Deux représentations différentes de ce signal.

•Une représentation temps, c'est-à-dire une représentation de la forme:

y  st 

•Une représentation fréquence , c'est-à-dire une représentation de la forme:

(dont la dimension est l’inverse du temps).

Y  S f 

1
Deux représentations différentes d’un signal.

2
 Représentation fréquence

La lumière blanche peut se décomposer en arc-en-ciel à l'aide

d'un prisme ou d'un réseau de diffraction

3
 Signal propre: lumière

La lumière blanche est une lumière polychromatique,

C’est-à-dire composée de plusieurs couleurs.

La décomposition des couleurs par un prisme est la dispersion.

4
 Signal propre: lumière

Lorsqu’on remplace la source de lumière blanche par un laser, 

le prisme dévie la lumière du laser mais ne la décompose pas.
Le laser génère une lumière monochromatique 
qui est constituée d'une radiation unique.
Cette radiation est caractérisée par:
 une longueur d'onde 
c
Ou une fréquence f 
 5
 Signal propre d’un système linéaire
R

Système linéaire
vin vout
C

Signal Train d’ impulsions périodique

(signal composite)

6
 Signal propre d’un système linéaire
R
Système linéaire
vin vout
C

Signal harmonique

7
 Décomposition en série de Fourier

Un signal sinusoïdale est un signal propre pour les systèmes linéaires

xt   A  cos0t  Système y t   B  cos0t   

Linéaire

B et  Sont des constantes à déterminer

 Décomposition en série de Fourier
Expression

xt  signal périodique:

2
xt  de période T0  0 Fréquence de récurrence
0

xt  s’ecrit sous la forme xt   a0   an  cos n0t  bn  sin n0t 
n 1
Conditions de Dirichlet

1. xt  absolument intégrable 

T0 
xt  dt < 

Pour que la série de Fourier converge on exige une deuxième condition 

2. xt  admet un nombre fini de maximum et de minimum sur une période

et admet un nombre fini de discontinuité sur une période.
 st  si st  continu pour x  
 
Et on a  
s t    s t  s t 
si st  discontinu pour x  
 2
9
 Décomposition en série de Fourier
Vocabulaire

Si xt  est un signal paire alors les bn sont nulles


xt   a0   an  cos n0t 
n 1
x(t) s’écrit de façon explicite

xt   a0  a1  cos 0t  a2  cos 20t         an  cos n0t    

a0 Composante continue (fonction constante)(fréquence

nulle)
a1  cos 0t harmonique d’ordre 1 ou composante fondamentale

an  cos 0t harmonique d’ordre n

10
 Décomposition en série de Fourier
Détermination des coefficients

1
a0    xt   dt
T0 T0 
2
an    xt   cos n0t  dt
T0 T0 
2
bn    xt   sin n0t  dt
T0 T0 

an et bn sont décroissants

 lim a n   0   lim bn   0 

 
 n 
 n   


 

11
 Décomposition en série de Fourier
Propriétés des Coefficients
Signal paire x t   xt 
x(t)
T0

T0 T0
T

2
0 
2 t
 0 T0
2 
1
 xt  dt
2
a0   2
T0 T0
Remplacée par a0 
T0
  xt  dt
0

T0 2 T0
 
2
2 4 2
an 
T0
  xt  cos n0t  dt
T0
Remplacée par an 
T0
  xt  cos n t  dt
0
0


2
Et bn  0
12
 Décomposition en série de Fourier
Propriétés des Coefficients
Signal impaire x t    xt 
s(t)

T0 T0
 0 
2 2

T0 T0 T0
 
2 2
2 4
bn 
T0
  xt  sin n0t  dt
T0
Remplacée par bn 
T0
  xt  sin n t  dt
0
0


2

a0  0 Et an  0

13
 Décomposition en série de Fourier
Application (Signal train d’impulsions rectangulaire )
Soit à décomposer le signal composite en série de Fourier 
 T0
 A pour 0  t 
xt    2 Période T0
T0
0 pour  t  T0
 2

Avec l’impulsion rectangulaire:

 T    T    T 
t  0   t   T0  0    t  k   T0  0  
xt   4  4   4 
           
 T0   T0   T0 
 2   2   2 
   
xt 

T0 Ou bien:
A
  T0 

 t  k   T0  
  4 
xt    
k  
 T0 
 2 
tt
T0 T0 3.T0 2.T0
0  
2 2
14
 Décomposition en série de Fourier

