Vous êtes sur la page 1sur 12

Cours et Travaux Dirigés de

Traitement du Signal Déterministe


Benoît Decoux (benoit.decoux@wanadoo.fr)

- Exercices 1.0 -

2e partie : "Etude fréquentielle des signaux : analyse de Fourier"


Séries de Fourier

Exercice : Série de Fourier d’un signal sinusoïdal

Appliquer la décomposition en série de Fourier à un signal sinusoïdal, défini par :


s( t ) = sin ωt

Solution

Ce signal est impair donc an=0 pour n>0.


Calcul de a0 :
T
1 T 1 T 1  − cos(ωt )  1
a0 = ∫s( t )dt = ∫ sin(ωt )dt =   =− (cos(ωT) − cos 0) = − 1 (cos(2π) − cos 0) = 0
T 0 T 0 T ω 0 ωT 2π
Calcul de bn :
2 T 2 T
bn =
T 0∫ s( t ). sin( nωt ).dt = ∫ sin(ωt ).sin( nωt ).dt
T 0
On utilise la formule de trigonométrie suivante :
1
sin a. sin b = [cos(a − b) − cos(a + b)]
2
d’où

{ }1  sin((1 − n )ωt )   sin((1 + n )ωt )  


T T
1 T
b n = ∫ cos((1 − n )ωt ) − cos((1 + n )ωt ).dt =  − 
T 0 T  (1 − n )ω  0  (1 + n )ω  0 
 
1  sin((1 − n )ωT)   sin((1 + n )ωT)    sin((1 − n )2π)   sin((1 + n )2π)  
=  − = − 
T  (1 − n )ω   (1 + n )ω    (1 − n )2π   (1 + n )2π  
Ce résultat est nul pour tout n≠1. Pour n=1, on a une indétermination du type sin0/0 (soit 0/0), pour
laquelle il faut faire une étude spécifique. On utilise le développement limité du sinus :
x x3
sin x ≈ − + ...
1! 3!
donc
sin x 1 x 2
≈ − + ...
x 1! 3!
d’où
sin x
lim =1
x →0 x
Donc le seul coefficient non-nul est :
a1 = 1

Exercice : Série de Fourier d’un signal carré à rapport cyclique 1/2

1) Appliquer la décomposition en série de Fourier à un signal carré à rapport cyclique 1/2, de valeurs +a
et –a.
2) En déduire celle du signal carré défini par :
 2a pour t ∈ [0, T / 2[
s( t ) = 
0 pour t ∈] − T / 2,0[
3) Puis celle du signal défini par :

2
2a pour t ∈ [−T / 4, T / 4[
s( t ) = 
 0 pour t ∈] − T / 2,−T / 4[ ∪ ]T / 4, T / 2[

Solution

1) Ce signal est impair donc an=0 (n>0).

Calcul de a0 :
1 T/2
T ∫−T / 2
a0 = s( t )dt
1 0 T/2

a0 = ∫ ∫
 −T / 2 s( t )dt + 0s( t )dt 
T 
1
a 0 =  (−a )dt + adt 
0 T / 2

T  −T / 2 0 ∫
a0 =
a
T
{
− [t ]−T / 2 + [t ]0
0 T/2
}
a  T T
a0 = − +  = 0
T 2 2
Ce qui était prévisible, puisqu’on voyait bien que la valeur moyenne du signal est nulle.

Calcul de bn :
2 T/2
T ∫−T / 2
bn = s( t ).sin nωt.dt
2a  0 T/2

bn =
T  ∫
 −T / 2 ( −1).sin nωt.dt + 0sin nωt.dt  ∫
2a  1
bn =  [cos nωt ]−T / 2 −
0 1
[cos nωt ]T0 / 2 
T  nω nω 
2a   nωT   nωT  
bn = cos 0 − cos −  − cos  + cos 0
nωT   2   2  
a
bn = {1 − cos(− nπ) − cos(nπ) + 1}

car ωT=2π.

