MGM657 Outils Numériques pour l Ingénieur
|
|
- Josephine Lavoie
- il y a 8 ans
- Total affichages :
Transcription
1 Traitement de signal 1 Introduction 2 Notations 3 Outils 4 Signaux 5 Échantillonnage 6
2 Introduction Plan 1 Introduction 2 Notations 3 Outils 4 Signaux 5 Échantillonnage 6 Outils numériques pour l ingénieur 2/83
3 Introduction Vibration d une poutre (salle C114) Force, f [N] Acceleration, a [g] Time, t [s] Outils numériques pour l ingénieur 3/83
4 Introduction Vibration d une cloche (salle C114) Signal x Temps t Outils numériques pour l ingénieur 4/83
5 Notations Plan 1 Introduction 2 Notations 3 Outils 4 Signaux 5 Échantillonnage 6 Outils numériques pour l ingénieur 5/83
6 Notations Notations Un signal? Dans ce cours on étudie le comportement d un signal x issu de la mesure d une grandeur physique (vitesse, température,... ). Le signal dépend d une variable unique t qui peut représenter le temps, une position... Signal quelconque D un point de vue mathématique, le signal x(t) défini par : x : t x(t), x [0, t max ] Signal périodique Si x est périodique, on note T sa période et f sa fréquence avec : f = 1 T Outils numériques pour l ingénieur 6/83
7 Outils Plan 1 Introduction 2 Notations 3 Outils 4 Signaux 5 Échantillonnage 6 Outils numériques pour l ingénieur 7/83
8 Outils Python, c est quoi? Python, c est quoi? Pourquoi Python? La lourdeur des calculs nécessite des outils numériques. Les signaux expérimentaux sont numérisés et donc aisément traités par ces outils. Python est un langage simple, au spectre d applications vaste. Python est libre et donc gratuit, vous pouvez donc l installer rapidement sur toute machine. Il est présent sur la majorité des distributions de Linux. Pour l installer et lire les documentations : http :// Modules utilisés : Graphisme : Matplotlib Calcul scientifique : Scipy Calcul numérique : Numpy Outils numériques pour l ingénieur 8/83
9 Outils Python : comment ça marche? Python : comment ça marche? Outils nécessaires Un éditeur de texte reconnaissant la syntaxe. Un terminal. Exemple On crée un fichier test.py dont le contenu est (voir dossier / listings ) : 1 # l i s t i n g s / t e s t. py 2 p r i n t " H e l l o w o r l d! " On execute Python dans un terminal avec une des commandes suivantes : 1 python t e s t. py Ou : 1 python 2 e x e c f i l e ( t e s t. py ) La seconde solution a l intérêt de ne pas fermer l interpréteur après l exécution ce qui permet de débugger ou de modifier le code plus aisément. Outils numériques pour l ingénieur 9/83
10 Signaux Plan 1 Introduction 2 Notations 3 Outils 4 Signaux 5 Échantillonnage 6 Outils numériques pour l ingénieur 10/83
11 Signaux Signal sinusoïdal Signal sinusoïdal (1/3) Définition 1 # s i g n a l _ s i n u s o i d a l. py 2 from math i m p o r t sin, p i 3 # T : p e r i o d e, k : a m p l i t u d e, p h i : d e p h a s a g e 4 d e f s i g n a l _ s i n u s o i d a l ( t, T=1., k =1., p h i =0.) : 5 r e t u r n k s i n (2 p i t /T+p h i ) Fonction de tracé On construit une fonction qui assure le tracé : 1 # t r a c e _ s i g n a l. py 2 i m p o r t m a t p l o t l i b. p y p l o t a s p l t 3 4 d e f t r a c e _ s i g n a l ( t, x, f i c h i e r, x l a b e l= T e m p s $ t $, 5 y l a b e l= S i g n a l $ x $, g r i d=true, s t y l e= r - ) : 6 p l t. f i g u r e ( 0, f i g s i z e =(9,5) ) 7 p l t. c l f ( ) 8 p l t. p l o t ( t, x, s t y l e, l i n e w i d t h =2.0) 9 p l t. x l a b e l ( x l a b e l, f o n t s i z e =15) 10 p l t. y l a b e l ( y l a b e l, f o n t s i z e =15) 11 p l t. g r i d ( g r i d ) 12 p l t. s a v e f i g ( f i c h i e r ) Outils numériques pour l ingénieur 11/83
12 Signaux Signal sinusoïdal Signal sinusoïdal (2/3) Tracé du signal 1 # l i s t i n g s / exemple1. py 2 # On c h a r g e l a f o n c t i o n s i g n a l _ s i n u s o i d a l 3 from s i g n a l _ s i n u s o i d a l i m p o r t 4 # On c h a r g e l a f o n c t i o n t r a c e _ s i g n a l 5 from t r a c e _ s i g n a l i m p o r t 6 from numpy i m p o r t a r a n g e 7 s i g n a l = s i g n a l _ s i n u s o i d a l # On d e f i n i t l e s i g n a l u t i l i s e 8 T = 1. # P e r i o d e du s i g n a l 9 t_min = 0. # Debut du c a l c u l du s i g n a l 10 t_max = 2. # F i n du c a l c u l du s i g n a l 11 np = # Nombre de p o i n t s c a l c u l e s 12 # On d e f i n i t l i n t e r v a l de temps a t r a c e r 13 t = a r a n g e ( np ) / f l o a t ( np ) ( t_max t_min )+t_min 14 # F i c h i e r dans l e q u e l t r a c e r 15 f i c h i e r =.. / f i g u r e s / s i n u s o i d e. p d f 16 x = [ s i g n a l ( t t, T=T) f o r t t i n t ] 17 t r a c e _ s i g n a l ( t, x, f i c h i e r ) Outils numériques pour l ingénieur 12/83
13 Signaux Signal sinusoïdal Signal sinusoïdal (3/3) On obtient le fichier (vectoriel) sinusoide.pdf Signal x Temps t Outils numériques pour l ingénieur 13/83
14 Signaux Signal carré Signal carré (1/3) Construction de la fonction 1 #l i s t i n g s / s i g n a l _ c a r r e. py 2 from numpy i m p o r t f l o o r 3 # T : p e r i o d e, k : a m p l i t u d e 4 d e f s i g n a l _ c a r r e ( t, T=1., k =1.) : 5 t = t f l o o r ( t /T) 6 x = 1. 7 i f t > T / 2. : x = 1. 8 r e t u r n x Outils numériques pour l ingénieur 14/83
15 Signaux Signal carré Signal carré (2/3) Tracé du signal 1 # l i s t i n g s / exemple2. py 2 # On c h a r g e l a f o n c t i o n s i g n a l _ c a r r e 3 from s i g n a l _ c a r r e i m p o r t 4 # On c h a r g e l a f o n c t i o n t r a c e _ s i g n a l 5 from t r a c e _ s i g n a l i m p o r t 6 from numpy i m p o r t a r a n g e 7 s i g n a l = s i g n a l _ c a r r e # On d e f i n i t l e s i g n a l u t i l i s e 8 T = 1. # P e r i o d e du s i g n a l 9 t_min = 0. # Debut du c a l c u l du s i g n a l 10 t_max = 2. # F i n du c a l c u l du s i g n a l 11 np = 1000 # Nombre de p o i n t s c a l c u l e s 12 # On d e f i n i t l i n t e r v a l de temps a t r a c e r 13 t = a r a n g e ( np ) / f l o a t ( np ) ( t_max t_min )+t_min 14 f i c h i e r =.. / f i g u r e s / c a r r e. p d f 15 x = [ s i g n a l ( t t, T=T) f o r t t i n t ] 16 t r a c e _ s i g n a l ( t, x, f i c h i e r ) Outils numériques pour l ingénieur 15/83
