Cours et Travaux Dirigs de

Traitement du Signal Dterministe

Benot Decoux (benoit.decoux@wanadoo.fr)

Support de cours - v 1.0

2e partie : "Etude frquentielle des signaux : analyse de Fourier"

 Sommaire

III) Etude des signaux dans le domaine frquentiel......................................................... 3

III.1) Sries de Fourier.............................................................................................................................................................3
III.1.1) Forme de base ..........................................................................................................................................................3
a) Dfinition .......................................................................................................................................................................3
b) Proprits .......................................................................................................................................................................4
c) Reprsentation frquentielle graphique ..........................................................................................................................4
d) Application quelques signaux de forme connue..........................................................................................................4
e) Synthse dun signal partir de ses harmoniques ..........................................................................................................6
f) Proprits ........................................................................................................................................................................6
III.1.2) Forme avec un seul coefficient................................................................................................................................7
III.1.3) Forme complexe.......................................................................................................................................................8
a) Utilisation des formules dEuler.....................................................................................................................................8
b) Formalisation ...............................................................................................................................................................10
c) Exemples dapplication quelques signaux lmentaires............................................................................................10
d) Interprtation................................................................................................................................................................11
II.2) Transforme de Fourier ................................................................................................................................................13
II.2.1) Dfinition et proprits...........................................................................................................................................13
a) Dfinitions....................................................................................................................................................................13
b) Proprits .....................................................................................................................................................................14
II.2.2) Transforme de quelques signaux courants..........................................................................................................16
II.2.3) Lien entre srie de Fourier et transforme de Fourier ........................................................................................16
II.2.4) Transforme de Fourier dun signal priodique ..................................................................................................17
II.2.5) Analyse spectrale.....................................................................................................................................................18
II.2.6) Transforme de Fourier Discrte (TFD) ...............................................................................................................19
a) Dfinitions....................................................................................................................................................................19
b) Passage du continu au discret.......................................................................................................................................20
c) Signification des indices des squences dentre et de sortie.......................................................................................22
d) Exemples de calcul pour un signal sinusodal..............................................................................................................24
e) Considrations pratiques ..............................................................................................................................................25
f) Transforme de Fourier Rapide (TFR, FFT en anglais) ...............................................................................................25
f) Transforme de Fourier 2 dimensions........................................................................................................................27
g) Applications de la transforme de Fourier ...................................................................................................................28
II.3) Approfondissements thoriques....................................................................................................................................28
II.3.1) Projection dun signal sur une base de signaux orthogonaux .............................................................................28
II.3.2) Liens entre la transforme de Fourier et la transforme de Laplace .................................................................31
Annexe : Quelques programmes Scilab .......................................................................... 33
Sries de Fourier.....................................................................................................................................................................33
Transforme de Fourier dun signal sinusodal...................................................................................................................33
Spectrogramme.......................................................................................................................................................................35
Transforme de Fourier 2 dimensions...............................................................................................................................36

2
III) Etude des signaux dans le domaine frquentiel

III.1) Sries de Fourier

La dcomposition en srie de Fourier sapplique aux signaux priodiques. Elle permet de connatre
leur composition frquentielle.
Il existe une version relle et une version complexe, moins intuitive.
La transforme de Fourier permet galement ltude des signaux dans le domaine frquentiel, mais
sapplique nimporte quel signal.
Cette dernire peut tre obtenue par un passage la limite des sries de Fourier complexes.

De manire plus gnrale, un signal peut tre projet sur une base de vecteurs. Cette tude sera faite
plus loin. La dcomposition en srie de Fourier correspond une base de fonctions exponentielles.
La transforme de Fourier peut tre vue comme un cas particulier de la transforme de Laplace.

III.1.1) Forme de base

a) Dfinition

Tout signal s(t) priodique (sous certaines conditions, voir plus loin), peut se dcomposer sous la
forme dune somme de signaux sinusodaux (le terme sinusodal est utilis ici dans son sens gnral, cest
dire quil concerne galement la fonction cosinus, qui est gal la fonction sinus un dphasage prs :
cos(t)=sin(t+/2)) :

s( t ) = a 0 + (a n cos(n0 ) t + b n sin( n0 t ))
n =1

2
avec 0 = 2f 0 = , T0 pdiode du signal et f0 sa frquence,
T0
1 T0
T0 0
a0 = s( t )dt

et
2 T0 2 T0
an =
T0 0
s( t ) cos(n0 t )dt bn =
T0 0
s( t ) sin( n0 t )dt

avec n1.

Le terme a0 reprsente la valeur moyenne du signal :

a 0 = s( t )
Ces diffrentes composantes sinusodales sont appeles harmoniques. La composante sinusodale (ou
cosinusodale) de frquence n0, est appele harmonique de rang n. Lharmonique de rang 1 tant appel
fondamental.

Ceci est valable quelle que soit la forme du signal, pourvu quil soit priodique ; par exemple le
signal ci-dessous :

s(t)

t
0

3
b) Proprits

Si la fonction s(t) est paire, bn=0 pour tout n>0.

Si la fonction s(t) est impaire, an=0 pour tout n0.

On peut le vrifier en dmontrant la deuxime proprit :

2 T/2
a n = s( t ). cos nt.dt
T T / 2
2 0
{
T T / 2 0
T/2
a n = s( t ). cos nt.dt + s( t ). cos nt.dt }
Sur [-T/2 ; 0], s(-t)=-s(t) car la fonction est impaire. Donc

Effectuons le changement de variable t=t dans lintgrale de gauche :

t'=-t
dt/dt=-dt/dt=-1 dt=-dt
T=-T
donc, en changeant de notation tt, on a :
2 0
T T/2
{ 0
T/2
a n = s( t ). cos nt.dt + s( t ). cos nt.dt }
or
b a

a
f ( t )dt = f ( t )dt
b
donc an=0.

c) Reprsentation frquentielle graphique

On peut afficher les sries de Fourier, sous forme graphique. Il faut utiliser 2 repres frquentiels :
lun pour les coefficients an et lautre pour les bn.
Chaque composante sinusodale est reprsente par un trait vertical, de hauteur gale proportionnelle
son amplitude.
On appelle cette reprsentation spectre de frquence , ou plus simplement spectre .

d) Application quelques signaux de forme connue

Signal sinusodal

Dans le cas dun signal sinusodal (sin(t)), on a :

an = 0 n
b 0 = 0 , b1 = 1 et b n = 0 pour n>1
Dans le cas dun signal cosinusodal (cos(t)), on a :
bn = 0 n
a 0 = 0 , a 1 = 1 et a n = 0 pour n>1

Signal carr
+ a pour t [0, T / 2[
s( t ) =
a pour t ] T / 2,0[

4a sin((2n + 1)t ) 4a sin(3t ) sin(5t )

s( t ) =
n =0 2n + 1
= sin(t ) +
3
+
5
+ ...

4
 bn
b1

b3
b5

f0 3f0 5f0

Signal triangulaire
+ t pour t [T / 4, T / 4[
s( t ) =
2A t pour t ]T / 4,3T / 4[

T/2
-A

8A sin((2n +1)t) 8A sin(3t) sin(5t)

2
s(t) = = 2 sin(t) + + + ...
n=1 (2n +1) 2
9 25

bn
b1

b3
b5

f0 3f0 5f0

Signal en dents de scie

2A
s( t ) = t pour t [T / 2, T / 2[
T

2A sin(nt)
s(t) =
n=1
(1)n1
n

bn
b1

b3 b5
f0 3f0 5f0

5
Signal carr rapport cyclique diffrent de 1/2.
a 2a 2a
a 0 = (2 t 1 T ) a n = sin( nt 1 ) bn = {1 cos(nt 1 )}
T n n

e) Synthse dun signal partir de ses harmoniques

Principe

En additionnant point par point (en pratique, pour des indices de temps discrets), des signaux
sinusodaux damplitudes et de phases correctes, on retrouve le signal original dont ont t extraits ces
paramtres, quand le nombre de signaux additionns tend vers linfini. Lexemple ci-dessous illustre cette
opration pour le fondamental additionn du 1er harmonique, puis des 2 et des 3 premiers.
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
0 100 200 300 400 500 600 700 800 900 1000

1.5
1.1
0.7
0.3
-0.1
-0.5
-0.9
-1.3
0 100 200 300 400 500 600 700 800 900 1000

1.2
0.8
0.4
0.0
-0.4
-0.8
-1.2
0 100 200 300 400 500 600 700 800 900 1000

1.2
0.8
0.4
0.0
-0.4
-0.8
-1.2
0 100 200 300 400 500 600 700 800 900 1000

f) Proprits

Linarit

Soient s1(t) et s2(t) 2 signaux dont les coefficients de la dcomposition en srie de Fourier sont
respectivement :
a (01) , a (n1) , b (n1) et a (02 ) , a (n2 ) , b (n2)
Les coefficients correspondant du signal obtenu par combinaison linaire k1s1(t)+ k2s2(t) sont :
k 1a (01) + k 1a (02) , k1a (n1) + k1a (n2) et k1b (n1) + k1b (n2 )

Puissance

Il a t vu prcdemment que la puissance dun signal priodique tait dfinie par :

1 t 0 +T
P = s 2 ( t )dt
T t0
avec t0 quelconque. On peut dmontrer que cette puissance est gale :
N
1
P = a 02 + lim (a 2n + b 2n )
2 N n =1
Les coefficients de la dcomposition en srie de Fourier dun signal priodique permettent donc de
connatre la puissance de ce signal.

6
Phnomne de Gibbs

Quand on augmente encore le nombre dharmoniques dans la somme, la frquence des oscillations
augmente et leur amplitude diminue, mais pas au niveau des discontinuits. Ce phnomne est appel
phnomne de Gibbs. On retrouvera ce mme phnomne dans la transforme de Fourier.

