Académique Documents
Professionnel Documents
Culture Documents
PARTIE 2
Transformation de Fourier
1 Préambule
Dans la partie précédente, sur les séries de Fourier, on a vu qu’un signal périodique de fréquence
f0 et de forme quelconque peut être reconstruit en rajoutant à une sinusoı̈de de fréquence f0
(fondamental) des sinusoı̈des dont les fréquences sont des multiples entiers de f0 . Ces sinusoı̈des
ont des amplitudes et des phases appropriées (harmoniques).
Exemple : Considérons le signal périodique ’escalier’ dont les représentations temporelle et
fréquentielle sont données à la Fig. 1.
0.4
1
0.3
0.8
Signal
0.6
Ak
0.2
0.4
0.2
0.1
-0.2 0
-4 -3 -2 -1 0 1 2 3 4 5 6 7 8 0 f 2f 3f 4f 5f 6f 7f
time [s] frequency
0.8
Signal
0.6
0.4
0.2
-0.2
-4 -3 -2 -1 0 1 2 3 4 5 6 7 8
time [s]
1
La Fig. 2 montre un exemple de reconstruction de ce signal en considérant les 9 premiers har-
moniques de son spectre (ou sa série de Fourier):
9
X 1 π π
u(t) ≈ 0.5 + (2 − cos(2n ) − cos(4n )) sin(nωt)
k=1
2nπ 3 3
Pour avoir une meilleure reconstruction, on devrait augmenter le nombre d’harmoniques. Toute-
fois, en prenant seulement les 9 premiers harmoniques on reconnaı̂t l’allure du signal.
La décomposition en série de Fourier présuppose donc que le signal soit périodique. Ainsi, pour
un signal T0 −périodique, vérifiant les conditions du théorème fondamental (voir partie 1) :
+∞
X
u(t) = ck ei2πkf0 t , avec f0 = 1/T0
k=−∞
avec
T0 T0 /2
1 1
Z Z
−i2πkf0 t
ck = u(t)e dt ou encore ck = u(t)e−i2πkf0 t d t
T0 0 T0 −T0 /2
Toutefois, la plupart des signaux ne sont pas périodiques. Donc peut-t-on étendre la notion de
série de Fourier aux signaux non-périodiques ?
Intuitivement on peut envisager un signal non-périodique comme un signal périodique avec T0 →
∞, et donc des sinusoı̈des espacées de f0 = 1/T0 → 0. Si on part de la série de Fourier d’un
signal périodique
+∞ +∞
" #
T0 /2
1
X X Z
i2πkf0 t −i2πkf0 t
u(t) = ck e = u(t)e d t ei2πkf0 t
k=−∞ k=−∞
T0 −T0 /2
Z +∞
avec û(f ) = u(t)e−i2πf t d t, la transformée de Fourier de u(t), un signal non-périodique.
−∞
2
2 Transformation de Fourier: définitions
Définition:
On appelle transformée de Fourier TF de u, notée par F (u) ou û, la fonction définie par :
Z +∞
F (u) : f 7−→ F (u)(f ) ≡ û(f ) = u(t)e−2iπf t dt
−∞
Z +∞
• La TF existe si l’intégrale impropre u(t)e−2iπf t dt existe (ou converge), càd:
−∞
– u est bornée
Z +∞
– l’intégrale est finie: |u(t)|2 dt < +∞ ; (énergie finie)
−∞
Conséquence : lim u(t) = 0
t→±∞
• La fonction û(f ) ∈ C, et son module est appelé spectre d’amplitude et son argument
est appelé spectre de phase.
