Traitement du signal

Introduction
Le traitement du signal est une discipline qu’est devenu incontournable de nos jours, surtout en
télécommunications. Il a pour objet l'élaboration ou l'interprétation des signaux porteurs
d'informations. Dans ce chapitre, avant d’avancer dans le sujet proprement dit, nous
introduisions tous les termes qui seront utilisés dans ce cours.

1 Signal
On appelle signal toute grandeur physique tensorielle qui varie soit continument (signaux
analogiques) soit discrètement (signaux numériques) au cours du temps et qui porte
l’information à traiter. Ou plus simplement : un signal est une variation d’une grandeur
physique (le plus souvent électrique, délivrée par un capteur) qui porte de l’information (dans
notre cas) de sa source à sa destination. L'évolution dans le temps de la grandeur considérée est
régie par la dynamique spécifique du signal. Cette grandeur physique peut être l’amplitude,
fréquence ou phase. Quelque fois la loi temporelle régissant le phénomène est bien connue on
parle de signaux déterministes et d'autre fois il est difficile, voire impossible de le décrire
évolution d’un signal, dans ce cas on parle de signaux aléatoires. Les signaux qu’on va traiter
dans ce cours seront essentiellement les signaux électrique à une dimension contrairement aux
images. Donc, on parlerait en général d’une tension électrique et d’un courant varie soit
continuellement ou soit discrètement avec le temps.

1.1 Modes de classification de signaux

1.1.1 Classification phénoménologique
On met ainsi en évidence le type d’évolution du signal. Il peut être à caractère prédéterminé
ou il a un comportement non prévisible. Un signal déterministe est un signal dont l’évolution
en fonction du temps peut être parfaitement prédite par un modèle mathématique approprié.
Autrement si les signaux porteurs d’information présentent une certaine imprévisibilité, ils
seront modélisés comme des signaux aléatoires. On le décrit grâce à des outils statistiques
(densité de probabilités, moyenne, variance, etc.).

1.1.2 Classification dimensionnelle

On peut classer les signaux en fonction de leur dimension. Ainsi, la plupart des signaux que
nous irons traiter sont représentables mathématiquement par des fonctions x(t) d’une seule
variable réelle. On les appelle donc signaux monodimensionnels ou unidimensionnels. Les
signaux des images, au contraire, sont bidimensionnel et représenté mathématiquement par la
fonction i(x, y).
.
1.1.3 Classification énergétique
On distingue ici les signaux satisfaisant à une condition d’énergie finie à ceux présentant une
puissance moyenne finie et une énergie infinie. On appellera énergie d’un signal x(t) la quantité
:
∞

𝐸𝑥 = ∫ |𝑥(𝑡)|2 𝑑𝑡 < +∞
−∞
et puissance moyenne de x(t) la quantité :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 1
 𝑇⁄
2
1
𝑃𝑥 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡 < +∞
𝑇→∞ 𝑇
−𝑇⁄2
La première catégorie comprend les signaux de type transitoire qu’ils soient déterministes ou
aléatoires (exemple une impulsion carré ou gaussienne) et la deuxième catégorie englobe les
signaux de type permanent, périodique, déterministe et les signaux aléatoires permanents

Remarque:
- Un signal à énergie finie a une puissance moyenne nulle ( Px = 0).
- Un signal à puissance moyenne finie (non nulle) possède une énergie Ex infinie.

On définit, par ailleurs:

- La puissance instantanée (d'interaction).
𝑃𝑥 (𝑡) = 𝑥(𝑡)𝑥 ∗ (𝑡)
𝑃𝑥𝑦 (𝑡) = 𝑥(𝑡)𝑦 ∗ (𝑡)

- La puissance moyenne (d'interaction) sur une durée T

𝑇⁄
2
1
𝑃𝑥 (𝑡) = ∫ 𝑥(𝑡)𝑥 ∗ (𝑡)𝑑𝑡
𝑇
−𝑇⁄2
𝑇⁄
2
1
𝑃𝑥𝑦 (𝑡) = ∫ 𝑥(𝑡)𝑦 ∗ (𝑡)𝑑𝑡
𝑇
−𝑇⁄2
- L’énergie moyenne (d'interaction) sur une durée T
𝐸𝑥 = 𝑇𝑃𝑥 (𝑡)
𝐸𝑥𝑦 = 𝑇𝑃𝑥𝑦 (𝑡)

1.1.4 Classification morphologique

Selon que le signal x(t) ou la variable t est continu ou discret ( tn = nT ) on distingue quatre
types de signaux :
 Le signal à amplitude et temps continus appelé couramment signal analogique.
 Le signal à amplitude discret et temps continu appelé signal quantifié.
 Le signal à amplitude continue et temps discret appelé signal échantillonné.
 Le signal à amplitude discret et temps discret appelé signal numérique.

1.1.5 Classification spectrale

L'analyse spectrale d'un signal (ou la répartition énergétique en fonction de la fréquence)
conduit à une classification :
 Signaux de basses fréquences.
 Signaux de hautes fréquences.
 Signaux à bande étroite.
 Signaux à large bande.
La largeur de bande B d'un signal est le domaine principale des fréquences occupé par son
spectre.

1.2 Signal déterministe et aléatoire

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 2
Un signal de la classe phénoménologue est généralement classé dans deux grands groupes
principales à savoir : signal déterministe ou certains et signal aléatoire ou stochastique.

1.2.1 Signal déterministe

Le signal déterministe est une fonction qui évolue par rapport à temps. Cette fonction peut
être facilement modélisée par une équation mathématique parce qu’elle est prévisible. Donc,
une fonction de la variable du temps t permet de connaître sa valeur d avec certitude quel que
soit le temps t donné. Le signal déterministe est aussi divisé en deux grands groupes : signal
périodique et non périodique.

[Link] Signaux périodiques

Un signal x(t) périodique est un signal dont la valeur instantanée se répète de façon identique à
elle-même, à intervalles de temps réguliers. Donc, la valeur se répète après une période T.

𝑥(𝑡) = 𝑥(𝑡 + 𝑇)

Dans ce groupe on peut aussi sous divisé en trois suivantes :

 Signaux sinusoïdaux
 Signaux périodiques composites et
 Signaux pseudo –aléatoires

[Link].1 Signaux sinusoïdaux

Un signal sinusoïdal x(t) est un signal dont l’amplitude, observée à un endroit précis, est une
fonction sinusoïdale du temps.(1) Une grandeur sinusoïdale x(t) est représenté par
l'expression :

𝑥(𝑡) = 𝐴𝑚𝑎𝑥 𝑐𝑜𝑠(𝜔𝑡 + 𝜑)

avec

- Amax = amplitude (qui varie de +Amax à –Amax)

- t = période en seconde représentant le temps ;
- w = la pulsation en radian per seconde et
-  = le déphasage en radian

[Link].2 Signaux périodiques composites

On appelle signal composite, le signal résultant de la somme d'au moins deux composantes
élémentaires de nature différente. On désigne par composante élémentaire, un signal simple
dont on connaît l'expression mathématique, comme par exemple le signal continu et le signal
sinusoïdal.

[Link] Signaux pseudo –aléatoires

Les signaux pseudo –aléatoires forment une catégorie particulière de signaux périodiques
dont le comportement rappelle celui d’un signal aléatoire.

[Link] Signaux non périodiques

Un signal x(t) est dit non périodique lorsque les variations de sa valeur (en amplitude) à une
période T est prévisible dans le temps. Ici sa inclus les signaux quasi –périodiques et les
signaux transitoires.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 3
[Link] 1 Signaux quasi - périodiques
Un signal x(t) est dit quasi-périodique s’il est une somme de sinusoïdes de périodes infinies.

[Link].2 Signaux transitoires

Un signal transitoire est un signal variable de durée définie, qui s’établit généralement entre
deux états permanents

1.2.3 Causal – Non causal

Enfin, un signal est dit causal lorsqu’il est identiquement nul pour tous les instants négatifs.
Un tel signal résulte souvent d’une action particulière à l’instant t=0. Il est dit anticausal s’il
est nul pour tous les instants positifs. Dans le cas général, il est non-causal

1.2.2 Signaux aléatoires

Le signal aléatoire a un comportement imprévisible et dont on ne peut pas prédire la valeur à
un temps t car il dépend du hasard. On faire généralement appel à leurs propriétés statistiques
pour les décrire. Si leurs propriétés statistiques sont invariantes dans le temps, on dit qu'ils sont
stationnaires. Corollairement, s’ils n’ont pas cette propriété, on parle de non-stationnaire. Les
signaux aléatoires stationnaires sont sous divisé en deux : ergodiques et non ergodique. Dans
ce cours, nous intéresserons uniquement aux signaux déterministes

Le sommaire des paragraphes ci-dessus peut être montré dans la figure ci-dessous.

2 Traitement du signal
Le traitement du signal est une discipline qui développe et étudie les techniques de traitement,
d'analyse et d'interprétation des signaux(1) : Toutes applications de mesures, de traitement
d’information mettent en œuvre des techniques de traitement sur le signal pour extraire un
maximum d'informations utiles désirée.

2.1. Principales fonctions du traitement de signal

Les principales fonctions du traitement de signal sont :
- L’analyse
- La mesure
- Le filtrage
- La régénération
- La détection
- L’identification

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 4
 - La synthèse
- Le codage
- La modulation et le changement de fréquence

2.1.1 L’analyse : On cherche à isoler les composantes essentielles d'un signal de forme
complexe, afin d'en mieux comprendre la nature et origines.
2.1.2 La mesure : mesurer un signal, en particulier aléatoire, c'est essayer d'estimer la valeur
d'une grandeur caractéristique qui lui est associée avec un certain degré de confiance.

2.1.3 Le filtrage : c'est une fonction qui consiste à éliminer d'un signal certain composant
indésirable.

2.1.4 La régénération : c'est une opération par laquelle on tente de redonner sa forme initiale
à un signal ayant subis diverses distorsions.
Chapitre
2.1.5 La détection : par cette opération on tente d'extraire un signal utile du bruit de fond qui
lui est superposé.
2.1.6 L’identification : c'est un procédé souvent complémentaire qui permet d'effectuer un
classement du signal observé.
2.1.7 La synthèse : opération inverse de l'analyse, consiste à créer un signal de forme
appropriée en procédant, par exemple, à une combinaison de signaux élémentaires.

2.1.8 Le codage : outre sa fonction de traduction en langage numérique, est utilisé soit pour
lutter contre le bruit de fond, soit pour tenter de réaliser des économies de largeur de bande ou
de mémoire d'ordinateur.

2.1.9 La modulation et le changement de fréquence : sont essentiellement des moyens

permettant d'adapter un signal aux caractéristiques fréquentielles d'une voie de transmission,
d'un filtre d'analyse ou d'un rapport d'enregistrement.

Les principales fonctions du traitement de signal mentionnés ci-dessus sont applicables à des
signaux analogues ainsi que numériques.

Les signaux à traiter peuvent être de sources diverses, mais pour notre cas, nous allons nous
concentrer sur les signaux électriques ou devenus électriques à l’aide de capteurs et
transducteurs. On distingue essentiellement les signaux analogiques, analogique-numérique et
numériques. Il faut rappeler que dans ce cours on va concentrer rien que sur les signaux
déterministes.

Il existe plusieurs branches particulaires du traitement du signal, en fonction de la nature des

signaux considérés. Mais la figure ci-dessous nous donne approprié la génération et le
traitement du signal.
Déformation Bruit

Source Milieu de Capteur Unité de

Emettrice transmission traitement

Figure 1 Schéma d'un système de génération et de traitement du signal

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 5
3 Principales bases théoriques
Deux théories sont fondamentales pour la formulation des problèmes de traitement du signal-:
 La première théorie est celle des systèmes linaires invariants dans le temps. Celle théorie
permet de prévoir la réponse d'un système en un entrée donner. Elle est appliquée aux
signaux déterministes dans un système.
 La seconde théorie est lie aux signaux à caractère aléatoire. Cette la théorie des
probabilités qu’est généralement utilisée. Elle permet de représenter correctement et
d'extraire au mieux les informations fournies par un phénomène aléatoire. Ce types des
signaux seront traité dans la tome deux du traitement du signal.

Ces deux théories utilisent les mêmes opérateurs mathématiques. On va entrer en détail dans le
chapitre des filtres.

