Traitement Du Signal S5: Décomposition en Série de Fourier Des Signaux Périodiques

Traitement du Signal S5
Décomposition en série de Fourier des signaux périodiques
V. Choqueuse
Département Electronique, ENIB
Gitlab: https://git.enib.fr/choqueuse/s5_signal/issues
Slide 1/ 36:
Table des matières
Introduction
Formalisme Réel
Condition d’existence
Calcul des coefficients
Exemples
Spectre d’amplitude et de phase (mono-lateral)
Formalisme Complexe
Décomposition en Série de Fourier
Calcul des coefficients Cn
Exemple
Propriétés
Spectre d’amplitude et de phase bilatéral
Synthèse des signaux périodiques

Problématique
Exemple
Slide 2/ 36:
Introduction
Contexte
Ï Les signaux que nous observons dans la nature présentent un
comportement "localement" périodique et oscillatoire.
Ï Dans ses travaux sur la propagation de la chaleur, le physicien
Joseph Fourier ( ) proposa de décomposer les signaux
T0 -périodique en une somme de sinusoïdes de fréquences nf0
(f0 = 1/T0 et n ∈ Z+ ) 1 .
Ï Mathématiquement, cette décomposition peut s’écrire sous la forme
générale suivante (s(t) ∈ C):
∞
cn e 2j πnf0 t
X
s(t) =
n=−∞
Ï Intérêts des fonctions exponentielles:

Ï Espace de représentation parcimonieux → analyse des signaux
simplifiée.
Ï Fonctions propres des systèmes SLIT → analyse des effets simplifiée.
Ï Fonctions orthogonales → coefficients cn simples à calculer.
1 Joseph Fourier, "Théorie analytique de la chaleur", 1822

Slide 3/ 36: Introduction
Introduction
Problématiques
Ï Soit s(t) un signal T0 -périodique (s(t) ∈ R ou C), sous quelles
conditions la décomposition en série de Fourier existe,
Ï Si cette décomposition existe, comment déterminer l’expression des
coefficients de la décomposition.
Ï Une fois déterminés, comment représenter graphiquement les
coefficients de la décomposition en série de Fourier ?
Ï Quels sont les liens entre les propriétés du signal s(t) et l’expression
des coefficients de la décomposition.

Introduction
Méthodologie
En fonction de la nature de s(t), il est possible d’utiliser des formes
alternatives de la décomposition en série de Fourier.
Dans ce chapitre, nous allons nous intéresser aux décompositions

suivantes:
Ï Cas où s(t) ∈ R:
∞
An cos(2πnf0 t + ϕn )
X
s(t) = A0 + (amplitude/phase)
n=1
∞
(an cos(2πnf0 t) + bn sin(2πnf0 t))
X
s(t) = A0 + (coef an/bn)
n=1
Ï Cas où s(t) ∈ C:
∞
cn e 2j πnf0 t
X
s(t) = (complexe)
n=−∞

Introduction
Méthodologie (travail personnel)
Pour s(t) ∈ R, ces différentes décompositions sont liées.
cn
cn = A2n e j ϕn
c−n = A2n e −j ϕn
A n = 2| c n |
ϕn = arg[cn ]
a −jb
cn = n 2 n an = 2ℜe(cn )
a +jb An /ϕn
c−n = n 2 n bn = −2ℑm(cn )
q
An = 2 + b2
an n
ϕn = − arctan(bn /an )
an = An cos(ϕn )
bn = −An sin(ϕn )
an /bn
Figure 1: Relation entre les coefficients lorsque n ≥ 1.

Formalisme Réel
Slide 7/ 36: Formalisme Réel

Formalisme Réel
Condition d’existence
Soit s(t) un signal T0 -périodique de forme quelconque. Pour que s(t)
admette une DSF, il suffit que s(t) soit un signal de carré sommable sur
une période (c-a-d à énergie finie sur une période):
Z
|s(t)|2 dt < ∞.
[T0 ]
Décomposition en Série de Fourier (DSF): amplitude/phase

∞
An cos(2πnf0 t + ϕn )
X
s(t) = A0 +
n=1
Ï f0 = T10 est appelée fréquence fondamentale (Hz),

Ï A0 correspond à la composante continu (valeur moyenne),
Ï A1 cos(2πf0 t + ϕ1 ) est appelé composante fondamentale,
Ï Pour n > 1, An cos(2πnf0 t + ϕn ) est appelé harmonique de rang n.
Formalisme Réel - Calcul des coefficients
Calcul de A0
Soit s(t) un signal T0 -périodique, la composante continue est égale à :
1
Z
A0 = s(t)dt
T0 T0
Calcul des An et ϕn (n ≥ 1)
Nous allons utiliser une démarche en deux temps:
1. Calcul des coefficients an et bn (plus simples à déterminer).
∞ ∞
An cos(2πnf0 t +ϕn ) = A0 + an cos(2πnf0 t)+bn sin(2πnf0 t)
X X
s(t) = A0 +
n=1 n=1
avec an = An cos(ϕn ) et bn = −An sin(ϕn ).

