Chapitre 1 TS

Organisation
SMP S6 M. LHARCH p. 1
Chap1: Signaux déterminstes
Signaux périodiques
Séries de Fourier :
spectres d'amplitude et de phase, relation énergétique.
Signaux non-périodiques
Transformée de Fourier : Définition et propriétés ; Application
aux : Signaux usuels, Signaux à puissance moyenne non nulle.
Énergies associé aux signaux

I. signaux périodiques
1. Introduction
L'analyse harmonique ou fréquentielle est l'instrument majeur de

la théorie des signaux. Le développement en séries de Fourier et,
plus généralement, la transformation de Fourier permettent
d'obtenir une représentation spectrale des signaux déterministes.
Celle-ci exprime la répartition de l'amplitude, de la phase, de
l'énergie ou de la puissance des signaux considérés en fonction de
la fréquence.
exponentielles complexes
cos(.t )  1
2
exp( j..t )  exp(  j..t ) 
exp( j..t )  cos(.t )  j. sin(.t )
sin(.t ) 
1
exp( j..t )  exp(  j..t )
2j
2. Séries de Fourier
L'élément fondamental de l'analyse de Fourier est constitué par le
fait qu'un signal périodique peut être décomposé en une somme
d'ondes sinusoïdales dont la fréquence est chaque fois un multiple
de la fondamentale f0 (théorème de Weierstrass).
a) Série de Fourier réel
Considérons un signal périodique x(t) de période T = 1/f0. Son
développement en série de Fourier est alors le suivant :
𝒂𝟎 ∞
x 𝒕 = + 𝒏=𝟏 𝒂𝒏 𝐜𝐨𝐬(𝟐𝝅𝒏𝒇𝟎 𝒕) + 𝒃𝒏 𝒔𝒊𝒏(𝟐𝝅𝒏𝒇𝟎 𝒕) (1.1)
𝟐
où f0 = 1/T est la fréquence fondamentale du signal, et a0/2 est la

valeur moyenne (composante continue), et an, bn sont les
coefficients de Fourier du développement en série cos et sin
Avec :
T0
2
an   x(t )  cos(2nf0t ) n≥0 (1.2)
T0 0
et T0
2
bn   x(t )  sin( 2nf0t ) n≥1 (1.3)
T0 0
!!
N.B. : cette représentation de base en séries de Fourier n’a

aucun intérêt en TS, elle est remplacée par la série complexe
et la série en cosinus.
3. Séries de Fourier complexes
Un signal périodique peut aussi être décomposé sous forme
d’exponentielle complexe comme suit :

x(t )  C
n  
n  Exp( j 2nf0t ) (1.4)
Avec :
T0
1
Cn   x(t )  Exp( j 2nf0t ) -∞ < n < + ∞ (1.5)
T 0
Où T0 =1/f0
La représentation spectrale graphique associée porte le nom de

spectre bilatéral. Cette représentation est analytiquement plus
intéressante que la forme en cosinus.
4. Séries de Fourier en cosinus
Le développement en séries de Fourier peut s’écrire sous
forme de sommes de cosinus :

x(t )  A0   cos(2nf t  
n  
0 n ) (1.6)
Avec :
a0  bn (1.7)
A0  An  a  b 2
n
2
n  n  arctan( )
2 an
Cette série est extrêmement importante car elle correspond a la
description des signaux en régime sinusoïdal permanent ou l'on
représente un courant ou tension par l’amplitude et leur phase. La
représentation spectrale associée porte le nom de spectre unilatéral.
5. Relations entre les représentations de Fourier :
Les relations existant entre les trois représentations de Fourier
sont présentées et illustrées par le tableau et le graphe vectoriel de
la figure 1.2.
K=0 A0/2 A0 C0
K>0 {ak, bk} {Ak, αk} C(±jk)
ak ak Akcos(αk) 2Re{C(jk)}
bk Bk -Aksin(αk) -2Im{C(jk)}
Ak Ak 𝐶𝑘
𝑎𝑘2 + 𝑏𝑘2
αk −𝑏
Arctan( 𝑎 𝑘 ) αk 𝐼𝑚(𝐶 )
Arctan( 𝑅𝑒(𝐶 𝑘) )
𝑘 𝑘
C(+jk) ak-jbk 1 +𝑗𝛼 C(+jk)

