Chapitre 6

Analyse spectrale des

Signaux non Périodiques

Ce chapitre présente la Transformation de Fourier, aussi connu comme l'Intégrale de Fourier. La

définition, les théorèmes et les propriétés sont présentés et prouvés. La transformée de Fourier des
fonctions les plus communes sont tirés, la fonction de système est définie et plusieurs exemples sont
fournis pour illustrer son application dans l'analyse de circuit.

I- TRANSFORMATION DE FOURIER
1. Définition
Nous nous souvenons que la série Fourier des signaux périodiques du temps, comme ceux que nous avons
vus au chapitre précédent, produit des spectres de raies séparées avec les valeurs non-nulles seulement aux
fréquences spécifiques appelées harmoniques. Pourtant, d'autres fonctions d'intérêt comme le pas d'unité,
l'impulsion d'unité, la rampe d'unité et une impulsion rectangulaire simple ne sont pas des fonctions
périodiques. Les spectres d’amplitude pour ces fonctions sont continus comme nous verrons plus tard dans
ce chapitre. Le passage d’un signal périodique à un signal apériodique peut se faire en considérant que la
période T devient de plus en plus grande pour tendre vers l’infini. On constate alors que les raies
spectrales distantes de 1/T se rapprochent pour se transformer en spectre continu. Mais en même temps,
l’amplitude de celui-ci diminue pour tendre zéro.

D’où, la transformée de Fourier de x(t ) , notée ( ) ou X ( f ) ou F x(t ) , et la transformée inverse, notée

F 1 X ( f ) :


 x(t ).e
 j .t
X ( )  dt


116 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
 
1

2 
X ( f ).e  j .w.t .d
x(t ) 

Pour que la transformée de Fourier de x(t) existe et soit réciproque, il suffit que x(t) soit une fonction
de carré sommable. Cela signifie que x(t), ainsi que sa transformée, sont à énergie finie. Tous les signaux
physiques vérifient ces conditions parce qu’on les observe sur un temps fini.

2. Formes spéciales de la Transformée de Fourier

Le signal temporel x(t), est en général complexe et peut ainsi être écrit comme la somme de ses parties
réelle et imaginaire :
x(t )  x Re (t )  j.x Im (t )
En substituant dans la définition on a :
 

 xRe (t ).e .dt  j  xIm (t ).e dt

 j . .t  j . .t
X ( w)  X ( jf ) 
 

Et d’après l’identité d’Euler :

 
X ( )  X ( jf )   x

Re (t ). cos(.t )  x Im (t ). sin(.t ).dt  j  x Re (t ). sin(.t )  x Im (t ). cos(.t )dt


De cela on tire les parties réelle et imaginaire du spectre de x(t) :


X Re ( jf )  X Re ( ) 

 x Re (t ). cos(.t )  x Im (t ). sin(.t ).dt

X Im ( jf )  X Im ( )    x Re (t ). sin(.t )  x Im (t ). cos(.t ).dt

En procédant de même on obtient l’original x(t) :

1
X Re ( ). sin(.t )  X Im ( ). cos(.t ).d
2 
x Im (t ) 


1
X Re ( ). cos(.t )  X Im ( ). sin(.t ).d
2 
x Re (t ) 

Maintenant, nous utiliserons les relations ci-dessus pour tirer dans le tableau suivant la correspondance
des domaines des fréquence et des temps pour les signaux réels, imaginaires, pairs et impairs.

X(t) X(ω)
Réelle Imaginaire Complexe Paire Impaire
Réelle
Réelle et Paire
Réelle et Impaire
Imaginaire
Imaginaire et Paire
Imaginaire et Impaire

117 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
II. PROPRIETES DE LA TRANSFORMEE DE FOURIER
L’intérêt de la transformation de Fourier réside également dans la grande variété de ses propriétés. Outre
sa linéarité, qui découle de sa définition,
1 , 2 , x1 (t ), x2 (t ), y(t )  1 x1 (t )  2 x2 (t )
 Y ()  1 X 1 ()  2 X 2 ()

