2 Master RT AnalyseFrequentielle

Traitement du signal
Master R&T
Université de Ouagadougou
Analyse fréquentielle des signaux
Institut Mines-Télécom
Sommaire du cours
Introduction
• Notion de fréquence
• Intérêt de la représentation fréquentielle
• Signaux de référence
• Principes de l’analyse spectrale
Transformée de Fourier
• Outils de passage : temps ↔ fréquences
• Principes généraux
• Applications aux signaux à énergie finie, de puissance
moyenne finie et périodiques
2 Institut Mines-Télécom G. Le Chenadec

Introduction
Notion de fréquence
Fréquence (hertz): nombre de fois qu'un

phénomène se reproduit par unité de mesures.
• f=1/T
Plusieurs types de fréquences
• temporelle
• spatiale
La fréquence est liée aux variations du signal
• Variations lentes = basses fréquences
• Variations rapides = hautes fréquences

Introduction
Fréquence temporelle
• Pour un son
─ basses fréquences = variations lentes = sons graves
─ Hautes fréquences = variations rapides = sons aigus
• Pour une onde EM dans le domaine du visible

Les couleurs perçues dépendent de la fréquence de
l’onde électromagnétique
─ basses fréquences = variations lentes = rouge
─ Hautes fréquences = variations rapides = violet

Introduction
Fréquence spatiale
• Pour une image
Composante à basses fréquences spatiales
Composante à fréquences spatiales intermédiaires
Composante à hautes fréquences spatiales
• basses fréquences = variations lentes = surfaces pleines

• hautes fréquences = variations rapides = contours

Introduction
Intérêt de l’analyse fréquentielle
Analyse des variations du signal
Représentation temporelle
• Suffisante pour des signaux simples
10
-5
-10
0 0.5 1 1.5 2 2.5 3 3.5 4
• Pas adaptée pour d’autres (signal de parole)
Amplitude (V.)
Temps (s.)

Introduction
Intérêt de l’analyse fréquentielle
Recherche de la représentation la mieux adaptée pour un
problème donné
• temporelle : étude des valeurs du signal, des retards entre les signaux
• fréquentielle: étude des variations du signal
Des représentations différentes
Mais la quantité d’information est identique
• Identifier, extraire et interpréter plus facilement l’information
Représentation temporelle Représentation fréquentielle
T0=1/f0
10
1/2
6
4
1/2
2 t
0
-2
-4
-6
-f0 f0 f
-8
7 -10 Institut Mines-Télécom G. Le Chenadec

0 0.5 1 1.5 2 2.5 3 3.5 4
Introduction
Intérêt de la représentation fréquentielle
Représentation
temporelle
Lundi, 9 heures : fréquentielle
1 journal
mardi, 9 heures : 1 journal
am plitude phase
mercredi, 9 heures : 1 journal
jeudi, 9 heures : 1 journal
vendredi, 9 heures : 1 journal + 1 journal TV
samedi, 9 heures : 1 journal 1 journal quotidien à 9 heures
dimanche, 9 heures : 1 journal
Lundi, 9 heures : 1 journal +
1 journal TV hebdomadaire à vendredi, 9 heures
samedi, 9 heures : 1 journal fréquence
Lundi, 9 heures : 1 journal
samedi, 9 heures : 1 journal
..................

Introduction
Complémentarité des représentations
Représentation temporelle x(t)
- quand ?
- fort, faible?
Représentation fréquentielle X(f)

- quoi ?
- aigu, grave ?

