Rappels sur la transformée de Fourier

Principe du développement en série de Fourier

Fourier propose de développer n’importe quel signal périodique sous forme de fonctions sinusoïdales et
cosinusoidales . A cet effet, il choisi la base de fonction orthonormale suivantes pour son développement:

Le développement est donc sous forme d’une combinaison linéaire de ces fonctions. Le calcul des
coefficients appelés coefficients de Fourier peut être effectué grâce au théorème de projection
 Séries de Fourier
définition

Soit un signal périodique réel x (t )  x (t  nT0 ) ; T0 période fondamenta le,

Il existe une décomposit ion unique :


2nt 
2nt
(1) x (t )  a0  2 an cos( )   bn sin( )]
n 1 T0 n 1 T0
avec
 1 0
T /2
2nt 1 0
T /2
2nt
an 

 x (t ) cos(
T0 T0 / 2 T0
) dt ; bn   x (t ) sin(
T0 T0 / 2 T0
) dt

( 2)  T0

 1 2
a0  T  x t dt composante continue
 0 T0
2

a n et bn sont les coefficien ts réels de la décomposit ion

 Séries de Fourier
définition

Soit un signal périodique réel x(t )  x(t  nT0 ) ; T0 période fondamentale,

Composante Les autres harmoniques de fréquences
continue La fondamentale multiples entiers de 1/T0

2t 2t 2 2t 2 2t
x(t )  a 0  2[a1 cos( )  b1 sin( )]  2[a2 cos( )  b1 sin( )] 
T0 T0 T0 T0

2 3t 2 3t 2 4t 2 4t
2[a3 cos( )  b3 sin( )]  2[a4 cos( )  b4 sin( )] 
T0 T0 T0 T0

Les autres harmoniques de fréquences multiples entiers de 1/T 0

........
 Séries de Fourier
autres décompositions

base Cos ou Sin :


2nt
( 3) x (t )  a 0  2  c n cos(  n )
n 1 T0
2 2 bn 1
avec cn  a bn n ;  n  tan ( )
an
base d ' exp onentielle s complexes :
 t
 2  jn
(4) x (t )  
n  
n e T0
;  0  a0
T0 / 2 t
1  2 jn

 x (t )e
T0
avec n  dt ;  n  cn ; arg(  n )   n
T0  T0 / 2
 Séries de Fourier
théorème de Parseval

on a :
 2  jnt

2  nt 
x (t )  a 0  2  c n cos( n)    ne T0

n 1 T0 

la puissance moyenne s ' écrit :

T0 / 2  

 
2 2
x
2 2
Pmoy  ( t ) dt  ( a 0 )  cn  n
 T0 / 2 n 1 

Pmoy est la valeur RMS ( Root Mean square )

 Séries de Fourier
résumé des propriétés(1/2)

1 / si x (t ) est périodique de période T alors la Série de Fourier

est composée de composante s de fréquence multiple ( entier )
de la fréquence fondamenta le 1 / T0 Hertz .
2 / a 0 est moyenne du x (t )
3 / c n est un nombre complexe avec une amplitude et une phase
 cn est une fonction paire
 Arg ( c n ) est une fonction impaire
 la représenta tion complexe induit des fréquences positives et négatives
 Exemple

• exemple : g(t) = sin(2pi f t) + (1/3)sin(2pi (3f) t)

 Exemple

• exemple : g(t) = sin(2pi f t) + (1/3)sin(2pi (3f) t)

= +
 Exemple

• example : g(t) = sin(2pi f t) + (1/3)sin(2pi (3f) t)

= +
 Exemple
• Usually, frequency is more interesting than the phase
 Exemple

= +

=
 Exemple

= +

=
 Exemple

= +

=
 Exemple

= +

=
 Exemple

= +

=
 Exemple


1
= A sin(2 kt )
k 1 k
 Séries de Fourier
décomposition spectrale
Pour un signal x(t) réel et périodique de période T 0 nous avons:


2nt 
2nt
x (t )  a 0  2  a n cos( )   bn sin( )
n 1 T0 n 1 T0
Avec:
2 jnt 2 j nt

T0 T0
2nt e e
cos( )
T0 2

2 j nt 2 jnt 2 jnt 2 jnt

 
T0 T0 T0 T0
2nt e e e e
sin( )  j
T0 2j 2
 Séries de Fourier
décomposition spectrale
2 jnt
T0
Si maintenant la fonction esera représentée dans un domaine appelé spectrale par:

Domaine temporel Domaine Spectral

2 jnt
T0  2 jnt 
 ne 
 n  f  
 T0 
2 jnt

T0  2 jnt 
 ne   n  f  
 T0 
 0e 0  0 0 
2 j  nt

2 j  nt
an  2 jnt   2 jnt 

[  f   
  f  ]
T0 T0
2  nt e e
a n cos(
T0
)  an
2 2  
T0   T0 
2 j nt 2 j nt
bn  2 jnt   2 jnt 

T0 T0
2 nt e e
bn sin(
T0
) j
2
j [  f     f  ]
2  T0   T0 
 Séries de Fourier
décomposition spectrale

Spectre d’une composante continue

0=a0

a0

0 f
 Séries de Fourier
décomposition spectrale

Spectre de
2nt
a n cos( )
T0

an/2 an/2

-n/T0 0 n/T0 f

Remarque: Le spectre d’un cosinus est réel et paire par rapport à la fréquence
 Séries de Fourier
décomposition spectrale

Spectre de
2nt
bn sin( )
T0

jbn/2

-n/T0 0 n/T0 f

-jbn/2

Remarque: Le spectre d’un sinus est imaginaire pur et impaire par rapport à la fréquence
 Séries de Fourier
décomposition spectrale
Pour un signal x(t) réel et périodique de période T 0 nous avons:


2nt 
2nt
x (t )  a 0  2[  a n cos( )   bn sin( )]
n 1 T0 n 1 T0
Le spectre sera formé par deux parties:

 Une partie réelle et paire par rapport à la fréquence contenant la composante continue

 Une partie imaginaire impaire par rapport à la fréquence

 Séries de Fourier
décomposition spectrale


2nt 
2nt
x (t )  a 0  2[  a n cos( )   bn sin( )]
n 1 T0 n 1 T0

2nt 
2nt
x (t )  a 0  2  a n cos( )  2  bn sin( )
n 1 T0 n 1 T0
Le spectre de x(t) sera noté X(f)

an  2 jnt   2 jnt  bn  2 jnt   2 jnt 

X  f   a0 0  2 [  f      f  ]  j 2 [  f      f  ]
2  T0   T0  2  T0   T0 

La partie Réelle du spectre La partie Imaginaire du spectre

notée XR(f) notée XI(f)
 Séries de Fourier
décomposition spectrale
XR(f)
paire
a0
a3 a1 a1 a3

…. ….
f=n/To
f
a2 a2

XI(f)
impaire

-jb1 -jb2
…. ….
f=n/To
f

jb2 jb1
 Séries de Fourier
décomposition spectrale

Le spectre peut être représenté par une partie réelle et une partie imaginaire

Ou bien

Par un module et phase

Domaine temporel Domaine Spectral

 2 jnt   2 jnt 
2nt X  f   a0  cn [  f      f  ]

x (t )  a 0  2  c n cos(  n )
n 1 T0  T0   T0 
bn
avec cn  a n2  bn2 ;  n  tan 1 ( )
an
bn   2 jnt   2 jnt  
n  f   tan ( )  f 
1
    f  
an   T0   T0  
 Séries de Fourier
décomposition spectrale

X f  paire

f=n/To

n  f  impaire

f=n/To
 Exemples de
décomposition spectrale
 Conclusion

I.D’après Fourier toute onde (ou fonction) périodique de période T (de fréquence f=1/T) peut être
décomposé en une somme de :
 une composante continue (éventuellement)
 une fonction sinus et cosinus de fréquence 1/T égale à celle du signal appelée fondamentale
 une infinité de fonctions sinus et cnsinus de fréquences multiples entiers de la fréquence du signal,
appelées les harmoniques.