Elle vérifie en effet de nombreuses relations caractéristiques, qui peuvent être présentées comme suit :
1. Réversibilité
Le retournement de l’axe temporel conduit au retournement de l’axe fréquentiel, c'est-à-dire à la
transformation des fréquences positives en fréquences négatives et réciproquement :

Si y(t )  x(t ), alors Y ( )  X ( )

Ce résultat se comprend aisément, car le retournement de e j0 .t conduit à e  jw0 .t , ce qui se traduit dans le
domaine fréquentiel par un passage de    0  à    0 

2. Translation temporelles et fréquentielles

La translation temporelle d’un signal ne modifie que la phase de transformée de Fourier :
Si y(t )  x(t  t 0 ), alors Y ( )  X ( ).e  j0 .t
De même, la modulation d’un signal par une exponentielle complexe conduit à un décalage de sa
transformée de Fourier :
Si y(t )  x(t ).e j0 .t , alors Y ( f )  X (  0 )
Bien souvent, ces différentes relations permettent de simplifier le calcul de transformées de Fourier, ou de
vérifier si le résultat obtenu est plausible.
3. Dilatation / compression
Si a est un réel et X(ω) la TF de x(t) alors : ( )
| |
( )

En combinant avec la propriété précédente on a : ( ) ( )

| |

( ) ( ) ( ) ( )
On en déduit que : ( ) ( ) et ( ) ( )
4. Dérivation temporelle
( )
Si X(ω) est la TF de x(t) alors : ( ) ( )
5. Dérivation fréquentielle
( )
Si X(ω) est la TF de x(t) alors : ( ) ( )
6. Intégration temporelle
( )
Si X(ω) est la TF de x(t) alors : ∫ ( ) ( ) ( )
7. Aire en dessous de x(t)
Si X(ω) est la TF de x(t) alors : ( ) ∫ ( )
8. Aire en dessous de X(ω)
Si X(ω) est la TF de x(t) alors : ( ) ∫ ( )

118 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
 9. Produit de convolution et modulation
La transformée de Fourier du produit de convolution de deux signaux est le produit simple de
leur transformées de Fourier :

Si t  R, y (t )   h(v).x(t  v).dv,

alors f  R, Y ( )  H ().X ()

Ce résultat est une conséquence directe (et une généralisation) du fait que les exponentielles
complexes sont des valeurs propres du produit de convolution :
  

 h(v).x(t  v).dv   h(v)  X ( f ).e

j .(t v )
y (t )  .df .dv
  


 

    h(v).e  j .v dv  X ( f ).e j .t d
    


 H ( ).X ( ).e
j 2 . f .t
 .d


donc Y ( )  H ().X ()

L’effet d’un produit de convolution peut être facilement examiné dans le domaine fréquentiel,
alors qu’il est moins intuitif dans le domaine temporel. De même, la transformée de Fourier du
produit d’un signal par une fonction modulante est égale au produit de convolution fréquentiel de
leurs transformées de Fourier :

Si t , y(t )  m(t ) x(t ), alors Y ( )   M (v).X (  v).dv



 


Car  M (v). X (  v).dv   M (v)  x(t ).e  j ( 2 .v ).t .dt dv
    

 

    M (v).e j 2 .v.t dv  x(t ).e  j .t dt
    


 m(t ).x(t ).e

 j 2 . f .t
 dt


10. Intercorrélation et autocorrélation

L’Intercorrélation de deux signaux est une fonction qui traduit la ressemblance entre un signal et la
version décalée d’un autre signal. Sa transformée de Fourier, appelée interspectre est égale au produit
conjugué de leurs transformées de Fourier :

Si  xy ( )   x(t ). y  (t   ).dt ,


Alors  xy ( f )    xy ( ).e  j  d  X ( ).Y  ( )

Ce type d’opération est utilisé par exemple dans des systèmes de radar (Radio Detection And Ranging)
ou de sonar (SOund NAvigation and Ranging). En effet, l’intercorrélation permet alors de comparer une
onde émise à son écho reçu après réflexion sur un objet, que l’on peut considérer comme une version

