Vous êtes sur la page 1sur 66

Analyse de Fourier

Eric Aristidi, Universite de Nice Sophia-Antipolis


Version du 30 ao
ut 2016

Table des mati`


eres
1 Signaux discontinus Distribution de Dirac
1.1 La fonction de Heaviside H(x) . . . . . . . . . .
1.2 La fonction porte (x) . . . . . . . . . . . . . . .
1.3 Distribution de Dirac (x) . . . . . . . . . . . . .
1.3.1 Approche heuristique . . . . . . . . . . .
1.3.2 Propriete fondamentale Definition de
1.3.3 Quelques proprietes de . . . . . . . . . .
1.3.4 Derivees de signaux discontinus . . . . . .
1.4 Peigne de Dirac (x) . . . . . . . . . . . . . . .
1.5 Distribution de Dirac bidimensionnelle . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

3
. 3
. 4
. 5
. 5
. 6
. 7
. 9
. 11
. 11

2 La convolution
2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2 Signification physique . . . . . . . . . . . . . . . . . . .
2.2 Proprietes de la convolution . . . . . . . . . . . . . . . . . . . .
2.2.1 La convolution est un produit commutatif . . . . . . . .
2.2.2 Autres proprietes . . . . . . . . . . . . . . . . . . . . . .
2.3 Application `
a la resolution dequations differentielles lineaires .
2.3.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2 Generalisation . . . . . . . . . . . . . . . . . . . . . . .
2.3.3 Calcul de la reponse impulsionnelle : exemple du ressort

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

13
13
13
13
13
13
15
17
17
18
19

3 Transformation de Fourier
3.1 Definition . . . . . . . . . . . . . . . . . . . .
3.1.1 Definition . . . . . . . . . . . . . . . .
3.1.2 Transformee de Fourier des fonctions `a
3.1.3 Exemples . . . . . . . . . . . . . . . .
3.2 Proprietes de la TF . . . . . . . . . . . . . . .
3.2.1 Linearite . . . . . . . . . . . . . . . .
3.2.2 Changement de signe et conjugaison .
3.2.3 Valeur `
a lorigine f(0) . . . . . . . . .
3.2.4 Changement dechelle . . . . . . . . .
3.2.5 Translation . . . . . . . . . . . . . . .
3.2.6 Multiplication par un terme e2i0 t . .
3.2.7 Tranformee de Fourier inverse . . . . .
3.2.8 Signification physique de la TF . . . .
3.2.9 Derivation . . . . . . . . . . . . . . . .
3.2.10 TF dune convolution et dun produit
3.2.11 TF dune fonction causale . . . . . . .
3.2.12 Comment calculer une TF . . . . . . .
3.3 Fonctions de transfert et filtrage . . . . . . .
3.3.1 Exemple : circuit RC . . . . . . . . .
3.3.2 Quelques definitions . . . . . . . . . .
3.4 Correlations et spectres de puissance . . . . .
3.4.1 Fonctions de correlation . . . . . . . .
3.4.2 Spectres de puissance . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

21
21
21
21
22
24
24
24
25
25
25
26
27
28
29
32
33
34
35
35
37
39
40
43

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

. . . . . . . . .
. . . . . . . . .
valeurs reelles
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

`
TABLE DES MATIERES

3.4.3
3.4.4

Theor`emes de Wiener-Kinchin et Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43


Relations dincertitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4 S
eries de Fourier Echantillonnage
4.1 Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 TF du peigne de Dirac . . . . . . . . . . . . . . . . .
4.1.2 Formule sommatoire de Poisson . . . . . . . . . . . .
4.1.3 Serie de Fourier . . . . . . . . . . . . . . . . . . . . .
4.1.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 Transformee de Fourier dune fonction echantillonnee
4.2.3 Theor`eme de Shannon-Nyquist . . . . . . . . . . . .
4.2.4 Desechantillonnage Interpolation de Shannon . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

45
45
45
46
48
50
52
52
54
54
60

Chapitre 1

Signaux discontinus Distribution de


Dirac
1.1

La fonction de Heaviside H(x)

H(x) est une fonction definie de R vers lintervalle [0, 1] et qui vaut :
1,25

H(x) = 0 si x < 0

1,0

(1.1)

H(x) = 1 si x > 0

H(x)

0,75
0,5
0,25
0,0
0

10

On parle parfois de fonction echelon ou dechelon unite (unit step en anglais). H(x) nest pas definie en 0 1 .
Cependant, on fera parfois un prolongement par continuite lorsque cel ? simposera ; par exemple la fonction H(x)+
H(x) vaut 1 x 6= 0 mais nest pas definie en 0. On la prolongera donc (en lui donnant la valeur 1) en x = 0 de
mani`ere `
a ce quelle soit continue sur R.
On definit parfois H(x) en utilisant une fonction quelconque f (definie de R vers R) dite fonction test par legalite
Z
Z
f (x) H(x) dx =
f (x)dx
(1.2)

cest la definition au sens des distributions (la theorie des distributions ne sera cependant pas abordee dans ce
cours).
En physique, H(t) est parfois utilisee pour les fonctions du temps t qui sont nulles `a t < 0. Par exemple, un caillou
l
ache `
a t = 0 depuis laltitude z0 sans vitesse initiale a un mouvement decrit par laltitude z(t) = z0 21 gt2 H(t).
Un autre exemple en optique est le coefficient de transmission dun demi-plan.
1. Il existe dautres d
eterminations a
` lorigine selon les auteurs. On pourra ainsi trouver H(0) = 0, H(0) = 1 ou H(0) =

1
.
2

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

H(x)

H(3x+2)
1,0

0,75

0,5

H(x)

1,0

0,75

0,75

H(3x+2)

0,25

0,5

H(sin(x))

0,25

0,0
10

H(sin(x))

1,0

0,25

0,0

0,0
0

2/3

0,5

10

5 2

10

Figure 1.1 Exemples de fonctions de Heaviside

1.2

La fonction porte (x)

La porte (x) est aussi une fonction discontinue definie par morceaux :
1,0

0,75

(x) = 1 si |x| <

1
2

(1.3)

(x) = 0 sinon

0,5

0,25

0,0
1,0

0,5

0,0

0,5

1,0

Elle nest pas definie sur les deux bords x = 21 (mais on pourra appliquer des prolongements pas continuite si
necessaire). On dit que cette fonction est de largeur 1 ou de support 1, cest `a dire quelle est non nulle sur un
intervalle de largeur 1. (x) est reliee `
a la fonction de Heaviside par
1
1
(x) = H(x + ) H(x )
2
2

(1.4)

En physique on utilise parfois la fonction porte pour definir des signaux de duree finie. Ainsi la fonction
1,0

0,75

f (t) =

tb
a

0,5

(1.5)
0,25

0,0
1

correspond `
a une porte de largeur a (ou de duree a si t est un temps) centree sur la valeur t = b. Un autre exemple
est la densite de charge dune boule de diam`etre D centree sur lorigine de densite de charge uniforme 0 . Sa densite
r
de charge dans tout lespace secrit, en coordonnees spheriques (r designe la distance `a lorigine) (r) = 0 ( D
).

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

(x 3)+( x+2)

(x)+(x 0.5)

0.5

Somme de 2 portes (sans recouvrement)

0.5 1
1.5
... avec recouvrement

(x) + (x1) = (x0.5)


2

( xnb
a )
a
1

0.5
0.5 1 1.5
Prolongement par continuit en x=1

b
2b 3b 4b
Fonction crneau (a<b)

Figure 1.2 Exemple de fonctions portes et somme de portes

1.3
1.3.1

Distribution de Dirac (x)


Approche heuristique

Considerons la fonction

g (x) =

1 Y x



=1/4

(1.6)
2
1
1/2 1/4

Cest une porte de largeur  et de hauteur 1/. Son integrale vaut 1 :


Z
g (x) dx = 1

=1/2
=1
1/4

1/2 x

(1.7)

Lorsque  0 cette fonction a une largeur qui tend vers 0 et une hauteur qui tend vers linfini, mais son integrale
est toujours egale `
a 1. On appellera distribution de Dirac et on notera (x) cette limite :
1 Y x
(x) = lim
(1.8)
0 

est donc de largeur nulle (on parle aussi de support nul ou de mesure nulle), de hauteur infinie et dintegrale 1.
On parle de pic de Dirac ou dimpulsion de Dirac. Le graphe de sera represente par convention par une fleche
vers le haut, de hauteur 1, centree en x = 0.
(x)
La hauteur de la fleche vaut 1 pour signifier que
1
lintegrale de vaut 1. Pour le graphe de 2 ce
sera une fleche de hauteur 2. Attention, ne pas
confondre avec la fonction qui vaut 1 en 0
x
et 0 ailleurs.
0

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

Il est facile de voir que N (x) (avec N R ) est dintegrale N , mais un probl`eme se pose si N = 0. On admettra 2
que 0 . (x) = 0.
Nous avons egalement les proprietes suivantes :

(xa)

Changement dorigine : (x a) vaut 0 partout


sauf en x = a (on parle de pic de Dirac localise en
x = a)

La somme
K1 (x x1 ) + K2 (x x2 )

(1.9)

represente une distribution `


a deux pics,
dintegrales K1 et K2 localises en x1 et x2 .
Si x1 6= x2 il ny a pas de superposition entre les
deux pics (le premier est nul partout sauf en x1 ,
le second est nul partout sauf en x2 ).

K2
K1

x1

1
Domaine
dintgration

(x) dx = 1

x2
(x)

Lintegrale de (x) vaut 1 sur tout intervalle [a, b]


tel que a < 0 et b > 0 :
Z

(xx2)
(xx1)

(1.10)
a

En physique la distribution est utilisee pour decrire des impulsions, comme par exemple une force tr`es intense et tr`es
br`eve (un coup de pied dans un ballon). Les charges ponctuelles sont egalement decrites par des distributions :
une densite infinie dans une volume nul mais une charge totale finie.

1.3.2

Propri
et
e fondamentale D
efinition de

Soit f une fonction de R vers R qui nest pas infinie en 0 et quon supposera dans un premier temps integrable sur
R. On sinteresse `
a la quantite
Z
I =
f (x) (x) dx
(1.11)

Pour approcher cette integrale, nous allons utiliser la fonction g dont est la limite quand  0 :
Z
I =
f (x) lim g (x) dx
0

et lon permute limite et integrale (en sassurant que lintegrale converge dans lintervalle) :
Z
I = lim
f (x) g (x) dx
0

(1.12)

(1.13)

et comme la fonction g (x) est nulle en dehors de lintervalle [ 2 , 2 ], le domaine dintegration se reduit `
a cet
intervalle. Il vient :
Z 2
1
(1.14)
I = lim
f (x) dx
0 

2
et le changement de variable x = y permet decrire
I = lim

0

1
2

f (y) dy

(1.15)

21

2. En physique nexiste pas, on aura plut


ot affaire `
a des fonctions tr`
es localis
ees et damplitude tr`
es
elev
ee mais finie de type g :
le produit 0 . g (x) = 0 ne pose pas de probl`
eme et on adoptera le passage `
a la limite : 0 . (x) = 0.

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

et par passage `
a la limite
I=

1
2

f (0)dy = f (0)

(1.16)

21

Do`
u legalite

f (x) (x) dx = f (0)

(1.17)

qui est en fait la veritable definition de la distribution de de Dirac . Attention, ceci nest valable que si f (0) existe,
(x)
ecrire
na pas de sens. nest pas une fonction ordinaire, en ce sens quelle nest pas definie par sa valeur en
x
chaque point (dire quelle est infinie en 0 ne suffit pas). est en fait defini par lintegrale sous une courbe : on parle
de distribution et non de fonction.
f(x)

f(0)
Graphiquement,
lorsque


0
on
interpr`
e
te
R

lintegrale f (x) g (x) dx par laire du rectangle de


largeur  et de hauteur f (0)/. Cette aire vaut f (0).

x
On en deduit aussi, comme f (x) (x) est nulle partout sauf en x = 0 o`
u elle est infinie, que ce produit peut etre
assimile `
a une distribution de Dirac. Et comme son integrale vaut f (0), il vient
f (x) (x) = f (0) (x)

(1.18)

f (x) (x a) = f (a) (x a)

(1.19)

ce qui se generalisera en

1.3.3

Quelques propri
et
es de

peut se construire avec une fonction quelconque


Soit g une fonction definie en 0 et dintegrale 1 sur R (pas necessairement une fonction porte). On peut montrer
que
1 x
(x) = lim g
(1.20)
0 

En effet, considerons une fonction f (dite test). integrable sur R., et formons lintegrale
Z
1 x
I=
f (x) lim g
dx
(1.21)
0 


par un raisonnement similaire `


a celui du paragraphe precedent, on montre que I = f (0). Par consequent, dapr`es
1 x
la definition de donnee au paragraphe 1.3.2, la quantite lim g
sidentifie `a (x).
0 

est paire
Cest trivial : (x) = (x)
Dimension de (x)
Soit x est une grandeur physique ayant une dimension (par exemple une longueur). Lintegrale
Z
(x) dx

(1.22)

vaut 1 et est donc sans dimension. Il en resulte que le produit (x) dx est sans dimension et que
[(x)] = [x]1

(1.23)

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

Changement d
echelle
Soit a reel 6= 0. Que vaut (ax) ? Il est trivial de voir que (ax) vaut 0 partout sauf en 0 ou il est infini. Il parait
donc assimilable `
a une distribution de Dirac et peut secrire K (x). La constante K est simplement lintegrale de
(ax) sur R. Calculons K :
Z

(ax) dx

K=

(1.24)

Le changement de variable y = ax donne


K=

(y)

1
dy
|a|

(1.25)

la valeur absolue |a| vient du fait que si a < 0 les bornes changent de signe. Il vient K =
changement dechelle
1
(x)
(ax) =
|a|

1
|a| .

Do`
u la propriete de
(1.26)

Distribution (f (x))
Exemple :
Soit f (x) = x2 1. Cette fonction sannule en 1. La quantite
(f (x)) est nulle partout o`
u son argument f (x) 6= 0 et infinie
quand f (x) = 0. Comme f (x) sannule en -1 et 1, il vient que
(f (x)) est nulle partout sauf en -1 et 1 o`
u elle est infinie. Cette
quantite semble donc assimilable `
a la somme de 2 pics de Diracs
centres en -1 et 1 :
(f (x)) = K1 (x + 1) + K2 (x 1)

f(x)
1

1
x

(1.27)

les constantes K1 et K2 restent `


a calculer.

K1 (x+1)

K2 (x1)

Pour estimer K2 on int`egre (x2 1) autour du point x = 1. On va choisir un domaine dintegration de largeur
0 <   1 autour de x = 1. Il vient :
Z 1+
K2 =
(x2 1) dx
(1.28)
1

effectuons un developpement limite de f au voisinage de 1 :


f (x) ' f (1) + (x 1) f 0 (1) = (x 1) f 0 (1)
il vient
K2 '

(1.29)

1+

((x 1) f 0 (1)) dx

(1.30)

1

do`
u, si f 0 (1) 6= 0

1
K2 ' 0
|f (1)|

1+

((x 1)) dx =

1

1
|f 0 (1)|

(1.31)

le meme raisonnement applique au calcul de K1 (au voisinage du point x = 1) donne


K1 =
do`
u
(x2 1) =

1
|f 0 (1)|

1
|f 0 (1)|

(x 1) +

(1.32)
1
|f 0 (1)|

(x + 1)

(1.33)

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

G
en
eralisation Soit une fonction f possedant N racines en x = xi et telle que f 0 (xi ) existe et est 6= 0. La
quantite (f (x)) sera nulle partout sauf quand f (x) = 0, cest `a dire pour x = xi , o`
u elle tend vers linfini. Il sagit
donc dune succession de pics de Diracs centres en x = xi . Le calcul des integrales associees `a chacun des pics se
fait de la meme facon que pour lexemple precedent. Il vient
(f (x)) =

N
X
i=1

1.3.4

1
|f 0 (x

i )|

(x xi )

(1.34)

D
eriv
ees de signaux discontinus

D
eriv
ee de la fonction de Heaviside
Approche heuristique La fonction de Heaviside H(x) a une pente nulle partout sauf en 0 o`
u elle est infinie.
Peut-on en deduire que la derivee de H(x) est une distribution ?
Pour le voir, on peut approcher H(x) par la limite lorsque  0
de la fonction G (x) definie par

0 si x

=1

G (x)
2

1
x 1

G (x) =
(1.35)
+ si |x|
=1/3
=2


2 
2

0 si x
2

x
1


cette fonction a une pente qui tend vers linfini dans un intervalle
de largeur  0 autour de lorigine. Il est facile de voir que sa
derivee est une fonction porte
G0 (x) =

1 Y x



(1.36)

=1/3

G (x)
=1

qui tend vers (x) lorsque  0. Et puisque G (x) H(x)


lorsque  0, on en deduit que H 0 (x) = (x).

