Vous êtes sur la page 1sur 12

Chapitre 3

Analyse de Fourier
1. Introduction
L'analyse harmonique ou fréquentielle est l'instrument majeur de la théorie des signaux et des systèmes. Le
développement en séries de Fourier et, plus généralement, la transformation de Fourier permet d'obtenir une
représentation spectrale des signaux déterministes. Celle-ci exprime la répartition de l'amplitude, de la
phase, de l'énergie ou de la puissance des signaux considérés en fonction de la fréquence.
Ce chapitre est une introduction aux représentations spectrales des signaux à l'aide des séries de Fourier et
de la transformation de Fourier.

2. Série de Fourier
L'élément fondamental de l'analyse de Fourier est constitué par le fait qu'un signal périodique peut être
décomposé en une somme d'ondes sinusoïdales. Une illustration de la construction d'un signal périodique
non sinusoïdal est donnée à la figure 4 : le signal résultant est la somme d'une composante continue avec des
sinusoïdes dont la fréquence est chaque fois un multiple de la fondamentale f0 .

3.1 Définition
Soit le signal périodique x (t ) de période T ou de fréquence f0 = 1/T , son développement en série de
Fourier (SF) est donnée par:

x (t ) = a 0 + å (an cos(2pnf0t ) + bn sin(2pnf0t ))
n =1

où f0 = 1/T est la fréquence fondamentale du signal, est la valeur moyenne ou composante continue et
an , bn sont les coefficients de Fourier du développement en cosinus et sinus.
Les coefficients de la série sont donnés par:

1
a0 =
T ò x (t )dt
T

2
an =
T ò T
x (t )cos(2pnf0t )dt

et

2
bn =
T ò x (t )sin(2pnf0t )dt
T

Les coefficients an et bn sont les coefficients de Fourier de la fonction x (t ) .

Le terme de fréquence f0 est le fondamental.

Les termes de fréquence nf0 sont les harmoniques de rang n .

a 0 représente la valeur moyenne de x (t ).


On remarque que si:
1) x (t ) est pair bn = 0.
2) x (t ) est impair an = 0.
3) Symétrie de glissement: Lorsqu'un signal de période T est changée en son opposé par translation
d'une demi période, sa série de Fourier ne comporte que des harmoniques impaires.
4) Décroissance des coefficients de Fourier: Plus un signal est régulier, plus ses coefficients de Fourier

G. Debbache © 2018 1
tendent rapidement vers zéro à l'infini. Inversement, plus le signal périodique varie brutalement, plus
les harmoniques élevées jouent un rôle important dans sa SF.
Ce résultat a en pratique une conséquence très importante : si en théorie, le nombre des harmoniques est
infini, il suffit souvent en pratique de calculer seulement les premiers termes. La suite trigonométrique
ainsi obtenue donnera une approximation d'autant meilleure de x (t ) que l'amplitude des coefficients de
Fourier diminuera plus vite si le rang augmente.
5) Spectre de Fourier d'un signal x (t ) : Il est commode de représenter les séries an et bn par des
graphiques du type de la figure ci-contre, où l'on porte en abscisse le rang n de l'harmonique (ou sa
fréquence nf0 ) et on trace verticalement un segment de hauteur an ou bn , égale à l'amplitude de
l'harmonique.
Exemple 1: Soit le signal x (t ) de la fig.
x(t)
A

t
0 α/2 T

Figure
Comme x (t ) est pair alors bn = 0 . Calculons les autres coefficients:

1 T /2 1 a/2
a0 =
T ò -T / 2
x (t )dt =
T ò -a / 2
Adt
2 a/2 a
=
T ò 0
Adt =
T
A

De même:
2 a/2
an =
T ò -a / 2
A cos(2pnf0t )dt
2A a/2
= sin(2pnf0t ) -a / 2
2pnf0T
2A 2A a
= sin(pn a f0 ) = sin(pn )
pn pn T
2a A a 2a a
= sin(pn ) = A sinc(n )
T pn T a
T T T
Alors on peut écrire le signal comme
a a +¥
a
x (t ) = A + 2A å sinc(n )cos(2pnf0t )
T T n =-¥ T
Pour A = 2,T = 1 et a = 0.5 , nous avons tracer la série pour n = 1,10, 50, et 100 . On remarque que
plus le nombre de sinusoïdes augmente plus l'approximation du signal est bonne.