16 Signaux Signal carré Signal carré (3/3) On obtient le fichier (vectoriel) carre.pdf Signal x Temps t Outils numériques pour l ingénieur 16/83
17 Signaux Signal expérimental : mesure d accélération sur une cloche Signal expérimental : mesure d accélération sur une cloche Intérêt Ce signal pseudo périodique est obtenu expérimentalement au moyen d un accéléromètre fixé sur une cloche (visible en salle C114) et excitée par un battant. Il est fourni dans une fichier sérialisé par le module Python Pickle. Tracé 1 # l i s t i n g s / exemple4. py 2 i m p o r t p i c k l e 3 from numpy i m p o r t a r a n g e 4 from t r a c e _ s i g n a l i m p o r t 5 f i c h i e r = open ( c l o c h e. p c k l, r ) # O u v e r t u r e du f i c h i e r 6 c l o c h e = p i c k l e. l o a d ( f i c h i e r ) # Chargement d e s d o n n e e s 7 f i c h i e r. c l o s e ( ) # F e r m e t u r e du f i c h i e r 8 x = c l o c h e [ x ] [ : : 3 2 ] # Redimensionnement d e s d o n n e e s 9 f e = c l o c h e [ fe ] # D e f i n i t i o n de l a f r e q u e n c e d e c h a n t i l l o n a g e 10 t = a r a n g e ( l e n ( x ) ) / f l o a t ( f e ) 11 f i c h i e r =.. / f i g u r e s / c l o c h e. p d f 12 t r a c e _ s i g n a l ( t, x, f i c h i e r ) Outils numériques pour l ingénieur 17/83
18 Signaux Signal expérimental : mesure d accélération sur une cloche Signal expérimental : mesure d accélération sur une cloche On obtient le fichier (vectoriel) cloche.pdf Signal x Temps t Outils numériques pour l ingénieur 18/83
19 Échantillonnage Plan 1 Introduction 2 Notations 3 Outils 4 Signaux 5 Échantillonnage 6 Outils numériques pour l ingénieur 19/83
20 Échantillonnage Les bases Les bases Principe Échantilloner un signal x consiste à l évaluer sur une grille comportant N points définie par : t n = t min + n f e, n [0, N[ La fréquence f e est la fréquence échantillonnage. La durée d observation du signal notée D est donc obtenue par : D = N/f e Le signal échantillonné est alors obtenu par : x n = x(t n) On note [t n] et [x n] les vecteurs ainsi obtenus. Paramètres importants D T : ajustable en modifiant la durée d observation D f ef : ajustable en modifiant la fréquence d échantillonnage f e. Outils numériques pour l ingénieur 20/83
21 Échantillonnage Choix de la durée d observation Choix de la durée d observation (1/2) 0.8 f =, f e /f =16.0, D/T =0.3 signal signal echantillone Signal x Temps d observation D trop court! Temps t Outils numériques pour l ingénieur 21/83
22 Échantillonnage Choix de la durée d observation Choix de la durée d observations (2/2) f =, f e /f =16.0, D/T =2.0 signal signal echantillone Signal x Conclusion Temps t Il faut que D/T 1 Idéalement, D/T N Outils numériques pour l ingénieur 22/83
23 Échantillonnage Une borne basse de la fréquence d échantillonage? Une borne basse de la fréquence d échantillonage? f =, f e /f =16.0, D/T =2.0 signal signal echantillone Signal x Échantillonage correct. Temps t Outils numériques pour l ingénieur 23/83
24 Échantillonnage Une borne basse de la fréquence d échantillonage? Une borne basse de la fréquence d échantillonage? f =, f e /f =4.0, D/T =2.0 signal signal echantillone Signal x Échantillonage correct. Temps t Outils numériques pour l ingénieur 24/83
25 Échantillonnage Une borne basse de la fréquence d échantillonage? Une borne basse de la fréquence d échantillonage? f =, f e /f =2.0, D/T =2.0 signal signal echantillone Signal x Fréquence d échantillonage trop basse. Temps t Outils numériques pour l ingénieur 25/83
26 Échantillonnage Une borne basse de la fréquence d échantillonage? Borne basse de la fréquence d échantillonage? f =, f e /f =2.0, D/T =2.0 signal signal echantillone Signal x Fréquence d échantillonage f e trop basse. Bilan : le théorème de Shannon-Nyquist Temps t Toute composante du signal dont la fréquence est supérieure ou égale à f e/2 sera perdue lors de l échantillonage. Outils numériques pour l ingénieur 26/83
27 Échantillonnage Hautes fréquences et aliasing Hautes fréquences et aliasing f =, f e /f =1.2, D/T =1 signal signal echantillone Signal x Temps t Hautes fréquences et aliasing Les fréquences trop hautes vis-à-vis de la fréquence d échantillonnage (i. e. f f e/2) sont non seulement perdues mais peuvent produire des artefacts sous la forme de basses fréquences. Il est donc impératif de filtrer le signal préalablement à son échantillonnage pour couper toutes les fréquences supérieures à f e/2. Outils numériques pour l ingénieur 27/83
28 Échantillonnage Hautes fréquences et aliasing Hautes fréquences et aliasing Explication mathématique Intéressons nous aux signaux de fréquence f = f + kf e avec k Z. On les échantillonne : xn = sin(2π f n) f e = sin(2π f + kfe f e n) = sin(2πnk + 2π f f e n) = sin(2π f f e n) = x n Ce qu il faut comprendre Les signaux de fréquence f = f + kf e avec k Z sont indiscernables par échantillonnage. Dans le cadre d une étude expérimentale, il faut donc s assurer qu une seule de ces fréquences est présente dans le signal échantillonné. Outils numériques pour l ingénieur 28/83
29 Échantillonnage Hautes fréquences et aliasing Mises en pratique (1/2) 1 # l i s t i n g s / e x e m p l e _ a l i a s i n g. py 2 from m a t p l o t l i b i m p o r t p y p l o t a s p l t 3 from math i m p o r t sin, p i 4 from s i g n a l _ s i n u s o i d a l i m p o r t s i g n a l _ s i n u s o i d a l a s s i g n a l 5 from numpy i m p o r t arange, f l o o r 6 beaucoup = f = 1. # F r e q u e n c e du s i g n a l 8 D = 2. / f # Duree d o b s e r v a t i o n 9 t_min = 0. # Debut du c a l c u l du s i g n a l 10 t_max = t_min+d # F i n du c a l c u l du s i g n a l 11 f e = 2. 1 f # F r e q u e n c e d e c h a n t i l l o n a g e 12 N = i n t ( f l o o r (D f e ) ) # Nombre de p o i n t s d e v a l u a t i o n 13 p l t. f i g u r e ( 0 ) 14 p l t. c l f ( ) 15 p l t. x l a b e l ( T e m p s $ t $, f o n t s i z e =20) 16 p l t. y l a b e l ( S i g n a l $ x $, f o n t s i z e =20) 17 kmin, kmax = 1, 2 18 t = a r a n g e ( beaucoup ) / f l o a t ( beaucoup ) ( t_max t_min )+t_min 19 f o r k i n x r a n g e ( kmin, kmax ) : 20 f1 = f + k f e 21 x = [ s i g n a l ( t t, T=1./ f 1 ) f o r t t i n t ] 22 p l t. p l o t ( t, x, b -, l i n e w i d t h =1.) 23 tn = arange (N) /(D f e ) (t_max t_min )+t_min 24 xn = [ s i g n a l ( t t, T=1./ f ) f o r t t i n t n ] 25 p l t. p l o t ( tn, xn, or ) 26 x = [ s i g n a l ( t t, T=1./ f ) f o r t t i n t ] 27 p l t. p l o t ( t, x, r -, l i n e w i d t h =2.) 28 p l t. s a v e f i g (.. / f i g u r e s / e x e m p l e _ a l i a s i n g. p d f ) Outils numériques pour l ingénieur 29/83