3.1 Théorie des systèmes linaires invariants dans le temps ou filtres

Système agissant
Entrée x(t)  Sortie y(t)
sur l’entrée

Dans la théorie des systèmes on va utiliser deux hypothèses les plus importantes à savoir : la
linéarité et l'invariance dans le temps. Lorsqu'un système est dit linaire si et seulement si en
entrée du système un signal x(t), engendre une sortie y(t). Si les caractéristiques de la relation
du système entre le signal entrée et sortie ne changent pas au cours d’un temps donné, c’est-à-
dire: une translation en entrée du système engendre une même translation a la sortie du système,
on parle d’invariance dans le temps. Nous allons concentrer sur le système linaire et invariance
dans le temps dans tous ce cours.

3.2 La théorie des probabilités

La théorie des probabilités en mathématiques est l'étude des phénomènes caractérisés par
le hasard et l'incertitude. Elle forme avec la statistique les deux sciences du hasard qui sont
partie intégrante des mathématiques(1). Le détail de cette théorie sera traité dans tome 2.

4 Signaux usuel en télécommunications

Avant d’avancer dans le traitement du signal proprement dire, il est important de savoir qu’il y
a les signaux dit usuel qui sont très utilisés en télécommunications pour faire plusieurs
opérations. Dans cette section, on va seulement donner les résultats finales de ces fonctions sans
leurs prouvés. Les preuves mathématiques sera données dans les chapitres suivants. Ces signaux
sont les suivants :

4.1 Impulsion de Dirac

Une impulsion de Dirac est une fonction avec une durée très courte ou une fonction porte dont
la largeur T tendrait vers 0, donc l’amplitude est suffisamment grande pour que l’effet soit
sensible. L’aire de la fonction est égale à 1 : dans ce cas on parle d’impulsion unitaire.

∞, 𝑝𝑜𝑢𝑟 𝑡 = 0
𝛿(𝑡) = {
0, 𝑝𝑜𝑢𝑟 𝑡 ≠ 0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 6
 (t)

t
0
Remarque : les 1 marques sur la flèche pleine représente la surface de cette impulsion et non
par l’amplitude.
4.1.1 Propriétés de l’impulsion de Dirac
 convolution
𝑥(𝑡) ∗ 𝛿(𝑡) = 𝑥(𝑡)
𝑥(𝑡) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡0 )
𝑥(𝑡 − 𝑡1 ) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡1 − 𝑡0 )
 changement de variable
1
𝛿(𝑎𝑡) = 𝛿(𝑡)
|𝑎|
𝛿(−𝑡) = 𝛿(𝑡)
 intégration
∞

∫ 𝛿(𝑡) 𝑑𝑡 = 1
−∞
∞

∫ 𝑥(𝑡)𝛿(𝑡) 𝑑𝑡 = 𝑥(0)
−∞
∞

∫ 𝑥(𝑡)𝛿(𝑡 − 𝑡0 ) 𝑑𝑡 = 𝑥(𝑡0 )
−∞
𝑡2

∫ 𝛿(𝑡 − 𝑡0 ) 𝑑𝑡 = 1, 𝑝𝑜𝑢𝑟 𝑡1 < 𝑡0 < 𝑡2

𝑡1

 produit avec un signal

x(t)δ(t) = x(0)δ(t) = x(0)
x(t)δ(t − t 0 ) = x(t 0 )δ(t − t 0 ) = x(t 0 )

4.1.2 Peigne de Dirac

Une succession périodique T de l’impulsion de Dirac est appelée Peigne de Dirac.
∞

𝛿𝑇 (𝑡) = ∑ 𝛿(𝑡 − 𝑛𝑇)

𝑛→−∞

t
-nT -2T -T 0 T 2T nT
nT
Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 7
La fonction ci-dessus est parfois appelée train d’impulsion. Elle très utilisée dans
l’échantillonnage. On va encore parler de ce train d’impulsion dans le traitement du signal
numérique.
4.2 Fonction signe

−1, 𝑝𝑜𝑢𝑟 , 𝑡 < 0

𝑠𝑔𝑛(𝑡) = {
+1, 𝑝𝑜𝑢𝑟 , 𝑡 > 0
Sgn(t)
1

-1
Dans beaucoup des opérations, on admet que la valeur à l’ origine de sgn(t) = 0 pour t=0.

4.3 Fonction a échelon unitaire

0, 𝑝𝑜𝑢𝑟, 𝑡 < 0
𝑢(𝑡) = {0,5, 𝑝𝑜𝑢𝑟 𝑡 = 0
1, 𝑝𝑜𝑢𝑟, 𝑡 > 0
u(t)
1

La plupart d’opération, on admet la valeur de u(t) =1 pour t=0, mais par convention, la valeur
de u(t) =1⁄2, pour t=0.

4.4 Fonction Rampe

𝑡𝑢(𝑡)
𝑡
𝑟(𝑡) = {
∫ 𝑢(𝜏)𝑑𝜏
−𝛼

r(t)

1
t
1

4.5 Fonction Rectangulaire ou porte

𝑡 1
𝑡 𝑡 1 𝑡 1 𝑇 𝑇 1, 𝑝𝑜𝑢𝑟, | | <
𝑟𝑒𝑐 ( ) = 𝑢 ( + ) − 𝑢 ( − ) = 𝑢 (𝑡 + ) − 𝑢 (𝑡 − ) = { 𝑇 2
𝑇 𝑇 2 𝑇 2 2 2 𝑡 1
0, 𝑝𝑜𝑢𝑟, | | >
𝑇 2
avec T le largeur du rectangle.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 8
 rec(t/T)
1

t
-T/2 T/2
Cette fonction est aussi appelée fonction porte et sert beaucoup dans le fenêtrage élémentaire
en traitement du signal.

4.6 Fonction sinus cardinal

sin(𝜋𝑡)
𝑠𝑖𝑛𝑐(𝜋𝑡) =
𝜋𝑡

sinc(πt)

t
-3 -2 -1 0 1 2 3

Cette fonction joue un rôle important en traitement du signal. Dans ce livre, on va parler
beaucoup sur cette fonction. Cette fonction a les propriétés suivantes :
∞

∫ 𝑠𝑖𝑛𝑐(𝜋𝑡) 𝑑𝑡 = 1
−∞
∞

∫ 𝑠𝑖𝑛𝑐 2 (𝜋𝑡) 𝑑𝑡 = 1
−∞

5. Extra du rappel mathématiques

5.1 Nombre complexe

5.1.1 Définition :
Un nombre complexe s'écrit sous forme algébrique : z = a + i b où a et b sont deux réels et i le
nombre imaginaire tel que i2 = -1. Dans d’autres livres on utilise le symbole j au lieu de i. Donc,
ici on va utiliser j pour tous le cours.
L'ensemble des nombres complexes est noté " C "
" a " s'appelle la partie réelle de z et se note Re (z)
" b " s'appelle la partie imaginaire de z et se note Im (z)

5.1.2 Le conjugué d'un complexe

Soit z un nombre complexe

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 9
 𝑧 = 𝑎 + 𝑗𝑏
avec a et b réels. Alors le conjugué de z est la suivante :
𝑧 = 𝑎 + 𝑗𝑏 ⟹ 𝑧̅ = 𝑧 ∗ = 𝑎 − 𝑗𝑏

Le module d’un complexe est :

𝑧 = 𝑎 + 𝑗𝑏 ⟹ |𝑧| = √𝑎2 + 𝑏 2

5.1.2 Somme des nombres complexes

Soit deux nombres complexes ci-dessous, la somme est :
𝑧 = 𝑎 + 𝑗𝑏 𝑒𝑡 𝑦 = 𝑐 + 𝑗𝑑
donc la somme est
𝑧 + 𝑦 = (𝑎 + 𝑐) + 𝑗(𝑏 + 𝑑)

5.1.3 Produit des nombres complexes

Soit deux nombres complexes ci-dessous, la somme est :
𝑧 = 𝑎 + 𝑗𝑏 𝑒𝑡 𝑦 = 𝑐 + 𝑗𝑑
donc le produit est
𝑧 × 𝑦 = (𝑎 + 𝑗𝑏)(𝑐 + 𝑗𝑑) = (𝑎𝑐 − 𝑏𝑑) + 𝑗(𝑏𝑐 + 𝑎𝑑)

5.1.4 Quelques formules utiles des nombres complexes

̅̅̅̅̅̅̅
𝑧 + 𝑦 = 𝑧̅ + 𝑦̅
𝑧 ∙ 𝑦 = 𝑧̅ × 𝑦̅
̅̅̅̅̅
̅̅̅̅̅
𝑧 𝑧̅
( )=
𝑦 𝑦̅
|𝑧 × 𝑦| = |𝑧| × |𝑦|

𝑧 × 𝑧̅ = 𝑧 × 𝑧 ∗ = (𝑎 + 𝑗𝑏 )(𝑎 − 𝑗𝑏 ) = 𝑎2 + 𝑏 2 = |𝑧|2 = 𝑧𝑧̅ = 𝑧𝑧 ∗

̅̅̅̅𝑛
(𝑧̅)𝑛 = (𝑧)
1 |1| 1
| |= =
𝑧 |𝑧| |𝑧|
𝑎𝑟𝑔(𝑧 × 𝑦) = arg(𝑧) + arg(𝑦)
𝑧
𝑎𝑟𝑔 ( ) = arg(𝑧) − arg(𝑦)
𝑦

5.2 Lien de j avec le cercle trigonométrie

Les points du cercle trigonométrique peuvent être repérés avec leur abscisse et leur ordonnée,
mais on va plus simplement les leur repérer avec leur module et leur argument. On appelle
cercle trigonométrie, un cercle orienté de rayon 1. Par convention, on choisit la direction inverse
des aiguilles d'une montre comme sens direct ou sens positif. Le cercle trigonométrique on le
module des points du cercle est 1. Ils sont donc de la forme ejθ. Certains points particuliers sont
notamment à connaître :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 10
5.2.1 Formules pour la somme de 2 angles :

𝑐𝑜𝑠(𝑎 + 𝑏) = 𝑐𝑜𝑠(𝑎)𝑐𝑜𝑠(𝑏) − 𝑠𝑖𝑛(𝑎)𝑠𝑖𝑛(𝑏)

𝑐𝑜𝑠(𝑎 − 𝑏) = 𝑐𝑜𝑠(𝑎)𝑐𝑜𝑠(𝑏) + 𝑠𝑖𝑛(𝑎)𝑠𝑖𝑛(𝑏)
𝑠𝑖𝑛(𝑎 + 𝑏) = 𝑠𝑖𝑛(𝑎)𝑐𝑜𝑠(𝑏) + 𝑐𝑜𝑠(𝑎)𝑠𝑖𝑛(𝑏)
𝑠𝑖𝑛(𝑎 − 𝑏) = 𝑠𝑖𝑛(𝑎)𝑐𝑜𝑠(𝑏) − 𝑐𝑜𝑠(𝑎)𝑠𝑖𝑛(𝑏)
𝑡𝑎𝑛(𝑎) + 𝑡𝑎𝑛(𝑏)
𝑡𝑎𝑛(𝑎 + 𝑏) =
1 − 𝑡𝑎𝑛(𝑎)𝑡𝑎𝑛(𝑏)
𝑡𝑎𝑛(𝑎) − 𝑡𝑎𝑛(𝑏)
𝑡𝑎𝑛(𝑎 − 𝑏) =
1 + 𝑡𝑎𝑛(𝑎)𝑡𝑎𝑛(𝑏)
5.2.2 Formules de duplication
Dans les formules de paragraphe ci-dessus, si a =b, donc on aurait :
𝑐𝑜𝑠(2𝑎) = 𝑐𝑜𝑠 2 (𝑎) − 𝑠𝑖𝑛2 (𝑎) = 2𝑐𝑜𝑠 2 (𝑎) − 1 = 1 − 2𝑠𝑖𝑛2
𝑠𝑖𝑛(2𝑎) = 𝑠𝑖𝑛(𝑎)𝑐𝑜𝑠(𝑎) + 𝑐𝑜𝑠(𝑎)𝑠𝑖𝑛(𝑎) = 2 sin(𝑎) cos(𝑎)
2𝑡𝑎𝑛(𝑎)
𝑡𝑎𝑛(2𝑎) =
1 − 𝑡𝑎𝑛2 (𝑎)