2 2

-1.0 -0.5 0.0 0.5 1.0


-1.0 -0.5 0.0 0.5 1.0

2 2

-1.0 -0.5 0.0 0.5 1.0 -1.0 -0.5 0.0 0.5 1.0

Exemple 2:

G. Debbache © 2018 2
x(t)
1
t
T
-1

Comme x (t ) est impaire :

an = 0 , "n
bn = 0 pour n paire et bn = 4
np pour n impaire.

La SF s'écrit :

4 é sin (6p f0t ) sin (10p f0t ) ù


x (t ) = êsin (2p f0t ) + + + ...ú
p ê 3 5 ú
ë û
Exemple 3:
x(t)
1

-T/2 T/2 t

-1

Comme x (t ) est pair:

bn = 0 , "n
an = 0 pour n pire et an = 8
[(2n +1)p ]
2 pour n impaire. La SF s'écrit :

8 é cos (6p f0t ) cos (10p f0t ) ù


x (t ) = êcos (2p f0t ) + + + ...ú
p2 ê 9 25 ú
ë û
3.3 Série de Fourier en cosinus
Le problème complet exige la connaissance des deux spectres an et bn , mais il convient de remarquer
qu'en prenant en compte la relation trigonométrique suivante :
æ æ b öö
a cos(x ) + b sin(x ) = a 2 + b 2 cos ççx + arctan çç- ÷÷÷÷÷÷
çè è a øø

On voit que le développement en série de Fourier ( ) peut également s'écrire:



x (t ) = A0 + åAn cos(2pnf0t + qn )
n =1

avec A0 = a 0 , An = an2 + bn2 et qn = - arctan(bn / an ) .

Cette série en cosinus est extrêmement importante car elle correspond à la description bien connue des
signaux en régime sinusoïdal où l'on représente un courant ou une tension par leur amplitude et leur phase.
D'un point de vue pratique, cela revient à considérer que le signal x (t ) est créé de manière équivalente par
une infinité de générateurs sinusoïdaux. La représentation spectrale qui lui est associée porte le nom de
spectre unilatéral.
Exemple
Une illustration en est donnée à la figure 5. On y voit les composantes (pour n = 0..15 ) des spectres
d'amplitude et de phase pour le signal rectangulaire de l'exemple 1. dans l'espace des fréquences.

G. Debbache © 2018 3
1 0

0.8

0.6

0.4

0.2 -π
0
0 5 10 15 0 5 10 15

Fig. 5: Spectres unilatéraux d'amplitude et de phase.

3.4 Série de Fourier complexe


Par l'utilisation des formules d'Euler, on peut montrer facilement que la SF peut être mise sous la forme
complexe donnée par:

x (t ) = åX e
n =-¥
n
j 2 pnf0t

où Xn sont les coefficients de la série de Fourier. On peut montrer que:

X 0 = a0

et

an - jbn
Xn =
2
an + jbn
X-n =
2
pour n = 1, 2,.. .

Les coefficients complexes sont donnés par

1
Xn =
T ò x (t )e - j 2 pnf0tdt
T

Nous remarquerons tout de suite que si:


1) x (t ) est pair bn = 0 alors Xn est réel.
2) x (t ) est impair an = 0 alors Xn est imaginaire.
La représentation spectrale graphique qui lui est associée porte le nom de spectre bilatéral. Pour la suite du
cours, on retiendra essentiellement cette description car elle est analytiquement plus intéressante que la
forme en cosinus.

