. Elle s'exprime comme suit.
un produit simple dans le domaine temporel correspond un produit de convolution
dans le domaine complexe :
y(t) =
cos(2f0 t)
0
si
|t| <
t
2
si
|t|
t
2
(4.16)
t,
on a :
x(t)
avec
et
m(t)
m(t) =
si
|t| <
t
2
si
|t|
t
2
valent respectivement
1
( (f + f0 ) + (f f0 ))
2
M(jf ) = A t sinc(f t)
X(jf ) =
A t
(sinc((f + f0 ) t) + sinc((f f0 ) t))
2
On constate ainsi que le spectre d'une impulsion sinusodale de dure t est constitu
de deux sinus cardinaux situs en +f0 et f0 (gure 4.4).
Y (jf ) = M(jf ) X(jf ) =
105
4.
2
1
X(f)
x(t)
1.5
0
1
0.5
1
2
0
10
10
10
0
frquence
10
2
1
M(f)
m(t)
1.5
0
1
0.5
1
2
0
10
2
1
Y(f)
x(t)
1.5
0
1
0.5
1
2
0
temps
0
10
places symtri-
z(t)
t0 /2,
(4.17)
on a :
t0
t0
sin(f t)
exp(+j2f ) + exp(j2f )
Z(jf ) = A t
f t
2
2
donc
Z(jf ) = 2 A t
sin(f t)
cos(f t0 )
f t
(4.18)
sin(f t)
Sz (f ) |Z(jf )| = 2 A t
cos(f t0 )
f t
2
2
(4.19)
106
z(t)
0.5
(a)
0
10
10
Z(jf)
1
0
1
(b)
2
2
1.5
0.5
0.5
1.5
1.5
0.5
0.5
1.5
S (f)
3
2
1
(c)
0
2
trales d'amplitude
Z(jf )
et d'nergie
z(t)
Sz (f ).
x(t) X(jf )
avec
(4.20)
par unit de temps. Cette frquence est mesure en [Hz] ou, de manire plus fondamentale, en [1/sec].
Dans le cas particulier d'une image (espace deux dimensions), on a aaire une
intensit lumineuse
et
i = i(x, y)
(4.21)
I(jfx , jfy )
exp (j2 fy
y) dx dy
(4.22)
107
4.
Fig. 4.6.: Figure de diraction [3] cause par deux ouvertures troites correspondant
fx
et
fy
longueur mesures en [1/m]. Une illustration des spectres spatiaux (ou des gures de
diraction) d'ouvertures circulaire et carre est donne la gure 4.7 ; on y reconnat
la fonction sinus cardinal distribue dans l'espace des frquences spatiales
fx
et
fy .
108
1
g(x,y)
g(x,y)
1
0.5
0
50
0.5
0
50
50
0
0
50
50
0.5
0.5
G(fx,fy)
G(fx,fy)
50
0
0.5
5
0
50
50
0.5
5
5
0
f
Original
5
0
fx
Passehaut
0
5
fx
Passebas
109
4.
Signaux
Dterministes
Priodiques
Alatoires
Non priodiques
Stationnaires
Non stationnaires
Parmi les
signaux dterministes
signaux alatoires
Wx
d'un signal
x(t)
Wx
110
x2 (t) dt
(4.23)
(b)
0.5
0.5
0.5
0.5
(c)
(d)
0.5
0.5
0.5
0.5
0
temps
0
temps
nergie nie
si
Wx < .
Px
d'un signal
1
Px lim
T T
x(t)
+T /2
T /2
2
x2 (t) dt Xef
f
(4.24)
On notera que cette dnition concide avec celle du carr de la valeur ecace du
signal
x(t).
puissance nie
si
Px < .
Cette catgorie
englobe les signaux priodiques, quasi-priodiques et les signaux permanents alatoires ou non. Dans le cas o le signal est priodique, la dure d'intgration
est
n'est ni priodique
ni permanent ; dans la mme catgorie, on peut placer les signaux temporaires tels
111
4.
(a)
1
0
1
5
(b)
1
0
1
5
0
(c)
1
0
1
5
0
temps
Fig. 4.10.: Trois exemples de signaux alatoires : (a) bruit blanc, (b) bruit large
que les signaux priodiques de dure nie par exemple. Le deuxime, un signal carr,
est priodique et permanent. Le troisime est un signal permanent quasi-priodique.
Le quatrime
x4 (t)
description temporelle.
x1 (t)
moyenne nulle mais nergie nie. Ils possdent un spectre continu dni par leur
densit spectrale d'amplitude. Celle-ci n'est autre que la transforme de Fourier du
signal :
X(jf ) =
x(t) exp(j2f t) dt
[V
sec]
= [V/Hz]
(4.25)
Wx =
2
V sec
x21 (t) dt
Sx (f ) df
Wx =
112
/Hz
(4.26)
x (t)
1
0.5
0
5
10
15
20
25
10
15
20
25
10
15
20
25
10
temps
15
20
25
x2(t)
1
0
1
5
x3(t)
1
0
1
5
x4(t)
1
0
1
5
Sx (f )
exprime en [V
/Hz2 ]
(4.27)
x2 (t),
la puissance est nie et l'nergie innie. Sa description spectrale peut se faire grce
la transforme de Fourier du signal
X(jf ) =
x(t) exp(j2f t) dt
[V
sec]
(4.28)
Pour tous signaux priodiques, on obtient alors une densit spectrale d'amplitude
constitue d'impulsions de Dirac. Ces impulsions correspondent aux raies spectrales
du signal priodique qui, comme on le sait, possde un spectre discret.
Plutt que de travailler avec les impulsions de Dirac, il est alors plus simple et plus
pratique d'en rester la description bien connue des sries de Fourier
1
X(jk) =
T
+T /2
x(t) exp(j2kf0 t) dt
[V]
(4.29)
T /2
113
4.
1
Px =
T
+T /2
x2 (t) dt
[V2 ]
(4.30)
(4.31)
T /2
+
X
Px =
k=
|X(jk)|2
sinusdes dont les frquences ne sont pas dans un rapport rationnel. Sa description
spectrale peut se faire grce la transforme de Fourier du signal
1
X(jf ) = lim
T T
+T /2
x(t) exp(j2f t) dt
[V]
(4.32)
T /2
1
Px = lim
T T
+T /2
T /2
x21 (t) dt
|X(jf )|2
(4.33)
Signaux alatoires
Les signaux alatoires sont des signaux permanents qui ne peuvent pas tre dcrits
analytiquement. Les dnitions ci-dessus sont donc inutilisables. Cependant, dans le
T = N t,
x[n] = x(t =
n t)
X(jf ) '
N 1
1 X
x[n] exp(j2f nt)
N n=0
N 1
1 X 2
x [n]
Px '
N n=0
[V]
(4.34)
(4.35)
Comme les signaux alatoires ne sont par dnition pas descriptibles, on doit tenter
de trouver des modles les reprsentant aussi bien que possible. Cela nous conduit
les classer dans une des trois catgories types qui sont :
les bruits large bande dans lesquels toutes les frquences sont prsentes amplitudes gales ( la limite du bruit blanc) ;
les bruits bande limite dans lesquels les composantes hautes frquences sont
nulles ;
les bruits colors dans lesquels toutes les frquences sont prsentes mais avec des
amplitudes variables.
Une illustration temporelle de ces trois bruits est donne dans la gure 4.23. La
description et analyse de ces signaux sera faite dans la section 4.8.
114
(a)
0.5
0
0.5
1
5
1
0
t
(b)
0.5
0
0.5
1
5
1
(c)
0.5
0
0.5
1
5
x(t) et le signal
115
4.
