Beruflich Dokumente
Kultur Dokumente
TPN°=3 l’échantillonnage
Introduction :
Le traitement du signal est la discipline qui développe et étudie
les techniques de traitement, d'analyse et d'interprétation des signaux. Parmi
les types d'opérations possibles sur ces signaux, on peut dénoter le contrôle,
le filtrage, la compression et la transmission de données, la réduction du bruit,
la dé convolution, la prédiction, l'identification, la
classification, l’échantillonnage,
Bien que cette discipline trouve son origine dans les sciences de
l'ingénieur (particulièrement l'électronique et l'automatique), elle fait
aujourd'hui largement appel à de nombreux domaines des mathématiques,
comme la théorie du signal, les processus stochastiques, les espaces
vectoriels et l'algèbre linéaire et des mathématiques appliquées, notamment
la théorie de l'information, l'optimisation ou encore l'analyse numérique.
But du TP :
Dans ce TP on va opter pour l’échantillonnage des signaux et la transformée de
fourrier
Définition de l’échantillonnage :
L’échantillonnage est l’opération qui permet le passage de l’analogique vers le
discret, il s’agit de remplacer un signal continu dans le temps par un autre
défini à certains instants seulement équidistants et suffisamment rapprochés
pour qu’ils contiennent la même information.
Le principe de base d’un échantillonneur est réalisé à l’aide d’un interrupteur
qui s’ouvre et se ferme périodiquement à la fréquence .
1
𝐹𝑒 =
𝑇𝑒
𝐹𝑒 ≥ 2 𝐹𝑚𝑎𝑥
11
définie sur l'ensemble des nombres réels ou celui des nombres complexes, une
fonction appelée transformée de Fourier dont la variable indépendante peut
s'interpréter en physique comme la fréquence ou la pulsation.
s1=(1-exp(-t));
s2=(1-(exp(-2*t)));
s3=(1-(exp(-4*t)));
plot(t,s1,'r')
Hold on
plot(t,s2,'g')
plot(t,s3,'b')
Hold off
Grid on
Xlabel(‘t’)
la commande hold on nous permet de tracer plusieurs courbes sur une même
figure ‘r’,’g’,’b’ :pour tracer les courbes avec les couleurs bleu , vert et bleu.
10
TP
1
0.9 S1
S2
S3
0.8
0.7
0.6
S(t)
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
t
subplot(1,3,2);plot(s2)
subplot(1,3,3);plot(s3)
11
0.5
0
0 1 2 3 4 5 6 7 8 9 10
1
0.5
0
0 1 2 3 4 5 6 7 8 9 10
1
0.5
0
0 1 2 3 4 5 6 7 8 9 10
clear all
clc
t=0:0.01:10
f=3/(2*pi)
s1=1-exp(-t)
s2=1-exp(-2*t)
s3=1-exp(-4*t)
s4=0.5+3*sin(2*pi*f*t)
subplot(4,1,1),plot(t,s1,'b')
subplot(4,1,2),plot(t,s2,'r')
subplot(4,1,3),plot(t,s3,'g')
subplot(4,1,4),plot(t,s4,'d'
10
11
0.5
0
0 1 2 3 4 5 6 7 8 9 10
1
0.5
0
0 1 2 3 4 5 6 7 8 9 10
1
0.5
0
0 1 2 3 4 5 6 7 8 9 10
5
-5
0 1 2 3 4 5 6 7 8 9 10
II-Signaux Particuliers :
Certains signaux numériques particuliers sont très utilisés dans la théorie en
particulier l’impulsion unité, l’échelon unité, les sinusoïdes et les fonctions
fenêtres…etc.
