GELE2511 Chapitre 7 : Transformée de Fourier discrète
|
|
- Julien Bessette
- il y a 8 ans
- Total affichages :
Transcription
1 GELE2511 Chapitre 7 : Transformée de Fourier discrète Gabriel Cormier, Ph.D., ing. Université de Moncton Hiver 2013 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
2 Introduction Contenu Contenu Série de Fourier discrète Transformée de Fourier discrète Applications Transformée de Fourier rapide Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
3 Introduction Introduction La transformée de Fourier discrète est une méthode qui permet de décrire un signal discret en fonction de la fréquence. On verra ici comment se servir de la transformée de Fourier discrète (DFT) pour analyser le contenu fréquentiel d un signal. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
4 Introduction Introduction Il existe plusieurs termes pour définir la transformée de Fourier de signaux continus et discrets. Transformée de Fourier : s applique aux signaux continus apériodiques. Produit un spectre apériodique. Série de Fourier : s applique aux signaux continus périodiques. Produit un spectre discret. Transformée de Fourier à temps discret (DTFT) : s applique aux signaux discrets apériodiques. Produit un spectre continu périodique. Transformée de Fourier discrète (DFT) : s applique aux signaux discrets périodiques. Produit un spectre discret. Série de Fourier discrète (DFS) : sert d approximation aux coefficients de la série de Fourier. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
5 Introduction Introduction La seule transformée qui s applique aux problèmes de traitement de signaux est la transformée de Fourier discrète (DFT). Les transformées qui s appliquent aux signaux continus ne peuvent pas être utilisées pour des signaux discrets. Quant à la DTFT, elle s applique aux signaux de durée infinie : on ne peut pas s en servir pour des signaux réels (qui auront une durée finie). Même si les signaux discrets ne sont pas nécessairement périodiques, la DFT est la seule transformée applicable. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
6 Série de Fourier discrète Série de Fourier discrète La série de Fourier discrète est très semblable à la série de Fourier. Pour le cas discret, le nombre de sinusoïdes qui constituent un signal est fini. On peut utiliser 3 formes, comme la série de Fourier : forme réelle, forme complexe, forme polaire. Tout comme le cas à temps continu, on utilise une minuscule pour représenter un signal en fonction du temps (x[n]) et une majuscule pour représenter un signal en fonction de la fréquence (X[n]). Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
7 Série de Fourier discrète Série de Fourier discrète La série de Fourier discrète est obtenue à partir de la série de Fourier continue : f(t) = C n e jnω 0t n= où les coefficients de la série de Fourier sont : C n = 1 T T 0 f(t)e jnω 0t dt Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
8 Série de Fourier discrète Série de Fourier discrète On peut transformer les coefficients de la série de Fourier continue aux coefficients de la série de Fourier discrète en faisant les substitutions suivantes : f(t) x[n] (le signal est échantillonné) ω 0 2πf t nt s dt t s On obtient : X DF S [k] = 1 N N 1 x[n]e j2πkn/n n=0 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
9 Série de Fourier discrète Exemple Soit un signal continu x(t) = 4 cos(100πt), échantillonné à 2 fois le taux de Nyquist, pour 3 périodes. Puisque f = 50Hz, f N = 100Hz, et donc f s = 200Hz n Le signal échantillonné est x[n] = {4, 0, 4, 0, 4, 0, 4, 0, 4, 0, 4, 0}. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
10 Série de Fourier discrète Exemple (2) On applique l équation de la DFS pour calculer le spectre k Cependant, on a 2 pics dans le spectre, alors qu il n y a qu un seul cosinus. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
11 Série de Fourier discrète Exemple (3) On a un pic à k = 3 et k = 9. À cause de 3 périodes F = f = 50 f s 200 = 1 4 = = 3 12 = k N Est-ce que ça implique qu on a 2 cosinus dans le signal? Il faut considérer la composante négative : 2 cos( 2π50t) + 2 cos(2π50t) = 4 cos(2π50t) La DFS a la propriété d être symétrique conjugué : X[k] = X [N k] Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
12 Série de Fourier discrète Exemple (4) On réarrange l abscisse pour identifier les composantes négatives k Les pics sont à k = 3 et k = 3, qui sont donc à la même fréquence. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
13 Série de Fourier discrète Exemple (5) Les points de N/2 + 1 à N 1 sont le conjugué des points de N/2 à 0. Si on veut un graphe où il y a seulement des fréquences positives, il faudra multiplier les amplitudes des coefficients 1 à N/2 (le DC est à la bonne amplitude). Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
