ESSI 1re Anne - AUTOMATIQUE et Traitement du Signal : Les Deux Reprsentations du Signal -

Page -1-

Les Deux Reprsentations du Signal

Afin dillustrer la fois les notions de grandeur physique, capteur,
signal, chantillonnage ... considrons un son enregistr par un
magntophone durant D secondes et mmoris sur une bande
magntique. A lorigine, il sagit dune vibration de lair que le
microphone (capteur, transducteur) transforme en un signal
lectrique s (t ) continu et que le magntophone traduit son tour
par une aimantation variable sur la bande magntique.
Si maintenant ce son est enregistr par un ordinateur avec la
frquence dchantillonnage f s 1 / T sur des mots de B bits et plac
dans le fichier son.wav, cest un signal discret s (nT ) , n 0 K
qui sera mmoris.

REPRSENTATION

TEMPORELLE (EXEMPLE1.M)

Lutilitaire sndrec32.exe (ou magntophone de Windows) propose

plusieurs qualits denregistrement. La qualit CD correspond
f s 44100 Hz , B = 16 bits par chantillon, et la strophonie. Un
signal durant D= 10 s ncessite 16 17 Moctet, alors que ce sera 4
fois moins avec la qualit radio , f s 22050 Hz , mono, 8 bit, ou
moins encore pour la qualit tlphone 8kHz, mono ... Ainsi le
fichier corbeille.wav de Windows utilise 20.1 koctet, et dure 0.84 s.
On peut le visualiser laide de Matlab comme suit:
[y,fs,b]=wavread('corbeille') ; % si corbeille.wav dans le rpertoire
t=[0:size(y,1)-1]/fs; % stro 2 vecteurs dans y
plot(t,y)
title('Son corbeille.wav')
xlabel('temps (s)')
ylabel('signal sonore')
fs, b % donne fs= 22050 et b = 8

Il existe deux reprsentations quivalentes pour le signal prcdent :

la fonction s (t ) , reprsentation du signal au cours du temps,
est la reprsentation usuelle, p. ex. sur lcran dun oscillo.
~
le spectre du signal, S ( ) s ( f ) , donne la reprsentation
frquencielle (avec la pulsation ou la frquence f , selon
lunit choisie rd / s ou Hz , et 2f ), visible sur lcran
dun analyseur de spectre.
Remarque : on dnomme spectre du signal s (t ) la quantit
S ( ) = ~
s ( f ) si elle est relle, ou le module
S ( ) ~
s ( f ) , ou son carr

S ( ) S ( ) S ( ) *

conjugaison complexe)
On passe de lune lautre par la transformation de Fourier
~
s ( f ) S ( ) F [ s (t )] et s (t ) F 1 [ S ( )] .

REPRSENTATION

FRQUENCIELLE

(*

, soit :

Page

Le son corbeille.wav prcdent est lu par Matlab, et son spectre

est reprsent ci-contre laide des instructions suivantes :
[y,fs,b]=wavread('corbeille');
freq=-2048:2047; % 4096 chantillons 4096 frquences
spec=fft(y,4096); % rparties galement sur [0, fs[
spec2=fftshift(spec); % transforme en [-fs/2, fs/2[
freq=freq*fs/4096;
plot(freq,abs(spec2))
La transforme de Fourier est calcule laide de lalgorithme de
transforme de Fourier rapide (ou fft), sur une fentre temporelle
12
de 4096 points ( 2 ). Le spectre obtenu contient aussi 4096 points.
On fait une symtrie par rapport la frquence nulle (en abscisse).

-2-

Cas particulier des signaux priodiques

Page

On commence la discussion par le cas plus simple de la dcomposition

en sries de Fourier des signaux T - priodiques (de priode T ).
Pour un signal sinusodal de frquence f 1 (pulsation 1 ) :

frquenciel

-a

Ainsi, quel est le spectre de la srie de Fourier suivante :

s ( t ) 0.5 0.5 cos( 2t ) 0.4 cos(6t ) cos(10t ) ?
Identifier la composante continue CC, le fondamental et les
harmoniques de la srie avec leurs amplitudes.

raies

spectre
?

On dfinit une srie de Fourier comme une somme de sinusodes

de frquences multiples dune frquence fondamentale f 1 , ou

1 2f1 (en rd / s ) appele fondamental F ou premier

harmonique H1 ; la composante de pulsation k 1 , k entier, est
lharmonique de rang k ou Hk de frquence kf 1 .

a
s(t ) a cos(2f 1 t ) ( ( f f 1 ) ( f f 1 ))
2
F

temporel

?
?