Pour simplifier cette expression il faut distinguer le cas où n est pair du cas ou n est impair.
• n pair
cos(nπ ) = 1 cos(− nπ ) = 1
a
bn = {1 − 1 − 1 + 1} = 0

• n impair
cos(nπ) = 1 cos(− nπ) = −1
a
bn = {1 + 1 + 1 + 1}

4a
bn =

donc finalement :
4a ∞ sin nωt
s( t ) = ∑
π n =1 n
pour n impair (0 pour n pair)

que l’on peut encore écrire :

3
4a ∞ sin((2n + 1)ωt )
s( t ) = ∑ 2n + 1
π n =0

Calculons quand même an pour montrer qu’il est bien nul :


2 T/2
a n = ∫ s( t ). cos nωt.dt
T −T / 2
2
s( t ).cos nωt.dt + s( t ). cos nωt.dt 
0 T/2
an = 
T ∫
−T / 2 0 ∫ 
Sur [-T/2 ; 0], s(-t)=-s(t) car la fonction est impaire. Donc les 2 intégrales vont s’annuler.

2) C’est le même signal mais décalé de +a (vers les ordonnées positives). Donc la seule différence avec le
signal précédent est le coefficient a0, qui correspond à la composante continue, c’est à dire la valeur
moyenne du signal. On peut déterminer cette valeur géométriquement : a0=a/2.

3) Là encore, c’est le même signal mais décalé sur l’axe des abscisses d’un quart de période, soit π/2. Il
suffit donc de remplacer tous les termes en sinus de la décomposition par des termes en cosinus. Par
contre, les amplitudes seraient alternativement positives et négatives.

Exercice : Série de Fourier d’un signal carré à rapport cyclique quelconque

Appliquer la décomposition en série de Fourier à un signal carré à rapport cyclique quelconque, égal
à +a de t=0 à t1, –a de t1 à T.

Solution

Calcul de a0 :
1 T
T ∫0
a0 = s( t )dt
1  t1 T

a0 =
T ∫
 0 a.dt + t (−a ).dt 
1 ∫
a 1
a 0 =  dt + (−1).dt 
t T

T 0 t1∫  ∫
a0 =
a t1
T
{
[t ]0 − [t ]Tt1 }
a
a 0 = {t 1 − T + t 1 }
T
a
a 0 = (2 t 1 − T )
T
Calcul de an :
2 T
T ∫0
an = s( t ). cos nωt.dt
2a  t1 T

an =
T 
 ∫0
cos nωt.dt + ∫ (−1) cos nωt.dt 
t1

an =
2a
nωT
{
[sin nωt ]0t1 − [sin nωt ]Tt1 }
2a
an = {sin(nωt 1 ) − sin 0 − sin (nωT ) + sin(nωt 1 )}
nωT
2a
an = {sin(nωt 1 ) − 0 + 0 + sin(nωt 1 )}
nωT
4
4a
an = sin( nωt 1 )
nω T
2a
an = sin( nωt 1 )

Calcul de bn :
2 T
T ∫0
bn = s( t ). sin nωt.dt
2a  t1 T

bn =
T 
 ∫
0
sin nωt.dt + ∫ (−1) sin nωt.dt 
t1

bn =
2a
nωT
{
− [cos nωt ]01 + [cos nωt ]t1
t T
}
2a
bn = {− cos(nωt 1 ) + cos 0 + cos(nωT ) − cos(nωt 1 )}
nω T
2a
bn = {− cos(nωt 1 ) + 1 + 1 − cos(nωt 1 )}
nω T
4a
bn = {1 − cos(nωt 1 )}
nω T
2a
bn = {1 − cos(nωt 1 )}

Exercice : Série de Fourier d’un signal en dents de scie

Appliquer la décomposition en série de Fourier à un signal en dents de scie, défini par :


2A
s( t ) = t pour t ∈ [−T / 2, T / 2[
T
Solution

Cette fonction n’est ni paire ni impaire. On peut la rendre impaire en descendant la courbe de 0,5, et
la décalant vers la gauche de T/2. Ceci a l’avantage de réduire le nombre de calculs, puisque les an sont
nuls.