=2

Rx
D
emonstration Calculons la primitive de : (t) dt. Cette integrale vaut 0 si x < 0, 1 si x > 0 et nest pas
definie en 0 : cest exactement la definition de H(x). Do`
u
Z x
H(x) =
(t) dt
(1.37)

et

dH
= (x)
dx
ce qui generalise la notion de derivee aux fonctions discontinues.

(1.38)

D
eriv
ee dune fonction discontinue `
a lorigine
On consid`ere une fonction f definie par morceaux. On appelle f+ (x) sa valeur pour x > 0 et f (x) sa valeur
pour x < 0. On suppose que les deux fonctions ne se raccordent pas `a lorigine, le saut de discontinuite est
h = f+ (0) f (0). La question est destimer la derivee de f `a lorigine. Comme dans le cas de Heaviside, la pente
de la fonction est infinie en 0 et lon sattend `a voir apparaitre des distributions .
Ecrivons lexpression generale de f . Lutilisation de la fonction de Heaviside nous permet de compacter les deux
morceaux de f en une seule expression :
f (x) = H(x)f+ (x) + H(x)f (x)

(1.39)

puis appliquons les r`egles de derivation habituelle pour trouver la derivee de f :


0
0
f 0 (x) = H(x)f+
(x) + (x)f+ (x) + H(x)f
(x) (x)f (x)

(1.40)

10

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

qui donne apr`es utilisation de la propriete f (x)(x) = f (0)(x)


0
0
f 0 (x) = [H(x)f+
(x) + H(x)f
(x)] + (x) [f+ (0) f (0)]

(1.41)

le premier crochet ci-dessus est la derivee habituelle de f en tout point 6= 0. Le second terme concerne le comportement `
a lorigine. On retiendra que
la derivee `
a lorigine dune fonction y presentant une discontinuite h vaut h(x)
En physique, un changement brutal de vitesse (choc elastique par exemple) peut se traiter `a laide de ce formalisme.
La discontinuite de la vitesse correspond a` une distribution dans lacceleration 3 .
D
eriv
ees de
Approche heuristique Nous avons introduit la distribution de Dirac comme limite dune fonction porte infiniment haute et etroite et dont lintegrale vaut 1 :
1 Y x
0 


(1.42)

(x) = lim

x
1
g (x)=

[ ]

g (x)

3
1
2

1
1

2
2

1
2

1
1 2
2 2

1 x
2

Dans la meQ
me idee, on peut imaginer approcher la derivee de par la derivee de cette porte (dessin ci-dessus). La
derivee de (x/) vaut (x + /2) (x /2). Lorsque  0 on tend vers la superposition de 2 Diracs centres en
0, de signe oppose, chacun dintegrale infinie. Bien s
ur cest simplement une representation, il nest pas question
de faire le calcul de la limite de la porte (le resultat conduirait `a ecrire x1 (x) x1 (x) qui na pas de sens).
La definition propre de 0 est, au sens des distributions :
Z
f (x) 0 (x) dx = f 0 (0)
(1.43)

o`
u f est une fontion quelconque (dite test) ayant une derivee en 0. De meme on definit la derivee dordre m par
Z
f (x) (m) (x) dx = (1)m f (m) (0)
(1.44)

En electromagnetisme on utilise les distributions 0 pour modeliser les moments dipolaires.


3. Cest bien s
ur une mod
elisation ; dans la r
ealit
e la vitesse ne change jamais instantan
ement et lacc
el
eration est en fait un pic tr`
es

elev
e et tr`
es
etroit

11

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

1.4

Peigne de Dirac (x)

Le peigne de Dirac est compose dune succession


periodique de distributions :
(x) =

(x n)

(1.45)

n=

sa periode est 1. Le peigne a une importance capitale en traitement du signal, cest loutil qui
permet de decrire de mani`ere formelle loperation
dechantillonnage. Il est aussi `
a la base de la
representation de tous les phenom`enes periodiques
comme nous le verrons dans le chapitre suivant
(convolution)

3 2 1 0

1 2 3

Changement d
echelle Le peigne (x) a une periode 1. Comment secrit le peigne de periode a > 0, cest `
a
dire dont les dents sont des distributions dintegrale 1 espacees de a ? Nous nommerons cette quantite a (x).
Elle secrit :

X
a (x) =
(x na)
(1.46)
n=

Lutilisation de la relation (ax) =

1
|a| (x)

permet decrire

a (x) =

1
|a|

n=

do`
u finalement
a (x) =

x
a

x
1

|a|
a

(1.47)

(1.48)

1
Lerreur classique quand on ecrit un peigne de periode a est doublier le terme |a|
: cest lui qui assure le fait que les
Diracs sont dintegrale 1 (si on loublie ils deviennent dintegrale a). Il contient egalement la dimension du peigne
(a (x) est en effet homog`ene `
a 1/x et `
a 1/a alors que (x/a) est sans dimension).

1.5

Distribution de Dirac bidimensionnelle

On definit la distribution de Dirac bidimensionnelle par


(x, y) = (x).(y)

(1.49)

on la note parfois 2 (x, y). Elle est nulle partout sauf au point (x = 0, y = 0) o
u elle est infinie et verifie la propriete
Z Z
(x, y) dx dy = 1
(1.50)

12

CHAPITRE 1. SIGNAUX DISCONTINUS DISTRIBUTION DE DIRAC

(xa,yb)

(x,y)

y
b
x

Figure 1.3 Representation en perspective du pic de Dirac `a deux dimensions. A gauche (x, y) est centre `
a
lorigine. A droite (x a, y b) represente une distribution centree au point de coordonnees (a, b)

Comme pour son homologue `


a une dimension, (x, y)
peut etre consideree comme la limite dune porte
carree de surface 2 et de hauteur 1/2 :
1 Y x Y y
0 2



(x, y) = lim

(1.51)

1/ 2

Porte bidimensionnelle carree de cote  et


dintegrale 1. Quand  0 la porte devient infiniment haute et infiniment fine, son integrale
vaut toujours 1. Elle tend vers (x, y).
Le Dirac bidimensionnel est par exemple utilise en optique pour modeliser le coefficient de transmission dun
diaphragme de tr`es petit diam`etre (pin-hole en anglais). On peut de meme definir une fonction N -dimensionnelle
(~r). Lexemple classique est la charge ponctuelle q situee en ~r0 dont la densite de charge secrit
(~r) = q (~r ~r0 )
qui est nulle partout sauf en 0, et dont lintegrale vaut q.

(1.52)

Chapitre 2

La convolution
2.1

D
efinition

2.1.1

D
efinition

Soient f et g deux fonctions integrables sur R. On appelle produit de convolution de f par g lintegrale suivante :
Z
h(x) = (f g)(x) =
f (x0 )g(x x0 )dx0
(2.1)

on notera loperation h = f g. Cest une operation fonctionnelle, elle agit sur les deux fonctions f et g et renvoie
une fonction h. La notation h(x) = f (x) g(x) est incorrecte parce que f (x) designe un nombre et non la fonction
f , mais on lutilise parfois par habitude ou simplicite.

2.1.2

Signification physique

Il sagit de lintegrale de recouvrement de deux fonctions de x0 : f dune part, et g(x x0 ) = g((x0 x)) qui
represente la fonction g dont on a inverse le sens de labcisse et decale lorigine au point x. Loperation peut-etre
schematisee par lexemple de la figure 2.1.
Q x
egrale 1. La
Cas particulier : convolution par une porte Soir g(x) = a1
a une porte de largeur a et dint
convolution dune fonction f qualconque par g secrit
Z
Z
Y  x x0 
1
1 x+a/2
0
0
dx =
f (x )
f (x0 )dx0
(2.2)
h(x) =
a
a
a xa/2

il sagit dune moyenne glissante, cest `


a dire dune valeur moyenne de f sur un intervalle de largeur a autour du
point x. Cette operation a pour effet dattenuer les fluctuations rapides de f comme illustre sur la figure 2.2 et est
notamment utilisee en traitement du signal pour reduire le bruit.

2.2
2.2.1

Propri
et
es de la convolution
La convolution est un produit commutatif

La convolution est un produit commutatif entre deux fonctions, dans le sens o`


u elle a les proprietes suivantes
Loi interne : la convolution de deux fonctions est une fonction
Associativit
e : (f g) h = f (g h). Demonstration :
Z
((f g) h)(x) =
(f g)(x0 )h(x x0 )dx0
x0 =
Z
Z
Z
Z
=
h(x x0 )
f (y)g(x0 y)dydx0 =
f (y)
g(x0 y)h(x x0 )dx0 dy
x0 =

y=

f (y)

y=

z=

= (f (g h))(x)

g(z)h(x y z)dzdy = =

y=

y=

x0 =

f (y)(g h)(x y)dy

CHAPITRE 2. LA CONVOLUTION

14

Figure 2.1 Convolution de deux fonctions f et g. (a) : graphe de f (x0 ). (b) : graphe de g(x0 ). (c) : graphe
de g(x x0 ) pour une valeur particuli`ere de x0 de x (la presence du signe - devant x0 a pour effet de renverser
le sens deR la fonction). (d) : produit des deux fonctions f (x0 ).g(x0 x0 ) : laire de recouvrement hachuree h0 =

h(x0 ) = f (x0 )g(x0 x0 )dx0 est la valeur du produit de convolution (f g)(x) pour x = x0 . (e) : lorsquon
rep`ete loperation pour toutes les valeurs de x possibles, on obtient la fonction h.

15

CHAPITRE 2. LA CONVOLUTION

Figure 2.2 Effet dune moyenne glissante (convolution par une porte de largeur a) sur une fonction f presentant
des oscillations rapides. (a) : la fonctionf , (b) : la porte (de largeur a = 0.8 sur cet exemple), (c) : la fonction f et
laire du produit f (x0 ).g(x0 x0 ) avec x0 = 2 sur lexemple. (d) : resultat de la convolution. La convolution a pour
effet dattenuer ces oscillations en moyennant les valeurs de f sur lintervalle de largeur a (les parties de la courbe
au dessus et en dessous de la moyenne sur lintervalle se compensent).
Commutativit
e : f g = g f . La demonstration est triviale par changement de variable
El
ement neutre : il sagit de la distribution . En effet,
Z
(f )(x) =
f (x0 )(x x0 )dx0
x0 =
Z
Z
0
0
=
f (x)(x x )dx = f (x)
(x x0 )dx0
x0 =

x0 =

= f (x)

on pourra donc ecrire que f = f . La signification physique de cette propri


Z ete est de representer une
fonction par une somme dimpulsions. La fonction f (x) = (f )(x) =
f (x0 )(x x0 )dx0 peut
x0 =

`etre vue comme une somme continue dimpulsions de Dirac F (x0 ) = f (x0 )(x x0 ) localisees en x0 = x et
ponderees par f (x0 ).

2.2.2

Autres propri
et
es

Lin
earit
e
On a :
f (g + h) = f g + f h
Soit a une constante, f (ag) = a(f
P g)
P
On a donc par generalisation : f
an gn =
an (f gn ) avec an une suite de constantes et gn une suite de
fonctions.
Convolution par 1
On note ici 1(x) la fonction qui vaut 1 pour tout x. Si lon convolue une fonction quelconque f par 1 il vient
Z
Z
(1 f )(x) =
f (x0 )1(x x0 )dx0 =
f (x0 )dx0
(2.3)
x0 =

x0 =

16

CHAPITRE 2. LA CONVOLUTION

Ainsi lintegrale de f sur R peut se noter comme une convolution de f par la fonction 1. Cel`a peut sembler tire
par les cheveux mais peut saverer pratique, comme dans la demonstration de la propriete suivante.
Int
egrale dune convolution
Lintegrale sur R de f g est egale au produit des integrales de f et g :
R
R
R
R
f g = 1 (f g) = (1 f ) g = f .1 g = f . g
R
R
en utilisant la notation f pour lintegrale de f sur R (qui est une constante egale `a f .1).
D
ecalage

Pour decaler (changer dorigine) un produit de convolution f g, il suffit de decaler lune des deux fonctions f ou
g. Ainsi (en utilisant une notation impropre, mais pratique) :
(f g)(x + a) = f (x + a) g = f g(x + a)

(2.4)

avec a une constante reelle. la demonstration est triviale par simple changement de variable.
D
erivation
Pour deriver un produit de convolution f g, il suffit de deriver lune des deux fonctions f ou g (si on derive les
deux, on obtient la derivee seconde de la convolution) :
(f g)0 = f 0 g = f g 0

(2.5)

Cette propriete se montre `


a laide de la precedente en ecrivant la derivee f 0 comme limite du taux de variation de
f.
Changement d
echelle
Soit une constante reelle, On a la propriete :
(f g)(x) = ||f (x) g(x)

(2.6)

qui se montre egalement tr`es facilement `


a laide dun changement de variable.
Convolution par (x a)
Il sagit dune propriete importante en termes de signification physique. Ainsi, en utilisant la propriete de decalage
on peut ecrire
f (x a) = (f )(x a) = f (x a)
(2.7)
et lon obtient un resultat interessant : pour translater une fonction dune quatite a, on la convolue par un pic de
Dirac (x a). On ecrira souvent
f (x) (x a) = f (x a)
(2.8)

(xa)

f(x)

f(xa)

=
a

17

CHAPITRE 2. LA CONVOLUTION

Figure 2.3 La convolution dune fonction par un peigne a pour effet de periodiser la fonction. (A) : `
a gauche la
fonction (gaussienne), au centre le peigne (de periode 2 sur cet exemple) et `a droite le resultat de la convolution
qui est une fonction periodique de meme periode que le peigne, et dont le motif est la gaussienne. (B) : meme chose
avec une gaussienne plus large : le resultat de la convolution montre un recouvrement entre les differents motifs.
Convolution par un peigne de Dirac
En utilisant la propriete precedente il vient immediatement
(f )(x) = f (x)
a

(x na) =

n=

f (x na)

(2.9)

n=

Convoluer f par un peigne, cest periodiser f , cest `a dire creer une fonction periodique `a partir dune infinite de
repliques de f centrees sur les dents du peigne, et faire la somme de toutes ces repliques. Loperation est illustree
par la figure 2.3 et montre en particulier que si f a un support limite `a lintervalle [ a2 , a2 ] alors les repliques de f
sont disjointes et le motif de la fonction periodique f a est f . Sinon les differentes repliques de f se recouvrent
et sadditionnent. Toute fonction periodique f de periode a peut ainsi secrire sous la forme dune convolution dun
motif par un peigne de periode a. Le motif est la valeur de f limitee `a lintervalle [ a2 , a2 ], cest `a dire
Y x
(2.10)
(x) = f (x)
a
On peut par exemple ecrire

2.3
2.3.1

h
Y  x i
cos(x) = cos(x)
(x)
2
2

(2.11)

