Chapitre II

CHAPITRE II
SIGNAUX A TEMPS CONTINUS
Nous utilisons un oscilloscope pour visualiser un signal en fonction du temps. Nous pouvons
ainsi mesurer la période, si le signal est périodique, la valeur moyenne, la valeur maximale, le
déphasage…Cependant, la représentation temporelle ne peut déterminer l’expression
mathématique du signal ou de connaître son contenu en fréquence. L’oscilloscope ne permet
pas de savoir, par exemple, les fréquences présentes dans le signal vocal ou le signal
rectangulaire périodique. Il faut donc penser à une autre représentation pour avoir plus
d’information, c’est la représentation fréquentielle ou spectrale du signal, présentant
l’amplitude, la phase ou la puissance du signal en fonction de la fréquence.
Le spectre d’un signal est visualisé au moyen d’un analyseur de spectre. L’analyseur de spectre
représente l’amplitude d’un signal en fonction de la fréquence.
Ce chapitre présentera les outils nécessaires pour déterminer le spectre d’un signal.
II-1 SIGNAUX PERIODIQUES - SERIE DE FOURIER

II-1-1 Définition
1
On considère un signal périodique s(t) de période T0 = f . s(t) peut se décomposer en une
0
somme de fonction sinusoïdale dépendant du temps. On parle de la décomposition en série de
Fourier. On peut écrire s(t) sous la forme :
+∞
s(t) = S0+ ∑ [an cos(nω0 t) + bn sin(nω0 t)] (II.1)

n=1
2π
avec ω0 = 2πf0 =
T0
S0 : la valeur moyenne du signal s(t), appelée aussi la composante continue.
T0
1
S0 = ∫ s(t) dt (II.2)
T0
0
Signaux à temps continus
La fonction hn(t) = an cos(nω0 t) + bn sin(nω0 t) s’appelle l’harmonique d’ordre n du signal.

La fonction h1(t) = a1 cos(nω0 t) + b1 sin(nω0 t) s’appelle le fondamental du signal.
f0 : la fréquence du fondamental.
nf0, avec n > 1 : les fréquences des différentes harmoniques.
Les coefficients de Fourier an et bn sont indépendants du temps et s’expriment de la manière
suivante :
T0
T0 2
2 2
an = ∫ s(t) cos(nω0 t) dt = ∫ s(t) cos(nω0 t) dt (II.3)
T0 T0
0 T
- 0
2
T0
T0 2
2 2
bn = ∫ s(t) sin(nω0 t) dt = ∫ s(t) sin(nω0 t) dt (II.4)
T0 T0
0 T
- 0
2
Dès qu’un coefficient d’ordre n est non nul, cela signifie qu’une partie du signal s(t) vibre à la
pulsation nω0 .
Propriétés
➢ Signal pair ; s(t) = s(-t)
T0 T0
2 0 2
2 2 2
bn = ∫ s(t) sin(nω0 t) dt = ∫ s(t) sin(nω0 t) dt + ∫ s(t) sin(nω0 t) dt
T0 T0 T0
T T 0
- 0 - 0
2 2
Posons u = -t, d’où du = -dt et les coefficients bn deviennent :

T0
0 2
2 2
bn = − ∫ s(−u) sin(−nω0 u) du + ∫ s(t) sin(nω0 t) dt
T0 T0
T0 0
2
Puisque le signal est pair, s(u) = s(-u), et

T0
0 2
2 2
bn = ∫ s(u) sin(nω0 u) du + ∫ s(t) sin(nω0 t) dt
T0 T0
T0 0
2
T0 T0
2 2
2 2
bn = − ∫ s(u) sin(nω0 u) du + ∫ s(t) sin(nω0 t) dt = 0
T0 T0
0 0
La décomposition en série de Fourier d’un signal périodique pair ne comporte donc pas de
terme en sinus. La série s’écrit alors :
Traitement du signal 46 HAMDOUNE

+∞
s(t) = S0 + ∑ [an cos(nω0 t)] (II.5)

n=1
Les coefficients de Fourier an deviennent :

T0
2
4
an = ∫ s(t) cos(nω0 t) dt (II.6)
T0
0
En conclusion si le signal est pair, la partie impaire du développement en série de Fourier est
nulle. ∀ n, bn = 0.
➢ Signal impair ; s(t) = -s(-t)
De la même manière, on peut démontrer que la décomposition en série de Fourier d’un signal
périodique impair ne comporte pas de terme en cosinus.
+∞
s(t) = ∑ [ bn sin(nω0 t)] (II.7)

n=1
Les coefficients de Fourier bn deviennent alors :

T0
2
4 (II.8)
bn = ∫ s(t) sin(nω0 t) dt
T0
0
Donc si le signal est impair, la partie paire du développement en série de Fourier est nulle.
∀ n, an = 0.
Exercice 1 :
Décomposer en série de Fourier le signal suivant :
T
1 si t ∈ [0 , ]
4
T 3T
s(t) = 0 si t ∈ [ , ]
4 4
3T 5T
{1 si t ∈ [
4
,
4
]
Réponse :
0 si n est pair
2
±2 si n = 4k + 1
an = avec k un entier
si n est impair = { πn
πn −2
{ si n = 4k + 3
πn

Cette représentation, malheureusement, n’a aucun intérêt en traitement du signal. Si on

translate le signal x(t) = sin(ω0 t) suivant l’axe des temps, on obtient :
x(t - τ) = sin(ω0 (t - τ)) = sin(ω0 t - ω0 τ)
La translation temporelle ne modifie pas l’amplitude du signal, l’amplitude est donc un
invariant temporel, mais change la phase à l’origine.
π π
Si ω0 τ = - 2, sin (ω0 t + 2) = cos(ω0 t)
Calculons la puissance du signal :

T T
1 1 1
S2eff = ∫ sin2 (ω0 t)dt = ∫ [1 - cos(2ω0 t)]dt =
T 2T 2
0 0
De même
T
1 1
S2eff = ∫ cos2 (ω0 t)dt =
T 2
0
On peut en conclure que les fonctions sinus et cosinus sont équivalentes, elles contiennent la
même puissance, seul le terme de phase change.
Translatons, maintenant la série de Fourier :
+∞
s(t - τ) = S0 + ∑ [an cos(nω0 (t - τ)) + bn sin(nω0 (t - τ))]

n=1
+∞
= S0 + ∑[a'n cos(nω0 t) + b'n sin(nω0 t)]

n=1
a'n = an cos(nω0 τ) + bn sin(nω0 τ)
b'n = an sin(nω0 τ) + bn cos(nω0 τ)
On constate cette fois ci que les coefficients an et bn ne sont pas des invariants temporels.
Cherchons les sinus et les cosinus à partir de la décomposition de série de Fourier :
a1 = 1 pour n = 1
s(t) = cos(ω0 t) → {an = 0 pour n > 1
bn = 0 ∀n
b1 = 1 pour n = 1
s(t) = sin(ω0 t) → {bn = 0 pour n > 1
an = 0 ∀n
Aucune phase n’apparait.
On doit chercher donc, une nouvelle écriture des séries de Fourier faisant apparaitre pour
chaque harmonique une amplitude et une phase tout en conservant la puissance après une
translation temporelle.

II-1-2 Série de Fourier en cosinus

L’harmonique d’ordre n est :
hn(t) = an cos(nω0 t) + bn sin(nω0 t)
il peut s’écrire sous la forme :
hn(t) = An cos(nω0 t - φn )
avec :
An : l’amplitude de l’harmonique d’ordre n.
n ω0
: la fréquence de l'harmonique d'ordre n
2π
φn : la phase de l’harmonique d’ordre n.
Comme,
+∞ +∞
s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)] = S0 + ∑ An cos(nω0 t - φn ) ①

n=1 n=1
+∞
s(t) = S0 + ∑[An cos(nω0 t) cos(φn ) + An sin(nω0 t) sin(φn )] ②

n=1
En comparant les équations ① et ②, on tire alors :

an = An cos(φn ) (II.9)
bn = An sin(φn ) (II.10)
d’où
A2n = a2n + b2n (II.11)
bn
φn = arctg ( )
an (II.12)
L’expression est alors :
+∞ +∞
s(t) = S0 + ∑ An cos(nω0 t - φn ) = ∑ An cos(nω0 t - φn ) (II.13)

n=1 n=0
avec
S0 = A0 cos(φ0 )
Si s(t) subit une translation τ suivant l’axe des temps :
+∞ +∞
s(t - τ) = ∑[An cos(nω0 (t - τ) - φn ] = ∑[An cos(nω0 t) - φ'n ]

n=0 n=0

avec
φ'n = φn + nω0 t
Cette fois-ci, la translation temporelle ne modifie pas l’amplitude du signal, mais change la
phase à l’origine.
Cherchons maintenant les sinus et les cosinus :
A1 = 1 A1 = 1
s(t) = cos(ω0 t) → { φ = 0 s(t) = sin(ω0 t) → { π
1 φ1 = 2
Dans cette représentation, on voit bien la présence de la phase et du coup le sinus n’est qu’un
cosinus déphasé.
La représentation spectrale est appelée le spectre unilatéral. Il n’y a que des fréquences
positives. Le spectre se décompose en un spectre d’amplitude, courbe de An en fonction de la
fréquence, et un spectre de phase, courbe de φn en fonction de la fréquence, comme le montre
la figure (II.1). La connaissance des deux spectres est indispensable pour reconstituer le
signal.
spectre d'amplitude
6
valeur moyenne
fondamental
4
harmoniques
An
0
0 f0 2f0 3f0 4f0 5f0
f
spectre de phase
50
n
-50
0 f0 2f0 3f0 4f0
f
Fig II.1. Spectre unilatéral
Exercice 2 :
Déterminer les coefficients de Fourier en cosinus du signal de l’exercice 1.
Réponse :
A2n = a2n + b2n = a2n
bn
φn = arctg ( ) = 0, ± π
an

II-1-3 Série de Fourier complexe
La série de Fourier peut être transformée en une série de Fourier complexe en utilisant les
relations d’Euler :
ejnω0 t - e-jnω0 t ejnω0 t + e−jnω0 t
sin(nω0 t) = et cos(nω0 t) =
2j 2
+∞
s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)]

n=1
+∞
ejnω0t + e-jnω0 t ejnω0 t - e-jnω0 t
= S0 + ∑ [an { } + bn { }]
2 2j
n=1
+∞
an - jbn jnω t an + jbn -jnω t
= S0 + ∑ [{ }e 0 + { }e 0 ]
2 2
n=1
Posons :
T0 T0
2 2
an - jbn 1 2 2j
Cn = = ∫ s(t) cos(nω0 t) dt - ∫ s(t) sin(nω0 t) dt
2 2 T0 T0
T0 T
[ -2 - 0 ]
2
T0
2
1
= ∫ s(t) e-jnω0t dt
T0
T
- 0
2
Remarquons que,
T0 T0 T0
2 2 2
an + jbn 1 2 2j 1
= ∫ s(t) cos(nω0 t) dt + ∫ s(t) sin(nω0 t) dt = ∫ s(t) ejnω0 t dt = C-n
2 2 T0 T0 T0
T0 T T
[ -2 - 0 ] − 0
2 2
finalement
T0
2
an - jbn 1
Cn = = ∫ s(t) e-jnω0 t dt (II.14)
2 T0
T
- 0
2
T0
2
an + jbn 1 (II.15)
C-n = = ∫ s(t) ejnω0 t dt
2 T0
T
- 0
2

+∞ +∞
s(t) = S0 + ∑ Cn e jnω0 t
+ ∑ C-n e-jnω0t
n=1 n=1
En regroupant les deux termes, on trouve à la fin la série en complexe :

+∞
s(t) = ∑ Cn ejnω0t (II. 16 )

n = -∞
avec C0 = S0
Cn : les coefficients de Fourier.
Ils sont complexes et peuvent s’écrire sous forme exponentielle complexe :
jarg(Cn )
Cn = |Cn |e (II. 17)
La série complexe ne fait apparaitre qu’un seul coefficient Cn qui comprend un module et une
phase.
L’harmonique d’ordre n :
hn (t) = C-n e-jnω0t + Cn ejnω0 t = 2|Cn | cos[nω0 t + arg(Cn )] (II.18)

est une sinusoïde de pulsation nω0, d’amplitude 2|Cn | et de phase arg(Cn).
La représentation spectrale est appelée le spectre bilatéral. Elle fait apparaitre des
harmoniques de fréquences positives et négatives (figure II.2).
spectre d'amplitude
5
4 valeur moyenne fondamental
3
harmoniques
Cn
harmoniques
2
1
0
-3f0 -2f0 -f0 0 f0 2f0 3f0
f
spectre de phase
100
50
n
0
-50
-100
-4 -3 -2 -1 0 1 2 3 4
f
Fig II.2. Spectre bilatéral
Le spectre d’amplitude bilatéral est toujours pair, car |Cn| = |C-n| pour tout n ≠ 0, alors que le
spectre de phase bilatéral est toujours impair puisque arg(Cn) = -arg(C-n) pour tout n ≠ 0.

