Exploiter la fonction fft(.) de Scilab

Slides:



Advertisements
Présentations similaires
TRANSFORMEE DE FOURIER DISCRETE
Advertisements

Détecteur de mélodie sujet proposé par J. Le Roux le détecteur sera fondé sur une analyse double : dune.
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
S.S.I., ESSI1, samedi 10 avril 2004 Page 1 Comment tailler les filtres sur mesure Séance 8, nouvelle application des filtres, 1 heure Version : samedi.
Comment calculer le spectre d’un signal audio
Cours 5 – Comment bien échantillonner le signal audio
Comment décimer les sons numériques
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 : ______________________.
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.
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.
S.S.I.I., , n°7 : Construire et utiliser un banc de filtres Page 1 Construire et utiliser un banc de filtres pour analyser le spectre dun signal.
Cours S.S.I.I., , n°8, Créer des filtres pour compresser Cours S.S.I.I., , n°8, : Créer des filtres pour compresser Page 1 Mise en œuvre.
SSII : séance finale , lundi 9/01/2012 Page 1 Voici quelques questions pour assimiler la seconde partie du cours S.S.I.I., spectre, filtrage, banc.
S.S.I.I., , n°6, Créer des filtres sur mesure pour compresser S.S.I.I., , n°6, : Créer des filtres sur mesure pour compresser 1 Créer un.
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.
Un principe de compression d’image
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. en , S.I.3 Analyse du signal Noteguitare.wav N = fe=44100 Hz le signal audio à analyser :
2. La série de Fourier trigonométrique et la transformée de Fourier
Traitement Numérique du Signal
Utiliser le spectre et la transformée de Fourier
DU TRAITEMENT DU SIGNAL
Signaux Electriques Analyse Temporelle / Analyse Fréquentielle:
Les signaux périodiques
Signal Son et Image pour l’Informaticien (S.S.I.I.) Page 1 Extraits choisis du cours S.S.I.I. On introduit ici des notions de base du traitement numérique.
Calcul de la composition fréquentielle du signal audio
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.
ANALYSE DES SERIES CHRONOLOGIQUES METHODES ET APPLICATIONS EN HYDROLOGIE Danièle VALDES-LAO
Introduction du cours à partir d’extraits
SSII, séance n°13, bilan du cours 15 décembre 2015 Dernière séance 2015 Résumé des chapitres et notions abordées en 2015.
Echantillonnage sinusoïde 3.16 [mV], 64 [MHz] 1 Zoom : Échantillonnée à fe = 192 [MHz], N = 255 échantillons.
Nacelle de drone… 561 allée de Bellecour Carpentras - France Site : Tél.
PR É PARER PAR: - REDJAI ABDELFATAH - BENATTOUS TAREK PR É PARER PAR: - REDJAI ABDELFATAH - BENATTOUS TAREK Theme Etude les fonctionnement de l’oscilloscope.
Cour Régulation AII3 Chapitre I: Modélisation des systèmes automatiques Abdelkhalek.S 1.
Thème 1 : Ondes et Matière. O M 3 O n d e s s o n o r e s.
1 Description harmonique des signaux périodiques 1Notion de composition harmonique 2Représentations spectrales 3Valeur efficace 4Détermination des éléments.
Cours d’Econométrie de la Finance (Stat des choix de portf. IV 1-2)
Information, Calcul, Communication
Redressement d’une tension sinusoïdale – filtrage -régulation
AIDE A L’UTILISATION DU LOGICIEL LATISPRO
Fonctionnement des radars
Rappels sur la transformée de Fourier
Modulation analogique
Synthèse des signaux périodiques
Chap. 3 – Modulations analogiques
Filtre en traitement du signal entrée filtre sortie e s h
Jacques Tagoudjeu.  GENERALITES SUR LES SIGNAUX  SERIES DE FOURIER  IMPULSION (DISTRIBUTION) DE DIRAC  CONVOLUTION  TRANSFORMATION DE FOURIER  TRANSFORMATION.
Polytech'Nice-Sophia, Département Sciences Informatiques Cours de 4 ème année : Commande par Ordinateur. semaine 5/6, 29/04/2018Page 1 Commande optimale.
Polytech'Nice-Sophia, Département Sciences Informatiques Cours de 4 ème année : Commande par Ordinateur. semaine 5/6, 04/09/2018Page 1 Commande optimale.
Cours de physique générale II Ph 12
ANALYSE FREQUENTIELLE
2 Physique des ondes 17/11/2018 Physique des ondes I.
Chapitre 3 suite Acoustique musicale
Modulation analogique
Etude de la commande du système à inertie
Le signal audio numérique
Introduction du cours à partir d’extraits
2.4 La loi de vitesse d’une réaction chimique
Commande optimale de l'alunissage de Lunar Lander
Dynamique des Systèmes Asservis
Sous-échantillonner le signal audio pour compresser
Réponse à un échelon dans le cas où z = 1
Construire et utiliser un banc de filtres
Créer un filtre sur mesure (pour compresser)
Modulation analogique
CHAPITRE IV : AMPLIFICATEUR DIFFERENTIEL Electronique Analogique A. Aouaj.
Sous-échantillonner le signal audio pour compresser
Transcription de la présentation:

Exploiter la fonction fft(.) de Scilab Jean-Paul Stromboni, pour les élèves SI3, nécessite un vidéo projecteur, durée 50mn , septembre 2015 J. B. Fourier, séries de Fourier, etc, etc Joseph Jean Baptiste Fourier (1768-1830) résout une équation différentielle sans solution jusque là en décomposant le second membre s(t) en une somme de signaux sinusoïdaux. Il invente les séries de Fourier, la composition fréquentielle, et l’analyse harmonique. Séries de Fourier : avec Transformée de Fourier est le spectre de s(t), quantité complexe Spectre d’amplitude Transformée inverse Transformée de Fourier Discrète (TFD) X(f) est fe-périodique X(f) est une quantité complexe Algorithmes de Transformée de Fourier Rapide (FFT en anglais)

Calcul de la TFD avec la fonction fft de Scilab Les logiciels tels Audacity ou Scilab … calculent la composition fréquentielle en utilisant un algorithme de transformée de Fourier rapide (en anglais FFT) : Il faut noter : Si s contient N échantillons, S contient N valeurs de S(f) calculées aux fréquences fk Résolution fréquentielle (écart entre deux valeurs calculées) Problème de synchronisation Taille de la fenêtre de FFT : N S(f) est une quantité complexe, il faudra calculer le module. Avec Scilab, c’est : S= abs ( fft (s) ); On étudie maintenant la fonction fft de Scilab

Utiliser fft() sur un signal constant Dans TD n°1, on a calculé la TFD d’un signal constant Retrouver a, fe, N, fréquence du signal, résolution fréquentielle ?

Calculer plus de N valeurs de la TFD de s On calcule et on trace M=256 valeurs au lieu de 16. On divise le spectre affiché par N. Pourquoi ? Retrouver a, fe, N, fréquence du signal, résolution fréquentielle ?

Augmenter la taille N de la fenêtre FFT On calcule et on trace N=64 valeurs au lieu de 16. Retrouver a, fe, N, fréquence du signal, résolution fréquentielle ?

Effet de la forme de la fenêtre de FFT On remplace la fenêtre rectangulaire précédente par la fenêtre de Hamming.

Tracé du spectre entre –fe/2 et fe/2 ou entre 0 et fe/2 On peut choisir la période de TFD(s) entre –fe/2 et fe/2 au lieu de 0 et fe, ou d’afficher une demi période seulement

Signal composé d’une fréquence non nulle Forme et taille de fenêtre ? Résolution fréquentielle ? a0 ? f0 ? fe ?

Plusieurs composantes fréquentielles Forme et taille de fenêtre ? Résolution fréquentielle ? a0 ? f0 ? fe ?

Tracé du spectrogramme avec Scilab

Représentation 3D du spectrogramme pour le signal vocal, on sait que la durée de la fenêtre d’analyse ne doit pas dépasser 30ms (?) si fe=8 kHz, c’est une fenêtre de 240 échantillons. On calcule la TFD de la fenêtre, on déplace la fenêtre et on recommence On regroupe les résultats dans un spectrogramme, en 3D (cf. ci-dessous) ou en 2D (cf. Goldwave) Quelle est ici la résolution fréquentielle ? Comment obtenir une fenêtre de 20ms, sachant que fe=22050Hz ? Donner la résolution fréquentielle. Voici le spectrogramme de piano_c3.wav tracé par WaveLab : retrouver les informations de fréquence fondamentale, durée du signal, enveloppe …

Exploitation du tracé du spectre d'amplitude sur les tracés suivants, retrouver : fe, N, a0 et f0, la durée de la fenêtre temporelle et l'axe de symétrie. Que vaut Df ? Quelle est la relation entre les deux tracés ? fe=8000, N=32, s=0.25*cos(2*pi*500*t)