clc
Clear all
10
Close all
t=-2:0.001:2;
u=heaviside(t);
plot(t,u) ;
grid on
Echelon unité
1
0.9
0.8
0.7
0.6
U(t)
0.5
0.4
0.3
0.2
0.1
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
Temps ( secondes)
clc
Clear all
close all
t=-2:0.001:2;
u=heaviside(t);
s=heaviside(t+1)-heaviside(t-1)
subplot(2,1,1),plot(t,u), axis([-3 3 0 2 ])
subplot(2,1,2),plot(t,s), axis([-3 3 0 2 ])
11
1.5
0.5
0
-3 -2 -1 0 1 2 3
echelon unité
2
1.5
0.5
0
-3 -2 -1 0 1 2 3
impulsion rectangulaire
Notion d’échantillonnage :
subplot(5,1,5),stem(t5,e5)
1
fe=200
0
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
1
fe=100
0
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
1
fe=35
0
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
1
fe=10
0
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
1
fe=5
0.5
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Remarque :
Exemples :
Exp 1 :
x=ones(1,16); subplot(6,1,1); stem(x);
subplot(6,1,2); plot((0:15)/16, abs(fft(x,16)));
x=[ones(1,16) zeros(1,16)];subplot(6,1,3); stem(x);
subplot(6,1,4); plot((0:31)/32, abs(fft(x,32)));
x=[ones(1,16) zeros(1,112)]; subplot(6,1,5); stem(x);
subplot(6,1,6); plot((0:127)/128, abs(fft(x,128)));
1
0.5
0
0 2 4 6 8 10 12 14 16
20
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
1
0.5
0
0 5 10 15 20 25 30 35
20
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
1
0.5
0
0 20 40 60 80 100 120 140
20
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Exp 2 :
%TFD sur 50 points d’une cosinuoïde,
X=abs(fft(x)); Xshift=fftshift(X);
subplot(311); stem(x);
subplot(312); stem(X);
10
subplot(313); stem(Xshift);
-1
0 5 10 15 20 25 30 35 40 45 50
30
20
10
0
0 5 10 15 20 25 30 35 40 45 50
30
20
10
0
0 5 10 15 20 25 30 35 40 45 50
Exe 3 :
N= 128;
x=[4 3 7 -9 1 0 0 0 0] ; 15
Y=fft(x,N) ; 10
plot(Y) ; pause ; 5
plot(abs(Y)) ; 0
-5
-10
-15
-15 -10 -5 0 5 10 15 20
Exercice
11
clc
clear all
close all
f0=10;%frequence du signal sinusoidal
T=1;%duree du signal
A=5;%amplitude du signal
fe1=1000;fe2=100;fe3=15;fe4=10;
t1=(0:1/fe1:T);
t2=(0:1/fe2:T); 5.sin(2.pi.10.t1)pour fe=1000 la FFt 5.sin(2.pi.10.t1)pour fe=1000
t3=(0:1/fe3:T); 5 4000
t4=(0:1/fe4:T); 0 2000
N1=length(t1); -5 0
N2=length(t2); 0 0.5 1 0 500 1000
5.sin(2.pi.10.t2)pour fe=100 la FFt 5.sin(2.pi.10.t2)pour fe=100
N3=length(t3); 5 400
N4=length(t4); 0 200
f1=(0:N1-1)/N1*fe1;
-5 0
f2=(0:N2-1)/N2*fe2; 0 0.5 1 0 50 100
f3=(0:N3-1)/N3*fe3; 5.sin(2.pi.10.t3)pour fe=15 la FFtl 5.sin(2.pi.10.t3)pour fe=15
5 40
f4=(0:N4-1)/N4*fe4;
x1=A*sin(2*pi*f0*t1); 0 20
x2=A*sin(2*pi*f0*t2); -5 0
0 0.5 1 0 5 10 15
x3=A*sin(2*pi*f0*t3); x 10
-14
5.sin(2.pi.10.t4)pour fe=10 la -14
FFt
x 10 5.sin(2.pi.10.t4)pour fe=10
x4=A*sin(2*pi*f0*t4); 2 5
0
-2 0
0 0.5 1 0 5 10
subplot(4,2,1),stem(t1,x1);title('5.sin(2.pi.10.t1)pour fe=1000')
subplot(4,2,2),plot(f1,abs(fft(x1)));title('la FFt 5.sin(2.pi.10.t1)pour
fe=1000')
subplot(4,2,3),stem(t2,x2);title('5.sin(2.pi.10.t2)pour fe=100')
subplot(4,2,4),plot(f2,abs(fft(x2)));title('la FFt 5.sin(2.pi.10.t2)pour
fe=100')
subplot(4,2,5),stem(t3,x3);title('5.sin(2.pi.10.t3)pour fe=15')
subplot(4,2,6),plot(f3,abs(fft(x3)));title('la FFtl 5.sin(2.pi.10.t3)pour
fe=15')
subplot(4,2,7),stem(t4,x4);title('5.sin(2.pi.10.t4)pour fe=10')
subplot(4,2,8),plot(f4,abs(fft(x4)));title('la FFt 5.sin(2.pi.10.t4)pour
fe=10')