chapitreII de Tds

CHAPITRE II
SIGNAUX A TEMPS CONTINUS
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.
II-1 SIGNAUX PERIODIQUES - SERIE DE FOURIER

II-1-1 Définition
1
On considère un signal périodique s(t) de période T0 = f . s(t) peut se décomposer en une
0
somme de fonction sinusoïdale dépendant du temps. On parle de la décomposition en série de
Fourier. On peut écrire s(t) sous la forme :
+∞
s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)] (II.1)

n=1
2π
avec ω0 = 2πf0 =
T0
S0 : la valeur moyenne du signal s(t), appelée aussi la composante continue.
Signaux à temps continus
T0
1
S0 = ∫ s(t) dt (II.2)
T0
0
La fonction hn(t) = an cos(nω0 t) + bn sin(nω0 t) s’appelle l’harmonique d’ordre n du signal.

La fonction h1(t) = a1 cos(ω0 t) + b1 sin(ω0 t) s’appelle le fondamental du signal.
f0 : la fréquence du fondamental.
nf0, avec n > 1 : les fréquences des différentes harmoniques.
Les coefficients de Fourier an et bn sont indépendants du temps et s’expriment de la manière
suivante :
T0
T0 2
2 2
an = ∫ s(t) cos(nω0 t) dt = ∫ s(t) cos(nω0 t) dt (II.3)
T0 T0
0 T
- 0
2
T0
T0 2
2 2
bn = ∫ s(t) sin(nω0 t) dt = ∫ s(t) sin(nω0 t) dt (II.4)
T0 T0
0 T
- 0
2
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)
Cherchons les coefficients de Fourier an et bn :

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
Posons u = -t, d’où du = -dt et les coefficients bn deviennent :

T0
0 2
2 2
bn = − ∫ s(−u) sin(−nω0 u) du + ∫ s(t) sin(nω0 t) dt
T0 T0
T0 0
2
Puisque le signal est pair, s(u) = s(-u), et

T0
0 2
2 2
bn = ∫ s(u) sin(nω0 u) du + ∫ s(t) sin(nω0 t) dt
T0 T0
T0 0
2
En inversant les bornes de la première intégrale, on obtient :
Traitement du signal 78 HAMDOUNE

T0 T0
2 2
2 2
bn = − ∫ s(u) sin(nω0 u) du + ∫ s(t) sin(nω0 t) dt = 0
T0 T0
0 0
Les coefficients de Fourier an :

T0 T0
2 0 2
2 2 2
an = ∫ s(t) cos(nω0 t) dt = ∫ s(t) cos(nω0 t) dt + ∫ s(t) cos(nω0 t) dt
T0 T0 T0
T T 0
- 0 - 0
2 2
Posons : t = -u, soit dt = -du et les coefficients an deviennent :

T0
0 2
2 2
an = ∫ −s(−u) cos(−nω0 u) du + ∫ s(t) cos(nω0 t) dt
T0 T0
T0 0
2
Puisque le signal est pair, s(u) = s(-u), et

T0
0 2
2 2
an = − ∫ s(u) cos (nω0 u) du + ∫ s(u) cos(nω0 u) du
T0 T0
T0 0
2
Si on inverse les bornes de la première intégrale, on aura :

T0 T0 T0
2 2 2
2 2 4
an = ∫ s(u) cos(nω0 u) du + ∫ s(u) cos(nω0 u) du = ∫ s(u) cos(nω0 u) du
T0 T0 T0
0 0 0
Finalement :
T0
2
4
an = ∫ s(t) cos(nω0 t) dt (II.5)
T0
0
Calculons la valeur moyenne :

T0 T0
T0 2 0 2
1 1 1 1
S0 = ∫ s(t) dt = ∫ s(t) dt = ∫ s(t) dt + ∫ s(t) dt
T0 T0 T0 T0
0 T T 0
− 0 − 0
2 2
Posons : t = -u, soit dt = -du

T0 T0 T0 T0
0 2 2 2 2
1 1 1 1 2
S0 = − ∫ s(-u) du + ∫ s(t) dt = ∫ s(t) dt + ∫ s(t) dt = ∫ s(t) dt
T0 T0 T0 T0 T0
T0 0 0 0 0
2

Enfin
𝑇0
2
2
S0 = ∫ s(t) dt (II.6)
T0
0
La décomposition en série de Fourier d’un signal périodique pair ne comporte donc pas de terme
en sinus. La série s’écrit alors :
+∞
s(t) = S0 + ∑ [an cos(nω0 t)] (II.7)

n=1
En conclusion, si le signal est pair, la partie impaire du développement en série de Fourier est
nulle. ∀ n, bn = 0. Le signal est représenté seulement par des cosinus.
➢ Signal impair ; s(t) = -s(-t)
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.
+∞
s(t) = ∑ [ bn sin(nω0 t)] (II.8)

n=1
Les coefficients de Fourier bn deviennent alors :

T0
2
4 (II.9)
bn = ∫ s(t) sin(nω0 t) dt
T0
0
La valeur moyenne S0 = 0.
En somme, si le signal est impair, la partie paire du développement en série de Fourier est nulle.
∀ n, an = 0. Le signal est représenté seulement par des sinus.
➢ Symétrie demi-onde
Un signal périodique possède la symétrie demi-onde si :
T0
s(t) = −s(t ± ) (II.10)
2
T0 est la période du signal.
Si on décale le signal d’une demi-période, puis on l’inverse autour de l’axe des abscisses, on
retrouve le signal périodique d'origine comme illustré sur la figure (II.1).
Le signal x(t) de la figure (II.2), a une valeur moyenne nulle, est à symétrie demi-onde, en
revanche, le signal y(t) dont la valeur moyenne n’est pas nulle, n’a pas de symétrie demi-onde.

s(t)
1
-1
-T -T/2 0 T/2 T
(a)
s(t - T/2)
1
-1
-T -T/2 0 T/2 T
(b)
-s(t - T/2)
1
-1
-T -T/2 0 T/2 T
(c)
Fig II.1. Symétrie demi-onde

(a) Signal original (b) Signal décalé (c) Signal décalé et inversé
1
x(t)
-1
-3T/ -T -T/2 0 T/2 T 3T/2

t
(a)
2
y(t)
0
-3T/2 -T -T/2 0 T/2 T 3T/2
t
(b)
Fig II.2. (a) Symétrie demi-onde (b) n’a pas de symétrie demi-onde
Un signal à symétrie demi-onde ne possède pas d’harmoniques de rang pair. En effet :

T0 T0
2 0 2
2 2 2
an = ∫ s(t) cos(nω0 t) dt = ∫ s(t) cos(nω0 t) dt + ∫ s(t) cos(nω0 t) dt
T0 T0 T0
T T 0
- 0 - 0
2 2
T0 T0 T
Posons t = u – , d’où dt = du, si t = 0, alors u = et si t = − 20 , alors u = 0
2 2
L’expression de an devient :
T0 T0
2 2
2 T0 T0 2
an = ∫ s (u − ) cos [nω0 (u − )] du + ∫ s(t) cos(nω0 t) dt
T0 2 2 T0
0 0
On sait que :
T0
cos [nω0 (u − )] = cos[nω0 u − nπ] = cos[nω0 u] × cos[nπ] + sin[nω0 u] × sin[nπ]
2
= cos[nω0 u] × cos[nπ]
Sachant que :
2π
ω0 =
T0
De plus la symétrie demi-onde exige :
T0
s (u − ) = −s(u)
2
d’où
T0 T0
2 2
2 2
an = − ∫ s(u) cos[nω0 u] × cos[nπ] du + ∫ s(t) cos(nω0 t) dt
T0 T0
0 0
Par suite
T0 0 si n = 2p
2 T0
2 2
an = [1 − cos[nπ]] ∫ s(t) cos(nω0 t) dt = 4
T0 ∫ s(t) cos(nω0 t) dt si n = 2p+1
0 T0
{ 0
Il n’existe donc que des harmoniques impaires. Si on suit le même raisonnement, la valeur
moyenne S0 sera nulle.
En conclusion, pour les signaux présentant la symétrie demi-onde, les coefficients de Fourier
sont :

S0 = 0
0 si n = 2p
T0
2
an = 4
∫ s(t) cos(nω0 t) dt si n = 2p+1
T0
{ 0 (II.11)
0 si n = 2p
T0
2
bn = 4
∫ s(t) sin(nω0 t) dt si n = 2p+1
T0
{ 0
La série de Fourier s’écrira :

+∞
s(t) = ∑ [an cos(nω0 t) + bn sin(nω0 t)] (II.12)

n=1
n=2p+1
➢ Symétrie quart-d’onde
On dit qu’un signal périodique est à symétrie quart-d’onde, s’il est pair ou impair et présentant
une symétrie demi-onde :
T0
s(t) = s(−t) 𝐨𝐮 s(t) = −s(−t) 𝐞𝐭 s(t) = −s(t ± )
2
E
x(t)
-E
-T -T/2 -T/4 0 T/4 T/2 T
(a)
E
y(t)
-E
-T -T/2 -T/4 0 T/4 T/2 T
(b)
Fig II.3. (a) Signal pair à symétrie quart-d’onde (b) Signal impair à symétrie quart-d’onde
Si on translate l’origine t = 0, du signal de la figure (II.3a) de ±T/4 le signal devient impair,

alors que le signal de la figure (II.3b), devient pair.

Le signal de la figure (II.4a) a une symétrie quart-d'onde, car il est impair et présente la symétrie
demi-onde. En revanche, le signal de la figure (II.4b) n'a pas cette symétrie, il n’est ni pair ni
impair cependant il possède une symétrie demi-onde.
U
u(t)
-U
-2T -3T/2 -T -T/2 0 T/2 T 3T/2 2T
t
(a)
V
v(t)
-V
-2T -3T/2 -T -T/2 0 T/2 T 3T/2 2T
t
(b)
Fig II.4. (a) Symétrie quart-d’onde (b) n’a pas de symétrie quart-d’onde
On peut démontrer que les coefficients de la série de Fourier d’un signal pair à symétrie quart-
d’onde sont :
S0 = 0
bn = 0
0 si n = 2p
T0 (II.13)
4
an = 8
∫ s(t) cos(nω0 t) dt si n = 2p + 1
T0
[ { 0 ]
et dans le cas d’un signal impair :
S0 = 0
an = 0
0 si n = 2p
T0 (II.14)
4
bn = 8
∫ s(t) sin(nω0 t) dt si n = 2p + 1
T0
[ { 0 ]

Exercice 1
Trouver les coefficients de série de Fourier du signal suivant :
1
s(t)
0
-1
-T0 -T0/2 0 T0/2 T0
t
Solution :
Etudions tout d’abord la symétrie du signal. Le signal est impair, il ne sera donc, représenté que
par des sinus, d’où :
an = 0
T0
2
4
T0
0
et la valeur moyenne
S0 = 0
De plus, le signal présente une symétrie demi-onde :
T0
s(t) = −s(t ± )
2
bn n’est donc défini que pour les n impairs, on aura donc :
0 si n = 2p
T0
2
bn = 4
∫ s(t) sin(nω0 t) dt si n = 2p+1
T0
{ 0
Par suite
T0
2 T0
4 4 cos(nω0 t) 2 4 T0
bn = ∫ sin(nω0 t) dt = [− ] = [−cos (nω0 ) + 1]
T0 T0 nω0 0
T0 nω0 2
0
Sachant que :
T0 ω0 = 2π
On obtient
2
bn = [−cos(nπ) + 1]
πn

On sait que :
1 si n = 2p
cos(nπ) = {
−1 si n = 2p + 1
Du coup
0 si n = 2p
bn = { 4 si n = 2p + 1
πn
On obtient à la fin, la série de Fourier suivante :

+∞ +∞
4
s(t) = ∑ [bn sin(nω0 t)] = ∑ sin(nω0 t)
πn
n=1 n=1
4 4 4
s(t) = sin(ω0 t) + sin(3ω0 t) + sin(5ω0 t) + ⋯
π 3π 5π
La décomposition en série de Fourier de ce signal est constituée d’une infinité de fréquences
multiples impaires de la fréquence fondamentale f0. L’amplitude décroit comme l’inverse de
son rang n, comme le montre la figure (II.5).
On peut restituer le signal original à partir de ses harmoniques. La figure (II.6) montre
l’évolution de l’allure temporelle du signal carré avec le nombre d’harmonique. On remarque
qu’à partir des sept premières harmoniques, le signal carré commence à se former
progressivement. Plus on augmente le nombre d’harmoniques meilleure sera la reconstruction
du signal original. Même si on augmente d’avantage le nombre d’harmonique (50 par exemple),
des oscillations parasites apparaissent toujours au niveau de la discontinuité, c’est le phénomène
de Gibbs (Fig II.7).
1ère harmonique 2ème harmonique
1+4/pi
1+4/3pi
1 1
1-4/3pi
1-4/pi 0
0 T/2 T 0 T/3 T/2 2T3 T
4ème harmonique
1+4/7pi
1-4/7pi
0 T/7 2T/7 3T/7 4T/7 5T/7 6T/7 T
Fig II.5. Evolution temporelle des harmoniques

1 harmonique 2 harmoniques 4 harmoniques
0 0 0
-T 0 T -T 0 T -T 0 T
7 harmoniques
15 harmoniques 50 harmoniques
0 0 0
-T 0 T -T 0 T -T 0 T
Fig II.6. Reconstruction du signal à partir de ses harmoniques

50 harmoniques
0 T/2
Fig II.7. Phénomène de Gibbs
Cette représentation, malheureusement, n’a aucun intérêt en traitement du signal. Si on translate

le signal x(t) = sin(ω0 t) suivant l’axe des temps, on obtient :
x(t - τ) = sin(ω0 (t - τ)) = sin(ω0 t - ω0 τ)
La translation temporelle ne modifie pas l’amplitude du signal mais change la phase à l’origine,
l’amplitude est donc un invariant temporel.
π π
Si ω0 τ = - 2, sin (ω0 t + 2) = cos(ω0 t)
π
La fonction cosinus est un sinus décalé de 2.
Calculons la puissance du signal :

T T
1 1 1
S2eff = ∫ sin2 (ω0 t)dt = ∫ [1 - cos(2ω0 t)]dt =
T 2T 2
0 0
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 :
+∞
s(t - τ) = S0 + ∑ [an cos(nω0 (t - τ)) + bn sin(nω0 (t - τ))]

n=1
+∞
= S0 + ∑ [a′n cos(nω0 t) + b′n sin(nω0 t)]

n=1
a′n = an cos(nω0 τ) + bn sin(nω0 τ)
b′n = an sin(nω0 τ) + bn cos(nω0 τ)
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.
II-1-2 Série de Fourier en cosinus

L’harmonique d’ordre n est :
hn(t) = an cos(nω0 t) + bn sin(nω0 t)
Il peut s’écrire sous la forme
hn(t) = An cos(nω0 t + φn )
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.
La série de Fourier devient :
+∞ +∞
s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)] = S0 + ∑ An cos(nω0 t + φn ) ①

n=1 n=1

On développe l’équation ① :
+∞
s(t) = S0 + ∑[An cos(nω0 t) cos(φn ) - An sin(nω0 t) sin(φn )] ②

n=1
En comparant les relations ① et ②, on tire alors :

an = An cos(φn ) (II.15)
bn = -An sin(φn ) (II.16)
d’où
A2n = a2n + b2n An ≥ 0 ∀ n (II.17)
bn
φn = arctg (− )
an (II.18)
L’expression est alors :
+∞ +∞
s(t) = S0 + ∑ An cos(nω0 t + φn ) = ∑ An cos(nω0 t + φn ) (II.19)

n=1 n=0
avec
S0 = A0 cos(φ0 )
Si s(t) subit une translation τ suivant l’axe des temps
+∞ +∞
s(t - τ) = ∑[An cos{nω0 (t - τ)+ φn }] = ∑ [An cos(nω0 t + φ′n )]

n=0 n=0
avec
φ′n = φn − nω0 τ
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 en utilisant la formule (II.19) :
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.8). La connaissance des deux spectres est indispensable pour reconstituer le signal.

spectre d'amplitude
6
valeur moyenne
fondamental
4
An harmoniques
2
0
0 f0 2f0 3f0 4f0 5f0
f
spectre de phase
50
n
-50
0 f0 2f0 3f0 4f0
f
Fig II.8. Spectre unilatéral
Exercice 2 :
Déterminer l’expression temporelle du signal dont le spectre unilatéral est représenté sur la
figure (II.9).
3
2
n
A
1
0
0 50 100 150 200 250 300 350 400 450
f
90
30
 n(°)
0
-30
-90
0 50 100 150 200 250 300 350 400 450
f
Fig II.9. Spectre unilatéral
Solution :
s(t) = 2 cos(2 π 50 t) + 0.5 cos(2 π 150 t - 90) + 3 cos(2 π 300 t + 60) + cos(2 π 400 t - 30)
Le signal s(t) est représenté sur la figure (II.10).

s(t) 0
-5
0 0,01 0,02 0,03 0,04 0,05
t
Fig II.10. Signal temporel de l’exercice 2
Exercice 3 :
Déterminer les coefficients de Fourier en cosinus du signal suivant :
2
x(t)
0
-T0 -T0/2 0 T0/2 T0
t
Solution :
Le signal x(t) ne présente aucune symétrie, mais il est la version décalée vers le haut du signal
s(t) de l’exercice 1.
x(t) = 1 + s(t)
Les coefficients de Fourier de x(t) seront identiques à ceux de s(t) avec une valeur moyenne X0,
par conséquent :
an = 0
0 si n = 2p
bn = { 4 si n = 2p + 1
πn
et la valeur moyenne
T0
T0 2
1 1
X0 = ∫ x(t) dt = ∫ 2 dt = 1
T0 T0
0 0
Pour trouver les coefficients de Fourier en cosinus, on applique les relations (II.17) et (II.18) :
A2n = a2n + b2n = b2n
bn π
φn = arctg (− )=−
an 2
La relation (II.19) nous permet d’écrire la série de Fourier en cosinus du signal x(t) :

+∞ +∞
4
x(t) = X0 + ∑ An cos(nω0 t + φn ) = 1+ ∑ cos(nω0 t + φn )
πn
n=1 n=1
4 π 4 π 4 π
x(t) =1+ cos (ω0 t − ) + cos (3ω0 t − ) + cos (5ω0 t − ) +…
π 2 3π 2 5π 2
Le tableau (II.1) présente quelques valeurs d’amplitudes et de phases. Le spectre unilatéral est
représenté sur la figure (II.11).
Amplitudes Phases
A0 = X 0 = 1 φ0 = 0
4 π
A1 = |b1 | = φ1 = −
π 2
A2 = |b2 | = 0 φ2 = 0
4 π
A3 = |b3 | = φ3 = −
3π 2
A4 = |b4 | = 0 φ4 = 0
4 π
A5 = |b5 | = φ5 = −
5π 2
A6 = |b6 | = 0 φ6 = 0
4 π
A7 = |b7 | = φ7 = −
7π 2
Tableau II.1. Quelques valeurs de An et φn (exercice 3)