5.2.3 Somme de 2 fonctions trigonométriques

𝑝+𝑞 𝑝−𝑞
𝑐𝑜𝑠 𝑝 + 𝑐𝑜𝑠 𝑞 = 2𝑐𝑜𝑠 ( ) 𝑐𝑜𝑠 ( )
2 2
𝑝+𝑞 𝑝−𝑞
𝑐𝑜𝑠 𝑝 − 𝑐𝑜𝑠 𝑞 = −2𝑠𝑖𝑛 ( ) 𝑠𝑖𝑛 ( )
2 2
𝑝+𝑞 𝑝−𝑞
𝑠𝑖𝑛 𝑝 + 𝑠𝑖𝑛 𝑞 = 2𝑠𝑖𝑛 ( ) 𝑐𝑜𝑠 ( );
2 2
𝑝−𝑞 𝑝+𝑞
𝑠𝑖𝑛 𝑝 − 𝑠𝑖𝑛 𝑞 = 2𝑠𝑖𝑛 ( ) 𝑐𝑜𝑠 ( )
2 2

5.2.4 Changement de variable t = tan (a/2) :

On sait que dans la trigonométrie, pour a ≠ π/2, on a :
1 = 𝑐𝑜𝑠 2 (𝑎) + 𝑠𝑖𝑛2 (𝑎)
2 (𝑎),
en divisant tous par 𝑐𝑜𝑠 on a :
1
= 1 + 𝑡𝑎𝑛2 (𝑎),
𝑐𝑜𝑠 2 (𝑎)

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 11
il vient alors,
2𝑡𝑎𝑛(𝑎)
𝑠𝑖𝑛(2𝑎) = 2𝑠𝑖𝑛(𝑎)𝑐𝑜𝑠(𝑎) = 2𝑡𝑎𝑛(𝑎)𝑐𝑜𝑠 2 (𝑎) = 𝑒𝑡
1 + 𝑡𝑎𝑛2 (𝑎)
2
𝑐𝑜𝑠(2𝑎) = 2𝑐𝑜𝑠 2 (𝑎) − 1 = −1
1 + 𝑡𝑎𝑛2 (𝑎)
Si nous posons
𝜃
𝑡 = 𝑡𝑎𝑛 ( ) , 𝑝𝑜𝑢𝑟 𝜃 ≠ 𝜋,
2
on obtient pour les formules ci-dessus les suivantes :
2𝑡𝑎𝑛(𝜃⁄2) 2𝑡
𝑠𝑖𝑛(𝜃) = =
1 + 𝑡𝑎𝑛2 (𝜃⁄2) 1 + 𝑡
2

2 2 1 − 𝑡2
𝑐𝑜𝑠(𝜃) = −1= − 1 =
1 + 𝑡𝑎𝑛2 (𝜃⁄2) 1 + 𝑡2 1 + 𝑡2
2𝑡𝑎𝑛(𝜃⁄2) 2𝑡
𝑡𝑎𝑛(𝜃) = =
1 − 𝑡𝑎𝑛2 (𝜃⁄2) 1 − 𝑡
2

5.2.5 Formule de Moivre

Pour tout réel  et pour tout entier relatif n  :
𝑛
𝑒 𝑛𝑗𝜃 = (𝑒 𝑗𝜃 )
𝑛 𝑛
𝑒 𝑛𝑗𝜃 = (𝑒 𝑗𝜃 ) = (𝑐𝑜𝑠(𝜃) + 𝑗𝑠𝑖𝑛(𝜃)) = 𝑐𝑜𝑠(𝑛𝜃) + 𝑗𝑠𝑖𝑛(𝑛𝜃)

𝑒 𝑗𝜃 = 𝑐𝑜𝑠(𝜃) + 𝑗𝑠𝑖𝑛(𝜃)

5.2.5 Formules d’Euler

Les formules d'Euler relient les fonctions trigonométriques à l'exponentielle complexe. Pour
tout réel , on a :

𝑒 𝑗𝜃 + 𝑒 −𝑗𝜃 𝑒 𝑗𝜃 − 𝑒 −𝑗𝜃
𝑐𝑜𝑠𝜃 = 𝑒𝑡 𝑠𝑖𝑛𝜃 =
2 2𝑗

Quelques conséquences du théorème d’Euler est les suivantes :

Dans la formule de Moivre, on a :

𝑒 𝑗𝜃 = 𝑐𝑜𝑠(𝜃) + 𝑗𝑠𝑖𝑛(𝜃)

𝑒 −𝑗𝜃 = 𝑐𝑜𝑠(−𝜃) + 𝑗𝑠𝑖𝑛(−𝜃) = 𝑐𝑜𝑠(𝜃) − 𝑗𝑠𝑖𝑛(𝜃)

𝑒 𝑗𝜃 + 𝑒 −𝑗𝜃 = 𝑐𝑜𝑠(𝜃) + 𝑗𝑠𝑖𝑛(𝜃) + 𝑐𝑜𝑠(𝜃) − 𝑗𝑠𝑖𝑛(𝜃) = 2𝑐𝑜𝑠(𝜃)

𝑒 𝑗𝜃 − 𝑒 −𝑗𝜃 = 𝑐𝑜𝑠(𝜃) + 𝑗𝑠𝑖𝑛(𝜃) − (𝑐𝑜𝑠(𝜃) − 𝑗𝑠𝑖𝑛(𝜃)) = 2𝑗𝑠𝑖𝑛(𝜃)

5.3 Rappel sur les calculs différentiels

𝑑𝑥
Soit x(t) =t3+t et α = , la dérivé de x(t) soit x’(t) aussi 𝑑𝑡 est la suivante :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 12
 𝑑𝑥 (𝑡 + 𝛼)3 + (𝑡 + 𝛼) − (t 3 + t)
𝑥 ′ (𝑡) = = lim = lim (3𝑡 2 + 3𝑡𝛼 + 𝛼 2 + 1) = 3𝑡 2 + 1
𝑑𝑡 𝑎→0 𝛼 𝛼→0

5.3.1 La règle de dérivée de fonctions linéaires

Soient x(t), y(t) deux fonctions et a, b deux nombres réels. Alors: la dérivé de sommes de
fonctions est :

𝑑 𝑑 𝑑
(𝑎𝑥(𝑡) + 𝑏𝑦(𝑡))′ = (𝑎𝑥(𝑡) + 𝑏𝑦(𝑡)) = 𝑎 (𝑥(𝑡)) + 𝑏 (𝑦(𝑡))
𝑑𝑡 𝑑𝑡 𝑑𝑡

5.3.2 La règle de dérivée de produit de fonctions

Soient x(t), y(t) deux fonctions alors la dérivé de produit de fonctions est :

𝑑 𝑑 𝑑
(𝑥(𝑡) ∙ 𝑦(𝑡))′ = (𝑥(𝑡) ∙ 𝑦(𝑡)) = 𝑦(𝑡) (𝑥(𝑡)) + 𝑥(𝑡) (𝑦(𝑡))
𝑑𝑡 𝑑𝑡 𝑑𝑡

5.3.3 La règle de dérivée de quotient de fonctions

Soient x(t), y(t) deux fonctions alors la dérivé de quotient de fonctions est :

′ 𝑑 𝑑
𝑥(𝑡) 𝑑 𝑥(𝑡) 𝑦(𝑡) (𝑥(𝑡)) − 𝑥(𝑡) (𝑦(𝑡))
( ) = ( )= 𝑑𝑡 𝑑𝑡
𝑦(𝑡) 𝑑𝑡 𝑦(𝑡) 𝑦 2 (𝑡)

5.3.4 La règle de dérivée d’une chaine de fonctions

Soit z(t), une fonction de la forme x(y(t)) alors le dérivé de la fonction z (t) est :

′ 𝑑 𝑑
(𝑧(𝑡)) = (𝑥(𝑦(𝑡))) (𝑦(𝑡))
𝑑𝑡 𝑑𝑡

5.3.5 La règle de dérivée d’une fonction élevée en puissance

Soit x(t), une fonction de la forme tn, alors la dérivée de la fonction x(t) est :

𝑑 𝑑
(𝑥(𝑡)) = (𝑡 𝑛 = 𝑛𝑡 𝑛−1 ), 𝑎𝑣𝑒𝑐 𝑛 ∈ ℝ
𝑑𝑡 𝑑𝑡

5.3.5 La règle de dérivée des fonctions usuelles

𝑑 𝑡
(𝑒 ) = 𝑒 𝑡
𝑑𝑡

𝑑
(ln 𝑡) = 𝑡 −1
𝑑𝑡

𝑑 𝑡
(𝑒 ) = 𝑒 𝑡 , 𝑝𝑜𝑢𝑟 𝑡 > 0
𝑑𝑡

𝑑
(𝑠𝑖𝑛(𝜃)) = 𝑐𝑜𝑠(𝜃)
𝑑𝑡

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 13
 𝑑
(𝑐𝑜𝑠(𝜃)) = −𝑠𝑖𝑛(𝜃)
𝑑𝑡

5.4 Rappel sur les intégrales

5.4.1 La règle sur intégrale de fonctions linéaires

Soient u(t), v(t) deux fonctions et a, b deux nombres réels alors l’intégrale de sommes de
fonctions est :

∫(𝑎𝑣(𝑡) + 𝑏𝑢(𝑡))𝑑𝑡 = 𝑎 ∫ 𝑣(𝑡)𝑑𝑡 + 𝑏 ∫ 𝑢(𝑡)𝑑𝑡

5.4.2 La règle d’intégrale produit de fonctions

𝑑
Soient u(t), 𝑑𝑡 (𝑣(𝑡)) deux fonctions alors l’intégrale de produit de fonctions est :

𝑑 𝑑
∫ (𝑢(𝑡) (𝑣(𝑡))) 𝑑𝑡 = 𝑢(𝑡) ∙ 𝑣(𝑡) − ∫ (𝑢(𝑡) (𝑣(𝑡))) 𝑑𝑡
𝑑𝑡 𝑑𝑡

Ou soient nous avons u(t), v(t), l’intégrale serais un peu difficile, mais nous pouvons
commencer par de la dérive de produits de fonction, ça sera facile. On a vu que la dérivé de
produit de fonction est :

𝑑 𝑑 𝑑
(𝑢(𝑡) ∙ 𝑣(𝑡)) = 𝑣(𝑡) (𝑢(𝑡)) + 𝑢(𝑡) (𝑣(𝑡))
𝑑𝑡 𝑑𝑡 𝑑𝑡

Si nous intégrons les deux cotés on aura :

𝑑 𝑑 𝑑
∫( (𝑢(𝑡) ∙ 𝑣(𝑡))) 𝑑𝑡 = ∫ (𝑣(𝑡) (𝑢(𝑡))) 𝑑𝑡 + ∫ (𝑢(𝑡) (𝑣(𝑡))) 𝑑𝑡
𝑑𝑡 𝑑𝑡 𝑑𝑡

𝑑 𝑑
𝑢(𝑡) ∙ 𝑣(𝑡) = ∫ (𝑣(𝑡) (𝑢(𝑡))) 𝑑𝑡 + ∫ (𝑢(𝑡) (𝑣(𝑡))) 𝑑𝑡
𝑑𝑡 𝑑𝑡

Sur cette équation ci-dessus nous pouvons réécrire sur la forme que

𝑑 𝑑
∫ (𝑢(𝑡) (𝑣(𝑡))) 𝑑𝑡 = 𝑢(𝑡) ∙ 𝑣(𝑡) − ∫ (𝑣(𝑡) (𝑢(𝑡))) 𝑑𝑡
𝑑𝑡 𝑑𝑡

5.4.3 La règle de substitution d’une fonction

1. Soient x(t) = (7t+2)3 alors l’intégrale de la fonction est :

∫(𝑥(𝑡))𝑑𝑡 = ∫(7𝑡 + 2)3 𝑑𝑡

Nous pouvons remplacer

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 14
 𝑑𝑢 𝑑𝑢 𝑑𝑢
𝑢 = 7𝑡 + 2 ⟹ = 7 ⟹ 𝑑𝑢 = ( ) 𝑑𝑡 = 7𝑑𝑡 ⟹ 𝑑𝑡 =
𝑑𝑡 𝑑𝑡 7

donc

1 3
𝑢4
∫(𝑥(𝑡))𝑑𝑡 = ∫(𝑢) 𝑑𝑢 = +𝑐
7 4

Donc

3
(7𝑡 + 2)4
∫(𝑥(𝑡))𝑑𝑡 = ∫(7𝑡 + 2) 𝑑𝑡 = +𝑐
28

2. Soient x(t) = cos(2πft+20°) alors l’intégrale de la fonction est

∫(𝑥(𝑡))𝑑𝑡 = ∫ 𝑐𝑜𝑠(2𝜋𝑓𝑡 + 20)𝑑𝑡

Si nous remplaçons (2𝜋𝑓𝑡 + 20)par u, la fonction déviait plus simple à résoudre.

