Chap - 2 - Analyse de Fourier

Université Blida 1 – Faculté de Technologie Département d'Electronique – L2/Télécom (S4)
Théorie du Signal/Chap.2 – Analyse de Fourier M. Arezki
Chapitre 2
Analyse de Fourier
1. Introduction
2. Rappels mathématiques
2.1 Les espaces L1(𝐼) et L2(𝐼)
2.2 Produit scalaire
2.3 Distance Euclidienne
2.4 Norme d’un signal
2.5 Relation entre produit scalaire et distance Euclidienne
2.6 Espace de signaux
2.7 Base de fonctions
2.8 Exemple de développement d’un signal dans une famille de fonctions
3. Séries de Fourier (SF)
3.1 Définition
3.2 Condition d’existence de la SF
3.3 Propriétés de la SF
3.4 Série de Fourier d’une distribution périodique
4. Transformée de Fourier (TF)
4.1 Définition
4.2 Condition d’existence de la TF
4.3 Transformée de Fourier des distributions
4.4 Propriétés de la TF
5 Propriétés spectrales des signaux – Théorème de Parceval
5.1 Cas d’un signal périodique
5.2 Cas d’un signal apériodique
Annexe
1
1. Introduction
Le développement en séries de Fourier (SF) et, plus généralement, la transformée de Fourier
(TF) permettent d’obtenir une représentation spectrale des signaux déterministes.
Il est d’abord nécessaire de modéliser (représenter) un signal par un modèle mathématique.
Puisqu’un signal est une grandeur qui dépend du temps, on peut donc le modéliser par une
fonction du temps dont le domaine de définition est ℝ ou un intervalle de ℝ. La représentation
spectrale exprime la répartition de l’amplitude, de la phase, de l’énergie ou de la puissance des
signaux considérés en fonction de la fréquence ; appelée aussi représentation fréquentielle.
Le temps et la fréquence sont deux bases servant à la description des signaux. Ce sont deux
points de vue différents d’une même réalité ; ils sont complémentaires.
Ces deux représentations du signal sont reliées entre elles par la transformation de Fourier. Cette
dernière joue un rôle fondamental en théorie du signal.
2. Rappels mathématiques
2.1 Les espaces L1(𝐼) et L2(𝐼)
L’ensemble des signaux est muni d’une structure d’espace vectoriel, c'est-à-dire, on peut
additionner deux signaux et on peut multiplier un scalaire par un signal.
L’intervalle 𝐼, peut-être à support borné ou non borné, c'est-à-dire : [𝑎 , 𝑏] ; [𝑎 , ∞[ ; ℝ ;
2.1.1 Espace L1(𝐼) des signaux sommables sur 𝐼
Un signal 𝑥(𝑡) est dit sommable (ou bien absolument intégrable) sur 𝐼 si et seulement si :
∫ |𝑥(𝑡)|𝑑𝑡 < ∞
𝐼
Notation : (résultat) < ∞  Le résultat a une valeur finie.

2.1.2 Espace L2(𝐼) des signaux de carré sommables sur 𝐼
Un signal 𝑥(𝑡) est dit de carré sommable sur 𝐼 si et seulement si :
∫ |𝑥(𝑡)|2 𝑑𝑡 < ∞
𝐼
2.2 Produit scalaire

Le produit scalaire de deux signaux 𝑥1 (𝑡) et 𝑥2 (𝑡), noté < 𝑥1 (𝑡) | 𝑥2 (𝑡) >, est défini par :
< 𝑥1 (𝑡) | 𝑥2 (𝑡) > = ∫ 𝑥1 (𝑡)𝑥2∗ (𝑡)𝑑𝑡

𝐼
où 𝐼 est le domaine dans lequel sont définis les signaux.
Remarque
< 𝑥1 (𝑡) | 𝑥2 (𝑡) > ≠ < 𝑥2 (𝑡) | 𝑥1 (𝑡) >
Par contre, on a :
< 𝑥1 (𝑡) | 𝑥2 (𝑡) > = (< 𝑥2 (𝑡) | 𝑥1 (𝑡) >)∗
On dira que deux signaux sont orthogonaux si leur produit scalaire est nul :
< 𝑥1 (𝑡) | 𝑥2 (𝑡) > = 0
2
2.3 Distance Euclidienne

On définit la distance Euclidienne entre deux signaux 𝑥1 (𝑡) et 𝑥2 (𝑡) sur un intervalle 𝑇 par :
1/2
2
𝑑(𝑥1 , 𝑥2 ) = ‖𝑥1 − 𝑥2 ‖ = (∫ |𝑥1 (𝑡) − 𝑥2 (𝑡)| 𝑑𝑡)
𝑇
2.4 Norme d’un signal

On définit la norme d’un signal 𝑥(𝑡) sur un intervalle 𝑇 par :
1/2
‖𝑥‖ = (∫ |𝑥(𝑡)|2 𝑑𝑡)

𝑇
Que l’on peut écrire :
‖𝑥‖2 = ∫ 𝑥(𝑡)𝑥 ∗ (𝑡)𝑑𝑡 = < 𝑥(𝑡) | 𝑥(𝑡) >

𝑇
2.5 Relation entre produit scalaire et distance Euclidienne
𝑑 2 (𝑥1 , 𝑥2 ) = ‖𝑥1 − 𝑥2 ‖2 = ∫ |𝑥1 (𝑡) − 𝑥2 (𝑡)|2 𝑑𝑡

𝑇
∗
𝑑 2 (𝑥1 , 𝑥2 ) = ∫ (𝑥1 (𝑡) − 𝑥2 (𝑡))(𝑥1 (𝑡) − 𝑥2 (𝑡)) 𝑑𝑡
𝑇
𝑑 2 (𝑥1 , 𝑥2 ) = < (𝑥1 (𝑡) − 𝑥2 (𝑡)) |( 𝑥1 (𝑡) − 𝑥2 (𝑡)) >
En développant cette dernière équation, on a :
𝑑 2 (𝑥1 , 𝑥2 ) = < 𝑥1 (𝑡) | 𝑥1 (𝑡) > −< 𝑥1 (𝑡) |𝑥2 (𝑡) > −< 𝑥2 (𝑡) | 𝑥1 (𝑡) > +< 𝑥2 (𝑡) | 𝑥2 (𝑡) >
𝑑 2 (𝑥1 , 𝑥2 ) = ‖𝑥1 ‖2 + ‖𝑥2 ‖2 − (< 𝑥1 (𝑡) | 𝑥2 (𝑡) > +< 𝑥1 (𝑡) | 𝑥2 (𝑡) >∗ )
𝑑2 (𝑥1 , 𝑥2 ) = ‖𝑥1 ‖2 + ‖𝑥2 ‖2 − 2𝑅𝑒{< 𝑥1 (𝑡) | 𝑥2 (𝑡) >}
Cas particulier (théorème de Pythagore):
Si les signaux sont orthogonaux  < 𝑥1 (𝑡) | 𝑥2 (𝑡) > = 0
 𝑑2 (𝑥1 , 𝑥2 ) = ‖𝑥1 ‖2 + ‖𝑥2 ‖2
2.6 Espace de signaux

Soit E un espace de dimension K et B = {𝜓1 (𝑡), 𝜓2 (𝑡), … , 𝜓𝐾 (𝑡)} une base de cet espace.
Tout signal 𝑥(𝑡) a une représentation unique dans la base B :
𝐾
𝑥(𝑡) = ∑ 𝑐𝑘 𝜓𝑘 (𝑡) ; 𝑐𝑘 ∈ ℝ (ou ℂ)

𝑘=1
Les coefficients {𝑐𝑘 } définissent un point de coordonnée (𝑐1 , 𝑐2 , … , 𝑐𝐾 ) par rapport à la base B ;
(𝜓1 , 𝜓2 , … , 𝜓𝐾 ) est donc une représentation du signal 𝑥(𝑡) par rapport à la base B.
2.7 Base de fonctions

Soient 𝜓𝑘 (𝑡), des fonctions appartenant à l’espace E , où 𝑘 est un entier.
Ces fonctions constituent une base si :
Elles sont orthogonales 2 à 2, c'est-à-dire :
‖𝜓𝑘 ‖2 si 𝑘 = 𝑙
< 𝜓𝑘 (𝑡) | 𝜓𝑙 (𝑡) > = {
0 si 𝑘 ≠ 𝑙
3
L’une d’entre elle ne peut pas être réalisée par une combinaison linéaire des autres, ce qui veut
dire, qu’il n’existe pas de coefficients {𝑐𝑘 } tels que :
∑ 𝑐𝑘 𝜓𝑘 (𝑡) = 0
𝑘
Soit 𝜓𝑘 (𝑡)une fonction de la base et 𝑥(𝑡) un signal quelconque de l’espace E , on peut écrire :
< 𝑥(𝑡) | 𝜓𝑘 (𝑡) >

𝑥(𝑡) = ∑ 𝑐𝑘 𝜓𝑘 (𝑡) ; avec 𝑐𝑘 =
‖𝜓𝑘 ‖2
𝑘
Le signal 𝑥 (𝑡) est une somme pondérée de termes de la base.
2.8 Exemple de développement d’un signal dans une famille de fonctions

