Professional Documents
Culture Documents
TdS
Contenu du cours
O
lntroduction
4
Notion de frquence
4
Pourquoi la reprsentation frquentielle ?
O
Dcomposition en srie de Fourier
4
Dfinition
4
Quelques proprits
O
Transforme de Fourier des signaux nergie finie
4
Dfinition, conditions d'existence
4
Proprits de la TF
4
Notion de densit spectrale d'nergie
O
TF au sens des distributions
4
Dfinition
4
Transforme de l'impulsion de Dirac
4
Transforme de Fourier des signaux priodiques
3
TdS
Introduction
O
Notion de frquence
4
Qu'est ce qu'une frquence ?
Surfaces =
basses frquences
Contours =
hautes frquences
4
Dans une onde lumineuse
o
n
(avec )
=> Somme de sinus et de cosinus : facile interprter
ll
TdS
Dcomposition en Srie de Fourier
O
Dfinition de la DSF : forme trigonomtrique
O
lnterprtation :
x( r )o
0
+
_
n1
+
o
n
cos
(
n
2n
T
r
)
b
n
sin
(
n
2n
T
r
)
(Figure prise du site de Denis Auquebon)
l2
TdS
Dcomposition en Srie de Fourier
O
Dfinition de la DSF : forme complexe
Rappels : formules de moivre et d'Euler
x( r )=
_
n-
+
c
n
exp( jn
2n
T
r )
O
c
n
=
1
T
|
-T/ 2
T/ 2
x(r )exp(-jn
2n
T
r ) Jr
Les "c
n
" sont appels les coefficients
de Fourier de x(r). lls forment la
reprsentation frquentielle de x(r).
Notation
{ }
Z n
n
c r x
) (
Posons la relation entre les coefficients
c
0
o
0
c
n
=
o
n
-jb
n
2
si n0
c
n
=
o
n
jb
n
2
si n0
exp(-j0 )=cos(0)-j sin(0)
exp( j0 )=cos(0 )j sin(0 )
cos(0 )=
exp( j0 )+exp(-j0 )
2
sin(0) j
exp(-j0 )-exp( j0 )
2
Application la DSF
x( r )o
0
+
_
n1
+
o
n
cos
(
n
2n
T
r
)
b
n
sin
(
n
2n
T
r
)
x( r )o
0
+
1
2
_
n1
+
(
o
n
-jb
n
)
exp
(
jn
2n
T
r
)
+
(
o
n
jb
n
)
exp
(
-jn
2n
T
r
)
On a alors
l3
TdS
Dcomposition en Srie de Fourier
O
Remarques
4
Posons . Les deux formes de la DSF s'crivent alors
4Les coefficients c
n
sont complexes en gnral
4
Dans la forme complexe de la DSF, interviennent des frquences ngatives et
positives qui sont introduites par commodit de reprsentation
O
Quelques proprits
4
Si le signal x(r) est rel, : les coefficients sont ncessairement complexes
conjugus pour restituer x rel car est complexe
4
Si le signal x(r) est rel et pair,
4
Si le signal x(r) est rel et impair,
4
Thorme de Parseval : la puissance du signal priodique est
T
F
1
=
x( r )o
0
+
_
n1
+
o
n
cos ( 2nnFr ) b
n
sin ( 2n nFr )
x( r )=
_
n-
+
c
n
exp( j2unFr )
F est la frquence fondamentale
j nF sont les harmoniques
)) arg( exp(
n n n
c j c c =
*
n n
c c =
) 2 exp( nFr j
0 = =
n n n
b c c
0 = =
n n n
o c c
P
_
n-
+
c
n
2
l4
TdS
Dcomposition en Srie de Fourier
O
Remarque : Pourquoi les nombres complexes ?
4
Quand on a des phnomnes priodiques, les complexes sont plus
faciles manipuler.
