Traitement des signaux 3 e partie : Échantillonnage et Transformée de Fourier Discrète
|
|
- Émilien Mathieu
- il y a 7 ans
- Total affichages :
Transcription
1 Traitement des signaux 3 e partie : Échantillonnage et Transormée de Fourier Discrète Benoît C. FORGET 7 novembre 006 Échantillonnage idéal 4 Conservation de l inormation Repliement spectral Théorème de SHAO Reconstruction du signal Échantillonnage pratique 14 Échantillonneur pratique Distorsion Modulation d impulsion Reconstruction du signal Transormée de Fourier discrète 5 TF d un signal périodique et discret Transormée de Fourier Discrète (TFD) Propriétés Lien entre TF et TFD Cas des signaux continus périodiques Convolution discrète 39 Convolution discrète Cas des signaux périodiques Cas des signaux à durée inie Corrélation
2 Plan Les applications du traitement du signal ont explosé avec la montée en puissance des calculateurs et surtout des processeurs spécialisés, rendant obsolètes certains traitement analogiques. Le traitement numérique permet des opérations interdites en analogique (eg. Filtrage non-causal). ous vivons dans un monde numérique La numérisation du signal nécessite dans un premier temps l échantillonnage du signal puis sa quantiication. L échantillonnage correspond à une discrétisation en temps du signal. On distiguera deux cas : l échantillonage idéal et l échantillonnage pratique.la quantiication permet d associer une valeur numérique à l échantillon prélevé. C est une discrétisation en amplitude. Les valeurs discrètes obtenues sont codées sur un ou plusieurs bits. / 48 Plan Échantillonnage idéal Échantillonnage pratique Transormée de Fourier discrète Convolution discrète 3 / 48 Échantillonnage idéal 4 / 48 Conservation de l inormation L objecti du traitement numérique du signal est d extraire les inormations contenues dans le signal analogique initial x(t). Il est donc impérati de conserver ces inormations après échantillonnage. Soient x(t) le signal analogique et x e(t) le signal échantillonné. Soient T e la période d échantillonnage et F e = 1/T e la réquence d échantillonnage. Le signal x e(t) est obtenu par multiplication de x(t) par un peigne de Dirac. (1) x e(t) = x(t) T(t) = x(t) d où : () x e(t) = + k= + k= x(kt e)δ(t kt e) δ(t kt e) 5 / 48
3 Conservation de l inormation Pour ne perdre aucune inormation, il aut que cette transormation x(t) x e(t) soit réversible. Déterminons le spectre e() du signal x e(t) : (3a) (3b) (3c) (3d) TF {x e(t)} = TF {x(t) Te (t)} = () TF { Te (t)} = () 1 + δ nte T e = 1 T e + = 1 T e + () δ nte nte Cette relation montre que e() est obtenue, à un acteur près (1/T e), par une simple périodisation en réquence du spectre (). Le spectre est reproduit tous les F e = 1/T e. 6 / 48 Repliement spectral Cette périodisation peut s eectuer suivant trois cas de igures : 1 ER CAS : () est à support borné, sa réquence de coupure est F c et F e > F c. () T e e() F c F c F e F e F c F c F e F e On constate qu au prix d un simple iltrage passe-bas idéal, de réquence de coupure F e/, on retrouve () et donc x(t). les inormations initiales ne sont pas perdues. La transormation x(t) x e(t) est réversible. On a correctement échantillonné le signal. 7 / 48 3
4 Repliement spectral E CAS : () est à support borné, sa réquence de coupure est F c et F e < F c () T e e() T e e() F c F c F e F e F c F c F e F e F e F e F c F c F e F e Il est clair que le spectre initial () est déormé. On ne peut pas obtenir () à partir de e(). Les inormations initiales sont perdues. La transormation est irréversible. On a mal échantillonné le signal. Remarque : Si après l échantillonnage les spectres translatés se chevauchent, on dit qu il y a repliement spectral, recouvrement spectral ou encore aliasing. 8 / 48 Repliement spectral 3 E CAS : () est à support non-borné. Dans ce cas, il est évident qu il y aura repliement spectral. () Il apparaît donc impossible d échantillonner un tel signal. En pratique, on iltrera le signal x(t) par un iltre passe bas de réquence de coupure F c, puis on échantillonnera le signal de sortie du iltre à une réquence F e > F c. x(t) y(t) y e(t) Passe-Bas F c Échantillonneur F e 9 / 48 4