Exemple de corrlation
y(t)
1
0.5
0
1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
1
temps
1.2
1.4
1.6
1.8
x(t), y(t+)
1
0
1
1
x(t) y(t+)
1
0
1
1
rxy(+)
0.1
0
0.1
0
Exemple de corrlation
y(t)
1
0
1
0
0.5
1.5
2.5
0.5
1.5
2.5
0.5
1.5
2.5
0.5
1.5
temps
2.5
x(t), y(t+)
x(t) y(t+)
1
0
1
rxy(+)
0.4
0.2
0
0.2
116
rxy ( ) =
x(t) y(t + ) dt
rxy ( ) =
on montre que
rxy ( )
(4.36)
= t + ,
de l'ordonne
x( ) y() d = ryx ( )
(4.37)
ryx ( )
autour
Oy .
et de convolution
sont formellement trs proches. On montre qu'elles sont relies entre elles par :
rxy ( ) = x( ) y( )
(4.38)
Cette relation valable dans l'espace temps a bien entendu son quivalent dans l'espace des frquences :
(4.39)
x(t)
y(t) = x(t),
autocorrlation
(fac)
rxx ( ) =
x(t) x(t + ) dt
(4.40)
rxx (0) =
x(t)
x(t)2 dt Wx
(4.41)
117
4.
1
rxy ( ) = lim
T T
+T /2
1
rxx ( ) = lim
T T
+T /2
x(t) y(t + ) dt
(4.42)
x(t) x(t + ) dt
(4.43)
T /2
T /2
1
rxx (0) = lim
T T
x(t)
+T /2
T /2
2
x(t)2 dt Xef
f = Px
(4.44)
Il est d'autre part vident que si les signaux sont priodiques, l'intgration se fera
sur une priode seulement.
La gure 4.15 illustre des fonctions d'autocorrlation reprsentatives de quelques
signaux alatoires. On y trouve successivement trois signaux dont les puissances
2
Vef f :
Son contenu spectral moins tendu fait qu'il est raisonnablement possible de prvoir une valeur future pas trop loigne. Une mesure de cet horizon de prvision
est donne par la largeur mi-hauteur du pic de la fac.
d'un ltre passe-bande. Son contenu frquentiel troit se manifeste par un comportement oscillant de manire assez rgulire. Cette pseudo-priodicit est encore
plus facile dterminer l'aide de sa fac : elle se mesure par la distance sparant
le pic central du premier pic latral.
= 0),
rxx (0) =
118
x(t)2 dt Wx
(4.45)
x(t)
0.2
1
0.1
(a)
0
0.1
1
2
0.2
2
0
dcalage
0.2
1
0.1
(b)
0
0.1
1
2
0.2
2
0.2
1
0.1
(c)
0
0.1
1
2
0
temps
0.2
2
1
rxx (0) = lim
T T
+T /2
T /2
x(t)2 dt Px
2. Comme la correspondance entre les 2 signaux ne peut pas tre aussi forte
que lorsque les signaux se superposent exactement cela entrane que la fac est
maximum pour un dcalage nul. On a donc :
(4.46)
rxx ( ) = rxx ( )
(4.47)
4. La fac d'un bruit blanc (ainsi appel par analogie la lumire blanche constitue de toutes les frquences lumineuses) est une impulsion de Dirac. En eet,
le bruit blanc tant form d'une multitude de frquences possdant la mme
puissance, il en rsulte un signal variant si rapidement que sa valeur prsente
est indpendante des valeurs passes et que sa valeur est non nulle pour
=0
seulement. On a donc :
rxx ( ) = 2 (t)
o
(4.48)
119
4.
5. La fac d'un signal priodique quelconque est une fonction priodique paire.
Considrons comme exemple le signal
1
rxx ( ) =
T
A2
=
T
x(t) = A sin(t + ).
On a alors :
+T /2
x(t) x(t + ) dt
T /2
+T /2
sin(t + ) sin((t + ) + ) dt
T /2
d'o :
rxx ( ) =
A2
cos( )
2
(4.49)
A2 /2 du signal
phase du signal.
x(t)
x(t)
en eet :
1
ryy ( ) = lim
T T
+T /2
1
= lim
T T
+T /2
T /2
T /2
n(t)
et le bruit
entendu
(4.50)
rnn ( )
(4.51)
rxx ( )
du
x(t).
Une illustration de cette dernire proprit (gure 4.16) montre comment l'autocorrlation permet d'extraire un signal noy dans un bruit blanc. Dans cette gure,
le signal est une sinusode d'amplitude 1 volt et le bruit blanc possde une valeur
ecace de 5 volt.
Le signal extrait est reconnaissable mais encore perturb par du bruit. Comme ce
bruit rsiduel diminue avec la racine carre du nombre d'chantillon, on voit qu'on
peut diminuer le bruit en augmentant le nombre d'chantillons enregistrs.
120
x(t)
10
0
10
20
10
0
dcalage
30
xx
r ()
20
10
0
rxx()
0.5
0
0.5
1
5
x(t)
y(t)
par rapport
par rapport
y(t),
x(t)
d'une valeur
quivaut
on aura :
rxy ( ) = ryx ( )
(4.52)
121
4.
N 1
1 X
x[n] y[n + k],
rxy [k] =
N n=0
kmin k kmax
(4.53)
Comme on l'a vu plus haut (qu. (4.39)), le calcul de l'intercorrlation peut galement se faire dans le domaine frquentiel qui, pour les signaux numriques, se fait en
utilisant la transformation de Fourier discrte (chapitre suivant). On obtient alors
Rxy [jk] =
1
X [jk] Y [jk]
N
Dans le cas o l'on souhaite utiliser toutes les valeurs disposition, le nombre
de points intervenant dans la somme diminue au fur et mesure que le dcalage
augmente. Pour viter de biaiser le rsultat de la corrlation, on la calcule alors
comme suit :
N |k|
X
1
x[n] y[n + k],
rxy [k] =
N |k| n=0
0k N 1
(4.54)
x(t) = A sin((t) + )
avec
(t) =
(t) dt
(t) = min +
max min
t
tmax
0 t tmax
122
Signal chirp
1
x(t)
0.5
0.5
0.1
0.2
0.3
0.4
0.5
temps
0.6
0.7
0.8
0.9
0.2
0.3
0.4
0.5
rxx()
0.3
0.2
0.1
0
0.1
0.2
0.5
0.4
0.3
0.2
0.1
0
dcalage
0.1
s[n]
0.5
0
0.5
1
0
50
100
150
200
250
temps n
Autocorrlation dune SBPA
1.2
1
0.8
ss
[m]
0.6
0.4
0.2
0
0.2
100
50
0
dcalage m
50
100
123
4.
1)
100
200
300
400
500
600
700
800
900
1000
700
800
900
1000
100
200
300
400
500
Instants n
600
x(t)
y(t)
(gure 4.19). S'il n'y a pas d'avion dans la zone couverte par le radar, le signal reu
y(t)
y(t)
n(t)
x(t).
124
Pratiquement, le signal reu est tellement perturb par le bruit qu'une analyse visuelle est incapable de dceler la prsence ou l'absence d'un signal rchi par l'avion
(gure 4.19).
100
200
300
400
500
600
700
800
900
1000
300
400
500
x 10
4
3
2
1
0
1
2
500
400
300
200
100
0
dcalage m
100
200
Les gures 4.20 et 4.21 illustrent le principe de l'utilisation d'un signal chirp pour
dtecter un avion et mesurer sa distance. Considrons les deux situations suivantes :
1.
Absence d'un avion : Le signal reu y(t) est fortement attnu et perturb.
Seule une intercorrlation entre
x(t)
et
y(t)
prsent ou non. Dans ce dernier cas, aucun pic bien distinct n'apparat dans
le graphe (gure 4.20).