Application `
a la r
esolution d
equations diff
erentielles lin
eaires
Exemple

On condid`ere une masse accrochee `


a un ressort. On exerce sur la masse une force F (t), et on sinteresse `
a lallongement x(t) du ressort avec les conditions initiales suivantes :

F(t)

x(0) = x0
x0 (0) =

x(t)
Lequation differentielle du mouvement de la masse est celle dun oscillateur harmonique, elle secrit
x00 (t) + 2 x(t) = F (t)

(2.12)

18

CHAPITRE 2. LA CONVOLUTION

avec la pulsation propre de loscillateur. Cest une equation lineaire (si on multiplie F (t) par une constante a
alors la solution x(t) est aussi multipliee par a). Nous allons montrer que la solution dune telle equation peut
secrire comme une convolution entre deux fonctions : F (t) (second membre) et une fonction R(t) appelee reponse
impulsionnelle.
On sinteresse dabord au cas o`
u la force est de type (t), cest `a dire une force tr`es intense pendant un temps
tr`es bref (une impulsion). On appelle R(t) la solution (allongement) correspondante, elle obeit `a lequation de
loscillateur. Il vient
R00 (t) + 2 R(t) = (t)
(2.13)
puis on convolue les deux membres de lequation ci-dessus par la fonction F (t) :
F R00 + 2 F R = F

(2.14)

et on utilise (i) legalite F = F et (ii) la propriete de derivation dun produit de convolution : x y 0 = (x y)0 .
On obtient
(F R)00 + 2 (F R) = F
(2.15)
Cette equation est identique `
a lequation `
a laquelle satisfait x
x00

=F

(2.16)

la solution devant etre unique, on a necessairement


x=F R

(2.17)

La reponse impulsionnelle R(t) decrit le mouvement de la masse lorsquon lui applique une force impulsionnelle
qui na de valeur qu`
a linstant t = 0 et qui est nulle ensuite : R(t) est donc, lorsque t > 0, la solution de lequation
sans second membre. Le calcul exact de R(t) sera detaille au paragraphe 2.3.3

2.3.2

G
en
eralisation

Soit un syst`eme physique regi par une equation differentielle lineaire


a0 y + a1 y 0 + a2 y 00 + . . . + an y (n) = F

(2.18)

et R la reponse impulsionnelle solution de


a0 R + a1 R0 + a2 R00 + . . . + an R(n) =

(2.19)

le raisonnement du paragraphe precedent sapplique et on a l`a aussi la relation de convolution


y =F R

(2.20)

cest une propriete tout `


a fait remarquable et qui permet de remplacer la resolution parfois laborieuse dune equation
differentielle par un calcul dintegrale. Cel`a ne marche que si lequation est lineaire, lexemple ci-apr`es permet de
sen convaincre.
Cas dune equation non lineaire : soit par exemple
x00 (t) + kx2 (t) = F (t)

(2.21)

avec k une constante. On appelle toujours R la solution de


R00 (t) + kR2 (t) = (t)

(2.22)

convoluons les deux membres de cette equation par F , il vient


(F R)00 + kF R2 = F

(2.23)

x00 (t) + kx2 (t) = F (t)

(2.24)

qui se compare `
a lequation
mais on ne peut plus ici identifier x `
a F R `
a cause du terme carre : x2 6= F R2 . Dans ce cas la solution de
lequation ne se met pas sous la forme dune convolution.

19

CHAPITRE 2. LA CONVOLUTION

Vocabulaire Lecriture de la solution de lequation sous forme dune convolution permet de separer deux contributions :
Une contribution externe au syst`eme physique F (t) (la force excitatrice dans lexemple du ressort)
Une contribution propre au syst`eme physique : cest la reponse impulsionnelle R(t) (qui depend de la raideur et
de la masse dans lexemple du ressort) appelee parfois fonction dappareil
La seule connaissance de la reponse impulsionnelle R(t) permet de calculer la solution pour nimporte quel second
membre, de sorte que lon a pas besoin de savoir de quoi est fait le syst`eme physique si lon connait sa reponse
impulsionnelle : il pourrait etre traite comme une bote noire. On utilise parfois le vocabulaire suivant, inspire
du domaine du traitement du signal :
le syst`eme physique (ressort+masse par exemple) est appele syst`eme lineaire ou filtre
le second membre de lequation est appele excitation ou signal dentree
la solution y(t) `
a lequation differentielle est appelee reponse ou signal de sortie
la relation y = F R est appellee relation entreesortie.
et le comportement du syst`eme peut-etre schematise par le dessin ci-dessous

F(t)

y(t)

R(t)

*
t
Signal dentre
Excitation

t
Rponse impulsionnelle
Fonction dappareil

t
Signal de sortie
Rponse du systme

On parle de syst`eme causal lorsque la reponse impulsionnelle R(t) = 0 pour t < 0. Dans ce cas la variable t designe
le temps. La signification physique est assez simple `a comprendre : imaginons R(t < 0) 6= 0 dans lexemple du
ressort. Une force de type impulsion appliquee `a linstant t = 0 aurait alors pour effet de faire bouger la masse
(R(t) est lallongement du ressort) `
a t < 0 cest `a dire avant que la force soit appliquee. Un tel syst`eme violerait le
principe de causalite.

2.3.3

Calcul de la r
eponse impulsionnelle : exemple du ressort

Reprenons lequation de loscillateur harmonique du paragraphe 2.3.1 :


x00 (t) + 2 x(t) = F (t)

(2.25)

La reponse impulsionnelle R(t) obeit `


a lequation differentielle
R00 (t) + 2 R(t) = (t)

(2.26)

Il existe plusieurs methodes pour calculer R. On peut effectuer une transformation de Fourier de lequation
precedente, qui a pour effet de transformer lequation differentielle en equation lineaire simple, comme nous le
verrons au chapitre suivant.
Nous proposons ici une methode plus traditionnelle (solution generale de lequation sans second membre + solution
particuli`ere). Comme le (t) du second membre nous embete, nous recourons `a lastuce suivante, consistant `
a
introduire la primitive G de la reponse impulsionnelle :
Z
G = R dt
(2.27)
avec la condition G(t 0) = 0 pour respecter la causalite. Puis on int`egre lequation 2.26 par rapport au temps :
Z
Z
R0 (t) + 2 R(t) dt = (t) dt
(2.28)
qui secrit aussi
G00 (t) + 2 G(t) = H(t)

(2.29)

avec H(t) la distribution de Heaviside. Pour t > 0 lequation secrit donc


G00 (t) + 2 G(t) = 1

(2.30)

20

CHAPITRE 2. LA CONVOLUTION

ce qui est facile `


a resoudre. La solution de lequation sans second membre est
G0 (t) = A cos(t) + B sin(t)

(2.31)

avec A, B reels. Une solution particuli`ere constante est G1 = 12 . La condition G(0) = 0 donne A = 12 , de sorte
que
1
(2.32)
G(t) = 2 (1 cos(t)) + B sin(t)

La reponse impulsionnelle est la derivee de G. La constante B sannule `a cause de la condition R(0) = 0 (ressort
au repos `
a t 0). On a finalement, pour t > 0
1
sin(t)

(2.33)

H(t)
sin(t)

(2.34)

R(t) =
et R(t) = 0 pour t < 0. On peut ecrire
R(t) =

Chapitre 3

Transformation de Fourier
3.1

D
efinition

3.1.1

D
efinition

Soit f une fonction de variable reelle `


a valeurs reelles ou complexes :
f

: R
x

C
7

f (x)

(3.1)

On appelle transformee de Fourier (ou TF) de f lintegrale


f() =

f (t) e2it dt

(3.2)

avec reel. Cette integrale existe si f est integrable sur R. On parle despace direct pour decrire f (t), et despace
de Fourier pour decrire f(). On utilisera parfois les notations suivantes :

ou

f = F[f ] = TF[f ]

(3.3)

f() = F [f ] = TF [f ]

(3.4)

Comme pour la convolution cest une operation fonctionnelle et lecriture f() = F [f (t)] est incorrecte. . . mais on
lutilise tout de meme par commodite et/ou habitude.
La quantite est dite variable conjuguee de t. Sa dimension est
[] = [t]1

(3.5)

ainsi si t est un temps (en secondes), est une frequence (en secondes1 ). Et si t est une position (en m`etres), alors
est une frequence spatiale (en m`etres1 ). Ainsi la TF est une operation mathematique permettant de transformer
une fonction dependant du temps en une fonction dependant de la la frequence.
Il est `
a noter que dautres definitions de la transformee de Fourier existent. Par exemple :
Z
f() =
f (t) eit dt

ou

1
F () =
2

f (t) eit dt

Le passage de lune `
a lautre definition se fait simplement par un changement de variable. Nous travaillerons
exclusivement avec la definition donnee `
a lequation 3.2

3.1.2

Transform
ee de Fourier des fonctions `
a valeurs r
eelles

On sinteresse au cas des fonctions f dune variable reelle t telles que f (t) est reelle. On distinguera le cas des
fonctions paires et impaires :

22

CHAPITRE 3. TRANSFORMATION DE FOURIER

Cas dune fonction f r


eelle et paire. Ces fonctions verifient f (t) = f (t). Dans ce cas sa TF secrit de la
facon suivante :
Z
f() =
f (t) e2it dt

f (t) e2it dt +

f (t) e2it dt

changement variable y = t
Z 0
Z
=
f (y) e2iy d(y) +
f (t) e2it dt
+
0

f (y) e2iy d(y) +


f (t) e2it dt
+
0
Z
Z
2iy
f (t) e2it dt
f (y) e
d(y) +
=
0
0
Z
f (t) cos(2t) dt
= 2

(3.6)

Cette derni`ere integrale est appellee transformee en cosinus. Elle permet en particulier de montrer la propriete
suivante :
f reelle et paire f reelle et paire
Cas dune fonction f r
eelle et impaire verifiant f (t) = f (t). Le meme raisonnement permet decrire
Z
f() = 2i
f (t) sin(2t) dt
(3.7)
Lintegrale 2

R
0

f (t) sin(2t) dt est appelee transformee en sinus. On montre aussi que


f reelle et impaire f imaginaire pure et impaire

Cas dune fonction f r


eelle quelconque qui se decompose toujours en une partie paire (fp ) et impaire (fi ) :
f (t) = fp (t) + fi (t)

(3.8)

avec 2fp (t) = f (t) + f (t) et 2fi (t) = f (t) f (t). La transformee de Fourier des fonctions reelles verifie la
propriete suivante (on dit quelles sont hermitiennes
f reelle f a une partie reelle paire et une partie imaginaire impaire
ce qui secrit de la mani`ere compacte suivante
f() = f()

(3.9)

avec la notation z = complexe conjugue de z.

3.1.3

Exemples

Fonction Porte
Soit f (t) = (t). Sa TF secrit :
f()

(t) e2it dt

1
2

e2it dt =

12

sin()

1  2it  12
e
12
2i
(3.10)

23

CHAPITRE 3. TRANSFORMATION DE FOURIER

Fonction porte

Sinus cardinal

1.2

0.8

0.6

sinc ( )

(t)

0.8

0.6

0.4

0.2

0.4
0
0.2
0.2
0
1.5

0.5

0
t

0.5

0.4

1.5

Figure 3.1 Fonction porte (`a gauche) et sa transformee de Fourier (`a droite)
sera appelee sinus cardinal et notee sinc() 1 . Elle a la propriete de sannuler pour entier,
Cette fonction sin()

do`
u le nom de cardinal. On retiendra que
f (t) = (t) f() = sinc()

(3.11)

Le graphe des deux fonctions f et f est represente en figure 3.1. On remarque que f() est ici une fonction reelle
et paire puisque f (t) est reelle et paire.
Fonction Gaussienne
2

Soit f (t) = et . Sa TF secrit :


f()

et e2it dt

on fait apparaitre le debut du carre (t + i)2


Z
2
2
= e
e(t+i) dt

Le calcul de lintegrale

(3.12)

e(t+i) se fait par la methode des residus, on montre quelle vaut 1. Il vient donc que

2
f() = e . On trouve le resultat connu suivant lequel la TF dune gaussienne est une gaussienne. On retiendra
que
2
2
f (t) = et f() = e
(3.13)

Loi de Laplace
Soit la fonction f (t) = e|t| . Cest une fonction connue sous le nom de loi de laplace 2 dans le domaine des
probabilites. Sa TF secrit :
Z
f() =
e|t| e2it dt

et2it dt +

=
=

et2it

1
1
+
1 + 2i
1 2i
2
1 + 4 2 2

1. La d
efinition que nous prendrons ici pour le sinus cardinal est sinc(x) =
sin(x)
x

nombre est : sinc(x) =


2. Plus pr
ecis
ement la loi de Laplace est la fonction p(t) =

1 |t|
e
,
2

(3.14)
sin x
.
x

Une autre d
efinition souvent utilis
ee incluant le

dont lint
egrale vaut 1

24

CHAPITRE 3. TRANSFORMATION DE FOURIER

Transformee de Fourier
2

0.9

1.8

0.8

1.6

0.7

1.4

0.6

1.2

1/(1+4 2 2)

exp(|t|)

Fonction
1

0.5
0.4

1
0.8

0.3

0.6

0.2

0.4

0.1

0.2

0
4

0
t

0
2

Figure 3.2 Fonction f (t) = e|t| (`a gauche) et sa transformee de Fourier (`a droite)
Cette fonction est une Lorentzienne Son graphe est represente en figure 3.2.
Distribution de Dirac
Soit f (t) = (t). Sa TF secrit
f()

(t) e2it dt

on utilise la propriete f (t)(t) = f (0)(t)


Z
=
(t) dt = 1

(3.15)

On obtient le resultat que f() vaut 1 quelle que soit , et on lecrira f() = 1(). Linverse est vrai comme on le
verra au paragraphe 3.2.4. On retiendra que
f (t) = (t) f() = 1()
f (t) = 1(t) f() = ()

3.2
3.2.1

(3.16)

Propri
et
es de la TF
Lin
earit
e

Il est tr`es facile de montrer que la transformation de Fourier est une operation lineaire, cest `a dire que :
Pour deux fonctions f et g, on a F[f + g] = F[f ] + F[g]
Pour une fonction f et une constante , on a F[f ] = F[f ]

3.2.2

Changement de signe et conjugaison

Changement de signe : TF de f (t)


Elle secrit :
F[f (t)]

=
=

f (t) e2it dt
f (t) e+2it dt

f()

(3.17)

On retiendra quun renversement de laxe des t (changement t t) se traduit par un renversement de laxe des
:
F
f (t) f()
(3.18)

25

CHAPITRE 3. TRANSFORMATION DE FOURIER

Conjugaison : TF de f (t)
Elle secrit :
i
h
F f (t)

=
=

f (t) e2it dt
f (t) e+2it dt

f()

(3.19)

3.2.3

Valeur `
a lorigine f(0)

Elle secrit
f(0)

f (t) e2i0t dt

f (t) dt

(3.20)

On retiendra que
lintegrale dune fonction est la valeur de sa TF en 0

3.2.4

Changement d
echelle


Soit une constante reelle a 6= 0 et une fonction f . On sinteresse `a la TF de f at . Elle secrit
  
Z  
t
t
F f
=
e2it dt
f
a
a

changement de variable y = t/a (attention a peut etre negatif)


Z
= |a|
f (y) e2iya dy = |a| f(a)

(3.21)

Ainsi une dilatation de laxe des t (changement t t/a) se traduit par une compression de laxe des (changement
a). Cette propriete importante est illustree par la figure 3.3. On retiendra que
 
t
F
f
|a| f(a)
a

(3.22)

On peut aussi retenir la phrase suivante :




Une fonction large dans lespace direct est etroite dans lespace de Fourier. 