14 Série de Fourier discrète Exemple (6) Comment interpréter l abscisse? L abscisse fait seulement du sens en fonction du taux d échantillonnage. Les points de k = 0 à N 1 peuvent être remplacés par F = k/n ; l abscisse variera de 0 à 1. Les points k = 0 à N 1 peuvent être remplacés par f = (k/n)f s ; l abscisse variera de 0 à f s. On peut aussi représenter les fréquences de façon radiale : on multiplie par 2π. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
15 Série de Fourier discrète Exemple (7) On peut retracer le spectre en fonction de F ou f s F f (Hz) Le pic est bien à la bonne fréquence : 50Hz. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
16 Fuite spectrale Problèmes de la DFS On verra qu on peut avoir des erreurs dans le spectre si l échantillonnage n est pas fait correctement. On verra qu il y a des erreurs si on n échantillonne pas pour un nombre entier de points par période. On reprend l exemple précédent, mais cette fois on échantillonne à 240Hz au lieu de 200Hz. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
17 Fuite spectrale Problèmes de la DFS On échantillonne à 240Hz : on a 240/50 = 4.8 échantillons par période n Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
18 Fuite spectrale Problèmes de la DFS On calcule la DFS de ce signal f (Hz) Il y a erreur dans la fréquence : c est 51.5 Hz environ, une erreur de 3%. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
19 Fuite spectrale Problèmes de la DFS On peut aussi comprendre ce phénomène si on considère que de 0 à 120 Hz, il y a 8 points (incluant le DC). L intervalle de 0 à 120 Hz est divisé en 7 : Hz par pas. Le point le plus près de 50 Hz est , ou 51.4 Hz. Dans ce cas-ci, on n a pas assez de points pour représenter correctement le 50 Hz. L intervalle entre les points est appelé l espacement spectral, et correspond à S/N. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
20 Fuite spectrale Fuite spectrale Si on n échantillonne pas un signal pour un nombre entier de points par période, il y aura une erreur dans les coefficients de la série de Fourier. On appelle ce phénomène la fuite spectrale. La série de Fourier discrète calculée donnera des fréquences autres que celles dans le signal (mais quand même près de la vraie valeur). Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
21 Fuite spectrale Effets de la fuite spectrale La fuite spectrale est présente si on n échantillonne pas pour un nombre entier de points par période. La transformée de Fourier aura des composantes non nulles à des fréquences autres que celles du signal. Il peut aussi avoir du repliement si le signal continu contient des harmoniques de fréquence plus élevée que le taux d échantillonnage. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
22 Fuite spectrale Minimiser la fuite spectrale On peut minimiser les effets de la fuite spectrale si on échantillonne à un taux plus élevé que le taux de Nyquist. De façon pratique, pour avoir une erreur plus petite que 5% dans les M premières harmoniques, il faut échantillonner à f s = 8f M, où f M est la fréquence de la M ieme harmonique. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
23 Fuite spectrale Minimiser la fuite spectrale On devrait idéalement échantillonner pour un nombre entier de points par période. Pratiquement, ceci est rarement possible, puisqu on ne connaît pas à priori les fréquences d un signal. On doit donc échantillonner le plus longtemps possible, pour réduire l espacement spectral. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
24 Fuite spectrale Exemple Soit une onde carrée de 50 Hz échantillonnée à 1 khz : 20 échantillons par période Temps (ms) Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
25 Fuite spectrale Exemple (2) Le spectre : Fréquence (Hz) Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
26 Fuite spectrale Exemple (3) On compare les coefficients de la série de Fourier à ceux de la DFS : C(k) X[k] Erreur DC Fondamentale % 2 e harmonique e harmonique % 4 e harmonique e harmonique % La fondamentale et la 3 e harmonique ont moins de 5% d erreur : S < 8(3f 0 ) Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
27 Transformée de Fourier discrète Transformée de Fourier discrète On peut obtenir la transformée de Fourier discrète à partir de la série de Fourier discrète. Transformée de Fourier discrète N 1 X DF T [k] = x[n]e j2πkn/n = NX DF S n=0 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
28 Transformée de Fourier discrète Transformée de Fourier discrète inverse La transformée inverse (IDFT) est : Transformée de Fourier discrète inverse x[n] = 1 N 1 X DF T [k]e j2πkn/n N k=0 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
