Académique Documents
Professionnel Documents
Culture Documents
Théorie du signal
Transformée de Fourier - Densités spectrales
1. Cas des signaux à énergie finie 3. Cas des signaux périodiques
1.1 Lien avec la série de Fourier 3.1 Lien avec les séries de Fourier
Laurent Oudre 1.2 Définition 3.2 Autre vision de la transformée de Fourier
1.3 Propriétés 3.3 Densité spectrale de puissance
laurent.oudre@univ-paris13.fr
1.4 Densité spectrale d’énergie
4. Cas des signaux à puissance finie
2. Cas des distributions 4.1 Fonction échelon
Université Paris 13, Institut Galilée
2.1 Dirac 4.2 Fonction signe
Ecole d’ingénieurs Sup Galilée 2.2 Peigne de Dirac 4.3 Densité spectrale de puissance
Parcours Télécommunications et Réseaux - 1ère année
2019-2020
Laurent Oudre Théorie du signal 2019-2020 1 / 69 Laurent Oudre Théorie du signal 2019-2020 2 / 69
Laurent Oudre Théorie du signal 2019-2020 3 / 69 Laurent Oudre Théorie du signal 2019-2020 4 / 69
Cas des signaux à énergie finie Lien avec la série de Fourier Cas des signaux à énergie finie Lien avec la série de Fourier
◮ Peut-on procéder comme pour les signaux périodiques, et définir une base de ◮ Cette base est orthonormale, et les Φk (t) sont à support temporel borné donc
Fourier ? La réponse est non dans le cas général... car une exponentielle à énergie finie (démontré au TD 2)
complexe n’est pas un signal à énergie finie
Laurent Oudre Théorie du signal 2019-2020 5 / 69 Laurent Oudre Théorie du signal 2019-2020 6 / 69
Cas des signaux à énergie finie Lien avec la série de Fourier Cas des signaux à énergie finie Lien avec la série de Fourier
Laurent Oudre Théorie du signal 2019-2020 7 / 69 Laurent Oudre Théorie du signal 2019-2020 8 / 69
Cas des signaux à énergie finie Définition Cas des signaux à énergie finie Définition
◮ On écrit parfois
◮ On écrit parfois x(t) = T F −1 {X (f )}
X (f ) = T F {x(t)}
◮ Ceci peut être interprété comme une décomposition du signal sous la forme
◮ X (f ) est une quantité complexe qui rend compte du poids de la fréquence f d’une somme continue et infinie de sinusoı̈des complexes
dans la décomposition ◮ Si le signal x(t) comporte une discontinuité en t0 , la reconstruction grâce à la
◮ Contrairement à la série de Fourier, on s’interesse ici à toutes les fréquences transformée de Fourier inverse vaut
f ∈R Z +∞
x(t0+ ) + x(t0− )
X (f ) e j2πft0 df =
−∞ 2
Laurent Oudre Théorie du signal 2019-2020 9 / 69 Laurent Oudre Théorie du signal 2019-2020 10 / 69
Cas des signaux à énergie finie Définition Cas des signaux à énergie finie Définition
◮ Même si l’on ne peut pas définir ici de produit scalaire, l’interprétation reste 1.2
Laurent Oudre Théorie du signal 2019-2020 11 / 69 Laurent Oudre Théorie du signal 2019-2020 12 / 69
Cas des signaux à énergie finie Définition Cas des signaux à énergie finie Définition
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
−0.2 −0.2
−1.5 −1 −0.5 0 0.5 1 1.5 −1.5 −1 −0.5 0 0.5 1 1.5
t (secondes) t (secondes)
Contributions des sinusoı̈des ayant des fréquences fondamentales f ∈ [0, 1] Hz Contributions des sinusoı̈des ayant des fréquences fondamentales f ∈ [0, 3] Hz
Laurent Oudre Théorie du signal 2019-2020 13 / 69 Laurent Oudre Théorie du signal 2019-2020 14 / 69