Remarque : la formule d'Euler remplace les fonctions sinus et cosinus par des exponentielles à exposant
imaginaire appelées phaseurs. Ces phaseurs ne sont rien d'autres que des fonctions complexes oscillant
sinusoïdalement sur l'axe réel et sinusoïdalement sur l'axe imaginaire.
Comme X n est, en général un nombre complexe, on peut l'écrire sous forme polaire:

Xn = Xn Xn

où X n est l'amplitude et X n est la phase.

La description de x (t ) avec les fonctions complexes X ( jn ) exp ( j 2pnf0t ) conduit aux spectres
bilatéraux d'amplitudes et de phases ( X n | et X n ). Ici, les fréquences sont négatives et positives car n
varie de -¥ à +¥ .
Dans le cas des spectres bilatéraux, on notera que les spectres d'amplitudes sont toujours pairs car on a :

G. Debbache © 2018 4
An
Xn = X-n = ,n ¹ 0
2
Alors que les spectres de phases sont toujours impairs:
Xn =  - X-n = qn , n ¹ 0

Pour le cas particulier de la composante continue du signal, on a :

X 0 = A0
X 0 = 0 ou p

Si l'on tient compte des symétries du signal, le calcul des séries de Fourier est simplifié. On démontre en effet
aisément les propriétés suivantes:
- Un signal pair est représenté par des cosinus seulement; on a alors :

qn = 0, p Im [X n ] = 0

- Un signal impair est représenté par des sinus seulement ; on a alors :


p
qn =  Re [Xn ] = 0
2
Exemple
Pour l'exemple 1, on peut montrer que:
1 a/2 A a/2
Xn =
T ò -a / 2
Ae - j 2 pnf0tdt =
-j 2pnf0T
e - j 2 pnf0t -a / 2

A (e 0 - e )
j pnf a - j pnf0 a
A
= (e - j pnf0 a
-e j pnf0 a
)=
-j 2pn pn j2
A a A a a a
= sin(pnf0a) = sin(pn ) = A sinc(n )
pn T pn T a
T T T
Dans ce cas Xn sont réels x (t ) est pair ( bn = 0) , mais dans le cas général ce sont des complexes.

On remarque aussi que Xn = An / 2 = an / 2 .

La figure montre les spectres bilatéraux d'amplitude et de phase de l'exemple 1, pour T = 1, a = 0.5 et
A = 2.
1

0.8
π

0.6
0
0.4

0.2

0
-10 0 10 -10 0 10

Figure. Spectres bilatéraux de l'exemple 1.


Exemple:
Soit le signal x (t )
x(t)
A

t
α T

G. Debbache © 2018 5
Les coefficients de la série de Fourier sont:
1 a A a
Xn =
T ò 0
Ae - j 2 pnf0tdt =
-j 2pnf0T
e - j 2 pnf0t 0

- j pn a
A Ae T j pn Ta
=
-j 2pn
(e -j 2pnf0a - 1) =
j 2pn
(e -e T )
- j pn a

aA - j pn Ta a
= e sinc(n )
T T
Donc l'amplitude est:
aA a
Xn = sinc(n )
T T
et la phase est:
ì
ï-pn Ta si sinc(n Ta ) > 0
ï
ï
ï
X n = ï
í-pn Ta + p si n > 0 et sinc(n Ta ) < 0
ï
ï
ï
ï-pn Ta - p si n < 0 et sinc(n Ta ) < 0
ï
î
Pour T = 1, A = 2, a = 0.5 et a = 0.25 les spectres d'amplitude et de phase sont représentés sur les
fig. .
1 4

0.8
2
0.6
0
0.4
-2
0.2

0 -4
-15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15

figure a = 0.5
1 4

0.8
2
0.6
0
0.4
-2
0.2

0 -4
-15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15

Figure. a = 0.25

3.5 Propriétés
SF SF SF
1) Linéarité: Si x (t )  Xn et y(t ) Yn alors ax (t ) + by(t )  aXn + bYn .
SF SF
2) Décalage: Si x (t )  X n alors x (t - t 0 )  Xne - j 2 pnf0t0 . Les amplitudes restent inchangées, et les phases
deviennent Xn - 2pnf0t0 . À un décalage temporel correspond une phase variant linéairement avec
la fréquence.
SF SF
3) Rabattement: Si x (t )  X n alors x (-t )  X-n .

