Académique Documents
Professionnel Documents
Culture Documents
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.
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
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
La décomposition en série de Fourier d’un signal périodique pair ne comporte donc pas de
terme en sinus. La série s’écrit alors :
+∞
En conclusion si le signal est pair, la partie impaire du développement en série de Fourier est
nulle. ∀ n, bn = 0.
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.
+∞
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
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 :
+∞
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.
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,
+∞ +∞
bn = An sin(φn ) (II.10)
d’où
A2n = a2n + b2n (II.11)
bn
φn = arctg ( )
an (II.12)
L’expression est alors :
+∞ +∞
avec
S0 = A0 cos(φ0 )
Si s(t) subit une translation τ suivant l’axe des temps :
+∞ +∞
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
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
+∞
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
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 :
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
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 )
0.5
|Cn|
n
0
-f0 0 f0 -f0 0 f0
f f
➢ 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
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=-∞
90
0.5
|Cn|
n
-90
0
-f0 0 f0 -f0 0 f0
f f
➢ 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
➢ 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 :
+∞
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
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
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
hn(t) = An cos(nω0 t - φn ) ①
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
s(t) = ∑ Cn ejnω0t
n = -∞
= ∑ |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=−∞
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 :
+∞
2 2
|S(f)| = √[ℛℯ[S(f)]] + [ℐ𝓂[S(f)]] (II.30)
II-2-2 Propriétés
➢ Linéarité
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
Posons u = at → du = a dt
+∞
1 u 1 f
𝒯ℱ[s(at)] = ∫ s(u) e−2jπf a du = S( )
a a a
−∞
➢ Translation
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
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
−∞ −∞
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
+∞ +∞
➢ Dérivation
+∞
ds(t) −2jπft
∫ [ ] e dt
dt
−∞
ds(t)
⇋ 2jπf S(f) (II.37)
dt
jn dn S(f)
t n s(t) ⇋ (II.40)
2π dfn
➢ Conjugaison
+∞ +∞ ∗
s ∗ ( t) ⇋ S ∗ (−f) (II.41)
➢ 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
−∞
+∞
Si S(f) est la transformée de Fourier de s(t), alors la transformée de Fourier de S(t) est s(-f).
∫ 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,
+∞ +∞ +∞ +∞ +∞
enfin
+∞ +∞
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
= 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
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 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
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)]
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
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
1/T
tri'(t/T)
-1/T
-T -T/2 0 T/2 T
t
t
Fig II.10. Dérivée du tri (T)
T T
1 t+2 1 t−2
′(
𝒯ℱ[s t)] = 2jπf S(f) = 𝒯ℱ [rect ( )] − 𝒯ℱ [rect ( )]
T T T T
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)
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
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 +∞
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 +∞
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.
0 si t < 0
v(t)
V(t) = {
E si t > 0
0
0
t
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.
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
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).
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
s(t)
s(t)
0 a
0
t
t
(a) (b
)
Fig II.18. (a) discontinuité à t = 0, (b) discontinuité à t = a
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
−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
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)
❑ Signal constant
C ⇋ C δ(f) (II.53)
S(f)
s(t)
0
0 -1 -0.5 0 0.5 1
t f
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)
❑ 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
❑ Signal échelon
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
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
+∞ +∞
d’où
+∞
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
2- Signal sinusoïdal
✓ 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
-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
π
✓ Si φ = 2
A/2
S(f)
-A/2
-f0 0 f0
f
3- Peigne de Dirac
+∞
d’où
T0
2
1 1
Cn = ∫ δ(t) dt = (II.63)
T0 T0
T
− 0
2
+∞ +∞ +∞
1 jn2𝜋F t
s(t) = ∑ δ(t − nT0 ) = ∑ e 0 = ∑ C ejnω0 t
n
T0
n=−∞ n=−∞ 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
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
1
si ℛ𝑒(p + a) > 0, alors ℛ𝑒(p) = σ > −a et S(p) =
p+a
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
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
1
si ℛe(p) = σ < −a
p+a
S(p) = { (II.68)
indéfini si ℛe(p) = σ > −a
-2
s(t)
-4
-6
-2 -1 0 1 2 3 4
t
ROC ROC
ℛℯ(p) ℛℯ(p)
-a -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
a<0 a>0
ℐm(p) ℐm(p)
ROC
(a) (b)
0.5
0
T
t
+∞ 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
d′ où
T si p = −a
S(p) = { 1 (II.70)
[1 − e−(p+a)T ] si p ≠ −a
p+a
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)
➢ 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
➢ 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)
car
1
1 + x + x2 + ⋯ =
1−x
d’où
1
f(t) ↔ F1 (p) (II.79)
1−e−pt
➢ Comportement asymptotique
k/tau
0 1
t
k −t
Fig II.37. Signal τ e 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).