∫(𝑥(𝑡))𝑑𝑡 = ∫ 𝑐𝑜𝑠(2𝜋𝑓𝑡 + 20)𝑑𝑡

Mais du est :

𝑑𝑢 𝑑𝑢
𝑢 = (2𝜋𝑓𝑡 + 20) ⟹ = 2𝜋𝑓 ⟹ 𝑑𝑡 =
𝑑𝑡 2𝜋𝑓

1 𝑠𝑖𝑛(𝑢) 𝑠𝑖𝑛(2𝜋𝑓𝑡 + 20°)

∫(𝑥(𝑡))𝑑𝑡 = ∫ 𝑐𝑜𝑠(𝑢)𝑑𝑢 = +𝑐 = +𝑐
2𝜋𝑓 2𝜋𝑓 2𝜋𝑓
1
3. Soient 𝑥(𝑡) = 𝑎𝑡+𝑏 alors l’intégrale de la fonction est

1
∫(𝑥(𝑡))𝑑𝑡 = ∫ 𝑑𝑡
𝑎𝑡 + 𝑏

Mais du est :

𝑑𝑢 𝑑𝑢
𝑢 = (𝑎𝑡 + 𝑏) ⟹ = 𝑎 ⟹ 𝑑𝑡 =
𝑑𝑡 𝑎

1 1 1 1
∫(𝑥(𝑡))𝑑𝑡 = ∫ 𝑑𝑢 = ln|𝑢| + 𝑐 = ln|𝑎𝑡 + 𝑏| + 𝑐
𝑎 𝑢 𝑎 𝑎

Il faut noter que s’il y’est les bornes d’intégration alors la constante ne compte pas.

5.4.4 La règle de substitution du produit d’une fonction avec son dérivé

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 15
Soient 𝑥(𝑡) = 2𝑡√1 + 𝑡 2 le produit d’une fonction avec son dérivé alors l’intégrale de la
fonction est :

∫(𝑥(𝑡))𝑑𝑡 = ∫ 2𝑡√1 + 𝑡 2 𝑑𝑡

Mais du est :

𝑑𝑢 𝑑𝑢
𝑢(𝑡) = 1 + 𝑡 2 ⟹ = 2𝑡 ⟹ 𝑑𝑡 =
𝑑𝑡 2𝑡
3
2𝑡√𝑢 1⁄ 𝑢 ⁄2 2 3
∫(𝑥(𝑡))𝑑𝑡 = ∫ 𝑑𝑢 = ∫ √𝑢𝑑𝑢 = ∫(𝑢) 𝑑𝑢 =
2 + 𝑐 = (1 + 𝑡 2 ) ⁄2 + 𝑐
2𝑡 3⁄2 3

La formule ci-dessus est généralisée suivante :

𝑑(𝑔(𝑡))
𝑓(𝑔(𝑡))
𝑑𝑡
Donc si nous prenons
𝑔(𝑡) = 1 + 𝑡 2 𝑒𝑡 𝑓(𝑔) = √𝑔
La composition des fonctions f et g est :
𝑓(𝑔(𝑡)) = √1 + 𝑡 2
Si nous dérivons g(t) on a :
𝑑(𝑔(𝑡))
𝑔(𝑡) = 1 + 𝑡 2 𝑒𝑡 = 2𝑡
𝑑𝑡
Donc la fonction peut être réécrire de la forme suivante :
𝑑
∫ 2𝑡√1 + 𝑡 2 𝑑𝑡 = ∫ 𝑓(𝑔(𝑡)) (𝑔(𝑡))𝑑𝑡 = ∫ 𝑓(𝑔(𝑡))(𝑔(𝑡))′ 𝑑𝑡
𝑑𝑡

5.4.4 La règle de dérivée d’une chaine de fonctions

Soit z(t), une fonction de la forme x(y(t)) alors le dérivé de la fonction z (t) est :

′ 𝑑 𝑑
(𝑧(𝑡)) = (𝑥(𝑦(𝑡))) (𝑦(𝑡))
𝑑𝑡 𝑑𝑡

5.4.5 La règle primitive des fonctions usuelles

∫(𝑒 𝑡 ) 𝑑𝑡 = 𝑒 𝑡 + 𝑐

∫(ln 𝑡) = 𝑡ln(𝑡) − 𝑡 + 𝑐

∫(𝑠𝑖𝑛(𝜃)) = −𝑐𝑜𝑠(𝜃) + 𝑐

∫(𝑐𝑜𝑠(𝜃)) = −𝑠𝑖𝑛(𝜃) + 𝑐

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 16
5.4.6 Intégration spéciales de l’identité trigonométrique bornée
Ces identités trigonométriques seront utilisées dans tous le livre.

1
𝑠𝑖𝑛(𝑚𝑤0 𝑡)𝑐𝑜𝑠(𝑛𝑤0 𝑡) = [𝑠𝑖𝑛((𝑚 + 𝑛)𝑤0 𝑡) + 𝑠𝑖𝑛((𝑚 − 𝑛)𝑤0 𝑡)]
2
1
𝑐𝑜𝑠(𝑚𝑤0 𝑡)𝑐𝑜𝑠(𝑛𝑤0 𝑡) = [𝑐𝑜𝑠((𝑚 + 𝑛)𝑤0 𝑡) + 𝑐𝑜𝑠((𝑚 − 𝑛)𝑤0 𝑡)]
2
1
𝑠𝑖𝑛(𝑚𝑤0 𝑡)𝑠𝑖𝑛(𝑛𝑤0 𝑡) = [𝑐𝑜𝑠((𝑚 − 𝑛)𝑤0 𝑡) − 𝑐𝑜𝑠((𝑚 + 𝑛)𝑤0 𝑡)]
2

Nous pouvons facilement prouver que :

[Link] 1er constate

pour n≥0 on a
𝑇⁄
2

∫ 𝑠𝑖𝑛(𝑛𝑤0 𝑡) 𝑑𝑡 = 0
−𝑇⁄
2

pour n > 0 on a

𝑇⁄
2

∫ 𝑐𝑜𝑠(𝑛𝑤0 𝑡) 𝑑𝑡 = 0
−𝑇⁄
2

[Link] 2ème constate

pour m et n nous avons
𝑇⁄
2

∫ 𝑠𝑖𝑛(𝑚𝑤0 𝑡)𝑐𝑜𝑠(𝑛𝑤0 𝑡) 𝑑𝑡 = 0
−𝑇⁄
2

[Link] 3ème constate

pour n ≠ m, on a
𝑇⁄
2

∫ 𝑐𝑜𝑠(𝑚𝑤0 𝑡)𝑐𝑜𝑠(𝑛𝑤0 𝑡) 𝑑𝑡 = 0 𝑒𝑡
−𝑇⁄
2
𝑇⁄
2

∫ 𝑠𝑖𝑛(𝑚𝑤0 𝑡)𝑠𝑖𝑛(𝑛𝑤0 𝑡) 𝑑𝑡 = 0
−𝑇⁄
2
Preuve pour m ≠ n
𝑇⁄ 𝑇⁄
2 2
1
∫ 𝑐𝑜𝑠(𝑚𝑤0 𝑡)𝑐𝑜𝑠(𝑛𝑤0 𝑡) 𝑑𝑡 = ∫ [𝑐𝑜𝑠((𝑚 + 𝑛)𝑤0 𝑡) + 𝑐𝑜𝑠((𝑚 − 𝑛)𝑤0 𝑡)] 𝑑𝑡
2
−𝑇⁄ −𝑇⁄
2 2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 17
 1 1 𝑇⁄ 1 1 𝑇⁄
= 𝑠𝑖𝑛[(𝑚 + 𝑛)𝑤0 𝑡]−𝑇2 + 𝑠𝑖𝑛[(𝑚 − 𝑛)𝑤0 𝑡]−𝑇2
2 (𝑚 + 𝑛)𝑤0 ⁄2 2 (𝑚 − 𝑛)𝑤0 ⁄2

1 1 1 1
= 2𝑠 ⏟
𝑖𝑛((𝑚 + 𝑛)𝜋) + 2 𝑠𝑖𝑛((𝑚 − 𝑛)𝜋) = 0
2 (𝑚 + 𝑛)𝑤0 2 (𝑚 − 𝑛)𝑤0 ⏟
0 0
[Link] 4ème constate
Pour m = n, et m, n ≥1, on a
𝑇⁄
2
𝑇
∫ 𝑠𝑖𝑛2 (𝑛𝑡) 𝑑𝑡 = 𝑒𝑟
2
−𝑇⁄
2
𝑇⁄
2
𝑇
∫ 𝑐𝑜𝑠 2 (𝑛𝑡) 𝑑𝑡 =
2
−𝑇⁄
2
Preuve pour m=n

1
𝑐𝑜𝑠(𝑚𝑤0 𝑡)𝑐𝑜𝑠(𝑛𝑤0 𝑡) = [𝑐𝑜𝑠((𝑚 + 𝑛)𝑤0 𝑡) + 𝑐𝑜𝑠((𝑚 − 𝑛)𝑤0 𝑡)]
2
1
𝑐𝑜𝑠 2 (𝑛𝑤0 𝑡) = [1 + 𝑐𝑜𝑠(2𝑛𝑤0 𝑡)]
2

Dont

𝑇⁄ 𝑇⁄ 𝑇⁄
2 2 2
1
∫ 𝑐𝑜𝑠(𝑚𝑤0 𝑡)𝑐𝑜𝑠(𝑛𝑤0 𝑡)𝑑𝑡 = ∫ 𝑐𝑜𝑠 2 (𝑛𝑡) 𝑑𝑡 = ∫ [1 + 𝑐𝑜𝑠(2𝑛𝑤0 𝑡)]𝑑𝑡
2
−𝑇⁄ −𝑇⁄ −𝑇⁄
2 2 2
1 𝑇⁄ 1 𝑇⁄ 𝑇 1 𝑇
= [𝑡]−𝑇2⁄ + 𝑠𝑖𝑛[2𝑛𝜔0 𝑡]−𝑇2⁄ = + [0] =
2 2 4𝑛𝜔0 2 2 4𝑛𝜔0 2

En utilisant les formulaires dessus, nous pouvons facilement déduire les suivantes :
Soit le théorème de Fourier suivant :
𝑛
𝑎0
𝑥(𝑡) = + ∑[𝑎𝑛 𝑐𝑜𝑠(𝑛𝜔0 𝑡) + 𝑏𝑛 𝑠𝑖𝑛(𝑛𝜔0 𝑡)]
2
𝑛=1
On a :
𝑇⁄
2
2
𝑎0 = ∫ 𝑥(𝑡)𝑑𝑡
𝑇
−𝑇⁄
2
𝑇⁄
2
2
𝑎𝑛 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡)𝑑𝑡, 1 ≤ 𝑛
𝑇
−𝑇⁄
2
𝑇⁄
2
2
𝑏𝑛 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑𝑡, 1 ≤ 𝑛
𝑇
{ −𝑇⁄
2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 18
 𝑎0
Il faut noter que le est une convention adopté pour que les formulaires des 𝑎0 , 𝑎𝑛 et 𝑏𝑛 soit
2
identiques. i. e.
𝜋
1
𝑎0 = ∫ 𝑥(𝑤𝑡)𝑑(𝜔𝑡)
𝜋
−𝜋
𝜋
1
𝑎𝑛 = ∫ 𝑥(𝜔𝑡)𝑐𝑜𝑠(𝑛𝜔𝑡)𝑑(𝜔𝑡), 1 ≤ 𝑛
𝜋
−𝜋
𝜋
1
𝑏𝑛 = ∫ 𝑥(𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔𝑡)𝑑(𝜔𝑡), 1 ≤ 𝑛
𝜋
{ −𝜋

5.4.7 Rappels sur les suites arithmétiques et géométriques

Ici nous allons rappeler les différents résultats sur les suites de nombres réels qui sont des
suites arithmétiques ou des suites géométriques Une suite est une « succession » de nombres
réels. Ces nombres réels sont les termes de la suite. Une suite doit avoir de nombre réels.

