Académique Documents
Professionnel Documents
Culture Documents
I Propriétés fréquentielles
La représentation naturelle d’un signal est sa représentation dans le domaine temporel.
Il existe une autre représentation non moins importante, qui est la représentation dans le domaine
fréquentiel, qu’on appelle communément spectre du signal.
Cette représentation permet de voir le niveau de chaque composante harmonique constituant le signal.
I.1. Transformation de Fourier des fonctions périodiques : Série de Fourier
L’introduction de la transformée et de la Série de Fourier permet de donner une autre représentation des
signaux très intéressante pour la théorie de l’information et du signal .Cette décomposition exponentielle ou
trigonométrique permet d’exprimer le signal en fonction de ses harmoniques.
I.1.1. Décomposition sous une forme trigonométrique
Un signal périodique s(t) de période T, continu par morceaux et vérifiant les condition de Dirichlet, peut être
décomposé en Série de Fourier selon la Décomposition trigonométrique suivante, pour tout signal s(t) réel
où s(t) = s ( t + T0), (avec : T0=1/F0) on peut écrire :
Avec :
Avec :
1 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
a0
Avec :
Les valeurs négatives de n sont introduites dans un but de simplification, s(t) étant réel d’où nous avons :
S(nF0) représente les composantes du spectre en fréquence de s(t),grandeur en général complexe, qui a pour:
2 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
X(f) indique quelle "quantité" de fréquence f est présente dans le signal x(t) sur l'intervalle −∞, +∞
X(f) est une fonction de f, généralement complexe :
Remarque :
df
3 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
II. Traitement numérique :
II.1 Définitions et principes :
Les calculateurs et autres systèmes numériques opèrent sur des nombres et non sur des grandeurs
continues. Les capteurs extraient, par exemple, la température ou la tension qui sont des signaux
analogiques. Si l’on veut traiter ces signaux par voies numériques, il faut les représenter au préalable par une
suite de nombre de valeurs ponctuelles prélevées régulièrement. Un tel prélèvement est appelé
échantillonnage et l’opération qui consiste à faire correspondre au signal analogique une suite de nombres
généralement codés sous forme binaire est appelée conversion analogique numérique.
Si le pas de prélèvement des échantillons est constant, on parle d’échantillonnage régulier. L’intervalle
entre deux échantillons successifs est appelé pas d’échantillonnage. L’opération qui consiste à remplacer la
valeur exacte de l’amplitude de l’échantillon par la valeur la plus proche approximative multiple d’un pas est
appelé quantification.
Ainsi la conversion analogique numérique est la représentation numérique des échantillons dont le
principe est basé sur la quantification et le codage. Souvent la conversion analogique numérique est appelée
numérisation.
x(t) x(t) x(t)
t t t
Signal analogique Echantillonnage réel Signal numérique
Figure.3 Schéma de structure de l’échantillonnage et la numérisation
ᵟ t)
Te(
t
Le spectre du signal échantillonné Te
Le spectre du signal échantillonné est donc le suivant :
On obtient donc un spectre infini qui provient de la périodisation du spectre du signal d’origine autour des
multiples de la fréquence d’échantillonnage fe, avec fe=1/Te
5 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
Exemple :
xe(t)
x(t) e(t)
Te
1/Te
fe
Signal Peigne de Dirac Echantillonnage Espace temporel
TF (Signal) Peigne de Dirac Périodisation Espace fréquentiel
6 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
On retrouve la même allure de spectre modulé en amplitude par une fonction en sinus cardinale.
7 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
L’échantillonnage-blocage consiste donc à la multiplication du signal par y(t). La transformée de Fourier du
signal échantillonné est donc :
Remarques :
Le spectre est identique au précédent. Le terme en e- jπf τ traduit un déphasage entre le signal initial et le
signal échantillonné. En principe, on maintient la valeur de l’échantillon sur toute la période
d’échantillonnage donc τ = Te. Ainsi, pour f = fe, on a un déphasage de -π.
II.2 Quantification et codage :
II.2 .1Quantification
II .2.1.1 – Définition
« Quantifier une valeur xe c’est remplacer cette valeur par une valeur xq appartenant à un ensemble
dénombrable de valeurs entières suivant une certaine loi. »
Exemple :
xe xq
Les formes de quantification les plus largement répandues sont l’arrondi et la troncature.
II .2.1.2 – Caractéristiques
a – Arrondi
Dans ce type de quantification, l’erreur due à la quantification est donnée par la relation suivante :
q q xq
x q xe où q est le pas de quantification.
