Vous êtes sur la page 1sur 25

Traitement Numérique

des Signaux
Chapitre III
Analyse Fréquentielle des Signaux et Systèmes

Groupe Pédagogique
Traitement du Signal
ISECS

Institut Supérieur d’Électronique et de Communication de Sfax


Sommaire:
 Analyse fréquentielle
 Séries de Fourier pour un signal discret périodique
 Densité Spectral de Puissance
 Transformée de Fourier d’un signal discret apériodique
 Énergie d’un signal discret apériodique
 Densité Spectral d’énergie
 Relation entre la Tr. en Z et la Tr. de Fourier
 Propriétés de la Transformée de Fourier
 Analyse fréquentielle des SLID
 Analyse Fréquentielle des Filtres Sélectifs Idéaux

2
Analyse fréquentielle
BUT:
On peut diviser l'analyse de systèmes linéaires discrets en deux grandes
classes: l'analyse temporelle où l'on observe le comportement du système en
fonction du temps, et l'analyse fréquentielle où la variable de contrôle est la
fréquence.
Généralement la sortie d’un SLID excité par un signal sinusoïdal comme
entrée est une sinusoïde de même fréquence que l’entrée mais de différent
amplitude et phase.
On commence ce chapitre par une étude fréquentielle sur les signaux
périodiques et apériodiques à travers les séries de Fourier et la transformée
de Fourier respectivement. Puis, on étudie la réponse fréquentielle des SLID.
On termine par l’analyse de quelque filtres idéaux.

3
Séries de Fourier pour un
signal discret périodique
Définition:
Supposant que x(n) est une séquence périodique de période N, c.à.d. :
x(n)=x(n+N).
La série de Fourier de x(n) consiste alors en une somme pondérée de N
fonctions exponentielles harmoniquement reliées:

e j 2kn / N , k  0,1,2,....., N  1
Elle est exprimée sous la forme:
N 1
x(n)   ck e j 2nk / N Équation de synthèse
k 0

On peut montrer que


N 1
1
ck 
N
 x
n 0
( n ) e  j 2nk / N
Équation d’analyse 4
Séries de Fourier pour un
signal discret périodique

Exemple:
Déterminer les coefficients de Fourier pour le signal suivant:

x( n)  1,1,0,0 N 4

0 1 2 3 4 5 6
Réponse:
1 3
ck   x(n).e  j 2kn / 4
4 n 0

ck  14 (1  e  jk / 2 ) k  0,1,2,3

c0  12 , c1  14 (1  j ), c2  0, c3  14 (1  j )
5
Densité Spectral de Puissance
Définition:
La puissance moyenne d’un signal discret périodique avec une période N est
définit comme suit:
N 1
1

2
Px  x ( n)
N n 0

Reste maintenant à exprimer Px en fonction des coefficients de Fourier:

1 N 1
1 N 1
 N 1 *  j 2kn / N 
Px 
N

n 0
x(n). x (n) 
*

N
n 0
x(n). ck e
 k 0
.

* 1  j 2kn / N 
N 1 N 1 N 1
1 N 1
  ck   x(n).e   ck   x ( n )
2 2

k 0  N n 0  k 0 N n 0
6
Transformée de Fourier d’un
signal discret apériodique
Définition:
Soit x(n) un signal apériodique à temps discret. La transformée de Fourier de la
séquence x(n) est donnée par:

n  
X ( w)   x (
n  
n ).e  jwn
Équation d’analyse

La transformée de Fourier inverse:



1
x ( n)  
jnw
X ( w).e .dw Équation de synthèse
2 

x(n) 
TF
X ( w) X ( w)  X (e jw )

7
Transformée de Fourier d’un
signal discret apériodique
La transformée de Fourier à temps discret partage plusieurs similarités avec la
transformée de Fourier à temps continu. Les différences majeures entre les deux
transformées sont:
- La TF à temps discret est périodique de période 2π
- l’intégration dans l’équation de synthèse de la TF à temps discret est à
intervalle fini: [- π, + π].