2
4/
n
1
A
4/3 4/5
0
-1 0 1 2 3 4 5 6
n
(a)
90
45
 n(°)
0
-45
-90
-1 0 1 2 3 4 5 6
n
(b)
Fig II.11. (a) Spectre d’amplitude (b) de phase du signal de l’exercice 3

II-1-3 Série de Fourier complexe
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
+∞
s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)]

n=1
+∞
ejnω0 t + e-jnω0t ejnω0 t - e-jnω0 t
= S0 + ∑ [an { } + bn { }]
2 2j
n=1
+∞
an - jbn jnω t an + jbn -jnω t
= S0 + ∑ [{ }e 0 + { }e 0 ]
2 2
n=1
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-jnω0 t 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.20)
2 T0
T
- 0
2
T0
2
an + jbn 1
C-n = = ∫ s(t) ejnω0 t dt (II.21)
2 T0
T
- 0
2
Le signal s’écrit alors :

+∞ +∞
s(t) = S0 + ∑ Cn e jnω0 t
+ ∑ C-n e-jnω0t
n=1 n=1
En regroupant les deux termes, on trouve à la fin la série en complexe :

+∞
s(t) = ∑ Cn ejnω0t
(II.22)
n = -∞
avec C0 = S0
Cn : les coefficients de Fourier.
Ils sont complexes et peuvent s’écrire sous forme exponentielle complexe :
j arg(Cn )
Cn = |Cn |e (II.23)
La série complexe ne fait apparaitre qu’un seul coefficient Cn qui comprend un module et une
phase.
La représentation spectrale est appelée le spectre bilatéral. Elle fait apparaitre des harmoniques
de fréquences positives et négatives (figure II.12).
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
Fig II.12. Spectre bilatéral
II-1-4 Propriétés
➢ Signal réel
T0
2
1
Cn = ∫ s(t) e-jnω0 t dt
T0
T
- 0
2

T0 T0
2 2
1 1
C*n = ∫ s* (t) ejnω0t dt = ∫ s(t) ejnω0t dt = C-n
T0 T0
T T
- 0 - 0
2 2
C*n = C-n (II.24)
Les coefficients sont complexes conjugués, on alors |Cn| = |C-n| et arg(Cn) = - arg(C-n) et par
conséquent le spectre d’amplitude bilatéral est une fonction paire pour tout n ≠ 0 et le spectre
de phase bilatéral est impair pour tout n ≠ 0 comme le montre la figure (II.12).
➢ Signal réel et pair
Dans le cas d’un signal réel pair, la partie impaire du développement en série de Fourier est
nulle :
bn = 0
d’où
an - jbn an an + jbn an
Cn = = et C-n = = (II.25)
2 2 2 2
ℐ𝓂(Cn )
φn = arctg [ ] = 0, ±π
ℛℯ(Cn )
Si le signal est pair, Cn = C-n et φn = 0, ±π.
Exemple 1 : Tracer le spectre bilatéral du signal s(t) = cos(ω0t).

s(t) = cos(ω0t), n = 1
a1 = 1 a1 1 ℐ𝓂(C1 )
an≠1 = 0 } → C1 = C−1 = = et φ1 = artg [ ]=0
2 2 ℛℯ (C1 )
bn = 0
finalement
+∞
1
cos(ω0 t) = ∑ Cn ejnω0 t = [ejω0 t + e-jω0t ]
2
n=−∞
La figure (II.13) représente le spectre bilatéral du cosinus.

1
0,5
 n(°)
|C |
n
0 -1
-f0 0 f0 -f0 0 f0
f f
Fig II.13. Spectre bilatéral du signal cos(ω0t)

➢ Signal réel et impair
Dans le cas d’un signal impair, la partie paire du développement en série de Fourier est nulle :
an = 0
d’où
an - jbn - jbn an + jbn jbn
Cn = = et C-n = = (II.26)
2 2 2 2
ℐ𝓂(Cn ) π
φn = arg(Cn ) = arctg [ ] = ± et φ−n = arg(C−n ) = arg(Cn ) + π
ℛℯ(Cn ) 2
π
Si le signal est impair, Cn = - C-n et φn = ± 2 .
Exemple 2 : Tracer le spectre bilatéral du signal s(t) = sin(ω0t).

s(t) = sin(ω0t), n = 1
On déduit les coefficients de série de Fourier :
b1 = 1 jb1 j
bn≠1 = 0} → C1 = −C−1 = − =−
2 2
an = 0
Les arguments :
ℐ𝓂(C1 ) π
φ1 = arg(C1 ) = arctg [ ]=−
ℛℯ (C1 ) 2
π
φ−1 = arg(C−1 ) = arg(C1 ) + π =
2
finalement
+∞
j -jω t jω t 1 π π
sin(ω0 t) = ∑ Cn ejnω0t = [e 0 - e 0 ] = [e- j(ω0 t - 2) + ej(ω0t - 2) ]
2 2
n=-∞
La figure (II.14) représente le spectre bilatéral du sinus.
90
0,5
 n(°)
|C |
n
-90
0
-f0 0 f0 -f0 0 f0
f f
Fig II.14. Spectre bilatéral du signal sin(ω0t)

➢ Symétrie demi-onde
Nous avons vu que dans le cas d’un signal à symétrie demi-onde, les coefficients de Fourier an
et bn ne présentent que des harmoniques impairs et sont donnés par la relation (II.11). Les
coefficients de Fourier complexes seront donc :
T0 0 si n = 2p
2 T0
1 an − jbn 2
Cn = ∫ s(t) e-jnω0 t dt = = 2 (II.27)
T0 2 ∫ s(t) e-jnω0t dt si n = 2p+1
T
- 0
2
T0
{ 0
Il n’existe donc que des harmoniques impaires.

La série de Fourier complexe est donc :
+∞
s(t) = ∑ Cn ejnω0 t (II.28)

n=-∞
n=2p+1
➢ Symétrie quart-d’onde
On peut déterminer les coefficients de Fourier complexes, en tenant compte des relations (II.13)
pour un signal pair à symétrie quart-d’onde :
0 si n = 2p
T0
an − jbn an 4 (II.29)
Cn = = = 4
2 2 ∫ s(t) cos(nω0 t) dt si n = 2p + 1
T0
{ 0
et des relations (II.14) pour un signal impair à symétrie quart-d’onde :
0 si n = 2p
T0 (II.30)
an − jbn −jbn 4
Cn = = = −4j
2 2 ∫ s(t) sin(nω0 t) dt si n = 2p + 1
T0
{ 0
➢ 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 :
+∞
s(t - a) = ∑ Cna ejnω0 t

n = -∞
avec

T0
2
1
Cna = ∫ s(t - a) e-jnω0 t 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-jnω0a du
T0 T0
T T
- 0-a - 0-a
2 2
T0
-a
2
e-jnω0 a
= ∫ s(u) e-jnω0 u du = Cn e-jnω0a
T0
T
- 0-a
2
Cna = Cn e−jnω0 a (II.31)
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) -jnω0 t
Cnd = ∫ e dt
T0 dt
0
Après intégration par partie, on trouve :

Cnd = jnω0 Cn (II.32)
Exercice 4 :
Déterminer les coefficients de série Fourier complexe du signal de l’exercice 1.
Solution :
Le signal est impair :
bn
Cn = −C−n = −j , avec an = 0
2
Les coefficients bn sont ceux de l’exercice 1.
0 si n est pair
bn 2
Cn = −j = −j ={ 2
2 πn si n est impair
πn
C0 = 1

L’argument est :
ℐ𝓂(Cn ) bn π
φn = arctg [ ] = arctg [− ] = ±
ℛℯ(Cn ) an 2
Le spectre bilatéral est représenté sur la figure (II.15).
On choisira, par convention, φn = -π/2 pour les fréquences positives et par conséquent φ-n = π/2
pour les fréquences négatives.
1
2/pi
|C |
n
0.5
2/3pi
0
-6 -4 -2 0 2 4 6
n
90
 n(°)
-90
-6 -4 -2 0 2 4 6
n
Fig II.15. Spectre bilatéral
Série de Fourier complexe avec Matlab

%Création du signal rectangulaire périodique de période T0 = 1
T0 = 1; %période du signal
N = 300; %nombre des points à tracer
T0/N ; %le pas
t = (0:T0/N:(N-1)*T0/N); %axe des temps
s = square(2*pi*t/T0); %signal rectangulaire périodique de période T0
%Représentation du signal rectangulaire
figure(1)
plot(t,s,'linewidth',2);grid
xlabel('t (en seconde)');ylabel('s(t)')
%Calcul des coefficients complexes Cn

n = -N/2:(N/2)-1; %axe des fréquences ou l’ordre des coefficients Cn
Cn = fft(s)/N; %calcul des coefficients complexes Cn. Les coefficients Cn sont
dans l’ordre [C0 C1 … C(N/2)-1 C-N/2 C(-N/2)+1 … C-1]
%fftshift permet de réorganiser les valeurs de Cn pour avoir l’ordre
[C-N/2 C(-N/2)+1 … C-1 C0 C1 … C(N/2)-1]
Cn = fftshift(Cn);
%Représentation du spectre d’amplitude

figure(2)
stem(n,abs(Cn),'filled','linewidth',2);axis([-10 10 0 0.8]);grid;
xlabel('n');ylabel('Cn')
%calcul de la phase
theta = atan2(imag(Cn),real(Cn))*180/pi;%atan2 retourne la valeur principale
de la fonction argument appliquée sur le nombre complexe x + iy

figure(3)
plot(n,theta);grid;xlabel('n');ylabel('phase en °')
%Le spectre de phase est bruyant, car les tangentes inverses sont calculées
à partir du rapport d’une partie imaginaire à une partie réelle du résultat
de la FFT. Une petite erreur va amplifier le résultat et donne des valeurs
de phase erronées. On va définir un seuil de tolérance et on ne va pas tenir
compte de toutes les valeurs de phase calculées qui sont inférieurs à ce
seuil.
%définir le seuil
seuil = max(abs(Cn))/10000; %seuil de tolérance
Cn(abs(Cn)<seuil) = 0; %éliminer les valeurs en dessous du seuil
theta = atan2(imag(Cn),real(Cn))*180/pi; % calcul de la phase
%Représentation du spectre de phase

figure(4)
stem(n,theta,'filled','linewidth',2);
axis([-5 5 -100 100]);grid;
xlabel('n');ylabel('phase en °')
II-1-5 Relations entre les spectres unilatéraux et bilatéraux

L’harmonique d’ordre n :
jnω0 t
hn (t) = C-n e-jnω0 t + Cn ejnω0t = |C−n |ej arg(C−n) e-jnω0 t + |Cn |ej arg (Cn) e
On sait que :
|Cn | = |C−n |
et
arg(Cn ) = −arg (C−n )
d’où
jnω0 t
hn (t) = |Cn |e−j arg(Cn) e-jnω0 t + |Cn |ej arg (Cn) e
hn (t) = |Cn |[e−j (nω0t+arg(Cn)) + ej (nω0t+arg(Cn )) ]
finalement
hn (t) = 2|Cn | cos[nω0 t + arg(Cn )] ①
C’est une sinusoïde de pulsation nω0, d’amplitude 2|Cn | et de phase arg(Cn).

L’harmonique d’ordre n pour la décomposition en série de Fourier en cosinus est :
hn(t) = An cos(nω0 t + φn ) ②
En comparant les équations ① et ②, on trouve :

An
|Cn | = |C0 | = A0 (II.33)
2

arg(Cn ) = φn pour n ≥ 0
{ (II.34)
arg(C-n ) = -arg(Cn )
Exercice 5 :
π
Retrouver la description temporelle en complexe du signal s(t) = 3cos(2πt - 4 ).
Solution :
3 −jπ
C1 = |C1 | ejarg(C1 ) = e 4
2
3 jπ
C−1 = |C−1 | ejarg(C−1) = e4
2
3 jπ −j2πt 3 −jπ j2πt
s(t) = e4e + e 4e
2 2
Exercice 6 :
Déterminer les coefficients Cn de la série de Fourier du signal suivant :
2
s(t)
0
0  1
t
Tracer le spectre bilatéral pour les valeurs suivantes de α : α = 0.5 , α = 0.25 , α = 0.125.
Solution :
T0
2 α
1 2 α 2
Cn = ∫ s(t) e−jnω0 t dt = ∫ 2 e−jnω0 t dt = − [e−jnω0 t ]0 = − [e−jnω0 α − 1]
T0 jnω0 jnω0
T0 0
−2
On a :
2π
ω0 = = 2π
T0
D’où
1 −jn2πα 1 −jnπα −jnπα 2 −jnπα
Cn = − [e − 1] = − e [e − ejnπα ] = e sin(nπα)
jnπ jnπ nπ
finalement
Cn = 2α e−jnπα sinc(nα)

La valeur moyenne est :

T0
2 α
1
C0 = ∫ s(t) = ∫ 2 dt = 2α
T0
T 0
− 0
2
Le module est :
|Cn | = 2α |sinc(nα)|
La phase dépend du signe de sinc(nα) :

▪ Si sinc(nα) > 0, les coefficients Cn seront :
Cn = 2α e−jnπα sinc(nα)
La phase est donc :
φn = -nπα
▪ Si sinc(nα) < 0, les coefficients Cn seront :
Cn = −2α e−jnπα sinc(nα) = 2α e±jπ e−jnπα sinc(nα)

La phase est :
φn = -nπα ± π
Etudions le cas φn = -nπα + π
Nous avons vu que l’argument d’un nombre complexe est donné dans l’intervalle ]-π , π].
Nous avons alors :
−π < −nπα + π ≤ +π
ainsi
2
0<n≤
α
On conclut que pour que la phase soit égale à -nπα + π, il faut que sinc(nα) soit négatif et n
positif.
Le même raisonnement nous montre que pour que la phase soit égale à -nπα - π, il faut que
sinc(nα) soit négatif et n négatif.
En résumé, la phase est :
−nπα si sinc(nα) > 0

φn = {−nπα + π si sinc(nα) < 0 et n > 0
−nπα − π si sinc(nα) < 0 et n < 0

α = 0.5
s(t) 2
0
0 0,5 1
t
π n
Cn = 2α e−jnπα sinc(nα) = e−jn 2 sinc ( )
2
Le module est :
1 si n=0
n n = 2k k ∈ ℤ∗
|Cn | = |sinc ( )| = {0 n
si
2 |sinc ( )| ailleurs
2
C0 = 2α = 1
La phase est :
π n
−n si sinc ( ) > 0
2 2
π n
φn = −n + π si sinc ( ) < 0 et n > 0
2 2
π n
{ −n −π si sinc ( ) < 0 et n < 0
2 2
Le spectre d’amplitude est :
1.5
1
|C |
n
0.5
0
-15 -10 -5 0 5 10 15
n
Le spectre de phase est :
90
n
-90
-15 -10 -5 0 5 10 15
n
On remarque que le spectre d’amplitude est une fonction paire, alors que le spectre de phase est
une fonction impaire.

α = 0.25
2
s(t)
0
0 0.25 1
t
1 −jnπ n
Cn = 2α e−jnπα sinc(nα) = e 4 sinc ( )
2 4
Le module est :
1
si n=0
1 n 2
|Cn | = |sinc ( )| = 0 si n = 4k k ∈ ℤ∗
2 4 1 n
|sinc ( )| ailleurs
{2 4
1
C0 = 2α =
2
La phase est :
π n
−n si sinc ( ) > 0
4 4
π n
φn = −n + π si sinc ( ) < 0 et n > 0
4 4
π n
{ −n −π si sinc ( ) < 0 et n < 0
4 4
0,5
|C |
n
0.3
0.1
0
-15 -10 -5 0 5 10 15
n
180
90
n
0
-90
-180
-15 -10 -5 0 5 10 15
n

α = 0.125
2
s(t)
0
0 0,5 1
t
1 −jnπ n
Cn = 2α e−jnπα sinc(nα) = e 8 sinc ( )
4 8
Le module est :
1
si n=0
1 n 4
|Cn | = |sinc ( )| = 0 si n = 8k k ∈ ℤ∗
4 8 1 n
|sinc ( )| ailleurs
{2 4
1
C0 = 2α =
4
La phase est :
π n
−n si sinc ( ) > 0
8 8
π n
φn = −n + π si sinc ( ) < 0 et n > 0
8 8
π n
{ −n 8 − π si sinc ( ) < 0 et n < 0
8
0,25
|C |
n
0.125
0
-15 -10 -5 0 5 10 15
n
180
n
-180
-15 -10 -5 0 5 10 15
n

Exercice 7 :
Tracer le spectre bilatéral du signal suivant :
1
s(t)
e-t
exp(-1)
-5 -3 -1 0 1 3 5
t
Solution :
La période est :
T0 = 1s d′ où ω0 = 2π
T0 1 1 1
1
Cn = ∫ s(t) e−jnω0 t dt = ∫ e−t e−jn2πt dt = ∫ e−(jn2π+1)t dt = ∫ e−(jn2π+1)t dt
T0
0 0 0 0
1 1 1 1
=− [e−(jn2π+1)t ]0 = − [e−(jn2π+1) − 1] = − [e−1 e−jn2π − 1]
1 + jn2π 1 + jn2π 1 + jn2π
1
=− [e−1 − 1]
1 + jn2π
Finalement,
1 − e−1
Cn =
1 + j2πn
Le signal s’écrira alors :
+∞ +∞
1 − e−1 jn2πt
s(t) = ∑ Cn ejnω0 t = ∑ e
1 + jn2π
n=−∞ n=−∞
Le module est :
1 − e−1
|Cn | =
√1 + 4π2 n2
La phase :
φn = −arctg(2πn)
n Cn |Cn| arg(Cn)
0 1 − e−1 0.63 0
−1
1−e
Ci-contre quelques valeurs du module de Cn 1 0.1 −1.41
et de la phase. 1 + j2π
1 − e−1
2 0.05 -1.49
1 + j4π

0.63
|C |
n
0.4
0.1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
n
2
n
0
-1.52
-1.41
-2
-5 -4 -3 -2 -1 0 1 2 3 4 5
n
Exercice 8 :
Déterminer le développement en série de Fourier complexe du signal s(t) ci-dessous. En
déduire son spectre d’amplitude et de phase.
5
s(t)
0
-1 0 T0/2 T0 1
t
Solution :
Le signal est réel et pair, donc :
bn = 0
d’où
an - jbn an + jbn an
Cn = = C-n = =
2 2 2
ℐ𝓂(Cn )
φn = arctg [ ] = 0, ±π
ℛℯ(Cn )
T0 T0 T0
2 2 2
1 1 1 π 2π
−jn t
Cn = ∫ s(t) e−jnω0 t dt = ∫ 5 cos(ωt) e−jnω0 t dt = ∫ 5 cos ( t) e T0 dt
T0 T0 T0 T0
T T T
− 0 − 0 − 0
2 2 2