Soit E , l’ensemble des fonctions périodiques, de période 𝑇0 . Les fonctions de base sont :
1
𝜓𝑘 (𝑡) = 𝑒 𝑗2𝜋 𝑘 𝑓0 𝑡 ; avec 𝑓0 =
𝑇0
On peut écrire :
< 𝜓𝑘 (𝑡) | 𝜓𝑙 (𝑡) > = ∫ 𝑒 𝑗2𝜋 𝑘 𝑓0 𝑡 𝑒 −𝑗2𝜋 𝑙 𝑓0 𝑡 𝑑𝑡

𝑇0
𝑇0 si 𝑘 = 𝑙
= ∫ 𝑒 𝑗2𝜋 (𝑘−𝑙) 𝑓0 𝑡 𝑑𝑡 = {
𝑇0 0 si 𝑘 ≠ 𝑙
Soit 𝑥(𝑡), un signal périodique, de période 𝑇0 , on a :

1
𝑥(𝑡) = ∑ 𝑐𝑘 𝑒 𝑗2𝜋 𝑘 𝑓0 𝑡 ; 𝑎𝑣𝑒𝑐 𝑐𝑘 = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋 𝑘 𝑓0 𝑡 𝑑𝑡
𝑇0 𝑇0
𝑘
3. Séries de Fourier (SF)

L’élément fondamental de l’analyse de Fourier est constitué par le fait qu’un signal périodique
peut être décomposé en une somme de sinusoïdes d’amplitude distinctes et d’une composante
continue si elle existe.
3.1 Définition
3.1.1 Série de Fourier complexe
Soit 𝑥(𝑡) une fonction du temps 𝑡 périodique, de période 𝑇0 , on appelle développement en SF,
s’il existe, la forme suivante :
∞
1
𝑥(𝑡) = ∑ 𝑐(𝑘) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 ; avec 𝑓0 =
𝑇0
𝑘=−∞
où 𝑘 ∈ ℤ et les 𝑐(𝑘) ∈ ℂ sont appelés les coefficients de la SF de 𝑥(𝑡), et donnés par :
1
𝑐(𝑘) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑇0 (𝑇0 )
où 𝑓0 est la fréquence fondamentale.
Les 𝑐(𝑘), sous-entendus 𝑐(𝑘𝑓0 ), constituent la représentation fréquentielle de Fourier de 𝑥(𝑡).
4
Pour 𝑘 = 0 correspond à la composante continue 𝑥𝑐𝑐 (valeur moyenne), donnée par :

1
𝑐(0) = ∫ 𝑥(𝑡) 𝑑𝑡 = 𝑥𝑐𝑐
𝑇0 (𝑇0 )
Pour 𝑘 = ±1 correspond à l’harmonique d’ordre 1 : la fréquence fondamentale 𝑓0 ;

Pour 𝑘 = ±2 correspond à l’harmonique d’ordre 2 : 𝑓2 = 2𝑓0 ;
Pour 𝑘 = ±3 correspond à l’harmonique d’ordre 3 : 𝑓3 = 3𝑓0 ; …etc.
Les fréquences sont positives et négatives. La représentation spectrale qui lui est associée porte
le nom de spectre bilatéral.
3.1.2 Série de Fourier forme trigonométrique (en sinus et cosinus)
En remplaçant dans les équations, l’exponentielle par la formule d’Euler :
𝑒 𝑗2𝜋𝑘𝑓0 𝑡 = cos(2𝜋𝑘𝑓0 𝑡) + 𝑗sin(2𝜋𝑘𝑓0 𝑡)
On obtient :
∞
𝑥(𝑡) = ∑ 𝑐(𝑘) [𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) + 𝑗sin(2𝜋𝑘𝑓0 𝑡)]

𝑘=−∞
En développant la somme, on a :
−1
𝑥(𝑡) = ∑ {𝑐(𝑘) [𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) + 𝑗sin(2𝜋𝑘𝑓0 𝑡)]} + 𝑐(0)

𝑘=−∞
∞
+ ∑{𝑐(𝑘) [cos(2𝜋𝑘𝑓0 𝑡) + 𝑗sin(2𝜋𝑘𝑓0 𝑡)]}

𝑘=1
en faisant un changement de variable et en exploitant les propriétés de parité des fonctions sinus,
on peut écrire :
∞ ∞
𝑥(𝑡) = 𝑐(0) + ∑[𝑐(𝑘) + 𝑐(−𝑘)] cos(2𝜋𝑘𝑓0 𝑡) + ∑ 𝑗 [𝑐(𝑘) − 𝑐(−𝑘)]sin(2𝜋𝑘𝑓0 𝑡)

𝑘=1 𝑘=1
Si 𝑥(𝑡) est réel, les 𝑐(𝑘) et 𝑐(−𝑘) peuvent s’écrire comme suit :
1 1
𝑐(𝑘) = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 − 𝑗 ∫ 𝑥(𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 (𝑇0 ) 𝑇0 (𝑇0 )
1 1
𝑐(−𝑘) = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 + 𝑗 ∫ 𝑥(𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡
𝑇0 (𝑇0 ) 𝑇0 (𝑇0 )
Posons 𝑎𝑘 = [𝑐(𝑘) + 𝑐(−𝑘)] et 𝑏𝑘 = 𝑗 [𝑐(𝑘) − 𝑐(−𝑘)], on aura :

2
𝑎𝑘 = ∫ 𝑥(𝑡) cos(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 ; 𝑘 ≥ 1
𝑇0 (𝑇0 )
2
𝑏𝑘 = ∫ 𝑥(𝑡) sin(2𝜋𝑘𝑓0 𝑡) 𝑑𝑡 ; 𝑘 ≥ 1
𝑇0 (𝑇0 )
𝑎0 1
𝑐(0) = = ∫ 𝑥(𝑡) 𝑑𝑡 = 𝑥𝑐𝑐
2 𝑇0 (𝑇0 )
5
On obtient une autre forme de la SF, qu’on appelle forme trigonométrique, donnée par :
∞
𝑎0
𝑥(𝑡) = + ∑[𝑎𝑘 𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) + 𝑏𝑘 sin(2𝜋𝑘𝑓0 𝑡)]
2
𝑘=1
Les 𝑎𝑘 et 𝑏𝑘 sont les coefficients de la SF du développement en cosinus et sinus.

Cette forme de la SF fait intervenir que des fréquences positives, la représentation spectrale qui
lui est associée porte le nom de spectre unilatéral.
3.1.3 Série de Fourier forme polaire (en cosinus, ou module-phase)
En utilisant
𝑐(𝑘) = |𝑐(𝑘)|𝑒 𝑗𝜑(𝑘)
dans 𝑥(𝑡), on obtient une autre forme de la SF qu’on appelle module-phase,
−1 ∞
𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] |𝑐(0)|𝑒 𝑗𝜑(0)
𝑥(𝑡) = ∑ [|𝑐(𝑘)|𝑒 ]+ + ∑[|𝑐(𝑘)|𝑒 𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] ]
𝑘=−∞ 𝑘=1
En faisant un changement de variable, on a :
∞ ∞
𝑗[2𝜋(−𝑘)𝑓0 𝑡+𝜑(−𝑘)] |𝑐(0)|𝑒 𝑗𝜑(0)
𝑥(𝑡) = ∑[|𝑐(−𝑘)|𝑒 ]+ + ∑[|𝑐(𝑘)|𝑒 𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] ]
𝑘=1 𝑘=1
Et en exploitant les propriétés de parité de 𝑐(𝑘) :
1
𝑐(𝑘) = |𝑐(𝑘)|𝑒 𝑗𝜑(𝑘) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑇0 (𝑇0 )
1
𝑐(−𝑘) = |𝑐(−𝑘)|𝑒 𝑗𝜑(−𝑘) = ∫ 𝑥(𝑡) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑇0 (𝑇0 )
On remarque, que
𝑐(𝑘) = (𝑐(−𝑘))∗  |𝑐(𝑘)|𝑒 𝑗𝜑(𝑘) = |𝑐(−𝑘)|𝑒 −𝑗𝜑(−𝑘)
|𝑐(𝑘)| = |𝑐(−𝑘)| pair
𝜑(𝑘) = −𝜑(−𝑘) impair
On a :
∞ ∞
−𝑗[2𝜋(𝑘)𝑓0 𝑡+𝜑(𝑘)]
𝑥(𝑡) = ∑[|𝑐(𝑘)|𝑒 ]+ |𝑐(0)|𝑒 𝑗𝜑(0) + ∑[|𝑐(𝑘)|𝑒 𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] ]
𝑘=1 𝑘=1
∞
 𝑥(𝑡) = |𝑐(0)|𝑒 𝑗𝜑(0) + ∑|𝑐(𝑘)|{𝑒 𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] + 𝑒 −𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] }

𝑘=1
Que l’on peut écrire :
∞
𝑥(𝑡) = |𝑐(0)|𝑒 𝑗𝜑(0) + ∑ 2|𝑐(𝑘)|cos(2𝜋𝑘𝑓0 𝑡 + 𝜑(𝑘))

