Vous êtes sur la page 1sur 19

Rappels sur les outils d’analyse spectrale

de signaux à temps continu

Hugues GARNIER

hugues.garnier@univ-lorraine.fr

TNS 1 H. Garnier
Analyse dans le domaine fréquentiel
•  Domaine habituel pour analyser un signal :
–  domaine temporel : analyse de l’évolution du signal au cours du temps

•  Permet de mettre en évidence certaines caractéristiques lorsque la


forme du signal est simple :
-  caractère périodique ou non (détermination de la période)
-  calcul de la valeur moyenne, efficace, de l’énergie,…

•  Dans la pratique, les signaux ont une forme complexe


-  L’analyse dans le domaine temporel devient insuffisante
-  La représentation de certaines caractéristiques du signal en fonction de
la fréquence s’avère alors très utile

è analyse spectrale

TNS 2 H. Garnier
Outil mathématique d’analyse spectrale
de signaux à temps continu
•  s(t) est périodique
s(t) S(f)
Décomposition en
série de Fourier
1
fo=
1 To

- fmax f max
0 To t 0 f

•  s(t) est non périodique

s(t) S(f)
Transformée de Fourier
à temps continu

0 t - f max 0 f max f

TNS 3 H. Garnier
Joseph FOURIER (1768 – 1830)

•  C’est un mathématicien et physicien français connu pour ses travaux sur la décomposition de
fonctions périodiques en séries trigonométriques convergentes appelées séries de Fourier.

•  Il a été instruit par les Bénédictins à l’école militaire d’Auxerre. Il était destiné l’état monastique,
mais il préféra s’adonner aux sciences.

•  Il a participé à la révolution française, manquant de peu de se faire guillotiner durant la Terreur. Il a


été sauvé de justesse par la chute de Robespierre. Il intègre l’Ecole Normale Supérieure où il
aura comme professeur entre autres Lagrange.
•  Fourier est connu pour sa théorie analytique de la chaleur (1822). C’est à Grenoble qu’il conduit ses
expériences sur la propagation de la chaleur qui lui permettront de modéliser l’évolution de la
température au travers de séries trigonométriques.
•  Ces travaux qui apportent une grande amélioration à la modélisation mathématique de
phénomènes ont contribué aux fondements de la thermodynamique.

TNS 4 H. Garnier
Outil pour l’analyse spectrale
de signaux périodiques à temps continu
+∞
j 2π nfot 1 to +To − j 2π nfot jArg( cn )
s(t ) = ∑ cne cn = ∫t s(t )e dt = cn e
n=−∞
To o

IcnI
s(t) Décomposition en
série de Fourier

DSF 0 f
0 To
t fo= 1
To
Signal à temps continu Spectre non périodique

Signal périodique (To) Spectre échantillonné fo=1/To


(de raies)

TNS 5 H. Garnier
Exemple 1 : cas d'un signal sinusoïdal
•  Soit un signal sinusoïdal décrit par : s(t ) = Asin( 2 π 10t )

e j 2 π 10t − e − j 2 π 10t
π
⎪ c = Ae 2 A
−j π
s(t ) = A ⎪ 1 2 c1 = ( )
arg c1 = −
2j ⎨ 2 2
π π π
A j A −j ⎪ A j2 A π
= e 2 e − j 2 π 10t + e 2 e j 2 π 10t ⎪ c = e c−1 = arg (c−1) =
2 2 ⎩ −1 2 2 2
− j 2π fot j 2π fot
= c−1e + c1e
Domaine fréquentiel
Domaine temporel cn

c -1 A/2
c1
s(t)
c- 2 c2 c3
To=0.1s
A -20 -10 0 10 20 30
f (Hz)

Spectre d’amplitude
Arg (c n )
0 0.1
t ππ
4
2

f (Hz)
-20 -10 0 10 20 30
−−ππ
4
2
Spectre de phase

TNS 6 H. Garnier
Exemple 2 : cas d’un créneau
•  On montre que les coefficients de Fourier sont donnés par :
π
A 2A pour n impair
cn =
jnπ (
1 − ( −1)n ) ,n ≠0 cn = nπ
pour n impair Arg(cn>0 ) = 2

0 pour n pair
0 pour n pair
c0 = 0 Arg(c−n ) = −Arg(cn )

Domaine temporel Domaine fréquentiel


cn
2A 2A
π π

2A 2A
s(t) 3π 3π

A −3ωο −ωο ωο 3ωο 5ωο ω

Spectre d ’amplitude
0 To t
Arg(c n )

