Traitement des Signaux

1re partie : Transforme de Fourier et Anaylse Frquentielle

30 septembre 2006

Dfinitions, Signaux, Fonctions et Distributions

3
Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Classification des signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Quelques signaux importants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Transforme de F OURIER
Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Reprsentation spectale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Exemple : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Intrt de la TF. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Proprits de la TF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Relation de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21
22
24
25
27
30
32

Transformes de F OURIER connatre

35

Analyse spectrale
Analyse spectrale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ambigut: Dure dun signal-Largeur spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Thorme de P LANCHEREL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Fentres dobservation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

37
38
39
42
44

Plan
Dfinitions, Signaux, Fonctions et Distributions
Transforme de F OURIER
Transformes de F OURIER connatre
Analyse spectrale
2 / 50

Dfinitions, Signaux, Fonctions et Distributions

3 / 50

Dfinitions

Le signal est la reprsentation physique dun phnomne qui volue dans le temps ou dans lespace.
Le traitement du signal (TS) est une discipline technique qui a pour objet llaboration, la dtection et
linterprtation des signaux porteurs dinformations.
Cette discipline sappuie sur la thorie du signal qui donne une description mathmatique des
signaux. Cette thorie fait essentiellement appel lalgbre linaire, lanalyse fonctionnelle, et ltude
des processus alatoires.
4 / 50

Historique
Aspects techniques :

1830 : tlgraphe lectrique (M ORSE , C OOKE , W HEATSTONE) ;

1876 : tlphone (B ELL) ;
1895 : radio (M ARCONI , P OPOV) ;
1905, dtection et amplification de signaux lectroniques faibles (F LEMMING)

Aspects thoriques :

1822 : F OURIER, propagation de la chaleur ;

vers 1930 : processus alatoires (W IENER et K INTCHINE), quantit dinformations transmise sur une
voie tlgraphique(N YQUIST et H ARTLEY) ;
aprs 1948 : thorie de la communication (S HANNON), filtrage optimal (W IENER), distributions
(S CHARWTZ).
5 / 50

Applications
Contrle Radar : Ici lanalyse frquentielle joue un rle fondamental ;
Codage de la Parole : La reconnaissance de la parole ncessite le traitement dune grande quantit
de donnes. Le codage permet de rduire cette quantit, en liminant les redondances et en
conservant linformation utile ;
Les Tlcommunications : Si les 34 millions de lignes tlphone fixe taient relies 2 2 il faudrait
(34 106 )2 /2 cbles. Heureusement les travaux sur la modulation, lchantillonnage et la transmission
permettent dmettre, sur une mme voie, des milliers de messages.
Traitement des images : Restauration dimages dgrades par le bruit, compression dimages
(vidoconfrence), analyse dimages mdicales, chographie
Recherche gophysique : lcho dune onde acoustique sur les diffrentes couches renseigne sur la
composition et la gomtrie des roches.

6 / 50

Morphologique
On distingue ici les signaux qui prennent des valeurs chaque instant t (Signal continu) et les signaux qui
nont de valeurs qu certains instants ti (Signal discret).

7 / 50

Spectrale
On classe les signaux suivant la bande de frquences quils occupent.
1

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

0.2

0.2

0.4

0.4

0.6

0.6

0.8

0.8

70

25

60
20
50
15

40

30

10

20
5
10

1
0

20

40

60

80

temps (s)

100

120

140

1
0

20

40

60

80

100

120

140

0
0

0.1

0.2

0.3

frequence (Hz)

temps (s)

0.4

0.5

0
0

0.1

0.2

0.3

0.4

0.5

frequence (Hz)

8 / 50

nergtique
Les signaux peuvent tre soit : nergie finie ou puissance moyenne finie.
Les signaux nergie finie vrifient la condition :
Wx =

(1)

|x(t)| dt < +

Les signaux puissance moyenne finie sont tels que :

#
" Z T
1 +2
2
|x(t)| dt < +
(2) 0 < Px = lim
T T T
2
Remarques :

Les signaux support born, cest dire de dure limite, sont nergie finie.
Les signaux priodiques sont puissance moyenne finie ;
Un signal nergie finie a une puissance moyenne nulle (Px = 0) ;
Un signal puissance moyenne finie (non nulle) possde une nergie Wx infinie.

9 / 50

test
On dfinit :

La puissance instantane ( dinteraction ).