𝑘=1
avec
𝑎𝑘 − 𝑗 𝑏𝑘 1
𝑐(𝑘) = et |𝑐(𝑘)| = √𝑎𝑘2 + 𝑏𝑘2
2 2
où 𝜑(0) = (0, 𝜋). Posons 𝐴𝑘 = 2|𝑐(𝑘)| et 𝜑(𝑘) = 𝛼𝑘 , on obtient la SF module-phase :
∞
𝐴0
𝑥(𝑡) = + ∑ 𝐴𝑘 cos(2𝜋𝑘𝑓0 𝑡 + 𝛼𝑘 )
2
𝑘=1
6
avec
𝐴𝑘 =√𝑎𝑘2 + 𝑏𝑘2 ; 𝑘 ≥ 1
−𝑏𝑘
𝛼𝑘 = tan−1 ( ) ; 𝑘≥1
𝑎𝑘
𝐴0
= 𝑥𝑐𝑐
2
Cette forme de la SF fait intervenir que des fréquences positives, la représentation spectrale qui
lui est associée porte le nom de spectre unilatéral.
3.2 Condition d’existence de la SF

Si les conditions suivantes sont satisfaites :
- 𝑥(𝑡) est bornée sur une période ;
- Le nombre d’extremum est fini sur une période ;
- Le nombre de discontinuité est fini sur une période ;
- 𝑥(𝑡) est absolument intégrable sur une période ;
Alors la SF converge vers 𝑥(𝑡) en tout point où 𝑥(𝑡) est continu et vers la valeur moyenne
𝑥(𝑡 + ) + 𝑥(𝑡 − )
2
si 𝑡 représente un point de discontinuité.
3.3 Propriétés de la SF
La SF possède des propriétés qui permettent souvent de réduire la complexité de calcul des
coefficients complexes de la SF.
1 𝑎𝑘 − 𝑗 𝑏𝑘
𝑐(𝑘) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 𝑑𝑡 =
𝑇0 (𝑇0 ) 2
3.3.1 Cas d’une fonction réelle paire ou impaire

- 𝑥(𝑡) paire
𝑎 ≠ 0, ∀𝑘
→ { 𝑘  𝑐(𝑘) réels et 𝑥(𝑡) série en cosinus
𝑏𝑘 = 0, ∀𝑘
- 𝑥(𝑡) impaire
𝑎𝑘 = 0, ∀𝑘
→ {  𝑐(𝑘) imaginaires et 𝑥(𝑡) série en sinus
𝑏𝑘 ≠ 0, ∀𝑘
3.3.2 Translation temporelle
𝑥(𝑡) → 𝑐(𝑘)  𝑥(𝑡 − 𝑡0 ) → 𝑐(𝑘) 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡0
Une translation temporelle se traduit par un décalage dans les coefficients de la SF.
3.3.3 Inversion du temps
𝑥(𝑡) → 𝑐(𝑘)  𝑥(−𝑡) → 𝑐(−𝑘)
3.3.4 Complexe conjugué

𝑥(𝑡) → 𝑐(𝑘)  𝑥 ∗ (𝑡) → 𝑐 ∗ (−𝑘)
7
3.3.5 Ajout d’une constante A

𝑐(𝑘) ∀𝑘 ≠0
𝑥(𝑡) → 𝑐(𝑘)  𝑥(𝑡) + 𝐴 → {
𝑐(0) + 𝐴; si 𝑘 = 0
3.4 Série de Fourier d’une distribution périodique

On définit une distribution périodique 𝐷, de période 𝑇0 , à partir d’une distribution 𝐷𝑇0 définie sur
𝑇 𝑇
un intervalle [ 20 , − 20 ] par :
〈𝐷 , 𝜑〉 = 〈𝐷𝑇0 , ∑ 𝜑(𝑡 − 𝑘𝑇0 )〉

𝑘∈ℤ
La SF de la distribution périodique 𝐷 est donnée par :
1
𝐷(𝑡) = ∑ 𝑐(𝑘)𝑒 𝑗2𝜋𝑘𝑓0 𝑡 avec 𝑐(𝑘) = 〈𝐷 , 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 〉
𝑇0
𝑘∈ℤ
𝐷(𝑡) est obtenu à partir de la périodisation de 𝐷𝑇0 (𝑡), donc on a :

1
𝑐(𝑘) = ∫ 𝐷 (𝑡) 𝑒 −𝑗2𝜋𝑓0 𝑡 𝑑𝑡
𝑇0 (𝑇0 ) 𝑇0
Exemple : SF du peigne de Dirac, 𝑝𝑔𝑛 𝑇0 (𝑡)
𝑝𝑔𝑛 𝑇0 (𝑡) = ∑ 𝛿(𝑡 − 𝑘𝑇0 ) = 𝐷(𝑡) avec 𝐷𝑇0 (𝑡) = 𝛿(𝑡)

𝑘∈ℤ
1
𝐷(𝑡) = ∑ 𝑐(𝑘)𝑒 𝑗2𝜋𝑘𝑓0 𝑡 avec 𝑐(𝑘) = 〈𝐷 , 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 〉
𝑇0
𝑘∈ℤ
1 1 1
𝑐(𝑘) = 〈𝐷𝑇0 , 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 〉  𝑐(𝑘) = ∫ 𝛿(𝑡) 𝑒 −𝑗2𝜋𝑓0 𝑡 𝑑𝑡 =
𝑇0 𝑇0 (𝑇0 ) 𝑇0
1
 𝑝𝑔𝑛 𝑇0 (𝑡) = ∑ 𝑒 𝑗2𝜋𝑘𝑓0 𝑡
𝑇0
𝑘∈ℤ
4. Transformée de Fourier (TF)

La transformée de Fourier (TF) est une généralisation de la série de Fourier (SF) appliquée aux
signaux apériodiques.
4.1 Définition
Soit 𝑥(𝑡) une fonction à temps continu, on appelle TF de 𝑥(𝑡), si elle existe, la fonction 𝑋(𝑓) de
la variable réelle 𝑓 :
∞
𝑋(𝑓) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞
Elle est notée : 𝑋(𝑓) = 𝑇𝐹{𝑥(𝑡)}
On démontre que, sous certaines conditions de convergence, 𝑥(𝑡) peut être obtenu à partir de
𝑋(𝑓) par la transformation dite inverse :
∞
𝑥(𝑡) = ∫ 𝑋(𝑓) 𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑓
−∞
−1 {𝑋(𝑓)}
Elle est notée : 𝑥(𝑡) = 𝑇𝐹 ou bien 𝑥(𝑡) = 𝑇𝐹𝐼{𝑋(𝑓)}
8
La TF, 𝑋(𝑓), est en générale une fonction complexe pouvant se mettre sous la forme suivante :
𝑋(𝑓) = 𝑅𝑒{𝑋(𝑓)} + 𝑗 𝐼𝑚{𝑋(𝑓)}
ou bien sous une autre forme, module-phase :
𝑋(𝑓) = |𝑋(𝑓)| 𝑒 𝑗𝜑(𝑓)
qui constitue la représentation spectrale de 𝑥(𝑡), avec :
|𝑋(𝑓)| = √(𝑅𝑒{𝑋(𝑓)})2 + (𝐼𝑚{𝑋(𝑓)})2 ∶ spectre d′amplitude

𝐼𝑚{𝑋(𝑓)}
𝜑(𝑓) = 𝑎𝑟𝑐𝑡𝑔 ( ) ∶ spectre de phase
𝑅𝑒{𝑋(𝑓)}
C’est des spectres continus.
4.2 Condition d’existence de la TF

Pour qu’un signal 𝑥(𝑡) possède une TF, il faut vérifier les conditions suivantes :
- 𝑥(𝑡) borné : pas de valeur infinie ;
∞
- 𝑥(𝑡) absolument intégrable : ∫−∞|𝑥(𝑡)|𝑑𝑡 < ∞ ;
- Les discontinuités de 𝑥(𝑡) ainsi que les extremums soient en nombre fini dans chaque intervalle
fini.
Mais ceci n’entraine pas nécessairement que la réciproque soit vraie. Pour que la TF de 𝑥(𝑡)
existe et possede une reciproque, il suffit que 𝑥(𝑡) appartiennent à l’espace des carrés
sommables. Cela signifie que 𝑥(𝑡), ainsi que sa TF sont à énergie fine.
Cependant, certains signaux à puissance moyenne finie (signaux périodiques, les échelons, les
constantes, …) n’ont pas de TF aux sens classiques des définitions et possèdent des TF aux sens
des distributions.
4.3 Transformée de Fourier des distributions

