IUT

Mathmatique

Brest www.iut-brest.fr
Morlaix
2014

Cours / TD / TP

Enseignant : Vincent Choqueuse

contact : vincent.choqueuse@univ-brest.fr
IUT GEII Brest 2 Automne 2014
Liste des TDs

1 Formulaire de Mathmatique 5
1 Relations Trigonomtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Drives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Intgrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4 Nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Dcomposition en Srie de Fourier 11

1 Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Signaux Particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3 Transforme de Fourier 15
1 Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Signaux Particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4 Le produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6 Travaux Pratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3
LISTE DES TDS

IUT GEII Brest 4 Automne 2014

Chapitre 1: Formulaire de Mathmatique

1 Relations Trigonomtriques
Rappel. Les relations entre le cosinus (resp. sinus) de et de sont :

cos() = cos() (1.1)

sin() = sin() (1.2)

Rappel. Les formules d'Euler sont donnes par les relations suivantes (j 2 = 1) :

ej = cos() + j sin() (1.3)

1  j 
cos() = e + ej (1.4)
2
1  j 
sin() = e ej (1.5)
2j

2 Drives
Rappel. Soit k un scalaire, nous obtenons les drives suivantes

dk
= 0 (1.6)
dt
dt
= 1 (1.7)
dt
det
= et (1.8)
dt
dtk
= ktk1 (1.9)
dt
d sin(t)
= cos(t) (1.10)
dt
d cos(t)
= sin(t) (1.11)
dt

Rappel. Soit x(t) et y(t) deux fonctions et k un scalaire. En notant 0 la drive par rapport

5
CHAPITRE 1. FORMULAIRE DE MATHMATIQUE

t, nous obtenons les relations suivantes :

(x(t) + y(t))0 = x0 (t) + y 0 (t) (1.12)

0 0
(kx(t)) = kx (t) (1.13)
0 0 0
(x(t)y(t)) = x (t)y(t) + x(t)y (t) (1.14)
x(t) 0 x0 (t)y(t) x(t)y 0 (t)
 

= (1.15)
y(t) y 2 (t)
 0
xk (t) = kx(k1) (t)x0 (t) (1.16)
 0
ex(t) = ex(t) x0 (t) (1.17)

3 Intgrales
Rappel. Soit x(t) et y(t) deux fonctions et k un scalaire, nous obtenons les relations suivantes :
Z b Z a
x(t)dt = x(t)dt (1.18)
a b
Z b Z b
kx(t)dt = k x(t)dt (1.19)
a a
Z b Z c Z c
x(t)dt + x(t)dt = x(t)dt (1.20)
a b a
Z b Z b Z b
(x(t) + y(t))dt = x(t)dt + y(t)dt (1.21)
a a a

Rappel. Soit x(t) et y(t) deux fonctions. En notant 0 la drive par rapport t, la formule
de l'intgration par partie (IPP) donne la relation :
Z b Z b
x(t)y 0 (t)dt = [x(t)y(t)]ba x0 (t)y(t)dt (1.22)
a a

4 Nombres complexes
Rappel. Le nombre imaginaire j satisfait la relation

j 2 = 1 (1.23)

Rappel. Un nombre complexe z (z C) peut se dcomposer sous la forme :

z = a + jb (1.24)

o a = <e(z) (a R) correspond la partie relle de z et o b = =m(z) (b R) correspond

sa partie imaginaire.

Rappel. Le conjugu d'un nombre complexe z = a + jb, not z , s'exprime en fonction de a

et b sous la forme
z = a jb (1.25)

IUT GEII Brest 6 Automne 2014

CHAPITRE 1. FORMULAIRE DE MATHMATIQUE

Rappel. Le conjugu de l'exponentielle complexe est gal :

 
ej = ej (1.26)

Rappel. Un nombre complexe z (z C) peut se dcomposer sous la forme polaire suivante :

z = ej (1.27)

o = |z| ( R+ ) correspond au module de z et o = (z) ( R) correspond sa phase

(galement appele argument). Module et phase peuvent s'obtenir via les relations :
p
= |z| = zz = a2 + b2 (1.28)
 
b
= (z) = atan (attention valeur prs 1 ) (1.29)
a

=m(z)

b z

<e(z)
a

Figure 1.1  Reprsentation dans le plan complexe

Rappel. Soit z1 et z2 deux nombres complexes, nous obtenons les galits suivantes :

|z1 z2 | = |z1 ||z2 | (1.30)

 
  = |z1 | (z2 6= 0)
 z1 
(1.31)
 z2  |z2 |
(z1 z2 ) = (z1 ) + (z2 ) (1.32)
 
z1
= (z1 ) (z2 ) (z2 6= 0) (1.33)
z2

IUT GEII Brest 7 Automne 2014

CHAPITRE 1. FORMULAIRE DE MATHMATIQUE

5 Exercices
Exercice 1. Intgration

Dterminez les intgrales suivantes :