(3)
(4)

Px (t)
Pxy (t)

= x(t)x (t)
= x(t)y (t)

La puissance moyenne (dinteraction) sur une dure T .

Z
1 t0 +T
(5)
x(t)x (t)dt
Px (t0 , T ) =
T t0
Z
1 t0 +T
(6) Pxy (t0 , T ) =
x(t)y (t)dt
T t0
Lnergie moyenne (dinteraction) sur une dure T .

(7)
(8)

Wx (t0 , T )
Wxy (t0 , T )

= T Px (t0 , T )
= T Pxy (t0 , T )
note 1 of slide 9

Typologique
On distingue ici les signaux suivant que leur volution est dterministe ou alatoire.
Un signal dterministe peut tre prdit par un modle mathmatique.

Un signal alatoire a un comportement imprvisible,

au moins partiellement. On le dcrit grce des outils statistiques ( densit de probabilits, moyenne, variance,...).

x(t + T ) = x(t)

t
x(t) = e3t
t

10 / 50

Porte
(9)

(


1si t T2 , T2
T (t) =
2
0ailleurs
T (t)
2

T
2

T2

t
11 / 50

Echelon dHeavyside
(
1 si t 0
(10) u(t) =
0 si t < 0
u(t)
1
t
12 / 50

Signe
(
1 si t 0
(11) sgn(t) =
1 si t < 0
sgn(t)
1
t
1
13 / 50

Triangulaire
(
1 |t|
T si |t| < T
(12) T (t) =
0 ailleurs
T (t)

t
14 / 50

Gaussienne
(13) g(t) =

t2
1
e 22
2

1
2
1
1 e 2
2

0, 61

1
2

15 / 50

Sinus Cardinal
(14) sinc(x) =

sin(x)
x

2...
16 / 50

Dfinition de travail
On sintresse particulirement la distribution de Dirac, note (t) et dfinie, un peu abusivment, comme
suit :
(
Z
0 si t 6= 0
(16)
(t)dt = 1
(15) (t) =

si t = 0
Une approche plus rigoureuse consiste considrer la distribution de Dirac comme la limite dune
fonction f (t) daire unit et de support born :
(R
2
f (t)dt = 1

(17)
2
(t) = lim [f (t)]
2
1

17 / 50

Manipulation

Produit par une fonction f (t)

(18) f (t)(t) = f (0)(t)
(19) f (t)(t t0 ) = f (t0 )(t t0 )
Laire associe au pic de Dirac ne vaut plus 1 mais f (0) ou f (t0 ).

Intgration :
Z
Z
f (t)(t t0 )dt =
(20)

f (t0 )(t t0 )dt = f (t0 )

18 / 50

Peigne de Dirac
Enfin, on utilisera aussi le peigne de Dirac, not T (t). Cette distribution est constitue dune suite
dimpulsions de Dirac, rgulirement espaces dune dure T :

19 / 50

Peigne de Dirac
Le produit de cette distribution par une fonction f (t) donne une
suite dimpulsion de Dirac daire gale f (kT ) :

f (t) T (t) = f (t)

(21)
=

k=
X

k=

k=
X

k=

(t kT )

f (kT )(t kT )

On pose fe (t) = f (t) T (t). On dit que fe (t) est une fonction
chantillone.
20 / 50

Transforme de F OURIER

21 / 50

Dfinition

La transformation de F OURIER est une extension de la dcomposition en srie de F OURIER, mais pour
des signaux quelconques.
Intuitivement on peut considrer un signal non priodique comme un signal dont la priode T .
Ainsi la somme discrte et le facteur 1/T intervenant dans la dcomposition en srie de F OURIER
deviennent respectivement une intgrale, et une petite variation de frquence df .

On dfinit la Transforme de Fourier (T F ), note X(f ),a du signal x(t) et son inverse par :

T F {x(t)}

= X(f ) =

(23) T F 1 {X(f )}

= x(t) =

(22)

x(t)ej2f t dt
X(f )e+j2f t df

22 / 50
a Dans la suite du cours, les signaux seront reprsents par des minuscules x, s, f , etc..., les TF correspondantes par des
majuscules X, S, F , etc ... Le temps par la variable t ou et la frquence par f ou .