Cons
equence : TF de 1(t)

Soit la fonction gaussienne g (t) = exp (t)2 avec  un reel positif. Sa TF secrit :
g () =

 2
1
exp



(3.23)

Faisons tendre  0 : la fonction g tend vers 1 tandis que sa TF g0 est une fonction dont la largeur tend
vers
(valeur `
a lorigine)
R 0, la hauteurR
R tend vers linfini et dont lintegrale vaut 1 (il est facile de montrer que
g () d = g1 () d = g1 (t) dt = g1 (0) = 1). Nous avons pour g0 les caracteristiques dune

distribution telle que definie au paragraphe 1.3.3, et pouvons ecrire que g () tend vers () quand  0. On
retiendra la paire fonction/transformee suivante :
f (t) = 1(t) f() = ()

3.2.5

Translation

Soit une constante reelle a et une fonction f . On sinteresse `a la TF de f (t + a). Elle secrit

(3.24)

26

CHAPITRE 3. TRANSFORMATION DE FOURIER

Fonction

Transformee de Fourier

2
f(t)
f(t/a) avec a=2

0.9
0.8

1.6

0.7

1.4

0.6

1.2

0.5

0.4

0.8

0.3

0.6

0.2

0.4

0.1

0.2

0
4

0
t

f^()
|a| f^(a )

1.8

0
4

Figure 3.3 Illustration de la propriete de changement dechelle. A gauche une fonction gaussienne f (t) (bleu)
et la meme fonction f (t/a) dilatee dun facteur a = 2 (rouge). A droite les TF respectives : noter linversion des
proportions (la dilatation dans lespace direct est devenue une compression dans lespace de Fourier). On note aussi
la valeur `
a lorigine dans lespace de Fourier, plus elevee pour la courbe rouge (f(0) est lintegrale de f ).

F [f (t + a)]

f (t + a) e2it dt

changement de variable y = t + a
Z
=
f (y) e2i(ya) dy = e2ia f()

(3.25)

Une translation de laxe des t se traduit donc par une multiplication par un terme de phase lineaire e2ia dans
lespace de Fourier. On retiendra la propriete
F

f (t + a) e2ia f()

(3.26)

Ainsi lorsquon effectue une translation, le module de la transformee de Fourier est inchange, seule la phase contient
linformation sur cette translation (ajout dune contribution lineaire (u) = 2ua `a la phase de la TF de f (t)). La
figure 3.4 montre un exemple dans le cas o`
u f (t) est une gaussienne.

3.2.6

Multiplication par un terme e2i0 t

Soit une constante reelle 0 et une fonction f . On sinteresse `a la TF de f (t) e2i0 t . Elle secrit


F f (t) e2i0 t =
=

f (t) e2i(0 )t dt

f( 0 )
(3.27)

Une multiplication par un terme de phase lineaire de frequence 0 dans lespace direct se traduit par une translation
dune quantite 0 dans lespace de Fourier. Cest la propriete symetrique de celle decrite au paragraphe precedent
(attention au signe -). On retiendra donc ces deux proprietes :
f (t + a)
f (t) e+2i0 t

F
f() e+2ia
F
f( 0 )

(3.28)

27

CHAPITRE 3. TRANSFORMATION DE FOURIER

TF partie reelle : exp( 2).cos(2 a)


1

TF partie imaginaire : exp( 2).sin(2 a)


0.5

(b)

(c)

0.8
0.25

0.6

Fonction f(t)=exp( (t+a)2) avec a=1/2


1
(a)

0.8

0.4

0.2

0.25

0.5

0.6

TF module : exp( 2)

0.4
(d)

(e)

4
2

0.6
1

0
t

0.8

0
2

TF phase : 2 a

1
0.2

0.4

0.2

6
2

Figure 3.4 Effet dun changement dorigine (translation) sur la transformee de Fourier dune gaussienne. (a) :
fontion gaussienne translatee dune quantite a = 12 dans lespace direct. (b) et (c) : parties reelle et imaginaire de
la TF. (d) : module de la TF, independant du decalage a. (e) : phase de la TF, cest une droite de pente 2a. La
pente est positive si la fontion est decalee vers la gauche, negative si la fontion est decalee vers la droite.

3.2.7

Tranform
ee de Fourier inverse

Le probl`eme est le suivant : comment obtenir f (t) lorsquon connait f() ? Cest lexpression de la TF inverse que
nous allons etablir ici. Pour cel`
a on passe par une premi`ere etape ci-dessous :
Double transform
ee de Fourier

Elle sera notee f et secrit comme la TF de f. Les variables utilisees seront : t pour f , u pour f et t1 pour f (il est
a noter que la dimension de t et de t1 est la meme alors que celle de u est linverse de celle de t et de t1 ). Il vient
`

f(t1 )

=
=

h
i
Ft1 f()
Z
f() e2it1 d
=

Z

f (t) e

2it

t=

dt

e2it1 d

permutation des integrales sur t et


=

t=

t=

Z

2i(t+t1 )

f (t) dt
e
d
=
|
{z
}
TF de 1() prise `a la valeur t + t1
Z
(t + t1 ) f (t) dt
=
(f (t)(ta)=f (a)(ta))

(t + t1 ) f (t1 ) dt

t=

= f (t1 )

(3.29)

Ainsi une double transformation de Fourier revient `a renverser le sens de laxe des t. On retiendra

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

(3.30)

28

CHAPITRE 3. TRANSFORMATION DE FOURIER

Tranform
ee de Fourier inverse
On vient de voir que la TF de f est f (t) :
F
f() f (t)

(3.31)

Lintegrale de Fourier portant ici sur la variable . On combine ce resultat sur la double transformation de Fourier
avec la propriete de changement de signe vue au paragraphe 3.2.2. Il vient
F
f() f (t)

Et on explicite cette egalite :

f() e2it d

(3.32)

= f (t)

(3.33)

Le changement de variable permet decrire


f (t) =

f() e+2it d = F 1 [f()]

(3.34)

Cette egalite relie f() `


a f (t) : cest lexpression de la TF inverse que nous recherchons. Elle est tr`es semblable `
a
celle de la TF directe, la difference etant le signe du terme 2it dans lexponentielle. On voit egalement que
Pour une fonction reelle paire, TF inverse = TF
Pour une fonction reelle impaire, TF inverse = -TF

3.2.8

Signification physique de la TF

Cette signification se trouve dans lexpression de la TF inverse, qui permet decrire une fonction f comme une
somme continue de termes e+2it que nous nommerons  composantes harmoniques 
Z
f (t) =
f() d
e|+2it
(3.35)
{z }
| {z }

facteur de
ponderation

composante
harmonique

Ces composantes harmoniques e+2it sont des fonctions trigonometriques de frequence et sont lequivalent
complexe des sinusodes. Cest pourquoi on dit parfois que toute fonction f (t) (admettant une TF) peut secrire
comme une somme continue de sinusodes de frequences allant de `a +. Le terme f() represente le poids
la composante harmonique de frequence dans le developpement de f , et cest l`a la signification physique de la
transformee de Fourier (on parle parfois de spectre de frequences pour designer la TF). Il y a des cas particuliers
que nous rencontrerons un peu plus loin :
Les fonctions reelles paires, qui secrivent comme une somme de cosinus
Les fonctions reelles impaires, qui secrivent comme une somme de sinus
Les fonctions periodiques, qui secrivent comme une somme discr`ete (et non pas continue) de composantes
harmoniques
Les fonctions trigonometriques simples comme sin2 (t) qui secrivent avec un nombre fini de composantes harmoniques
Exemple du cosinus
Soit f (t) = cos(20 t). Sa frequence est 0 . Ce cosinus secrit comme la somme de deux exponentielles complexes
f (t) =

1 2i0 t
1
e
+ e2i0 t
2
2

(3.36)

ce qui constitue un developpement en une somme de composantes harmoniques analogue `a lequation 3.35. Il ny
a que deux composantes harmoniques dans le cosinus : celle de frequence +0 et celle de frequence 0 . Chacune
a un poids identique 1/2. Cette information se retrouve dans la transformee de Fourier de f . Pour la calculer, on
utilise le resultat du paragraphe 3.2.6)
g(t) e2i0 t

g( 0 )

29

CHAPITRE 3. TRANSFORMATION DE FOURIER

avec g(t) = 1(t). Il vient :

1
1
f() = ( 0 ) + ( + 0 )
(3.37)
2
2
La TF dun cosinus de frequence 0 est la somme de deux distributions , centrees en 0 . Elle est nulle pour toute
autre valeur de : on en deduit que le cosinus ne contient aucune autre frequence que 0 dans son developpement
de Fourier. Elle est paire : cest pour cel`
a que les deux frequences 0 ont le meme poids ( 21 ) dans le developpement
de Fourier de f .
Cas dune fonction r
eelle et paire
Soit f une fonction reelle et paire, admettant une TF f qui est aussi reelle et paire. Il est facile de montrer que
lequation 3.34 peut secrire
Z
f (t) = 2
f() cos(2t) d
(3.38)
0

Une fonction reelle et paire secrit ainsi comme une somme continue de cosinus `a toutes les frequences comprises
entre 0 et , ponderes par f(). En dautres termes, en ajoutant un grand nombre (idealement une infinite) de
cosinus avec les bons poids, on peut construire nimporte quelle fonction (`a condition quelle admette une TF).
Exemple de la fonction porte

f (t) = (t). Sa TF secrit f() = sinc(). Lequation 3.38 permet decrire


Z
(t) = 2
sinc() cos(2t) d
(3.39)
0

Au moyen dun ordinateur, il est facile dapprocher cette integrale par somme de Riemann
(t) ' 2

M
X

sinc(n ) cos(2n t)

(3.40)

n=0

avec un pas en frequence et n = n les valeurs echantillonnees de la frequence . M est un nombre grand,
idealement infini pour la serie de Riemann, mais si lon veut faire un calcul numerique il est necessaire de fixer une
valeur finie.
La figure 3.5 montre la mani`ere dont se construit la fonction porte lorsque lon somme quelques termes de la serie.
En particulier le graphe (c4 ), obtenu comme somme de seulement 4 termes (n = 0, 0.5, 1.5, 2.5) evoque dej`
a la
forme de la fonction porte. Un autre exemple est montre figure 3.6 avec un nombre de termes beaucoup plus eleves
(jusqu`
a M = 10000) et un echantillonnage frequentiel plus serre. Il est interessant dobserver la convergence
vers la fonction porte `
a mesure que M augmente. On constate que les parties plates sont assez vite reconstruites
tandis que des oscillations sont observees au voisinage des discontinuites (phenom`ene de Gibbs). Ces oscillations
disparaissent lorsque M .

3.2.9

D
erivation

Soit une fonction f admettant une TF (et donc integrable sur R). Elle secrit comme la TF inverse de f, cest `
a
dire
Z
f (t) =
f() e2it d
=

d
f (t)
dt

derivation par rapport `a t

d
dt

f() e2it d

derivation sous le signe

(r`egle de Leibniz)

d 2it
f()
e
d
dt
=
Z
f() 2i e2it d
=

h
i
F 1 2i f()

(3.41)

30

CHAPITRE 3. TRANSFORMATION DE FOURIER

sinc()

(a)

0.5
0
0

(b1)

=0

1.5

(c1)

=0

0.5
1

0
0.5

0.5

1
1

0
t

(b2)

=0.5

1.5

0.5

0
t

0.5

(c2)

=0.5

0.5
1

0
0.5

0.5

1
1

0
t

(b3)

=1.5

1.5

0.5

0
t

0.5

(c )

=1.5

0.5
1

0
0.5

0.5

1
1

0
t

(b4)

=2.5

1.5

0.5

0
t

0.5

(c4)

=2.5

0.5
1

0
0.5
1
1

0.5
0
t

0.5

0
t

0.5

Figure 3.5 Construction dune fonction porte f (t) = (t) comme somme de cosinus (equation 3.40). (a) : TF
de la fontion porte sinc(). Les cercles correspondent aux valeurs de = 0, 0.5, 1.5, 2.5 concernees par la somme.
(b1 ) `
a (b4 ) : terme sinc() cos(2t) pour = 0, 0.5, 1.5, 2.5. (c1 ) `a (c4 ) : sommes des termes correspondant `
a
sinc() cos(2t) pour = 0, = 0, 0.5, = 0, 0.5, 1.5, et = 0, 0.5, 1.5, 2.5.

31

CHAPITRE 3. TRANSFORMATION DE FOURIER

sinc()

(a)
0.5

0.5
0

10

20

30

40

50

60

70

80

90

100

110

(b)

0.5

0.5

0.5

0
t

0.5

(d)

0.5

0
0.5

0
t

0.5

0.5

0
t

0.5

(e)

0.5

(c)

0.5

0
t

0.5

Figure 3.6 Construction dune fonction porte f (t) = (t) par sommation de la serie (eq. 3.40) avec = 0.01.
(a) : TF de la fontion porte sinc(). (b) `
a (e) : calcul de la serie pour 4 valeurs maximales M de correspondant
a M = 5, 10, 50, 100 (cest `
`
a dire une borne superieure M = 500, 1000, 5000, 10000 pour n). Les lignes verticales
du graphe (a) correspondent aux 4 valeurs de M .

32

CHAPITRE 3. TRANSFORMATION DE FOURIER

On retiendra la propriete
F

f 0 (t) 2i f()

(3.42)

Ce qui se traduit par lidee quune derivee correspond `a une augmentation du poids des hautes frequences (grandes
valeurs de ||). On parle de filtrage passe haut et on retrouvera cette idee au chapitre traitant du filtrage. De
lequation precedente on peut deduire le resultat ci-dessous, parfois utile pour certains calculs :
1 d
[f ()]
2i d
On montre de meme que la TF de la primitive de f secrit
Z
1
F
f ()
f (t) dt
2i
F

t . f (t)

(3.43)

(3.44)

qui correspond `
a une attenuation des hautes frequences (filtrage passe-bas).

3.2.10

TF dune convolution et dun produit

Soient deux fonctions f et g de la meme variable t, et h leur produit de convolution


Z
h(t) = [f g](t) =
f (t0 ) g(t t0 ) dt0

(3.45)

t0 =

La TF de h secrit

h()

=
=

h(t) e2it dt
Z
f (t0 ) g(t t0 ) dt0 e2it dt

t=
Z

t0 =

t=

permutation des integrales (theor`eme de Fubini)

f (t0 )

t0 =

= g()

g(t t0 ) e2it dt dt0


t=
{z
}
|
TF de

g(tt0 )

f (t0 ) e2it dt0

t0 =

= g() . f()

(3.46)

On a montre le resultat bien connu selon lequel la TF dun produit de convolution est un produit simple des
transformees. Montrons maintenant la propriete reciproque, cest `a dire que la TF dun produit de fonctions est la
convolution des transformees :
Z
F[f (t).g(t)] =
f (t) g(t) e2it dt
t=

on ecrit g(t) comme la TF inverse de g( 0 )

f (t)

t=

=
=

g( 0 )

0 =
0

g( 0 ) e2i t d 0 e2it dt

0 =
Z

f (t) e2i(

)t

dt d 0

t=
0
0

g( ) f ( )dt
= [
g f]()

(3.47)

On retiendra les proprietes suivantes :


f (t).g(t)

h
i
f g ()

F
[f g] (t) f() . g()

(3.48)

33

CHAPITRE 3. TRANSFORMATION DE FOURIER

Echelon de Heaviside

Transformee de Fourier
3

Partie imaginaire
Partie reelle

0.8

0.6

0.4
1
0.2
2
0
1.5

0.5

0
t

0.5

1.5

3
1 0.75 0.5 0.25

0.25

0.5

0.75

Figure 3.7 Echelon de Heaviside (`a gauche) et sa transformee de Fourier (`a droite).