II. Le spectre de Fourier d’un signal x(t) réel et périodique de période T (de fréquence f=1T) est composé
de deux parties à savoir une partie réelle paire et une partie imaginaire impaire ou bien un module paire
et une phase impaire.

III. Le spectre de Fourier d’un signal x(t) réel et périodique de période T (de fréquence f=1T) est toujours
discret (composé de points ou de Dirac) séparés les uns des autres de 1/T (c-à-d la fréquence de x(t).
Et la puissance d ’un signal périodique ?

1T 2
P   x ( t ).dt
T0

A 02 1  2
P
4 2 n 1

  A n  B 2n  Identité de Parseval


P  Xn ²
n  
Densité Spectrale de Puissance
Transformée de Fourier des signaux continus

 sin( w / 2) 
X(w )  A. 
 w / 2 

Regraduons en f



X( f )   x(t ) exp( j 2 f t )dt


, t  R, f  R


x (t )   X ( f ) exp( j2 f t )df


, t  R, f  R
Représentation de la TF

|X(w)|
Module / Argument
Parties réelle & imaginaire

Arg(X(w))
Quelques propriétés de Transformée de Fourier

– Linéarité
– X(f)  module |X(f)|, phase Arg[X(f)]
– x(t) réel  Re[X(f)] paire, Im[X(f)] impaire, module pair, phase impaire
– x(t) réel pair  X(f) réel pair
– x(t) réel impair  X(f) imaginaire impair
– x(t)*y(t)  X(f).Y(f) et x(t).y(t)  X(f)*Y(f)
!
– x(t)*d(t-t0)= x(t-t0)  X(f) exp(-2jp f t0)
– x(t) exp(2 j p t f0)  X(f-f0)
– x*(t)  X*(-f)
– x(at)  |a|-1 X(f/a)
– dnx(t)/dtn  (2 j p f )n X(f)
Quelques signaux et leur Transformée de Fourier

– d(t)  1
– 1(t)  ½ d(f) + 1/(2 j p f )
– cos(2pf0t)  [d(f-f0) +d(f+f0)]/2
– sin(2pf0t)  [d(f-f0) -d(f+f0)]/2j
– Sd(t+nT)  Fe Sd(f+kFe) avec Fe=1/T
– Rect(t)  2a.Sinc(pfa)
 représentation des signaux en temps
1

0.5
amplitude
0

-0.5

-1
0 1 2 3 4 5 6 7 8 9 10
temps (sec)

représentation des signaux en fréquence

1
amplitude

0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
fréquence (Hz)
 représentation des signaux en temps
1

0.5

amplitude 0

-0.5

-1
0 1 2 3 4 5 6 7 8 9 10
temps (sec)

représentation des signaux en fréquence

1
amplitude

0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
fréquence (Hz)
 représentation des signaux en temps
1

0.5

amplitude 0

-0.5

-1
0 1 2 3 4 5 6 7 8 9 10
temps (sec)

représentation des signaux en fréquence

1
amplitude

0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30
fréquence (Hz)
 représentation des signaux en temps
1

amplitude

0.5

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
temps (msec)

représentation des signaux en fréquence

1
amplitude

0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
fréquence (MHz)
 représentation des signaux en temps
2

amplitude
1

0
-5 -4 -3 -2 -1 0 1 2 3 4 5
temps (msec)

représentation des signaux en fréquence

10
Énergie (dB)

0
-10
-20
-30

0 1 2 3 4 5 6 7 8 9 10
fréquence (MHz)
 [e]
0.4 PSD [e]
50

40
0.2
30

(dB)
0 20

10
-0.2
0 50 100 0
0 1 2 3 4 5
t (ms)
f (kHz)

DFT
Et l ’énergie d ’un signal ?

