Vous êtes sur la page 1sur 51

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.

Slide 4/ 36: Introduction


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=−∞

Slide 5/ 36: Introduction


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.


Slide 6/ 36: Introduction
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.
Slide 8/ 36: Formalisme Réel
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
Slide 10/ 36: Formalisme Réel
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

Slide 11/ 36: Formalisme Réel


Formalisme Réel - Exemples
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)?
Slide 12/ 36: Formalisme Réel
Formalisme Réel - Exemples
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

Slide 13/ 36: Formalisme Réel


Formalisme Réel
Spectre d’amplitude et de phase (mono-lateral)
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).

Slide 14/ 36: Formalisme Réel


Formalisme Réel
Spectre d’amplitude et de phase (mono-lateral)

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

Slide 15/ 36: Formalisme Réel


Formalisme Réel
Spectre d’amplitude et de phase (mono-lateral)

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)
Figure 7: Spectre de phase

Slide 16/ 36: Formalisme Réel


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).
Slide 18/ 36: Formalisme Complexe
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.
Slide 19/ 36: Formalisme Complexe
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.

Slide 20/ 36: Formalisme Complexe


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).

Slide 21/ 36: Formalisme Complexe


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

Slide 22/ 36: Formalisme Complexe


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 ].

Slide 22/ 36: Formalisme Complexe


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 |).

Slide 23/ 36: Formalisme Complexe


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 |).

Propriété (Dérivation)
Soit s(t) un signal T0 périodique dont les coefficients de la DSF sont
ds(t)
notés Cn . Les coefficients de la DSF de s 0 (t) = dt s’expriment sous la
forme :
Cn0 = 2j πnf0 Cn

Slide 23/ 36: Formalisme Complexe


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=−∞

Slide 24/ 36: Formalisme Complexe


Formalisme Complexe
Spectre d’amplitude et de phase bilatéral
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.
Slide 25/ 36: Formalisme Complexe
Formalisme Complexe
Spectre d’amplitude et de phase bilatéral

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)
Figure 9: Spectre de phase

Slide 26/ 36: Formalisme Complexe


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)
Figure 11: Spectre de phase

Slide 27/ 36: Formalisme Complexe


Formalisme Complexe
Spectre d’amplitude et de phase bilatéral

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)
Figure 13: Spectre de phase

Slide 28/ 36: Formalisme Complexe


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 |).

Slide 29/ 36: Formalisme Complexe


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
Slide 30/ 36: Formalisme Complexe
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
f = nf0 (Hz) f = nf0 (Hz)
(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
f = nf0 (Hz) f = nf0 (Hz)
(b) Spectre de puissance (b) Spectre de puissance

Figure 16: Spectre bilateral Figure 17: Spectre monolateral


Slide 31/ 36: Formalisme Complexe
Synthèse des signaux périodiques

Slide 32/ 36: Synthèse des signaux périodiques


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.

Slide 33/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
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
f = nf0 (Hz) f = nf0 (Hz)

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal triangulaire

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal triangulaire

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal triangulaire

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal triangulaire

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 18: Spectre d’amplitude Figure 19: Synthèse

Slide 34/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
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
f = nf0 (Hz) f = nf0 (Hz)

Figure 20: Spectre d’amplitude Figure 21: Synthèse

Slide 35/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal carré

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 20: Spectre d’amplitude Figure 21: Synthèse

Slide 35/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal carré

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 20: Spectre d’amplitude Figure 21: Synthèse

Slide 35/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal carré

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 20: Spectre d’amplitude Figure 21: Synthèse

Slide 35/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal carré

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 20: Spectre d’amplitude Figure 21: Synthèse

Slide 35/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Cas d’un signal carré

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
f = nf0 (Hz) f = nf0 (Hz)

Figure 20: Spectre d’amplitude Figure 21: Synthèse

Ï Pour N À 1, présence d’oscillations rapides aux points de


discontinuité → phénomène de Gibbs

Slide 35/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Bonus

1.5
2
1
| Cn |

s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5
f = nf0 (Hz) f = nf0 (Hz)

Figure 22: Spectre d’amplitude Figure 23: Synthèse

Slide 36/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Bonus

1.5
2
1
| Cn |

s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5
f = nf0 (Hz) f = nf0 (Hz)

Figure 22: Spectre d’amplitude Figure 23: Synthèse

Slide 36/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Bonus

1.5
2
1
| Cn |

s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5
f = nf0 (Hz) f = nf0 (Hz)

Figure 22: Spectre d’amplitude Figure 23: Synthèse

Slide 36/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Bonus

1.5
2
1
| Cn |

s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5
f = nf0 (Hz) f = nf0 (Hz)

Figure 22: Spectre d’amplitude Figure 23: Synthèse

Slide 36/ 36: Synthèse des signaux périodiques


Synthèse des signaux périodiques
Exemple - Bonus

1.5
2
1
| Cn |

s(t)
0
0.5
−2
0
−1 −0.5 0 0.5 1 −5 0 5
f = nf0 (Hz) f = nf0 (Hz)

Figure 22: Spectre d’amplitude Figure 23: Synthèse

Slide 36/ 36: Synthèse des signaux périodiques

Vous aimerez peut-être aussi