III.1.2) Forme avec un seul coefficient

On peut montrer que s(t) peut se mettre sous la forme suivante :

s( t ) = a 0 + c n cos(n0 t + n )
n =1
avec
c n = a 2n + b 2n
et
b
n = arctg n
an

Lintrt de cette forme est de ne plus avoir quun seul signal pour chaque lment de la somme, et
de pouvoir tudier sparment lamplitude et la phase de ces signaux.

Sous cette forme, le signal est toujours reprsent par deux spectres : un spectre damplitude et un
spectre de phase, mais en pratique on sintresse plus souvent au premier. Le spectre damplitude est une
reprsentation des coefficients cn en fonction de la frquence. Il est compos de raies (traits verticaux)
damplitude gales a0 puis cn, espaces de kF0, o F0 est la frquence du signal, k un entier. a0 est situ
f=0 (il reprsente la valeur moyenne du signal, constante, donc correspond une frquence nulle), c1 F0,
c2 2F0, etc.

Dmonstration

On reprend la formule originale :

s( t ) = a 0 + (a n cos(n0 ) t + b n sin( n0 t ))
n =1
On cherche mettre la somme du sinus et du cosinus sous la forme dun cosinus comportant une
phase :
a n cos nt + b n sin nt = c n cos(nt + n )
Pour cela, il existe la formule de trigonomtrie :
cos a. cos b + sin a. sin b = cos( a b )
On peut crire le terme de la somme de la faon suivante :
b
a n cos nt + b n sin nt = a n (cos nt + n sin nt )
an
b
En posant tan n = n , lexpression prcdente est gale :
an
sin n
a n (cos nt + tan n sin nt ) = a n (cos nt + sin nt )
cos n
an
= (cos n cos nt + sin n sin nt )
cos n
Or, par utilisation de la formule de trigonomtrie :
7
 1
1 + tan 2 a =
cos 2 a
on obtient :
an
= a n 1 + tan 2 n = a 2n + b 2n
cos n
Donc, en posant
a 2n + b 2n = c n
on a :
c n (cos n cos nt + sin n sin nt ) = c n cos( nt n )

Exemples

Par exemple, dans le cas dun sinus, on a vu que le seul coefficient non-nul tait b1. Avec cette forme,
le seul coefficient non-nul est c1=b1. Dans le cas dun cosinus, le seul coefficient non nul est c1=a1. Dans
les deux cas, le calcul de c1 donne 1 (cet exemple dj t calcul plus haut).
Dans le cas du sinus, la phase serait gale :
b
1 = lim arctg 1 =
a1 0
a1 2
et aurait bien :

s( t ) = cos(0 t ) = sin(0 t )
2
Dans le cas du cosinus :
b 0
1 = arctg 1 = arctg = 0
a1 a1
on aurait bien :
s( t ) = cos(0 t )

On voit tout lintrt de cette forme de reprsentation des sries de Fourier : les amplitudes et les
phases sont analyses sparment. Ainsi, le spectre damplitude dun signal pair et dun signal impair
sont identiques, seul le spectre de phase est diffrent. Par exemple quand on passe progressivement dun
sinus un cosinus, une raie se dplace dans le spectre de phase. Quand on dphase indfiniment un sinus,
cette raie se dplace cycliquement de 0 rad. Il en est de mme pour tout signal.
Dans le cas dun signal carr par exemple, le spectre damplitude serait galement le mme quelle
que soit sa phase lorigine, seule cette dernire varierait, de la mme manire que prcdement dcrite
pour le sinus.

Puissance

De manire analogue au cas des coefficients rels, la puissance est gale :

N

c
2
P = lim n
N
n = N

III.1.3) Forme complexe

a) Utilisation des formules dEuler

Par utilisation des formules dEuler, on peut dvelopper les expressions de an et bn :

e jnt + e jnt e jnt e jnt
a n cos(nt ) + b n sin(nt ) = a n + bn
2 2j

8
 e jnt + e jnt e jnt e jnt a n jb n jnt a n + jb n jnt
= an jb n = e + e
2 2 2 2
En effectuant cette opration, on passe du domain rel au domaine complexe.
En prenant un complexe c n tel que :
a jb n
cn = n
2
et en remarquant que
a-n=an et b-n=-bn
on peut crire que
a n + jb n
= c n
2
et la srie de Fourier

s( t ) = a 0 + (a n cos(n0 ) t + b n sin( n0 t ))
n =1
peut donc scrire sous forme complexe :
( )

s( t ) = a 0 + c n e jnt + c n e jnt
n =1
Cette expression peut encore tre simplifie, en remarquant que lon peut dcomposer la somme :

s( t ) = a 0 + c n e jnt + c n e jnt
n =1 n =1
En effectuant le changement de variable n=-n, le dernier terme devient :

c
n '= 1
n' e jn 't

On peut alors le r-crire avec lindice n :

s( t ) = a 0 + c n e jnt + c n e jnt
n =1 n = 1
Les 2 sommes pourraient presque tre runies en une seule, mais il manque un terme pour n=0.
Examinons alors les coefficients c n de plus prs :
a jb n 1 T 1 T 1 T
cn = n = s( t ) cos(nt )dt j s( t ) sin( nt )dt = s( t )[cos( nt ) j sin( nt )]dt
2 T 0 T 0 T 0
soit
1 T
c n = s ( t ) e jn t dt
T 0
On peut alors remarquer que lon a :
c0 = a 0
Donc finalement, s(t) peut scrire :

s( t ) = c e
n =
n
jnt

Pour rsumer, la dcomposition en srie de Fourier complexe scrit :

s( t ) = c e
n =
n
jnt

avec
1 T
cn =
T 0
s( t )e jnt dt
Cette forme complexe possde lavantage dtre compacte. Elle reprsente ce quon appelle un
spectre bilatral, comportant des frquences positives et ngatives.

9
 Sous cette forme, la composante continue a0 (la valeur moyenne) est considre comme une
composante harmonique au mme titre que les autres (ce qui tait dj le cas dans la forme initiale, mais
pas au niveau de la formalisation).
Les coefficients c n reprsentent les composantes du spectre de frquence complexe du signal s(t). Ce
spectre se compose dun spectre damplitude, constitu par la reprsentation de c n , et dun spectre de
phase n = arg(c n ) , en fonction de la frquence.

b) Formalisation

Pour crire les spectres de frquence avec un formalisme de fonctions, on peut considrer que les
valeurs discrtes de frquences existant dans les sries de Fourier complexes sont des valeurs prleves
sur une fonction continue de la frquence S(f). La frquence est exprime de manire discrte puisque la
fonction est non-nulle uniquement pour des valeurs entires de la frquence. On peut donc crire :
S(nF0 ) = c n
et
(nF0 ) = n
Loutil mathmatique utilis est alors limpulsion de Dirac ou le peigne de Dirac, selon le cas. Un
peigne de Dirac est une succession de pics de Dirac, rgulirement espacs.
Lexpression du spectre bilatral utilisant le peigne de Dirac devient donc :
+
S(f ) = S(nF ).(f nF )
n =
0 0

Cette formalisation sera utile pour dcrire le passage des sries de Fourier vers la transforme de
Fourier (par un passage la limite).

c) Exemples dapplication quelques signaux lmentaires

Sinus

Cette fonction est dfinie par :

sin( 2F0 t )
Avec la forme relle des sries de Fourier, on a vu quelle correspondait un pic de Dirac situ la
frquence F0 dans le spectre damplitude (voir plus haut). Cette dcomposition en srie de Fourier donnait
les coefficients suivants (premire forme) :
b1=1 ; bn=0 pour n>1; an=0 pour n0
Avec la forme complexe, on utilise lexpression du spectre bilatral et on lapplique au cas n=1 :
1 1 j j
c n = (a n jb n ) donne c1 = (a 1 jb1 ) = b1 =
2 2 2 2
De plus on a :
j j j
c 1 = b 1 = b1 = = c1
2 2 2
car
b-n=-bn
Finalement, avec la formalisation utilisant limpulsion de Dirac :
j
S(f ) = [(f + F0 ) (f F0 )]
2
Le signal est rel et impair, et sa transforme est imaginaire et impaire.

10
Cosinus

Cette fonction est dfinie par :

cos(2F0 t )
Avec la forme relle des sries de Fourier, on a vu quelle correspondait un pic de Dirac situ la
frquence F0 dans le spectre damplitude (voir plus haut), identique au cas du sinus (le spectre de phase
est cependant diffrent). Cette dcomposition en srie de Fourier donnait les coefficients suivants :
a0=0 ; a1=1 ; an=0 pour n>1; bn=0 pour n1
Avec la forme complexe, on utilise lexpression du spectre bilatral et on lapplique au cas n=1 :
1 1 1 1
c n = (a n jb n ) donne c1 = (a 1 jb1 ) = a 1 =
2 2 2 2
De plus on a :
1 1 1
c 1 = a 1 = a 1 = = c1
2 2 2
car
a-n=an
Finalement, avec la formalisation sous forme de fonction :
1
S(f ) = [(f + F0 ) + (f F0 ) ]
2
Le signal est rel et pair, et sa transforme est relle et paire.