II-1-4 Propriétés
➢ Signal pair
Dans le cas d’un signal pair, la partie impaire du développement en série de Fourier est nulle :
bn = 0
T0
2
4
an = ∫ s(t) cos(nω0 t) dt
T0
0
d’où
an - jbn an an + jbn an
Cn = = et C-n = = (II.19)
2 2 2 2
Im(Cn )
φn = arctg [ ] = 0, π
Re(Cn )
Exemple 1 : Tracer le spectre bilatéral du signal s(t) = cos(ω0t).

s(t) = cos(ω0t), n = 1
𝐚𝟏 = 𝟏 𝐚𝟏 𝟏 Im(C𝟏 )
𝐚𝐧≠𝟏 = 𝟎} → 𝐂𝟏 =𝐂−𝟏 = = et φ𝟏 = arctg [ ]= 0
𝟐 𝟐 Re(C𝟏 )
𝐛𝐧 = 𝟎
finalement
+∞
1
cos(ω0 t) = ∑ Cn ejnω0 t = [ejω0 t + e-jω0t ]
2
n=−∞
La figure (II.3) représente le spectre bilatéral du cosinus.
0.5
|Cn|
n
0
-f0 0 f0 -f0 0 f0
f f
Fig II.3. Spectre bilatéral du signal s(t) = cos(ω0t)
➢ Signal impair
Dans le cas d’un signal impair, la partie paire du développement en série de Fourier est nulle :

an = 0
T0
2
4
bn = ∫ s(t) sin(nω0 t) dt
T0
0
d’où
an - jbn - jbn an + jbn jbn
Cn = = et C-n = = (II.20)
2 2 2 2
Im(Cn ) π
φn = arctg [ ]= ±
Re(Cn ) 2
Exemple 2 : Tracer le spectre bilatéral du signal s(t) = sin(ω0t).
s(t) = sin(ω0t), n = 1
b1 = 1 jb j Im(C𝟏 ) π
bn≠1 = 0 } → C = -C-1 = - 1 = - et φ𝟏 = arctg [ ] = - = φ−𝟏
2 2 Re(C𝟏 ) 2
an = 0 1
finalement
+∞
j 1 π π
sin(ω0 t) = ∑ Cn ejnω0 t = - [ejω0 t - e-jω0 t ] = [ej(ω0 t - 2) - e-j(ω0t + 2)]
2 2
n=-∞
La figure (II.4) représente le spectre bilatéral du sinus.
90
0.5
|Cn|
n
-90
0
-f0 0 f0 -f0 0 f0
f f
Fig II.4. Spectre bilatéral du signal s(t) = sin(ω0t)
➢ Signal réel
T0
2
1
Cn = ∫ s(t) e-jnω0t dt
T0
T
- 0
2

T0 T0
2 2
1 1
C*n = ∫ s* (t) ejnω0 t dt = ∫ s(t) ejnω0t dt = C-n
T0 T0
T T
- 0 - 0
2 2
C*n = C-n (II.21)
➢ Signal translaté
Soit s(t) un signal périodique de période T. Sa version translatée est définie par sa(t) = s(t – a).
La décomposition en série de Fourier est :
+∞
s(t - a) = ∑ Cna ejnω0 t

n = -∞
avec
T0
2
1
Cna = ∫ s(t - a) e-jnω0t dt
T0
T
- 0
2
posons t – a = u, dt = du
T0 T0
-a -a
2 2
1 1
Cna = ∫ s(u) e-jnω0 (u + a) du = ∫ s(u) e-jnω0u e-jnω0 a du = Cn e-jnω0 a
T0 T0
T T
- 0-a - 0-a
2 2
Cna = Cn e−jnω0 a (II.22)
Les coefficients de la décomposition en série de Fourier d’un signal translaté s’obtiennent par
simple translation de phase des coefficients de la décomposition du signal non translaté, leur
module n’est pas modifié par la translation.
➢ Signal dérivé
T0
1 ds(t) -jnω0t
Cnd = ∫ e dt
T0 dt
0
Après intégration par partie, on trouve :

Cnd = jnω0 C (II.23)
n
Exercice 3 :
Déterminer les coefficients de Fourier complexe du signal de l’exercice 1.
Réponse :

1 πn 1 πn 1
C0 = sin ( ) ~ ( )=
πn 2 πn 2 2
0 si n est pair
1
±1 si n = 4k + 1
Cn = avec k un entier
si n est impair = { πn
πn −1
{ si n = 4k + 3
πn
II-1-5 Relations entre les spectres unilatéraux et bilatéraux

L’harmonique d’ordre n pour la décomposition en série de Fourier en cosinus est :
hn(t) = An cos(nω0 t - φn ) ①
L’harmonique d’ordre n pour la décomposition en série de Fourier complexe est :
hn (t) = C-n e-jnω0 t + Cn ejnω0 t = 2|Cn | cos[nω0 t + arg(Cn )] ②
En comparant les équations ① et ②, on trouve :

An (II.24)
|Cn | = |C0 | = A0
2
arg(Cn ) = -φn pour n ≥ 0
{ (II.25)
arg(C-n ) = -arg(Cn )
Exercice 4 :
π
Retrouver la description temporelle en complexe du signal s(t) = 3cos(2πt - 4 ).
Réponse :
3 −jπ
C1 = |C1 | ejarg(C1 ) = e 4
2
3 jπ
C−1 = |C−1 | ejarg(C−1 ) = e4
2
II-1-6 Théorème énergétique – Parseval
La décomposition en série de Fourier complexe d’un signal périodique est :

+∞
s(t) = ∑ Cn ejnω0t
n = -∞

La puissance du signal est :

T T T
2 2 +∞ +∞ 2
1 1 1
P= ∫|s(t)|2 dt = ∫ s(t) [∑ C*n e-jnω0 t ] dt = ∑ Cn∗ ∫ s(t) e−jnω0 t dt
T T T
T T n=-∞ n=−∞ T
- - [ −2 ]
2 2
+∞
= ∑ |Cn∗ |2
n=−∞
T
2 +∞ +∞
1 1
P = ∫|s(t)|2 dt = ∑ |Cn∗ |2 = A20 + ∑ A2n (II.26)
T 2
T n=−∞ n=1
−
2
La puissance d’un signal peut être calculée à partir de la somme des puissances portées par
chaque harmonique.
Exercice 5 :
Calculer la puissance du signal s(t) = 4 + 2cos(3t), avec ω = 1, à l’aide des trois
représentations.
Réponse :
+∞
𝐏 = ∑ |𝐂𝐧∗ |𝟐 = 𝟒𝟐 + 𝟏𝟐 + 𝟏𝟐 = 𝟏𝟖 𝐖
𝐧=−∞
II-2 SIGNAUX NON PERIODIQUES – TRANSFORMEE DE

FOURIER
II-2-1 Définition
La transformée de Fourier généralise la notion de série de Fourier au cas des signaux non
périodiques.
Soit s(t) un signal déterministe. Sa transformée de Fourier est une fonction généralement
complexe, de variable f, définie par :
+∞
𝒯ℱ [s(t)] = S(f) = ∫ s(t) e−2jπft dt (II.27)

−∞
La transformée de Fourier inverse est donnée par :

+∞
s(t) = 𝒯ℱ −1 [S(f)] = ∫ S(f) e2jπft dt (II.28)

−∞

On note : s(t) ⇌ S(f)

S(f) comprend une partie réelle, en phase et une partie imaginaire, en quadrature.
+∞ +∞
ℛℯ[S(f)] = ∫ s(t) cos(2πft) dt ; ℐ𝓂[S(f)] = ∫ s(t) sin(2πft)dt (II.29)

−∞ −∞
Le spectre d’amplitude est le module :
2 2
|S(f)| = √[ℛℯ[S(f)]] + [ℐ𝓂[S(f)]] (II.30)
Le spectre de phase est :

ℐ𝓂[S(f)]
φ(f) = arctg [ ] (II.31)
ℛℯ [S(f)]
II-2-2 Propriétés
➢ Linéarité
La transformée de Fourier est une opération linéaire.
s(t) ⇌ S(f)
r(t) ⇌ R(f)
a s(t) + b r(t) ⇌ a S(f) + b R(f) (II.32)
➢ Changement d’échelle
Le changement d’échelle est une opération qui associe à un signal s(t), un signal s(at) avec a
un réel strictement positif (cf § I.3.2.c). La figure II.5 montre la dilatation et la compression
du signal s(t).
1 s(2t)
s(t)
s(t/2)
0.5
0
0 0.5 1 1.5 2 2.5
t
Fig II.5. Contraction et dilatation du signal
Quel est l’effet d’un changement de l’échelle temporelle sur le spectre ?