30 Échantillonnage Hautes fréquences et aliasing Mises en pratique (2/2) Signal x Temps t Outils numériques pour l ingénieur 30/83
31 Plan 1 Introduction 2 Notations 3 Outils 4 Signaux 5 Échantillonnage 6 Outils numériques pour l ingénieur 31/83
32 Décomposition des signaux périodiques Fonctions de base On peut projeter les signaux de fréquence f sur une base de dimension infinie constituée de fonctions de la forme : f n(t) = sin(2πnft) et g n(t) = cos(2πnft) Décomposition sur la base Un signal périodique x(t) peut donc s écrire sous la forme : + x(t) = a nsin(2πnft) + b n cos(2πnft) n=0 Points essentiels Connaître [a n] et [b n], c est connaître x(t) en tout point. Cette décomposition donne une interprétation fréquentielle de x(t). La question est donc de savoir comment calculer analytiquement et numériquement [a n] et [b n]. Outils numériques pour l ingénieur 32/83
33 Développement en séries de Fourier Les grandes lignes Les séries de Fourier permettent d effectuer la projection des signaux périodiques sur la base [f n(t), g n(t)] de manière analytique. Quand N tend vers l infini, la somme converge vers le signal x(t). Pour les signaux présentant des singularités (triangle, carré), elle converge plus lentement. Formulation +N n= N c n(x)e 2jπnft x(t) N Où les coefficients complexes c n(x) C sont définis par : T c n(x) = 1 T 0 x(t)e 2jπnft dt avec : T = 1 f Outils numériques pour l ingénieur 33/83
34 Exercices Remarques et notations x(t), y(t) et z(t) sont des fonctions de période T du temps t. α est un nombre réel. On pourra introduire la pulsation ω = 2πf pour simplifier les calculs. On rappelle que : cos(a b) = cos(a) cos(b)+sin(a) sin(b) ; sin(a+b) = sin(a) cos(b)+sin(b) cos(a) cos(a) = eja + e ja 2 ; sin(a) = eja e ja 2j Pour chaque signal x, trouver l ensemble des coefficients c n(x) 1 x(t) = cos(2πft) 2 x(t) = cos 2 (2πft) 3 x(t) = αy(t) 4 x(t) = y(t) + z(t) Outils numériques pour l ingénieur 34/83
35 Exercice : signal sinusoïdal Réécriture x(t) = sin(2πft) = e2jπft e 2jπft 2j = j 2 e 2iπft j 2 e2jπft Coefficients j 2 si : n = 1 c n(x) = j si : n = n Z {1, 1} Outils numériques pour l ingénieur 35/83
36 Interprétation des coefficients c n Comment passer de [c n] à [a n, b n] On note R la fonction partie réelle et I la fonction partie imaginaire. On remarque que dans le cas des signaux à valeurs réels (ce qui est majoritairement le cas en physique) : c n = R(c n) ji(c n) = c n Les coefficients associés à n < 0 sont donc inutiles car conjugués de coefficients obtenus pour n >= 0. On remarque aussi que les coeffients a n et b n peuvent être calculés pour n 0 : a n = 2R(c n) b n = 2I(c n) Outils numériques pour l ingénieur 36/83
37 Exercice : signal carré Calculs Donc : x(t) = { 1 si : t ]0, T /2[ 1 si : t ]T /2, T [ c n(x) = 1 T x(t)e 2jπnft dt T 0 = 1 T /2 e 2jπnft dt + 1 T e 2jπnft dt T 0 T T /2 ( [ = 1 ] j T /2 [ ] ) j T T 2πnf e 2jπnft + 0 2πnf e 2jπnft T /2 Coefficients 2 c n(x) = j πn avec : n = 2k + 1 et : k Z Outils numériques pour l ingénieur 37/83
38 Exercice : signal carré Mise en pratique : voyons si ça marche 1 # l i s t i n g s / s e r i e F _ c a r r e. py 2 from cmath i m p o r t exp 3 from numpy i m p o r t arange, a r r a y 4 from math i m p o r t p i 5 from m a t p l o t l i b i m p o r t p y p l o t a s p l t 6 from t r a c e _ c o m p l e x e s i m p o r t 7 N = 1 # Nombre de c o e f f i c i e n t s c a l c u l e s 8 f o r N i n [ 1, 2, 4, 8, 1 6, 3 2, 6 4, 1 2 8, 2 5 6, ] : # V a l e u r s de N 9 # I n d i c e s n i m p a i r s 10 n = [ 2 k+1 f o r k i n r a n g e ( N, 0 ) ]+[2 k+1 f o r k i n r a n g e (N) ] 11 c = [ 2 j /( p i nn ) f o r nn i n n ] # C o e f f i c i e n t s c 12 T, beaucoup= 1., t, f = a r a n g e ( beaucoup ) / f l o a t ( beaucoup ) T, a r r a y ( n [N: 2 N ] ) /T 14 t r a c e _ c o m p l e x e s ( f, c [N: 2 N],.. / f i g u r e s / s e r i e F _ c a r r e _ c _ { 0 }. p d f. f o r m a t ( N), t i t l e = C o e f f i c i e n t s $ c _ n $ p o u r $N = { 0 } $. f o r m a t (N) ) 15 x = [ ] 16 f o r t t i n t : 17 x. append ( 0. ) 18 f o r i i n x r a n g e ( l e n ( n ) ) : 19 x [ 1] = x [ 1]+ c [ i ] exp (2 j p i n [ i ] t t /T) 20 x1 = [ xx. r e a l f o r xx i n x ] 21 p l t. f i g u r e ( 0, f i g s i z e =(10,2) ) 22 p l t. c l f ( ) 23 p l t. p l o t ( t, x1 ) 24 p l t. t i t l e ( $N = { 0 } $. f o r m a t (N) ) 25 p l t. s a v e f i g (.. / f i g u r e s / s e r i e F _ c a r r e _ { 0 }. p d f. f o r m a t (N) ) Outils numériques pour l ingénieur 38/83
39 Exercice : signal carré Programme de tracé de vecteurs complexes 1 # trace_ complexes. py 2 i m p o r t m a t p l o t l i b. p y p l o t a s p l t 3 4 d e f t r a c e _ c o m p l e x e s ( x, y, f i c h i e r, x l a b e l= F r e q u e n c e $ f $, t i t l e =, s t y l e= ro ) : 5 p l t. f i g u r e ( 0, f i g s i z e =(9,5) ) 6 p l t. c l f ( ) 7 p l t. g r i d ( True ) 8 p0 = p l t. s u b p l o t ( 2, 1, 1 ) 9 p0. s e t _ t i t l e ( t i t l e ) 10 p0. g r i d ( ) 11 p0. p l o t ( x, [ yy. r e a l f o r yy i n y ], s t y l e, l i n e w i d t h =2.0) 12 p0. s e t _ y l a b e l ( P a r t i e r e e l l e, f o n t s i z e =15) 13 p1 = p l t. s u b p l o t ( 2, 1, 2 ) 14 p1. g r i d ( ) 15 p1. p l o t ( x, [ yy. imag f o r yy i n y ], s t y l e, l i n e w i d t h =2.0) 16 p1. s e t _ x l a b e l ( x l a b e l, f o n t s i z e =15) 17 p1. s e t _ y l a b e l ( P a r t i e i m a g i n a i r e, f o n t s i z e =15) 18 p l t. s a v e f i g ( f i c h i e r ) Outils numériques pour l ingénieur 39/83