Carr

On a vu que lexpression du signal dcompos en srie de Fourier tait :

4a sin(( 2n + 1)t )
s( t ) =
n =0 2n + 1
cest dire
4a
a n = 0 n et b 2 n +1 = , n=0,,
(2n + 1)
1 j 2a
S(nF0 ) = (a n jb n ) devient S((2n + 1)F0 ) = b 2 n +1 = j
2 2 (2n + 1)
Do, en utilisant lexpression du spectre bilatral utilisant le peigne de Dirac :
2a 1 1 +
1
S(f ) = j .(f (2n + 1)F0 ) + .(f (2n + 1)F0 )
n = 2n + 1 n =1 2 n + 1
Le signal tant rel et impair, son spectre bilatral est imaginaire et impair.

d) Interprtation

Le spectre de frquence est compos de 2 sous-spectres : un spectre rel et un spectre imaginaire.

Le spectre des parties relles est symtrique par rapport laxe de lorigine (symtrie axiale), et le
spectre des parties imaginaires est symtrique par rapport lorigine (symtrie centrale). En effet, on le
voit directement partir de lexpression dj utilise :
c n = a n jb n = a n + jb n = c n

! Si le signal est rel et impair, sa transforme est imaginaire et impaire.

! Si le signal est rel et pair, sa transforme est relle et paire.
! Dans le cas gnral dun signal ni pair ni impair, sa transforme comporte une partie relle et paire
et une partie imaginaire et impaire.

11
 Il faut se souvenir que dans la reprsentation complexe (par utilisation des formules dEuler), un
signal sinusodal et un signal cosinusodal peuvent tre vus comme la diffrence et la somme,
respectivement, de 2 phaseurs tournant la mme vitesse mais en sens inverse. (un phaseur est une
exponentielle complexe). Cette proprit provient des formules dEuler :
e jt + e jt e jt e jt e j t e j t
cos t = et sin t = = j
2 2j 2
La reprsentation spectrale des sries de Fourier utilise galement des phaseurs, mais avec en plus
linformation de leur frquence. On peut alors utiliser un repre 3 dimensions. Par exemple, pour
cos(t), signal rel pur et sin(t), signal imaginaire pur, et le passage de lun lautre par dphasage :
Im

sin cos

Re

Sur cette reprsentation, un dphasage correspond une rotation des couples de phaseurs en sens
inverse.

e) Formalisation

On verra dans la suite que la transforme de Fourier est une fonction continue de la frquence. Pour
se rapprocher de son expression, on peut exprimer les coefficients de la srie de Fourier complexe de la
faon suivante :
c n = S(nF0 )
et
n = (nF0 )
Simplement la frquence est exprime de manire discrte puisque la fonction est non-nulle
uniquement pour des valeurs entires de la frquence.
En fait parler de fonction ici est faux sur le plan mathmatique, puisque loutil utilis pour dcrire un
tel spectre est celui des distributions.

On peut exprimer cette fonction de la frquence S(f) en utilisant la notation mathmatique dun
peigne de Dirac. Un peigne de Dirac est une succession de pics de Dirac, rgulirement espacs.

Si la variable est par exemple x, la notation dun pic de Dirac damplitude A et positionn x=x0 est :
A.( x x 0 )
Un peigne de Dirac sexprime par :
+

A
n =
n .( x nx 0 )

Donc finalement, le spectre en frquence bilatral peut scrire :

+
S(f ) = S(nF ).(f nF )
n =
0 0

o F0 est la frquence du signal, et avec S(nF0) complexes :

S(nF0 ) = S(nF0 ) .e jnF0

12
 S(nF0) est un spectre de frquence complexe, cest dire possdant une partie relle et une partie
imaginaire. On peut donc le reprsenter par 2 spectres distincts : lun rel et lautre imaginaire.

II.2) Transforme de Fourier

II.2.1) Dfinition et proprits

a) Dfinitions

La transforme de Fourier du signal s(t) est dfinie par :

+
S(f ) = F(s( t ) ) = s( t )e j2 ft dt
t =
Rappelons la transforme de Laplace, pour comparaison :
S(p) = L(s( t ) ) =
+
s( t )e pt dt
t =0
Lors de ltude de la transforme de Laplace, il a t vu que la variable de Laplace p tait complexe :
p = + j
La transforme de Fourier peut tre vue comme un cas particulier de la transforme de Laplace, dans
lequel
p = j
ce qui correspond au cas de signaux sinusodaux.
La transforme de Laplace est plus gnrale que la transforme de Fourier dans la mesure o elle
permet de dcrire des signaux de formes quelconques. Par contre, son domaine dintgration est limit
aux signaux causaux, alors que la transforme de Fourier concerne le cas gnral thorique des signaux
dfinis sur tout laxe temporel. La comparaison du point de vue des bornes de lintgrale sera tudie
dans le cadre dun approfondissement thorique.
Il sagit dune fonction complexe :
+
S(f ) = s( t )(cos t j sin t )dt

+ +
= s( t ) cos tdt j s( t ) sin tdt

= Re j Im

Le module de ce complexe est appel spectre damplitude, spectre de frquence ou plus simplement
spectre :
S(f ) = Re 2 + Im 2
La phase de ce complexe est appele spectre de phase :
Im
n = arctan
Re
La partie relle est une fonction paire, la partie imaginaire une fonction impaire.

Tranforme inverse

La transforme inverse est dfinie par :

s( t ) = F 1 (S(f ) ) =
+
S(f )e j2 ft df
f =

Condition dapplication

La transforme de Fourier nexiste que si le signal est tel que :

+
t =
x ( t ) .dt <

13
Il sagit des signaux dits "absolument sommables" (lensemble de ces signaux est appel L1). On peut
dmontrer que cette condition est galement vrifie par les signaux dits "de carr sommables", cest
dire les signaux nergie finie (lespace de ces signaux est appel L2). Cest le cas de tous les signaux
physiques puisquon les observe toujours sur un temps fini.

b) Proprits

Lintrt des proprits nonces ci-dessous est de faciliter le calcul de la TF : elles nous vitent
davoir tout recalculer chaque fois.
Les proprits dj vues pour les sries de Fourier complexes (linarit, parit) sont valables pour
la TF.
Celles dj vues pour la transforme de Laplace sont galement valables pour la transforme de
Fourier, sauf quici le temps peut varier sur lensemble des rels.

Linarit

Soient x(t) et y(t) deux signaux et X(f) et Y(f) leur transforme, respectivement.

a.x(t ) + b.y(t )
F
a.X(f ) + b.Y(f )
Parit

Dans le cas dun signal rel :

! Si s(t) est une fonction paire, alors S(f) est une fonction paire et relle.
! Si s(t) est une fonction impaire, alors S(f) est une fonction impaire et imaginaire.
! Si s(t) nest ni paire ni impaire, alors S(f) comporte une partie relle paire et une partie imaginaire
impaire.
On peut galement considrer le cas dun signal complexe, possdant donc une partie relle et une
partie imaginaire, qui est un cas abstrait, mais ici on se limitera aux signaux rels.

Homothtie
1 f
x (at )
F
X , a
a a
et notamment :
x ( t )
F
X( f )
Cette proprit illustre bien une des principales proprits de la TF : quand on rduit la zone dtude
temporelle, le spectre stale. On perd alors de la prcision sur la localisation frquentielle. Pour avoir de
la prcision frquentielle, il faut tendre la zone dtude temporelle, ce qui fait perdre de la prcision dans
la localisation temporelle du signal. Dans lidal il faudrait connatre le signal sur un temps infini pour
connatre sa frquence avec une prcision infinie.
Ce phnomne est li au principe dincertitude dEisenberg : on ne peut pas connatre la fois la
position (=linstant) et la vitesse (=la frquence) dune particule avec prcision.

Dualit

Lexamen rapide de la dfinition des transformes directe et inverse montre une dualit temps-
frquence. Concrtement, cette proprit va se traduire dans les autres proprits : si S(f ) = F[s( t )] , alors
F[S( t )] = s(f ) et rciproquement. La proprit de translation ci-dessou illustre cette proprit.

Translation
a) temporelle
x ( t a )
F
X(f ).e j2 af avec a

14
 b) frquentielle
x ( t ).e j2 at
F
X(f a ) avec a
Ces proprits sappliquent par exemple au spectre dune fonction sinus (cest une srie de Fourier
mais ces proprits sont valables) partir de la fonction cosinus, puisque lune reprsente une translation
temporelle de lautre.

Drivation
dx(t ) F
( j2f ).X(f )
dt
d n x( t ) F
( j2f ) n .X(f )
dt n

Intgration
t
1
x().d j .X(f )
F

Thorme de Perseval (parfois appel "de Bessel-Parseval")

Le thorme de Perseval traduit le fait que lnergie contenue dans un signal ne dpend pas du mode
de reprsentation de ce signal : temporel ou frquentiel.
+ +
s 2 ( t )dt = S(f ) df
2

Ici on considre que le signal s(t) est un rel, mais sa transforme de Fourier est complexe donc on
utilise son module. Si on avait considr un signal complexe, on aurait utilis son module galement.

Convolution et transforme de Fourier

x( t ) * y( t )

F
X(f ).Y(f )
et
x ( t ).y( t )

F
X (f ) * Y (f )
Cest le thorme de Plancherel. Cette proprit est intressante car le produit de convolution est une
opration trs coteuse en puissance de calcul, alors que dans le domaine frquentiel elle est ramene un
simple produit. Or il existe des algorithmes rapides de calcul de la transforme de Fourier. Il est donc
frquent de passer dans le domaine frquentiel pour effectuer une convolution.
Rappel du produit de convolution :
+
x ( t ) * y( t ) = y(u ) x (t u )du
u =

Densit spectrale de puissance

La puissance instantane exprime en fonction de la frquence est appele densit spectrale de

puissance :
2
S(f )
On peut dmontrer que la densit spectrale de puissance est la transforme de Fourier de la fonction
dautocorrlation du signal :
S(f ) = F{C()}
2

Cest le thorme de Wiener-Kinchine.

