Académique Documents
Professionnel Documents
Culture Documents
1
a) Exemple de signal continu analogique b) Exemple de signal discret quantifié
2
Applications, motivations de l’analyse spectrale:
En traçant son spectre X(f) ou le spectrogramme qui englobe : Amplitude (couleurs), temps, freq
Ampl, freq
3
Application: Analyse vibratoire
Chaque défaut peut être localisé sur le spectre par une fréquence
4
Signal non stationnaire conteant 3 fréquences et son spectrogramme
5
Partie 1 :La transformée de Fourier des signaux continus et ses propriétés
a) Représentation vectorielle des signaux
a.1) Espace vectoriel des signaux
Tout signal x( t ) se décompose dans une base constituée des signaux k ( t ) avec
x( t ) =
akk ( t ).
Remarque: La base k est orthonormée si et seulement si pour tout k, la norme k est égale à 1 et les produit scalaire <
k , m > = 0 si m k
La norme de k ( t ) est égale à k (t ), k (t ) =
k (t ). k * (t )dt
Te T1dt
2
k (t ) = < k ( t ), *k ( t ) > = 1 T
.e
T
dt = 1 = 1 ( T T ) = 1.
T T T 2 2
2 2
Pour m k ,
T T
2
2 i t ( k m ) 2iT 2 2
< k ( t ), ( t ) > =
m e T dt = 1
T 2 ( k m )i sin(
T
t ( k m )) T =0
T
2
2
T
1 i 2T tk 2 i 2 tk
On a donc : x( t ) = ak
k T
e avec a k = x(t), k (t) =
T x(t) 1 e
T
T
dt
2
T
ak
2 i 2 kt
= 1
T
T
On note : X k les coefficients de la série de Fourier : Xk = x(t)e dt
T T
2
2
i kt
Donc x( t ) est décomposée en série de Fourier avec x(t) = X
k
e T .
k
X 0 est la valeur moyenne
i 2 t i 2 t
Pour k = 1 , -1, on trouve le premier harmonique x f (t ) X 1e T
X 1e T
On montre que : x( t )= X 0 +
k 1
a k cos( 2 kt)
T
k 1
bk sin( 2 tk)
T
Tout signal périodique de période T=1/f peut être décomposé en une valeur moyenne X0 et une infinité
d’harmoniques : de cos et sin d’amplitudes variables ak et bk et de fréquences multiples de sa fréquence
fondamentale f : 2f, 3f , 4f, 5f,
Si x(t) est pair, bk=0 et aussi si x(t) est impair, alors ak=0
X0 = Valeur moyenne de x(t)
T T
2 2
avec a k = 2
T T x(t) cos( 2T tk)dt et bk = 2
T T x(t) sin( 2T tk)dt , avec k>0 a0 X 0
2 2
k
x(t) rectT2 (t k.T) .
k
Avec rect 2a(x) 1 si
0
a x a
sinon
7
Solution: Calculer les coef de la série de Fourier Xk:
T T
2
1 4
i kt 1 Ti i 2T k t 4 i i 2 k
i k 1 k
Xk:=
T e T
dt =
T 2 k
e =
2 k
e e 2 = sin c ( )
T T 2 2
4 4
1
si k 0
sin( x ) 1 k 2
avec sinc(x)= sinus cardinal de x Donc Xk= sin c ( ) 0 si k paire
x 2 2
(1) si k impaire
p
(2 p 1)
On peut montrer avec un changement de variable que
2
1 (1) p t (2 p 1)
i
x (t ) e T
2 p (2 p 1)
Exercice à faire : calculer la série de Fourier avec ak= ???