Z 2
I1 = (t + 1)(t 2)dt (1.34)
0
Z 0
I2 = (3 + t)et dt (1.35)
3
Z 2
I3 = t2 et dt (1.36)
0
Solution. La valeur de I1 s'obtient directement
Z 2
I1 = (t + 1)(t 2)dt (1.37)
0
Z 2
= (t2 t 2)dt (1.38)
0
2
t3 t2

= 2t (1.39)
3 2
  0
8 10
= 24 = (1.40)
3 3
Le calcul de I2 ncessite l'utilisation d'une intgration par partie avec :
x(t) = 3 + t x0 (t) = 1 (1.41)
0 t t
y (t) = e y(t) = e (1.42)
(1.43)
Nous obtenons alors :
0
Z 0
t)et 3 et dt (1.44)

I2 = (3 + +
3
 0
= 3 et 3 (1.45)
= 3 (1 e3 ) = 4 + e3 (1.46)
Le calcul de I3 ncessite une double intgration par partie. Posons tout d'abord :
x(t) = t2 x0 (t) = 2t (1.47)
0 t t
y (t) = e y(t) = e (1.48)
(1.49)
En utilisant une IPP, nous obtenons :
2
Z 2
= t2 et 0 + 2 tet dt (1.50)

I3
0
Z 2
2
= t2 et 0 + 2 tet dt (1.51)

0
Z 2
= 4e2 + 2 tet dt (1.52)
0

IUT GEII Brest 8 Automne 2014

CHAPITRE 1. FORMULAIRE DE MATHMATIQUE

Posons ensuite

u(t) = t u0 (t) = 1 (1.53)

0 t t
v (t) = e v(t) = e (1.54)
(1.55)

En utilisant une IPP, nous obtenons :

 Z 2 
2
I3 = 4e2 + 2 tet 0 + et dt (1.56)

0
  t 2 
2 2
= 4e + 2 2e e 0 (1.57)
= 4e2 + 2 2e2 e2 1 (1.58)



2
= 10e +2 (1.59)

Exercice 2. Calcul du module et de la phase.

Dterminez le module et la phase des nombres complexes suivants :

z1 = 15 + 10j (1.60)
z2 = 1 + 10j (1.61)
2
z3 = (1.62)
1 + 3j
(1.63)

Exercice 3. Gain et phase d'un systme de premier ordre.

En automatique linaire, le comportement d'un systme est souvent dcrit par sa rponse
harmonique. Pour les systmes de premier ordre, la rponse harmonique du systme est dni
par la relation :
K
H(j) = (1.64)
1 + j
o K correspond au gain statique et correspond la constante de temps du systme. D-
terminez respectivement :
1. Le module |H(j)| en fonction de , tout d'abord en valeur naturelle puis en dB.
2. La phase () en fonction de , tout d'abord en radian puis en degr.
Le couple (|H(j)|, ()) donne la rponse harmonique du systme. Ce couple est souvant
represent par un diagramme de Bode (electronique) ou de Black-Nichols (automatique).

IUT GEII Brest 9 Automne 2014

CHAPITRE 1. FORMULAIRE DE MATHMATIQUE

IUT GEII Brest 10 Automne 2014

Chapitre 2: Dcomposition en Srie de Fourier

Contexte. Les signaux lis aux systmes physiques, lectriques, acoustiques, ... peuvent pr-
senter des comportements oscillatoires localement priodiques.
Objectif. Dvelopper un outil "mathmatique" permettant d'analyser ecacement ces oscil-
lations.

1 Dnition
Rappel. Un signal priodique, s(t), de priode T0 satisfait la relation :
s(t) = s(t + T0 ) (2.1)
o Z et o f0 = 1
T0 est apppel frquence fondamentale du signal (en Hz).
Dnition. Soit s(t) un signal priodique de priode T0 = f10 . Sous certaines conditions (que
nous supposerons vries), le signal s(t) peut se dcomposer sous la forme :
X
s(t) = cn e2jnf0 t (2.2)
nZ

o les coecients cn C, sont donns par :

Z
1
2jnf0 t
cn = hs(t), e i= s(t)e2jnf0 t dt (2.3)
T0 (T0 )

Exemple 1. Soit s(t), un signal priodique de priode T0 = 2 dni sur [1, 1] par :
t [1, 1], s(t) = 1 |t| (2.4)
En utilisant l'expression (2.2), nous pouvons montrer que :
si n = 0

1/2
cn = 1(1)n (2.5)
2 n2
si n Z

Proprit 2.1. En utilisant la dnition 1 et l'quation (1.3), nous pouvons montrer que s(t)
se dcompose galement sous la forme suivante :

a0 X X
s(t) = + an cos(2nf0 t) + bn sin(2nf0 ) (2.6)
2
n=1 n=1
o les coecients an et bn sont donns respectivement par :
an = cn + cn (2.7)
bn = j(cn cn ) (2.8)

11
CHAPITRE 2. DCOMPOSITION EN SRIE DE FOURIER

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

Figure 2.1  Espace tempo- Figure 2.2  Espace frquen- Figure 2.3  Espace frquen-
rel tiel (|cn |) tiel ((cn ))

