Vous êtes sur la page 1sur 54

Transformée de Fourier

à temps continu
Hugues GARNIER

hugues.garnier@univ-lorraine.fr

TdS 1 H. Garnier
Organisation de l’UE de TdS
I.  Introduction

II. Analyse et traitement de signaux déterministes


–  Analyse de Fourier de signaux analogiques
•  Signaux à temps continu
•  Décomposition en série de Fourier
•  Transformée de Fourier à temps continu
–  De l’analogique au numérique
–  Analyse de Fourier de signaux numériques

III. Filtrage des signaux

IV. Analyse et traitement de signaux aléatoires

TdS 2 H. Garnier
Objectifs à l’issue du cours sur la TFtc

•  Etre capable de :
–  déterminer la transformée de Fourier à temps continu d’un
signal quelconque (périodique ou non)

–  d’en déduire les tracés des spectres d’amplitude et de phase

–  d’en déduire les tracés des densités spectrales d’énergie ou de


puissance

–  de savoir exploiter les principales propriétés de la TFtc

–  d’interpréter les spectres en déduisant, par exemple, la bande


de fréquences utilisée par le signal

TdS 3 H. Garnier
Introduction
•  L’observation d’un signal dans le domaine temporel est
souvent insuffisante pour réaliser l’analyse du signal
ð Analyse dans le domaine fréquentiel
•  Dans le cas de signaux périodiques à temps continu, la
décomposition en série de Fourier permet de déduire une
représentation fréquentielle

•  Comment obtenir la représentation fréquentielle de signaux


déterministes quelconques (non périodiques) ?
Nouvel outil mathématique :
la Transformée de Fourier à temps continu

TdS 4 H. Garnier
Définitions
•  Transformée de Fourier à temps continu (TFtc)
–  Soit un signal à temps continu s(t) (non périodique)
+∞
S(f)=F s(t) =
( ) ∫ s(t) e− j2π ft dt
−∞

–  S(f) est la TFtc de s(t) ou encore le spectre de s(t)


–  La variable continue f représente la fréquence en Hz

•  Transformée de Fourier inverse à temps continu


Connaissant S(f), on peut revenir au signal s(t) à l'aide de la
transformée de Fourier inverse à temps continu définie par :
+∞
j 2 π ft
s(t ) = F −1 S( f ) =
( ) ∫ S( f ) e df
−∞

TdS 5 H. Garnier
Existence de la TFtc d’un signal

•  Pour que l’intégrale impropre de la définition de la TFtc existe, il


faut et il suffit que s(t) soit à support bornée (existence de durée
finie) :
+∞
∫ −∞
s(t ) dt < ∞

•  Tous les signaux physiquement mesurés, qui ont une énergie finie,
ont donc une TFtc s( t )
2
Surface E (T)
s

+∞ 2
Es = ∫ −∞
s(t ) dt P (T)
s

0 T t

•  En faisant appel à la théorie des distributions, on verra que tous les


signaux idéalisés : impulsion et peigne de Dirac, échelon, signaux
périodiques, … , possèdent également une TFtc.

TdS 6 H. Garnier
Spectres d’amplitude et de phase
A partir de la relation : e− j 2 π ft = cos(2 π ft ) − j sin(2 π ft )
+∞ +∞ +∞
− j 2 π ft
S( f ) = ∫ s(t )e dt = ∫ s(t )cos( 2π ft )dt + j ∫ −s(t ) sin( 2π ft )dt
−∞ −∞ −∞
( )
= Re S( f ) + j Im S( f ) ( )
S(f) est, en général, une fonction à valeurs complexes. La TFtc d’un
signal peut s’écrire sous une forme exponentielle :

S(f) = S(f) e jϕ ( f )

2 2
Spectre d’amplitude (
S( f ) = Re S( f ) ) ( )
+ Im S( f )
⎛ Im S( f ) ⎞
Spectre de phase ϕ ( f ) = Arg (S( f )) = Arc tan ⎜
( )⎟
⎜ Re (S( f )) ⎟
⎝ ⎠

TdS 7 H. Garnier
Propriétés des spectres d’amplitude et de phase

•  |S(f)| et ϕ(f) sont des fonctions de la variable f s'étendant


de -∞ à +∞ :
–  on parle de spectres bilatéraux

•  |S(f)| et ϕ(f) sont des fonctions de la variable continue f :


