SMP-S6-ELECTRONIQUE Télécommunications

Chapitre III_ Transformation de Fourier - Continu et discret

I. Introduction
La représentation naturelle d’un signal est sa représentation dans le domaine temporel.
Il existe une autre représentation non moins importante, qui est la représentation dans le domaine fréquentiel,
qu’on appelle communément spectre du signal.
Cette représentation permet de voir le niveau de chaque composante harmonique constituant le signal.

II. Transformation de Fourier des fonctions périodiques : Série de Fourier

L’introduction de la transformée et de la Série de Fourier permet de donner une autre représentation des
signaux très intéressante pour la théorie de l’information et du signal .Cette décomposition exponentielle ou
trigonométrique permet d’exprimer le signal en fonction de ses harmoniques.

II.1. Décomposition sous une forme trigonométrique

a. Combinaison de sinus et cosinus
Un signal périodique s(t) de période T, continu par morceaux et vérifiant les condition de Dirichlet, peut être
décomposé en Série de Fourier selon la Décomposition trigonométrique suivante, pour tout signal s(t) réel où
f(t) = f ( t + T0), (avec : T0=1/F0) on peut écrire :

 
f (t )  a0   an cos( n0t )   bn sin( n0t )
n 1 n 1

Avec :
1 t 0 T
T t0
a0  f (t )dt

2 t 0 T
T t0
an  f (t ) cos n0tdt n  1,2,
2 t 0 T
bn   f (t ) sin n0tdt n  1,2,
T t0
a0 est la valeur moyenne de f(t).
Remarque :
 Si f(t) est paire => bn = 0 pour n ϵ N*
 Si f(t) est impaire => an = 0 pour n ϵ N (a0 = 0).

b. Combinaison de cosinus
Tout signal périodique réel de puissance finie peut être représenté par une combinaison linéaire de
cosinus
L’expression précédente peut s’écrire :

f (t )  C0   Cn cos(nt   n )
n 1
Avec :

et C0=a0
1
SMP-S6-ELECTRONIQUE Télécommunications

Représentation spectrale unilatéral

A partir de l’expression précédente, on peut construire la représentation spectrale du signal dans un plan
amplitude –fréquence.
C’est la succession de pics ou raies d’amplitude Cn et positionnés aux fréquences nF0.

a0

Figure. 1 -Représentation unilatéral spectrale du signal s(t).

Spectre du signal périodique

Le spectre en fréquence d’un signal périodique est constituer de la composante continue à la fréquence nulle
d’amplitude a0, du fondamental à la fréquence F0 d’amplitude C1 et des différents harmoniques situés aux
fréquences f = nF0 d’amplitude respectives Cn.
Le spectre d’une fonction périodique, de période T0 , est discontinue et composé de raies dont l’écart minimum
est F0, sur l’axe des fréquences,.

II.2 Décomposition sous une forme exponentielle

Un signal périodique s(t) de période T0, continu par morceaux, peut être décomposé en Série de Fourier selon
la décomposition exponentielle.
En introduisant la notation complexe de cos (nω0t) et sin (nω0t), il est possible d'obtenir une écriture complexe
de la série de Fourier.

On pose :

et :

On obtient alors :

Avec :

Les coefficients complexes Sn sont reliés aux coefficients An et Bn par les relations suivantes :

Les valeurs négatives de n sont introduites dans un but de simplification, s(t) étant réel d’où nous avons :
A-n=An et B-n=-Bn

2
SMP-S6-ELECTRONIQUE Télécommunications
Représentation spectrale bilatéral
A partir de l’expression précédente, on peut construire la représentation spectrale du signal dans un plan
amplitude –fréquence.
C’est la succession de pics ou raies d’amplitude S (nF0) et positionnés aux fréquences nF0.
Avec S(nF0) =Sn

Figure. 2 - Représentation bilatérale du spectre d’un signal périodique.

Propriétés :
Si s(t) est paire => Bn = 0 et Sn = S-n
Si s(t) est impaire => An = 0 et Sn = -S-n

III. Transformation de Fourier des signaux continus

La transformée de Fourier permet d’obtenir une représentation en fréquence (représentation spectrale) des
signaux déterministe, continus et non périodique. Elle exprime la répartition fréquentielle de l’amplitude, de
la phase et de l’énergie (ou de la puissance) des signaux considérés.

III.1 Transformée de Fourier à temps continu (TFTC=TF)

Soit x(t) un signal déterministe non périodique, sa transformée de Fourier est :

X(f) indique quelle "quantité" de fréquence f est présente dans le signal x(t) sur l'intervalle ]−∞, +∞[
X(f) est une fonction de f, généralement complexe :

Le module est l’amplitude du spectre :

III.2 Transformée de Fourier inverse :

La transformation inverse est donnée par :

3
SMP-S6-ELECTRONIQUE Télécommunications
L’expression de la transformée de Fourier inverse est la suivante :

df

Cas particulier : Transformée de Fourier de Dirac

Transformée de Fourier du produit de convolution

Cette relation qui s’appelle aussi relation de Plancherel

Remarque :

Propriétés :

IV. Transformée de Fourier des signaux discret :

La transformée de Fourier discrète est une méthode qui permet de décrire un signal discret en fonction de la
fréquence. On verra ici dans cette section comment se servir de la transformée de Fourier discrète (TFD) pour
analyser le contenu fréquentiel d'un signal.