Calculons la transformée de Fourier de s(at) :

+∞
𝒯ℱ[s(at)] = ∫ s(at) e−2jπft dt

−∞
Posons u = at → du = a dt
+∞
1 u 1 f
𝒯ℱ[s(at)] = ∫ s(u) e−2jπf a du = S( )
a a a
−∞
D’une manière générale :

1 f
s(at) ⇋ S( ) (II.33)
|a| a
Si a > 1, s(at) est compressé sur l’axe des temps, son spectre est dilaté.
Si a < 1, s(at) est dilaté sur l’axe des temps, son spectre est compressé.
➢ Translation
La figure (II.6) montre le retard et l’avance du signal triangulaire.
1 s(t)
s(t -3)
s(t+7)
0.5
0
-8 -7 -6 -5 -4 -2 0 1 2 3 4 5 6
t
Fig II.6. Retard et avance du signal
La transformée du signal translaté est :

+∞
𝒯ℱ[s(t − a)] = ∫ s(t − a) e−2jπft dt

−∞
Posons u = t - a → du = dt
+∞ +∞
−2jπf(u+a) −2jπfa ∫ s(u) e−2jπfu du = e−2jπfa S(f)
𝒯ℱ[s(u)] = ∫ s(u) e du = e
−∞ −∞
s(t − a) ⇋ e−2jπfa S(f) (II.34)

La transformée de Fourier du signal s(t – a) garde le même module, mais subit un changement
de phase de 2πfa. On l’appelle le théorème du retard.
➢ Déplacement fréquentiel
+∞ +∞
𝒯ℱ[ e2jπta s(t)] = ∫ e2jπta s(t) e−2jπft dt = ∫ s(t) e−2jπ(f−a)t dt = S(f − a)

−∞ −∞
e2jπta s(t) ⇋ S(f − a) (II.35)
La multiplication du signal par e2jπta ne modifie ni le spectre d’amplitude ni le spectre de

phase, mais il translate le spectre.
Exemple 3 : Modulation d’amplitude

A A
s(t) = A cos(2πf0 t) . u(t) = [e2jπf0 t + e−2jπf0 t ] . u(t) = [e2jπf0 t u(t) + e−2jπf0t u(t)]
2 2
En utilisant la relation II.35, on trouve :
A
S(f) = 2 [U(f − f0 ] + U(f + f0 )] avec U(f) = TF[u(t)] (II.36)
Le spectre est donc translaté à droite et à gauche.
➢ Dérivation
+∞
ds(t) −2jπft
∫ [ ] e dt
dt
−∞
Intégration par partie :

+∞
+∞
= [s(t) e−2jπft ]−∞ + 2jπf ∫ s(t) e−2jπft dt = 2jπf S(f)
−∞
ds(t)
⇋ 2jπf S(f) (II.37)
dt
D’une manière générale :

dn s(t)
⇋ 2jπf n S(f) (II.38)
dtn
D’un autre côté :

j dS(f)
t s(t) ⇋ 2π (II.39)
df
jn dn S(f)
t n s(t) ⇋ (II.40)
2π dfn

➢ Conjugaison
+∞ +∞ ∗
𝒯ℱ[s∗ (t)] = ∫ s ∗ (t) e−2jπft dt = [ ∫ s(t) e2jπft dt] = S(−f)

−∞ −∞
s ∗ ( t) ⇋ S ∗ (−f) (II.41)
s ∗ (−t) ⇋ S ∗ (f) (II.42)
➢ Dualité
Cette propriété permet de déterminer facilement des transformées de Fourier à partir des
transformées de Fourier déjà connues.
+∞
−1
s(t) = 𝒯ℱ [S(f)] = ∫ S(f) e2jπft df
−∞
+∞
s(−t) = ∫ S(f) e−2jπft df

−∞
Echangeons les variables t et f :
+∞
s(−f) = ∫ S(t) e−2jπft dt

−∞
Finalement
s(t) ⇋ S(f)
(II.43)
S ( t) ⇋ s(−f)
Si S(f) est la transformée de Fourier de s(t), alors la transformée de Fourier de S(t) est s(-f).
II-2-3 Théorème de Parseval
Calculons l’intégrale suivante :

+∞ +∞ +∞ +∞ +∞
∫ s(t) r(t) dt = ∫ [ ∫ S(f) e2jπft df] r(t) dt = ∫ S(f) [ ∫ r(t) e2jπft dt] df
−∞ −∞ −∞ −∞ −∞
+∞
= ∫ S(f)R(−f) df
−∞
Si les signaux sont réels et égaux,

+∞ +∞ +∞ +∞ +∞
∫ s(t) r(t) dt = ∫ s(t) s(t) dt = ∫ s(t)2 dt = ∫ S(f)S(−f) df = ∫ |S(f)|2 dt

−∞ −∞ −∞ −∞ −∞
enfin
+∞ +∞
∫ |s(t)|2 dt = ∫ |S(f)|2 dt (II.44)

−∞ −∞
L’énergie est identique dans le domaine temporel et le domaine fréquentiel.
II-2-4 Signaux à énergie finie

1- Signal rectangulaire
Soit un signal rectangulaire de centre 0 et de largeur T :

t 1 1
t 1 si | |<
T 2
s(t)
s(t) = rect ( ) = { 0.5
T t 1
0 si | |>
T 2 0
-T/2 0 T/2
t
Vérifions que le signal est à énergie finie :
T
+
+∞ 2
E = ∫ s(t)s∗ (t) dt = ∫ dt = T
−∞ T
−
2
Le signal est bel et bien à énergie finie.

T
+
+∞ 2
2 2jsin(πfT)
S(f) = ∫ s(t) e−2jπft df = ∫ e−2jπft df = [ejπfT − e−jπfT ] =
2jπf 2jπf
−∞ T
−
2
= T sinc(fT)
finalement
t
rect ( ) ⇋ T sinc(fT) (II.45)
T
La transformée de Fourier est purement réelle et paire. On peut généraliser que tout signal réel
et pair, sa transformée de Fourier est réelle et paire.
k
Cette transformée s’annule pour f T = k ∈ ℤ∗ , soit f = T (cf § I.7.8). La figure 7 représente la
transformée de Fourier du rectangle de largeur T.

T sinc(fT)
0
-4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T

f
Fig II.7. Transformée de Fourier du signal rectangle
On remarque, sur la figure (II.8), que plus la largeur du rectangle T est petit, plus la largeur du
lobe central du spectre sera large. Il y aura donc plus de fréquences présentes dans le signal.
s( 2t ) compression s( t ) dilatation s( t / 2 )
1 1 1
rect( 2 t / T )
rect( t / 2T )
rect( t / T )
0.5 0.5 0.5
0 0 0
-T/4 0 T/4 -T/2 0 T/2 T 0 T
t t t
dilatation compression
1/2 S( f / 2 ) S( f ) 2S( 2f )
⇋
T/2 sinc( f T / 2 )
T/2 T 2T sinc( 2 f T ) 2T
T sinc( f T )
0 0 0
-4/T -2/T 0 2/T 4/T -5/T -3/T -1/T 0 1/T 3/T 5/T -3/T -2/T -1/T 0 1/T 2/T 3/T
f f f
Fig II.8. Transformée de Fourier en fonction de la largeur du signal rectangle
Le spectre d’amplitude est le module :
2 2
|S(f)| = √[ℛℯ[S(f)]] + [ℐ𝓂[S(f)]] = √T 2 sinc 2 (fT) = |Tsinc(fT)| (II.46)
Le spectre de phase :
ℐ𝓂[S(f)]
φ(f) = arctg [ ] = 0 ou ± π (II.47)
ℛℯ [S(f)]
La figure (II.9) présente les spectres d’amplitude et de phase du signal rectangulaire.
Exercice 6
Calculer la transformée de Fourier du signal s(t) = sinc(Ft).
Réponse :
D’après la propriété de la dualité décrite par la relation (II.43) on a :
f 1 f
F sinc(Ft) ⇋ rect ( ) et TF[sinc(Ft)] = rect ( )
F F F

pi
T
|S(f)|
 (f)
0
-pi
0
-3/T -2/T -1/T 0 1/T 2/T 3/T -3/T -1/T 1/T 3/T
f f
(a) (b)
Fig II.9. (a) Spectre d’amplitude (b) spectre de phase du signal rectangle
2- Signal triangulaire
Soit un signal triangulaire de centre 0 et de largeur 2T :

t t
1 − |T| si |T| ≤ 1 1
tri(t/T)
t
s(t) = tri (T) = { t 0,5
0 si |T| > 1
0
-T 0 T
Vérifions que le signal est à énergie finie : t
+∞ 0 T
t t 2
E = ∫ s(t)s∗ (t) dt = ∫(1 + )2 dt + ∫(1 + )2 dt = T
T T 3
−∞ −T 0
Pour calculer la transformée de Fourier de ce triangle, nous utiliserons les propriétés de la

transformée de Fourier. Dérivons tout d’abord le triangle (Fig II.10) :
1
si t ≥ −T T T
T 1 t+2 1 t−2
′(
s t) = 1 = rect ( ) − rect( )
− si t<T T T T T
T
{0 ailleurs
1/T
tri'(t/T)
-1/T
-T -T/2 0 T/2 T
t
t
Fig II.10. Dérivée du tri (T)
Cherchons la transformée de Fourier de la dérivée en utilisant la relation (II.37) et en tenant

compte que la transformée de Fourier est une opération linéaire (relation II.32) :

T T
1 t+2 1 t−2
′(
𝒯ℱ[s t)] = 2jπf S(f) = 𝒯ℱ [rect ( )] − 𝒯ℱ [rect ( )]
T T T T
La propriété de la translation, relation (II.34), nous permet d’écrire :

1 2jπf T t 1 −2jπf T t
𝒯ℱ[s′ (t)] = 2jπf S(f) = e 2 𝒯ℱ [rect ( )] − e 2 𝒯ℱ [rect ( )]
T T T T
La relation (II.45) nous donne la transformée de Fourier du rectangle, on a alors :
1 jπf T 1
𝒯ℱ[s′ (t)] = 2jπf S(f) = e T sinc(fT) − e−jπf T T sinc(fT)
T T
= sinc(fT)[ejπf T − e−jπfT ] = 2j sinc(fT) sin(πfT)
d’où
1
S(f) = sinc(fT) sin(πfT) = T sinc2 (fT)
πf
finalement
t
tri ( ) ⇋ T sinc 2 (Tf) (II.48)
T
La figure (II.11) représente la transformée de Fourier du triangle qui est également le spectre
d’amplitude. Elle est réelle et paire car le signal est également réel et pair.
T
sinc2(fT)
0
-1/T 1/T 0
f
t
Fig II.11. Transformée de Fourier de tri (T)
3- Signal à décroissance exponentielle

1
0 si t < 0 +
exp(-at)
s(t) = { −at avec a ∈ ℝ

e si t > 0 0.5
0
-10 -5 0 5 10
Vérifions que c’est un signal à énergie finie : t
+∞ +∞
1
E = ∫ s(t)s (t) dt = ∫ e−2at dt =
∗
2a
−∞ 0

+∞ +∞
1
S(f) = ∫ s(t) e−2jπft df = ∫ e−at e−2jπft df =
a + 2jπf
−∞ −∞
Tout signal réel, sa transformée de Fourier est complexe, elle a donc une partie réelle et une
partie imaginaire.
1 a − 2jπf
e−at ⇋ = 2 (II.49)
a + 2jπf a + 4π2 f 2
Partie réelle :
a
ℛℯ [S(f)] =
a2 + 4π2 f 2
Partie imaginaire :
−2πf
ℐ𝓂[S(f)] =
a2 + 4π2 f 2
Module :
1
|S(f)| =
√a2 + 4π2 f 2
Phase :
ℐ𝓂[S(f)] −2πf
φ(f) = arctg [ ] = arctg [ ]
ℛℯ [S(f)] a
La figure (II.12) représente la partie réelle, la partie imaginaire, le module et la phase de la

transformée de Fourier de l’exponentielle.
1/a
Im[(S(f)]
Re[S(f)]
0
-2 -1 0 1 2 -2 -1 0 1 2
f f
(a) (b)
pi/2
1/a
arg[S(f)]
|S(f)|
-pi/2
0
-2 -1 0 1 2 -5 0 5
f f
(c) (d)
Fig II.12. (a) partie réelle (b) partie imaginaire (c) module, (d) phase

4- Signal signe 1
0.5
sign(t)
−1 si t < 0 0
s(t) = { -0.5
1 si t > 0
-1
-2 -1 0 1 2
t
+∞ 0 +∞
S(f) = ∫ sgn(t) e−2jπft df = ∫ e−2jπft df + ∫ e−2jπft df

−∞ −∞ 0
1 0 1 +∞ 1
= 2jπf [e−2jπft ] − 2jπf [e−2jπft ] = 2jπf [2 − e∞ ]
−∞ 0
La transformée de Fourier diverge, mais nous n’avons pas vérifié si le signal est à énergie
finie.
Calculons l’énergie :
+∞ 0 +∞
E = ∫ s(t)s∗ (t) dt = ∫ −dt + ∫ dt = ∞

