UV Traitement du signal

Cours 2 et 3
Reprsentation frquentielle des signaux

Transformation de Fourier
ASI 3
TdS

Contenu du cours
Introduction
Notion de frquence
Pourquoi la reprsentation frquentielle ?
Dcomposition en srie de Fourier
Dfinition
Quelques proprits
Transforme de Fourier des signaux nergie finie
Dfinition, conditions d'existence
Proprits de la TF
Notion de densit spectrale d'nergie
TF au sens des distributions
Dfinition
Transforme de l'impulsion de Dirac
Transforme de Fourier des signaux priodiques
TdS

Introduction
Notion de frquence
Qu'est ce qu'une frquence ?

La frquence est le nombre de fois qu'un phnomne priodique se

reproduit pendant une dure dtermine

C'est donc l'inverse de la priode f = 1/T

La frquence est mesure en hertz (= 1/seconde)

Dans un son

Sons graves = basses frquences

Sons aigus = hautes frquences

=> La frquence permet de caractriser un certain type d'information

TdS

Introduction
Notion de frquence
Dans une image

Surfaces =
basses frquences

Contours =
hautes frquences

Dans une onde lumineuse

Les couleurs dpendent

de la longeur d'onde
= la frquence

TdS

Image provenant de http://web.ujf-grenoble.fr/ujf/

Introduction
La notion de frquence est galement prsente dans :
La voix, un tlphone portable, la radio, l'ADSL, les horaires de passage d'un

train, la musique electronique, un equaliser, un radar, etc.

Toute ces applications vhiculent ou analysent le contenu frquentiel

de l'information

Une reprsentation frquentielle de l'information est souvent + facile

interprter que la reprsentation temporelle

Rep. temporelle

TdS

Rep. frequentielle

Introduction
Autre exemple : Analyse d'ondes crbrales
Rep. temporelle

Rep. frequentielle

Ondes Alpha: engendres lorsque le

sujet change son niveau d'attention
(f modres, amplitude importante)
Ondes Bta: produites par une activit
mentale intense (frquences. leves,
faibles amplitudes)
Ondes Thta: accompagnent des
sentiments de stress motionnel
(frquences faibles)

Question : Comment obtenir la reprsentation frquentielle d'un signal ?

TdS

Vers une reprsentation frquentielle ...

La notion de frquence est intressante, mais comment connaitre les

frquences que contient un signal ?

Exemple d'un signal sinusodal :

x t =cos 2f 0 t+

f0 est la frquence du signal

=> Pour un cosinus, c'est facile ...
Temps

Exemple d'une onde lumineuse :

Onde lumineuse

Frquences variables au cours du temps

(du rouge au violet). Comment caractriser
les informations frquentielles contenues
dans ce signal ?
=> ici, c'est plus difficile ...
Temps

TdS

idem pour un signal porte, une exponentielle, etc.

Analyse frquentielle des signaux

Vers une reprsentation frquentielle ...

Petite exprience : mlangeons quelques sinus ...
% Code matlab
f0 = 0.51; A0 = 1;
f1 = 0.11; A1 = 2;
f2 = 0.21; A2 = 2;
% dclaration de signaux de base
x0 = A0*sin(2*pi*f0*t);
x1 = A1*sin(2*pi*f1*t);
x2 = A2*sin(2*pi*f2*t);
% affichage des signaux + combinaison
plot(t, x0, 'y'); hold on;
plot(t, x1, 'g');
plot(t, x2, 'c');
plot(t, x0+x1+x2, 'k.');

Il est donc possible d'obtenir des signaux priodiques complexes

par une simple combinaison linaire de signaux lmentaires
C'est le principe inverse de la dcomposition en srie de Fourier
TdS

Dcomposition en Srie de Fourier

Principe :
La Dcomposition en Srie de Fourrier consiste exprimer un signal
priodique comme une combinaison linaire de signaux sinusodaux
1.5

x(t)= Signal 1 + signal 2

Signal 1

1
0.5
0
0.5

Signal 2

1
1.5

10

15

20

Sous forme de signaux sinusodaux, les frquences d'un signal apparaissent

naturellement.
Pour les signaux priodiques, la dcomposition en Srie de Fourier (DSF)
constitue le lien entre la reprsentation temporelle d'un signal et sa
reprsentation frquentielle.
Pour les signaux non priodiques, il s'agit de la Transforme de Fourier (TF).
TdS