5 Théorème de SHAO Un signal x(t) à spectre borné sur l intervalle [ F c, F c] est correctement échantillonné si : (4) F e > F c EEMPLE : un cosinus de réquence 0 doit être échantillonné à une réquence F e > t 1 F e 0 0 F e F e + 0 F e 0 REMARQUE : On verra, en TD, que dans un cas très particulier il est possible de réaliser un sous-échantillonnage. 10 / 48 Reconstruction du signal Pour retrouver x(t) à partir du signal échantillonné, on supposera que le signal a été correctement échantillonné (F e > F c). Déterminer x(t) revient à isoler () dans e(). Ceci est possible en multipliant e() par une porte en réquence Π F () de hauteur T e () e() En eet : F e F e F c F c F e F e (5) TF 1 {T eπ F () e()} = TF 1{()} = x(t) 11 / 48 Reconstruction du signal (6) (7) (8) (9) (10) x(t) = TF 1 {T eπ F () e()} = T ex e(t) x e(t) {z } TF 1 {T eπ F ()} TF 1 {T eπ F ()} {z } z } { = T e x(kt e)δ(t kt e) = = k= k= k= k= x(kt e)δ(t kt e) sinc(πf et) x(kt e)sinc(πf e(t kt e)) z } { x(kt e)δ(t kt e) F esinc(πf et) F esinc(πf et) C est la ormule d interpolation de SHAO. 1 / 48 5
6 Reconstruction du signal Cette ormule n est pas utilisable en temps réel. Elle nécessite à l instant t la connaissance de tous les échantillons ( ).Suréchantillonner un signal n apporte aucune inormation supplémentaire. Les onction s n(t) = sinc(πf e(t T e)) sont orthogonales. On en déduit que toute onction de spectre borné [ F c, F c] peut être décomposé sur la base {s n(t)}. En supposant s n(t) très petit lorsque n croît, on approche la ormule d interpolation en tronquant la ormule à un petit nombre d échantillons. (11) x(t) x(kt e)sinc(πf e(t kt e)) k= 13 / 48 Échantillonnage pratique 14 / 48 Échantillonneur pratique En pratique, l échantillonnage ne peut être réalisé par une impulsion de Dirac. L échantillon x e(kt e) est donc obtenu par intégration du signal x(t) multiplié par une impulsion de largeur θ autour de kt e. (1) x e(kt e) = Z kte+ θ kt e θ x(t)h(t kt e)dt où h(t) est une impulsion de orme quelconque et nulle en dehors de l intervalle [ θ, θ ]. Les échantillons sont donc obtenus par l opération suivnte : (13) x e(kt e) = Z x(t)h(t kt e)dt = C xh (kt e) = x(τ) h( τ) τ=kte Cette relation indique que toutes les valeurs x e(kt e) sont portées par la onction g(t) = x(t) h( t). Le signal discret x e(t) est obtenu par échantillonnage idéal de g(t) : (14) x e(t) = [x(t) h( t)] te (t) 15 / 48 Échantillonneur pratique (15) x e(t) = [x(t) h( t)] te (t) x e(t) peut être considéré comme la sortie d un iltre, de réponse impulsionnelle h( t), excité par x(t). La transormée de FOURIER de x e(t) s écrit : (16) (17) e() = [()H ()] 1 δ nte T e = 1 nte H nte T e 16 / 48 6
7 Distorsion (18) e() = 1 T e REMARQUES : nte H nte Le spectre e() est obtenu par périodisation du produit ()H ().Si h(t) = δ(t), on retrouve l échantillonnage idéal. e() = () [TF{δ(t)}] [TF{δ(t)}] 1 (19) δ nte {z } (0) = () =1 δ nte T e 17 / 48 Distorsion Si θ est petit, h(t) a un spectre H() étendu. Il suit donc que la variation de H() soit aible pour que () soit peu modiié. () () H() H() ()H() ()H() On déinit la distorsion à la réquence 0 : (1) ( 0) ( 0)H( 0) ( 0) Si H() est régulièrement décroissant, le maximum de distorsion a lieu à la réquence de coupure de x(t). On verra en TD le cas de l échantillonneur moyenneur h(t) = Π T (t) 18 / 48 Modulation d impulsion L échantillonnage permet d envisager d autre type de modulation, en particulier la modulation d impulsions codées. Soit trois signaux, après échantillonnage moyenneur, si la condition de Shannon est respectée et si la distorsion est limitée, on peut reconstruire les trois signaux. Mais rien n oblige à échantillonner les trois sinaux en même temps! En basculant l échantillonneur, on peut donc transmettre = θ/f e signaux qui occuperont la bande passante d un seul signal. m 1(t) m (t) m 3(t) 1 Fe θ t t t t 19 / 48 7
