Académique Documents
Professionnel Documents
Culture Documents
TRAITEMENT DU SIGNAL
2
Analyse fréquentielle des signaux
I. Introduction
2
2 Analyse fréquentielle des signaux I - Introduction
Notion de fréquence
Notion de fréquence
Notion de fréquence
▪ Ondes Alpha :
engendrées lorsque le sujet change son niveau
d'attention (f modérées, amplitude importante)
▪ Ondes Bêta :
produites par une activité mentale intense
(fréquences. élevées, faibles amplitudes)
▪ Onde Thêta :
accompagnent des sentiments de stress
émotionnel (fréquences faibles)
▪ La notion de fréquence est intéressante, mais comment connaitre les fréquences que
contient un signal ?
▪ Exemple d'un signal sinusoïdal :
𝑓0 est la fréquence du signal
⇒ Pour un cosinus, c'est facile ...
Temps
▪ Exemple d’une onde lumineuse :
7
2 Analyse fréquentielle des signaux I - Introduction
▪ Alors …
o L’observation dans le domaine temporel est souvent insuffisante pour déduire l’expression
mathématique du signal.
o Il serait intéressant de trouver une autre représentation qui apporterait plus d’informations sur le
signal que la représentation usuelle temporelle
o Cette nouvelle représentation devra faire directement apparaître certaines caractéristiques du
signal (par exemple Ao, A1, A2, o, 1, 2) non plus dans le domaine temporel (en fonction du
temps) mais dans le domaine fréquentiel, c’est à dire en fonction de la fréquence. 8
2 Analyse fréquentielle des signaux I - Introduction
9
2 Analyse fréquentielle des signaux I - Introduction
▪ Il est donc possible d'obtenir des signaux périodiques complexes par une simple combinaison
linéaire de signaux élémentaires
▪ C'est le principe inverse de la décomposition en série de Fourier 10
2
Analyse fréquentielle des signaux
I. Introduction
II. Série de Fourier
11
2 Analyse fréquentielle des signaux II - Série de Fourier
L’idée de Fourier
12
2 Analyse fréquentielle des signaux II - Série de Fourier
Principe
1.5
1
Signal 1 x(t) = Signal 1 + Signal 2
0.5
0.5
Signal 2
1
1.5
0 5 10 15 20
▪ Sous forme de signaux sinusoïdaux, les fréquences d'un signal apparaissent naturellement.
13
2 Analyse fréquentielle des signaux II - Série de Fourier
Principe
14
2 Analyse fréquentielle des signaux II - Série de Fourier
où
1
▪ 𝑓0 =
𝑇0 est la fréquence fondamentale du signal.
𝑎0
▪ est la valeur moyenne ou composante continue.
2
▪ 𝑎𝑘 , 𝑏𝑘 sont les coefficients de Fourier du développement en cosinus et sinus :
15
2 Analyse fréquentielle des signaux II - Série de Fourier
Exemple :
16
2 Analyse fréquentielle des signaux II - Série de Fourier
Interprétation :
avec :
18
2 Analyse fréquentielle des signaux II - Série de Fourier
Remarques :
19
2 Analyse fréquentielle des signaux II - Série de Fourier
Exemple :
Une onde périodique
en dents de scie
20
2 Analyse fréquentielle des signaux II - Série de Fourier
▪ Relations d’Euler :
On montre aisément que la série de Fourier peut être transformée en série de Fourier complexe :
21
2 Analyse fréquentielle des signaux II - Série de Fourier
Remarques :
22
2 Analyse fréquentielle des signaux II - Série de Fourier
24