𝑒 𝑘
2
C(-jk) ak+jbk 1 −𝑗𝛼 C(-jk)
𝑒 𝑘
2
Exemple :
a0 =0.5
b1=1 ; a2 =-0.5
Et b3 = 0.25
G_signal.m
Construction d'un signal périodique non-sinusoïdal
Exemple :
Onde en dents de scie, composantes et spectres d'amplitudes et de phases
Exemple :
Période T   2 / T
2
1
.
2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 T t
X (k )  0 x(t ) exp( j..k .t )dt
X (k ) module de l’harmonique T
12
8.5
1.5
.
2
16 14 12 10 8 6 4 2 0 2 4 6 8 10 12 14 16
fréquence multiple de 1/T

fréquences négatives (numéro d’harmonique)

 k .t 
reconstruction x(t )   X ( k ) exp 

2 . j.
T 

k 
discontinuité du signal temporel : phénomène de Gibbs

2
K=6 0
1
.
2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1
K=12 0
1
.
2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Décroissance en 1/k de l’amplitude des harmoniques :

la reconstruction avec un nombre fini d’harmoniques donne des oscillations dont
dont l’amplitude ne diminue pas même si on augmente le nombre d’harmonique
(il n’y a convergence qu’au sens des distributions)
Remarque
A ce stade, il est important de souligner que, partant d'un signal

connu x0(t), on commence par faire l'analyse de ce signal en
calculant ses coefficients de Fourier Ak, k ; ak , bk ou X(±jk).
Puis, une fois ceux-ci connus, en calculant la somme de Fourier,
on fait la synthèse du signal x(t). Et, comme le verra plus loin,
dans certains cas (phénomène de Gibbs), le signal synthétique
x(t) ne sera pas exactement égal a x0(t).
Exemples de Signaux
périodiques générés à partir
de leurs Coefficients SF.
6. Propriétés
• f est réelle et paire (sur une période)
n, bn = 0 Cn =an/2 = An
• f est réelle et impaire (sur une période)
n, an = 0 Cn = -jbn/2 = -C-n
• dérivation
Si y=x’ alors Yn = j2nf0Xn
• Décalage temporel
Si y(t)=x(t+td) alors Yn = Xn exp(j2nf0td)
Remarque : A un décalage temporel correspond une phase

variant linéairement avec la fréquence.
• Compression-Dilatation temporel
Si y(t)=x(at) alors
 Si a>1 on une dilation temporelle, ceci correspond à une

compression du spectre de fréquences ;
 Si a<1 on a une compression temporelle, ce qui donne un

spectre dilaté en fréquences.
Remarque : Une dilatation temporelle du signal engendre une

compression de son spectre fréquentiel et
inversement.
7. Système linéaire
un système linéaire (SLIT) est schématisé figure 1.6a.
un tel système est décrit par :

 Domaine temporel :
 Domaine fréquentiel :
Si le signal d’entrée x(t) est périodique (T0), on retrouvera à la
sortie du circuit un signal périodique y(t) de même période T0.
8. Systèmes non-linéaires (distorsion)
Le signal de sortie d’un SNLIT est périodique non-sinusoïdal. Il
s'en suit que son spectre est constitué d'un grand nombre de raies
spectrales, alors qu'à l'entrée il n'y avait qu'une seule raie.
y(t) est périodique, mais
Si x(t) est sinusoïdale
non-sinusoïdale
La déformation du signal dû à la non linéarité, se mesure à l'aide

du taux de distorsion harmonique (TDH). Il est défini comme le
rapport de la valeur efficace des harmoniques d'ordre supérieur à 1
avec la valeur efficace du premier harmonique :
II. Analyse des signaux non périodiques
1. Transformée de Fourier
a. Passage de la série à la transformée de Fourier :
Partant d'un signal périodique décrit par les équations
1.4 et 1.5, et à partir des correspondances suivantes :
On obtient ainsi l’expression de la TF directe et inverse.
b. Transformée de Fourier directe et inverse :

Les deux relations issues de a., constituent les
transformations de Fourier directe et inverse :
On décrira ces deux transformations par les opérateurs TF{}
et TFI{}. La correspondance réciproque s'écrit alors :
et
Généralement X(f) est une fonction complexe, soit :
La densité spectrale du module et de la phase valent alors :
et
c. Energie d'un signal non périodique

