Analyse de Fourier

Analyse harmonique (ou fréquentielle) = instrument majeur de la théorie des

signaux et des systèmes.
Le développement en séries de Fourier (puis la transformation de Fourier)
permettent d’obtenir une représentation spectrale des signaux déterministes,
i.e. la répartition de:
1. l’amplitude
2. la phase
3. l’énergie
4. la puissance des signaux considérés en fonction de la fréquence.

80
 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 l’Analyse spectrale
81
Décomposition en série de Fourier : signaux périodiques

Un signal x(t) périodique de période T, peut être sous certaines conditions, mis sous la forme
d’une somme de fonctions sinusoïdales
T = 1/f0=2π/ω0,

f0 = 1/T est la fréquence fondamentale du signal

a0/2 est la valeur moyenne ou composante continue
ak, bk sont les coefficients de Fourier du développement en cosinus et sinus

82
 ao + +
x(t ) = +  ak cos(2 kf ot ) +  bk sin (2 kf ot )
2 k =1 k =1

avec ao (" composante continue")

T T
2 2
ak =  x(t ) cos(2 kf ot )dt et bk =  x (t )sin (2 kf ot )dt
2 2
“Coefficients T T T T
− −
de Fourier” 2 2

Superposition de signaux sinusoïdaux de fréquences n.fo,

n entier et fo=1/T
Terme de fréquence fo = le "fondamental"
Terme de fréquence nfo = nième "harmonique"

83
 Dû au double somme infinie de cette représentation, qui sert de point de départ au
développement en séries de Fourier, elle est généralement remplacée par la série en cosinus
et la série complexe.
•le développement en série de Fourier peut également s’écrire:

La représentation spectrale correspondante est le spectre unilatéral

84
85
86
 Le développement en série de Fourier en cosinus peut également s’écrire en complexe
sous la forme suivante:
+
x (t ) =  c( jk ) exp ( j  2 kf t )
k =−
o

T
2
1
avec c( jk ) =
T  x ( t ) exp ( − j  2 kf t ) dt
T
o
−
2

La représentation spectrale graphique correspondante est le spectre bilatéral

87
Cas particuliers:

xT ( t ) →   = *
réel ak , bk c−k ck

xT ( t ) pair → bk = 0 k  c− k = ck
xT ( t ) impair → a k = 0 k  c− k = −ck

Notation complexe  introduction de fréquences “négatives”

Représentation graphique: Re(cn), Im(cn) ou |cn| , Arg(cn)
si t = temps (s)  f = fréquence (Hz);
si t = distance(m)  f = fréquence spatiale (m-1) etc

88
89
 Relations entre les 3 représentations de Fourier

Sinus+
Cosinus Complexe
cosinus

Sinus+
cosinus

Cosinus

Complexe

90
Spectres bilatéraux

91
 Exemple de représentations spectrales d’un signal

Forme en cosinus

92
Exemple de représentations spectrales d’un signal

Forme complexe

93
94
x(t) = 3 + 2 cos(2πf0t) –3,464 sin(2πf0t) + 2 sin(6πf0t + π/4)

x(t) = 3+ 2 cos(2πf0t) –3,464 sin(2πf0t) + 2 sin(2π.3f0t + π/4)

95
 x(t) = 3 + 2 cos(2πf0t) –3,464 sin(2πf0t) + 2 sin(6πf0t + π/4)

De même, on appliquant les règles d’Euler à l’expression en cosinus, on obtient la

forme complexe:

96
97
Transformation de Fourier :Signaux non périodiques à TC

98
 x(t) = signal quelconque
+
F  x(t ) = X ( f ) =  x (t ) exp ( −i  2 ft )dt = "Transformée de Fourier" de x ( t )
−

et
+
x ( t ) = F −1  X ( f ) =  X ( f ) exp ( i  2 ft )df = "Transformée de Fourier inverse"
−

Notation: x(t)  X(f);

X(f) = “spectre d’amplitude” et Arg[X(f)] =“spectre de phase” du signal

X(f) = fonction complexe même si x(t) est réel

X(f) = fonction réel  x(t) est paire;

X(f) = fonction imaginaire pure  x(t) est impaire

critère d'existence:
Signaux à énergie finie = condition suffisante
Signaux à puissance moyenne finie =>T.F. existe au sens des distributions 99
 1 f
contraction temporel : x ( at ) ⎯⎯
→ X( )
a a

 (t ) ⎯⎯
TF
→1
1e 2 jf 0 t
⎯⎯→  ( f − f 0 )
TF

 (t − t0 ) ⎯⎯→ e TF −2 j ft0

101