L’intégrale de Fourier ne converge pas pour des fonctions qui ne sont pas rapidement
décroissantes (échelon, sinusoïde, …) l’existence fait appel à la théorie des distributions.
4.3.1 Définition
Soit 𝐷 est une distribution, on définit la transformée de Fourier et la transformée de Fourier
inverse (𝑇𝐹 −1) de 𝐷 par les relations suivantes :
〈𝑇𝐹{𝐷} , 𝜑〉 = 〈𝐷 , 𝑇𝐹{𝜑}〉
〈𝑇𝐹 −1 {𝐷} , 𝜑〉 = 〈𝐷 , 𝑇𝐹 −1 {𝜑}〉
On peut écrire :
∞
−𝑗2𝜋𝑓𝑡 〉 = ∫ 𝐷𝑡 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
𝑇𝐹{𝐷} = 〈𝐷𝑡 , 𝑒
−∞
∞
𝑇𝐹 −1 {𝐷} = 〈𝐷𝑓 , 𝑒 𝑗2𝜋𝑓𝑡 〉 = ∫ 𝐷𝑓 𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑓
−∞
et la relation d’identité:
𝑇𝐹{𝑇𝐹 −1 {𝐷}} = 𝐷
9
4.3.2 Exemples
Exp1 : Distribution de Dirac 𝐷𝑡 = 𝛿(𝑡 − 𝑡0 )
𝑇𝐹{𝐷𝑡 } = 〈𝐷𝑡 , 𝑒 −𝑗2𝜋𝑓𝑡 〉 = 〈𝛿(𝑡 − 𝑡0 ) , 𝑒 −𝑗2𝜋𝑓𝑡 〉 = 𝑒 −𝑗2𝜋𝑓𝑡0
que l’on peut écrire :
∞
𝑇𝐹{𝛿(𝑡 − 𝑡0 )} = ∫ 𝛿(𝑡 − 𝑡0 ) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = 𝑒 −𝑗2𝜋𝑓𝑡0
−∞
que l’on peut représenter :

𝛿(𝑡 − 𝑡0 ) → 𝑒 −𝑗2𝜋𝑓𝑡0
cas où 𝑡0 = 0, on a :
𝛿(𝑡) → 1; ∀𝑓
et la réciproque : 𝐷𝑓 = 𝛿(𝑓 − 𝑓0 )
𝑇𝐹 −1 {𝐷𝑓 } = 〈𝐷𝑓 , 𝑒 𝑗2𝜋𝑓𝑡 〉 = 〈𝛿(𝑓 − 𝑓0 ) , 𝑒 𝑗2𝜋𝑓𝑡 〉 = 𝑒 𝑗2𝜋𝑓0 𝑡

que l’on peut écrire aussi:
∞
−1 {𝛿(𝑓
𝑇𝐹 − 𝑓0 )} = ∫ 𝛿(𝑓 − 𝑓0 ) 𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑡 = 𝑒 𝑗2𝜋𝑓0 𝑡
−∞
En utilisant la relation d’identité:
𝑇𝐹{𝑇𝐹 −1 {𝛿(𝑓 − 𝑓0 )}} = 𝑇𝐹(𝑒 𝑗2𝜋𝑓0 𝑡 ) = 𝛿(𝑓 − 𝑓0 )
𝑒 𝑗2𝜋𝑓0 𝑡 → 𝛿(𝑓 − 𝑓0 )
cas où 𝑓0 = 0, on a :
1 ;∀ 𝑡 → 𝛿(𝑓)
Exp.2 : TF du peigne de Dirac
𝑝𝑔𝑛 𝑇0 (𝑡) = ∑ 𝛿(𝑡 − 𝑘𝑇0 )
𝑘∈ℤ
𝑇𝐹{𝑝𝑔𝑛𝑇0 (𝑡)} = ∑ 𝑇𝐹{𝛿(𝑡 − 𝑘𝑇0 )} = ∑ 𝑒 −𝑗2𝜋𝑓𝑘𝑇0

𝑘∈ℤ 𝑘∈ℤ
La fonction 𝑝𝑔𝑛 𝑇0 (𝑡) est périodique, donc on peut la développer en SF :

1
𝑝𝑔𝑛𝑇0 (𝑡) = ∑ 𝑐(𝑘)𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 𝑎𝑣𝑒𝑐 𝑐(𝑘) = ∫ 𝑝𝑔𝑛 𝑇0 (𝑡) 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑇0 (𝑇0 )
𝑘∈ℤ
1 1
𝑐(𝑘) =  𝑝𝑔𝑛𝑇0 (𝑡) = ∑ 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 ; (Voir paragraphe 𝟑. 𝟒)
𝑇0 𝑇0
𝑘∈ℤ
Donc :
1 1
𝑇𝐹{𝑝𝑔𝑛 𝑇0 (𝑡)} = ∑ 𝑇𝐹{𝑒 𝑗2𝜋𝑘𝑓0 𝑡 } = ∑ 𝛿(𝑓 − 𝑘𝑓0 )
𝑇0 𝑇0
1
∑ 𝛿(𝑡 − 𝑘𝑇0 ) ↔ ∑ 𝛿(𝑓 − 𝑘𝑓0 )
𝑇0
10
4.4 Propriétés de la TF
Nous allons voir dans cette partie quelques propriétés importantes de la TF (voir annexe)
4.4.1 Linéarité
Pour 𝑎1 et 𝑎2 deux constantes et
𝑥1 (𝑡) ↔ 𝑋1 (𝑓)
𝑥2 (𝑡) ↔ 𝑋2 (𝑓)
Alors
𝑎1 𝑥1 (𝑡) + 𝑎2 𝑥2 (𝑡) ↔ 𝑎1 𝑋1 (𝑓) + 𝑎2 𝑋2 (𝑓)
4.4.2 Changement de variable temporelle
𝑥(𝑡) ↔ 𝑋(𝑓)
1 −𝑗2𝜋 𝑏 𝑓 𝑓
𝑥(𝑎𝑡 − 𝑏) ↔ 𝑒 𝑎 𝑋 ( ) ; 𝑎 ≠ 0 et ∀ 𝑏
|𝑎| 𝑎
Remarque :
- Translation temporelle pour 𝑎 = 1 𝑒𝑡 𝑏 = 𝑡0
𝑥(𝑡 − 𝑡0 ) ↔ 𝑋(𝑓)𝑒 −𝑗2𝜋 𝑡0 𝑓 = |𝑋(𝑓)|𝑒 𝑗(𝜑(𝑓)−2𝜋 𝑓 𝑡0 )
L’effet d’une translation 𝑡0 sur le signal 𝑥(𝑡) est d’introduire un déphasage 𝜑0 (𝑡) = −2𝜋 𝑓 𝑡0
dans sa TF. Le spectre d’amplitude reste le même.
- Changement d’échelle temporelle 𝑎 ≠ 0 𝑒𝑡 𝑏 = 0
1 𝑓
𝑥(𝑎𝑡) ↔ 𝑋( )
|𝑎| 𝑎
Cette relation montre qu’une dilatation de l’échelle des temps (|𝑎| < 1) conduit à une
contraction de l’échelle des fréquences et inversement (|𝑎| > 1).
4.4.3 Translation fréquentielle
𝑥(𝑡) ↔ 𝑋(𝑓)
𝑗2𝜋 𝑓0 𝑡
𝑒 𝑥(𝑡) ↔ 𝑋(𝑓 − 𝑓0 )
4.4.4 Dualité temps-fréquence
𝑥(𝑡) ↔ 𝑋(𝑓)
Par définition, on peut écrire :
∞
𝑋(𝑓) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 (1a)
−∞
∞
𝑥(𝑡) = ∫ 𝑋(𝑓) 𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑓 (1b)
−∞
On remarque une symétrie dans les variables d’intégration (variables muettes), on peut leurs
donner n’importe quel nom. Il n y a pas de risque à changer 𝑓 et 𝑡 dans la TF, on aura :
∞
𝑋(𝑡) = ∫ 𝑥(𝑓) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑓 (2𝑎)
−∞
∞
𝑥(𝑓) = ∫ 𝑋(𝑡) 𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑡 (2𝑏)
−∞
11
En effectuant le changement de variable 𝑓 = (−𝑓) dans l’équation (2a) et en la comparant dans

(1a), on obtient :
𝑋(𝑡) ↔ 𝑥(−𝑓)
De manière similaire, en effectuant le changement de variable 𝑡 = (−𝑡) dans l’équation (2b) et
en la comparant dans (1b), on obtient :
𝑥(𝑓) ↔ 𝑋(−𝑡)
Exemple :
1
𝑥(𝑡) = 𝑒 −𝑡 𝑢(𝑡) ↔ 𝑋(𝑓) =
1 + 𝑗2𝜋𝑓
Trouver la TF de
1
1 + 𝑗2𝜋𝑡
1
𝑇𝐹{𝑥(𝑡)} = 𝑋(𝑓)  𝑇𝐹{𝑒 −𝑡 𝑢(𝑡)} =
1 + 𝑗2𝜋𝑓
En utilisant les propriétés de dualité temps-fréquence :
1
𝑇𝐹{𝑋(𝑡)} = 𝑥(−𝑓)  𝑇𝐹 { } = 𝑒 𝑓 𝑢(−𝑓)
1 + 𝑗2𝜋 𝑡
4.4.5 Propriétés de symétrie et de parité
- 𝑥(𝑡) signal complexe
𝑥(𝑡) ↔ 𝑋(𝑓)
pour un signal complexe conjugué, on a
𝑥 ∗ (𝑡) ↔ 𝑋 ∗ (−𝑓)
de même, on a :
𝑥 ∗ (−𝑡) ↔ 𝑋 ∗ (𝑓)
- 𝑥(𝑡) signal réel, on a :
𝑥(𝑡) ↔ 𝑋(𝑓)
𝑥 (𝑡) ↔ 𝑋 ∗ (−𝑓)
∗
puisque (signa réel)

