Chapitre 2 : Analyse spectrale

1. Introduction
Il y a deux domaines de descriptions de signal selon la nature de la variable indépendante :

• Le domaine temporel de la forme y(t) dans lequel la variable indépendante est le

« temps ». il s’agit de domaine de description usuel utilisé pour visualiser l’allure du
signal y(t). dans ce domaine de représentation, le signal peut etre caractérisé par sa
durée, sa période fondamentale ou son amplitude.
• Le domaine des fréquences de la forme Y(f) dans lequel la variable indépendante est la
fréquence f dont la dimension est l’inversion du temps. Dans ce domaine de
représentation le signal peut etre caractérisé par son spectre, sa fréquence fondamentale
ou sa largeur de bande.

Ces deux domaines de description du signal sont reliés entre eux par la série de Fourier
pour les signaux périodiques. Cet aspect dualistique ‘dualité temps- fréquence) des signaux
joue un rôle fondamental en théorie du signal.

L’analyse spectrale est largement inspirée de l’analyse de fourier. En pratique, elle

intervient dans un nombre très important d’applications. Citons parmi d’autres (étienne
Tisserand, 2008) :

• La détermination du spectre d’un signal en vue d’une adéquation des supports de

transmisson ou d’une compression
• L’étude de la réponse en fréquence des systèmes ;
• La mesure des distorsions harmoniques des appareillages ;
• L’investigation en matière d’architectures et de matériaux pour l’acoustique ;
• Le diagnostic en analyse vibrationnelle…

Joseph Fourier ; est un mathématicien et physicien Français né le 21 Mars 1768 à Auxerre et

mort le 16 mai 1830 à Paris. Il est connu par travaux sur la décomposition de fonctions
périodiques en séries trigonométriques convergentes appelées séries de Fourier et leur
application au problème de la propagation de la chaleur (Selon, 2004).
 A) Série de Fourier
La série de Fourier est fondamentalement liée aux propriétés filtrantes supports de transmission.
La connaissance de la composante fondamentale et du dosage des divers harmoniques est
souvent plus utile que la description temporelle du signal par la succession de valeurs qu’il
prend dans le temps/

L’idée de base de la série de Fourier consiste à représenter une fonction par une
combinaison linéaire d’un ensemble de fonctions élémentaires du temps.

2. Régime périodique et signal périodique

Un système fonctionne en régime périodique lorsque ses signaux sont des fonctions
périodiques du temps, un signal périodique y(t) se reproduit à l’identique de la période T
(Witomski, 2003).

∀𝑡, 𝑦(𝑡 + 𝑇) = 𝑦(𝑡)

3. Décomposition du signal en Séries de Fourier

Une fonction périodique y de période T, sataisfaisant les conditions de Dirichlet est
développable en série de Fourier sous une des trois écritures, deux trigonométriques et une
complexe, suivantes (Daniel Fredon, 2003), (Coulon, 1996), (Guy Chateigner, 2007)
∞ ∞

𝑦(𝑡) = 𝑎0 + ∑ 𝑎𝑛 cos(𝑛𝜔𝑡) + ∑ 𝑏𝑛 sin(𝑛𝜔𝑡)

𝑛=1 𝑛=1

𝑦(𝑡) = 𝑎0 + ∑ 𝐴𝑛 cos(𝑛𝜔𝑡 + Φ𝑛 )
𝑛=1

𝑦(𝑡) = ∑ 𝑐𝑛 exp(𝑗𝑛𝜔𝑡)
𝑛=−∞

Avec : 𝑎0 , 𝑎𝑛 , 𝑏𝑛 ∈ 𝑅 , 𝐴𝑛 , Φ𝑛 ∈ R ; 𝑐𝑛 ∈ 𝐶

En particulier, en tout point t où y est continu. Avec :

𝑤. 𝑇 = 2𝜋, unité rad/s.s=rad

On peut donner une deuxième forme à la deuxième écriture en remplaçant le cosinus par un
sinus.
∞ ∞

𝑦(𝑡) = 𝑎0 + ∑ 𝐴𝑛 cos(𝑛𝜔𝑡 + Φ𝑛 ) = 𝑎0 + ∑ 𝐴𝑛 sin(𝑛𝜔𝑡 + φ𝑛 )

𝑛=1 𝑛=1

Avec : φ𝑛 = Φ𝑛 + 𝜋/2

Dans ces écritures, les 𝐴𝑛 sont les amplitudes (valeurs maximales) et : φ𝑛 ou Φ𝑛 les
phases de rang n des fonctions sinusoïdales.

