Université Ibn Zohr Licence SMP-PE6 – 2024
Faculté des Sciences Traitement du Signal
Département de Physique Travaux Pratiques
AGADIR Responsable : H. SAYLANI
TP3 : Applications de la TFR
1 TFD et convolution discrète
On s’intéresse dans cette section à l’opération de convolution entre deux signaux à temps discret, dite
convolution discrète, et sa relation avec la TFD à travers le théorème de Plancherel. On rappelle
que pour deux signaux h[n] et x[n] de longueurs respectives Nh et Nx cette convolution de longueur
N y = Nh + Nx − 1, qu’on note y[n] = h[n] ∗ x[n] = x[n] ∗ h[n] est définie par :
N
Xh −1 N
Xx −1
y[n] = h[k] · x[n − k] = x[k] · h[n − k], ∀ n ∈ [0, Ny − 1]. (1)
k=0 k=0
On rappelle également qu’il existe deux types de convolution discrète, suivant l’approche qu’on utilise
pour calculer y[n]. En effet, en considérant que nos signaux discrets sont des séquences numériques
causales et de durée limitée on parle de convolution dite linéaire ou apériodique, et ce par opposition
à la convolution dite circulaire ou périodique pour laquelle chacun de nos signaux discrets est vu comme
une suite numérique qui est périodique et donc de durée illimitée et non-causale. Dans tout ce TP on
s’intéresse à la convolution linéaire qui traduit réellement l’opération de filtrage linéaire qu’on rencontre
dans plusieurs domaines de la physique, dont celui de l’électronique.
1.1 TFD et théorème de Plancherel
1. (a) En utilisant la fonction ”conv ”1 , calculer le signal y[n] pour h[n] = δ[n − n0 ] et x[n] un signal
aléatoire. Utiliser pour cela la syntaxe suivante :
h = [ zeros(1, Nh − 1), 1 ] et x = rand(1, Nx )
(b) Représenter les signaux h[n], x[n] et y[n] sur une même figure séparément2 . Commenter.
2. Reprendre la question 1 pour h[n] et x[n] des signaux aléatoires de longueurs quelconques.
3. (a) Compléter les signaux h[n] et x[n] par des zéros pour obtenir les nouveaux signaux h2 [n] et
x2 [n] définis par la syntaxe suivante :
h2 = [h, zeros(1, Nx − 1)] et x2 = [x, zeros(1, Nh − 1)]
(b) Calculer les TFR des signaux h2 [n] et x2 [n] notées respectivement H2 [k] et X2 [k].
(c) En déduire le spectre Y2 [k] = H2 [k] X2 [k].
(d) Calculer la TFR inverse du spectre Y2 [k] qu’on note y2 [n].
(e) Comparer le signal y2 [n] au signal y[n] en les représentant sur la même figure. Conclure
(f) Comparer le temps de calcul3 de y2 [n] à celui de y[n]. Conclure.
1
Pour calculer yl [n] = h[n] ∗ x[n] la syntaxe à utiliser est la suivante : y = conv(h, x) ou y = conv(x, h).
2
Utiliser pour cela la commande subplot.
3
En mettant le code Octave réalisant ce calcul entre les commandes tic et toc.
1
1.2 TFR et filtrage numérique
Le but de cette section est d’écrire des scripts qui permettent de réaliser le filtrage dans le domaine
fréquentiel de signaux numériques uni-dimensionnels (ou 1D) en utilisant la TFR, en exploitant ainsi les
résultats de la section précédente. Ce type de filtrage numérique, communément connu sous le nom de
filtrage par fft, peut être mis en œuvre quelque soit le type de filtre4 . On utilisera comme signaux 1D
des signaux aléatoires puis des signaux audio. Dans tous les cas, voici la démarche à suivre :
• Commencer par représenter le spectre d’amplitude (bilatéral) du signal (avant filtrage) afin d’avoir
une idée sur le filtre approprié et fréquence(s) de coupure correspondante(s).
• Représenter le spectre d’amplitude (bilatéral) du signal filtré afin de vérifier que l’objectif est atteint.
• Représenter le signal avant et après filtrage pour une comparaison et une deuxième vérification.
• Pour les signaux audio, penser en plus à écouter le signal avant et après filtrage, et à amplifier
le signal filtré au besoin.
1. Ecrire deux scripts qui permettent de réaliser le filtrage par fft respectivement passe-bas et
passe-haut des signaux suivants :
(a) x(t) un signal blanc modélisé par x(t) = b(t), où b(t) est un bruit aléatoire uniforme. Prendre
pour cela x = rand(1, N) pour N impair puis pair (commencer par des valeurs faibles pour N).
(b) x(t) un signal audio non bruité modélisé par x(t) = s(t), où s(t) est un signal numérique propre
(sans bruit additif). Prendre pour cela [x, fe] = wavread(0 Audio1.wav0 ).
(c) x(t) un signal audio bruité modélisé par x(t) = s(t) + b(t), où b(t) est un bruit additif Haute
Fréquence, puis Basse Fréquence. Prendre pour cela [x, fe] = wavread(0 Audio2.wav0 ) puis
[x, fe] = wavread(0 Audio3.wav0 ).
(d) x(t) un signal audio bruité modélisé par x(t) = s(t) + b(t), où le bruit b(t) est cette fois-ci une
sinusoı̈de pure. Prendre pour cela [x, fe] = wavread(0 Audio4.wav0 ).
2. Ecrire deux scripts qui permettent de réaliser le filtrage par fft respectivement passe-bande et
coupe-bande en utilisant le signal ”Audio4.wav”.
2 TFD et corrélation discrète
On s’intéresse dans cette section à l’opération de corrélation entre deux signaux à temps discret, dite
corrélation discrète, et sa relation avec la TFD à travers le théorème de Wiener-Khintchine. On
rappelle que la fonction d’inter-corrélation de deux signaux x[n] et y[n] de même longueur N , qu’on note
Cxy [n], est définie par : N −1
X
Cxy [k] = x[n] · ȳ[n − k], ∀ k ∈ [−K, +K], K = N − 1. (2)
n=0
En comparant cette expression (2) à l’expression (1) on constate que la fonction Cxy [n] n’est autre que
la convolution entre le signal x[n] et le signal5 z[n] = ȳ[−n], c’est à dire qu’on a Cxy [n] = x[n] ∗ z[n]. Ainsi,
on pourra calculer Cxy [n] en passant par le domaine de Fourier, exactement comme dans la section 1.1
1. (a) Calculer la fonction d’inter-corrélation Cxy [n] de deux signaux x[n] et y[n] qui sont périodiques
de même période puis de périodes différentes.
(b) Représenter x[n], y[n] et Cxy [n] sur une même figure séparément. Commenter.
2. (a) Calculer la fonction d’inter-corrélation Cxy [n] de deux signaux aléatoires x[n] et y[n] qui sont
indépendants.
(b) Représenter x[n], y[n] et Cxy [n] sur une même figure séparément. Commenter.
4
C’est à dire quelque soit la fonction de transfert H[k] = T F D {h[n]}, en particulier pour les filtres classiques passe-bas,
passe-haut, passe-bande ou coupe-bande.
5
Sous Octave (ou Matlab) on obtient le signal z[n] à partir du signal y[n] en utilisant la fonction f liplr à travers la syntaxe
suivante : z = f liplr(y).
