Analyse des signaux périodiques

81
 Analyse de Fourier

Analyse harmonique (ou fréquentielle) = instrument majeur de la théorie des

signaux et des systèmes.
Le développement en séries de Fourier (puis la transformation de Fourier)
permettent d’obtenir une représentation spectrale des signaux déterministes,
i.e. la répartition de:
1. l’amplitude
2. la phase
3. l’énergie
4. la puissance des signaux considérés en fonction de la fréquence.

82
 Analyse dans le domaine fréquentiel
• Domaine habituel pour analyser un signal :

– domaine temporel : analyse de l’évolution du signal au cours du temps

• Permet de mettre en évidence certaines caractéristiques lorsque la

forme du signal est simple :

- caractère périodique ou non (détermination de la période)

- calcul de la valeur moyenne, efficace, de l’énergie,…

• Dans la pratique, les signaux ont une forme complexe

- L’analyse dans le domaine temporel devient insuffisante

- La représentation de certaines caractéristiques du signal en fonction de la fréquence

s’avère alors très utile l’Analyse spectrale
83
Décomposition en série de Fourier : signaux périodiques

Un signal x(t) périodique de période T, peut être sous certaines conditions, mis sous la forme
d’une somme de fonctions sinusoïdales
T = 1/f0=2π/ω0,

f0 = 1/T est la fréquence fondamentale du signal

a0/2 est la valeur moyenne ou composante continue
ak, bk sont les coefficients de Fourier du développement en cosinus et sinus

84
 ao + +
x(t ) = +  ak cos(2 kf ot ) +  bk sin (2 kf ot )
2 k =1 k =1

avec ao (" composante continue" )

T T
2 2
ak =  x(t ) cos(2 kf ot )dt et bk =  x (t )sin (2 kf ot )dt
2 2
“Coefficients T T T T
− −
de Fourier” 2 2

Superposition de signaux sinusoïdaux de fréquences n.fo,

n entier et fo=1/T
Terme de fréquence fo = le "fondamental"
Terme de fréquence nfo = nième "harmonique"

85
 Dû au double somme infinie de cette représentation, qui sert de point de départ au
développement en séries de Fourier, elle est généralement remplacée par la série en cosinus
et la série complexe.
•le développement en série de Fourier peut également s’écrire:

La représentation spectrale correspondante est le spectre unilatéral

86
87
88
 Le développement en série de Fourier en cosinus peut également s’écrire en complexe
sous la forme suivante:
+
x (t ) =  c( jk ) exp ( j  2 kf t )
k =−
o

T
2
1
avec c( jk ) =
T  x ( t ) exp ( − j  2 kf t ) dt
T
o
−
2

La représentation spectrale graphique correspondante est le spectre bilatéral

89
Cas particuliers:

xT ( t ) →   = *
réel ak , bk c−k ck

xT ( t ) pair → bk = 0 k  c− k = ck
xT ( t ) impair → a k = 0 k  c− k = −ck

Notation complexe  introduction de fréquences “négatives”

Représentation graphique: Re(cn), Im(cn) ou |cn| , Arg(cn)
si t = temps (s)  f = fréquence (Hz);
si t = distance(m)  f = fréquence spatiale (m-1) etc

90
91
 Relations entre les 3 représentations de Fourier

Sinus+
Cosinus Complexe
cosinus

Sinus+
cosinus

Cosinus

Complexe

92
Spectres bilatéraux

93
 Exemple de représentations spectrales d’un signal

Forme en cosinus

94
Exemple de représentations spectrales d’un signal

Forme complexe

95
96
x(t) = 3 + 2 cos(2πf0t) –3,464 sin(2πf0t) + 2 sin(6πf0t + π/4)

x(t) = 3+ 2 cos(2πf0t) –3,464 sin(2πf0t) + 2 sin(2π.3f0t + π/4)

97
 x(t) = 3 + 2 cos(2πf0t) –3,464 sin(2πf0t) + 2 sin(6πf0t + π/4)

De même, on appliquant les règles d’Euler à l’expression en cosinus, on obtient la

forme complexe:

98
99
Deux représentations équivalentes :
représentation temporelle : x(t)
représentation fréquentielle : X(f ) (transformée de Fourier : TF).
Principe : décomposition du signal sur une base de fonctions exponentielles de
fréquences variables.
Intérêts :
TF = outil d’analyse du signal ;
= outil d’analyse des systèmes de traitement du signal.
=> analyse harmonique = analyse spectrale = analyse fréquentielle
des signaux et des systèmes

100
Transformation de Fourier :Signaux non périodiques à TC

101
Transformation de Fourier :Signaux non périodiques à TC
Lien avec la série de Fourier :
fo=1/T
xT(t) signal périodique pair (pour simplifier)
> <
xT(t) cn

t fo f
-T T
xT(t) → fonction non-périodique x(t) lim (cnT ) =  = X ( f )
T → +
Lorsque T→+ : fo=1/T → df intervalle infinitésimal et
x(t ) =  = F −1X ( f )
nfo → f variable réelle continue

X(f) = “généralisation” de la série de Fourier aux fonctions non-périodiques

 X(f) df = amplitude de la composante sinusoïdale de fréquence [f,f+df]
Arg[X(f)] = phase …
x(t) et X(f) sont deux descriptions équivalentes du même signal
Description fréquentielle même information
Description temporelle

102
Transformation de Fourier :Signaux non périodiques à TC

103
 x(t) = signal quelconque
+
F  x(t ) = X ( f ) =  x ( t ) exp ( −i  2 ft )dt = "Transformée de Fourier" de x ( t )
−

et
+
x ( t ) = F −1  X ( f ) =  X ( f ) exp ( i  2 ft )df = "Transformée de Fourier inverse"
−

Notation: x(t)  X(f);

X(f) = “spectre d’amplitude” et Arg[X(f)] =“spectre de phase” du signal

X(f) = fonction complexe même si x(t) est réel

X(f) = fonction réel  x(t) est paire;

X(f) = fonction imaginaire pure  x(t) est impaire

critère d'existence:
Signaux à énergie finie = condition suffisante
Signaux à puissance moyenne finie =>T.F. existe au sens des distributions 104
 1 f
TF ( x ( at ) ) = X( )
a a
TF ( (t ) ) = 1
(
TF 1e 2 jf0t )=  ( f − f0 )
TF ( (t − t0 ) ) = e −2 j ft0

X(t) X(f)
réelle et paire réelle et paire
réelle et impaire imaginaire et impaire
imaginaire et paire imaginaire et paire
imaginaire et impaire réelle et impaire
complexe et paire complexe et paire
complexe et impaire complexe et impaire -

106
Densité spectrale d ’énergie

Soient x(t) un signal à énergie finie et Rxx(τ ) sa fonction d’autocorrélation, on appelle densité
spectrale d’énergie la fonction notée Sxx(f), transformée de Fourier de Rxx(τ ) :

Densité inter-spectrale d’énergie (DISE)

Soient x(t) et y(t) deux signaux à énergie finie et Rxy(τ ) leur fonction d’autocorrélation, on appelle
densité inter-spectrale d’énergie la fonction notée Sxy(f), transformée de Fourier de Rxy(τ ) :

• Spectre
xˆ ( f )
-
• Spectre d’amplitude xˆ ( f )
• Spectre de phase
ARG ( xˆ ( f ))

xˆ ( f ) Contribution fréquentielle du signal x(t) pour la fréquence f ( ne pas confondre avec densité spectrale)

107
Relation de Parseval

Signaux d’énergie totale finie – Densité spectrale d’énergie (DSE)

• Signal x(t) : fonction de carré sommable
• Formule de Parseval Loi de conservation de l’énergie

 
E=  x(t ) .dt = 
2 2
X ( f ) .df
− −

• Densité spectrale d’énergie (DSE) par définition :


E =  S x ( f )df
−

Sx ( f ) = X ( f )
2

La DSE n’est autre que le carré du spectre d’amplitude

108
Densités spectrale de puissance

Soit x(t) un signal à puissance moyenne finie, on appelle densité spectrale de puissance
(DSP) la transformée de Fourier de sa fonction d’autocorrélation :

𝑇/2
1
𝑅𝑥𝑥 𝜏 = lim න 𝑥 𝑡 . 𝑥 ∗ 𝑡 − 𝜏 𝑑𝑡
𝑇→∞ 𝑇
−𝑇/2

109