Rappel sur les sries de F OURIER

Considrons les fonctions gn (t) dfinies par :
nt

(24) gn (t) = e+j2 T = e+j2n0 t

avec,

0 =

1
T

et

nZ

On peut facilement montrer que ces fonctions sont orthogonales, cest dire :

Z
1
0 si n 6= m

gn (t), gm (t)dt =
(25) hgn (t), gm (t)i =
1 si n = m
T T
Soit f (t) un signal priodique de priode T (T > 0). Si f (t) possde un nombre fini de sauts sur une
priode, alors il existe une suite Cn telle que :
(26) f (t) =

n=+
X

n=

Cn gn (t) =

n=+
X

nt

Cn e+j2 T

n=

Cette srie converge vers f (t), si f (t) est continue en t.

note 1 of slide 22

Sries de F OURIER : exemples

Soit Cn une suite dfinie par :

Exemple 1

(27) C1 = C1 =

A
et Cn = 0 si n 6= 1
2

Dterminer f(t) ?

(28) f (t) =

n=
X


t
A  +j2 t
T + ej2 T
e
= A cos
=
2

+j2 nt
T

Cn e

n=

2t
T


1

1.2

0.8
0.6

0.4
0.2

f(t)

Cn

0.8

0.6

0
0.2

0.4

0.4
0.6

0.2

0.8
0
3

1
0

T/2

2T

3T

On considre le signal carr priodique f (t) dfini par :

Exemple 2

f(t)

1
0.5
0

T/2 /2

/2 T/2

Calculer son spectre.

(29) Cn =

1
T

T
2

nt

f (t)ej2 T dt =

T2

1
T

nt

ej2 T

i 2

2 Tn

n
1 sin 2 2T
n
T
T

 n 

sinc
T
T

Le sinc constitue lenveloppe des Cn

1
0.5

1/

0
1/T

0.5

n/T

note 2 of slide 22

10

Conditions dexistence de la TF :
Une fonction f (t) admet pour transforme de FOURIER la fonction F (f ) si :

fR (t) est borne ;

x(t)dt existe ;

les discontinuits de f (t) sont en nombre limit.

Une grande partie des signaux tudis rpondent ces conditions. Ceci est d, en partie, au fait quils
sont observs sur une dure finie.
Attention ces conditions ne sont pas ncessaires lorsquil sagit de distributions. Les fonctions
priodiques ou les distributions (t) et T (t) ont des TF.

23 / 50

Reprsentation spectale
X(f ) est la superposition dune infinit de raies qui stendent, dans le domaine frquentiel, de .
On dfinit :

Spectre damplitude = |X(f )|

2
Spectre ( ou densit spectrale ) de puissance = |X(f )|
Spectre de phase = arg(X(f ))

La transforme de F OURIER introduit la notion de frquences ngatives.

Ces frquences nont aucun sens physique.

Elles existent bel et bien dans la reprsentation mathmatique dun signal rel.
24 / 50

Exemple :
La fonction porte :

(30) x(t) = 2 (t) =

et sa transforme de F OURIER :
Z
Z
x(t)ej2f t dt =
(31) X(f ) =
(32)

j2f



1 si t 2 , 2
0 ailleurs

ej2f t dt

 j2f t  2
e

sin(f )
= sinc(f )
f
25 / 50

11

Exemple :
1

X(f)

x(t)

0.5

0.5

0
0
/2
1

0.8

0.8

0.6

0.6

0.4
0.2

0 1/T

t (sec)

f (Hz)

arg(H(f))

|X(f)|2

|X(f)|

/2
1

0.4
0.2

0
500

500

1/T

500

f (Hz)

0 1/T

500 f(Hz)

f(Hz)

1/T

26 / 50

Intrt de la TF
Il est souvent plus ais dinterprter certains phnomnes physiques dans le domaine frquentiel. Cest
lintrt essentiel de la TF.
Exemples :
2

0.6

1.5

0.5

1
0.4

|X(f)|

x(t)

0.5
0
0.5

0.3
0.2

1
0.1

1.5
0

0.01

0.02

0.03

0.04

0.05

400

t (sec)

200

200

400

f(HZ)

La TF du signal fait apparatre deux raies (2 paires de raies), on a donc la somme de deux sinus ou
cosinus (il faudrait voir la phase pour trancher.)
27 / 50

Intrt de la TF
3

0.25

0.2

|X(f)|

x(t)

1
0
1

0.15
0.1

2
0.05
3
0

0.1

0.2

0.3

0.4

400

t(sec)

