Decomposition

en Serie de Fourier
es
Principe et Propriet

par Vincent Choqueuse, IUT GEII


1. Problematique

Problematique

Contexte : Les signaux lies

aux systemes
`
physiques, electriques,

acoustiques, ... peuvent presenter des comportements oscillatoires

localement periodiques.
Objectif : Developper

un outil mathematique permettant danalyser
efficacement ces oscillations.

0.5 0.1
0.4 0.08
0.3 0.06
0.2 0.04
0.1 0.02
0 0
0.1 0.02
0.2 0.04
0.3 0.06
0.4 0.08
0.5 0.1
1.8 1.82 1.84 1.86 1.88 0.54 0.55 0.56 0.57 0.58 0.59 0.6
temps(sec) temps(sec)

Fig.: Signal de parole Fig.: Son de Vuvuzela

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 2 / 21

1. Problematique

Problematique

Dans le cadre de ses recherches sur la propagation de la chaleur, Joseph

Fourier proposa en 1822 un outil de decomposition
mathematique pour

lanalyse des signaux periodiques. Cet outil porte aujourdhui son nom : la

decomposition
en serie de Fourier.

CV de Joseph Fourier
- Naissance : 21/03/1768 a` Auxerre.
es
- Dec ` : 16/05/1830 a` Paris.

- Formation : Ecole Normale Superieure (ENS).
dIsere,
- Profession : Prefet `
Enseignant a` lEcole
Polytechnique,...

- Inventions : Serie de Fourier,...
de Fourier/ Transformee

Les travaux de Fourier neurent un impact spectaculaire qua` partir des

1960, avec le developpement
annees dalgorithmes de calculs rapides
(FFT).

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 3 / 21

2. Decomposition
en serie de Fourier

Decomposition
en serie de Fourier

Definition
2.1 (signal periodique)

Un signal periodique, s (t ), de periode
T0 satisfait la relation :

s ( t ) = s ( t + T0 ) (1)

ou` Z et ou` f0 = 1
T0

est la frequence fondamentale du signal (en Hz).

Le plus souvent, lexpression de s (t ) sera donnee

sur une seule periode,
le
reste du signal sobtenant simplement par translation.

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 4 / 21

2. Decomposition
en serie de Fourier

Decomposition
en serie de Fourier

Definition
2.2 (decomposition
en serie de Fourier)

Soit s (t ) un signal periodique

de periode T0 = f10 . Sous certaines conditions (que
es),
lon supposera le plus souvent verifi le signal s (t ) peut se decomposer
sous
la forme : X
s (t ) = cn e 2j nf0 t (2)
nZ

ou` les coefficients cn C, sont donnes par :

Z
2j nf0 t 1
cn = hs (t ), e i= s (t )e 2j nf0 t dt (3)
T0 (T0 )

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 5 / 21

2. Decomposition
en serie de Fourier

Decomposition
en serie de Fourier

La decomposition

en serie
de Fourier peut etre vue comme la projection du
signal dans un espace compose dexponentielles complexes.

ets
Inter des fonctions exponentielles
Fonctions simples a` manipuler.
Lien avec les fonctions sinus/cosinus.
Espace plus proche de celui analyse par
`
notre systeme perceptif.
Domaine temporel Domaine frquentiel Fonctions orthogonales.

Les coefficients cn etant

eralement
gen
complexes, on representera a` la fois
leur module, |cn |, et leur phase, (cn ), en fonction de n.

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 6 / 21

2. Decomposition
en serie de Fourier

Decomposition
en serie de Fourier

Exemple :
Soit s (t ), un signal periodique

de periode T0 = 2 defini
sur [1, 1] par :

t [1, 1], s (t ) = 1 |t | (4)

En utilisant lexpression (2), on peut montrer que :

1/2


si n = 1
cn = (5)

1(1)n


2 n 2
si n Z

0.8 0.8

0.7 0.7
1
0.6 0.6

0.5 0.5

0.4 0.4
abs(cn)

(cn)
s(t)

0.5
0.3 0.3

0.2 0.2

0.1 0.1
0
0 0

0.1 0.1
5 3 1 1 3 5 10 5 0 5 10 10 5 0 5 10
temps (sec) n n

Fig.: Espace temporel Fig.: Espace frequentiel

(|cn |) Fig.: Espace frequentiel
((cn ))

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 7 / 21

2. Decomposition
en serie de Fourier

Decomposition
en serie de Fourier

Corrolaire 2.1 (decomposition en sinus/cosinus)
En utilisant la definition 2.2, on peut montrer que s (t ) se decompose

egalement
sous la forme suivante :

a0 X X
s (t ) = + an cos (2nf0 t ) + bn sin(2nf0 ) (6)
2 n =1 n=1

ou` les coefficients an et bn sont donnes

respectivement par :

an = cn + cn (7)
bn = j (cn cn ) (8)

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 8 / 21
 es
3. Propriet
Linearit e

e de la decomposition
Propriet

e 3.1 (Linearit
Propriet
e)
Soit x (t ) et y (t ) deux signaux periodiques

de meme
periode T0 et de coefficients
(x ) (y )

de decomposition respectifs cn et cn . Le signal s (t ) = x (t ) + y (t ), ou` R
et R, a pour coefficients de decomposition
:
(x ) (y )
cn = cn + cn (9)

Multiplier un signal par un gain dans le domaine temporel revient a`

multiplier ses coefficients de decomposition par dans le domaine

frequentiel.
Additionner deux signaux de meme
periode dans le domaine temporel
revient a` additionner leurs coefficients de decomposition
dans le domaine

frequentiel.