3.2.11

TF dune fonction causale

Une fonction causale f (t) a la propriete detre nulle pour t < 0, et verifie f (t) = f (t).H(t) avec H lechelon de
Heaviside.
TF de H(t)
On se sert de la relation 3.44 (TF de la primitive dune fonction) quon applique `a f (t) = (t). La primitive de
a obtenir
est `
a une constante pr`es lechelon de Heaviside. Nous choisirons ici la constante egale `a 12 de mani`ere `
la primitive impaire suivante :
1
primitive
f (t) = (t) F (t) = H(t)
(3.49)
2
et puisque F est impaire elle verifie
Z
F (t) dt = F (0) = 0
(3.50)

Appliquons maintenant la relation 3.44 valable pour 6= 0


F () =
Do`
u

Cest la fonction


1
2i

1
1
f () =
2i
2i

1
F () = 2i
F () = 0

(3.51)

pour 6= 0
pour = 0

(3.52)

privee de sa singularite en 0, nous la noterons




1
F () = vp
2i

le terme vp pour valeur principale. Il vient donc, puisque H(t) = F (t) +




1
1

H() = () + vp
2
2i

(3.53)
1
2

:
(3.54)

Cest la TF de lechelon de Heaviside, qui presente une partie reelle paire et une partie imaginaire impaire (propriete
generale des TF des fonctions reelles). Son graphe est represente figure 3.7. On peut en deduire la TF de la fonction
signe definie par


1 si t > 0
1
F
sgn(t) =
0 si t = 0
sgn()

= vp
(3.55)
i
1 si t < 0

34

CHAPITRE 3. TRANSFORMATION DE FOURIER

TF dune fonction causale transform


ee de Hilbert
Soit f une fonction causale verifiant f (t) = f (t).H(t). Alors
f()

= F[f (t).H(t)] = f() H()





1
1

() + vp
= f ()
2
2i


1
1

=
f () + f () vp
2
2i


i
1
1

=
f () vp f ()
2
2

La valeur principale de lintegrale de convolution de f () par



Z 
1
f ( 0 )
vp f()
=
d 0
0

(3.56)

est la limite  0 de
+

f( 0 )
d 0
0

(3.57)

Dans la suite nous omettrons lecriture explicite de la valeur principale et assumerons un prolongement par continuite en 0. Il vient
1
f() = i f()
(3.58)

1
qui est lequivalent dans lespace de Fourier de la relation f (t) = f (t).H(t). La quantite f()
est appelee

transformee de Hilbert de f .

3.2.12

Comment calculer une TF

La TF est definie par une integrale (eq. 3.2) mais il nest generalement pas necessaire de la calculer. Par exemple
soit la fonction
f (t) = cos(3t) exp (t t0 )2
(3.59)
avec t0 reel. f est donc le produit dune fonction f1 (t) = cos(3t) par une gaussienne f2 (t) = exp (t t0 )2 . Pour
calculer sa TF, on utilise la propriete 3.48 pour ecrire
f() = f1 () f2 ()

(3.60)

Pour calculer f1 (), on decompose le sinus en somme de deux exponentielles :


f1 (t) =

1 3it 1 3it
e + e
2
2

(3.61)

et on utilise la propriete 3.27 pour en deduire






1
3
1
3

f1 () = +
+
2
2
2
2

(3.62)

Pour calculer f2 () on combine la propriete de decalage 4.9 avec la TF de la gaussienne (eq. 3.13). Il vient
2
f2 () = e e2it0

(3.63)

Et pour finir, on applique la propriete 2.4 f (x) (x a) = f (x a) pour obtenir


3 2
3
3 2
3
1
1
f() = e( 2 ) e2i( 2 )t0 + e(+ 2 ) e2i(+ 2 )t0
2
2

(3.64)

Cet exemple illustre limportance de disposer dun formulaire regroupant les TF connues et les proprietes essentielles.
Ce formulaire est donne en annexe.

35

CHAPITRE 3. TRANSFORMATION DE FOURIER

x(t)

y(t)

Figure 3.8 Circuit RC. x(t) est la tension dentree, y(t) est la tension mesuree aux bornes du condensateur.

3.3
3.3.1

Fonctions de transfert et filtrage


Exemple : circuit RC

On consid`ere le circuit RC de la figure 3.8. Un generateur delivre une tension alternative x(t) dans un circuit
comose dune resistance R et dun condensateur C montes en serie. . On mesure la tension y(t) aux bornes du
condensateur. En utilisant le vocabulaire presente au paragraphe 2.3.2, x(t) sera appele le signal dentree et y(t)
le signal de sortie.
La loi des mailles permet decrire lequation differentielle `a laquelle satisfait la charge q(t) du condensateur :
R
posons y =

q
C,

dq
q
+
= x(t)
dt
C

(3.65)

il vient

dy
+ y = x(t)
dt
Cest une equation differentielle lineaire dont la solution y(t) secrit comme la convolution
RC

(3.66)

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

(3.67)

avec R(t) la reponse impulsionnelle, comme nous lavons vu au paragraphe 2.3.1. Une autre mani`ere de le montrer
est de calculer la TF de lequation differentielle :
RC 2i y() + y() = x
()

(3.68)

La transformation de Fourier a permi de transformer lequation differentielle en equation lineaire. le calcul de y()
est immediat :
1
y() = x
() .
(3.69)
1 + 2i RC
Et en posant
1

R()
=
(3.70)
1 + 2i RC
on fait apparaitre y comme le produit de deux quantites

y() = x
() .R()

(3.71)

Cette relation entre les signaux dentree et de sortie dans lexpace de Fourier est dite relation de filtrage lineaire.
Le signal de sortie y(t) est ainsi nomme egalement signal filtre. Par TF inverse on retrouve lequation 3.67. On
peut aussi calculer R(t) 3 :
1
t
R(t) =
H(t) exp
(3.72)
RC
RC

La quantite R()
est appelee fonction de transfert. Cest la TF de la reponse impulsionnelle. Et comme la reponse
impulsionnelle, elle ne depend que des caracteristiques du circuit RC (resistance R et capacite C) et non pas de la
tension dentree x(t). Son graphe (parties reelle/imaginaire, module et phase) est represente figure 3.9.
Une autre representation en echelle logarithmique (pour > 0) est montree figure 3.10. Cette representation tr`es

utilisee dans le domaine de lelectronique est connue sous le nom de diagramme de Bode. Le module de R()
y est
converti en decibels (dB) par la formule

G() = 20 log10 (|R()|)


(3.73)
3. Le calcul est facile si lon a pr
ealablement effectu
e la TF de H(t) exp(t) par calcul direct de lint
egrale de Fourier.

36

CHAPITRE 3. TRANSFORMATION DE FOURIER

Partie reelle

Partie imaginaire

1
0.8

0.25

0.6
0
0.4
0.25

0.2
2

Module

Phase

1
1

0.8

0.5
0.6

0.4

0.5

0.2

Figure 3.9 Fonction de transfert du circuit RC pour RC = 1.

de sorte quune division dun facteur 10 entre deux valeurs de |R()|


pour deux frequences 1 et 2 se traduit
par une perte de 20 dB entre les valeurs de G `a ces memes frequences. G() est parfois nomme gain. Cette
representation est commode car elle fait apparaitre deux regimes differents pour le comportement de G :
1
et vaut 0
G() est constant pour ||  RC
1
G() est une droite de pente negative (souvent exprimee en decibels par decade) pour ||  RC
Signification physique de la fonction de transfert
La signification physique de cette fonction de transfert est facile `a apprehender lorsque la tension dentree x(t) est
sinusodale de frequence 0 , par exemple
x(t) = x0 cos(20 t)
(3.74)
Dans ce cas x
() est la somme de deux distributions :
x
() =

x0
[( 0 ) + ( + 0 )]
2

(3.75)

Le filtrage correpondant `
a lequation 3.71 permet decrire y() comme une somme deux distributions egalement :
y() =

x0

[R(0 ) ( 0 ) + R(
0 )( + 0 )]
2

(3.76)

et on obtient le signal de sortie y(t) par TF inverse, en utilisant la propriete R(


0 ) = R(0 )
0 )| cos(20 t + 0 )
y(t) = x0 |R(

(3.77)

0 ). On retiendra que :
avec 0 la phase de R(

Lorsque le signal dentree est une sinusode de frequence 0 , le signal de sortie est aussi une sinusode,
de meme frequence 0 ,
0 )|,
dont lamplitude a ete multipliee par |R(
h
i
0)
qui est dephasee dune quantite 0 = arg R(
Le r
ole du module de la fonction de transfert est comparable `a un celui dun equalizer de chaine stereo : il agit
comme un coefficient dattenuation du signal `a la frequence 0 . La phase de la fonction de transfert agit pour sa

37

CHAPITRE 3. TRANSFORMATION DE FOURIER

Module

Gain (dB)

0
20
40
3

10

10

10

10

10

10

Phase
0
0.5
1
1.5
3

10

10

10

10

10

10

Figure 3.10 Diagramme de Bode de la fonction de transfert R()


du circuit RC pour RC = 1. En haut le gain

G() = 20 log10 (|R()|) en fonction de . En bas la phase de R() en fonction de .


part par un dephasage de ce signal. Le diagramme de Bode de la figure 3.10 montre quun signal de basses frequence
1
 RC
sera quasiment inchange (y(t) ' x(t)), le circuit RC na pas deffet sur les signaux basses frequences.
1
Par contre `
a haute frequence  RC
, le signal de sortie aura une amplitude faible, qui tend vers 0 `
a mesure
que augmente. Un tel filtrage est donc dit  passe-bas  car il laisse passer les basses frequences et bloque les
frequences elevees. Voir lillustration sur la figure 3.11.

3.3.2

Quelques d
efinitions

Syst`
emes lin
eaires stationnaires
On consid`ere un syst`eme physique qui relie un signal dentree x `a un signal de sortie y par une relation entreesortie. Par exemple :
Le circuit RC du paragraphe precedent : x est la tension du generateur, y la tension mesuree aux bornes du
condensateur, la relation entree-sortie est une convolution
Le ressort du paragraphe 2.3.1 : x est la force exercee sur le ressort, y est son allongement. La relation entree-sortie
est aussi une convolution
Un microphone qui transforme un signal sonore (x est la pression exercee sur la membrane du microphone) en
signal electrique y
Un appareil photo qui forme limage I(x0 , y 0 ) dune source lumineuse dintensite I0 (x0 , y 0 ) en un point de coordonnees x0 , y 0 dans le plan. La relation entre I0 et I est une relation entree-sortie, entre deux fonctions de deux
variables.
Un point commun des exemples precedents est quils permettent de realiser une mesure du signal dentree x qui
est parfois inconnu (dans lexemple du microphone la pression de lair sur la membrane est inconnue). La quantite
mesuree est y. La relation entre x et y depend de la physique du syst`eme (dans le cas du ressort cest la relation
fondamentale de la dynamique qui a permi de lobtenir). Cette relation prend la forme dune convolution dans le
cas de syst`emes particuliers dits lineaires et stationnaires.
On dit dun syst`eme quil est lin
eaire si sa reponse `a une combinaison lineaire de signaux dentree est la combinaison
lineaire des signaux de sortie. Cest `
a dire :
Signal dentree : a1 x1 + a2 x2

Signal de sortie : a1 y1 + a2 y2

(3.78)

38

CHAPITRE 3. TRANSFORMATION DE FOURIER

Espace de Fourier

Signal dentree
1

Signal filtre

1
(a)

|R^ ()|

(b)

x^ ()

0.8

0.5

(c)

0.5
y(t)

x(t)

0.6
0

0.4
0.5
1
1.5

0.5

0.2

0.5

0
t

0.5

1.5

0
4

Signal dentree
1

1
1.5

0.5

Espace de Fourier

1.5

1.5

(f)

|R ()|
x^ ()

0.8

0.5

(e)

0.5

Signal filtre

1
(d)

0
t

0.5
y(t)

x(t)

0.6
0

0.4
0.5
1
1.5

0.5

0.2

0.5

0
t

0.5

1.5

0
4

1
1.5

0.5

0
t

0.5

Figure 3.11 Illustration de leffet du filtrage dun signal sinusodal x(t) par un circuit RC (avec RC = 1). (a)
signal dentree x(t) = cos(20 t) avec 0 = 0.5. (b) representations dans lespace de Fourier de la fonction de
transfert (module) et de x
() (somme de deux Dirac). (c) signal filtre y(t) qui est une sinusode de frequence 0 ,
amortie et dephasee. (d), (e), (f) : meme chose avec 0 = 3. On constate un amortissement plus important pour
cette frequence plus elevee, ainsi quun dephasage de presque /2 (comme prevu par le diagramme de Bode).
avec y1 (resp. y2 ) la reponse au signal dentree x1 (resp. x2 ), et a1 et a2 des constantes.
On dit dun syst`eme quil est stationnaire si ses caracteristiques sont invariantes par translation, que ce soit dans
le temps (dans le cas de signaux dentree et de sortie dependant du temps) ou dans lespace (dans le cas de signaux
dependant de variables despace comme lintensite dans une image). Dans ce cas une translation du signal dentree
se traduit par une translation identique du signal de sortie :
Signal dentree : x(t)
Signal dentree : x(t t0 )

=
=

Signal de sortie : y(t)


Signal de sortie : y(t t0 )

(3.79)

avec t la variable dont dependent les signaux dentree et de sortie et t0 la translation.


Il est facile de montrer que la relation entree-sortie dun tel syst`eme est une convolution par une reponse impultionnelle R(t). En effet x(t) peut secrire comme une somme continue de distributions :
Z
x(t) = x(t) (t) =
x(t0 ) (t t0 ) dt0
(3.80)

La reponse du syst`eme `
a un signal dentree (t t0 ) est R(t t0 ) si le syst`eme est stationnaire. Et puisque le syst`eme
est egalement lineaire, sa reponse `
a une somme de distributions secrit
Signal dentree : x0 (tt0 )+x1 (tt1 )+x2 (tt2 ) . . .
ou encore
Signal dentree :

xn (t tn )

ou encore, en passant `
a la limite continue
Z
Signal dentree :
x(t0 ) dt0 (t t0 )

Signal de sortie : y0 R(tt0 )+y1 R(tt1 )+x2 R(tt2 ) . . .


