Académique Documents
Professionnel Documents
Culture Documents
TRANSFORMATION DE FOURIER.
C’est une transformation qui permet l’étude fréquentielle des signaux et systèmes.
a0
x(t )
2 n 1
a n cos(2f 0 nt) bn sin(2f 0 nt)
n 1
(4.1.1)
2 T0 / 2
an
T0
T0 / 2
x(t ) cos(2f 0 nt) d t pour n0 (4.1.2)
2 T0 / 2
bn
T0
T0 / 2
x(t ) sin(2f 0 nt) d t pour n 1 (4.1.3)
On appelle transformée de Fourier d’un signal réel périodique x(t ) la suite des nombres
1 1 T0 / 2
X (nf 0 )
2
(a n jbn )
T0 T0 / 2
x(t ) exp( j 2f 0 nt) d t (4.1.4)
1
X (nf 0 ) a n2 bn2 (4.1.5)
2
(nf 0 ) tan1 bn a n (4.1.6)
On peut noter que le spectre d’une fonction périodique est essentiellement discontinu et
composé de raies espacées de f 0 sur l’axe des fréquences. A l’aide de la distribution de Dirac, on peut
X (nf 0 ) X ( f ) X (nf 0 ) exp j(nf 0 )( f nf 0 ) (4.1.7.b)
n0
Afin de rendre les équations plus simples, on introduit les valeurs négatives de n ce qui
donne :
T F[x(t )] X ( f ) X (nf
n
0 )( f nf 0 ) (4.1.8.a)
X( f ) X (nf
n
0) exp j(nf 0 ) ( f nf 0 ) (4.1.8.b)
2
0 pour n m
- cos(n) cos(m) d
pour n m
(4.1.10.b)
2
- sin(n) cos(m) d 0
n et m (4.1.10.c)
x(t ) cos(2f 0 t )
sin(2f 0 t )TT00 // 22 0
2 T0 / 2 2 1
a0
T0
T0 / 2
cos(2f 0 t ) d t
T0 2f 0
2 T0
2 T0 / 2 1 pour n 1
an
T0 T0 / 2
cos(2f 0 t ) cos(2f 0 nt) d t T0 2
0
d’après (4.1.10.b)
pour n 1
2 T0 / 2
bn
T0 T0 / 2
cos(2f 0 t ) sin(2f 0 nt) d t 0 d’après (4.1.10.c)
En récapitulant, on a :
a0 0 , a1 1 , a n 0 pour n 1 ,
bn 0 pour n 0
1 1
X ( f0 ) (a1 jb1 )
2 2
1 1 1
X ( f 0 ) (a 1 jb1 ) (a1 jb1 )
2 2 2
X (nf 0 ) 0 pour n 1 .
x(t ) cos(2f 0 t ) X( f )
1
( f f 0 ) ( f f 0 )
2
On peut noter que si x(t ) est réel et pair, alors X ( f ) est aussi réel et pair.
b1 1 et bn 0 pour n 1
1 1
X ( f0 ) (a1 jb1 ) j
2 2
1 1 1
X ( f 0 ) (a 1 jb1 ) (a1 jb1 ) j
2 2 2
X (nf 0 ) 0 pour n 1 .
X( f )
j
( f f 0 ) ( f f 0 )
2
On peut noter que si x(t ) est réel et impair, alors X ( f ) est imaginaire et impair.
T0
x(t ) 1 pour
2
kT0 t kT0
T
x(t ) 1 pour kT0 t 0 kT0 k entier
2
T
x(t ) discontinu pour t k 0
2
2 T0 / 2
an
T0
T0 / 2
x(t ) cos(2f 0 nt) d t
2
cos(2f 0 nt) d t
0 T0 / 2
T0 T0 / 2
cos(2f 0 nt) d t 0
2 1 T T
an sin 2f 0 n 0 sin 2f 0 n 0
T0 2f 0 n 2 2
0 n
2 0
sin(2f 0 nt ) d t
T0 / 2
T0 0T / 2
sin(2f 0 nt ) d t
0
bn
2 1
cos(0) cos(n) cos(n) cos(0)
T0 2f 0 n
2
1 cos(n)
n
bn
2
n
1 (1) n
Si n est pair bn b2 p 0
4 4
Si n est impair bn b2 p 1 avec p entier supérieur ou égal à 0.
