Académique Documents
Professionnel Documents
Culture Documents
Cours 2 Et 3
Cours 2 Et 3
Cours 2 et 3
ASI 3
TdS 1
Contenu du cours
Introduction
Notion de fréquence
Pourquoi la représentation fréquentielle ?
Décomposition en série de Fourier
Définition
Quelques propriétés
Transformée de Fourier des signaux à énergie finie
Définition, conditions d'existence
Propriétés de la TF
Notion de densité spectrale d'énergie
TF au sens des distributions
Définition
Transformée de l'impulsion de Dirac
Transformée de Fourier des signaux périodiques
TdS 2
Introduction
Notion de fréquence
Dans un son
Sons graves = basses fréquences
Sons aigus = hautes fréquences
TdS 3
Introduction
Notion de fréquence
= la fréquence
TdS 5
Introduction
TdS 6
Vers une représentation fréquentielle ...
La notion de fréquence est intéressante, mais comment connaitre les
fréquences que contient un signal ?
% Code matlab
f0 = 0.51; A0 = 1;
f1 = 0.11; A1 = 2;
f2 = 0.21; A2 = 2;
0.5
0.5
Signal 2
1
1.5
0 5 10 15 20
Coefficients de la série
T /2
1 b 0=0
a 0= ∫ x t dt
T −T /2
T /2
T /2
2 2π
a n=
2
∫
T −T /2
x t cos
n
2π
T
t dt b n = ∫ x t sin n t dt
T −T /2 T
(avec n ≥ 1 )
x t =a0 ∑ an cos n
n= 1
2π
T
t +bn sin n
2π
T
t
Interprétation :
Quelques propriétés
Si le signal x(t) est réel, c− n = cn* : les coefficients sont nécessairement complexes
conjugués pour restituer x réel car exp( j 2πnFt ) est complexe
TdS 13
Décomposition en Série de Fourier
Remarque : Pourquoi les nombres complexes ?
di dv
En réels : v=Ri v=L i=C
dt dt
En complexes : Z =R Z= j wL Z =− j / w C
avec V =ZI
=> remplacement d'équations différentielles par des équations
algébriques
TdS 14
Exemple de DSF
TdS 15
Exemple de DSF
A n t0
On a trouvé que : c n= sin
n T
Donc la série de Fourier de h(t) s'écrit :
∞A n t 0 j2 n t
h t=∑n=−∞ sin exp
n T T
Approximation du signal créneau par la série de Fourier en limitant n à différentes valeurs :
TdS 17
Autres exemples
Exemples :
TdS 18
Et pour les signaux non périodiques ?
... l’écart entre les raies du spectre va donc devenir infiniment petit
TdS 19
Spectres de raie pour différentes périodes
TdS 20
Transformée de Fourier
Définition de la TF
∞
Soit signal x(t) un signal non périodique.
X f = ∫ x t e− j2πft dt
La TF de x(t), si elle existe, est
−∞
X ( f ) = F ( x(t ) ) x(t ) = F −1 ( X ( f ) )
X(f) et x(t) sont deux descriptions équivalentes (temporelle ou fréquentielle)
du même signal. On écrit : x(t) ↔ X(f)
TdS 21
Exemple de calcul de TF
T
1
X f =∫ 1 . e− j2πft dt =− [ e− j2πfT −1 ]
0 j2πf
TdS 22
Exemple de calcul de TF
TdS 23
Conditions d'existence de la TF
Questions
Quand est-ce que la TF de g(t) existe ?
+∞ +∞
Quand est-ce que g(t) = gf (t) ? avec g f (t ) = ∫ ∫ g (u ) e − j 2πfu e j 2πft dudf
−∞ −∞
Conditions d'existence
+∞
Il faut que : ∫ g (t ) dt < ∞ et g(t) continue par morceaux et admet un
−∞ nombre de discontinuités et d'extrema fini
OU
+∞
2
∫ g (t ) dt < ∞
−∞
+∞ +∞ 2
2
Condition d'égalité Si ∫ g (t ) dt < ∞ alors ∫ g (t ) − g f (t ) dt = 0
−∞ −∞
Si g(t) satisfait à la condition d'existence de la TF alors g(t)) et gf (t) ) sont égaux
presque partout sauf aux discontinuités
Décalage fréquentiel
j2πf o t
e x t ↔X f −f o x at arrow
Changement d'échelle
La contraction dans le domaine temporel (a ≥ 1)
X
1 f
x(a t) ↔ a∈ *
correspond à la dilatation dans le domaine
a a fréquentiel et inversement
Dérivation
dx t
dt
↔j2πf X f
!