[Link] Suites Arithmétiques

Soit Un une suite, elle est une suite arithmétique si chaque terme s’obtient en ajoutant au
précédent un nombre réel constant r appelé raison.
𝑈𝑛+1 = 𝑈𝑛 + 𝑟, 𝑛 ∈ 𝑁
𝑈𝑛 = 𝑈0 + (𝑟 × 𝑛), 𝑎𝑣𝑒𝑐 𝑈0 𝑙𝑒 𝑝𝑟𝑒𝑚𝑖𝑒𝑟 𝑡𝑒𝑟𝑚𝑒 , 𝑛 ∈ 𝑁

On dire qu'une suite Un est croissante si pour tout entier n,

𝑈𝑛+1 ≥ 𝑈𝑛 . ⟹ 𝑈𝑛+1 − 𝑈𝑛 ≥ 0, 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒 𝑒𝑠𝑡 𝑐𝑟𝑜𝑖𝑠𝑠𝑎𝑛𝑡𝑒

Corollairement on dire qu'une suite (Un) est décroissante si pour tout entier n, Un+1 ≤ Un.
𝑈𝑛+1 ≥ 𝑈𝑛 . ⟹ 𝑈𝑛+1 − 𝑈𝑛 ≤ 0, 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒 𝑒𝑠𝑡 𝑑é𝑐𝑟𝑜𝑖𝑠𝑠𝑎𝑛𝑡𝑒
On peut facilement trouver que si la raison r :
𝒓 > 𝟎, 𝒂𝒍𝒐𝒓𝒔 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝒆𝒔𝒕 𝒄𝒓𝒐𝒊𝒔𝒔𝒂𝒏𝒕𝒆
𝒓 = 𝟎, 𝒂𝒍𝒐𝒓𝒔 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝒆𝒔𝒕 𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆
𝒓 < 𝟎, 𝒂𝒍𝒐𝒓𝒔 𝒍𝒂 𝒔𝒖𝒊𝒕𝒆 𝒆𝒔𝒕 𝒅é𝒄𝒓𝒐𝒊𝒔𝒔𝒂𝒏𝒕𝒆

[Link].1 La somme des termes consécutifs d’une suite Arithmétique

Soit une suite arithmétique Un, la somme des termes consécutifs la suite est :
𝑆 = 𝑈0 + 𝑈1 + 𝑈2 + 𝑈3 + ⋯ + 𝑈𝑛−1
𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒𝑠 𝑡𝑒𝑟𝑚𝑠(𝑝𝑟𝑒𝑚𝑖𝑒𝑟 𝑡𝑒𝑟𝑚𝑒 + 𝑑𝑒𝑟𝑛𝑖𝑒𝑟 𝑡𝑒𝑟𝑚𝑒)
𝑆=
2

(𝑛)(𝑈0 + 𝑈𝑛−1 )
𝑆= ,
2
Avec lé nième terme = (n-1)
Ou l’équation alternative est :
(2𝑈0 + (𝑛 − 1)𝑟)
𝑆= ,
2

[Link].2 Les nombres des termes d’une suite Arithmétique

𝑆 = 𝑈0 + 𝑈1 + 𝑈2 + 𝑈3 + ⋯ + 𝑈𝑛−1 ,

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 19
 𝑑𝑜𝑛𝑐 𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑡𝑒𝑟𝑚𝑒𝑠 = 𝑛
Avec le nième terme égale à :
𝑈𝑛−1
[Link] Suites géométriques
Soit Un une suite, elle est une suite géométrique si chaque terme s’obtient en multipliant au
précédent un nombre réel constant q appelé raison.
𝑈𝑛+1 = 𝑞 × 𝑈𝑛 = 𝑞 𝑛 𝑈0 , 𝑛∈𝑁

Soit q un nombre réel donné. Alors le sens de variation de la suite géométrique (qn) de raison
q et de premier terme 1 est donné par :
 La suite ( qn) est constante si et seulement si: q= 1.
 La suite (qn) est croissante si et seulement si: q > 1.
 La suite (qn) est décroissante si et seulement si: 0 < q < 1.
 La suite (qn) n'est ni croissante, ni décroissante si et seulement si: q < 0.

[Link] .1 la somme des termes consécutifs d’une suite géométrique

Soit une suite géométrique Un, la somme des termes consécutifs la suite est :
𝑆 = 𝑈0 + 𝑈1 + 𝑈2 + 𝑈3 + ⋯ + 𝑈𝑛−1
𝑝𝑟𝑒𝑚𝑖𝑒𝑟 𝑡𝑒𝑟𝑚𝑒 (1 − (𝑟𝑎𝑖𝑠𝑜𝑛)𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑡𝑒𝑟𝑚𝑒𝑠 )
𝑆=
(1 − 𝑟𝑎𝑖𝑠𝑜𝑛)
(1 − 𝑞 𝑛 )
𝑆 = 𝑈0
1−𝑞

[Link] .2 la convergence ou la somme d’une suite géométrique a infinie (n = ∞)

Soit q un nombre réel donné.
1°) Si q > 1, alors multiplier par un nombre supérieur à 1 correspond à un agrandissement.
Donc, les termes de la suite géométrique (qn) augmentent indéfiniment lorsque n tend vers +∞
et dépassent tout nombre choisi au départ à partir d'un certain rang. On écrit:
lim 𝑞 𝑛 = ∞
𝑛→∞

On dit que « la limite de qn lorsque n tend vers +∞, est égale à +∞ ».

2°) Si 0 < q < 1, alors multiplier par un nombre compris entre 0 et 1 correspond à une
réduction. Donc, les termes de la suite géométrique (qn) diminuent indéfiniment lorsque n
tend vers +∞. On dit que « la limite de qn lorsque n tend vers +∞, est égale à 0 ». On écrit :

lim 𝑞 𝑛 = 0
𝑛→∞

Dans ce cas la somme de la suite S quand n tend vers infinie est :

𝑈0
𝑆=
1−𝑞
Soit (Un) une suite de nombres réels.
 Si (Un) tend vers une limite finie, on dit qu'elle est convergente.
 Si (Un) tend vers l'infini ou n'admet pas de limite, on dit qu'elle est divergente.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 20
Exercices

1. Déterminer si les signaux ci-dessous sont les signaux soit à énergies finis, soit à
puissance finis ou soit non.
a) 𝑥(𝑡) = 𝑒 −𝛼𝑡 𝑢(𝑡), 𝑝𝑜𝑢𝑟 𝛼 > 𝑂
b) 𝑥(𝑡) = 𝐴𝑠𝑖𝑛(𝑤0 𝑡)
c) 𝑥(𝑡) = 𝑡𝑢(𝑡)
Solution
a) Comme le signal n’est pas périodique, on va chercher si le signal est à énergies finis
∞ ∞ ∞

𝐸𝑥 = ∫ |𝑥(𝑡)|2 𝑑𝑡 < +∞ = ∫ |𝑒 −𝛼𝑡 𝑢(𝑡)|2 𝑑𝑡 = ∫ 𝑒 −2𝛼𝑡 𝑑𝑡

−∞ −∞ −∞

Comme le signal est causal la formule ci-dessus devienne

∞
1 −2𝛼𝑡 ∞ 1 −∞ 1
𝐸𝑥 = ∫ 𝑒 −2𝛼𝑡 𝑑𝑡 = − [𝑒 ]0 = − (𝑒 − 𝑒 0 ) = <∞
2𝛼 2𝛼 2𝛼
0
Donc le signal x(t) est un signal à énergie finis.
b) Le signal x(t) est périodique donc nous pouvons trouver la puissance moyenne la
période:
2𝜋 2𝜋
𝜔0 = 2𝜋𝑓0 = → 𝑇0 =
𝑇0 𝜔0
1 𝑇⁄
Nous avons donc 𝑃𝑥 = lim 𝑇 ∫−𝑇⁄2 |𝑥(𝑡)|2 𝑑𝑡 < +∞
𝑇→∞ 2
𝑇⁄ 𝑇⁄
2 2
1 1
𝑃𝑥 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡 → 𝑃𝑥 = ∫ |𝐴𝑠𝑖𝑛(𝑤0 𝑡)|2 𝑑𝑡
𝑇→∞ 𝑇 𝑇
−𝑇⁄2 −𝑇⁄2
2𝜋⁄ 2𝜋⁄
𝜔0 𝜔0
1 𝜔0
= ∫ 𝐴2 𝑠𝑖𝑛2 (𝑤0 𝑡)𝑑𝑡 = ∫ 𝐴2 𝑠𝑖𝑛2 (𝑤0 𝑡)𝑑𝑡
𝑇0 2𝜋
0 0
2𝜋⁄ 2𝜋⁄
𝜔0 𝜔0
𝜔0 2 2
𝐴2 𝜔0
𝑃𝑥 = ∫ 𝐴 𝑠𝑖𝑛 (𝑤0 𝑡)𝑑𝑡 = ∫ (1 − cos(2𝜔0 𝑡))𝑑𝑡
2𝜋 4𝜋
0 0
2 2𝜋⁄
𝐴 𝜔0 sin(2𝜔0 𝑡) 𝐴2 𝜔0 2𝜋 𝜔0 𝐴2
= [𝑡 − ] = ( − 0) = <∞
4𝜋 2𝜔0 0
4𝜋 𝜔0 2
Donc le signal x(t) est un signal à puissance moyenne.
c) Le signal 𝑥(𝑡) = 𝑡𝑢(𝑡) est ni périodique ni transitoire donc on va appliquer les
formules pour savoir si il est à énergies finis ou à puissance moyenne. Il faut te
rappelé que le signal 𝑥(𝑡) = 𝑡𝑢(𝑡) et encore appelé le signal rampe.
𝑇⁄ 𝑇⁄ 𝑇⁄
2 2 2

𝐸𝑥 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡 = lim ∫ | 𝑡𝑢(𝑡)|2 𝑑𝑡 = lim ∫ 𝑡 2 𝑑𝑡

𝑇→∞ 𝑇→∞ 𝑇→∞
−𝑇⁄2 −𝑇⁄2 0
3
[𝑇⁄2]
= lim = +∞
𝑇→∞ 3

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 21
 𝑇⁄ 𝑇⁄ 𝑇⁄
2 2 2
1 1 1
𝑃𝑥 = lim ∫ |𝑥(𝑡)|2 𝑑𝑡 = lim ∫ | 𝑡𝑢(𝑡)|2 𝑑𝑡 = lim ∫ 𝑡 2 𝑑𝑡
𝑇→∞ 𝑇 𝑇→∞ 𝑇 𝑇→∞ 𝑇
−𝑇⁄2 −𝑇⁄2 0
3
1 [𝑇⁄2]
= lim = +∞
𝑇→∞ 𝑇 3
Donc le signal est ni énergétique ou ni puissance.
2. Déterminer si les signaux suivants sont périodiques ou apériodiques. Justifiée votre
réponse.
a) 𝑥1 (𝑡) = sin(6𝜋𝑡)
𝜋
b) 𝑥2 (𝑡) = 𝑐𝑜s ( 6𝜋𝑡 + 8 )
c) 𝑥3 (𝑡) = 𝑥1 (𝑡) + 𝑥2 (𝑡)

Solution
3. Calculer la somme de la suite suivante : 𝑆 = 4 + 4⁄3 + 4⁄9 + 4⁄27 + ⋯ + 4⁄729
Solution
On remarque que les dénominateurs sont des puissances de 3. Donc la somme de la suite est:
1 1 1 1
𝑆 = 4 + 4⁄3 + 4⁄9 + 4⁄27 + ⋯ + 4⁄729 = 4 (1 + + 2 + 3 + ⋯ + 6 )
3 3 3 3

1 1 1 1 1 0 1 1 1 2 1 3 1 6
S = 4 (1 + + 2 + 3 + ⋯ + 6 ) = 4 (( ) + ( ) + ( ) + ( ) + ⋯ + ( ) )
3 3 3 3 3 3 3 3 3
(1−𝑞 𝑛 )
Comme on il y a 7 termes la somme totale selon la formule est donc :𝑆 = 𝑈0 1−𝑞
7 2186
(1 − (1⁄3) ) (1 − 1⁄2187) (2187) 2186 × 3
𝑆=4 =4 =4 =4 = 5.997
(1 − 1⁄3) (1 − 1⁄3) 2
(3) 2187 × 2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 22
ELE2700 — Analyse des signaux Notes de cours Christian Cardinal, Yves Goussard,
Benoit Hamelin, Août 2006
Support de cours de Systèmes et Signaux : Partie · Essid Chaker
(1)
Wikipédia

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 23
TRAITEMENT DE SIGNAUX ANALOGIQUES

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 24
 Chapitre II
Série de Fourier

1. Introduction
La série de Fourier est beaucoup utilisé dans la théorie de signal. C’est un outil fondamental
pour analyser et reconstruire les signaux dans les télécommunications. Pour un signal complexe
périodique, on peut facilement retrouver la fréquence fondamentale et ses harmoniques grâce à
la série de Fourier. En réalité un signal avec une représentation temporelle utilise la théorie de
la série (mais aussi la transformée) de Fourier pour la représentation spectrale du même signal.

