Reprsentation dans le domaine de Fourrier

TRAITEMENT DE SIGNAL TP3:

Reprsentation dans le Domaine de Fourrier

LABOR PAR :
Bassem KHALFI Gazi Maatoug

ANNE UNIVERSITAIRE: 2009-2010

Reprsentation dans le domaine de Fourrier

I1.

Etude thorique :
Transformation de Fourier : dfinition

La transformation de Fourier peut tre vue mathmatiquement comme un cas particulier de celle de Laplace, en posant pour la variable frquentielle. On dfinit :

La fonction

est la transforme de Fourier de la fonction

. En que la pulsation

traitement de signal, on utilise plus volontiers la variable frquence , habituellement utilise en transforme de Fourier. 2. Spectre d'amplitude et spectre de phase

Dans le cas gnral, la transforme de Fourier d'une fonction produit une fonction valeurs complexes. transforme de Fourier : Le spectre d'amplitude : Le spectre de phase : Comme pour le dveloppement en sries de Fourier, on assiste l'apparition de frquences ngatives, qui ne s'interprtent pas directement, mais qui sont nanmoins porteuses d'nergie. La transforme de Fourier ici correspond l'enveloppe du spectre discret du dveloppeme nt de Fourier. Dans cette transformation de Fourier, toutes les frquences sont mises contribution pour la reprsentation frquentielle du signal temporel : le spectre estcontinu. Contrairement au dveloppement en sries de Fourier qui gnre une foncti n priodique sur o tout l'axe rel quelles que soient les valeurs prises par cette fonction en dehors de la priode considre, la transformation de Fourier est applique la fonction agissant sur tout l'axe rel. Il est ainsi cr une correspondance entre l'espace temporel o le signal volue, et l'espace frquentiel qui un peu plus abstrait. Les lectriciens appellent cela la dualit temps-frquence. Les cristallographes parlent d'espace direct et d'espace rciproque, etc. 3. La srie de Fourrier En analyse, les sries de Fourier sont un outil fondamental dans l'tude des fonctions priodiques. C'est partir de ce concept que s'est dveloppe la branche des mathmatiques connue sous le nom d'analyse harmonique. . Ainsi, on peut obtenir deux informations de la fonction

Reprsentation dans le domaine de Fourrier

L'tude d'une fonction priodique par les sries de Fourier comprend deuxvolets :
y y

l'analyse, qui consiste en la dtermination de la suite de ses coefficients de Fourier ; la synthse, qui permet de retrouver, en un certain sens, la fonction l'aide de la suite de ses coefficients.

a. Principe des sries de Fourier On ne peut pas obtenir toutes les fonctions admettant T pour priode comme une telle combinaison, ne serait-ce que parce qu'un polynme trigonomtrique est ncessairement indfiniment drivable. L'ide sous-jacente l'introduction des sries de Fourier est de pouvoir obtenir une fonction admettant T pour priode, par exemple continue, comme somme de fonctions sinusodales:

Avec les coefficients cn(f), appels coefficients de Fourier de f, dfinis par la formule :

Les coefficients de Fourier (complexes) de f (pour .

) sont donns par :

La srie de Fourier, Sn(f), est la srie de fonctions obtenue en sommant les harmoniques successifs jusqu'au rang n, soit :

b. Reconstitution des fonctions Une des questions centrales de la thorie est celle du comportement de la srie de Fourier d'une fonction et en cas de convergence de l'galit de sa somme avec la fonction initialement considre, ceci dans le but de pouvoir remplacer l'tude de la fonction elle-mme par celle de sa srie de Fourier, qui autorise des oprations analytiques aisment manipulables. Sous des hypothses de rgularit convenables, une fonction priodique peut effectivement se dcomposer comme somme de fonctions sinusodales. Pour une fonction priodique f de priode T, continue en un rel x, et drivable droite et gauche en x, le thorme de Dirichlet affirme la convergence de sa srie de Fourier value en x et donne l'galit :

Reprsentation dans le domaine de Fourrier

. Si f est valeurs relles, l'galit ci-dessus se rcrit avec les coefficients de Fourier rels :

Le thorme de convergence uniforme de Dirichlet est une version globale du thorme de convergence ponctuelle. Pour une fonction T-priodique et continment drivable au voisinage de tout point d'un segment I, la srie de Fourier de f converge uniformment vers f sur I. La dmonstration consiste constater que les constantes dans les estimations de la preuve du thorme de convergence ponctuelle peuvent trechoisies indpendamment du point dvaluation . En particulier, la srie de Fourier d'une fonction continment drivable etT-priodique, converge uniformment sur vers la fonction. PS: Il suffit que la fonction soit continment drivable par morceaux et continue.

II-

Simulation sur MATLAB

Objectif :
Ce TP comprend deux parties :

y y

Etude de la Transforme de Fourier Discrte dun signal priodique, ceci fera lobjet de la Partie I. Etude de la reprsentation par une Srie de Fourrier dun signal priodique, dans la Partie II.