Cas des signaux à énergie finie Définition Cas des signaux à énergie finie Définition
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
−0.2 −0.2
−1.5 −1 −0.5 0 0.5 1 1.5 −1.5 −1 −0.5 0 0.5 1 1.5
t (secondes) t (secondes)
Contributions des sinusoı̈des ayant des fréquences fondamentales f ∈ [0, 5] Hz Contributions des sinusoı̈des ayant des fréquences fondamentales f ∈ [0, 10] Hz
Laurent Oudre Théorie du signal 2019-2020 15 / 69 Laurent Oudre Théorie du signal 2019-2020 16 / 69
Cas des signaux à énergie finie Définition Cas des signaux à énergie finie Définition
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
−0.2 −0.2
−1.5 −1 −0.5 0 0.5 1 1.5 −1.5 −1 −0.5 0 0.5 1 1.5
t (secondes) t (secondes)
Contributions des sinusoı̈des ayant des fréquences fondamentales f ∈ [0, 100] Hz Contributions des sinusoı̈des ayant des fréquences fondamentales f ∈ [0, 1000] Hz
Laurent Oudre Théorie du signal 2019-2020 17 / 69 Laurent Oudre Théorie du signal 2019-2020 18 / 69
Cas des signaux à énergie finie Définition Cas des signaux à énergie finie Définition
0.2
6 correspond à la composante constante du signal : on l’appelle la
0.1 5 composante continue Z +∞
0 4
−0.1
X (0) = x(t)dt
3
−0.2
−∞
2
−0.3
1
−0.4
−0.5 0
−0.2 0 0.2 0.4 0.6 0.8 1 1.2 −30 −20 −10 0 10 20 30
t (secondes) f (Hz)
Laurent Oudre Théorie du signal 2019-2020 19 / 69 Laurent Oudre Théorie du signal 2019-2020 20 / 69
Cas des signaux à énergie finie Propriétés Cas des signaux à énergie finie Propriétés
◮ On a :
Z +∞
◮ Nous avons déjà démontré un grand nombre de propriétés de la transformée T F {x(−t)} = x(−t) e −j2πft dt
de Fourier dans le cours d’ITS −∞
Z +∞
◮ Parmi elle, l’une des propriétés fondamentales concerne les signaux réels,
= x(t) e −j2π(−f )t dt
pour lesquels la transformée de Fourier possède une symétrie hermitienne −∞
= X (−f )
x(t) réel ⇔ X (−f ) = X ∗ (f )
◮ Donc si x(t) est pair on a x(−t) = x(t), et par unicité de la transformée de
◮ Cela signifie que si x(t) est réel, on a |X (−f )|2 = |X (f )|2 . Le spectre est Fourier on a
donc toujours pair, et il suffit donc de regarder ce qui se passe pour les X (−f ) = X (f )
fréquences postives (qui ont un sens physique)
◮ De la même façon x(t) est impair on a x(−t) = −x(t) donc
X (−f ) = −X (f )
Laurent Oudre Théorie du signal 2019-2020 21 / 69 Laurent Oudre Théorie du signal 2019-2020 22 / 69
Cas des signaux à énergie finie Propriétés Cas des signaux à énergie finie Propriétés
Parité/Imparité Propriétés de la TF
Laurent Oudre Théorie du signal 2019-2020 23 / 69 Laurent Oudre Théorie du signal 2019-2020 24 / 69
Cas des signaux à énergie finie Propriétés Cas des signaux à énergie finie Propriétés
◮ Nous avons déjà vu dans le cours d’ITS que les transformations usuelles sur
les signaux avaient des conséquences dans le domaine de Fourier Linéarité z(t) = λx(t) + µy (t) Z (f ) = λX (f ) + µY (f )
◮ Nous avions en particulier vu les propriétés suivantes
◮ Linéarité Translation y (t) = x(t − t0 ) Y (f ) = e −j2πft0 X (f )
◮ Produit
◮ Produit de convolution Modulation y (t) = x(t)e j2πf0 t Y (f ) = X (f − f0 )
◮ Translation
◮ Modulation
Produit z(t) = x(t) × y (t) Z (f ) = X (f ) ∗ Y (f )
◮ Nous allons dans ce cours en décrire trois supplémentaires
◮ Contraction/dilatation