Dcomposition en Srie de Fourier

Principe
Exprimer un signal x(t) de priode T comme une combinaison linaire de fonctions
1
sinusodales de frquences multiples de F = T , dite frquence fondamentale
Dfinition de la DSF : forme trigonomtrique
Un signal x(t) de priode T, s'exprime sous certaines conditions comme

x t =a0 an cos n
n= 1

2
2
t +bn sin n
t
T
T

=> Somme de sinus et de cosinus : facile interprter

Coefficients de la srie
T /2

b 0=0

1
a 0= x t dt
T T /2
T /2

a n=
TdS

2
2
x

cos
n
t dt

T T /2
T

T /2

2
2
b n = x t sin n t dt
T T /2
T

a 0 : valeur moyenne du signal ou composante continue

(avec n 1 )
10

Dcomposition en Srie de Fourier

Dfinition de la DSF : forme trigonomtrique

x t =a0 an cos n
n= 1

2
2
t +bn sin n
t
T
T

Interprtation :

TdS

(Figure prise du site de Denis Auquebon)

11

Dcomposition en Srie de Fourier

Dfinition de la DSF : forme complexe
Rappels : formules de moivre et d'Euler

exp j exp j
2

exp j =cos j sin

cos =

exp j =cos +j sin

sin =j

exp j exp j
2

Application la DSF

x t =a0 an cos n
n= 1

2
2
t +bn sin n
t
T
T

1
2
2
x t =a0 a n jb n exp jn
t an +jb n exp jn
t
2 n= 1
T
T

Posons la relation entre les coefficients

On a alors

x t =

n=
T/2

TdS

c n=

c n exp jn

2
t
T

1
2
x t exp jn
t dt

T T / 2
T

c n=

a n jb n

si n>0
2
a n +jb n
si n< 0
c n= 2

c 0 =a0

Les "cn" sont appels les coefficients

de Fourier de x(t). Ils forment la
reprsentation frquentielle de x(t).

Notation

x(t ) { cn } nZ

12

Dcomposition en Srie de Fourier

Remarques
Posons F = 1 . Les deux formes de la DSF s'crivent alors
T

x t =a0 an cos 2 nFt +b n sin 2 nFt

n= 1

F est la frquence fondamentale

x t =

n=

c n exp j2nFt

f = nF sont les harmoniques

Les coefficients cn sont complexes en gnral

cn = cn exp( j arg(cn ))

Dans la forme complexe de la DSF, interviennent des frquences ngatives et

positives qui sont introduites par commodit de reprsentation

Quelques proprits
Si le signal x(t) est rel, c n = cn* : les coefficients sont ncessairement complexes
conjugus pour restituer x rel car exp( j 2nFt ) est complexe
Si le signal x(t) est rel et pair, c n = cn bn = 0
Si le signal x(t) est rel et impair, c n = cn an = 0
Thorme de Parseval : la puissance du signal priodique est P=

c n2

n=

TdS

13

Dcomposition en Srie de Fourier

Remarque : Pourquoi les nombres complexes ?
Quand on a des phnomnes priodiques, les complexes sont plus

faciles manipuler.
Exemple : analyse de circuits lectriques RLC :
rsistance

inductance

En rels :

v=Ri

di
v=L
dt

dv
i=C
dt

En complexes :

Z =R

Z= j wL

Z = j / w C

avec

capacit

V =ZI

=> remplacement d'quations diffrentielles par des quations

algbriques

TdS

14

Exemple de DSF
Soit h(t) de priode T tel que sur l'intervalle [0, T] :

Dcomposition en Srie de Fourier de h(t)

TdS

15

Exemple de DSF
n t0
A
sin

On a trouv que : c n=
n
T
Donc la srie de Fourier de h(t) s'crit :

n t 0
A
j2 n t
h t=n=
sin
exp

n
T
T

Approximation du signal crneau par la srie de Fourier en limitant n diffrentes valeurs :

n=10
TdS

n=50

Phnomne de Gibbs = effet de bord aux

discontinuits

n=250
16

Exemple de DSF
Reprsentation des Cn:

n t0
A
c n=
sin

n
T

A t0
c 0=
T

Spectre de raie : les Cn

indiquent quelles sont les
frquences prsentes
dans le signal

Autre exemple : essayer avec : x(t) = 1 si t<T/2; 0 si t>T/2

TdS

17

Autres exemples
Exemples :

Attention l'criture alternative avec la pulsation

=2 f

OK pour les signaux priodiques ...