2 Signaux Particuliers
2.1 Signal sinusodal

Dnition. Le signal sinusodal, x(t), de frquence f0 = 1

T0 est dni par :

x(t) = sin(2f0 t) (2.9)

Proprit 2.2. La dcomposition en srie de Fourier du signal x(t) donne :

e2jf0 t e2jf0 t


x(t) = (2.10)
2j

2.2 Signal carr

Dnition. Le signal carr, x(t), de frquence f0 = 1

T0 et de moyenne nulle est dni sur une
priode par : 
1 t [T0 /2, 0[
x(t) = (2.11)
1 t [0, T0 /2[

Proprit 2.3. La dcomposition en srie de Fourier du signal x(t) donne :

2j X 1
x(t) = e2j(2q+1)f0 t (2.12)
q= (2q + 1)

2.3 Dent de scie

Dnition. Le signal dent de scie, x(t), de frquence f0 = T10 et de moyenne nulle est dni
sur une priode par :
2
t [T0 /2, T0 /2[, x(t) = t (2.13)
T0
Proprit 2.4. La dcomposition en srie de Fourier du signal x(t) donne :

j X (1)n 2jnf0 t
s(t) = e (2.14)
n
n=,n6=0

IUT GEII Brest 12 Automne 2014

CHAPITRE 2. DCOMPOSITION EN SRIE DE FOURIER

3 Exercices
Exercice 4. Peigne de Dirac.

Considrons un signal rectangulaire, s(t), de largeur d'impulsion l, d'amplitude E = 1l et

de priode T0 , dni par :
si 2l t < 2l
 1
s(t) = l (2.15)
0 ailleurs
1. Reprsentez le signal s(t) puis dterminez son aire dans l'intervalle [ T20 2 [.
T0

2. Dterminez la moyenne de s(t) sur une priode en utilisant la formule :

Z
1
M= s(t)dt (2.16)
T0 [T0 ]

3. Dterminez les coecients cn de la dcomposition en srie de Fourier.

4. Calculez la moyenne du signal M en utilisant cn et la proprit suivante :

sin(x)
lim =1 (2.17)
x0 x

5. Posez l = T0
2 et dterminez les coecients an et bn de s(t).
6. Faites tendre l vers 0 puis dterminez les coecients de la dcomposition en srie de
Fourier cn . Le signal obtenu est appel peigne de Dirac, un signal trs utilis en trai-
tement du signal puisque qu'il permet de faire le lien entre un signal analogique et sa
version "numrise".

Exercice 5 (Matlab). Reconstruction d'un signal partir des sries de Fourier.

Le but de cet exercice est de reconstruire, sur ordinateur, dirents signaux partir d'une
somme de sinusodes. A titre d'exemple, le code correspondant la reconstruction d'un signal
carr de frquence f0 partir de 5 harmoniques est le suivant :

1: t =[0:0.001:3]; % creation base temporelle

2: signal = zeros (1 , length (t )); % creation d ' un signal nul
3: Nharm =10; % creation + initialisation
4: f0 =1; % creation + initialisation
5: for q = -( Nharm -1): Nharm -1 % creation d ' une boucle
6: c =1/(2* q +1)
7: signal = signal + c* exp (2* j* pi *(2* q +1)* f0 *t );
8: end
9: signal =(( -2* j )/ pi )* signal ;
10: plot (t , signal ); % affichage
Programme 2.1  Reconstruction d'un signal carr

IUT GEII Brest 13 Automne 2014

CHAPITRE 2. DCOMPOSITION EN SRIE DE FOURIER

1. Programmez puis excutez le script d'exemple.

2. En utilisant les rsultats de l'exercice 4 et en adaptant le script prcdent, reconstruisez
sous Matlab un peigne de Dirac avec T0 = 1s et l = 2.

Exercice 6 (Matlab). Reconstruction d'un signal en dent de scie.

Considrons un signal dent de scie, x(t), de frquence f0 = 1

T0 dni sur une priode par :

2
t [T0 /2, T0 /2[, x(t) = t (2.18)
T0
1. Dterminez la valeur de x(t) pour t = T0 /2 et t = T0 /2.
2. Reprsentez le signal x(t) sur une priode, puis sur plusieurs priodes.
3. Retrouvez les coecients cn de la dcomposition en srie de Fourier donns dans l'qua-
tion (2.14).
4. En utilisant l'exercice prcdent, reconstruisez le signal en dent de scie sous Matlab avec
T0 = 1s.

Exercice 7. Signaux avec symtrie de glissement (symtrie d'alternance).

En pratique, la plupart des signaux lectriques rencontrs possde une symtrie de glisse-
ment. Cette symtrie de glissement impose la contrainte s(t) = s(t + T0 /2). Cette contrainte
est illustre dans la gure 2.4.

s(t)

T0

T0
2

Figure 2.4  Signal avec symtrie de glissement

1. Dmontrez que les signaux avec symtrie de glissement ne possdent que des harmoniques
de rang impaire (c2n = 0).

IUT GEII Brest 14 Automne 2014

Chapitre 3: Transforme de Fourier

Contexte. La dcomposition en srie de Fourier prsuppose que le signal soit priodique.