Produit de convolution z(t) = x(t) ∗ y (t) Z (f ) = X (f ) × Y (f )
◮ Dérivation
◮ Intégration
Laurent Oudre Théorie du signal 2019-2020 25 / 69 Laurent Oudre Théorie du signal 2019-2020 26 / 69
Cas des signaux à énergie finie Propriétés Cas des signaux à énergie finie Propriétés
Contraction/dilatation Dérivation
◮ Soit un réel α non nul, et x(t) un signal à énergie finie. Si l’on définit
◮ Soit x(t) un signal à énergie finie, dérivable et tel que x ′ (t) soit à énergie
y (t) = x(αt)
finie. Dans ce cas
alors on a T F {x ′ (t)} = (j2πf ) X (f )
1 f ◮ On peut étendre cette propriété avec des dérivées d’ordre supérieur. Soit x(t)
Y (f ) = X
|α| α n
un signal à énergie finie et n fois dérivable. Si x (n) (t) = d dtx(t)
n est d’énergie
◮ Donc si l’on réalise une contraction dans le domaine temporel α > 1, on finie, alors
n o
obtient une dilatation dans le domaine des fréquences (car α1 < 1)... et n
T F x (n) (t) = (j2πf ) X (f )
inversement
Démonstration en exercice
Laurent Oudre Théorie du signal 2019-2020 27 / 69 Laurent Oudre Théorie du signal 2019-2020 28 / 69
Cas des signaux à énergie finie Propriétés Cas des signaux à énergie finie Propriétés
◮ Soit x(t) un signal à énergie finie, intégrable sur R et ayant une composante
◮ Si x(t) est à énergie finie et dérivable continue nulle Z +∞
hR i X (0) = x(t)dt = 0
+∞
d −∞ X (f ) e j2πft df Z +∞ −∞
′
x (t) = = (j2πf )X (f ) e j2πft df ◮ Si l’on note
dt −∞
Z t
y (t) = x(τ )dτ
◮ Si x ′ (t) est à énergie finie, elle admet une transformée de Fourier, et par −∞
unicité de la décomposition on a bien et si y (t) admet une transformée de Fourier, alors
T F {x ′ (t)} = (j2πf ) X (f ) 1
T F {y (t)} = X (f )
(j2πf )
Laurent Oudre Théorie du signal 2019-2020 29 / 69 Laurent Oudre Théorie du signal 2019-2020 30 / 69
Cas des signaux à énergie finie Propriétés Cas des signaux à énergie finie Propriétés
a donc
1
Z +∞
x(t)dt = X (0) = 0 1
−∞ T F {rect(t)} = T F rect′ (t)
j2πf
rect'(t)
1
T F {rect(t)} = e jπf − e −jπf = sinc(f )
j2πf
-1
-1/2 0 1/2
t (en secondes)
Laurent Oudre Théorie du signal 2019-2020 31 / 69 Laurent Oudre Théorie du signal 2019-2020 32 / 69
Cas des signaux à énergie finie Propriétés Cas des signaux à énergie finie Densité spectrale d’énergie
1 f ◮ Etant donnés deux signaux x(t) et y (t) à énergie finie, nous avions vu que
Contraction/dilatation y (t) = x(αt) Y (f ) = X l’on pouvait évaluer le lien qui existait entre eux grâce à la fonction
|α| α
d’intercorrélation
d n x(t) Z +∞
Dérivation y (t) = Y (f ) = (j2πf )n X (f )
dt n γxy (τ ) = x(t)y ∗ (t − τ )dt = x(τ ) ∗ y ∗ (−τ )
−∞
Z t
1 ◮ Pourrait-on évaluer ce lien également dans le domaine de Fourier ?
Intégration y (t) = x(τ )dτ T F {y (t)} = X(
−∞ (j2πf )
◮ Pour le savoir, calculons la transformée de Fourier de γxy (τ )
Laurent Oudre Théorie du signal 2019-2020 33 / 69 Laurent Oudre Théorie du signal 2019-2020 34 / 69
Cas des signaux à énergie finie Densité spectrale d’énergie Cas des signaux à énergie finie Densité spectrale d’énergie
◮ On calcule ◮ En prenant τ = 0
Z +∞ Z +∞
Γxy (f ) = T F {γxy (τ )} ∗
X (f )Y (f )df = x(t)y ∗ (t)dt
∗ −∞ −∞
= T F {x(τ ) ∗ y (−τ )}
= X (f ) × Y ∗ (f ) cf exercice corrigé ◮ On retrouve le produit scalaire que nous avions défini !