4
Exemple : analyse de circuits lectriques RLC :
4
=> remplacement d'quations diffrentielles par des quations
algbriques
v=Ri
v=L
Ji
Jr
i=C
Jv
Jr
Z=R Z=j wL Z=-j / wC
rsistance inductance capacit
En rels :
En complexes :
avec
V =ZI
l5
TdS
ExempIe de DSF
Soit h(r) de priode T tel que sur l'intervalle [0, T] :
Dcomposition en Srie de Fourier de h(r)
l6
TdS
ExempIe de DSF
Donc la srie de Fourier de h(r) s'crit :
Approximation du signal crneau par la srie de Fourier en limitant n diffrentes valeurs :
n=l0 n=50 n=250
Phnomne de Gibbs = effet de bord aux
discontinuits
l(r )=
_
n=-
+
A
nn
sin(
nnr
0
T
) exp(
j2nnr
T
)
c
n
=
A
nn
sin(
nnr
0
T
)
On a trouv que :
l7
TdS
ExempIe de DSF
Reprsentation des C
n
:
c
n
=
A
nn
sin(
nnr
0
T
)
c
0
=
Ar
0
T
Autre exemple : essayer avec : x(t) = l si t<T/2; 0 si t>T/2
Spectre de raie : les C
n
indiquent quelles sont les
frquences prsentes
dans le signal
r
l8
TdS
Autres exempIes
O
Exemples :
OK pour les signaux priodiques ...
Attention l'criture alternative avec la pulsation
o=2n j
l9
TdS
Et pour Ies signaux non priodiques ?
O
La DSF n'est applicable qu'aux signaux priodiques
O
Comment faire pour les signaux non priodiques ?
O
Considrons que la priode T est infinie (donc F tend vers 0)
O
Et comme les harmoniques sont des multiples de F ...
O
... l'cart entre les raies du spectre va donc devenir infiniment petit
O
On tend alors vers une reprsentation frquentielle continue
C'est la Transforme de Fourier, qui peut tre vue comme une
gnralisation des sries de Fourier aux signaux non priodiques
20
TdS
Spectres de raie pour diffrentes priodes
Plus la priode augmente,
plus l'cart entre les Cn
diminue ...
2l
TdS
Transforme de Fourier
O
Dfinition de la TF
O
Transforme de Fourier inverse
O
Notations
X(f) et x(t) sont deux descriptions quivalentes {tempore//e ou lrquent/e//e)
du mme signal. On crit : x{t) X{l)
Soit signal x(r) un signal non priodique.
La TF de x(r), si elle existe, est
X( j )=
|
-
+
x( r ) e
-j2ujr
Jr
x( r )=
|
-
+
X( j ) e
j2ujr
Jj
X(j) indique la "quantit" de frquence j prsente dans le signal x(r) sur
l'intervalle . X(j) donne des informations frquentielles sur x(r). [ , | +
X(j) : fonction complexe (de la variable relle j) qui admet
Conditions d'existence
Condition d'galit
Si <
+
Jr r q
2
) (
alors 0 ) ( ) (
2
=
+
Jr r q r q
j
<
+
Jr r q ) (
Cas de certains signaux ne respectant pas ces conditions
Si ce signal dfinit une distribution (exemple lmpulsion de Dirac),
on peut dfinir une transforme de Fourier
et q(r) continue par morceaux et admet un
nombre de discontinuits et d'extrema fini
Si q(r) satisfait la condition d'existence de la TF alors q(r)) et q
j
(r) ) sont gaux
presque partout sauf aux discontinuits
OU
<
+
Jr r q
2
) (
ll faut que :
25
TdS
Proprits de Ia TF
O
Linarit
O
Dcalage temporel
O
Dcalage frquentiel
O
Changement d'chelle
O
Drivation
O
lntgration
o
1
x
1
( r )o
2
x
2
(r ) o
1
X
1
( j )o
2
X
2
( j )
x( r -r
o
) e
-j2ujr
o
X( j )
e
j2uj
o
r
x( r )X( j -j
o
)
o
j
X
o
o r x
1
) (
L'amplitude A
j
ne change pas. La
phase est modifi de j2 jr
0
La contraction dans le domaine temporel (o l)
correspond la dilatation dans le domaine
frquentiel et inversement
Jx( r )
Jr
j2uj X( j )
Soit P[x(r)| la primitive de x(r)
P| x(r )
1
j2uj
X ( j )
!