Introduction
Signaux de référence
Espace des signaux
• à valeurs réelles


s(t ) = sin(2π f0t )


c(t ) = cos(2π f0t )
T0=1/f0 
10
0 1/2 1/2
-2
-4
-6
-8
-10
0 0.5 1 1.5 2 2.5 3 3.5 4
-f0 f0 f
Physiquement, ces fonctions :

• présentent une période de variations de f0 occurrences /seconde
• contiennent uniquement la fréquence f0
Introduction
Signaux de référence
Espace des signaux

• à valeurs complexes
e(t ) = exp(2π jf0t )
Physiquement, cette fonction :

• présentent une période de variations de f0 occurrences /seconde
• contiennent uniquement la fréquence f0
f0 f

Introduction
Fréquences négatives
Si e(t) contient f0, e*(t) contient –f0
e(t) et e*(t) dans le plan complexe
Im(e) Im(e)
Me
θe (t )
Re(e ) θe * (t ) Re(e )
Me *
Mais alors pour c(t) et s(t)

exp(2π jf0t ) + exp(−2π jf0t )
c(t ) = cos(2π f0t ) =
2
exp(2π jf0t ) − exp(−2π jf0t )
s(t ) = sin(2π f0t ) =
2j
Introduction
Principe de l’analyse spectrale
Analyse fréquentielle = Analyse spectrale
Pour un signal x(t) quelconque:

• Répondre à la question « x(t) contient-il la fréquence f0 ? »
• i.e.: x(t) ressemble-t-il à cos(2πf0t), sin(2πf0t) ou exp(2πjf0t)
• si oui avec quel niveau de ressemblance ?
On se ramène à la notion de … produit scalaire
Autre interprétation
• quelle est l’énergie/puissance partagée entre x(t) et exp(2πjf0t)?

Définitions
Soit x(t) un signal, la TF de x(t) est

+∞
X ( f ) = TF {x (t )} = x (t ), exp(2π jft ) = ∫ x (t ) exp(−2π jft )dt

−∞
• Equation d’analyse
• X(f) est la quantité de fréquence f présente dans x(t) sur ]-
∞,+∞[
La TF inverse est définie par

+∞
x (t ) = TF −1
{X (f )} = ∫
−∞
X ( f ) exp(2π jft )df
• Equation de synthèse
Attention, les notations devraient être 
X ( f ) = TF {x (t )}( f )





x (t ) = TF −1
{X (f )}(t )
Conditions d’existence
Le signal x(t) doit être une fonction bornée et

absolument intégrable
∞
∫ x (t ) dt < +∞
−∞
• Les signaux mesurés ou transitoires vérifient cette
condition.
• Les signaux à énergie finie aussi
• Les signaux à puissance moyenne finie (non nulle) :
non!

Représentation spectrale
La TF est une fonction à valeurs complexes
• Que l’on peut représenter par son module et sa phase

j .Arg X ( f )
X ( f ) = X (f ) .e  
• |X(f)|: spectre d’amplitude

• Arg(X(f)): spectre de phase
Du point de vue de l’information contenue:

La représentation spectrale est strictement équivalente à la
représentation temporelle (pas de pertes d’information)

Exemple: sin(π fT )
x (t ) = rectT (t ) ↽
TF
⇀T sinc(π fT ) = T
π fT
X ( f ) = T sinc(π fT )
Arg X ( f ) = 0

 
1200
1
1000
0.8
800
0.6
x(t) [V]
|X(f)| [V]
600
0.4
TF 400
0.2
↽ ⇀
200
0
-30 -20 -10 0 10 20 30 0

temps [s] -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
fréquence [Hz]

Classification basée sur le contenu fréquentiel
|X(f )|
Basse fréquence f
B = f2-f1: largeur de bande de x(t)
Haute fréquence
Bande étroite
f
Large bande
f
Synthèse des propriétés
Linéarité
TF
ax (t ) + by(t ) ↽ ⇀ aX ( f ) + bY ( f )
Symétrie
TF
x (−t ) ↽ ⇀ X (−f )
TF
x * (t ) ↽ ⇀ X * (−f )
TF
x * (−t ) ↽ ⇀ X *(f )
Dualité
TF
X (t ) ↽ ⇀ x (−f )