4) Échelonnement du temps: Si la fréquence de x (t ) et f0 alors la fréquence de x (at ) est af0 (la

G. Debbache © 2018 6
période T / a ). Les coefficients de la série de Fourier, mais leurs positions sont changées: af0 , 2 af0 , 3
af0 , ...
SF SF SF
5) Multiplication: Si x (t )  X n et y(t ) Yn alors x (t ).y(t )  ål+¥
=-¥XY
l k -l .

6) Symétrie: Si x (t ) est un signal réel alors; si x (t ) est pair donc Xn est réel. Si x (t ) est impair donc
Xn est imaginaire.
T
7) Si x (t ) = -x (t + ) , on dit alors que x(t) est impair-symétrique ou encore semi-symétrique, alors SF
2
ne contient que des harmoniques de rang impair : pour n ³ 1 a 0 = a 2n = b2n = 0 .

3.6 Relation de Bessel-Parseval


Dans de très nombreux contextes, la puissance moyenne transportée par un signal est proportionnelle au
carré de son amplitude: puissance électrique proportionnelle au carré du courant, puissance lumineuse
proportionnelle au carré du champ électrique, puissance cinétique proportionnelle au carré de la vitesse,
etc...
Cette égalité relie la valeur moyenne du carré du module de x(t) à ses coefficients de Fourier par:
1 T 1 +¥ 2
å (an + bn2 )
2
P=
T ò 0
x (t ) dt = a 02 +
2 n =1
1 +¥ 2 1 +¥
å + å (2 X n )
2 2
= A02 + An = X 0
2 n =1 2 n =1

å
2
= Xn = Pdc + Pac
n =-¥

Le théorème de Parseval exprime la façon dont la puissance correspondant au phénomène périodique décrit
par x(t) se répartit entre les différents harmoniques.
La puissance moyenne associée à une fonction périodique est égale à la somme des puissances moyennes
associées à chacune de ses composantes de Fourier.
1 +¥ 2
P = A02 + åAn
2 n =1
= Pdc + Pac
1 +¥
å (2 Xn
2
)
2
= X0 +
2 n =1

å
2
= Xn
n =-¥

Démonstration:

1 1 1
ò åX e
2
ò ò x (t )x *(t )dt = j 2 pnf0t
P= x (t ) dt = n x *(t )dt
T T T T T T
n =-¥
+¥ +¥ +¥
1
= å Xn åX X å
2
ò
* j 2 pnf0t *
x (t )e dt = n n = Xn
n =-¥ T T
n =-¥ n =-¥

Le spectre de puissance est la représentation de la distribution de la puissance du signal sur l'ensemble des
harmoniques. Pour le signal de l'exemple 1 le spectre de puissance est représenté sur la figure suivante.
1

0.8

0.6

0.4

0.2

0
-5 0 5

G. Debbache © 2018 7
Fig. : Spectre de puissance de l'exemple 1.

3. Transformée de Fourier (TF)


Définition
La TF est un outil mathématique pour passer de la représentation temporelle des signaux non périodiques à
la représentation fréquentielle, et vice versa.
On peut définir la TF comme étant la limite de la SF (c.-à-d, qu'on considère les signaux non périodiques
comme des signaux périodiques avec une période infinie.
On peut voir l'influence de la période T sur les spectres, plus T augmente plus les harmoniques se
rapprochent, jusqu'à devenir un spectre continu lorsque T  ¥.
1 0.2 0.1

0.8 0.08
0.15
0.6 0.06
0.1
0.4 0.04

0.05 0.02
0.2

0 0 0
-15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15

Figure. Spectre du signal de l'exemple 1, pour : T = 2, 5,10 .