Calcul de a0
T
1 T 1 T 1 t2  T
a0 =
T 0∫
s( t )dt =
T 0 ∫
t.dt =   =
T  2 0 2

Calcul de bn
T
2 T 2   cos(nωt )   2 T cos(nωt )
b n = ∫ t. sin( nωt )dt =  t.   + ∫ dt
T 0 T   nω   0 T 0 nω
T
2   cos( 2πn )  2  sin( nωt )  − 2T cos( 2 πn )
= T.  + =
T   nω  T  n 2 ω 2  0 Tnω
−T
bn =

Finalement :
T T sin(2ωt ) (−1) n +1 
f (t) = − sin(ωt ) + + ... + sin(nωt )
2 π 2 n 

5
2 T / 2 4A
T ∫−T / 2 T
bn = t. sin( nωt )dt

2  4A
[t.cos(nωt )]T−T/ 2/ 2 + 4A ∫−T / 2 cos(nωt )dt  = 2 − 2A [t.cos(nωt )]T−T/ 2/ 2 + 2A ∫−T / 2 cos(nωt )dt 
T/2 T/2
= −
T  nω T nω T  T  nπ nπ 
2  2A
= − [t. cos(nωt )]T−T/ 2/ 2 + 22 A [sin( nωt )]T−T/ 2/ 2 
T  nπ n ωπ 
2  2A  T T  2A 
= −  . cos( nπ) + . cos( − nπ)  + 2 [sin( nπ) − sin( − nπ)]
T  nπ  2 2  n ωπ 
2  AT
= − [cos(nπ) + cos(−nπ)]
T  nπ 
- si n pair, cos(nπ)= cos(-nπ)=1 donc
2A
bn = −

- si n impair, cos(nπ)=cos(-nπ)=-1
2A
bn = +

soit
2A
cn = ∀n

Finalement :
2A ∞ sin(nωt)
s(t) = ∑
π n=1
(−1)n−1
n

Exercice : Série de Fourier d’un signal triangulaire

On considère le signal triangulaire défini de la façon suivante :


 + t pour t ∈ [−T / 4, T / 4[
s( t ) = 
2A − t pour t ∈]T / 4,3T / 4[
A

T/2
-A

1) Montrer que sa décomposition en série de Fourier ne comporte que des termes en sinus.
2) Effectuer cette décomposition.
3) Le comparer aux décompositions des signaux carré et en dents de scie.

Solution

La pente est égale à 4A/T. Cette fonction est impaire. Donc an=0. Le calcul de a0 donnera 0 car le
signal est centré sur 0.
uv = ∫ u ' v + ∫ uv'
Calcul de bn
2 0 4A 2 T / 2 4A
bn =
T ∫− T / 2 T
t. cos(nωt )dt + ∫
T 0 T
(− t ). cos(nωt )dt

6
2  4A
[t.sin( nωt )]0−T / 2 − 4A ∫−T / 2 sin( nωt )dt  + 2 − 4A [t.sin( nωt )]T0 / 2 + 4A ∫0 sin( nωt )dt 
0 T/2
= 
T  n ωT nω T  T  n ωT nω T 
2  2A  T  2A  2  2A  T  2A T/2 
− sin( − nπ) + 2 [cos(nωt )]−T / 2  + + sin( nπ) − 2 [cos(nωt )]0 
0
= −
T  nπ  2  n ωπ  T  nπ 
 2  n ωπ 
2  2A  T  2A  2  2A  T  2A 
= −  − sin( − nπ) + 2 [cos 0 − cos(− nπ)] + +  sin( nπ) − 2 [cos(nπ) − cos 0]
T  nπ  2  n ωπ  T  nπ  2  n ωπ 
2  2A 2A  2  4A 4 A  2  8A 
=  2 [cos 0 − cos(− nπ)] − 2 [cos( nπ) − cos 0] =  2 + 2 =  2 
T  n ωπ n ωπ  T  n ωπ n ωπ  T  n ωπ 
si n pair, cos(nπ)= cos(-nπ)=1
si n impair, cos(nπ)=cos(-nπ)=-1
Donc :
8A
bn =
n 2π2
Finalement :
8A ∞ sin(nω0 t)
s(t) = ∑
π2 n=1 n2
, n impair

Si le signal avait été pair, on aurait obtenu :


8A ∞ cos(nω0t)
s(t) = ∑
π2 n=1 n2
, n impair

Transformée de Fourier

Exercice : Transformée de Fourier d’un signal sinusoïdal

1) A partir des propriétés de translation fréquentielle et des transformées de Fourier et de la transformée


d’une impulsion de Dirac, déterminer la transformée du signal exponentiel défini par :
s( t ) = e j2 πf0t
2) En déduire la transformée du signal sinusoïdal de fréquence f0 défini par :
s( t ) = cos( 2πf 0 t )
et comparer les résultats obtenus avec le développement en série complexe d’un signal cosinus.