−∞ −∞ 0
Cherchons la puissance :
T
+
2
1
P = lim ∫ s(t)s ∗ (t) dt = 1
T→∞ T
T
−
2
Le signal n’est pas à énergie finie, mais à puissance finie, c’est une autre classe des signaux, il
faut donc chercher une autre méthode pour calculer sa transformée de Fourier.
II-2-5 Signaux à puissance moyenne finie

1- Introduction à la notion de distribution
En physique, on utilisait certaines notions alors qu’elles n’étaient pas justifiées

mathématiquement. Prenons le cas de charge et décharge d’un condensateur (Fig II.13).
Fig II.13. Charge d’un condensateur

Le condensateur de capacité C, initialement déchargé, se charge instantanément lorsque l’on

ferme l’interrupteur. La tension v(t) aux bornes de condensateur est nulle pour tout t < 0, est
égale à E si t > 0 et n’est pas défini pour t = 0 (Fig II.14).
0 si t < 0
v(t)
V(t) = {
E si t > 0
0
0
t
Fig II.14. Tension aux bornes de condensateur
V(t) est une fonction discontinue. Le courant qui traverse le condensateur est :
dV(t)
i( t) = C
dt
Il est nul partout sauf en t = 0 où la tension n’est pas définie, car la tension est discontinue en
t = 0, elle n’est donc pas dérivable en ce point. Le condensateur est chargé. La charge est :
t
0 si t < 0
Q = ∫ i(τ)dτ = {
CE si t > 0
−∞
Le courant i(t) existe à t = 0 et dont l’intégrale n’est pas nulle, il n’est donc pas une fonction
au sens classique.
Etudions maintenant la charge du condensateur à travers une résistance R.
Fig II.15. Charge à travers une résistance
Cherchons la tension aux bornes du condensateur.

E = VC (t) + VR (t)
VR (t) = R i(t)
dQ dVC
i( t) = =C
dt dt
Q
VC (t) =
C

dVC
d’où E = VC (t) + RC dt
−t 0 si t → 0, le condensateur est déchargé
La solution est : VC (t) = E (1 − eRC ) = {
E si t → ∞, le condensateur est chargé
Le courant est :
dQ dVC E −t
i( t) = =C = eRC
dt dt R
E/R
i(t)
0
0
t
Fig II.16. Courant
E
L’intensité de courant qui traverse le circuit est R à t = 0 puis diminue exponentiellement
jusqu’à 0 (Fig II.16).
t
0 si t < 0
La charge est ∶ Q = ∫ i(τ)dτ = {
CE si t > 0
−∞
La figure (II.17a) montre que si R tend vers zéro, le courant i(t) devient de plus en plus bref et
de plus en plus intense. En revanche son intégrale demeure toujours constante et égale à CE.
i(t) n’est donc pas une fonction, mais une distribution, c’est la distribution de Dirac comme
l’illustre la figure (II.17b).
Charge d'un condensateur à travers une résistance Dirac

10
R = 10
9
R = 5
1
8 R = 2.5
R = 1
7
0 0
-0.02 0 0.02 0.04 0.06 0.08 0.1 -0.2 -0.1 0 0.1 0.2
(a) (b)
Fig II.17. (a) Charge d’un condensateur à travers une résistance, (b) impulsion de Dirac

Une distribution est la limite d’une suite de fonction sn(t) où chaque fonction a une
transformée de Fourier.
s(t) = lim sn (t) lorsque n → 0, n → ∞ ou n → n0 (II.50)
n
−1 si t < 0
Exemple 4 : Soit le signal sgn(t) = {
1 si t > 0
Nous choisissons la suite des fonctions comme suit :
at
sn (t) = { −e si t < 0
eat si t > 0
La distribution sgn(t) sera définie alors comme :
−1 si t < 0
sgn(t) = lim sn (t) = {
n→0 1 si t > 0
2- Dérivée aux points de discontinuité

Pour les fonctions classiques, la dérivée n’est définie que pour les endroits où la fonction est
continue, alors que la dérivée de la distribution existe même pour les fonctions discontinues.
La figure (II.18a), représente un signal avec une discontinuité à t = 0, la dérivée au sens de
distribution de ce signal est donnée par la formule :
s ′ (t) = σ δ(t) + s ′ (t)t≠0 (II.51)
σ = s(0+) – s(0-) est le saut de la discontinuité.

s(t)

s(t)
0 a
0
t
t
(a) (b
)
Fig II.18. (a) discontinuité à t = 0, (b) discontinuité à t = a
Dans le cas de la discontinuité à t = a (Fig II.18b), la dérivée est :

s ′ (t) = σ δ(t − a) + s′ (t)t≠a (II.52)
Exemple 5 : Calculer la dérivée du signal s(t) = rect(t).
D’après la figure (II.19), le signal présente deux sauts de discontinuité, l’un à t = -0.5 et
l’autre à t = 0.5. Appliquons la relation (II.52) pour déterminer la dérivée de ce signal :

rect(t)
s(t)
0,5
0
-1 -0.5 0 0.5 1
t
Fig II.19. rect(t)
𝐬 ′ (𝐭) = 𝛔 𝛅(𝐭 − 𝐚) + 𝐬 ′ (𝐭)𝐭≠𝐚

La dérivée en dehors des points de discontinuité est nulle, 𝐬 ′ (𝐭)𝐭≠±𝟏 = 𝟎
𝟐
−𝟏 𝟏 𝟏 𝟏
𝐫𝐞𝐜𝐭 ′ (𝐭) = 𝛔 ( ) 𝛅 (𝐭 + ) + 𝛔( ) 𝛅 (𝐭 − )
𝟐 𝟐 𝟐 𝟐
Calculons σ :
−𝟏 −𝟏+ −𝟏−
𝛔( ) = 𝛔( ) − 𝛔( )= 𝟏−𝟎 =𝟏
𝟐 𝟐 𝟐
𝟏 𝟏+ 𝟏−
𝛔 ( ) = 𝛔 ( ) − 𝛔 ( ) = 𝟎 − 𝟏 = −𝟏
𝟐 𝟐 𝟐
on a alors :
𝟏 𝟏
𝐫𝐞𝐜𝐭 ′ (𝐭) = 𝛅 (𝐭 + ) − 𝛅 (𝐭 − )
𝟐 𝟐
La figure (II.20) illustre la dérivée du rect(t).
rect'(t)
1
s'(t)
-1
-1.5 -1 -0.5 0 0.5 1 1.5
t
Fig II.20. Dérivée du rect(t)
Exercice 7 :
−𝐭 + 𝟏 𝐬𝐢 𝟎 ≤ 𝐭 ≤ 𝟏
Calculer et tracer la dérivée seconde du signal 𝐬(𝐭) = {
𝟎 𝐚𝐢𝐥𝐥𝐞𝐮𝐫𝐬
Réponse :
𝟏
𝐬 ′ (𝐭) = 𝛅(𝐭) − 𝐫𝐞𝐜𝐭 (𝐭 − )
𝟐
𝐬 ′′ (𝐭) = 𝛅′ (𝐭) − 𝛅(𝐭) + 𝛅(𝐭 − 𝟏)

3- Signaux à puissance finie

On va présenter dans ce paragraphe les transformées de Fourier des certains signaux à
puissance finie.
❑ Signal constant
C ⇋ C δ(f) (II.53)
S(f)
s(t)
0
0 -1 -0.5 0 0.5 1
t f
Fig II.21. Transformée de Fourier du signal constant
On a vu dans le paragraphe (I.7.6), que le signal rectangulaire tend vers l’impulsion de Dirac
lorsque T tend vers zéro.
1 t
lim rect ( ) = δ(t)
T→0 T T
En appliquant la transformée de Fourier, on obtient :
1 t 1 t
𝒯ℱ [δ(t)] = 𝒯ℱ [lim rect ( )] = lim 𝒯ℱ [ rect ( )]
T→0 T T T→0 T T
En utilisant la relation (II.45), on obtient :
1
𝒯ℱ[δ(t)] = lim T sinc(fT) = lim sinc(fT) = 1
T→0 T T→0
à la fin
δ(t) ⇋ 1 (II.54)
En utilisant les relations (II.34) et (II.35), on trouve respectivement :
δ(t - a) ⇋ e−2jπfa (II.55)
e−2jπta ⇋ δ(f - a) (II.56)
❑ Signal signe
Le signal rectangulaire peut être écrit en fonction du signal signe comme suit :
1 1 1
rect(t) = [sign (t + ) − sign (t − )]
2 2 2

La transformée de Fourier est linéaire et la transformée de Fourier du rectangle est donnée par
la relation (II.45) :
1 1 1 1
𝒯ℱ[rect(t)] = Tsinc(f) = 𝒯ℱ [sign (t + )] − 𝒯ℱ [sign (t − )]
2 2 2 2
Appliquons la relation (II.34) :
1 1
𝒯ℱ[rect(t)] = Tsinc(f) = ejπf 𝒯ℱ[sign(t)] − e−jπf 𝒯ℱ[sign(t)]
2 2
1
= 𝒯ℱ[sign(t)][2j sin (πf)] = j sin (πf)𝒯ℱ[sign(t)]
2
On tire alors
sinc(f) j
𝒯ℱ [sign(t)] = =−
j sin(πf) πf
finalement
j (II.57)
sgn(t) ⇋ −
πf
1 5
0.5
⇋
Im[S(f)]
sgn(t)
0 0
-0.5
-1
-5
-2 -1 0 1 2 -0.5 0 0.5
t f
Fig II.22. Transformée de Fourier du sgn(t)
❑ Signal échelon
Nous pouvons relier l’échelon au signal signe par la relation suivante :

1 1
u ( t) = + sign(t)
2 2
La transformée de Fourier sera alors :
1 1 1 1 j
𝒯ℱ[u(t)] = 𝒯ℱ [ ] + 𝒯ℱ [ sign(t)] = δ(f) −
2 2 2 2 πf
1 1 j
u(t) ⇋ δ(f) − (II.58)
2 2 πf
2
1 Im[U(f)]
1 Re[U(f)]
⇋
U(f)
u(t)
0
0.5
-1
0 -2
-2 -1 0 1 2 -0.5 0 0.5
t f
Fig II.23. Transformée de Fourier de l’échelon

II-2-6 Transformée de Fourier des signaux périodiques

1- Définition
La transformée de Fourier d’un signal périodique est obtenue directement à partir de son
développement en série de Fourier.
Si le signal s(t) est périodique de période T0 ; s(t) = s(t + nT0), on peut le décomposer en série
de Fourier complexe :
+∞
s(t) = ∑ Cn ejnω0t
n = -∞
T0
2
1
Cn = ∫ s(t) e-jnω0t dt
T0
T
- 0
2
+∞ +∞
𝒯ℱ [s(t)] = S(f) = 𝒯ℱ [ ∑ Cn ejnω0 t ] = ∑ Cn [𝒯ℱ(ejnω0 t )]

n=−∞ n=−∞
avec la relation (II.56) on a :

+∞ +∞
∑ Cn [𝒯ℱ(ejn2πF0 t )] = ∑ Cn δ(f − nF0 )

n=−∞ n=−∞
d’où
+∞
𝒯ℱ[s(t)] = ∑ Cn δ(f − nF0 ) (II.59)

n=−∞
La transformée de Fourier d’un signal périodique est un spectre discret ou de raies. Chaque
raie se trouve à des multiples de la fréquence fondamental du signal, son amplitude est le
coefficient de la série de Fourier comme le montre la figure (II.24).
|C0|
|C | |C |
-3 3
|S(f)|
|C | |C2|
-2
|C | |C1|
-1
0
-3F0 -2F0 -F0 0 F0 2F0 3F0
f
Fig II.24. Transformée de Fourier d’un signal périodique

2- Signal sinusoïdal
s(t) = A cos (2πF0 t − φ)

+∞
𝒯ℱ[s(t)] = S(f) = ∑ Cn δ(f − nF0 )

n=−∞
A 2jπF t −jφ A −2jπF t jφ

s(t) = e 0 e + e 0 e
2 2
A −jφ
C1 = e
2
A jφ
C−1 = e
2
+∞
S(f) = ∑ Cn δ(f − nF0 ) = C−1 δ(f + F0 ) + C1 δ(f − F0 )

n=−∞
A jφ A
S(f) = e δ(f + F0 ) + e−jφ δ(f − F0 ) (II.60)
2 2
✓ Partie réelle
A A
ℜe[S(f)] = cos(φ)δ(f + F0 ) + cos(φ) δ(f − F0 )
2 2
✓ Partie imaginaire
A A
ℑm[S(f)] = sin(φ) δ(f + F0 ) − sin(φ) δ(f − F0 )
2 2
partie réelle partie imaginaire

A/2 sin(phi)
A/2 cos(phi)
Im[S(f)]
Re[S(f)]
-A/2 sin(phi)
0
-f0 0 f0 -f0 0 f0
f f
Fig II.25. Partie réelle et partie imaginaire de la transformée de Fourier de A cos (2πF0 t − φ)
✓ Si φ = 0
s(t) = A cos (2πF0 t)
A A
S(f) = δ(f + F0 ) + δ(f − F0 ) (II.61)
2 2
La figure (II.26) illustre la transformée de Fourier du signal s(t) = A cos(2πF0 t).