T0 T0
2 2
1 5 jπt π 2π 5 2π(1−2n) 2π(1+2n)
−j t −jn t j t −j t
= ∫ [ e T0 + e T0 ] e T0 = ∫ [ e 2T0 + e 2T0 ] dt
T0 2 2T0
T T
− 0 − 0
2 2
On trouve :
π π
5 sin 2 (1 − 2n) sin 2 (1 + 2n)
Cn = [ + ]
π 1 − 2n 1 + 2n
π π
On sait que : sin 2 (1 − 2n) = sin 2 (1 + 2n)
On a enfin
10(−1)n
Cn =
π(1 − 4n2 )
Le module est :
10(−1)n
|Cn | = | |
π(1 − 4n2 )
La phase est :
ℐ𝓂(Cn ) 0 si Cn > 0
arg(Cn ) = arctg [ ]={
ℛℯ(Cn ) ±π si Cn < 0
Le tableau suivant résume quelques valeurs d’amplitude et de phase du signal s(t).
n Cn |Cn| arg(Cn)
10 10
0 = 3.18 0
π π
10 10
1 = 1.06 0
3π 3π
10 10
2 − -π
15π 15π
Les spectres d’amplitude et de phase sont représentés sur les figures ci-dessous :
4
3 .1 8
|C |
n
2
1 .0 6
0
-15 -10 -5 0 5 10 15
n
180
n
-180
-10 -5 0 5 10
n

Exercice 9 :
Déterminer le développement en série de Fourier complexe du signal s(t) ci-dessous. En
déduire son spectre d’amplitude et de phase.
1
s(t)
-1
-5 -4 -3 -2 -1 -0.5 0 0.5 1 2 3 4 5
t
Solution :
Le signal est impair, donc an = 0
d’où
an - jbn jbn
Cn = =- = - C-n
2 2
La période est :
T0 = 1s d′ où ω0 = 2π
T0 T0 1
2 2 2
1 1
Cn = ∫ s(t) e−jnω0 t dt = ∫ 2t e−jnω0 t dt = ∫ 2t e−j2πnt dt
T0 T0
T T 1
− 0 − 0 −
2
2 2
En utilisant l’intégration par partie, soit :

u = t d′ où du = dt
1 −jnω t
dv = e−jnω0 t d′ où v = − e 0
jnω0
T0
T0 2
2 t 2 2 1 −jnω t
Cn = [− e−jnω0 t ] + ∫ e 0 dt
T0 jnω0 −
T0 T0 jnω 0
2 T
− 0
2
T0
2 T0 −jnω0 T0 T0 jnω0 T0 2
=− [ e 2 + e 2]+ [e −jnω 0 t ] 2T0
T0 jnω0 2 2 T0 jnω0 (−jnω0 ) −
2
1 T0 2 T
−jnω0 0
T
jnω0 0
=− [2cos (nω0 )] + 2 [e 2 +e 2]
jnω0 2 T0 n2 ω0
2 2j 2
=− cos(nπ) + 2 sin ( nπ) = − cos(nπ)
jnω0 T0 n2 ω0 jnω0
Finalement
j
Cn = (−1)n
πn

Le module est :
1
|Cn | = | |
πn
La phase est :
π
ℐ𝓂(Cn ) π si Cn > 0
φn = arg(Cn ) = arctg [ ] = ± = { 2π
ℛℯ(Cn ) 2 − si Cn < 0
2
φ−n = arg(C−n ) = arg(Cn ) + π
N Cn |Cn|
arg(Cn)
0 0 0 0
−j 1 π
1 π = 0.318 −
π 2
j 1 π
2 2π = 0.159
2π 2
−j 1 π
3 3π = 0.106 −
3π 2
j 1 π
4 4π = 0.079
4π 2
Les spectres d’amplitude et de phase sont représentés sur les figures ci-dessous :
0.4
0 .3 1 8
0 .1 5 9
|C |
n
0.2
0
-15 -10 -5 0 5 10 15
n
90
n
-90
-15 -10 -5 0 5 10 15
n

Exercice 10 :
1) Déterminer le développement en série de Fourier complexe du signal s(t) ci-dessous. Tracer
son spectre d’amplitude et de phase.
1
s(t)
-1
-5 -4 -3 -2 -1 0 1 2 3 4 5
t
2) En déduire le spectre bilatéral des signaux y(t) et x(t) suivants :
2
y(t)
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t
2
x(t)
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
t
Solution :
1) Le signal est impair, donc
T0
2
4
S0 = 0, an = 0 et bn = ∫ x(t) sin(nω0 t) dt
T0
0
d’où
an − jbn jbn
Cn = =− = −C−n
2 2
De plus le signal présente une symétrie demi-onde, s(t) = -s(t + T0/2), bn n’est donc défini que
pour les n impairs.
Le signal présente également une symétrie quart-d’onde, par conséquent :
T0
4
8
T0
0
La période est :
T0 = 1s d′ où ω0 = 2π

Dans l’intervalle [0 , T0/4], le signal s(t) a pour équation :

s(t) = 4t
alors
T0 1
4 4
8
bn = ∫ s(t) sin(nω0 t) dt = 32 ∫ t sin(2πnt) dt
T0
0 0
En intégrant par partie, on trouve pour n impair :

8 n
bn = sin(π )
π2 n2 2
Le signal s’écrira alors :
+∞
8 1 n
s(t) = 2 ∑ 2 sin (π ) sin(2πnt)
π n 2
n=1
n=2p+1
Les coefficients de Fourier complexes sont :

0 si n = 2p
jbn 4 n
Cn = − = −j 2 2 sin(π ) = { 4
2 π n 2 ∓j 2 2 si n = 2p + 1
π n
Le module est :
4
|Cn | =
π2 n2
La phase est :
π
ℐ𝓂(Cn ) π − si n = 4k + 1 , k entier
φn = arg(Cn ) = arctg [ ] = ± = { π2
ℛℯ(Cn ) 2 + si n = 4k + 3
2
φ−n = arg(C−n ) = arg(Cn ) + π

n fn (Hz) Cn |Cn| arg(Cn)

0 0 0 0 0
4 4 π
1 1 −j 2 = 0.405 −
π π2 2
2 2 0 0 0
4 π
3 3 j 2 0.045
9π 2
4 4 0 0 0
4 π
5 5 −j 0.016 −
25π 2 2

0.4
0 .4 0 5
0.3
|C |
n
0.2
0 .0 4 5 0 .0 1 6
1.1
0
-6 -4 -2 0 2 4 6
n
90
n
0
-90
-6 -4 -2 0 2 4 6
n
2) i) Le signal y(t) est obtenu en translatant verticalement vers le haut, s(t) d’une unité, comme
illustré sur la figure ci-dessous. On peut écrire alors :
y(t) = s(t) + 1
2
s(t)
1
y(t)
0
-1
-5 -4 -3 -2 -1 0 1 2 3 4 5
t
Le signal s(t) était à valeur moyenne nulle, tandis que y(t) présente une valeur moyenne S0 = 1.
Par conséquent le coefficient de série de Fourier complexe sera :
0 si n = 2p et n ≠ 0
- jbn 4 n 1 si n=0
Cn = = −j 2 2 sin(π ) = { 4
2 π n 2
∓j 2 2 si n = 2p + 1
π n
1
|C |
n
0 .4 0 5
0.5
0 .0 4 5 0 .0 1 6
0
-6 -4 -2 0 2 4 6
n
90
n
0
-90
-6 -4 -2 0 2 4 6
n

ii) La figure ci-dessous, montre que le signal x(t) est la version translatée vers la gauche du
signal y(t) de t = 0.25, d’où :
1
x(t) = y(t + )
4
2 y(t)
x(t)
1
0
-2 -1,5 -1 -0,5 -0.25 0 0.25 0,5 1 1,5 2
t
D’après la propriété (II.30) :

Cna = Cn e−jnω0 a
Pour n impair, on a :
1 4 n jn𝜋 4 n n 4
Cnx = Cny ejnω0 4 = −j 2 2
sin (π ) e 2 = −j 2 2 sin (π ) j sin (π ) = 2 2
π n 2 π n 2 2 π n
Puisque Cnx est toujours positif, la phase est donc nulle.
Le module des coefficients de la décomposition en série de Fourier du signal x(t) n’est pas
modifié par la translation, au contraire la phase a changé.
La représentation en série de Fourier complexe est :
+∞
x(t) = 1 + ∑ Cn e−jnω0 t
n=−∞
n=2p+1
1
|C |
0 .4 0 5
n
0.5
0 .0 4 5 0 .0 1 6
0
-6 -4 -2 0 2 4 6
n
90
n
0
-90
-6 -4 -2 0 2 4 6
n

II-1-6 Théorème énergétique – Parseval
La décomposition en série de Fourier complexe d’un signal périodique est :

+∞
s(t) = ∑ Cn ejnω0 t
n = -∞
La puissance du signal est :

T T T
2 2 +∞ +∞ 2
1 1 1
P= ∫|s(t)|2 dt = ∫ s(t) [∑ C*n e-jnω0 t ] dt = ∑ Cn∗ ∫ s(t) e−jnω0 t dt
T T T
T T n=-∞ n=−∞ T
- - [ −2 ]
2 2
+∞ +∞
= ∑ Cn∗ Cn = ∑ |Cn |2
n=−∞ n=−∞
La puissance d’un signal peut être calculée à partir de la somme des puissances portées par
chaque harmonique,
+∞ +∞ −1 +∞
P = ∑ |Cn |2 = ∑ Cn∗ Cn = |C0 |2 + ∑ Cn∗ Cn + ∑ Cn∗ Cn

n=−∞ n=−∞ n=−∞ n=1
Si on pose p = -n, l’équation deviendra :

+∞ +∞ +∞
P = ∑ |Cn |2 = |C0 |2 ∗
+ ∑ C−p C−p + ∑ Cn∗ Cn
n=−∞ p=1 n=1
Pour un signal réel les coefficients de série de Fourier sont complexes conjugués, Cp∗ = C−p
(la relation II.24), l’expression de la puissance devient alors :
+∞ +∞ +∞ +∞
P = |C0 |2 + ∑ Cp∗ Cp + ∑ Cn∗ Cn = |C0 |2 + 2 ∑ Cn∗ Cn = |C0 |2 + 2 ∑|Cn |2

p=1 n=1 p=1 p=1
La relation (II.33) relie les coefficients de Fourier complexes aux coefficients de Fourier en
cosinus :
An
|Cn | = |C0 | = A0
2
et il vient alors :
+∞ +∞ +∞
An 2 1
P = |C0 |2 + 2 ∑|Cn |2 = A20 + 2 ∑ [ ] = A20 + ∑ A2n
2 2
p=1 p=1 n=1
Finalement la puissance peut être calculée de trois façons différentes, comme le montre la
relation (II.35) :

T
2 +∞ +∞
1 1
P = ∫|s(t)|2 dt = ∑ |Cn |2 = A20 + ∑ A2n
T 2
T n=−∞ n=1
− (II.35)
2
Exercice 11 :
Calculer la puissance du signal s(t) = 4 + 2cos(3t), avec ω = 1, à l’aide des trois représentations.
Solution :
+∞ +∞
1 1
P = ∑ |Cn∗ |2 = 42 + 12 + 12 = 18 W = A20 + ∑ A2n = 42 + 22
2 2
n=−∞ n=1
II-2 SIGNAUX NON PERIODIQUES – TRANSFORMEE DE

FOURIER
II-2-1 Définition
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 :
+∞
𝒯ℱ [s(t)] = S(f) = ∫ s(t) e−2jπft dt (II.36)

−∞
La transformée de Fourier inverse est donnée par :

+∞
−1
s(t) = 𝒯ℱ [S(f)] = ∫ S(f) e2jπft df (II.37)
−∞
On note : s(t) ⇌ S(f)
S(f) comprend une partie réelle, en phase et une partie imaginaire, en quadrature.
+∞ +∞
ℛℯ [S(f)] = ∫ s(t) cos(2πft) dt ; ℐ𝓂[S(f)] = ∫ s(t) sin(2πft)dt (II.38)

−∞ −∞
La transformée de Fourier est une fonction complexe, elle peut être exprimée sous la forme:
S(f) = |S(f)|ejφ(f)

Le spectre d’amplitude est le module :
2 2
|S(f)| = √[ℛℯ[S(f)]] + [ℐ𝓂[S(f)]] (II.39)

ℐ𝓂[S(f)]
φ(f) = arctg [ ] (II.40)
ℛℯ [S(f)]
Contrairement aux signaux périodiques, les signaux non périodiques ont un spectre continu.
II-2-2 Propriétés
➢ Linéarité
La transformée de Fourier est une opération linéaire.
s(t) ⇌ S(f)
r(t) ⇌ R(f)
a s(t) + b r(t) ⇌ a S(f) + b R(f) (II.41)
➢ 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. La figure II.16 montre la dilatation et la compression du signal s(t).
Quel est l’effet d’un changement de l’échelle temporelle sur le spectre ?
1
s(t) s(4t) s(t/3)
0
-3 -2 -1 -1/4 0 1/4 1 2 3
Fig II.16. Contraction et dilatation du signal
Calculons la transformée de Fourier de s(at) :

+∞
𝒯ℱ [s(at)] = ∫ s(at) e−2jπft dt

−∞
Posons u = at → du = a dt
+∞
1 u 1 f
𝒯ℱ[s(at)] = ∫ s(u) e−2jπf a du = S( )
a a a
−∞

D’une manière générale :

1 f
s(at) ⇋ S( ) (II.42)
|a| a
Si a > 1, s(at) est compressé sur l’axe des temps, son spectre est dilaté.
Si a < 1, s(at) est dilaté sur l’axe des temps, son spectre est compressé.
➢ Translation dans le domaine temporel
La figure (II.17) montre le retard et l’avance du signal triangulaire.
s(t + 3) s(t) s(t - 2)

1
0
-3 -2 -1 0 1 2 3
Fig II.17. Retard et avance du signal
La transformée du signal translaté est :

+∞
𝒯ℱ[s(t − a)] = ∫ s(t − a) e−2jπft dt

−∞
Posons u = t - a → du = dt
+∞ +∞
𝒯ℱ[s(u)] = ∫ s(u) e−2jπf(u+a) du = e−2jπfa ∫ s(u) e−2jπfu du = e−2jπfa S(f)

−∞ −∞
s(t − a) ⇋ e−2jπfa S(f) (II.43)

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.
➢ Translation dans le domaine fréquentiel
+∞ +∞
𝒯ℱ[ e2jπta s(t)] = ∫ e2jπta s(t) e−2jπft dt = ∫ s(t) e−2jπ(f−a)t dt = S(f − a)

−∞ −∞
e2jπta s(t) ⇋ S(f − a) (II.44)
La multiplication du signal par une exponentielle ne modifie ni le spectre d’amplitude ni le

spectre de phase, mais il translate le spectre.

Exemple 3 : Modulation d’amplitude

La modulation d’un signal consiste à multiplier ce signal par un signal sinusoïdal de fréquence
f0 :
A 2jπf t
s(t) = A cos(2πf0 t) × u(t) = [e 0 + e−2jπf0 t ] × u(t)
2
A 2jπf t
= [e 0 u(t) + e−2jπf0 t u(t)]
2
En utilisant la relation II.44, la transformée de Fourier du signal s(t) vaut :
A
S(f) = 2 [U(f − f0 ] + U(f + f0 )] avec U(f) = TF[u(t)] (II.45)
Le spectre est donc translaté à droite et à gauche.
➢ Dérivation
+∞
ds(t) −2jπft
∫ [ ] e dt
dt
−∞
Intégration par partie :

+∞
+∞
= [s(t) e−2jπft ]−∞ + 2jπf ∫ s(t) e−2jπft dt = 2jπf S(f)
−∞
ds(t)
⇋ 2jπf S(f) (II.46)
dt
D’une manière générale :
dn s(t)
⇋ [2jπf]n S(f) (II.47)
dt n
D’un autre côté :
j dS(f)
ts(t) ⇋ (II.48)
2π df
n
jn dn S(f) (II.49)
t s(t) ⇋
2π df n
➢ Conjugaison
+∞ +∞ ∗
𝒯ℱ[s ∗ (t)] = ∫ s ∗ (t) e−2jπft dt = [ ∫ s(t) e2jπft dt] = S ∗ (−f)

−∞ −∞
s ∗ ( t) ⇋ S ∗ (−f)
(II.50)

s ∗ (−t) ⇋ S ∗ (f) (II.51)

On en déduit les propriétés suivantes :
▪ Si le signal s(t) est réel, son spectre d’amplitude |S(f)| est pair alors que son spectre de phase
arg(S(f)) est impaire. On dit que sa transformée de Fourier S(f) est à symétrie hermitienne.
▪ Si le signal est réel et de plus il est pair, sa transformée de Fourier est réelle.
➢ 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
−∞
+∞
s(−t) = ∫ S(f) e−2jπft df

−∞
Echangeons les variables t et f :

+∞
s(−f) = ∫ S(t) e−2jπft dt

−∞
Finalement
s(t) ⇋ S(f)
(II.52)
S(t) ⇋ s(−f)
Si S(f) est la transformée de Fourier de s(t), alors la transformée de Fourier de S(t) est s(-f).
II-2-3 Théorème de Parseval
Calculons l’intégrale suivante :

+∞ +∞ +∞ +∞ +∞
∫ 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,

+∞ +∞ +∞ +∞ +∞
∫ s(t) r(t) dt = ∫ s(t) s(t) dt = ∫ s(t)2 dt = ∫ S(f)S(−f) df = ∫ |S(f)|2 df

−∞ −∞ −∞ −∞ −∞

enfin
+∞ +∞
∫ |s(t)|2 dt = ∫ |S(f)|2 df (II.53)

−∞ −∞
L’énergie est identique dans le domaine temporel et le domaine fréquentiel. L’énergie d’un
signal ne dépend pas de la représentation choisie. C’est le théorème de Parseval appelé
également identité de Rayleigh.
II-2-4 Signaux à énergie finie

1- Signal rectangulaire
Soit un signal rectangulaire de centre 0 et de largeur T :

t 1
t 1 si | |< 1
T 2
s(t) = rect ( ) = {
T t 1 s(t)
0.5
0 si | |>
T 2
0
-T/2 0 T/2
t
Fig II.18. Signal rectangulaire
Vérifions que le signal est à énergie finie :

T
+
+∞ 2
E = ∫ s(t)s ∗ (t) dt = ∫ dt = T
−∞ T
−
2
Le signal est bel et bien à énergie finie.

T
+
+∞ 2
1 2jsin(πfT)
S(f) = ∫ s(t) e−2jπft dt = ∫ e−2jπft dt = [ejπfT − e−jπfT ] =
2jπf 2jπf
−∞ T
−
2
= T sinc(fT)
finalement
t
rect ( ) ⇋ T sinc(fT) (II.54)
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 (II.19) représente
la transformée de Fourier du rectangle de largeur T.
T sinc(fT)
0
-4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T

f
Fig II.19. Transformée de Fourier du signal rectangle
On remarque, sur la figure (II.20), 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 )
0.5 0.5 0.5
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
Fig II.20. Transformée de Fourier en fonction de la largeur du signal rectangle
Le spectre d’amplitude est le module :
2 2
|S(f)| = √[ℛℯ[S(f)]] + [ℐ𝓂[S(f)]] = √T 2 sinc 2 (fT) = |Tsinc(fT)| (II.55)
Le spectre de phase :
ℐ𝓂[S(f)] 0 si S(f) > 0
φ(f) = arctg [ ]={ (II.56)
ℛℯ [S(f)] ±π si S(f) < 0
La figure (II.21) présente les spectres d’amplitude et de phase du signal rectangulaire. Par
convention, on a choisi pour les fréquences positives la phase -π et la phase +π pour les
fréquences négatives afin que le spectre de phase soit une fonction impaire.