En général, la Transformation de Fourier est une fonction complexe:

X ( w)  X R ( w)  jX I ( w)
ou bien : X ( w)  X ( w) .e j .arg  X ( w) 

Spectre Spectre en
d’amplitude phase 8
Transformée de Fourier d’un
signal discret apériodique

Remarque 1:
Si la séquence x(n) est réelle alors, on peut écrire:

X ( w)  X * (  w)

X ( w) : pair et arg X ( w) : impair

Remarque 2:
La condition suffisante pour l’existence et la convergence de la T.F à temps
discret est que la séquence x(n) doit être absolument sommable:
n  

 x(n)    X (w) existe


n  
9
Transformée de Fourier d’un
signal discret apériodique
Exemple:
Considérons l’exemple suivant appartenant à la classe des signaux à énergie finie:

1, w  wc 1
X ( w)  
0, wc  w   -π -wc 0 wc π

1
x ( n)  
jwn
X ( w) e dw
2
wc
 
 wc
1 sin wc n
 e dw  pour n  0
jwn

2  wc
n
 wc
1 wc
pour n  0, x(0) 
2 w 1 dw  
c
10
Énergie d’un signal discret
apériodique
Rappelons que l’énergie d’un signal discret apériodique est définit comme suit:

n   n    1
n   

 x ( n)   x ( n ) x ( n)   x ( n )   X
2  jwn
Ex  * *
( w)e dw
n   n   n    2  
On change l’ordre d’intégration et de sommation on aura:

1 n    jwn 
Ex   X (w)n
*
x(n)e dw
2   
 
1 1
 X  X (w)
2
 *
( w) X ( w)dw  dw
2 
2 
n   
1
 
2 2
Ex  x ( n)  X ( w) dw Relation de Parseval
n   2  11
Densité Spectral d’énergie

Le spectre X(w) est généralement complexe, il peut être exprimé comme:

X ( w)  X ( w) e j ( w)

où  ( w)  X ( w) : Spectre de phase
X ( w) : Spectre d’amplitude

2
Par contre S xx ( w)  représente
X ( w) la densité spectral d’énergie de x(n).

Par conséquent, l’énergie du signal x(n) sera


 
1 1
  S
2
Ex  X ( w) dw  xx ( w) dw
2 
2  12
Relation entre la Tr. en Z et
la Tr. de Fourier
Sachant que La transformée en Z pour une séquence x(n) est définit comme
suit: 
X ( z)   x ( n) z
n  
n
avec RDC : r2  z  r1
On peut exprime z par sa forme polaire, tel que: z  re jw
Où r z et w z
Donc, dans la RDC où la transformée en z existe, on peut substituer z par sa
valeur, on aura:

  x ( n ) r e

n  jwn
X ( z ) z  re jw 
n  

Si la RDC inclut le cercle unité, donc la Tr en Z existe et converge, on aura



pour z  r 1 : X ( z ) z e jw  X ( w)   x (
n  
n ) e  jwn

Par conséquent, si la transformée en Z ne converge pas sur le cercle unité,


13
X(w) n’existe pas
Propriétés de la Transformée
de Fourier
Périodicité:

x(n) 
 X ( w)
T .F

 
X ( w  2 )   x ( n )e
n  
 j ( w  2 ) n
e  j 2n
 x (
n  
n ) e  jwn
 e  j 2n
X ( w)

e  j 2 n  cos( 2n )  j sin( 2n )  1

Linéarité:

Si x1 (n) 
TF
X 1 ( w)
x2 (n) 
TF
X 2 ( w)

Donc x(n)  a.x1 (n)  b.x2 (n) 


TF
X ( w)  a. X 1 ( w)  b. X 2 ( w)
14
Propriétés de la Transformée
de Fourier
Décalage en temps:
Si x(n) 
TF
X ( w)
Alors x(n  n0 ) 
TF
e  jwn0 X ( w)
Décalage en fréquence:

Si x(n) 
TF
X ( w)
Alors e jw0 n x(n) 
TF
X ( w  w0 )

Différenciation en fréquence:

Si x(n) 
TF
X ( w)
d X ( w)
Alors: n.x( n) 
TF
j. 15
dw
Propriétés de la Transformée
de Fourier
Convolution de 2 séquences:
Si x1 (n) 
TF
X 1 ( w)
x2 (n) 
TF
X 2 ( w)
Donc x(n)  x1 (n) * x2 (n) 
TF
X ( w)  X 1 ( w). X 2 ( w)
Multiplication de 2 séquences:
Si x1 (n) 
TF
X 1 ( w)
x2 (n) 
TF
X 2 ( w)
Donc x(n)  x1 (n).x2 (n) 
TF
X ( w)  X 1 ( w) * X 2 ( w)
Inversion en temps
Si x(n) 
TF
X ( w)
Alors x(n) 
TF
X ( w) 16
Analyse fréquentiel des SLID
Soit un SLID caractérisé par sa réponse impulsionelle h(n) tel que:

y ( n)  h( n ) * x ( n)
En effectuant la transformée de Fourier à temps discret, on aura
Y ( w)  H ( w). X ( w)
Y ( w)
 H ( w) 
X ( w)
H(w) est appelé la réponse en fréquence du système avec:

H ( w)  H ( w) .e j arg  H ( w) 
H ( w) : Le gain en fréquence ou la réponse en amplitude
arg H ( w) : La phase du système ou la réponse en phase 17
Analyse fréquentiel des SLID
Soit un SLID caractérisé par sa réponse impulsionelle h(n), la transformée de
Fourier de h(n) est donnée comme suit:
k  
H ( w)   h(k ).e
k  
 jwk

k   k  
  h(k ). cos( wk )  j  h(k ). sin( wk )
k   k  

 Hr ( w)  j.Hi( w)
1
 H i ( w) H r ( w) 
 H r2 ( w)  H i2 ( w) .e j tan  H ( w) .e j ( w )

k  
Avec: H r ( w)   h(k ) cos( wk )
k  
: Fonction paire paire impaire

k  
H i ( w)    h(k ) sin( wk ) : Fonction impaire 18
k  
Analyse fréquentiel des SLID
X(w) H(w) Y(w)

Y ( w)  H ( w) . X ( w) , argY ( w)  arg H ( w)  arg X ( w)


On peut représenter |H(w)| sur l’échelle logarithmique, on aura aussi:

10 log10  H ( w)   10 log10  Y ( w)   10 log10  X ( w) 

Si le système est caractérisé par une équation aux différences:


N M

a
k 0
k y (n  k )  bk x(n  k )
k 0
On applique la transformée de Fourier, on aura:
M

N M
Y ( w) b e k
 jwk

 ak e  jwk
Y ( w)  bk e  jwk X ( w)  H ( w) 
X ( w)
 k 0
N
k 0 k 0
 k
a e
k 0
 jwk
19
Analyse fréquentiel des SLID
Exemple 1:
Soit le SLID suivant: y (n)  a. y (n  1)  x( n) où a  1

On applique la transformation de Fourier:

Y ( w)  a.Y ( w).e  jw  X ( w)
Y ( w) 1
 H ( w)  
X ( w) 1  a.e  jw
 h( n)  a n u ( n)

20
Analyse fréquentiel des SLID
Exemple 2:
Soit le SLID suivant: y (n)  56 . y (n  1)  16 . y (n  2)  x(n)

Y ( w) 1 1
H ( w)   
X ( w) (1  56 e  jw  16 e  j 2 w ) (1  12 e  jw )(1  13 e  jw )
3 2
 H ( w)  
(1  12 e  jw ) (1  13 e  jw )

 
d ' où h(n)  3 ( 12 ) n  2 ( 13 ) n .u (n)

21
Analyse fréquentiel des SLID
Exemple 2:

On détermine la sortie du système pour une entrée: x(n)  ( 14 ) u (n)


n

1 1
Y ( w)  H ( w). X ( w)  .
(1  12 e  jw )(1  13 e  jw ) (1  14 e  jw )
6 8 3
 Y ( w)   
(1  12 e  jw ) (1  13 e  jw ) (1  14 e  jw )

d ' où 
y (n)  6 ( 12 ) n  8 ( 13 ) n  3( 14 ) n  u ( n)

22
Analyse Fréquentiel des Filtres
Sélectifs Idéaux
Filtre Passe-bas idéal: 1 w  wc
H ( w)  
1 0 wc  w  

sin( wc n)
h( n)     n  
-π -wc 0 wc +π w n

Filtre Passe-haut idéal:


0 w  wc
H ( w)  
1
1 wc  w  

sin( wc n)
h( n)   ( n )     n  
-π -wc 0 wc +π w n 23
Analyse Fréquentiel des Filtres
Sélectifs Idéaux
Filtre Passe-bande idéal: 1 wa  w  wb
H ( w)  
1
0 autrement

sin( wb n) sin( wa n)
h( n)      n  
n n
-π -wb -wa 0 wa wb +π w

Filtre Passe-tout idéal:

1
H ( w)  1 w 
h(n)   ( n)
0 w
24
fin

25