Solution

1) Par utilisation des 2 propriétés :


[ ]
F x ( t ).e j2 πf0t = X(f − f 0 )
F[1] = δ(f )
on déduit que :
[ ]
F e j2 πf0t = δ(f − f 0 )
2) Par utilisation de la formule d’Euler, on peut écrire le signal sous la forme :
e j2 πf0t + e − j2 πf0 t
s( t ) = cos(2πf 0 t ) =
2
Par linéarité, on a :
1
2
( )1
S(f ) = F(cos( 2πf 0 t )) = F(e j2 πf0 t ) + F(e j2 πf0 t ) = (δ(f − f 0 ) + δ(f + f 0 ) )
2

7
Exercice : Transformée de Fourier d’un signal porte

1) Calculer la transformée de Fourier du signal porte défini par :


x ( t ) = A.rect[t T ]
et la représenter.
2) En déduire le spectre de ce signal.
3) En déduire sa densité spectrale de puissance.
4) En déduire sa puissance totale.
5) En déduire sa fonction d’autocorrélation. Retrouver la puissance à partir de cette dernière.
6) Déduire du 1) la transformée de Fourier de sin c( t ) , et la représenter.

Indication

On peut utiliser la propriété de dualité.

Solution

1) Le calcul de sa transformée de Fourier donne :


+∞ +T / 2
X (f ) = ∫ x ( t )e − j2 πft dt = A ∫ e − j2 πft dt
t = −∞ t =− T / 2

=−
j2πf
[ e ]
A − j2 πft +T / 2
−T / 2 = −
j2πf
e [
A − jπfT
− e jπfT =
A
j2πf
]
e jπfT − e − jπfT =
A
πf
[
sin πfT = AT sin c(Tf ) ]
En effet, il faut se rappeler que :
sin πx
sin c( x ) =
πx
sinc(x) s’annule pour πx=kπ, soit x=k. sinc(0)=1 et sinc(x) est max pour πx=π/2+kπ, soit x=1/2+k. Pour
x=3/2, sinc(x)=sin(3π/2)/(3π/2)=0,2. Donc AT sin c(Tf ) s’annule pour Tf=k, soit f=k/T.

2) Le spectre est la valeur absolue de la transformée de Fourier :


spectre = X(f ) = AT sin c(Tf )
3) La densité spectrale de puissance est égale au carré du spectre :
DSP = X (f ) = (AT ) sin c 2 (Tf )
2 2

4) La puissance totale du signal est définie dans le domaine temporel par :


+∞
P=∫
2
x ( t ) dt
t = −∞
Mais d’après le théorème de Perseval, on peut calculer cette puissance à partir du spectre fréquentiel du
signal :
+∞ +∞
P=∫ x ( t ) dt = ∫
2 2
X(f ) df
t = −∞ f = −∞
Soit :
+∞ +∞
P=∫ (AT) 2 sin c 2 (Tf )df = A 2 T ∫ T sin c 2 (Tf )df = A 2 T
f = −∞ f = −∞
par utilisation de la propriété

∫ sin c (τ)dτ = 1
2

−∞
5) La densité spectrale de puissance est la transformée de Fourier de la fonction d’autocorrélation.
Connaissant la première, on peut alors calculer la deuxième par transformée de Fourier inverse :
[
C( τ) = F −1 [DSP ] = F −1 (AT ) sin c 2 (Tf )
2
]
D’après la table des transformée :

8
[ ] t
F −1 T sin 2 c(Tf ) = tri 
T
d’où, par linéarité :
[
F −1 (AT) 2 sin c(Tf )
2
] = A T.tri Tt 
2