Reprenant la SF

x (t ) = åX e
n =-¥
n
j 2 pnf0t

avec
1 T /2
Xn =
T ò -T / 2
x (t )e - j 2 pnf0tdt

soit
T /2
X (nf0 ) = f0 ò x (t )e - j 2 pnf0tdt
-T / 2

En remplaçant dans ( )
+¥ T /2
x (t ) = åf ò
n =-¥
0
-T / 2
x (t )e - j 2 pnf0tdte j 2 pnf0t

On a remarqué que lorsque T augmente les harmoniques se rapprochent de plus en plus. A limite, lorsque
T  ¥ le spectre devient continu. les fréquences nf0  f et f0  df ; et la sommation tend vers une
intégrale; on peut écrire:En remplaçant dans ( ), nous aurons
¥
é ¥ x (t )e - j 2 p ftdt ù X ( f )e j 2 p ftdf
x (t ) = ò -¥ ë ò -¥
ê úû

Ce qui est entre Crochets est noté


¥
X (f ) = ò -¥
x (t )e - j 2 p ftdt

est appelé TF, et

x (t ) = X ( f )e j 2 p ftdf
est appelé TF inverse.

G. Debbache © 2018 8
Comme X ( f ) est, en générale, complexe, on peut le représenté sous forme polaire

X ( f ) = X ( f ) X ( f )

On appelle spectre d'un signal x(t) l'ensemble des valeurs de f donnant une contribution non nulle à x(t). Il
s'agit à priori d'un spectre continu dans le cas où x(t) est non périodique, largeur Dw , alors qu'on a un
spectre discret pour les TF d'un signal périodique.

3.2 Condition d'existence


Pour qu'un signal non périodique x (t ) ait une TF , il doit satisfaire l'une des conditions suivantes
1) Énergie finie
¥ 2
ò -¥
x (t ) dt < ¥

2) Conditions de Dirichlet
a) Signal absolument intégrable
¥

ò -¥
x (t ) dt < ¥

b) Signal avec un nombre fini d'extremums sur un intervalle de temps fini.


c) signal avec un nombre fini de discontinuités sur un intervalle de temps fini, encore ces
discontinuités doivent être finies.
Exemple:
x(t)
A

t
−a/2 a/2

Soit le signal x (t ) = Areca (t ) , la TF est:


a /2 A é j p fa
X (f ) = ò Ae - j 2 p ftdt = e - e - j p fa ùû
-a / 2 j 2p f ë
= Aa sinc(af )

X ( f ) = Aa sinc(af ) et le spectre de phase (pour A = 1, a = 1) .

|X(f)|
1

0.75

0.5

0.25

0
-5 -2.5 0 2.5 5

L'allure du graphe de la fonction sinus cardinal montre que X ( f ) ne prend de valeurs notables que sur
un intervalle de fréquences Dw » 2p /a correspondant au pic central du graphe.

3.3 TF des signaux singuliers


1. Signe : On peut définir le signe comme : x (t ) = lima  0 e -a t sgn(t )

G. Debbache © 2018 9
¥
X (f ) = ò lim e -a t sgn(t )e - j 2 p ftdt
-¥ a  0
¥
= lim ò
a 0 0
(-eate -j 2p ft + e -ate -j 2p ft )dt
é -1 1 ù
= lim ê + ú
a  0 ê a - j 2p f a + j 2p f úû
ë
1
=
j pf