(3.81)
X
Signal de sortie :
xn R(t tn )
(3.82)
n

Signal de sortie :

x(t0 ) dt0 R(t t0 )

(3.83)

39

CHAPITRE 3. TRANSFORMATION DE FOURIER


Espace de Fourier

Signal dentree

0.6

x ()

(b)

(a)

0.5

Signal filtre
^

0.5

|R^ ()|

0.8

(c)

0.4

0.4
y(t)

x(t)

0.6
0.3
0.4

0.2
0.1

0.3
0.2

0.2

0.1

0
2

0
t

0
4

0
t

Figure 3.12 Filtrage passe-bas dun signal. (a) signal dentree x(t) = a1 exp(t2 ) + a0 cos(20 t) avec 0 = 3,
a1 = 1 et a0 = 0.05. (b) representations dans lespace de Fourier de x
() (somme dune gaussienne centree en
= 0 et de deux Dirac provenant du terme a0 cos(20 t)). La fonction de transfert est representee en pointilles.
(c) signal filtre y(t) dans lequel le terme en cosinus a presque compl`etement disparu.
Ainsi, pour un syst`eme lineaire stationnaire :
Signal dentree : x(t)

Signal de sortie : y(t) = x(t) R(t)

(3.84)

filtrage passe-bas
On consid`ere un syst`eme lineaire stationnaire de reponse impulsionnelle R(t), qui relie un signal dentree x(t) `
a un
signal de sortie y(t). La relation entre x
et y dans lespace de Fourier secrit

y() = R()
x
()

(3.85)

On dit que ce filtrage est de type passe-bas si la fonction de transfert (son module) tend vers 0 au loin, cest `
a dire

|R()|
0
||

(3.86)

Ce qui signifie concr`etement que les composantes harmoniques de grandes frequences dans le signal x(t) sont
attenuees par ce type de filtrage. La figure 3.12 montre un exemple de filtrage passe bas sur un signal x(t) compose
dune gaussienne et dun cosinus : x(t) = a1 exp(t2 ) + a0 cos(20 t) avec des constantes a1 = 1 et a0 = 0.05.
 4

La frequence du cosinus vaut 0 = 3. La fonction de transfert est R()


= exp 10 . Elle vaut 1 au voisinage de
lorigine et decroit tr`es fortement lorsque || > 2.6 (on a R(2.6) ' 0.01).
Dans lespace de Fourier, x
() est la somme de trois termes : une gaussienne de largeur ' 1 et deux dirac

localises en = 3. La produit de x
() par R()
naffecte quasiment pas la gaussienne (R()
' 1 sur toute sa

largeur) mais multiplie les deux dirac par R(3)


' 3. 104 . Dans lespace direct, le signal filtre secrit 4 y(t) '

a1 exp(t2 ) + a0 R(3)
cos(20 t). On observe un affaiblissement considerable (une quasi-disparition dans notre
exemple) du terme en cosinus. On parle parfois de detramage dans le sens o`
u lon a supprime du signal x(t) la
trame periodique en forme de cosinus.
Un filtrage passe-bas est tr`es utile pour reduire le bruit

3.4

Corr
elations et spectres de puissance

Dans tout ce paragraphe on va supposer que les fonctions avec lesquelles on travaille sont de carre sommable, cest
a dire
`
Z
|f (t)|2 dt non infini
(3.87)

En physique on parle alors de signaux `


a energie finie. En effet il nest pas rare que la quantite |f (t)|2 represente
(`
a une eventuelle constante pr`es) une puissance. Par exemple si f designe
electrique, alors |f |2 est
R un champ
2
proportionnel `
a la puissance electromagnetique associee `a f , et la quantite |f (t)| dt represente une energie.

4. Lexpression donn
ee pour y(t) est une approximation qui suppose que la fonction de transfert vaut rigoureusement 1 sur lensemble
du support de la gaussienne. Lexpression exacte de y(t) est beaucoup plus compliqu
ee.

40

CHAPITRE 3. TRANSFORMATION DE FOURIER

3.4.1

Fonctions de corr
elation

Intercorr
elation
On appelle fonction de correlation ou intercorrelation de deux signaux f et g lintegrale suivante :
Z
Cf g ( ) =
g(t) f (t + ) dt

(3.88)

Il est facile de voir que Cf g peut se mettre sous la forme du produit de convolution suivant
Cf g ( ) = [
g f ]( )

(3.89)

avec f (t) = f (t). Et lon remarque que lorsque lon permute lordre des fonctions f et g on obtient lidentite
suivante
Cgf ( ) = Cf g ( )
(3.90)
Dans le cas de signaux reels et pairs, lintercorrelation de f et g est simplement egale au produit de convolution
de f par g.
Autocorr
elation
Lorsque f et g sont identiques, on parle de fonction d autocorrelation ou simplement autocorrelation du signal f .
Lautocorrelation est definie par lintegrale suivante :
Z
Cf ( ) =
f (t) f (t + ) dt = Cf f ( )
(3.91)

et lon a
Cf ( ) = Cf ( )

(3.92)

cest `
a dire que lautocorrelation a une partie reelle paire et une partie imaginaire impaire (fonction hermitienne).
Les deux proprietes suivantes sont interessantes :
Dans le cas o`
u f est reelle, alors Cf est r
eelle paire
Dans le cas o`
u f est r
eelle paire alors Cf = f f
Exemple : Calcul de lautocorrelation de la somme de deux Diracs. Soit la fonction  (t) = (t t0 ) + (t + t0 ).
Elle est reelle et paire, donc C ( ) = [ ]( ). Il vient :
C ( ) = (t t0 ) (t t0 ) + (t + t0 ) (t + t0 ) +2 (t t0 ) (t + t0 )
|
{z
} |
{z
}
|
{z
}
(1)

(2)

(3.93)

(3)

Pour calculer les 3 termes, on peut utiliser la propriete f (t) (t + a) = f (t + a). Il vient :
(1)

= (t t0 ) (t t0 ) = (t 2t0 )

(2)

= (t + t0 ) (t + t0 ) = (t + 2t0 )

(3)

= (t t0 ) (t + t0 ) = (t)

(3.94)

On obtient ainsi
C ( ) = 2(t) + (t 2t0 ) + (t + 2t0 )

(3.95)

cest `
a dire que lautocorrelation dune somme de deux Diracs vaut 3 Diracs, un `a lorigine et les deux autres places
en 2t0 comme indique sur la figure 3.13.
Application 1 : Mesure de la taille de structures par autocorr
elation
Considerons lexemple du signal f (t) de la figure 3.14-e. Il est constitue dune serie de pulses gaussiens centres sur
des valeurs quelconques. Chaque pulse a une largeur s. Les graphes (a) `a (d) de la figure 3.14 illustrent comment
est calculee lautocorrelation de f (t) `
a partir de sa definition (eq. 3.91). Il sagit de lintegrale du recouvrement
de f (t) (en rouge sur les graphes) et de f (t + ) (en vert). Lorsque le decalage augmente, le recouvrement des
signaux verts et rouge diminue et lautocorrelation decroit (graphe (f)). Le premier minimum de lautocorrelation
est atteint lorsque = s, permettant la mesure de s. Cette methode est tr`es efficace, surtout lorsque le nombre
de pulses est grand, ou que le signal est bruite. En astronomie, elle trouve des applications en interferometrie des
tavelures pour mesurer par exemple des diam`etres detoiles.

41

CHAPITRE 3. TRANSFORMATION DE FOURIER

C( )
(tt0)

(t+t0)
t0

t0

2t0

2t0

Figure 3.13 A gauche, la somme de deux pics de Diracs dintegrale 1, centres en t0 . A droite, lautocorrelation
est une fonction symetrique, somme de trois Diracs centres en 0 et 2t0 . Le pic central a une integrale 2 fois plus
importante que les pics lateraux. La distance entre le pic central et lun des pics lateraux est egale `a la separation
entre les Diracs qui constituent la fonction.

(e) : Function f(t)

f(t) ; f(t+)

f(t) ; f(t+)

f(t) ; f(t+)

f(t) ; f(t+)

(a) : =0

1
0.8

0.5
0

0.6

10

15

20

25
30
(b) : < s

35

40

45

0.4
0.2

s
0

10

0.5
0

10

15

20

25
30
(c) : = s

35

40

45

15

20

25
t

30

35

40

45

(f) : Autocorrelation

(a)

0.8

0.5
0

0.6

10

15

20

25
30
(d) : > s

35

40

0.4

0.2

0.5
0

(b)

45

10

15

20

25
t

30

35

40

45

0
0

(c)

s2

(d)

6
tau

10

12

Figure 3.14 Exemple de calcul dune autocorrelation pour un signal f (t) constitue dune serie de pulses de
largeur s. Les graphes (a) `
a (d) montrent le recouvrement de f (t) et de f (t + ) pour 4 valeurs de . Le graphe (f)
est lautocorrelation en fonction de . Les disques rouges correspondent `a chacun des cas (a) `a (d).

42

CHAPITRE 3. TRANSFORMATION DE FOURIER

Intercorrelation of f and g
1.005

Solar spectrum

Max at rho=14 pixels

Intercorrelation

intensity

400
f
g

300

0.99
0.985
0.98

200
100
0

0.995

100

200

300
pixels

400

500

0.975
0

600

50

100
150
200
Spatial lag (pixels)

250

300

Figure 3.15 En haut `


a gauche : un spectre solaire dont les raies sont inclinees. En bas `a gauche : profil dintensite
du spectre mesure sur les deux lignes f et g en pointilles, et qui presentent entre elles un decalage . A droite,
lintercorrelation de f et g.
Application 2 : Mesure dun d
ecalage par intercorr
elation
Une autre application tr`es utile des fonctions de correlation est la mesure dun decalage entre deux signaux identiques dont lun est decale par rapport `
a lautre dune certaine quantite . Par exemple sur limage du spectre
solaire representee sur la fig. 3.15, les raies du spectre apparaissent inclinees. Le graphe en bas `a gauche represente
le profil dintensite de deux lignes notees f et g et montre le decalage . Le graphe de droite est lintercorrelation
Cf g () entre les deux lignes f et g : elle montre un maximum prononce pour la valeur = 14 pixels, qui est
presisement le decalage entre f et g.
Parmi les autres applications cel`ebres des fonctions de correlation, on trouve la reconnaissance optique de caract`eres
sur une page imprimee. Le principe est de calculer lintercorrelation de limage de la page imprimee avec limage
de chaque lettre de lalphabet. Les maxima dintercorrelation donnent la position des lettres.
Degr
e de coh
erence
Soit deux fonctions de carre sommable f et g. Ces fonctions verifient linegalite de Schwarz :
Z
2
Z
Z


2


f (t) g(t) dt
|f (t)| dt .
|g(t)|2 dt

(3.96)

Cette inegalite est lequivalent pour des fonctions de lidentite vectorielle


|~a.~b| k ~a k . k ~b k
Cette inegalite permet decrire
Z


cest `
a dire

2
Z


g(t) f (t + ) dt

|f (t)| dt .

|Cf g ( )|

Cf (0).Cg (0)

(3.97)

|g(t)|2 dt

(3.98)

(3.99)

On appelle degr
e de coh
erence des fonctions f et g la quantite
f g ( ) = p

Cf g ( )
Cf (0).Cg (0)

(3.100)

avec 0 |f g ( )| 1. Ce degre de coherence est un crit`ere de ressemblance entre deux fonctions. Il vaut 1 pour
= 0 lorsque f = g, et est inferieur `
a 1 sinon.

43

CHAPITRE 3. TRANSFORMATION DE FOURIER

Remarque : cest la meme idee que le coefficient de correlation de deux variables aleatoires centrees X et Y . Leur
covariance secrit hX.Y i et est lanalogue de lintercorrelation dans le cas des fonctions. Linegalite de Schwarz
2
secrit hX.Y i X Y avec X
= hX 2 i la variance de X. Le coefficient de correlation r de X et Y est
hX.Y i
X Y
avec r 1. Il est lanalogue du degre de coherence dans le cas des fonctions.
r=

3.4.2

Spectres de puissance

On appelle interspectre des fonctions f et g la quantite


Wf g () = f().
g ()

(3.101)

et dans le cas o`
u f = g, on appelle spectre de puissance de f la quantite
Wf () = |f()|2

(3.102)

Elle represente la densite spectrale de puissance, cest `a dire que la puissance elementaire contenue dans un intervalle
spectral de largeur d autour de la frequence est dW = Wf ()d.

3.4.3

Th
eor`
emes de Wiener-Kinchin et Parseval

Th
eor`
eme de Wiener-Kinchin
On consid`ere lintercorrelation de deux deux fonctions f et g. Elle secrit
Cf g ( ) = [
g f ]( )

(3.103)

Calculons sa transformee de Fourier. Il vient :


g .f ]() = f().
g ()
F[Cf g ( )] = [

(3.104)

apr`es application des equations 3.18 et 3.19. Do`


u limportante propriete, connue sous le nom de theor`eme de
Wiener-Kinchin, que linterspectre de deux fonctions est la TF de leur intercorr
elation :
Wf g () = F[Cf g ( )]

(3.105)

De meme, lorsque f = g, le spectre de puissance est la TF de lautocorr


elation :
Wf () = F[Cf ( )]

(3.106)

Th
eor`
eme de Parseval
Il porte parfois le nom de Parseval-Plancherel. Plancherel ayant generalise `a toutes les fonctions de carre sommable
le resultat obtenu par Parseval dans le cas des fontions periodiques (admettant un developpement en serie de
Fourier). Pour letablir, il suffit dinverser lequation 3.105
Z
Cf g ( ) = F 1 [Wf g ()] =
f() g() e2i d
(3.107)

En developpant lexpression de Cf g ( ) il vient


Z
Z
g(t) f (t + ) dt =

En = 0 on obtient alors lidentite de Parseval-Plancherel


Z
Z
f (t) g(t) dt =

et dans le cas o`
uf =g :

f() g() e2i d

(3.108)

f() g() d

(3.109)

|f()|2 d

(3.110)

|f (t)| dt =

Cette egalite offre deux expressions pour ecrire lenergie totale contenue dans le signal f . Lune comme une integrale
sur le temps de la puissance |f (t)|2 , lautre comme une integrale sur la frequence. Les deux sont egales et le theor`eme
de Parseval est une facon dexprimer la conservation de lenergie quand on passe du plan direct au plan de Fourier.

44

CHAPITRE 3. TRANSFORMATION DE FOURIER

Exemple dapplication : calcul dint


egrales Certaines integrales sont plus simples `a calculer en utilisant
lidentite de Parseval. Par exemple soit la fonction f (t) = sinc(t). Sa TF est f() = (). On peut alors calculer
lintegrale suivante, en application de lequation 3.110
Z
Z
2
sinc(t) dt =
()2 d = 1
(3.111)

alors que le calcul direct de

3.4.4

sinc(t)2 dt est beaucoup plus delicat.

Relations dincertitude

 F
Il a ete vu (eq. 3.22) que f at |a| f(a). Cest la propriete de dilatation-compression (une fonction large dans
lespace direct est etroite dans lespace de Fourier). Do`
u lidee nave que le produit des largeurs dans les deux
espaces doit etre conserve.
Cette idee a des applications en physique quantique. Ainsi, la localisation dune particule (variable x) est definie
par la largeur de sa densite de probabilite de presence |(x)|2 avec (x) la fonction donde. Dans lespace de Fourier
2

(en utilisant la variable u=frequence spatiale, ou bien la variable k = 2u=nombre donde) la quantite |(u)|
a
une largeur u dautant plus grande que x est petit, de telle sorte que
u .x = Cte
La quantite de mouvement p dune particule se definit `a partir du nombre donde k par la relation de de Broglie
p = ~k = hu. Il vient que p .x = Cte, cest `a dire quune particule bien localisee (x faible) a une quantite de
mouvement incertaine (p grand). Cest le principe dincertitude de Heisenberg.
De mani`ere analogue, on definit une relation dincertitude associee aux largeurs dune meme fonction dans lespace direct et dans lespace de Fourier.
Considerons une fonction f (t), une mani`ere de definir sa largeur t est de calculer le second moment (variance) suivant :
R 2
t |f (t)|2 dt
2
R
(3.112)
t =
|f (t)|2 dt

et de meme dans lespace de Fourier :


R

2 =
R

2 |f()|2 dt
|f()|2 d

|f(t)|

t
t

(3.113)

Lapplication des trois proprietes suivantes :


Identite de Parseval
TF de t.f (t) (eq. 3.43)
Inegalite de Schwarz
permet de montrer (cf Roddier, Distributions et transformation de Fourier) la relation dincertitude suivante :
t .

1
4

(3.114)

Chapitre 4

S
eries de Fourier Echantillonnage
4.1

S
eries de Fourier

Dans ce paragraphe, nous manipuleront des fonctions periodiques et leurs transfomees de Fourier. Nous montrerons que les spectres de frequence des fonctions periodiques sont composees de pics (composantes harmoniques).
Nous montrerons egalement que toute fonction periodique peut se mettre sous la forme dune somme discr`ete de
sinusodes.