TdS

18

Et pour les signaux non priodiques ?

La DSF n'est applicable qu'aux signaux priodiques

Comment faire pour les signaux non priodiques ?
Considrons que la priode T est infinie (donc F tend vers 0)
Et comme les harmoniques sont des multiples de F ...
... lcart entre les raies du spectre va donc devenir infiniment petit
On tend alors vers une reprsentation frquentielle continue

C'est la Transforme de Fourier, qui peut tre vue comme une

gnralisation des sries de Fourier aux signaux non priodiques
TdS

19

Spectres de raie pour diffrentes priodes

Plus la priode augmente,

plus l'cart entre les Cn
diminue ...

TdS

20

Transforme de Fourier
Dfinition de la TF
Soit signal x(t) un signal non priodique.
La TF de x(t), si elle existe, est

X f = x t e j2ft dt

X(f) indique la "quantit" de frquence f prsente dans le signal x(t) sur

l'intervalle ] ,+[ . X(f) donne des informations frquentielles sur x(t).

X(f) : fonction complexe (de la variable relle f) qui admet

Un spectre d'amplitude A f = X ( f )
un spectre de phase ( f ) = arg( X ( f ) )

Transforme de Fourier inverse

Si elle existe, la TF inverse est dfinie par

Notations

X ( f ) = F ( x(t ) )

x t = X f e j2ft df

x(t ) = F 1 ( X ( f ) )

X(f) et x(t) sont deux descriptions quivalentes (temporelle ou frquentielle)

du mme signal. On crit : x(t) X(f)
TdS

21

Exemple de calcul de TF
x(t)=1 pour 0<t<T, 0 sinon.
T

X f = 1 . e j2ft dt =
0

jfT

1
[ e j2fT 1 ]
j2f

e
X f =
. 2j. sin fT
j2f

X f =e

jfT sin fT

X f =Te jfT sin c fT

Amplitude spectrale

TdS

Phase Spectrale

22

Exemple de calcul de TF
A vous de jouer avec x t =exp at t

TdS

(a>1)

23

Conditions d'existence de la TF
Questions
Quand est-ce que la TF de g(t) existe ?
+ +

avec g f (t ) = g (u ) e j 2fu e j 2ft dudf

Quand est-ce que g(t) = gf (t) ?

Conditions d'existence
Il faut que :

et g(t) continue par morceaux et admet un

nombre de discontinuits et d'extrema fini

g (t ) dt <

OU

g (t ) dt <

Condition d'galit

Si

g (t ) dt < alors g (t ) g f (t ) dt = 0

Si g(t) satisfait la condition d'existence de la TF alors g(t)) et gf (t) ) sont gaux

presque partout sauf aux discontinuits

Cas de certains signaux ne respectant pas ces conditions

Si ce signal dfinit une distribution (exemple Impulsion de Dirac),
TdS

on peut dfinir une transforme de Fourier

24

Proprits de la TF
Linarit

a 1 x1 t +a 2 x 2 t a1 X 1 f +a 2 X 2 f
Dcalage temporel
j2ft o

x t t o e

Xf

L'amplitude Af ne change pas. La

phase est modifi de j2 ft0

Dcalage frquentiel

j2f o t

x t X f f o

x at arrow

Changement d'chelle

f
1
x(a t)
X
a
a

La contraction dans le domaine temporel (a 1)

correspond la dilatation dans le domaine
frquentiel et inversement

Drivation
dx t
j2f X f
dt
Intgration
TdS

1
P[
x
t
]
X f
Soit P[x(t)] la primitive de x(t)
j2f

!
La TF et la TF inverse ne sont
pas toujours dfinies

25

Proprits de la TF
Inversion temporelle

x ( t ) X ( f )
Conjugaison complexe

x* (t ) X * ( f )
Symtrie dans le cas de signaux rels
Si x(t) est un signal rel alors