𝑥(𝑡) = 𝑥 ∗ (𝑡)  𝑋(𝑓) = 𝑋 ∗ (−𝑓)
de même, on a :
𝑥(−𝑡) ↔ 𝑋(−𝑓)
𝑥 ∗ (−𝑡) ↔ 𝑋 ∗ (𝑓)
et puisque
𝑥(−𝑡) = 𝑥 ∗ (−𝑡)  𝑋(−𝑓) = 𝑋 ∗ (𝑓)
Symétrie hermitienne
∞
𝑇𝐹{𝑥(𝑡)} = 𝑋(𝑓) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞
𝑋(𝑓) = 𝑅𝑒{𝑋(𝑓)} + 𝑗 𝐼𝑚{𝑋(𝑓)} = |𝑋(𝑓)| 𝑒 𝑗𝜑(𝑓)
𝑋 ∗ (−𝑓) = |𝑋(−𝑓)| 𝑒 −𝑗𝜑(−𝑓)
|𝑋(𝑓)| = |𝑋(−𝑓)| ; pair
𝑋(𝑓) = 𝑋 ∗ (−𝑓)  {  Symétrie hermitienne
𝜑(𝑓) = −𝜑(−𝑓) ; impaire
12
En remplaçant dans l’équation (TF), l’exponentielle par la formule d’Euler, on peut écrire :
∞ ∞
𝑋(𝑓) = ∫ 𝑥(𝑡) cos(2𝜋𝑓𝑡) 𝑑𝑡 − 𝑗 ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑓𝑡)𝑑𝑡
−∞ −∞
Si 𝑥(𝑡) est pair : 𝑥(−𝑡) = 𝑥(𝑡)

∞
𝑇𝐹{𝑥(𝑡)} = 𝑅𝑒{𝑋(𝑓)} = 2 ∫ 𝑥(𝑡) 𝑐𝑜𝑠(2𝜋𝑓𝑡) 𝑑𝑡
0
Si 𝑥(𝑡) est impair : 𝑥(−𝑡) = −𝑥(𝑡)
∞
𝑇𝐹{𝑥(𝑡)} = 𝑗 𝐼𝑚{𝑋(𝑓)} = −2 𝑗 ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑓𝑡)𝑑𝑡
0
4.4.6 Dérivation
- TF d’une dérivée
∞
𝑇𝐹{𝑥 ′ (𝑡)} = ∫ 𝑥 ′ (𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 ?
−∞
En intégrant par partie, on peut écrire :
∞ ∞
′ (𝑡) −𝑗2𝜋𝑓𝑡 ∞
∫ 𝑥 𝑒 𝑑𝑡 = [𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 ]−∞ + 𝑗2𝜋𝑓 ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞ −∞
′ (𝑡)
Comme 𝑥 est intégrable et 𝑥(𝑡) est borné (pas de valeur infinie), on a :
∞
[𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 ]−∞ = 0
 𝑇𝐹{𝑥 ′ (𝑡)} = 𝑗2𝜋𝑓 𝑋(𝑓)
Plus généralement, pour la dérivée d’ordre n, on a :
𝑇𝐹{𝑥 (𝑛) (𝑡)} = (𝑗2𝜋𝑓)𝑛 𝑋(𝑓)
- Dérivée de la TF par rapport à 𝑓
∞
𝑋 ′ (𝑓) = −𝑗2𝜋 ∫ 𝑡 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = −𝑗2𝜋 𝑇𝐹{𝑡 𝑥(𝑡)}
−∞
Dérivée nième de la TF par rapport à 𝑓
𝑋 (𝑛) (𝑓) = (−𝑗2𝜋)𝑛 𝑇𝐹{𝑡 𝑛 𝑥(𝑡)}
5 Propriétés spectrales des signaux – Théorème de Parceval

5.1 Cas d’un signal périodique
5.1.1 Spectre d’un signal
Les coefficients de Fourier 𝑐(𝑘), sont des grandeurs a-priori complexes. On peut représenter leur
module et leur argument en fonction de la fréquence.
𝑎𝑘 𝑏𝑘
𝑐(𝑘) = −𝑗 = |𝑐(𝑘)|𝑒 𝑗𝜑(𝑘)
2 2
1
|𝑐(𝑘)| = √𝑎𝑘2 + 𝑏𝑘2 ; module du spectre
2
−𝑏𝑘
𝜑(𝑘) = tan−1 ( ) ; phase du spectre
𝑎𝑘
Avec les propriétés :
𝑎𝑘 = 𝑎−𝑘
{𝑏 = −𝑏
𝑘 −𝑘
13
Soit 𝑥(𝑡) un signal périodique, de période 𝑇0 , sa TF est obtenu directement à partir de son
développement en SF :
∞ ∞
𝑇𝐹{𝑥(𝑡)} = 𝑋(𝑓) = ∫ [ ∑ 𝑐(𝑘) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 ] 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡

−∞ 𝑘−∞
∞ ∞
−𝑗2𝜋(𝑓−𝑘𝑓0 )𝑡
= ∑ [𝑐(𝑘) ∫ 𝑒 𝑑𝑡]
𝑘=−∞ −∞
∞
𝑋(𝑓) = ∑ 𝑐(𝑘𝑓0 ) 𝛿(𝑓 − 𝑘𝑓0 )

𝑘=−∞
Ce spectre est composé de raies, l’espacement des raies est fixé par la fréquence fondamentale
𝑓0 . On représente chaque raie par |𝑐(𝑘𝑓0 )|. C’est une suite d’impulsion de Dirac (espacée de 𝑓0 ),
dans le domaine des fréquences (Fig.2.1). C’est un spectre discret.
Fig.2.1- Module du spectre d’amplitude
5.1.2 Densité spectrale et théorème de Parceval

La puissance moyenne d’un signal périodique 𝑥(𝑡) est donnée par :
1 1
𝑃𝑚𝑜𝑦 = ∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ 𝑥(𝑡)𝑥 ∗ (𝑡) 𝑑𝑡
𝑇0 (𝑇0 ) 𝑇0 (𝑇0 )
En remplaçant 𝑥(𝑡) par son développement en SF, on a :

∞ ∞ ∗
1
𝑃𝑚𝑜𝑦 = ∫ ( ∑ 𝑐(𝑘) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 ) ( ∑ 𝑐(𝑙) 𝑒 𝑗2𝜋 𝑙𝑓0 𝑡 ) 𝑑𝑡
𝑇0 (𝑇0 )
𝑘=−∞ 𝑘=−∞
∞ ∞
1
𝑃𝑚𝑜𝑦 = ∫ ( ∑ 𝑐(𝑘) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 ) ( ∑ 𝑐 ∗ (𝑙) 𝑒 −𝑗2𝜋 𝑙𝑓0 𝑡 ) 𝑑𝑡
𝑇0 (𝑇0 )
𝑘=−∞ 𝑙=−∞
∞
1
𝑃𝑚𝑜𝑦 = ∑ 𝑐(𝑘) 𝑐 ∗ (𝑙) ∫ 𝑒 𝑗2𝜋𝑓0 (𝑘−𝑙)𝑡 𝑑𝑡
𝑇0 (𝑇0 )
𝑘=−∞
𝑇0 𝑠𝑖 𝑘 = 𝑙
𝐼 = ∫ 𝑒 𝑗2𝜋𝑓0 (𝑘−𝑙)𝑡 𝑑𝑡 = {
(𝑇0 ) 0 𝑠𝑖 𝑘 ≠ 𝑙
∞ ∞
∗ (𝑘)
𝑃𝑚𝑜𝑦 = ∑ 𝑐(𝑘) 𝑐 = ∑ |𝑐(𝑘)|2
𝑘=−∞ 𝑘=−∞
∞
1
𝑃𝑚𝑜𝑦 = ∫ |𝑥(𝑡)|2 𝑑𝑡 = ∑ |𝑐(𝑘)|2 ; Théorème de Parceval
𝑇0 (𝑇0 )
𝑘=−∞
14
Théorème de Parceval exprime que la puissance moyenne est la somme des puissances
moyennes des fréquences harmoniques ; c'est-à-dire qu’il y a conservation de la puissance
moyenne entre les dimensions temps et fréquence.
Remarque :
1 2
𝑃𝑚𝑜𝑦 = ∫ |𝑥(𝑡)|2 𝑑𝑡 = 𝑥𝑒𝑓𝑓
𝑇0 (𝑇0 )
∞ ∞
2 2
𝑃𝑚𝑜𝑦 = ∑ |𝑐(𝑘)|2 = |𝑐(0)|2 + 2 ∑|𝑐(𝑘)|2 = 𝑥𝐷𝐶 + 𝑥𝐴𝐶
𝑘=−∞ 𝑘=1
En utilisant la propriété suivante :

1
|𝑐(𝑘)| = √𝑎𝑘2 + 𝑏𝑘2
2
On peut écrire :
∞
𝑎0 2 1
𝑃𝑚𝑜𝑦 = | | + ∑(𝑎𝑘2 + 𝑏𝑘2 )
2 2
𝑘=1
On définit, la densité spectrale de puissance 𝑆𝑋𝑋 (𝑓) par :