–  on parle de spectres continus (en opposition avec les spectres
de raies dans le cas de signaux périodiques)

•  Si s(t) est à valeurs réelles :


–  |S(f)| est pair

–  ϕ(f) est impair

TdS 8 H. Garnier
Exemple : TFtc d’un signal causal à décroissance
exponentielle
Domaine temporel Domaine fréquentiel

−αt 1
s(t ) = e u(t ) α > 0 S( f ) =
j2 π f + α

1 S(f)
1
α S( f ) =
2
e −αt
u(t) α>0 ici ( 2π f ) + α2
1

0 f

0 t
⎛ 2π f ⎞
ϕ(f) ϕ ( f ) = −Arc tan ⎜ ⎟
π ⎝ α ⎠
2

0
π
f

2

TdS 9 H. Garnier
Propriétés de la transformée de Fourier
Si la transformée de Fourier est devenue un outil privilégié pour
l'analyse d'un signal, c'est en grande partie à ses propriétés
mathématiques qu'elle le doit

•  Linéarité
F (ax(t) + by(t)) = a X(f)+b Y(f)

–  Cette propriété est fondamentale

–  Attention : toutes les transformées ou opérations ne possèdent


pas cette propriété !
Exemple le plus connu : X(f) +Y(f) ≠ X(f) + Y(f)

TdS 10 H. Garnier
Propriétés de la transformée de Fourier

•  Homothétie ou facteur d’échelle (a>0)

1 ⎛f ⎞
F x(at) =
( ) X⎜ ⎟
a ⎝a⎠

–  Si a>1, x(at) est compressé sur l’axe des temps par rapport à x(t) et
ses spectres d’amplitude et de phase sont dilatés par rapport à
ceux de x(t)
–  Si a<1, x(at) est dilaté sur l’axe des temps par rapport à x(t) et ses
spectres d’amplitude et de phase sont compressés par rapport à
ceux de x(t)
voir exemples plus loin

TdS 11 H. Garnier
Propriétés de la transformée de Fourier
•  Théorème du retard

F ( x(t-to )) = e− j2π tof X(f)

− j 2 π t0 f
( )
F x(t − t0 ) = X ( f ) car e =1

( ( )) ( )
Arg F x(t − t0 ) = −2 π tof + Arg X ( f )

Une translation temporelle d’un signal ne modifie pas le spectre


d’amplitude mais seulement le spectre de phase du signal
voir exemple plus loin

TdS 12 H. Garnier
Propriétés de la transformée de Fourier

•  Théorème de convolution
+∞
F ( x(t)*y(t)) = X(f) ×Y(f) x(t)*y(t)=
. ∫ x(τ ) y(t − τ )dτ
-∞
A un produit de convolution dans le domaine temporel correspond
un produit simple dans le domaine fréquentiel

Dualité temps-fréquence
F ( x(t) × y(t)) = X(f)*Y(f)

A un produit simple dans le domaine temporel correspond un


produit de convolution dans le domaine fréquentiel
•  Théorème très utile : échantillonnage, modulation d’amplitude,…

TdS 13 H. Garnier
Propriétés de la transformée de Fourier

•  Théorème de modulation
⎛ j 2 π fot ⎞
F ⎜ x(t )e ⎟ = X ( f − fo )
⎛ ⎞ ⎝ ⎠
F ⎜ x(t) × e j2π fot ⎟ = X (f-fo )
⎝ ⎠ ⎛ ⎛ j 2 π fot ⎞⎞
Arg ⎜ F ⎜ x(t )e
⎝ ⎝
( )
⎟⎟ = Arg X ( f − fo )
⎠⎠
La multiplication d’un signal par une fonction exponentielle
complexe de fréquence fo ne modifie pas l’allure des spectres
d’amplitude et de phase du signal  ; ceux-ci sont simplement
translatés de fo sur l’axe des fréquences