En télécommunications pour modéliser un signal temporel dans un network (réseau), c’est un

processus difficile car on rencontre les mixages des signaux qui traversent les différentes
chemins pour abouti à sa destination, c’est-à-dire la convolution, modulation, filtrages, etc. Un
utilisant la série (transformée) de Fourier, on réduire les techniques mathématiques aux
minimums pour les même processus.

Si le signal temporel est périodique, alors la décomposition de la série de Fourier est utilisée
pour donner le spectre (fréquentielle) du signal qu’est discret. Cependant, si le signal est
apériodique, c’est-à-dire non périodique, la transformée de Fourier est utilisée pour donner le
spectre du signal continu.

Un signal x(t) périodique de période T peut se décomposer sous la forme d'une somme de
fonctions sinusoïdales (cosinus et sinus), les harmoniques dont la fréquence est un multiple de
la fréquence fondamentale f0 = 1/T. C’est la décomposition en série de Fourier. Cette
décomposition constitue le lien entre la représentation temporelle et sa représentation
fréquentielle d’un signal.

 C (n ) e
jn0t
x(t)= 0
n 
Il n'y pas d'autres composantes, en considérant que la composante continue (pour n=0) fait
partie des harmoniques. L'amplitude complexe de chaque harmonique C(n 0 ) se calcule de la
manière suivante :
T
1 0  jn t
C(n0)=  x(t ) e 0 dt
T0 0
2.2 Décomposition en série Fourier
Soit une fonction périodique x(t) avec une période T0 peut être décomposée en série de Fourier
suivante-:

x(t )  C e
n
n
jnw0t

en coefficients complexes
Où 𝜔 = 2𝜋⁄𝑇 = 2𝜋𝑓0 la pulsation fondamentale et avec f0 la fréquence fondamentale
0
du signal, C0 le component DC de la harmoniques f0 et n la différence de phase.

Cette série peut être décomposée soit en forme trigonométrique où soit en forme complexe.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 25
Définition 1. Soit une fonction x(t) définie sur ℝ (nombre réel), périodique avec une période T
et continue par morceaux donc la sérié de Fourier de x(t) est la sérié:
∞
𝐴0
+ ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)+𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)) ⋯ (1)𝑓𝑜𝑟𝑚𝑒 𝑡𝑟𝑖𝑔𝑜𝑛𝑜𝑚é𝑡𝑟𝑖𝑞𝑢𝑒 )
2
𝑛→−∞
∞

∑ 𝐶𝑛 𝑒 𝑗2𝜋𝑛𝑓0 𝑡 ⋯ (𝑓𝑜𝑟𝑚𝑒 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡𝑖𝑒𝑙𝑙𝑒)

𝑛→−∞
avec t, An, Bn  ℝ , pour tout n dan ℕ (nombres naturels).
Ici on n’ait dire pas que la fonction x(t) est égale à sa sérié de Fourier. Mais on va parler en
peut plus sur les conditions pour que cette soit égal. Si l’équation (1) converge, donc nous
pouvons dire que la somme de la sérié est une fonction périodique x(t) de période T.
𝑥(𝑡) = 𝑥(𝑡 + 𝑇)

Quel que soit la forme, la valeur de composants Cn qu’est le coefficient de Fourier de la

composition est calculé de la manière suivante :
t T
1 0 0
Cn 
T0 t0 x(t )e  jnw0t dt

Si t0 = -T0/2 donc Cn dévient

T0
1 2
Cn 
T0 T x(t )e  jnw0 t dt
 0
2
Si la valeur de n = 0, alors :

T
t0  0
2
C0 
T0  x(t )dt
t0

Mais sur la forme trigonométrique, la valeur de Cn = A 2

n 
 Bn2 avec
t0 T0
2
An 
T0  x(t ) cos w tdt
t 0
n

t0 T0
2
Bn  
T0  x(t ) sin w tdt
t 0
n

 n  tan 1  Bn A 
 n

Les paragraphes suivantes va nous donner comment on obtient les coefficients des composantes
des spectres.

2.2.1 Conditions pour la fonction x(t) pour que la série de Fourier convergeant vers x(t)
Nous pouvons maintenant vérifier si la série de Fourier associé à x(t) convergent). Si oui, on va
aussi vérifier si sa convergence vers x(t). Pour arriver à faire une conclusion, nous serons appel
au théorème qui donne les conditions suffisantes pour que la fonction x(t) soit égale à la sérié
de Fourier trigonométrique (1).

Définition 2 : Une fonction x(t) admet une discontinuité de première espèce en un point t0 si
les limites à droite et à gauche de t0 existent.
Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 26
Théorème de Dirichlet
Soit x(t) une fonction réelle ℝ périodique de période T = 2π satisfaisant aux conditions
suivantes (appelées conditions de Dirichlet) :
 Les discontinuités de x(t) (si elles existent) sont de première espèce et sont en
nombre fini dans tout intervalle fini.
 x(t) admet en tout point une dérivée à droite et une dérivée à gauche.

Pour ces conditions la série de Fourier associée à x(t) est convergente vers x(t) et on a :
∞
𝐴0
+ ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)+𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡))
2
𝑛→−∞
𝑥(𝑡) 𝑠𝑖 𝑥(𝑡)𝑒𝑠𝑡 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒 𝑒𝑛 𝑡 (𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 1)
= {𝑥(𝑡 + 0) + 𝑥(𝑡 − 0)
, 𝑠𝑖 𝑠(𝑡)𝑒𝑠𝑡 𝑑𝑖𝑠𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒 𝑒𝑛 𝑡(𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 2)
2

Preuve de la discontinuité par exemple

Exemple : Trouver les coefficients de Fourier et la série de Fourier de la figure ci-dessous
définir comme suit :
0 , 𝑠𝑖 − 𝑇⁄2 ≤ 𝑡 < 0
𝑥(𝑡) { 𝑒𝑡 𝑥(𝑡) = 𝑥(𝑡 + 𝑇)
1, 𝑠𝑖 0 ≤ 𝑡 < 𝑇⁄2

Solution
2 𝑇
Selon équation 𝐴0 = 𝑇 ∫0 0 𝑥(𝑡) 𝑑𝑡, on a :
0

𝑇0 0 𝑇 ⁄2
2 2 2 ⁄
𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡 = [ ∫ 0𝑑𝑡 + ∫ 1𝑑𝑡 ] = [0 + [𝑡]𝑇0 2 ] = 1
𝑇0 𝑇0 𝑇
0 −𝑇 ⁄2 0
Donc
𝐴0 1
=
2 2
Pour n ≥ 1 on a :
𝑇0 0 𝑇0 ⁄2
2 2
𝐴𝑛 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 = [ ∫ 0 ∙ 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 + ∫ 1 ∙ 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑𝑡]
𝑇0 𝑇0
0 −𝑇𝑇0 ⁄2 0
2 [sin(2𝜋𝑛𝑓0 𝑇)]𝑇0 ⁄2 1
= 0+ = [sin(𝜋𝑛) − 0] = 0, ∀𝑛 ∈ 𝑁
𝑇0 2𝜋𝑛𝑓 4𝜋𝑛𝑓0 𝑇0
𝑇0 0 𝑇 ⁄2
2 2
𝐵𝑛 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 = [ ∫ 0 ∙ 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 + ∫ 1 ∙ 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑𝑡]
𝑇0 𝑇0
0 −𝑇 ⁄2 0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 27
 ⁄2
2 [cos(2𝜋𝑛𝑓0 𝑇)]𝑇0 1 1
=0− =− [cos(𝜋𝑛) − 1] = − [(−1)𝑛 − 1]
𝑇0 2𝜋𝑛𝑓0 4𝜋𝑛𝑓0 𝑇0 4𝜋𝑛𝑓0 𝑇0
où
1
𝑓0 = → 𝑓0 𝑇0 = 1
𝑇0

La valeur de Bn dépend maintenant si n est paire ou impaire

0, 𝑠𝑖 𝑛 𝑒𝑠𝑡 𝑝𝑎𝑖𝑟𝑒
𝐵𝑛 = { 1
, 𝑠𝑖 𝑛 𝑒𝑠𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒
2𝜋𝑛
Donc la série de Fourier est alors :
∞ ∞
𝐴0 𝐴0
+ ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)+𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)) = + ∑ (𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡))
2 2
𝑛→−∞ 𝑛→−∞
1 1 1 1 1
+ 𝑠𝑖𝑛(2𝜋𝑓0 𝑡) + 𝑠𝑖𝑛(6𝜋𝑓0 𝑡) + 𝑠𝑖𝑛(10𝜋𝑓0 𝑡) + 𝑠𝑖𝑛(14𝜋𝑓0 𝑡) + ⋯
2 2𝜋 6𝜋 10𝜋 14𝜋
Nous pouvons réécrire la solution sur la forme un peu facile. Si nous prenons n=2k-1, on a :
∞
1 1
+∑ 𝑠𝑖𝑛(2𝜋𝑓0 (2𝑘 − 1)𝑡)
2 2𝜋(2𝑘 − 1)
𝑘=1

Maintenant si nous appliquons le théorème de Dirichlet concernant la discontinuité, dans la

figure on observe que :
𝑥(0+ ) = lim+ 𝑥(𝑡) = 1, 𝑒𝑡 𝑥(0− ) = lim− 𝑥(𝑡) = 0,
𝑡→0 𝑡→0
Selon le théorème de la discontinuité qu’est
𝑥(𝑡 + 0) + 𝑥(𝑡 − 0) lim+ 𝑥(𝑡) + lim− 𝑥(𝑡) 1+0 1
𝑡→0
⟹ 𝑡→0 = +
2 2 2 2
Le théorème de Dirichlet (la convergence) est justifié:
∞ 𝑇
1 1 𝑥(𝑡), 𝑠𝑖 𝑡 ≠ 𝑛 0⁄2
+∑ 𝑠𝑖𝑛(2𝜋𝑓0 (2𝑘 − 1)𝑡) { 1
2 2𝜋(2𝑘 − 1) 𝑇
𝑘=1 , 𝑠𝑖 𝑡 = 𝑛 0⁄2
2

2.2.2 Décomposition en série Fourier sur la forme trigonométrie

Nous pouvons trouver la formule générale de la série de Fourier trigonométrique en utilisant la
forme trigonométrie comme suit,
∞ ∞
𝑗2𝜋𝑛𝑓0 𝑡
𝐴0
𝑥(𝑡) = ∑ 𝐶𝑛 𝑒 = + ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)+𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)) ⋯ (1)
2
𝑛→−∞ 𝑛→−∞

Nous pouvons réécrire l’équation ci-dessus suivante :

𝐴0
+ 𝐴1 𝑐𝑜𝑠(2𝜋𝑓0 𝑡) + 𝐴2 𝑐𝑜𝑠(4𝜋𝑓0 𝑡) + 𝐴3 𝑐𝑜𝑠(6𝜋𝑓0 𝑡) + ⋯
𝑥(𝑡) = { 2 (2)
+𝐵1 𝑠𝑖𝑛(2𝜋𝑓0 𝑡) + 𝐵2 𝑠𝑖𝑛(4𝜋𝑓0 𝑡) + 𝐵3 𝑠𝑖𝑛(6𝜋𝑓0 𝑡) + ⋯

[Link] Détermination des coefficients de la série de Fourier

Pour déterminer les coefficients de la série de Fourier, on doit faire appel à des propriétés
mathématiques dans le chapitre précédent à savoir :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 28
 t0 T0
2 1, m  n
T0 
t0
x(t ) cos mt cos ntdt  
0 , m  n
t0 T0
2 1, m  n
T0 
t0
x(t ) sin mt sin ndt  
0 , m  n
t0 T0
2
T0  x(t ) cos mt sin ndt  0,  m
t0
et n

Si nous multiplions l’équation (2) ci-dessus par cos(nwt) et en intégrant sur une période on
a le suivant selon les rappels mathématiques :

𝑇0

∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡) 𝑑𝑡
0
𝑇0 𝑇0
𝐴0
=∫ 𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ∫ 𝐴1 𝑐𝑜𝑠(2𝜋𝑓0 𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡)𝑑𝑡
2
0 0
𝑇0 𝑇0

+ ∫ 𝐴2 𝑐𝑜𝑠(4𝜋𝑓0 𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ⋯ + ∫ 𝐴1 𝑐𝑜𝑠 2 (2𝜋𝑛𝑓𝑡)𝑑𝑡 + ⋯

0 0
𝑇0 𝑇0

+ ∫ 𝐵1 𝑠𝑖𝑛(2𝜋𝑓0 𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ∫ 𝐵2 𝑠𝑖𝑛(4𝜋𝑓0 𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ⋯

0 0
𝑇0

+ ∫ 𝐵2 𝑠𝑖𝑛2 (2𝜋𝑛𝑓𝑡)𝑑𝑡} … . . (3)

0
L’intégral définie sur une période, d’équation (3) devient :
𝑇0 𝑇0
𝜋
∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡) 𝑑𝑡 = ∫ 𝐴𝑛 𝑐𝑜𝑠 2 (2𝜋𝑛𝑓𝑡)𝑑𝑡 = 𝐴𝑛
2𝜋𝑓0
0 0

2𝜋𝑓0 𝑇0
⟹ 𝐴𝑛 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡) 𝑑𝑡
𝜋 0
𝑇0
2
= ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 𝑎𝑣𝑒𝑐 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑇0 ⋯ (2𝑎) 𝑜ù
𝑇0
0
𝐴𝑛 2𝜋
⋯ ⋯ (4)
1
= ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡) 𝑎𝑣𝑒𝑐 𝑙 ′ 𝑎𝑛𝑔𝑙𝑒 ⋯ (2𝑏)
𝜋
{ 0 }

Parce que les rappels mathématiques nous dire que les autres termes égalent à zéro.