Toutefois, les signaux "naturels" sont rarement priodiques.
Objectif. tendre la notion de srie de Fourier aux signaux apriodiques.

1 Dnition
Dnition. Soit s(t) un signal respectant les trois conditions suivantes :
 s(t)
R 2 born (pas de valeurs innies).
est
 s (t)dt est nie.
 Les discontinuits de x(t) sont en nombre ni.

Sous ces conditions, la transforme de Fourier de s(t), S(f ), est dnie par :
Z
S(f ) = F(s(t)) = s(t)e2jf t dt (3.1)

Dnition. Soit s(t) un signal dont la transforme de Fourier S(f ) = F(s(t)) existe, le signal
s(t) s'obtient en calculant la transforme de Fourier inverse de S(f ) :
Z
s(t) = F 1 [S(f )] = S(f )e2jf t df (3.2)

Exemple 2. Soit s(t) = l (t) le signal porte de largeur l dni par :

1 si 2l t < 2l

s(t) = l (t) = (3.3)
0 ailleurs
En utilisant (3.1), s(t) a pour transforme de Fourier :
sin (f l)
S(f ) = F [l (t)] = (3.4)
f
2 Proprits
Proprit 3.1. Soit x(t) et y(t) deux signaux de transforme de Fourier respectives X(f ) et
Y (f ) et et deux constantes. La transforme de Fourier de x(t) + y(t) est donne par
l'quation :
F (x(t) + y(t)) = F(x(t)) + F(y(t)) (3.5)
Proprit 3.2. Soit x(t) un signal dans le domaine temporel de transforme de Fourier
X(f ) = F(x(t)). Le signal temporel d ?quation X(t) a pour transforme de Fourier x(f ).

15
CHAPITRE 3. TRANSFORME DE FOURIER

2 40

1.8
30
1
1.6
20
1.4

1.2 10

(S(f))
|S(f)|
1
0 0
0.8
10
0.6

0.4 20
1
0.2 30
0
40
10 8 6 4 2 0 2 4 6 8 10 10 5 0 5 10 10 5 0 5 10
temps (sec) f f

Figure 3.1  Espace tempo- Figure 3.2  Espace frquen- Figure 3.3  Espace frquen-
rel tiel (|S(f )|) tiel ((S(f )))

3 Signaux Particuliers
3.1 Impulsion de Dirac

Dnition. L'impulsion de Dirac, (t), est une distribution ayant pour proprits :
 R(t) = 0 pour tout t 6= 0.

 x(t)(t)dt = x(0)
Proprit 3.3. La transforme de Fourier de (t) est gale :
F ((t)) = 1 (3.6)

3.2 Constante

Dnition. Le signal constante, x(t), est dni par l'equation :

x(t) = 1 (3.7)
Proprit 3.4. La transforme de Fourier de x(t) est gale :
Z
X(f ) = F (1) = e2jf t dt = (f ) (3.8)

3.3 Exponentiel complexe

Dnition. Le signal exponentiel complexe, x(t), de frquence f0 est dni par l'quation :
x(t) = e2jf0 t (3.9)
Proprit 3.5. La transforme de Fourier de x(t) est gale :
 
X(f ) = F e2jf0 t = (f f0 ) (3.10)

3.4 Signal sinusodal

Dnition. Le signal sinusodal, x(t), de frquence f0 est dni par :

x(t) = sin(2f0 t) (3.11)
Proprit 3.6. La transforme de Fourier de x(t) est gale :
j
F (sin(2f0 t)) = ((f + f0 ) (f f0 )) (3.12)
2

IUT GEII Brest 16 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

3.5 Signal priodique

Dnition. Sous reserve que la dcomposition en srie de Fourier d'un signal priodique x(t)
de priode T0 = f10 existe, x(t) peut s'exprimer sous la forme :

X
x(t) = cn e2jnf0 t (3.13)
n=

Proprit 3.7. La transforme de Fourier de x(t) est gale :

X
F (x(t)) = cn (f nf0 ) (3.14)
n=

4 Le produit de convolution
Dnition. Le produit de convolution de deux signaux x(t) et y(t), not x ? y(t), est dni
par : Z
x ? y(t) = x( )y(t )d (3.15)

4.1 Proprits

Proprit 3.8. Soit deux signaux nots x(t) et y(t), leur produit de convolution est commu-
tatif c-a-d
x ? y(t) = y ? x(t) (3.16)

Proprit 3.9. La convolution d'un signal x(t) avec un dirac dcal en temps de t0 , (t t0 ),
est gal :
x ? (t t0 ) = x(t t0 ) (3.17)

Proprit 3.10. Soit x(t) et y(t) deux signaux dont les transformes de Fourier respectives
sont X(f ) et Y (f ), nous pouvons montrer que :

F (x ? y(t)) = X(f )Y (f ) (3.18)

F (x(t)y(t)) = X ? Y (f ) (3.19)