1/f1
?

-3-

Spectre de raies dune fonction priodique.

Dcomposition en srie de Fourier

Sous des conditions gnrales, un signal s (t ) priodique, de priode

T1

2
1

peut tre reconstruit laide dune srie de Fourier :

1
f1

n 0

n 0

s( t ) ( a n cos( n 1 t ) bn sin( n 1 t )) c n cos(n 1 t n )

avec c n a n2 bn2 et n arctan(

bn
).
an

Les a i et b j sont les coefficients de Fourier (ou les ck ) :

a 0 est la composante continue, ou valeur moyenne, b0 0

a1 , b1 dcrivent le fondamental ou premier harmonique

a n , bn lharmonique n
Calcul des coefficients de Fourier

On note que les fonctions cos( k 1 t ) soit C k et sin( m 1 t ) soit

S m forment une base de fonctions orthogonales pour le produit

scalaire dfini comme la valeur moyenne de lintgrale du produit :

x y

1
T1

t 0 T1

t0

x (t ) y (t )dt

Page

-4-

1
S n2 , n IN , mais galement
2
C n C m S n S m 0, n m et C k S m 0, ( k , m ) IN 2 .
En consquence, et au vu de la forme de s (t ) , on a :
a 0 C 0 s 1 s , que a n 2C n s , et bn 2 S n s
2
On a en effet : C n

(Comparer avec les formules dj vues en mathmatiques)

Convergence de cette dcomposition, phnomne de Gibbs :
La dcomposition en srie de Fourier dun signal contient a priori une
infinit de termes. Pour reconstruire le signal, on est contraint de
tronquer (dapproximer) lharmonique N. Les signaux discontinus tels
que le signal carr ci-dessous sont difficiles reconstruire ; lorsque
lon accumule les harmoniques, il apparat un phnomne doscillations
amorties sur lapproximation dit phnomne de Gibbs .

ILLUSTRATION

DU

PHNOMNE

DE

GIBBS :

Dcomposition du signal carr suivant s (t ) en srie de Fourier :

s(t)
a
t

T1/2

T1

-a

Approximation de s(t) par un S rie de Fourier, T1=1s, N = 15

1.5

0.5

-0.5

-1

-1.5

10

0.2

0.4
0.6
temps (sec)

0.8

0.2

0.4

0.8

0.8

4a 1
On trouve : a 0 0 , b0 0 , a n 0, n , et bn
pour n 1
n
impair, bn 0 pour n pair.
Soit s (t )
Allure du spectre S ( ) associ s (t ) ?
S ( )

0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1

0.6

Page

-5-

grid

% Le script exemple3.m construit un carr l'aide

d'une srie de Fourier tronque H15.
f=2*pi;
t=0:.01:1;
figure(1)
serie=(4/pi)*(sin(f*t)+ ...
sin(3*f*t)/3 + ...
sin(5*f*t)/5 + ...
sin(7*f*t)/7 + ...
sin(9*f*t)/9 +...
sin(11*f*t)/11+ ...
sin(13*f*t)/13+ ...
sin(15*f*t)/15);
plot(t,serie,t,sign(sin(f*t)),'r')
grid

EXERCICE : (exemple3.m)
Analyser les instructions suivantes qui reconstituent le signal en
dents de scie ci-contre sur une seconde. A quel harmonique sarrte
ton ? Que dduire pour la dcomposition en srie de Fourier de ce
signal ? Comparer au cas prcdent du carr.
fs=8000;
t=0:1/fs:1;
f=1;
s=(8/pi^2)*(cos(2*pi*f*t)+ ...
cos(6*pi*f*t)/9+ ...
cos(10*pi*f*t)/25);
plot(t,s)

Proprit fondamentale des filtres linaires

Un systme linaire et stationnaire (ou filtre linaire) peut tre
reprsent comme on la dj dit par une fonction de transfert, une
quation diffrentielle, ou un produit de convolution.