Synthèse des propriétés
Translation temporelle
TF
x (t − τ ) ↽ ⇀ exp(−2π jf τ )X ( f )
Translation fréquentielle
TF
exp(2π jf0t ).x (t ) ↽ ⇀ X ( f − f0 )
Dérivation temporelle
∂n x (t ) TF n
↽ ⇀(2π jf ) X (f )
∂t n
Changement d’échelle temporelle
TF 1 f
x (at ) ↽ ⇀ X( )
a a
Propriétés commentées
Linéarité
TF
z (t ) = ax (t ) + by(t ) ↽ ⇀ Z (f ) = aX (f ) + bY ( f )
Conservation des
niveaux & des
fréquences

Linéarité
Application
• Propriété très importante
• Si deux signaux n’occupent pas la même bande fréquentielle,

on peut les mélanger (additionner), ils n’interfèrent pas
• Si deux signaux occupent la même bande fréquentielle, si on

les mélanger (additionner), ils interfèrent

Facteur d’échelle
TF 1 f
y(t ) = x (at ) ↽ ⇀Y ( f ) = X( )
a a
Signal lent Spectre concentré
x(t) |X(f)| sur les basses fréquences
1.5 100
1 90
80
70
0.5
0
60 Etroit en fréquence
50
-0.5 40
-1 Large en temps 30
20
-1.5 10
-100 -80 -60 -40 -20 0 20 40 60 80 100 0
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
temps
fréquence
Signal rapide
Spectre élargi
y(t)=x(10t) |Y(f)|
10
1.5 9
1
0.5
8
7
6
Large en fréquence
0 5
4
-0.5 3
-1 Etroit en temps 2
1
-1.5-100 -80 -60 -40 -20 0 20 40 60 80 100 0
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
temps fréquence
TF
x (t − τ ) ↽ ⇀ exp(−2π jf τ )X ( f )
Translation temporelle 40
35
30
25
|X(f)|
20
Soit le signal porte x(t) 15
10
5
1.5 0
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
f
1
x(t) 1
TF 0.8
0.5 ↽ ⇀ 0.6 Arg(X(f))
0.4
0.2
0 0
-0.2
-0.5 -0.4
-100 -80 -60 -40 -20 0 20 40 60 80 100 -0.6
t -0.8
-1
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
f
Même forme
40 Même module
Origine des temps décalée 35
30
25 |Y(f)|
Phase différente
20
1.5 15
1
y(t) = x(t-20) 10
5
0
TF -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
0.5 ↽ ⇀
400
0 350
300 Arg(Y(f))
250
-0.5 200
-100 -80 -60 -40 -20 0 20 40 60 80 100
150
t 100
50
24 Institut Mines-Télécom 0 G. Le Chenadec
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
Modulation (1)
Translation fréquentielle
TF
exp(2π jf0t ).x (t ) ↽ ⇀ X ( f − f0 )
Linéarité
TF
ax (t ) + by(t ) ↽ ⇀ aX ( f ) + bY ( f )
Modulation
TF X ( f − f0 ) + X ( f + f0 )
cos(2π jf0t ).x (t ) ↽ ⇀Y ( f ) =
2
|X(f )| |Y(f )|
f
f
-f0 f0
Institut Mines-Télécom G. Le Chenadec
25
Modulation (2)
Multiplexage de signaux, modulation, porteuse
• Résultat fondamental pour l’envoi d’informations dans un même canal
• Transmettre simultanément plusieurs signaux
• Opération de modulation= multiplication par une porteuse sinusoïdale
• Radios Longues Ondes
─ Transmettre des messages informatifs situés dans la même bande [0-20]
kHz
France Inter
France Inter Europe 1
modulation f0 f0 = 162 kHz f1 = 183 kHz
0 20kHz
+
Europe 1
modulation f1 f
Partie positive
26
f Institut Mines-Télécom G. Le Chenadec
Modulation (3)
En réception: démodulation
France Inter Europe 1