40 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 40/83
41 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 41/83
42 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 42/83
43 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 43/83
44 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 44/83
45 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 45/83
46 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 46/83
47 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 47/83
48 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 48/83
49 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 49/83
50 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 50/83
51 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 51/83
52 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 52/83
53 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 53/83
54 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 54/83
55 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 55/83
56 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 56/83
57 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 57/83
58 Exercice : signal carré Partie reelle Partie imaginaire 6 Coefficients c n pour N = Frequence f Outils numériques pour l ingénieur 58/83
59 Exercice : signal carré 1.5 N = Outils numériques pour l ingénieur 59/83
60 Extention aux signaux apériodiques Transformées de Fourier Formulation + x(t) F X (f ) = x(t)e 2jπft dt + X (f ) F 1 x(t) = X (f )e 2jπft df Points clés F est la tranformée de Fourier et F 1 la transformée de Fourier inverse. F s applique à tous les signaux, même apériodiques. X (f ) est le spectre de x(t). Un signal apériodique possède un spectre continu. Un signal périodique possède un spectre discret. Outils numériques pour l ingénieur 60/83
61 La Transformée de Fourier Discrète (DFT) La Transformée de Fourier Discrète ou DFT Formulation On considère un signal échantilloné [x n] comportant N échantillons. Sa transformée de Fourier discrètre [X k ] s écrit : [x n] DFT n=n 1 [X k ] = x ne 2jπ kn N n=0 1 DFT [X k ] [x n] = 1 k=n 1 X k e 2jπ kn N N k=0 Interprétation de [X k ] Le vecteur X k représente le spectre discret de [x n]. Chaque coefficient X k est associé à une fréquence f k obtenue par : f k = k/d = kf e/n Outils numériques pour l ingénieur 61/83
62 La Transformée de Fourier Rapide (FFT) La Transformée de Fourier Discrète ou DFT Interprétation de [X k ] Dans le cas ou le signal x(t) est réel, les coefficients X k pour k > N/2 sont les conjugués des coefficients d indice k < N/2. On peut donc se contenter d interprêter les N/2 premiers coefficients. Liens entre [X k ] et [a k, b k ] Les coefficients a k et b k peuvent être déterminés par : a k = 2 N R(X k) b k = 2 N I(X k) Outils numériques pour l ingénieur 62/83
63 La Transformée de Fourier Rapide (FFT) Mise en pratique : calcul de la DFT Programme de calcul de la DFT 1 # l i s t i n g s /exemple_dft. py 2 from s i g n a l _ s i n u s o i d a l i m p o r t 3 from s i g n a l _ c a r r e i m p o r t 4 from t r a c e _ c o m p l e x e s i m p o r t 5 from numpy i m p o r t arange, f l o o r 6 from cmath i m p o r t exp 7 s i g n a l = s i g n a l _ s i n u s o i d a l #s i g n a l = s i g n a l _ c a r r e 8 beaucoup, r i e n = 1000, 1. e 10 9 f = 3. 3 # F r e q u e n c e du s i g n a l 10 D = 4. # Duree d o b s e r v a t i o n 11 t_min = 0. # Debut du c a l c u l du s i g n a l 12 t_max = t_min+d # F i n du c a l c u l du s i g n a l 13 f e = 1 6. # F r e q u e n c e d e c h a n t i l l o n a g e 14 N = i n t ( f l o o r (D f e ) ) # Nombre de p o i n t s d e v a l u a t i o n 15 t n = a r a n g e (N) /(D f e ) ( t_max t_min )+t_min # D i s c r e t i s a t i o n du temps 16 xn = [ s i g n a l ( t t, T=1./ f, k =4.) f o r t t i n t n ] # D i s c r e t i s a t i o n du s i g n a l 17 Xk = [ ] # DFT de xn 18 f o r k i n r a n g e (N) : # B o u c l e s u r k 19 Xk. append ( 0. ) 20 f o r n i n r a n g e (N) : # B o u c l e s u r n 21 Xk[ 1] = Xk[ 1] + xn [ n ] exp ( 2 j p i n k/n) # C a l c u l de Xk 22 i f abs ( Xk [ 1 ]. r e a l ) < r i e n : Xk[ 1] = Xk[ 1] Xk [ 1 ]. r e a l 23 i f abs ( Xk [ 1 ]. imag ) < r i e n : Xk[ 1] = Xk[ 1] 1 j Xk [ 1 ]. imag 24 Xk[ 1] = Xk[ 1] 2/N 25 f k = a r a n g e (N) /D # D i s c r e t i s a t i o n d e s f r e q u e n c e s 26 t i t = $ D F T (\ s i n ( 2 \ pi nf / f _ e ) ) * 2 / N$ : N ={0}, f ={1}, D = { 2 }. f o r m a t (N, f,d) 27 t r a c e _ c o m p l e x e s ( f k [ : N/ 2 ], Xk [ : N/ 2 ],.. / f i g u r e s / D F T _ s i n u s. p d f, t i t l e = t i t ) Outils numériques pour l ingénieur 63/83
64 La Transformée de Fourier Rapide (FFT) Vérification la DFT sur un signal sinusoïdal Partie reelle Partie imaginaire 2.5 DFT(sin(2πnf/f e )) 2/N: N=64, f=3.3, D= Frequence f On retrouve donc bien la série de Fourier avec le coefficient 2/N. Outils numériques pour l ingénieur 64/83
65 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) La FFT, pourquoi? Comment? Pourquoi? Le calcul direct de la DFT demande de l ordre de N 2 opérations alors que des algorithmes optimisés dits FFT demandent N log N opérations. Le gain de temps est très significatif quand N est grand. L utilisation de langages rapides (C, Fortran) dans le module FFTPack disponible dans Scipy permet typiquement d augmenter d un facteur 400 la vitesse d execution par rapport Python. Comment? Restrictions de la FFT : N doit être une puissance de 2. Utilisation : 1 # l i s t i n g s /exemple_fft. py 2 from math i m p o r t pi, s i n 3 from s c i p y. f f t p a c k i m p o r t f f t 4 N = 8 5 xn = [ s i n (2 p i n/n) f o r n i n x r a n g e (N) ] 6 Xk = f f t ( xn ) Renvoie X n = [0, 2j, 0, 2j] ce qui est identique au résultat obtenu par DFT. On utilisera donc préférentiellement la FFT pour des raisons de commodité et vitesse. Outils numériques pour l ingénieur 65/83