2. Détermination des coefficients An et ϕn :
q
An = an2 + bn2 (1a)
bn
µ ¶
ϕn = − arctan (1b)
Slide 9/ 36: Formalisme Réel an
Formalisme Réel - Calcul des coefficients
Calcul des an et bn
En utilisant l’orthogonalité des fonctions cosinus et sinus sur une période,
il est possible de démontrer que:
2
Z
an = s(t)cos(2πnf0 t)dt (2a)
T0 [T0 ]
2
Z
bn = s(t)sin(2πnf0 t)dt (2b)
T0 [T0 ]
Remarques
Ï Il est fortement recommandé d’utiliser les propriétés de symétrie du
signal en amont:
Ï Si s(t) est une fonction paire, alors bn = 0.
Ï Si s(t) est une fonction impaire, alors an = 0.
Ï A vous de choisir l’intervalle d’intégration de durée T0 qui vous
R T0 R T0
2
arrange ! ( 0 , T , etc).
− 20
Formalisme Réel - Exemples
Exemples: Cas d’un signal carré
Ï Coefficient A0 :
A 1
Z
1
Z T0
2 A
A0 = s(t)dt = Adt =
T0 [T0 ] T0 0 2
s(t)
Ï Coefficient an et bn : Le signal est impaire

donc an = 0.
0 Z T0
2 2A
Z
2
bn = s(t)sin(2πnf0 t)dt = sin(2πnf0 t)dt
- T20 0 T0 T0 T0 [T0 ] T0 0
2 T
A 0 A
t = [− cos(2πnf0 t)]0 2 = (1 − cos(nπ))
nπ nπ
Ï Modèle de signal : Mathématiquement, le ½ 2A
signal s’exprime sur une période sous la nπ si n = 2q + 1 avec q ∈ N
=
forme : 0 ailleurs.
( T Ï Coefficients An et ϕn :
A si 0 ≤ t < 20
s(t) = T
q ½ 2A
si 20 ≤ t < T0 pour n impair,
0 An = bn2 = nπ
0 pour n pair
bn −π
µ ¶ ½
pour n impair,
ϕn = − arctan = 2
an 0 pour n pair

Exemples: Cas d’un signal carré
Le signal carré peut finalement se décomposer sous la forme :
A X∞ 2A ³ π´
s(t) = + cos 2π(2q + 1)f0 t −
2 q=0 (2q + 1)π 2
Ï présence des harmoniques de rang impair uniquement.

Ï Décroissance des An en 1/n.
Synthèse du signal (travail personnel)

Ï En utilisant Python, représentez le signal s(t) lorsque la somme
comporte L = 1, L = 3, L = 10 puis L = 100 harmoniques non nulles
(vous prendrez f0 = 1 Hz et A = 2).
Ï Que constatez-vous concernant la qualité de la reconstruction du
signal s(t) ?
Ï Qu’observez-vous aux points de discontinuité du signal s(t) (en
kT0 /2)?
Exemples: Cas d’un signal triangulaire (travail personnel)
Ï Coefficient A0 :
A
A
A0 =
2
s(t)
Ï Coefficient an et bn : Le signal est paire

donc bn = 0.
0
− 24A2 < 0
(
si n = 2q + 1 avec q ∈ N+
- T20 0 T0 T0 an = n π
2 0 ailleurs.
t
Ï Coefficients An et ϕn :
Ï Modèle de signal : Mathématiquement, le
signal s’exprime sur une période sous la
4A
(
pour n impair,
q
forme : An = an2 + bn2 = n 2 π2
0 pour n pair

2A T

T0 t si 0 ≤ t < 20 µ
bn
¶ ½
−π pour n impair,
s(t) = ϕn = − arctan =
 2A (T − t) T
si 20 ≤ t < T0 an 0 pour n pair
T0 0

Formalisme Réel
Ï Le spectre d’amplitude correspond à la représentation graphique
des coefficients An en fonction de la fréquence nf0 .
Ï Le spectre de phase correspond à la représentation graphique des
coefficients ϕn en fonction de la fréquence nf0 .
Remarque
Ï La représentation spectrale contient des spectres en raies c-a-d que
An et ϕn sont nulles si n n’est pas un entier (représentation
parcimonieuse).