8 Reconstruction du signal De même que l échantillonnage idéal est irréalisable, la reconstitution du signal x(t) à partir de la ormule d interpolation de Shannon est impossible. On utilise donc des interpolateurs plus simples. ITERPOLATEUR D ORDRE 0 OU BLOQUEUR Appelons y(t) le signal reconstitué. y(t) est constant par morceaux. () y(t) = x e(kt e) pour t [kt e, (k + 1)T e[ ou encore : (3) y(t) = x e(kt e)π Te t kt e Te 0 / 48 Reconstruction du signal (4) y(t) = posons : (5) h(t) = Π Te x e(kt e)π Te t Te t kt e Te (6) (7) (8) y(t) = = = " x e(kt e)h(t kt e) x e(kt e)[δ(t kt e) h(t)] x e(kt e)δ(t kt e) # h(t) = x e(t) h(t) TF Y () = e()h() La reconstruction du signal est une opération de iltrage! 1 / 48 8
9 Distorsion et Suréchantillonnage Pour l interpolation idéale, on a convolué par un sinus cardinal. Autremment dit, on a multiplié en réquence par ne porte rectangulaire. Avec un bloqueur, on convolue par une porte rectangulaire (excentrée). Autrement, on multiplie en réquance par un sinus cardinal (déphasé). () e() F e F e F c F c F e F e l élimination des hautes réquences parasites introduites par l échantillonnage n est pas paraite! / 48 Distorsion et Suréchantillonnage Le seul parametre sur lequel on peut jouer, c est la période d échantillonnage. Mais, bien qu augmenter T e (diminuer F e) resserre le spectre de la onction porte (le sinus cardinal), cette opération rapproche d autant les répliques du spectre. e() e() e() e() F e F c e() F c F e F e F e e() F c F c F e F e 3F e F e F e F c F c F e F e 3F e F e F c F c F e F e F e F c F c F e F e 3F e F e F e F c F c F e F e 3F e Le suréchantillonnage limite le parasitage par des réquences trop proches du spectre initial, tout en limitant sa distorsion. 3 / 48 9
10 Reconstruction du signal ITERPOLATEUR D ORDRE 1 les points sont reliés par des segments de droite.» xe((k + 1)T e x e(kt e) (9) y(t) = x e(kt e) + (t kt e) pour t [kt e, (k + 1)T e[ T e On peut montrer qu il s agit d un iltrage passe-bas (intégrateur numérique du 1 er ordre). L objecti est donc de trouver des iltres dont la réponse ne réquence s apporche d une porte rectangulaire : très plat dans la bande passante avec une transition très abrupte à la réquence de coupure. Un compromis doit être ait entre ces perormances et la complexité numérique de la convolution associée. 4 / 48 Transormée de Fourier discrète 5 / 48 TF d un signal périodique et discret Soit x(t) un signal déini aux instants kt e, et périodique de période T = T e : (30) (31) x(t) = x(kt e)δ(t kt e) k= x(t) = x(t + T e) Le signal tronqué sur une période, x T(t), s écrit : (3) x T(t) = d où : 1 x(kt e)δ(t kt e) (33) x(t) = x T(t) T (t) = " 1 x(kt e)δ(t kt e) # k= δ(t kt e) 6 / 48 10
11 TF d un signal périodique et discret On prend la TF : " 1 # (34) () = x(kt e)e jπkte Alors : (35) () = 1 T e (36) () = 1 T e " 1 1 T e jπ nk x(kt e)e (n)δ n T e # " 1 δ n T e jπ nk x(kt e)e # {z } (n) δ n T e 7 / 48 TF d un signal périodique et discret (37) () = 1 (n)δ n T e T e REMARQUES : Le spectre n est déini qu aux réquences multiples de 1/T e car le signal est périodique (T = T e) ;le signal x(t) étant discret ( échantillonné avec une période T e), le spectre est périodique et de période F e = 1/Te 8 / 48 TF d un signal périodique et discret DÉMOSTRATIO : (38) + 1Te = 1 T e En posant n = n : (39) + 1Te = 1 T e Avec (40) (n + ) = on obtient : (41) + 1Te 1 = 1 T e n = (n)δ ( n) T e (n + )δ n T e x(kt e)e jπ(n +) k = n = 1 (n )δ n = () x(kt e)e jπ n k = (n ) 9 / 48 TF d un signal périodique et discret Conclusion : Le spectre () est entièrement déini par les raies (n), pour n variant de 0 à / 48 11