15
II.2.2) Transforme de quelques signaux courants

s(t) S(f)=F[s(t)]
( t ) 1
1 (f )
1
s( t ) = cos(2f 0 t ) [(f + f 0 ) + (f f 0 )]
2
j
s( t ) = sin(2f 0 t ) [(f + f 0 ) (f f 0 )]
2
t t
( ) = rect T sin c(Tf )
T T
t
tri T sin c 2 (Tf )
T
+
1 + n 1
T (t ) = (t nT)
n =

T n =
( f ) = 1 ( f )
T T T

Rappel : sinc(Tf) possde des passages 0 tous les k/T.

II.2.3) Lien entre srie de Fourier et transforme de Fourier

On peut considrer un signal non priodique comme un signal priodique dont la priode tend vers
linfini. Sa frquence tend alors vers 0 et lintervalle de frquence sparant 2 pics de Dirac dans le spectre
de frquence, obtenu par dcomposition en srie de Fourier, se rduit jusqu tendre vers 0, les pics
finissent par fusionner et donner une fonction continue.

Pour obtenir cette expression on reprend celle du spectre bilatral :

n n
+ j2 t 1 T0 / 2 j2 t
s( t ) = c
n =
n .e T0
, avec c n =
T0 T0 / 2
s( t ).e T0
dt

que lon peut crire galement

n n
+ j2
j2 t
1 T0 / 2 t
s( t ) = S(nF ).e
n =
0
T0
, avec S(nF0 ) =
T0 T0 / 2
s( t ).e T0
dt

En combinant ces 2 expressions :

T0 / 2 + n
j2 j2 Tn t 1
s( t ) = s().e T0
d e 0
n =

T0 / 2
T0
Avec le passage la limite, on a T0 ; les intervalles de frquence n / T0 = nF0 deviennent des valeurs
instantanes de frquence ; on peut donc les remplacer par la frquence f. De mme, on remplace 1 / T0
par df car il correspond lincrment infinitsimal des intgrales. Lexpression devient donc :
s( t ) = s().e j2 f d.e j2 ft df
+ +

Entre les crochets, on reconnat lexpression de S(f), la transforme de Fourier de s(t) :
+
s( t ) = F 1 (S(f ) ) = S(f ).e j2 ft dt

avec
+
S(f ) = F(s( t ) ) = s( t ).e j2 ft dt

16
 Pour rsumer, la transforme de Fourier dun signal non-priodique est obtenue en considrant que la
priode de ce signal tend vers linfini. Cette priode est la dure sur laquelle ce signal est analys.

II.2.4) Transforme de Fourier dun signal priodique

Dans les sries de Fourier complexes, on a vu que la dcomposition dun signal priodique pouvait
tre considre comme une fonction continue chantillonne :

n
S(f ) = S n (f ) (1)
n = T
o T est la priode du signal. Il sagit dun spectre de raies complexe.
Un signal quelconque s(t), observ sur une dure finie T, peut tre priodis. Il peut tre vu comme la
somme de toutes les priodes, et son expression peut alors scrire :
s( t ) = s T ( t ) * T ( t )
o sT(t) est le signal limit la dure T et T(t) un peigne de Dirac de priode T. Daprs la proprit du
produit de convolution, on a donc :
1
S(f ) = ST (f ). 1 (f )
T T
o ST(f) est la transforme de Fourier de la priode du signal. On peut crire cette expression sous la
forme :
1 + n +
1 n n
S(f ) = ST (f ) (f ) = ST ( ).(f ) (2)
T n = T n = T T T
En effet, un peigne de Dirac peut se mettre sous la forme :
+
T (t ) = ( t nT)
n =
Dans lexpression de S(f), le terme
1 n
ST ( )
T T
reprsente lenveloppe du spectre de raies espaces de 1/T. En comparant (1) et (2), on dduit que :
1 n
S n = ST ( )
T T
Les coefficients de la dcomposition en srie de Fourier du signal priodis peuvent donc sobtenir en
divisant le spectre de la priode principal par T et en valuant le rsultat (=en chantillonnant) le rsultat
aux valeurs discrtes de frquence n/T.

Exemple : Dtermination de la TF du signal carr partir de cette dun signal porte ( titre dexercice).

On a vu que cette dernire tait dfinie par :

x ( t ) = rect[t ] F
S(f ) = sin c(f )
Cette fonction passe 0 tous les k/, k .
Supposons que ce signal se rpte tous les kT, ce qui en fait un signal carr de priode T et de rapport
cyclique /T. Daprs (2) :
+
n n
S(f ) = sin c( ).(f )
n = T T T
En particulier, dans le cas o =T/2 :
1 + n n
S(f ) = sin c( ).(f ) (1)
2 n = 2 T
or

17
 n
sin( )
n
sin c( ) = 2 = 2 sin( n )
2 n n 2

2
do
1 + 1 n n
S(f ) =
n = n
sin( ).(f )
2 T
Le sinus vaut successivement, pour n=0, 1, 2, 3, 4, : 0, 1, 0, -1, 0, Il vaut donc 0 pour n pair et
alternativement 1 et 1 pour n impair. On peut donc crire S(f) sous la forme :
1 + (1) n 2n + 1 1
S(f ) = .(f ) + ( f )
n = 2n + 1 T 2
Le cas f=0 nest pas pris en compte dans la somme ; le terme (f)/2 a t ajout. En effet, pour f=0, on a
sinc(0)=1, donc daprs (1) : S(0)=1/2, ce qui correspond la valeur moyenne du signal.
Ce rsultat correspond un spectre de raies tous les k/T avec k impair. Ce spectre est pair et rel. On
aurait obtenu le mme rsultat avec le dveloppement en srie de Fourier complexe.

II.2.5) Analyse spectrale

En pratique, la transforme de Fourier est souvent applique sur des signaux physiques (par exemple
en audio), qui changent en permanence. La TF est applique de manire rptitive sur des trames de
signal (par exemple, qq 10 ms dans le cas de laudio, avec un chevauchement des fentres). On est alors
confront au problme de la troncature du signal sur un intervalle born. On a vu quune troncature
brusque obtenue par multiplication avec une fentre carre se traduisait par la convolution du spectre du
signal avec un sinus cardinal, cest dire que des oscillations apparaissent dans le spectre. Il existe des
fentres temporelles permettant de limiter ce phnomne doscillations. La proprit commune de toutes
ces fentres est de possder des transitions douces.
Quand on tronque le signal analyser, cette troncature est quivalente une multiplication avec une
fonction porte, ce qui se traduit dans le domaine frquentiel par une convolution avec un sinus cardinal.
Pour attnuer cet effet, on peut utiliser une fentre non rectangulaire.

Fentre triangulaire
t
f (t) = 1 pour t T
T

Fentre de Blackman
2t 4t
f ( t ) = 0,42 + 0,5 cos + 0,8 cos
T T
Fentre de Hamming
2t
f ( t ) = 0,54 + 0,46 cos
T
Fentre de Hanning
2t
f ( t ) = 0,51 + cos
T
avec dans tous les cas :
f ( t ) = 0 pour t > T
Lamlioration apporte dans lanalyse frquentielle par ces fentres est quantifie par le rapport de
hauteur entre le lobe principal et le lobe secondaire (et les suivants). On tudie souvent ce rapport par le
biais de leur gain en dcibels :

18
 G (f )
G dB = 20 log10
G ( 0)
o G(f) est la transforme de Fourier de la fentre. Ainsi, le gain GdB est gal 0 pour f=0.

II.2.6) Transforme de Fourier Discrte (TFD)

Aujourdhui, les signaux sont traits sous forme numrise. En pratique, la transforme de Fourier est
donc discrte. De plus, les signaux sont en gnral changeant et sont tudis sur des dures courtes. On
est donc dans le cas de signaux dure limite.

a) Dfinitions

La Transforme de Fourier Discrte (TFD, DFT en anglais) est dfinie par :

n
1 N 1 j 2 k
X(k ) =
N n =0
x ( n )e N

ou encore
j2
1 N 1
X(k ) = x (n ) WNkn avec WN = e N
, k=0, 1, , N-1
N n =0

WN est appel facteur de phase (twiddle factor).

On a donc :
j 2 nk

W nk
N =e N

Cette expression est comparer la transforme de Fourier dans le domaine continu :

+
X (f ) =
x ( t )e jt dt
Le temps et la frquence sont discrtiss.
WNk , k=0,,N-1 sont les N solutions de lquation :
zN = 1
On les appelle galement racines Nimes de lunit.
Les sorties de la TFD sont appels coefficients, ou points.

Transforme inverse

La transforme de Fourier discrte (TFD-1) inverse est dfinie par :

N 1
x (n ) = X(k ) WNkn ; n=0, 1, , N-1
k =0
o x(n) sont les chantillons du signal traiter (n reprsente un indice temporel, on pourrait crire
x(nTe)), N est le nombre dchantillons du signal.

Remarque importante : selon les cas, on pourra trouver des facteurs dchelles diffrents :
N 1
1 N1
X(k ) = w kn
N n =0
N x ( n ) et x ( n ) =
k =0
X(k )WN kn

ou

19
 1 N 1
1 N 1
X(k ) =
N
w knN x (n )
n =0
et x (n ) =
N k =0
X(k )WN kn

ou encore
N 1
1 N 1
X(k ) = w x (n )
n =0
kn
N et x (n ) =
N k =0
X(k )WN kn

Toutes ces expressions sont valables et donneront la forme correcte pour le signal et le spectre, mais
avec des amplitudes diffrentes. Limportant est que lon retrouve lamplitude correcte du signal lors de
la transforme inverse.
Le choix dune expression se fait en fonction de considrations pratiques. Par exemple, dans le cas
dun codage en virgule fixe, on prendra plutt la 3e forme pour que le rsultat de la TFD soit compris
dans la plage de valeurs limite. Sil ny a pas de contraintes pratiques, on choisira la premire forme, la
plus conforme la ralit.

b) Passage du continu au discret

b.1) Effet de lchantillonnage sur le spectre

Introduction

En gnral, les signaux numriques sont obtenus partir de signaux analogiques, par une opration
dite dchantillonnage. On va voir que cette opration doit suivre quelques rgles pour tre correctement
ralise.
On a dj considr le cas de signaux numriques, dans ltude de la corrlation et celle de la
convolution. On avait considr implicitement que ces rgles avaient t respectes.