Formalisme Réel
1.5
Composante continue
1 Fondamentale
2 2ème harmonique
An
0.5 3ème harmonique
0
s(t)
1
0 10 20
f = nf0 (Hz)
0 Figure 3: Spectre d’amplitude
−1 −0.5 0 0.5 1
t
2
Figure 2: Représentation temporelle 0
ϕn
d’un Signal carré à 2 Hz ayant une
−2
composante continue égale à 1.
0 10 20
f = nf0 (Hz)
Figure 4: Spectre de phase

Formalisme Réel
1.5
1
2
An
0.5
0
s(t)
1
0 10 20
f = nf0 (Hz)
0 Figure 6: Spectre d’amplitude
−1 −0.5 0 0.5 1
t
2
Figure 5: Représentation temporelle 0
ϕn
d’un signal triangulaire à 2 Hz ayant
−2
une composante continue égale à 1.
0 10 20
f = nf0 (Hz)

Formalisme Complexe
Slide 17/ 36: Formalisme Complexe

Formalisme Complexe
Pourquoi passer dans C
Ï Aller plus loin dans la décomposition du signal.
Ï Une sinusoïde peut être décomposée en 2 exponentielles complexes.
Ï Etendre la décomposition au cas des signaux complexes (s(t) ∈ C).
Ï Faciliter l’analyse mathématique.
Ï Dans C, les expressions peuvent se révéler nettement plus simples à
manipuler (intégration de l’exponentielle, etc).
Décomposition en Série de Fourier (DSF): complexe

∞
Cn e 2j πnf0 t
X
s(t) =
n=−∞
Ï Les coefficients Cn ∈ C correspondent aux coefficients de Fourier.

Ï Cette décomposition fait intervenir des fréquences positives (n ≥ 1)
et des fréquences négatives (n ≤ −1).
Ï (Seules les fréquences positives ont une signification physique).
Formalisme Complexe
Calcul des coefficients Cn
En utilisant l’orthogonalité des fonctions exponentielles complexes sur
une période2 , il est possible de démontrer que :
1
Z
Cn = s(t)e −2j πnf0 t dt
T0 [T0 ]
Remarques
La composante continue est égale à: C0 = T10
R
[T0 ] s(t)dt.
Ï
Ï Par rapport à la décomposition amplitude/phase, l’obtention des

coefficients de Fourier nécessite une seule intégration.
de j αt
Ï Pour rappel dt = j αe j αt → primitives généralement simples à
déterminer.
2 Pour tout (n, m) ∈ Z2 , la condition d’orthogonalité implique que:
1
Z ½
1 si n = m,
e 2j π(n−m)f0 t dt =
T0 [T0 ] 0 ailleurs.
Formalisme Complexe - Exemple
Exemple: Cas d’un signal sinusoidal
Ï Coefficient C0 :
A 1
Z
C0 = s(t)dt = 0 (moyenne nulle)
T0 [T0 ]
s(t)
0 Ï Coefficients Cn : Pas besoin de calculer

l’intégrale
A ³ j(2πf t +ϕ)
s(t) = Aℜe e j(2πf0 t +ϕ) = + e −j(2πf0 t +ϕ)
³ ´ ´
e 0
−A 2
A j ϕ 2j πf t A −j ϕ −2j πf t
µ ¶ µ ¶
−0.5 0 0. 5 = e e 0 + e e 0
2 2
t
Ï Modèle de signal : Mathématiquement, le Par identification, nous en déduisons donc

signal s’exprime sous la forme : que :
s(t) = Acos(2πf0 t + ϕ) A ej ϕ


 2 pour n = 1
Cn = A e −j ϕ pour n = −1
 2
0 ailleurs.


Formalisme Complexe - Exemple
Exemple: Cas d’un signal carré
Ï Coefficient C0 :
A 1
Z
1
Z T0
2 A
C0 = s(t)dt = Adt =
T0 [T0 ] T0 0 2
s(t)
Ï Coefficients Cn :
Z T0
1 A
Z
s(t)e −2j πnf0 t dt =
2 −2j πnf0 t
0 Cn =
T0 [T0 ] T0 0
e dt
- T20 0 T0 T0 i T0
2 A 1 A
e −2j πnf0 t 2 = (1 − e −j πn )
h
= ×
t T0 −2j πnf0 0 2j πn
−j πAn
½
Ï Modèle de signal : Mathématiquement, le pour n impair
=
signal s’exprime sur une période sous la 0 pour n pair.
forme :
( T
Nous remarquons que C−n = j πAn = Cn∗
A si 0 ≤ t < 20 (symétrie hermitienne → voir section
s(t) = T
0 si 20 ≤ t < T0 propriétés).