Finalement :
τ
C(τ) = A 2 T.tri 
T
La puissance du signal est la valeur de la fonction d’autocorrélation pour τ=0 :
P = C(0) = A 2 T
6) On a :
x ( t ) = A.rect[t T ] ←→F
X(f ) = AT sin c(Tf ) (1)
Donc, par dualité :
← → X(f ) = A.rect[− f T ] = A.rect[f T ]
F
x ( t ) = AT sin c(Tt ) (2)
car la fonction porte est paire. Or :
sin πt sin πt
=π = π sin c( t )
t πt
A partir de (2), par linéarité on a :
1
←→ X(f ) = rect[f T ]
F
x ( t ) = sin c(Tt )
T
et par la propriété d’homothétie :
← → X(f ) = rect[f ]
F
x ( t ) = sin c( t )
Cette fonction est une fonction porte d’amplitude 1 et de largeur 1, centrée sur f=0.

Exercice : Transformée de Fourier inverse par utilisation de la propriété de dualité

Déterminez la transformée de Fourier inverse d’une fonction porte.

Solution

Cette fonction est définie par :


f 
S(f ) = rect  
F
D’après la propriété de dualité :
s( t ) = F sin c(Ft )
Il n’y a pas de changement de signe car la fonction sinc est paire.

Exercice : Observation d’un signal sur une durée finie

1) On considère le signal sinusoïdal de fréquence f0 défini par :


s( t ) = cos(2πf 0 t )
On l’observe sur une durée finie T (différente de la période du signal que l’on notera T0). Calculer sa
transformée de Fourier.

2) Que faudrait-il faire pour que ce spectre se rapproche le plus possible de celui obtenu par la
décomposition en série de Fourier ?

9
3) Interpréter ces résultats du point de vue du compromis de précision temps-fréquence.

Indications

1) On peut considérer que cette observation sur un intervalle fini correspond à la multiplication du signal
par un signal porte.
2) On peut utiliser la propriété selon laquelle la transformée de Fourier d’un produit est un produit de
convolution.
3) On peut utiliser des propriétés du produit de convolution : élément neutre et translation.

Solution

1) Ce signal fenêtré par un signal porte peut être formalisé par :


s T ( t ) = s( t ) × rect T ( t ) = s( t ) × rect ( t / T )
Sa transformée est égale à :
ST (f ) = S(f ) * F( rect T ( t )) = S(f ) * T sin c(fT)
On sait que S(f) est composé de 2 raies spectrales :
1
S(f ) = [δ(f + f 0 ) + δ(f − f 0 )]
2
D’où, d’après la propriété de linéarité du produit de convolution :
1
ST (f ) = [δ(f + f 0 ) * T sin c(fT) + δ(f − f 0 ) * T sin c(fT)]
2
Or, il faut se souvenir que l’impulsion de Dirac est l’élément neutre du produit de convolution :
f ( x ) * δ( x ) = f ( x )
De même, on a (propriété de translation) :
f ( x ) * δ( x − x 0 ) = f ( x − x 0 )
D’où :
T
S T (f ) = [sin c((f + f 0 )T ) + sin c((f − f 0 )T )]
2
Donc le spectre de fréquence est composé de 2 sinus cardinaux, situés en –f0 et +f0, d’amplitudes T/2 et
de période 1/T.

2) Pour se rapprocher du résultat de la décomposition en série de Fourier, il faudrait que la durée


d’observation tende vers l’infini : la période du sinus cardinal tendrait alors vers 0, et l’amplitude du lobe
principal tendrait vers l’infini, ce qui correspond à la définition d’une impulsion de Dirac.

3) Quand on diminue la durée d’analyse d’un signal, on augmente la précision de localisation dans le
temps (supposons que le signal soit porteur d’informations, ce qui n’est pas le cas d’un sinus, ces
informations seront localisées dans le temps, comme par exemple dans le cas de la parole) mais on
diminue la précision de localisation en fréquence. Et inversement.

Exercice : Effet d’une translation temporelle sur la transformée de Fourier

Calculer la transformée de Fourier du signal porte défini par :


t − t0 
x ( t ) = rect  
 T 
et la représenter.