29 Transformée de Fourier discrète Exemple Calculer la DFT du signal suivant : x[n] = {1, 2, 1, 0} Dans ce cas-ci, on a N = 4, et donc selon la définition de la DFT, e j2πkn/n = e jπkn/2. On calcule les valeurs : k = 0 : X DF T [0] = k = 1 : X DF T [1] = k = 2 : X DF T [2] = k = 3 : X DF T [3] = X DF T = {4, j2, 0, j2} 3 x[n]e 0 = = 4 n=0 3 x[n]e jπn/2 = 1 + 2e jπ/2 + e jπ + 0 = j2 n=0 3 x[n]e jπn = 1 + 2e jπ + e j2π + 0 = 0 n=0 3 x[n]e j3πn/2 = 1 + 2e j3π/2 + e j3π + 0 = j2 n=0 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
30 Transformée de Fourier discrète Quelques propriétés Quelques transformées utiles : {1, 0, 0, 0,..., 0} impulsion {1, 1, 1, 1,..., 1} constante {1, 1, 1, 1,..., 1} constante {N, 0, 0, 0,..., 0} impulsion cos(2πnk 0 /N) sinusoïde 0.5N(δ[k k 0 ] + δ[k (N k 0 )]) Remarquer qu un signal qui est court dans le temps est long en fréquence, et vice-versa. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
31 Applications Applications On verra quelques applications de la transformée de Fourier discrète : Analyse spectrale d un signal Réponse en fréquence d un système Convolution Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
32 Applications Analyse spectrale Analyse spectrale Il existe plusieurs signaux dont l information est codée dans des sinusoïdes. La voix est un bon exemple : les humains peuvent distinguer des sons de 20Hz à 20kHz environ. La musique n est qu une suite de notes de fréquence fixe (ex : A 4 est 440Hz). Les pales d un sous-marin tournent à une fréquence qui peut être détectée. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
33 Applications Analyse spectrale Exemple 1 Supposons qu on veut caractériser les sons enregistrés dans l océan. On place un microphone dans l eau pour enregistrer les sons, puis on amplifie le signal. On utilise un filtre passe-bas pour couper les sons au-dessus de 80Hz. On échantillonne à 160Hz. On procède ensuite à l analyse du spectre. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
34 Applications Analyse spectrale Exemple 1 On observe le signal en fonction du temps pour voir si on peut déduire de l information temps (s) Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
35 Applications Analyse spectrale Exemple 1 On observe maintenant le spectre Fréquence (Hz) Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
36 Applications Analyse spectrale Exemple 1 On analyse le contenu spectral : Si on ignore les pics, on voit qu entre 10Hz et 70Hz le spectre est constant ; c est le bruit blanc gaussien. Le bruit blanc gaussien est appelé ainsi parce qu il est constant sur toutes les fréquences. Le bruit blanc est causé par plusieurs choses : ici, ça peut être le microphone, ou même l océan. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
37 Applications Analyse spectrale Exemple 1 Analyse du contenu spectral (suite) : Pour les fréquences très faibles, on remarque que le bruit augmente très rapidement, avec une forme qui ressemble à 1/f : c est le bruit rose (flicker noise). Ce type de bruit apparaît dans pratiquement tous les systèmes physiques, que ce soit électrique, mécanique, etc. Aucune théorie ne permet d expliquer tous les cas où se trouve ce type de bruit. Pour les systèmes électriques courants, c est généralement en-dessous de 100Hz qu on retrouve ce type de bruit. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
38 Applications Analyse spectrale Exemple 1 Analyse du contenu spectral (suite) : les pics À 60Hz, il y a généralement pollution causée par l équipement électronique. On peut observer des harmoniques à 120Hz, 180Hz, etc. Il y a souvent des pics entre 25kHz et 40kHz qui sont causés par certains types d alimentations à découpage. Les appareils mécaniques rotatifs causent aussi des fréquences faibles : un moteur qui tourne à 1800rpm cause des vibrations à 30Hz. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
39 Applications Analyse spectrale Exemple 1 Analyse du contenu spectral (suite) : les pics Il y a un pic important à 13Hz, et un pic plus faible à 26Hz, qui est probablement une harmonique de celui de 13Hz. Ce signal pourrait être causé par les pâles triples d un sous-marin qui tournent à 4.33 tours/seconde. Cette technique est la base du sonar passif. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
40 Obtention du spectre Obtention du spectre Pour obtenir le spectre d un signal à l aide de la DFT, il suffit d appliquer l équation de la DFT aux échantillons. Cependant, il faut bien savoir interpréter les résultats. On prend donc un exemple simple pour démontrer comment interpréter correctement la DFT. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