Laurent Oudre Théorie du signal 2019-2020 35 / 69 Laurent Oudre Théorie du signal 2019-2020 36 / 69
Cas des signaux à énergie finie Densité spectrale d’énergie Cas des signaux à énergie finie Densité spectrale d’énergie
◮ En prenant τ = 0
◮ En utilisant le même raisonnement pour l’autocorrélation (y (t) = x(t)), on a Z +∞ Z +∞
|X (f )|2 df = |x(t)|2 dt = Ex
Γx (f ) = T F {γx (τ )} −∞ −∞
= T F {x(τ ) ∗ x ∗ (−τ )}
◮ Il s’agit du théorème de Parseval : on peut estimer l’énergie indifféremment
= X (f ) × X ∗ (f ) = |X (f )|2 dans le domaine temporel ou dans le domaine fréquentiel
◮ Donc ◮ |X (f )|2 : répartition de l’énergie en fonction de la fréquence, dont l’intégrale
Z +∞ Z +∞
2 j2πf τ sur toutes les fréquences forme l’énergie totale
|X (f )| e df = x(t)x ∗ (t − τ )dt
−∞ −∞
Γx (f ) = T F {γx (τ )} = |X (f )|2 : densité spectrale d’énergie
◮ La DSE est une quantité réelle et positive : on peut donc la tracer
Laurent Oudre Théorie du signal 2019-2020 37 / 69 Laurent Oudre Théorie du signal 2019-2020 38 / 69
◮ La transformée de Fourier est définie à la base pour les signaux à énergie finie.
Cas des distributions ◮ Néanmoins, on peut étendre la notion de transformée de Fourier aux
distributions. La preuve de cette existence est en dehors du programme de ce
cours.
2.1 Dirac ◮ Grâce à cette extension, nous verrons dans la suite du cours que l’on pourra
2.2 Peigne de Dirac définir des transformées de Fourier pour les signaux à puissance finie
(périodiques ou non)
◮ On va s’intéresser ici aux deux distributions vues dans le cours : le Dirac et le
peigne de Dirac
Laurent Oudre Théorie du signal 2019-2020 39 / 69 Laurent Oudre Théorie du signal 2019-2020 40 / 69
Cas des distributions Dirac Cas des distributions Dirac
◮ Pour calculer la transformée de Fourier d’un Dirac, nous allons juste faire le
calcul en supposant que la définition soit valide ◮ On a donc :
◮ En utilisant la propriété du Dirac T F {δ(t)} = 1
x(t) × δ(t) = x(0)δ(t) ◮ Et de la même façon
T F {1} = δ(f )
Z +∞
◮ En utilisant les propriétés de translation temporelle ou fréquentielle on a :
T F {δ(t)} = δ(t) e −j2πft dt
−∞
Z +∞ T F {δ(t − t0 )} = e −j2πft0
= δ(t) e −j2πf ×0 dt
−∞
Z +∞ T F e j2πf0 t = δ(f − f0 )
= δ(t)dt
−∞
= 1
Laurent Oudre Théorie du signal 2019-2020 41 / 69 Laurent Oudre Théorie du signal 2019-2020 42 / 69
Cas des distributions Peigne de Dirac Cas des distributions Peigne de Dirac
Transformée de Fourier d’un peigne de Dirac Transformée de Fourier d’un peigne de Dirac
◮ Dans le chapitre sur les séries de Fourier, nous avions vu que le peigne de x(t)
Dirac de période T 1
+∞
X
XT (t) = δ(t − nT )
n=−∞
... ... +∞
X 1
+∞
X
k
admettait une décomposition en série de Fourier de la forme TF δ(t − nT ) = δ f −
n=−∞
T k=−∞
T
+∞
1 X j 2πk t
XT (t) = e T 0 1
T T F {XT (t)} = X 1 (f )
k=−∞ −3T −2T −T 0
t (en secondes)
T 2T 3T
T T
X(f)
Laurent Oudre Théorie du signal 2019-2020 43 / 69 Laurent Oudre Théorie du signal 2019-2020 44 / 69
Cas des signaux périodiques Cas des signaux périodiques
Cas des signaux périodiques ◮ Les signaux périodiques ne sont pas à énergie finie, donc a priori leur
transformée de Fourier n’est pas définie
◮ En réalité, nous allons montrer qu’elles peuvent exister mais au sens des
3.1 Lien avec les séries de Fourier distributions
3.2 Autre vision de la transformée de Fourier
◮ Pour cela nous allons utiliser la décomposition en séries de Fourier, qui sont
3.3 Densité spectrale de puissance
définies sur l’espace FT (R, C) des signaux à puissance finie, continus et
périodiques de période T à valeurs complexes.