2.
Prsence d'un avion : Ici, l'intercorrlation fait apparatre un pic trs troit
se dgageant nettement au-dessus du bruit de fond (gure 4.21). On notera que
ce pic est lgrement dcal vers la droite par rapport la position centrale ;
ce dcalage correspond au temps d'aller et retour du signal mis. Une fois ce
temps dtermin, on peut calculer la distance de l'avion par rapport au radar.
125
4.
100
200
300
400
500
600
700
800
900
1000
300
400
500
x 10
4
3
2
1
0
1
2
500
400
300
200
100
0
Instants n
100
200
Une camra fournit rgulirement des images d'un ux de granuls (gure 4.22). En
eectuant la comparaison par intercorrlation de deux images successives, on obtient
un point lumineux se situant aux coordonnes du dplacement
la section
y(t).
Connaissant
Q(t) = A
y(t)
t
La seule dicult de cette mesure rside dans le temps ncessaire pour calculer
l'intercorrlation en temps rel. En eet, si l'on imagine que l'on dispose d'images
de 100x400 pixels, on doit traiter 40'000 pixels par intercorrlation ; ce qui entraine
un nombre d'oprations valant environ
2
Nop ' Npxl
= 16 108
Mme avec un DSP trs performant (Tclock
' 10 ns),
une information en moins d'une seconde. Par contre, en utilisant la FFT on peut
esprer fournir des rsultats dans le temps imparti car celle-ci demande beaucoup
moins d'oprations
1)
2)
3)
4)
5)
6)
126
acquisition de image1
acquisition de image2
FFT bidimensionnelle de image1 et image2 => IMG1 et IMG2
calcul de Rxy = conj(IMG1) * IMG2
FFT inverse pour obtenir rxy
recherche des coordonnes du maximum d'intensit
127
4.
les bruits large bande dans lesquels toutes les frquences sont prsentes amplitudes gales (gure 4.23a) ;
les bruits bande limite dans lesquels les composantes hautes frquences sont
nulles (gure 4.23b) ;
les bruits colors dans lesquels toutes les frquences sont prsentes mais avec des
amplitudes variables (gure 4.23c).
(a)
0.5
0
0.5
1
5
1
0
t
(b)
0.5
0
0.5
1
5
1
(c)
0.5
0
0.5
1
5
Comme aucune description analytique n'est possible pour les signaux alatoires, on
tente d'en extraire des proprits statistiques temporelles en utilisant leurs fonctions
d'autocorrlation (fac) illustres la gure 4.24. On en dduit que la fac du premier
signal est extrment troite ; on la modlise par une impulsion de Dirac. La deuxime
fac rappelle une fonction en sinus cardinal. Enn, la troisime peut tre modlise
par une exponentielle dcroissante symtrique.
On peut montrer que la transforme de Fourier de la fonction d'autocorrlation
fournit la densit spectrale de puissance
Rxx (jf ) =
rxx ( ) exp(j2f ) d
2
V sec
/Hz
128
(a)
0.5
0
0.5
5
1
(b)
0.5
0
0.5
5
1
(c)
0.5
0
0.5
5
(a)
0.5
0
5
1
0
f
(b)
0.5
0
5
1
(c)
0.5
0
5
129
4.
(a)
0.5
0
5
1
0
f
(b)
0.5
0
5
1
(c)
0.5
0
5
Rxx (f ) = A2
< f < +
rxx ( ) = A2 ( )
2
V /Hz
(4.55)
(4.56)
Le thorme de Parseval nous dit alors que sa puissance est innie. Est-ce possible ?
Comme la rponse est ngative, on prfre travailler avec un modle moins simple,
mais plus raliste ; c'est le bruit densit spectrale constante et bande limite
Rxx (f ) =
130
x2
2 fmax
si
sinon
fmax
/Hz
(4.57)
rxx ( ) = x2
sin(2 fmax )
2 fmax
< < +
(4.58)
frquence, sa puissance
Rxx (f ) =
x2
fc
1
2
f
fc
1+
rxx ( ) = x2 ea | |
< < +
avec
a = 2 fc
< f < +
/Hz
(4.59)
(4.60)
[1/sec]
(4.61)
h(t)
ou sa rponse frquentielle
H(jf ),
les signaux
x(t) et de sortie y(t) sont alors relis entre eux par les relations bien connues :
Z +
y(t) =
(4.62)
h() x(t ) d
X(jf )
et
Y (jf ) sont
(4.63)
x(t)
et
y(t).
(4.64)
(4.65)
on montre aisment que les densits spectrales de puissance sont relies entre elles
par la relation suivante :
et
y(t)
(4.66)
h(t),
le
rxy ( ) =
h() rxx ( ) d
(4.67)
(4.68)
Le tableau 4.2 runit les relations existant entre les signaux, les fonctions de corrlation et les densits spectrales.
131
4.
Domaine temporel
Domaine frquentiel
x(t)
h(t)
y(t)
y(t) = h(t) x(t)
X(jf )
H(jf )
Y (jf )
Y (jf ) = H(jf ) X(jf )
rxx ( )
h( )
rxy ( )
rxy ( ) = h( ) rxx ( )
Rxx (f )
H(jf )
Rxy (jf )
Rxy (jf ) = H(jf ) Rxx (f )
Signaux
entre
systme
sortie
relation
Corrlation
entre
systme
sortie
relation
Densits spectrales
1
P = lim
T T
W = lim
+T /2
x2 (t)dt
W =
x2 (t)dt
T /2
(4.69)
2
V sec
(4.70)
+
2
R(f ) df
(4.71)
T /2
P =
+T /2
S(f ) df
/Hz
(4.72)
R(f ) [V2 /Hz] est la densit spectrale de puissance et S(f ) [V2 /Hz2 ] est la densit
spectrale d'nergie.
132
Signal temporaire
Soit
1
P1 = lim
T T
W1 = lim
+T /2
T /2
+T /2
x21 (t) dt =
T /2
x21 (t) dt = 0
A2
A2
=
< V2 /Hz
2a
2
(4.73)
inni :
(4.74)
+T /2
T /2
x22 (t) dt
1
P3 = lim
T T
+T /2
T /2
W3 = lim
2
x23 (t) dt = X3,ef
f <
+T /2
T /2
(4.75)
x23 (t) dt
Signal temporaire
Son nergie se calcule aprs dnition de sa densit spectrale d'nergie
2
2
A2
A
2
=
S1 (f ) = |X1 (jf )| =
V /Hz
a + j2f
a2 + (2f )2
2
W1 =
S1 (f ) df =
A2 2
A2
V /Hz
df
=
a2 + (2f )2
2a
S1 (f )
(4.76)
(4.77)
133
4.
R2 (f ).
Comme le signal est priodique, celle-ci est discrte et s'obtient partir des raies
spectrales
X(jk)
+
X
2
+
X
2
t sin(f t)
A
(f
kf
)
R2 (f ) =
|X(jk)| =
V /Hz
0
T
f t
=k6=0
P2 =
+
X
t sin(kf0 t) 2
= A2 V2
A
R2 (f ) df =
ef
f
T
kf0 t
=k6=0
(4.78)
(4.79)
Grce aux modles que l'on s'est donn pour dcrire les signaux alatoires (section
x3 (t)
P3 =
2
R3 (f ) df = X3,ef
f
2
Vef f
(4.80)
Des graphes illustrants ces trois bruits ainsi que les fonctions d'autocorrlation et
les densits spectrales de puissance correspondantes sont prsents dans les gures
4.23 4.26.