12 Transormée de Fourier Discrète (TFD) DÉFIITIO : La transormée de Fourier discrète (TFD), sur points, du signal discret x(k) est déinie par : (4) TFD {x(k)} = (n) = 1 x(k)w nk La transormée de Fourier discrète inverse, sur points, est déinie par : (43) x 1(k) = TFD 1 {(n)} = 1 1 (n)w +nk avec W = e pij, appelé Facteur de Rotation. 31 / 48 Transormée de Fourier Discrète (TFD) REMARQUE : Attention : Si x(k) est périodique alors x 1(k) = x(k). Sinon x 1(k) est la périodisation de x(k) tronqué sur points. Ceci aura des conséquences sur le calcul de la convolution ou de la corrélation par TFD.Les notations x(k) (échantillonnage temporel) et (n) (échantillonnage réquentiel) sont abusives. On devrait écrire : (44) x(kt e) (n ) avec = 1 T e = 1 T est appelé pas en réquence, ou résolution. 3 / 48 Propriétés Le acteur de rotation présente une symétrie : (45) W k = 1 = W 0 ; W = 1 ; W k = ( 1)k ; W αk = W k α La TFD est périodique sur points : (46) (n) = (n + ) La résultat de la TFD inverse est un signal périodique sur points : (47) x 1(k) = x 1(k + ) Si x(k) est réel alors : (48) ( n) = ( n) = 1 x(k)w +nk = " 1 x(k)w nk # = (n) Cette propriété permet de diviser par le temps de calcul. En eet, la connaissance de (n) pour n allant de 0 à / suit à calculer (n), pour tout n. 33 / 48 1
13 Lien entre TF et TFD Les signaux physiques ne sont pas aussi tous discrets et périodiques. Ils sont le plus souvent quelconques (continus et apériodiques). Pour étudier ces signaux, à l aide d une TFD, il aut procéder à un échantillonnage une troncature une périodisation du signal On peut alors appliquer la T.F.D. Ces trois opérations ont pour eet de modiier le spectre () du signal x(t). 34 / 48 Lien entre TF et TFD EEMPLE : Soit x(t) = e at u(t), avec a > 0 alors : (49) () = 1 a + πj ; () = 1 p a + 4π lcolwidth=5.5cm,rcolwidth=5.5cm Signal Spectre Après échantillonnage, troncature sur points et périodisation du signal. REMARQUES : Si le signal est déjà à durée limitée alors, le clapotis disparaît, seul le phénomène de recouvrement subsiste. Pour atténuer les clapotis on utilise en pratique des enêtres de pondération discrètes (50) p(n) = 1 w(k)x(k)w nk 35 / 48 13
14 Cas des signaux continus périodiques Prenons l exemple du signal x(t) déini par : (51) x(t) = cos(π 0t) TF () = 1 [δ( 0) + δ( + 0)] Après troncature du signal, sur une durée T = T e, le spectre () est la somme de deux sinus cardinaux centrés en 0 et 0. Après échantillonnage à la réquence F e, le spectre devient périodique. () est inalement représenté, sur la bande de réquence [0, F e], par : 0 F e 0 F e Deux cas se présentent pour le calcul de la T.F.D. 36 / 48 Cas des signaux continus périodiques 0 F e 0 F e Si 0 = p/t e, avec p entier [0, 1], alors le spectre (n) est donné par : (5) (n) = ( si n = p si n = p 0 ailleurs Dans ce cas la p ieme composante correspond exactement à la réquence 0. Les raies éloignées de n/t e correspondent alors aux zéros du sinus cardinal. 37 / 48 Cas des signaux continus périodiques F e 0 F e 0 Si 0 p/t e, p [0, 1], alors le spectre (n) est un autre un échantillonnage du sinus cardinal! COCLUSIO : La TF et TFD de ce signal périodique sont identiques, à un terme d amplitude près, si 0 = p/t e. C est à dire si l on tronque le signal sur un nombre entier de périodes (T = T e = pt 0). 38 / 48 14