Laurent Oudre Théorie du signal 2019-2020 45 / 69 Laurent Oudre Théorie du signal 2019-2020 46 / 69
Cas des signaux périodiques Lien avec les séries de Fourier Cas des signaux périodiques Lien avec les séries de Fourier
k=−∞ 1.5
◮ La transformée de Fourier d’un signal périodique
X(f)
Laurent Oudre Théorie du signal 2019-2020 47 / 69 Laurent Oudre Théorie du signal 2019-2020 48 / 69
Cas des signaux périodiques Lien avec les séries de Fourier Cas des signaux périodiques Lien avec les séries de Fourier
2 0.5
δ(f − f0 ) + δ(f + f0 )
=
2 0
2j 0
−f0 0
f (en Hz)
f0 −f0 0
f (en Hz)
f0
1 j2πf0 t
◮ Dans les deux cas, le spectre comporte uniquement deux raies fréquentielles :
= TF e − T F e −j2πf0 t
2j une en +f0 et une en −f0
δ(f − f0 ) − δ(f + f0 )
=
2j
Laurent Oudre Théorie du signal 2019-2020 49 / 69 Laurent Oudre Théorie du signal 2019-2020 50 / 69
Cas des signaux périodiques Autre vision de la transformée de Fourier Cas des signaux périodiques Autre vision de la transformée de Fourier
0.9
0.8
0.7
0.6
0.1
◮ Ceci tient au fait que l’étude d’un signal périodique peut être résumée à son 0
-2T -T 0 T 2T 3T
étude sur une période t (en secondes)
◮ Nous allons voir que la transformée de Fourier du signal est en fait liée à la Soit donc x(t) un signal périodique de période T .
transformée de Fourier de ce signal sur une période (qui elle, est parfaitement ◮ Notons xT (t) la valeur du signal x(t) sur une période [0, T [
définie) ◮ Comme le signal se répète à l’infini, il est entièrement caractérisé par son expression sur
une période et on a :
+∞
X
x(t) = xT (t − nT )
n=−∞
+∞
X
= xT (t) ∗ δ(t − nT )
n=−∞
Laurent Oudre Théorie du signal 2019-2020 51 / 69 Laurent Oudre Théorie du signal 2019-2020 52 / 69
Cas des signaux périodiques Autre vision de la transformée de Fourier Cas des signaux périodiques Autre vision de la transformée de Fourier
... ...
0.5
+∞
X 0.03
0.4
= T F {xT (t)} × T F δ(t − nT )
0.3 0.02
n=−∞
0.2
+∞ 0.01
1 X k 0.1
= XT (f ) × δ f −
T k=−∞
T 0
-2T -T 0 T 2T 3T
0
-5/T -4/T -3/T -2/T -1/T 0 1/T 2/T 3/T 4/T 5/T
t (en secondes) f (en Hz)
+∞
1 X k
= XT (f )δ f − +∞
T k=−∞
T 1 X k k
T F {x(t)} = XT δ f −
1
+∞
k
k
T T T
X k=−∞
= XT δ f −
T k=−∞
T T
◮ On retombe sur le fait que le spectre est composé de raies fréquentielles
◮ On a ck (x) = XT Tk
Laurent Oudre Théorie du signal 2019-2020 53 / 69 Laurent Oudre Théorie du signal 2019-2020 54 / 69
Cas des signaux périodiques Densité spectrale de puissance Cas des signaux périodiques Densité spectrale de puissance
◮ En revanche la notion de puissance est bien définie : pourrait-on définir une ◮ Avec τ = 0 on a
densité spectrale de puissance ? Z +∞ Z
1
Γx (f )df = |x(t)|2 dt = Px
−∞ T [T ]
Laurent Oudre Théorie du signal 2019-2020 55 / 69 Laurent Oudre Théorie du signal 2019-2020 56 / 69
Cas des signaux périodiques Densité spectrale de puissance Cas des signaux périodiques Densité spectrale de puissance
◮ Nous allons voir qu’il existe néanmoins un moyen d’estimer la DSP sans = ck (x)cl∗ (x)e j T τ e T t
dt
T [T ]
k=−∞ l=−∞
passer par la fonction d’autocorrélation | {z }