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.21. (a) Spectre d’amplitude (b) spectre de phase du signal rectangle
Transformée de Fourier avec Matlab

%Création du signal rectangulaire de centre 0 et de largeur 2
Te = 0.01; % période d'échantillonnage
N = 2000; %nombre des points à tracer
t = (-N/2)*Te:Te:(N/2-1)*Te; %axe des temps
s = rectpuls(t,2); %signal rectangulaire d’amplitude 1 de centre 0 et de
largeur 2
%Représentation du signal rectangulaire
figure(1)
plot(t,s,'linewidth',2);grid;axis([-2 2 0 3.5]);
xlabel('t');ylabel('s(t)');title('3*rect(t/2)');
%Calcul de la transformée de Fourier

f = (-N/2:1:(N/2-1))*(1/(Te*N)); %axe des fréquences
S = (fft(s)*Te); %Calcul de la transformée de Fourier
S = fftshift(S); %pour réorganiser les valeurs de S(f) de -N/2 à N/2 -1
%Représentation de spectre d’amplitude
figure(2)
plot(f,abs(S),'linewidth',2);grid;axis([-5 5 0 7]);
xlabel('f');ylabel('S(f)');title('transformée de Fourier de rect(t/2)');
Exercice 12
Calculer la transformée de Fourier du signal s(t) = sinc(Ft).
Solution :
La relation (II.54) nous donne la transformée de Fourier du rectangle.
D’après la propriété de la dualité décrite par la relation (II.52) on en déduit :
f
F sinc(Ft) ⇋ rect ( )
F
Par suite
1 f
𝒯ℱ[sinc(Ft)] = rect ( )
F F

Exercice 13
1) Calculer la transformée de Fourier du signal
t − t0
u(t) = rect (
)
T
T T 3T
2) Tracer les spectres d’amplitude et de phase pour les cas suivants : t 0 = 2 , t 0 = 4 , t 0 = 4
Solution :
1) La figure (II.22) illustre le signal u(t) qui est la version translatée de t = t0 vers la droite du
signal s(t) de la figure (II.18).
1
u(t)
0
0 -T/2 + t0 t0 T/2 + t0
t
Fig II.22. Signal rectangulaire retardé de t0
D’après la propriété de la translation décrite par la relation (II.43) on a :

t − t0 t
U(f) = 𝒯ℱ [rect ( )] = e−2jπft0 𝒯ℱ [rect ( )]
T T
L’expression de U(f) devient en tenant compte de la relation (II.54) :
U(f) = e−2jπt0 f T sinc(fT) (II.57)
Le spectre d’amplitude |U(f)| (Fig II.23) est identique à celui du signal s(t) (Fig II.21a). Il est
donc invariant à toute translation. En revanche, son spectre de phase est différent de celui du
signal s(t) (Fig II.21b), en lui ajoutant un terme linéaire en fréquence −2πt 0 f.
|U(f)| = |Tsinc(fT)| (II.58)
T
|U(f)|
0
-3/T -1/T 0 1/T 3/T
f
Fig II.23. Spectre d’amplitude du signal rectangulaire retardé
Le spectre de phase est donc :

−2πt 0 f si sinc(fT) > 0
φ(f) = arg( e−2jπt0f ) + arg(Tsinc(fT)) = { (II.59)
−2πt 0 f ± π si sinc(fT) < 0

2)
T
❑ t0 = 2
Le signal u1(t) (Fig II.24) est équivalent au signal s(t) de la figure (II.18) qui a subi une
translation de t = T/2 vers la droite.
T
t−2 T
u1 (t) = rect ( ) = s (t − )
T 2
1
u (t)
1
0.5
0
0 T/2 T
t
Fig II.24. Signal rectangulaire translaté de T/2
La transformée de Fourier de u1(t) est obtenue en remplaçant dans la relation (II.57) t0 par T/2 :
T
t−
U1 (f) = 𝒯ℱ [rect ( 2)] = e−jπTf T sinc(fT)
T
La figure (II.23) représente également le spectre d’amplitude |U1(f)|, puisqu’il est invariant à
toute translation.
Le spectre de phase du signal u1(t) est égale à :
−πTf si sinc(fT) > 0
φ1 (f) = arg( e−jπTf ) + arg(Tsinc(fT)) = {
−πTf ± π si sinc(fT) < 0
La figure (II.25a) représente le spectre de phase du signal décalé en bleu et celui du signal
rectangulaire non décalé en rouge.
Nous savons qu’un nombre complexe non nul possède une infinité d’arguments de la forme :
arg(z) + 2kπ (modulo 2π) k ∈ ℤ
Par convention, l’argument d’un nombre complexe est donné dans l’intervalle ]-π , +π], c’est la
valeur principale. La valeur principale diffère de la valeur réelle de 2kπ, avec k ∈ ℤ, pour que
la valeur principale reste entre - π et +π. L’argument calculé par Matlab par exemple, est la
valeur principale de la phase qui est toujours comprise entre - π et +π.
Nous allons tracer le spectre de phase à partir des valeurs principales. D’après la courbe de la
1 1 1
figure (II.25a), pour les fréquences f ∈ [− T , T], la phase à la fréquence 1/T est φ1(T) = -π, mais
1 2 1
pour f ∈ [T , T], la phase est φ1(T) = -2π, n’appartenant pas à l’intervalle ]-π , +π], cependant sa
valeur principale est -2π + 2π = 0. Nous suivons le même raisonnement pour toutes les autres
valeurs de la phase et on obtient le spectre de phase de la figure (II.25b).

5pi
3pi
pi
 1(f)
0
-pi
-3pi
-5pi
-5/T -4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T 5/T
f
(a)
pi
pi/2
 1(f)
-pi/2
-pi
-4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T
f
(b)
T
Fig II.25. Spectre de phase du signal rectangulaire translaté de 2 .
(a) valeurs réelles (b) valeurs principales
T
❑ t0 = 4
Le signal u2(t) (Fig II.26) est la version translatée de t = T/4 vers la droite du signal s(t) de la
figure (II.18).
T
t−4 T
u2 (t) = rect ( ) = s (t − )
T 4
1
u (t)
2
0.5
0
-0,5 -T/4 0 T/4 3T/4
t
Fig II.26. Signal rectangulaire translaté de T/4
La transformée de Fourier de u2(t) est obtenue en remplaçant dans la relation (II.57) t0 par T/4 :
T
t−
U2 (f) = 𝒯ℱ [rect ( 4)] = e−jπT2f Tsinc(fT)
T


T
T
−jπ f
−π 2 f si sinc(fT) > 0
φ2 (f) = arg ( e 2 ) + arg(Tsinc(fT)) = { T
−π 2 f ± π si sinc(fT) < 0
On suit le même raisonnement que pour t0 = T/2, à savoir, si la valeur de la phase est dans
l’intervalle ]-π , +π], on la garde, sinon on ajoute 2kπ, avec k ∈ ℤ et on obtient la figure (II.27b).
3pi
2pi
pi
 2(f)
0
-pi
-2pi
-3pi
-4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T
f
(a)
pi
pi/2
 2(f)
-pi/2
-pi
-5/T -4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T 5/T
f
(b)
T
Fig II.27. Spectre de phase du signal rectangulaire translaté de 4
3T
❑ t0 = 4
3T
t− 4 3T
u3 (t) = rect ( ) = s (t − )
T 4
1
u (t)
3
0.5
0
0 T/4 3T/4 5T/4
t
Fig II.28. Signal rectangulaire translaté de 3T/4

La transformée de Fourier de u3(t) est obtenue en remplaçant dans la relation (II.57) t0 par 3T/4 :
3πT
U3 (f) = e−j 2
f
Tsinc(fT)
3πT
3T − f si sinc(fT) > 0
φ(f) = arg ( e−2jπf 4 ) + arg(Tsinc(fT)) = { 2
3πT
− f ± π si sinc(fT) < 0
2
La figure (II.29a) illustre le spectre de phase des valeurs réelles.
1 1
Pour les fréquences f ∈ [− T , T], la phase peut être en dehors de l’intervalle ]−π, +π]. La valeur
3π 3π π 3π 3π
principale de l’angle est − 2π = − 2 et pour l’angle − la valeur principale est − +
2 2 2 2
π 2
2π = + 2 . La phase peut atteindre les valeurs ±π, si la fréquence f = ∓ 3T, en effet :
1 1 3πT 2
si f ∈ [− , ] , sinc(fT) > 0 et φ(f) = − f = ±π si f = ∓
T T 2 3T
Nous suivons le même raisonnement pour toutes les autres valeurs de la phase et on obtient le
spectre de phase de la figure (II.29b). La valeur principale des sauts de discontinuités est de ±2π
chaque fois que la phase réelle croise ±π, comme illustré sur la figure (II.29b).
3 pi/2
-3 pi/2
5pi/2
 3(f)
0
-7 pi
-5pi/2
-5.5pi
-8pi -4 pi
-4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T

f
(a)
pi
2 /3 T 8 /3 T
pi/2
 3(f)
-pi/2
4 /3 T 1 0 /3 T
-pi
-4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T
f
(b)
Fig II.29. Spectre de phase du signal rectangulaire translaté de 3T/4


Exercice 14
Calculer la transformée de Fourier du signal u(t) suivant :
2
1.5
u(t)
1
0.5
0
-3 -2 -1 0 1 2 3
t
Solution :
Le signal u(t) est la somme de deux rectangles u1(t) et u2(t) comme le montre la figure (II.30) :
t t
u(t) = u1 (t) + u2 (t) = rect ( ) + 0.5 × rect ( )
4 2
D’après la propriété de linéarité, la transformée de Fourier de u(t) est :
𝒯ℱ[𝑢(𝑡)] = 𝒯ℱ[𝑢1 (𝑡)] + 𝒯ℱ [𝑢2 (𝑡)]
La transformée de Fourier d’un rectangle est donnée par la relation (II.54), d’où
t t
𝒯ℱ[u(t)] = 𝒯ℱ [rect ( )] + 𝒯ℱ [0.5 × rect ( )] = 4sinc(4f) + sinc(2f)
4 2
1.5
u (t)
1
1
u 2 (t)
0.5
0
-3 -2 -1 0 1 2 3
t
Fig II.30. Deux rectangles u1(t) et u2(t)
2- Signal triangulaire
Soit un signal triangulaire de centre 0 et de largeur 2T :

t t
t 1−| | si | | ≤ 1
T T
s(t) = tri ( ) = { t
T
0 si | | > 1
T
1
tri(t/T)
0
-T 0 T
t
Fig II.31. Signal triangulaire

Vérifions que le signal est à énergie finie :

+∞ 0 T
t t 2
E = ∫ s(t)s ∗ (t) dt = ∫(1 + )2 dt + ∫(1 − )2 dt = T
T T 3
−∞ −T 0
Pour calculer la transformée de Fourier de ce triangle, nous allons utiliser les propriétés de la
transformée de Fourier. Dérivons tout d’abord le triangle de la figure (II.31) :
1
si t ≥ −T T T
T 1 t+2 1 t−2
′(
s t) = 1 = rect ( ) − rect( )
− si t<T T T T T
T
{0 ailleurs
La dérivée est formée donc de deux rectangles, l’un décalé de T/2 à droite, l’autre décalé de -
T/2 à gauche, comme illustré sur la figure (II.32).
1/T
tri'(t/T)
-1/T
-T -T/2 0 T/2 T
t
t
Fig II.32. Dérivée du tri (T)
La dérivée du signal s(t) peut être exprimé comme :

T T
1 t+2 1 t−2
s ′ (t) = rect ( ) − rect( )
T T T T
Cherchons la transformée de Fourier de la dérivée en utilisant la relation (II.46) et en tenant

compte que la transformée de Fourier est une opération linéaire :
T T
1 t+2 1 t−2
′(
𝒯ℱ [s t)] = 2jπf S(f) = 𝒯ℱ [rect ( )] − 𝒯ℱ [rect ( )]
T T T T
La propriété de la translation, relation (II.43), nous permet d’écrire :

1 2jπf T t 1 −2jπf T t
𝒯ℱ[s′ (t)] = 2jπf S(f) = e 2 𝒯ℱ [rect ( )] − e 2 𝒯ℱ [rect ( )]
T T T T
La relation (II.54) nous donne la transformée de Fourier du rectangle, on a alors :
1 jπf T 1
𝒯ℱ[s′ (t)] = 2jπf S(f) = e T sinc(fT) − e−jπf T T sinc(fT)
T T
= sinc(fT)[ejπf T − e−jπfT ] = 2j sinc(fT) sin(πfT)

d’où
1
S(f) = sinc(fT) sin(πfT) = T sinc2 (fT)
πf
finalement
t
tri ( ) ⇋ T sinc 2 (Tf) (II.60)
T
La figure (II.33) 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. Pour toutes les
fréquences, S(f) est un réel positif, son spectre de phase est donc toujours nul.
T
|TF[tri(t/T)]|
0
-1/T 0 1/T
f
t
Fig II.33. Transformée de Fourier de tri (T)
3- Signal à décroissance exponentielle
0 si t < 0
s(t) = { −at avec a ∈ ℝ+
e si t > 0
1
e-at
0.5
0
0
t
Fig II.34. Signal exponentiel
Vérifions que c’est un signal à énergie finie :

+∞ +∞
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
−∞ 0

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.61)
a + 2jπf a + 4π2 f 2
Partie réelle :
a
ℛℯ [S(f)] = (II.62)
a2 + 4π2 f 2
)
Partie imaginaire :
−2πf
ℐ𝓂[S(f)] = (II.63)
a2 + 4π2 f 2
Module :
2 2 1
|S(f)| = √[ℛℯ[S(f)]] + [ℐ𝓂[S(f)]] = (II.64)
√a2 + 4π2 f 2
Phase :
ℐ𝓂[S(f)] −2πf
φ(f) = arctg [ ] = arctg [ ] (II.65)
ℛℯ [S(f)] a
La figure (II.35) représente la partie réelle, la partie imaginaire, le module et la phase de la

transformée de Fourier de l’exponentielle. Remarquons que le spectre d’amplitude est pair et le
spectre de phase est impair.
1/a 1/a
Re[S(f)]
|S(f)|
0 0
-2 -1 0 1 2 -2 -1 0 1 2
(a) f f (b)
1
pi
arg[S(f)]
Im[S(f)]
0 0
-pi
-1
-2 -1 0 1 2 -5 0 5
(c) f f
(d)
Fig II.35. (a) module, (b) partie réelle, (c) partie imaginaire, (d) phase
Exercice 15
Calculer la transformée de Fourier de la partie paire et de la partie impaire du signal s(t) suivant :
0 si t < 0
s(t) = { −at
e si t > 0

Solution :
La partie paire du signal s(t) (Fig II.36) est :
1 at
1 e si t<0
sp (t) = [s(t) + s(−t)] = { 2
2 1 −at
e si t>0
2
0.5
s (t)
p
0
-2 -1 0 1 2
t
Fig II.36. Partie paire de e-at
La transformée de Fourier de la partie paire du signal s(t) est :

+∞ 0 +∞
1 1
Sp (f) = 𝒯ℱ[sp (t)] = ∫ sp (t) e−2jπft dt = ∫ eat e−2jπft dt + ∫ e−at e−2jπft dt
2 2
−∞ −∞ 0
1 1 1 1 a
= + = 2
2 a − 2jπf 2 a + 2jπf a + 4π2 f 2
D’après la relation (II.62), on a alors :
Sp (f) = ℛℯ[S(f)]
On peut démontrer ce résultat d’une manière plus générale. On sait qu’il est toujours possible
de décomposer un signal en la somme d’un signal pair et d’un signal impair. On a donc :
s(t) = sp (t) + si (t)
Sa transformée de Fourier, grâce à la propriété de la linéarité, est :

+∞ +∞
S(f) = 𝒯ℱ[s(t)] = ∫ s(t) e−2jπft df = ∫ [sp (t) + si (t)] e−2jπft df

−∞ −∞
+∞ +∞
= ∫ sp (t) e−2jπft df + ∫ si (t) e−2jπft df = 𝒯ℱ[sp (t)] + 𝒯ℱ [si (t)] = Sp (f) + Si (f) ①
−∞ −∞
S(f) est complexe, il présente donc une partie réelle et une partie imaginaire :
S(f) = ℛℯ[S(f)] + j ℐ𝓂[S(f)] ②

En comparant les relations ① et ②, on obtient :
Sp (f) = 𝒯ℱ[sp (t)] = ℛℯ[S(f)]

et (II.66)
Si (f) = 𝒯ℱ[si (t)] = j ℐ𝓂[S(f)]
La transformée de Fourier de la partie paire du signal s(t) est égale à la partie réelle de S(f). La
transformée de Fourier de la partie impaire du signal s(t) est égale à la partie imaginaire de S(f)
multiplié par j.
La partie impaire du signal s(t) (Fig II.37) est :
1 at
1 − e si t<0
si (t) = [s(t) − s(−t)] = { 2
2 1 −at
e si t>0
2
0.5
s (t)
0
i
-0.5
-2 -1 0 1 2
t
Fig II.37. Partie impaire de e-at
En vertu des relations (II.63) et (II.66), la transformée de Fourier de la partie impaire du signal
s(t) est :
−2jπf
Si (f) = 𝒯ℱ[si (t)] = j ℐ𝓂[S(f)] =
a2 + 4π2 f 2
4- Signal signe
1
0.5
−1 si t < 0
sign(t)
s(t) = { 0
1 si t > 0 -0.5
-1
-2 -1 0 1 2
t
La transformée de Fourier est :

+∞ 0 +∞
S(f) = ∫ sgn(t) e−2jπft df = ∫ e−2jπft df + ∫ e−2jπft df

−∞ −∞ 0
1 0 1 +∞ 1
S(f) = 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 +∞
∗
E = ∫ s(t)s (t) dt = ∫ −dt + ∫ dt = ∞
−∞ −∞ 0
Cherchons maintenant 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.
II-2-5 Signaux à puissance moyenne finie

1- Introduction à la notion de distribution
En physique, on utilisait certaines notions alors qu’elles n’étaient pas justifiées

mathématiquement. Prenons le cas de charge et décharge d’un condensateur (Fig II.38).
Fig II.38. Charge d’un condensateur
Le condensateur de capacité C, initialement déchargé, se charge instantanément lorsque l’on

ferme l’interrupteur. La tension v(t) aux bornes de condensateur est nulle pour tout t < 0, est
égale à E si t > 0 et n’est pas défini pour t = 0 (Fig II.39).
0 si t < 0
v(t)
V ( t) = {
E si t > 0
0
0
t
Fig II.39. Tension aux bornes de condensateur
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 (Fig II.40).
Fig II.40. Charge à travers une résistance
Cherchons la tension aux bornes du condensateur.