2 2
2q
q
xe
q 2q
b – Troncature
C’est la quantification la plus largement répandue, l’erreur due à la quantification est donnée par la
relation suivante : q xq xe 0 . xq
La quantification est une fonction non linéaire. En effet :
( x y) q xq y q
2q
q
xe
q 2q
8 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
II .2.1.3 Bruit de quantification
Lors de la quantification du signal analogique en un signal numérique on introduit une erreur e(k) sur
le signal échantillonné tel que : xq (k ) xe (k ) e(k ) . Le signal e(k) est appelé bruit de conversion
analogique numérique (A/N). C’est un signal aléatoire stationnaire et ergodique.
La TF d'un signal échantillonné est une combinaison linéaire d'exponentielles complexes pondérées par la
valeur des échantillons.
Après normalisation de la période d'échantillonnage Te=1, on obtient:
Il faut remarquer que la variable f est continue et donc la fonction Xe(f) est une fonction continue.
b. Condition d'existence :
La TF d'un signal discret x[n] existe si le signal est absolument sommable. L'existence de la TFTD est donc
liée à la convergence absolue de la série x[n].
9 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
Donc Xe(f) est périodique de période 1. Toute l’information spectrale du signal est comprise dans
l’intervalle de fréquence
Comme la TF des signaux discrets est périodique de période 1, l'expression de la TF inverse est donnée par :
d. Propriétés de la TFTD :
Globalement, la TFTD possède les mêmes propriétés que la TF. X(f) est une fonction Complexe. | X(f)| est
le spectre d’amplitude et arg (X(f)) est le spectre de phase.
II.3.2 La transformé de Fourier discrète TFD (où bien DFT=Discrete Fourier Transform)) :
L’objectif de la Transformée de Fourier Discrète est d’effectuer les transformations sur un nombre
fini de données à traiter et pour un nombre fini de fréquences pour lesquelles on calcule la transformée.
a. Définition
La Transformée de Fourier d’un signal discret (TDFT) présente deux difficultés quant à son utilisation
par un système de traitement numérique :
La fréquence f est continue.
Le nombre d’échantillons x[n] à calculer est infini.
Solution :
Discrétisation de la fréquence. f est discontinu.
Limitation de la durée du signal. Le nombre d’échantillon est fini.
10 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
La Transformée de Fourier Discrète X[k] d’un signal numérique x[n] est définie par :
N 1 2
jk n k k
X[k] x[n] e N avec k [0,1,...N 1] f (normé) ou f fe
n 0 N N
De même la Transformée de Fourier Discrète inverse est donnée par :
kn
1 N1 2 j
x[n ] X[k ]e N avec n [0,1,...N 1]
N k 0
Remarques :
Toutes les propriétés de la TFTD d’un signal discret sont valables pour la DFT.
II.3.3 Transformée de Fourier Rapide (Fast Fourier Transform = FFT)
La Transformée de Fourier Rapide (FFT) est un algorithme efficace et rapide de calcul de DFT,
découvert par Cooley et Tukey en 1965 (IBM). Les bases théoriques des algorithmes de calcul de la FFT ont
été établies en 1939 avant même l’avènement des ordinateurs !
Le calcul de la FFT exploite les propriétés de wnk dans l’expression de la DFT.
Le calcul de X[k] exige, dans le cas où x[n] est réel, N2 additions et 2N2 multiplications (puisque wnk est
N
complexe). La FFT est un algorithme qui ne requiert que N.n (ou Nlog2N) addition et (n 1)
2
multiplications (N = 2n).
Principe : Le principe de la FFT est de décomposer la TFD d’ordre N en m TFD d’ordre Ni avec
m
N N i . La FFT est formulée sous deux formes principales dites décimation dans le temps
i 1
(entrelacement) et décimation dans les fréquences. Dans la première méthode, l’opération se réalise sur le
signal x[n], alors que dans la seconde méthode, la même opération est réalisée sur les coefficients de X[k].
Dans les deux cas le principe est le même.
Décimation dans le temps :
On décompose le signal x[n] en deux parties : x[2n] et x[2n+1] :
N N
1 1 2 j
2 2
X[k ] x[2n ]w 2Nkn x[2n 1]w (N2n 1) k avec wN e N Comme : w 2N w N
n 0 n 0 2
N N
1 1
2 2
X[k ] x[2n]w knN w kN x[2n 1]w knN k 0,...N 1 X[k ] X1[k ] w nN X 2 [k ]
n 0 2 n 0 2
11 2018-2019