Théorème très utile dans le cadre des télécoms: modulation d’amplitude

TdS 14 H. Garnier
Propriétés de la transformée de Fourier

•  Intégration par rapport au temps

⎛ t ⎞
X(f)
F ⎜⎜ x( τ )d τ ⎟⎟ =
∫ j2π f
⎝ -∞ ⎠

•  Dérivation par rapport au temps

⎛ n ⎞
d x(t) n
F ⎜⎜ n ⎟
⎟= ( j2π f ) X(f)
⎝ dt ⎠

TdS 15 H. Garnier
Classification énergétique des signaux
à temps continu

Signaux à temps continu

Energie finie Energie infinie

Puissance moyenne Puissance moyenne Puissance moyenne


nulle finie (non nulle) infinie

Signaux physiquement Echelon, constante, Signaux divergents


mesurés ou transitoires Signaux périodiques, ... dans le temps

TdS 16 H. Garnier
Transformée de Fourier
de signaux à énergie finie
•  Les signaux à énergie finie satisfont  :
2
s( t ) Surface E (T)
s

+∞ 2
Es = ∫ −∞ s(t ) dt P (T)
s

0 T t

Cette condition implique que ces signaux sont à support borné (existence
de durée finie)

•  Tout signal à énergie finie possède donc une transformée de


Fourier qui peut s’écrire sous une forme exponentielle :
+∞
S(f)= ∫ s(t) e− j2π ft dt = S( f ) e jϕ ( f )
−∞

spectre d’amplitude S( f )

spectre de phase ϕ ( f ) = Arg (S( f ))

TdS 17 H. Garnier
Exemple : TFtc d’une fenêtre rectangulaire

Domaine temporel Domaine fréquentiel


⎛t ⎞
s(t ) = Arect ⎜ ⎟ S( f ) = ATsinc( fT )
⎝T ⎠
S(f)
IATI
⎛t ⎞
A Rect⎜T(t)⎟
Arect S( f ) = AT sinc( fT )
⎝T ⎠
A
-2 -1 1 2
0 f
T T T T

ϕ(f)
-T
2
0 T
2 t ϕ ( f ) = Arg (sinc( fT ))
π 1 2
T T
-2 -1 0
T T -π f

TdS 18 H. Garnier
Illustration du théorème du retard : TFtc d’une
fenêtre rectangulaire retardée
Domaine temporel Domaine fréquentiel
⎛t ⎞ − j 2 π t0 f
x(t ) = Arect ⎜ ⎟
⎝T ⎠
(
F x(t − t0 ) = e ) X(f )
y(t ) = x(t − to ) − j 2 π to f
X ( f ) = ATsinc( fT ) Y(f ) = e X(f )
⎛t − t ⎞ X(f) = Y(f)
= Arect ⎜⎜ o⎟

⎝ T ⎠ IATI
Y(f ) = X(f )

x(t) y(t) -2 -1
0 1 2
f
A T T T T

Arg(Y(f))

-T T T to t + T
( )
Arg Y ( f ) = −2 π tof + Arg X ( f ) ( )
0 to-
2 2 2
o
2 t π 1
T
2
T Arg(X(f))

-2 -1 0
T T -π f

TdS 19 H. Garnier
Illustration du théorème de modulation : TFtc du produit d’une
fenêtre rectangulaire par une exponentielle complexe
Domaine temporel Domaine fréquentiel
⎛t ⎞
x(t ) = Arect ⎜ ⎟ ⎛ j 2 π f0 t ⎞
F ⎜ x(t )e ⎟ = X ( f − f0 )
⎝T ⎠ ⎝ ⎠
j 2 π fot
y(t ) = x(t ) × e
X ( f ) = ATsinc( fT ) Y ( f ) = X f − fo( )
x ( t ) = y( t )
X(f) Y(f) = X(f-fo)
A IATI

-T 0 T
2 2 t
-2 -1 1 2
0 fo- 1 fo fo+ 1 f
Arg(y( t ) ) = 2πf o t + Arg(x ( t ) ) T T T T T T

Arg ( y ( t )) = 2 πf o t Arg (Y(f))=Arg(X(f-fo))


π 1 2
T T fo+ T1
Arg ( x ( t )) = 0
-2 -1 0 fo- 1 fo
0 T T -π T
f
t Arg(X(f))

