TRAITEMENT DU SIGNAL

Prof: S.Ahyoud
Département : Physique

Filière : Master Mécatronique

Faculté des Sciences Tétouan

2020-2021
Université Abdelmalek Essaâdi

1
 Analyse spectrale
 Signaux périodiques
Séries de Fourier :
spectres d'amplitude et de phase, relation énergétique.

 Signaux non-périodiques
Transformée de Fourier
Spectres d’amplitude et de phase, relation énergétique

 Densité spectrale d'énergie

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 2

 Signaux périodiques
Théorème de Fourier
«Tout signal périodique est constitué d’une infinité de composantes sinusoïdales(ou harmoniques)»


 2n   2n 
x(t )  a0   an cos t   bn sin  t
n 1  T   T  T
T
2
T
2 2 2 2 2 2
1
a0   x(t )dt an   x(t ) cos(n t )dt b0  0 bn   x(t ) sin( n t )dt
T T T T T TT T
2 2
2

B
Partant de la relation trigonométrique A. cos( x)  B. sin( x)  A2  B 2 . cos( x  arctan( ))
A

le développement en série de Fourier peut également s’écrire (Développement en harmoniques):

 a0  bk
x(t )  A0   Ak . cos(2. .k . f 0 .t   k ) A0  Ak  ak2  bk2  k  arctan( )
k 1 2 ak

A0, l'harmonique d'ordre (ou de rang) 0, 𝐴1 cos(2𝜋𝑓0 𝑡 + 𝜑1 )l'harmonique d'ordre 1 appelé aussi le fondamental car il
correspond à un terme de fréquence fondamentale f0,
S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 3
 Signaux périodiques
Notation complexe: Les exponentielles complexes sont plus simples à manier que les fcts
trigonométriques
 t1 T
s(t )   cne
n  
j 2nf0t
avec cn 
1
T 
t1
s (t ) e  j 2nf 0t
dt C 0 est la valeur moyenne de s(t)

 an  jbn
cn  si n  0
x(t )   cne j 2nft
n  
Avec
2 c0  a0
a  jbn
Les "cn" sont appelés les coefficients de Fourier de x(t) cn  n si n  0
2
1
Relation entre cn et Ak : cn  . An .e  j n
2

Conséquences: x (t) ou {cn} ou {an, bn} : même «information»; 2 visions ≠du même signal.
En connaissant l’un on connaît l’autre… (deux descriptions équivalentes).

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 4

 Signaux périodiques
Le spectre d'un signal est la représentation en fonction de la fréquence des amplitudes
des différentes composantes présentes dans le signal

Représentation spectrale (dans le plan amplitude –fréquence): f est la fréquence fondamentale, nf sont les harmoniques
 Les fréquences des sinus/cosinus sont des multiples de 1/T (harmoniques).

 Le spectre d’un signal est donné, à la fois, par les fréquences positives et les fréquences négatives spectre bilatéral.
 Pour les séries de Fourier réelles, Le spectre est composé uniquement de fréquences positives, spectre unilatéral.

le spectre en fréquence S(f ) du signal périodique s(t) représente

les composantes cn en fonction des fréquences nF0 .
+∞
S(f ) est représentée par la fonction suivante :
𝑆 𝑓 = 𝑐𝑛 𝛿(𝑓 − 𝑛𝑓0 )
𝑛=−∞

S(f ) est donc un spectre de raies formé de pics de Dirac sur tout
l'axe des fréquences (positives ou négatives).

Chaque raie a une hauteur proportionnelle soit au module et à l'argument de cn (spectre d'amplitude et de phase),
soit à la partie réelle et à la partie imaginaire de cn.

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 5

Représentations spectrales

Spectre réel Spectre imaginaire

+∞
+∞

𝑆 𝑓 = ℜ(𝑐𝑛 )𝛿(𝑓 − 𝑛𝑓0 ) 𝑆 𝑓 = ℑ(𝑐𝑛 )𝛿(𝑓 − 𝑛𝑓0 )

𝑛=−∞
𝑛=−∞

Spectre de phase
Spectre d'amplitude
+∞
+∞
𝑆 𝑓 = 𝑎𝑟𝑔(𝑐𝑛 )𝛿(𝑓 − 𝑛𝑓0 )
𝑆 𝑓 = 𝑐𝑛 𝛿(𝑓 − 𝑛𝑓0 ) 𝑛=−∞
𝑛=−∞
Spectre de puissance
+∞

𝑆 𝑓 = 𝑐𝑛 2 𝛿(𝑓 − 𝑛𝑓0 )
𝑛=−∞

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 6

 Signaux périodiques

Puissance moyenne du signal:  Soit la «puissance moyenne du signal x (t)» = 𝑃𝑚𝑜𝑦 = 𝑥(𝑡)2
𝐴2
cas particulier: 𝑥 𝑡 = 𝐴𝑐𝑜𝑠(2𝜋𝑓0 𝑡 + 𝜑) 𝑃𝑚𝑜𝑦 =
2
+∞ +∞
𝐶𝑛 2 𝑎𝑛 2 + 𝑏𝑛 2 On a cos 2𝜋𝑛1 𝑓0 𝑡 + 𝜑1 . cos 2𝜋𝑛2 𝑓0 𝑡 + 𝜑2 =0 pour n1n2
 signal périodique 𝑃𝑚𝑜𝑦 = =
2 2
𝑛=0 𝑛=0

{cn2} =«distribution en fréquence » de la puissance du signal.

Conséquences: Pmoy ne dépend pas du spectre de phase ;

 Certains systèmes ne sont sensibles qu’à la distribution en fréquence de l’intensité du signal et ne dépendent
pas du spectre de phase (ex : oreille, yeux….) ;
 Inutile dans ce cas, de connaître la forme temporelle du signal, le spectre d’amplitude suffit !