41 Obtention du spectre Exemple Obtention du spectre Le signal : x(t) = 0.5 cos(2π44t) sin(2π232t) cos(2π415t) On va ajouter du bruit blanc gaussien à ce signal en utilisant la commande awgn dans Matlab. Le signal sera échantillonné à 3kHz, et on utilisera 256 échantillons. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
42 Obtention du spectre Exemple Obtention du spectre Le signal est le suivant : Code Matlab : N = 256; S = 3000; t = 0 : 1/S : (N-1)/S; x = 0.5*cos(2*pi*t*44)+0.4*sin(2*pi*t*322)+0.5*cos(2*pi*t*415); x = awgn(x,15); Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
43 Obtention du spectre Exemple Obtention du spectre À l aide de la DFT, on obtient le spectre suivant : k Code Matlab : X = fft(x); k = 1:N; plot(k,abs(x)); Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
44 Obtention du spectre Exemple Obtention du spectre Quelques remarques sur la figure précédente : L abscisse est en fonction de k, et pas en fonction de la fréquence. Il faut transformer l abscisse de sorte qu elle soit en fonction de la fréquence d échantillonnage, si on veut que le graphe fasse du sens du côté pratique. Les points de 0 à 128 doivent en fait varier de 0 à 1500Hz (0 à f s /2). Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
45 Obtention du spectre Exemple Obtention du spectre En fonction de la fréquence : f (Hz) Code Matlab : f = 0: S/N : 0.5*S; stem(f,abs(x(0:129))); xlabel( f (Hz) ); Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
46 Obtention du spectre Exemple Obtention du spectre Il y a peu d information utile après 500Hz, donc on fait un zoom sur cette partie du spectre à l aide de la commande xlim f (Hz) Cependant, la résolution spectrale (S/N) est de 11.72Hz, ce qui ne permet pas de bien déterminer les fréquences. Il faudrait utiliser plus de points. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
47 Obtention du spectre Exemple Obtention du spectre Avec 1024 points, la résolution est bien meilleure f (Hz) Cependant, plus on a de points, plus le temps de calcul est élevé. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
48 Obtention du spectre Fenêtre de Hamming Fenêtre de Hamming Un façon d améliorer les pics sans utiliser plus de points est de multiplier le signal en fonction du temps par une composante appelée une fenêtre de Hamming. La fenêtre de Hamming va atténuer les bouts du signal. En termes de spectre, la fenêtre de Hamming va rendre les pics plus grands par rapport au bruit, mais ça va aussi les élargir. Il existe plusieurs autres fenêtres. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
49 Obtention du spectre Fenêtre de Hamming Fenêtre de Hamming Effet de la fenêtre de Hamming : 1 Fenêtre de Hamming 2 Signal multiplié par la fenêtre n t Code Matlab : x = x.*hamming(n) ; Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
50 Obtention du spectre Fenêtre de Hamming Fenêtre de Hamming On peut voir l effet de la fenêtre de Hamming sur le spectre. 80 Sans fenêtre de Hamming 40 Avec la fenêtre de Hamming f (Hz) f (Hz) Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
51 Réponse en fréquence Réponse en fréquence Une autre application de la DFT est la réponse en fréquence d un système, qui permet de voir le comportement en termes de fréquence. La réponse en fréquence d un système est la transformée de Fourier de la réponse impulsionnelle. Dans certains cas, la réponse en fréquence donne beaucoup plus d information sur la fonction d un système que sa réponse impulsionnelle. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
52 Réponse en fréquence Réponse en fréquence Exemple : réponse impulsionnelle d un système quelconque. Il est difficile de déterminer la fonction du système n Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
53 Réponse en fréquence Réponse en fréquence En faisant la DFT de ce signal, la fonction est plus claire : c est un filtre passe-bande F Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
54 Réponse en fréquence Réponse en fréquence Pour obtenir plus de résolution, on va effectuer la DFT avec plus de points. On ajoute des zéros à la fin du signal. 0.4 signal additioné de zéros 1.5 DFT n F On n a pas augmenté la précision du spectre, seulement sa résolution. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
55 Convolution Convolution par la DFT Une autre application de la DFT est pour faire la convolution de deux signaux. Dans le domaine du temps, on utilise la convolution pour calculer la sortie d un système. Dans le domaine de fréquence, on fait la multiplication. x[n]h[n] X[k]H[k] Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
56 Convolution Convolution par la DFT Bien qu il y ait des étapes supplémentaires, c est plus rapide de passer par la DFT pour faire la convolution. Étapes : DFT de x[n], DFT de h[n], multiplication, transformée inverse. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