Remarque
quivalente de bruit
R(f )
tension
puissance :
en (f )
R(f )
Hz
(4.81)
nV
en = 30
Hz
x(t).
traitement des signaux de les relier entre eux et d'en tirer ecacement le maximum
d'information.
134
135
4.
bande idal.
1. Dessinez la rponse frquentielle du ltre.
2. Esquissez les densits spectrales d'amplitude
3. Que valent les densits spectrales d'nergie
4. Calculez les nergies
5. A.N. :
Solution :
136
U0 = 10 [V],
W1
et
W2
|U1 (jf )|
S1 (f )
et
et
S2 (f ) ?
f1 = 4 [kHz],
f2 = 6 [kHz]
Exemple 2 :
Un oprateur vous informe qu'il a mesur la sortie d'un amplicateur un bruit
large bande dont la valeur ecace vaut
1. Quelle est la puissance
P1
de ce bruit ?
R1 (f )
de ce bruit.
4. La sortie de cet amplicateur est branche sur un ltre passe-bas idal dont
la frquence de coupure est xe 1 kHz. Esquissez la densit spectrale de
puissance
R2 (f )
U2,ef f
Solution :
137
4.
Exemple 3 :
la sortie d'un amplicateur dont la bande passante est de
un bruit de
100 [kHz],
on mesure
R1 (f )
cateur.
2. Calculez la frquence de coupure du ltre passe-bas.
3. Esquissez sur un mme diagramme les densits spectrales de puissance
et
R2 (f )
138
R1 (f )
Exemple 4 :
On applique une impulsion de tension d'amplitude
et de largeur
Q0 .
f0
un ltre
et son facteur de
u1 (t)
et
U1 (jf )
u2 (t)
et
ainsi que
U2 (jf ).
|U1 (jf )|
et
3. Calculez l'nergie
W1
du signal d'entre.
4. Calculez l'nergie
W2
5. A.N. :
E = 10 [V],
t = 10 [sec],
f0 = 1 [kHz],
Q0 = 10.
139
4.
140
141
4.
142
4.14. Exercices
4.14. Exercices
TF 10
Soit un message
sinusodale
m(t)
TF 11
|M(jf )|triangulaire
Soit le signal :
u(t) =
1. esquissez
3. esquissez
u(t) ;
2. calculez sa TF
U0 cos(2f0 t)
si |t| t0
si |t| > t0
U(jf ) ;
|U(jf )|
pour
U0 = 1 [V],
T = 1/f0 = 1 [msec],
t0 = 10 [msec].
2t0 .
sinusode pendant une dure nie revient remplacer les raies spectrales situes en
f = f0
TF 12
Soit la fonction :
u(t) =
1. esquissez
3. esquissez
1
2
[1 cos(2f0 t)]
0
u(t) ;
2. calculez sa TF
si |t|
T
2
si |t| >
T
2
U(jf ) ;
U(jf )
TF 13
forme
E(jf )
s(t).
Connaissant la transforme
S(jf )
de la fonction signe
(t),
calculez la trans-
143
4.
TF 14
x()h(t )d
Pour dmontrer ce rsultat important et bien connu, vous pouvez d'abord exprimer
la TFI de
Y (jf )
y(t) =
puis y introduire la TF de
x(t)
X(jf ) =
x()exp(j2f )d
TF 15
H(jf ) =
1. esquissez
H(jf ) ;
h(t)
si |f | 100 [Hz]
sinon
h(t) ;
H(jf ); ce
TF 16
U(jf ) =
1. esquissez
U(jf ) ;
u(t) ;
TF 17
un circuit RC srie sachant que le signal appliqu est un saut de tension d'amplitude E.
144
4.14. Exercices
TF 18
u1 (t)
bas.
TF 19
u1 (t)
et
u2 (t).
u1 (t)
u2 (t) ;
La marche suivre est la mme que celle utilise avec la transformation de Laplace : dcomposition en somme de fractions simples puis recherche des coecients
par identication avec des transformes connues.
TF 20
1. exprimez
U1 (jf )
2. en admettant
et
U2 (jf ) ;
U0 = 10 [V ]
fc .
un
et
a = 1000 [1/sec],
et
E2
= 1 [msec]
un
E1
TF 21
signal
u1(t)
U1 (jf ) =
1 [V/Hz]
sinon
H(jf )
fc ?
U1 (jf ), H(jf )
E2
et
E1
U2 (jf )
et
E2
pour
si la constante de temps
5. comment calculeriez-vous
u2 (t) ?
diminue ?
145
4.
TF 22
= RC = 10 [msec]
a = 1000 [1/sec].
u1 (t)
et
u1 (t) = 10 exp(at)(t)
avec
u2 (t) ;
1
TF 23
(t)
D0 jf
f0
H(jf ) =
+
1 + D0 jf
f0
2
jf
f0
D0
1
Q0
1
1
= 0.1
= 1 [kHz] D0
Q0
2 LC
q
f
=
1 + 1 + 4Q20
f = f0 D0
2
f0 =
fi,s
TF 24
TF 25
A partir du signal
Corr 1
Considrant le signal
on demande :
1 Si
x(t) = exp(at)(t),
trouvez le spectre de
y(t) = sgn(t).
A si t < t < 0
t=0
0 si
x(t) =
+A si 0 < t < t
0 si
|t| t
le calcul de l'intgrale dnie ncessaire pour obtenir l'nergie vous parat trop dicile, essayez
la dmarche suivante :
a) esquissez la fonction intgrer ;
b) estimez des limites raisonnables pour la valeur de l'nergie ;
c) l'aide d'un petit programme (une douzaine de lignes), intgrez numriquement la densit
spectrale d'nergie. Si le nombre de pas est susant, le rsultat obtenu sera tout fait
satisfaisant.
146
4.14. Exercices
4
20
x 10
15
1/2
1/2
X(jf)
10
5
4
1
0
1
frquence [kHz]
1. esquissez
x(t) ;
= 0,
t,
3. esquissez la
Corr 2
2t ;
fonction rxx ( ),
< < +.
on demande :
1. esquissez ces 3 signaux ;
2. calculez des valeurs particulires de leur fonction d'autocorrlation ;
3. calculez leur fonction d'autocorrlation pour
compris entre + et
Remarque
dtail des calculs, imaginez comment vous devriez vous y prendre pour le faire.
Corr 3
x(t) et h(t) de
l'exercice
Corr 3. Avant de vous lancer dans les calculs, imaginez o se situera le maximum de
la fonction. Esquissez le rsultat de l'intercorrlation.
Corr 4
h1 (t)
h2 (t)
et
de l'exercice Corr 4 :
r21 ( ) =
h2 (t) h1 (t + ) dt
Pour cela :
147
4.
x(t)
h(t)
1
t
t
0
2T
{2t, t, 0, +t},
3. pourquoi, comme il est prcis dans la remarque ci-dessous, le calcul est-il plus
simple lorsque
t ?
4. que pensez-vous des rsultats graphiques obtenus avec Matlab (gure 4.30) ?
Ex.CR4
0.5
h (t)
0
5
0
temps [t]
0.5
h (t)
0
5
0.2
21
r ()
0.4
0
5
Remarque
compris entre 0 et
t.