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 7

 Signaux périodiques
Propriétés
 si f est paire alors c-n(f ) = cn(f ), si f est réelle bn(f ) = 0,
 si f est impaire alors c-n(f ) = -cn(f ), si f est réelle an(f ) = 0

Théorème de la puissance (Parseval)

Le théorème de Parseval montre qu’il y a «conservation » de la puissance lorsqu’on passe d’une représentation temporelle
à une représentation fréquentielle .affirme que la puissance normalisée d’un signal peut se calculer aussi bien dans le
domaine temporel que dans le domaine fréquentiel
+∞
1
𝑃 = 𝑠 𝑡 , 𝑠(𝑡)∗ = 𝑠(𝑡) 2 𝑑𝑡 = 𝐶𝑛 2
𝑇
𝑛=−∞

En effet la puissance moyenne d'un signal périodique s(t) de période T est égale à la somme des modules aux carrés de ses
coefficients de Fourier cn
+∞ +∞
1 1
𝑠(𝑡) 2 𝑑𝑡 = 𝐶𝑛 2
= 𝑎0 2 + 𝑎𝑛 2 + 𝑏𝑛 2
𝑇 2
𝑛=−∞ 𝑛=1

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 8

 Et pour les signaux non périodiques ?

 La SF n'est applicable qu'aux signaux périodiques

 Pour les signaux non périodiques ?
 Considérons que la période T est infinie (donc F tend vers 0)
 les harmoniques sont des multiples de F
 l’écart entre les raies du spectre va devenir infiniment petit
 D’où une représentation fréquentielle continue

C'est la Transformée de Fourier

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 9

TRANSFORMATION DE DE FOURIER
Objectif généraliser la notion de spectre aux fonctions non périodiques

La transformée de Fourier de s(t), notée F{s(t)}, est la projection de s(t)

sur une base continue de fonctions exponentielles complexes : e j 2ft
, f R 
TF s (t )  S ( f ))  s (t ), e

j 2ft

 j 2
S( f )  s (t ) e f t
dt


Transformée de Fourier inverse s (t )  F 1
S ( f )   S ( f ), e  j 2 f t
s (t )   S ( f ) e j 2 f t
df


 L’utilisation de f comme variable (au lieu de ω) évite l’apparition des termes 1/2π;

Spectre d’amplitude Spectre de puissance Spectre de phase

𝑆(𝑓) 𝑆(𝑓) 2 𝐼𝑚 𝑆(𝑓)

Arctg
𝑅𝑒 𝑆(𝑓)

N.B: Soient s(t) et S(f) sont 2 représentations du même signal, dans 2 espaces différents, temporel et fréquentiel.

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 10

TRANSFORMATION DE DE FOURIER
Propriétés Linéarité : La transformée de Fourier est une opération linéaire
a · x(t) + b · y(t) TF a · X(F) + b · Y (F)
TF 1  f 
Dilatation et contraction x(at) X  aR
a a

Si a < 1, x(at) est la version dilatée de x(t). Le spectre correspondant a subi une contraction fréquentielle
d’un facteur de 1/a
Si a > 1, x(at) est la version contractée de x(t) dont le spectre se trouve cette fois dilatée

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 11

Décalage temporel L'amplitude ne change pas. La phase est modifié de e-j2 f0t
x(t  t0 )  e  j 2f 0t X ( f )

Dérivation Inversion temporelle Conjugaison complexe

dx (t ) x(-t) ↔ X (- f ) x*(t)↔X *(- f )

 j 2f  X ( f )
dt

Parité
Si x(t) est un signal réel et pair alors X(f) est réelle et paire
Si x(t) est un signal réel et impair alors X(f) est imaginaire pure et impaire

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 12

Exemples: Fonctions localisées/délocalisées (avec  = f (fréquence))

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 13

 Relation de Parseval: La Transformée de Fourier conserve l'énergie du signal
 
Loi de conservation de l'énergie.
 x(t ) dt  
2
X ( f ) 2 df
 
Dans le cas où les intégrales existent, on a

Densité spectrale d'énergie

S xx ( f )  X ( f )
2
la TF conserve l'énergie, on peut définir une notion d'énergie par unité de fréquence,
la densité spectrale d'énergie (DSE)
f 0  f
2

 L’énergie dans une bande de fréquence ∆f autour de f0 est Ef  S xx ( f )df

f 0  f
2
 
 L’énergie total du signal sera E x   X ( f ) df   S xx ( f )df
2

 
2
 Cas des signaux à puissance moyenne finie Ce sont des signaux à énergie infinie. XT ( f )
Pxx ( f )  lim
On définit alors une densité spectrale de puissance T  T

xT(t) est le signal x(t) prélevé sur une fenêtre de largeur T xT (t )  x(t ). T (t )

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 14

 +∞ +∞
Énergie d’interaction 𝐸𝑥𝑦 = −∞
𝑥 𝑡 𝑦 ∗ 𝑡 𝑑𝑡 = −∞
𝑋 𝑓 𝑌 ∗ 𝑓 𝑑𝑓

Application de la TF
La Tf permet la décomposition d’un signal selon son contenu fréquentiel. Cela permet
de déterminer ses caractéristiques:

Détection de périodes
 caractérisation des fluctuations d’un signal
Caractérisation du bruit instrumental

En outre la TF permet :
L’étude des corrélation entre deux signaux
 la mesure du retard d’un signal sur l’autre
 la caractérisation des systèmes.

S.Ahyoud Master Mec -M1: Traitement du signal (2020-2021) 15