119 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
atténuée et retardée du signal. La position du maximum de l’intercorrélation permet alors de mesurer le
temps de parcours de cette onde :

Si y(t )  Kx(t  t 0 ), alors  xy ( )  K  x(t  t 0 ).x(t   ).dt

2 2
  R,  xy ( )   xy (t 0 )

Ce temps de parcours peut également être obtenu dans le domaine fréquentiel, par une dérivation de la
phase de l’interspectre :
d arg  xy ( )
 xy ( f )  KX ( ).e j.t0 . X  ( ), donc  t0
d
Comme cas particulier, l’autocorrélation, qui traduit la ressemblance entre un signal et se versions
décalées, a pour transformée de Fourier le module carré de la transformée de Fourier du signal :
 

 x(t ).x (t   ).dt, alors  x ( f )    xx ( ).e

 j 2 . f .
 xx ( )  
.d  X ( ). X  ( )  X ( )
2
Si
 

La fonction  x ( ) est appelée Densité Spectrale d’Energie (DSE) ou spectre d’énergie du signal réel
x(t ).

Remarques : - la fonction d’autocorrélation est paire en effet :

 
 xx ( )   x(t ).x(t   ).dt   x(  u ).x(u ).du   xx ( )
 
- les fonctions d’inter et d’autocorrélation de signaux périodiques de période T sont
également périodiques et de même période.
- la valeur à l’origine   0 de la fonction d’autocorrélation est égale à l’énergie du
signal.
 
 xx ( )   x(t ).x(t ).dt   x(t ) .dt  W
2

 
Ce qui permet de compléter la relation de Parseval :

Pour tous signaux x(t ) à énergie finie on a :

  
W  x(t ) dt   X ( ) d    x ( ).d
2 2

  
2
- l’énergie totale du signal se calcule soit en intégrant sa distribution temporelle x(t ) ou
en intégrant sa densité spectrale d’énergie  x ( )
- de la relation  x ( )  X ( ) on déduit que la DSE est indépendante du spectre de
2

phase, donc insensible, en vertu du théorème du retard à toute translation du signal sur
l’axe des temps.
- la fonction d’autocorrélation est paire par conséquent la DSE est aussi une fonction réelle
et paire.
- la DSE est une fonction positive.

120 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
 Tableau récapitulatif des propriétés et théorèmes de la Transformée de Fourier

III. TRANSFORMEES DES SIGNAUX USUELS

1. Impulsion de Dirac
( )
En combinant ce résultat avec la propriété de translation temporelle on a :

( )

121 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
 2. Signal constant A
( )

De même en combinant avec la modulation on obtient :

( )

3. Signal cosinus
( ) ( ) ( ) ( )

4. Signal sinus
( ) ( ) ( ) ( )

5. Signal saut unité

( ) ( )

6. Signal signe ou signum

( ) ( ) ( )

7. Signal causal
( ) ( )
( )

8. Signal cosines causal

( ) () ( ) () [ ( ) ( )]
( ) ( )

9. Signal sinus causal

( ) () ( ) () [ ( ) ( )]

IV. UTILISATION DE MATLAB

MATLAB a les fonctions intégrées fourier et ifourier pour calculer la Transformée de Fourier et son
inverse. Leurs descriptions et exemples, peut être affiché avec help fourier et help ifourier. Dans les
exemples suivants nous présentons des transformations de Fourier et comment ils sont vérifiés avec
MATLAB.

122 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
Exemple 1 :

Exemple 2 :

Exemple 3 :

V. EXERCICES
 TF1
À partir de la seule observation du signal temporel de la figure 2.1, précisez ce que vaut sa densité
spectrale en f = 0 [Hz] puis calculez et esquissez sa transformée de Fourier.

123 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
 TF2
Partant de la TF d’une impulsion rectangulaire et de la propriété d’intégration, calculez les TF de x(t) et
y(t) (fig. suivante). Après calculs, vous remarquerez que : Y ( j. f ) peut s’écrire sous la forme d’un sinc 2 .