E = VC (t) + VR (t)
VR (t) = R i(t)
dQ dVC
i( t) = =C
dt dt
Q
VC (t) =
C
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
Fig II.41. Courant

E
L’intensité de courant qui traverse le circuit est R à t = 0 puis diminue exponentiellement jusqu’à
zéro (Fig II.41).
t
0 si t < 0
La charge est ∶ Q = ∫ i(τ)dτ = {
CE si t > 0
−∞
La figure (II.42a) 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.42b).
Charge d'un condensateur à travers une résistance Dirac
10
R = 10
9
R = 5
8 R = 2.5
1
R = 1
7
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.42. (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.67)
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

2- Dérivée aux points de discontinuité

Pour les fonctions classiques, la dérivée n’est définie que pour les endroits où la fonction est
continue, alors que la dérivée de la distribution existe même pour les fonctions discontinues.
La figure (II.43a), représente un signal avec une discontinuité à t = 0, la dérivée au sens de
distribution de ce signal est donnée par la formule :
ds(t) ds(t)
= σ δ(t) + | (II.68)
dt dt t≠0
σ = s(0+) – s(0-) est le saut de la discontinuité.
s(t)

s(t)
0 a
0
t
t
(a) (b
)
Fig II.43. (a) discontinuité à t = 0, (b) discontinuité à t = a
Dans le cas de la discontinuité à t = a (Fig II.43b), la dérivée est :
ds(t) ds(t)
= σ δ(t − a) + | (II.69)
dt dt t≠a
Exercice 16 : Calculer la dérivée du signal s(t) = rect(t).

rect(t)
1
s(t)
0
-0,5 0 0,5
t
Fig II.44. rect(t)
Solution :
D’après la figure (II.44), le signal présente deux sauts de discontinuité, l’un à t = -0.5 et l’autre
à t = 0.5. Appliquons la relation (II.69) pour déterminer la dérivée de ce signal :
ds(t) d[rect(t)] ds(t)
= = σ δ(t − a) + |
dt dt dt t≠a

La dérivée en dehors des points de discontinuité est nulle :

ds(t)
| =0
dt t≠±1
2
La dérivée du rectangle devient :

d[rect(t)] −1 1 1 1
= σ ( ) δ (t + ) + σ( ) δ (t − )
dt 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
Finalement, on obtient :
d[rect(t)] 1 1
= δ (t + ) − δ (t − )
dt 2 2
La figure (II.45) illustre la dérivée du rect(t).
1
s '(t)
-1
-0.5 0 0.5
t
Fig II.45. Dérivée du rect(t)
Exercice 17 :
−t + 1 si 0 ≤ t ≤ 1
Calculer et tracer la dérivée seconde du signal u(t) = {
0 ailleurs
Solution :
Le signal u(t) est représenté sur la figure (II.46). Il présente une discontinuité à t = 0.
Fig II.46. Signal u(t) de

u(t)
l’exercice 17
0
0 1
t

Par application de la relation (II.68), sa première dérivée est donnée par :

du(t) du(t)
= σ δ(t) + |
dt dt t≠0
La dérivée en dehors des points de discontinuité est :
du(t)
| = (−t + 1)′ = −1
dt t≠0
Le saut de discontinuité est :
σ (0) = σ (0+ ) − σ (0− ) = 1 − 0 = 1
d’où
du(t) 1
= δ(t) − rect (t − ) (II.70)
dt 2
La figure (II.47) représente la dérivée première du signal u(t), composée d’un Dirac à l’origine
1
et d’un rectangle centré en t = 2 et d’amplitude -1.
1
u'(t)
-1
-1 -0.5 0 0.5 1 1.5 2

t
Fig II.47. Dérivée première du signal u(t) de l’exercice 17
La dérivée seconde du signal u(t) est obtenu en dérivant la relation (II.70) et en tenant compte
de la relation (II.69). u’(t) présente deux discontinuités en t = 0 et t = 1 (Fig II.47).
d2 u(t) d2 u(t)
= σ ( 0 )δ( t ) + σ ( 1 )δ( t − 1 ) + |
dt 2 dt 2 t≠0,t≠1
La dérivée en dehors des points de discontinuité est :

d2 u(t) dδ(t)
2
| =
dt t≠0,t≠1 dt
Les sauts de discontinuité sont :

σ(0) = σ(0+ ) − σ(0− ) = −1 − 0 = −1
σ(1) = σ(1+ ) − σ(1− ) = 0 − (−1) = +1
La dérivée seconde représentée sur la figure (II.48) a pour expression :

d2 u(t) dδ(t)
2
= −δ(t) + δ(t − 1) +
dt dt
1
' (t)
u''(t) 0
-1
-1 -0.5 0 0.5 1 1.5 2

t
Fig II.48. Dérivée seconde du signal u(t) de l’exercice 17
3- Signaux à puissance finie

On va présenter dans ce paragraphe les transformées de Fourier des certains signaux à puissance
finie.
❑ Impulsion de Dirac
La transformée de Fourier de l’impulsion de Dirac est :

+∞
𝒯ℱ[δ(t)] = ∫ δ(t)e−2jπft dt
−∞
Par application de la propriété du Dirac :

+∞
∫ s(t) δ(t) dt = s(0)

−∞
On a :
+∞
𝒯ℱ[δ(t)] = ∫ δ(t)e−2jπft dt = e−2jπf 0 = 1

−∞
Finalement
δ(t) ⇋ 1 ∀f (II.71)
1
TF[(t)]
⇋
(t)
1
0.5
0
0 0
t f
Fig II.49. Transformée de Fourier de l’impulsion de Dirac

La transformée de Fourier de l’impulsion de Dirac est constante quel que soit la fréquence. On
remarque que pour l’impulsion de Dirac très étroite dans le domaine temporel correspond un
spectre infiniment large (Fig II.49).
En utilisant la relation du retard temporel (II.43), on trouve :
δ(t - a) ⇋ e−2jπfa (II.72)
La transformée de Fourier de l’impulsion de Dirac translatée est une exponentielle complexe.
❑ Signal constant
La propriété de dualité (II.52), nous permet de déterminer la transformée de Fourier d’un signal
constant :
δ(t) ⇋ 1
1 ⇋ δ(−f) = δ(f) (II.73)
En utilisant la relations (II.44), on trouve :
e2jπta ⇋ δ(f - a) (II.74)
D’une manière générale, on a (Fig II.50) :

(II.75)
C ⇋ C δ(f) C est une constante
⇋
(f)
0
0 f
t
Fig II.50. Transformée de Fourier du signal constant
❑ 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.54) avec T = 1 :
1 1 1 1
𝒯ℱ [rect(t)] = sinc(f) = 𝒯ℱ [sign (t + )] − 𝒯ℱ [sign (t − )]
2 2 2 2

Appliquons la relation (II.43) :

1 1
𝒯ℱ[rect(t)] = sinc(f) = ejπf 𝒯ℱ [sign(t)] − e−jπf 𝒯ℱ [sign(t)]
2 2
1
= 𝒯ℱ[sign(t)]{ejπf − e−jπf }
2
1
= 2 𝒯ℱ[sign(t)]{2j sin (πf)} = j sin(πf) 𝒯ℱ[sign(t)]
On tire alors :
sinc(f) j
𝒯ℱ[sign(t)] = =−
j sin(πf) πf
Finalement, la transformée de Fourier du signal signe, représentée sur la figure (II.51), est égale
à:
j
sgn(t) ⇋ − (II.76)
πf
1 5
0.5
⇋
Im[S(f)]
sgn(t)
0 0
-0.5
-1
-2 -1 0 1 2 -5
-0.5 0 0.5
t f
Fig II.51. Transformée de Fourier du sgn(t)
On peut chercher la transformée de Fourier du signal signe, en le dérivant en sens de

distribution. On a, en tenant compte de la discontinuité au point t = 0 (Fig II.51) :
d[sgn(t)] d[sgn(t)]
= σ(0) δ(t) + | = 2δ(t)
dt dt t≠0
avec
d[sgn(t)]
| =0
dt t≠0
et
σ (0) = 2
La figure (II.52) représente la dérivée du signal signe.
2
sgn'(t)
0
-0.5 0 0.5
t
Fig II.52. Dérivée du sgn(t)

Par application de la propriété de la transformée de Fourier de dérivée (la relation (II.46)), on

peut écrire :
d[sgn(t)]
𝒯ℱ [ ] = 2jπf 𝒯ℱ[sgn(t)] = 2 𝒯ℱ[δ(t)] = 2
dt
On en déduit alors :
2 j
𝒯ℱ[sgn(t)] = =−
2jπf πf
On trouve le même résultat que la relation (II.76).
❑ Signal échelon
Nous pouvons relier l’échelon au signal signe par la relation suivante :

1 1
u ( t) = + sign(t)
2 2
En vertu des relations (II.75) et (II.76), la transformée de Fourier est :
1 1 1 1 j
𝒯ℱ[u(t)] = 𝒯ℱ [ ] + 𝒯ℱ [ sign(t)] = δ(f) −
2 2 2 2 πf
1 1 j
u(t) ⇋ δ(f) − (II.77)
2 2 πf
La figure (II.53) illustre la transformée de Fourier de l’échelon.
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
Fig II.53. Transformée de Fourier de l’échelon
II-2-6 Transformée de Fourier des signaux périodiques

1- Définition
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 ejnω0 t
n = -∞
avec
T0
2
1
Cn = ∫ s(t) e-jnω0 t dt
T0
T
- 0
2
La transformée de Fourier du signal s(t) est :

+∞ +∞
𝒯ℱ [s(t)] = S(f) = 𝒯ℱ [ ∑ Cn ejnω0 t ] = ∑ Cn [𝒯ℱ(ejnω0 t )]

n=−∞ n=−∞
Grâce à la relation (II.74), on peut l’écrire :

+∞ +∞
∑ Cn [𝒯ℱ(ejn2πF0 t )] = ∑ Cn δ(f − nF0 )

n=−∞ n=−∞
d’où finalement
+∞
𝒯ℱ[s(t)] = ∑ Cn δ(f − nF0 ) (II.78)

n=−∞
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 fondamentale du signal, son amplitude est le
coefficient de la série de Fourier comme le montre la figure (II.54).
4
|C0|
|C-3| |C3|
|S(f)|
|C-2| |C | |C2|
|C-1| 1
0
-3F0 -2F0 -F0 0 F0 2F0 3F0
f
Fig II.54. Transformée de Fourier d’un signal périodique
2- Signal sinusoïdal
Soit le signal sinusoïdal :

s(t) = A cos (2πF0 t + φ)
En appliquant les formules d’Euler, le signal sinusoïdal peut se mettre sous la forme :
A j(2πF t+φ) A −j(2πF t+φ) A 2jπF t jφ A −2jπF t −jφ
s(t) = e 0 + e 0 = e 0 e + e 0 e
2 2 2 2

Sa transformée de Fourier est :

A A
𝒯ℱ[s(t)] = S(f) = 𝒯ℱ [ e2jπF0 t ejφ + e−2jπF0 t e−jφ ]
2 2
La transformée de Fourier est linéaire, d’où :
A A A A
S(f) = 𝒯ℱ [ e2jπF0 t ejφ ] + 𝒯ℱ [ e−2jπF0t e−jφ ] = ejφ 𝒯ℱ[e2jπF0t ] + e−jφ 𝒯ℱ[e−2jπF0 t ]
2 2 2 2
En appliquant la relation (II.74), on obtient :
A jφ A
S(f) = e δ(f − F0 ) + e−jφ δ(f + F0 ) ①
2 2
Le signal s(t) est périodique, sa transformée de Fourier s’écrit, grâce à la relation (II.78) :
+∞
𝒯ℱ[s(t)] = S(f) = ∑ Cn δ(f − nF0 ) = ⋯ + C−1 δ(f + F0 ) + C0 δ(f) + C1 δ(f − F0 ) + ⋯ ②

n=−∞
En comparant les équations ① et ② on tire :

A jφ
C1 = e
2
A −jφ
C−1 = e
2
et
Cn = 0 pour n ≠ −1 et n ≠ 1
On a
A
|C1 | = |C−1 | = et arg(C1 ) = − arg(C−1 ) = φ
2
Finalement
A −jφ A
S(f) = e δ(f + F0 ) + ejφ δ(f − F0 ) (II.79)
2 2
La transformée de Fourier est complexe, elle présente donc une partie réelle et une partie
imaginaire représentées sur la figure (II.55) :
✓ 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

Partie réelle Partie imaginaire

A/2 cos(phi) A/2 sin(phi)
Im[S(f)]
Re[S(f)]
-A/2 sin(phi)
-F0 0 +F0 -F0 0 +F0
f f
Fig II.55. Partie réelle et partie imaginaire de la transformée de Fourier de A cos(2πF0 t + φ)
En posant φ = 0, on aura le signal :

s(t) = A cos(2πF0 t)
et sa transformée de Fourier s’écrit :
A A
S(f) = δ(f + F0 ) + δ(f − F0 ) (II.80)
2 2
La figure (II.56) illustre la transformée de Fourier du signal s(t) = A cos(2πF0 t).
A/2
S(f)
-F0 0 +F0
f
Fig II.56. Transformée de Fourier de A cos (2πF0 t)
π
Si φ = − 2 , le signal devient :
s(t) = A sin(2πF0 t)
et on déduit sa transformée de Fourier :
A A
S(f) = j δ(f + F0 ) − j δ(f − F0 ) (II.81)
2 2
La transformée de Fourier du signal s(t) = A sin(2πF0 t) est représentée sur la figure (II.57).

A/2
S(f)
0
-A/2
-F0 0 +F0
f
Fig II.57. Transformée de Fourier de A sin(2πF0 t)
Exercice 18 :
Calculer et tracer la transformée de Fourier du signal x(t) suivant :
0 si t<0
x(t) = { −at
Ae cos(2πf0 t) si t≥0
Solution :
Le signal x(t) est représenté sur la figure (II.58), c’est un cosinus amorti.
A
x(t)
-A
0
t
Fig II.58. Cosinus amorti
Ecrivons le signal x(t) sous la forme :

x(t) = Ae−at cos(2πf0 t) = A cos(2πf0 t) × s(t)
avec
s(t) = e−at
La transformée de Fourier S(f) du signal s(t) est donnée par la relation (II.61) :
1
S(f) =
a + 2jπf
Par application de la propriété de modulation (équation II.45), la transformée de Fourier du
signal x(t) vaut :
A
X(f) = 𝒯ℱ [x(t)] = 𝒯ℱ [A cos(2πf0 t) × s(t)] = 2 [S(f − f0 ] + S(f + f0 )]
et il vient alors :

A 1 1
X(f) = [ + ]
2 a + 2jπ(f − f0 ) a + 2jπ(f + f0 )
Finalement la transformée de Fourier de x(t) est égale à :
a + 2jπf
X(f) = A [ ]
(a + 2jπf)2 + 4π2 f02
A/2a
|X(f)|
0
-f0 0 f0
f
Fig II.59. Spectre du cosinus amorti
Le spectre du cosinus amorti est le spectre de l’exponentiel décalé une fois à gauche et une fois
à droite, comme le montre la figure (II.59).
3- Peigne de Dirac
Le peigne de Dirac δT0 (t) est une succession périodique d’impulsion de Dirac (Fig II.60a) de
période T0 :
+∞
s(t) = δT0 (t) = ∑ δ(t − nT0 )

n=−∞
En utilisant la propriété (II.77), sa transformée de Fourier s’écrit :

+∞
𝒯ℱ[δT0 (t)] = ∑ Cn δ(f − nF0 )

n=−∞
T0 T0
Calculons les coefficients complexes Cn, sachant que sur l’intervalle ]− , [, le peigne vaut
2 2
δ(t) (Fig II.60a) :
T0 T0
2 2
1 1
Cn = ∫ s(t) e−jnω0 t dt = ∫ δ(t) e−jn2πF0 t dt
T0 T0
T T
− 0 − 0
2 2
La propriété du Dirac :
s(t) δ(t) = s(0) δ(t)
nous permet d’écrire :

T0
2
1
Cn = ∫ δ(t) e−jn2πF0 0 dt
T0
T
− 0
2
d’où enfin
T0
2
1 1
Cn = ∫ δ(t) dt = (II.82)
T0 T0
T
− 0
2
La décomposition en série de Fourier de Peigne de Dirac est :

+∞ +∞ +∞
jnω0 t
1 jn2𝜋F t
s(t) = ∑ δ(t − nT0 ) = ∑ Cn e = ∑ e 0
T0
n=−∞ n=−∞ n=−∞
La transformée de Fourier vaut donc :

+∞ +∞ +∞
1 1 n
𝒯ℱ[δT0 (t)] = ∑ Cn δ(f − nF0 ) = ∑ δ(f − nF0 ) = ∑ δ(f − )
T0 T0 T0
n=−∞ n=−∞ n=−∞
+∞
1 n 1
𝒯ℱ[δT0 (t)] = ∑ δ (f − ) = δ 1 (t) (II.83)
T0 T0 T0 T0
n=−∞
La transformée de Fourier d’un peigne de Dirac en temps est un peigne de Dirac en fréquence.
La figure (II.60b) 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
-3T0 -2T0 -T0 0 T0 2T0 3T0
t
(a)
⇋
Peigne de Dirac
 1/T0(f)
1/T0
0
-4/T0 -2/T0 0 2/T0 4/T0
f (b)
Fig II.60. (a) Peigne de Dirac (b) sa transformée de Fourier

II-3 TRANSFORMEE DE LAPLACE
Nous avons vu qu’il n’est pas toujours possible de calculer la transformée de Fourier, le cas par
exemple d’un échelon. La transformée de Laplace généralise la transformée de Fourier qui
permet parfois d’éviter d’utiliser les distributions lorsqu’une fonction n’admet pas de
transformée de Fourier. Les fonctions admettant une transformée de Fourier admettent toutes
une transformée de Laplace mais pas l’inverse.
II-3-1 Définition
La transformée de Laplace bilatérale d’un signal s(t) est définie par :

+∞
𝒯ℒ[s(t)] = S(p) = ∫ s(t) e−pt dt (II.84)

−∞
avec p = σ + jω, p ∈ ℂ, fréquence complexe et σ, ω ∈ ℝ

On appelle transformée de Laplace unilatérale de s(t), la fonction définie par :
+∞
𝒯ℒ [s(t)] = S(p) = ∫ s(t) e−pt dt (II.85)

0
On note :
s(t) ↔ S(p)
s(t) est l’originale, S(p) est l’image.
La transformée de Laplace inverse est donnée par :
+∞
1
s(t) = 𝒯ℒ −1 [S(p)] = ∫ S(p) ept dp (II.86)
2jπ
−∞
L’intégrale est effectuée dans le plan complexe. C’est une méthode compliquée. On va voir
plus loin comment on va calculer cette transformée de Laplace inverse.
La transformée de Laplace n’est pas défini pour tout p, il faut étudier donc la convergence.
II-3-2 Région de convergence

+∞
La transformée de Laplace d’un signal existe si ∫−∞ s(t) e−pt dt existe dans un domaine
appelé région de convergence notée RDC ou ROC.
Exemple 5 : 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.61).
s(t) = e-at u(t)
s(t)
0.5
0
-4 -2 0 2 4
t
Fig II.61. Signal de droite
Sa transformée de Laplace est :

+∞ +∞ +∞
−1 −(p+a)t +∞
S(p) = ∫ s(t) e−pt dt = ∫ e−at u(t) e−pt dt = ∫ e−at e−pt dt = e |0
p+a
−∞ −∞ 0
1
si ℛ𝑒(p + a) > 0, alors ℛ𝑒(p) = σ > −a et S(p) =
p+a
si ℛ𝑒(p + a) < 0, alors ℛ𝑒(p) = σ < −a et e−(p+a)t → ∞ quand t → +∞