Remarque : une fonction y(t) périodique, de période T, satisfait les conditions de dirichlet, si
y(t) est continue et admet une dérivée continue sur tout intervalle [t1, t1+T].

Exemple :

On peut se demander ce que devient fN quand 𝑁 → ∞ (Witomski, 2003). Soit 𝑇 = 2𝜋

1 𝑠𝑖 0 ≤ 𝑡 ≤ 𝜋
𝑓 (𝑡 ) = {
1 𝑠𝑖 𝜋 ≤ 𝑡 ≤ 2𝜋

• Pour N=1,

La fonction f(t) est sinusoïdale (Figure 1)

• Pour N=3 :

La fonction f(t) est donnée par la figure 2.

 • Pour N=5 :

La fonction f(t) est donnée sur la figure 3, on remarque que si N augmente fN(t) se rapproche de
f(t).
 4. Calcul des coefficients de Fourier

5. Relations entre les coefficients (𝒂𝒏 , 𝒃𝒏 , 𝒄𝒏 , 𝑨𝒏 )

Le tableau 1 montre la relation entre les coefficients 𝑎𝑛 , 𝑏𝑛 , 𝑐𝑛 , 𝐴𝑛

Un signal périodique y(t) développable en série de Fourier est la somme :

• D’une composante continue égale à la moyenne 𝑎0 et

• D’une infinité de composantes sinusoidales, appelées les harmoniques, de

fréquences 1/T, 2/T,…, n/T,…

La composante de même fréquence𝑓 = 1/𝑇, que le signal est appelée la fondamentale de

préférence à harmonique 1. L’harmonique 2 a une fréquence deux fois plus grande, et
l’harmonique n (de rang n) est une composante sinusoïdale de fréquence n fois plus élevée
que celle de signal (sur l’axe des fréquence bue sûr).

6. Propriétés
Soit une fonction périodique y(t), de période T, développable en série de Fourier.

• Choix de l’intervalle de temps.

Le calcul des coefficients est indépendant de l’intervalle de temps [t1, t1+T] choisi.

En conséquence, un choix judicieux de t1 permet souvent de simplifier les calculs.

• Fonction périodique paire

Si y(t) est paire alors elle est développable en séries de cosinus.

∞

∀𝑡, 𝑦(𝑡) = 𝑦(−𝑡) ⇒ 𝑏𝑛 = 0 ⇒ 𝑦(𝑡) = 𝑎0 + ∑ 𝑎𝑛 cos(𝑛𝜔𝑡)

𝑛=1

En tout point t où y(t) est continue, avec :

𝑡1+𝑇/2

𝑎𝑛 = ∫ 𝑦(𝑡) cos(𝑛𝜔𝑡) 𝑑𝑡
𝑡1

∀𝑛 ∈ 𝑁 ∗

• Fonction périodique impaire

Si y(t) est impaire alors y(t) est développable en série de sinus.

∞

∀𝑡, 𝑦(𝑡) = −𝑦(−𝑡) ⇒ 𝑎0 = 0 𝑒𝑡 𝑎𝑛 = 0 ⇒ 𝑦(𝑡) = 𝑎0 + ∑ 𝑏𝑛 sin(𝑛𝜔𝑡)

𝑛=1

En tout point t où y(t) est continue, avec :

4 𝑡1+𝑇/2
𝑏𝑛 = 𝑇 ∫𝑡1 𝑦(𝑡) sin(𝑛𝜔𝑡) 𝑑𝑡

∀𝑛 ∈ 𝑁 ∗
 Figure 5 : exemples d’une fonction périodique paire et une impaire.

7. Formule de Bessel-Parseval
Soit une fonction périodique y(t) de période T, développable en sérier de Fourier.

1 𝑡1+𝑇 2
‖𝑦‖2 = ∫ 𝑦 (𝑡)𝑑𝑡
𝑇 𝑡1

1 +∞ 1 +∞ +∞
‖𝑦‖2 = 𝑎02 + ∑ (𝑎𝑛2 + 𝑏𝑛2 ) = 𝑎02 + ∑ 𝐴2𝑛 = ∑ |𝐶𝑛2 |
2 𝑛=1 2 𝑛=1 𝑛=−∞

8. Représentations fréquentielles
Le spectre d’amplitude renseigne sur l’amplitude (module) du signal en fonction de la
fréquence. Le spectre de phase renseigne sur la phase du signal en fonction de la fréquence.

