……………………………………………………………………………………………………………………………

Option
Électrotechnique Industriel
Master 1
Module

ASSERVISSEMENT ECHANTILLONNAGE ET REGULATION

NUMIRIQUE

RAPPORT TP1

Échantillonnage et reconstruction des signaux, analyse temporelle

& fréquentielle

Présenté par :

1. Sellami Hadil
2. Chettibi Abdelghani

Année Universitaire 2019/2020

I. Introduction :

L'échantillonnage d'un signal continu est l'opération qui consiste à prélever des échantillons
du signal pour obtenir un signal discret, c'est-à-dire une suite de nombres représentant le signal,
dans le but de mémoriser, transmettre, ou traiter le signal.

L'échantillonnage intervient dans l'opération de conversion analogique-numérique, par

exemple dans un dispositif de numérisation du son ou de l'image. Un autre exemple
d'échantillonnage est celui que l'on fait pour obtenir la représentation graphique d'une fonction
à une ou deux variables. D'une manière générale, l'échantillonnage intervient dans toute
opération de conversion continu/discret.
Ce document présente le théorème de l'échantillonnage de Shannon, qui permet de savoir à
quelle fréquence minimale il faut échantillonner un signal pour ne pas perdre l'information qu'il
contient. On verra aussi comment se fait la reconstruction d'un signal continu à partir des
échantillons, opération qui intervient dans la conversion numérique-analogique.

Pour expliquer l'échantillonnage et la reconstruction, il faut utiliser l'analyse spectrale et la

transformée de Fourier discrète, abordées dans le document Introduction à l'analyse spectrale.

On s'intéressera à un signal temporel représenté par une fonction u(t), où t est le temps, mais
les résultats se transposent sans difficulté aux cas de fonctions d'autres variables, par exemple
de variables d'espace. En particulier, les résultats seront utilisables pour l'échantillonnage d'une
image, c'est-à-dire une fonction I(x, y) de deux variables d'espace.

II. But de TP :
- Maintenir un signal continu en appliquant les conditions de Shannon
- Comprendre l'échantillonnage et la reconstitution d’un signal
- Utilisation d’un échantillonneur simple et d’un échantillonneur-bloqueur
- Visualisation des signaux dans les domaines temporel et fréquentiel
- Étude du filtre anti-repliement
 III. Partie Pratique :
1. A l’aide du logiciel Matlab, tracer l’allure la réponse impulsionnelle y(t)
clc
clear
tho=0.1;
T=tho/10;
%%%%%%%%%%%%%%%%%%%%%%%%%%%
t_fin=1;
time=[0:T:t_fin];
%%%%%%%%%%%%%%%%%%%%%%%%%%
y_t=(1/tho)*exp(-time/tho);
%%%%%%%%%%%%%%%%%%%%%%
plot(time,y_t,'o')

1 0

6
y ( t)

0
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
tim e ( s )

Remarque
plus la fréquence d'échantillonnage est élevée ,plus l'information est perdue
c'est le problème du spectre
On peut à présent augmenter la fréquence d'échantillonnage en ajoutant des zéros entre ces deux parties.
L'intervalle de fréquence entre deux points voisins reste 1/T. La nouvelle fréquence d'échantillonnage se
calcule à partir du nombre de points total.
exemple T=tho/50 f=1//T

1 0

6
y ( t)

0
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
tim e ( s )
L'expression temporelle :
u(t)=δ(t)
u(s)=1

τ=0,1s
T=τ/10 =0,01s

pour vérifie
t →0

2. On rappelle que La transformée de Fourier du signal échantillonné est donnée par:

S=JW=J2Πf=J2Π/T

Donc c'est vérifie

 clc
clear
tho=0.1;
T=tho/10;
m=0;
for w=-10*pi/T:.1:10*pi/T
m=m+1;
puls(m)=w; % échelles des pulsations
Y1(m)=abs(1/(j*w*tho+1))/T;
Y2(m)=abs(1/((j*w-j*2*pi/T)*tho+1))/T;
Y3(m)=abs(1/((j*w+j*2*pi/T)*tho+1))/T;
end
plot(puls,Y1+Y2+Y3)

1 2 0

1 0 0

8 0
y1+ y2 + y3

6 0

4 0

2 0

0
-4 0 0 0 -3 0 0 0 -2 0 0 0 -1 0 0 0 0 1 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0
p u ls ( w )

Remarque et conclusion :

Le spectre du signal discret comporte trois maxima

Plus le temps T diminue la fréquence w ,moins la fréquence du signal continu passe a un autre
signal

exemple:T=tho/5

6 0

5 0

4 0
y1+ y2 + y3

3 0

2 0

1 0

0
-2 0 0 0 -1 5 0 0 -1 0 0 0 -5 0 0 0 5 0 0 1 0 0 0 1 5 0 0 2 0 0 0
p u ls ( w )
3. Vérifier la validité du théorème de Shannon :