66 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de la fréquence f Programme 1 # l i s t i n g s / exemple_fft_frequence. py 2 from math i m p o r t pi, sin, exp 3 from s c i p y. f f t p a c k i m p o r t f f t 4 from random i m p o r t g a u s s 5 from numpy i m p o r t array, arange, f l o o r 6 from m a t p l o t l i b i m p o r t p y p l o t a s p l t 7 i m p o r t m a t p l o t l i b. g r i d s p e c a s g r i d s p e c 8 from s i g n a l _ s i n u s o i d a l i m p o r t 9 beaucoup = f e = 6 4. # F r e q u e n c e d e c h a n t i l l o n a g e 11 N = 4096 # Nombre de p o i n t s d e c h a n t i l l o n a g e 12 D = N/ f e # Duree d o b s e r v a t i o n 13 f = 8. /D # F r e q u e n c e du s i g n a l 14 t_min = 0. # Debut du c a l c u l du s i g n a l 15 t_max = t_min+d # F i n du c a l c u l du s i g n a l 16 s t d d e v = 0. # E c a r t t y p e du b r u i t 17 nom =.. / f i g u r e s / F F T _ f r e q u e n c e. p d f 18 amort = v a l = [ f e 2, 6 4. /D, 1 6. / D, 8. / D] # F r e q u e n c e 20 l a b = $f = { 0 } $ 21 t n = a r a n g e (N) /(D f e ) D+t_min 22 f o r i i n x r a n g e (N) : 23 i f t n [ i ] <=1./ f : i _t = i 24 xn = [ s i n (2 p i f t ) f o r t i n t n ] 25 f k = a r a n g e (N) /D # D i s c r e t i s a t i o n d e s f r e q u e n c e s 26 p l t. f i g u r e ( 0, f i g s i z e =(12,8) ) 27 p l t. c l f ( ) 28 gs = g r i d s p e c. G r i d S p e c ( 4, 3) # G r i l l e de zone de t r a c e Outils numériques pour l ingénieur 66/83
67 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de la fréquence f Programme 29 p0 = p l t. s u b p l o t ( gs [ :, : 2 ] ) 30 p0. s e t _ t i t l e ( r $x ( t ) = \ s i n (2 \ pi f t ) $ a v e c $ f $ v a r i a b l e, $ f _ e = { } $. f o r m a t ( f e ) ) 31 p0. g r i d ( ) 32 p0. s e t _ x l a b e l ( r $ f _ k $, f o n t s i z e =20) 33 p0. s e t _ y l a b e l ( r $ \ f r a c { 2 } { N } X _ k $, f o n t s i z e =20) 34 p0. s e t _ x s c a l e ( l o g ) 35 p0. s e t _ y s c a l e ( l o g ) 36 f o r z i n x r a n g e ( l e n ( v a l ) ) : 37 v = v a l [ z ] 38 #s t d d e v = v 39 f = v 40 xn = [ s i n (2 p i f t ) f o r t i n t n ] 41 v_amort = a r r a y ( [ exp( t amort ) f o r t i n t n ] ) 42 c o l o r = [ r, b, g, c ] [ z ] 43 b r u i t = a r r a y ( [ g a u s s ( 0, s t d d e v ) f o r i i n x r a n g e (N) ] ) 44 xxn = ( xn + b r u i t ) v_amort 45 Xk = abs ( f f t ( xxn ) ) 2. /N 46 p0. p l o t ( f k [ 0 : N/ 2 ], Xk [ 0 : N/ 2 ], - +c o l o r, l a b e l = l a b. f o r m a t ( v ) ) 47 p0. l e g e n d ( ) 48 p1 = p l t. s u b p l o t ( gs [ z, 1]) 49 p1. g r i d ( ) 50 p1. p l o t ( t n [ : i_t ], xxn [ : i_t ], - +c o l o r ) 51 p1. s e t _ x l a b e l ( T e m p s $ t $ ) 52 p l t. s a v e f i g (nom) Outils numériques pour l ingénieur 67/83
68 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de la fréquence f 2 X N k x(t) =sin(2πft) avec f variable, f e =64.0 f =62.0 f = f =0.25 f = f k Changer la fréquence, c est translater horizontalement le pic Temps t Outils numériques pour l ingénieur 68/83
69 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de la durée d observation D Programme 1 # l i s t i n g s /exemple_fft_d. py 2 from math i m p o r t pi, sin, exp 3 from s c i p y. f f t p a c k i m p o r t f f t 4 from random i m p o r t g a u s s 5 from numpy i m p o r t array, arange, f l o o r, hanning 6 from m a t p l o t l i b i m p o r t p y p l o t a s p l t 7 i m p o r t m a t p l o t l i b. g r i d s p e c a s g r i d s p e c 8 from s i g n a l _ s i n u s o i d a l i m p o r t 9 beaucoup = f e = # F r e q u e n c e d e c h a n t i l l o n a g e 11 f = 1. # F r e q u e n c e du s i g n a l 12 t_min = 0. # Debut du c a l c u l du s i g n a l 13 s t d d e v = 0. # E c a r t t y p e du b r u i t 14 nom =.. / f i g u r e s / F F T _ D. p d f 15 amort = v a l = 8. / f a r r a y ( [. 8, 1., 1. 2, 1. 6 ] ) 17 l a b = $D / T = { 0 } $ p l t. f i g u r e ( 0, f i g s i z e =(12,8) ) 21 p l t. c l f ( ) 22 gs = g r i d s p e c. G r i d S p e c ( 4, 3) # G r i l l e de zone de t r a c e 23 p0 = p l t. s u b p l o t ( gs [ :, : 2 ] ) 24 p0. s e t _ t i t l e ( r $x ( t ) = \ s i n (2 \ pi f t ) $ a v e c $ D $ v a r i a b l e ) 25 p0. g r i d ( ) 26 p0. s e t _ x l a b e l ( r $ f _ k $, f o n t s i z e =20) 27 p0. s e t _ y l a b e l ( r $ \ f r a c { 2 } { N } X _ k $, f o n t s i z e =20) 28 p0. s e t _ x s c a l e ( l o g ) Outils numériques pour l ingénieur 69/83
70 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de la durée d observation D Programme 29 p0. s e t _ y s c a l e ( l o g ) 30 f o r z i n x r a n g e ( l e n ( v a l ) ) : 31 v = v a l [ z ] 32 D = v 33 i_t= 1 34 N = i n t (D f e ) 35 f k = a r a n g e (N) /D # D i s c r e t i s a t i o n d e s f r e q u e n c e s 36 t_max = t_min+d # F i n du c a l c u l du s i g n a l 37 t n = a r a n g e (N) / f l o a t (N) D+t_min 38 xn = [ s i n (2 p i f t ) f o r t i n t n ] 39 v_amort = a r r a y ( [ exp( t amort ) f o r t i n t n ] ) 40 c o l o r = [ r, b, g, c ] [ z ] 41 b r u i t = a r r a y ( [ g a u s s ( 0, s t d d e v ) f o r i i n x r a n g e (N) ] ) 42 xxn = ( xn + b r u i t ) v_amort # h a n n i n g (N) 43 Xk = abs ( f f t ( xxn ) ) 2. /N 44 p0. p l o t ( f k [ 0 : N/ 2 ], Xk [ 0 : N/ 2 ], - +c o l o r, l a b e l = l a b. f o r m a t ( v f ) ) 45 p1 = p l t. s u b p l o t ( gs [ z, 1]) 46 p1. g r i d ( ) 47 p1. p l o t ( t n [ : i_t ], xxn [ : i_t ], - +c o l o r ) 48 p0. l e g e n d ( ) 49 p1. s e t _ x l a b e l ( T e m p s $ t $ ) 50 p l t. s a v e f i g (nom) Outils numériques pour l ingénieur 70/83
71 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de la durée d observation D 2 X N k x(t) =sin(2πft) avec D variable D/T =6.4 D/T =8.0 D/T = D/T = Temps t f k Lorque D n est pas multiple de la période T, la hauteur du pic est réduite. Outils numériques pour l ingénieur 71/83
72 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de la durée d observation D 2 X N k x(t) =sin(2πft)e t/τ avec D variable D/T =6.4 D/T =8.0 D/T =9.6 D/T = f k Temps t Le fenetrage temporel de Hann permet d augmenter la hauteur du pic. Outils numériques pour l ingénieur 72/83