En autre si nous multiplions équation (0) par sin (nwt) et en intégrant sur une période comme
ci-dessus on trouve

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 29
 2𝜋𝑓0 𝑇0
⟹ 𝐵𝑛 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡) 𝑑𝑡
𝜋 0
𝑇0
2
= ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 𝑎𝑣𝑒𝑐 𝑙𝑎 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑇0 ⋯ (2𝑎) 𝑜ù
𝑇0
0
𝐵𝑛 2𝜋
⋯ ⋯ (5)
1
= ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡) 𝑎𝑣𝑒𝑐 𝑙 ′ 𝑎𝑛𝑔𝑙𝑒 ⋯ (3𝑏)
𝜋
{ 0 }
Nous pouvons aussi réécrire l’équation (0) comme suit,
𝑥(𝑡) = 𝐶0 + 𝐶1 𝑐𝑜𝑠(2𝜋𝑓0 𝑡 + 𝜙1 ) + 𝐶2 𝑐𝑜𝑠(4𝜋𝑓0 𝑡 + 𝜙2 ) + ⋯
𝑛 𝑛
𝐴0 𝐴0
𝑥(𝑡) = + ∑ 𝐶𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡 + 𝜙𝑛 ) 𝑜𝑢 + ∑ 𝐶𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡 − 𝜑𝑛 )
2 2
𝑖=0 𝑖=0

avec
𝐵𝑛 𝐴
𝐶𝑛 = √𝐴2𝑛 + 𝐵𝑛2, 𝜙𝑛 = tan−1 ( ⁄𝐴 ) et 𝜑𝑛 = tan−1 ( 𝑛⁄𝐵 ) ⋯ ⋯ (6)
𝑛 𝑛

[Link] le calcul de A0 est le suivant :

Selon équation (1) on avait :
𝑇0

∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡) 𝑑𝑡
0
𝑇0 𝑇0
𝐴0
=∫ 𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ∫ 𝐴1 𝑐𝑜𝑠(2𝜋𝑓0 𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡)𝑑𝑡
2
0 0
𝑇0 𝑇0

+ ∫ 𝐴2 𝑐𝑜𝑠(4𝜋𝑓0 𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ⋯ + ∫ 𝐴1 𝑐𝑜𝑠 2 (2𝜋𝑛𝑓𝑡)𝑑𝑡 + ⋯

0 0
𝑇0 𝑇0

+ ∫ 𝐵1 𝑠𝑖𝑛(2𝜋𝑓0 𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ∫ 𝐵2 𝑠𝑖𝑛(4𝜋𝑓0 𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓𝑡)𝑑𝑡 + ⋯

0 0
𝑇0

+ ∫ 𝐵2 𝑠𝑖𝑛2 (2𝜋𝑛𝑓𝑡)𝑑𝑡}
0

Si n = 0, on a :
𝑇0 𝑇0 𝑇0
𝐴0 𝐴0 𝑇0
∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓𝑡) 𝑑𝑡 = ∫ 𝑑𝑡 ⟹ ∫ 𝑥(𝑡) 𝑑𝑡 = [𝑡]0
2 2
0 0 0

𝑇0 𝑇0
𝐴0 𝑇0 2
⟹ = ∫ 𝑥(𝑡) 𝑑𝑡 ⟹ 𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡 ⋯ (7)
2 𝑇0
0 0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 30
Donc les coefficients de la série de Fourier sont les suivantes :

En une période T0 on a :
𝑇0
2
𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡
𝑇0
0

𝑇0
2
𝐴𝑛 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑𝑡
𝑇0
0

𝑇0
2
𝐵𝑛 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑𝑡
𝑇0
0

En angle on a :
2𝜋
1
𝐴0 = ∫ 𝑥(𝑡) 𝑑(𝜔𝑡)
𝜋
0

2𝜋
1
𝐴𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡)
𝜋
0

2𝜋
1
𝐵𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡)
𝜋
0

Il faut rappeler que les équations ci-dessus sont identiques soif à la sinusoïde près. C’est la
𝐴0
raison pour laquelle le premier terme de la série de Fourier est égal à . Le 2 est donc pour
2
faciliter les équations homogènes. C’est pour cette raison que dans autres livres le premier
terme n’est pas divisé par le 2.

Remarque : il faut rappeler que comme les fonctions sont périodiques T0 (2π), on peut
calculer les intégrales sur n’importe quel intervalle T0.

2.2.3 Décomposition en série Fourier sur la forme complexe

La décomposition une fonction en série de Fourier complexe est une expansion d’équation (0)
en utilisant les formules d’Euler pour la forme trigonométrique. L’équation peut donc s’écrire
en utilisant Euler sur la forme complexe. Selon les relations d’Euler :
𝑒 𝑗2𝜋𝑛𝑓0 + 𝑒 −𝑗𝜋𝑛𝑓0 𝑒 𝑗2𝜋𝑛𝑓0 − 𝑒 −𝑗𝜋𝑛𝑓0
𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡) = 𝑒𝑡 𝑠𝑖𝑛(2𝜋𝑓0 𝑡) =
2 2𝑗

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 31
 𝐴
𝑥(𝑡) = 20 + 𝐴1 𝑐𝑜𝑠(2𝜋𝑓0 𝑡) + 𝐴2 𝑐𝑜𝑠(4𝜋𝑓0 𝑡) + 𝐴3 𝑐𝑜𝑠(6𝜋𝑓0 𝑡) + ⋯ + 𝐵1 𝑠𝑖𝑛(2𝜋𝑓0 𝑡) +
𝐵2 𝑠𝑖𝑛(4𝜋𝑓0 𝑡) + 𝐵3 𝑠𝑖𝑛(6𝜋𝑓0 𝑡) + ⋯

L’équation (0) ci-dessus devient comme suit :

𝐴2 𝐵2 𝐴1 𝐵1 𝐴0 𝐴1 𝐵1
𝑥(𝑡) = ⋯ + ( − ) 𝑒 −𝑗4𝜋𝑓𝑡 + ( − ) 𝑒 −𝑗2𝜋𝑓𝑡 + + ( + ) 𝑒 𝑗2𝜋𝑓𝑡
2 2𝑗 2 2𝑗 2 2 2𝑗
𝐴2 𝐵2
+ ( + ) 𝑒 𝑗4𝜋𝑓𝑡 + ⋯
2 2𝑗

𝑎𝑛 = 1⁄2 (𝐴𝑛 − 𝑗𝐵𝑛 ) 𝑒𝑡 𝑎−𝑛 = 1⁄2 (𝐴𝑛 + 𝑗𝐵𝑛 )……….(8)

𝑎0
𝑥(𝑡) = ⋯ + 𝑎−2 𝑒 −𝑗4𝜋𝑓𝑡 + 𝑎−1 𝑒 −2𝜋𝑓𝑡 + + 𝑎1 𝑒 𝑗2𝜋𝑓𝑡 + 𝑎2 𝑒 𝑗4𝜋𝑡 + ⋯…….. (9)
2

Si nous multiplions par e-j2πnft et en intégrant sur une période on trouve :

𝑇

∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡
0
𝑇 𝑇
−𝑗4𝜋𝑓𝑡 −𝑗2𝜋𝑛𝑓𝑡
= ⋯ + ∫ 𝑎−2 𝑒 𝑒 𝑑𝑡 + ∫ 𝑎−1 𝑒 −𝑗2𝜋𝑓𝑡 𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡
0 0
𝑇 𝑇 𝑇

+ ∫ 𝑎0 𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡 + ∫ 𝑎1 𝑒 𝑗2𝜋𝑓𝑡 𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡 + ⋯ + ∫ 𝑎𝑛 𝑒 𝑗2𝜋𝑛𝑓𝑡 𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡

0 0 0

L’intégrant définie de l’équation ci-dessus on trouve alors

𝑇 𝑇 𝑇
1
∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡 = 𝑎𝑛 [𝑡]𝑇0 = 𝑎𝑛 𝑇 ⟹ 𝑎𝑛 𝑇 = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡 = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡
𝑇
0 0 0

𝑇 𝑇
−𝑗2𝜋𝑛𝑓𝑡
1
⟹ 𝑎𝑛 𝑇 = ∫ 𝑥(𝑡)𝑒 𝑑𝑡 = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡
𝑇
0 0

2𝜋
1
= ∫ 𝑥(𝑤𝑡)𝑒 −𝑗𝑛𝑤𝑡 𝑑(𝑤𝑡) 𝑜ù
2𝜋
0
𝑎𝑛 𝑇 ⋯ ⋯ ⋯ (10)
1
= ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑛𝑓𝑡 𝑑𝑡
𝑇
{ 0 }

Ici a0 est inchangé comme dans la forme trigonométrique comme suit :

𝑇0 2𝜋
2 1
𝑎0 = 𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡 𝑜𝑢 = ∫ 𝑥(𝜔𝑡) 𝑑(𝜔𝑡)
𝑇0 𝜋
0 0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 32
2.3. Séries de Fourier des fonctions paires ou impaires
La décomposition une fonction en sérié de Fourier est un laborieux processus pour trouvent les
coefficients de Fourier tel que A0, An, et Bn. Si nous pouvons trouver les informations sur le
signal avant l’intégration pour réduire ces calculs ça sera l’avantage pour nous.

Soit une fonction x(t) définie sur l’intervalle de T/2 a −T/2 (π, -π). Cette fonction est dite paire
et si seulement si :
𝑥(𝑡) = 𝑥(−𝑡)ℎ𝑦𝑝𝑜𝑡ℎè𝑠𝑒 ⋯ (1)
Autrement dire, la fonction est paire si la réflexion du diagramme sur l’axe y n’est change
pas.
Corollairement, elle est impaire si :
𝑥(𝑡) = −𝑥(−𝑡), ℎ𝑦𝑝𝑜𝑡ℎè𝑠𝑒 ⋯ (2)
Il est à noter que la sérié de Fourier contient les sommes tandis que l’équation intégrale des
coefficients de Fourier An et Bn contient les produits tel que 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡) et
𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡).