Identité de Parseval

 
2 2 1  2
E   x ( t ).dt   X(f ) .df   X ( w ) .dw
 
2  

Densité Spectrale d ’Energie

Transformée de Fourier & Systèmes

Un SLTI va être caractérisé par sa réponse impulsionnelle h(t)

La transformée de Fourier de h(t) donne la réponse en fréquence du système H(f)

x(t) y(t)=x(t)*h(t)
h(t)

TF TF TF

X(f) Y(f)=X(f) . H(f)

H(f)

L ’inverse est aussi vrai

Bande passante et largeur de bande

• Bande passante • Largeur de bande

– Caractérise un système – Caractérise un signal
– Module de la rép. en fréquence – Densité Spectrale
– Définie à -3dB (1/2) (Pm/2) – Espace des fréquences utiles !
Tranformée de Fourier des signaux échantillonnés

Fréquence d ’échantillonnage Fe=1/Te

La transformée de Fourier est discrète et donne un spectre périodique
Le spectre est représenté de 0 à Fe ou de -Fe/2 à Fe/2

Fe
x e ( t )   X (f ). exp( j2ft ).df
0
Z(Te )  ...,3Te ,2Te ,Te ,0, Te ,2Te ,3Te ,...
X(f )  Te .  x e (t ) exp( j2ft )
tZ( Te )

Rque : pour des signaux discrets, on pose Te=1=Fe, (et n=t)

Transformée de |X(f)|
x e (t)
Fourier

0 NTe t 0 1 f
Te
Tranformée de Fourier des signaux échantillonnés périodiques

Fréquence d ’échantillonnage Fe=1/Te, Période du signal NTe, Fréquence du signal F=1/NTe

La transformée de Fourier est discrète et donne un spectre périodique et discret
Le spectre est constitué de N raies, il est représenté de 0 à F e ou de -Fe/2 à Fe/2

1 1
x e (t) 
NTe
 X(f ) exp( j2ft ) N(F)  0, F,2F,3F,...NF avec F 
NTe
f N ( F)

X(f )  Te .  x e ( t ) exp( j2ft ) N(Te )  0, Te ,2Te ,3Te ,...NTe

tN ( Te )

Rque : pour des signaux discrets, on pose Te=1, (et n=t)

Transformée X e (f)
xe (t)
de Fourier

0 NTe 0 1 1 f
2NTe
NTe Te
Du continu au discret, on échantillonne

• Échantillonnage idéal...
 
xe (t )  x (t ) T (t )  x (t )   ( t  kT )   x[ kT ] (t  kT )
k  k 

• ...Transformée de Fourier...
1 1  k
X e ( f )  X ( f ) *1 ( f )   X ( f  )
T T
T k  T
 ... périodisation en fréquence.

Échantillonnage temporel <=> Périodisation en fréquence

Échantillonnage en fréquence <=> Périodisation temporelle
 Tourne ...

Transformée de X(f)
x(t)
Fourier
(CCFT)

0 T t f

Périodisation Echantillonnage
Transformée X e (f) en fréquence
x T (t) de Fourier
(CDFT)

0 T 2T 0 1 2 f
T T
 et retourne ...

Transformée de X(f)
x e (t) Fourier
(DCFT)

0 NT t 0 1 f
T
Périodisation
Echantillonnage
Transformée
de Fourier X e (f) en fréquence
x Te (t)
(DDFT)

0 NT 2NT 0 1 1 f
NT T
Et le numérique ?

L ’avant ? L ’après ? Te ?

Un signal numérique est fini (N points), pour faire sa TF, on le périodise implicitement
On rajoute éventuellement des 0 (Nz), pour avoir une TF sur (N+Nz) points.
 Les différentes TF
 Propriétés
 CCFT connues
 CCFT généralisées
connues
 DCFT connues
 CDFT connues
 DDFT connues