Comme l'on a :
r21 ( ) =
148
h2 (t) h1 (t + ) dt
h1 (t + )
4.14. Exercices
il faut commencer par dcrire les 2 fonctions suivantes :
t+
h1 (t + ) = A 1
t
A
t
h2 (t) =
t
valables pour
0 < t < t,
respectivement,
< t < t .
r21 ( ) =
h2 (t) h1 (t + ) dt
Z t
A
t+
dt
tA 1
t
t
0
Z
A2 t
t
t2
dt
t
t 0
t t
t
t3
t2
A2 t2
t 2
3t 2t 0
(t )3
A2 (t )2
1
t
2
t
3t
2
(t + )
(t )
A2
6 t2
0
=
=
=
=
=
t
6
r21 ( = 0) = A2
r21 ( = t) = 0
Corr 5
Considrant deux signaux numriques
n
x(n)
y(n)
x(n)
et
y(n)
10
11
12
13
14
0
0
rxy (m) =
+
X
x(n) y(n + m)
n=
149
4.
x(n)
4
2
0
0
10
12
14
16
18
20
10
12
14
16
18
20
0
10
0
n, m
10
y(n)
4
2
0
20
xy
r (m)
30
10
150
Bibliographie
[1] B.P. Lathy,
CA, 1992
[2] F. de Coulon,
Editions pdago-
151
Bibliographie
152
x(t) est acquis un rythme rgulier dict par la priode d'chantillonnage Te et qu'il
est stock en mmoire d'ordinateur. Ces signaux x[n] sont des signaux numriques
obtenus l'aide d'un convertisseur analogique-numrique (gure 5.1) et tels que
x[n] = x (t)|t=n Te
x(t)
(5.1)
x[n] = x(t=nTe)
Te
x(t) A
Signal analogique
x[n]
Signal chantillonn
N
t
x[n]
x(t)
la
fait intervenir
trois oprations :
l'chantillonnage du signal analogique ;
la limitation de la dure de l'enregistrement de ce signal ;
la discrtisation de la frquence pour l'analyse spectrale numrique.
Ces trois oprations, apparemment anodines, ont des consquences dont il est important d'valuer l'tendue. Pour mmoire, on rappelle trois proprits de la transformation de Fourier dont on aura besoin par la suite :
au produit simple dans un espace correspond un produit de convolution dans
l'autre
(5.2)
(5.3)
153
5.
1
f (f )
Te e
d'amplitude A
Te (t)
la TF d'une impulsion rectangulaire
(5.4)
et de largeur
est un sinus
cardinal
A rect(t/t) A t
sin(f t)
= A t sinc(f t)
f t
(5.5)
An de concrtiser au mieux les relations existant entre les espaces temps et frquence, on considrera par la suite que les signaux tudis sont fournis sous la forme
d'une tension lectrique que l'on chantillonne rgulirement pendant une dure nie
avant de calculer numriquement son contenu spectral. Ainsi, pour chaque quation,
on pourra prciser les units des rsultats obtenus.
x(t)
et sa densit spectrale
relations
X(jf ) =
x(t) =
X(jf )
Z +
[V
X(jf ) exp(+j2f t) df
sec]
[V]
(5.6)
(5.7)
(5.8)
x (t = nTe )
x[n] = x(t = nTe ).
On obtient ainsi une suite d'impulsions de Dirac pondres par les valeurs
(gure 5.2.c) ; celles-ci reprsentent alors le signal discret
Dans l'espace frquentiel, le peigne de Dirac temporel
Dirac priodique
fe
(f ) T F {Te (t)} =
154
Te (t)
devient un peigne de
(gure 5.2.b)
1
f (f )
Te e
(5.9)
/ Te
155
5.
(f )
+
X
Xe (jf ) = Te
[V sec]
(5.10)
n=
Partant de ce spectre
x[n] =
+fe /2
[V],
fe /2
< n < +
(5.11)
x[n]
ne peut pas tre inniment grand. On est donc contraint ne prendre en compte
qu'une partie du signal original. Mathmatiquement, cette opration de troncation
revient multiplier le signal
x(t)
w(t)
de largeur
(gure 5.2.d).
cette multiplication dans l'espace temps correspond un produit de convolution
dans l'espace des frquences entre le spectre du signal
cardinal de la fentre
w(t).
X(jf )
et le spectre en sinus
Xe,N (jf ) = Te
N
1
X
[V sec]
n=0
Xe,N (jf )
xN [n] =
+fe /2
fe /2
156
[V],
0 nN 1
Remarque
part, et
Xe,N (jf )
et
savoir si la longueur
Xe (jf ) = Te
N
1
X
[V sec]
(5.12)
n=0
x[n] =
+fe /2
[V]
(5.13)
fe /2
f = fe /N
intervalles, l'in-
N,
sont :
f = k f = k fe /N
(5.14)
signal temporel
x[n].
X[jk]
avec
0 k N 1.
l'on crit
j2 f nTe = j2 kf nTe = j2 k
Le spectre
X[jk]
et le signal temporel
N
1
X
x[n]
j2kn
X[jk] = Te
x[n] exp
N
n=0
kn
fe
nTe = j2
N
N
(5.15)
[V sec]
N 1
1 X
j2kn
x[n] =
X[jk] exp +
NTe k=0
N
[V]
0k N 1
0nN 1
(5.16)
(5.17)
157
5.
N,
l'incrment temporel
tel que
t Te =
2. l'
et par
T
N
(5.18)
frquence maximum
fmax
Te )
et la
f =
fmax
fe
=
N
N
fe
(5.19)
Te
et son inverse
la frquence d'chantillonnage, on a
t Te
1
fe
T
1
=
N
N f
(5.20)
On en dduit donc trois relations importantes liant les domaines temporel et frquentiel
1
T
1
1
fmax fe =
t
Te
1
t f =
N
f =
fN =
fN
fe
2
(5.21)
(5.22)
(5.23)
(5.24)
Les relations que nous venons de voir peuvent se traduire par les proprits suivantes.
1.
2.
3.
4.
Une illustration des relations existant entre les domaines temporel et frquentiel est
donne dans la gure 5.3.
158
x(t), x[n]
t=Te=1/fe
t = nt
0
N-1
T = Nt
Nt
0
t = T e
tmax = T
fmax = fe
Nf
fe = 1/ T e = N f
|Xe(jf)|, |X[jk]|
f
fe /2
0
fe
f = kf
k
N-1
1/2
f / fe
159
5.
j2 n f Te
exp (j2 n f Te )
rique ou normalise
2 f Te = 2
Comme le spectre de base est compris entre
lise prendra ses valeurs entre
[rad]
fe /2,
(5.25)
+
X
Xe (j) = Te
f
fe
x[n] exp(jn)
[V sec]
(5.26)
n=
1
x[n] =
2
Xe (j) exp(+jn)d
[V]
(5.27)
X[jk]
ou du signal
x[n]
N
1
X
j2kn
XD [jk]
x[n] exp
N
n=0
N
1
X
j2kn
XD [jk] exp +
xD [n]
N
k=0
[V]
[V]
0k N 1
0 nN 1
(5.28)
(5.29)
Comme ces deux dnitions ne dirent que par le signe de l'exponentielle qui pondre les signaux
x[n]
et
XD [jk],
pour les transformations de Fourier directe et inverse. Alors les rsultats de la TFD
ainsi dnie sont relis aux spectres et signaux rels par les relations suivantes :
X[jk] = Te XD [jk]
x[n] =
xD [n]
N
(5.30)
(5.31)
160
X(j f) =
x(t ) =
|X(jf)|
x(t)
Domaine analogique
f =
k-1
n-1
N-1
N-1
fe
fe
1
1
=
=
T
NTe
N
f = k f
x[n]
1
T
=
fe
N
t = nTe
t = Te =
x(t)
Te
Interface et discrtisation
k=0
N-1
N-1
TFD
RAM
TFD
XD[jk]
avec XSF( j k) =
XD[ jk]
N
kn
x[n] exp (- j 2
N )
n= 0
N-1
1
N
XD[ jk] =
x[ n] =
N-1
x[n]
Domaine numrique
Fig. 5.4.: Illustration des relations entre les domaines analogiques et numriques
161
5.
x(t)
spectrales du signal
xT (t)
la TFD. Pour remplir cette condition, il sut d'enregistrer trs exactement une ou
plusieurs priodes du signal temporel.