En rgime tabli (permanent), la rponse dun filtre

linaire une entre sinusodale est sinusodale.
Dmonstration: Cherchons une solution particulire sinusodale de
lquation diffrentielle lorsque lentre est sinusodale :
K

a
k 0

dks M
d me

b
est une quation gnrale dordre K M

m
dt k m 0
dt m

jt
Prenons une entre et une sortie complexes, soient e(t ) Ee
et

s (t ) S e jt j , sachant que E cos(t ) E

e jt e jt
.
2

La solution particulire s (t ) vrifiant lquation diffrentielle, on a

S a k ( j ) k e j E bm ( j ) m .

en simplifiant par e jt :

Do lon tire :
E

b
a

( j ) m

( j ) k

F ( ) et F ( ) .

Rponse harmonique (ou frquencielle):

Le premier rsultat donne le gain ou facteur dattnuation du filtre
linaire, le second le dphasage du signal de sortie par rapport au

Page
signal dentre en fonction de . Gain et dphasage fonction de la
frquence/pulsation constituent la rponse harmonique du filtre.
Par consquent, comment dduire la rponse harmonique dun filtre
linaire de lquation diffrentielle? De la fonction de transfert ?

Consquence de la proprit fondamentale:

Soit lentre e(t ) priodique non sinusodale, dcompose en srie
de Fourier ; on applique chaque harmonique le facteur dattnuation
et le dphasage du filtre cette pulsation, la sortie s (t ) du filtre
est alors la superposition des harmoniques attnues et dphases.

La dcomposition en srie de Fourier a t propose pour

rsoudre lquation de propagation de la chaleur dont on
connaissait la solution sinusodale.

Non linarit applique un signal priodique

Inversement, une non linarit applique une entre sinusodale
engendre des harmoniques supplmentaires.
Ainsi, le signal carr prcdent s (t ) peut tre obtenu en passant un
signal sinusodal dans la non linarit signe.
Cest une faon conomique de crer des harmoniques.

De faon gnrale, ces oprations slectives dattnuation ou

damplification des raies du spectre dun signal constituent des
oprations de filtrage de ce signal.

EXEMPLE

DU

FILTRE

DE

BUTTERWORTH

Ce filtre prsente un gain plat sans ondulation (ripple) vers les

basses frquences, et une chute rapide du gain partir de la
pulsation de coupure 0 . Une possibilit de ralisation stable
consiste mettre en srie des filtres du second ordre type tels
B ( p ) ci-dessous avec un amortissement rduit valant 2 / 2 :
2

0
B( p ) 2
2
p 2 0 p 0

(filtre Butterworth dordre n=2)

Ce filtre. La coupure des hautes frquences est de plus en plus raide

quand n crot. n 1 on passe par 3dB quand f f 3dB .
1. Complter lallure de la courbe de gain de B(p) ci-dessous.
Rajouter le gain dans le cas n=4 du filtre B(p)*B(p)
0dB
-3dB

n=2

Filtrage :
Supposons que lon cherche retrouver le fondamental dun signal en
supprimant les harmoniques ; on pourra procder en appliquant un
filtre linaire qui prsente un gain unit la frquence du
fondamental et un gain nul pour les autres harmoniques.

-6-

-20dB

f 3dB

10 f 3 dB

2. Donner la fonction de transfert du filtre de Butterworth dordre

4 si on souhaite avoir f 3dB 1Hz .

Page

3. Calculer le filtre dordre 4 pour attnuer les harmoniques dun

signal carr de priode T1 1s et conserver le fondamental

Puissance vhicule par un signal(Th. Parseval)

Par dfinition, la puissance moyenne transporte par un signal f (t )
de priode T est :

1
P
T

Transforme de Fourier
Quand on tend lanalyse prcdente des signaux priodiques au cas
non priodique, en faisant tendre la priode T vers linfini, les raies
harmoniques disparaissent, le spectre devient une fonction continue
de et la srie de Fourier devient la transforme de Fourier F :

t0 T

s(t )

f (t )dt

2
2
[
c
cos(
n

)]
dt

cn2 / 2
n 0 n

1
n
0
T
n 1
2
a
Le premier terme 0 est la puissance moyenne associe la

S ( )

f 2 (t )dt c02 ci2 / 2

i 1

Elle indique comment la puissance moyenne transporte par le signal

f (t ) priodique se rpartit entre les raies du spectre.
On peut y ajouter un ensemble dindicateurs mesurant la distorsion,
londulation, ... pour qualifier et analyser la forme du signal .