X f =X f

Le spectre d'amplitude est une

fonction paire et le spectre
d'argument est impair

X f =X f et f = f
Symtrie dans le cas de signaux imaginaires purs
donc

Si x(t) est un signal imaginaire pur alors

X f =X f

Parit

Si x(t) est un signal rel et pair alors X(f) est relle et paire
Si x(t) est un signal rel et impair alors X(f) est imaginaire pure et impaire
TdS

26

Exemple d'application des proprits de la TF

Dcalage frquentiel

x t = t e
or

j2f o t

Partie Relle de x

Module de X(f)

F t =T sinc fT

Par la proprit de dcalage

en frquence de la TF

X f = T sinc f f o T
Ce rsultat est fondamental en modulation de signaux
Les radios Longues Ondes utilisent ce principe pour transmettre un message m
informatif dont le contenu frquentiel est compris entre 0Hz et 20kHz

|M(f)|

Mme message

|MAM(f)|

France Inter f0= 195 kHz

mAM (t ) = m(t ) e j 2f0t

0
TdS

f0

f
27

Dualit de la TF
Les dfinitions symtriques de la TF et de la TF inverse permettent de mettre
en avant une proprit de la TF appele Dualit de la TF.
Soit x(t) , une fonction quelconque dont la TF est bien dfinie
+

X ( f ) = x(t )e j 2ft dt

et

On a donc

x(t ) = X ( f )e j 2ft df

x(t ) = X ( f )e j 2ft df

En intervertissant les variables temporelles

et frquentielles, on obtient :
+
j 2tf

x( f ) = X (t )e

TdS

dt = F ( X (t ) )

Donc si

F
x(t )

X(f )

alors

F
X (t )

x( f )
28

TF et nergie des signaux

Relation de Parseval
Loi de conservation de l'nergie
Dans le cas o les intgrales existent, on a
+

x(t ) dt = X ( f ) df

La Transforme de Fourier conserve l'nergie du signal

Application
Montrer que l' nergie de

TdS

F o sinc tF o

vaut Fo

29

Densit spectrale d'nergie

Comme la TF conserve l'nergie, on peut dfinir une notion d'nergie par
unit de frquence, la densit spectrale d'nergie (DSE)
S xx ( f ) = X ( f )

Energie dans une bande de frquence

f
|X(f)|
f +f / 2

E f =

f
0 f0

f 0 f / 2

S xx f df

Thorme de Wiener-Kintchine
La densit spectrale Sxx(f) de x(t) est
la TF de sa fonction d'autocorrlation.

S xx f = C xx e j2f d

Energie totale
+

E = X ( f ) df = S xx ( f )df

Cas des signaux puissance moyenne finie

Ce sont des signaux nergie infinie. On
dfinit alors une densit spectrale de puissance
X (f)
Pxx ( f ) = lim T
T
T

X T ( f ) = F [ xT (t )]
xT (t ) = x (t ) T (t )

xT(t) est le signal x(t) prlev sur une fentre de largeur T

Ce thorme est valable aussi pour les signaux

TdS
alatoires

La densit spectrale de puissance est la

TF de la fonction d'autocorrlation

30

Thorme de Bernstein
Ce thorme permet de relier le support en frquence d'un signal et la variation de ce signal
Un signal est dit " support born en frquence" si

f > f max , X ( f ) = 0

nonc
Si x(t) est

born cd t ,

x(t ) < M

support born en frquence

Alors

dxt

2f max M
dt

et

d p x t
p

2f
max M
p
dt

Interprtation
Les variations d'un signal sont lies la drive de ce signal. Comme cette
drive est borne, le signal ne peut pas varier arbitrairement vite.
Consquence :
Un signal prsentant des discontinuits est un signal support en frquence non born.
TdS

31

TF d'une distribution
Question
Comment faire quand la TF d'un signal n'est pas dfinie ?
on considre si possible le signal comme une distribution.
Dfinition
La transforme de Fourier d'une distribution D est une distribution note F [D] telle que
pour la fonction (t) indfiniment drivable et support born