TdS 20 H. Garnier
Illustration de la propriété de facteur d’échelle
Domaine temporel Domaine fréquentiel
1 ⎛f ⎞
x(t)=A
x(t
⎛t ⎞
rect T⎜ (t)⎟
) = Arect
( )
F x(at ) = X ⎜ ⎟
a ⎝ a ⎠ IX(f) I IATI
⎝T ⎠
A

-T
0 T
t -2 -1 0 1 2
2 2
⎛ ⎞ T T T T f
⎜t ⎟
y(t ) = Arect ⎜ ⎟
y(t)=A rectT/2⎜⎜ T(t)⎟⎟
y(t ) = x( 2t ) I Y(f) I 1 ⎛f ⎞
p ress
ion
⎝2⎠ dila
tati
on AT
Y(f ) = X⎜ ⎟
com A 2 2 ⎝2 ⎠

-T T -4 -2 2 4
4
0 t 0 f
4 T T T T

⎛t ⎞ IZ(f)I
dila
ta t io n ⎛ t ⎞
z(t ) = Arect ⎜ ⎟ z(t ) = x ⎜ ⎟ 2 IATI
sion
z(t)=A rect 2T⎝ 2T
(t) ⎠ ⎝2 ⎠ com
pres ( )
Z( f ) = 2 X 2f
A

-T 0 T t -2 -1 1 2
0 f
T T T T

TdS 21 H. Garnier
Densité temporelle d’énergie

•  L’énergie d’un signal est définie par :


+∞
2
ES = ∫ s(t ) dt
−∞
2
•  La fonction s(t ) caractérise la répartition de l’énergie dans le
temps, c’est une densité temporelle d’énergie.
2
s( t ) Surface E (T)
s

P (T)
s

0 T t

TdS 22 H. Garnier
Densité Spectrale d’Energie (DSE)
•  Par analogie avec la densité temporelle d’énergie, on définit la
densité spectrale d’énergie (DSE) d’un signal à énergie finie par :
+∞
ΦS ( f ) = F (φss ( τ )) = ∫ φss ( τ )e− j 2 π f τ d τ
−∞

avec φss ( τ ) la fonction d’autocorrélation du signal à énergie finie :


+∞
*
φss ( τ ) = ∫ s (t ) s(t + τ )dt
−∞
La DSE d’un signal à énergie finie est par définition la transformée
de Fourier de la fonction d’auto-corrélation du signal

•  On montre que dans le cas d’un signal à énergie finie :


2
ΦS ( f ) = S( f )

TdS 23 H. Garnier
DSE d’un signal causal
à décroissance exponentielle
Domaine temporel Domaine fréquentiel
1 2
S( f ) = ΦS ( f ) = S( f )
s(t ) = e −αt
u(t ) α > 0 j2 π f + α

1 S(f)
α 1
S( f ) =
2
1 ( 2π f ) + α2

0 f
0 t Φ s (f )
1
α2 1
Φs ( f ) =
2
( 2π f ) + α2

0 f

TdS 24 H. Garnier
Exemple : DSE d’une fenêtre rectangulaire

Domaine temporel Domaine fréquentiel


⎛t ⎞ 2
s(t ) = Arect ⎜ ⎟ S( f ) = ATsinc( fT ) ΦS ( f ) = S( f )
⎝T ⎠
S(f)
IATI
A ⎛t ⎞ S( f ) = AT sinc( fT )
Arect ⎜T(t)⎟
Rect
⎝T ⎠
A
-2 -1 1 2
0 f
T T T T

( AT )
2 Φ s (f )
-T
0 T
t 2
Φs ( f ) = ( AT ) sinc 2 (Tf )
2 2

-2 -1 1 2
0 f
T T T T

TdS 25 H. Garnier
Identité de Parseval
•  Soit un signal à énergie finie, Parseval a montré l’identité :
+∞ +∞ +∞
Es = ∫ s(t ) 2 dt = ∫ Φs ( f )df = ∫ S( f ) 2 df
−∞ −∞ −∞

•  Elle montre que l’énergie totale du signal peut se calculer soit en


intégrant la distribution temporelle s(t ) 2 , soit en intégrant sa
2
distribution fréquentielle ΦS ( f ) = S( f )
⎛t ⎞
A
s(t )Rect
= Arect(t)
⎜ ⎟
T ⎝T ⎠
+∞ ( AT )
2 Φ s (f )
Es = ∫ s(t) 2 dt =A2T +∞
A ∫ T sin c 2
(Tf )df = 1
−∞ −∞