n (2 p 1)
4
sin 2f 0 t sin 3(2f 0 t ) sin 5(2f 0 t )
1 1
x(t )
3 5
jbn 4 j
X (nf 0 )
2
2n
1 (1) n pour n pair
2 p j
X( f ) f (2 p 1) f 0
p 2 p 1
Le spectre est composé des harmoniques impairs. On remarque ici aussi que pour x(t ) réel
impair, x(t ) est imaginaire impair.
TFx(t ) X ( f ) x(t ) e j 2 f t d t
TF 1 X ( f ) x(t ) X ( f ) e j 2 f t d f
X ( f ) est une fonction en générale complexe qui comprend une partie réelle eX ( f ) et une
On sait que :
e j 2 f t cos(2 f t ) j sin(2 f t )
X(f )
x(t ) cos(2 f t ) d t j
x(t ) sin(2 f t ) d t
eX ( f ) jmX ( f )
mX ( f )
( f ) tan1
eX ( f )
Pour que la transformée de Fourier d’une fonction x(t ) existe et soit réciproque, il faut que
x(t ) ainsi que sa transformée X ( f ) soient à énergie finie, ce qui est le cas pour toutes les fonctions
existant physiquement, parce qu’on les observe sur un temps fini.
x(t ) X( f )
X ( f ) X ( f )
*
x(t ) e[ x(t )]
X ( f ) X ( f )
*
TF x(t ) X ( f )
TF X (t ) x( f )
TF X (t ) x( f )
Exemples x(t ) sin(2at) X( f )
j
( f a) ( f a)
2
Y ( f ) x( f ) sin(2a( f )) sin(2af )
y(t ) X (t )
j
(t a) (t a)
2
v(t ) y(t )
j
(t a) (t a) V ( f ) x( f ) sin(2af )
2
K. T. Houngan – EPAC/Université d’Abomey-Calavi. Signaux et systèmes. Chap. 4 : Transformation de Fourier Page 7
4.3.4. Propriétés d’homothétie (ou similitude).
TF x(at) X ( f a)
Un étalement de l’échelle des temps conduit à une « contraction » de l’échelle des fréquences
et inversement.
TF x(t ) e j 2 f 0 t X ( f f 0 ) f 0 = constante
Exemple :
X1 ( f )
1
( f f0 ) ( f f0 )
2
X 2 ( f ) X 1 ( f ) e j 2 f T / 4
2
1 j 2 f T / 4
e ( f f 0 ) e j 2 f T / 4 ( f f 0 )
Considérons le membre de droite de X 2 ( f ) : ( f f 0 ) est nulle pour tout f sauf pour
X2( f )
2
e
1 j /2
( f f 0 ) e j / 2 ( f f 0 )
cos( 2) j sin( 2) ( f f 0 ) cos( 2) j sin( 2) ( f f 0 )
1
2
j ( f f 0 ) j ( f f 0 )
1
2
X2( f )
j
( f f 0 ) ( f f 0 )
2
On trouve le même résultat qu’au paragraphe 4.1.3.2.
TFxt yt X * Y f
Car :
(t )(t ) d t (0)
En conclusion :
TF (t ) 1 constante
Figure 4.3.1 : Distribution de Dirac et son spectre
TF 1 ( f )
Au sens des distributions, on aboutit à
l’expression mathématique :
TF 1 1. e j 2 f t d t ( f ) Figure 4.3.2 : Fonction constante et son spectre
t kT F f nF
k
e e
n
e
TF u (t ) U ( f ) ( f ) TF sgn(t ).