73 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet du bruit Programme 1 # l i s t i n g s / exemple_fft_bruit. py 2 from math i m p o r t pi, sin, exp 3 from s c i p y. f f t p a c k i m p o r t f f t 4 from random i m p o r t g a u s s 5 from numpy i m p o r t array, arange, f l o o r 6 from m a t p l o t l i b i m p o r t p y p l o t a s p l t 7 i m p o r t m a t p l o t l i b. g r i d s p e c a s g r i d s p e c 8 from s i g n a l _ s i n u s o i d a l i m p o r t 9 beaucoup = f e = 6 4. # F r e q u e n c e d e c h a n t i l l o n a g e 11 N = 4096 # Nombre de p o i n t s d e c h a n t i l l o n a g e 12 D = N/ f e # Duree d o b s e r v a t i o n 13 f = 8. /D # F r e q u e n c e du s i g n a l 14 t_min = 0. # Debut du c a l c u l du s i g n a l 15 t_max = t_min+d # F i n du c a l c u l du s i g n a l 16 s t d d e v = 0. # E c a r t t y p e du b r u i t 17 nom =.. / f i g u r e s / F F T _ b r u i t. p d f 18 amort = v a l = [ 1., 1. e 1,1. e 2, 0. ] # B r u i t 20 l a b = Ecart type bruit : {0} 21 t n = a r a n g e (N) /(D f e ) D+t_min 22 f o r i i n x r a n g e (N) : 23 i f t n [ i ] <=1./ f : i _t = i 24 xn = [ s i n (2 p i f t ) f o r t i n t n ] 25 f k = a r a n g e (N) /D # D i s c r e t i s a t i o n d e s f r e q u e n c e s 26 p l t. f i g u r e ( 0, f i g s i z e =(12,8) ) 27 p l t. c l f ( ) 28 gs = g r i d s p e c. G r i d S p e c ( 4, 3) # G r i l l e de zone de t r a c e Outils numériques pour l ingénieur 73/83
74 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet du bruit Programme 29 p0 = p l t. s u b p l o t ( gs [ :, : 2 ] ) 30 p0. s e t _ t i t l e ( r $x ( t ) = \ s i n (2 \ pi f t ) + $ b r u i t ) 31 p0. g r i d ( ) 32 p0. s e t _ x l a b e l ( r $ f _ k $, f o n t s i z e =20) 33 p0. s e t _ y l a b e l ( r $ \ f r a c { 2 } { N } X _ k $, f o n t s i z e =20) 34 p0. s e t _ x s c a l e ( l o g ) 35 p0. s e t _ y s c a l e ( l o g ) 36 f o r z i n x r a n g e ( l e n ( v a l ) ) : 37 v = v a l [ z ] 38 s t d d e v = v 39 v_amort = a r r a y ( [ exp( t amort ) f o r t i n t n ] ) 40 c o l o r = [ r, b, g, c ] [ z ] 41 b r u i t = a r r a y ( [ g a u s s ( 0, s t d d e v ) f o r i i n x r a n g e (N) ] ) 42 xxn = ( xn + b r u i t ) v_amort 43 Xk = abs ( f f t ( xxn ) ) 2. /N 44 p0. p l o t ( f k [ 0 : N/ 2 ], Xk [ 0 : N/ 2 ], - +c o l o r, l a b e l = l a b. f o r m a t ( v ) ) 45 p0. l e g e n d ( ) 46 p1 = p l t. s u b p l o t ( gs [ z, 1]) 47 p1. g r i d ( ) 48 p1. p l o t ( t n [ : i_t ], xxn [ : i_t ], - +c o l o r ) 49 p1. s e t _ x l a b e l ( T e m p s $ t $ ) 50 p l t. s a v e f i g (nom) Outils numériques pour l ingénieur 74/83
75 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet du bruit 2 X N k x(t) =sin(2πft) + bruit Ecart type bruit: Ecart type bruit: 0.1 Ecart type bruit: 1 Ecart type bruit: f k Le bruit réduit la hauteur du pic Temps t Outils numériques pour l ingénieur 75/83
76 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de l amortissement Programme 1 # l i s t i n g s / exemple_fft_amortissement. py 2 from math i m p o r t pi, sin, exp 3 from s c i p y. f f t p a c k i m p o r t f f t 4 from random i m p o r t g a u s s 5 from numpy i m p o r t array, arange, f l o o r, hanning 6 from m a t p l o t l i b i m p o r t p y p l o t a s p l t 7 i m p o r t m a t p l o t l i b. g r i d s p e c a s g r i d s p e c 8 from s i g n a l _ s i n u s o i d a l i m p o r t 9 beaucoup = f e = 6 4. # F r e q u e n c e d e c h a n t i l l o n a g e 11 N = 1024 # Nombre de p o i n t s d e c h a n t i l l o n a g e 12 D = N/ f e # Duree d o b s e r v a t i o n 13 f = 3 2. /D # F r e q u e n c e du s i g n a l 14 t_min = 0. # Debut du c a l c u l du s i g n a l 15 t_max = t_min+d # F i n du c a l c u l du s i g n a l 16 s t d d e v = 0. # E c a r t t y p e du b r u i t 17 nom =.. / figures / FFT_ amortissement - hann. pdf 18 amort = v a l = [ 0., ,. 1, 1. ] # A m o r t i s s e m e n t 20 l a b = r $1 /\ t a u = { 0 } $ 21 t n = a r a n g e (N) /(D f e ) D+t_min 22 xn = [ s i n (2 p i f t ) f o r t i n t n ] 23 f k = a r a n g e (N) /D # D i s c r e t i s a t i o n d e s f r e q u e n c e s 24 p l t. f i g u r e ( 0, f i g s i z e =(12,8) ) 25 p l t. c l f ( ) 26 gs = g r i d s p e c. G r i d S p e c ( 4, 3) # G r i l l e de zone de t r a c e 27 p0 = p l t. s u b p l o t ( gs [ :, : 2 ] ) 28 p0. s e t _ t i t l e ( r $x ( t ) = \ s i n (2 \ pi f t ) e ^{ t /\ t a u } $ a v e c $ \ t a u $ v a r i a b l e + H a n n ) Outils numériques pour l ingénieur 76/83
77 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de l amortissement Programme 29 p0. g r i d ( ) 30 p0. s e t _ x l a b e l ( r $ f _ k $, f o n t s i z e =20) 31 p0. s e t _ y l a b e l ( r $ \ f r a c { 2 } { N } X _ k $, f o n t s i z e =20) 32 p0. s e t _ x s c a l e ( l o g ) 33 p0. s e t _ y s c a l e ( l o g ) f o r z i n x r a n g e ( l e n ( v a l ) ) : 36 v = v a l [ z ] 37 amort = v 38 v_amort = a r r a y ( [ exp( t amort ) f o r t i n t n ] ) 39 c o l o r = [ r, b, g, c ] [ z ] 40 b r u i t = a r r a y ( [ g a u s s ( 0, s t d d e v ) f o r i i n x r a n g e (N) ] ) 41 xxn = ( xn + b r u i t ) v_amort h a n n i n g (N) 42 Xk = abs ( f f t ( xxn ) ) 2. /N 43 p0. p l o t ( f k [ 0 : N/ 2 ], Xk [ 0 : N/ 2 ], - +c o l o r, l a b e l = l a b. f o r m a t ( v ) ) 44 p0. l e g e n d ( ) 45 p1 = p l t. s u b p l o t ( gs [ z, 1]) 46 p1. g r i d ( ) 47 p1. p l o t ( t n [ : ], xxn [ : ], - +c o l o r ) 48 p1. s e t _ x l a b e l ( T e m p s $ t $ ) 49 p l t. s a v e f i g (nom) Outils numériques pour l ingénieur 77/83
78 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : effet de l amortissement 2 X N k x(t) =sin(2πft)e t/τ avec τ variable 1/τ = 1/τ =01 1/τ =0.1 1/τ = f k L amortissement entraine une perte de hauteur du pic Temps t Outils numériques pour l ingénieur 78/83
79 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) FFT : amortissement et fenetrage de Hann 2 X N k 10 0 x(t) =sin(2πft)e t/τ avec τ variable + Hann 1/τ = /τ = /τ =0.1 1/τ = Temps t f k Le fenêtrage de Hann (méthode dite hanning) induit une hauteur de pic 1000!! Outils numériques pour l ingénieur 79/83
