1

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

Type equation here.Théorème de Shannon :

Dans le cas général, le théorème d'échantillonnage énonce que
l’échantillonnage d'un signal exige un nombre d'échantillons par unité de
temps supérieur au double de l'écart entre les fréquences minimale et
maximale qu'il contient.

𝐹𝑒 ≥ 2 𝐹𝑚𝑎𝑥
11

Définition de la transformée de fourier :

En analyse, la transformation de Fourier est une extension, pour les fonctions
non périodiques, du développement en série de Fourier des fonctions
périodiques. La transformation de Fourier associe à une fonction intégrable,

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.

la fonction donnée par la formule :

Affichage des signaux.

t=0:1:10

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

10-pour changer la variable temporelle a fin de la définir avec 10 fois plus de

points on met le pas 10 fois plus petit :

11-affichage des 3 signaux dans la même figure dans 3 graphiques séparés

pour cela on utilise la commande subplot.

subplot(1,3,1);plot(s1)

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

12-ajout du quatrième signal harmonique :

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.

Afficher la fonction échelon :

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)

Affichage de la fonction porte en utilisant deux fonctions échelon dans la

même fenêtre

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 :

Pour échantillonner un signal on utilise la commande ‘stem’

clear all
clc
t1=0:1/200:2
e1=cos(2*pi*5*t1)
t2=0:1/100:2
e2=cos(2*pi*5*t2)
t3=0:1/35:2
e3=cos(2*pi*5*t3)
t4=0:1/10:2
e4=cos(2*pi*5*t4)
t5=0:1/5:2
e5=cos(2*pi*5*t5)
subplot(5,1,1),stem(t1,e1)
subplot(5,1,2),stem(t2,e2)
subplot(5,1,3),stem(t3,e3)
subplot(5,1,4),stem(t4,e4)
10

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 :

on remarque que si la fréquence d’échantillonnage est petite le formation

serait perdue donc pour garder la formation il faut augmenter la fréquence

Fft : -FFT Transformée de Fourier discrète.

FFT (X) est la transformée de Fourier discrète (DFT) du vecteur X. Pour
Matrices, l'opération FFT est appliquée à chaque colonne. Pour N-D
L'opération FFT opère sur le premier système non-singleton
dimension.

Ffshift : FFTSHIFT Shift zero-frequency component to center of spectrum.

For vectors, FFTSHIFT(X) swaps the left and right halves of
X. For matrices, FFTSHIFT(X) swaps the first and third
quadrants and the second and fourth quadrants. For N-D
arrays, FFTSHIFT(X) swaps "half-spaces" of X along each dimension.
11

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,

% de fréquence normalisée 2.25/50.

n=(0 :49)’ ; x=cos(2*pi*2.25/50*n);

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')