2. Constante: x (t ) = 1, qui peut être écrite comme: x (t ) = lima  0 e -a t


¥
X (f ) = ò lim e -a t e - j 2 p ftdt
-¥ a  0

¥ é 1 1 ù 1
= lim ò e ate - j 2 p ftdt + e -ate - j 2 p ftdt = lim ê + ú = lim 2
a  0 ê a - j 2p f ú 2
a 0 0
ë a + j 2p f û a  0 a + ( 2p f )
Nous avons deux cas:
f ¹ 0 alors X ( f ) = 0
f = 0 alors X ( f ) = ¥ . Calculons l'aire de ( ),
¥

ò -¥
X ( f )df = 1

D'où X ( f ) = d( f ) est une impulsion de Dirac.

3. Échelon: remarquons que : u(t ) = 1/ 2 + 1/ 2 sgn(t ) alors

1 1
TF [u(t )] = TF [1] + TF [ sgn(t )]
2 2
1 1
= d( f ) +
2 j 2p f
4. Impulsion de Dirac:
¥
TF [d(t )] = ò -¥
d (t )e - j 2 p ftdt = 1

4.4 TF des signaux périodiques


Pour calculer les TF des signaux périodiques on peut exploiter leurs représentation on SF. Soit le signal
périodique x (t ) de période T ( f0 = 1/T ) , alors
¥ ¥ +¥
X (f ) = ò -¥
x (t )e - j 2 p ftdt = ò -¥
åX e
n =-¥
n
j 2 pnf0t - j 2 p ft
e dt
+¥ ¥ +¥ ¥ +¥
= å Xn ò
n =-¥

e j 2 pnf0te - j 2 p ftdt = å Xn ò
n =-¥

e - j 2 p( f -nf0 )tdt = å X d(f - nf )
n =-¥
n 0

Exemple:
Soit le signal x (t ) = 8 cos(2p f0t ) . Sans calcul on a:

e j 2 p f0t + e - j 2 p f0t
x (t ) = 8 = 4e j 2 p f0t + 4e - j 2 p f0t
2
Donc les coefficients de la SF X1 = 4 et X -1 = 4 , les autres sont nuls. Remplaçons dans ( ), nous auront

X (f ) = å X d(f - nf ) = 4d(f - f ) + 4d(f + f )
n =-¥
n 0 0 0

G. Debbache © 2018 10
Refaire le calcul avec le signal de l'exemple 1.

4.5 Propriétés
1) Linéarité; TF [ax 1(t ) + bx 2 (t )] = aX1( f ) + bX 2 ( f )

2) Symétrie: si TF [x (t )] = X ( f ) alors TF [x (-t )] = X (-f ), soit le même module X (-f ) = X ( f ) et la


phase est inversée.
3) Si x (t ) est pair alors X ( f ) est réelle est paire. Si x (t ) est impair alors X ( f ) est imaginaire est
impaire.
Exemple: Soit le signal pair x (t ) = rec2 (t ) alors la TF est:
1 1 1
X (f ) = ò -1
1.e - j 2 p ftdt = -j 2pf
e - j 2 p ft -1 = 2 sin c(2 f )

Exemple: Soit le signal impaire x (t ) = -rec1(t + 1/ 2) + rec1(t - 1/ 2) ,


1 0 1
X (f ) = ò -1
x (t ).e - j 2 p ftdt = ò -1
(-1).e - j 2 p ftdt + ò 1.e - j 2 p ftdt
0

1 é - j 2 p ft 0 ù = 1 é-2 + e j 2 p f + e - j 2 p f ù
- j 2 p ft 1
= -j 2p fêë-e -1
+e 0 úû -j 2pf ë û
1 -j
= j 2 p f [2 - 2 cos(2p f )] = 2 p f [2 - 2 cos(2p f )]

4) Décalage: si TF [x (t )] = X ( f ) alors TF [x (t - t 0 )] = X ( f )e - j 2 p ft0

