tp4 Ts

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Mostefa Benboulaid Batna 2
Faculté des Mathématiques et Informatique
Département d’Informatique
Master 1 Option CS
TP Traitement du signal
TP N° 04: Echantillonnage et DFT
Les comptes rendus des TP doivent être remis à l’enseignant après une semaine
1. Introduction
 Echantillonnage
L’échantillonnage consiste à représenter un signal à temps continu s(t) par ses valeurs s[nTe] à
des instant multiples de Te, Te étant la période d’échantillonnage. La condition de Shannon
permet d’échantillonner un signal sans perte d’information si la fréquence d’échantillonnage
fe=1/Te est au moins 2 fois supérieure à la plus grande fréquence intervenant dans le spectre
(répartition de la puissance du signal en fonction des fréquences) du signal. Si cette condition
n’est pas respectée on observe un « repliement de spectre ».
 TFD
La transformation de Fourier discrète (TFD) est un outil mathématique de traitement du signal
numérique, qui est l'équivalent discret de la transformation de Fourier continue qui est utilisée
pour le traitement du signal analogique.
Il ne faut pas confondre avec la transformation de Fourier rapide qui est un algorithme
particulier de calcul de la transformation de Fourier discrète.
Sa définition pour un signal s de N échantillons est la suivante :
N−1
S [ k ] = ∑ s[n]. e− j 2 πnknk / N pour 0 ≤ k ≤ N −1
n=0
La transformation inverse est donnée par :

N−1
s [ n ] = ∑ S[k ]. e j 2 πnknk / N pour 0 ≤ n ≤ N −1
k=0
2. Objectifs du TP
L’objectif de ce TP en premier lieu est de constater que l’échantillonnage, comme toute
opération de multiplication et plus généralement comme toute opération non linéaire, modifie
1/3
le spectre du signal analogique initial. Le deuxième objectif est le calcul des spectres de Fourier
discrets en utilisant la transformée de Fourier discrète (TFD).
3. Manipulations
3.1. Manipulation 1 (Echantillonnage)
3.1.1. Influence de la fréquence d’échantillonnage dans le domaine temporel
1. Saisir sur Matlab le programme ci-dessous sans les commentaires. Sachant que chaque
période contient 100 échantillons, on veut ré-échantillonner chaque 10 échantillons. Le nombre
de périodes à afficher est 2 périodes.
2. Lancer ensuite l’exécution de ce programme.
3. Mettre bar(t,y) en commentaire et éliminer le commentaire % de plot(t,y,'o') et lancer le
programme.
4. Mettre plot(t,y,'o') en commentaire et éliminer le commentaire % de plot(t,y) et lancer le
programme à nouveau.
5. Fixer Nbr_periodes à 10 et frequence_echan_divisee_par_frequence_max à 4, 3, 2, 1.1 et 0.9
et afficher à chaque fois la courbe obtenue par plot(t,y). Dire quels sont les cas pour lesquels
on aura des repliements de spectre.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Partie à manipuler par les étudiants
frequence_echan_divisee_par_frequence_max=10;
Nbr_periodes=2;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Duree=100*Nbr_periodes;
dt=Duree/frequence_echan_divisee_par_frequence_max/Nbr_periodes
% Période du sinus
Ts=100;
t2=0:100*Nbr_periodes;
Duree=100*Nbr_periodes;
% Pas ou période d'échantillonnage temporel du signal
N=Duree/dt;
% Nombre total d'échantillons
n=0:N;
% "Vectorisation du temps" (échantillonnage)
t=n*(dt);
% Définition du temps
y=sin(2*pi*t/Ts);
% Génération du sinus
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%*%%%%%
% Partie à manipuler par les étudiants
bar(t,y)
%plot(t,y,'o')
%plot(t,y)
grid
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
hold on
t=1:0.1:100*Nbr_periodes;
2/3
y0=sin(2*pi*0.01*t) ;
plot(t,y0,'r')
hold off
3.1.2. Influence de la fréquence d’échantillonnage sur le spectre de fréquences
1. Si la transformée de Fourier d’un signal x(t) possède la représentation spectrale sous forme
triangulaire de largeur 2 et centré en 0 avec une amplitude maximale 1. Générer en fonction
de la fréquence f=-10:.001:10 le signal X(f).
2. Sachant que fe=4, générer un peigne de Dirac P(f) aux fréquences multiples de fe (-8, -4, 0,
4 et 8) avec les amplitudes fe.
3. Appliquer la convolution entre X(f) et P(f) et afficher la courbe obtenue.
4. Refaire les questions 2 et 3 avec fe=2.
5. Refaire les questions 2 et 3 avec fe=1.6.
6. Conclusion
3.2. Manipulation 2 (DFT)
On donne les signaux x1==[1 2 -1 3] et x2=[0 2 1 2].

1. Calculer théoriquement la DFT de x1 et de x2, sachant que X1=DFT(x1) et X2=DFT(x2)
2. Calculer théoriquement Y=X1.X2,
3. Calculer la IDFT de Y, sachant que y=IDFT(Y)=x1*x2 (convolution numérique)
4. Ecrire un programme Matlab qui permet de calculer pratiquement les résultats trouvés.
5. Utiliser la fonction fft pour vérifier les résultats.
6. Tracer les courbes du module et de la phase de X1 et X2.
7. Conclusion.
3/3

tp4 Ts

Transféré par

Droits d'auteur :

Formats disponibles

tp4 Ts

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

tp4 Ts

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

La transformation inverse est donnée par :

3.1. Manipulation 1 (Echantillonnage)

3.1.1. Influence de la fréquence d’échantillonnage dans le domaine temporel

3.2. Manipulation 2 (DFT)

On donne les signaux x1==[1 2 -1 3] et x2=[0 2 1 2].

Vous aimerez peut-être aussi