15 Convolution discrète 39 / 48 Convolution discrète Il existe un algorithme de calcul rapide de la TFD appelé Transormée de Fourier Rapide (FFT). Il serait donc avantageux en temps de calcul d utiliser la relation de PLACHEREL et d eectuer la convolution en passant par la TFD et la TFD inverse. ous allons déterminer une relation entre convolution et TFD. 40 / 48 Cas des signaux périodiques Soient x(k) et y(k) deux signaux périodiques et de période. Le produit de convolution de ces signaux est donné par : (53) z(k) = x(k) y(k) = 1 i=0 x(i)y(k i) On peut montrer que la TFD de z(k) est : (54) Z(n) = TFD{z(k)} = (n)y (n) On peut donc calculer le produit de convolution à partir du calcul de trois TFD, dont une inverse : (55) z(k) = TFD 1 {TFD {x(k)} TFD {y(k)}} 41 / 48 Démonstration (56) Z(n) = 1 " 1 i=0 x(i)y(k i) Posons k i = k k = i + k 1 1 i (57) Z(n) = x(i) 4 Soit : (58) S = i=0 1 i k = i k = i y(k )W nk = # y(k )W nk 1 k = i 1 W nk = 3 i=0 5 W ni x(i) " 1 y(k i)w nk 1 i y(k )W nk + y(k )W nk k= 0 # 4 / 48 15
16 Démonstration (59) S = 1 k = i 1 i y(k )W nk + y(k )W nk k= 0 Comme y(k ) et W nk sont périodiques sur points : (60) S = Par suite : (61) Z(n) = 1 k = i 1 i=0 1 i y(k )W nk + x(i)y (n)w ni k= 0 1 y(k )W nk = = (n)y (n) k =0 y(k )W nk = Y (n) 43 / 48 Cas des signaux à durée inie Soient x(k) et y(k) deux signaux déinis respectivement sur x et y points. Pour calculer le produit de convolution, à l aide de la relation précédente, il aut périodiser x(k) et y(k) sur une même période. On pourra alors calculer les TFD sur les signaux périodiques et en déduire z(k). Le problème est : Comment choisir?. Il est acile de montrer que que z(k) est déini sur = x + y 1 points. Sa TFD doit être déinie sur autant de points pour ne pas que la périodisation liée à la TFD inverse ne modiie z(k). 44 / 48 Cas des signaux à durée inie EEMPLE : Soit deux portes rectangulaires de la largeur respectives x = 5 et y = 6 : (6) z(k) = x(k) y(k) = x(i)y(k i) i= 45 / 48 16
17 Cas des signaux à durée inie 46 / 48 Cas des signaux à durée inie COCLUSIO : Pour calculer le produit de convolution de signaux à durée inie il aut : Prolonger x(k) et y(k) par des zéros jusqu à k = 1 = x + y 1. Calculer les TFD des deux nouveaux signaux. Calculer la TFD inverse du produit. En principe le signal z(k) est réel, mais la TFD inverse restitue, le plus souvent, un signal complexe dont la partie imaginaire est non-nulle (très petite). Ceci est dù aux erreurs d arrondis durant le calcul. 47 / 48 Corrélation Les relations et propriétés de la corrélation sont analogues à celles établies pour la convolution. Si x(k) et y(k) sont à énergie inie : (63) C xy(k) = i= x(i)y (i k) Si x(k) et y(k) sont périodiques et de même période (64) C xy(k) = 1 i=0 x(i)y (i k) On peut montrer dans ce cas que : (65) S xy(n) = TFD {C xy(k)} = (n)y (n) Si les signaux x(k) et y(k) sont à durée inie, l intercorrélation C xy s obtient en calculant les TFD de x(k) et y(k) sur points, avec = x + y 1. (66) S xy(n) = TFD {x(k)}tfd {y(k)} 48 / 48 17
INTRODUCTION 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 détailTD1 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 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 détailDérivation : Résumé de cours et méthodes
Dérivation : Résumé de cours et métodes Nombre dérivé - Fonction dérivée : DÉFINITION (a + ) (a) Etant donné est une onction déinie sur un intervalle I contenant le réel a, est dérivable en a si tend vers
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 détailFonctions de la couche physique
La Couche physique 01010110 01010110 Couche physique Signal Médium Alain AUBERT alain.aubert@telecom-st-etienne.r 0 Fonctions de la couche physique 1 1 Services assurés par la couche physique Transmettre