En comparant les dnitions de la dcomposition en srie de Fourier :
1
XSF [jk] =
T
+T /2
T /2
j2kt
xT (t) exp
T
dt
+
X
j2kt
xT (t) =
XSF [jk] exp +
T
k=
[V]
[V]
(5.32)
(5.33)
avec celles de la TFD (quations 5.28 et 5.29 ), on voit alors apparatre les relations
suivantes :
XD [jk]
N
xD [n]
xT (t = nTe ) =
N
XSF [jk] =
(5.34)
(5.35)
x(t)
eux par la transformation de Fourier alors que du ct numrique, on n'a que des
valeurs numriques stockes en RAM sur lesquelles on travaille avec l'algorithme de
la TFD.
L'interface entre les domaines analogique et numrique est ralise par un chantillonneur qui acquiert les signaux un rythme x par la priode d'chantillonnage
Te 1/fe .
162
pour une suite de longueur 1000, conduit calculer 1'000'000 de sinus et cosinus
suivis d'une addition et d'une multiplication ; les temps de calcul deviennent trs
vite prohibitifs..
L'algorithme de la FFT utilise le fait que l'opration de la TFD globale peut tre
dcompose en la TFD de squences de plus en plus courtes. Il en dcoule alors que le
nombre total d'oprations est bien infrieur celui impos par la simple application
de l'algorithme de la TFD. En contrepartie, le nombre de points analyss
doit
(5.36)
Ainsi, pour transformer 1024 points, le nouvel algorithme demande environ cent fois
moins de temps que la TFD :
N2
N
1024
=
=
= 102.4
Nop
log2 (N)
10
Il ne faut pas se mprendre sur la signication de la FFT : l'algorithme FFT n'est
pas une nouvelle transformation. Ce n'est rien d'autre qu'un moyen rapide d'obtenir
les mmes rsultats que ceux fournis par la TFD. Dirents algorithmes de FFT
sont prsents dans le livre de Burrus et Parks [3].
exactement
10
163
5.
Le rsultat de l'analyse FFT pour cette situation conrme ce que l'on attend,
savoir que son spectre est constitu d'une raie spectrale bien dnie et situe en
1 kHz. Les deux raies supplmentaires que l'on peut observer en 3 et 5 kHz sont
dues aux distorsions du signal sinusodal fourni par le gnrateur.
talement
spectral.
Il est important de raliser que le phnomne d'talement spectral est d la nonconcidence des valeurs initiale et nale de la dure enregistre. Dans le cas de la
gure 5.5b, ces eets de bords sont tels qu'ils masquent compltement les composantes spectrales d'ordre 3 et 5 du signal.
Pour viter ces eets de bords, il faut s'attacher enregistrer exactement un nombre
entier de priodes du signal et, dans le cas o cela n'est pas possible, il faut ramener
les deux bords une valeur identique l'aide d'une fentre qui modie aussi peu
que possible le spectre rel.
Fentre rectangulaire
wr [n] = 1
pour
0n<N
(5.37)
Fentre de Hann
n
wc [n] = 0.5 1 cos 2
N
164
pour
0n<N
(5.38)
x(t)
N priodes
N + 1/4 priodes
0.5
0.5
0.5
0.5
1
0
5
temps [ms]
10
20
20
40
40
60
60
10
dB
(f)
5
temps [ms]
80
80
0
4
6
frquence [kHz]
10
4
6
frquence [kHz]
10
Fentre de Hamming
n
wh [n] = 0.54 0.46 cos 2
N
pour
0n<N
(5.39)
Fentre de Blackman
n
n
+ 0.08 cos 4
wb [n] = 0.42 0.5 cos 2
N
N
pour
0n<N
(5.40)
165
5.
Hann
0.8
0.8
0.6
0.6
wc(t)
wr(t)
Rectangle
0.4
0.4
0.2
0.2
0.5
0.5
1.5
0.5
0.8
0.8
0.6
0.6
0.4
0.2
1.5
1.5
0.4
0.2
0
0.5
Blackman
wb(t)
wh(t)
Hamming
0.5
0
0
0.5
temps
1.5
0.5
0.5
temps
2. Grce au maintien d'une lgre discontinuit temporelle, la fentre de Hamming ore les raies spectrales les plus troites.
3. La fentre de Blackman qui est la plus troite temporellement, fournit, comme
attendu, des raies spectrales plus larges.
166
x(t)
Hann
Hamming
Blackman
0.5
0.5
0.5
0.5
0.5
0.5
1
0
5
temps [ms]
10
5
temps [ms]
10
20
20
20
40
40
40
60
60
60
10
dB
(f)
5
temps [ms]
80
80
0
5
frquence [kHz]
10
80
0
5
frquence [kHz]
x(t)
Hann
10
Hamming
1
0.5
0.5
0.5
0.5
0.5
0.5
1
5
temps [ms]
10
Blackman
5
frquence [kHz]
10
5
temps [ms]
10
20
20
20
40
40
40
60
60
60
10
dB
(f)
5
temps [ms]
80
80
0
5
frquence [kHz]
10
80
0
5
frquence [kHz]
10
5
frquence [kHz]
10
Fig. 5.7.: Eet des fentres d'observation avec : (a) 10 priodes entires ; (b) 10.25
priodes
167
5.
1. La
fentre rectangulaire
proches.
3. La
meilleure dnition
4. La
et de faibles amplitudes.
'
0 dB)
qui semble contenir une oscillation priodique dont on souhaite connatre la teneur
(gure 5.8).
Analyse temporelle
De l'enregistrement, on tire
Xdc = 0.045
2. la priode d'chantillonnage
Te
et sa dure
Te = 20 s
3. le domaine d'analyse spectrale
fN =
168
Xac = 1.42
fN
T = 20 ms
et la dnition spectrale
1
1
fe =
= 25 kHz
2
2 Te
f =
1
= 50 Hz
T
x(t)
T = tmax=20 [ms],
5
t = Te = 20 [s]
10
t [ms]
0.8
fmax = 1/ t = 50 [kHz]
0.6
fe = fmax = 50 [kHz]
0.4
fN = fe/ 2 = 25 [kHz]
0.4
0.2
f = 1/ tmax = 50 [Hz]
0.2
14
16
18
20
10
15
f [kHz]
20
0.8
|Xu(jf)|
|Xu(jf)|
12
0.6
25
f [kHz]
a) l'enregistrement temporel ;
0 f fe /2 = 25 kHz ;
5 kHz
169
5.
Analyse spectrale
% lecture de l'enregistrement
enreg = load('enreg.txt') ;
tt = enreg( :,1) ;
xt = enreg( :,2) ;
Xdc = mean(xt)
Xac = std(xt)
% analyse temporelle
Npts = length(xt) ;
dt = tt(2) - tt(1)
duree = Npts * dt
% analyse spectrale
df = 1/duree, fmax = 1/dt
ff = 0 :df :fmax-df ;
Xjf = fft(xt)/Npts ;
% spectre unilatral
Ndemi = round(Npts/2) ;
fk = ff(1 :Ndemi) ;
Ak = 2*abs(Xjf(1 :Ndemi)) ;
Ak(1) = abs(Xjf(1)) ;
% composante DC
ak = angle(Xjf(1 :Ndemi)) ;
subplot(2,1,1) ; stem(f,Ak,'.') ;
% estimation du rapport signal/bruit (SNR)
Px = Xdc^2 + Xac^2 ;
% puissance du signal + bruit = 2.023
A1 = 1.02 ; A2 = 0.85 ;
% amplitudes mesures
Px0 = (A1^2 + A2^2)/2 ; % puissance du signal original = 0.88
Pn = Px - Px0 ;
% puissance du bruit = 1.14
SNR = 10*log10(Px0/Pn) % SNR = -1.12
Les spectres d'amplitudes, prsents dans la gure 5.8, montrent que deux raies
spectrales s'lvent clairement au-dessus du niveau de bruit situ aux environs de 0.3.