Dans ce TP on va avoir recours des commandes prdfinies tel que fft, fftshift , ifft, square

PARTIE I :
1. on va construire une fonction Sampled_Sine.m qui pour un vecteur p=[f1, f2, n, N] retourne les chantillons dun signal sinusodale x(t)=sin(2*pi*f1*t) sur lintervalle t=[0,N/f2] avec une priode dchantillonnage gale Te=1/nf2. On appelle nf2/f1 le facteur de surechantillonnage caractrisant lchantillonnage dun signal donn. Voila donc limplmentation de cette fonction sur MATLAB:

function[x]=Sampled_Sine(f1,f2,n,N)

Reprsentation dans le domaine de Fourrier

Te=1/(n*f2); t=0:Te:N/f2; x=sin(2*pi*f1*t) stem(t,x) end
2. on construit un signal x1(t) de frquence 10^3 et une amplitude unitaire. (p= [10^3 ,10^3,4,10]) voici limplmentation sur MATLAB et la reprsentation de la fonction fft du signal x1(t) :
20

clear all n=4; N=10; f2=10^3; f1=10^3; x1=Sampled_Sine(f1,f2,n,N); y=fft(x1) plot(abs(y));

18

16

14

12

10

0 0 5 10 15 20 25 30 35 40 45

En fait, notre signal donne deux impulsions de Dirac qui a peu prs aux frquences : f1 et f1 . Ce rsultat est conforme au rsultat thorique puisque la transforme de Fourrier de la fonction sinus sont deux Dirac symtrique par rapport l axe des ordonnes.et voila la dmonstration :

Remarque : En fait, lors quon fait augmenter le nombre des points de la FFT, on remarque lapparition de la courbe reprsentative dun sinus cardinale. Cela est expliqu par le faite quon a utilis un vecteur ou un nombre de points fini c'est--dire on a discrtis le temps et on a pris un nombre fini de points. Cest comme si on a multipli par une porte. Or on sait quune porte dans le domaine temporel correspond un sinus cardinal dans le domaine frquentiel. Voila la reprsentation obtenue :

Reprsentation dans le domaine de Fourrier

3. Lorsquon augmente la valeur de n, le signal chantillonn est mieux reprsent En fixant N=10 et on faisant varier n on obtient
x 10 9
x 10 2.5
-14 -15

6
1.5

3
0.5

1 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6

0 0 5 10 15 20 25

Pour n=0.5
5 0

Pour n=2 :

4 5

4 0

3 5

3 0

2 5

2 0

1 5

1 0

0 0 2 0 4 0 6 0 8 0 1 0 0 1 2 0

Pour n=10

4. Maintenant on fixe n=10 et on varie N, alors on obtient :

Reprsentation dans le domaine de Fourrier

10 500 9 450

400

350

300

250

200

150

100

50

0 0 5 10 15 20 25 30

0 0 200 400 600 800 1000 1200

Pour N=5

Pour N=100

Plus on augmente la valeur de N, meilleur la reprsentation sera. 5. On peut rcuprer le signal partir de sa TDF, en utilisant les commandes suivantes en matlab : clear all n=10; N=10; f2=10^3; f1=10^3; x1=Sampled_Sine(f1,f2,n,N); y=fft(x1) plot(abs(y)); y1=fftshift(fft(x1)) Fe=(n*f2) pas=Fe/(length(y1)-1) freq=-Fe/2:pas:Fe/2; plot(freq,abs(y1)) plot(abs(fftshift(fft(x1,10000)))) plot(real((ifft(ifftshift(y1)))))

Reprsentation dans le domaine de Fourrier

6. Pour le signal x= x1(t)+2sin(2pif2t)et pour le cas ou f1-f2=20Hz, on obtient :

Pour le mme signal mais f1-f2=20Hz, on obtient :

Reprsentation dans le domaine de Fourrier

Partie 2 : Le dveloppement en srie de fourrier du signal priodique carr(Amplitude unitaire et moyenne nulle) :

x(t)= Xk = (1/T

avec Xk=1/T + 1/T ]



dt

= (-1/T ) [

Reprsentation dans le domaine de Fourrier

=j/( k) ( 1- (-1)k )
4. La construction dune fonction Sampled_Square : Voici le la fonction crite sur MATLAB : function [x]=Sampled_Square(f1,f2,n,N) Te=1/(n*f2); t:Te:N/f2; x=square(2*pi*t*f1) stem(x)

Notre fonction nous donne un signal carr qui vari entre 1 et -1 avec une priode T=2/f1

5. Pour le vecteur p =[10^3 ,10^3 ,20,4] le signale y gnr est donn par : f1=10^3 ; f2=10^3 ; n=20 ; N=4 ; y=Sampled_Square(f1,f2,n,N)

Voici le code MATLAB

La comparaison de la version chantillonn la 10me terme avec le dveloppement de Fourrier :

10

Reprsentation dans le domaine de Fourrier

La figure ci-contre montre qu il ya une un lgre superposition entre les deux courbes. Plus le nombre des termes augmente plus le rsultat est plus bon

3. La reprsentation du module de la FFT :

Plus le signal le nombre des chantillons est grand plus que les deux figures se ressemblent.

11

r s

t ti

F urri r

Conclusion :
Le trans rme et la srie de F rrier s nt des outils mathmatiques trs efficaces en traitement de signale lors qu il s agit de la transmission d un signal et la reconstitution de ce signal. L erreur entre le signal initial et le signal reconstitu est trs faible vue le nombre des chantillons utilis.

12