La TF et la TF inverse ne sont
pas toujours dfinies
*
o
x(or )orrow
26
TdS
Proprits de Ia TF
O
lnversion temporelle
O
Conjugaison complexe
O
Symtrie dans le cas de signaux rels
O
Symtrie dans le cas de signaux imaginaires purs
O
Parit
Si x(r) est un signal rel alors
donc
et
Si x(r) est un signal imaginaire pur alors
) ( ) (
* *
j X r x
( ) j X r x ) (
X ( j )=X (-j )
( j )=-(-j )
Le spectre d'amplitude est une
fonction paire et le spectre
d'argument est impair
X ( j )=-X (-j )
Si x(r) est un signal rel et pair alors X(j) est relle et paire
Si x(r) est un signal rel et impair alors X(j) est imaginaire pure et impaire
X( j )X(-j )
27
TdS
ExempIe d'appIication des proprits de Ia TF
O
Dcalage frquentiel
x( r )=
]
(r )e
j2uj
o
r
Partie Relle de x
F
(
]
( r )
)
T ( ujT )
X( j )=T ( u( j -j
o
)T )
Par la proprit de dcalage
en frquence de la TF
or
Ce rsultat est fondamental en modulation de signaux
Les radios Longues Ondes utilisent ce principe pour transmettre un message m
informatif dont le contenu frquentiel est compris entre 0Hz et 20kHz
j
|M(j)|
0
r j j
AM
e r m r m
0
2
) ( ) (
=
|M
AM
(j)|
j
0
j
0
Mme message
Module de X(j)
France lnter j
0
= l95 kHz
28
TdS
DuaIit de Ia TF
Les dfinitions symtriques de la TF et de la TF inverse permettent de mettre
en avant une proprit de la TF appele Dualit de la TF.
Soit x(r) , une fonction quelconque dont la TF est bien dfinie
= Jr e r x j X
jr j 2
) ( ) ( et
+
= Jj e j X r x
jr j 2
) ( ) (
On a donc
= Jj e j X r x
jr j 2
) ( ) (
En intervertissant les variables temporelles
et frquentielles, on obtient :
( ) ) ( ) ( ) (
2
r X Jr e r X j x
rj j
= =
+
) ( ) ( j X r x
) ( ) ( j x r X
Donc si
alors
29
TdS
TF et nergie des signaux
O
Relation de Parseval
Loi de conservation de l'nergie
Dans le cas o les intgrales existent, on a
=
+
+
Jj j X Jr r x
2 2
) ( ) (
La Transforme de Fourier conserve l'nergie du signal
Application
Montrer que l' nergie de vaut F
o
F
o
sinc( urF
o
)
30
TdS
Densit spectraIe d'nergie
Comme la TF conserve l'nergie, on peut dfinir une notion d'nergie par
unit de frquence, la densit spectrale d'nergie (DSE)
2
) ( ) ( j X j S
xx
=
Thorme de Wiener-Kintchine
La densit spectrale S
xx
(j) de x(r) est
la TF de sa fonction d'autocorrlation.
S
xx
( j )=
|
-
+
C
xx
( r ) e
-j2ujr
Jr
Ce thorme est valable aussi pour les signaux
alatoires
Energie dans une bande de frquence
j
j
|X(j)|
0
j
j
0
L
Aj
=
|
j
0
-Aj / 2
j
0
Aj / 2
S
xx
( j ) Jj
Energie totale
+
+
= = Jj j S Jj j X L
xx
) ( ) (
2
Cas des signaux puissance moyenne finie
Ce sont des signaux nergie infinie. On
dfinit alors une densit spectrale de puissance
La densit spectrale de puissance est la
TF de la fonction d'autocorrlation
) ( ) ( ) ( r r x r x
T T
=
[ ] ) ( ) ( r x j X
T T
=
x
T
(r) est le signal x(r) prlev sur une fentre de largeur T
T
j X
j P
T
T
xx
) (
lim ) (
=
3l
TdS
Thorme de Bernstein
Ce thorme permet de relier le support en frquence d'un signal et la variation de ce signal
nonc
Un signal est dit " support born en frquence" si
0 ) ( ,
max
= > j X j j
C born cd
C support born en frquence
M r x r < ) ( ,
Alors
Jx( r )
Jr
2nf
max
M
et
J
p
x( r )
Jr
p
(
2nf
max
)
p
M
Si x(r) est
lnterprtation
Les variations d'un signal sont lies la drive de ce signal. Comme cette
drive est borne, le signal ne peut pas varier arbitrairement vite.
Consquence :
Un signal prsentant des discontinuits est un signal support en frquence non born.
38
TdS
TF UsueIIes
fonctions
distributions