∞
𝑃𝑚𝑜𝑦 = ∫ 𝑆𝑋𝑋 (𝑓)𝑑𝑓
−∞
∞ ∞ ∞
𝑃𝑚𝑜𝑦 = ∑ |𝑐(𝑘𝑓0 )|2 = ∫ [ ∑ |𝑐(𝑘𝑓0 )|2 𝛿(𝑓 − 𝑘𝑓0 )] 𝑑𝑓

𝑘=−∞ −∞ 𝑘=−∞
∞
 𝑆𝑋𝑋 (𝑓) = ∑ |𝑐(𝑘𝑓0 )|2 𝛿(𝑓 − 𝑘𝑓0 )

𝑘=−∞
5.2 Cas d’un signal apériodique

5.2.1 Spectre d’un signal
Soit un signal quelconque 𝑥(𝑡). Le spectre de 𝑥(𝑡) est sa TF, 𝑋(𝑓) qui peut être :
- Soit une fonction réelle ou complexe (fonction continue) ;
- Soit une somme de distribution de Dirac, spectre de raies ;
- Soit la superposition d’une fonction et d’une distribution de Dirac.
On pourra l’écrire sous la forme amplitude et phase, c’est un spectre continu :
𝑋(𝑓) = |𝑋(𝑓)| 𝑒 𝑗𝜑(𝑓)
5.2.2 Densité spectrale et théorème de Parceval
- Cas d’un signal 𝑥(𝑡) à énergie finie
L’énergie totale d’un signal 𝑥(𝑡) est donnée par :
∞ ∞
𝐸𝑇 = ∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ 𝑥(𝑡)𝑥 ∗ (𝑡) 𝑑𝑡 < ∞
−∞ −∞
−1 {𝑋(𝑓)}
En remplaçant 𝑥(𝑡) par sa 𝑇𝐹 dans l’équation précédente, on a :
15
∞ ∞ ∗
𝑗2𝜋𝑓𝑡
𝐸𝑇 = ∫ 𝑥(𝑡) [(∫ 𝑋(𝑓) 𝑒 𝑑𝑓) ] 𝑑𝑡
−∞ −∞
∞ ∞ ∞ ∞
𝐸𝑇 = ∫ 𝑥(𝑡) ∫ 𝑋 ∗ (𝑓) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑓𝑑𝑡 = ∫ 𝑋 ∗ (𝑓) [∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡] 𝑑𝑓
−∞ −∞ −∞ −∞
∞ ∞
𝐸𝑇 = ∫ 𝑋 ∗ (𝑓)𝑋(𝑓) 𝑑𝑓 = ∫ |𝑋(𝑓)|2 𝑑𝑓
−∞ −∞
∞ ∞
𝐸𝑇 = ∫ |𝑥(𝑡)|2 𝑑𝑡 = ∫ |𝑋(𝑓)|2 𝑑𝑓 ; Théoréme de Parceval
−∞ −∞
Conservation d’énergie entre le domaine temps et fréquence.
On définit, la densité spectrale d’énergie 𝑆𝑋𝑋 (𝑓) par :
∞
𝐸𝑇 = ∫ 𝑆𝑋𝑋 (𝑓)𝑑𝑓  𝑆𝑋𝑋 (𝑓) = |𝑋(𝑓)|2
−∞
- Cas d’un signal 𝑥(𝑡) à puissance moyenne finie

Les signaux à puissance moyenne finie ne sont pas absolument intégrables. Ils ne possèdent pas
de TF au sens classique, cependant chacun d’eux peut avoir une TF au sens des distributions.
La puissance moyenne d’un signal 𝑥(𝑡) est donnée par :
1 𝑇/2
𝑃𝑚𝑜𝑦 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡 < ∞
𝑇→∞ 𝑇 −𝑇/2
Soit un signal 𝑥𝑇 (𝑡), une restriction centrale de largeur T du signal de 𝑥(𝑡), il est donné par :
𝑇
𝑥𝑇 (𝑡) = { 𝑥(𝑡) si |𝑡| ≤
2
0 sinon
Soit 𝑋𝑇 (𝑓), sa TF :
∞ 𝑇/2
𝑋𝑇 (𝑓) = 𝑇𝐹{𝑥𝑇 (𝑡)} = ∫ 𝑥𝑇 (𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞ −𝑇/2
1 𝑇/2 1 ∞ 1 ∞
𝑃𝑚𝑜𝑦 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡 = 𝑙𝑖𝑚 [∫ |𝑥𝑇 (𝑡)|2 𝑑𝑡] = 𝑙𝑖𝑚 [∫ |𝑋𝑇 (𝑓)|2 𝑑𝑓]
𝑇→∞ 𝑇 −𝑇/2 𝑇→∞ 𝑇 −∞ 𝑇→∞ 𝑇 −∞
1 𝑇/2 1 ∞
𝑃𝑚𝑜𝑦 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡 = 𝑙𝑖𝑚 [∫ |𝑋𝑇 (𝑓)|2 𝑑𝑓]
𝑇→∞ 𝑇 −𝑇/2 𝑇→∞ 𝑇 −∞
Cette définition du spectre de puissance permet l’établissement d’une règle de conservation de la

puissance moyenne entre ses représentations temporelle et spectrale.
On définit, la densité spectrale de puissance 𝑆𝑋𝑋 (𝑓) par :
∞
𝑃𝑚𝑜𝑦 = ∫ 𝑆𝑋𝑋 (𝑓)𝑑𝑓
−∞
∞
1 1
𝑃𝑚𝑜𝑦 = ∫ [ 𝑙𝑖𝑚 |𝑋𝑇 (𝑓)|2 ] 𝑑𝑓  𝑆𝑋𝑋 (𝑓) = 𝑙𝑖𝑚 |𝑋𝑇 (𝑓)|2
−∞ 𝑇→∞ 𝑇 𝑇→∞ 𝑇
16
Annexe
Table de quelques Transformées de Fourier
∞
𝑥(𝑡)
−∞
𝛿(𝑡) 1; ∀𝑓
𝛿(𝑡 − 𝑡0 ) 𝑒 −𝑗2𝜋𝑓𝑡0
1 𝛿(𝑓)
𝑗2𝜋𝑓0 𝑡 𝛿(𝑓 − 𝑓0 )
𝑒
𝑠𝑔𝑛(𝑡) 1
𝑗𝜋𝑓
𝑢(𝑡) 1 1
𝛿(𝑓) +
2 𝑗2𝜋𝑓
𝑒 −𝑎𝑡 𝑢(𝑡) , 𝑎 > 0 1
𝑎 + 𝑗2𝜋𝑓
𝑒 −𝑎|𝑡| , 𝑎 > 0 2𝑎
𝑎2 + (2𝜋𝑓)2
𝜋𝑇 (𝑡) 𝑇 𝑠𝑖𝑛𝑐(𝜋𝑓𝑇)
∆2𝑇 (𝑡) 𝑇𝑠𝑖𝑛𝑐 2 (𝜋𝑓𝑇)
cos(2𝜋𝑓0 𝑡) 1
[𝛿(𝑓 + 𝑓0 ) + 𝛿(𝑓 − 𝑓0 )]
2
sin(2𝜋𝑓0 𝑡) 1
𝑗 [𝛿(𝑓 + 𝑓0 ) − 𝛿(𝑓 − 𝑓0 )]
2
∑ 𝛿(𝑡 − 𝑘𝑇0 ) 𝑓0 ∑ 𝛿(𝑓 − 𝑘𝑓0 )
Table de propriétés importantes de la Transformées de Fourier

Propriétés Importantes 𝑥(𝑡) 𝑋(𝑓)
Linéarité : 𝑎1 𝑥1 (𝑡) + 𝑎2 𝑥2 (𝑡) 𝑎1 𝑋1 (𝑓) + 𝑎2 𝑋2 (𝑓)
Complexe conjugué 𝑥 ∗ (𝑡) 𝑋 ∗ (−𝑓)
Changement d’échelle 𝑥(𝑎𝑡) 1 𝑓
𝑋 ( ) ; avec 𝑎 ≠ 0
temporelle |𝑎| 𝑎
𝑥(𝑡 − 𝑡0 ) −𝑗2𝜋𝑓 𝑡0
Translation temporelle 𝑒 𝑋(𝑓)
Translation fréquentielle 𝑒 𝑗2𝜋 𝑓0 𝑡 𝑥(𝑡) 𝑋(𝑓 − 𝑓0 )
Dérivation de 𝑥(𝑡) 𝑥 ′ (𝑡) 𝑗2𝜋𝑓𝑋(𝑓)
dérivée d’ordre n 𝑥 (𝑛) (𝑡) (𝑗2𝜋𝑓)𝑛 𝑋(𝑓)
Dérivation de 𝑋(𝑓) 𝑡 𝑥(𝑡) 1
(− ) 𝑋 ′ (𝑓)
𝑗2𝜋
dérivée d’ordre n 𝑡 𝑛 𝑥(𝑡) 1 𝑛 (𝑛)
(− ) 𝑋 (𝑓)
𝑗2𝜋
Dualité 𝑋(𝑡) 𝑥(−𝑓)
𝑋(−𝑓) = 𝑋 ∗ (𝑓)
Signal réel 𝑥(𝑡) ∈ ℝ |𝑋(−𝑓)| = |𝑋(𝑓)|
𝐴𝑟𝑔[𝑋(−𝑓)] = −𝐴𝑟𝑔[𝑋(𝑓)]
17
Exercices
Ex.1 :
Soit la représentation temporelle suivante (Fig.2.2) :
Fig.2.2 - Représentation temporelle des signaux 𝑥1 (𝑡) ; 𝑥2 (𝑡) ; 𝑥3 (𝑡) et 𝑥(𝑡) = 𝑥1 (𝑡) + 𝑥2 (𝑡)+ 𝑥3 (𝑡)
La figure (Fig.2.2) représente le signal en fonction du temps.

