Électronique et Informatique Industrielle
Travaux pratiques de traitement du signal
EII-SE4
F. Soulier
2021
TP 2 Corrélation discrète : application
Introduction
Module SRF-05
La plateforme robotique développée dans le cadre d’un projet MEA utilise plusieurs modules SRF-05 pour détecter
les obstacles. Il s’agit de télémètres à ultrasons utilisant la réflexion d’ondes (échos) pour mesurer les distances. Au
cours de ce TP, nous allons montrer que l’on peut utiliser l’inter-corrélation de signaux pour améliorer l’efficacité
de la détection. Dans un premier temps, nous modéliserons le système pour obtenir des signaux simulés et tester un
algorithme de télémètrie. Nous testerons ensuite la méthode développée sur des signaux réels.
2.1 Simulation du système
1
0
0
1
e(t)
Émetteur
Signal ultrasonsique
0
1
0
1
incident 0
1
0
1
0
1
Récepteur 0
1
0
1
r(t)
0
1
Écho 0
1
0
1
0
1
0
1
0
1
Inter Rer (τ ) Obstacle
Corrélateur
Le principe du sonar repose sur la comparaison d’un signal émis avec son écho :
— l’émetteur génère des impulsions ultrasoniques (à 35 kHz) de durée 200 µs à intervalles réguliers (toutes les
10 ms) ;
— le récepteur capte le signal réfléchi sur l’obstacle (écho) après un délai dû à la propagation (aller-retour) de
l’onde ultrasonique (qui se propage à la même vitesse que le son, soit environ 341 m · s−1 ). Au cours de la
propagation, le signal subit de plus une atténuation.
Nous allons utiliser Scilab pour générer des signaux simulés, issus de l’émetteur et du récepteur du module SRF-05.
1. Écrire une fonction Scilab e = emitter(t), qui prend en entrée un vecteur temps t et génère le les impulsions
ultrasoniques correspondant aux caractéristiques du système SRF-05. (On pourra utiliser la fonction squarewave
pour générer e compris entre 0 et 1).
2. Tracer une période du signal émetteur e(t) (on prendra une fréquence d’échantillonnage de 1 MHz) et vérifier
que l’on obtient bien le signal émis simulé voulu.
3. Écrire de même une fonction r = receiver(t) qui génère un signal similaire à e(t) mais avec une atténuation
de 1/100 et un retard correspondant à la reflexion sur un obstacle situé à 50 cm du télémètre.
4. Visualiser les deux signaux simulés e(t) et r(t), et vérifier qu’ils présentent les propriétés attendues.
2.2 Algorithme de mesure de distance
On cherche à utiliser l’intercorrélation des deux signaux r(t) et e(t) pour mesurer le temps de parcours de l’onde
ultrasonore. On rappelle que Z ∞
Rre (τ ) = r(t)e∗ (t − τ ) d t.
−∞
On sait que la position du maximum de Rre (τ ) permet de connaître le délai entre les deux signaux.
1. Écrire un programme Scilab qui calcule l’intercorrélation des signaux numériques r[n] et e[n],
X
N −1
Rre [m] = r[n]e∗ [n − m].
n=0
EII-SE4 – Travaux pratiques – Traitement du signal I
TP 2 Corrélation discrète : application
Pour cela, on pourra utiliser l’algorithme fft (fonctions fft() et ifft() qui calculent respectivement la tfd et
la tfd inverse), ainsi la propriété
TFD
Rre [m] ⇋ R[k]E ∗ [k].
2. Créer un vecteur retard tau de même longueur que la corrélation et tracer Rre (τ ). Vérifier que le maximum
permet bien d’estimer la distance de l’obstacle.
3. Recommencer la simulation en ajoutant un bruit gaussien centré noise*rand(t, ‘‘normal’’) au signal reçu (la
variable noise définissant la valeur efficace du bruit). À partir de quelle puissance de bruit le signal r(t) n’est-il
plus visible ?
4. À partir de quelle puissance de bruit la mesure de distance par intercorrélation n’est-elle plus possible ?
5. En déduire le rapport signal sur bruit reçu minimal permettant la mesure de distance.
Psignal
SNR = 10 log10 ,
Pbruit
avec Psignal : la puissance de r(t) sans bruit.
2.3 Application
Le fichier [Link] contient le résultat de l’acquisition des tensions aux bornes de l’émetteur et du récepteur d’un
module SRF-05, obtenues avec un oscilloscope numérique.
1. Importer les données au format csv sous Scilab.
1 data = csvRead ( ‘ ‘ er0 . csv ’ ’ );
2 t = data (: , 1) ’; // Recorded time .
3 r = data (: , 2) ’; // Receiver signal .
4 e = data (: , 3) ’; // Emitter signal .
Visualiser les signaux émis et reçu.
2. Calculer la féquence d’échantillonnage f_s à partir du vecteur t.
3. On remarque que le signal reçu est entaché d’une ondulation basse fréquence. on le supprime par un simple
filtrage passe-haut.
1 fc = 20 e3 ; // Hz
2 hz = iir (3 , ’ hp ’ , ’ butt ’ , fc / f_s , [1 1]);
3 sl = tf2ss ( hz );
4 r = flts (r , sl );
4. Calculer l’intercorrélation entre le signal émis et reçu.
5. Créer la vecteur retard tau correspondant à la longueur de la corrélation. Vérifier le fonctionnement correct en
la visualisant une seule période du signal.
6. Utiliser l’algorithme de mesure de distance par corrélation pour estimer la distance de l’obstacle. Peut-on
détecter d’autres obstacles ?
EII-SE4 – Travaux pratiques – Traitement du signal I