S ( )

s( t )e

jt

dt

F 1

s(t )

1
2

s(t )e

jt

En prenant comme variable la frquence f (en Hz) au lieu de la

pulsation 2f (en rd/s), les formules de transforme et de
transforme inverse sont plus symtriques :
s (t )

composante continue CC, la somme qui suit est la puissance vhicule

par les harmoniques et les ondulations du signal f (t ) .
Cette galit sappelle thorme de Parseval :

1
T

Fourier

t0

Si on applique la dcomposition en srie de Fourier, cest :

-7-

Fourier

~
s(f )

s (t )e

2 jft

dt S ( )

~
s( f )

F 1

s (t )

~s ( f )e

2 jft

df

Dans la suite, on utilisera la frquence f pour viter le coefficient

2 qui apparat dans les proprits de F si on utilise la pulsation
.
Cependant,
~
quelquesoit la variable utilise, on conserve s ( f ) S ( ) .
Comme pour la transforme de Laplace, on utilise des tables de
transformes de Fourier des signaux usuels pour calculer le spectre
dun signal, ou retrouver la reprsentation temporelle.
Rappel - Transforme de Laplace :
s(t )

Laplace

S ( p)

s(t )e
0

tp

dt ,

p variable (complexe) de Laplace.

Page

Laplace et Fourier taient franais, et contemporains.

Le premier, astronome, physicien, mathmaticien, sorte de gnie
universel, est parfois prsent comme le Newton franais.
Le second, beaucoup plus tourn vers les applications, a privilgi le
lien entre Mathmatique et Physique, avec en particulier ses
expriences et thories sur la propagation de la chaleur :
Joseph, Jean-Baptiste, Baron de Fourier, 1768-1830 , gouverneur
de Haute Egypte, Prfet de Grenoble ...
Pierre, Simon, Marquis de Laplace, 1749 1827 ...

Dix proprits de la transforme de Fourier F

Semblables mais non identiques celles de la transforme de
Laplace : f est ici la frquence, on note s(t) le signal analys et
~
s ( f ) sa transforme de Fourier
Linarit : F est linaire
Produit de convolution
et cartsien
: F ()

F ()

Thorme de Parseval :

(t ) dt

-8-

~
s( f )

df

Cest lnergie vhicule par le signal s (t ) . On introduit alors la

2
s( f ) .
densit spectrale dnergie la frquence f soit ~
Proprits de parit et dimparit
~
s(t) fonction paire du temps s ( f ) paire et relle
~
s(t) impaire s ( f ) impaire et imaginaire pure
Proprit de dualit de F :
F
si s(t ) ~s ( f ) alors
~
s (t ) F s ( f ) et ~
s ( t ) F s( f )
Proprit dite fondamentale :

s (t ) signal rel

~
s ( f ) ~s ( f ) *

(*=complexe conjugu)

EXERCICE :
Comment faut il modifier ces proprits si lunit utilise pour le
spectre nest pas le Hz (frquence) mais le rd / s (pulsation) .

un produit dans le domaine temporel donne un produit de

convolution sur les spectres et inversement, un produit dans le
domaine frquenciel donne un produit de convolution temporel.
Thorme de translation frquencielle :

~s ( f f ) F ( e j 2f1t s(t ))
1

Thorme de translation temporelle :

F [ s(t t1 )] ~
s ( f )e j 2ft1

Thorme de mise lchelle (dilatation dimage) :

1 ~ f
F [ s ( at )]
s( )
a
a
Transforme de la diffrenciation : F (

ds
) j 2f ~
s( f )
dt
Seconde dmonstration en annexe : la rponse permanente dun
filtre linaire une entre sinusodale est elle-mme sinusodale

Page

La relation dentre sortie dun filtre linaire est un produit de

convolution : s (t ) h(t ) e(t ) .
jt
Si on suppose une entre complexe e(t ) e ,on aura :

s (t )

j ( t )

h( )d e jt e j h( )d e jt H ( )

On reconnat la transforme de Fourier de la rponse impulsionnelle h(t ) , soit H ( ) , quantit complexe. Cest donc :

s(t ) S e j (t ) avec

S H ( ) et H ( ) .

Pour un entre relle e(t ) cos(t )

e jt e jt
, on en
2

e jt H ( )
) en utilisant la proprit
2
fondamentale ci-dessus, soit : h(t ) rel H ( )* H ( )
dduit que s (t ) 2 Re(
.