En résumé, la transformée de Laplace est :
1
si ℛe(p) = σ > −a
p+a
S(p) = { (II.87)
indéfini si ℛe(p) = σ > −a
La transformée de Laplace existe si ℛ𝑒(p) = σ > −a. La figure (II.62) 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
Fig II.62. Région de convergence du signal de droite selon le signe de a

Exemple 6 : 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 > t0.
Soit le signal s(t) = −e−at u(−t), avec a ∈ ℝ, représenté sur la figure (II.63). Sa transformée
de Laplace est :
+∞ +∞ 0
S(p) = − ∫ s(t) e−pt dt = − ∫ e−at u(−t) e−pt 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
si ℛ𝑒(p + a) > 0, alors ℛ𝑒(p) = σ > −a et e−(p+a)t → ∞ quand t → +∞

La transformée de Laplace est :
1
si ℛe(p) = σ < −a
p+a
S(p) = { (II.88)
indéfini si ℛe(p) = σ > −a
s(t) = -e-at u(-t)
-2
s(t)
-4
-6
-2 -1 0 1 2 3 4
t
Fig II.63. Signal de gauche
a>0 a<0
ℐm(p) ℐm(p)
ROC ROC
ℛℯ(p) ℛℯ(p)
-a -a
Fig II.64. Région de convergence du signal de gauche selon le signe de a

La transformée de Laplace existe si ℛ𝑒(p) = σ < −a. La figure (II.64) montre que la région
de convergence est un demi-plan à la gauche de tous les pôles de S(p).
Exemple 7 : Un signal non borné est la somme d’un signal de droite et d’un signal de gauche,
comme le montre la figure (II.65).
−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
Fig II.65. Signal non borné
a<0 a>0
ℐm(p) ℐm(p)
ROC
ℛℯ(p) ROC a ℛℯ(p)

a -a -a
(a) (b)
Fig II.66. Région de convergence du signal non borné selon le signe de a
Si a < 0, les régions de convergence pour le signal de droite et celui de gauche ne se chevauchent
pas et du coup la transformation de Laplace n’existe pas (Fig II.66a).
Si a > 0, les régions de convergence pour le signal de droite et celui de gauche se chevauchent
(Fig II.66b), la transformation de Laplace existe et vaut :
1 1 2a
e−at u(t) → − =− 2 (II.89)
p+a p−a p − a2

Si le signal est de durée infinie, la ROC est une bande verticale dans le plan p définie par
−a < ℛe(p) < a, comme le montre la figure (II.66b).
Exemple 8 : Prenons le cas d’un signal de durée finie de la figure (II.67) :

−at
s(t) = {e si 0 ≤ t ≤ T a∈ℝ
0 ailleurs
e-at si 0 < t < T

1
0.5
0
T
t
Fig II.67. Signal de durée finie
+∞ 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
S(p = −a) = ∫ e−at eat dt = ∫ dt = T

0 0
d′ où
T si p = −a
S(p) = { 1 (II.90)
[1 − e−(p+a)T ] si p ≠ −a
p+a
La RDC est tout le plan p égal à l’ensemble ℂ.

Si l’on a N pôles pi ∈ ℂ avec i = 1, 2 … N, on définit σmax = max[ℛℯ(pi )] et
σmin = min[ℛℯ(pi )]. Le tableau (II.2) résume toutes les régions de convergence selon la nature
du signal.
Signaux ROC
de droite demi-plan de droite ℛe(p) > σmax
de gauche demi-plan de gauche ℛe(p) < σm𝑖𝑛
non borné bande du plan σmin < ℛe(p) < σmax
fini Plan complexe ℂ
Tableau II.2. Régions de convergence

II-3-3 Exemples
1- Impulsion de Dirac
La transformée de Laplace de l’impulsion de Dirac est :

+∞
𝒯ℒ[δ(t)] = S(p) = ∫ δ(t) e−pt dt

0
Par application de la propriété du Dirac :

+∞
∫ s(t) δ(t) dt = s(0)

−∞
On a :
+∞
𝒯ℒ[δ(t)] = S(p) = ∫ δ(t) e−pt dt = e−pt |t=0 = 1

0
finalement
δ(t) ↔ 1 (II.91)
2- Signal échelon
La transformée de Laplace de l’échelon est :

+∞
1 1
𝒯ℒ[u(t)] = S(p) = ∫ u(t) e−pt dt = − e−pt |+∞
0 =
p p
0
D’où
1 (II.92)
u(t) ↔
p
3- Exponentielle décroissante causale :
L’exponentielle décroissante causale a pour expression :
s(t) = e−at u(t)

Sa transformée de Laplace est :
+∞ +∞
1 −(p+a)t +∞ 1
𝒯ℒ[s(t)] = S(p) = ∫ e−at e−pt dt = ∫ e−(p+a)t dt = − e |0 =
p+a p+a
0 0
Finalement
1
e−at u(t) ↔ (II.93)
p+a

4- Rampe
Le signal rampe est défini par :

t si t ≥ 0
s(t) = {
0 si t < 0
La transformée de Laplace est égale à :

+∞
𝒯ℒ [s(t)] = S(p) = ∫ t e−pt dt

0
Il suffit de faire une intégration par partie, soit :

u(t) = t et dv(t) = e−pt
on obtient :
+∞
+∞
t 1 1 1
𝒯ℒ[s(t)] = [− e−pt ] + ∫ e−pt dt = − 2 e−pt |+∞
0 = 2
p 0
p p p
0
1
t u(t) ↔
p2 (II.94)
Le tableau (II.3) donne quelques signaux et leurs transformées de Laplace.
II-3-4 Propriétés
➢ Multiplication par une constante
s ( t) ↔ S ( p )
a s(t) ↔ a S(p) (II.95)
La multiplication du signal s(t) par une constante correspond à la multiplication de sa

transformée de Laplace par la même constante.
➢ Linéarité
s(t) ↔ S(p)
v(t) ↔ V(p)
a × s(t) + b × v(t) ↔ a × S(p) + b × V(p) (II.96)
La transformée de Laplace est une opération linéaire.

Signal Transformée de Laplace ROC

δ(t) 1 ℂ
δ(t − t 0 ) e−pt0 ℂ
1
u(t) ℛℯ(p) > 0
p
1
−u(−t) ℛℯ(p) < 0
p
1
tu(t)
p2
n!
tn ℛℯ(p) > 0
pn+1
1
e−at u(t) ℛℯ (p) > −a
p+a
1
−e−at u(−t) ℛℯ (p) < −a
p+a
p
cos(ω0 t) u(t) ℛℯ(p) > 0
p2 + ω20
ω0
sin(ω0 t) u(t) ℛℯ(p) > 0
p2 + ω20
p+a
[e−at cos(ω0 t)] u(t) ℛℯ (p) > −a
(p + a)2 + ω20
ω0
[e−at sin(ω0 t)]u(t) ℛℯ (p) > −a
(p + a)2 + ω20
Tableau II.3. Signaux et transformée de Laplace
➢ 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.
Calculons la transformée de Laplace de s(at) :
+∞
𝒯ℒ[s(at)] = ∫ s(at) e−pt dt

0
Posons x = at → dx = a dt

L’équation devient :
+∞
1 p 1 p
𝒯ℒ[s(at)] = ∫ s(x) e− a x dx = S( )
a a a
0
Finalement
1 p
s(at) ↔ S( ) (II.97)
a a
➢ Translation dans le domaine temporel
La version translatée du signal s(t) u(t) est le signal s(t – a) u(t – a) (Fig II.68), avec u(t) est
l’échelon.
2
x(t) x(t - a )
1
0
0 a
t
Fig II.68. Signal translaté
La transformée du signal translaté est :

+∞ +∞
𝒯ℒ[f(t − a)] = ∫ f(t − a) u(t − a) e−pt dt = ∫ f(t − a) e−pt dt

0 a
Posons x = t - a → dx = dt
+∞ +∞
𝒯ℒ[f(x)] = ∫ f(x) e−p(x+a) du = e−pa ∫ f(x) e−px dx = e−pa F(p)

0 0
finalement
f(t − a) ⇋ e−pa F(p) a > 0 (II.98)
➢ Translation dans le domaine fréquentiel
La translation dans le domaine fréquentiel correspond à une multiplication par une

exponentielle dans le domaine temporel.
+∞ +∞
𝒯ℒ[ebt s(t)] = ∫ ebt s(t) e−pt dt = ∫ s(t) e−(p−b)t dt = S(p − b)

0 −∞

soit
ebt s(t) ↔ S(p − b) (II.99)
➢ Dérivation
ds(t)
Cherchons la transformée de Laplace de la dérivée .
dt
+∞
ds(t) ds(t) −pt
𝒯ℒ [ ]=∫ e dt
dt dt
0
Utilisons une intégration par partie. Soit :

df(t)
u(t) = e−pt et dv(t) =
dt
par suite :
+∞
ds(t)
𝒯ℒ [ ] = [s(t)e−pt ]+∞
0 + ∫ s ( t) p e
−pt
dt = −s(0) + pS(p)
dt
0
finalement
ds(t)
↔ pS(p) − s(0) (II.100)
dt
Dériver par rapport au temps dans le domaine temporel revient alors à multiplier par p dans le
domaine complexe.
Cherchons la transformée de Laplace de la dérivée seconde :
d2 s(t) d ds(t)
𝒯ℒ [ ] = 𝒯ℒ [ { }]
dt 2 dt dt
En utilisant deux fois la relation (II.100), on peut écrire :

d 2 s ( t) d ds(t) ds(t) ds(0) ds(0)
𝒯ℒ [ ] = 𝒯ℒ [ { }] = p 𝒯ℒ [ ] − = p [ pS( p ) − s ( 0 )] −
dt 2 dt dt dt dt dt
D’où enfin :
d2 s(t) 2 ( )
ds(0) (II.101)
↔ p S p − ps( 0 ) −
dt 2 dt
D’une manière générale, on a :
n−1
d n s ( t)
↔ pn S(p) − ∑ pn−1−k s (k) (0) (II.102)
dt n
k=0

avec
dk s(0)
s(k) (0) =
dt k
➢ Intégration
La transformée de Laplace de l’intégrale est :

t +∞ t
𝒯ℒ [∫ s(u) du] = ∫ [∫ s(u) du] e−pt dt

0 0 0
Utilisons une intégration par partie. Soit :

t
u(t) = ∫ s(u) du et dv(t) = e−pt

0
par suite
t t +∞ +∞
1 1 −pt 1
𝒯ℒ [∫ s(u) du] = [− e−pt ∫ s(u) du] + ∫ s(t) e dt = S(p)
p p p
0 0 0 0
d’où enfin
t
1
∫ s(u)du ↔ S(p) (II.103)
p
0
Intégrer dans le domaine temporel revient alors à diviser par p dans le domaine complexe.
➢ Multiplication de s(t) par tn
On va chercher tout d’abord, la transformée de Laplace de ts(t).

Soit,
+∞
𝒯ℒ[s(t)] = S(p) = ∫ s(t) e−pt dt

0
Après avoir dérivé S(p), on trouve :

+∞ +∞ +∞
dS(p) d −pt
de−pt
= [∫ s(t) e dt] = ∫ s(t) dt = − ∫ t s(t) e−pt dt = −𝒯ℒ [t s(t)]
dp dp dp
0 0 0
Finalement
dS(p)
t s(t) ↔ − (II.104)
dp
on a :

+∞
dS(p)
= − ∫ t s(t) e−pt dt
dp
0
Cherchons la dérivée seconde de S(p) :

+∞ +∞
d2 S( p)
= ∫ (−t)2 s(t) e−pt dt = ∫ (−1)2 t 2 s(t) e−pt dt = 𝒯ℒ [(−1)2 t 2 s(t)]
dp2
0 0
D’où
2
d2 S(p)
t s(t) ↔ (−1 )2
dp2 (II.105)
D’une manière générale, on a :

dn S(p) (II.106)
t n s(t) ↔ (−1)n
dpn
➢ Signal périodique
Soit s(t) un signal périodique de période T représenté sur la figure (II.69). Il peut être considéré
comme une somme de signaux définis chacun sur une période :
s(t)
s 1 (t) s 2 (t) s 3 (t) s 4 (t) s 5 (t)
0
0 T 2T 3T 4T
t
Fig II.69. Signal périodique
s1(t) = s(t)
s2(t) = s1(t - T)
s3(t) = s1(t - 2T) …
On peut écrire s(t) sous la forme :
s(t) = s1(t) + s2(t) + s3(t) + … = s1(t) + s1(t - T) + s2(t - 2T) + …
Calculons la transformée de Laplace en utilisant la propriété de la linéarité, la relation (II.96) et
la propriété de la translation décrite par la relation (II.98) :
S(p) = S1(p) + S2(p) + S3(p) + … = S1(p) + e-pT S1(p) + e-2pT S1(p) + …
1
= S1 (p)[1 + e−pT + e−2pT + ⋯ ] = S1 (p)
1 − e−pt

car
1
1 + x + x2 + ⋯ =
1−x
d’où
1
s(t) ↔ S1 (p) (II.107)
1 − e−pt
Exercice 19 :
Calculer la transformée de Laplace des signaux de la figure (II.70).
1 1
x(t)
s(t)
0
0 -1
0 tau 0 tau 2tau
t t
Fig II.70. Signaux de l’exercice 19
Solution :
1) On peut écrire le signal rectangulaire comme une somme de deux échelons dont l’un est
négatif et retardé de τ (Fig II.71) :
s(t) = u(t) – u(t – τ)
1
0
-1
0 tau
Fig II.71. Echelon u(t) en vert et échelon retardé -u(t – τ) en rouge
La transformée de Laplace du signal rectangulaire est :

𝒯ℒ[s(t)] = 𝒯ℒ[u(t) − u(t − τ)]
La propriété de linéarité (II.96) nous permet d’écrire :
𝒯ℒ[s(t)] = 𝒯ℒ[u(t)] − 𝒯ℒ [u(t − τ)]
Par application simultané des relations (II.92) qui nous donne la transformée de Laplace de
l’échelon et (II.98) qui exprime la propriété de la translation, on peut écrire :
1 1 −pτ
𝒯ℒ[s(t)] = 𝒯ℒ[u(t)] − 𝒯ℒ [u(t − τ)] = − e
p p
d’où enfin

1 − e−pτ
𝒯ℒ [s(t)] =
p
2) Le signal x(t) est la somme de deux rectangles, s(t) et s(t) translaté de τ :
x(t) = s(t) − s(t − τ)
Le même raisonnement que précédemment, nous donne :
1 − e−pτ 1 − e−pτ −pτ
𝒯ℒ[x(t)] = 𝒯ℒ [s(t)] − 𝒯ℒ[s(t − τ)] = − e
p p
Finalement
[1 − e−pτ ]2
𝒯ℒ[x(t)] =
p
➢ Théorèmes des valeurs initiales et finales
Les théorèmes de la valeur initiale et de la valeur finale précisent le comportement de s(t) au

voisinage de zéro et de l’infini respectivement, à partir de sa transformée de Laplace, sans
calculer la transformée de Laplace inverse.
❑ Valeur initiale : point de départ

(II.108)
s(0) = lim+ s(t) = lim pS(p)
t→0 p→∞
Le théorème n’est applicable que si le degré du numérateur de S(p) est inférieur au degré de
son dénominateur, la fonction s(t) ne doit donc pas contenir d’impulsion.
❑ Valeur finale : point d’arrivée
s(∞) = lim s(t) = lim pS(p) (II.109)

t→∞ p→0
Le théorème de la valeur finale n’est applicable que si la partie réelle de la solution du

dénominateur de pS(p), appelée pôle, est négative.
Exercice 20 :
k −t
Trouver la valeur initiale et la valeur finale de ce signal : s(t) = τ e τ
-t/
s(t) = k/ e
k/tau
0 1
t
k −t
Fig II.72. Signal τ e τ

Solution :
La transformée de Laplace est :
k
S( p) =
1 + τp
pk k
s(0) = lim pS(p) = lim =
p→∞ p→∞ 1 + τp τ
pk
s(∞) = lim pS(p) = lim =0
p→0 p→0 1 + τp
On vérifie facilement sur la figure (II.72), les valeurs à l’origine et à l’infini du signal s(t).
Exercice 21 :
Trouver la valeur initiale de :
p+1
S( p) =
p+2
Solution :
p+1
s(0) = lim pS(p) = lim p = +∞
p→∞ p→∞ p+2
Le théorème de la valeur initiale n'est pas applicable dans ce cas parce que le degré du
numérateur de S (p) n’est pas inférieur au degré du dénominateur.
Cherchons la transformée de Laplace inverse de S(p) : Ecrivons S(p) sous la forme :
p+1 1
S(p) = =1−
p+2 p+2
p+1 1 1
s(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [ ] = 𝒯ℒ −1 [1 − ] = 𝒯ℒ −1 [1] − 𝒯ℒ −1 [ ]
p+2 p+2 p+2
En utilisant le tableau (II.3), on trouve à la fin :
s(t) = 𝒯ℒ −1 [S(p)] = δ(t) − e−2t u(t)
Le signal s(t) contient une impulsion, par conséquent le théorème des valeurs initiales n’est pas
applicable.
Exercice 22 :
Trouver la valeur finale de :
1 1 p
S1 (p) = ; S 2 (p) = 2 ; S3 (p) = 2
p−2 p p +1

Solution :
1
𝟏) S1 (p) =
p−2
Appliquons le théorème de la valeur finale (relation (II.109) :
p
s1 (∞) = lim s1 (t) = lim pS1 (p) = lim =0 ①
t→∞ p→0 p→0 p − 2
Cherchons l’expression de s1(t), transformée de Laplace inverse de S1(p), en utilisant le

tableau(II.3) et calculons sa valeur lorsque t tend vers l’infini.
1
s1 (t) = 𝒯ℒ −1 [S1 (p)] = 𝒯ℒ −1 [ ] = e2t
p−2
lim s1 (t) = lim e2t = ∞ ②

t→∞ t→∞
Les deux équations ① et ② sont différentes, le théorème de la valeur finale n’est pas applicable
car la fonction :
p
pS1 (p) =
p−2
admet un pôle p = 2 (solution du dénominateur p – 2 = 0) positif.
1
𝟐) S2 (p) =
p2
On ne peut pas appliquer le théorème de la valeur finale, car le dénominateur de la fonction
pS2(p) = 1/p a une racine à l’origine. En effet :
1
s2 (∞) = lim s2 (t) = lim pS2 (p) = lim =∞
t→∞ p→0 p→0 p
p
𝟑) S3 (p) =
p2 +1
Les pôles de la fonction pS3(p) sont purement imaginaires :
p2 + 1 = 0 et p = ±j
par suite, le théorème de la valeur finale n’est pas applicable.
En effet :
p2
s3 (∞) = lim s3 (t) = lim pS3 (p) = lim =0 ①
t→∞ p→0 p→0 p 2 + 1
D’un autre côté, on va déterminer la transformée de Laplace inverse s3(t) à partir de la table des
transformées de Laplace (tableau II.3) :
p
s3 (t) = 𝒯ℒ −1 [S3 (p)] = 𝒯ℒ −1 [ ] = cos (t)
p2 + 1
et lim s3 (t) n′ existepas ②

t→∞

II-3-5 Méthodes de calcul de la transformée inverse

En pratique, comme les transformées S(p) de la plupart des signaux usuels sont des fonctions
N(p)
rationnelles : c’est le rapport de deux polynômes en p : , il suffit de les décomposer en
D(p)
éléments simples et d’utiliser la propriété de linéarité de la transformée de Laplace, comme ça
on a une somme de termes plus simples pour lesquels la transformée de Laplace inverse est
connue.
De façon générale, il faut trouver la transformée de Laplace inverse d’une fonction qui a la
forme :
N(p) am pm + am−1 pm−1 + ⋯ + a0
S(p) = =
D(p) bn pn + bn−1 pn−1 + ⋯ + b0
Les racines de N(p) = 0, sont appelées les zéros zi .
Les racines de D(p) = 0, sont appelées les pôles pi .
L’élément de base de la méthode est :
1
𝒯ℒ[e−at ] = (II.110)
p+a
On peut représenter graphiquement ces pôles et zéros dans le plan complexe, le plan de p. Le
zéro est représenté sur la figure (II.73) par un cercle (o), et le pôle par une croix (x).
Plan de p
1.5
1
Imaginary Part
0.5
-0.5
-1
-1.5
-2 -1 0 1 2
Real Part
Fig II.73. Plan de p

