Académique Documents
Professionnel Documents
Culture Documents
Mathmatique
Brest www.iut-brest.fr
Morlaix
2014
Cours / TD / TP
1 Formulaire de Mathmatique 5
1 Relations Trigonomtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Drives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Intgrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4 Nombres complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
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
1 Relations Trigonomtriques
Rappel. Les relations entre le cosinus (resp. sinus) de et de sont :
Rappel. Les formules d'Euler sont donnes par les relations suivantes (j 2 = 1) :
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
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)
z = a + jb (1.24)
z = ej (1.27)
=m(z)
b z
<e(z)
a
Rappel. Soit z1 et z2 deux nombres complexes, nous obtenons les galits suivantes :
5 Exercices
Exercice 1. Intgration
Posons ensuite
z1 = 15 + 10j (1.60)
z2 = 1 + 10j (1.61)
2
z3 = (1.62)
1 + 3j
(1.63)
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).
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
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
e2jf0 t e2jf0 t
x(t) = (2.10)
2j
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
3 Exercices
Exercice 4. Peigne de Dirac.
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".
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 :
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.
s(t)
T0
T0
2
1. Dmontrez que les signaux avec symtrie de glissement ne possdent que des harmoniques
de rang impaire (c2n = 0).
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)
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 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)
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=
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 :
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).
x(nTe ) (n Z) (3.22)
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 ?
Soit s(t) un signal continu dont le support frquentiel est born entre [fmax fmax ] (voir
gure 3.6).
X(f )
f
fmax fmax
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.
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
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.
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 ' );
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.
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.
20
40
12 10 8 6 4 2 0 2 4 6 8 10 12
f
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).
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.
Fichier f1 a1 a2 a3 a4
signal_sinusoidal
signal_carre
signal_triangulaire
signal_dent_de_scie
signal_bruit_1 Sinusode
signal_bruit_2 Carr
signal_bruit_3 Dent de scie
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
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).
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.