Echantillonnage sinusoïde 3.16 [mV], 64 [MHz] 1 Zoom : Échantillonnée à fe = 192 [MHz], N = 255 échantillons.

Slides:



Advertisements
Présentations similaires
TRANSFORMEE DE FOURIER DISCRETE
Advertisements

Analyse Spectrale de Fourier
Analyse temps-fréquence
Numérisation du signal principes
PRINCIPE SIMPLIFIE DE LA COMPRESSION MP3
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
Comment calculer le spectre d’un signal audio
Cours 5 – Comment bien échantillonner le signal audio
Comment décimer les sons numériques
3. L’échantillonnage des signaux
1 Jean-Paul Stromboni, octobre 2007, SI3 Réviser le devoir surveillé n°1 du cours S.S.I.I. Jean-Paul Stromboni, octobre 2007, SI3 Elève : ______________________.
Filtres (n entier, Te=1s)
Calcul de la composition fréquentielle du signal audio
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
Du signal continu au numérique
Mesures dans le domaine fréquentiel
Modulation numérique.
La transformée de Fourier en pratique

Séries de Fourier Tout signal périodique (T) de puissance finie peut être décomposé en une somme de sinus et de cosinus. An=0 1(4/) 1+ 3 (4/3)
Traitement du Signal Hugues BENOIT-CATTIN.
Cours S.S.I., SI1, avril 2007 – Comment utiliser les outils déjà présentés. Page 1 Comment utiliser les outils déjà présentés dans le cours S.S.I. et pourquoi.
Sous-échantillonner le signal audio pour compresser
1 PolytechNice-Sophia, Département S.I., S.I.3, octobre 2012, Jean-Paul Stromboni Séance 7 : Retour sur les cinq premiers chapitres du cours S.S.I.I.
6. Introduction à la modulation d’amplitude
1. Introduction 1.1. Modélisation des signaux
Analyse fréquentielle
5. Echantillonnage Introduction
Traitement du signal TD0 : Introduction.
1 par Jean-Paul Stromboni, octobre 2008 Un autobilan pour réviser le devoir surveillé n°1 du cours S.S.I.I., par Jean-Paul Stromboni, octobre 2008 Elève.
1 Jean-Paul Stromboni, octobre 2007, SI3 Réviser le devoir surveillé n°1 du cours S.S.I.I. Jean-Paul Stromboni, octobre 2007, SI3 Elève : ______________________.
Miniprojet S.S.I.I., , S.I.3 Analyse du signal NOTEguitare.wav N = fe=44100 Hz le signal audio à analyser :
Miniprojet S.S.I.I. en , S.I.3 Analyse du signal Noteguitare.wav N = fe=44100 Hz le signal audio à analyser :
ELG La transformée de Fourier, énergie, puissance et densités spectrales.
1. Amplificateur non inverseur
Traitement Numérique du Signal
ISPG l’école d’ingénieurs de l’Institut Galilée Université Paris 13
Traitement Numérique du Signal
SCIENCES PHYSIQUES ET CHIMIQUES FONDAMENTALES ET APPLIQUEES
FILTRAGE - R.WEBER - POLYTECH'ORLEANS
Utiliser le spectre et la transformée de Fourier
Théorie de l'Échantillonnage
Introduction.
Transformée de Fourier en Temps Continu (TFTC)
TNS et Analyse Spectrale
SoundEngine Un serveur d ’effets sonore en temps réel Juillerat Nicolas.
Projet I3 Système Embarqué Dépistage de la Maladie de Ménière
Signal d’échantillonnage vH(t) et son spectre
L’électronique numérique
Reconnaissance automatique de la parole
Les différentes sortes de filtre
Modulation Démodulation
INF-1019 Programmation en temps réel
Calcul numérique de la transformée de Fourier Applications:
Analyseur de Spectre Analogique
DU TRAITEMENT DU SIGNAL
Retour sur les filtres et bancs de filtres Jean-Paul Stromboni, décembre 2007.
Calcul de la composition fréquentielle du signal audio
3. L’échantillonnage des signaux
1 23 mars 2004, Jean-Paul Stromboni Signaux et Systèmes pour l’Informaticien Bilan essais erreurs des six premières séances Module SSI d’ESSI 1– 23 mars.
DU TRAITEMENT DU SIGNAL
Séquence Chaîne de base Episode 5 « Pour aller plus loin »
SSII, séance n°13, bilan du cours 15 décembre 2015 Dernière séance 2015 Résumé des chapitres et notions abordées en 2015.
e-Caractéristiques des ondes sonores et ultrasonores
Produire des sons, écouter Chap. 1 - Les ondes stationnaires Chap. 2 - Produire un son par un instrument de musique Chap. 3 - Acoustique musicale et physiques.
Rappels sur la transformée de Fourier
ECHANTILLONNAGE.
Séries de Fourier Tout signal périodique (T) de puissance finie peut être décomposé en une somme de sinus et de cosinus. An=0 1(4/) 1+ 3 (4/3)
Active Noise Cancellation
Exploiter la fonction fft(.) de Scilab
Transcription de la présentation:

Echantillonnage sinusoïde 3.16 [mV], 64 [MHz] 1 Zoom : Échantillonnée à fe = 192 [MHz], N = 255 échantillons

sinusoïde 3.16 [mV], 64 [MHz] 2 Échantillonnée à fe = 192 [MHz], N = 255 échantillons

sinusoïdes 3.16 [mV] 3 Échantillonnée à fe = 192 [MHz], N = 255 échantillons 64 [MHz]65 [MHz] (amplitude injectée = dB) (amplitude = dB)(amplitude = dB)

Echantillonnage 2 sinusoïdes a = 3.16 [mV] et a/2 = 1.58 [mV] 4 Échantillonnée à fe = 192 [MHz], N = 255 échantillons (amplitudes = dB et dB) 64 [MHz] 11.3 [MHz] ( dB)( dB) 64 [MHz] 11.7 [MHz] ( dB)(-40.8 dB)

Transformée de Fourier Discrète sur N = 255 points, fe = 192 [MHz] Signal échantillonné : N = 255 échantillonné La TFD ne va calculer queue les points n (que certaines fréquences) : y n N-1 k est le numéro de l’échantillon [Hz] Combien vaut le pas (“bin”) ? 64 [MHz] T. F. D. n = 0,1,2,…,254 k = 0,1,2,…,254 [Sans Unité]

Transformée de Fourier Discrète sur N = 255 points, fe = 192 [MHz] Normalisation 64 [MHz] 11.7 [MHz] n 85 un pas = Que faire ? Rappel : 0 f [Hz] f e 0n [NU] N 0n/N [NU] 1 zoom

Transformée de Fourier Discrète sur N = 255 points, f e = 192 [MHz] Pourquoi tous les points ne sont pas à -330 dB ! ? 64 [MHz] Laquelle des 2 raies est la bonne : 64 ou 128 [MHz] ? Il faut que la fréquence observée soit un multiple de 64 = 85. fe / 255 entier 65 = 86,33. fe / 255 Non entier Remarque : 65 [MHz]

0 1/fe fe 64 [MHz] Laquelle des 2 raies est la bonne ? duplication du spectre (repliement) 0 fe f 0 2fe fe fe

Pourquoi tous les points ne sont pas à -340 dB ? Fenêtre d’observation f0f0 0 1 f f f 0 0 f0f0 f0f0 0

Lobes du sinc (“zero-padding”) N = [MHz] N p = N = [MHz] Sauf en f 0, le sinc s’annule aux frequences f 0 ± k.f e /N N p = =n.fe/N 65 ≠ n.fe/N