Ces deux raies spectrales ont une amplitude et une frquence valant respectivement
A1 ' 1.02
f1 = 1.25 kHz 25 Hz
A2 ' 0.85
f2 = 1.40 kHz 25 Hz
170
f .
A1 = 1 A2 = 0.8 A3 = 0.5
et de frquences harmoniques
f1 = 50 Hz f2 = 150 Hz f3 = 250 Hz
Ce signal original est perturb par un bruit important car le
+5 dB.
SNR
ne vaut que
Le but de cet exemple est de montrer que, malgr la prsence d'un fort
Analyse de Fourier
4
0.25
2
0.2
0
0.15
0.1
2
0.05
4
50
100
150
temps [ms]
200
100
Signal reconstruit
4
50
100
150
temps [ms]
400
500
Signal original
200
300
frquence [Hz]
200
50
100
150
temps [ms]
200
Analyse temporelle
tillonnage
Te = 0.2 ms
T = 210 ms
fN =
fe
= 2500 Hz
2
171
5.
la dnition spectrale
1
1
=
= 4.76 Hz
T
210 ms
f =
On notera que la dure d'analyse
f = 4.76 Hz
T = 210 ms
que l'on sera dans l'impossibilit de trouver la valeur exacte des frquences originales.
Idalement, on aurait d prendre une dure de
dnition spectrale de
Analyse spectrale
200 ms
5 Hz.
montre que les trois raies spectrales sont bien visibles. Mais, on doit cependant
constater que ces raies se sont ddoubles cause de la dnition spectrale nonentire et de l'utilisation de la fentre d'observation.
Le programme donn ci-dessous permet de rechercher ces raies spectrales. Les frquences mesures
2.4 Hz
prs sont
avec
Ak = 2 |X(jk)|
k = X(jk)
xr (t) =
Ak cos (2fk t + k )
Le programme
ayant permis d'obtenir ces rsultats se rsume aux quelques lignes prsentes cidessous.
172
x(t)
A ' 1.7 V
et sa priode
Cepen-
dant, une observation de plus longue dure (gure 5.10b) montre un phnomne de
173
5.
x(t)
1
0
1
2
0.005
0.01
0.015
0.02
0.025
0.03
x(t)
1
0
1
2
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
x[n]
1
0
1
2
0.005
0.01
0.015
temps [sec]
0.02
0.025
0.03
battement de priode
ou de frquence
fb =
1
' 2.2 Hz
Tb
On en dduit que ce signal est compos d'au moins deux sinusodes de frquences
trs proches
f1 '
1
' 272 Hz
T0
f2 = f1 fb ' 270
ou
274 Hz
x(t)
est faible.
t Te '
T0
= 0.35 msec ' 0.2 msec
10
fe =
1
= 5 kHz
t
174
f '
fb ' 2 Hz,
on choisira une
fb
= 0.5 Hz
4
tacq =
1
= 2 sec
f
Npts =
1
1
=
= 100 000
f t
0.5 Hz 0.2 ms
de points gal une puissance de 2. Lorsque cela n'est pas le cas, on complte la suite
de valeurs acquises par une succession de zros permettant d'atteindre un nombre
de valeurs gal la puissance de 2 la plus proche (gure 5.11a).
Du point de vue de l'analyse de Fourier, cela ne change rien aux rsultats fournis ;
seule la rsolution spectrale est amliore. Dans notre cas, on passera donc de
100 000 Nf f t = 160 384 et la rsolution frquentielle passera ainsi de
f =
f =
Fentre rectangulaire
quises
x[n]
Npts =
fe
5000
= 0
= 0.5 Hz
Npts
10 000
5000
fe
= 0
= 0.305 Hz
Nf f t
16 384
fournit les spectres prsents dans les gures 5.11b et 5.13a). Le spectre
ainsi obtenu fait apparatre une seule raie spectrale aux environs de 270 Hz et,
contrairement ce que l'on attendait, il n'y a pas de deuxime raie spectrale. Manifestement, celle-ci est masque par l'talement spectral d la fentre rectangulaire.
Fentre de Blackman
pliant par une fonction attnuant les eets de bord dus l'acquisition eectue. On
choisit ici d'utiliser la fentre de Blackman dnie comme suit :
n
n
wb [n] = 0.42 0.5 cos 2
+ 0.08 cos 4
Npts
Npts
pour
0 n < Npts
175
5.
x[n] wr[n]
2000
4000
6000
8000
10000
12000
14000
16000
Xr(f) [dB]
20
40
60
80
500
1000
1500
2000
2500
3000
frquence [Hz]
3500
4000
4500
5000
Zoom frquentiel
long enregistrement, les chelles globales ne permettent pas de voir le dtail des raies
attendues. Il faut donc zoomer sur la zone intressante. On voit alors trs nettement
que la fentre rectangulaire (gure 5.13a) est totalement incapable de fournir les
informations attendues alors qu'avec la fentre de Blackman (gure 5.13b), on retrouve bien la deuxime frquence recherche et on peut mme apercevoir la prsence
d'une troisime composante spectrale d'amplitude encore plus faible, qui n'tait absolument pas perceptible au niveau temporel.
176
x[n] wh[n]
2000
4000
6000
8000
10000
12000
14000
16000
Xh(f) [dB]
20
40
60
80
500
1000
1500
2000
2500
3000
frquence [Hz]
3500
4000
4500
5000
40
X (f) [dB]
20
60
80
250
260
270
280
290
300
310
320
330
340
350
0
Fentre de Blackman
40
X (f) [dB]
20
60
80
250
260
270
280
290
300
310
frquence [Hz]
320
330
340
350
177
5.
fk
Xk,dB
Xk,dB X1,dB
Xk /X1
272 Hz
-7.6
274 Hz
-32.2
-24.6
0.059
277 Hz
-52
-44.4
0.006
Il est important de noter que les amplitudes spectrales dpendent de la fentre choisie
et que seules leurs valeurs relatives peuvent en tre dduites
Xk
= 10(Xk,dB X1,dB )/20
X1
Pour obtenir la valeur relle des amplitudes, on peut passer par l'galit de Parseval :
Pac
1
=
T
X
A2
T
0
x2ac (t) dt
A2
= 1
2
2
k
k=1
1+
A2
A1
2
A3
A1
2
A4
A1
2
Pac =
A2
A21
1 + 0.0592 + 0.0062 = 1.00352 1
2
2
Pac
N 1
1 X
=
(x[n] x )2 = var(x[n]) = 1.45
N n=0
A1
A1 =
2 Pac
= 1.70
1.00352
A2 = 0.059 A1 = 0.1
A3 = 0.006 A1 = 0.01
Remarque
de priodes.