Coefficients calculés

1 A
xt   dt
T0 T0 
a0   a0 
2
2
xt   cos n0t  dt
T0 T0 
an   an  0
2 A
bn    xt   sin n0t  dt bn   1  cos n 
T0 T0  n
Quelques valeurs des bn
A 2A
b1   1  cos   Donc b1 
 
A
b2   1  cos 2  Donc b2  0
2
A 2A
b3   1  cos 3  Donc b3 
3 3

15
 Décomposition en série de Fourier

xt   a0   an  cos n0t  bn  sin n0t 
n 1

A A
Avec a0  an  0 bn   1  cos n 
2 n

xt   a0   bn  sin n0t 
n 1

Ou bien xt   a0  b1  sin 0t  b2  sin 20t  b3  sin 30t      bn  sin n0t     
Ainsi
A 2A
xt   
2A
 sin 0t    sin 30t  
2A
 sin 50t   
2  3 5.
Représentation spectrale (amplitude et phase)

A 2A    2A    2A  
xt     cos 0t     cos 3
 0 t    cos 5
 0 t    
2   2  3  2  5  2 

16
 Application :Spectre
A 2A   2A   2A  
xt     cos 0t     cos 30t     cos 50t  
2   2 3  2 5  2

2A
A 
2 Spectre d’amplitude
2A
3
2A
5

0 20 30 40 5 0 

0

0 30 5 0  Spectre de phase

0 20 40

  
2 2 2

17
 Application: Approximation du signal

Tracé de quelque composante du signal xt 

A 2A    2A    2A  
xt     cos 0t     cos 30t     cos 50t  
2   2  3  2  5  2

Avec A  10
Et f0  1

18
 Représentation temporel
A
Composante continu x0 t  
2

12
x0
10

6
A m p litu d e

-2

-4

-6

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps

19
 Représentation temporel

2A  
Composante fondamentale x1 t    cos 0t  
  2

12
x1
10

6
A m p litu d e

-2

-4

-6

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps
20
 Représentation temporel
2A  
Harmonique d’ordre 3 x3 t    cos 30t  
3  2

12
x3
10

6
A m p litu d e

-2

-4

-6

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps
21
 Représentation temporel
2A  
Harmonique d’ordre 5 x5 t    cos 50t  
5.  2

12
x5
10

6
A m p litu d e

-2

-4

-6

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps
22
 Application: Approximation du signal
A 2A    2A    2A  
xt     cos 0t     cos 30t     cos 50t  
2   2  3  2  5.  2

12
somme
10

6
A m p litu d e

-2

-4

-6

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps
23
 Série de Fourier exponentielle

a0
On a xt     an  cos n0t  bn  sin n0t 
2 n 1
e j  e  j
Formule d’Euler cos  
2
e j   e  j
sin  
2j
1
On pose Cn   an  jbn 
2


Alors xt    n
C  e jn 0 t

n  

1  
Avec Cn     xt   e  jn 0 t
 dt 
T0 T0  
24
 Série de Fourier exponentielle
  
Application A pour  t 
xt    2 2 Période T0
 0 ailleurs

  2  

Cn 
1  
   A  e  jn 0 t  dt  Cn  
A
jn 0T0

 e  jn0 t 



2

T0 2
  2 

A   
Cn   sin c n  
T0  T0 
Cas particulier : T0 A n
 Cn   sin c 
2 2 2

A  j 5 0 t A  j 30 t A  j 0 t A A j 0 t A j 3 0 t
xt         e  e  e   e  e  
5 3  2  3

25
 Application :Spectre
A A  j 0 t A  j 0 t
xt    e  e 
A  j 3 0 t   
e  A  j 3 0 t   
e
2   3 3
A A
A
2 

A
Spectre d’amplitude
A
3 3

 30  20  0 0 0 20 30 

 Spectre de phase

 30
 20  0 0 20 30 
0

26
 Théorème de Parseval

La puissance moyenne d’un signal est par définition :

P  xt 
2

1

  xt   x  t  .dt
T0 T0 



Pour la décomposition complexe : xt   C n  e jn0t
n  


P  C0  2   C n
2 2

n 1

Pour la décomposition réelle : xt   a0   an  cos n0t  bn  sin n0t 

n 1

1  2
P  a 0    a n  bn
2

2 n 1
2
 

La puissance moyenne d’un signal peut être déterminée en prenant la somme des
carrées des amplitudes de ses coefficients de Fourier avec un facteur de ½ prés.
27