2 Analyse fréquentielle des signaux II - Série de Fourier
▪ Relation existant entre les coefficients spectraux et la valeur efficace d’une composante spectrale :
25
2 Analyse fréquentielle des signaux II - Série de Fourier
▪ Spectres unilatéraux
26
2 Analyse fréquentielle des signaux II - Série de Fourier
▪ Spectres bilatéraux
27
2 Analyse fréquentielle des signaux II - Série de Fourier
▪ Spectres bilatéraux
28
2 Analyse fréquentielle des signaux II - Série de Fourier
▪ Si l’on tient compte des symétries du signal, le calcul des séries de Fourier est simplifié :
4 𝑇Τ2
𝑏𝑘 = 0 et 𝑎𝑘 = න 𝑥 𝑡 ∙ cos 2𝜋𝑘𝑓0 𝑡 ∙ 𝑑𝑡
𝑇 0
On a alors :
o une fonction impaire est représentée par des sinus seulement ; on a alors :
4 𝑇Τ2
𝑎𝑘 = 0 et 𝑏𝑘 = න 𝑥 𝑡 ∙ sin 2𝜋𝑘𝑓0 𝑡 ∙ 𝑑𝑡
𝑇 0
On a alors : 29
2 Analyse fréquentielle des signaux II - Série de Fourier
Symétrie de « Glissement »
30
2 Analyse fréquentielle des signaux II - Série de Fourier
31
2 Analyse fréquentielle des signaux II - Série de Fourier
32
2 Analyse fréquentielle des signaux II - Série de Fourier
33
2 Analyse fréquentielle des signaux II - Série de Fourier
o Les coefficients de Fourier sont purement réels puisque le signal est pair
35
2 Analyse fréquentielle des signaux II - Série de Fourier
o Plus les impulsions sont étroites par rapport à la période T, plus le spectre s’étale :
• le premier passage par zéro se fait à la fréquence 1ൗ∆𝑡
1
• la distance entre raies spectrales ne change pas puisqu’elle est égale à l’inverse de la période du signal carré : 𝑓0 =36
𝑇
2 Analyse fréquentielle des signaux II - Série de Fourier
37
2 Analyse fréquentielle des signaux II - Série de Fourier
▪ Application numérique :
∆𝑡
Dans le cas d’un signal carré, le rapport cyclique vaut 0.5 et le sinus cardinal s’annule pour 𝑘 pair.
𝑇
Avec 𝐴 = 1, il vient alors :
38
2 Analyse fréquentielle des signaux II - Série de Fourier
39
2 Analyse fréquentielle des signaux II - Série de Fourier
Phénomène de Gibbs
On remarque :
Importance de la phase
▪ Cette attitude est due au fait que lors du filtrage de signaux audio, on se contente de modifier
le spectre d’amplitudes car l’oreille est peu sensible aux distorsions de phase.
▪ Cependant, lorsque l’on désire conserver la forme d’un signal, en particulier dans le cas du
filtrage d’images, il est très important de ne pas négliger le spectre de phases.
▪ La phase contient une part importante de l’information concernant la forme d’un signal
41
2 Analyse fréquentielle des signaux II - Série de Fourier
Importance de la phase
o Exemple :
42
2
Analyse fréquentielle des signaux
I. Introduction
II. Série de Fourier
III. Transformée de Fourier
43
2 Analyse fréquentielle des signaux III - Transformée de Fourier
▪ ... l’écart entre les raies du spectre va donc devenir infiniment petit
45
2 Analyse fréquentielle des signaux III - Transformée de Fourier
Définitions
▪ La Transformée de Fourier
Soit 𝑥 𝑡 un signal non périodique. La TF de 𝑥 𝑡 , si elle existe, est :
+∞
𝑋 𝑓 =න 𝑥 𝑡 ∙ 𝑒 −𝑗2𝜋𝑓𝑡 ∙ 𝑑𝑡
−∞
o 𝑋 𝑓 indique la « quantité » de fréquence 𝑓 présente dans le signal 𝑥 𝑡 sur l’intervalle −∞, +∞ .