A/2
S(f)
0
-f0 0 f0
f
Fig II.26. Transformée de Fourier de A cos (2πF0 t)
π
✓ Si φ = 2
s(t) = A sin (2πF0 t)

A A
S(f) = j δ(f + F0 ) − j δ(f − F0 ) (II.62)
2 2
A/2
S(f)
-A/2
-f0 0 f0
f
Fig II.27. Transformée de Fourier de A sin (2πF0 t)
3- Peigne de Dirac
+∞
s(t) = δT0 (t) = ∑ δ(t − nT0 )

n=−∞
+∞
𝒯ℱ[δT0 (t)] = ∑ Cn δ(f − nF0 )

n=−∞
T0 T0 T0
2 2 2
1 1 1
Cn = ∫ s(t) e−jnω0 t dt = ∫ δ(t) e−jn2πF0 t dt = ∫ δ(t) e−jn2πF0 0 dt
T0 T0 T0
T T T
− 0 − 0 − 0
2 2 2
d’où
T0
2
1 1
Cn = ∫ δ(t) dt = (II.63)
T0 T0
T
− 0
2
La décomposition en série de Fourier de Peigne de Dirac vaut :

+∞ +∞ +∞
1 jn2𝜋F t
s(t) = ∑ δ(t − nT0 ) = ∑ e 0 = ∑ C ejnω0 t
n
T0
n=−∞ n=−∞ n=−∞
La transformée de Fourier est donc :

+∞ +∞ +∞
1 n 1
𝒯ℱ[δT0 (t)] = ∑ Cn δ(f − nF0 ) = ∑ δ(f − ) = ∑ δ(f − nF0 )
T0 T0 T0
n=−∞ n=−∞ n=−∞
+∞
1 n 1
𝒯ℱ[δT0 (t)] = ∑ δ (f − ) = δ 1 (t) (II.64)
T0 T0 T0 T0
n=−∞
La transformée de Fourier d’un peigne de Dirac en temps est un peigne de Dira en fréquence.
La figure (II.28) montre le spectre d’un peigne de Dirac qui est une suite d’impulsions de
1 1
Dirac, de poids T et de période T sur l’axe des fréquences.
0 0
Peigne de Dirac
1
 T0(t)
0.5
0
-3T0 -2T0 -T0 0 T0 2T0 3T0
t
⇋
Peigne de Dirac
1/T0
 1/T0(f)
0
-4/T0 -2/T0 0 2/T0 4/T0
f
Fig II.28. Peigne de Dirac et sa transformée de Fourier
II-3 TRANSFORMEE DE LAPLACE

II-3-1 Définition
On appelle transformée de Laplace bilatérale de s(t) :

+∞
𝒯ℒ [s(t)] = S(p) = ∫ s(t) e−pt dt (II.65)

−∞

avec p = σ + jω, p ∈ ℂ, fréquence complexe et σ, ω ∈ ℝ

On appelle transformée de Laplace unilatérale de s(t) :
+∞
𝒯ℒ[s(t)] = S(p) = ∫ s(t) e−pt dt (II.66)

0
On note : s(t) ↔ S(p)

s(t) est l’image, S(p) est l’originale.
La transformée de Laplace n’est pas défini pour tout p, il faut étudier donc la convergence.
II-3-2 Région de convergence

+∞
La transformée de Laplace d’un signal s(t) existe si ∫ s(t) e−pt dt existe dans un domaine
−∞
appelé région de convergence notée RDC ou ROC.
Exemple 6 : On appelle signal de droite, un signal dont le support est dans un intervalle fermé
à gauche et ouvert à droite, donc un signal nul pour t < t0. L’échelon u(t) ainsi que tout signal
multiplié par u(t) sont des signaux de droite.
Soit le signal s(t) = e−at u(t), avec a ∈ ℝ, représenté sur la figure (II.29).
s(t) = e-at u(t)
1
s(t)
0.5
0
-4 -2 0 2 4
t
Fig II.29. Signal de droite
Sa transformée de Laplace est :

+∞ +∞ +∞
−1 −(p+a)t +∞
S(p) = ∫ s(t) e−pt dt = ∫ e−at u(t) e−pt dt = ∫ e−at e−pt dt = e |0
p+a
−∞ −∞ 0
1
si ℛ𝑒(p + a) > 0, alors ℛ𝑒(p) = σ > −a et S(p) =
p+a
si ℛ𝑒(p + a) < 0, alors ℛ𝑒(p) = σ < −a et e−(p+a)t → ∞ quand t → +∞

En résumé, la transformée de Laplace est :

1
si ℛe(p) = σ > −a
p+a
S(p) = { (II.67)
indéfini si ℛe(p) = σ > −a
La transformée de Laplace existe si ℛ𝑒(p) = σ > −a. La figure (II.30) montre que la région
de convergence est un demi-plan à la droite de tous les pôles de S(p).
On appelle pôle la solution du dénominateur de la transformée de Laplace S(p).
a>0 a<0
ℐm(p) ℐm(p)
ROC ROC
ℛℯ(p) ℛℯ(p)
-a -a
Fig II.30. Région de convergence du signal de droite selon le signe de a
Exemple 7 : On appelle signal de gauche, un signal dont le support est dans un intervalle
fermé à droite et ouvert à gauche, donc un signal nul pour t > t 0.
Soit le signal s(t) = −e−at u(−t), avec a ∈ ℝ, représenté sur la figure (II.31).
Sa transformée de Laplace est :
+∞ +∞ 0
−pt −at −pt
S ( p ) = − ∫ s ( t) e dt = − ∫ e u(−t) e dt = − ∫ e−at e−pt dt
−∞ −∞ −∞
1 0
= e−(p+a)t |−∞
p+a
1
si ℛ𝑒(p + a) < 0, alors ℛ𝑒(p) = σ < −a et S(p) =
p+a
si ℛ𝑒(p + a) > 0, alors ℛ𝑒(p) = σ > −a et e−(p+a)t → ∞ quand t → +∞

La transformée de Laplace est :
1
si ℛe(p) = σ < −a
p+a
S(p) = { (II.68)
indéfini si ℛe(p) = σ > −a

s(t) = -e-at u(-t)
-2
s(t)
-4
-6
-2 -1 0 1 2 3 4
t
Fig II.31. Signal de gauche

a>0 a<0
ℐm(p) ℐm(p)
ROC ROC
ℛℯ(p) ℛℯ(p)
-a -a
Fig II.32. Région de convergence du signal de gauche selon le signe de a
La transformée de Laplace existe si ℛ𝑒(p) = σ < −a. La figure (II.32) montre que la région
de convergence est un demi-plan à la gauche de tous les pôles de S(p).
Exemple 8 : Un signal non borné est la somme d’un signal de droite et d’un signal de gauche,
comme le montre la figure (II.33).
−at
s(t) = e−at u(t) + eat u(−t) = {e at si t > 0 a∈ℝ
e si t < 0
1
Signal de droite : e−at u(t) ↔ p+a et ℛe(p) = σ > −a
−1
Signal de gauche : eat u(t) ↔ p−a et ℛe(p) = σ < a
a>0 a<0
e-at u(t) + eat u(-t)
u(t) + e u(-t)
1
at
X: 0
-at
Y: 1
e
0 0
-4 -2 0 2 4 -4 -2 0 2 4
t t
Fig II.33. Signal non borné

a<0 a>0
ℐm(p) ℐm(p)
ROC
ℛℯ(p) -a ROC a ℛℯ(p)

a -a
(a) (b)
Fig II.34. Région de convergence du signal non borné selon le signe de a
Si a < 0, les régions de convergence pour le signal de droite et celui de gauche ne se

chevauchent pas et du coup la transformation de Laplace n’existe pas (Fig II.34a).
Si a > 0, les régions de convergence pour le signal de droite et celui de gauche se chevauchent
(Fig II.34b), la transformation de Laplace existe et vaut :
1 1 2a
e−at u(t) → − =− 2 (II.69)
p+a p−a p − a2
Si le signal est de durée infinie, la ROC est une bande verticale dans le plan p définie par
−a < ℛe(p) < a, comme le montre la figure (II.34b).
Exemple 9 : Prenons le cas d’un signal de durée finie de la figure (II.35) :

−at
s(t) = {e si 0 ≤ t ≤ T a∈ℝ
0 ailleurs
e-at si 0 < t < T
0.5
0
T
t
Fig II.35. Signal de durée finie
+∞ T
−1 −(p+a)t T 1
S(p) = ∫ s(t) e−pt dt = ∫ e−at e−pt dt = e |0 = [1 − e−(p+a)T ]
p+a p+a
−∞ 0

0
si p = −a ; S(p) = 0 indéterminé. Cherchons la valeur de S(p = -a).
T T
S(p = −a) = ∫ e−at eat dt = ∫ dt = T

0 0
d′ où
T si p = −a
S(p) = { 1 (II.70)
[1 − e−(p+a)T ] si p ≠ −a
p+a
La RDC est tout le plan p égal à l’ensemble ℂ.