◮ Pour cela, nous allons utiliser la décomposition en série de Fourier du signal 0 si k6=l , T sinon
x(t)... +∞
1 X 2πk
+∞
X = ck (x)ck∗ (x)e j T τ T
2πk T
x(t) = ck (x)e j T t k=−∞
k=−∞ +∞
X 2πk
k=−∞
Laurent Oudre Théorie du signal 2019-2020 57 / 69 Laurent Oudre Théorie du signal 2019-2020 58 / 69
Cas des signaux périodiques Densité spectrale de puissance Cas des signaux périodiques Densité spectrale de puissance
+∞ +∞
X X k2
γx (τ ) = |ck (x)|2 e j
2πk
T τ Γx (f ) = T F {γx (τ )} = |ck (x)| δ f −
T
k=−∞ k=−∞
◮ Or on a bien
◮ Lien direct entre la fonction d’autocorrélation γx (τ ) et les coefficients de Z +∞
+∞ X
Fourier ck (x) Γx (f )df = |ck (x)|2 = Px
◮ On vérifie bien que la fonction d’autocorrélation d’un signal périodique de −∞ k=−∞
période T est également périodique de période T
◮ Elle admet donc une décomposition en série de Fourier et par identification Γx (f ) : densité spectrale de puissance
on a : ck (γx ) = |ck (x)|2 ◮ La quantité Γx (f ) donne la répartition de la puissance en fonction de la
fréquence, dont l’intégrale sur toutes les fréquences forme la puissance
moyenne totale
Laurent Oudre Théorie du signal 2019-2020 59 / 69 Laurent Oudre Théorie du signal 2019-2020 60 / 69
Cas des signaux périodiques Densité spectrale de puissance Cas des signaux périodiques Densité spectrale de puissance
Γx(f)
2 2
1 1
c−1 (sin) = − c1 (sin) =
2j 2j 0
1 1 -f
0
0 f
0
Γcos (f ) = Γsin (f ) = δ(f − f0 ) + δ(f + f0 ) f (en Hertz)
4 4
Laurent Oudre Théorie du signal 2019-2020 61 / 69 Laurent Oudre Théorie du signal 2019-2020 62 / 69
Cas des signaux à puissance finie Cas des signaux à puissance finie
Cas des signaux à puissance finie ◮ Les signaux à puissance finie ne sont pas à énergie finie, donc a priori leur
transformée de Fourier n’est pas définie
◮ En réalité, nous allons montrer qu’elles peuvent exister dans certains cas mais
4.1 Fonction échelon au sens des distributions
4.2 Fonction signe
◮ Contrairement aux signaux périodiques, nous n’allons pas ici établir de théorie
4.3 Densité spectrale de puissance
générale. Nous allons nous focaliser sur les signaux usuels : fonction échelon
u(t) et fonction signe sgn(t)
Laurent Oudre Théorie du signal 2019-2020 63 / 69 Laurent Oudre Théorie du signal 2019-2020 64 / 69
Cas des signaux à puissance finie Fonction échelon Cas des signaux à puissance finie Fonction signe
( (
1 si t > 0 1 si t > 0
◮ Considérons la fonction échelon u(t) = ◮ Considérons la fonction signe sgn(t) =
0 sinon −1 si t < 0
◮ On admettra que ◮ On admettra
1 1 1
T F {u(t)} = + δ(f ) T F {sgn(t)} =
j2πf 2 jπf
Laurent Oudre Théorie du signal 2019-2020 65 / 69 Laurent Oudre Théorie du signal 2019-2020 66 / 69
Cas des signaux à puissance finie Densité spectrale de puissance Cas des signaux à puissance finie Densité spectrale de puissance
Laurent Oudre Théorie du signal 2019-2020 67 / 69 Laurent Oudre Théorie du signal 2019-2020 68 / 69
Cas des signaux à puissance finie Densité spectrale de puissance
Γx (f ) = T F {γx (τ )}
◮ Et on a bien
Z +∞
Γx (f )df = Px
−∞