Plus en détail- Instrumentation numérique -
- Instrumentation numérique - I.Présentation du signal numérique. I.1. Définition des différents types de signaux. Signal analogique: Un signal analogique a son amplitude qui varie de façon continue au
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 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 détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
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 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 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 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 détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
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 détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailData first, ou comment piloter l analyse par les données
CNRS & Patrick Flandrin École Normale Supérieure de Lyon Data first, ou comment piloter l analyse par les données M2 de Physique Cours 2012-2013 1 Table des matières 1 Introduction 4 2 Rappel sur les analyses
Plus en détailTraitement numérique du signal. Première partie : Bases mathématiques
1 Traitement numérique du signal. Première partie : Bases mathématiques J.Idier H. Piet-Lahanier G. Le Besnerais F. Champagnat Première version du document : 1993 Date de la dernière remise à jour : mars
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 détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
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 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 détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
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 détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1
ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ OLIVIER COLLIER Exercice 1 Le calcul de la banque. 1 Au bout de deux ans, la banque aurait pu, en prêtant la somme S 1 au taux d intérêt r pendant un an, obtenir
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 détailBAC BLANC 2014 / CORRECTİON
BAC BLANC 04 / CORRECİON EXERCİCE EXERCICE I :: Le L ÉLÉMEN saut de F IODE Baumgartner D HIER À AUJOURD HUI (6pts) (9 Première partie du saut : La orce d'attraction gravitationnelle qui s'exerce sur Félix
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
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 détailÉtude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailTransmission de données. A) Principaux éléments intervenant dans la transmission
Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement
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 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 détailModule : systèmes asservis linéaires
BS2EL - Physique appliquée Module : systèmes asservis linéaires Diaporamas : les asservissements Résumé de cours 1- Structure d un système asservi 2- Transmittances en boucle ouverte et ermée 3- Stabilité
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
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 détailChristian JUTTEN Théorie du signal
Christian UTTEN Théorie du signal Cours de deuxième année (3i4) du département 3i Université oseph Fourier - Polytech Grenoble novembre 2009 1 Table des matières 1 Introduction à la théorie du signal 6
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailSemi-conducteurs. 1 Montage expérimental. Expérience n 29
Expérience n 29 Semi-conducteurs Description Le but de cette expérience est la mesure de l énergie d activation intrinsèque de différents échantillons semiconducteurs. 1 Montage expérimental Liste du matériel
