2

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 ?

La frquence est le nombre de fois qu'un phnomne priodique se

reproduit pendant une dure dtermine

C'est donc l'inverse de la priode f = l/T

La frquence est mesure en hertz (= l/seconde)

4
Dans un son

Sons graves = basses frquences

Sons aigus = hautes frquences

4
=> La frquence permet de caractriser un certain type d'information
4
TdS
Introduction
O
Notion de frquence
4
Dans une image

Surfaces =
basses frquences

Contours =
hautes frquences
4
Dans une onde lumineuse

Les couleurs dpendent

de la longeur d'onde
= la frquence
lmage provenant de http://web.ujf-grenoble.fr/ujf/
5
TdS
Introduction
O
La notion de frquence est galement prsente dans :
4
La voix, un tlphone portable, la radio, l'ADSL, les horaires de passage d'un
train, la musique electronique, un equaliser, un radar, etc.
O
Toute ces applications vhiculent ou analysent le contenu frquentiel
de l'information
4
Une reprsentation frquentielle de l'information est souvent + facile
interprter que la reprsentation temporelle
Rep. temporelle Rep. frequentielle
6
TdS
Introduction
O
Autre exemple : Analyse d'ondes crbrales
Question : Comment obtenir la reprsentation frquentielle d'un signal ?
Ondes A/pha. engendres /orsque /e
sujet change son n/veau d'attent/on
{l modres, amp//tude /mportante)
Ondes Bta. produ/tes par une act/v/t
menta/e /ntense {lrquences. /eves,
la/b/es amp//tudes)
Ondes Thta. accompagnent des
sent/ments de stress mot/onne/
{lrquences la/b/es)
Rep. temporelle Rep. frequentielle
7
TdS
Vers une reprsentation frquentieIIe ...
O
La notion de frquence est intressante, mais comment connaitre les
frquences que contient un signal ?
O
Exemple d'un signal sinusodal :
O
Exemple d'une onde lumineuse :
x( r )=cos( 2nf
0
r)
j
0
est la frquence du signal
Temps
Frquences variables au cours du temps
(du rouge au violet). Comment caractriser
les informations frquentielles contenues
dans ce signal ?
Analyse frquentielle des signaux
Temps
O
n
d
e

l
u
m
i
n
e
u
s
e
=> Pour un cosinus, c'est facile ...
=> ici, c'est plus difficile ...
idem pour un signal porte, une exponentielle, etc.
8
TdS
Vers une reprsentation frquentieIIe ...
O
Petite exprience : mlangeons quelques sinus ...

ll est donc possible d'obtenir des signaux priodiques complexes

par une simple combinaison linaire de signaux lmentaires

C'est le principe inverse de la dcomposition en srie de Fourier

% Code matlab
f0 = 0.5l; A0 = l;
fl = 0.ll; Al = 2;
f2 = 0.2l; A2 = 2;
% dclaration de signaux de base
x0 = A0sin(2pif0t);
xl = Alsin(2piflt);
x2 = A2sin(2pif2t);
% affichage des signaux + combinaison
plot(t, x0, 'y'); hold on;
plot(t, xl, 'g');
plot(t, x2, 'c');
plot(t, x0+xl+x2, 'k.');
9
TdS
Dcomposition en Srie de Fourier
O
Principe :
Sous forme de signaux sinusodaux, les frquences d'un signal apparaissent
naturellement.
Pour les signaux priodiques, la dcomposition en Srie de Fourier (DSF)
constitue le lien entre la reprsentation temporelle d'un signal et sa
reprsentation frquentielle.
Pour les signaux non priodiques, il s'agit de la Transforme de Fourier (TF).

0 5 10 15 20
-1.5
-1
-0.5
0
0.5
1
1.5
Signal 1
Signal 2
x(r) Signal 1 signal 2
La Dcomposition en Srie de Fourrier consiste exprimer un signal
priodique comme une combinaison linaire de signaux sinusodaux
l0
TdS
Dcomposition en Srie de Fourier
O
Principe
O
Dfinition de la DSF : forme trigonomtrique
Un signal x(r) de priode T, s'exprime sous certaines conditions comme

x( r )o
0
+
_
n1
+
o
n
cos
(
n
2n
T
r
)
b
n
sin
(
n
2n
T
r
)
o
0
=
1
T
|
-T / 2
T / 2
x( r ) Jr
o
n
=
2
T
|
-T / 2
T / 2
x( r ) cos
(
n
2n
T
r
)
Jr
b
n
=
2
T
|
-T / 2
T / 2
x( r ) sin
(
n
2n
T
r
)
Jr
b
0
=0
Exprimer un signal x(r) de priode T comme une combinaison linaire de fonctions
sinusodales de frquences multiples de , dite frquence fondamentale
T
F

=
Coefficients de la srie
: valeur moyenne du signal ou composante continue

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

Un spectre d'amplitude un spectre de phase

) ( j X A
j
= ( ) ) ( arg ) ( j X j =
Si elle existe, la TF inverse est dfinie par
( ) ) ( ) ( r x j X =

( ) ) ( ) (
1
j X r x

=

22
TdS
ExempIe de caIcuI de TF
X( j )=
|
0
T
1. e
-j2ujr
Jr =-
1
j2uj
| e
-j2ujT
-1
X( j )=
e
-jujT
j2uj
. 2j . sin ( ujT )
X( j )e
-jujT
sin( ujT )
uj
X( j )Te
-jujT
c( ujT )
Amplitude spectrale Phase Spectrale
x(t)=l pour 0<t<T, 0 sinon.
23
TdS
ExempIe de caIcuI de TF
A vous de jouer avec
x(r )=exp(-or ) I(r )
(a>l)
24
TdS
Conditions d'existence de Ia TF
Questions
Quand est-ce que la TF de q(r) existe ?
Quand est-ce que q(r) = q
j
(r) ?
avec JuJj e e u q r q
jr j ju j
j
2 2
) ( ) (

=
+

+

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