4.1.1

TF du peigne de Dirac

Soit le peigne de Dirac (t) de periode 1. Sa TF se calcule de la mani`ere suivante :

F ()

=
=

(t) e2it dt
e

2it

(4.1)

(t n) dt

n=

Z
X

n=

e2it (t n) dt

e2in

n=

F () apparait sous la forme dune serie. Elle poss`ede les proprietes suivantes :
F est une fonction periodique de periode 1 (le changement + 1
ne change pas F ()). Ce qui permet de reduire son etude `a lintervalle
[ 21 , 12 [.
Lorsque 6= 0, on remarque que F () est la somme dune infinite
de nombre complexes de module 1 (voir schema ci-contre qui montre
laddition des vecteurs de Fresnel dans le plan complexe). Ces nombres
sannulent deux `
a deux et la somme est nulle. On a ainsi F () =
0 6= 0.
Lorsque = 0, la serie diverge et tend vers linfini.

imaginary
axis
trigonometric
circle (modulus 1)

real
axis

Ce qui lui donne lapparence dun peigne de Dirac de periode 1. Nous allons montrer que cest le cas, en etablissant
une expression approchee de F () au voisinage de zero. On introduit dabord la fonction
FN () =

N
X

e2in

(4.2)

n=N

avec N entier, qui tend vers F () quand N . Cette fonction peut secrire sous une forme plus compacte en
utilisant le formule de la somme dune suite geometrique de raison q :
N
X

n=0

qn =

1 q N +1
1q

(4.3)


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

il vient :
FN () =

1 e2i(N +1)
1 e2i(N +1)
+
1
2i
1e
1 e2i

46

(4.4)

qui se met sous la forme, en utilisant lidentite 1 e2ix = 2i sin(x) eix :


FN () = eiN

sin[(N + 1)]
sin[(N + 1)]
+ eiN
1
sin()
sin()

soit :
FN () = 2 cos(N )

sin[(N + 1)]
1
sin()

(4.5)

(4.6)

Lorsque N , N + 1 ' N et sin[(N + 1)] ' sin(N ). Lidentite sin(2x) = 2 sin x cos x permet de simplifier
FN () en
sin(2N )
1
(4.7)
FN () '
sin()
Le numerateur a une periode de N1 , qui devient faible quand N devient grand (oscillations rapides). Au voisinage
de lorigine, le denominateur se simplifie : sin() ' . Il vient
FN () '

sin(2N )
1 = 2N sinc(2N ) 1 ' 2N sinc(2N )

(4.8)

La fonction FN se comporte comme un sinus cardinal dont lamplitude tend vers linfini et la largeur vers 0. En
1
posant  = 2N
, on voit que FN est de la forme 1 g  avec g la fonction sinc() dintegrale 1. Cette forme a ete
rencontree au paragraphe 1.3.3, nous avons montre que sa limite quand  0 est la distribution ().
En resume, la fonction F (), transformee de Fourier du peigne, est periodique de periode 1, et vaut () dans
lintervalle [ 12 , 12 [. Cest donc un peigne de periode 1, et lon peut ecrire :
F

(t) ()

(4.9)

De meme, la TF dun peigne de periode T est


F

(t) (T )
T

4.1.2

(4.10)

Formule sommatoire de Poisson

Soit f une fonction periodique de periode T comme dans lexemple de la figure 4.1. Elle est la repetition dun motif
(t) tel que

f (t) si t [ T2 , T2 [
(t) =
(4.11)
0
sinon
ou, en plus compact (t) = f (t) ( Tt ), la porte assurant que le motif sannule en dehors de lintervalle [ T2 , T2 [. Le
motif est aussi appele periode principale. f peut donc secrire comme une somme de motifs centres sur les valeurs
de t multiples de la periode :

X
f (t) =
(t nT )
(4.12)
n=
f (t) = (t) (t)
T

Cette expression de f (t) constitue une premi`ere representation sous forme de serie. Il y en a une autre, que nous
allons etablir ci-apr`es. Le point de depart du calcul consiste `a ecrire f (t) comme la TF inverse de f() :
Z
f (t) =
f() e2it d
(4.13)

et puisque f (t) = (t) T (t) alors f() = ().


(T ). En developpant le peigne, on obtient

1 X  n  
n
f() =


T n=
T
T

(4.14)


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

47

( t )

f(t)
( t )

T
|

2T

T T/2

T/2

2T

T/2

T/2

Figure 4.1 A gauche une fonction periodique de periode T et son motif (t) (periode principale) entre T2 et
T
T T
2 . A droite le graphe du motif seul. Le motif doit sannuler en dehors de lintervalle [ 2 , 2 [.
et par TF inverse, il vient

1 X  n  2in t
T
e
f (t) =

T n=
T

(4.15)

qui constitue une seconde representation de f (t) sous forme de serie. Cette fois il sagit dune somme de fonctions
trigonometriques, ce developpement constitue une serie de Fourier et sera detaille dans le paragraphe 4.1.3 suivant.
En identifiant les deux representations (eq. 4.12 et 4.15) on obtient lidentite connue sous le nom de Formule
sommatoire de Poisson

X
1 X  n  2in t
T
f (t) =
(t nT ) =

e
(4.16)
T n=
T
n=
Application : acc
el
eration de convergence de s
eries
En posant t = 0 dans la formule de Poisson, on obtient les relations suivantes :

(nT ) =

n=

et dans le cas o`
uT =1

1 X  n 

T n=
T

(n) =

n=

(4.17)

(n)

(4.18)

n=

La relation 4.18 permet daccelerer la convergence de series en utilisant la propriete de dilatation-compression des
TF (une fonction large dans lespace direct est etroite dans lespace de Fourier). Soit par exemple `a calculer la serie
S=

X
(1)k
2k + 1

(4.19)

k=0
k

Cette serie converge vers 4 . On note sk = (1)


eneral : cest un terme oscillant qui rend la convergence
2k+1 son terme g
lente (voir fig. 4.2a) : 250 termes sont requis pour obtenir une precision de 103 sur la somme S.
Pour accelerer cette convergence en utilisant la relation 4.18, il faut chercher une fonction s(t) qui sidentifie `
a sk
lorsque t = k entier. En remarquant que (1)k = sin[(2k + 1) 2 ], on peut mettre la serie S sous la forme
S

 n 
 n 
X
X
sinc
=
sinc
2 n=0
2
4 n=
2

n6=0


 n 
X

sinc
1

2
n=

{z
}
|

(4.20)

Le terme X est de la forme

n=

xn avec xn les valeurs de la fonction x(t) = sinc

t
2

pour t = n entier. Cette

fonction setend de `
a et tend lentement vers 0 au loin. La figure 4.2b montre le graphe de x(t) et les premiers
termes xn pour n 0.


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

48

La TF de x(t) est x
() = 2(2). Par application de lequation 4.18 on a
X=

x
(n) = 2

n=

(2n)

(4.21)

n=

Le seul element non nul de la suite (2n) est le terme n = 0, car la porte sannule lorsque son argument est
superieur `
a 1/2 en valeur absolue. Il vient donc X = 2 et S = 4 . Un seul terme a permi de sommer toute la serie
X, en beneficiant du support etroit de la fonction x
() (voir fig. 4.2c). On a ainsi transforme une serie de terme
principal oscillant ayant une convergence tr`es lente en une serie convergeant extr`emement rapidement.

4.1.3

S
erie de Fourier

La formule de Poisson (eq. 4.16) montre quune fonction periodique de periode T se met sous la forme

f (t) =

cn e2in T

(4.22)

n=

Cette expression constitue le developpement en serie de Fourier de la fonction f . Avec le coefficient cn =


Comme = f sont egaux sur lintervalle [ T2 , T2 [ et 0 ailleurs, le coefficient cn se calcule `a partir de f :
cn =

1
T

T /2

f (t) e2in T dt

1
T

n
T

(4.23)

T /2

Lequation 4.22 montre quune fonction periodique de periode T se met sous la forme dune somme discr`ete de
fonctions trigonometriques de frequences 0, T1 , T2 , . . . appelees (composantes harmoniques). La frequence T1 est
dite frequence fondamentale, elle est associee `a lharmonique fondamentale.
La serie de Fourier est lanalogue discret de lintegrale de la TF inverse discutee au paragraphe 3.2.8. On retiendra
que :
Une fonction periodique secrit comme une serie de Fourier, cest une somme discr`ete dexponentielles
complexes
Une fonction quelconque secrit comme une integrale de Fourier, cest une somme continue dexponentielles
complexes
Cas des fonctions r
eelles
Soit une fonction f , periodique de periode T , et `a valeurs reelles. Il peut etre commode davoir des expressions de
la serie de Fourier faisant intervenir uniquement des termes reels (sinus ou cosinus).
Si f r
eelle et paire : Dans ce cas on a cn = cn et f (t) est un somme de cosinus (qui sont aussi des fonctions
reelles et paires). En regroupant les termes n > 0 et n < 0 dans lequation 4.22, on peut ecrire



X
t
f (t) = a0 +
an cos 2n
(4.24)
T
n=1
avec a0 = c0 et, pour n 6= 0 :
an = 2cn =

2
T



t
f (t) cos 2n
dt
T
T /2

T /2

Si f r
eelle et impaire : Dans ce cas on a cn = cn et f (t) est un somme de sinus (le sinus est impair). On
obtient



X
t
(4.25)
f (t) =
bn sin 2n
T
n=1

avec bn = 2icn (noter que bn est reel et que cn est imaginaire pur).
Si f r
eelle quelconque : Elle se decompose toujours en une partie paire et une partie impaire (cf paragraphe 3.1.2).
La serie de Fourier secrit comme une somme de sinus et de cosinus :





X
t
t
f (t) = a0 +
an cos 2n
+ bn sin 2n
(4.26)
T
T
n=1


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

(a)

49

(b)

(c)

x(t)
xn

1.5
0.5
1
0
0.5

40

60
N

80

100

0.5
0

0
2

4
t


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

50

^ )
f(
1 ( )
T

TF

f(t)
( t )
|

1/T

Figure 4.3 A gauche une fonction periodique de periode T et de motif (t). A droite sa TF se presente comme

Chaque Dirac a une integrale cn = T1 Tn (on a


un peigne de periode T1 multiplie par la TF du motif T1 ().
1
1
echantillonne la fonction T () avec une periode T ).
Cest sous cette forme que les series de Fourier ont ete introduites par Fourier en 1822, dans son traite sur la
Theorie analytique de la chaleur (eds Firmin Didot, Paris). On pref`ere aujourdhui lapproche plus moderne
utilisant les exponentielles complexes, qui ne necessitent quune famille de fonctions et non deux pour faire
la decomposition.
TF dune fonction p
eriodique
Nous avons dej`
a ecrit la TF dune fonction periodique (eq. 4.14) at avons montre quelle se met sous la forme
dune somme de pics de Dirac. Les coefficients qui pond`erent cette somme sont presisement les coefficients cn du
developpement en serie de Fourier (eq. 4.23) :
f() =


1
() . () =
T
1/T


n
cn
T
n=

(4.27)

La TF de f est donc (`
a la constante multiplicative T1 pr`es) la TF de son motif multipliee par un peigne de

periode T1 . Lintegrale de chaque pic de Dirac vaut cn = T1 Tn , le coefficient de Fourier. Voir la figure 4.3 pour
une illustration. Au sens des distributions, cette operation sappelle un
echantillonnage : on peut schematiser cet
echantillonnage comme suit :
n
o
1 n

fonction continue : T1 ()
=

: collection de valeurs (echantillons)


T
T
On retiendra que :

La TF dune fonction periodique (periode T ) est echantillonnee (pas dechantillonnage

4.1.4

1
T

Exemples

Fonction cr
eneau
Le motif est ici une porte de largeur a, la periode est T . La fonction secrit
f (t) =


Y
X
t nT

n=

motif :

(t) =

Yt

(4.28)

f(t)
a

t
T


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

51

La TF du motif est ()
= a sinc(a), et le coefficient du developpement de Fourier est cn =
serie de Fourier (developpement reel sur les cosinus) secrit
 na 
a X 2a
cos
f (t) = +
sinc
T n=1 T
T

2nt
T

a
T sinc


na
T . La
(4.29)

Il sagit dune somme de cosinus de frequences multiples de T1 (les composantes harmoniques). Le terme constant
a
e continu, il represente la valeur moyenne de la fonction sur sa periode. Cest aussi une
T est parfois appel
composante harmonique de frequence nulle. La figure 4.4c montre lallure du signal reconstruit par la somme des
7 premiers termes de la serie. La convergence est assez lente au voisinage des discontinuites o`
u lon observe des
oscillations (phenom`ene de Gibbs) qui disparaitront a mesure que le nombre de termes sommes augmente.
Cas o`
u T = 2a :

cest la fonction creneau de Ronchi : on a alors

cn

=
=
=

 n
1
sinc
2
2
0 si n pair (sauf zero
(1)(n1)/2
n

^ )
f(

(4.30)

1 (
^ )
T

n=1

n=1

si n impair

n=2

Ainsi tous les harmoniques pairs (sauf 0) sont nuls, cest une particularite induite par la forme du motif ( at ), illustree par le schema cicontre. Les pics de Dirac du peigne dechantillonnage correspondant `a

n pair concident avec les zeros de la fonction ()


et sont absents du
developpement de Fourier.

1
T

1
T

n=3

Cas o`
u T = a : cest une fonction constante qui vaut 1 (les motifs se touchent, voir sur le dessin ci-dessous `
a
gauche). On trouve que cn = sinc(n) : tous les cn sont nuls sauf n = 0. la figure ci-dessous (`a droite) montre effecti
vement que le peigne dechantillonnage concide avec les zeros de la fonction (),
sauf `a lorigine. Le developpement
en serie de Fourier de f est simplement f (t) = 1.
^ )
f(
1 (
^ )
T

f(t)
( tT )

( t )

n=1

n=1

n=3
|

T
2

2T

Cr
eneaux triangulaires
f(t)
2a

Le motif est (t) =


est


t

avec a la demi-largeur du triangle. Sa TF est ()


= asinc2 (a) et le developpement
 na 
a X 2a
f (t) = +
sinc2
cos
T n=1 T
T

2nt
T

(4.31)


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE
Signal f(t)
1

52

TF: real part

Signal f(t) and partial Fourier series (7 terms)


1.2

0.8

(c)

(b)

(a)

0.6

0.8

0.8
0.4

0.6

0.6

0.4
0.2

0.2

0.4

0.2
0

0.2

0
5

0
t

0.2

0
t

Figure 4.4 (a) : signal en creneaux carres de largeur a = 1.5 et de periode T = 4. (b) : sa TF (partie reelle),
constituee de pics de Dirac dintegrale cn centres aux frequences Tn . (c) : le signal (pointilles) et la somme des 7
premiers termes de sa serie de Fourier (eq. 4.29)
.
L`
a encore nous obtenons une somme de cosinus de frequences multiples de T1 . La difference avec le developpement
de la fonction creneau (eq. 4.29) est dans le poids des harmoniques (valeur de cn ). La figure 4.5c montre lallure
du signal reconstruit par la somme des 5 premiers termes de la serie. La convergence est plus rapide que dans le
cas du creneau carre (fig. 4.4c), car le signal ne presente pas de discontinuites.
Dent de scie
T
T/2

t
T/2

Le motif est un segment de droite de pente 1 sur lintervalle [0, T [. Il secrit


!


T Y t T2
(t) = t
2
T

(4.32)

Pour calculer sa TF, on peut utiliser la relation 3.43, mais il est plus simple de calculer directement le coefficient
cn par lintegrale de la formule 4.23. On trouve
T
(4.33)
2n
comme attendu, les coefficients sont imaginaires purs (la fonction f est impaire) et verifient cn = cn (fig. 4.6b).
Le developpement en serie de Fourier secrit cette fois comme une somme de sinus :



X
T
2nt
f (t) =
sin
(4.34)
n
T
n=1
cn = i

La figure 4.6c montre lallure du signal reconstruit par la somme des 5 premiers termes de la serie. La convergence
est assez rapide, sauf aux discontinuites o`
u lon observe des oscillations comme dans le cas de la fonction creneau.

