{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<h1 align=\"center\"> Spé MP ISM <br> TP Série 1 <br>TP Echantillonnage <br></h1>   "
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<h2> 1.3 Analyse de Fourier</h2>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "  "
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Analyse de Fourier de $x_e$ pour un signal $x_c$ sinusoïdal de fréquence $f=450Hz$."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "scrolled": true
   },
   "outputs": [],
   "source": [
    "import numpy as np                     #importer numpy \n",
    "import matplotlib.pyplot as plt        #représentations graphiques\n",
    "import ipywidgets as widgets           #fenêtres interactives\n",
    "%matplotlib widget\n",
    "\n",
    "temps_ms = []\n",
    "x_e = []\n",
    "\n",
    "#Récupération données \n",
    "fichier = open(\".txt\",\"r\")                  #compléter le nom de votre fichier\n",
    "for L in fichier.readlines() :\n",
    "    data = L.split()\n",
    "    temps_ms.append(float(data[0])*1e3)\n",
    "    x_e.append(float(data[1]))\n",
    "fichier.close()\n",
    "\n",
    "#Conversion des listes en vecteurs \"nparray\"\n",
    "temps_ms = np.array(temps_ms)\n",
    "x_e = np.array(x_e)\n",
    "\n",
    "#tracé du chronogramme \n",
    "plt.figure(1, figsize=(8, 6))\n",
    "plt.plot(temps_ms,x_e,'k')\n",
    "plt.xlabel('temps (ms)',fontsize=18) \n",
    "plt.xlim(0,10)\n",
    "plt.ylabel('x_e(t) (V)',fontsize=18) \n",
    "plt.ylim(-5,5)\n",
    "plt.title('Signal échantillonné',fontsize=18)\n",
    "plt.tick_params(axis='both',labelsize=16)\n",
    "plt.grid()\n",
    "plt.show()\n",
    "\n",
    "#Calcul de la transformée de Fourier discrête\n",
    "N = len(x_e)               #Nombre d'échantillons\n",
    "Te_osc =  2e-5             #Période d'échantillonnage de l'oscilloscope à compléter\n",
    "Fe_osc = 1/Te_osc/1e3      #Fréquence d'échantillonnage de l'oscilloscope en kHz\n",
    "fft_x_e = np.fft.fft(x_e)/N*2  #fois 2 pour la \"conversion\" bilatérale-->unilatérale\n",
    "freq = np.linspace(0,Fe_osc, N)#Préparation du vecteur fréquence\n",
    "\n",
    "#tracé du spectre\n",
    "plt.figure(2, figsize=(8, 6))\n",
    "plt.plot(freq,np.abs(fft_x_e),'k')\n",
    "plt.xlabel('Fréquence (kHz)',fontsize=18) \n",
    "plt.xlim(0,Fe_osc/2)\n",
    "plt.ylabel('Module FFT de $x_e$',fontsize=18) \n",
    "plt.title('Spectre du signal échantillonné',fontsize=18)\n",
    "plt.tick_params(axis='both',labelsize=16)\n",
    "plt.grid()\n",
    "plt.show()\n",
    "\n",
    "print(1/(N*Te_osc))"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "  Analyse de Fourier de $x_e$ pour un signal $x_c$ sinusoïdal pour différentes fréquence."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "%matplotlib widget\n",
    "#Récupération données f ~ 450 Hz (cas précédent) \n",
    "x_e_450Hz = []\n",
    "fichier = open(\".txt\",\"r\")    \n",
    "for L in fichier.readlines() :\n",
    "    data = L.split()\n",
    "    x_e_450Hz.append(float(data[1]))\n",
    "fichier.close()\n",
    "x_e_450Hz = np.array(x_e_450Hz)\n",
    "\n",
    "#Rajouter plusieurs signaux échantillonnés à plusieurs fréquences\n",
    "\n",
    "\n",
    "#Calcul des transformées de Fourier discrêtes de tous les signaux précédents, à compléter !\n",
    "fft_x_e_450Hz = np.fft.fft(x_e_450Hz)/N*2  #fois 2 pour la \"conversion\" bilatérale-->unilatérale\n",
    "\n",
    "#Préparation du tracé des spectres\n",
    "N = len(x_e)               #Nombre d'échantillons\n",
    "Te_osc = 2e-5              #Période d'échantillonnage de l'oscilloscope\n",
    "Fe_osc = 1/Te_osc/1e3      #Fréquence d'échantillonnage de l'oscilloscope en kHz\n",
    "freq = np.linspace(0,Fe_osc, N)#Préparation du vecteur fréquence\n",
    "\n",
    "\n",
    "#tracé du spectre\n",
    "plt.figure(2, figsize=(8, 6))\n",
    "plt.plot(freq,np.abs(fft_x_e_450Hz),label = 'f ~ 450 Hz')\n",
    "# Rajouter les autres tracés\n",
    "\n",
    "\n",
    "plt.legend(fontsize=18)\n",
    "plt.xlabel('Fréquence (kHz)',fontsize=18) \n",
    "plt.xlim(0,Fe_osc/2)\n",
    "plt.ylabel('Module FFT de x_e',fontsize=18) \n",
    "plt.title('Spectre du signal échantillonné',fontsize=18)\n",
    "plt.tick_params(axis='both',labelsize=16)\n",
    "plt.grid()\n",