Formalisation

Le signal chantillonn est obtenu par multiplication du signal continu avec un peigne de Dirac :
s e ( t ) = s( t ) Te ( t ) = s( t ) ( t nTe )
+
s( t ) chantillo
nnage

o Te est la priode dchantillonnage. On a vu prcdemment que la transforme de Fourier dun peigne

de Dirac temporel tait un peigne de Dirac frquentiel :
1 n
(t nTe ) F

Te
( f )
Te
On a donc :
1 + n 1 + n
se (t )

F
Se (f ) = S(f ) * (f ) = S(f )
Te Te Te Te
La transforme de Fourier de se(t) se dduit donc de celle de s(t) par addition de duplicata de cette
1 2
dernire, dcals sur laxe des frquences avec la priodicit f e = (ou e = ), et avec une division de
T T
son amplitude par Te.
Remarque : parfois, lchantillonnage est dfini par :
s( t ) chantillo
s e ( t ) = s( t ).Te . Te ( t )
nnage

et dans ce cas lamplitude du spectre du signal chantillonn nest pas divise par Te.

Interprtation

Lchantillonnage a donc pour effet de rpliquer le spectre de frquences tous les fe=1/Te (avec une
division de lamplitude du spectre par Te). En pratique, les signaux possdent toujours une bande passante
20
limite, cest dire que leur spectre est compris entre une valeur minimum et une valeur maximum : Fmin
et Fmax, pour les frquences positives.
On voit bien que fe doit tre choisie suffisamment grande par rapport Fmax pour viter le
recouvrement de ces diffrents spectres. Plus prcisment, il faut que fe soit suprieur 2*Fmax, o Fmax
est la limite haute de la bande passante du signal.
Dun point de vue temporel, ce phnomne va se traduire par des frquences parasites qui nexistent
pas dans le signal analogique, et donc une dformation du signal. On parle de repliement du spectre, en
anglais : aliasing.
La condition Fe>2Fmax est donc la condition limite pour un chantillonnage correct. Cette condition
est appele condition de Shannon ou de Nyquist. Si cette condition nest pas respecte, le signal
analogique ne pourra pas tre correctement restitue partir du signal numrique.

Soit s(t) un signal bande limite, cest dire dont le spectre est compris dans un intervalle
[ Fmax , Fmax ].
F
! Cas o Fe max (cadence de Shannon)
2

F 2Fe
-2Fe Fmax -Fe 0 e
! Cas contraire : Fe > , (cest le repliement du spectre, en anglais aliasing)
2

-2Fe -Fe 0 Fe 2Fe

Filtrage des signaux avant et aprs chantillonnage

Quand la frquence maximale du signal chantillonner est suprieure fe/2, il est filtr pour
liminer les composantes frquentielles suprieures cette frquence. On appelle ce filtre filtre anti-
repliement .
A lautre bout de la chane, la reconstitution du signal analogique, le signal prsente une forme de
marches descalier. On lui applique nouveau un filtrage passe-bas dit de lissage .

b.2) Dtermination de lexpression de la TFD

On peut dmontrer que lexpression de la TFD discrte sobtient en chantillonnant et tronquant le

signal, et en chantillonnant la transforme de Fourier de ce signal.
Le signal est chantillonn la frquence Fe. Il est exprim sous forme de peigne de Dirac pondr
par les valeurs du signal aux instants dchantillonnage :
+
s( t ) = s
n =
n .( t nTe )

o Sn sont les chantillons du signal.

On tronque le signal, cest dire quon ne considre quun ensemble N dchantillons :
N 1
s( t ) = s n .( t nTe )
n =0

21
 Lintgrale (= somme continue) se transforme alors en somme discrte.
On part de lexpression de la TF continue :
+
S(f ) = s( t )e jt dt

dans laquelle on remplace le signal par sa version chantillonne :
+ N 1
S(f ) =

s
n =0
n .( t nTe )e jt dt

soit
N 1
S(f ) = s n .e j2 fnTe
n =0
Cest ce quon appelle la transforme de Fourier temps discret, ou transforme de Fourier
numrique. Cest toujours une fonction de la frquence f. Si on lchantillonne la frquence Fe/N, on
obtient ce quon appelle la transforme de Fourier discrte :
+ +
Fe F F
Se (f ) = S(f ). (f k ) = S( k e ).(f k e )
k = N k = N N
expression qui doit tre tronque :
N 1
F F
Se (f ) = S( k e ).(f k e )
k =0 N N
soit, en remplaant S(f) par son expression dtermine ci-dessus :
N 1 N 1 j 2 k
n
Fe
Se (f ) = s n .e N
.(f k )
k =0 n =0 N
N 1
On arrive bien un peigne de Dirac pondr par les coefficients S k = s n WNkn , qui est la dfinition de la
n =0
TFD.

c) Signification des indices des squences dentre et de sortie

Pour tablir le lien entre la TF continue et cette version discrte, il faut tablir le lien entre, dune
part, les indices de la squence discrte du signal temporel et les valeurs de temps correspondantes, et
dautre part entre les indices de la squence discrte du spectre et les valeurs de frquence
correspondantes.
Les indices temporels de la squence dentre reprsentent des valeurs de temps positives du signal
chantillonn la frquence Fe :
indices [0; N 1] instants [0; ( N 1)Te ]

Les indices frquentiels de la squence de sortie reprsentent des valeurs de frquences, galement
positives :
f
indices [0; N 1] frquences 0; f e e
N

On voit que la TFD calcule N termes en fonction de N chantillons de signal. Ces N chantillons
tant prlevs la frquence fe (=1/Te), ils correspondent une dure gale NTe. La domaine frquentiel
correspondant est [0, fe], avec une prcision (ou rsolution) frquentielle entre les points gale
f
f = e
N
Le tableau ci-dessous donne cette correspondance indices-frquences.

22
 Indice frquence commentaire

0 0 composante continue
1 f
2 2f

N/2-1 fe/2-f
N/2 fe/2 (*) fe/2=frquence de Shannon-Nyquist
N/2+1 fe/2+f

N-1 fe-f

(*) En effet : N/2f= N/2fe/N =fe/2

Les N points prsentent une symtrie par rapport au point dindice N/2. Ce phnomne est d la
priodisation du spectre apporte par lchantillonnage.

La 2e partie du tableau de points (indices N/2+1 N-1, ce qui fait N/2-2 points) tant une rplication
des frquences ngatives du spectre principale, elle correspond galement aux frquences allant de -
fe/2+f -fe-f. La correspondance indices-frquences devient donc :

Indice frquence commentaire

0 0 composante continue
1 f
2 2xf

N/2 fe/2 fe/2=frquence de Shannon-Nyquist
N/2+1 -fe/2+f

N-2 -fe-2f
N-1 -fe-f correspond la frquence positive f

Comme pour la TF continue, si x(k) est relle, Re[X(n)] est paire et Im[X(n)] est impaire. De plus,
comme pour la TF continue, on peut remarquer que plus on augmente le nombre dchantillons du signal
(=dure danalyse), plus on augmente la prcision frquentielle, cest dire que f diminue.

La frquence de la sortie i est gale :

fe
fi = i , i=0,,N-1 (1)
N
o fe est la frquence dchantillonnage ; les frquences discrtes stalent donc de 0 Hz fe(N-1)/N Hz,
soit fe-fe/N Hz. La quantit fe/N est appel rsolution spectrale.
Pour bien comprendre les implications de cette forme discrte, on peut r-crire cette relation sous la
forme :
fi i
=
fe N
fi/fe reprsente la frquence normalise du signal, cest dire comprise entre 0 et 1 pour fi comprise entre
0 et fe, mme si en pratique fi ne doit pas dpasser fe/2 pour respecter la condition de Shannon. Cette
forme normalise signifie que les proprits de la TFD sont indpendantes de fe : un signal de frquence
f1 chantillonn fe donnera le mme nombre dchantillons quun signal de frquence nf1 chantillonn
nfe. Donc, si fi=fe/N, on aura 1 priode de signal dans les N chantillons, et le fondamental sera
reprsent par la sortie dindice 1, si on a 2 priodes, le fondamental sera reprsent par la sortie dindice
2, etc. Do la proprit trs intressante suivante : la sortie dindice i+1 reprsente le nombre de priodes
23
prsentes dans les N chantillons du signal dentre. Cette proprit est utile quand on cherche tester un
algorithme de calcul de TFD par exemple : il suffit de mettre un nombre donn n de priodes de sinus
dans les N points de la squence dentre, et constater que seule la (n+1)e sortie est non nulle, et
correspond la demi-amplitude du sinus.

d) Exemples de calcul pour un signal sinusodal

Calcul

Prenons lexpression de la TFD sans le facteur multiplicatif pour simplifier les calculs :
N 1
2nk
X(k ) = w kn N x ( n ) ; k=0, 1, , N-1 avec WNnk = exp j
n =0 N
On dveloppe cette expression, dabord selon n :
X(k ) = w 0Nk x (0) + w 1Nk x (1) + ... + w (NN1)k x ( N 1) , k=0, 1, , N-1
puis selon k :
X(0) = w 0N0 x (0) + w1N0 x (1) + ... + w (NN1)0 x ( N 1)
X(1) = w 0N1x (0) + w 1N1x (1) + ... + w (NN1)1x ( N 1)
.
0( N 1)
X( N 1) = w N x (0) + w 1N( N1) x (1) + ... + w (NN1)( N1) x ( N 1)

et en notation matricielle :
X(0) w 0N0 ... w (NN2)0 w (NN 1)0 x (0)
...
= ... ... ... ... ...
X( N 2) w 0N( N2) ... ... w (NN1)( N2) x ( N 2)
0( N1)
X( N 1) w N w (NN1)( N1) x ( N 1)
( N 2 )( N 1)
... w N
et sous forme compacte :
[X] = [W ][X]
[X] tant de dimension N1 et [W ] NN
Remarques :
! Les lments de la 1re ligne et de la 1re colonne sont tous gaux 1.
! Le calcul de cette quation ncessite donc N2 multiplications complexes (et N2-N additions).