Formalisme Complexe
Propriété (Somme pondérée de signaux T0 -périodiques)
Soit s1 (t) et s2 (t) deux signaux T0 périodiques dont les coefficients de la
(1) (2)
DSF sont respectivement notés Cn et Cn .
Les coefficients de la DSF de s(t) = α1 s1 (t) + α2 s2 (t) s’expriment sous la

forme :
(1) (2)
Cn = α1 Cn + α2 Cn

Formalisme Complexe
Propriété (Somme pondérée de signaux T0 -périodiques)
Soit s1 (t) et s2 (t) deux signaux T0 périodiques dont les coefficients de la
(1) (2)
DSF sont respectivement notés Cn et Cn .
Les coefficients de la DSF de s(t) = α1 s1 (t) + α2 s2 (t) s’expriment sous la

forme :
(1) (2)
Cn = α1 Cn + α2 Cn
Propriété (Symétrie Hermitienne)

Lorsque s(t) ∈ R, les coefficients de la décomposition en série de Fourier
respecte la contrainte suivante:
Cn = C−∗n .
Dans ce contexte, A0 = C0 , An = 2|Cn | et ϕn = arg[Cn ].

Formalisme Complexe
Propriété (Décalage temporel)
Soit s(t) un signal T0 périodique dont les coefficients de la DSF sont
notés Cn . Les coefficients de la DSF de x (t) = s(t − τ) s’expriment sous
la forme :
Cn = Cn e −2j πnf0 τ
(x )
Ï Retarder ou avancer un signal dans le temps n’impacte que

(x )
l’argument des coefficients de la DSF (|Cn | = |Cn |).

Formalisme Complexe
Propriété (Décalage temporel)
notés Cn . Les coefficients de la DSF de x (t) = s(t − τ) s’expriment sous
la forme :
Cn = Cn e −2j πnf0 τ
(x )
Ï Retarder ou avancer un signal dans le temps n’impacte que

(x )
l’argument des coefficients de la DSF (|Cn | = |Cn |).
Propriété (Dérivation)
ds(t)
notés Cn . Les coefficients de la DSF de s 0 (t) = dt s’expriment sous la
forme :
Cn0 = 2j πnf0 Cn

Formalisme Complexe
Propriété (Identité de Parseval)
La puissance moyenne totale d’un signal périodique est égale à
1
Z ∞
|s(t)|2 dt = |Cn |2 .
X
P=
T0 [T0 ] n=−∞
Ï Pn = |Cn |2 correspond à la puissance relative à la composante de

fréquence nf0 .
Démonstration
En utilisant l’expression de la puissance moyenne totale pour les signaux périodiques, nous
obtenons :
1
Z
1
Z
1 X ∞ ∞ Z
|s(t)|2 dt = s(t)s ∗ (t)dt = ∗
e 2j π(n−m)f0 t dt
X
P= Cn Cm
T0 [T0 ] T0 [T0 ] T0 n=−∞ m=−∞ [T0 ]
En utilisant l’orthogonalité des fonctions exponentielles sur une période, il en vient que :
∞ ∞
Cn Cn∗ = | Cn | 2 .
X X
P=
n=−∞ n=−∞

Formalisme Complexe
Ï Le spectre d’amplitude bilaterale correspond à la représentation
graphique du module |Cn | en fonction de la fréquence nf0 (n ∈ Z).
Ï Le spectre de phase bilaterale correspond à la représentation
graphique de l’argument arg[Cn ] en fonction de la fréquence nf0
(n ∈ Z).
Remarques
Ï La représentation spectrale contient des spectres en raies c-a-d que
|Cn | et arg[Cn ] sont nulles si n n’est pas un entier (représentation
parcimonieuse).
Ï L’enveloppe du spectre est obtenue en représentant |Cn | lorsque n
(ou nf0 ) est traité comme une variable continue n.
Ï Pour les signaux réels, la symétrie hermitienne impose:
Ï un spectre d’amplitude bilaterale pair.
Ï un spectre de phase bilaterale impair.
Formalisme Complexe
1.5
enveloppe
2 1
| Cn |
0.5
s(t)
1
0
−10 0 10
0 f = nf0 (Hz)
−1 −0.5 0 0.5 1 Figure 8: Spectre d’amplitude
t
arg[Cn ]
Ï Coefficients de la DSF complexe (A = 2):
0
−2