f0 = 162 kHz f0 = 183 kHz
f
Partie positive

Dimension
Déterministe/aléatoire
Classification des signaux
Analogique / numérique
Considération énergétique Energie
Signaux
+∞ 2
Ex = ∫ x (t ) dt
Ex< +∞ ? −∞
1 T /2 2
oui non Px = lim
T →+∞ T ∫ −T /2
x (t ) dt
Energie finie Energie infinie
Puissance moyenne Puissance moyenne Puissance moyenne

nulle finie (non nulle) infinie
Px = 0 Px ≠ 0 < +∞ Px = +∞
Signaux Signaux périodiques Signaux divergents

physiquement échelon, constante dans le temps
mesurés, transitoires
28 Institut Mines-Télécom G. Le Chenadec/F.-X. Socheleau
G. Le Chenadec
Espace des signaux à énergie finie
Condition d’existence
+∞ +∞
2
Si ∫ x (t ) dt < +∞ Alors ∫ x (t ) dt < +∞
−∞ −∞
Assurance que les intégrales dans la transformée de Fourier

directe et inverse sont convergentes

Espace des signaux à énergie finie
Théorème de Parseval
Pour les signaux d’énergie finie

+∞ +∞
2 2
∫ x (t ) dt = ∫ X ( f ) df
−∞ −∞
conservation de l’énergie total quel que soit l’espace

de représentation (temporel ou fréquentiel)
• La quantité d’information est conservée

Dimension
Signaux
+∞ 2
Ex = ∫ x (t ) dt
Ex< +∞ ? −∞
1 T /2 2
oui non Px = lim
T →+∞ T ∫ −T /2
x (t ) dt

Px = 0 Px ≠ 0 < +∞ Px = +∞

Espace des signaux à puissance moyenne finie
Extension de la TF
1 T /2 2
0 < Px = lim
T →+∞ T ∫
−T /2
x (t ) dt < +∞
Ne satisfont pas au critère de convergence de la TF

Embêtant sin, cos, etc.
Il faut utiliser la théorie des distributions (hors cours)
Utilisation de la distribution de Dirac comme une fonction

TF classiques
TF{Impulsion de Dirac} TF
δ(t ) ↽ ⇀1
+∞
TF {δ(t )} =
Démonstration
∫ δ(t )exp(−2π jft )dt = exp(−2π jf × 0) = 1
−∞
• Une impulsion de Dirac possède toutes les fréquences

avec la même amplitude 1
x(t) X(f ) = TF{δ(t)}

1
1
TF
↽ ⇀
t f
TF classiques
TF
TF{constante} k↽ ⇀ k δ(f )
TF
1↽ ⇀ δ(f )
• Démonstration
+∞
TF −1 {k .δ( f )} = k . ∫ δ( f )exp(2π jft )df = k . exp(2π jt × 0) = k

−∞
• présence d’une composante continue dans un signal

⇒ apparition d’une impulsion de Dirac en f = 0.
x(t) X(f )
k
TF k
↽ ⇀
f t
TF classiques
TF{Impulsion de Dirac décalée}

TF
δ(t − τ ) ↽ ⇀ exp(−2π jf τ )
• Démonstration
TF {δ(t − τ )} = ∫ δ(t − τ ) exp(−2π jft )dt = exp(−2π jf τ )

TF classiques
TF{exponentielle} exp(2π jf0t ) ↽

TF
⇀ δ( f − f 0 )
Démonstration
• Propriété de translation temporelle
{ }
TF x (t ).exp (2π jf0t ) = X (f − f0 )
• Appliquée à
x (t ) = 1 et TF {x (t )} = δ( f )
La fonction exponentielle complexe ne contient qu’une seule
fréquence |TF{exp(2πjf0t)}|
f0 f
TF classiques
|TF{sin(2πf0t)}|
TF{sinus} 1/2
1 1 1/2
TF
sin(2π f0t ) ↽ ⇀ δ( f − f0 ) − δ( f + f0 )
2j 2j
-f0 f0 t
TF{cosinus}
|TF{cos(2πf0t)}|
TF 1 1
cos(2π f0t ) ↽ ⇀ δ( f − f0 ) + δ(f + f0 ) 1/2 1/2
2 2
La fonction sinus contient -f0 f0 t
• physiquement qu’une seule fréquence f0
• Mathématiquement f0 et -f0