Par exemple, avec N=3, on obtient le rsultat suivant :

X(0) 1 1 1 1 x (0)
X(1) 1 j 1 j x (1)
=
X(2) 1 1 1 1 x (2)

X(3) 1 j 1 j x (3)

Avec un signal sinusodal chantillonn sur une priode, le rsultat serait le suivant :
x(n), n=0,,3 :
0 1 0 -1

X(k), k=0,3 :
0 -2j 0 2j

et, en prenant en compte le facteur multiplicatif 1/N :

X(k), k=0,3 :
0 -0,5j 0 0,5j
24
Avec un signal cosinusodal, on aurait :
x(n), n=0,,3 :
1 0 -1 0

X(k), k=0,3 :
0 0,5 0 0,5

Pour N=8 et 2 priodes de sinus, on aurait :

x(n), n=0,,7 :
0 1 0 -1 0 1 0 -1

X(k), k=0,7 :
0 0 -0,5j 0 0 0 0,5j 0

et pour un signal cosinusodal :

x(n), n=0,,7 :
1 0 -1 0 1 0 -1 0

X(k), k=0,7 :
0 0 0,5 0 0 0 0,5 0

Interprtations

! On retrouve bien la proprit selon laquelle la TF dun signal sinusodal est imaginaire pure et
impaire, compose de 2 impulsions damplitude 1/2 (si celle du signal est 1). La TF dun signal
cosinusodal est elle paire et relle pure.
! Du fait de la priodisation du spectre apporte par lchantillonnage, la 2e impulsion correspond la
symtrique de la 1re, pour les frquences ngatives.
! On pourrait se demander pourquoi on ne voit pas apparatre de sinus cardinal dans la squence
frquentielle, alors que le signal tudi est tronqu. La raison vient du fait que la squence des N
points du signal constitue une fentre de trancature de type porte, de dure NTe=N/fe ; le sinus
cardinal de la TF de cette fonction possde des zros tous les fe/N. Or, on a vu que lchantillonnage
frquentiel est ralis galement aux valeurs de la frquence gales fe/N. Donc tous ces
chantillons frquentiels sont nuls, except celui correspondant la valeur maximale du sinus
cardinal, situ lindice correspondant au nombre de priodes de signal dans les N points.

e) Considrations pratiques

Pour N entres, la TFD donne N sorties, dont seules les N/2 premires peuvent tre conserves
dans la suite du traitement puisque les N/2 suivantes reprsentent une symtrie par rapport au
point dindice N/2-1.
Les entres et les sorties de la TFD sont des nombres complexes. En pratique,
- le signal dentre constitue la partie relle du complexe, et la partie imaginaire est prise
gale 0 ;
- on ne sintresse souvent quau module de la sortie.

f) Transforme de Fourier Rapide (TFR, FFT en anglais)

La TFR est un algorithme de calcul rapide de la transforme de Fourier. Elle est base sur une
rduction des calculs permise par les proprits de lexponentielle complexe.

25
 Elle sapplique un nombre de points gal une puissance de 2 : 64, 128, 256, 512, 1024, etc. En
effet, elle consiste dcomposer une TF de N points en 2 TF de N/2 points. Cette dcomposition rduit le
nombre de calculs. Elle est rpte jusqu arriver des TF de 2 points.
En effet, le cot de calcul de ces 2 TF est 2(N/2)2, soit la moiti de N2. Comme ce gain de 2 est
rpt chaque tape, la rduction totale est trs importante. On peut dmontrer que le nombre de
multiplications est :
N
Log 2 N
2
(le Log2 est la puissance de 2 permettant dobtenir N ; par exemple : Log28=3) et le nombre dadditions :
Nlog2N
Pour un calculateur numrique, le critre principal est celui du nombre de multiplications.
Par exemple, pour N=8, le nombre de multiplications est :
N
Log 2 N = 4Log 2 8 = 4 3 = 12
2
En fait le nombre de multiplications est encore infrieur car tous les facteurs de phase puissance nulle
sont gaux 1.

Pour constater cette rduction du nombre de calculs, on dcompose lexpression de la transforme de

Fourier discrte (TFD) selon les indices pairs et impairs des chantillons de signal. On reprend
lexpression de la TFD :
j2
1 N 1
X(k ) = x (n ) WNkn avec WN = e N , k=0, 1, , N-1
N n =0
Pour les termes pairs on remplace n par 2n, pour les termes impairs on remplace n par 2n+1. Puis on
fait varier n de 0 N/2-1 dans les deux cas. Ainsi :
2n varie de 0 N-2 par pas de 2
2n+1 varie de 1 N-1 par pas de 2
On a donc bien toutes les valeurs comprises entre 0 et N-1 prises en compte. On dcompose alors X(k)
sous la forme :
N / 21 N / 2 1
X(k ) = x (2n) WNk 2n +
n =0
x(2n + 1)W
n =0
k ( 2 n +1)
N ; k=0,,N-1
N / 21
N / 21
X(k ) = x ( 2n ) W
n =0
k 2n
N + x (2n + 1) WNk 2 n WNk
n =0
Or

2k
22k
WN2 k = exp j = exp j = WNk / 2
N N

2
donc on peut crire :
N / 2 1 N / 21 k
X(k ) = x ( 2 n )W kn
N + x (2n + 1) WN WN
kn

n =0 2 n =0 2
On peut reconnatre dans cette forme deux TFD de N/2 points : lune pour les termes pairs de X(k),
lautre pour ses termes impairs. On peut crire X(k) sous la forme :
X(k ) = X1 (k ) + WNk X 2 (k )
o X1 (k ) est la TFD des termes pairs de X(k) et X 2 (k ) la TFD de ses termes impairs.
Sous cette forme dcompose, le nombre de multiplications est de (N/2)2+(N/2)2= N2/2, au lieu de
N2.
De manire similaire, on pourrait dmontrer que lon a :
N
X(k + ) = X1 (k ) WNk X 2 (k )
2
ce qui conduit la structure dite "en papillon" suivante :
26
 +
X2(k) X(k)
+
+
X1(k) X(k+N/2)
-
W Nk
Cette structure est utilis chaque tape de la dcomposition.

f) Transforme de Fourier 2 dimensions

La TF 2 dimensions (TF2D) est une extension directe de la TF une dimension. Elle est
principalement applique aux images. La variable dentre nest plus le temps mais les 2 dimensions
spatiales de limage.
Dans le cas des images, les sorties de la TF2D reprsentent des frquences spatiales. Une frquence
spatiale faible correspond des variations douces dintensit, des frquences spatiales leves des
variations brusques. Ces dernires existent principalement aux endroits des contours des objets ou plus
gnralement des formes facilement discernables.
Les pixels (pixel=picture element) de limage correspondent aux chantillons des signaux temporels.

Dans le cas dune image de taille MN, la TF2D est dfinie par :
2 mp 2 nq
1 M 1 N1 j j
F(p, q) = f (m, n ).e .e N
MN m=0 n =0
M

avec p=0,1,,M-1 et q=0,1,,N-1

De manire analogue au cas 1 dimension, F(0,0) correspond la composante continue de limage,

cest dire la valeur moyenne de ses pixels.
La TF2D inverse est dfinie par :
M 1 N 1 2 mp 2 nq
j j
f (m, n ) = F(p, q ).e M
.e N

p =0 q =0

Une image peut tre vue comme un signal deux dimensions o chaque position dans l'image
correspond une intensit lumineuse. Lexemple de la figure ci-dessous montre une image constitue par
un rectangle blanc sur un fond noir (gauche) ainsi que limage rsultant de lapplication de la
TF2D (droite). Le rsultat est reprsent en fausses couleurs :

(voir programme en annexe)

Le rsultat est analogue celui de la TFD dune impulsion en une dimensions. On a une symtrie par
rapport N/2, dans la direction verticale et dans la direction horizontale. Dans ces deux directions, on
reconnat le module dun sinus cardinal, dont la priode dpend de la largeur de la largeur et la longueur
du rectangle.

27
 Afin de pouvoir bien observer les petites valeurs de la TF (les lobes secondaires du sinus cardinal)
sans perdre l'information des grandes valeurs, il est frquent d'afficher le logarithme de limage.

