Théorie du signal

Chapitre 2

II. Analyse
y de Fourier
Partie 1: Série de Fourier
 Analyse
y de Fourier
Introduction :
Qu'est
Qu est ce qu
qu'une
une fréquence?
La fréquence est le nombre de fois qu'un phénomène périodique se
reproduit
p p
pendant une durée déterminée. C'est donc l'inverse de la
période f = 1/T. La fréquence est mesurée en hertz (= 1/seconde).
Dans un son 
Dans un son
La fréquence Sons graves = basses fréquences
permet de Sons aigus = hautes fréquences

caractériser un Dans une image : 
certain type Surfaces =basses fréquences
Contours =hautes fréquences
d'information
Dans une onde lumineuse : 
Les couleurs dépendent de la
Les couleurs dépendent de la 
longueur d'onde = la fréquence
 Analyse
y de Fourier
Introduction :
L notion
La ti d de ffréquence
é estt éégalement
l t présente
é t dans
d : la
l voix,
i un
téléphone portable, la radio, l'ADSL, le radar, le télémètre, le GPS, ….
Toutes ces applications font intervenir le contenu fréquentiel de
l'information dans au moins
une partie du traitement :
une représentation
fréquentielle de l'information
est dans certains
est,
cas plus facile à interpréter
que la représentation
temporelle.
 Analyse
y de Fourier
Introduction :Vers une rep. fréquentielle
L notion
La ti ded ffréquence
é estt intéressante,
i té t
mais comment connaitre les fréquences que contient
un signal ?
¾ Exemple d'un signal sinusoïdal :
f0 est l’unique fréquence du signal
x(t ) = A sin (2πf 0 t + Φ ) donc p
pour un sinus, c’est facile..
¾Exemple d’une onde lumineuse :
Fréquences variables au cours du temps (du
rouge au violet). Comment caractériser les
informations fréquentielles
q contenues dans
ce signal ?  ici, c'est plus difficile ...
 Analyse
y de Fourier
Introduction :Vers une rep. fréquentielle

¾ Autre Petite expérience : mélangeons quelques sinus..

x (t ) = x 0 (t ) + x1 (t ) + x 2 (t )
= A0 sin (2π f 0 t + Φ ) + A1 sin (2π f 1t + Φ ) + A2 sin (2π f 2 t + Φ )
il est donc possible d'obtenir des
4
x (t)
0
signaux périodiques de différents 3 x (t)
2
x (t)
types par une combinaison 2
1
Total
linéaire de signaux
g sinusoïdaux
d’amplitudes et de fréquences
1
Amplitude
choisies de façon appropriée. 0
A

-1
1

C’est le principe de -2
Synthèse de Fourier,
le problème inverse est la -3

Décomposition en Série de -4
0 1 2 3 4 5 6 7 8 9 10
Fourier Temps
 Analyse
y de Fourier
Décomposition en Série de Fourier (DSF)
Exprimer un signal x(t) de période T comme une combinaison
linéaire de fonctions sinusoïdales de fréquences
q multiples
p de f0 =1/ T,
dite fréquence fondamentale.
g q
Définition de la DSF : forme trigonométrique
Un signal x(t) de période T , s’exprime sous certaines conditions comme :
∞
a0
x n (t ) = + ∑ a n cos( n ω t ) + bn sin( n ω t )
2 n =1
2T 2T
an = ∫ x(t ) cos((nω t )dt bn = ∫ x(t ) sin( i ( nω t )dt
T 0 T 0
2T an et bn : coefficients de la série de Fourier
a0,a
a 0 = ∫ x ( t ) dt
T 0 a0 : la valeur moyenne ou composante continue
 Analyse
y de Fourier
Décomposition en Série de Fourier (DSF)
Conditions de Dirichlet. (Existence de la série de Fourier).
Fourier a considère les signaux continus et périodique
Dirichlet a considère les signaux
g discontinus et p
périodique.
q Dans ce cas le signal
g
discontinus est quand même DSF sous les conditions suivantes :

1)L signal
1)Le i l doit
d it être
êt périodique
é i di de
d période
éi d T

2)Dans un intervalle a une période T dans I = [0 , T ], ∀ t ∈ I le signal

doit présenter un nombre fini de discontinuités dans [0 , T ]
3)Sous
) la condition 2° : alors le signal doit être régulier aux points de
discontinuités. (on peut le prolonger par continuité aux points de
discontinuités) ∃ M ∈ ℜ , M = x ( a ) + x ( a ) avec ‘a’ le point de
+ −

2
di
discontinuité.
ti ité
4) Le signal doit être a puissance moyenne finie dans [0 , T ]
est :

Analyse
y de Fourier
Décomposition en Série de Fourier (DSF) Vm
v (t ) v (t ) = t
T
Exemple : Calculer la série de Fourier du V m

signal périodique suivant. 0 T 2T t

Le signal
g est périodique de période T, il est donc Développable en
Série trigonométrique de Fourier.
T T
2 2 Vm
Calcul de a0 a0 = ∫0 v ( t ) dt = ∫ t dt = V m
T T 0 T
2 T
2 T
V
Calcul de an a n = ∫ v(t ) cos(nω t ) dt = ∫ m t cos(nω t ) dt = 0 pour tout n
T0 T0 T
Calcul de bn b n = 2 T
2 T
Vm Vm
∫ v ( t ) sin( n ω t ) dt = ∫ t sin( n ω t ) dt = −
T 0 T 0 T πn
Vm Vm ∞ 1
La série de Fourier de v(t) est : v n (t ) = + ∑ sin( n ω t )
2 π n =1 n
 Analyse
y de Fourier
Décomposition en Série de Fourier (DSF)
Reconstruction du signal (si T = 1s et Vm=1) :
Original n=7

‰On voit bien, que plus le nombre 1 1

d'harmoniques utilisées est élevé,

0.5 0.5
plus le signal original est
reconstruit fidèlement. 0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2

‰Cependant,
‰C d lorsqu'il
l il y a une n=15 n=51
discontinuité, il y a un pic qui 1 1
apparaît dans le signal
reconstruit : 0.5 0.5

on appelle ceci l’effet Gibbs.