200

200

400

f(Hz)

0.25

0.2

|X(f)|

x(t)

1
0
1

0.15
0.1

2
0.05
3
0

0.1

0.2

0.3

0.4

400

t(sec)

200

200

400

f(Hz)

Il sagit deux ralisation physique du mme phnomne. Dans le deuxime ca on remarque que les
variations sont plus lentes : on a retir (par filtrage) les composantes frquentielles les plus leves.
28 / 50

12

Intrt de la TF

La symtrie entre la T F et la T F 1 montre lexistence dune dualit entre temps et frquences. Toutes
les informations contenues dans le signal sont contenues dans le spectre.
La dimension des variables t et f est la seconde et le Hertz. Cependant certains signaux sexpriment
en mtre et mtre1 , on parle alors de frquences spatiales.
29 / 50

Proprits de la TF
Linarit :

T F et T F 1 sont des oprateurs linaires.

TF

(33) C , x(t) + y(t) X(f ) + Y (f )

Similitude : Une dilatation dans le domaine temporel correspond une contraction dans le domaine
frquentiel.
1
(34) a R , x(at)
X
|a|
TF

 
f
a

Translations :
(35)

x(t t0 )

(36) X(f f0 )

TF

ej2f t0 X(f )

e+j2f t0 x(t)

T F 1

30 / 50

13

Proprits de la TF
Drivation en temps :
dx(t)
dt
dn x(t)
(38)
dtn

(37)

TF

j2f X(f )

TF

(j2f )n X(f )

Drivation en frquence :
dX(f )
df
dn X(f )
(40)
dtf

(39)

T F 1

T F 1

j2tx(t)
(j2t)n x(t)

Parit : Si x(t) est un signal rel et pair alors son spectre X(f ) est rel et pair. Si x(t) est rel et impair,
son spectre X(f ) est imaginaire et impair.

Carr sommable :

Si x(t) est de carr sommable alors X(f ) est de carr sommable.

31 / 50

14

quelques dmonstrations
Similitude : En posant at = t
 
Z
Z
1
1
f
j2f t
j2 fa t
x(at)e
dt = sgn(a)
(41)
x(t )e
X
dt =
a
|a|
a

Translations : En posant t t0 = t :
Z
Z
x(t t0 )ej2f t dt = ej2f t0
(42)

x(t )ej2f t dt = ej2f t0 X (f )

Dmonstration identique pour la translation de frquence.

Drivation en temps :
hR
i

n
j2f t
Z
d
X(f
)e
df
n
dn ej2f t

d x(t)
X(f )
(43)
=
=
df
dtn
dtn
dn t

Z
(44)
(j2f )n X(f )ej2f t df = T F 1 {(j2f )n X(f )}
=

Parit :
(45) X(f ) =

x(t)ej2f t dt =

t =t

x(t)ej2f t dt

= X(f ) X(f ) pair


Z
x(t)ej2f t dt = X(f )
=

(46)
(47)

x(t )ej2(f )t dt

X(f ) rel
note 1 of slide 31

Relation de Parseval
Cette relation est comparable celle qui existe pour des signaux priodiques. Soit x(t) un signal de carr
sommable (ou nergie finie) et qui admet X(f ) pour TF , on a :
Z
Z
2
2
|X(f )| df
|x(t)| dt =
(48) Ex =

DMONSTRATION

(49) Ex =

(50)

Z
|

j2f t

X(f )e
{z

df

 Z
}|

TF1 {X(f )}=x(t)

Z

X(f )X (f )

j2f t

X(f )e
{z

df

TF1 {X(f )} =x(t)

ej2(f f

)t


dt df df

dt

32 / 50

15

Relation de Parseval
(51) Ex =

X(f )X (f )

Z

j2(f f )t

dt df df

Lexpression entre crochets est gale la TF de la fonction unit, calcule la frquence f f , soit
(f f ) :

Z
Z

X(f )
X (f )(f f )df df
(52) Ex =

|
{z
}
=

(53)

|X(f )| df =

=X (f )

|x(t)| dt

33 / 50

Relation de Parseval
2

|X(f )| est appele densit spectrale dnergie ou parfois, abusivement, densit spectrale de puissance.
On peut montrer de la mme faon que, pour deux signaux x(t) et y(t), lnergie dinteraction vrifie la
relation :
Z
Z
X(f )Y (f )df
x(t)y (t)dt =
(54) Exy =

34 / 50

Transformes de F OURIER connatre

35 / 50

Table des transformes de F OURIER connatre

Les fonctions, et leur transformes de F OURIER prsenteses dans le tableau ci-dessous seront
frquemment utilises par la suite.