Si lon augmente la taille de limage rsultat en ajoutant des pixels zro la suite des pixels de
limage droite et en bas, et que lon effectue la transforme inverse, on augmente le nombre de points de
limage originale sans avoir modifi son contenu. La rsolution spatiale est alors augment, ce qui se
traduit par des pixels plus petits si limage est reprsente avec la mme taille. Cette technique sappelle
"zro-padding". Elle permet donc daugmenter la taille dune image sans voir un effet de "pixelisation",
cest dire sans voir lapparition de pixels carrs.

g) Applications de la transforme de Fourier

! Image, vido :
- Convolution par TFD : elle exploite la proprit de la TF de transformer un produit de
convolution en produit simple. Le 2e est beaucoup moins coteux en calculs que le 1er, et il
existe la FFT, algorithme rapide de calcul de la TF.
- Compressions JPEG (images) et MPEG (vido) : bas sur la transforme en cosinus, expression
de la TFD dans laquelle on ne conserve que la composante cosinusodale.
! Traitement dantenne : retrouver la direction de propagation des ondes sonores ou
lectromagntiques.
! Astronomie : par interfromtrie.
! Mdecine :
- Prothses auditives,
- Imagerie par Rsonance Magntique Nuclaire,
- Tomographie par rayons X.
! Chimie, cristallographie : spectroscopie Infra-Rouge pour lanalyse des structures molculaires.
! Audio, musique :
- Analyse spectrale : pour connatre le contenu frquentiel dun signal musical,
- Changement de frquence sans changer le contenu frquentiel (par exemple pour rendre une
voix plus grave sans changer son timbre),
- Etirement temporel pour modifier la dure dun signal sans changer on contenu frquentiel (par
exemple pour rduire la dure dun spot publicitaire sans modifier la hauteur des voix),
- Compression MP3 : base sur la transforme en cosinus modifie.

II.3) Approfondissements thoriques

II.3.1) Projection dun signal sur une base de signaux orthogonaux

On a vu que dans le cas de la dcomposition dun signal en srie de Fourier, un signal s(t) pouvait
scrire :

s( t ) = c e
n =
n
jnt

avec
1 T
cn =
T 0
s( t )e jnt dt
des coefficients complexes. On va voir quil sagit dun cas particulier de projection dun signal sur une
base de fonctions orthogonales.

28
Orthogonalit

Deux fonctions x(t) et y(t) sur lintervalle [t1,t2] sont orthogonales si leur produit scalaire est nul.
Leur produit scalaire est dfini par (dans le cas gnral de 2 fonctions complexes) :
t2
< x ( t ), y( t ) >= x ( t ) y* ( t )dt
t1

Le produit scalaire de 2 fonctions est dfini de manire analogue au produit scalaire de 2 vecteurs. Soient
2 vecteurs (rels) de dimension n : x = {x1 , x 2 ,..., x n } et y = {y1 , y 2 ,..., y n } . Leur produit scalaire est
dfini par :
n
x.y = x i .y i
i =0
Calculons par exemple le produit scalaire entre les deux fonctions exponentielles, sur lintervalle [0,T] :
x ( t ) = e jn1t et y( t ) = e jn 2t
T T
< x ( t ), y( t ) >= e jn1t e jn 2t dt = e jt ( n1n 2 ) dt =
0 0
1
n1 n 2
[
e jt ( n1n 2 ) ]
T
0 =
1
n1 n 2
[
e jT ( n1n 2 ) e0 ]
T
0

=
1
n1 n 2
[ ] T
e j2 ( n1 n 2 ) 1 0 = 0 car n1-n2 est entier

Les fonctions e jnt , pour 2 valeurs diffrentes de n, sont donc des fonctions orthogonales 2 2. Elles
forment une base orthogonale. On aurait obtenu le mme rsultat avec e jnt

Norme

Il existe plusieurs dfinitions de la norme dun signal. Dans lespace des signaux dnergie finie
(appel L2), pour un signal x(t) elle est dfinie, sur un intervalle [t1,t2], par :
t2

2
x (t ) = x ( t ) dt
t1

On peut remarquer quelle est gale la racine carre du produit scalaire avec lui-mme :
< x , x * >= x
Dans le cas o x est un vecteur, la norme est dfinie par :
n
x = x i =0
2
i

jnt
La norme des fonctions exponentielles e ou e jnt est gale 1. On dit que ces fonctions sont
normes. La base quelles forment est donc non seulement orthogonale, mais galement orthonorme.

Si un vecteur nest pas norm, il peut tre normalis en le divisant par sa norme. Ainsi, le vecteur :
x(t)
x' (t ) =
x(t)
est norm.

Cas gnral

Dans le cas gnral, un signal peut se dcomposer en une somme infinie de fonctions orthogonales :
+
s( t ) = a n n ( t )
n =1
Si ces fonctions sont orthonormes, les coefficients ak sont dfinis par le produit scalaire entre le signal et
chacune de ces fonctions :
a n =< s( t ), n >
jnt
soit, avec n = e (cas des sries de Fourier complexes) :
29
 T
a n = s( t )e jnt dt
0
Le signal doit tre nergie finie. On dit galement "de carr intgrable (ou sommable)". On crit :
s( t ) L2 ( t1 , t 2 )
o t1 et t2 sont les bornes dintgration.
Les fonctions orthogonales constituent des vecteurs de base. La projection du signal dans cette base
constitue un changement de base. Si la base est orthogonale, on a :
*
< k , l >= 0 k l
Lintrt dune telle dcomposition est de faciliter lanalyse dun signal (comme dans le cas des sries de
Fourier).

Exemple dimpulsions rectangulaires : chantillonnage

1 t
( t ) = lim rect
T 0 T T
+
e t ( t ) = e(i.t ).
i =
t ( t i.t )t

Approximation de signaux

Si lon restreint la somme discrte un nombre fini m de termes, on ralise ce que lon appelle une
approximation du signal :
~ +
s( t ) = a n n ( t )
n =1
On dfinit alors une erreur dapproximation :
~
e( t ) = s ( t ) s ( t )
La norme de cette erreur est dfinie par :
~ 2
t2
e( t ) = t1
s( t ) s( t ) dt

On reconnat la dfinition de la distance euclidienne :

~

e( t ) = d s( t ), s( t )

Plus gnralement, la distance euclidienne entre 2 signaux x(t) et y(t) est dfinie par :
t2

2
d( x ( t ), y( t )) = y( t ) x ( t ) dt
t1

Elle est gale la norme de la diffrence entre les 2 signaux :

d ( x ( t ), y( t )) = x ( t ) y( t )
Elle est comparer avec la distance euclidienne entre 2 vecteurs x = {x1 , x 2 ,..., x n } et y = {y1 , y 2 ,..., y n } :
n
d ( x , y) = (x
i =1
i x i )2

Remarque : lien entre distance, produit scalaire et produit de corrlation

Pour simplifier, on considre le cas de signaux rels uniquement.

t2
d 2 ( x ( t ), y( t )) = ( y( t ) x ( t ))( y( t ) x ( t ))dt = x ( t ) + y( t ) 2 < x ( t ), y( t ) >
2 2
t1

Si les 2 signaux sont orthogonaux, on a

< x ( t ), y( t ) >= 0
30
donc
2 2
d 2 ( x ( t ), y( t )) = x ( t ) + y( t )
On retrouve lexpression du thorme de Pythagore.
La distance et le produit scalaire peuvent donc servir mesurer la ressemblance entre 2 signaux. Ces
signaux peuvent tre considrs comme des vecteurs. Supposons que ces 2 vecteurs soient colinaires : le
produit scalaire entre eux est maximal et la distance entre eux est minimale.

Comparons galement avec la fonction de corrlation entre 2 signaux, galement utiles pour la
mesure de ressemblance entre 2 signaux :
+
C xy () = x ( t ).y( t )dt
t =
Considrons le produit de corrlation pour =0 :
+
C xy (0) = x ( t ).y( t )dt
t =
On reconnat lexpression du produit scalaire :
C xy (0) =< x , y >

Thorme de la projection

On peut montrer que la distance entre une fonction x(t) et son approximation est minimale si lerreur
dapproximation
~
e( t ) = s ( t ) s ( t )
est orthogonale aux fonctions de base :
< e, k >= 0 k

II.3.2) Liens entre la transforme de Fourier et la transforme de Laplace

a) Rgion de convergence

On a vu dans la dfinition de la transforme de Fourier (TF) quelle pouvait sappliquer aux signaux
absolument sommables (cest dire dont lintgrale de la valeur absolue est finie), cest dire tels que :
+

s( t ) dt <
Lensemble de ces signaux est appel espace L1. On dit galement que lintgrale a une valeur finie, ou
quelle est convergente.
Par exemple, la TF de la fonction e at nest pas convergente si a>0. Dans ce cas elle nadmet donc pas
de TF. Par contre, la TL de cette fonction existe, pour certaines valeurs de la variable p. En effet, en
remplaant s(t) par s(t) e t avec tel que a-<0, et en considrant le signal causal, la TF devient :
+ +
S(f ) = s( t )e t e j2 ft dt = s( t )e ( + j2 f ) t dt
0 0
Lintgrale est devenue convergente. La nouvelle grandeur dfinie est appele frquence complexe :
p = + j = + j2f
Lexpression ainsi obtenue est cele de lexpression de la transforme de Laplace (TL) :
+
S(p) = s( t )e pt dt = TL[s( t )]
0
La TL est donc plus gnrale que la TF dans la mesure o un signal nappartenant pas lensemble
des signaux L1 et donc ne possdant pas de TF, peut possder une TL. Mais il faut alors prciser le
domaine de convergence de la variable p.
Par exemple, la TL de la fonction
e at

31
nexiste que dans le demi-plan droite de la droite dquation p=a, parallle laxe imaginaire, cest
dire pour >a. a est appele abscisse de convergence de la fonction. Donc la TF de la fonction ci-dessus
existe si a<0.
La TF correspond la TL avec =0. La TF correspond donc une intgration le long de laxe
imaginaire du plan complexe. Si laxe imaginaire est compris dans la rgion dexistence dune fonction,
sa TF existe. Ce qui est le cas dans lexemple ci-dessus

b) Stabilit, lien avec la rsolution des quations diffrentielles

La stabilit dun systme peut tre tudie via ltude des ples de sa transmittance de Laplace. Dans
la partie du cours concernant rsolution des quations diffrentielles par la TL, on a vu quune
transmittance pouvait se dcomposer sous forme dune somme de fractions rationnelles lmentaires,
chacune de ces fractions possdant un ple simple ou multiple. Par exemple, dans la transmittance :
S(p) A1 A 2, 0 A 2,1
T ( p) = = + +
E(p) (p p1 ) (p p 2 ) (p p 2 ) 2

le ple p2 est double.