0 0
0 05
0.5 1 15
1.5 2 0 05
0.5 1 15
1.5 2
 Analyse
y de Fourier
Décomposition en Série de Fourier (DSF)
Simplification des calculs des coefficients :
⎧ bn = 0 et a n ≠ 0
A Si x(t)
A. (t) estt un signal
i l pair
i ⎨
⎩ mais attention on calcule a 0 ?
Δ ( x = 0 ) → l ' axe y T /2
4
On simplifie par le calcul de an an = ∫ x (t ) cos(( n ω t ) dt
T 0

Si la symétrie
y est parfaite
p p
par rapport
pp à l’origine
g a0 = 0

⎧ ∀ t ∈ ℜ x ( − t ) = − x (t )
B Si x(t)
B. (t) est un signal impair ⎨
⎩ a n = 0 , b n ≠ 0 et a 0 = ?
T /2
4
On simplifie par le calcul de bn bn =
T
∫ x (t ) sin( n ω t ) dt
0

Si la symétrie est parfaite par rapport à l’origine a0 = 0

est :

Analyse
y de Fourier
Décomposition en Série de Fourier (DSF) 4Im
i (t ) = t
i(t ) T
Exemple : Calculer la série de Fourier du I m

signal périodique suivant. T 2 T

− Im
Le signal est périodique de période T, il est donc Développable en
Sé i trigonométrique
Série ti ét i de
d Fourier.
F i
On vérifie la symétrie : la fonction est impaire et symétrique par
origine ⇒T a n = 0 et a 0 T= 0
rapport à ll’origine
24 8 4 4I m
bn = 4 × ∫ i (t ) sin( nω t )dt = ∫ t sin( nω t )dt
Calcul de bn T 0 T 0 T
8I m nπ
= 2 2 sin( ) n est impair
nπ 2
8I m ∞ 1 nπ
La série de Fourier de i(t) est : i ( t ) = ∑ sin( ) sin( n ω t )
π n =1, 3 , 5 ,... n
2 2
2
 Analyse
y de Fourier
Décomposition en Série de Fourier (DSF)
Reconstruction du signal (si T = 1s et Im=1) :
Original n=3
1 1

0.5 0.5

0 0

-0.5
0.5 -0.5
0.5

-1 -1
0 0.5 1 1.5 2 0 0.5 1 1.5 2

n=7 n=11
1 1

0.5 0.5

0 0

-0.5 -0.5

-1 -1
0 0.5 1 1.5 2 0 0.5 1 1.5 2

Il existe 2 autres façons d'exprimer la série de Fourier : sous forme polaire,

ou forme exponentielle (complexe).
 Analyse
y de Fourier
Analyse fréquentielle : forme polaire
On peut également définir le DSF sous la forme d’une somme de
cosinus déphasés : ∞
x n (t ) = A0 + ∑ An cos(( n ω t + Φ n )
n =1

a0 ⎛ bn ⎞
A0 = , An = (a n ) + (b n ) et Φ n = arctan ⎜⎜
2 2
⎟⎟
2 ⎝ an ⎠
Il est alors possible de tracer deux graphes : le spectre
d’amplitude An et le spectre de phase
Φn
¾ la distribution des amplitudes par rapport aux fréquences qu’on appelle
le spectre d’amplitude
et
¾la distribution des phases des harmoniques en fonction de la fréquence
qu’on appelle le spectre de phase
 Analyse
y de Fourier
Définition de la DSF : forme complexe
Un signal x(t) périodique de période T est dit développable
en série complexe de Fourier si seulement si ∃ C (n )
des coefficients non nuls tel que :
+∞ 2π π
1T − j nt
∑ C ( n )e
j nt
x (t ) = T
C ( n ) = ∫ x (t ) e T dt
n = −∞ T 0

A. Si le signal x(t) est réel et pair ⇒ C ( n ) = réel = a n

B Si le signal x(t) est réel et impair ⇒ C ( n ) = Imaginaire = b n

B.
 Analyse
y de Fourier
Propriétés de la Décomposition en Série de Fourier 
Superposition :
x (t ) = α v (t ) + β w (t ) ⇔ C (n) = α C (v ) (n) + β C ( w) (n)
Translation temporelle :
2π
j nτ
x (t ) = v (t + τ ) ⇔ C (n) = C (v ) (n) e T

Différentiation :
⎛ 2π ⎞ ( v )
k k
d v (t )
x (t ) = ⇔ C (n) = ⎜ j n ⎟ C (n)
⎝ T ⎠
k
dt
Théorème de Parseval :    La puissance moyenne d’un signal
périodique
é i di x(t) est: 1 +∞
= ∫ dt = ∑
2 2
P moy x (t ) C (n)
T T n = −∞
est :

Analyse
y de Fourier

Conclusion
Les points clés de la première partie de ce chapitre
sont :
A. Calcul de la série de Fourier d'une fonction
périodique.
périodique
B. Utilisation de la symétrie pour simplifier le
calcul.
l l
C. Calcul du spectre d'un signal périodique.