57 Convolution Convolution par la DFT Certains problèmes : La longueur de la convolution n est pas la même que la DFT. Pour un signal x[n] de longueur N et h[n] de longueur M, la longueur de la convolution est N + M 1. La longueur de la DFT est N (si N > M). Il manque des points. Il faut donc ajouter des zéros aux signaux pour qu ils soient de longueur N + M 1, avant de faire la DFT. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
58 Convolution Exemple Soit x[n] = {1, 3, 1, 5} et h[n] = {4, 3, 2, 1}. Effectuer la convolution par la DFT. La convolution serait de longueur = 7. Il faut ajouter 3 zéros à chaque séquence. X[k] = {4.0, 5.60 j0.80, j7.27, 3.21 j2.79, j2.79, 3.88 j7.27, j0.80} H[k] = {10, 4.52 j4.73, 2.15 j1.28, 2.32 j0.72, j0.72, j1.28, j4.73} On multiplie point par point : Y [k] = {40, j22.86, j10.72, 5.47 j8.77, j8.77, Puis la transformée inverse : j10.70, j22.86} y[n] = {4, 9, 3, 18, 14, 11, 5} Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
59 Convolution Déconvolution Si on connaît la sortie d un système et la réponse impulsionnelle, on peut calculer l entrée à l aide de la déconvolution. Déconvolution est beaucoup plus complexe que la convolution. Beaucoup plus facile dans le domaine de fréquence. Division simple dans le domaine de fréquence. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
60 Propriétés Propriétés de la DFT Si X DF T est la DFT d un signal discret x[n], alors : kx[n] kx DF T [k] x 1 [n] + x 2 [n] X 1 [k] + X 2 [k] x[ n] X DF T [ k] = XDF T [k] x[n s] e j2πsk/n X DF T [k] x[n]y[n] 1 N X DF T [k] Y DF T [k] x[n] y[n] X DF T [k]y DF T [k] linéarité additivité repliement déphasage multiplication convolution périodique Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
61 Propriétés Propriétés de la DFT Si X DF T [k] est la DFT d une séquence x[n], alors : 1 Si un signal est répété M fois, la DFT de ce signal est l interpolation zéro de X DF T et multipliée par M. {x[n], x[n], x[n],..., x[n] } MX } {{ } DF T [k/m] Mfois 2 Si un signal subit une interpolation zéro de M, alors la DFT est répétée M fois : x[n/m] {X DF T [k], X DF T [k], X DF T [k],..., X DF T [k]} } {{ } Mfois Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
62 Propriétés Théorème de Parseval Puisque le temps et la fréquence sont deux domaines équivalents pour représenter un signal, ils doivent avoir la même énergie. C est le théorème de Parseval : N 1 x 2 [n] = 1 N i=0 N/2 k= N/2 X[k] 2 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
63 Propriétés Formulation matricielle On peut exprimer la DFT sous forme matricielle. Soit W N = e j2π/n, ce qui donne : où N 1 X DF T [k] = x[n]wn nk, k = 0, 1,..., N 1 n=0 X = W N x WN 0 WN 0 WN 0 WN 0 WN 0 WN 1 WN 2 W N 1 N W N = WN 0 WN 2 WN 4 W 2(N 1) N WN 0 W N 1 N W 2(N 1) N W (N 1)(N 1) N Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
64 Détection de signaux Détection de signaux On peut utiliser la DFT pour détecter la fréquence de signaux. On utilise les effets du repliement. L emplacement des composantes spectrales peut changer à cause du repliement. Si on peut échantillonner à des taux différents, on peut trouver les composantes spectrales d un signal. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
65 Détection de signaux Détection de signaux Pour S = 100, 200 et 500Hz, les pics changent de fréquence. Mais à S = 1kHz, les pics sont au même endroit que S = 500Hz. 0.4 S = 100Hz 0.4 S = 200Hz f (Hz) S = 500Hz f (Hz) f (Hz) S = 1000Hz f (Hz) Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
66 DTFT DTFT La DTFT (Transformée de Fourier à temps discret) est une méthode pour décrire un signal discret comme une somme d exponentiels complexes. La DTFT produit un spectre continu. La DFT est la version échantillonnée de la DTFT. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
67 DTFT DFT Par définition, la DTFT est : X(F ) = où F est une variable continue. m= x[m]e j2πmf La DTFT est périodique, avec une période de 1. L intervalle 0.5 < F < 0.5 est la période principale. La DTFT inverse est : x[n] = X(F )e j2πnf df Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
68 DTFT Exemple Calculer la DTFT de la séquence x[n] = {1, 0, 3, 2}. À partir de la définition, X(F ) = x[m]e j2πmf = 1 + 3e j4πf 2e j6πf m= L amplitude du spectre est montré à la figure suivante. 8 6 Amplitude F Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
69 FFT FFT Il existe plusieurs méthodes pour calculer la DFT, mais la plus rapide est la FFT. Cet algorithme est très efficace, jusqu à des centaines de fois plus rapide que les méthodes conventionnelles. Sans la FFT, plusieurs techniques de traitement de signal ne seraient pas pratique. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