+∞
2
-T
2
0 T
2 t Es =
∫ Φ (f)df = A T
s
-2
T
-1
T
0 1
T
2
T
f
−∞

TdS 26 H. Garnier
Classification énergétique des signaux
à temps continu

Signaux à temps continu

Energie finie Energie infinie

Puissance moyenne Puissance moyenne Puissance moyenne


nulle finie (non nulle) infinie

Signaux physiquement Echelon, constante, Signaux divergents


mesurés ou transitoires Signaux périodiques, ... dans le temps

TdS 27 H. Garnier
Transformée de Fourier
de signaux à puissance moyenne finie
•  Les signaux à puissance moyenne finie (énergie infinie) satisfont :

1 T/2 2
0 < Ps = lim
T →+∞ T
∫ −T / 2
s(t ) dt < ∞

•  Ils constituent une idéalisation qui permet de modéliser les signaux


comme une constante, un échelon ou les signaux périodiques

•  Les signaux à puissance moyenne finie ne satisfont pas les critères


habituels d’existence de l’intégrale de Fourier

•  La définition de la transformée de Fourier de signaux à puissance


moyenne finie fait appel à l’utilisation de l’impulsion de Dirac

TdS 28 H. Garnier
Transformée de Fourier
de l’impulsion de Dirac
•  D’après la propriété d’échantillonnage de l’impulsion de Dirac :
+∞

∫ δ(t )s(t − t o )dt = s(t )


t=to
= s(to )
−∞
+∞
δ ( f ) = F (δ (t )) = ∫ δ (t )e− j 2 π ft dt = e− j 2 π ft =1
t=to =0
−∞

δ(t) δ (f)

1 (
F δ (t ) = 1 ) 1

0 t 0 f

TdS 29 H. Garnier
Transformée de Fourier
d’une fonction exponentielle complexe
•  TFtc d’une impulsion de Dirac retardée :
− j 2 π t0 f
( )
F x(t − t0 ) = e X(f ) théorème du retard
− j 2π t f − j 2π t f
F (δ (t − to )) = e o δ( f ) = e δ( f ) = 1
o

− j 2 π tof
(
F δ (t − to ) = e )
•  De la dualité temps-fréquence : 
⎛ j 2 π fot ⎞
F ⎜e ⎟ = δ ( f − fo )
⎝ ⎠

()
si fo = 0 F 1 = δ ( f )

TdS 30 H. Garnier
Transformée de Fourier
d’une constante
⎛ j 2 π fot ⎞
F ⎜Ce ⎟ = Cδ ( f − fo )
s(t ) = C ∀t ⎝ ⎠
( )
si fo = 0 F C = Cδ ( f )

s(t) S(
S(f)f ) = C δ ( f )
C
C

0 t 0 f

•  Un signal constant peut être considéré comme la valeur moyenne


temporelle d’un signal
T
1
s = lim
T →∞ T
∫ −
2 s(t )dt
T
F( s ) = s δ ( f )
2

TdS 31 H. Garnier
Illustration de la dualité temps-fréquence

s(t) S(f)
C S( f ) = C δ ( f )
C

0 t 0 f

δ (t) δ (f)

1
( )
F δ (t ) = 1 1

0 t 0 f

TdS 32 H. Garnier
TFtc des signaux à puissance moyenne finie
• Tout signal à puissance moyenne finie s(t) peut s’écrire :
s(t ) = s + so (t )

Propriété de linéarité ( )
F s(t ) = F( s ) + F so (t ) ( )
⎛ ds (t ) ⎞
Propriété de dérivation F ⎜⎜ o ⎟⎟ = j2 π f F so (t )
( )
⎝ dt ⎠
1 ⎛ ds (t ) ⎞
(
F so (t ) =) F ⎜⎜ o ⎟⎟ F( s ) = s δ ( f )
j2 π f ⎝ dt ⎠
• La TFtc d’un signal à puissance moyenne finie peut toujours s’écrire :