Si l’on a N pôles pi ∈ ℂ avec i = 1, 2 … N, on définit σmax = max[ℛℯ(pi )] et σmin =
min[ℛℯ(pi )]. Le tableau (II.1) résume toutes les régions de convergence selon la nature du
signal.
Signaux ROC
de droite demi-plan de droite ℛe(p) > σmax
de gauche demi-plan de gauche ℛe(p) < σm𝑖𝑛
non borné bande du plan σmin < ℛe(p) < σmax
fini Plan complexe ℂ
Tableau II.1. Régions de convergence
II-3-3 Propriétés
➢ Linéarité
f(t) ↔ F(p)
g(t) ↔ G(p)
a f ( t) + b g ( t) ↔ a F ( p ) + b G ( p ) (II.71)
La transformée de Laplace est une opération linéaire.
➢ Changement d’échelle
(II.72)
1 p
f(at) ↔ |a|
F (a)
si a = - 1 ; f(-t) ↔ F(-p)
➢ Translation
(II.73)
f(t − a) ↔ e−pa F(p)

inversement
ebt f(t) ↔ F(p − b) (II.74)
➢ Dérivation
n−1
dn f(t) (II.75)
↔ pn F(p) − ∑ pn−1−k f (k) (0)
dt
k=0
df(t) (II.76)
↔ pF(p) − f(0)
dt
➢ Intégration
t
1 (II.77)
∫ f(u)du ↔ F( p )
p
0
(II.78)
dF(p)
t f(t) ↔ − dp
➢ Signal périodique
Soit f(t) un signal périodique de période T représenté sur la figure (II.36). Il peut être
considéré comme une somme de signaux définis chacun sur une période :
signal périodique
f1(t) = f(t)
f2(t) = f1(t - T)
f(t)
f3(t) = f1(t - 2T) f1(t) f2(t) f (t)

3
f4(t)
0
0 T 2T 3T 4T
… t
Fig II.36. Signal périodique
On peut écrire f(t) sous la forme :

f(t) = f1(t) + f2(t) + f3(t) + … = f1(t) + f1(t - T) + f2(t - 2T) + …
Calculons la transformée de Laplace en utilisant la propriété de la linéarité de la relation
(II.71) et la propriété de la translation décrite par la relation (II.73) :
F(p) = F1(p) + F2(p) + F3(p) + …= F1(p) + e-pT F1(p) + e-2pT F1(p) + …
1
= F1(p)[1 + e-pT + e-2pT + … = F1 (p) 1−e−pt
car
1
1 + x + x2 + ⋯ =
1−x

d’où
1
f(t) ↔ F1 (p) (II.79)
1−e−pt
➢ Comportement asymptotique
❑ Valeur initiale : point de départ
f(0) = lim+ f(t) = lim pF(p) (II.80)

t→0 p→∞
❑ Valeur finale : point d’arrivée
f(∞) = lim f(t) = lim pF(p) (II.81)

t→∞ p→0
Exemple 10 : Trouver la valeur initiale et la valeur finale de ce signal :

k −t
s ( t) = e τ
τ
-t/
s(t) = k/ e
k/tau
0 1
t
k −t
Fig II.37. Signal τ e τ
La transformée de Laplace est :

k
S( p) =
1 + τp
pk k
s(0) = lim pF(p) = lim =
p→∞ p→∞ 1 + τp τ
pk
s(∞) = lim pS(p) = lim =0
p→0 p→0 1 + τp
On vérifie facilement sur la figure (II.37), les valeurs à l’origine et à l’infini du signal s(t).
II-3-4 Transformée de Laplace et transformée de Fourier
On considère f(t) avec sa transformée de Laplace F(p) et sa région de convergence ROC.

+∞
F(p) = ∫ f(t) e−pt dt p = σ + jω

0
+∞
F(σ + jω) = ∫ f(t) e−(σ+jω)t dt

−∞
Si l’axe jω = 2jπf est inclus dans la région de convergence, la transformée de Fourier est :
+∞
F(σ + jω)|σ=0 = F(f) = ∫ f(t) e−jωt dt = 𝒯ℱ [f(t)]

−∞
F(f) = F(p)|p=jω si l′ axe jω est dans la ROC de F(p). C'est le cas des signaux convergents.
F(f) n’existe pas si l’axe jω n’est pas dans la ROC de F(p) et n’est pas une borne de ROC.
C’est le cas des signaux divergents.
F(f) existe et comporte des Dirac si l’axe jω est une borne de ROC de F(p). Ce sont les
signaux oscillants (sin, cos) ou stagnants (échelon).
II-3-5 Exemples
Le tableau (II.2) donne quelques signaux et leurs transformées de Laplace.
II-3-6 Méthodes de calcul de la transformée inverse

L’élément de base de la méthode est :
1
𝒯ℒ[e−at ] =
p+a
N(p) am pm + am−1 pm−1 + ⋯ + a0
H(p) = =
D(p) bn pn + bn−1 pn−1 + ⋯ + b0
Les racines de N(p) = 0, sont appelées les zéros zi .
Les racines de D(p) = 0, sont appelées les pôles pi .
1- Pôles simples
On suppose que d° [N(p)] < d° [D(p)]. C’est le Cas des systèmes réels causaux.
N(p) am pm + am−1 pm−1 + ⋯ + a0 N(p)
H(p) = = n n−1
=
D(p) bn p + bn−1 p + ⋯ + b0 (p − p1 )(p − p2 ) … (p − pm )
pi ≠ pj si i ≠ j

Signal Transformée de Laplace ROC

δ(t) 1 ℂ
δ(t − t 0) e−pt0 ℂ
1
u(t) ℛℯ(p) > 0
p
1
−u(−t) ℛℯ(p) < 0
p
1
tu(t)
p2
n!
tn ℛℯ(p) > 0
pn+1
1
e−at u(t) ℛℯ (p) > −a
p+a
1
−e−at u(−t) ℛℯ (p) < −a
p+a
p
cos(ω0t) u(t) ℛℯ(p) > 0
p2 + ω20
ω0
sin(ω0t) u(t) ℛℯ(p) > 0
p2 + ω20
p+a
[e−at cos(ω0t)] u(t) ℛℯ (p) > −a
(p + a)2 + ω20
ω0
[e−at sin(ω0t)]u(t) ℛℯ (p) > −a
(p + a)2 + ω20
Tableau II.2. Signaux et transformée de Laplace
A1 A2 Am
H(p) = + +⋯+
(p − p1 ) (p − p2 ) (p − pm )
Ai = [H(p). (p − pi )]p=pi avec i = 1, 2, …m
Ai : résidus de leurs pôles respectifs

h(t) = [A1 ep1 t + A2 ep2 t + ⋯ + Am epm t ]u(t)
2- Pôles doubles
On a toujours d° [N(p)] < d° [D(p)].

N(p)
H(p) = +⋯
(p − pi )2
Ai1 Ai2
H(p) = + +⋯
(p − pi ) (p − pi )2
Ai2 = [H(p). (p − pi )2 ]p=pi
d[H(p). (p − pi )2
Ai1 = [ ]
dp p=p i
1
e−at ↔
p+a
dF(p)
t f(t) ↔ − dp
h(t) = [Ai1 ep1 t + Ai2 t ep2 t ]u(t)
3- Fraction rationnelle quelconque
d° [N(p)] > d° [D(p)]

N(p) Q(p) D(p) + R(p) R(p)
H (p) = = = Q (p) +
D(p) D(p) D(p)
d° [R(p)] < d° [D(p)]
Q(p) = [q0 + q1 p + ⋯ + qk pk ]
df(t)
pF(p) − f(0)
dt
q(t) = q0 δ(t) + q1 δ′ (t)] + ⋯ + qk δ(k) (t)
La présence du polynôme Q(p) influence donc le comportement de h(t) autour de 0.
Exemple 11 :
p3 + 3p2 + 4p + 3
H(p) =
p2 + 2p + 1
Après division :
p+2 p+2
H(p) = (p + 1) + = (p + 1) +
p2 + 2p + 1 (p + 1)2
p+2 A1 A2
= +
(p + 1)2 p + 1 (p + 1)2
p+2
A2 = [H(p). (p − pi )2 ]p=pi = [ . (p + 1)2 ] = [p + 2]p=−1 = 1
(p + 1)2 p=−1

p+2 1 1
H(p) = (p + 1) + 2
= (p + 1) + +
(p + 1) p + 1 (p + 1)2
h(t) = δ′ (t) + δ(t) + [ e−t + te−t ]u(t)
II-4 CONVOLUTION
II-4-1 Définition
La réponse impulsionnelle est la réponse à une impulsion de Dirac.
δ(t) Système linéaire h(t)
Connaissant la réponse impulsionnelle h(t) d’un système supposé linéaire et un signal d’entrée
e(t), peut-on déterminer par le calcul le signal de sortie s(t) ?
e(t) h(t) s(t)
La réponse du système à une entrée e(t) est égale au produit de convolution entre l’entrée et la
réponse impulsionnelle. Le produit de convolution s’exprime par :
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ (II.82)

−∞
En pratique le produit de convolution est obtenu en respectant les étapes suivantes :

1° une inversion d’un des signaux autour de l’origine de l’axe des temps : h(τ) → h(−τ).
2° une translation de h(-τ) d’une distance t : h(−τ) → h(t − τ).
3° une multiplication des deux signaux point par point : e(τ). h(t − τ).
4° une intégration de ce produit.
II-4-2 Propriétés
➢ Commutativité
e(t) ∗ h(t) = h(t) ∗ e(t)
➢ Associativité
s(t) ∗ [e(t) ∗ h(t)] = [s(t) ∗ e(t)] ∗ h(t)
➢ Distributivité
s(t) ∗ [e(t) + h(t)] = [s(t) ∗ e(t)] + [s(t) ∗ h(t)]

➢ Convolution par Dirac δ(t)

+∞ +∞
e(t) ∗ δ(t) = δ(t) ∗ e(t) = ∫ δ(τ) e(t − τ)dτ = ∫ e(τ) δ(t − τ)dτ
−∞ −∞
+∞ +∞
= ∫ e(t) δ(t − τ)dτ = e(t) ∫ δ(t − τ)dτ = e(t)

−∞ −∞
La convolution d’un signal par un Dirac est le signal lui-même. L’impulsion de Dirac est donc
l’élément neutre de la convolution (Fig II.38).
rect(t / 2 T)  (t) rect(t / 2 T)
1 1 1
0.5 ∗ 0.5 = 0.5
0 0 0
-1 -T 0 T 1 -0.5 0 0.5 -1 -T 0 T 1
t t t
Fig II.38. Convolution par Dirac
En conséquence,
e(t) ∗ k δ(t) = k e(t) Amplificateur – atténuateur
➢ Convolution par Dirac décalé 𝛅(𝐭 − 𝐭 𝟎 )

+∞
e(t) ∗ δ(t − t 0 ) = δ(t − t 0 ) ∗ e(t) = ∫ δ(τ− t 0 ) e(t − τ) dτ = e(t − t 0 )

−∞
La convolution d’un signal par un Dirac décalé translate le signal (Fig II.39).
rect(t/2T)  (t - t0)
rect[(t - t0) / 2T)]
1 1 1
0.5 ∗ 0.5 = 0.5
0 0
-T 0 T 0 t0 0
0 t0
Fig II.39. Convolution par Dirac décalé
➢ Convolution par un peigne de Dirac

+∞ +∞ +∞
e(t) ∗ δTe (t) = e(t) ∗ ∑ δ(t− nTe ) = ∑ e(t) ∗ δ(t− nTe ) = ∑ e(t− nTe )
n=−∞ n=−∞ n=−∞
Chaque terme de cette somme représente le signal e(t) translaté de nTe .

La figure (II.40) montre que convoluer un signal e(t) par un peigne de Dirac revient à
périodiser le signal e(t) à la période Te .
1
e(t)
0
t
∗
1
 Te(t)
-4Te -3Te -2Te -Te 0 Te 2Te 3Te 4Te

t
=
1
s(t) * Te(t)
0
-3Te -2Te -Te 0 Te 2Te 3Te
t
Fig II.40. Convolution par peigne de Dirac
➢ Convolution et transformée de Fourier
Soient 2 signaux e(t) et h(t) dont la transformée de Fourier sont E(f) et H(f) respectivement.
Calculons la transformée de Fourier du produit de convolution e(t) ∗ h(t) :
+∞ +∞
TF[e(t) ∗ h(t)] = ∫ [ ∫ e(τ) h(t − τ)dτ] e−2jπft dt

−∞ −∞
+∞ +∞
= ∫ e(τ) [ ∫ h(t − τ) e−2jπft dt] dτ

−∞ −∞
Posons t – τ = u, t=u+τ
+∞ +∞ +∞ +∞
= ∫ e(τ) [ ∫ h(u) e−2jπf(u+τ) du] dτ = ∫ e(τ) e−2jπfτ) dτ [ ∫ h(u) e−2jπfu du]

−∞ −∞ −∞ −∞
= TF[e(t)] ∗ TF[h(t)] = E(f). H(f)

La transformée de Fourier du produit de convolution des deux signaux est égale au produit
des transformée de Fourier de ces deux signaux. C’est le théorème de Plancherel.
Inversement, la transformée de Fourier d’un produit de deux signaux est égale au produit de
convolution des transformée de Fourier de ces deux signaux.