(t)
1
e+2jf0 t
(t t0 )
cos(2f0 t + 0 )
sin(2f0 t + 0 )
(t)T (t)

1
(f )
(f f0 )
e2jf t0

 j
1
0
(f f0 ) + ej0 (f + f0 ) 
2 e
1
j0
(f f0 ) ej0 (f + f0 )
2j e
1
1
T (t) T (f )

TAB . 1 Quelques transformes de F OURIER connatre. Le calcul de certaines dentre elles est ais
lorsque lon fait appel aux proprits dcrites plus haut.
36 / 50

16

Analyse spectrale

37 / 50

Analyse spectrale
Lanalyse spectrale des signaux tient une place importante dans un grand nombre dapplications (
Tlcommunications, Gophysique, Biochimie,..).
On peut citer comme exemple, lanalyse spectrale de signaux de parole qui fournit une indication sur le
sexe du locuteur. En effet, les signaux de parole sont en grande partie voiss (quasi-priodiques). La
hauteur de la frquence fondamentale est denviron 100-150 Hz pour un homme, 150-250 Hz pour une
femme et peut aller jusqu 400 Hz pour un enfant.
Un autre exemple est celui de la poursuite dune cible mobile. Le signal rflchi par la cible fournit des
informations sur la vitesse et la position de lobjet.
38 / 50

Ambigut : Dure dun signal-Largeur spectrale

En thorie un signal de dure finie ( support born ) possde un spectre de largeur infinie ( support infini
). Corrlativement, un spectre support born correspond un signal de dure illimite.
Exprimentalement, le problme est le suivant :
Comment tudier un signal, sur une dure limite T ( donc avec un spectre support infini ), avec un
instrument qui a une bande passante finie ?.
Il est vident que, si la puissance du signal dcrot rapidement en fonction de la frquence, on a intrt
utiliser un instrument dont la bande passante est trs suprieure la bande utile du signal. Leffet du
filtrage ( passage du signal dans linstrument ) est alors rduit.
39 / 50

Bande utile
La notion de bande utile est lie lapplication. Soit x(t) un signal dnergie totale Ex et de densit
spectrale dnergie Sxx (f ) 2= |X(f )|2 .
Sxx (f )

f
Bu
f
On dfinit la bande utile Bu par :
(55) BU = 2F

avec

F =

1
Ex

f 2 Sxx (f )df

o est choisi en fonction de lapplication.

40 / 50

17

|x(t)|2

Dure utile

T
Du
t

De mme on dfinit la dure utile Du dun signal x(t) par :

s
Z +
1
2
t2 |x(t)| dt
(56) DU = 2T avec T =
Ex
o est choisi en fonction de lapplication.
En utilisant la relation de Cauchy-Schwartz on en dduit la relation dincertitude :
(57) Du Bu Cste
qui montre quun signal fluctuations rapides possde un spectre large.
41 / 50

Relation dincertitude : dmontrastion

En utilisant la relation de Cauchy-Schwartz :
Z

(58) 

tx(t)

2 Z
Z  2
 dx 
dx 
  dt
dt
t2 |x(t)|2 dt
 
dt
dt

En intgrant par partie, on trouve :

Z
Z
Ex
1
1  2 
tx (t)
|x(t)|2 dt =
t2 |x(t)|2 dt =
(59)
2
2
2

de plus, en utilisant la relation de PARSEVAL :

(60)
do :
(61)

 2
Z
 dx 
  dt = 4 2
f 2 Sxx (f )df = 4 2 Ex F 2
 
dt

Ex2
Ex T 2 4 2 Ex F 2 6
4

4T F

1
7

Du Bu

note 1 of slide 41

Thorme de P LANCHEREL
Soient x(t) et y(t) deux signaux ayant pour transforme X(f ) et Y (f ). P LANCHEREL a dmontr que :
(62) T F {x(t) y(t)} = X(f )Y (f )
(63)
T F {x(t)y(t)} = X(f ) Y (f )
Ce thorme est trs utile : il permet de simplifier un grand nombre de calcul et il est utilis dans de
nombreuses applications.
42 / 50
18

Thorme de P LANCHEREL
DMONSTRATION

(64) T F {x(t) y(t)} =

(65)
(66)

=
=

Z +

Z

x(u)
x(u)

j2f t

Z +

y(t u)e

(68)

= X(f )Y (f )

dt du


y( )ej2f ( +u) d du

x(u)ej2f (u) du

(67)

Z


x(u)y(t u)du ej2f t dt

y( )ej2f ( ) d

La seconde relation se dmontre de la mme faon.