Le spectre d’amplitude et le spectre de phase d’un signal périodique, de période T, sont

constitués der aies aux fréquences multiples de 1/T (Guy Chateigner, 2007).

Remarque :

• Le signal est une fonction complexe de la fréquence. Le signal temporel étant une
fonction réelle, le signal fréquentiel possède une partie réelle et un module pairs, une
partie imaginaire et une phase impaire.
• On peut aussi représenter un signal par sa partie réelle et sa partie imaginaire en fonction
de la fréquence, mais cette représentation est moins facile à interpréter.
• Un signal est complètement caractérisé par son spectre d’amplitude et son spectre de
phase.
• Le spectre d’amplitude est indépendant de l’origine des temps choisie. En conséquence,
si on nous s’intéresse qu’au spectre d’amplitude, on choisira l’origine des temps de
manière à simplifier les calculs des coefficients en faisant apparaitre une symétrie.
 • Le spectre de phase dépend de l’origine des temps choisie.

9. spectre d’amplitude unilatéral

Le spectre d’amplitude unilatéral d’un signal périodique est la représentation graphique
des rais d’amplitudes A0 de la composante continue, et An des composantes.

La figure 6 montre le spectre d’amplitude unilatéral, les valeurs des amplitudes An en fonction
de n.

Figure6 : spectre unilatéral d’un signal rectangulaire e(t)

10. Spectre d’amplitude bilatéral

Le spectre d’amplitude bilatéral d’un signal périodique est la représentation graphique
des raies d’amplitudes | c0| de la composante continue, et | cn| des composantes
sinusoïdales aux fréquences nf avec 𝑛 ∈ 𝑍

Exemple

Le spectre d’amplitude bilatéral d’un signal réel étant pair, on se contente souvent de
représenter la partie des fréquences positives. Il ne faut pas alors le confondre avec le spectre
d’amplitude unilatéral, les composantes sont telles que :

|𝑐0 | = 𝐴0 = |𝑎0 | 𝑒𝑡 2|𝑐𝑛 | = 2|𝑐−𝑛 | = |𝐴𝑛 |

La figure 7 montre le spectre d’amplitude bilatéral du signal précédent.

 Figure 7 : spectre d’amplitude bilatéral du signal rectangulaire e(t)

11. spectre de phase

Le spectre de phase d’un signal périodique est la représentation graphique des raies des
phases Φ0 = 0 (par définition) de la composante continue, et Φ𝑛 des composantes
sinusoïdales aux fréquences nf avec 𝑛 ∈ 𝑁 ∗ pour un spectre unilatéral ou 𝑛 ∈ 𝑍 pour un
spectre bilatéral.

cos (Φ𝑛 ) = 𝑎𝑛 ⁄𝐴𝑛

{
sin(Φ𝑛 ) = 𝑏𝑛 ⁄𝐴𝑛

Φ𝑛 = −Φ−𝑛 = arg(𝑐𝑛 ) = − arg(𝑐−𝑛 ) 𝑎𝑣𝑒𝑐 𝑛 ∈ 𝑁 ∗

Figure 8 : spectre de phase

12. Développement en séries de Fourier de quelques signaux

classiques
On présente ici le développement en séries de Fourier et le spectre d’amplitude unilatéral
de quelques signaux classiques (Etienne Tisserand, 2008).
 Le signal y(t) de la figure 9 est une fonction impaire présentant une symétrie par glissement.
Sa décomposition ne comporte que des termes en sinus de rang impair :

2𝐴
𝑎𝑘=0 , ∀𝑘 𝑒𝑡 𝑏𝑘 = [1 − 1)𝑘
𝑘𝜋

4𝐴 1
𝑦( 𝑡 ) = [sin(𝜔0 𝑡) + sin(3𝜔0 𝑡) + ⋯ ]
𝜋 3

Figure 9 : spectre carrée

Le signal y(t) de la figure 10 est une fonction paire. Sa décomposition ne comporte que des
termes en cosinus :
 8𝐴 1 1
𝑦 (𝑡 ) = 2
[cos(𝜔0 𝑡) + 2 cos(3𝜔0 𝑡) + 2 cos(5𝜔0 𝑡) … ]
𝜋 3 5

Figure 10 : signal triangulaire.