Quelle est la nature de chaque signal (𝑥1 (𝑡) ; 𝑥2 (𝑡) ; 𝑥3 (𝑡) et 𝑥(𝑡)) ;
Justifier votre réponse.
Donner la représentation spectrale de chaque signal (représentation fréquentielle);
On donne : 𝑇0 =5𝑚𝑠 ; 𝐴1 = 2 ; 𝐴2 = 0.5 ; 𝐴3 = 1
Ex.2 :
Soit le signal 𝑥(𝑡), donné par :
𝑥(𝑡) = 5 + 2.5 sin(100𝜋𝑡)
1- Déterminer la période et la fréquence du signal 𝑥(𝑡) ;
2- Trouver la valeur moyenne 𝑥𝑚𝑜𝑦 et la valeur efficace 𝑥𝑒𝑓𝑓 du signal 𝑥(𝑡).
18
Ex.3 : Soit le signal périodique 𝑥(𝑡), de période 𝑇0 (Fig.2.3) :
Fig.2.3 - Signal périodique (𝑇0 = 4𝜏), Suite d’Impulsions Rectangulaires
1- Trouver le développement en série de Fourier (forme complexe) du signal 𝑥(𝑡).

2- Représenter le spectre de raie de 𝑥(𝑡) pour 𝑇0 = 4𝜏.
Solution
1- Le signal 𝑥(𝑡) est périodique  on peut le développer en série de Fourier ;
∞
1
𝑥(𝑡) = ∑ 𝑐(𝑘) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 ; avec 𝑓0 = et
𝑇0
𝑘=−∞
1 −𝑗2𝜋𝑘𝑓0 𝑡
1 𝜏/2
𝑐(𝑘) = ∫ 𝑥(𝑡) 𝑒 𝑑𝑡 = ∫ 𝐴 𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 𝑑𝑡
𝑇0 (𝑇0 ) 𝑇0 −𝜏/2
𝐴 1 𝑡=𝜏/2 𝐴
𝑐(𝑘) = [𝑒 −𝑗2𝜋𝑘𝑓0 𝑡 ]𝑡=−𝜏/2 = sin(𝜋𝑘𝑓0 𝜏)
𝑇0 −𝑗2𝜋𝑘𝑓0 𝜋𝑘
𝑐(𝑘) = 𝐴𝑓0 𝜏 sinc(𝜋𝑘𝑓0 𝜏)
On remarque que les coefficients de la SF 𝑐(𝑘) sont pairs.
Le signal 𝑥(𝑡) peut-être représenter par :
∞
 𝑥(𝑡) = 𝐴𝑓0 𝜏 ∑ 𝑠𝑖𝑛𝑐 (𝜋𝑘𝑓0 𝜏) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡

𝑘=−∞
2- Représentation du spectre pour 𝑇0 = 4𝜏  𝑓0 𝜏 = 1/4 (Fig.2.4)
𝑐(𝑘) = 𝐴𝑓0 𝜏 sinc(𝜋𝑘𝑓0 𝜏)
𝐴 𝜋𝑘 𝐴 𝜋𝑘
 𝑐(𝑘) = 𝑠𝑖𝑛𝑐 ( ) = 𝑠𝑖𝑛 ( )
4 4 𝜋𝑘 4
𝐴
𝑐(0) = 𝐴𝑓0 𝜏 = ; valeur moyenne (composante continue)
4
𝐴 𝐴 𝐴
𝑐(1) = √2 ; 𝑐(2) = ; 𝑐(3) = √2 ; 𝑐(4) = 0 ;
2𝜋 2𝜋 6𝜋
𝐴 𝐴 𝐴
𝑐(5) = − √2 ; 𝑐(6) = − ; 𝑐(7) = − √2 ; 𝑐(8) = 0
10𝜋 6𝜋 14𝜋
Fig.2.4 – Spectre de raie (𝑇0 = 4𝜏) ; spectre discret
Les 𝑐(𝑘) indiquent les fréquences qui sont présentes dans le signal 𝑥(𝑡).
19
Ex.4 :
Déterminer la TF du signal suivant :
𝑇
𝑥(𝑡) = { 1 si |𝑡| <
2
0 sinon
En déduire la TF de 𝑦(𝑡) = 𝑥(𝑡 − 𝑇/2).
Représenter le spectre de 𝑦(𝑡), c'est-à-dire le module et l’argument de la 𝑇𝐹{𝑦(𝑡)} = 𝑌(𝑓).
Solution
∞
−∞
𝑇/2
1 𝑡=𝑇/2
𝑋(𝑓) = ∫ 𝑥(𝑡) 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = [𝑒 −𝑗2𝜋𝑓𝑡 ]𝑡=−𝑇/2
−𝑇/2 −𝑗2𝜋𝑓
1 1
𝑋(𝑓) = [𝑒 −𝑗𝜋𝑓𝑇 − 𝑒 𝑗𝜋𝑓𝑇 ] = sin(𝜋𝑓𝑇)
−𝑗2𝜋𝑓 𝜋𝑓
sin(𝜋𝑓𝑇)
𝑋(𝑓) = 𝑇 = 𝑇𝑠𝑖𝑛𝑐(𝜋𝑓𝑇)
𝜋𝑓𝑇
La TF de 𝑦(𝑡) = 𝑥(𝑡 − 𝑇/2) :
En utilisant les propriétés de la TF : 𝑇𝐹{𝑥(𝑡 − 𝑡0 )} = 𝑒 −𝑗2𝜋𝑓 𝑡0 𝑋(𝑓)
On obtient :
𝑌(𝑓) = 𝑇𝐹{𝑥(𝑡 − 𝑇/2)} = 𝑒 −𝑗𝜋𝑓𝑇 𝑇𝑠𝑖𝑛𝑐(𝜋𝑓𝑇)
Le module et l’argument de 𝑌(𝑓).
sin(𝜋𝑓𝑇)
|𝑌(𝑓)| = 𝑇 | |
𝜋𝑓𝑇
𝜋 si 𝑠𝑖𝑛𝑐(𝜋𝑓𝑇) < 0
𝑎𝑟𝑔[𝑌(𝑓)] = −𝜋𝑓𝑇 + {
0 sinon
Représentation du module et l’argument de 𝑌(𝑓).
Fig.2.5 - Spectre d’amplitude et spectre de phase
20
Ex.6 : Déterminer la TF des signaux suivants

𝑥1 (𝑡) = 𝑠𝑔𝑛(𝑡)
𝑥2 (𝑡) = 𝑢(𝑡)
Solution
𝑇𝐹{𝑥1 (𝑡)} = 𝑇𝐹{𝑠𝑔𝑛(𝑡)} = 𝑋1 (𝑓) ?
En utilisant la propriété de la dérivée :
𝑇𝐹{𝑥1′ (𝑡)} = 𝑗2𝜋𝑓 𝑋1 (𝑓)
et 𝑥1′ (𝑡) = 2𝛿(𝑡) avec 𝑇𝐹{𝛿(𝑡)} = 1 
1
𝑋1 (𝑓) =
𝑗𝜋𝑓
𝑇𝐹{𝑥2 (𝑡)} = 𝑇𝐹{𝑢(𝑡)} = 𝑋2 (𝑓) ?
En utilisant l’expression suivante :
1 1
𝑢(𝑡) = + 𝑠𝑔𝑛(𝑡)
2 2
En utilisant la propriété de linéarité, et avec 𝑇𝐹{1} = 𝛿(𝑓), on obtient :
1 1
𝑇𝐹{𝑢(𝑡)} = 𝛿(𝑓) +
2 𝑗2𝜋𝑓
Ex.7 : Soit le signal 𝑥(𝑡), donné par :

−𝑎𝑡
𝑥(𝑡) = { 𝑒 si 𝑡≥0
0 sinon
avec 𝑎 > 0.
- Représenter le signal 𝑥(𝑡) ;
- Déterminer et représenter le spectre de 𝑥(𝑡) ;
- Déterminer l’énergie totale et la densité spectrale d’énergie de 𝑥(𝑡).
Solution
Représentation de 𝑥(𝑡), c’est une exponentielle décroissante
Fig.2.6 – x(t) : Signal exponentiel décroissant (a > 0)
- Spectre du signal, c’est sa TF, elle est donnée par :

∞
−∞
21
∞
1
𝑋(𝑓) = ∫ 𝑒 −𝑎 𝑡 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = ;
0 𝑎 + 𝑗2𝜋𝑓
Le module et l’argument de X(𝑓) :
1/2
1
|𝑋(𝑓)| = ( 2 )
𝑎 + (2𝜋𝑓)2
2𝜋𝑓
𝑎𝑟𝑔[𝑋(𝑓)] = 𝜑(𝑓) = −𝑎𝑟𝑐𝑡𝑔 [ ]
𝑎
- Représentation du spectre de 𝑥(𝑡) :
Fig.2.7 – Spectres d’amplitude et de phase de x(t) ; spectre continu

- L’énergie totale de 𝑥(𝑡) :
∞
𝐸𝑇 = ∫ |𝑥(𝑡)|2 𝑑𝑡
−∞
∞
1
𝐸𝑇 = ∫ (𝑒 −𝑎 𝑡 )2 𝑑𝑡 =
0 2𝑎
- Densité spectrale d’énergie, 𝑆𝑥𝑥 (𝑓)
1
𝑆𝑥𝑥 (𝑓) = |𝑋(𝑓)|2 = ( 2 )
𝑎 + (2𝜋𝑓)2
Ex.8 : Soit 𝑥(𝑡), un signal analogique, donné par la figure ci-dessous (Fig.2.8).
Fig.2.8 – Suite de deux triangle
Soit 𝑋(𝑓) la transformée de Fourier du signal 𝑥(𝑡), c'est-à-dire : 𝑋(𝑓) = 𝑇𝐹{𝑥(𝑡)}.

