Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
La fréquence de Nyquist, du nom de l'ingénieur électronicien Harry Nyquist, est la fréquence maximale que doit contenir un signal pour permettre sa description non ambiguë par un échantillonnage à intervalles réguliers. Elle est aussi connue sous le nom de fréquence limite de repliement. Elle est égale à la moitié de la fréquence d'échantillonnage. Le théorème d'échantillonnage procède de l'analyse spectrale, qui montre que tout signal peut se décomposer en une somme de sinusoïdes. On constate que l'échantillonnage de sinusoïdes dont la fréquence ont un même écart à un quelconque multiple entier de la fréquence d'échantillonnage peut produire les mêmes échantillons. On ne saurait donc, connaissant les échantillons, retrouver celle de ces sinusoïdes qui les a produits. Dans le cas usuel, en bande de base, cela équivaut à ce qu'aucune fréquence n'ait un écart à la fréquence d'échantillonnage inférieur à la largeur de bande du signal. Si cela se produisait, on ne saurait dire si les échantillons renvoient à la sinusoïde de fréquence f ou à celle de fréquence f-f. Il faut donc que toutes les fréquences du signal soient comprises entre 0 et la fréquence de Nyquist. La technologie de l'échantillonnage exige de conserver une marge entre la fréquence de Nyquist et la fréquence maximale théorique du système. Dans une application d'échantillonnage, il faut d'abord définir la largeur de bande du signal utile. La fréquence d'échantillonnage doit être supérieure à deux fois cette valeur. On prévoit ensuite en général des filtres anti-repliement pour éliminer les fréquences supérieures à la fréquence de Nyquist, inutiles d'après l'étude précédente, afin d'éviter le repliement de spectre dans la bande utile après échantillonnage et reconstruction. La fréquence de Nyquist est l'application à l'échantillonnage d'une limite qui s'applique dans tous les cas où un signal module une fréquence porteuse. Quand la fréquence maximale du signal dépasse la moitié de celle de la porteuse, la démodulation produit un repliement de spectre, qui rend impossible la reconstitution du signal.
[2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will implement a simple fractional resampler that
uses local Lagrange interpolation. The resampler can be used to perform
any rational sampling rate change (but beware of aliasing when
downsampling!)
In [1]:
import numpy as np
import IPython
from scipy.io import wavfile
Local Lagrange interpolation[4]¶
To perform resampling we will need to compute subsample values and, in [2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will design and use filters to extract specific
audio frequencies from a music file.
In [1]:
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import IPython
import scipy.signal as sp
from scipy.io import wavfile
infringment...)
In [2]:
IPython.display.Audio(s, rate=SF)
Out[2]:
Your browser does not support the audio element.