70 FFT FFT J.W. Cooley et J.W. Tukey sont les 2 ingénieurs crédités pour l invention de la FFT, dans un article paru en Bien que la technique elle-même n étaient pas récente, les auteurs étaient les premiers à réaliser que les méthodes mathématiques de Gauss pouvaient être utilisées avec des ordinateurs. La FFT est comme le transistor du traitement de signal. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
71 FFT Problèmes de la DFT L algorithme de la DFT a quelques problèmes : Inefficace N utilise pas les propriétés de la DFT (symétrie conjuguée, etc.) On optimise la DFT en exploitant certaines propriétés. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
72 FFT Optimiser la DFT On peut exploiter la symétrie et périodicité de W N. W n+n N W n+n/2 N WN Nk = e j2π(n+n)/n = e j2πn/n e j2πn/n = e j2πn/n = W n N = e j2π(n+n/2)/n = e j2πn/n e jπ = e j2π/n = W n N = e j2πnk/n = e j2πk = 1, où k est un entier W 2 N = e j2π2/n = e j2π/(n/2) = e j2π/n = W N/2 Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
73 FFT Optimiser la DFT Choisir une valeur de N qui est le produit de plusieurs petits chiffres. On veut que N = r 1 r 2 r m. Il est utile de choisir la même valeur de r, de sorte que N = r m. Le plus commun est r = 2. Décimation des indices On accélère le calcul si on sépare le signal en composantes paires et impaires. Utilisation efficace de la mémoire Ce aspect touche plutôt le côté pratique : on enregistre les résultats des calculs dans les mêmes adresses qui contenaient les données. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
74 FFT Optimiser la DFT Quelques résultats simples mais fondamentaux peuvent simplifier les calculs : La DFT d un seul échantillon est l échantillon lui-même : X DF T [0] = x[0]w 0 1 = x[0] La DFT de deux échantillons est une opération simple : X 2 [0] = x[0]w x[1]w 0 2 = x[0] + x[1] X 2 [1] = x[0]w x[1]w 1 2 = x[0] x[1] Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
75 FFT FFT Le calcul de la DFT est une opération d ordre N 2. Selon l équation de la DFT, N 1 X[k] = x[n]wn nk on remarque qu il faut : N 2 multiplications complexes N(N 1) additions complexes n=0 Il y a beaucoup d opérations à effectuer. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
76 FFT FFT À l aide des propriétés vues auparavant, on peut grandement accélérer le calcul de la DFT. On passe d un calcul ayant N 2 multiplications à un calcul ayant log 2 (N) multiplications. Pour des signaux à plusieurs échantillons, la FFT est beaucoup plus rapide. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
77 FFT FFT L implantation pratique de la FFT nécessite un nombre de points qui est une puissance de 2. Si le nombre de points n est pas une puissance de 2, on doit ajouter des zéros à la fin de la séquence. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
78 FFT IFFT Pour calculer la transformée inverse, on utilise la formulation matricielle : X = W M x x = W 1 M X = 1 M [W M] T X C est pratiquement le même calcul que la FFT, sauf qu on utilise le conjugué de W M transposé. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
79 Conclusion Conclusion Les points clés de ce chapitre sont : Calculer la DFT (FFT) d un signal. Savoir appliquer l axe de fréquence à la DFT. Utiliser la fenêtre de Hamming. Utiliser la DFT pour faire la convolution, la détection de signaux et la réponse en fréquence. Gabriel Cormier (UdeM) GELE2511 Chapitre 7 Hiver / 79
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 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 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 détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
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 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 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 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 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 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 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 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 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 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 détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
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 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 détailGELE5222 Chapitre 9 : Antennes microruban
GELE5222 Chapitre 9 : Antennes microruban Gabriel Cormier, Ph.D., ing. Université de Moncton Hiver 2012 Gabriel Cormier (UdeM) GELE5222 Chapitre 9 Hiver 2012 1 / 51 Introduction Gabriel Cormier (UdeM)
Plus en détailFiltres passe-bas. On utilise les filtres passe-bas pour réduire l amplitude des composantes de fréquences supérieures à la celle de la coupure.