A pour n = 0
2


Cn = 0 pour n pair et non nul


−j nAπ pour n impair −10 0 10
f = nf0 (Hz)

Formalisme Complexe
Spectre d’amplitude et de phase bilatéral (travail personnel)
2
Ï Enoncé: Nous considérons le signal
suivant: 1.5
| Cn |
1
s(t) = 1+sin(2πf0 t)+3cos(2πf0 t)+cos(6πf0 t +π/4) 0.5
Déterminer et représenter le spectre
0
−10 −5 0 5 10
d’amplitude et de phase du signal x (t).
f = nf0 (Hz)
Ï Valeurs de Cn :
Figure 10: Spectre d’amplitude
arg[Cn ]
0
−2
−10 −5 0 5 10
f = nf0 (Hz)

Formalisme Complexe
1. 5
2 1
| Cn |
0. 5
s(t)
1
0
−10 0 10
0 f = nf0 (Hz)
−1 −0.5 0 0.5 1 Figure 12: Spectre d’amplitude
t
arg[Cn ]
Ï Coefficients de la DSF complexe (A = 2):
0
 A

 2 pour n = 0 −2
Cn = 0 pour n pair et non nul
 − 2A

pour n impair −10 0 10
n 2 π2
f = nf0 (Hz)

Formalisme Complexe
Comparaison spectre d’amplitude bilateral / monolateral
1.5 1. 5
1 1
| Cn |
An
0.5 0. 5
0 0
−10 0 10 0 5 10 15 20
f = nf0 (Hz) f = nf0 (Hz)
Figure 14: Spectre d’amplitude Figure 15: Spectre d’amplitude
bilateral du signal triangulaire monolateral du signal triangulaire
Ï Pour les signaux réels, le spectre d’amplitude monolateral s’obtient à

partir du spectre bilateral
Ï En supprimant les fréquences négatives,
Ï En laissant le coefficient en f = 0 (A0 = C0 )
Ï En doublant la valeur des coefficients pour f > 0 (An = 2|Cn |).

Formalisme Complexe
Spectre de puissance
Ï Le spectre de puissance bilaterale correspond à la représentation
de la puissance des différentes composantes fréquentielles, |Cn |2 , en
fonction de nf0 .
Remarque
Ï Le spectre de puissance monolateral s’obtient en représentant
Pn = 2|Cn |2 pour n ≥ 0.
1
Z
Pn = (An cos(2πnf0 t + ϕn )2 dt
T0 [T0 ]
A2n A2n (2|Cn |)2
µZ Z ¶
= 1dt + cos2 (2(πnf0 t + ϕn ))dt = =
2T0 [T0 ] [T0 ] 2 2
2
= 2|Cn |
Ï Le spectre de puissance monolateral peut également s’exprimer en

An
fonction de la valeur efficace Aeff eff 2
n , p au carré c-a-d Pn = (An ) .
2
Formalisme Complexe
Spectre de puissance
1.5 1.5
1 1
2|Cn |
| Cn |
0.5 0.5
0 0
−10 0 10 0 5 10 15 20
(a) Spectre d’amplitude (a) Spectre d’amplitude
1.5 1. 5
1 1
2| C n | 2
| Cn | 2
0.5 0. 5
0 0
−10 0 10 0 5 10 15 20
(b) Spectre de puissance (b) Spectre de puissance
Figure 16: Spectre bilateral Figure 17: Spectre monolateral

Slide 32/ 36: Synthèse des signaux périodiques

Problématique
La décomposition en Série de Fourier d’un signal s(t) fait intervenir une
infinité de termes :
∞
Cn e 2j πnf0 t .
X
s(t) =
n=−∞
Méthodologie
Nous allons approximer le signal s(t) par le signal bsN (t) obtenu en
forçant les coefficients de la DSF à 0 pour |n| > N c-a-d
N
Cn e 2j πnf0 t .
X
sN (t) =
b
n=−N
Ï La qualité de l’approximation entre s(t) et bsN (t) dépend

naturellement de la valeur de N.