Intégration La TF et la TF inverse ne sont
1 pas toujours définies
Soit P[x(t)] la primitive de x(t) P[ x t ]↔ X f
TdS j2πf 25
Propriétés de la TF
Inversion temporelle
x ( −t ) ↔ X ( − f )
Conjugaison complexe
x* (t ) ↔ X * (− f )
Symétrie dans le cas de signaux réels
Si x(t) est un signal réel alors X f =X −f Le spectre d'amplitude est une
fonction paire et le spectre
∣X f ∣=∣X −f ∣ et φ f =−φ −f
donc d'argument est impair
Symétrie dans le cas de signaux imaginaires purs
Si x(t) est un signal réel et pair alors X(f) est réelle et paire
Si x(t) est un signal réel et impair alors X(f) est imaginaire pure et impaire
TdS 26
Exemple d'application des propriétés de la TF
Décalage fréquentiel
j2πf o t
x t =∏ t ⋅e Partie Réelle de x Module de X(f)
or F ∏ t =T sinc πfT
X f = T sinc π f −f o T
0 f 0 f0 f
TdS 27
Dualité de la TF
Les définitions symétriques de la TF et de la TF inverse permettent de mettre
en avant une propriété de la TF appelée Dualité de la TF.
Soit x(t) , une fonction quelconque dont la TF est bien définie
+∞ +∞
X ( f ) = ∫ x(t )e − j 2πft dt et x(t ) = ∫ X ( f )e j 2πft df
−∞ −∞
+∞
On a donc x(−t ) = ∫ X ( f )e − j 2πft df
−∞
F
Donc si x(t )
→ X(f )
F
alors X (t )
→ x(− f )
TdS 28
TF et énergie des signaux
Relation de Parseval
+∞ +∞
2 2
∫ x(t ) dt = ∫ X ( f ) df
−∞ −∞
Application
Montrer que l' énergie de F o sinc πtF o vaut Fo
TdS 29
Densité spectrale d'énergie
Comme la TF conserve l'énergie, on peut définir une notion d'énergie par
unité de fréquence, la densité spectrale d'énergie (DSE)
2
S xx ( f ) = X ( f )
Énoncé
Si x(t) est
borné càd ∀ t , x(t ) < M
à support borné en fréquence
dxt d p x t p
Alors ∣ ∣≤2πf max M et ∣ p
∣≤ max M
2πf
dt dt
Interprétation
Les variations d'un signal sont liées à la dérivée de ce signal. Comme cette
dérivée est bornée, le signal ne peut pas varier arbitrairement vite.
Conséquence :
Un signal présentant des discontinuités est un signal à support en fréquence non borné.
TdS 31
TF d'une distribution
Question
Comment faire quand la TF d'un signal n'est pas définie ?
on considère si possible le signal comme une distribution.
Définition
La transformée de Fourier d'une distribution D est une distribution notée F [D] telle que
pour la fonction ϕ (t) indéfiniment dérivable et à support borné
〈 F [ D ] ,ϕ〉=〈D,F [ ϕ ] 〉
Application : quelle est la TF d'une impulsion de Dirac ?
résultat sans ∞
F D1 =D
Donc finalement : surprise en vertu du D'où : ∫ e− j2πft dt =δ f
principe de dualité ! −∞
Notation “fonction” : F 1=
La TF d'un signal périodique est divergente, mais on peut définir une TF au sens des
distributions en utilisant la décomposition en Série de Fourier.
∞ ∞
En utilisant la propriété de a n − jb n an +jb n
linéarité de la TF on obtient : F [ f t ]=a0 δ f ∑ δ f −n F ∑ δ f+n F
n= 1 2 n=1 2
Remarque c 0 =a0
∞ ∞
2π propriété de
f t = ∑ c n exp jn
T
t
linéarité de la TF
F [ f t ]= ∑ c n δ f −n F c n=
a n − jb n
n>0
n=−∞ n=−∞ 2
a n +jb n
Le résultat correspond à un spectre de raies (non continu) c n= n< 0
2
Conclusion : On retrouve bien le résultat de la DSF;
TdS la TF est bien une généralisation de la DSF 34
TF d'un signal périodique
Idem DSF
TdS 35
TF d'un Peigne de Dirac
Un bruit blanc est un signal aléatoire qui contient toutes les fréquences
TdS 37
TF Usuelles
distributions
fonctions
TdS 38
Fourier's Song :)
by Dr Time and Brother Frequency
TdS 39