═› La TFD est périodique de période 1 (ou f e ) ≡ “signal decale de N (ou N.Te) fe 0 2fe f Fenêtre (temporelle) = (N.T e ) (= N/f e ) Il faut donc que la fenêtre d’observation soit un multiple n de la période T du signal. soit : N/f e = n. 1/f f = n. ( f e /N) On retrouve : y T TeTe N.T e x(k)=x(k+N)

Les fenetres rectangle triangleVon Hann Hamming Blackmann-HarrisKaiser 3.0π t t

Les fenêtres (propriétés) windows highest side lobe level (dB) side lobe fall off (dB/oct) coherent gain equiv. noise BW (BINS) 3.0dB BW (BINS) scallop Loss (dB) Worst Case process Loss (dB) 6.0dB BW (BINS) overlap corrrelation (PCNT) f f bruit f0f0 W(f) y(f) ENBW = largeur / G( S)= G (B) rectangle Triangle Hanning Hamming Riesz Riemann Vallée-Poussin Tukey Bohman Poisson Hanning- Poisson Cauchy Gaussian Dolph- Chebyshev Kaiser- Bessel Barcilon- Temes Ex. Blackmann Blackmann -Harris Kaiser- Bessel

Echantillonnage (Travaux Pratiques) juin 2012 Rf Agilent generator sinus, level = dBm ≡ 2.24 mV rms, à f ThomX = 41.4 MHz Maurice Cohen-Solal 14 Mesure domaine temporel au scope Lecroy : dBm ≡ 2.10 mV rms Mesure analyseur de spectre : dBm / 2MHz, (pas d’harmonic) Mesure FFT scope : -42 dBm (10 GS/s,  f = 2.38 kHz, bins, ENBW = 1.363, Hamming), (the harmonic 4 is present) Pourquoi 7 pts ? Pourquoi cette forme dissymétrique? A quoi est due la largeur du spectre ? Peut-on l’améliorer ? Meilleur résolution trouvée (intuitivement ):

Echantillonnage (Travaux Pratiques) juin Mesure FFT scope : -42 dBm (10 GS/s,  f = 2.38 kHz, bins, ENBW = 1.363, Hamming), (the harmonic 4 is present) ENBW = 1.363, Hamming), (the harmonic 4 is present) 11.1 [kHz] 15.3 [kHz] f ThomX = 41.4 MHz

Echantillonnage (Travaux Pratiques) 11.1 [kHz] N p = points 15.3 [kHz] bins 9.0 kHz 3.8/N 4.044/N Largeur Hamming :

Choix de f e et de N f0 =64 [MHz], Hamming f e =256 [MHz] N = 256 f e = [MHz] N = f e =256 [MHz] N =

Choix de f e et de N f0 =64 [MHz], Hamming f e =256 [MHz] N = 256 f e =256 [MHz] N = Zero-padding + zoom

Choix de la fenêtre 20 périodes de porteuse numérisées. Amplitude porteuse = mV crête. F porteuse = 41.4 [MHz] Fréquence de modulation f = 2 [MHz] Indice de modulation = m = 0.1 Fenêtre de Hann fe = 200 [MHz] fe = [MHz]

Choix de la fenêtre 20 périodes de porteuse numérises. Amplitude porteuse = mV crête. F porteuse = 41.4 [MHz] Fréquence modulation f = 2 [MHz] Indice modulation = m = 0.1 Hann (  = 0.2) fe = 200 [MHz] Kaiser (3.0π) Triangulaire Blackmann-Harris L.B. = 4.0 HSLL= -32 L.B. = 3.07 HSLL = -24 L.B. = 4.0 HSLL = -27 L.B. = 8.19 HSLL = -67 HSLV = Highest Side Lobe Level [dB] L.B. = Largeur a la Base lobe principal [BIN]

Sinus + Bruit numérisés Bruit  t = 70 [mV], f e = 256 [MHz] 10log(0.07) 2 = dB + Sinusoïde de 10 [mV] N = points FFT, N = 256points, rectangulaire N = points Echantillonnage, N = 256points