22

Conservation de l’énergie dans la TFSC

(Théorème de Parseval)
 Soit x(t) un signal à énergie finie :
+¥ +¥
2
 L’énergie du signal x(t) s’écrit: E( x(t )) = = *
ò x (t ) dt ò x (t ) x (t )dt
-¥ -¥

 Or x*(t)
( ) est la TFSC inverse de X*(-f)
( f) :

æ ö
ç d f ÷÷÷ d t
ò x ( t ) x ( t ) d t = ò x ( t ) ççç ò X (- f ) e
* * j 2 p ft

t t è f ÷ø
æ ö
= ò X (- f )çç ò x ( t ) e
* j 2 p ft
d t ÷÷ d f
f
çè t
÷ø
æ ö
ç
= ò X ( f )ç ò x ( t ) e
* - j 2 p ft
d t ÷÷ d f
çè ÷ø
f t

= ò X ( f ) X * ( f )d f
f

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 23

 Le Théorème de Parseval-Plancherel traduit le principe de

conservation de l’énergie par la TFSC :
+¥ +¥
2 2
ò x (t ) dt = ò X ( f ) df 2.30
-¥ -¥

 L’énergie d’un signal que l’on peut calculer dans le domaine

temporel peut aussi être calculée dans le domaine fréquentiel.
fréquentiel

(f)|2 est l’énergie

 L’entité ||X(f)| g du signal
g par unité de fréquence
p q appelé
pp
Densité Spectrale d’Energie (DSE). L’observation de la DSE est
très riche en information. Elle montre quelles sont les fréquences
présentes dans le signal et quelles sont les zones du spectre ou
l’énergie est concentrée.

 Dans le cas des signaux à puissance (aléatoires ou périodiques), on

parle plutôt de la Densité Spectrale de Puissance (DSP).

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 24

Densité Spectrale & Fonction d’Autocorrelation

(Théorème Wiener-Khinchin)

 Soit Rxx(t) la fonction d’Autocorrelation d’un signal à énergie finie:

R  t    x (t ) x(t  t ) dt  x (t )  x(t )

xx
*
0 0 0
*

TF ëé x * (- t )ùû = ò x * (- t ) e - j 2 p ft dt

= ò x * ( t ) e j 2 p ft d t = X * ( f )

 D’après le théorème du produit de convolution :

TF  R  t    TF  x (t )  x(t )  X  f X f   X f 

2
* *
xx

 Le
L théorème
thé è d Wi
de Wiener–Khinchin
Khi hi stipule
ti l que lla densité
d ité
Spectrale d’Energie est la transformée de Fourier de la fonction
d'autocorrélation

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 25

Domaine temporel Domaine fréquentiel

x(t) X(f )
• Réel pair • Réel pair
• Réel impair • Imaginaire impair
• Réel quelconque • Re{X(f)} pair, Im {X(f)} impair
• Imaginaire pair • g
Imaginaire p
pair
• Imaginaire impair • Réel impair

Tableau 2.1
M. Fertat Traitement des Signaux et Systèmes A. Berraissoul
 26

Fonction propre et valeur propre

 La TF est basée sur une décomposition en signaux harmoniques
parce qu'ils constituent des fonction propres pour les systèmes
SLIT. C’est-à-dire qu’une telle forme n’est pas déformée par le
passage dans un filtre linéaire

Tr { e j 2p f t } = V e j 2 p f t
0 0

e j 2p f t
V e j 2p f t
0
0
1
SLIT
h(t), H(f) V
t t

 Le système SLIT a seulement multiplié l’amplitude du signal pas un

facteur V . Le facteur V est un facteur dépendant du système.

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 27

 Calculons la valeur de V dite valeur propre :

{e }
+¥
j 2p f 0 t j 2p f 0 t
Tr = h( t ) * e = ò h ( t ) e j 2 p f 0 ( t -t ) d t
-¥
æ +¥ - j 2p f0t ö j 2p f 0t j 2p f 0 t
ç
= ç ò h( t ) e ÷
d t ÷e = H ( f0 ) e
çè-¥ ÷ø

 La valeur propre V n’est rien d’autre que la fonction de transfert H(f)

calculée
l lé pour lal fréquence
fé d l’harmonique
de l’h i f0

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 28

Partie réelle et partie imaginaire du spectre complexe

 Chaque
q signal
g réel ppeut être divisé en ppartie p
paire et une p
partie
impaire
x (t ) = x p (t ) + x I (t )
1 1
x p (t ) = x (t ) + x (- t )
2 2
où
1 1
x I (t ) = x (t ) - x (- t )
2 2
+¥

On en déduit que: Re { X ( f )} = ò x p (t ) ⋅ cos(2p ft )dt

-¥

+¥

Im { X ( f )} = - ò x I (t ) ⋅ sin(2p ft ) dt
-¥

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 29

Propriétés de TFSC

1. Superposition
 Pour la somme de deux fonctions temporelles
p on a

a1 s1 ( t ) + a 2 s 2 ( t ) a1 S1 ( f ) + a 2 S 2 ( f )