IUT GEII Brest 17 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

5 Exercices
Exercice 8. Inuence de la troncature en temps.

1 1

0 0

1 1
2 1.5 1 0.5 0 0.5 1 1.5 2 2 1.5 1 0.5 0 0.5 1 1.5 2
t t

Figure 3.4  Signal original : s(t). Figure 3.5  Signal enregistr : y(t).
Considrons un signal s(t) enregistr au moyen d'un dispositif d'acquisition. En pratique, la
dure de l'enregistrement n'est jamais innie. Nous parlons alors de troncature en temps (voir
les gures 3.4 et 3.5). Le signal tronqu, not y(t), peut alors tre vu comme la multiplication
du signal rel s(t) avec un signal porte l (t) de longueur l. Cela s'exprime mathmatiquement
sous la forme
s(t) si 2l < t < 2l

y(t) = (3.20)
0 ailleurs
= s(t)l (t) (3.21)

Dans cet exercice, nous allons tudier l'inuence de la longueur l sur le spectre de y(t).

Analyse du signal porte l (t)

1. Soit un signal porte l (t) de largeur l. Tracez l'allure du signal en fonction du t.
2. Retrouvez, par le calcul, la transforme de Fourier de l (t) (nous noterons P (f ) =
F(l (t)))

Nous allons maintenant dterminer graphiquement l'allure de la transforme de Fourier de

la porte.
1. Calculez la valeur de P (0).
2. Montrez que la fonction est paire c-a-d P (f ) = P (f )
3. Dterminez les frquences f0 pour lesquelles P (f0 ) = 0.
4. Calculez la drive de P (f ).
5. Montrez que la drive s'annule pour les frquences fex respectant la condition tan(fex l) =
fex l.
6. En utilisant le fait que les valeurs x = (2q+1)
2 (q Z) sont les solutions (approches) de
l'quation tan(x) = x, dterminez les valeurs de fex qui annule la drive de P (f ).

IUT GEII Brest 18 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

7. Dterminez les valeurs de P (fex ).

8. Tracez la courbe P (f ).
9. Quelle va tre l'inuence de l sur l'allure de la fonction (position et amplitude des
extrema) ?

Allure du spectre de y(t)

1. Soit y(t) = s(t)l (t) le signal obtenu en enregistrant le signal s(t) pendant une dure l,
dterminez la transforme de Fourier de y(t), note Y (f ), en fonction de la transforme
de Fourier de s(t), note S(f ).
2. On considre le cas du signal s(t) = cos(2f0 t). Dterminez Y (f ) puis tracez Y (f ) en
fonction de f . On utilisera pour cela la proprit de convolution par une impulsion de
Dirac.
Exercice 9. Thorme de l'chantillonnage et Filtre de reconstruction.

La conversion analogique-numrique permet de convertir un signal continu en un signal

discret (suite d'chantillons). La numrisation est ralise en prlevant une priode Te , la
valeur du signal analogique. Le signal discret est alors contenu par la suite d'chantillons

x(nTe ) (n Z) (3.22)

Nous pouvons alors se poser naturellement les deux questions suivantes :

 Est ce que la version numrise du signal contient toute l'information contenue dans le
signal analogique ?
 A quelle priode d'chantillonnage, Te , est-il souhaitable d'chantillonner le signal ?

Nous allons tenter de rpondre ces questions dans cet exercice.

Soit s(t) un signal continu dont le support frquentiel est born entre [fmax fmax ] (voir
gure 3.6).

X(f )

f
fmax fmax

Figure 3.6  Reprsentation grossire du spectre du signal continu s(t)

Soit un signal continu y(t) dni partir de la suite d'chantillons x(nTe ) sous la forme :

X
y(t) = x(nTe )(t nTe ) (3.23)
n=

1. Dterminez la transforme de Fourier Y (f ) = F(y(t)).

IUT GEII Brest 19 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

2. Reprsentez l'allure du spectre Y (f ).

3. Lorsque la frquence d'chantillonnage est trop faible, les direntes recopies du spectre
peuvent se superposer. Ces superpositions dforment le signal (problme appel aliasing).
Dterminez la valeur minimum de Fe = 1/Te qui permet d'viter toutes les superposi-
tions du spectre.
4. Soit Xr (f ) le spectre obtenu partir de la relation suivante
 
1
Xr (f ) = F (f ) Y (f ) (3.24)
Fe e

Montrez que lorsque Fe 2fmax , Xr (f ) = X(f ).

5. En appliquant la transforme de Fourier inverse dans l'quation (3.24), montrez que le
signal temporel reconstruit xr (t) = F 1 (Xr (t)) est gal :

X
xr (t) = x(nTe )sinc ((Fe t n)) (3.25)
n=

IUT GEII Brest 20 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

6 Travaux Pratiques
Ce TP sera ralis sous le logiciel Matlab de Mathworks. Ce premier TP s'organise autour de
3 objectifs :
1. gnration d'un signal lmentaire,
2. introduction l'analyse spectrale par Transforme de Fourier Discrte (TFD),
3. analyse spectrale de signaux synthtiques.