π π
2 2 ωο 3ωο 5ωο

-3ω ο - ωο
0 -π ω
2

Spectre de phase

TNS 7 H. Garnier
Evolution temporelle des A=2 To=1 Reconstruction du signal à
harmoniques partir des harmoniques
5
2
0
0
Harmonique 1 Harmonique 1
-5
-2
0 1 5 0 1
2
0
0
Harmoniques 1 et 3
Harmonique 3 -5
-2
0 1 5 0 1
2
0
0
Harmonique 5 Harmoniques 1, 3 et 5
-2 -5
0 1 5 0 1
2
0
0
Harmoniques 1, 3,
Harmonique 7 -5
-2 5 et 7
0 1 5 0 1
2
0
0 Harmoniques 1, 3, 5
Harmonique 9 -5 7 et 9
-2
0 1 0 1

Ondulations = phénomène de Gibbs

TNS 8 H. Garnier
Outil pour l’analyse spectrale
de signaux non périodiques à temps continu
+∞
S( f ) = ∫ −∞ s(t )e− j 2π ft dt = S( f ) e jϕ ( f )

s(t) IS(f)I
Transformée de Fourier
à temps continu

0
t - f max 0 f max f
TFtc

Signal à temps continu Spectre non périodique

Signal non périodique Spectre continu

TNS 9 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

TNS 10 H. Garnier
Propriétés de la TFtc

•  Si la transformée de Fourier à temps continu est aussi populaire,


c’est en grande partie grâce à ses propriétés générales qu’elle le doit

–  Linéarité ( )
F ax(t ) + by(t ) = aX ( f ) + bY ( f )

− j 2 π t 0f
–  Th. du retard ( )
F x(t − t0 ) = e X(f ) ∀ to ∈ R

–  Th. de modulation (
F x(t )e
j 2π f0t
) = X(f − f ) 0

1 ⎛f ⎞
–  Facteur d’échelle (
F x( at ) =) X⎜ ⎟
a ⎝a⎠

–  Convolution
( )
F x(t )* y(t ) = X ( f ) ×Y ( f )

–  Multiplication
( )
F x(t ) × y(t ) = X ( f )* Y ( f )

TNS 11 H. Garnier
Transformée de Fourier
de signaux périodiques
• Signaux périodiques :
–  possèdent un développement en série de Fourier
+∞
j 2 π nfot
s(t ) = ∑ cne
n=−∞
+∞
⎛ j 2 π nfot ⎞
S( f ) = ∑ c δ (f − nf )
n o 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

Comment tracer les spectres d’un signal périodique obtenus par TFtc ?

TNS 12 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  

+∞ +∞
S( f ) = ∑ (
cn δ f − nfo ) ϕ( f ) = ∑ (
Arg( cn ) δ f − nfo )
n=−∞ 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

TNS 13 H. Garnier
Spectres par TFtc d’un signal sinusoïdal
Domaine temporel Domaine fréquentiel
π π
A j A −j
s(t ) = Asin( 2π fot ) S( f ) = e 2 δ ( f + fo ) + e 2 δ ( f − fo )
2 2
A A π π
S( f ) = δ ( f + fo ) + δ ( f − fo ) ( )
Arg S( f ) = δ ( f + fo ) − δ ( f − fo )
2 2 2 2

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

-fo fo f
0 To t π
2
Arg(S(f))

-fo fo f

2

TNS 14 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
δT (t ) = ...+ δ (t +Te ) + δ (t ) + δ (t −Te ) + ...
e +∞
1
(
F δT (t ) =
e
)
Te k=−∞
δ f − kfe ∑ ( )

δ T e (t) (
F δ Te ( t ) )
1
1 Te

1
0 Te t 0 fe =
Te f

TNS 15 H. Garnier
Table de spectres
de signaux à temps continu

TNS 16 H. Garnier
Table de spectres
de signaux à temps continu

TNS 17 H. Garnier
Pour plus de rappels
sur la transformée de Fourier

•  Voir les transparents de rappels sur la TFtc sur le site web


du cours

•  Visionnez les deux vidéos de Brian Douglas sur la


transformée de Fourier

–  www.youtube.com/watch?v=1JnayXHhjlg&t=8s

–  www.youtube.com/watch?v=kKu6JDqNma8

TNS 18 H. Garnier
Objectifs à l'issue des rappels sur les outils
d’analyse spectrale de signaux à temps continu

•  Connaître la décomposition en série de Fourier

•  Connaître la transformée de Fourier et ses propriétés

•  Savoir tracer et interpréter un spectre d’amplitude et de phase,


en particulier dans le cas de signaux simples

•  Connaître l’allure des spectres des signaux à temps continu


usuels

TNS 19 H. Garnier

Vous aimerez peut-être aussi