+∞
+∞
Si l’axe jω = 2jπf est inclus dans la région de convergence, la transformée de Fourier est :
+∞
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
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
A1 A2 Am
H(p) = + +⋯+
(p − p1 ) (p − p2 ) (p − pm )
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
d[H(p). (p − pi )2
Ai1 = [ ]
dp p=p i
1
e−at ↔
p+a
dF(p)
t f(t) ↔ − dp
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
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) ?
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 :
+∞
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)]
e(t) ∗ δ(t) = δ(t) ∗ e(t) = ∫ δ(τ) e(t − τ)dτ = ∫ e(τ) δ(t − τ)dτ
−∞ −∞
+∞ +∞
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 0 0
-1 -T 0 T 1 -0.5 0 0.5 -1 -T 0 T 1
t t t
En conséquence,
e(t) ∗ k δ(t) = k e(t) Amplificateur – atténuateur
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 0
-T 0 T 0 t0 0
0 t0
e(t) ∗ δTe (t) = e(t) ∗ ∑ δ(t− nTe ) = ∑ e(t) ∗ δ(t− nTe ) = ∑ e(t− nTe )
n=−∞ n=−∞ n=−∞
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)
=
1
s(t) * Te(t)
0
-3Te -2Te -Te 0 Te 2Te 3Te
t
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) :
+∞ +∞
+∞ +∞
Posons t – τ = u, t=u+τ
+∞ +∞ +∞ +∞
En conclusion,
𝒯ℱ
e(t) ∗ h(t) → E(f) . H(f)
𝒯ℱ
e(t) . h(t) → E(f) ∗ H(f)
Soient e(t) et h(t) deux signaux causaux. Leur produit de convolution est :
+∞
Posons t – τ = u, t=u+τ
+∞ +∞ +∞ +∞
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)
1 e()
h(t - )
0.5
0
t - 0.5 t + 0.5 -0,5 0 0,5
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 :
+∞
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
L’intégrale vaut :
+∞
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
1 e()
h(t - )
0.5
0
t - 0.5 -0,5 0 0,5
1 e()
h(t - )
0.5
0
-0,5 0 0,5
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
1 e()
h(t - )
0.5
0
-0,5 0 0,5 t + 0.5
La figure (II.47) montre que la surface commune entre les deux rectangles est nulle
Le produit de convolution est alors :
1 e()
h(t - )
0.5
0
-0,5 0 0,5 t + 0.5
1 1 1
=
e(t)
h(t)
0 0 0
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -1 0 1
t t 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
II-5-1 Intercorrélation
1- Signaux à énergie finie
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 :
+∞
Posons θ = t – τ
+∞
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
Propriété
∗
Cxy (τ) = Cyx (−τ)
II-5-2 Autocorrélation
Propriétés
∗
▪ Cxx (τ) = Cxx (−τ)
∗
▪ τ = 0, Cxx (0) = Cxx (0), donc Cxx (0) ∈ ℝ
+∞ +∞
−∞ −∞
▪ 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 :
II-5-3 Applications
1- Intercorrélation
posons u = t − τ0
+∞
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.
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
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
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
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)
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.
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 :
+∞ +∞
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.
+∞
Sxy (f) = TF [Cxy (τ)] = ∫ Cxy (τ) e−2jπfτ dτ = TF [x(τ) ∗ y ∗ (−τ)] = X(f). Y ∗ (f)
−∞
∗
Sxy (f) = Syx (f)
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 :
+∞ +∞ +∞
+∞