On peut dmontrer facilement quun ple pi simple correspond, dans le domaine temporel, un
signal exponentiel :
A
TL1 i = A i e pi t
p pi
Dans le cas o pi est rel, il est vident que cette composante du signal est stable uniquement si pi<0,
cest dire si la variable p est partie relle ngative :
p=<0
Dans le cas o pi est complexe, cette composante du signal est une exponentielle complexe dont
lenveloppe est une exponentielle relle :
e pi t = e ( i + ji ) t = e i t e ji t
Or, les ples complexes fonctionnent toujours par paires, et la partie imaginaire correspond alors un
signal sinusodal (par utilisation dune formule dEuler). La stabilit dpend l encore de la partie relle
de p (=lenveloppe du signal sinusodal). La condition de stabilit est donc la mme que pour les ples
rels.
Le cas limite de la stabilit est donc pour =0, et dans ce cas :
e pi t = e ( i + ji ) t = e i t e jit = e 0 e jit = e ji t
Ce ple implique que le comportement du systme est oscillatoire, sinusodal. Il est la limite de
linstabilit, mais nest ni stable ni instable.
Ce raisonnement ne concerne que les ples simples, mais pour les ples multiples il aurait t
similaire.
Finalement, on peut conclure de ce raisonnement que la TF est un cas particulier de la TL avec
p = j
Dans le plan complexe, cela revient tudier les signaux uniquement sur laxe imaginaire, et considrer
que ces signaux sont des combinaisons de signaux sinusodaux (ce qui est vrai pour les signaux
priodiques, et par extension pour tous les signaux). La TL permet dtendre cette tude dans le plan
complexe complet, ce qui permet en plus ltude de la stabilit des systmes, entre autres.

32
 Annexe : Quelques programmes Scilab

Sries de Fourier

Le programme suivant ralise la synthse dun signal carr par addition des harmoniques de ce
signal. Le signal carr utilis pour la dcomposition est reprsent, puis le fondamental seul, puis ce
mme fondamental additionn du 1er, puis des 2, 3 et 4 premiers harmoniques.

fe=48000; //frquence d'chantillonnage (nombre d'chantillons par seconde

Te=1/fe; //priode d'chantillonnage
N=fe/10; //nombre d 'chantillons tudis
t=(0:N-1)*Te; //temps discret : N valeurs de 0 (N-1)*Te
fre=10; //frquence du signal
a=1; //amplitude
e=a*squarewave(2*%pi*fre*t);

f=sin(2*%pi*fre*t); //fondamental
h3=sin(3*2*%pi*fre*t)/3; //harmonique de rang 3
h5=sin(5*2*%pi*fre*t)/5; //harmonique de rang 5
h7=sin(7*2*%pi*fre*t)/7; //harmonique de rang 7
h9=sin(9*2*%pi*fre*t)/9; //harmonique de rang 9
b=4*a/%pi;
s1=b*f;
s2=b*(f+h3);
s3=b*(f+h3+h5);
s4=b*(f+h3+h5+h7);
s5=b*(f+h3+h5+h7+h9);

xbasc //effacement de l'cran graphique

plot2d(t,s1,style=[2]); //courbe bleue
plot2d(t,s2,style=[3]); //courbe verte
plot2d(t,s3,style=[4]); //courbe turquoise
plot2d(t,s4,style=[5]); //courbe rouge
plot2d(t,s5,style=[6]); //courbe rose
plot2d(t,e); //signal carr

On obtient laffichage suivant :

Transforme de Fourier dun signal sinusodal

Le programme suivant calcule et affiche la TFD dun signal sinusodal :

N=128; //nombre dchantillons du signal

Te=0.01 ;
t=(0:N-1)*Te;
n_per=10;
fre=n_per/(N*Te)
signal=sin(2*%pi*fre*t);
tfd=fft(signal,-1)/N;
deltaf=1/(N*Te);
//priode dchantillonnage
//vecteur de temps discret
//nombre de priodes de signal
//frquence du signal
//Transforme de Fourier directe
//rsolution frquentielle

33
xbasc
xsetech([0,0,1,1/2]);
plot2d(signal) ;
xsetech([0,1/2,1,1/2]);
plot2d(imag(tfd)) ;
//effacement du graphique prcdent
//dfinition de la zone graphique
//affichage du signal
//affichage du module des points de sortie de la TFD

Interprtation :

! Le rsultat tant imaginaire pur, son affichage a t obtenu en crivant :

plot2d(imag(tfd)) ; //affichage du module des points de sortie de la TFD
! Les abscisses correspondent aux indices des tableaux. Il y a 10 priodes de signal, donc le pic
principal se situe lindice 11 (le premier indice tant 1, et correspond la composante continue)
dans le tableau de la TFD.
! Le pic positif correspond limage du pic ngatif dans les frquences ngatives (en fait, sa
rptition Fe f0, de lchantillonnage).

Pour visualiser le temps et les frquences relles, on modifie les fonctions daffichage de la faon
suivante :
...
plot2d(signal) ; //affichage du signal
deltaf=1/(N*Te) ; //rsolution frquentielle
f=(0:N-1)*deltaf; //vecteur de frquences pour l'affichage graphique
plot2d(imag(tfd)) ; //affichage du module des points de sortie de la TFD
...

On obtient alors laffichage suivant :

On remarque que lindice du tableau de laffichage prcdent correspond maintenant la frquence

relle du signal.

34
Spectrogramme

Le programme suivant ralise un spectrogramme du mot "zro" prononc par une jeune femme.

REP_WAV="c:\" //chemin d'accs du fichier WAV

fich_wav="sophie0.wav"; //nom du fichier WAV
nom_fich=REP_WAV+fich_wav;
[y,fe]=wavread(nom_fich); //y : signal ; fe : frquence dchantillonnage
sig=y'; //sig : vecteur ligne (donc transposition du vecteur colonne y)
N=length(sig); //N : nombre dchantillons du signal
t_fen=256; //taille fentre
nb_fen=int(N/t_fen) //nombre de fentres
chev=0.5; //chevauchement des fentres
nb_fen=int(N/(t_fen*(1-chev))); //nombre de fentres
spect_c=zeros(nb_fen,t_fen); //spectre complet
spect=zeros(nb_fen,t_fen/2); //spectre rduit : seules les frquences positives sont gardes
t=linspace(-.5,.5,t_fen); //vecteur de temps discret de 128 points entre -0,5 et 0,5
win=(cos(%pi*t).^2); //fentre
for l=1:nb_fen //boucle sur les fentres
debut_fen=(l-1)*t_fen*(1-chev)+1; //dbut de la fentre courante
fin_fen=debut_fen+t_fen-1; //fin de la fentre courante
signal=sig(debut_fen:fin_fen); //slection d'une trame de signal
signal=signal.*win; //pondration du signal par la fentre
spect_c(l,:)=fft(signal,-1); //le rsultat de la FFT est complexe
spect(l,:)=abs(spect_c(l,1:t_fen/2)); //modules et uniquement frquences positives
end;
spect=20*log10((spect+1)/max(spect)); //gain en dB (le "+1" est pour viter log(0))
spect=256.*(spect-min(spect))./(max(spect)-min(spect)); //->min=0 et max=256 (pour affichage)
xbasc; //effacement de l'affichage graphique prcdent
xsetech([0,0,1,1/2]); //dfinition de la zone graphique
plot2d(sig); //affichage du signal
xsetech([0,1/2,1,1/2]);
Matplot(spect'); //pour voir lvolution du spectre en fonction du temps
xset('colormap',jetcolormap(256)); //choix de la palette de couleurs
colorbar(1,256); //affichage de la palette de couleurs

Lexcution du programme provoque laffichage suivant :

Le cadre du haut reprsente le signal en fonction du temps. Celui du bas contient le spectrogramme
de ce son, laxe des abscisses tant celui du temps et laxe des ordonnes celui des frquences (les
frquences augmentent du haut vers le bas de la figure).
On repre les 2 voyelles "" et "o", qui comportent une certaine priodicit se traduisant dans le
spectre par des pics de frquence, et les consonnes "z" et "r", non priodiques et plutt assimilables du
bruit color (bruit comportant des gammes de frquence prpondrantes).

35
Transforme de Fourier 2 dimensions

Le programme suivant applique la Transforme de Fourier Discrte une image compose dun
rectangle noir sur un fond blanc.

im=zeros(100,100);
im(10:20,10:20) = 255;
imf=fft(im,-1);
xset("colormap",jetcolormap(256)) ;
imf=256.*(abs(imf)-min(abs(imf)))./(max(abs(imf))-min(abs(imf)));
Matplot(abs(imf));

Le rsultat est analogue celui de la TFD dune fonction porte une dimension. On a une symtrie
par rapport N/2, dans la direction verticale et dans la direction horizontale. Dans ces deux directions, on
reconnat le module dun sinus cardinal, dont la priode dpend de la largeur de la largeur et la longueur
du rectangle.
On peut faire de trs jolie choses rien quen diminuant la taille de la porte, en crivant par exemple :

im(20:22,25:26) = 255;

36