Pôles et zéros avec Matlab

N(p) am pm + am−1 pm−1 + ⋯ + a0
S(p) = =
D(p) bn pn + bn−1 pn−1 + ⋯ + b0
%Il faut tout d’abord faire entrer les coefficients du polynôme. Il faut
saisir ces coefficients dans l’ordre décroissant.
num = [am am-1 … a0];
den = [bn bn-1 … b0];
%calculons les racines de ces deux polynômes
zeros = roots(num)
poles = roots(den)
%pour afficher les zéros et les pôles dans le plan complexe :
zplane(num,den)
1- Pôles simples
On suppose que le degré du numérateur est inférieur au degré du dénominateur
(d° [N(p)] < d° [D(p)]) et que les racines de D(p) = 0 sont simples. C’est le cas des systèmes
réels causaux.
On appelle pi, avec i =1, 2, …n, les pôles de S(p). La fonction S(p) peut s’écrire :
N(p) am pm + am−1 pm−1 + ⋯ + a0 am pm + am−1 pm−1 + ⋯ + a0
S(p) = = =
D(p) bn pn + bn−1 pn−1 + ⋯ + b0 (p − p1 )(p − p2 ) … (p − pn )
pi ≠ pj si i ≠ j
On peut décomposer S(p) en éléments simples en p de la façon suivante :

A1 A2 An
S(p) = + +⋯+
(p − p1 ) (p − p2 ) (p − pn )
Les coefficients Ai sont appelés les résidus de leurs pôles respectifs.
Pour trouver les coefficients Ai, on multiplie S(p) par (p – pi) et on le calcule au point p = pi :
Ai = [S(p). (p − pi )]p=pi avec i = 1, 2, …n (II.111)
La transformée de Laplace inverse est alors :

A1 A2 An
s(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [ + + ⋯+ ]
(p − p1 ) (p − p2 ) (p − pn )
La propriété de la linéarité nous permet d’écrire :
A1 A2 An
s(t) = 𝒯ℒ −1 [ ] + 𝒯ℒ −1 [ ] + ⋯ + 𝒯ℒ −1 [ ]
(p − p1 ) (p − p2 ) (p − pn )
En utilisant simultanément la propriété (II.95) et la relation (II.110), on trouve :
s(t) = [A1 ep1 t + A2 ep2 t + ⋯ + An epnt ]u(t) (II.112)

Exercice 23 :
Trouver la transformée de Laplace inverse de :
p
S(p) =
p2 − 3p + 2
Solution :
Les pôles sont :
p =1
p2 − 3p + 2 = 0 → { 1
p2 = 2
On peut écrire S(p) sous la forme :
p p A1 A2
S (p) = = = +
p2 − 3p + 2 (p − 1)(p − 2) (p − 1) (p − 2)
Pour calculer les résidus, il suffit d’appliquer la relation (II.111)
p p
A1 = [S(p). (p + 1)]p=1 = [ × ( p − 1)] =[ ] = −1
(p − 1)(p − 2) p=1
( p − 2 ) p=1
p p
A2 = [S(p). (p − 2)]p=2 = [ × ( p − 2)] =[ ] =2
(p − 1)(p − 2) p=2
(p − 1) p=2
Soit enfin :
1 2
S(p) = − +
(p − 1) ( p − 2)
La relation (II.112) nous permet d’écrire l’originale de S(p) :
s(t) = [−et + 2e2t ]u(t)
Décomposition en éléments simples avec Matlab

num = [1 0];
den = [1 -3 2];
%l'instruction suivante permet la décomposition en éléments simples :
[R,P,K] = residue(num,den)
R=
2
-1
P=
2
1
K=
[]
Il n'y a que des racines simples, le résultat est :

R(1) R(2) R(n) 2 1

S(p) = + +⋯+ + K(p) = −
p − P(1) p − P(2) p − P(n) p−2 p−1
2- Pôles doubles
La fonction S(p) possède maintenant des pôles doubles et on a toujours d° [N(p)] < d° [D(p)] :
N (p)
S(p) =
… (p − pi )2 …
S(p) peut être mis sous la forme :
Ai1 Ai2
S(p) = + +⋯
(p − pi ) (p − pi )2
Les coefficients s’obtiennent en utilisant les relations suivantes :
Ai2 = [S(p). (p − pi )2 ]p=pi (II.113)
d[S(p). (p − pi )2
Ai1 = [ ] (II.114)
dp p=p i

Ai1 Ai2
s(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [ + +⋯]
(p − p i ) (p − pi )2
Grâce à la propriété de la linéarité, on peut écrire :
Ai1 Ai2
s(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [ ] + 𝒯ℒ −1 [ ]+⋯
(p − pi ) (p − pi )2
En appliquant enfin la relation (II.93)
1
𝒯ℒ[e−at ] =
p+a
et la relation (II.104) :
dS(p)
𝒯ℒ[t s(t)] = −
dp
appliquée à s(t) = e-at qui devient :
1
𝒯ℒ(t e−at ) =
(p + a)2
on obtient :
s(t) = [Ai1 epi t + Ai2 t epi t ]u(t)
(II.115)
Exercice 24 :

3p
S(p) =
p2 + 4p + 4
Solution :
S(p) peut être mis sous la forme :
3p A1 A2
S (p) = 2
= +
(p + 2 ) p + 2 (p + 2)2
Les coefficients s’obtiennent en utilisant les relations suivantes :
A2 = [S(p). (p − pi )2 ]p=pi = 3p|p=−2 = −6
d[S(p). (p − pi )2 d
A1 = [ ] = [3p]p=−2 = 3
dp p=p
dp
i
Et on a :
3p 3 6
S (p) = = −
(p + 2 )2 p + 2 (p + 2)2
3 6
s(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [ − ]
p + 2 (p + 2)2
Grâce à la propriété de la linéarité, on peut écrire :
3 6
s(t) = 𝒯ℒ −1 [S(p)] = 𝒯ℒ −1 [ ] − 𝒯ℒ −1 [ ]
p+2 (p + 2)2
En appliquant enfin la relation (II.115), on obtient :
s(t) = 3e−2t − 6t e−2t ]u(t)
Solution avec Matlab
num = [3 0];
den = [1 4 4];
R =
3
-6
P =
-2
-2
K =
[]
On a des pôles doubles, d’où la solution :
R(1) R(2) 3 6
S(p) = + +⋯= −
p − P(1) (p − P(1))2 p + 2 (p + 2)2

3- Fraction rationnelle quelconque

C’est le cas où les pôles sont multiples mais d° [N(p)] > d° [D(p)]. Nous allons commencer par
la division du numérateur N(p) par le dénominateur D(p). Nous avons alors :
N(p) Q(p) D(p) + R(p) R(p)
S(p) = = = Q (p) +
D(p) D(p) D(p)
Q(p) est le quotient et R(p) est le reste.
R(p)
Pour la fonction , le d° [R(p)] < d° [D(p)], le calcul de la transformée de Laplace inverse
D(p)
se fait donc comme précédemment.
La fonction Q(p) est de la forme :
Q(p) = [q0 + q1 p + ⋯ + qk pk ]
On en déduit grâce à la relation (II.91) et aux propriétés (II.95) et de la dérivée (relation II.102) :
q(t) = q0 δ(t) + q1 δ′ (t)] + ⋯ + qk δ(k) (t)

La présence du polynôme Q(p) influence donc le comportement de s(t) autour de 0.
Exercice 25 :
p3 + 3p2 + 4p + 3
S(p) =
p2 + 2p + 1
Solution :
Après division :
p+2 p+2
S(p) = (p + 1 ) + = (p + 1) + = A(p) + B(p)
p2 + 2p + 1 (p + 1)2
La fonction B(p) a des pôles doubles et le degré de numérateur est inférieur au degré du
dénominateur, on a alors :
p+2 A1 A2
B ( p) = 2
= +
(p + 1) p + 1 (p + 1)2
p+2
A2 = [B(p). (p − pi )2 ]p=pi = [ . (p + 1)2 ] = [p + 2]p=−1 = 1
(p + 1)2 p=−1
d’où enfin :
p+2 1 1
S(p) = (p + 1) + 2
= (p + 1 ) + +
(p + 1) p + 1 (p + 1)2
et l’inversion est :

s(t) = δ′ (t) + δ(t) + [ e−t + te−t ]u(t)

num = [1 3 4 3];
den = [1 2 1];
%l'instruction deconv permet la division
[q,r] = deconv(num,den)
q =
1 1
r =
0 0 1 2
Le quotient est :
q = p + 1
Le reste est :
r = p + 2
d’où
p3 + 3p2 + 4p + 3 p+2
S(p) = = ( p + 1 ) +
p2 + 2p + 1 (p + 1)2
R =
1
1
P =
-1
-1
K =
1 1
finalement
R(1) R(2) 1 1
S(p) = + + K(p) = + + (p + 1)
p − P(1) (p − P(1))2 p + 1 (p + 1)2
II-3-6 Transformée de Laplace et transformée de Fourier
On considère s(t) avec sa transformée de Laplace S(p) et sa région de convergence ROC.

+∞
S(p) = ∫ s(t) e−pt dt p = σ + jω

0

+∞
S(σ + jω) = ∫ s(t) e−(σ+jω)t dt

−∞
Si l’axe jω = 2jπf est inclus dans la région de convergence, la transformée de Fourier est :
+∞
S(σ + jω)|σ=0 = S(f) = ∫ s(t) e−jωt dt = 𝒯ℱ [s(t)]

−∞
S(f) = S(p)|p=jω si l′ axe jω est dans la ROC de S(p). C'est le cas des signaux convergents.
S(f) n’existe pas si l’axe jω n’est pas dans la ROC de S(p) et n’est pas une borne de ROC. C’est
le cas des signaux divergents.
S(f) existe et comporte des Dirac si l’axe jω est une borne de ROC de S(p). Ce sont les
signaux oscillants (sin, cos) ou stagnants (échelon).
Exercice 26 :
On considère H(p) la transformée de Laplace suivante :
3p2 + 2p
H(p) =
(p2 + 2p + 2)(p − 1)
1) Trouvez les pôles et les zéros de H(p) et représentez-les dans le plan complexe.
2) En déduire toutes les régions de convergence possibles de H(p).
3) Donnez l'expression de h(t) transformée de Laplace inverse de H(p) pour chaque région de
convergence possible,
4) Donner la transformée de Fourier de h(t) si elle existe.
Solution :
1) Les pôles correspondent à la solution du dénominateur de H(p) :
(p2 + 2p + 2)(p − 1) = 0
H(p) présente alors trois pôles :
p1 = 1 ; p2 = -1 – i et p3 = -1 + i
Les zéros correspondent à la solution du numérateur de H(p) :
3p2 + 2p = 0
H(p) présente alors deux zéros :
2
z1 = 0 et z2 = −
3
La figure (II.74) représente les pôles et les zéros dans le plan complexe.

Imaginary Part
0.5
-0.5
-1
-1 -2/3 0 2/3 1
Real Part
Fig II.74. Plan complexe : x pôles o zéros
2) Les régions de convergence RDC sont délimitées par les droites parallèles à l’axe imaginaire
et passant par les pôles comme le montre la figure (II.75). On en déduit alors trois régions de
convergence :
ℛℯ (p) < −1 , − 1 < ℛℯ (p) < 1 et ℛℯ (p) > 1
ℐm(p) Droites délimitant les RDC
j
(seconds -1)
0 ℛℯ(p)
-j
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

-1
(seconds )
Fig II.75. Régions de convergence de H(p)
3) Pour trouver h(t) la transformée de Laplace inverse, il faut tout d’abord décomposer H(p) en
élément simple. On peut écrire H(p) sous la forme :
3p2 + 2p A1 A2 A3
H(p) = 2 = + +
(p + 2p + 2)(p − 1) ( p + 1 + i) ( p + 1 − i) ( p − 1 )
Pour calculer les résidus, il suffit d’appliquer la relation (II.111) et on trouve :

A1 = 1 A2 = 1 et A3 = 1
Soit enfin :
1 1 1
H(p) = + +
( p + 1 + i) ( p + 1 − i) ( p − 1 )

Cherchons la transformée de Laplace inverse selon les régions de convergence.

➢ ℛℯ (p) > 1
La région de convergence est le demi-plan à droite du pôle. Le signal est donc de droite. Le
tableau (II.3) nous permet d’écrire la transformée de Laplace inverse h(t) de H(p) :
h(t) = [e−(1+i)t + e−(1−i)t + et ]u(t) = [e−t e−it + e−t e+it + et ]u(t)
Soit
h(t) = [2e−t cos t + et ] u(t)
➢ ℛℯ (p) < −1
La région de convergence est le demi-plan à gauche du pôle. Le signal est donc de gauche. Le
même raisonnement que précédemment nous conduit à :
h(t) = [−e−(1+i)t − e−(1−i)t − et ]u(−t) = −[e−t e−it + e−t e+it + et ]u(−t)
Soit
h(t) = −[2e−t cos t + et ] u(−t)
➢ −1 < ℛℯ (p) < 1
La région de convergence est une bande verticale. Le signal est non borné, c’est la somme d’un
signal de droite, ℛℯ(p) > -1, d’où la transformée de Laplace inverse h1(t) est :
h1 (t) = e−(1+i)t u(t) + e−(1−i)t u(t)

et d’un signal de gauche, ℛℯ(p) < 1 et sa transformée de Laplace inverse est :
h2 (t) = −et u(−t)
Soit finalement
h(t) = h1 (t) + h2 (t) = 2e−t (cos t) u(t) − et u(−t)
4) D’après la figure (II.75), l’axe jω est inclus dans la région de convergence, -1 < ℛℯ(p) < 1
par conséquent, la transformée de Fourier existe et elle se déduit de la transformée de Laplace
en posant p = jω :
−12𝜋2 f2 + 4jπf
H(f) = H(p)|p=jω = 2
(−4𝜋2 f + 4jπf + 2) (2jπf − 1)
Pour les deux autres cas, ℛℯ(p) < -1 et ℛℯ(p) > 1, l’axe jω ne se trouve pas dans la région de
convergence et la transformée de Fourier n’existe pas.
II-4 CONVOLUTION
II-4-1 Définition
La réponse impulsionnelle est la réponse à une impulsion de Dirac.

δ(t) Système linéaire h(t)
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) ?
e(t) h(t) 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 :
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ (II.116)

−∞
En pratique le produit de convolution est obtenu en respectant les étapes suivantes :

1° une inversion d’un des signaux autour de l’origine de l’axe des temps : h(τ) → h(−τ).
2° une translation de h(-τ) d’une distance t : h(−τ) → h(t − τ).
3° une multiplication des deux signaux point par point : e(τ). h(t − τ).
4° une intégration de ce produit.
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)]
➢ Convolution par Dirac δ(t)

+∞ +∞
e(t) ∗ δ(t) = δ(t) ∗ e(t) = ∫ δ(τ) e(t − τ)dτ = ∫ e(τ) δ(t − τ)dτ
−∞ −∞
+∞ +∞
= ∫ e(t) δ(t − τ)dτ = e(t) ∫ δ(t − τ)dτ = e(t)

−∞ −∞

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.76).
rect(t / 2 T)  (t) rect(t / 2 T)
1 1 1
0.5 ∗ 0.5 = 0.5
0 0 0
-1 -T 0 T 1 -0.5 0 0.5 -1 -T 0 T 1
t t t
Fig II.76. Convolution par Dirac
En conséquence,
e(t) ∗ k δ(t) = k e(t) Amplificateur – atténuateur
➢ Convolution par Dirac décalé 𝛅(𝐭 − 𝐭 𝟎 )

+∞
e(t) ∗ δ(t − t 0 ) = δ(t − t 0 ) ∗ e(t) = ∫ δ(τ− t 0 ) e(t − τ) dτ = e(t − t 0 )

−∞
La convolution d’un signal par un Dirac décalé translate le signal (Fig II.77).
rect(t/2T)  (t - t0)
rect[(t - t0) / 2T)]
1 1 1
0.5 ∗ 0.5 = 0.5
0 0
-T 0 T 0 t0 0
0 t0
Fig II.77. Convolution par Dirac décalé
➢ Convolution par un peigne de Dirac

+∞ +∞ +∞
e(t) ∗ δTe (t) = e(t) ∗ ∑ δ(t− nTe ) = ∑ e(t) ∗ δ(t− nTe ) = ∑ e(t− nTe )
n=−∞ n=−∞ n=−∞
Chaque terme de cette somme représente le signal e(t) translaté de nTe .