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 9 / 21
 es
3. Propriet
Linearit e

e de la decomposition
Propriet

Exemple :
Soit x (t ), un signal periodique

de periode T0 = 2 defini
sur [1, 1] par :

t [1, 1], x (t ) = 1 |t | (10)

Les figures suivantes presentent le signal s (t ) = x (t ) dans les domaines temporel et

frequentiel ( = 1.5).

0.8 0.8
1.6 Signal x(t) Signal x(t) Signal x(t)
Signal x(t) 0.7 Signal x(t) 0.7 Signal x(t)
1.4
0.6 0.6
1.2
0.5 0.5
1
0.4 0.4

(cn)
cn

0.8
0.3 0.3
0.6
0.2 0.2
0.4
0.1 0.1
0.2
0 0
0
0.1 0.1
10 8 6 4 2 0 2 4 6 8 10 10 5 0 5 10 10 5 0 5 10
temps (sec) n n

Fig.: Espace temporel Fig.: Espace frequentiel

(module) Fig.: Espace frequentiel
(phase)

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 10 / 21
 es
3. Propriet Translation temporelle

e de la decomposition
Propriet

e 3.2 (Translation temporelle)

Propriet
(g )
Soit g (t ) un signal periodique

ayant pour coefficients de decomposition cn . Le
signal s (t ) = g (t + ), obtenu en translatant le signal g (t ) de , a pour coefficient

de decomposition :
cn = cn e 2j nf0
(g )
(11)

Avancer un signal dans le domaine temporel revient a` multiplier ces

coefficients de decomposition par une exponentielle complexe e 2j nf0 dans

le domaine frequentiel.
Linformation liee
a` la position temporelle du signal est contenue dans la
phase.

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 11 / 21
 es
3. Propriet Translation temporelle

e de la decomposition
Propriet

Exemple :
Soit x (t ), un signal periodique

de periode T0 = 4 defini
sur [1, 1] par :

t [1, 1], x (t ) = 1 |t | (12)

Les figures suivantes presentent le signal s (t ) = x (t + ) dans les domaines temporel et

frequentiel ( = 0.5).

0.8 5
Signal g(t) Signal g(t) Signal g(t)
1 4
Signal g(t+) 0.7 Signal g(t+) Signal g(t+)

3
0.6
0.8
2
0.5
0.6 1
0.4

(cn)
|cn|

0
0.3
0.4 1
0.2
2
0.2
0.1
3

0 4
0
0.1 5
10 8 6 4 2 0 2 4 6 8 10 10 5 0 5 10 10 5 0 5 10
temps (sec) n n

Fig.: Espace temporel Fig.: Espace frequentiel

(module) Fig.: Espace frequentiel
(phase)

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 12 / 21
 es
3. Propriet Moyenne du signal

e de la decomposition
Propriet

e 3.3 (Moyenne du signal)

Propriet
Soit s (t ) un signal periodique

ayant pour coefficients de decomposition cn . La

valeur moyenne du signal, M, est egale a` :
Z
1
M= s (t )dt = c0 (13)
T0 ( T0 )

La composante continue de s (t ) correspond au coefficient c0 de la

decomposition
en serie de Fourier
Si s (t ) a` une moyenne nulle, alors c0 = 0.

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 13 / 21
 es
3. Propriet Moyenne du signal

e de la decomposition
Propriet

Exemple :
Soit x (t ), un signal periodique

de periode T0 = 4 defini
sur [1, 1] par :

t [1, 1], s (t ) = 1 |t | (14)

Les figures suivantes presentent le signal s (t ) 0.5 dans le domaine temporel et frequentiel.

0.8 0.8
1 Signal s(t) Signal s(t) Signal x(t)
Signal s(t)0.5 0.7 Signal s(t)0.5 0.7 Signal x(t)

0.6 0.6

0.5 0.5 0.5

0.4 0.4

(cn)
cn

0.3 0.3

0 0.2 0.2

0.1 0.1

0 0
0.5
0.1 0.1
10 8 6 4 2 0 2 4 6 8 10 10 5 0 5 10 10 5 0 5 10
temps (sec) n n

Fig.: Espace temporel Fig.: Espace frequentiel

(module) Fig.: Espace frequentiel
(phase)

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 14 / 21
 es
3. Propriet
Energie du signal

e de la decomposition
Propriet

Propriet
e 3.4 (Energie du signal)
Soit s (t ) un signal periodique

ayant pour coefficients de decomposition cn .