6.1 Gnration d'un signal sinusodal

Une sinusode est une fonction dnie par l'quation suivante :

x(t) = a sin(2f1 t) (3.26)

o :
 a correspond l'amplitude (crte) de la sinusode (sans unit),
 f1 correspond la frquence de la sinusode (en Hz),
 t correspond la base temps (en seconde).
Lorsque nous manipulons des signaux numriques, la base temps t est discrtise une fr-
quence d'chantillonnage Fe c-a-d que le signal x(t) est valu aux instants t = n/Fe o n Z.
Sous forme numrique, la sinusode x(t) est alors reprsente par une suite d'chantillons x[n]
(n = 0, 1, 2, ). A titre d'illustration, la gure 3.7 prsente l'allure d'une sinusode temps
continu ainsi que son quivalent temps discret.

1 x(t)
x[n]
x(t)

0
1/Fe

1
1.2 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1.2
t

Figure 3.7  Sinusode temps continu, x(t), et son quivalent temps discret, x[n]. La
discrtisation s'obtient en prlevant le signal x(t) tous les 1/Fe s.

Sous Matlab, nous allons crer une sinusode temps discret d'amplitude a = 1.5 et de
frquence f = 51 Hz. Cette sinusode sera gnre pour t allant de 0 0.5s. La frquence
d'chantillonnage sera xe Fe = 1 kHz.
Manipulation 1. Dans la fentre de commande Matlab, lancez les instructions suivantes :
>> a =1.5; % amplitude de la sinusoide
>> f1 =51; % frequence la sinusoide
>> Fe =1000; % frquence d ' chantillonnage
>> t =[0:1/ Fe :0.5]; % base temps discretisee

IUT GEII Brest 21 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

>> x=a * sin (2* pi * f1 *t ); % sinusoide temps discret

>> plot (t ,x ); % affichage de la courbe x(t )
>> xlabel ( ' t e m p s ( s ) ' );
>> ylabel ( ' a m p l i t u d e ' );

La fentre de commande de Matlab est un outils trs pratique pour mettre en place des
algorithmes. Lorsque ces algorithmes fonctionnent, il est cependant plus intressant de regrou-
per l'ensemble des instructions dans un mme chier appel script. Pour crer un script, il
sut d'aller dans l'onglet Home de Matlab et d'appuyer sur l'icne New Script.
Manipulation 2. Crez un nouveau script contenant le programme de la manipulation 1. Sau-
vegardez ce script dans le rpertoire access_prof/Math/TP1 et nommez le ma_sinusoide.m.
Une fois le script sauvegard, il sut d'appuyez sur l'icne Run pour l'excuter
Dans certaines situations, la reprsentation temporelle n'est pas la plus pertinente pour
analyser le contenu d'un signal. Dans la section suivante, nous allons voir comment obtenir
une autre reprsentation : la reprsentation frquentielle.

6.2 Utilisation de la Transforme de Fourier Discrte

La transforme de Fourier d'un signal x(t) est dnie par l'quation :

Z
X(f ) = x(t)e2jf t dt (3.27)

Cette transforme permet de passer de la reprsentation temporelle (fonction de t) la re-

prsentation frquentielle (fonction de f ). Nous ne ne pouvons pas valuer la transforme de
Fourier "telle quelle" sur des signaux numriques car cette transforme ncessite la connais-
sance du signal continu x(t) et non de son quivalent discret x[n]. De plus, la transforme de
Fourier ncessite une intgration de + alors qu'en pratique les signaux sont dispo-
nibles sur un support temporel t ni. Il est nanmoins possible d'approcher cette transforme
en utilisant sa version discrtise et tronque :
N
X 1
X[f ] = x[n]e2jf n/Fe (3.28)
x=0

Cette fonction peut se calculer rapidement au moyen d'algorithmes rapides nomms par l'acro-
nyme anglais FFT (Fast Fourier Transform). Les algorithmes FFT sont disponibles dans la
plupart des langages de programmation...et Matlab n'chappe pas la rgle !
Manipulation 3. Reprenez votre script ma_sinusoide. En n de script, ajoutez les instruc-
tions suivantes :
>> TFD = fft (x ); % Calcul FFT
>> figure % Ajout d ' une nouvelle figure
>> TFD_module = abs ( TFD ).^2; % Calcul du module au carr
>> f= linspace (0 , Fe , length ( TFD )); % base frquentielle
>> plot (f , TFD_module ); % Affichage du module
>> xlabel ( ' F r q u e n c e ( Hz ) ' );
>> ylabel ( ' | X ( f ) | ^ 2 ' );

IUT GEII Brest 22 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

Excutez alors votre nouveau script.

