Travaux pratiques PT Lycée Jules Ferry
TP n◦3 : Analyse spectrale numérique - Filtrage numérique
Cette activité expérimentale a pour but de vous familiariser avec la manipulation des instruments d’électrocinétique. Lisez tout
l’énoncer avant de commencer, certaines parties sont à faire avant la séance. Votre compte rendu devra être rédigé sur votre cahier
de laboratoire de la manière suivante : la préparation en bleu, les mesures en noir. Tous les schémas et les protocoles devrons
apparaître clairement, même s’ils ne sont pas demandé. Vous êtes libre d’ajouter toutes remarques pertinentes qui ne seraient pas
explicitement demandé dans l’énoncer (problèmes de matériel, subtilités expérimentales, finesses de manipulation etc...).
Objectifs : Réaliser et mettre en oeuvre un filtrage numérique.
Comprendre l’influence des paramètres d’acquisition sur le spectre d’un signal numérique.
Utiliser un convertisseur analogique-numérique.
Matériel :
• Oscilloscope numérique • Carte SYSAM
• Boite de résistances à décade • Boite de condensateurs à décade
• GBF • Micro
• Haut-parleur • Casque audio avec prise Jack
Capacités :
• Réaliser un filtrage numérique.
• Interpréter un résultat.
• Analyser un spectre numérique.
1. Etablir une relation de récurrence à écrire dans une feuille de calcul Latispro, permettant de réaliser un filtre
passe-bas d’ordre 1 de pulsation de coupure ωc = 1000 rad.s− 1 et de gain continu H0 = 1
2. Comment réaliser le même filtre passe-bas analogique.
Manipulation 1 :
Réaliser le filtrage passe-bas numérique d’un signal créneau de fréquence f = 500 Hz dont les paramètre
d’acquisition sont : N = 5000 points et fe = 500 kHz. (On initialise une boucle par s = T able(0) sous
Latispro.
Manipulation 2 :
Comparer le filtrage numérique au filtrage équivalent analogique. Observer l’influence de la modification de
ωc pour les deux filtres.
3. Tracer le diagramme de gain en décibel du filtre passe-bas d’ordre 1 dont la constante de temps est τ = 300 µs.
Manipulation 3 :
Réaliser, grace au tableur Latispro et à une feuille excel, le diagramme de gain en décibel du filtre passe-
bas numérique d’ordre 1 dont la constante de temps est τ = 300 µs et pour une période d’échantillonnage
Te = 10 µs.
En prendra un pas de 30 Hz de 50 Hz et 530 Hz et un pas de 530 Hz entre 530 Hz et 15900 Hz.
4. Commenter l’allure du signal de sortie du filtre passe-bas numérique, observé à l’oscilloscope, lors de l’évolu-
tion de la fréquence.
5. En utilisant la définition du diagramme de gain en décibel, donner l’expression du gain en décibel numérique.
Manipulation 4 :
Recommencer la manipulation 3 pour Te = 100 µs.
6. Qu’observe-t-on suite à cette manipulation ? Quelle en est la raison ?
Numérique 1/7 Année 2017-2018
7. Combien de point son nécessaire pour tracer le spectre numérique d’une acquisition Latispro ?
8. Prévoir alors l’évolution du spectre numérique en fonction du nombre de point.
Manipulation 5 :
Réaliser le spectre numérique d’une tension harmonique en faisant varier le nombre de point pour fe = cte.
Et pour un nombre de point constant en faisant varier f la fréquence du signal.
9. Noter vos observations. Est-ce ce que vous attendiez ?
10. Mesurer la résolution des raies spectrale.
Manipulation 6 :
Conduire la même manipulation pour une tension polychromatique.
12. La résolution est-elle la même pour toutes les raies ?
Numérique 2/7 Année 2017-2018
Annexes
Annexe 1 : Analyse spectrale numérique
1- Série de Fourier et transformation de Fourier
Limitons nous au problème suivant : on cherche à exprimer une tension U (t) sous la forme suivante :
+∞
X
U (t) = Un . sin(2π.fn .t + ϕn ) (1)
n=0
+∞
X +∞
X
Nous avons déjà appris que cette décomposition est équivalente à : U (t) = Ua cos(2π.fn .t) + sin(2π.fn .t).
n=0 n=0
Avec :
q
Un = Ua2 + Ub2 (2)
Ua
tan ϕn = (3)
Ub
La première forme étant préférée puisqu’elle permet directement de représenter le spectre. Un ensemble particu-
lier des signaux pouvant prendre la forme de U (t) est déjà connu puisqu’il s’agit des fonction périodique : signal
harmonique U0 sin(2π.f0 .t), signal créneau, signal triangulaire, etc... Leur spectre donné par la décomposition
de U (t) possède les propriétés suivantes :
i. le spectre est formé d’un ensemble discret de raies (le fondamentale est le harmoniques).