On peut calculer l'énergie d'un signal apériodique aussi bien dans le
domaine temporel que dans domaine fréquentiel :
Th. Parseval
la densité spectrale d'énergie S (f) d'un signal x(t) :
x
d. Propriétés de la TF :
Linéarité ax(t) + by(t) aX(f) + bY(f)
Décalage x(t+td) X(f).exp(j2f td)
Amortissement x(t).exp(-at) ; x(t) causal X(j2f+a)
dérivation dx(t)/dt j2f X(f)
Intégration
Convolution
Valeur à l’origine
Rotation Oy y(t)=x(-t) Y(f)=X(-f)=X*(f)
Fonction paire x(t)=x(-t) X(f) est réelle
Fonction impaire x(t)=-x(-t) X(f) imaginaire pur
2. Exemples de spectres continus :
Pour illustrer l'utilisation de la transformée de Fourier, calculons les densités
spectrales de trois signaux particuliers.
a. Spectre d’une impulsion rectangulaire :

Soit une impulsion x(t) de largeur Dt et d'amplitude A centrée
en t = 0. Par définition de la transformation de Fourier, on a :

X ( jf )   x(t ).Exp(i 2kft)dt

Dt Dt
exp(  j 2ft  D2t
 A 
X ( jf )   2
Dt A.Exp( j 2ft )dt  

2
j 2f 2
A  Dt Dt 
  exp(  j 2f )  exp( j 2f )
j 2f  2 2 
A exp( jfDt )  exp(  jfDt ) sin(fDt )
  A.Dt. 
f 2j fDt
Figure 1.8.: Impulsion rectangulaire et sa densité spectrale d'amplitude.
On remarquera (figure 1.8) que le spectre passe par zéro chaque fois que le sinus
cardinal s'annule, c'est-à-dire, chaque fois que la fréquence est un multiple de 1/Dt.
Le spectre de cette impulsion illustre deux points importants concernant les
signaux de durée limitée :
 Un signal de courte durée possède un spectre large bande.

 Un spectre étroit correspond à un signal de longue durée.
b. Spectre d’un sinus amorti :
Etudions, comme deuxième exemple, la transformée de Fourier d'une
sinusoïde de fréquence fp décroissant exponentiellement au cours du
temps (figure 1.9). Son équation s'écrit :
0 si t  0
x(t )  
 Aexp(-at) sin(2f p t) si t  0
la transformée de Fourier de ce signal est donnée par :

 
X ( jf )   x(t ).Exp( j 2ft )dt   A exp( at ) sin( 2f p t ).Exp( j 2ft )dt
 0
2f p
A
(a  j 2f ) 2  (2f p ) 2
On remarquera que la densité spectrale d'amplitude X(jf) est une fonction

complexe car la sinusoïde décroissante x(t) ne possède pas de symétrie
particulière. La figure 1.9 présente le sinus amorti et le module de sa
densité spectrale d'amplitude. On peut également noter les deux valeurs
particulières suivantes :
Figure 1.9.: Sinus amorti et le module de sa densité spectrale d'amplitude.
2f p A
f 0 : Y(0)  A  s i a  2f p
a 2  (2f p ) 2 2f p
A 2f p A
f  fp : Y(f p )   si a  2f p
a a  j 4f p j 2a
c. Spectres de deux impulsions rectangulaires:
•Considérons un signal constitué de deux impulsions d'amplitude A
placées symétriquement en ±t0/2 (figure 1.10). Ce signal possède un
spectre qui se calcule facilement à partir de celui d'une impulsion centrée
en t = 0 et à l'aide du théorème du décalage.
Comme le signal z(t) est la somme de 2 impulsions décalées de ±t0/2,
z(t) = x(t + t0/2) + x(t - t0/2)
On a :
sin(fDt )  t0 t0  sin(fDt )
Z(jf )  ADt exp(  j 2f )  exp(  j 2f )   2 ADt cos(ft0 )
fDt  2 2  fDt
Il est intéressant de considérer également la densité spectrale d'énergie :