La deuxime courbe reprsente le spectre (estim) du signal. Thoriquement, le spectre
d'un signal sinusodal temps continu contient deux impulsions de Dirac, localises respec-
tivement en f1 et f1 Hz. Pour les signaux numriques, il est possible de dmontrer que le
spectre est priodique de priode Fe . Par consquent, le spectre d'un signal sinusodal temps
discret contient une multitude d'impulsions localises en f1 + kFe et f1 + kFe Hz (k Z).
Dans notre cas, le script ache le spectre dans la bande [0, Fe ] Hz. Nous visualisons donc deux
impulsions approximativement localises en f1 Hz et f1 + Fe Hz.
Pour analyser le signal, il est plus pertinent d'acher le spectre dans une bande frquen-
tielle centre en 0 c-a-d dans la bande [Fe /2, Fe /2]. Sous Matlab, cette bande frquentielle
s'obtient en utilisant l'instruction fftshift().
Manipulation 4. Modiez votre script ma_sinusoide en remplaant le calcul de la FFT par
>> TFD = fftshift ( fft (x )); % Calcul FFT
et la cration de la base frquentielle par
>> f= linspace (- Fe /2 , Fe /2 , length ( TFD )); % base frquentielle
Excutez alors votre nouveau script et interprtez les courbes.
Remarquons que le spectre est symtrique par rapport l'axe des ordonnes. Cette symtrie
est respecte pour l'ensemble des signaux rels (x[n] R). Pour cette raison, les analyseurs
de spectre se limitent le plus souvent l'achage du spectre dans la bande [0, Fe /2].

6.3 Limitations de la Transforme de Fourier Discrte

La section prcdente laisse apparaitre certaines limitations de la transforme de Fourier

(localisation frquentielle des impulsions, allure des pics, etc). Ces limitations sont dtailles
dans cette section.
Manipulation 5. Le script analyse_spectrale_sinus, disponible dans votre rpertoire r-
seau access_prof/Math/TP1, reprend votre script ma_sinusoide et y intgre de nouvelles
fonctionnalits. Excutez ce script et dterminez prcisment la frquence des deux impul-
sions.

Prcision spectrale
La discrtisation de la base frquentielle ne nous permet pas d'estimer prcisment les
frquences de notre signal. Cette limitation est lie la prcision spectrale. Pour obtenir une
reprsentation frquentielle prcise, il est ncessaire d'interpoler le spectre. Cette interpolation
s'obtient facilement via une technique appele "zero padding". Le "zero padding" consiste
ajouter un grand nombre de zros la suite du signal x[n]. Cela pour but d'augmenter le
nombre de frquences o la Transforme de Fourier Discrte est value.
Manipulation 6. Dans le script analyse_spectrale_sinus, modiez le contenu de la va-
riable zero_padding. Plus prcisment, excutez votre script avec zero_padding=0, puis
zero_padding=10000 et enn zero_padding=100000. Compltez alors le tableau suivant :

Par la suite, nous limiterons le "zero-padding" 10000 chantillons pour viter de trop
solliciter le processeur de votre machine.

IUT GEII Brest 23 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

zero_padding 0 10000 100000

fb0 (Hz)

Table 3.1  Prcision spectrale.

Rsolution spectrale
Le spectre obtenu dans la sous-section prcdente contient deux impulsions. Ces impulsions
ne correspondent pas stricto sensu des impulsions de Dirac. L'allure des impulsions est lie
la troncature en temps du signal x(t). En eet, la signal analys peut tre vu comme la
multiplication d'une sinusode x(t) par une fentre rectangulaire w(t).
Notons y(t) = x(t) w(t) le signal analys. La transforme de Fourier du signal y(t)
s'exprime sous la forme
Y (f ) = X(f ) W (f ) (3.29)
o X(f ) correspond la transforme de Fourier du signal analyser, W (f ) correspond
la transforme de Fourier de la fentre w(t) et dsigne le produit de convolution. Dans
notre cas, nous obtenons la convolution de deux impulsions de Dirac localises en f1 et f1
Hz (transforme de Fourier d'une sinusode) avec un sinus cardinal (transforme de Fourier
d'une fentre rectangulaire). Le spectre est donc compos de deux sinus cardinaux centrs
respectivement en f1 et f1 Hz.
La fonction sinus cardinal est reprsente sur la gure 3.8. Cette fonction est compose d'un
lobe principal et de plusieurs lobes secondaires. Le lobe principal peut nuire interprtation du
spectre car il peut masquer des composantes proches en frquence. Cette limitation est dsigne
par le terme rsolution spectrale. La rsolution spectrale est caractrise par la largeur du
lobe principal f -3dB. Un lobe principal troit permet d'obtenir une meilleure rsolution
spectrale. Pour une fentre rectangulaire, la largeur du lobe principale est approximativement
gale f 1/T , o T correspond la dure du signal x(t) en seconde.

0 Lobe principal Lobes secondaires

f
M
Amplitude en dB

20

40

12 10 8 6 4 2 0 2 4 6 8 10 12
f

Figure 3.8  Fonction sinus cardinal

Manipulation 7. Dans le script analyse_spectrale_sinus, modiez le contenu de la va-

riable duree. Plus prcisment, excutez votre script avec duree=0.1s, puis duree=0.5s et
enn duree=5s. Compltez alors le tableau suivant :

IUT GEII Brest 24 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

dure 0.1s 0.5s 5s

f thorique (Hz)
f mesure (Hz)

Table 3.2  Rsolution spectrale.

Par la suite, nous xerons la dure du signal 0.5 seconde.