1 ⎛ ds (t ) ⎞
( )
F s(t ) = s δ ( f ) + F ⎜⎜ o ⎟⎟
j2 π f ⎝ dt ⎠

TdS 33 H. Garnier
Transformée de Fourier
d’un échelon
1 ⎛ ds (t ) ⎞
s(t ) = s + so (t ) ( )
F s(t ) = s δ ( f ) + F ⎜⎜ o ⎟⎟
j2 π f ⎝ dt ⎠
1 1
u(t ) = + sgn(t )
2 2
1
s=
2
1 dso (t ) 1 1
so (t ) = sgn(t ) et
2 dt
= δ (t ) (
F u(t ) =) 2
δ( f ) +
j2 π f
| U (f ) |

u (t)
1

1
0.5

t 0 1
0 f

TdS 34 H. Garnier
Densité Spectrale de Puissance (DSP)
•  Par analogie avec la densité spectrale d’énergie (DSE), la densité spectrale
de puissance (DSP) d’un signal à puissance moyenne finie est définie par :
+∞
ΦS ( f ) = F (φss ( τ )) = ∫ φss ( τ )e− j 2 π f τ d τ
−∞

avec φss ( τ ) la fonction d’auto-corrélation du signal à puissance moyenne


finie définie par : T/2
1
φss ( τ ) = lim ∫ s* (t ) s(t + τ )dt
T →∞ T
−T / 2

La DSP d’un signal à puissance moyenne finie est par définition la


transformée de Fourier de la fonction d’auto-corrélation

•  Attention ! Dans le cas d’un signal à puissance moyenne finie


2
ΦS ( f ) ≠ S( f )

TdS 35 H. Garnier
Identité de Parseval
•  Soit un signal à puissance moyenne finie, Parseval a montré
l’identité :
T/2 +∞
1
Ps = lim ∫ s(t ) 2 dt = ∫ Φ ( f )df
s
T →∞ T
−T / 2 −∞

•  Elle montre que la puissance moyenne du signal peut se calculer


soit en intégrant la distribution temporelle s(t ) 2, soit en intégrant
sa distribution fréquentielle ΦS ( f )

TdS 36 H. Garnier
Transformée de Fourier
de signaux périodiques
• Signaux périodiques (puissance moyenne finie)
– possèdent un développement en série de Fourier
+∞
j 2 π nfot
s(t ) = ∑ cne
n=−∞
+∞
⎛ j 2 π nfot ⎞
S( f ) = ∑ (
cn δ f − nfo ) F ⎜e

⎟ = δ ( f − nfo )

n=−∞

– La TFtc d’un signal périodique est donc une somme d’impulsions
de Dirac régulièrement espacées de fo pondérées par les
coefficients de Fourier cn du signal

TdS 37 H. Garnier
Spectres d’amplitude et de phase
de signaux périodiques par TFtc
•  Par convention, le module et l’argument de la transformée de Fourier
d’un signal périodique sont définis par  
+∞
ϕ ( f ) = Arg (cn )
S( f ) = ∑ (
cn δ f − nfo ) f =nfo
n=−∞

•  Spectres d’amplitude et de phase d’un signal périodique obtenus par :


–  TFtc : impulsions de Dirac
–  décomposition en série de Fourier : simples raies

•  On parle néanmoins dans les deux cas de spectres de raies


caractéristiques de signaux périodiques à temps continu

TdS 38 H. Garnier
Exemple: spectres d’un signal co-sinusoïdal

j 2 π f0 t − j 2 π f0 t
e +e
s(t ) = Acos( 2 π f0 t ) = A
2

A ⎛ j 2 π f0t ⎞ A ⎛ − j 2 π f0t ⎞
S( f ) = F ⎜e ⎟ + F ⎜e ⎟
2 ⎝ ⎠ 2 ⎝ ⎠

A A ⎛ j 2 π fot ⎞
F ⎜e ⎟ = δ ( f − fo )
S( f ) = δ ( f + f0 ) + δ ( f − f0 ) ⎝ ⎠
2 2

( )
S( f ) = c−1 δ f + fo + c1 δ f − fo ( )
A A
c−1 = et c1 =
2 2

TdS 39 H. Garnier
Spectres d’un signal co-sinusoïdal
Domaine temporel Domaine fréquentiel

s(t ) = Acos( 2 π f0 t ) A A
S( f ) = δ ( f + f0 ) + δ ( f − f0 )
2 2

IS(f) I
A A
2 2
s(t)