Série de Fourier TF
Domaine temporel signal périodique signal non-périodique
Domaine fréquentiel spectre discret spectre continu
Définition:
Si on connaı̂t la transformée de Fourier û de la fonction u, alors la
transformée inverse de Fourier, notée par F −1 (û) , est définie par :
Z +∞
−1 −1
F (û) : t 7−→ F (û)(t) ≡ u(t) = û(f )e2iπf t df
−∞
si u est continue en t.
u(t + h) + u(t − h)
Sinon, F −1 (û)(t) = lim
h→0 2
3
Exercice 1 :
Déterminer la transformée de Fourier du signal porte ΠT ,A (t) tracé à la fig. 3 et défini par :
0 si t < −T /2
(
A si |t| ≤ T /2
ΠT ,A (t) = A si −T /2 ≤ t ≤ T /2 ou ΠT ,A (t) =
0 si t > 1/2 0 si |t| > T /2
ΠT ,A (t)
t
−T /2 0 T /2
b T (f ) de ΠT (t) ≡
Dans le cas particulier A = 1/T , donner la transformée de Fourier Π
ΠT ,1/T (t).
(
1/T si |t| ≤ T /2
ΠT (t) ≡ ΠT ,1/T (t) =
0 si |t| > T /2
3 Propriétés de la TF
1. Linéarité. Superposition.
Soit u1 (t) et u2 (t) deux signaux de transformée de Fourier û1 (f ) et û2 (f ) et λ et µ deux
constantes. Alors la transformée de Fourier de λu1 + µu2 est donnée par
4
2. Translation temporelle.
Soit u2 la translation de u1 par τ : u2 (t) = u1 (t − τ ) (τ > 0 décalage à droite). Alors
4. Dilatation/contraction
Si w est la dilatation/contraction de u par a: w(t) = u(at), alors
1 f
ŵ(f ) = û (pour a > 1 − contraction)
|a| a
5. Dualité
Si u(t) est une signal temporel avec û(f ) sa transformée de Fourier, alors le signal temporel
û(t) a comme transformée de Fourier u(−f ) :
F [û(t)](f ) = u(−f )
6. Formule de Parseval-Plancherel
L’énergie du signal est conservée:
Z Z
2
E= |u(t)| dt = |û(f )|2 df
7. Parité/imparité
– Si u(t) est un signal réel pair, alors û(f ) est une fonction réelle paire et on a :
Z +∞
û(f ) = 2 u(t) cos(2πf t)dt
0
– Si u(t) est un signal réel impair, alors û(f ) est une fonction imaginaire impaire t on
a: Z +∞
û(f ) = −2i u(t) sin(2πf t)dt
0
– Si aucun des cas ci-dessus n’est pas réalisé, alors la TF est une fonction complexe.
5
1
0.75
Signal
0.5
0.25
0
-2 -1 0 1 2 3 4 5 6
time [s]
Exercice 2 (facultatif ) :
Recalculer la transformée de Fourier d’un signal porte ΠT (t) (voir Exo 1) tracé à la fig. 3 en
utilisant le fait que le signal soit pair.
Exercice 3 :
On considère le signal causal défini par :
exp(−at) pour t ≥ 0
u(t) =
0 pour t < 0
avec a > 0. Voir l’allure de ce signal à la Fig. 4. Pourquoi le signal est dit ’causal’ ?
Calculer sa transformée de Fourier. Tracer son spectre d’amplitude et de phase.
6
4 Signaux usuels et leurs transformées de Fourier
Définition:
Un signal désigne la variation d’une grandeur physique (température, pression, champ
magnétique etc. . . ) en fonction d’une ou plusieurs variables. Le plus souvent, ces variables
sont le temps et/ou l’espace.
Un système est une entité physique qui réalise une opération sur un signal.
00000000000000000000
11111111111111111111
SIGNAL 00000000000000000000
11111111111111111111
00000000000000000000
11111111111111111111 SIGNAL
00000000000000000000
11111111111111111111
00000000000000000000
11111111111111111111
SYSTEME
00000000000000000000
11111111111111111111
D’ENTREE 11111111111111111111
00000000000000000000
00000000000000000000 DE SORTIE
11111111111111111111
11111111111111111111
00000000000000000000
00000000000000000000
11111111111111111111
Par traitement du signal, on désigne l’ensemble des méthodes et algorithmes qui permet
d’élaborer et d’interpréter les signaux porteurs d’information
• signal numérique ou discret : lorsque la grandeur évolue seulement à des instants précis (i.e.