En conclusion,
𝒯ℱ
e(t) ∗ h(t) → E(f) . H(f)
𝒯ℱ
e(t) . h(t) → E(f) ∗ H(f)
➢ Convolution et transformée de Laplace
Soient e(t) et h(t) deux signaux causaux. Leur produit de convolution est :
+∞
e(t) ∗ h(t) = ∫ e(τ) h(t − τ)dτ

0
Calculons la transformée de Laplace du produit de convolution e(t) ∗ h(t) :

+∞ +∞ +∞ +∞
−pt
TL[e(t) ∗ h(t)] = ∫ [∫ e(τ) h(t − τ)dτ] e dt = ∫ e(τ) [∫ h(t − τ) e−pt dt] dτ
0 0 0 0
Posons t – τ = u, t=u+τ
+∞ +∞ +∞ +∞
= ∫ e(τ) [ ∫ h(u) e−p(u+τ) du] dτ = ∫ e(τ) e−pτ dτ [ ∫ h(u) e−pu du]

0 −τ 0 −τ
= TL[e(t)] ∗ TL[h(t)] = E(p). H(p)

𝒯ℒ
e(t) ∗ h(t) → E(p) . H(p)
La transformée de Laplace transforme un produit de convolution en un produit simple.
Exemple 12 : Calculer le produit de convolution de e(t) = rect(t) et h(t) = rect(t).

Le produit de convolution est donné par :
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ

−∞
Pour calculer le produit de convolution, il faut conserver un des signaux, e(t) par exemple,
inverser h(t), par rapport à l’axe des ordonnées, puis décaler ce signal, le multiplier avec e(t)
et finalement intégrer le résultat.
1ère étape : on garde e(τ) fixe (Fig II.41a), on inverse h(τ) autour de l’origine de l’axe des
temps (Fig II.41b) :
h(τ) → h(−τ).

1 1
h(-)
e()
0.5 0.5
0 0
-1 - 0.5 0 + 0.5 1 -1 -0.5 0 0.5 1
 
(a) (b)
Fig II.41. (a) signal rect(τ), (b) signal rect(-τ)
2ème étape : on translation h(-τ) d’une distance t (Fig II.42) :

h(−τ) → h(t − τ).
1 e()
h(t - )
0.5
0
t - 0.5 t + 0.5 -0,5 0 0,5
Fig II.42. Signal h(-τ) translaté
3ème étape : une multiplication des deux signaux point par point :
e(τ). h(t − τ)
Dans le cas de la figure (II.42), le produit e(τ). h(t − τ) est nul.
4ème étape : une intégration de ce produit. Pour tout t donné, le produit de convolution est
l’aire qui se trouve sous la courbe e(τ).h(t - τ). Pour le cas de la figure (II.42) les deux
rectangles ne se touchent pas et :
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = 0

−∞
Pour trouver le produit de convolution pour toutes les valeurs de t, il faut déplacer le signal
h(-τ). Décalons le signal h(-τ) jusqu’à ce qu’il touche le signal e(τ) (Fig II.43). Dans ce cas, la
translation est :
t +0.5 = -0.5, d’où t = -1
1 e()
h(t - )
0.5
0
t - 0.5 -0,5 0 0,5
Fig II.43. Translation t = -1
L’intégrale vaut :

+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = 0 pour toute translation t < −1

−∞
Si on continue la translation vers la droite jusqu’à ce que les deux rectangles se chevauchent.
Le produit e(τ).h(t - τ) n’est plus nul. La figure (II.44) montre l’aire qui se trouve sous la
courbe e(τ).h(t - τ). Le produit de convolution est égal à :
+∞ t+0,5
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = ∫ dτ = 1 + t

−∞ −0,5
1 e()
h(t - )
0.5
0
t - 0.5 -0,5 0 0,5
Fig II.44. Chevauchement des deux rectangles
Si on continue la translation, le produit e(τ).h(t - τ) a un support de plus en plus grand. Il

atteint son maximum lorsque les deux rectangles se coïncident parfaitement, ce qui
correspond à une translation de : t – 0.5 = -0.5 et t = 0.
1 e()
h(t - )
0.5
0
-0,5 0 0,5
Fig II.45. Translation t = 0
Le produit de convolution vaut :

s(t) = e(t) ∗ h(t) = 1 + t pour toute translation − 1 < t < 0
Le produit e(τ).h(t - τ) voit son support diminuer, si h(-) poursuit sa translation (Fig II.46)
1 e()
h(t - )
0.5
X: -4
Y: 0
0
-0.5 0 0.5
Fig II.46. Support du produit
Le produit de convolution devient :

+∞ 0,5
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = ∫ dτ = 1 − t

−∞ t−0,5

1 e()
h(t - )
0.5
0
-0,5 0 0,5 t + 0.5
Fig II.47. Translation t = 1
La figure (II.47) montre que la surface commune entre les deux rectangles est nulle
Le produit de convolution est alors :
s(t) = e(t) ∗ h(t) = 1 − t pour toute translation 0 < t < 1

Pour toute translation t > 1, les deux rectangles n’ont aucune surface en commun (Fig II.48) et
le produit de convolution est nul.
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = 0 pour toute translation t > 1

−∞
1 e()
h(t - )
0.5
0
-0,5 0 0,5 t + 0.5
Fig II.48. Translation t > 1
Finalement, l’expression du produit de convolution :

0 si t < −1 ou t > 1
s(t) = e(t) ∗ h(t) = rect(t) ∗ rect(t) = {1 + t si − 1 < t < 0 = tri(t)
1−t si 0 < t < 1
est représenté sur la figure (II.49).
1 1 1
=
e(t)
h(t)
0.5 * 0.5 0.5
0 0 0
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -1 0 1
t t t
Fig II.49. Convolution rect(t) * rect(t)
t−5 t−2
Exercice 8 : Calculer la convolution entre e(t) = 2 rect( ) et h(t) = rect( )
2 4
2 (t − 4) si 4 ≤ t ≤ 6
4 si 6 < t ≤ 8
Réponse : e(t) ∗ h(t) = {
2(10 − t) si 8 < t ≤ 10
0 ailleurs

II-5 CORRELATION
La corrélation permet de comparer des signaux entre eux et de déterminer le degré de

ressemblance.
II-5-1 Intercorrélation
1- Signaux à énergie finie
On définit l’intercorrélation de deux signaux à énergie finie x(t) et y(t) par :

+∞
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt

−∞
La fonction d’intercorrélation atteint son maximum lorsque les deux signaux sont superposés
au mieux.
La fonction d’intercorrélation est obtenue en respectant les étapes suivantes :
1° Translater l’un des signaux d’une distance τ : y ∗ ( t) → y ∗ ( t − τ)
2° Multiplier les deux signaux point par point : x ( t ) . y ∗ ( t − τ)
3° Intégrer ce produit.
Propriété
∗
Cxy (τ) = Cyx (−τ)
En effet :
+∞
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt

−∞
Posons θ = t – τ
+∞
Cxy (τ) = ∫ x(θ + τ) y ∗ (θ) dθ = Cyx (−τ)

−∞
2- Signaux à puissance moyenne finie
On définit l’intercorrélation de deux signaux à puissance moyenne finie x(t) et y(t) par :

T
+
2
1
Cxy (τ) = lim ∫ x(t) y ∗ (t − τ) dt = ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
x(t) y ∗ (t − τ)
T→∞ T
T
−
2
Dans le cas des signaux périodiques, la fonction devient :

T
+
2
1
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt
T
T
−
2
Propriété
∗
Cxy (τ) = Cyx (−τ)
II-5-2 Autocorrélation
L’autocorrélation permet d’étudier la ressemblance d’un signal avec lui-même.
1- Signaux à énergie finie
On définit l’autocorrélation par :

+∞
Cxx (τ) = ∫ x(t) x ∗ (t − τ) dt

−∞
Propriétés
∗
▪ Cxx (τ) = Cxx (−τ)
∗
▪ τ = 0, Cxx (0) = Cxx (0), donc Cxx (0) ∈ ℝ
+∞ +∞
Cxx (0) = ∫ x(t) x t) dt = ∫ |x(t)|2 dt = E > 0

∗(
−∞ −∞
La fonction d’autocorrélation en τ = 0 représente l’énergie.
▪ Signaux réels
Cxx (τ) = Cxx (−τ)
La fonction d’autocorrélation d’un signal réel est paire.
La fonction d’autocorrélation a sa valeur maximale pour τ = 0, c’est le pic de corrélation, il
est situé à la meilleure coïncidence des signaux :

|Cxx (τ)| < Cxx (0)

1
▪ |Cxy (τ)| < 2 [Cxx (0) + Cxy (0)]
2- Signaux à puissance moyenne finie
On définit la fonction d’autocorrélation sur un intervalle T par :

T
+
2
1
Cxx (τ) = lim ∫ x(t) x ∗ (t − τ) dt
T→∞ T
T
−
2
Dans le cas des signaux périodiques, la fonction devient :

T
+
2
1
Cxx (τ) = ∫ x(t) x ∗ (t − τ) dt
T
T
−
2
Si x(t) est périodique, Cxx (τ) est périodique de même période.

T
+
2
1
Cxx (0) = ∫ x(t) x ∗ (t) dt = P
T
T
−
2
C’est la puissance moyenne du signal x(t).
II-5-3 Applications
1- Intercorrélation
L’intercorrélation permet de mesurer un décalage en temps.

Soit y(t) = x(t − τ0 )
La fonction d’intercorrélation des signaux y(t) et x(t) est :
+∞ +∞
Cyx (τ) = ∫ y(t) x ∗ (t − τ) dt = ∫ x(t − τ0 ) x ∗ (t − τ) dt

−∞ −∞
posons u = t − τ0
+∞
Cyx (τ) = ∫ x(u)x ∗ (u + τ0 − τ)dt = Cxx (τ − τ0 )

−∞
Cyx (τ0 ) = Cxx (0)

Cyx (τ) est maximale pour τ = τ0 , τ0 est le retard de y(t) par rapport à x(t). La fonction
d’intercorrélation atteint donc son maximum lorsque les deux signaux sont superposés au
mieux.
Si Cxy (τ) = 0, on dit que les deux signaux sont décorrélés.
Exemple 13 : Comparons les signaux suivants :

x(t) = sin(2π(t – 5)) e-0.9|t – 5|, et y(t) = sin(2π(t + 7)) e-0.9|t + 7|
Pour comparer les deux signaux, on va tracer la fonction d’intercorrélation qui n’est pas nul
lorsque le signal x(t) ressemble au signal y(t). La figure II.50c montre que le décalage τ = 12
correspond au maximum de la fonction d’intercorrélation qui correspond au retard entre le
signal x(t) et le signal y(t). La figure (II.50a et b) montre que le signal x(t) est identique à y(t),
mais il est en retard. L’autocorrélation Cxx(τ) présente un maximum à τ = 0, il n’y a aucun
décalage.
x(t) = sin[2(t - 5)] exp[-0.9|t - 5|] y(t) = sin[2(t + 7)] exp[-0.9|t + 7|]
1 1
(a) (b)
0 0
-1 -1
0 5 10 -12 -10 -8 -6 -4 -2
t t
C () C ()
yx xx
1000 1000
(c) (d)
0 0
-1000 -1000
-18 -16 -14 -12 -10 -8 -6 -5 0 5
 
Fig II.50. (a) signal x(t), (b) signal y(t),

(c) Intercorrélation Cyx(τ) et (d) l’autocorrélation Cxx(τ)
2- Autocorrélation
L’autocorrélation permet de trouver la périodicité d’un signal. Elle est efficace pour trouver
l’amplitude et la fréquence d’un signal noyé dans le bruit

L’autocorrélation permet d’extraire un signal s(t) dans un bruit b(t).