Ak Ak /(w).
x(t),
frentes conditions est donn ci-dessous. Bien qu'il puisse paratre volumineux au
premier abord (beaucoup de lignes sont consacres au traage uniquement), les parties essentielles de ce chier sont simplement :
178
2 V avec Nbits
1
LSB de non linarit
2
Ucan = 4 ; Nbits = 8 ;
xn = Ucan*round((xn0/Ucan)*(2^(Nbits-1))/(2^(Nbits-1) ;
wh = (blackman(length(xn)))' ;
xnwh = xn.*wh ;
Nfft = 2^ceil(log2(length(xn))) ;
xnwh = [xnwh, zeros(1,Nfft-length(xn))] ;
Xjfh = fft(xnwh)/length(xnwh) ;
2. le fentrage :
Initialisation
% analyse spectrale
clear all ; close all ; format compact ; clc ;
% parametres du signal
amp1 = 1.7 ; amp2 = 0.1 ; amp3 = 0.01 ;
f1 = 271.828 ; f2 = f1+2 ; f3 = f1+5 ;
% oscilloscope
tosc = 0.03 ; kosc = 2000 ;
dt = tosc/kosc ;
tt = 0 :dt :tosc-dt ;
xt0 = amp1*sin(2*pi*tt*f1)+amp2*cos(2*pi*tt*f2)+amp3*sin(2*pi*tt*f3) ;
Acquisition numrique
% acquisition
tacq = 2 ;
Te = 0.2e-3 ;
tn = 0 :Te :tacq-Te ;
xn0 = amp1*sin(2*pi*tn*f1)+amp2*cos(2*pi*tn*f2)+amp3*sin(2*pi*tn*f3) ;
% conversion +/- 2V avec Nbits et +/- 1/2LSB de non linearite
Ucan = 4 ; Nbits = 8 ;
xn = Ucan*round(xn0/Ucan*2^(Nbits-1))/2^(Nbits-1) ;
179
5.
wh = (blackman(length(xn)))' ;
xnwr = xn.*wr ;
xnwh = xn.*wh ;
% ajout de zeros
xnwr = [xnwr, zeros(1,Nfft-length(xnwr))] ;
xnwh = [xnwh, zeros(1,Nfft-length(xnwh))] ;
% fft
Xjfr = fft(xnwr)/length(xn) ;
Xjfh = fft(xnwh)/length(xn) ;
% domaine spectral
fmax = 1/Te ;
df = fmax/Nfft ;
ff = 0 :df :fmax-df ;
% infos
Nbits, tacq, Te, fmax, df
Pac = var(xn)
Npoints = round(tacq/Te), Nfft
Graphes
% graphes temporels
figure ;
subplot(3,1,1) ;
plot(tt,xt0) ; grid ;
axis([0,tosc,-2,2])
texte = ['Acquisition : ', num2str(round(tacq/Te)), ' points,'] ;
texte = [texte, ' f_e = ', num2str(1/Te,4), ' [Hz] ;'] ;
texte = [texte, ' CAN : \pm ', num2str(Ucan/2,2), ' [V], '] ;
texte = [texte, ' ', num2str(Nbits,2), ' bits \pm 1/2LSB,'] ;
title(texte) ;
ylabel('x(t)') ;
subplot(3,1,2)
plot(tn,xn) ; grid ;
axis([0,tacq,-2,2])
ylabel('x(t)') ;
subplot(3,1,3) ; % zoom
plot(tn,xn,'.') ; grid ;
axis([0,tosc,-2,2])
ylabel('x[n]') ;
xlabel('temps [sec]') ;
print -deps ansptemps.eps
ainsi que les spectres aprs fentrage
% spectres
figure ; % fenetre rectangulaire
subplot(2,1,1) ;
plot(xnwr) ; grid ;
axis([0,Nfft,-2,2])
180
Zoom
% zoom spectral
fz1 = 250 ; fz2 = 350 ; % domaine interessant
dbmax = 80 ;
figure ;
subplot(2,1,1) ;
plot(ff, 20*log10(abs(Xjfr))) ; hold on ;
axis([fz1,fz2,-dbmax,0]) ; grid ;
title(texte) ;
ylabel('X_r(f) [dB]') ;
legend('Fentre rectangulaire') ;
subplot(2,1,2) ;
plot(ff, 20*log10(abs(Xjfh))) ;
axis([fz1,fz2,-dbmax,0]) ; grid ;
ylabel('X_h(f) [dB]') ;
xlabel('frquence [Hz]') ;
legend('Fentre de Blackman') ;
print -deps anspzoom.eps
181
5.
5.9. Exercices
TFD 0
1. Montrez que le passage de l'analogique vers le numrique se fait bien avec les
deux relations discrtes
X[jk]
et
x[n]
de la gure 5.4.
X[jk].
x[n]
Dessinez la suite
respondant.
3. Calculez le signal priodique
xF (t)
correspondant la suite
x[n]
au sens de
Fourier.
TFD 1
L'analyse spectrale, par la FFT, d'un signal
fourni le spectre discret
XD [jk]
3. Que vaut
xN [n]
fe = 1 [kHz].
xN [n = 0] ?
constitu de N = 8 valeurs a
x[n]
xN [n] ?
xN [n].
XD [jk]
2+j
3+2j
10
|XD [jk]|
XD [jk]
f [kHz]
TFD 2
182
x(t)
et
x[n].
x[n]
lorsque n = 0 et
5.9. Exercices
2. Que vaut la dure d'acquisition tmax ?
3. Quel sera le domaine spectral analys ; que vaudra l'incrment de frquence
f ?
4. Calculez
XD [jk]
TFD 3
1. Esquissez
2. Calculez
x[n]
x(t)
et une fonction
XD [jk] ;
x[n]
XD [jk = 0].
ci-dessous :
N = 2m
de la suite ?
3. Qu'est ce qui change si on ajoute des zros pour doubler le nombre d'chantillons ?
m
m+1
3
2
1
+1
+2
+3
+m1
x[n]
0.5
0.5
TFD 4
Considrant un signal
chantillonn
x[n].
2. Justiez les rsultats du tableau ci-dessous fournis par la la FFT puis prcisez
la relation existant avec ceux fournis par la dcomposition en srie de Fourier.
3. On chantillonne le signal
TFD 5
x(t)
XD [jk]
Te = 1 [msec]
une
exponentielle dcroissante
A = 5 [V], = 5 [msec].
1. Que vaut la densit spectrale
2. Calculez la suite des valeurs
3. Calculez la TF
Xe (jf )
X(jf )
x[n] ;
du signal
x(t) ?
x[n].
x[n] = A r n .
183
5.
x[n]
et on
Xe,N (jf ).
XD [jk].
6. Que valent, pour chacun des spectres ci-dessus
AnSp 0
On considre le signal
Xdc
et
x(t).
Que
Xac ?
sec
AnSp 1
N, Te , tmax
et
fe , f
x[n],
les paramtres
pour xer tous les paramtres de l'analyse. Rappelez ces relations puis compltez le
tableau ci-dessous.
Te
tmax
40
2 kHz
1 msec
50
50 Hz
10 msec
100
10 Hz
20 Hz
2 msec
30
1 kHz
1 sec
1 msec
5 msec
AnSp 2
fe
5 kHz
une sinusode
184
5.9. Exercices
Pour chacun des signaux :
1. Esquissez leur allure temporelle.
2. Choisissez-vous une fentre rectangulaire ou en cosinus ?
3. Prcisez les raisons de votre choix.
AnSp 3
f0 = 100 Hz
reprsent la gure 5.14 dont on a enregistr deux priodes. Sachant qu'on souhaite
obtenir numriquement son spectre
X[jk],
Te =
1 msec.
1. Dessinez les points chantillonns
x[n].
l'analyse spectrale ?
2. Que valent
N, tmax , fe , f ?
3. Quelles raies spectrales seront prsentes ? Quel sera le nombre de valeurs spectrales analyses ?
4. Donnez les frquences, les amplitudes et les phases de chaque valeur spectrale
X[jk],
k = 0, , N 1.
185
5.
10
x(t)
10
temps [ms]
12
186
14
16
18
20
Bibliographie
Frequency Analysis, Brel & Kjaer, 1987
Harris : On the use of windows for harmonic analysis with DFT,
Wiley
CA, 1992
187
Bibliographie
188