43 / 50

Fentres dobservation
Lanalyse dun signal ne peut seffectuer que sur une dure finie [t0 , t1 ]. Si x(t) est le signal initial, le signal
observ s(t) scrit :
(69) s(t) = x(t)f (t)
o f (t) est nulle en dehors de [t0 , t1 ].
f (t) est appele fentre dobservation ou fonction de pondration.
La fentre idale est celle qui ne modifiera pas le spectre X(f ) du signal x(t), cest dire telle que :
(70) S(f ) = X(f ) F (f ) = X(f )

TF

F (f ) = (f ) f (t) = 1

La fonction unit (f (t) = 1) dfinie sur ] , +[ nest pas une fentre. On en dduit cependant que la
transforme de Fourier dune fentre satisfaisante, cest dire modifiant peu X(f ), doit sapprocher du
pic de Dirac.
44 / 50

19

Fentres dobservation
La fonction Porte T (t) est appele fentre naturelle et fut la premire utilise. Sa transforme P (f ) est :
2

n
o
(71) P (f ) = T F T (t) = T sinc(f T )
2

P (f ) est constitu dun lobe principal lobe principal et de lobes secondaires. lobes secondaires.
|P (f )|

...
f

Comme on le verra, toutes les transformes de Fourier de fentres de pondration possdent un lobe
principal et des lobes secondaires.
45 / 50

Fentres dobservation
Pour comparer les diffrentes fentres on utilise deux critres :

La largeur de bande, B, dfinit la rsolution ou pouvoir sparateur du spectre.

|P (f )|

|P (f )|
f

Si X(f ) est constitu de deux raies aux frquences trs proches f1 et f2 avec (|f1 f2 | < B), il ne
sera pas possible de les distinguer.
Lamplitude relative du lobe secondaire : Q = 20 log10 |P (f1 )/P (0)| (o |P (f1 )| est lamplitude
maximale du 1er lobe secondaire).
|P (f )|
f
46 / 50

20

Fentres dobservation
Dans le cas de la fentre naturelle on trouve
B = 1/T et Q = 13dB.
|P (f )|
Q = 13dB

f
1
T

La fentre naturelle est peu utilise, en analyse spectrale, car elle prsente des lobes secondaires de
forte amplitude. Un trs grand nombre de fentres ont t proposes. Celles ci sont gnralement
choisies en fonction de lapplication.
47 / 50

Fentre de Bartlett (1950)

(72) T (t) =
2


 T
T
1 2 |t|
T si t 2 , + 2
0 ailleurs

Elle peut tre obtenue par la convolution de deux portes :

(73) T (t) =
2

n
o T
T
2
TF
T (t) T (t) T F T (t) = sinc2 (f )
4
4
2
T
2
2

do B = 2/T et Q = 26 dB.

|P (f )|
Q = 26dB
2
T

La largeur est deux fois plus grande que la fentre naturelle. Par contre, lamplitude relative du premier
lobe secondaire est beaucoup plus petite.
48 / 50

21

Fentre de Hanning (J. VAN H ANN)

Elle est dfinie par :
(


1
1 + cos 2t
2
T
(74) hN (t) =
0
1
1
(75) HN (f ) = P (f ) +
2
4



si t T2 , + T2
ailleurs

 



n
o
1
1
P f+
+P f
o P (f ) = T F T (t)
2
T
T

On obtient B = 2/T et Q = 32 dB.

|Hn (f )|
Q = 32dB

2
T

49 / 50

Fentre de Hamming
R.W. H AMMING a tudi une famille de fonctions dfinies par :
(


+ (1 ) cos 2t
si t T2 , + T2
T
(76) hM (t) =
0
ailleurs
La valeur de qui minimise Q est 0,54. On a alors B = 2/T et Q = 52 dB.
|HM (f )|

Q = 52dB

2
T

Pour = 0, 5, on retrouve la fentre de Hanning.

50 / 50

22