On considère un signal périodique s(t) noyé dans un bruit blanc b(t) (Fig II.51).
x(t) = s(t) + b(t)
Cherchons son autocorrélation :
Cxx (τ) = Cs+b (τ) = Css (τ) + Csb (τ) + Cbs (τ) + Cbb (τ)
Le bruit et le signal sont indépendants, d’où :
Csb (τ) = Cbs (τ) = 0
et la fonction d’autocorrélation devient :
Cs+b (τ) = Css (τ) + Cbb (τ)
La figure (II.51e) montre que la fonction de corrélation d’un bruit blanc est une impulsion de
Dirac.
Cbb(τ) = σ2 δ(t)
Avec σ2 la variance du signal aléatoire, c’est également la puissance du signal aléatoire.
signal s(t) non bruité bruit blanc signal s(t) bruité

40 40
2 (a) (b) (c)
1 20 20
s(t) + b(t)
s(t)
b(t)
0 0 0
-1
-20 -20
-2
-40 -40
0 0.005 0.01 0 0.5 1 0 0.5 1
t t t
autocorrélation signal non bruité autocorrélation bruit autocorrélation signal bruité
30 30
(d) (e)
2 (f) PS+b
20 20
Css ()
Cbb()
Cxy()
0
10 10
P
S
-2 0 0
-0.01 0 0.01 -0.01 0 0.01 -0.01 0 0.01

  
Fig II.51. (a) signal s(t), (b) bruit b(t), (c) signal bruité s(t) + b(t)
(d) Css(τ), (e) Cbb(τ), (f) Cs+b(τ)
La figure (II.51f) montre que la fonction d’autocorrélation permet d’obtenir la période du

signal s(t) et d’estimer les deux puissances, du signal et du bruit, et d’en déduire la valeur du
rapport signal sur bruit.

En effet,
Cs+b (0) = Ptot = Css (0) + Cbb (0) = Ps + Pb
On définit le rapport signal sur bruit (SNR : Signal to Noise Ratio) :
S PS VeffS
( ) = 10log = 20log
N dB PN VeffN
S
Si (N) = 0 dB signifie que la puissance PN du bruit est égale à celle du signal PS ou VeffS =
dB
VeffN.
II-5-4 Relation entre convolution et corrélation
Nous avons vu que la convolution formalise l’interaction entre les signaux x(t) et y(t) alors
que la corrélation mesure la ressemblance entre les signaux x(t) et y(t) selon le décalage τ. Ces
deux opérations se ressemblent énormément. Quel est le lien existant entre elles ?
L’intercorrélation s’écrit :
+∞ +∞
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt = ∫ x(t) y ∗ [−(τ − t)] dt = x(τ) ∗ y ∗ (−τ)

−∞ −∞
Cxy (τ) = x(τ) ∗ y ∗ (−τ)
de même
Cxx (τ) = x(τ) ∗ x ∗ (−τ)
La corrélation entre les deux signaux x(t) et y(t) est donc une convolution du premier signal
avec le conjugué du second signal inversé.
Si y(t) est réel et pair, alors y*(-τ) = y(τ) et l’intercorrélation devient
Cxy (τ) = x(τ) ∗ y ∗ (−τ) = x(τ) ∗ y(τ)
de la même manière
Cxx (τ) = x(τ) ∗ x ∗ (−τ) = x(τ) ∗ x(τ)
L’intercorrélation et la convolution sont identiques dans le cas où y(t) est réel et pair.
II-5-5 Densité interspectrale et spectrale d’énergie

1- Densité interspectrale d’énergie
On appelle la densité interspectrale d’énergie pour un signal à énergie finie, la transformée de

Fourier de sa fonction d’intercorrélation :

+∞
Sxy (f) = TF [Cxy (τ)] = ∫ Cxy (τ) e−2jπfτ dτ = TF [x(τ) ∗ y ∗ (−τ)] = X(f). Y ∗ (f)
−∞
∗
Sxy (f) = Syx (f)
La densité interspectrale d’énergie est une fonction complexe et non symétrique.
2- Densité spectrale d’énergie
On appelle la densité spectrale d’énergie pour un signal à énergie finie, la transformée de

Fourier de sa fonction d’autocorrélation :
+∞
Sxx (f) = TF [Cxx (τ)] = ∫ Cxx (τ) e−2jπfτ dτ = TF [x(τ) ∗ x ∗ (−τ)] = X(f). X ∗ (f) = |X(f)|2
−∞
finalement
Sxx (f) = |X(f)|2
La densité spectrale d’énergie est donc une fonction réelle positive :
Sxx (f) ≥ 0
Sxx (f) est l’énergie du signal à la fréquence f. D’après le théorème de Parseval, on a :
+∞ +∞ +∞
∫ Sxx (f) df = ∫ |X(f)|2 df = ∫ |x(t)|2 dt = Ex

−∞ −∞ −∞
II-5-6 Densité interspectrale et spectrale de puissance

1- Densité interspectrale de puissance
On appelle la densité interspectrale de puissance pour un signal à puissance moyenne finie, la

transformée de Fourier de sa fonction d’intercorrélation :
+∞
Sxy (f) = TF [Cxy (τ)] = ∫ Cxy (τ) e−2jπfτ dτ

−∞
2- Densité spectrale de puissance
On appelle la densité spectrale de puissance pour un signal à puissance moyenne finie, la

transformée de Fourier de sa fonction d’autocorrélation :

+∞
Sx𝑥 (f) = TF [Cx𝑥 (τ)] = ∫ Cx𝑥 (τ) e−2jπfτ dτ

−∞
Exemple 14 : calculer la densité spectrale de puissance du signal s(t) = u(t)

La relation (II.58) nous permet d’écrire :
1 δ(f)
TF[u(t)] = S(f) = +
2jπf 2
La fonction d’autocorrélation est :
T T
2 2
1 1
Css (τ) = lim ∫ u(t)u∗ (t − τ) dt = lim ∫ dt
T→∞ T T→∞ T
T τ
−
2
Fig II.52. Echelons
Pour τ > 0 (Fig II.52), on a :

1 T 1
Css (τ) = lim [ − τ] =
T→∞ T 2 2
La fonction d’autocorrélation d’un signal réel est paire, on a donc :
1
Css (τ) = 2 pour tout τ.
La densité spectrale de puissance est :

1 δ(f)
Sss (f) = TF[Css (τ)] = TF [ ] =
2 2
finalement
δ(f)
Sss (f) =
2

Chapitre II

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre II

Transféré par

Droits d'auteur :

Formats disponibles

CHAPITRE II

SIGNAUX A TEMPS CONTINUS

II-1 SIGNAUX PERIODIQUES - SERIE DE FOURIER

s(t) = S0+ ∑ [an cos(nω0 t) + bn sin(nω0 t)] (II.1)

La fonction hn(t) = an cos(nω0 t) + bn sin(nω0 t) s’appelle l’harmonique d’ordre n du signal.

Posons u = -t, d’où du = -dt et les coefficients bn deviennent :

Puisque le signal est pair, s(u) = s(-u), et

Traitement du signal 46 HAMDOUNE

s(t) = S0 + ∑ [an cos(nω0 t)] (II.5)

Les coefficients de Fourier an deviennent :

➢ Signal impair ; s(t) = -s(-t)

s(t) = ∑ [ bn sin(nω0 t)] (II.7)

Les coefficients de Fourier bn deviennent alors :

Traitement du signal 47 HAMDOUNE

Cette représentation, malheureusement, n’a aucun intérêt en traitement du signal. Si on

Calculons la puissance du signal :

s(t - τ) = S0 + ∑ [an cos(nω0 (t - τ)) + bn sin(nω0 (t - τ))]

= S0 + ∑[a'n cos(nω0 t) + b'n sin(nω0 t)]

a'n = an cos(nω0 τ) + bn sin(nω0 τ)

b'n = an sin(nω0 τ) + bn cos(nω0 τ)

Traitement du signal 48 HAMDOUNE

II-1-2 Série de Fourier en cosinus

s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)] = S0 + ∑ An cos(nω0 t - φn ) ①

s(t) = S0 + ∑[An cos(nω0 t) cos(φn ) + An sin(nω0 t) sin(φn )] ②

En comparant les équations ① et ②, on tire alors :

s(t) = S0 + ∑ An cos(nω0 t - φn ) = ∑ An cos(nω0 t - φn ) (II.13)

s(t - τ) = ∑[An cos(nω0 (t - τ) - φn ] = ∑[An cos(nω0 t) - φ'n ]

Traitement du signal 49 HAMDOUNE

Traitement du signal 50 HAMDOUNE

II-1-3 Série de Fourier complexe

s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)]

Traitement du signal 51 HAMDOUNE

En regroupant les deux termes, on trouve à la fin la série en complexe :

s(t) = ∑ Cn ejnω0t (II. 16 )

hn (t) = C-n e-jnω0t + Cn ejnω0 t = 2|Cn | cos[nω0 t + arg(Cn )] (II.18)

Fig II.2. Spectre bilatéral

Traitement du signal 52 HAMDOUNE

Exemple 1 : Tracer le spectre bilatéral du signal s(t) = cos(ω0t).

La figure (II.3) représente le spectre bilatéral du cosinus.

Fig II.3. Spectre bilatéral du signal s(t) = cos(ω0t)

Traitement du signal 53 HAMDOUNE

Exemple 2 : Tracer le spectre bilatéral du signal s(t) = sin(ω0t).

La figure (II.4) représente le spectre bilatéral du sinus.

Fig II.4. Spectre bilatéral du signal s(t) = sin(ω0t)

Traitement du signal 54 HAMDOUNE

C*n = C-n (II.21)

s(t - a) = ∑ Cna ejnω0 t

Cna = Cn e−jnω0 a (II.22)

Après intégration par partie, on trouve :

Traitement du signal 55 HAMDOUNE

II-1-5 Relations entre les spectres unilatéraux et bilatéraux

L’harmonique d’ordre n pour la décomposition en série de Fourier complexe est :

hn (t) = C-n e-jnω0 t + Cn ejnω0 t = 2|Cn | cos[nω0 t + arg(Cn )] ②

En comparant les équations ① et ②, on trouve :

II-1-6 Théorème énergétique – Parseval

La décomposition en série de Fourier complexe d’un signal périodique est :

Traitement du signal 56 HAMDOUNE

La puissance du signal est :

II-2 SIGNAUX NON PERIODIQUES – TRANSFORMEE DE

𝒯ℱ [s(t)] = S(f) = ∫ s(t) e−2jπft dt (II.27)

La transformée de Fourier inverse est donnée par :

s(t) = 𝒯ℱ −1 [S(f)] = ∫ S(f) e2jπft dt (II.28)

Traitement du signal 57 HAMDOUNE