Dimension
Signaux
+∞ 2
Ex = ∫ x (t ) dt
Ex< +∞ ? −∞
1 T /2 2
oui non Px = lim
T →+∞ T ∫ −T /2
x (t ) dt

Px = 0 Px ≠ 0 < +∞ Px = +∞

Espace des signaux à puissance moyenne finie et périodiques
Série de Fourier
sont des signaux à puissance moyenne finie …

… mais admettent un développement en série de
Fourier
+∞  n 
x (t ) = ∑ X n exp 2π j t 
n =−∞
 T 
1  n  1  n 
où X n = ∫ x (t ) exp −2π j t dt = X  
T  T  T T 
T

La TF d’un signal périodique s’exprime


 +∞  n   +∞ 
  n  
X ( f ) = TF {x (t )} = TF  ∑ X n exp 2π j t  = ∑ X nTF exp 2π j t 
     

 
 T    
 
 T  
n =−∞  n =−∞  
+∞  n 

= ∑ X n δ  f − 
n =−∞
 T 

 n
+∞

 f =


n
= ∑ X n δ ( f − fn ) avec  T
 1 1
n =−∞ 
X n
= ∫ x (t ) exp (− 2π jfn )
t dt = X ( fn )


 T T T
Spectre de raies
• localisées aux fréquences f = n
n
• et d’amplitude T
1
Xn = X ( fn )
T

Illustration
Domaine temporel
• xT(t) : non périodique, à énergie finie
• x(t) : T-périodique, périodisation de xT(t) x(t)
xT(t)
T t
Domaine fréquentiel
|XT(f)| |X(f)|
f f
3 2 1 0 1 2 3
− − −
T T T T T T T
Espace des signaux à puissance moyenne finie et
périodiques
spectre de raies en relation harmonique
Spectre d’amplitude |Xn|
4 3 2 1 0 1 2 3 4 f
− − − −
T T T T T T T T T
composante harmonique deuxième

continue fondamentale harmonique
Spectre de phase Arg(Xn)
4 3 2 1 0 1 2 3 4 f
− − − −
T T T T T T T T T
périodiques
Exemple signal carré
Institut Mines-Télécom G. Le Chenadec

périodiques
Le peigne de Dirac
∞
TF{peigne de Dirac} 1
∑ δ (t − nT ) ↽
TF
δT (t ) = ⇀ δ1/T ( f )
n =−∞ T
Démonstration
• On peut montrer que
1 
+∞
n 

δT (t ) = ∑ exp 2π j t 
n =−∞ T
 T 
• Alors

 +∞
1  n 
 +∞
1 
  n 

   
TF {δT (t )} = TF  ∑ exp 2π j t  = ∑ TF exp 2π j
 t 

  T    
n =−∞ T
  n =−∞ T
 
 T 

+∞
1  n  1
= ∑ δ  f −  = δ1/T ( f )
n =−∞ T
 T  T

périodiques
Illustration pratique
Utilité de la détection du spectre de raies

• Vibrations au sein automobile
Si détection d’un spectre avec des raies en relation

harmonique
• présence d’une composante périodique dans les vibrations
• Plusieurs causes de vibrations
• Mais seule la rotation du moteur possède cette caractéristique.
Le constructeur doit modifier la technique de fixation du

moteur avec un montage « isolant » mieux le moteur de
l’habitacle

Points importants
Les bases
• Définition des produits scalaires pour les 3 espaces de signaux
• Calculer
─ L’énergie, la puissance moyenne (d’interaction)
─ une TF et la représenter
• Utiliser
─ la distribution de Dirac et le peigne de Dirac
─ Les propriétés de la TF
─ Les TF classiques
• Le Lien entre les informations du signal temporel et de son
contenu spectral (BF, HF)
• Reconnaitre un spectre d’un signal périodique