4
SMP-S6-ELECTRONIQUE Télécommunications

IV.1 Transformée de Fourier à temps discret TFTD :

IV.1.1 Définition :

Un signal discret est défini par une suite d’échantillons espacés entre eux d’une période Te :

La T.F de xe(t) est :

La Transformée de Fourier d'un signal échantillonné est une combinaison linéaire d'exponentielles complexes
pondérées par la valeur des échantillons.
Après normalisation de la période d'échantillonnage Te=1, on obtient:

Il faut remarquer que la variable f est continu et donc la fonction Xe(f) est une fonction continue, d’où
l’appellation Transformé de Fourier à temps discret le temps seulement qui est discret mais la fréquence est
continue.

IV.1.2 Transformée de Fourier à temps discret inverse TFTD-1 :

Soit X(f) la TFTD du signal discret x[n], on a :

Donc Xe(f) est périodique de période 1.

Toute l’information spectrale du signal est comprise dans l’intervalle de fréquence :

Comme la TFTD des signaux discrets est périodique de période 1, l'expression de la TF inverse est donnée
par :

IV.1.3 Propriétés de la TFTD :

Globalement, la TFTD possède les mêmes propriétés que la TF.

X(f) est une fonction Complexe. | X(f)| est le spectre d’amplitude et arg (X(f)) est le spectre de phase.
Ci-dessous quelques propriétés de la TFTD :

5
SMP-S6-ELECTRONIQUE Télécommunications

IV.2 Transformé de Fourier discrète TFD (DFT : Discrete Fourier Transform) :

L’objectif de la Transformée de Fourier Discrète est d’effectuer les transformations sur un nombre fini
de données à traiter et pour un nombre fini de fréquences pour lesquelles on calcule la transformée.

Difficultés :
La Transformée de Fourier d’un signal à temps discret (TFTD) présente deux difficultés quant à son
utilisation par un système de traitement numérique :
 La fréquence f est continue.
 Le nombre d’échantillons x[n] à calculer est infini.

Solution :
 Discrétisation de la fréquence. f est discontinu.
 Limitation de la durée du signal.  Le nombre d’échantillon est fini.
La Transformée de Fourier Discrète X[k] d’un signal numérique x[n] est définie par :

N 1 2
 jk n k k
X[k]   x[n] e N avec k  [0,1,...N  1] f (normé) 
N
ou f 
N
fe
n 0

Transformée de Fourier Discrète inverse :

De même la Transformée de Fourier Discrète inverse est donnée par :
kn
1 N 1  2 j
x[n ]   X[k ]e N avec n  [0,1,...N  1]
N k 0
Remarque :

 Toutes les propriétés de la TFTD d’un signal discret sont valables pour la TFD.

6
SMP-S6-ELECTRONIQUE Télécommunications

IV.3 Transformée de Fourier Rapide TFR (Fast Fourier Transform = FFT)

La Transformée de Fourier Rapide (FFT) est un algorithme efficace et rapide de calcul de la TFD,
découvert par Cooley et Tukey en 1965 (IBM). Les bases théoriques des algorithmes de calcul de la FFT ont
été établies en 1939 avant même l’avènement des ordinateurs .
2 j

Le calcul de la FFT exploite les propriétés de w ( avec w N  e nk
) dans l’expression de la TFD.
N

Le calcul de X[k] exige, dans le cas où x[n] est réel, N additions et 2N multiplications (puisque wnk est
2 2

N
complexe). La FFT est un algorithme qui ne requiert que N.n (ou Nlog2N) addition et (n  1) multiplications
2
n
(N = 2 ).

Principe :
m
Le principe de la FFT est de décomposer la TFD d’ordre N en m TFD d’ordre Ni avec N   N i .
i 1
La FFT est formulée sous deux formes principales dites décimation dans le temps (entrelacement) et
décimation dans les fréquences. Dans la première méthode, l’opération se réalise sur le signal x[n], alors que
dans la seconde méthode, la même opération est réalisée sur les coefficients de X[k]. Dans les deux cas le
principe est le même.

Décimation dans le temps :

On décompose le signal x[n] en deux parties : x[2n] et x[2n+1] :

N N
1 1 2 j
2 2 
X[k ]   x[2n ]w 2Nkn   x[2n  1]w (N2n 1) k avec wN  e N
n 0 n 0
Comme : w 2N  w N , alors :
2
N N
1 1
2 2
X[k ]   x[2n ]w knN  w kN  x[2n  1]w knN k  0,...N  1  X[k ]  X1[k ]  w nN X 2 [k ]
n 0 2 n 0 2

X1[k] et X2[k] sont périodiques de période N/2.

N
Le calcul des X [k ] est décomposé ainsi en 2 calculs de TFD d’ordre qui requiert chacun :
2
N N
( ) 2 additions et 2( ) 2 multiplications (w est complexe)
2 2
Auquel s’ajoutent, pour la multiplication par w nN , N additions et 2N multiplications
La même procédure sera réalisé sur X1[k] et X2[k] et ainsi de suite.
En choisissant N = 2m, nous pouvons décomposer le calcul d’une TFD d’ordre N en (m – 1) calculs de
N N
TFD d’ordre, , ,… 2.
2 4