F [ D ] ,=D,F [ ]
Application : quelle est la TF d'une impulsion de Dirac ?
Par dfinition : F D , = D , F =F 0
or
donc

= t e j2 ft dt

F 0= t dt= 1t dt= D1,

F D=D1

La TF de l'impulsion de Dirac est une constante

En notation fonction : F =1

TdS

De mme, grce la proprit de dcalage temporel :

F [ ta ] =e

j2af

32

Applications de la TF d'une distribution

Question : Comment faire lorsque l'intgrale n'est pas dfinie car divergente ?
Ex. : 1, cos, exp, etc.
application de la thorie des distributions

Quelle est la TF de la distribution associe 1 ?

F D1 , = D 1, F = F dt = F e
TF inverse de

F D1 =D

Donc finalement :

Notation fonction : F 1=

j2 f 0t

dt t=0= F F t =0= 0= D ,
1

prise en t=0

rsultat sans
surprise en vertu du
principe de dualit !

D'o :

e j2ft dt = f

TF d'un signal sinusodal

cos 2f 0 t =

j2f 0 t

j2 f f 0 t

dt

j2f 0 t

+e
2

est la TF de

F [ cos 2f 0 t ]=
1e

j2f 0 t

1
j2 f f t
1
j2 f+f t
e
dt+ e
dt

2
2
0

f f 0

(dcalage frquentiel)

1
1
F [ cos 2f 0 t ]= f f 0 f+f 0
2
2
TdS

F [ sin 2f 0 t ]=

1
1
f f 0 f+f 0
2j
2j

Une raie en f0 et une autre en -f0

33

TF d'un signal priodique

Dcomposition en srie de Fourier
Toute fonction priodique f(t) de priode T peut s'crire comme une somme infinie de cos et sin.

La TF d'un signal priodique est divergente, mais on peut dfinir une TF au sens des
distributions en utilisant la dcomposition en Srie de Fourier.
En utilisant la proprit de
linarit de la TF on obtient :

F [ f t ]=a0 f

a n jb n

n= 1

f n F
n=1

Remarque

f t =

n=

c n exp jn

2
t
T

proprit de
linarit de la TF

n=

c n f n F

Le rsultat correspond un spectre de raies (non continu)

TdS

f+n F

c 0 =a0

F [ f t ]=

an +jb n

Conclusion : On retrouve bien le rsultat de la DSF;

la TF est bien une gnralisation de la DSF

c n=

a n jb n

n>0
2
a n +jb n
c n=
n< 0
2

34

TF d'un signal priodique

Idem DSF
TdS

35

TF d'un Peigne de Dirac

TdS

La TF d'un peigne de Dirac est un peigne de Dirac

36

Qu'est ce qu'un bruit blanc ?

Un bruit blanc est un signal alatoire qui contient toutes les frquences
Sa reprsentation frquentielle est quasi plate :

(SA -> densit spectrale)

Pour un signal sonore,

ceci correspond un souffle

Densit spectrale
(= TF de l'autocorrelation)

Remarque : thoriquement, un tel signal ne peut exister puisque son

nergie serait infinie ...

TdS

37

TF Usuelles
distributions

fonctions

TdS

38

Fourier's Song :)
by Dr Time and Brother Frequency
Integrate your function times a complex exponential
It's really not so hard you can do it with your pencil
And when you're done with this calculation
You've got a brand new function - the Fourier Transformation
What a prism does to sunlight, what the ear does to sound
Fourier does to signals, it's the coolest trick around
Now filtering is easy, you don't need to convolve
All you do is multiply in order to solve.
From time into frequency - from frequency to time
Every operation in the time domain
Has a Fourier analog - that's what I claim
Think of a delay, a simple shift in time
It becomes a phase rotation - now that's truly sublime!
And to differentiate, here's a simple trick
Just multiply by J omega, ain't that slick?
Integration is the inverse, what you gonna do?
Divide instead of multiply - you can do it too.
From time into frequency - from frequency to time
etc ...
La suite + l'interprtation sur http://www.jmlg.org/lyrics/Fouriers_Song.htm
TdS

39