80 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) Vibration d une poutre : spectre Force, fft(f) [N] Acceleration, fft(a) [g] Frequency, f [Hz] Outils numériques pour l ingénieur 80/83
81 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) Application à la cloche 1 # l i s t i n g s / exemple_fft_cloche. py 2 from s c i p y. f f t p a c k i m p o r t f f t 3 from numpy i m p o r t array, arange, hanning 4 from m a t p l o t l i b i m p o r t p y p l o t a s p l t 5 i m p o r t p i c k l e 6 nom =.. / f i g u r e s / F F T _ c l o c h e - l o g. p d f 7 f i c h i e r = open ( c l o c h e. p c k l, r ) # O u v e r t u r e du f i c h i e r 8 c l o c h e = p i c k l e. l o a d ( f i c h i e r ) # Chargement d e s d o n n e e s 9 f i c h i e r. c l o s e ( ) # F e r m e t u r e du f i c h i e r 10 xn = c l o c h e [ x ] [ : : 3 2 ] # Redimensionnement d e s d o n n e e s 11 f e = f l o a t ( c l o c h e [ fe ] ) # D e f i n i t i o n de l a f r e q u e n c e d e c h a n t i l l o n a g e 12 t n = a r a n g e ( l e n ( xn ) ) / f l o a t ( f e ) 13 N = l e n ( t n ) 14 D = N/ f e 15 p l t. f i g u r e ( 0, f i g s i z e =(12,8) ) 16 p l t. c l f ( ) 17 f k = a r a n g e (N) /D # D i s c r e t i s a t i o n d e s f r e q u e n c e s 18 Xk = abs ( f f t ( xn ) ) 2. /N 19 Xkh = abs ( f f t ( xn h a n n i n g (N) ) ) 2. /N 20 p l t. p l o t ( f k [ 0 : N/ 2 ], Xk [ 0 : N/ 2 ], -, l a b e l= S i g n a l b r u t ) 21 p l t. p l o t ( f k [ 0 : N/ 2 ], Xkh [ 0 : N/ 2 ], -, l a b e l= F e n e t r a g e H a n n ) 22 p l t. x l a b e l ( r $ f _ k $, f o n t s i z e =20) 23 p l t. y l a b e l ( r $ \ f r a c { 2 } { N } X _ k $, f o n t s i z e =20) 24 p l t. x s c a l e ( l o g ) 25 p l t. y s c a l e ( l o g ) 26 p l t. g r i d ( True ) 27 p l t. l e g e n d ( l o c= u p p e r l e f t ) 28 p l t. s a v e f i g (nom) Outils numériques pour l ingénieur 81/83
82 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) Application à la cloche 10-1 Signal brut Fenetrage Hann X N k f k Outils numériques pour l ingénieur 82/83
83 Optimisation de la DFT : la Transformée de Fourier Rapide (FFT) Application à la cloche 8 7 Signal brut Fenetrage Hann X N k f k Outils numériques pour l ingénieur 83/83
TD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailTraitement du signal avec Scilab : la transformée de Fourier discrète
Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un
Plus en détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détailPython - introduction à la programmation et calcul scientifique
Université de Strasbourg Environnements Informatique Python - introduction à la programmation et calcul scientifique Feuille de TP 1 Avant de commencer Le but de ce TP est de vous montrer les bases de
Plus en détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailhttp://www.u-bourgogne.fr/monge/e.busvelle/teaching.php
TP1 Traitement numérique du son 1 Introduction Le but de ce TP est de mettre en pratique les notions de traitement numérique vues en cours, TDs et dans le précédent TP. On se focalisera sur le traitement
Plus en détailIntroduction. Mathématiques Quantiques Discrètes
Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailDonner les limites de validité de la relation obtenue.
olutions! ours! - Multiplicateur 0 e s alculer en fonction de. Donner les limites de validité de la relation obtenue. Quelle est la valeur supérieure de? Quel est le rôle de 0? - Multiplicateur e 0 s alculer
Plus en détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
Plus en détail1.1.1 Signaux à variation temporelle continue-discrète
Chapitre Base des Signaux. Classi cation des signaux.. Signaux à variation temporelle continue-discrète Les signaux à variation temporelle continue sont des fonctions d une ou plusieurs variables continues
Plus en détailSYSTEMES LINEAIRES DU PREMIER ORDRE
SYSTEMES LINEIRES DU PREMIER ORDRE 1. DEFINITION e(t) SYSTEME s(t) Un système est dit linéaire invariant du premier ordre si la réponse s(t) est liée à l excitation e(t) par une équation différentielle
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailCompatibilité Électromagnétique
Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détail5. Analyse des signaux non périodiques
5. Analyse des signaux non périodiques 5.. Transformation de Fourier 5... Passage de la série à la transformation de Fourier Le passage d'un signal périodique à un signal apériodique peut se faire en considérant
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailCommunication parlée L2F01 TD 7 Phonétique acoustique (1) Jiayin GAO <jiayin.gao@univ-paris3.fr> 20 mars 2014
Communication parlée L2F01 TD 7 Phonétique acoustique (1) Jiayin GAO 20 mars 2014 La phonétique acoustique La phonétique acoustique étudie les propriétés physiques du signal
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailFAG Detector II le collecteur et l analyseur de données portatif. Information Technique Produit
FAG II le collecteur et l analyseur de données portatif Information Technique Produit Application La maintenance conditionnelle Principe de fonctionnement Application Le FAG II est, à la fois, un appareil
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailCalcul Formel et Numérique, Partie I
Calcul Formel et Numérique N.Vandenberghe nvdb@irphe.univ-mrs.fr Table des matières 1 Introduction à Matlab 2 1.1 Quelques généralités.......................... 2 2 Où trouver des informations 2 3 Opérations
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailInitiation à la programmation en Python
I-Conventions Initiation à la programmation en Python Nom : Prénom : Une commande Python sera écrite en caractère gras. Exemples : print 'Bonjour' max=input("nombre maximum autorisé :") Le résultat de
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailTP Modulation Démodulation BPSK
I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse
Plus en détailChamp électromagnétique?