La figure (II.78) montre que convoluer un signal e(t) par un peigne de Dirac revient à périodiser
le signal e(t) à la période Te .
➢ Convolution et transformée de Fourier
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) :

e(t)
0
t
∗
1
 Te(t)
-4Te -3Te -2Te -Te 0 Te 2Te 3Te 4Te

t
=
1
s(t) * Te(t)
0
-3Te -2Te -Te 0 Te 2Te 3Te
t
Fig II.78. Convolution par peigne de Dirac
+∞ +∞
𝒯ℱ [e(t) ∗ h(t)] = ∫ [ ∫ e(τ) h(t − τ)dτ] e−2jπft dt

−∞ −∞
+∞ +∞
= ∫ e(τ) [ ∫ h(t − τ) e−2jπft dt] dτ

−∞ −∞
Posons t – τ = u, t=u+τ
+∞ +∞ +∞ +∞
= ∫ e(τ) [ ∫ h(u) e−2jπf(u+τ) du] dτ = ∫ e(τ) e−2jπfτ) dτ [ ∫ h(u) e−2jπfu du]

−∞ −∞ −∞ −∞
= 𝒯ℱ [e(t)] × 𝒯ℱ[h(t)] = E(f) × H(f)

La transformée de Fourier du produit de convolution des deux signaux est égale au produit des
transformée de Fourier de ces deux signaux. C’est le théorème de Plancherel.
Inversement, la transformée de Fourier d’un produit de deux signaux est égale au produit de
convolution des transformée de Fourier de ces deux signaux.
En conclusion,
𝒯ℱ
e(t) ∗ h(t) → E(f) × H(f)
e(t) × h(t) 𝒯ℱ
→ E(f) ∗ H(f)

➢ Convolution et transformée de Laplace
Soient e(t) et h(t) deux signaux causaux. Leur produit de convolution est :
+∞
e(t) ∗ h(t) = ∫ e(τ) h(t − τ)dτ

0
Calculons la transformée de Laplace du produit de convolution e(t) ∗ h(t) :

+∞ +∞ +∞ +∞
𝒯ℒ[e(t) ∗ h(t)] = ∫ [∫ e(τ) h(t − τ)dτ] e−pt dt = ∫ e(τ) [∫ h(t − τ) e−pt dt] dτ
0 0 0 0
Posons t – τ = u, t=u+τ
+∞ +∞ +∞ +∞
= ∫ e(τ) [ ∫ h(u) e−p(u+τ) du] dτ = ∫ e(τ) e−pτ dτ [ ∫ h(u) e−pu du]

0 −τ 0 −τ
= 𝒯ℒ[e(t)] × TL[h(t)] = E(p) × H(p)
𝒯ℒ
e(t) ∗ h(t) → E(p) × H(p)
La transformée de Laplace transforme un produit de convolution en un produit simple.
Exercice 27 : Calculer le produit de convolution de e(t) = rect(t) et h(t) = rect(t).
Solution :
Le produit de convolution est donné par :
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ

−∞
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.79a), on inverse h(τ) autour de l’origine de l’axe des
temps (Fig II.79b) :
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.79. (a) signal rect(τ), (b) signal rect(-τ)
2ème étape : on translation h(-τ) d’une distance t (Fig II.80) :

h(−τ) → h(t − τ).
1 e()
h(t - )
0.5
0
t - 0.5 t + 0.5 -0,5 0 0,5
Fig II.80. Signal h(-τ) translaté
3ème étape : une multiplication des deux signaux point par point :
e(τ). h(t − τ)
Dans le cas de la figure (II.80), 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.80) les deux rectangles ne
se touchent pas et :
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = 0

−∞
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.81). 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
Fig II.81. Translation t = -1
L’intégrale vaut :

+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = 0 pour toute translation t < −1

−∞
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.82) montre l’aire qui se trouve sous la courbe
e(τ).h(t - τ). Le produit de convolution est égal à :
+∞ t+0,5
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = ∫ dτ = 1 + t

−∞ −0,5
1 e()
h(t - )
0.5
0
t - 0.5 -0,5 0 0,5
Fig II.82. Chevauchement des deux rectangles
Si on continue la translation, le produit e(τ).h(t - τ) a un support de plus en plus grand. Il atteint

son maximum lorsque les deux rectangles se coïncident parfaitement (Fig II.83), ce qui
correspond à une translation de : t – 0.5 = -0.5 et t = 0.
1 e()
h(t - )
0.5
0
-0,5 0 0,5
Fig II.83. Translation t = 0
Le produit de convolution vaut :

s(t) = e(t) ∗ h(t) = 1 + t pour toute translation − 1 < t < 0
Le produit e(τ).h(t - τ) voit son support diminuer, si h(t - τ) poursuit sa translation (Fig II.84)
1 e()
h(t - )
0.5
X: -4
Y: 0
0
-0.5 0 0.5
Fig II.84. Support du produit
Le produit de convolution devient :

+∞ 0,5
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = ∫ dτ = 1 − t

−∞ t−0,5
1 e()
h(t - )
0.5
0
-0,5 0 0,5 t + 0.5
Fig II.85. Translation t = 1
La figure (II.85) montre que la surface commune entre les deux rectangles est nulle. Le produit
de convolution est alors :
s(t) = e(t) ∗ h(t) = 1 − t pour toute translation 0 < t < 1

Pour toute translation t > 1, les deux rectangles n’ont aucune surface en commun (Fig II.86) et
le produit de convolution est nul.
+∞
s(t) = e(t) ∗ h(t) = ∫ e(τ)h(t − τ)dτ = 0 pour toute translation t > 1

−∞
1 e()
h(t - )
0.5
0
-0,5 0 0,5 t + 0.5
Fig II.86. Translation t > 1
Finalement, l’expression du produit de convolution :

0 si t < −1 ou t > 1
s(t) = e(t) ∗ h(t) = rect(t) ∗ rect(t) = {1 + t si − 1 < t < 0 = tri(t)
1−t si 0 < t < 1
est représenté sur la figure (II.87).
1 1 1
=
e(t)
h(t)
0.5 * 0.5 0.5
0 0 0
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -1 0 1
t t t
Fig II.87. Convolution rect(t) * rect(t)
𝐭−𝟓 𝐭−𝟐
Exercice 28 : 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
Solution : 𝐞(𝐭) ∗ 𝐡(𝐭) = {
𝟐(𝟏𝟎 − 𝐭) 𝐬𝐢 𝟖 < 𝐭 ≤ 𝟏𝟎
𝟎 𝐚𝐢𝐥𝐥𝐞𝐮𝐫𝐬
e(t)
1
0
0 2 4 6 8 10 12
t
2
h(t)
0
0 2 4 6 8 10 12
t
convolution
4
c(t)=e(t)*h(t)
0
0 2 4 6 8 10 12
t
Fig II.88. Convolution e(t) * h(t) de l’exercice 28

%Création des signaux rectangulaires
Te = 0.01; % Le pas ou période d'échantillonnage
t = 0:0.01:20; % Axe des temps
e = 2*rectpuls(t-5,2); % Signal rectangulaire de centre 5, de largeur 2 et
d’amplitude 2
h = rectpuls(t-2,4); % Signal rectangulaire de centre 2, de largeur 4 et
d’amplitude 1
% Calcul du produit de convolution
c = Te*conv(e,h);
%Représentation des signaux rectangulaires
subplot(3,1,1)
plot(t,e,'linewidth',2);grid;axis([0 12 0 3]);
xlabel('t');ylabel('e(t)');
subplot(3,1,2)
plot(t,h,'g','linewidth',2);grid;axis([0 12 0 2]);
xlabel('t');ylabel('h(t)');
% Représentation du produit de convolution
subplot(3,1,3)
plot(t,c(1:length(t)),'r','linewidth',2); %on tronque le vecteur c par
l’expression c(1:length(t)) pour que tous les vecteurs aient même longueur
grid;axis([0 12 0 4.5]);
xlabel('t');ylabel('c(t)=e(t)*h(t)');title('convolution');

II-5 CORRELATION
La corrélation permet de comparer des signaux entre eux et de déterminer le degré de

ressemblance.
II-5-1 Intercorrélation
1- Signaux à énergie finie
On définit l’intercorrélation de deux signaux à énergie finie x(t) et y(t) par :

+∞
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt

−∞
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 :
+∞
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt

−∞
Posons θ = t – τ
+∞
Cxy (τ) = ∫ x(θ + τ) y ∗ (θ) dθ = Cyx (−τ)

−∞
2- Signaux à puissance moyenne finie
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
Dans le cas des signaux périodiques, la fonction devient :

T
+
2
1
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt
T
T
−
2
Propriété
∗
Cxy (τ) = Cyx (−τ)
II-5-2 Autocorrélation
L’autocorrélation permet d’étudier la ressemblance d’un signal avec lui-même.
1- Signaux à énergie finie
On définit l’autocorrélation par :

+∞
Cxx (τ) = ∫ x(t) x ∗ (t − τ) dt

−∞
Propriétés
∗
▪ Cxx (τ) = Cxx (−τ)
∗
▪ τ = 0, Cxx (0) = Cxx (0), donc Cxx (0) ∈ ℝ
+∞ +∞
Cxx (0) = ∫ x(t) x t) dt = ∫ |x(t)|2 dt = E > 0

∗(
−∞ −∞
La fonction d’autocorrélation en τ = 0 représente l’énergie.
▪ 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 :

|Cxx (τ)| < Cxx (0)

1
▪ |Cxy (τ)| < 2 [Cxx (0) + Cxy (0)]
2- Signaux à puissance moyenne finie
On définit la fonction d’autocorrélation sur un intervalle T par :

T
+
2
1
Cxx (τ) = lim ∫ x(t) x ∗ (t − τ) dt
T→∞ T
T
−
2
Dans le cas des signaux périodiques, la fonction devient :

T
+
2
1
Cxx (τ) = ∫ x(t) x ∗ (t − τ) dt
T
T
−
2
Si x(t) est périodique, Cxx (τ) est périodique de même période.

T
+
2
1
Cxx (0) = ∫ x(t) x ∗ (t) dt = P
T
T
−
2
C’est la puissance moyenne du signal x(t).
II-5-3 Applications
1- Intercorrélation
L’intercorrélation permet de mesurer un décalage en temps.

Soit y(t) = x(t − τ0 )
La fonction d’intercorrélation des signaux y(t) et x(t) est :
+∞ +∞
Cyx (τ) = ∫ y(t) x ∗ (t − τ) dt = ∫ x(t − τ0 ) x ∗ (t − τ) dt

−∞ −∞
posons u = t − τ0
+∞
Cyx (τ) = ∫ x(u)x ∗ (u + τ0 − τ)dt = Cxx (τ − τ0 )

−∞
Cyx (τ0 ) = Cxx (0)

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.
Exemple 9 : Comparons les signaux suivants :

x(t) = sin(2π(t – 5)) e-0.9|t – 5|, et y(t) = sin(2π(t + 7)) e-0.9|t + 7|
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.89c 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.89a 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
 
Fig II.89. (a) signal x(t), (b) signal y(t),

(c) Intercorrélation Cyx(τ) et (d) l’autocorrélation Cxx(τ)
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.
L’autocorrélation permet d’extraire un signal s(t) dans un bruit b(t).
On considère un signal périodique s(t) noyé dans un bruit blanc b(t) (Fig II.90).

x(t) = s(t) + b(t)

Cherchons son autocorrélation :
Cxx (τ) = Cs+b (τ) = Css (τ) + Csb (τ) + Cbs (τ) + Cbb (τ)
Le bruit et le signal sont indépendants, d’où :
Csb (τ) = Cbs (τ) = 0
et la fonction d’autocorrélation devient :
Cs+b (τ) = Css (τ) + Cbb (τ)
La figure (II.90e) montre que la fonction de corrélation d’un bruit blanc est une impulsion de
Dirac.
Cbb(τ) = σ2 δ(t)
Avec σ2 la variance du signal aléatoire, c’est également la puissance du signal aléatoire.
signal s(t) non bruité bruit blanc signal s(t) bruité

40 40
2 (a) (b) (c)
1 20 s(t) + b(t) 20
s(t)
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
-0.01 0 0.01 -0.01 0 0.01 -0.01 0 0.01

  
Fig II.90. (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)
La figure (II.90f) montre que la fonction d’autocorrélation permet d’obtenir la période du signal
s(t) et d’estimer les deux puissances, du signal et du bruit, et d’en déduire la valeur du rapport
signal sur bruit.
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
dB
VeffS = VeffN.
Intercorrélion avec Matlab

%Comparons e(t) = sin(2πt) et h(t) = cos(2πt)
Te = 0.01 ; %Le pas ou période d’échantillonnage
t = -1:Te:1;
e = sin(2*pi*t);
subplot(3,1,1)
plot(t,e,'linewidth',2);grid;
xlabel('t en s');ylabel('e(t)');title('e(t) = sin(2\pit)');
h = cos(2*pi*t);
subplot(3,1,2)
plot(t,h,'r','linewidth',2);grid;
xlabel('t en s');ylabel('h(t)');;title('e(t) = cos(2\pit)')
%Calcul de la fonction d'intercorrélation
[c,tau] = xcorr(e,h) %c est l'intercorrélation, tau est le décalage en nombre
d'échantillons entre les deux signaux.
%calcul de décalage tau correspondant au maximum de la fonction
d’intercorrélation
[c1,max] = max(c);
tau(max)*Te %le décalage en seconde
%Représentation de la fonction d'intercorrélation
subplot(3,1,3)
plot(tau,c,'g','linewidth',2);grid ;
xlabel('tau');ylabel('c(tau)');title('intercorrélation')
II-5-4 Relation entre convolution et corrélation
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 :
+∞ +∞
Cxy (τ) = ∫ x(t) y ∗ (t − τ) dt = ∫ x(t) y ∗ [−(τ − t)] dt = x(τ) ∗ y ∗ (−τ)

−∞ −∞
Cxy (τ) = x(τ) ∗ y ∗ (−τ)
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.
II-5-5 Densité interspectrale et spectrale d’énergie

1- Densité interspectrale d’énergie
On appelle la densité interspectrale d’énergie pour un signal à énergie finie, la transformée de

Fourier de sa fonction d’intercorrélation :
+∞
Sxy (f) = TF [Cxy (τ)] = ∫ Cxy (τ) e−2jπfτ dτ = TF [x(τ) ∗ y ∗ (−τ)] = X(f). Y ∗ (f)
−∞
∗
Sxy (f) = Syx (f)
La densité interspectrale d’énergie est une fonction complexe et non symétrique.
2- Densité spectrale d’énergie
On appelle la densité spectrale d’énergie pour un signal à énergie finie, la transformée de

Fourier de sa fonction d’autocorrélation :
+∞
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 :
+∞ +∞ +∞
∫ Sxx (f) df = ∫ |X(f)|2 df = ∫ |x(t)|2 dt = Ex

−∞ −∞ −∞

II-5-6 Densité interspectrale et spectrale de puissance

1- Densité interspectrale de puissance
On appelle la densité interspectrale de puissance pour un signal à puissance moyenne finie, la

transformée de Fourier de sa fonction d’intercorrélation :
+∞
Sxy (f) = TF [Cxy (τ)] = ∫ Cxy (τ) e−2jπfτ dτ

−∞
2- Densité spectrale de puissance
On appelle la densité spectrale de puissance pour un signal à puissance moyenne finie, la

transformée de Fourier de sa fonction d’autocorrélation :
+∞
Sx𝑥 (f) = TF [Cx𝑥 (τ)] = ∫ Cx𝑥 (τ) e−2jπfτ dτ

−∞
Exemple 10 : calculer la densité spectrale de puissance du signal s(t) = u(t)

La transformée de Fourier de l’échelon est donnée par la relation (II.77) :
1 δ(f)
TF[u(t)] = S(f) = +
2jπf 2
La fonction d’autocorrélation est :
T T
2 2
1 1
Css (τ) = lim ∫ u(t)u∗ (t − τ) dt = lim ∫ dt
T→∞ T T→∞ T
T τ
−
2
Fig II.91. Echelons
Pour τ > 0 (Fig II.91), on a :

1 T 1
Css (τ) = lim [ − τ] =
T→∞ T 2 2
La fonction d’autocorrélation d’un signal réel est paire, on a donc :

1
Css (τ) = 2 pour tout τ.
La densité spectrale de puissance est :

1 δ(f)
Sss (f) = TF[Css (τ)] = TF [ ] =
2 2
finalement
δ(f)
Sss (f) =
2

chapitreII de Tds

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

chapitreII de Tds

Transféré par

Droits d'auteur :

Formats disponibles

CHAPITRE II

SIGNAUX A TEMPS CONTINUS

II-1 SIGNAUX PERIODIQUES - SERIE DE FOURIER

s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)] (II.1)

La fonction hn(t) = an cos(nω0 t) + bn sin(nω0 t) s’appelle l’harmonique d’ordre n du signal.

Cherchons les coefficients de Fourier an et bn :

Posons u = -t, d’où du = -dt et les coefficients bn deviennent :

Puisque le signal est pair, s(u) = s(-u), et

En inversant les bornes de la première intégrale, on obtient :

Traitement du signal 78 HAMDOUNE

Les coefficients de Fourier an :

Posons : t = -u, soit dt = -du et les coefficients an deviennent :

Puisque le signal est pair, s(u) = s(-u), et

Si on inverse les bornes de la première intégrale, on aura :

Calculons la valeur moyenne :

Posons : t = -u, soit dt = -du

Traitement du signal 79 HAMDOUNE

s(t) = S0 + ∑ [an cos(nω0 t)] (II.7)

➢ Signal impair ; s(t) = -s(-t)

s(t) = ∑ [ bn sin(nω0 t)] (II.8)

Les coefficients de Fourier bn deviennent alors :

Un signal périodique possède la symétrie demi-onde si :

Traitement du signal 80 HAMDOUNE

Fig II.1. Symétrie demi-onde

-3T/ -T -T/2 0 T/2 T 3T/2

Un signal à symétrie demi-onde ne possède pas d’harmoniques de rang pair. En effet :

Traitement du signal 81 HAMDOUNE

Traitement du signal 82 HAMDOUNE

La série de Fourier s’écrira :

s(t) = ∑ [an cos(nω0 t) + bn sin(nω0 t)] (II.12)

Si on translate l’origine t = 0, du signal de la figure (II.3a) de ±T/4 le signal devient impair,

Traitement du signal 83 HAMDOUNE

et dans le cas d’un signal impair :

Traitement du signal 84 HAMDOUNE

Traitement du signal 85 HAMDOUNE

On obtient à la fin, la série de Fourier suivante :

1ère harmonique 2ème harmonique

0 T/2 T 0 T/3 T/2 2T3 T

0 T/7 2T/7 3T/7 4T/7 5T/7 6T/7 T

Fig II.5. Evolution temporelle des harmoniques

Traitement du signal 86 HAMDOUNE

1 harmonique 2 harmoniques 4 harmoniques

Fig II.6. Reconstruction du signal à partir de ses harmoniques

Fig II.7. Phénomène de Gibbs

Cette représentation, malheureusement, n’a aucun intérêt en traitement du signal. Si on translate

Calculons la puissance du signal :

Traitement du signal 87 HAMDOUNE

s(t - τ) = S0 + ∑ [an cos(nω0 (t - τ)) + bn sin(nω0 (t - τ))]

= S0 + ∑ [a′n cos(nω0 t) + b′n sin(nω0 t)]

a′n = an cos(nω0 τ) + bn sin(nω0 τ)

b′n = an sin(nω0 τ) + bn cos(nω0 τ)

II-1-2 Série de Fourier en cosinus

An : l’amplitude de l’harmonique d’ordre n.

s(t) = S0 + ∑ [an cos(nω0 t) + bn sin(nω0 t)] = S0 + ∑ An cos(nω0 t + φn ) ①

Traitement du signal 88 HAMDOUNE

s(t) = S0 + ∑[An cos(nω0 t) cos(φn ) - An sin(nω0 t) sin(φn )] ②

En comparant les relations ① et ②, on tire alors :

s(t) = S0 + ∑ An cos(nω0 t + φn ) = ∑ An cos(nω0 t + φn ) (II.19)

s(t - τ) = ∑[An cos{nω0 (t - τ)+ φn }] = ∑ [An cos(nω0 t + φ′n )]

Traitement du signal 89 HAMDOUNE

Fig II.8. Spectre unilatéral

Fig II.9. Spectre unilatéral

Traitement du signal 90 HAMDOUNE