Documente Academic
Documente Profesional
Documente Cultură
Traitement de signal
TP 3 : Densité spectrale de puissance
de signaux aléatoires stationnaires ergodiques
SX [m] = Te σ 2 |H[m]|2
1
• Le périodogramme simple, estimateur de la densité spectrale de puis-
sance (DSP) d’une séquence discrète {x[n]} échantillonnée sur N points
avec une période d’échantillonnage Te s’écrit :
|X(f )|2
ŜX (f ) =
N Te
où X(f ) est la transformation de Fourier de la séquence {xn} :
−1
NX
X(f ) = Te x[n] e−2jπf n Te
n=0
|X[m]|2
ŜX [m] = Te
N
Les divers périodogrammes peuvent être obtenus à l’aide de la fonction
psd.m. L’utilisation suivante permet de déterminer la DSP ŜX [m] en
utilisant le périodogramme simple :
2
B
• Le périodogramme moyenné ŜX [m] (ou de Bartlett) est un second esti-
mateur de densité spectrale de puissance. Il consiste à découper le signal
d’étude en plusieurs tronçons adjacents et à moyenner les différents pé-
riodogrammes simples calculés sur chaque tronçon. L’estimateur peut
être calculé à l’aide de la fonction Matlab psd.m utilisée ainsi :
3
• Il est également possible de faire de l’analyse spectrale à partir d’une
interface graphique appelée par l’instruction sptool. Dans ce cas, il faut
exporter le signal se trouvant dans l’espace de travail (menu file) puis
déterminer sa densité spectrale de puissance (menu spectra, fonction cre-
ate) en choisissant l’estimateur (méthode FFT pour le périodogramme
simple, méthode Welch pour les périodogrammes moyenné, modifié) sans
oublier de paramétrer l’analyse.
• Le biais bŜ et la variance σŜ2 d’un estimateur Ŝ s’écrivent :
bŜ = E[Ŝ − S]
Questions :
4
• Calculez les périodogrammes moyenné et modifié et visualisez les den-
sités spectrales de puissance obtenues sur le même graphe que la DSP
théorique. Etudiez l’influence du nombre de tronçons, du type de fenêtre
et du recouvrement (absence ou 50 %) sur le biais et la variance des es-
timateurs.
• Déterminez le corrélogramme et visualisez-le en comparant toujours avec
la DSP théorique. Jouez sur la taille de la fenêtre de Bartlett (M = N/8,
N/16 ...) et calculez le biais et la variance de l’estimateur.
2. Extraction d’information
Objectif : Il s’agit d’être capable de remonter à certaines caractéristiques
du signal à partir de sa densité spectrale de puissance, notamment la vari-
ance d’un bruit et l’amplitude d’une composante harmonique. Ensuite, il
s’agit de comparer visuellement les densités spectrales de puissance obtenues
à partir d’estimateurs différents et d’étudier l’influence du type de fenêtre de
pondération utilisée lorsque l’analyse est confrontée au problème de distribu-
tion des fréquences (leakage).
5
(leakage) en fonction de la fenêtre de pondération utilisée. L’utilisation
suivante, avec uniquement trois arguments en entrée, permet d’affecter
aux amplitudes des signaux harmoniques et à la variance du bruit blanc
des valeurs par défaut. Dans ce cas le signal possède une composante
harmonique forte et une faible.
Questions :
6
de la valeur de la raie visible sur la DSP. Votre formule est-elle valable
quelle que soit la fenêtre de pondération utilisée ? Est-elle également
valable si vous générez des signaux avec une fréquence d’échantillonnage
non unitaire? Sinon adaptez votre formule.
• Il s’agit maintenant de retrouver la variance du bruit blanc à partir des
densités spectrales de puissance. Comment procédez-vous ?
• Vous allez maintenant comparer les estimateurs de DSP suivants : pério-
dogrammes simple, moyenné et modifié à partir de deux signaux aléatoi-
res générés par la fonction sig aleat3.m, l’un pour des signaux har-
moniques de fréquences k/N , l’autre pour des fréquences quelconques.
Les signaux harmoniques générés devront contenir une composante forte
et une faible. Vous pouvez utiliser les amplitudes par défaut. Etudiez
l’influence de différentes fenêtres de pondération. Déduisez l’estimateur
de DSP le plus adapté qui permet de mieux représenter les caractéristi-
ques fréquentielles des signaux.