1 1 1 1
u (t ) sgn(t )
2 2 2 2
On peut calculer TF sgn(t ) par l’intermédiaire de sa dérivée :
d sgn(t )
2(t ) (voir section 2.1.5.d du chapitre 2)
dt
d sgn(t )
TF sgn(t ) TF 2(t )
1 1
TF
j 2f d t j 2f
TF 2(t ) 2 TF sgn(t )
1 1
2 j 2f
En conclusion :
TF u (t ) U ( f )
1 1
( f )
2 j 2f
1 j
( f )
2 2f
Figure 4.4.1 : Fonction échelon unité et son spectre
T
1 pour t
t T T 2
x(t ) rect T (t ) u t u t
T 2 2
0 pour t
T
2
T / 2
X( f )
x(t ) e j 2 f t d t
T / 2
e j 2 f t d t
X( f )
1
j 2 f
e j f T e j f T
e j f T e j f T 2 j sin( fT ) conduit à :
2j sin( fT ) sin( fT )
X( f ) sin( fT ) T
j 2 f f fT
sin y
La fonction est appelée sinus cardinal de y :
y
sin y
sinc y permet d’obtenir :
y
sin( fT )
X( f ) T T sinc fT
fT
En conclusion :
t sin( fT )
x(t ) rect T (t ) X( f ) T T sinc fT
T fT
f p1 1,4303/ T ; A1 0,2172T
f p 2 2,4590/ T ; A2 0,1284T
f p 3 3,4709/ T ; A3 0,0913T
Nota : Si la durée T de la fonction porte tend vers 0 et que la surface délimitée par T (t ) demeure
constamment égale à T, alors T (t ) tend vers T(t ) et sa transformée de Fourier tend vers
la valeur constante T car f1 1 T (fréquence du premier passage par 0 du spectre) tend vers
l’infini.
xe (t ) x(kTe ) pour t kTe
(4.5.1)
x (t ) 0 ailleurs
e
xe (t ) x(t ). Pgn Te (t ) x(t ). δ(t-kTe ) (4.5.2)
k
TF x(t ) TFPgn Te (t )
n
X ( f ) Fe ( f nF )
n
e avec Fe 1 / Te
n n
X e ( f ) Fe . X ( f ) ( f nFe ) Fe .
n
X ( f nF )
n
e (4.5.3)
On en conclut que le spectre X e ( f ) de xe (t ) est obtenu en répétant, sur l’axe des fréquences
avec un pas égal à Fe, le spectre X ( f ) de x(t ) multiplié par Fe (voir figure 4.5.1 ci-dessous).
Les fréquences discrètes nFe sont appelées fréquences centrales et le motif correspondant à la
fréquence centrale nulle est appelé spectre de base X e 0 ( f ) .
Considérons la figure 4.5.1 précédente. Si X ( f ) est à fréquence limitée entre FM et +FM
Fe 2 FM (4.5.4)
la relation :
X e 0 ( f ) Fe X ( f ) (4.5.5)
A partir des propriétés de la convolution par un Dirac, le spectre de xe (t ) peut se mettre sous
la forme :
X e ( f ) X ( f ) Fe ( f nF ) F X ( f nF )
n
e e
n
e (4.5.6)
En multipliant cette expression par une fonction porte de largeur Fe , d’amplitude unité et
centrée à l’origine, soit Fe ( f ) rect( f Fe ) , on a :
X e ( f ) Fe ( f ) X ( f ) Fe
( f nFe ) Fe ( f )
n
Fe X ( f nFe ) Fe ( f )
n
Etant donné que la fonction Fe ( f ) est nulle en dehors de l’intervalle de fréquences allant de
T F 1 X ( f ) Fe ( f nFe ) Fe ( f ) T F 1 X ( f ) Fe
n
T F 1 X ( f ) Fe
( f nFe ) T F 1 Fe ( f ) T F 1 X ( f ) Fe
n
xe (t ) TF 1 Fe ( f ) x(t ) Fe (4.5.8)
Donc :
xe (t ) Fe sinc(Fe t ) x(t ) Fe (4.5.9)
En simplifiant l’expression ci-dessus par Fe on obtient :
sin(π Fe t )
x(t ) xe (t ) * (4.5.10)
π Fe t
k
. δ t k
xe (t ) x(t ). δ(t-kTe )
k
x(kTe ). δ(t-kTe )
k
k
x
Fe Fe
Cela conduit à :
sin(π F t ) k
xe (t ) e
x . δ t k sin(π Fe t )
π Fe t k Fe Fe π Fe t
k
x .δ t k sin(π Fe t )
k
Fe Fe π Fe t
Les propriétés de la convolution par un Dirac donnent :
k
sin Fe t
Fe
sin(Fe t )
δ t
k
Fe Fe t
Fe t
k
Fe
En définitive x(t) s’écrit :
k
sin Fe t
k F
x .