-fo fo f
0 To t Arg(S(f))

-fo fo f

TdS 40 H. Garnier
spectres d’un signal sinusoïdal
Domaine temporel Domaine fréquentiel

s(t ) = Asin( 2 π f0 t ) A A
S( f ) = jδ ( f + f0 ) − jδ ( f − f0 )
2 2

IS(f) I
A A
2 2
s(t)

-fo fo f
0 To t
π
2
Arg(S(f))

-fo fo f

2

TdS 41 H. Garnier
TFtc du produit d’un signal périodique
par un signal à énergie finie
•  Soit le signal z(t) résultant de la multiplication d’un signal
périodique x(t) de fréquence fo par un signal à énergie finie y(t) :

z(t) = x(t)×y(t) z(t) est aussi un signal à énergie finie

•  D ’après les propriétés de la TFtc :


+∞
Z(f) = F(x(t)×y(t))=X(f) * Y(f) X(f ) = ∑ c δ (f − nf )
n o
n=−∞
+∞ +∞
Z( f ) = ∑ c δ (f − nf ) * Y ( f ) = ∑ c Y (f − nf )
n o n o δ ( f − nfo )* S( f ) = S( f − nfo )
n=−∞ n=−∞

Le résultat est une combinaison linéaire de versions du spectre


de y(t), décalées par pas régulier de fo sur l’axe des fréquences

TdS 42 H. Garnier
TFtc du produit d’un signal co-sinusoïdal
par un signal à énergie finie
Domaine temporel Domaine fréquentiel
Y(f)
1 e − αt Γ ( t ) 1
α

0 t
0 f
x ( t ) = A cos(2πf 0 t ) IX(f)I
x(t) A A
2 2

0 To t -f o fo f

A Z(f)
z(t) 2α

A z(t) = x(t)×y(t) Z( f ) = X ( f )* Y ( f )

0 t -f o 0 fo f
A A
Z( f ) = Y ( f − fo ) + Y ( f + fo )
2 2

TdS 43 H. Garnier
Transformée de Fourier
d'un peigne de Dirac
Domaine temporel Domaine fréquentiel
+∞ +∞
1 ⎛ k ⎞
δT (t ) =
e
∑ δ (t − kTe ) (
F δT (t ) =
e
) ∑ δ ⎜⎜ f − ⎟⎟
T ⎝ Te ⎠
k=−∞ k=−∞ e
= ...+ δ (t +Te ) + δ (t ) + δ (t −Te ) + ...
+∞
1
(
F δT (t ) =
e
) ∑ Te
δ ( f − k fe )
k=−∞

δ T e (t) (
F δ Te ( t ) )
1
1 Te

1
0 Te t 0 fe =
Te f

TdS 44 H. Garnier
Densité Spectrale de Puissance
d’un signal périodique
•  La densité spectrale de puissance d’un signal à puissance moyenne finie est par
définition la transformée de Fourier de la fonction d’auto-corrélation du signal
+∞
ΦS ( f ) = F (φss ( τ )) = ∫ φss ( τ )e− j 2 π f τ d τ
−∞

avec φss ( τ ) la fonction d’auto-corrélation du signal périodique définie par :


To / 2 +∞
1 2 j 2 π nτ f
φss ( τ ) = ∫ s* (t ) s(t + τ )dt φss ( τ ) = ∑c e o
To n
−To / 2 n=−∞

Dans le cas d’un signal périodique :


+∞
2
ΦS ( f ) = ∑ cn δ (f − nfo )
n=−∞

TdS 45 H. Garnier
DSP de signaux sinusoïdaux
s(t ) = Acos( 2 π f0 t )

+∞ +∞
2
S( f ) = ∑ c δ (f − nf )
n o
ΦS ( f ) = ∑ cn δ (f − nfo )
n=−∞
n=−∞

A A A2 A2
S(f ) = δ (f − f0 ) + δ (f + f0 ) ΦS ( f ) = δ ( f − f0 ) + δ ( f + f0 )
2 2 4 4