8
9
Un autre signal :
Voici la représentation des 3 premiers harmonique non nulles et de leur somme pour le signal :
2
2 2 4 2 4
y( t )= 1.333 + an cos( 3
nt ) bn sin( 3 tn) avec an
n
sin( n) et bn
3
1 cos( n)
n 3
n 1 n 1
10
Exemple d'application de la série de Fourier:
Voici un exemple de la variation du taux de Distorsion d'un onduleur en fonction de l'ordre des
harmoniques; la sortie de l’onduleur est représentée sur la figure suivante: (période d’échantillonnage = 10-6 s)
11
12
TD corrigé :
Exercice 1: Décomposer en série de Fourier le signal temporel en dent de scie représenté sur la figure suivante:
f(t)
2 t
1
La période du signal est : T0 = 4, sa fréquence est : f 0 0,25 Hz.
T0
T0
2π π 2 1 2 nπ
La pulsation est :
T0 2
bn
T0 2
T0 f(t) sin( nt) dt
2 2
t sin ( t) dt
2
2
nπ 2 nπ
On pose : u = t u’=1 v' sin t v cos t
2 nπ 2
2
bn
1 2
t.
2 nπ
cos
nππ
2 2 nπ
1 2
2
nπ
cos t dt ,
2
bn
2
nπ
(1) n (1) n
4
nπ
(1) n 1
4
bn (1) n 1
nπ
4 π 4 2 4
Donc f(t) ( 1) n 1 sin n t , b1 , b2 , b3
n 1 n 2 π π 3π
4 π 2 4 3π
f(t) sin t sin t sin t .......
π 2 π 3π 2
13
clear;clc;s=0;t=-6:0.01:6;
for n=1:4
b=4/n/pi*(-1)^(n+1);
s=s+b*sin(pi*n/2*t);
end;
x=s;subplot(221);plot(t,x,'b','linewidth',2);
grid;hold on;
t1=-6:0.01:-2;y1=t1+4;
t2=-2:0.01:2;y2=t2;
t3=2:0.01:6;y3=t3-4;
plot([t1 t2 t3],[y1 y2 y3],'r','linewidth',2);
Exercice 2:
Décomposer en série de Fourier le signal temporels représentée sur la figure suivante:
f(t)
1 t
Solution:
La période est : T = 2
2
La pulsation est : ; f est une fonction paire.
T
La valeur moyenne est :
1 1 1 0 1 1
a0
T
1
v(t )dt
2 1
v (t ) dt
2 0
v(t )dt
t 1,0 t 0,1
v(t ) at b v(t ) 3t 3 v (t ) 3t c v (t ) 3t 3
14
0
1 0 13 3
2 1
(3t 3)dt t 2 3t
22 1 4
a0 = 3/4+3/4=3/2
2 1 0 1
a n (3t 3) cos(nt )dt (3t 3) cos(nt )dt
T 1
an f (t ) cos(nt )dt
1 0
an
6
(n ) 2
1 (1) n
Solution :
2k 2k 2k
4 2k 2k
x (t ) 0.66 sin( ) cos (t 1) = 0.66 sin c ( ) cos (t 1)
k 1 3 3 k 1 3 3 3
2k
1 sin( )
3 f k exp( j 2 f ) = 2 k
2k
X (f ) sin c ( ) f exp( j 2 f )
k k 3 3 k 3 3
15
Donc tout signal temporel non périodique x(t) contient une infinité de signaux cos et sin, de toutes les fréquences, mais
d’amplitude X ( f ) et de phase Arg ( X ( f )) variables.
k .
d x (t )
Dérivation : TF ( j 2f )k .X (f )
k
(dt )
1 f
Similitude : TF X (at ) X( )
a a
Une dilatation ou un étalement de l’échelle temporelle se traduit par une compression de l’échelle fréquentiel et vice-
versa.