Exemple: on a vu que TF [rec2 (t )] = 2 sin c(2 f ) alors

TF [rec2 (t - 2)] = 2 sin c(2 f )e - j 2 p f 2

5) TF [x (t )] = X ( f ) alors TF [x (at )] = 1
a X ( f / a) .

preuve, nous avons deux cas a > 0 ( a = a ). On pose a t = l alors dt = dl / a remplaçant


dans ( ),
1 ¥ f
TF [x (at )] =
a ò -¥
x (l)e - j 2 p a ld l

Pour a < 0 ( a = - a ), nous avons - a t = l alors dt = -dl / a remplaçant dans ( ),

-1 ¥ -f
TF [x (at )] = ò
a -¥
x (l)e - j 2 p a ld l

6) Dérivée: si TF [x (t )] = X ( f ) alors TF éêx (t )ùú = j 2p fX ( f )


.
ë û
Preuve:
dx (t ) - j 2 p ft
¥
TF éëêx (t )ùûú =
.
ò
-¥ dt
e dt =
¥ dx (t )
=ò e - j 2 p ftdt
-¥ dt

dx (t ) - j 2 p ft ¥
= e + j 2p f ò x (t )e - j 2 p ftdt
dt -¥

Si x (t ) est absolument intégrable alors limt ¥ x (t ) = 0 alors


¥
TF éêëx (t )ùúû = j 2p f ò
.
x (t )e - j 2 p ftdt = j 2p fX ( f )

G. Debbache © 2018 11
On peut généraliser pour trouver

TF éëêx (n )(t )ùûú = ( j 2p f ) X ( f )


n

7) Intégration: Si y(t ) = ò x (v )dv alors

X (f ) 1
Y (f ) = + d( f )X (0)
j 2p f 2
 n
X (f )
Si X (0) = 0 alors le deuxième terme est absent. En général, si y(t ) = ò ..ò x (v )dv alors Y ( f ) = n
( j 2p f )
¥
8) Convolution: x 1(t ) * x 2 (t ) = ò -¥x 1(l)x 2 (t - l)d l , alors

TF [x 1(t ) * x 2 (t )] = X1( f )X 2 ( f )
Preuve:
¥ ¥
TF [x 1(t ) * x 2 (t )] = ò ò -¥ -¥
x 1(l)x 2 (t - l)d le - j 2 p ftdt
¥
é ¥ x (t - l)e - j 2 p ftdt ù d l
TF [x 1(t ) * x 2 (t )] = ò -¥ êë ò -¥ 2
x 1 (l ) úû
¥ ¥
= ò -¥
x 1(l)X 2 ( f )e - j 2 p f ld l = X 2 ( f )ò

x 1(l)e - j 2 p f ld l = X1( f )X 2 ( f )

9) Dualité : si TF [x (t )] = X ( f ) , alors TF [X (t )] = x (-f ) . On démontrer cette propriété, on remplaçant t


par f et vice versa, ce qui donne,
¥

ò -¥
X (t )e j 2 p ftdt = x (-f )

Exemple: Soit le signal x (t ) = Areca (t ) , la TF est: X ( f ) = Aa sinc(af ). D'un autre coté soit
X (t ) = Aa sinc(at ) alors TF: x ( f ) = Areca (-f ) .
On a montré que la TF peut être écrite sous forme d'amplitude et de phase.
Exemple: Soit x (t ) = e -atu(t ) avec a > 0 , alors la TF est
+¥ +¥ 1
X (f ) = ò 0
e -ate - j 2 p ftdt = ò 0
e -(a + j 2 p f )tdt =
a + j 2p f
alors l'amplitude et la phase sont:
1
X (f ) = 2
a 2 + ( 2p f )
æ 2p f ö÷
X ( f ) = - arctan çç
è a ÷÷ø
X (f ) X ( f )
1.0
1
0.5

-4 -2 2 4
f
-4 -2 0 2 4 -1
f

G. Debbache © 2018 12

Vous aimerez peut-être aussi