Documente Academic
Documente Profesional
Documente Cultură
(DSP)
23 Novembre 2015
.
1 Préliminaires 3
1.1 Généralités sur le son . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Définition du son . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Caractéristiques physiques du son . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Caractérisation du bruit . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Caractérisation du bruit à l’aide d’outil Matlab et Simulink . . . . . . . . . 4
1
Introduction
Ce TP a pour objectif de corriger le son afin d’obtenir une bonne qualité d’un enregis-
trement (du son), ainsi qu’appliquer les relations et les lois vu en traitement de signal.
Il a pour but de :
2
1 Préliminaires
Du point de vue physique, un son peut être défini comme une variation de pression qui
peut être détectée par l’oreille humaine. Les variations de pression se propagent de proche
en proche dans le milieu (l’air par exemple). La variation de pression est appelée pression
acoustique, elle est exprimée en Pascal (1 Pa =1 N/m2).
3
exprime le taux de bruit ou de dégradation du rapport signal/bruit créé par le convertis-
seur, lors de la réception des signaux, ou par tout autre système (amplificateur, etc..). Il
traduit donc sa sensibilité : moins le facteur de bruit est élevé, plus le convertisseur est de
bonne qualité. Il s’exprime en kelvin ou en décibel.
Une mesure est une opération qui permet d’enregistrer des données, relatives à un
phénomène physique. Dans l’idéal, on obtiendrait une mesure correspondant directement
aux quantités pertinentes que l’on cherche à quantifier.
Mais, dans la réalité, lorsque l’on réalise des mesures, on observe l’apparition de signaux
parasites qui viennent se superposer au signal dit utile (i.e l’information que l’on souhaite
récupérer). Ces signaux sont une gêne pour la compréhension de l’information que le signal
transporte.
Il est donc important de connaître leurs origines, de les caractériser... afin de mieux pouvoir
les éliminer et de récupérer ainsi un signal le plus propre possible
Un fichier audio (type Wave), doit être traité, afin de retirer le bruit qui s’est ajouté lors
de l’enregistrement. La nature du bruit est une sinusoïde dont l’amplitude est assez élevée
pour être audible mais la fréquence est inconnue. Mais ce que nous savons, par-contre, c’est
que le bruit ne contient qu’une seule composante fréquentielle.
4
2 Caractérisation et filtrage du bruit
Ce bloc permet d’ouvrir un fichier disponible sur un support (disque dur, clef USB. . . )
à partir de Simulink afin de pouvoir effectuer différents traitements. Sa configuration est
semblable à la figure suivante :
5
À partir de ce point, vous pouvez effectuer toutes les opérations usuelles disponibles
sur Simulink (addition, soustraction, etc. . . ) sur 1024 échantillons successifs.
On peut visualiser la forme du signal après une éxeution de simulation sur Simulink :
6
2.2 Filtrage du bruit
Un filtre RIF est un système linéaire invariant discret dont le comportement entrée-
sortie est caractérisé par les coefficients hi de sa réponse impulsionnelle. Le calcul de la
sortie se fait grâce au produit de convolution discret et la transformée en Z permet de
définir sa fonction de transfert H(z).
La suite des hi est limitée par i de l’intervalle [min, max]. Le calcul de la sortie yn
consiste à prendre les échantillons de x(t) dans une fenêtre de dimension finie, de pondérer
par les hi, puis d’effectuer la somme : c’est une moyenne pondérée. Cette opération se
réalise à chaque instant t=nTs et, pour passer à l’instant suivant, on décale d’une période
d’échantillonnage la fenêtre d’acquisition : la moyenne pondérée est mobile. Cela justifie
les noms parfois utilisés de filtre à moyenne mobile ou de filtre MA (Mobile Average).
En supposant max>0 nous pouvons factoriser z-max dans l’expression de la fonction de
transfert :
Cette forme montre que les seuls pôles possibles pour un filtre RIF sont des pôles à
l’origine (z=0) et la conséquence importante est que ces filtres sont assurément stables.
7
Dans cette partie on cherche à éliminer le bruit, ceci peut être fait en ajoutant un filtre
passe bas :
La commande « fdatool », est un module disponible sur Matlab qui permet de déve-
lopper et implémenter un filtre.
Le filtrage doit se faire en une seule étape, c’est-à-dire que le signal ne doit pas passer
par plusieurs blocs de filtres (passage par un filtre passe-bas puis par un filtre passe-haut).
8
On peut visualiser la forme du signal après le filtrage :
L’écoute des signaux confirme bien les dires. Le signal semble être mieux filtré que le
signal bruité comme nous pouvions nous y attendre.
Nous avions fait la remarque (en regardant l’allure du filtre) qu’il serait assez difficile de
filtrer un signal audio avec ce type de filtre. Les résultats semblent confirmer ce que nous
pensions.
9
Dans le domaine numérique un filtre peut être caractérisé par des coefficients. Afin de
récupérer le design du filtre il suffit donc de récupérer les coefficients du module fdatool.
Pour cela il faut cliquer sur l’onglet : Target -> Generate C header . . . Et configurer la
fenêtre comme illustré sur la figure suivante :
10
3 Génération et filtrage de l’écho
11
3.2 Filtrage de l’écho
Parmi les techniques d’optimisation basées sur la descente en gradient peuvent être
mise en œuvre. L’algorithme du gradient stochastique ou LMS à pas constant (Least Mean
Squares) est souvent utilisé dans les systèmes de filtrage adaptatif.
On réalise ce schéma pour éliminer l’écho en utilisant LMS bloc :
Le signal est multipliée par l’erreur résultant de la différence entre le signal voulu et
réel.
On peut visualiser la forme du signal après le filtrage de l’écho :
12
Conclusion
Tout au long de ce TP, nous avons pu montrer les effets du filtrage numérique sur des
signaux bruités. Nous avons donc pu constater l’effet du filtrage numérique des signaux
générés sous MATLAB ainsi que les réponses en temporelle (notamment des signaux au-
dios).
Par suit, à l’aide de filtres FIR (filtres à réponse impulsionnelle) nous avons tenté d’ex-
traire (donc filtrer) les signaux filtrés afin d’en tirer l’information du départ (le signal à son
origine sans bruitage) dans le but de connaître les effets d’un filtrage numérique suivant le
filtre utilisé.
Enfin, on a mis en œuvre le filtrage de l’écho par l’algorithme LMS, on remarque qu’on peut
facilement se rendre compte qu’il est très simple et facile à appliquer car elle ne nécessite
des calculs ou des mesures complexes. L’algorithme LMS fournit la stabilité.
13