e
x(t ) (4.5.11)
k Fe F t k
e
Fe
Cette expression constitue le théorème de reconstitution de Shannon : on peut reconstituer une
fonction à partir de ses échantillons, pourvu que la fréquence d’échantillonnage soit supérieure ou
égale à deux fois la plus haute fréquence contenue dans le spectre.
Shannon alors que signal échantillonné xe, 2 (t ) ne respecte pas le théorème ( Fe 2 FM ) : dans ce cas
les bords des motifs individuels se recouvrent, ce qui a pour effet un repliement (alising) du spectre
résultant.
xe (t ) x(t ) pour kTe t kTe Tw
(4.5.13)
x (t ) 0 ailleurs
e
Cet échantillonnage, qui constitue la réalité, n’est pas réalisable pratiquement. On peut
modéliser xe (t ) comme étant le produit de x(t ) par une suite infinie de fonctions « porte »
xe (t ) x(t )
k
Tw ( t kTe ) x(t ) Tw (t ) Pgn Te (t ) (4.5.14)
X e ( f ) X ( f ) T F Tw (t ) Pgn Te (t )
sin(Tw kFe )
X ( f ) Tw Fe
k Tw kFe
( f kFe )
sin(Tw kFe )
Tw Fe
k Tw kFe
X ( f kFe )
sin(T kF )
X e ( f ) Tw Fe w e
X ( f kFe ) (4.5.16)
k T kF
w e
Cette relation montre que, dans le cas de l’échantillonnage naturel (avec une impulsion de
largeur non nulle), il est possible d’obtenir le spectre du signal original avec un filtre passe-bas idéal
de largeur Fe pour isoler le spectre de base ; la relation liant X e 0 ( f ) et X ( f ) est donnée par :
X e 0 ( f ) Tw Fe X ( f ) (4.5.17)
de la prise d’échantillon.
xe (t ) x(kTe ) pour kTe t kTe Tw
(4.5.18)
x (t ) 0 ailleurs
e
Ce mode d’échantillonnage correspond au cas pratique le plus souvent mis en œuvre. Le
signal xe (t ) peut être modélisé comme étant une suite infinie de fonctions « porte » de largeurs Tw,
xe (t ) x(kT )
k
e Tw (t kTe ) x(t ) Pgn Te (t ) Tw (t ) (4.5.19)
sin(Tw f )
X e ( f ) Tw Fe X ( f kFe ) (4.5.20)
Tw f
k
La relation liant X e 0 ( f ) et X ( f ) est donné par :
sin(Tw f )
X e 0 ( f ) Tw Fe X( f ) (4.5.21)
Tw f
K. T. Houngan – EPAC/Université d’Abomey-Calavi. Signaux et systèmes. Chap. 4 : Transformation de Fourier Page 18
Cette relation montre que, par rapport aux deux premiers procédés d’échantillonnages vus,
l’échantillonneur bloqueur introduit une déformation. En effet X ( f ) est modulé en amplitude par la
fonction sinc( Tw f ) . Cette distorsion reste faible tant que Tw est faible devant Te.
1
xe (t ) Tw (t ) * x(t ) (t kTe ) (4.5.23)
Tw k
sin(T ( f kF ))
X e ( f ) Fe T
w
( f kF )
e
X ( f kFe )
(4.5.24)
k
w e
La relation liant X e 0 ( f ) et X ( f ) est donné par :
sin(Tw f )
X e 0 ( f ) Fe X( f ) (4.5.25)
Tw f
On aboutit à la même conclusion que dans le cas précédent : il y a distorsion du spectre par
rapport aux deux premiers types d’échantillonnages.