2
 sin(fDt ) 
S Z ( f )  2 ADt cos(ft0 )
 fDt 
Les densités spectrales d'amplitude et d'énergie sont représentées à la
figure 1.10.
Figure 1.10.: Deux impulsions rectangulaires symétriques (a),
avec ses densités spectrales d'amplitude (b) et d'énergie (c)
3. Quelques conclusions :
a. TF des signaux périodiques :
On retiendra que la transformation de Fourier s'applique également à des
signaux périodiques (à puissance moyenne finie). Dans ce cas, les raies
spectrales de la série de Fourier sont remplacées par des impulsions de Dirac.
Soit x(t) le signal sur une période et y(t) le signal périodique, on a :
 
Y(f)   X ( f ). ( f  kf )   X (kf ). ( f  kf )
k  
0
k  
0 0
Où Ck(jk)=X(kf0)
b. Relations avec la transformation de Laplace :
Les définitions des transformées de Fourier et Laplace montrent une forte
similitude. On a en effet :

X ( jf )   x(t ).Exp(i 2kft)dt


L( s )   x(t ).Exp( st )dt avec s    j2f
0
4. Relations d’incertitude des signaux à énergie finie :
La TF d’une porte est d’autant plus large que la porte est étroite. En fait, on voit
ainsi qu’à un signal de durée limitée correspond un spectre à support infini, et
réciproquement (exemple des fonctions sinusoïdales). Plus une fonction est
concentrée dans un domaine, plus elle est étalée dans le domaine dual. Ces
constations sont quantifiées par les relations d’incertitude, par référence aux
relations d’incertitude de GABOR-HEISENBERG.
On définit alors les "variances" par :

 1 
D   
2 2 2
 ( t ) (t t ) x (t ) dt temp s moyen
 Ex  

(Df ) 2  1  ( f  f ) 2 X ( f ) 2 df
E x 
fréquence moyenne

On considère la fonction de λ positive suivante :

2
 dx(t )
I ( )     tx(t ) dt  0
 dt
1 Relations d’incertitude de
Ce qui conduit à : Df .Dt  GABOR-HEISENBERG.
4
Le produit durée moyenne bande moyenne est ainsi borné, ce qui induit une
relation d’incertitude, du type GABOR-HEISENBERG entre les deux
domaines. Il n’est pas possible de trouver de signal qui soit à support limité
simultanément dans les deux domaines.
En effet, les signaux qui sont conjointement les plus «compacts» sont ceux
qui permettent d’atteindre la borne, c’est-à-dire les signaux tels que
Δt.Δf = 1/4π. Ce sont les signaux tels que :
dx(t )
0  tx(t )  0
dt
Ce sont les signaux gaussiens :

t2

2 0
x(t )  Ae
Dont la transformée de FOURIER est également gaussienne :

 0 f 2
X ( f )  Ae
5. Table illustrée de quelques transformées de Fourier :
III.Corrélation de signaux à énergie finie
Dans des applications du traitement du signal, il est nécessaire de comparer des

signaux entre eux, en particulier pour déterminer un degré de ressemblance ou
pour synchroniser des horloges. Pour résoudre ce problème, on calcule le
produit d’intercorrélation. On peut démontrer que ce produit d’intercorrélation
passe par un maximum (à énergie constante) quand les deux signaux sont
identiques et parfaitement synchronisés. Pour simplifier la présentation
commençons par le cas des signaux discrets.
1. Intercorrélation de deux signaux :

Considérant deux signaux x(t) et y(t) à énergie finie, on définit la
fonction d'intercorrélation comme l'intégrale du produit du signal
x(t) avec le signal y(t) décalé d'une valeur  :
+∞
𝑅𝑥𝑦 𝜏 = 𝑥 𝑡 𝑦 ∗ 𝑡 − 𝜏 𝑑𝑡 (1.29)
−∞
Remarques :
 On voit ainsi que la fonction Rxy() est aussi la version

retournée de Ryx() autour de l'ordonnée Oy. Rxy(t)=Ryx(-t)
 Les fonctions d’intercorrélation et de convolution sont reliées

entre elles par :
𝑅𝑥𝑦 𝜏 = 𝑥(−𝜏)⨂𝑦(𝜏)
Cette relation valable dans l'espace temps a bien entendu son