    "plt.show()\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "  Analyse de Fourier de $x_e$ pour un signal $x_c$ créneau et triangulaire de fréquence $f=450Hz$. "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "%matplotlib widget\n",
    "#Récupération données créneau f ~ 450 Hz\n",
    "x_e_cre = []\n",
    "fichier = open(\".txt\",\"r\")             # à compléter\n",
    "for L in fichier.readlines() :\n",
    "    data = L.split()\n",
    "    x_e_cre.append(float(data[1]))\n",
    "fichier.close()\n",
    "x_e_cre = np.array(x_e_cre)\n",
    "\n",
    "#Récupération données triangle f ~ 450 Hz\n",
    "x_e_tri = []\n",
    "fichier = open(\".txt\",\"r\")           # à compléter\n",
    "for L in fichier.readlines() :\n",
    "    data = L.split()\n",
    "    x_e_tri.append(float(data[1]))\n",
    "fichier.close()\n",
    "x_e_tri = np.array(x_e_tri)\n",
    "\n",
    "\n",
    "#Calcul des transformées de Fourier discrêtes\n",
    "fft_x_e_cre = np.fft.fft(x_e_cre)/N*2  #fois 2 pour la \"conversion\" bilatérale-->unilatérale\n",
    "fft_x_e_tri = np.fft.fft(x_e_tri)/N*2  #fois 2 pour la \"conversion\" bilatérale-->unilatérale\n",
    "\n",
    "\n",
    "#Préparation du tracé des spectres\n",
    "N = len(x_e)               #Nombre d'échantillons\n",
    "Te_osc = 2e-5              #Période d'échantillonnage de l'oscilloscope\n",
    "Fe_osc = 1/Te_osc/1e3      #Fréquence d'échantillonnage de l'oscilloscope en kHz\n",
    "freq = np.linspace(0,Fe_osc, N)#Préparation du vecteur fréquence\n",
    "\n",
    "\n",
    "\n",
    "#tracé du spectre\n",
    "plt.figure(2, figsize=(8, 6))\n",
    "plt.plot(freq,np.abs(fft_x_e_cre),'k',label = 'créneau')\n",
    "plt.plot(freq,np.abs(fft_x_e_tri),'r',label = 'triangle')\n",
    "plt.legend(fontsize=18)\n",
    "plt.xlabel('Fréquence (kHz)',fontsize=18) \n",
    "plt.xlim(0,Fe_osc/2)\n",
    "plt.ylabel('Module FFT de x_e',fontsize=18) \n",
    "plt.title('Spectre du signal échantillonné',fontsize=18)\n",
    "plt.tick_params(axis='both',labelsize=16)\n",
    "plt.grid()\n",
    "plt.show()"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<h2> 2 Réalisation d'un échantillonneur-bloqueur et étude des signaux échantillonnés-bloqués</h2>"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "Analyse de Fourier de $x_{eb}$ pour un signal $x_c$ sinusoïdal de fréquence $f=450Hz$. "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": [
    "%matplotlib widget\n",
    "\n",
    "temps_ms = []\n",
    "x_eb = []\n",
    "\n",
    "#Récupération données \n",
    "fichier = open(\".txt\",\"r\")\n",
    "for L in fichier.readlines() :\n",
    "    data = L.split()\n",
    "    temps_ms.append(float(data[0])*1e3)\n",
    "    x_eb.append(float(data[1]))\n",
    "fichier.close()\n",
    "\n",
    "#Conversion des listes en vecteurs \"ndarray\"\n",
    "temps_ms = np.array(temps_ms)\n",
    "x_eb = np.array(x_eb)\n",
    "\n",
    "#tracé du chronogramme \n",
    "plt.figure(1, figsize=(8, 6))\n",
    "plt.plot(temps_ms,x_eb,'k')\n",
    "plt.xlabel('temps (ms)',fontsize=18) \n",
    "plt.xlim(0,10)\n",
    "plt.ylabel('x_eb (t) (V)',fontsize=18) \n",
    "plt.ylim(-5,5)\n",
    "plt.title('Signal échantillonné-bloqué',fontsize=18)\n",
    "plt.tick_params(axis='both',labelsize=16)\n",
    "plt.grid()\n",
    "plt.show()\n",
    "\n",
    "#Calcul de la transformée de Fourier discrête\n",
    "N = len(x_e)               #Nombre d'échantillons\n",
    "Te_osc = 2e-5              #Période d'échantillonnage de l'oscilloscope\n",
    "Fe_osc = 1/Te_osc/1e3      #Fréquence d'échantillonnage de l'oscilloscope en kHz\n",
    "fft_x_eb = np.fft.fft(x_eb)/N*2  #fois 2 pour la \"conversion\" bilatérale-->unilatérale\n",
    "freq = np.linspace(0,Fe_osc, N)#Préparation du vecteur fréquence\n",
    "\n",
    "#tracé du spectre\n",
    "plt.figure(2, figsize=(8, 6))\n",
    "plt.plot(freq,np.abs(fft_x_eb),'k')\n",
    "plt.xlabel('Fréquence (kHz)',fontsize=18) \n",
    "plt.xlim(0,Fe_osc/2)\n",
    "plt.ylabel('Module FFT de x_eb',fontsize=18) \n",
    "plt.title('Spectre du signal échantillonné-bloqué',fontsize=18)\n",
    "plt.tick_params(axis='both',labelsize=16)\n",
    "plt.grid()\n",
    "plt.show()"
   ]
  }
 ],
 "metadata": {
  "celltoolbar": "Aucun(e)",
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.5"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}