Fonctions et scripts Matlab pour les signaux sonores

Regroups dans le rpertoire Demos/ScriptsMatlab/SonsMatlab de
lURL locale Automatique, avec le magntophone de Windows 95
(sndrec32.exe), avec des sons wav dans le sous rpertoire Bibli, ils
permettent de crer, sauver, lire, visualiser, dcouper, analyser,
couter, transformer, des signaux sonores enregistrs ou synthtiss. Cest un noyau de base quil est facile denrichir quand on a
compris les principes et les instructions offertes par Matlab.

function wav(action)
% lance le magntophone Win95 de SonsWav
% exemple: wav('/play /close Bibli/son2.wav')
% ou wav('/open Bibli/Chord.wav')

-9-

% ou encore wav('/new') ou /record, etc ...

if ~nargin, action=' /new', end;
str=['! sndrec32', action]
eval eval(str)
function [signal, fs, N, C]=litwav(fich,act)
% visualise un signal plac dans Bibli/fich.wav
[signal,fs,bit]=wavread(['Bibli/',fich]);
[N,C]=size(signal);
disp(['Signal dans Bibli/', fich, '.wav'])
disp(['fs = ',num2str(fs),'Hz'])
disp([num2str(N), ' chantillons ', ...
' sur ',num2str(bit),' bit'])
disp(['dure ',num2str((N-1)/fs),' seconde'])
if C==1 , disp('monophonie') ,
else disp('strophonie'), end
if nargin>1
t=[0:N-1]/fs;
plot(t,signal)
sound(signal,fs)
input('taper "Enter" pour fermer')
close
end
function sauvewav(vecteur,fs,fichier)
% cre Bibli/fichier.wav et met vecteur dedans avec la
% frquence d'chantillonnage fs (defaut : mono, 8bit)
switch nargin
case 1
fs=22050;
fichier='son';
case 2
fichier='son';
end
wavwrite(vecteur,fs,8,['Bibli/',fichier]);
function jouesinwav(notes,fichier)
% gnration d'un son sinusodal que l'on joue
% et que l'on place dans fichier.wav

Page

if nargin<2, fichier='air'; end

r=power(2,1/12);
f=[1 r r^2 r^3 r^4 r^5 r^6 1.5 1.5*r 1.5*r^2 1.5*r^3
1.5*r^4]; % 12 intervalles diatoniques ou demi tons
f=[f 2*f 4*f 8*f]*110; % 4 octaves
fs=8192; son=[] ;
if nargin, air=notes;
else, air=1:length(f); end
for i=air
if i
t=0:1/fs:0.25;
son=[son sin(2*pi*f(i)*t) zeros(1,2205)];
else, son=[son sin(0*t)]; end
end
sound(son,fs)
wavwrite(son,fs,8,['Bibli/',fichier]);
function [extrait,fs]=zoomwav(fichier, action)
% lecture d'un son, dont on extrait une partie
[son,fs]=wavread(['Bibli/',fichier]);
if nargin>1, sound(son,fs), end
[N,D]=size(son);
if D==2, son=son(:,1); end;
t=[0:N-1]/fs;
h=figure('position',[0,300,1000,300], ...
'Pointer','fullcrosshair');
stairs(t,son)
axis([0,t(length(t)),min(son),max(son)])
but=[1 ; 1];
while but==[1;1]
[x,y,but]=ginput(2);
if but(1)~=1,
axis([0,t(length(t)),min(son),max(son)])
set(h,'name',['fichier wav ', fichier, ...
'.wav, ', num2str(N),' chantillons',...
', F chantillonnage ',num2str(fs)]);
but(1)=1;
else
axis([min(x),max(x),min(y),max(y)])

- 10 -

i=fix(x*fs);
extrait=son(min(i):max(i));
set(h,'name',['fichier wav ', fichier, ...
'.wav, ', num2str(max(i)-min(i)), ...
' chantillons',', F chantillonnage ',...
num2str(fs)]);
sound(extrait,fs)

end
end
set(h,'Pointer','arrow');