o 𝑋 𝑓 donne des informations fréquentielles sur 𝑥 𝑡
o 𝑋 𝑓 ∶ fonction complexe (de la variable réelle 𝑓) qui admet :
▪ un spectre d’amplitude 𝐴𝑓 = 𝑋 𝑓 ▪ un spectre de phase 𝜑 𝑓 = 𝑎𝑟𝑔 𝑋 𝑓
▪ Notation
𝑇𝐹
𝑋 𝑓 = 𝑇𝐹 𝑥 𝑡 ou 𝑥 𝑡 𝑋 𝑓
46
2 Analyse fréquentielle des signaux III - Transformée de Fourier
Définitions
▪ Notation
𝑇𝐹 −1
𝑥 𝑡 = 𝑇𝐹 −1 𝑋 𝑓 ou 𝑋 𝑓 𝑥 𝑡
▪ Remarque
𝑋 𝑓 et 𝑥 𝑡 sont deux descriptions équivalentes (temporelle ou fréquentielle) du même signal.
On écrit : 𝑥 𝑡 ⇌𝑋 𝑓 47
2 Analyse fréquentielle des signaux III - Transformée de Fourier
Propriétés de la TF
▪ Linéarité
𝑎1 𝑥1 𝑡 + 𝑎2 𝑥2 𝑡 ⇌ 𝑎1 𝑋1 𝑓 + 𝑎2 𝑋2 𝑓
▪ Décalage temporel
∘ Le spectre d′amplitude du signal ne change pas.
𝑥 𝑡 ± 𝑡0 ⇌ 𝑒 ±𝑗2𝜋𝑓𝑡0 ∙𝑋 𝑓 ቊ
∘ Le spectre de la phase est modifiée de ± 𝑗2𝜋𝑓𝑡0
▪ Décalage fréquentiel
∘ L’amplitude du signal temporel ne change pas.
𝑒 ±𝑗2𝜋𝑓0 𝑡 ∙ 𝑥 𝑡 ⇌ 𝑋 𝑓 ∓ 𝑓0 ቊ
∘ La phase du signal temporel est modifiée de ∓ 𝑗2𝜋𝑓𝑡0
▪ Inversion du temps
𝑥 −𝑡 ⇌ 𝑋 −𝑓
48
2 Analyse fréquentielle des signaux III - Transformée de Fourier
Propriétés de la TF
▪ Changement d’échelle
La contraction dans le domaine temporel
1 𝑓
𝑥 𝑎𝑡 ⇌ 𝑋 , ∀ 𝑎 ∈ ℝ∗ correspond à la dilatation dans le domaine
𝑎 𝑎 fréquentiel et inversement
▪ Conjugaison complexe
𝑥 ∗ 𝑡 ⇌ 𝑋 ∗ −𝑓
Propriétés de la TF
▪ Parité
Si 𝑥 𝑡 est un signal réel et pair alors 𝑋 𝑓 est réel et pair.
Si 𝑥 𝑡 est un signal réel et impair alors 𝑋 𝑓 est imaginaire pur et impair.
▪ Dérivation
Dans le domaine temporel : Dans le domaine fréquentiel :
𝑑𝑛 𝑥 𝑡 𝑛𝑋 𝑓
𝑑𝑛 𝑋 𝑓 𝑛𝑥 𝑡
⇌ +𝑗2𝜋𝑓 ⇌ −𝑗2𝜋𝑓
𝑑𝑡 𝑛 𝑑𝑓 𝑛
▪ Intégration
1
Soit 𝑃 𝑥 𝑡 la primitive de 𝑥 𝑡 alors : 𝑃𝑥 𝑡 ⇌ 𝑋 𝑓
𝑗2𝜋𝑓
▪ TF et produit de convolution
𝑥 𝑡 ∗𝑦 𝑡 ⇌𝑋 𝑓 ∙𝑌 𝑓 𝑥 𝑡 ∙𝑦 𝑡 ⇌𝑋 𝑓 ∗𝑌 𝑓
50
2 Analyse fréquentielle des signaux III - Transformée de Fourier
Dualité de la TF