Académique Documents
Professionnel Documents
Culture Documents
y st
Y S f
1
Deux représentations différentes d’un signal.
2
Représentation fréquence
3
Signal propre: lumière
4
Signal propre: lumière
Système linéaire
vin vout
C
6
Signal propre d’un système linéaire
R
Système linéaire
vin vout
C
Signal harmonique
7
Décomposition en série de Fourier
10
Décomposition en série de Fourier
Détermination des coefficients
1
a0 xt dt
T0 T0
2
an xt cos n0t dt
T0 T0
2
bn xt sin n0t dt
T0 T0
an et bn sont décroissants
11
Décomposition en série de Fourier
Propriétés des Coefficients
Signal paire x t xt
x(t)
T0
T0 T0
T
2
0
2 t
0 T0
2
1
xt dt
2
a0 2
T0 T0
Remplacée par a0
T0
xt dt
0
T0 2 T0
2
2 4 2
an
T0
xt cos n0t dt
T0
Remplacée par an
T0
xt cos n t dt
0
0
2
Et bn 0
12
Décomposition en série de Fourier
Propriétés des Coefficients
Signal impaire x t xt
s(t)
T0 T0
0
2 2
T0 T0 T0
2 2
2 4
bn
T0
xt sin n0t dt
T0
Remplacée par bn
T0
xt 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
xt 2 Période T0
T0
0 pour t T0
2
T0 Ou bien:
A
T0
t k T0
4
xt
k
T0
2
tt
T0 T0 3.T0 2.T0
0
2 2
14
Décomposition en série de Fourier
Coefficients calculés
1 A
xt dt
T0 T0
a0 a0
2
2
xt cos n0t dt
T0 T0
an an 0
2 A
bn xt sin n0t 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
xt a0 an cos n0t bn sin n0t
n 1
A A
Avec a0 an 0 bn 1 cos n
2 n
xt a0 bn sin n0t
n 1
Ou bien xt a0 b1 sin 0t b2 sin 20t b3 sin 30t bn sin n0t
Ainsi
A 2A
xt
2A
sin 0t sin 30t
2A
sin 50t
2 3 5.
Représentation spectrale (amplitude et phase)
A 2A 2A 2A
xt cos 0t cos 3
0 t cos 5
0 t
2 2 3 2 5 2
16
Application :Spectre
A 2A 2A 2A
xt cos 0t cos 30t cos 50t
2 2 3 2 5 2
2A
A
2 Spectre d’amplitude
2A
3
2A
5
0 20 40
2 2 2
17
Application: Approximation du signal
A 2A 2A 2A
xt cos 0t cos 30t cos 50t
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
19
Représentation temporel
2A
Composante fondamentale x1 t cos 0t
2
12
x1
10
6
A m p litu d e
-2
-4
-6
12
x3
10
6
A m p litu d e
-2
-4
-6
12
x5
10
6
A m p litu d e
-2
-4
-6
12
somme
10
6
A m p litu d e
-2
-4
-6
Alors xt n
C e jn 0 t
n
1
Avec Cn xt e jn 0 t
dt
T0 T0
24
Série de Fourier exponentielle
Application A pour t
xt 2 2 Période T0
0 ailleurs
2
Cn
1
A e jn 0 t dt Cn
A
jn 0T0
e jn0 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 30 t A j 0 t A A j 0 t A j 3 0 t
xt e e e e e
5 3 2 3
25
Application :Spectre
A A j 0 t A j 0 t
xt 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
Spectre de phase
30
20 0 0 20 30
0
26
Théorème de Parseval
P xt
2
1
xt x t .dt
T0 T0
Pour la décomposition complexe : xt C n e jn0t
n
P C0 2 C n
2 2
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