une suite discréte de valeurs)
• signal non-périodique
7
4.1 Signaux analogiques usuels
0.5
−0.5
−1
−6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6
−1 si t<0
sgn (t) = 1 si t>0
0 ou 1 si t = 0 (valeur arbitraire)
0.8
0.6
0.4
0.2
−0.2
−6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6
0 si t<0
U (t) = 1 si t>0
1 ou 1/2 si t = 0 (valeur arbitraire)
0.8
0.6
0.4
0.2
−0.2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
8
0
si t < −1/2 (
0 si |t| > 1/2
Π(t) = 1 si −1/2 ≤ t ≤ 1/2 OU Π(t) =
0 1 si |t| ≤ 1/2
si t > 1/2
0.8
0.6
0.4
0.2
−0.2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
0 si t < −1
(
1+t si −1 ≤ t ≤ 0 0 si |t| > 1
∆(t) = OU ∆(t) =
1−t
si 0<t≤1 1 − |t| si |t| ≤ 1
0 si t>1
0.5
0
-2π -3π/2 −π -π/2 0 π/2 π 3π/2 2π
t
-0.5
-1
9
Signal Sinus cardinal
1.2
0.8
0.6
0.4
0.2
−0.2
−0.4
−6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6
sin(πt)
si t 6= 0
sinc(t) = πt
1 si t = 0 par convention
12
10
0
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
10
• La limite des fonctions ΠT (t) quand T → 0 définit la ” distribution de Dirac”, qui n’est
pas une fonction.
δ(t) = lim ΠT (t)
T →0
• Notée δ(t), la distribution de Dirac permet de représenter une action exercée durant un
temps très court (impulsion).
δ(t) = 0 si t 6= 0
Z +∞
δ(t)d t = 1
−∞
t t
0 0 t0
Z +∞
• Calcul d’une intégrale d’un produit avec un Dirac : x(t)δ(t)d t = x(0) et
−∞
Z +∞
x(t)δ(t − t0 )d t = x(t0 )
−∞
δ̂(f ) = 1
11
Compte tenu du résultat ci-dessous et de la dualité (F [û(t)](f ) = u(−f )), alors on a un autre
résultat important:
F [1](f ) ≡ 1̂ = δ(−f ) = δ(f )
1
sgn(f
d )=
iπf
• Signal échelon unité U (t)
Comme on peut écrire:
1 + sgn(t)
U (t) =
2
alors
b (f ) = 1̂ + sgn = 1 δ(f ) + 1
d
U
2 2 2iπf
• Signal rectangle ou porte rect(t) ou Π(t)
b ) = sin(πf ) = sinc(f )
Π(f
πf
• Signal triangle tri(t) ou ∆(t)
2
sin2 (πf )
sin(πf )
∆(f
b )= = = sinc2 (f )
π2f 2 πf
Exercice 4 (facultatif ) :
b ) = sinc2 (f )
Par un calcul utilisant la définition et les propriétés des TF, montrer que ∆(f
12
Exercice 5 :
Signal triangle - TF
1
0.6
0.4
0.2
0
-1 0 1
temps
13
• Signal sinus trigonométrique ou sinusoı̈dal: sin(2πf0 t) et cos(2πf0 t)
En utilisant les formules d’Euler, on a:
F [ei2πf0 t ] − F [e−i2πf0 t ]
F [sin(2πf0 t)] =
2i
Or en utilisant la propriété en lien avec le déplacement fréquentiel on a
D’où :
δ(f − f0 ) − δ(f + f0 )
F [sin(2πf0 t)] =
2i
δ(f − f0 ) + δ(f + f0 )
F [cos(2πf0 t)] =
2
Signal TF
1 δ(f )
δ(t) 1
sgn(t) 1/(iπf )
U (t) δ(f )/2 + 1/(2iπf )
i2πf0 t
e δ(f − f0 )
a
eiat δ(f − 2π
), a∈R
sin(2πf0 t) δ(f − f0 ) − δ(f + f0 )/(2i)
cos(2πf0 t) δ(f − f0 ) + δ(f + f0 )/2
1/t −iπ × sgn(f )
14
Peigne de Dirac: Le peigne de Dirac est composé d’une succession périodique de distributions
de Dirac δ:
k=+∞
X
T (t) = δ(t − kT )
k=−∞
T (t)
t
−2T −T 0 T 2T 3T
Comme le peigne de Dirac est une fonction périodique, il admet un développement en série de
Fourier:
n
X
T (t) = cn ei2π T t
k∈Z
avec
T /2 T /2
1 1 1 1
Z Z
n n n
−i2π T
cn = T (t)e
t
dt = δ(t)e−i2π T t dt = e−i2π T 0 =
T −T /2 T −T /2 T T
On a donc
1 X n
T (t) = ei2π T t
T k∈Z
La relation ci-dessus montre que la TF d’une peigne de Dirac est aussi un peigne de Dirac. En
traitement du signal, le peigne de Dirac a une importance capitale car c’est l’outil qui permet de
décrire de manière formelle l’opération d’échantillonnage.