Signal y(t) de la figure 11 est une fonction impaire. Sa décomposition s’écrit :

2𝐴 1 1
𝑦 (𝑡 ) = [sin(𝜔0 𝑡) − sin(2𝜔0 𝑡) + sin(3𝜔0 𝑡) … ]
𝜋 2 3

Figure 11 : signa en dents de scie

Signal y(t) de la figure 12 est une fonction paire. Sa décomposition s’écrit :

2𝐴 4𝐴 1 1 1
𝑦 (𝑡 ) = + [ cos(2𝜔0 𝑡) − cos(4𝜔0 𝑡) + cos(6𝜔0 𝑡) − ⋯ ]
𝜋 𝜋 3 3.5 5.7
 Figure 12 : sinusoïde redressée

Remarque :

Les fréquences négatives, qui n’ont pas de signification physique directe, on doit
mathématiquement leur présence au développement de la série de Fourier en notation réelle en
série complexe. Ces fréquences négatives disparaissent avec l’utilisation de séries de Fourier
en notation réelle.

B) Transformée de Fourier
La transformée de Fourier (TF) est une généralisation de la série de Fourier appliquée aux
signaux non périodique. Un signal y(t) sera défini par une paire de transformée de Fourier, que
l’on représentera de la façon suivante : y(t) et Y(f) dans les quelles (Benidir, 2002), (Cottet,
2005), (Witomski, 2003) :
+∞
𝒚(𝒇) = ∫ 𝒚(𝒕) 𝐞𝐱𝐩(−𝟐𝒋𝝅𝒇𝒕) 𝒅𝒕
−∞

Et la TF inverse, notée TF-1 est également définie et permet, à partir de la TF de reconstruire le

signal y(t). Elle s’écrit :

+∞
𝒚 ( 𝒕) = ∫ 𝒀(𝒇) 𝐞𝐱𝐩(𝟐𝒋𝝅𝒇𝒕) 𝒅𝒇
−∞

y(t) est la caractéristique temporelle du signal, l’autre forme c'est-à-dire Y(f) est la
caractéristique fréquentiel. La paire de fonction y(t) et Y(f) sont dite couple de Fourier.

Par l’analogie avec la terminologie utilisée pour les coefficients complexe de la série de Fourier,
la transformation de Fourier est en général complexe pouvant se mettre sous la forme :

𝒀(𝒇) = |𝒀(𝒇)| 𝐞𝐱𝐩(𝒋𝚽(𝒇))

|𝒀(𝒇)| est appelée spectre d’amplitude et 𝚽(𝒇)spectre de phase. Le spectre d’amplitude et le

spectre de phase sont des spectres continus.

1) Propriétés de la transformée de Fourier

1.1. Linéarité
Il en résulte immédiatement de la définition intégrale que :
𝑻𝑭(𝒂𝒚𝟏 (𝒕) + 𝒃𝒚𝟐 (𝒕)) = 𝒂𝑻𝑭(𝒚𝟏 (𝒕)) + 𝒃𝑻𝑭(𝒚𝟐 (𝒕))

Avec a et b des constantes arbitraires.

1.2. Translation (Décalage temporel et fréquentiel)

Si 𝒀(𝒇) = 𝑻𝑭(𝒚(𝒕))

𝑻𝑭(𝒚(𝒕 − 𝒕𝟎 )) = 𝒀(𝒇)𝐞𝐱𝐩 (−𝟐𝒋𝝅𝒇𝒕𝟎 )

𝐲(𝐭) 𝐞𝐱𝐩(−𝟐𝒋𝝅𝒇𝒕𝟎 ) = 𝒀(𝒇 − 𝒇𝟎 )

Remarque : Lorsqu’un signal y(t) est retardé, ses composantes fréquentielles le sont aussi, sans
modification d’amplitude Y(f) reste inchangé, mais Arg(Y(f)) est augmenté de -2f t0

1.3. Similitude
Si 𝒀(𝒇) = 𝑻𝑭(𝒚(𝒕)) alors :

1 𝑓
𝑇𝐹(𝑦(𝑎𝑡)) = 𝑌( )
|𝑎| |𝑎|

Cette propriété importante montre qu’une dilatation de l’échelle des temps conduit à une
contraction de l’échelle des fréquences et inversement. Il est important de noter que le signal
y(at) et la version contracté de y(t).