équivalent dans l'espace des fréquences que l'on désigne sous le
nom de densité interspectrale d'énergie :
𝑅𝑥𝑦 𝑓 = 𝑋 ∗ (𝑓)⨂𝑌(𝑓)
Exemple :
Calculer la fonction d’intercorrélation des deux fonctions définies par :

1 𝑠𝑖 0 < 𝑡 < 2 1 𝑠𝑖 0 < 𝑡 < 1
𝑓 𝑡 = g 𝑡 =
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠 0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
L’intégrale doit être calculée par morceaux
+∞
𝑅𝑥𝑦 𝑡 = 𝑥 𝑢 𝑦 ∗ 𝑢 − 𝑡 𝑑𝑢
−∞
 Si -1<t  Rfg=0
 Si -1<t<0  Rfg=t+1
 Si 0<t<1  Rfg=1
 Si 1<t<2  Rfg=2-t
 Si t>2  Rfg=0
2. Autocorrélation d’un signal :
Dans le cas particulier où y(t) = x(t), on obtient la fonction
d'autocorrélation du signal x(t) :
+∞
𝑅𝑥𝑥 𝜏 = 𝑥 𝑡 𝑥 ∗ 𝑡 − 𝜏 𝑑𝑡 (1.30)
−∞
qui, pour un décalage nul, donne l'énergie du signal x(t) :

+∞
𝑅𝑥𝑥 0 = 𝑥(𝑡) 2 𝑑𝑡 = 𝑊𝑥 (1.31)
−∞
On montre que l’autocorrélation passe par un maximum en t=0.

On parle du pic de corrélation, il est situé à la meilleure
coïncidence des signaux.
𝑅𝑥𝑥 𝜏 ≤ 𝑅𝑥𝑥 0 = 𝑊𝑥 (1.32)

Chapitre 1 TS

Transféré par

Informations du document

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

Chapitre 1 TS

Transféré par

Droits d'auteur :

Formats disponibles

Organisation

Énergies associé aux signaux

L'analyse harmonique ou fréquentielle est l'instrument majeur de

où f0 = 1/T est la fréquence fondamentale du signal, et a0/2 est la

N.B. : cette représentation de base en séries de Fourier n’a

La représentation spectrale graphique associée porte le nom de

C(+jk) ak-jbk 1 +𝑗𝛼 C(+jk)

Construction d'un signal périodique non-sinusoïdal

Onde en dents de scie, composantes et spectres d'amplitudes et de phases

fréquence multiple de 1/T

discontinuité du signal temporel : phénomène de Gibbs

Décroissance en 1/k de l’amplitude des harmoniques :

A ce stade, il est important de souligner que, partant d'un signal

n, an = 0 Cn = -jbn/2 = -C-n

Remarque : A un décalage temporel correspond une phase

 Si a>1 on une dilation temporelle, ceci correspond à une

 Si a<1 on a une compression temporelle, ce qui donne un

Remarque : Une dilatation temporelle du signal engendre une

un tel système est décrit par :

La déformation du signal dû à la non linéarité, se mesure à l'aide

On obtient ainsi l’expression de la TF directe et inverse.

b. Transformée de Fourier directe et inverse :

Généralement X(f) est une fonction complexe, soit :

La densité spectrale du module et de la phase valent alors :

c. Energie d'un signal non périodique

a. Spectre d’une impulsion rectangulaire :

 Un signal de courte durée possède un spectre large bande.

la transformée de Fourier de ce signal est donnée par :

On remarquera que la densité spectrale d'amplitude X(jf) est une fonction

Il est intéressant de considérer également la densité spectrale d'énergie :

On définit alors les "variances" par :

On considère la fonction de λ positive suivante :

Ce sont les signaux gaussiens :

Dont la transformée de FOURIER est également gaussienne :

Dans des applications du traitement du signal, il est nécessaire de comparer des

1. Intercorrélation de deux signaux :

 On voit ainsi que la fonction Rxy() est aussi la version

 Les fonctions d’intercorrélation et de convolution sont reliées

Cette relation valable dans l'espace temps a bien entendu son

Calculer la fonction d’intercorrélation des deux fonctions définies par :

qui, pour un décalage nul, donne l'énergie du signal x(t) :

On montre que l’autocorrélation passe par un maximum en t=0.

Vous aimerez peut-être aussi