4.2
4.2.1

Echantillonnage
D
efinition

Lechantillonnage dune fonction consiste a` prelever un ensemble de valeurs (echantillons) de la fonction. Cest par
exemple ce que realise un magnetophone ou un dictaphone qui enregistre un son : le son est une fonction continue


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

Signal f(t)

53

TF: real part


0.6

1 (a)

Signal f(t) and partial Fourier series (5 terms)


1 (c)

(b)

0.5

0.8

0.8

0.4
0.6

0.6
0.3

0.4

0.4
0.2

0.2

0.2
0.1

0
5

0
t

0
3

0
2

0
t

Figure 4.5 (a) : signal triangulaire de periode T = 4, la largeur des triangles est 2a = 2.4. (b) : sa TF (partie
reelle) : la position des pics de Dirac est la meme que dans le cas de la fonction creneau (fig. 4.4b), mais leur
integrale (coefficient cn ) est differente. (c) : le signal (pointilles) et la somme des 5 premiers termes de sa serie de
Fourier (eq. 4.31)
.

Signal f(t)
2

TF: imaginary part

Signal f(t) and partial Fourier series (5 terms)


2
(c)
1.5

(b)

(a)
1

1.5
1

1
0.5

0.5

0.5
0

0.5

0.5
0.5

1.5
2
6

1.5

1
4

0
t

2
6

0
t

Figure 4.6 (a) : signal en dents de scie de periode T = 4. (b) : sa TF (on affiche cette fois la partie imaginaire).
(c) : le signal (pointilles) et la somme des 5 premiers termes de sa serie de Fourier (eq. 4.34)
.


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

54

du temps, mais lors de lenregistrement on en prel`eve des valeurs toutes les fractions de milliseconde (generalement
une valeur toutes les 1/44000 de seconde, on dit alors quon echantillonne `a 44 kHz). Cette valeur de 44 kHz
correspond en fait au double de la frequence de coupure de loreille humaine. Ou, ce qui revient au meme, lintervalle
de 1/44000 de seconde correspond `
a la moitie du temps de reaction de loreille.
Considerons une fonction continue (t) dont on prel`eve des valeurs de mani`ere reguli`ere, pour t = tn = n h avec n
un entier et h le pas dechantillonnage. Faire lechantillonnage de revient `a former la suite {(tn )}. Mais il est
parfois dusage de multiplier (tn ) par le pas h, et de considerer plutot la suite {fn } = {h.(tn )}. La quantite fn
correspond alors `
a laire dun rectangle de hauteur (tn ) et de largeur h.
Au sens des distributions, faire un echantillonnage revient `a considerer une fonction constituee dune somme de
pics de Dirac centres en tn et dintegrale fn . A la fonction continue (t) on associe la distribution
f (t) =

fn (t nh) =

n=

(tn ) h (t nh) = (t)

n=

 
t
h

(4.35)


Le peigne ht poss`ede une
 periode h, et chacun des pics est dintegrale h (attention ce nest pas le peigne
habituel h (t) = h1 ht qui est aussi periodique de periode h mais qui poss`ede des pics dintegrale 1). Et
lon remarque que f et ont la meme dimension : cest pour ca quon a considere la suide dechantillons {h.(tn )}
et non pas {(tn )}. On retiendra que
Echantillonner une fonction (t) avec un pas h revient `a la multiplier par le peigne

4.2.2

t
h

Transform
ee de Fourier dune fonction
echantillonn
ee


On realise un echantillonnage dune fonction , et on note f (t) = (t) ht . On sinteresse `a la transformee de
Fourier de f . Il vient


X
n


f() = ()
h (h) =
(4.36)
h
n=

Il sagit dune periodisation de la fonction avec une periode h1 . On trouve alors la propriete interessante selon
laquelle echantillonner une fonction (pas h) revient `a periodiser sa TF (periode h1 ). On retiendra que
La TF dune fonction echantillonnee (avec un pas h) est periodique (periode

1
h)

Il est remarquable de constater que cette propriete est lexact symetrique de celle rencontree au paragraphe 4.1.3 :
la TF dune fonction periodique (periode T ) est echantillonnee (pas T1 ).

4.2.3

Th
eor`
eme de Shannon-Nyquist

Le theor`eme de Shannon, ou de Shannon-Nyquist, etablit les conditions dun


echantillonnage optimal dun signal `
a bande limitee (cest `a dire dont la TF
poss`ede une frequence de coupure). Cest le cas de la majorite des signaux rencontres en physique. Considerons un signal continu (t) dont la TF est `a support borne, cest `
a dire quelle sannulle en dehors dun intervalle de frequences
[0 , 0 ] (voir schema ci-contre). La quantite 0 est appelee fr
equence de coupure de . Elle correspond `
a la frequence de la sinusode la plus serree presente
dans le developpement en integrale de Fourier de . Son inverse T0 = 1/0 est
appele periode de coupure.
Soit h le pas avec lequel on echantillonne . On peut distinguer trois cas de figure :
Cas o`
u h est faible (h  T0 )

^
()


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

55

TF (module)
1
(t)
f(t)

0.8

0.6

0.6

0.4

0.4

0.2

0.2

3h

2h

0
t

2h

3h

()

0.8

1/h

1/h


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

Signal : T0=1 h=0.25


1

TF (module)
1

(t)

0.8

0.6

0.4

0.4

0.2

0.2
2

()

0.8

0.6

56

0
t

- h1
0
5 4 3 2 1

1
h)

0
0

Le schema ci dessus montre leffet dun echantillonnage sur le signal continu (t) = sinc(/T0 )2 avec T0 = 1.

Sa TF est la fonction triangle ()


= T0 (T0 ) et poss`ede une frequence de coupure 0 = 1. A droite : le
signal (t) et les points dechantillonnage (cercles rouges) dans le cas o`
u h = 1/4. A gauche la TF qui montre la

juxtaposition de plusieurs fonctions centrees en 0, 1/h. On remarque que les differents motifs dans lespace


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

57

de Fourier ne se recouvrent pas. Plus h est faible, plus ces motifs sont eloignes. Entre deux motifs successifs, la
TF est nulle. Ce cas correspond au sur
echantillonnage.
Cas o`
u h est grand


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

Signal : T0=1 h=0.70


1

TF (module)
1

(t)

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

58

0
t

0
5 4 3 2 1

Le signal echantillonne est le meme que ci-dessus, mais le pas est plus large : h = 0.7. A droite, la TF de la
fonction echantillonnee (en rouge) et les differents motifs de qui se recouvrent (en pointilles verts). Cest le
phenom`ene de repliement de spectre). On est dans le cas dun sous-
echantillonnage. Dans lespace direct (`
a
gauche) les cercles rouges nechantillonnent pas correctement les details fins de la fonction (en particulier les


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

59

minima locaux de la fonction sinc2 ).


Cas optimal : h =

T0
2 .

Signal : T0=1 h=0.50


1

TF (module)
1

(t)

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

0
t

0
5 4 3 2 1


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

60

Dans lespace de Fourier, les motifs se touchent sans se chevaucher. On parle alors d
echantillonnage optimal.
Cette propriete est connue sous le nom de theor`eme de Shannon-Nyquist (ou de theor`eme dechantillonnage). Le
pas dechantillonnnage optimal, ou periode de Nyquist est egal `a
he =

T0
1
=
2
20

(4.37)

de mani`ere equivalente, on definit la frequence de Nyquist, inverse de he :


e = 20 =

2
T0

(4.38)

On retiendra que
La frequence de Nyquist est egale au double de la frequence de coupure du signal.
Un signal est dit bien echantillonne si la frequence dechantillonnage est egale `a e . Un signal est surechantillonne
(resp. sous-echantillonne) si la frequence dechantillonnage est superieure (resp. inferieure) `a e . Cest ainsi quun
signal sonore audible par loreille (frequence maximale ' 20 kHz) doit etre echantillonne `a 40 kHz ou plus (cest
en general 44 kHz dans les fichiers WAV ou MP3 classiques). Un surechantillonnage nest pas genant en terme de
terme de stockage de linformation presente dans un signal ; en revanche il faut eviter le sous-echantillonnage (perte
dinformation, voire apparition de structures parasites comme illustre par lexemple ci-apr`es.
Exemple :
echantillonnage dune fonction cosinus Soit la fonction (t) = cos
1
T0 .

2t
T0

. Il a une periode

unique T0 qui est donc sa periode de coupure. Sa frequence de coupure est 0 =


La figure 4.8a illustre un
surechantillonnage avec un grand nombre de points par periode, permettant de reproduire fid`element les variations
du signal. Le cas de lechantillonnage de Shannon correspond `a la figure 4.8b. Dans ce cas on a deux points par
periode T0 . Le graphe du signal echantillonne ressemblerait `a une dent de scie, mais permet la mesure de T0 . La
figure 4.8c est un sous-echantillonnage avec un point par periode (h = T0 ) : le signal echantillonne est constant,
on ny voit plus la periodicite de , on ne peut plus mesurer T0 . Enfin, la figure 4.8d montre un autre cas de
sous-echantillonnage avec h = 1.2T0 . Cette fois le signal echantillonne montre une periode plus grande que T0 (une
frequence plus basse qui est un parasite d
u au repliement de spectre).
Ce dernier cas correspond au phenom`ene de lhelice davion. Observez une helice davion qui tourne : votre il
echantillonne naturellement limage de cette helice avec une cadence denviron 25 images par seconde. Si lhelice
tourne de plus en plus vite, vous aurez limpression quelle devient immobile lorsque sa periode de rotation correspond `
a la periode dechantillonnage de lil (cas de la figure 4.8c). Si lhelice tourne encore plus vite, vous aurez
limpression quelle change de sens et tourne lentement (cas de la figure 4.8d).

4.2.4

D
es
echantillonnage Interpolation de Shannon

Soit f une fonction echantillonnee avec un pas h (somme de pics de Dirac). Pour fabriquer cette fonction, nous avons

vu quil convenait de faire le produit dune fonction continue par un peigne de periode h : f (t) = (t) ht .
On se pose la question de desechantillonner la fonction, cest `a dire de retrouver , connaissant f . Il sagit donc
de calculer les valeurs de entre les points dechantillonnage : cest le probl`eme classique de linterpolation en
analyse numerique. Diverses methodes existent, par exemple linterpolation lineaire qui consiste `a faire passer entre
les points des segments de droite. On obtient ainsi une valeur approchee de (t) pour tout t.
Ce paragraphe presente une methode qui permet de calculer les valeurs exactes de la fonction entre les points
dechantillonnage. Elle fonctionne `
a deux conditions :

1. La TF () est `
a support borne avec une frequence de coupure 0
2. La fonction nest pas sous-echantillonnee : h

1
20

Le principe est dexploiter la forme particuli`ere de la TF f(), composee dune succession de motifs centres en
n/h (n entier). Si les deux conditions ci-dessus sont reunies, il ny a pas de repliement de spectre et les motifs sont
par une porte de largeur 1 :
disjoints. Lidee est alors disoler le motif central en multipliant h
h


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

61

(a) : T0=1 h =1/8


1
0
1
2.5

1.5

0.5
0
0.5
(b) : T0=1 h =1/2

1.5

2.5

1.5

0.5
0
0.5
(c) : T0=1 h=1

1.5

2.5

1.5

0.5
0
0.5
(d) : T0=1 h=1.2

1.5

2.5

1.5

0.5

1.5

2.5

1
0
1
2.5
1
0
1
2.5
1
0
1
2.5

0.5

Figure 4.8 Echantillonnage dune fonction cosinus de periode T0 = 1. La fonction est en trait pointilles,
son echantillonnee est tracee avec des cercles rouges. (a) : cas dun surechantillonnage (pas h = 1/8). (b) :
echantillonnage optimal (condition de Shannon, pas h = 12 . (c) sous-echantillonnage avec h = 1 : le signal semble
constant. (d) sous-echantillonnage avec h = 1.2T0 : le signal semble avoir une periode beaucoup plus grande que
T0 (basse frequence apparente).


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

62

TF f()
1

()

0.8

1/h

0.6

0.4

0.2
-0
0
1/h

La porte de largeur
aura donc :

1
h

1
- 2h

0
0

1
2h

1/h

est choisie pour supprimer de f tous les motifs lateraux sans alterer le motif central. On
Y 

()
= f()
(4.39)
1/h

Cette relation permet ensuite de calculer (t) par TF inverse.


Expression de linterpolation dans le plan direct

Il sagit dobtenir une formule donnant (t) pour tout t en effectuant une TF inverse de lequation 4.39. Il vient :
 

 
 
1
t
1
t
t
(t) = f (t) sinc
=
(t)
sinc
h
h
h
h
h
 

X
t
=
(nh) (t nh) sinc
(4.40)
h
n=


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

63

Et on obtient la formule suivante, connue sous le nom de formule dinterpolation de Shannon-Whittaker :


(t) =

(nh) sinc

n=


(t nh)

(4.41)

Puisque (nh) est connu (la fonction est echantillonnee avec le pas h), cette relation permet de calculer (t) pour
tout t. La figure 4.9 illustre cette relation. Elle montre comment, entre les points dechantillonnage, la fonction
peut etre calculee par une somme de sinc decales les uns par rapport aux autres. Pour cette raison, la fonction sinc
est parfois appelee fonction dinterpolation.
Exemple : interpoler une fonction avec un pas moiti
e
Considerons le probl`eme danalyse numerique suivant : on dispose dun signal echantillonne avec un pas h, on
desire le re-echantillonner avec un pas h0 = h2 . On peut utiliser la formule de Shannon-Whittaker (eq. 4.41), mais
il est plus astucieux dans ce cas de faire cette interpolation dans le plan de Fourier en utilisant un algorithme de
transformee de Fourier rapide (FFT). La figure 4.10 en illustre le principe. Si le signal f (t) est bien echantillonne
(ou surechantillonne), sa TF est contituee de motifs disjoints, centres aux frequences nh (n entier), entre lesquels on
observe la valeur 0 (fig. 4.10b). Lidee est de deplacer ces motifs pour les centrer sur les frequences hn0 , en intercalant
des zeros entre les motifs deplaces (technique de zero-padding, fig. 4.10c). Par TF inverse, on retrouve alors le signal
f (t), mais echantillonne cette fois avec le pas h0 .


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

64

(0) sinc( ht )
0.8
(h) sinc( t-hh )

0.6

(2h) sinc( t-h2h )

0.4
0.2
0
0.2
5

1
0
1
t (units of h)

Figure 4.9 Illustration de la formule dinterpolation de Shannon-Whittaker (eq. 4.41). En pointilles, la fonction
(t). Les cercles rouges representent les points dechantillonnage. La formule dinterpolation prevoit quen tout t
la fonction est la somme dune infinite de fonctions sinc centrees sur les points dechantillonnage, en t = nh,
ponderes par (nh), avec n entier de `a . Les cas n = 0, n = 1 et n = 2 sont mis en evidence sur le graphe.


CHAPITRE 4. SERIES
DE FOURIER ECHANTILLONNAGE

65

(a) : signal sampled with step h

(b) : TF

0.8

0.8

0.6

0.6

0.4

0.4

0.2
0

5 4 3 2 1 0 1 2 3 4
t (units of h)
(c) : Zeropadding of the TF

2/h

1/h

0
1/h
2/h

(d) : signal sampled with step h

1
0.8

0.8

0.6

0.6

0.4

0.4
0padding

0.2
0

0.2

1/h

0.2

0padding
0

1/h

0
10 8 6 4 2 0 2 4
t (units of h)

8 10

Figure 4.10 Re-echantillonnage au pas h0 = h2 dun signal f (t) initialement echantillonne avec un pas h. (a)
signal f (t) echantillonne au pas h. (b) sa TF, constituee de motifs disjoints centres aux frequences nh (n entier)
separes par des valeurs nulles. (c) apr`es un deplacement des motifs sur les frequences hn0 , on rajoute des zeros entre
les motifs deplaces (zero-padding). (d) apr`es TF inverse, le signal re-echantillonne avec le pas h0 .