15
5 Produit de convolution
Définition:
Si f et g sont deux signaux d’énergie finie, on appelle produit de convolution de f par g
l’intégrale suivante: Z +∞
h(x) = (f ∗ g)(x) = f (t)g(x − t)dt
−∞
Figure 7: Illustration graphique du produit de convolution: la valeur de h(x) est égale à l’aire
grise sur la figure à droite.
16
R(t) = (δ ∗ R)(t)
e(t) −→ S −→ s(t)
s(t) = (e ∗ R)(t)
Remarques
• Mais on peut envoyer une excitation connue u(t) et observer sa réponse y(t). Comme
y = u ∗ R, on peut ensuite extraire R. On réalise ainsi une déconvolution
• Commutativité: f ∗ g = g ∗ f
• Associativité: h ∗ (f ∗ g) = (h ∗ f ) ∗ g
• f et g causales: Z x
(f ∗ g)(x) = f (x − t)g(t)dt
0
F (u ∗ w) = F (u)F (w)
Remarque: Le calcul numérique direct d’un produit de convolution est plus coûteux que
celui réalisé en utilisant la transformation de Fourier.
17
D’où
F (s) F (s)
−1
F (R) = ⇒R=F
F (e) F (e)
• Décalage
Le changement d’origine un produit de convolution se fait en changeant d’origine une des 2
fonctions:
(f ∗ g)(x + a) = f (x + a) ∗ g = f ∗ g(x + a)
f ∗ δ(x − a) = (f ∗ δ)(x − a) = f (x − a)
Donc pour translater une fonction d’une quantité a, il suffit de la convoluer par un Dirac
δ(x − a).
• Dérivation
La dérivée d’un produit de convolution peut être calculée en faisant la convolution entre une
des fonctions et la dérivée de l’autre. Ou inversement:
(f ∗ g)0 = f 0 ∗ g = f ∗ g 0
18
Exercice 7:
Circuit RC On considère le circuit série RC ci-dessous, avec ve (t) la tension en entrée et vs (t)
la tension de sortie.
ve (t) C vs (t)
i(t)
En appliquant la loi des mailles on obtient une équation différentielle linéaire de 1er ordre à
coefficients constants:
dvs
ve (t) = vR + vC = Ri(t) + vs (t) = RC + vs , où vs (t) = vC
dt
ou encore
τ vs0 + vs (t) = ve (t) avec τ = RC
vbs (f ) = R(f
b ) vbe (f )
Vs
H(f ) = (f )
Ve
4) Compte tenu du résultat obtenu à l’exercice 3, quelle est la fonction R(t) dont la TF est
égale à R(f
b )?
F −1 [vbs ] = F −1 [R
b vbe ]
19
Or compte tenu des propriétés du produit de convolution, on a:
Si maintenant on considère comme tension d’entrée l’échelon unité U (t) et on doit calculer
la tension de sortie en calculant le produit de convolution R ∗ U . Tracer R(t) et U (x − t)
et décomposer le calcul du produit de convolution en 3 parties. Justifier le résultat à l’aide
de vos connaissances en électronique.
20