Lenergie
du signal, E, est egale a` :
Z
1 X
E= |s (t )|2 dt = |cn |2 (15)
T0 ( T0 ) nZ

Lenergie
du signal peut se calculer a` partir du domaine temporel ou du

domaine frequentiel.

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 15 / 21
 4. Signaux Particuliers Sinusode

Signaux Particuliers

Definition 4.1 (Sinusode)

Soit une sinusode damplitude A et de periode
T0 defini
par lequation :

s (t ) = A .sin(2f0 t ) (16)

En utilisant Euler et lequation

(2), on trouve directement par identification :

A e 2j f0 t e 2j f0 t
 
s (t ) = (17)
2j

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 16 / 21
 4. Signaux Particuliers Sinusode

Signaux Particuliers

Exemple :
Sinusode damplitude A = 1 et de periode
T0 = 4.

1.5 0.8 4

0.7 3
1
0.6
2
0.5 0.5
1
0.4

(cn)
|cn |

0 0
0.3
1
0.5 0.2
2
0.1
1
0 3

1.5 0.1 4
10 8 6 4 2 0 2 4 6 8 10 10 5 0 5 10 10 5 0 5 10
temps (sec) n n

Fig.: Espace temporel Fig.: Espace frequentiel

(module) Fig.: Espace frequentiel
(phase)

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 17 / 21
 4. Signaux Particuliers Signal Carre

Signaux Particuliers

Definition
4.2 (Signal carre)
s (t ), damplitude A , de periode
Soit un signal carre, T0 et de moyenne nulle,

defini
sur une periode par :

t [T0 /2, 0[
(
A
s (t ) = (18)
A t [0, T0 /2[

En utilisant les equations

(2) et (3), on peut montrer que :

2jA X 1
s (t ) = e 2j (2q+1)f0 t (19)
q=
(2q + 1)

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 18 / 21
 4. Signaux Particuliers Signal Carre

Signaux Particuliers

Exemple :
Signal carre damplitude A = 1 et de periode
T0 = 4.

0.8 4
1
0.7 3

0.6
2
0.5
1
0.4

(cn)
|cn |
0 0
0.3
1
0.2
2
0.1

0 3
1
0.1 4
10 8 6 4 2 0 2 4 6 8 10 10 5 0 5 10 10 5 0 5 10
temps (sec) n n

Fig.: Espace temporel Fig.: Espace frequentiel

(module) Fig.: Espace frequentiel
(phase)

Reconstruction du signal s (t )

1.5 1.5 1.5

1 1 1

0.5 0.5 0.5

0 0 0

0.5 0.5 0.5

1 1 1

1.5 1.5 1.5

10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
temps (sec) temps (sec) temps (sec)

Fig.: n [5, 5] Fig.: n [10, 10] Fig.: n [100, 100]

Vincent Choqueuse (IUT GEII)
Decomposition
en Serie es
de FourierPrincipe et Propriet 19 / 21
 4. Signaux Particuliers Dent de scie

Signaux Particuliers

Definition 4.3 (Dent de scie)
Soit un signal en dent de scie, s (t ), damplitude A , de periode
T0 et de moyenne

nulle, defini
sur une periode par :

2A
t [T0 /2, T0 /2[, s (t ) = t (20)
T0

En utilisant les equations

(2) et (3), on peut montrer que :

jA X(1)n 2j nf0 t
s (t ) = e (21)
n=,n,0 n

Vincent Choqueuse (IUT GEII)

Decomposition
en Serie es
de FourierPrincipe et Propriet 20 / 21
 4. Signaux Particuliers Dent de scie

Signaux Particuliers

Exemple :
Dent de scie damplitude A = 1 et de periode
T0 = 4.

0.8 4
1
0.7 3

0.6
2
0.5
1
0.4

(cn)
|cn |
0 0
0.3
1
0.2
2
0.1

0 3
1
0.1 4
10 8 6 4 2 0 2 4 6 8 10 10 5 0 5 10 10 5 0 5 10
temps (sec) n n

Fig.: Espace temporel Fig.: Espace frequentiel

(module) Fig.: Espace frequentiel
(phase)

Reconstruction du signal s (t )

1.5 1.5 1.5

1 1 1

0.5 0.5 0.5

0 0 0

0.5 0.5 0.5

1 1 1

1.5 1.5 1.5

10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
temps (sec) temps (sec) temps (sec)

Fig.: n [5, 5] Fig.: n [10, 10] Fig.: n [100, 100]

Vincent Choqueuse (IUT GEII)
Decomposition
en Serie es
de FourierPrincipe et Propriet 21 / 21