COMPTE RENDU TP 2 Analyse fréquentielles des signaux périodiques PAR : - DAHMOUCHE FATIMA ZAHRA - BRAHIMI MOHAMED LARBI - GROUPE 1 2018/2019 Introduction : Un signal analogique est défini à tout instant t et est donc représentable mathématiquement par une fonction continue du temps f(t), il peut être périodique ou apériodique. Parmi les outils qui permettent de faire une analyse fréquentielle sur les signaux analogiques, on utilise le développement en série de Fourier, on en tire plusieurs paramètres qui nous aident à déterminer les paramètres importants dans l’étude des signaux et tracer leurs allures. En utilisant MATLAB, nous effectuerons les opérations suivantes afin de mener une étude sur les signaux périodiques : 1- Calcul de puissance moyenne d’un signal. 2- Déterminer le développement en série de Fourier d’un signal. 3- Générer le signal sur MATLAB et tracer son allure. Partie 1 : Analyse des signaux périodiques (série de Fourier) : Soit le signal x(t) représenté dans la figure 1 : I-1 Calcul de la valeur moyenne : ̅ 1 ∫ sin( sin() ̅ 1 cos cos(() cos cos(0) (0) ̅ 2 I-2 Calcul de la puissance moyenne : 1 (sin())² ∫ (sin( 1cos (22)) 1 ∫ 1cos( 2 cos(22)) 1 ∫ 21 12 ∫cos( 12 I-3. Générer x(t) sous MATLAB : On introduit le programme suivant : t=-2*pi:0.001:2*pi; x=abs(sin(t)); plot(t,x) xlabel('t'),ylabel('x(t)' ) I-4. Tracer la courbe de x(t) et la courbe de son développement en série de Fourier : - Le développement en série de Fourier : () 0 ∑∞=.cos( os() ) .sin .sin(() ) os() ) () ∑∑∞=.cos( Le signal est paire donc bn = 0 : Avec : − +)).(−) Donc : (1 (1)). (+ ∞ 1 2 1 ] .cos() os() () 2 [(1(1) (1(1)). ( 1 [ ) ( ) 1 . 1 Pour tracer cette fonction, on introduit le programme suivant et on essaye d’augmenter n à chaque fois : t=-2*pi:0.001:2*pi; x=abs(sin(t)); s=0; n=input('n=') for i=1:n s=s+((4/(pi*(1-4*i^2)))*cos(2*i*t)); end x1=(2/pi)+s; plot(t,x) hold on plot(t,x1,'r') xlabel('t'),ylabel('x(t)') pour n=6 : Le L e signal en rouge représente celui trouvé par le développement en série de Fourier. On remarque que les deux signaux sont proches aux eux-mêmes mais ils ne coïnci coïncident dent pas. Pour n=1000 : Conclusion : On peut déduire que la variation de n, affecte la relation entre les deux courbes, le plus qu'on augmente n, les deux courbes se superposent. I-5. Calculer la puissance moyenne de x(t) en utilisant son expression développée en séries de Fourier pour différentes valeurs de n : On introduit le programme suivant : sp=0; n=input('n='); for i=1:n sp=sp+2/(pi^2)*((1/(2*i+1))-(1/(2*i-1)))^2; end Pm= (2/pi)^2+sp Pour n = 7 on a trouvé pm = 0.499960112436276 Pour n = 5000 on a trouvé pm = 0.5 Rappelons-nous que la valeur exacte est 0.5 Conclusion : L’exactitude des calculs faits sur le signal trouvé par le développem développement ent en série de Fourier est assuré lorsque n tend vers +∞ mais on ne peut pas avoir le même résultat calculé au début. I-6. Tracer le spectre unilatéral de x(t) sous MATLAB : On introduit le programme suivant : pour n=17 : d(1)=2/pi; for i=2:n d(i)=abs((2/pi)*((1/(2*i+1))-(1/(2*i-1)))); end stem(d) ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- Partie II: 1 - Génération de y(t) sur MATLAB : On introduit le code suivant : t = -5*pi:0.1:5*pi; y=sawtooth(t-pi,0); plot(t,y) 2 – Développement en Série de Fourier exponentielle de y(t) y( t) : +∞ +∞ cos (..) () cos(..) =−∞ =−∞ .. Le tracé de la fonction : t = -3*pi:0.01:3*pi; xf = 0; lim = 1000; for n =-lim:lim if n ==0 xf =0 else Cn = cos(n*pi)/(pi*j*n); xf=xf+Cn*exp(n*j*t); end end plot(t,xf,'r'), grid on, hold on -Le spectre Bilatéral : n = -5:5; for i=1:length(n) if n(i)==0 Cn(i)=0; else Cn(i)=abs(cos(n(i)*pi)/(pi*j*n(i))) end end stem(n,Cn), grid on; on; Conclusion : - D’après la représentation spectrale des signaux précédents, nous remarquons que le spectre d’un signal nous renseigne d sur les différentes composantes fréquentielles qu’il contient. L’intégration du spectre d’énergie sur tout l’axe des fréquences corresponde à l’énergie totale calculée dans le temps. En effet, le développement en série de Fourier n’est qu’une représentation alternative d’un signal autrement décrit dans le temps, c’est pour ça, l’énergie est conservée.