function []=analysewav(fichierwav)
%appel: son = analysewav('toto')
if ~nargin, fichierwav='bonjour'; end;
[son,fs]=wavread(['Bibli/' fichierwav]);
sound(son,fs)% joue fichierwav
[Nb,C]=size(son);%en cas de strophonie
if C>1, son=son(:,1); end;% une voie seulement
S=512; % nombre de points de la fft
FHz=1500; %fentre de frquence observe
dt=0.5;% intervalle temporel affich
T = fix(dt*fs);% nombre d'chantillons affichs
F = fix(FHz*S/fs); % nombre de frquences affiches
% trac du signal sonore entier
subplot(3,1,1)
plot([0:Nb-1]/fs,son)
text(0,1.2,'temps(s)','fontsize',8)
ylabel(fichierwav)
bouton=1;
% choix de la fentre d'analyse
h1=[],h2=[];% visualisation
[x,y,bouton]=ginput(1)
while bouton==1,
In=fix(x*fs)+1;
T1=min(T,Nb-In);
if Nb-In<S, In=Nb-S; end;
subplot(3,1,1)
delete(h1,h2)
h1=line([In,In]/fs,[-1,1],'color','red')

Page

h2=line([In+T1,In+T1]/fs,[-1,1],'color','red')
subplot(3,1,2)
t=[In:In+T1-1]/fs;
extrait=son(In:In+T1-1);
plot(t,son(In:In+T1-1))
sound(son(In:In+T1-1),fs)
ylabel([int2str(T1),' chantillons '],'fontsize',8)
axis([t(1),t(length(t)),min(son(In:In+T11)),max(son(In:In+T1-1))])
subplot(3,1,3)
%calcul et trac du spectre
spectre=fft(son(In:In+S-1));
spec=spectre(1:F);
interv=0:F-1;
freq=interv*fs/S;
plot(freq,abs(spec)')
xlabel('SPECTRE - frquence en Hz','fontsize',8)
M=max(abs(spec)); %marque le LA 110 Hz
V=[1 1.25 1.5]*110;%octave La110 Mi137.5 Sol165
W=[V 2*V 4*V 8*V]; % 4 octaves
h=gca;
set(h,'Xtick',W,'Xgrid','on','fontsize',6)
[x,y,bouton]=ginput(1)
end
function [son, fs]= ecoutewav(fichier)
[son,fs]=wavread(['Bibli/',fichier]);
sound(son,fs)
Avec en plus les exemples de scripts
%joue un signal carre 100 Hz
fs=22050;
t=0:1/fs:2;
f=100;
s= 0.5*sign(sin(2*pi*f*t));
spectre=fft(s,2048)/2048;
freq=0:2047;
freq=freq*fs/2047;

subplot(2,1,1)
plot(freq,abs(spectre))
subplot(2,1,2)
tvisu = (0:2047)/fs;
plot(tvisu,s(0:2047))
axis([0,0.1,-2,+2]);
sound(s,fs)
% wavwrite(s,fs,8,'son1'); % pour sauver
%cre un son avec une enveloppe
fs=22050;
t=0:1/fs:2;
f=1000;
s= exp(-2*t).*sin(2*pi*f*t);
spectre=fft(s,2048)/2048;
freq=0:2047;
freq=freq*fs/2047;
subplot(2,1,1)
plot(freq,abs(spectre))
subplot(2,1,2)
plot(t,s)
sound(s,fs)
% modulation de frquence
fs=22050;
t =1:1/fs:4;
f =800*(ones(size(t))+sin(4*pi*t));
s = 0.5*sign(sin(2*pi*f.*t));
spectre=fft(s,2048)/2048;
freq=0:2047;
freq=freq*fs/2047;
subplot(2,1,1)
plot(freq,abs(spectre))
subplot(2,1,2)
tvisu = (0:2047)/fs;
plot(tvisu,s(0:2047))
axis([0,0.1,-2,+2]);
sound(s,fs)

- 11 -

Page

%approxime un carr l'aide d'une somme d'harmoniques

f=2*pi;
t=0:.01:1;
figure(1)
serie=(4/pi)*(sin(f*t)+ ...
sin(3*f*t)/3 + ...
sin(5*f*t)/5); % H1 + H3 + H5, CC=0
%approxime un triangle l'aide d'une somme
d'harmoniques
f=2*pi;
t=0:.01:1;
undemi=(1/2)*ones(size(t));
figure(2)
serie=undemi - ...
(4/pi^2)*(cos(f*t)+ ...
cos(3*f*t)/9 + ...
cos(5*f*t)/25); %CC + H1 + H3 + H5
scie=undemi-abs(t-undemi);
plot(t,serie,t,2*scie,'r')
grid

- 12 -