Inuence des lobes secondaires

En plus du lobe principal, la fonction sinus cardinal contient des lobes secondaires. Ces
lobes secondaires peuvent galement nuire l'interprtation du signal si leur amplitude est trop
leve. Pour diminuer l'importance des lobes secondaires, il est possible d'appliquer une fentre
de pondration w(t) autre que la fentre rectangulaire. Il existe cependant un compromis entre
la largeur du lobe principale et l'amplitude maximale des lobes secondaires. Ainsi, il n'est pas
possible de rduire la fois la largeur du lobe principal et l'amplitude maximale des lobes
secondaires. Nous allons illustrer ce compromis sous Matlab en utilisant trois fentres de
pondration couramment utilises.
Manipulation 8. Dans le script analyse_spectrale_sinus, modiez le contenu de la va-
riable type_fenetre. Plus prcisment, excutez votre script avec une fentre rectangulaire
(none), puis une fentre de Hanning et une fentre de Blackman. Compltez alors le tableau
suivant :
Fentre Rectangulaire Hanning Blackman
f mesure (Hz)
M (dB)

Table 3.3  Inuence de la fentre de pondration. La grandeur M correspond l'amplitude

maximale des lobes secondaires (cf gure 3.8).

6.4 Analyse spectrale de signaux synthtiques

Dans cette section, nous allons analyser plusieurs signaux exprimentaux. Ces signaux sont
sauvegards dans des chiers au format Matlab (.mat). Le script analyse_spectrale_mat per-
met de charger un chier particulier et d'acher son contenu la fois dans le domaine temporel
et frquentiel. Pour spcier le signal charger, il sut de modier le contenu de la variable
fichier. Vous tes libre de choisir les paramtres d'analyse (zero padding, fentre).

6.5 Analyse de signaux priodiques

Dans un premier temps, nous allons analyser 4 signaux priodiques. Pour chaque signal,
il faudra dterminer :
1. la frquence fondamentale f1 (pic le plus lev),
2. l'amplitude a1 du fondamental,
3. l'amplitude ak des harmoniques, o ak correspond l'amplitude la frquence kf1 Hz.

IUT GEII Brest 25 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

Manipulation 9. Compltez le tableau suivant :

Fichier f1 a1 a2 a3 a4
signal_sinusoidal
signal_carre
signal_triangulaire
signal_dent_de_scie

Table 3.4  Signaux Priodiques.

Identication de signaux priodiques bruits

Un signal bruit est un signal comportant une composante alatoire (bruit). Dans le do-
maine temporel, l'ajout d'un bruit blanc peut rendre l'allure d'un signal priodique mcon-
naissable. A l'oppos, l'ajout d'un bruit blanc dgrade peu la reprsentation frquentielle.
En eet, l'nergie du bruit est rpartie uniformment sur l'ensemble des frquences alors que
l'nergie d'un signal priodique est trs localise dans le plan frquentiel.
Dans cette sous-section, nous allons analyser trois signaux priodiques bruits nomms
signal_bruit_1, signal_bruit_2 et signal_bruit_3. Le but du jeu est d'identier la forme
d'onde du signal non bruit partir du spectre du signal bruit.

Manipulation 10. En vous aidant des rsultats de la manipulation 9, identiez la forme

d'onde du signal non bruit pour chaque chier.

signal_bruit_1   Sinusode
signal_bruit_2   Carr
signal_bruit_3   Dent de scie

Analyse de signaux moduls

Dans cette section, nous allons analyser des signaux moduls en frquence (FM) et en
amplitude (AM). Pour chaque signal, le signal porteur est une sinusode de frquence fp =
50 Hz et le signal modulant est une sinusode de frquence fm = 7 Hz. L'objectif de l'analyse
sera d'identier les composantes frquentielles prsentes dans le signal modul.

Manipulation 11. Compltez le tableau suivant :

Fichier dure f1 (Hz) f2 (Hz) f3 (Hz) f4 (Hz) f5 (Hz) f6 (Hz) f7 (Hz)

signal_FM 1s
signal_AM 1s
signal_AM2 0.1s

Table 3.5  Composantes frquentielles des signaux moduls.

Les deux signaux AM dirent uniquement par leur dure ; leur contenu frquentiel est donc
thoriquement similaire. Notez toutefois que l'analyse spectrale ne permet pas d'identier les
composantes frquentielles lorsque la dure du signal est trop faible. Ce problme est lie la

IUT GEII Brest 26 Automne 2014

CHAPITRE 3. TRANSFORME DE FOURIER

rsolution spectrale. Lorsque que la dure du signal est trop faible, il est possible d'utiliser des
techniques d'analyse spectrale plus performantes. De part leur proprit, ces techniques sont
appeles techniques "haute-rsolution" (algorithme MUSIC ou ESPRIT).

6.6 Analyse spectrale de signaux rels

Dans cette sous section, nous allons analyser des signaux lectriques rels.
1. Allez sur le site http://expertmonitoring.com/doelibrary/
2. Tlchargez un signal particulier ("event") au format csv.
3. Sous Matlab, allez dans File>import data pour rcuprer les donnes au format csv.
4. Reprsentez le spectre du signal pour une phase donne.

IUT GEII Brest 27 Automne 2014