Ceci correspond à l’idée commune, qu’un signal très bref contient des hautes fréquences.

Tableau 3 : quelques propriétés de la TF.

Le tableau 3 montre quelques propriétés de la TF.

Le tableau 4 montre la Transformé de Fourier de quelques signaux.

Tableau 4 : Transformé de Fourier de quelques signaux

2) Notion de largeur de bande et l’énergie d’un signal

Pour traiter et transmettre correctement un signal y(t), il est impératif de caractériser ce signal
par quelques paramètres significatifs. Ces paramètres sont la largeur de bande et l’énergie ou la
puissance d’un signal.

2.1. Largeur de bande d’un signal

La notion de spectre permet de définir la largeur de bande d’un signal c'est-à-dire la plage de
fréquence utilisé par le signal. On dira qu’un signal y(t), à une largeur de bande finie (on dit
aussi spectre limité ou borné) lorsque son spectre de fréquence est nul en dehors d’un intervalle
de fréquence donnée, tel que :

𝒚(𝒇) = 𝟎 𝒑𝒐𝒖𝒓 𝒇𝟎 < 𝑓 < 𝒇𝟎 + 𝑩

Dans ce cas la largeur de bande est B.

2.2. Energie du signal (théorème de Parseval)

L’énergie est proportionnelle à l’intégrale du carrée du signal.

+∞
𝑬=∫ 𝒚𝟐 (𝒕)𝒅𝒕
−∞

2.3. Théorème de Parseval :

Ce théorème important montre que l’énergie E du signal y(t) peut se repartir sur l’axe des temps
avec la densité 2y(t) et sur l’axe des fréquences avec la densité 2Y(f). La quantité 2Y(f) est
appelée densité spectrale d’énergie du signal y(t).
 +∞ +∞
∫ |𝑦(𝑡)|2 𝑑𝑡 = ∫ |𝑌(𝑓)|2 𝑑𝑓
−∞ −∞

3) Transformation de Fourier d’un produit de convolution

L’intégrale de convolution est définie par :

+∞
𝑦𝑐 (𝑡) = 𝑦(𝑡) ∗ ℎ(𝑡) = ∫ 𝑦(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏
−∞

La valeur de 𝑦𝑐 (𝑡) est obtenue en effectuant les opérations suivantes (Preumont, 1990) :

• Replier une des fonctions, par exempleℎ(𝜏), autour de l’origine, pour obtenirℎ(−𝜏).
• Translater ℎ(−𝜏)d’une durée t pour obtenir ℎ(𝑡 − 𝜏) .
• Multiplier ℎ(𝑡 − 𝜏) et 𝑦(𝜏) et évaluer l’aire hachurée sous la courbe ainsi obtenue ; elle
représente 𝒚𝒄 (𝒕)

Le théorème de convolution précise que si Y(f) et H(f) sont respectivement les transformée de
Fourier de x(t) et h(t), alors transformée de Fourier de 𝑦𝑐 (𝑡)𝑒𝑠𝑡 𝑌(𝑓) est défini par :

𝑻𝑭[𝒚 ∗ 𝒉] = 𝑻𝑭[𝒙]. 𝑻𝑭[𝒉]

𝑻𝑭[𝒚 ∗ 𝒉] = 𝑿(𝒇). 𝑯(𝒇) = 𝒀(𝒇)

4) Transformation de Fourier d’un produit classique

On peut également monter le résultat fondamental suivant :

𝑻𝑭[𝒚. 𝒈] = 𝑻𝑭[𝒚] ∗ 𝑻𝑭[𝒈]

5) Propriété de parité
Réelle paire Réelle paire
Réelle impaire Imaginaire impaire
Réelle Complexe (partie réelle paire, partie
imaginaire impaire)
Imaginaire paire Imaginaire paire
Imaginaire Réelle impaire
Impaire
imaginaire Complexe (partie réelle impaire, partie
imaginaire paire)