ii. les fréquences des harmoniques sont telles que : fn = n.f0 avec f0 la fréquence du fondamental. De même les
T0
périodes associés à chaque harmonique sont : Tn = . Alors pour ces signaux :
n
+∞
X
U (t) = U (t + k.T0 ) = Un sin(2π.n.f0 .t + ϕn ) (4)
n=0
k∈N (5)
Les signaux (lumière, ondes radios, tensions, etc...) utilisés en physique ne sont défini que sur un intervalle
fini, ne serait-ce parce que ils ne commencent qu’à une date donnée t0 et se terminent à une autre t1 . De plus
on peut rencontrer des signaux physique dont la représentation temporelle n’a a priori rien à voir avec une
fonction périodique. Pour obtenir le spectre de tels signaux on utilise la transformation de Fourier. Le spectre
d’une fonction g(t) et représenter par la fonction G(f ) déterminée par :
Z +∞
G(f ) = g(t).e2jπf.t dt (6)
−∞
Dans le cas d’un signal de forme quelconque, un son par exemple, la forme de la fonction g(t) n’est pas connue,
même si elle l’était, le calcul de l’intégrale de Fourier, ne pourrait être fait, numériquement qu’à partir d’un
échantillonnage du signal : les machines n’ont qu’une taille finie de mémoire.
2- Spectre numérique : Fast Fourier Transform (FFT)
L’échantillonnage du signal physique g(t) es le plus souvent régulier, effectué avec une période Te et donc avec
1
une fréquence fe = . Pour une acquisition numérique de N points la durée d’acquisition est T = [Link] . Pour
Te
fe
garantir la reconstitution du signal à partir de son spectre, le pas d’échantillonnage du spectre est pris égal à .
N
k ∈ J0, N −1K.
La fonction g(t) est alors représenter par un ensemble d’échantillons gk = g(tk ) = g(k.Te ) pour
fe
De la même manière le spectre est représenter par un ensemble d’échantillons : Gn = G n. .
N
On remarque immédiatement que :
Numérique 3/7 Année 2017-2018
i. deux points successifs de gk sont distant de Te qui donne la résolution du signal temporel échantillonné.
fe
ii. deux points successifs de Gn sont distant de = δf , donne la résolution du spectre. En effet deux raies
N
d’écartement spectrale ∆f < δf ne seront pas identifiées dans le spectre échantillonnées. La résolution spec-
trale est déterminer par la durée d’acquisition T = [Link] .
Finalement l’intégrale de Fourier s’écrit avec les notations utilisées devient :
N
X −1
Gn (n.δf ) = gk .e−2jπ(n.δf ).[Link] (7)
k=0
N −1
1 X
On peut obtenir le signal temporelle par la transformation inverse : gk = Gn e.2jπk.T e(nδf ) .
N n=0
Ainsi définir la transformée de Fourier devient la Transformée de Fourier Discrète (TFD). Pour un signal
échantillonnée de N points le temps de calcul du spectre évolue comme N 2 . Pour réduire ce calcul la TFD est
calculer grâce à l’algorithme de Transformée de Fourier Rapide (FFT pour Fast Fourier Transfrom), dont la
durée de calcul évolue comme N. log(N ). Cet algorithme vient de plusieurs remarques :
i. le calcul de la TFD sur N points se ramène aux calcul de 2 TFD sur N 0 = N/2 points.
ii. ensuite le calcul de chaque est ramené au calcul des TFD sur N 0 /2, etc... iii-. si N est une puissance entière
de 2 : 256, 512, 1024 etc... le calcul de la TFD revient au calcul élémentaire d’une TFD sur 2 points.
Cette méthode de calcul produit des parasites au niveau des spectres.
3- Exemple
Figure 1 – Spectres obtenues successivement pour une tension harmonique de fréquence f = 1000 Hz, et un
nombre de point N1 = 2000, N2 = 200, N3 = 20.
fe
Deux paramètres d’acquisition sont à ménager. La résolution spectrale est δf = .