 TF3
Considérant le signal x(t ) défini comme suit :
 A si  t  t  0
 t0
 0 si
x(t )  
 A si 0  t  t
 0 si t  t
On demande :
1. esquissez x(t )
2. calculez sa fonction d’autocorrélation pour les valeurs particulières suivantes
 0   t   2.t
3. esquissez la fonction rxx   avec      

 TF4
Soit un signal carré symétrique (à valeur moyenne nulle) d’amplitude A.
Esquissez :
1. le signal x(t ) ;
2. le spectre que l’on obtient avec les séries de Fourier ;
3.le spectre que l’on obtient avec la transformée de Fourier

 TF5
 a. t
Considérons le signal x(t )  e , calculez et esquissez x(t ) et X ( f ) , puis vérifiez les 2 égalités
suivantes :
 
a) X (0)   x(t ).dt ,

b) x(0)   X ( f ).df


124 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
 TF6

1. considérant les quatre propriétés du tableau ci-dessus, exprimez leur équivalent temporel
dans la colonne de droite.
2. pour chacun des signaux temporels de la figure ci-après, quelles sont les propriétés du
tableau qui s’y appliquent ?
3. construisez un signal qui ne possède aucune des quatre propriétés mentionnées dans le
tableau.

125 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
 TF7
Soit X(f) la transformée de Fourier du signal x(t) de la figure suivante. Sans calculer explicitement
X(f), recherchez :

1. la densité spectrale de X(f)

2. la valeur de X(f = 0)

3. la valeur de  X ( f ).df



 X(f )
2
4. la valeur de df


 TF 8
Connaissant la TF d’une sinusoïde amortie x(t )  A.e  a.t . sin2. . f 0 .t .  (t ) :
1. calculez la transformée de Fourier d’une sinusoïde démarrant à l’instant zéro :
y(t )  A. sin2. . f 0 .t .  (t )
2. esquissez les spectres X  j. f  , Y  j. f  et celui d’une sinusoïde permanente ;
3. discutez les différences existant entre ces trois spectres.

 TF 9
 
On applique une exponentielle décroissante u1 t   U 0 .e  a.t .  t  , d’amortissement a  100 s 1
à un filtre passe-bas de constante de temps   1ms ;
1. calculez la TF U 2  j. f  de la tension de sortie u 2 (t ) du filtre ;
2. utilisez le tableau des transformées pour déduire l’expression temporelle de u 2 t  .

 TF 10
Soit un message m(t )  A. cos2. . f1 .t  modulé en amplitude par une porteuse sinusoïdale
p(t )  sin2. . f 0 .t  :
1. calculez la TF du signal modulé x(t )  m(t ). p(t )  A. sin2. . f1 .t . cos2. . f1 .t  ;
2. esquissez le spectre du signal modulé X  j. f  si f1  10kHz et f 0  800kHz ;
3. idem que le point 2) lorsque le signal m(t) possède un spectre continu M  j. f  triangulaire et non-nul
entre 2 [kHz] et 10 [kHz].

126 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
VI. SOLUTIONS DEX EXERCICES (seuls quelques exercices sont corrigés)
 TF 1
Selon la propriété de la transformée de Fourrier

Le signal de la figure est constitué de 3 impulsions rectangulaires décalées et pondérées. Si y(t) est une
impulsion rectangulaire définie comme

dont la transformée de Fourier est

alors x(t) peut être exprimé comme suit :

En faisant usage des propriétés de linéarité et de décalage

de la transformée de Fourier, on a :

TF 2 :

x(t) est constituée de la superposition de 2 impulsions de largeur ∆t = 200 [ms], l’une avancée de

td1 = 100 [ms] = ∆t/2 et l’autre retardée de td2 = −100 [ms] = −∆t/2 et de polarité négative. On a donc :

127 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.
Application numérique :

y(t) correspond, à un facteur 1/∆t près, à l’intégrale de x(t)

Connaissant la propriété de la TF

Application numérique :

128 | ©Signaux et systèmes avec Matlab

M.OULOBLY Stéphane R.