(Exemple : moteur de radio-cacette: si le moteur tourne lentement son plus grave
si le moteur tourne rapidement son plus aigue
Dilatation temporelle est une compression fréquentielle
Compression temporelle est une dilatation fréquentielle
Théorème de Perceval :
On considère les deux signaux apériodique x (t) et y (t) à énergie finie, continus et dont l’intégrale de chacun est bornée,
alors on peut montrer que la transformée de Fourier conserve le produit scalaire, soit :
x(t ) y * (t )dt X ( f )Y * ( f )df
Convolution temporelle Produit fréquentiel
TF(x(t)*h(t))=X(f)H(f)
17
Transformée de Fourier d'un sinus: De même pour la TF de sin(2f t )
0
i 2 f 0t i 2 f 0t
e e
sin( 2 f 0 t )
2i
i
TF sin( 2 f 0 t ) ( f f 0 ) ( f f 0 )
2
Exemple graphique de la TF d'un signal porte: Le schéma suivant illustre le résultat de la transformée de Fourier d’un
signal rect en utilisant les surfaces (aires) algébrique du produit du signal avec les différents cosinus de fréquences
variables.
18
19
20
21
e) Applications des propriétés de la Transformée de Fourier
Exemple sur l'influence de la troncature temporelle sur le spectre:
Etudions l’influence de la troncature temporelle sur cos(2f t ) ?
0
La troncature temporelle revient à multiplier le signal cos(2f t ) par un rectT(t)
0
0.5
-0.5
-1
-20 -15 -10 -5 0 5 10 15 20
t(s)
0.8
0.6
0.4
0.2
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
f(Hz)
22
f) spectre d'énergie: et spectre de puissance:
Le spectre d'énergie: Si x(t) est un signal à énergie finie alors son spectre d’énergie est :
S x ( f ) TF Rx (t ) avec R x la fonction d'autocorrelation
donc S ( f ) TF x(t ) x (t ) X ( f ) X ( f ) X ( f )
2
x
car TF x (t ) X ( f ) , TF x (t ) X ( f )
Le spectre de puissance : Si x (t) est un signal à puissance moyenne finie alors son spectre de puissance est :
S x ( f ) TF R x (t ) . On peut montrer aussi que S x ( f ) X ( f ) X ( f ) X ( f ) 2
x[n] 0.02n 2
On a déjà vu que la Périodisation temporelle correspond à un échantillonnage fréquentiel:
TF ( x (t nT )
0 f X ( nf ). (f nf )
0 0 0
n n
Réciproquement, l'échantillonnage temporel correspond à une périodisation spectrale.
La TF d’un signal échantillonné xe(t) avec la période d’échantillonnage Te est :
X e ( f ) TF ( xe (t )) f
n
e X ( f nf e )
Exemple: L'échantillonnage du signal rect avec une période d'échantillonnage Te=0.25 va donner une périodisation de
son spectre avec une période 1/Te= 4 Hz.
23
Voici un autre exemple de la littérature:
b) Théorème d'échantillonnage
La restitution d’un signal continu x(t) à partir de sa version échantillonnée xe(t) avec une période d'échantillonnage
T 1 est idéale (complète) si et seulement si f e 2 f max avec f max est la fréquence maximale contenu dans le
e f
e
spectre X(f).
1
Elle se fait en passant xe(t) dans un filtre passe bas de fréquence de coupure fmax et d’amplitude
fe
1
H PB ( f ) rect 2 f max ( f )
fe
Si cette condition est vérifiée, Il n'y a pas de repliement (chevauchement) spectral des bandes de la TF(xe(t)), on ne peut
pas séparer la bande centrale ( f e 2 f max )
C'est une opération de restitution idéale, non causale et très compliqué pratiquement qui consiste à convoluer le signal
échantillonné avec la réponse impulsionelle du filtre passe bas choisi.
Comme approximation pratique, on peut utiliser un bloqueur d’ordre 0 (causal) ou un bloqueur d’ordre 1 (non causal)
dans la simulation ou d'autre méthode causale d'interpolation. Voici un exemple de l‘utilisation d’un bloqueur d’ordre 0.
24
d)Exemples de non respect du théorème d'échantillonnage
Dans la figure suivante, le signal y est obtenu en échantillonnant la signal x (de période 1.33 s) avec une période
d'échantillonnage de 1s. Le théorème d'échantillonnage n'est pas alors respecté. La restitution du signal x(t) est alors
impossible.
La figure suivante montre un exemple de non respect du théorème d'échantillonnage (repliement important)
25