Exemple - Cas d’un signal triangulaire
1.5
2
1
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6
Figure 18: Spectre d’amplitude Figure 19: Synthèse

1.5
s(t) s(t)
s0 (t)
2 s0 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s1 (t)
2 s1 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s5 (t)
2 s5 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s10 (t)
2 s10 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

Exemple - Cas d’un signal carré
1.5
2
1
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s0 (t)
2 s0 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s1 (t)
2 s1 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s5 (t)
2 s5 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s10 (t)
2 s10 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6

1.5
s(t) s(t)
s50 (t)
2 s50 (t)
1
b b
1
| Cn |
s(t)
0.5
0
0
−20 −10 0 10 20 −0.2 0 0. 2 0. 4 0. 6
Ï Pour N À 1, présence d’oscillations rapides aux points de

discontinuité → phénomène de Gibbs

Exemple - Bonus
1.5
2
1
| Cn |
s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5

Exemple - Bonus
1.5
2
1
| Cn |
s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5

Exemple - Bonus
1.5
2
1
| Cn |
s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5

Exemple - Bonus
1.5
2
1
| Cn |
s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5

Exemple - Bonus
1.5
2
1
| Cn |
s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5

Langue

Traitement Du Signal S5: Décomposition en Série de Fourier Des Signaux Périodiques

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Traitement Du Signal S5: Décomposition en Série de Fourier Des Signaux Périodiques

Titre original :

Transféré par

Droits d'auteur :

Traitement du Signal S5

Décomposition en série de Fourier des signaux périodiques

Département Electronique, ENIB

Synthèse des signaux périodiques

Ï Intérêts des fonctions exponentielles:

1 Joseph Fourier, "Théorie analytique de la chaleur", 1822

Slide 4/ 36: Introduction

Dans ce chapitre, nous allons nous intéresser aux décompositions

Slide 5/ 36: Introduction

Figure 1: Relation entre les coefficients lorsque n ≥ 1.

Slide 7/ 36: Formalisme Réel

Décomposition en Série de Fourier (DSF): amplitude/phase

Ï f0 = T10 est appelée fréquence fondamentale (Hz),

avec an = An cos(ϕn ) et bn = −An sin(ϕn ).

Ï Coefficient an et bn : Le signal est impaire

Slide 11/ 36: Formalisme Réel

Ï présence des harmoniques de rang impair uniquement.

Synthèse du signal (travail personnel)

Ï Coefficient an et bn : Le signal est paire

Slide 13/ 36: Formalisme Réel

Slide 14/ 36: Formalisme Réel

Slide 15/ 36: Formalisme Réel

Slide 16/ 36: Formalisme Réel

Slide 17/ 36: Formalisme Complexe

Décomposition en Série de Fourier (DSF): complexe

Ï Les coefficients Cn ∈ C correspondent aux coefficients de Fourier.

Ï Par rapport à la décomposition amplitude/phase, l’obtention des

0 Ï Coefficients Cn : Pas besoin de calculer

Ï Modèle de signal : Mathématiquement, le Par identification, nous en déduisons donc

Slide 20/ 36: Formalisme Complexe

Slide 21/ 36: Formalisme Complexe

Les coefficients de la DSF de s(t) = α1 s1 (t) + α2 s2 (t) s’expriment sous la

Slide 22/ 36: Formalisme Complexe

Les coefficients de la DSF de s(t) = α1 s1 (t) + α2 s2 (t) s’expriment sous la

Propriété (Symétrie Hermitienne)

Dans ce contexte, A0 = C0 , An = 2|Cn | et ϕn = arg[Cn ].

Slide 22/ 36: Formalisme Complexe

Ï Retarder ou avancer un signal dans le temps n’impacte que

Slide 23/ 36: Formalisme Complexe

Ï Retarder ou avancer un signal dans le temps n’impacte que

Slide 23/ 36: Formalisme Complexe

Ï Pn = |Cn |2 correspond à la puissance relative à la composante de

Slide 24/ 36: Formalisme Complexe

Slide 26/ 36: Formalisme Complexe

Slide 27/ 36: Formalisme Complexe

Slide 28/ 36: Formalisme Complexe

Ï Pour les signaux réels, le spectre d’amplitude monolateral s’obtient à

Slide 29/ 36: Formalisme Complexe

Ï Le spectre de puissance monolateral peut également s’exprimer en

Figure 16: Spectre bilateral Figure 17: Spectre monolateral

Slide 32/ 36: Synthèse des signaux périodiques

Ï La qualité de l’approximation entre s(t) et bsN (t) dépend

Slide 33/ 36: Synthèse des signaux périodiques

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques

Figure 20: Spectre d’amplitude Figure 21: Synthèse