Filtres passe-bas Ce court document expose les principes des filtres passe-bas, leurs caractéristiques en fréquence et leurs principales topologies. Les éléments de contenu sont : Définition du filtre
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 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 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 détailDidier Pietquin. Timbre et fréquence : fondamentale et harmoniques
Didier Pietquin Timbre et fréquence : fondamentale et harmoniques Que sont les notions de fréquence fondamentale et d harmoniques? C est ce que nous allons voir dans cet article. 1. Fréquence Avant d entamer
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 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 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 détailErreur statique. Chapitre 6. 6.1 Définition
Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée
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 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 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 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 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 détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
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 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 détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
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 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 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 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 détailAnalyse spectrale. jean-philippe muller. version juillet 2002. jean-philippe muller
Analyse spectrale version juillet 2002 Analyse spectrale des signaux continus 1) La représentation temporelle d un signal 2) La représentation fréquentielle d un signal simple 3) Exemples de spectres de
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
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 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 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 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 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 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 détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
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 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 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 détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailTP 03 B : Mesure d une vitesse par effet Doppler
TP 03 B : Mesure d une vitesse par effet Doppler Compétences exigibles : - Mettre en œuvre une démarche expérimentale pour mesurer une vitesse en utilisant l effet Doppler. - Exploiter l expression du
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 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 détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailD'UN THÉORÈME NOUVEAU
DÉMONSTRATION D'UN THÉORÈME NOUVEAU CONCERNANT LES NOMBRES PREMIERS 1. (Nouveaux Mémoires de l'académie royale des Sciences et Belles-Lettres de Berlin, année 1771.) 1. Je viens de trouver, dans un excellent
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 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 détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
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 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 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 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 détailINTERPRÉTATION ET ANOMALIES DE LA PROSPECTION À RÉSONANCE MAGNÉTIQUE (MRS)
1 Géologie, géotechnique, risques naturels, hydrogéologie, environnement et services scientifico-techniques INTERPRÉTATION ET ANOMALIES DE LA PROSPECTION À RÉSONANCE MAGNÉTIQUE (MRS) INTERPRETATION DES
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 détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
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 détailLÕenregistrement. 10.1 Enregistrement analogique et enregistrement numžrique
10 LÕenregistrement numžrique 10.1 Enregistrement analogique et enregistrement numžrique Tout processus d enregistrement, comme nous l avons vu dans les chapitres précédents, débute par la conversion des
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 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 détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
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 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 détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailTechnique de codage des formes d'ondes
Technique de codage des formes d'ondes Contenu Introduction Conditions préalables Conditions requises Composants utilisés Conventions Modulation par impulsions et codage Filtrage Échantillon Numérisez
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
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 détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
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 détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
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 détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
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 détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
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 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 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 détailPartie Agir : Défis du XXI ème siècle CHAP 20-ACT EXP Convertisseur Analogique Numérique (CAN)
1/5 Partie Agir : Défis du XXI ème siècle CHAP 20-ACT EXP Convertisseur Analogique Numérique (CAN) Objectifs : Reconnaître des signaux de nature analogique et des signaux de nature numérique Mettre en
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
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 détailChapitre 2 : communications numériques.
Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés
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 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 détail