Sans calculer explicitement 𝑋(𝑓), Déterminer :
1- La valeur de 𝑋(𝑓) pour 𝑓 = 0 , c'est-à-dire : 𝑋(0) ;
2- La valeur de :
∞
∫ 𝑋(𝑓) 𝑑𝑓 ;
−∞
3- La valeur de :
∞
∫ |𝑋(𝑓)|2 𝑑𝑓
−∞
22

Chap - 2 - Analyse de Fourier

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

Chap - 2 - Analyse de Fourier

Transféré par

Droits d'auteur :

Formats disponibles

Université Blida 1 – Faculté de Technologie Département d'Electronique – L2/Télécom (S4)

Théorie du Signal/Chap.2 – Analyse de Fourier M. Arezki

Notation : (résultat) < ∞  Le résultat a une valeur finie.

2.2 Produit scalaire

< 𝑥1 (𝑡) | 𝑥2 (𝑡) > = ∫ 𝑥1 (𝑡)𝑥2∗ (𝑡)𝑑𝑡

2.3 Distance Euclidienne

2.4 Norme d’un signal

‖𝑥‖ = (∫ |𝑥(𝑡)|2 𝑑𝑡)

‖𝑥‖2 = ∫ 𝑥(𝑡)𝑥 ∗ (𝑡)𝑑𝑡 = < 𝑥(𝑡) | 𝑥(𝑡) >

2.5 Relation entre produit scalaire et distance Euclidienne

𝑑 2 (𝑥1 , 𝑥2 ) = ‖𝑥1 − 𝑥2 ‖2 = ∫ |𝑥1 (𝑡) − 𝑥2 (𝑡)|2 𝑑𝑡

2.6 Espace de signaux

𝑥(𝑡) = ∑ 𝑐𝑘 𝜓𝑘 (𝑡) ; 𝑐𝑘 ∈ ℝ (ou ℂ)

2.7 Base de fonctions

< 𝑥(𝑡) | 𝜓𝑘 (𝑡) >

Le signal 𝑥 (𝑡) est une somme pondérée de termes de la base.

2.8 Exemple de développement d’un signal dans une famille de fonctions

< 𝜓𝑘 (𝑡) | 𝜓𝑙 (𝑡) > = ∫ 𝑒 𝑗2𝜋 𝑘 𝑓0 𝑡 𝑒 −𝑗2𝜋 𝑙 𝑓0 𝑡 𝑑𝑡

Soit 𝑥(𝑡), un signal périodique, de période 𝑇0 , on a :

3. Séries de Fourier (SF)

Pour 𝑘 = 0 correspond à la composante continue 𝑥𝑐𝑐 (valeur moyenne), donnée par :

Pour 𝑘 = ±1 correspond à l’harmonique d’ordre 1 : la fréquence fondamentale 𝑓0 ;

𝑥(𝑡) = ∑ 𝑐(𝑘) [𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) + 𝑗sin(2𝜋𝑘𝑓0 𝑡)]

𝑥(𝑡) = ∑ {𝑐(𝑘) [𝑐𝑜𝑠(2𝜋𝑘𝑓0 𝑡) + 𝑗sin(2𝜋𝑘𝑓0 𝑡)]} + 𝑐(0)

+ ∑{𝑐(𝑘) [cos(2𝜋𝑘𝑓0 𝑡) + 𝑗sin(2𝜋𝑘𝑓0 𝑡)]}

𝑥(𝑡) = 𝑐(0) + ∑[𝑐(𝑘) + 𝑐(−𝑘)] cos(2𝜋𝑘𝑓0 𝑡) + ∑ 𝑗 [𝑐(𝑘) − 𝑐(−𝑘)]sin(2𝜋𝑘𝑓0 𝑡)

Posons 𝑎𝑘 = [𝑐(𝑘) + 𝑐(−𝑘)] et 𝑏𝑘 = 𝑗 [𝑐(𝑘) − 𝑐(−𝑘)], on aura :

Les 𝑎𝑘 et 𝑏𝑘 sont les coefficients de la SF du développement en cosinus et sinus.

 𝑥(𝑡) = |𝑐(0)|𝑒 𝑗𝜑(0) + ∑|𝑐(𝑘)|{𝑒 𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] + 𝑒 −𝑗[2𝜋𝑘𝑓0 𝑡+𝜑(𝑘)] }

𝑥(𝑡) = |𝑐(0)|𝑒 𝑗𝜑(0) + ∑ 2|𝑐(𝑘)|cos(2𝜋𝑘𝑓0 𝑡 + 𝜑(𝑘))

3.2 Condition d’existence de la SF

3.3.1 Cas d’une fonction réelle paire ou impaire

3.3.4 Complexe conjugué

3.3.5 Ajout d’une constante A

3.4 Série de Fourier d’une distribution périodique

〈𝐷 , 𝜑〉 = 〈𝐷𝑇0 , ∑ 𝜑(𝑡 − 𝑘𝑇0 )〉

𝐷(𝑡) est obtenu à partir de la périodisation de 𝐷𝑇0 (𝑡), donc on a :

Exemple : SF du peigne de Dirac, 𝑝𝑔𝑛 𝑇0 (𝑡)

𝑝𝑔𝑛 𝑇0 (𝑡) = ∑ 𝛿(𝑡 − 𝑘𝑇0 ) = 𝐷(𝑡) avec 𝐷𝑇0 (𝑡) = 𝛿(𝑡)

4. Transformée de Fourier (TF)

|𝑋(𝑓)| = √(𝑅𝑒{𝑋(𝑓)})2 + (𝐼𝑚{𝑋(𝑓)})2 ∶ spectre d′amplitude

4.2 Condition d’existence de la TF

4.3 Transformée de Fourier des distributions

que l’on peut représenter :

𝑇𝐹 −1 {𝐷𝑓 } = 〈𝐷𝑓 , 𝑒 𝑗2𝜋𝑓𝑡 〉 = 〈𝛿(𝑓 − 𝑓0 ) , 𝑒 𝑗2𝜋𝑓𝑡 〉 = 𝑒 𝑗2𝜋𝑓0 𝑡

𝑇𝐹{𝑝𝑔𝑛𝑇0 (𝑡)} = ∑ 𝑇𝐹{𝛿(𝑡 − 𝑘𝑇0 )} = ∑ 𝑒 −𝑗2𝜋𝑓𝑘𝑇0

La fonction 𝑝𝑔𝑛 𝑇0 (𝑡) est périodique, donc on peut la développer en SF :

En effectuant le changement de variable 𝑓 = (−𝑓) dans l’équation (2a) et en la comparant dans

puisque (signa réel)

Si 𝑥(𝑡) est pair : 𝑥(−𝑡) = 𝑥(𝑡)

5 Propriétés spectrales des signaux – Théorème de Parceval

𝑇𝐹{𝑥(𝑡)} = 𝑋(𝑓) = ∫ [ ∑ 𝑐(𝑘) 𝑒 𝑗2𝜋𝑘𝑓0 𝑡 ] 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡

𝑋(𝑓) = ∑ 𝑐(𝑘𝑓0 ) 𝛿(𝑓 − 𝑘𝑓0 )

Fig.2.1- Module du spectre d’amplitude

5.1.2 Densité spectrale et théorème de Parceval

En remplaçant 𝑥(𝑡) par son développement en SF, on a :

En utilisant la propriété suivante :

On définit, la densité spectrale de puissance 𝑆𝑋𝑋 (𝑓) par :

𝑃𝑚𝑜𝑦 = ∑ |𝑐(𝑘𝑓0 )|2 = ∫ [ ∑ |𝑐(𝑘𝑓0 )|2 𝛿(𝑓 − 𝑘𝑓0 )] 𝑑𝑓

 𝑆𝑋𝑋 (𝑓) = ∑ |𝑐(𝑘𝑓0 )|2 𝛿(𝑓 − 𝑘𝑓0 )

5.2 Cas d’un signal apériodique

- Cas d’un signal 𝑥(𝑡) à puissance moyenne finie

Cette définition du spectre de puissance permet l’établissement d’une règle de conservation de la