Points importants
Aller plus loin

• Le rôle du TdS dans les systèmes électroniques et informatiques
• Les différentes classes de signaux
─ analogique/numérique
─ déterministe/aléatoire
• Outils de comparaison des signaux
─ liens à l’énergie, la puissance d’interaction
─ Quels outils utilisés en fonction des besoins
• Coefficient de corrélation/covariance
• Fonction d’intercorrélation
• Produit de convolution
• L’intérêt de l’analyse fréquentielle

2 Master RT AnalyseFrequentielle

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

2 Master RT AnalyseFrequentielle

Transféré par

Droits d'auteur :

Formats disponibles

Traitement du signal

Analyse fréquentielle des signaux

2 Institut Mines-Télécom G. Le Chenadec

Fréquence (hertz): nombre de fois qu'un

3 Institut Mines-Télécom G. Le Chenadec

• Pour une onde EM dans le domaine du visible

4 Institut Mines-Télécom G. Le Chenadec

Composante à fréquences spatiales intermédiaires

Composante à hautes fréquences spatiales

• basses fréquences = variations lentes = surfaces pleines

5 Institut Mines-Télécom G. Le Chenadec

0 0.5 1 1.5 2 2.5 3 3.5 4

• Pas adaptée pour d’autres (signal de parole)

6 Institut Mines-Télécom G. Le Chenadec

7 -10 Institut Mines-Télécom G. Le Chenadec

8 Institut Mines-Télécom G. Le Chenadec

Représentation fréquentielle X(f)

9 Institut Mines-Télécom G. Le Chenadec

Physiquement, ces fonctions :

Espace des signaux

Physiquement, cette fonction :

11 Institut Mines-Télécom G. Le Chenadec

Mais alors pour c(t) et s(t)

Pour un signal x(t) quelconque:

• i.e.: x(t) ressemble-t-il à cos(2πf0t), sin(2πf0t) ou exp(2πjf0t)

• si oui avec quel niveau de ressemblance ?

On se ramène à la notion de … produit scalaire

13 Institut Mines-Télécom G. Le Chenadec

Soit x(t) un signal, la TF de x(t) est

X ( f ) = TF {x (t )} = x (t ), exp(2π jft ) = ∫ x (t ) exp(−2π jft )dt

La TF inverse est définie par

Le signal x(t) doit être une fonction bornée et

15 Institut Mines-Télécom G. Le Chenadec

La TF est une fonction à valeurs complexes

• Que l’on peut représenter par son module et sa phase

• |X(f)|: spectre d’amplitude

Du point de vue de l’information contenue:

16 Institut Mines-Télécom G. Le Chenadec

Arg X ( f ) = 0

-30 -20 -10 0 10 20 30 0

17 Institut Mines-Télécom G. Le Chenadec

B = f2-f1: largeur de bande de x(t)

19 Institut Mines-Télécom G. Le Chenadec

Changement d’échelle temporelle

21 Institut Mines-Télécom G. Le Chenadec

• Si deux signaux n’occupent pas la même bande fréquentielle,

• Si deux signaux occupent la même bande fréquentielle, si on

22 Institut Mines-Télécom G. Le Chenadec

France Inter Europe 1

27 Institut Mines-Télécom G. Le Chenadec

Puissance moyenne Puissance moyenne Puissance moyenne

Signaux Signaux périodiques Signaux divergents

Assurance que les intégrales dans la transformée de Fourier

29 Institut Mines-Télécom G. Le Chenadec

Pour les signaux d’énergie finie

conservation de l’énergie total quel que soit l’espace

30 Institut Mines-Télécom G. Le Chenadec

Puissance moyenne Puissance moyenne Puissance moyenne

Signaux Signaux périodiques Signaux divergents

Ne satisfont pas au critère de convergence de la TF

32 Institut Mines-Télécom G. Le Chenadec

• Une impulsion de Dirac possède toutes les fréquences

x(t) X(f ) = TF{δ(t)}