Qu est-ce qu un Champ électromagnétique? Alain Azoulay Consultant, www.radiocem.com 3 décembre 2013. 1 Définition trouvée à l article 2 de la Directive «champs électromagnétiques» : des champs électriques
Plus en détailLicence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004. Cours de Génie Electrique G.
Licence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004 Cours de Génie Electrique G. CHAGNON 2 Table des matières Introduction 11 1 Quelques mathématiques...
Plus en détailTP 1. Prise en main du langage Python
TP. Prise en main du langage Python Cette année nous travaillerons avec le langage Python version 3. ; nous utiliserons l environnement de développement IDLE. Étape 0. Dans votre espace personnel, créer
Plus en détailChapitre 2 Les ondes progressives périodiques
DERNIÈRE IMPRESSION LE er août 203 à 7:04 Chapitre 2 Les ondes progressives périodiques Table des matières Onde périodique 2 2 Les ondes sinusoïdales 3 3 Les ondes acoustiques 4 3. Les sons audibles.............................
Plus en détailCalcul Scientifique avec 3
ENSAM Bordeaux juin 2015 Calcul Scientifique avec 3 Installation - Prise en main Jean-Luc Charles - Éric Ducasse Arts & Métiers ParisTech, I2M "la programmation doit être un plaisir...", G. van Rossum
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailP1PY7204 Acquisition de données Cours
ANNEE 2012-2013 Semestre d Automne 2012 Master de Sciences, Technologies, Santé Mention Physique- Spécialité Instrumentation P1PY7204 Acquisition de données Cours Denis Dumora denis.dumora@u-bordeaux1.fr
Plus en détailLES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION
LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION ) Caractéristiques techniques des supports. L infrastructure d un réseau, la qualité de service offerte,
Plus en détailExercices - Nombres complexes : corrigé. Formes algébriques et trigonométriques, module et argument
Formes algébriques et trigonométriques, module et argument Exercice - - L/Math Sup - On multiplie le dénominateur par sa quantité conjuguée, et on obtient : Z = 4 i 3 + i 3 i 3 = 4 i 3 + 3 = + i 3. Pour
Plus en détailExercice 1. Exercice n 1 : Déséquilibre mécanique
Exercice 1 1. a) Un mobile peut-il avoir une accélération non nulle à un instant où sa vitesse est nulle? donner un exemple illustrant la réponse. b) Un mobile peut-il avoir une accélération de direction
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailFAG Detector III la solution pour la surveillance et l équilibrage. Information Technique Produit
FAG Detector III la solution pour la surveillance et l équilibrage Information Technique Produit Principe Utilisation Hautes performances utilisation simple Le FAG Detector III est, à la fois, un appareil
Plus en détailSon et Mathématiques
Son et Mathématiques Maïtine Bergounioux To cite this version: Maïtine Bergounioux. Son et Mathématiques. Association des Professeurs de Mathématiques de l Enseignement Public (APMEP). Bulletin de l APMEP,
Plus en détailL informatique en BCPST
L informatique en BCPST Présentation générale Sylvain Pelletier Septembre 2014 Sylvain Pelletier L informatique en BCPST Septembre 2014 1 / 20 Informatique, algorithmique, programmation Utiliser la rapidité
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailNotions d asservissements et de Régulations
I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détail8563A. SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE
8563A SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE Agenda Vue d ensemble: Qu est ce que l analyse spectrale? Que fait-on comme mesures? Theorie de l Operation: Le hardware de l analyseur de
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailSIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES
SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailSTATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE
ÉCOLE D'INGÉNIEURS DE FRIBOURG (E.I.F.) SECTION DE MÉCANIQUE G.R. Nicolet, revu en 2006 STATIQUE GRAPHIQUE ET STATIQUE ANALYTIQUE Eléments de calcul vectoriel Opérations avec les forces Equilibre du point
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
Plus en détailSignaux numériques : Multiplexage temporel : TDM
Signaux numériques : Multiplexage temporel : TDM Pour la hiérarchie TDM, il y a deux catégorie : Le multiplexage dans les systèmes informatiques : La transmission TDM dans des lignes haute vitesse à partir
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailNumérisation du signal
Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
Plus en détailA. N(p) B + C p. + D p2
Polytech Nice ELEC3 T.P. d'electronique TP N 7 S ACTIFS DU SECOND ORDRE 1 - INTRODUCTION Un quadripôle est dit avoir une fonction de transfert en tension, du second ordre, lorsque le rapport tension de
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détail5.2 Théorème/Transformée de Fourier a) Théorème
. Théorème de Fourier et Transformée de Fourier Fourier, Joseph (788). Théorème/Transformée de Fourier a) Théorème Théorème «de Fourier»: N importe quelle courbe peut être décomposée en une superposition
Plus en détailCharges électriques - Courant électrique
Courant électrique Charges électriques - Courant électrique Exercice 6 : Dans la chambre à vide d un microscope électronique, un faisceau continu d électrons transporte 3,0 µc de charges négatives pendant
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailCaractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
Plus en détailMichel Henry Nicolas Delorme
Michel Henry Nicolas Delorme Mécanique du point Cours + Exos Michel Henry Maître de conférences à l IUFM des Pays de Loire (Le Mans) Agrégé de physique Nicolas Delorme Maître de conférences à l université
Plus en détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en détailRésonance Magnétique Nucléaire : RMN
21 Résonance Magnétique Nucléaire : RMN Salle de TP de Génie Analytique Ce document résume les principaux aspects de la RMN nécessaires à la réalisation des TP de Génie Analytique de 2ème année d IUT de
Plus en détailExemple d acquisition automatique de mesures sur une maquette de contrôle actif de vibrations
Exemple d acquisition automatique de mesures sur une maquette de contrôle actif de vibrations Valérie Pommier-Budinger Bernard Mouton - Francois Vincent ISAE Institut Supérieur de l Aéronautique et de
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailLABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK
LABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK 5.1 Introduction Simulink est l'extension graphique de MATLAB permettant, d une part de représenter les fonctions mathématiques et les systèmes sous forme
Plus en détailOM 1 Outils mathématiques : fonction de plusieurs variables
Outils mathématiques : fonction de plusieurs variables PCSI 2013 2014 Certaines partie de ce chapitre ne seront utiles qu à partir de l année prochaine, mais une grande partie nous servira dès cette année.
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailDynamique des protéines, simulation moléculaire et physique statistique
Dynamique des protéines, simulation moléculaire et physique statistique Gerald R. Kneller kneller@llb.saclay.cea.fr, kneller@cnrs-orleans.fr Université d Orléans Laboratoire Léon Brillouin, CEA Saclay
Plus en détail