10
Solution

D’après la propriété de translation temporelle :


x (t − t 0 ) ←→ F
X(f ).e − j2 πt0f
où X(f) est la transformée de la fonction porte non translatée, c’est à dire centrée en 0 :
X(f ) = T sin c(Tf )
Donc :
F[x ( t − t 0 )] = T sin c(Tf )e − j2 πt0f
Pour représenter cette fonction, il faut d’abord remarquer qu’elle comporte une partie réelle et une partie
imaginaire, alors que X(f) était réelle pure (en effet, la fonction porte centrée en 0 était paire).
F[x ( t − t 0 )] = T sin c(Tf )(cos(2πt 0f ) − j sin(2πt 0f ))
Sa représentation comporte alors 2 représentations séparées : l’une pour la partie réelle et l’autre pour la
partie imaginaire.
X(f) s’annule pour f=k/T, sa largeur à la base est 2/T. Le cosinus et le sinus possèdent une période égale à
1/t0. Si t0>T, 1/t0<1/T donc il y aura plusieurs périodes de cosinus dans la représentation de la partie
réelle, et de sinus dans celle de la partie imaginaire. Plus le décalage t0 augmentera, plus ce nombre de
périodes augmentera.
Quant au module de cette fonction, il sera le même que celui de la fonction originale X(f), puisque :
e − j2 πt 0f = 1
Cet exemple illustre donc le fait que le décalage temporel ne joue que sur la phase de la représentation
spectrale, cette phase se manifestant par une modification des parties réelle et imaginaire de la fonction.

Exercice : Transformée de Fourier Discrète (TFD)

On considère les signaux numérique x(n) et y(n), n=0,…,3, définis respectivement par les deux
séquences suivantes :

0 1 0 -1

1 0 -1 0

1) Calculer leur TFD


2) Interpréter ces résultats du point du vue de leur lien avec la TF dans le domaine continu, et des
conséquences de l’échantillonnage.

Solution

Reprenons l’expression de la TFD :


1 N−1  2πnk 
X(k ) = ∑ w kn N x ( n ) ; k=0, 1, …, N-1 avec WNnk = exp − j 
N n =0  N 
On peut développer cette expression sous forme matricielle :
 X(0)   w 0N×0 ... w (NN−2 )×0 w (NN−1)×0   x (0) 
 ...    
  = 1  ... ... ... ...   ... 
X( N − 2) N  w 0N×( N−2 ) ... ... w (NN −1)×( N−2)   x ( N − 2)
   0×( N−1)  
 X( N − 1)   w N ... w (NN−2)×( N−1) w (NN−1)×( N−1)   x ( N − 1) 

Ici, N=4, ce qui donne :

11
X(0)  1 1 1 1   x (0) 
 X(1)    
  = 1 1 − j − 1 j   x (1) 
X(2) N 1 − 1 1 − 1  x (2)
    
 X(3)  1 j − 1 − j  x (3) 

Avec la première séquence, le résultat est le suivant :


X(k), k=0,…3 :
0 -0,5j 0 0,5j

et pour la 2e séquence :
X(k), k=0,…3 :
0 0,5 0 0,5

2) La première séquence peut être vue comme des échantillons d’une période de signal sinusoïdal, la
deuxième comme ceux d’un signal cosinusoïdal.
Dans la séquence résultat, le premier élément (d’indice 0) correspond à la composante continue ; elle
est bien nulle ici. L’élément d’indice 1 correspond au fondamental du signal, car son indice correspond
au nombre de périodes dans les N points de la séquence d’entrée, soit une seule ici. On retrouve bien
l’équivalent de la raie spectrale d’amplitude –0,5 et imaginaire pure du sinus. Le dernier élément de la
séquence correspond au symétrique de cette raie (la TF d’un signal sinusoïdal est impaire), par rapport à
Fe/2 où Fe est la fréquence d’échantillonnage. Ici Fe/2 correspond au point d’indice N/2=2.
Pour la 2e séquence, on retrouve un résultat analogue à la TF continue d’un signal cosinusoïdal.

12

Vous aimerez peut-être aussi