IS(f) I
A A Φ S (f )
2 2
A2
4

-fo fo f -fo fo f
Spectre d’amplitude Densité spectrale de puissance

TdS 46 H. Garnier
Identité de Parseval
Cas des signaux périodiques
•  Soit un signal périodique de période To, Parseval a montré
l’identité :
To / 2 +∞ +∞
1 2 2
Ps =
To ∫ s(t ) dt = ∫ Φ ( f )df = ∑ c
s n
−To / 2 −∞ n=−∞

•  Elle montre que la puissance moyenne du signal peut se calculer


soit en intégrant la distribution temporelle s(t ) 2, soit en intégrant
sa distribution fréquentielle ΦS ( f )

TdS 47 H. Garnier
Classification spectrale des signaux
déterministes quelconques
•  La transformée de Fourier permet donc d’obtenir une
représentation spectrale des signaux déterministes
quelconques (périodiques ou non)

•  Cette représentation spectrale exprime la répartition du


module, de la phase, de l’énergie ou de la puissance en
fonction de la fréquence

•  Cette analyse dans le domaine fréquentiel des


caractéristiques d’un signal conduit à une classification des
signaux d’après les caractéristiques de cette représentation
spectrale

TdS 48 H. Garnier
Largeur de bande d’un signal
•  Le domaine des fréquences Δf (Hz) occupé par le spectre
d’un signal est appelé largeur de bande du signal qui peut
être définie par  Δf = fmax − fmin

Φ S (f )

Δf

0 f min fmax f

TdS 49 H. Garnier
Signaux à large bande et à bande étroite

•  Signaux à bande étroite Signaux à large bande

f max ≈ f min f max >> f min

Φ S (f ) Φ S (f )

Δf Δf

0 f min 0
fmax f f min f max f

TdS 50 H. Garnier
Caractéristiques des ondes hertziennes
Bande de Longueur Désignation Désignation courante Abréviation Exemples
fréquences d’onde métrique internationale d’utilisation

10kHz à 30 kHz 30km à 10km Ondes Très basses fréquences


myriamétriques Very Low Frequencies VLF

30kHz à 300 kHz 10km à 1km Ondes Basses fréquences Navigation


kilométriques Low Frequencies LF aéronautique
300kHz à 3 MHz 1km à 100m Ondes Fréquences moyennes Radio diffusion
hectométriques Meduim Frequencies MF AM
3 MHz à 30 MHz 100m à 10m Ondes Hautes fréquences Radio diffusion
décamétriques High Frequencies HF internationale,
amateur
30 MHz à 300 MHz 10m à 1m Ondes Très hautes fréquences Radio diffusion
métriques Very High Frequencies VHF FM
300 MHz à 3 GHz 1m à 10cm Ondes Ultra hautes fréquences UHF TV
décimétriques Ultra High Frequencies UHF

3 GHz à 30 GHz 10cm à 1cm Ondes Super hautes fréquences Communication


centimétriques Super High Frequencies SHF satellites,
mobiles, Radar
30 GHz à 300 GHz 1cm à 1mm Ondes Hyper fréquences
millimétriques Extremely High Frequencies EHF

Lorsque la fréquence du signal devient supérieure à quelques térahertz (=1012Hz), la


c
longueur d’onde λ devient le paramètre de référence avec λ = et c=300 000 Km/s 
f

TdS 51 H. Garnier
Table de spectres

TdS 52 H. Garnier
Table de spectres

TdS 53 H. Garnier
Exemple d’application de l’analyse de Fourier :
cryptage-décryptage du son Canal + analogique

Signal |S(f)| Signal |S(f)|


audible décrypté

Filtrage
Filtrage -20 20 f (kHz) -12.8 12.8
0 passe-bas f (kHz)
passe-bas
|S(f)| fc=12.8kHz
fc=12.8kHz |S(f)|

-12.8 12.8 f (kHz) Modulation


Modulation -12.8 12.8 f (kHz)
d’amplitude d’amplitude
|S(f)|
Fp=12.8 kHz Fp=12.8 kHz
|S(f)|

-12.8 12.8 f (kHz)


Filtrage Filtrage
|S(f)|
passe-bas -12.8 12.8 f (kHz)
passe-bas
fc=12.8kHz fc=12.8kHz

Signal Signal
-12.8 12.8 f (kHz)
crypté crypté

TdS 54 H. Garnier

Vous aimerez peut-être aussi