å a s (t ) åa S ( f )
2.28
i i i i
i i

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 30

2. Changement d’échelle - TFSC de s(at)

 Soit un signal s(t) et son spectre S(f ). Si la variable temporelle est

accélérée d’un facteur ‘a’ p
positif,, alors:
+¥
- j 2p ft
s ( at ) ò s ( at ) ⋅e dt
-¥

 Ce qui donne, via un changement de variable t1= at :

t1
+¥ +¥ - j 2p f
- j 2p f t a dt1
ò s ( at ) ⋅e dt = ò s ( t1 ) ⋅e
-¥ -¥ a

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 31

t1
+¥ - j 2p f æ f ö
a d t1 1
ò s ( t1 ) ⋅ e = ⋅ S çç ÷÷
a a çè a ÷ø
-¥

 Dans le cas où ‘a’a est négatif,

négatif le changement de variable change le
signe de l’intégrale, d’où la formule générale:

1 æç f ö
÷÷
s(t ) S( f ) s (at ) Sç 2.31
a çè a ÷ø

 Si a = - 1
· s (- t ) S (- f )

· s * (- t ) S*( f )

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 32

 Quand l’impulsion devient plus courte (quand elle se « resserre »

p ) sont spectre
dans le temps), p s’étend dans le domaine fréquentiel.
q
Ceci peut être ressenti de manière instinctive: Quand un évènement
se passe plus vite, il faut des signaux plus rapides, donc à plus
haute fréquence pour les modéliser.
modéliser

s (t ) S( f )
1
f =
T

0 t 0 f
Fig.. 2.21
Fig 21aa
s (t ) S( f )

0 t f
Fig.. 2.21b
Fig 21b 0
M. Fertat Traitement des Signaux et Systèmes A. Berraissoul
 33

3. TFSC de la dérivée d’un signal (continu et dérivable)

ddx ( t )
j 2p f X ( f )
dt
 En général:
d n x (t )
( j 2p f ) X ( f )
n

dt n
4. Symétrie
y

x (t ) X( f )
2 38
2.38
X (t ) x (- f )

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 34

s (t )
S( f )
1

-
T 0 T t -
3
-
1 1 3 f
2 2 T T 0 T T
Fig.. 2.24b
Fig 24b
S( f )
S (t )
1

1
T
- 3T -T T 3T t -
1 0 1 f
0 2T 2T
Fig.. 2.24b
Fig 24b

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 35

TFSC du peigne de Dirac

 Le peigne de Dirac est défini par :
+¥
dT (t ) = å d(t - nT )
n=-¥

 On montre que La transformée de Fourier d’un peigne de Dirac

temporel à un pas T est un peigne de Dirac fréquentiel à un pas 1/T.
1/T
+¥ +¥
1
å d (t - nT ) å d ( f - Tn )
n =-¥ T n =-¥

dT (t) 1
d ( f)
T 1/T
1
T

   
t f
-T 0 T -1/T 0 1/T

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 36

TFSC de la fonction sign

sign((t)
 La fonction signe notée sign(t) est donnée par la définition :

ì
ï1 t>0
sign(t ) = í 2.56
ï
î -1
ï t <0

sign
g (t)

0 t
-1

Fig.. 2.36
Fig

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 37

 Soit la fonction signa(t) paramétrée par le paramètre a≥0 telle que :

ì
ï -eat t <0
signa (t ) = í -at
îe
ï
ï t>0

 On remarquera que :

g (t ) = lim ( sign
sign g a ( t ))
a 0

sign
i a(t) sign(t)
1 1
a0
0 t 0 t
-1 -1

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 38

 Calculons la TFSC du signal signa(t)

0 +¥
(a- j 2p f )t
TF [ signa (t )] = ò -e dt + ò e-(a+ j 2p f )t dt
-¥ 0
1 -1
=- -
a - j2p f a + j2p f

 On en déduit la TFSC du signal sign(t)

1
TF [ sign(t )] = lim (TF [ signa (t )]) =
a0 jp f

1
sign(t ) 2.58
jp f
M. Fertat Traitement des Signaux et Systèmes A. Berraissoul
 39

TFSC de l’Echelon unité (t)

 Comme nous avons déjà vu

1 1
e(t ) = + sign(t )
2 2

(t)
1
1/2 1/2sign(t)
= + 1/2

t t t
-1/2

Fig.. 2.37
Fig

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 40

1 1
e(t ) Se ( f ) = d( f ) - j 2.55
2 2p f
1 1
Im { S e ( f )} = - R { S e ( f )} = d ( f )
Re
2p f 2

Im { Se ( f )} 1
Re { Se ( f )}
2
f
0

Im { Se ( f )}

Fig.. 2.35
Fig

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul

 41

 Principe de dualité (symétrie)

1
sign(t )
jp f
2.61
1
- sign
g (f)
jpt

Où : sign(- f ) = -sign( f )

 Egalement on a:

1 1 1 1
d(t ) + - sign
g (f) 2.62
2 j2pt 2 2

M. Fertat Traitement des Signaux et Systèmes A. Berraissoul