N
i. un "meilleur" échantillonnage nécessite une augmentation de fe . Or si on veut de la même manière ne pas
dégrader la résolution spectrale, il faut augmenter le nombre de points. Ainsi le calculateur prendra beaucoup
plus de temps pour calculer le spectre, et on risque d’arriver à la limite du nombre de points d’acquisition.
ii. Alors on peut choisir un grand nombre de points et diminuer fe , mais dans ce cas là le critère de Shannon
risque de ne plus être respecté.
iii. on peut aussi, pour augmenter la résolution spectrale, penser à augmenter le temps d’acquisition. Comme
T = [Link] , alors pour N = cte, une augmentation de T augmente Te et diminue fe et donc ne respecte plus le
critère de Shannon.
Numérique 4/7 Année 2017-2018
Annexe 2 : Filtre numérique
1- Filtrage numérique
La numérisation d’un signal ne peut pas se
satisfaire à elle même, elle permet serte le cal-
cul du spectre, mais elle permet aussi d’effectuer
sur le signal des opérations qui seront aussi numé-
riques. On peut citer trois avantages de la numé-
risation :
i. l’insensibilité au bruit.
ii. la mémorisation.
iii. la facilité à effectuer des opérations sur les don-
nées recueillies.
Un filtre numérique est un dispositif qui effec-
tue des opérations mathématique sur un signal dis-
cret échantillonnée. Pratiquement, il correspond
à un algorithme travaillant sur des nombres. Par
exemple pour un filtre passe-bas :
ds
+ ωc s(t) = e(t) (8)
dt
La méthode d’Euler donne l’algorithme numérique :
sk+1 − sk
+ ωc .sk = ek (9)
tk+1 − tk
sk+1 − sk
+ ωc .sk = ek (10)
Te
sk+1 = sk + ωc .Te (ek − sk ) (11)
Un tel algorithme peut être facilement implémentée sous Latis-Pro, et observer la sortie du filtre en utilisant
la sortie analogique de la carte SYSAM-SP5. Alors si l’entrée de la même carte est attaquée par une tension
créneau on peut observer à l’oscilloscope le résultat du filtrage :
Figure 2 – A gauche : résultat du filtrage numérique d’un signal créneau en alimentant la voie EA0 de la carte
SYSAM pour une fréquence f1 . A droite : résultat d’un filtrage numérique pour une autre fréquence f2 .
Numérique 5/7 Année 2017-2018
2- Diagramme de Bode
Une étude harmonique d’un filtre numérique, permet de tracer son diagramme de Bode, tout comme on
peut déterminer le diagramme de Bode d’un filtre analogique. Cependant la détermination expérimentale du
diagramme de Bode d’un filtre numérique fait apparaître quelques problèmes.
Gain en décibel du filtre numérique Bode filtre Pb numérique log(f)
0
0
log(f)
10 100 1000 10000
10 100 1000 10000
-2
-5
-4 Modèle
Filtre numérique Filtre numérique
Modèle
-10
-6
-15
-8
-10
-20
-12
-25
-14
-30
Figure 3 – Au gauche : diagramme de Bode d’un filtre numérique de pulsation de coupure : ωc = 3333 rad.s− 1,
et Te = 10 µs (nombre de point d’acquisition N = 5000). A droite : diagramme de Bode d’un filtre numérique
de même pulsation de coupure mais pour Te = 100 µs
L’origine du problème rencontré dans le deuxième diagramme de gain en décibel provient de l’approximation
effectué par la méthode d’Euler. Parton encore une fois de l’équation différentielle du filtre :
ds
+ ωc s(t) = e(t) (12)
dt
ds
Pour une période d’échantillonnage Te assez petite : s(tk + Te ) = s(tk ) + Te (tk ) est donnée par un dévelop-
dt
pement de Taylor. Or il faut pouvoir négliger le terme d’ordre 2 :
1 2 d2 s
T (tk ) (13)
2 e dt2
Un calcul d’ordre de grandeur permet de trouver une condition sur la fréquence de la tension harmonique pour
pouvoir négliger le terme d’ordre 2.
ds Sm
Te (tk ) ∼ Te . = Te .[Link] (14)
dt T
Te2 d2 s T 2 Sm T 2 .Sm 2
2
(tk ) ∼ e 2 = e f (15)
2 dt 2 T 2
Te2 .Sm 2
On veut : Te .[Link] f soit :
2
f 2fe (16)
L’utilisation du filtre est donc limité par l’échantillonnage du signal d’entrée. Ce que nous aurions plus prévoir
avec l’étude mené dans les travaux pratiques sur l’échantillonnage.
Numérique 6/7 Année 2017-2018
Figure 4 – Capture d’écran Latispro montrant la méthode de prise de point d’un diagramme de Bode pour un
filtre numérique.
Numérique 7/7 Année 2017-2018