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 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 détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
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 détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
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 détailSynthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailI- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
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 détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
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 détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailAutomatique Linéaire 1 1A ISMIN
Automatique linéaire 1 J.M. Dutertre 2014 Sommaire. I. Introduction, définitions, position du problème. p. 3 I.1. Introduction. p. 3 I.2. Définitions. p. 5 I.3. Position du problème. p. 6 II. Modélisation
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 détailUNIVERSITE DE TECHNOLOGIE DE COMPIEGNE. Le Traitement du Signal aléatoire
UNIVERSITE DE TECHNOLOGIE DE COMPIEGNE Le Traitement du Signal aléatoire SY06 partie II - Printemps 2009 P.Simard 12 mai 2009 2 Table des matières 1 Besoins de modèles aléatoires pour les signaux 5 2 Principaux
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailChafa Azzedine - Faculté de Physique U.S.T.H.B 1
Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes
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 détail1 Systèmes triphasés symétriques
1 Systèmes triphasés symétriques 1.1 Introduction Un système triphasé est un ensemble de grandeurs (tensions ou courants) sinusoïdales de même fréquence, déphasées les unes par rapport aux autres. Le système
Plus en détailPlanche n o 22. Fonctions de plusieurs variables. Corrigé
Planche n o Fonctions de plusieurs variables Corrigé n o : f est définie sur R \ {, } Pour, f, = Quand tend vers, le couple, tend vers le couple, et f, tend vers Donc, si f a une limite réelle en, cette
Plus en détailTransmission des signaux numériques
Transmission des signaux numériques par Hikmet SARI Chef de Département d Études à la Société Anonyme de Télécommunications (SAT) Professeur Associé à Télécom Paris. Transmission en bande de base... E
Plus en détailChapitre. Chapitre 12. Fonctions de plusieurs variables. 1. Fonctions à valeurs réelles. 1.1 Définition. 1.2 Calcul de dérivées partielles
1 Chapitre Chapitre 1. Fonctions e plusieurs variables La TI-Nspire CAS permet e manipuler très simplement les onctions e plusieurs variables. Nous allons voir ans ce chapitre comment procéer, et éinir
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
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 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 détailQUELQUES RELATIONS ENTRE LES PRINCIPAUX MOMENTS REPRÉSENTATIFS DU RISQUE EN ASSURANCE AUTOMOBILE, SUR LA BASE D'UN ÉCHANTILLON SEGMENTÉ
QUELQUES RELATIONS ENTRE LES RINIAUX MOMENTS RERÉSENTATIFS DU RISQUE EN ASSURANE AUTOMOBILE, SUR LA BASE D'UN ÉHANTILLON SEGMENTÉ I. INTRODUTION harles HELBRONNER Institut des Actuaires 1 La connaissance
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
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 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 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 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 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 détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailLES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES
LES DIFFÉRENTS FORMATS AUDIO NUMÉRIQUES Compétences mises en jeu durant l'activité : Compétences générales : S'impliquer, être autonome. Compétence(s) spécifique(s) : Reconnaître des signaux de nature
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 détail