Le théorème de Shannon concerne les signaux dont le spectre possède une fréquence maximale fm ,
que l'on appelle des signaux à bande limitée.
la fréquence maximale est celle de la plus grande harmonique. Théorème de Shannon : pour que le
signal puisse être entièrement reconstruit à partir des échantillons, il faut et il sut que :
fₑ ≥2fm → fm : la fréquence maximale de signal
T : période d'échantillonnage
fₑ : la fréquence d'échantillonnage
pour T=1/fₑ

clc
clear
tho=.1;
T=tho/10;
%%%%%%%%%%%%%%%%%%%%%%%%%%%
t_fin=1;
time=[0:T:t_fin];
%%%%%%%%%%%%%%%%%%%%%%%%%%
y_t=(1/tho)*exp(-time/tho);
%%%%%%%%%%%%%%%%%%%%%%
N=length(time);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for k=1:N
som=0;
for n=1:N
ds=y_t(n)*exp(-j*2*pi*(k-1)*(n-1)/N);
som=som+ds;
end
Y(k)=som;
end
abs_Y=T*sqrt((Y.*conj(Y)));
%%%%%%%%%%%%%%%%%%
f_step=(1/T)/N;
f_start=0;
f_finish=(1/T)*(N-1)/N+f_start;
%f=(1/Ts)/N*(0:(N-1));
f=f_start:f_step:f_finish;
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
plot(f,abs_Y)

1 .4

1 .2

0 .8
a bs(y)

0 .6

0 .4

0 .2

0
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 00
f(hz )

Remarque :
Cette opération effectuée dans le domaine fréquentiel revient à augmenter la fréquence d'échantillonnage
sans perdre d'information. Il reste à effectuer la transformée de Fourier discrète inverse
fₑ/2=50 HZ
 exemple :T=tho/50

fₑ/2=250HZ
1 .4

1 .2

0 .8
a bs (y )

0 .6

0 .4

0 .2

0
0 5 0 1 00 1 50 2 00 2 50 3 00 3 50 4 00 4 50 5 00
f(hz )

4.le circuit bloqueur d’ordre zéro (BOZ) :

Le dispositif le plus simple maintient la commande constante entre deux échantillonnages : c'est
le bloqueur d'ordre zéro ( BOZ ). C'est un rôle souvent assumé par le registre de sortie des
calculateurs ou microprocesseurs : il conserve une donnée jusqu'à l'arrivée de la suivante.
le circuit bloqueur d’ordre zéro (BOZ) qui a pour action de maintenir constante
La fonction de transfert d’un BOZ est donnée par :

Le diagramme de Bode relatif à la fonction de transfert du filtre Bₒ(S)est tracé :

clc
clear
tho=0.03;
Ts=tho/3;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%
w = logspace(-15,.05,100000); % echelle logarithmique des pulsation
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
HOZ=(1-exp(-j*w/Ts))./(j*w/Ts); % expression du BOZ
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
abs_HOZ = 20*log10(abs(HOZ)); % gain en dB
angle_HOZ=angle(HOZ)*180/pi;
% trabe fu diagramme de Bode
subplot(2,1,1)
plot(w,abs_HOZ);
%%%%%%%%%%%%%%%%%
subplot(2,1,2)
plot(w,angle_HOZ)*180/pi;
 a bs (H O Z ) 0

-5 0

-1 0 0

-1 5 0

-2 0 0
0 0 .2 0 .4 0 .6 0 .8 1 1 .2 1 .4
w
a n g le (H O Z )

-5 0

-1 0 0

-1 5 0

-2 0 0
0 0 .2 0 .4 0 .6 0 .8 1 1 .2 1 .4
w

Remarque :
-Le filtre anti-repliement idéal élimine toutes les fréquences supérieures à la moitié de la
fréquence d'échantillonnage donc elimine les spectres complémentaires du signal ,comme il se
comporte exactement comme un intégrateur.

5. A l’aide du logiciel Simulink, essayer de voir de près l’effet d’un filtre anti-repliement :

-le filtre de type passe-bas, est appelé filtre anti repliement ou anti-recouvrement conçu pour
isoler le spectre fondamental des spectres complémentaires.
Donc c'est vérifie
IV-Conclusion Générale :

Diminution de la fréquence d’´échantillonnage Dans ce cas, l’espacement spectral (distance

entre 2 fréquences d’analyse) est plus faible et la précision meilleure. Il faut n´néanmoins faire
attention `a ne pas sous-´échantillonner le signal, auquel cas on a vu qu’une partie de l’information
contenue dans le signal d’origine pouvait être perdue (en cas de non-respect du critère de Nyquist).
Augmentation du nombre de points du signal En augmentant le nombre de points du signal,
l’espacement spectral va ´également diminuer et les fréquences d’analyse seront plus proches : la
précision du spectre est meilleure.
L'échantillonnage peut être interprété comme une modulation du signal analogique par
différentes porteuses aux fréquences multiples de la fréquence d'échantillonnage. On peut dans
certaines applications utiliser cette remarque pour moduler et démoduler des signaux en
transmission numérique.