Il sera judicieux de trouver donc les résultats pour les sommes et produits d’une fonction.

i. Soit p(t) est une fonction impaire et q(t) est une fonction paire. Nous pouvons faire ces
analyses suivantes :
𝑥1 (𝑡) = 𝑝(𝑡)𝑞(𝑡), (𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑑𝑒𝑠 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑠 𝑝𝑎𝑖𝑟𝑒 𝑒𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒
donc
= 𝑝(−𝑡)𝑞(−𝑡), (𝑒𝑛 𝑟𝑒𝑝𝑙𝑎ç𝑎𝑛𝑡 𝑡 𝑝𝑎𝑟 − 𝑡
= (−𝑝(𝑡))(𝑞(𝑡), ( 𝑐𝑜𝑚𝑚𝑒 𝑝(𝑡)𝑒𝑠𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 𝑒𝑡 𝑞(𝑡)𝑝𝑎𝑖𝑟𝑒 )
𝑥1 (−𝑡)
= −𝑝(𝑡)𝑞(𝑡)
{= −𝑥1 (𝑡)
Selon l’hypothèse (2) 𝑥(𝑡) = 𝑥(−𝑡) donc :
𝒙𝟏 (𝒕)𝒆𝒔𝒕 𝒊𝒎𝒑𝒂𝒊𝒓𝒆
Par contre si on a :
𝑥2 (𝑡) = 𝑝(𝑡) + 𝑞(𝑡), (𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑠 𝑝𝑎𝑖𝑟𝑒 𝑒𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒
= 𝑝(−𝑡) + 𝑞(−𝑡), (𝑒𝑛 𝑟𝑒𝑝𝑙𝑎ç𝑎𝑛𝑡 𝑡 𝑝𝑎𝑟 − 𝑡
= (−𝑝(𝑡)) + (𝑞(𝑡), ( 𝑐𝑜𝑚𝑚𝑒 𝑝(𝑡)𝑒𝑠𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 𝑒𝑡 𝑞(𝑡)𝑝𝑎𝑖𝑟𝑒 )
𝑥2 (−𝑡)
= −𝑝(𝑡) + 𝑞(𝑡)
{
Ici nous trouvons que
𝑥2 (−𝑡) ≠ 𝑥2 (𝑡)
𝑥2 (−𝑡) ≠ −𝑥2 (𝑡)
Donc
𝒙𝟐 (𝒕) 𝒆𝒔𝒕 𝒏𝒊 𝒑𝒂𝒊𝒓𝒆 𝒏𝒊 𝒊𝒎𝒑𝒂𝒊𝒓𝒆
Nous pouvons continuer avec les autres analyses suivantes :
ii. Soit p1(t) et p2(t) les fonctions impaire. Nous pouvons faire ces analyses suivantes :
𝑥2 (𝑡) = 𝑝1 (𝑡)𝑝2 (𝑡), (𝑙𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑑𝑒𝑠 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑠 𝑖𝑚𝑝𝑎𝑖𝑟𝑒𝑠
= 𝑝1 (−𝑡)𝑝2 (−𝑡), (𝑒𝑛 𝑟𝑒𝑝𝑙𝑎ç𝑎𝑛𝑡 𝑡 𝑝𝑎𝑟 − 𝑡
= (−𝑝1 (𝑡))(−(𝑝2 (𝑡)), ( 𝑐𝑜𝑚𝑚𝑒 𝑝(𝑡)𝑒𝑠𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 𝑒𝑡 𝑞(𝑡)𝑝𝑎𝑖𝑟𝑒 )
𝑥2 (−𝑡)
= −𝑝1 (𝑡) − 𝑝2 (𝑡)
{ = 𝑥2 (𝑡)
Donc le produit des fonctions impaires est:
𝒙𝟐 (𝒕) = 𝒑𝒂𝒊𝒓𝒆

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 33
Par contre si on a :
𝑥2 (𝑡) = 𝑝1 (𝑡) + 𝑝2 (𝑡), (𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑠 𝑝𝑎𝑖𝑟𝑒 𝑒𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒
= 𝑝1 (−𝑡) + 𝑝2 (−𝑡), (𝑒𝑛 𝑟𝑒𝑝𝑙𝑎ç𝑎𝑛𝑡 𝑡 𝑝𝑎𝑟 − 𝑡
= (−𝑝1 (𝑡)) − (𝑝2 (𝑡), ( 𝑐𝑜𝑚𝑚𝑒 𝑝1 (𝑡) 𝑒𝑡 𝑝2 (𝑡) 𝑠𝑜𝑛𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 )
𝑥2 (−𝑡)
= −𝑝1 (𝑡) − 𝑝2 (𝑡)
{ = −𝑥2 (𝑡)
Donc la somme des fonctions impaires est :
𝒙𝟐 (𝒕) = impaire

iii. Soit q1(t) et q2(t) les fonctions paire. Nous pouvons aussi faire ces analyses :
suivantes :
𝑥3 (𝑡) = 𝑞1 (𝑡)𝑞2 (𝑡), (𝑙𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑑𝑒𝑠 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑠 𝑝𝑎𝑖𝑟𝑒𝑠
= 𝑞1 (−𝑡)𝑞2 (−𝑡), (𝑒𝑛 𝑟𝑒𝑝𝑙𝑎ç𝑎𝑛𝑡 𝑡 𝑝𝑎𝑟 − 𝑡
= 𝑞1 (𝑡)𝑞2 (𝑡), ( 𝑐𝑜𝑚𝑚𝑒𝑞1 (𝑡) 𝑒𝑡 𝑞2 (𝑡) 𝑠𝑜𝑛𝑡 𝑝𝑎𝑖𝑟𝑒𝑠
𝑥3 (−𝑡)
= (𝑞1 (𝑡))(𝑞2 (𝑡)
{ = 𝑥3 (𝑡)
Corollairement
𝑥4 (𝑡) = 𝑞1 (𝑡) + 𝑞2 (𝑡), (𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑠 𝑝𝑎𝑖𝑟𝑒 𝑒𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒
= 𝑞1 (−𝑡) + 𝑞2 (−𝑡) (𝑒𝑛 𝑟𝑒𝑝𝑙𝑎ç𝑎𝑛𝑡 𝑡 𝑝𝑎𝑟 − 𝑡
= (𝑞1 (𝑡)) + 𝑞2 (𝑡), ( 𝑐𝑜𝑚𝑚𝑒 𝑝1 (𝑡) 𝑒𝑡 𝑝2 (𝑡) 𝑠𝑜𝑛𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 )
𝑥4 (−𝑡)
= 𝑞1 (𝑡)𝑞2 (𝑡)
{= −𝑥4 (𝑡)
Donc la somme et le produit des fonctions paires sont pairs :
𝒙𝟑 (𝒕) 𝒆𝒕 𝒙𝟒 (𝒕) = 𝒑𝒂𝒊𝒓𝒔

Nous pouvons faire la recapitalisation sur les fonctions paires et impaires sur le tableau
suivant :

Type de fonction 1 Forme arithmétiques Type de fonction 2 Résultat

Paire Multiplication Paire Paire

Produit Paire Multiplication Impaire Impaire

Impaire Multiplication Impaire Paire

Paire Somme Paire Paire

Somme Paire Somme Impaire Ni paire, ni impaire

Impaire Somme Impaire Impaire

Mais il faut rappelée que toute fonction peut être écrite sur la forme d’une somme de fonction
paire et d’une fonction impaire.
∞
𝐴0
𝑥(𝑡) = + ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)+𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡))
2
𝑛→−∞
avec les termes 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡) les paires et les termes 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡) les impaires.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 34
Nous pouvons traces les deux fonctions ci-dessus

(a) 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)

(b) 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)
Les deux figures ci-dessus démontre que en (a) la courbe a les mêmes valeurs a x(π) et a x(-
π).
𝑥(𝜋) = 𝑥(−𝜋) = 1

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 35
En (b) la courbe nous donne les valeurs différentes a x(π/2) ≠ x(-π/2) :
𝑥(𝜋⁄2) = −𝑥(−𝜋⁄2)
Donc la figure (a) est paire alors que la figure (b) est impaire.
Celle – ci nous réduire énormément les calculs pour le développement en série de Fourier une
fonction périodique.

Séries de Fourier des fonctions paires (symétrique)

Soit x(t) est une fonction paire de période T0, le développement en série de Fourier contient que
les termes en cosinus. Il faut rappeler que la somme d’une fonction paire est une fonction paire
donc il est même normal de voir que les termes en cosinus pour le développement en série de
Fourier d’une fonction paire. Aussi la surface dans une fonction paire est un multiple de deux.

Nous pouvons alors écrire l’équation ci-dessus la suivante :

∞ ∞
𝐴0 𝐴0
𝑥(𝑡) = + ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)+𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)) = + ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡))
2 2
𝑛→−∞ 𝑛→−∞
𝐴0
Ici dessus la constante est aussi considéré paire car le terme est sur la forme complète comme
2
suit :
𝐴0 𝐴0 𝐴0 𝐴0
= 𝑐𝑜𝑠(2𝜋′0′𝑓0 𝑡) = 𝑐𝑜𝑠(0) =
2 2 2 2

2.3.1 Pour prouver cette hypothèse, l’exemple ci-dessous va nous éclairer.

Exemple (). Soit une fonction périodique x(wt) de période 2π définie comme dans la figure
ci-dessus. Trouver les coefficients des Fourier de cette fonction.

Solution

Nous pouvons commencer en regardant la fonction pour déduire la formule dans chaque
intervalle. Prenons une période de –π à π, on a deux (2) intervalles : de (-π à 0) et de (0 à π).
On trouve facilement que pour intervalle (-π à 0) on a:
3
(𝑎) ⋯ 𝑥(𝜔𝑡) = − (𝜔𝑡), (−𝜋; 0)
𝜋
et pour intervalle (0 à π) on a :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 36
 3
(𝑏) ⋯ (𝜔𝑡) = (𝜔𝑡), (0; 𝜋)
𝜋
Donc les coefficients sont :
𝑇0 2𝜋
2 1
𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡 𝑜𝑢 = ∫ 𝑥(𝜔𝑡) 𝑑(𝜔𝑡)
𝑇0 𝜋
0 0

Comme pour faciliter les calculs on utilise le deuxième terme ci-dessus

2𝜋 0 𝜋
1 1 3 3
𝐴0 = ∫ 𝑥(𝜔𝑡) 𝑑(𝜔𝑡) = [ ∫ − (𝜔𝑡)𝑑(𝜔𝑡) + ∫ (𝜔𝑡)𝑑(𝜔𝑡)]
𝜋 𝜋 𝜋 𝜋
0 −𝜋 0

0 𝜋
1 3 3
𝐴0 = [ ∫ − (𝜔𝑡)𝑑(𝜔𝑡) + ∫ (𝜔𝑡)𝑑(𝜔𝑡)]
𝜋 𝜋 𝜋
−𝜋 0

Le premier terme de droit est exactement avec le deuxième terme mais en différent du signé.
Donc nous pouvons réécrire l’équation ci-dessus suivante :

à 𝑛𝑜𝑡𝑒𝑟 𝑛𝑜𝑡𝑒𝑟 𝑙𝑒𝑠 𝑏𝑜𝑟𝑛𝑒𝑠

𝜋 𝜋 𝜋⏞
1 3 3 ⏞
2 3
= − ∫ − (𝜔𝑡)𝑑(𝜔𝑡) + ∫ (𝜔𝑡)𝑑(𝜔𝑡) ⟹ 𝐴0 = ∫ (𝜔𝑡)𝑑(𝜔𝑡)
𝜋 𝜋 𝜋 𝜋 𝜋
⏟
0 0 0
𝐴0 [ ]
𝑟𝑒𝑔𝑎𝑟𝑑𝑒𝑟 𝑙𝑒 𝑐ℎ𝑎𝑛𝑔𝑒𝑚𝑒𝑛𝑡
[ 𝑑𝑢 𝑠𝑖𝑔𝑛𝑒 ]
6 3
= 2 [(𝜔𝑡)2 ]𝜋0 = 2 𝜋 2
2𝜋 𝜋
{= 3

Les autres coefficients sont

2𝜋 𝜋
1 2 3
= ∫ 𝑥(𝜔0 𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡)𝑑(𝜔𝑡) = [∫ (𝜔𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)]
𝜋 𝜋 𝜋
0 0
𝜋 𝜋
𝐴𝑛 6 −[(𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)] 1
= 2
[ − 2 ∫ −𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)]
𝜋 𝑛 0 𝑛
0
6 6 6
= [𝑐𝑜𝑠(𝑛𝜔0 )]𝜋0 = (𝑐𝑜𝑠(𝑛𝜋) − 1) = ((−1)𝑛 − 1)
{ (𝑛𝜋) 2 (𝑛𝜋) 2 (𝑛𝜋)2

Donc :

0, 𝑠𝑖 𝒏 𝑒𝑠𝑡 𝑝𝑎𝑖𝑟𝑒
𝐴𝑛 = { 12
− 2 2, 𝑠𝑖 𝒏 𝑒𝑠𝑡 𝑖𝑚𝑝𝑎𝑖𝑟𝑒
𝑛 𝜋

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 37
 2𝜋
1
𝐵𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)
𝜋
0
0 𝜋
1 3 3
= [ ∫ − (𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡) + ∫ (𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)] = 0,
𝜋 𝜋 𝜋
−𝜋 0

0
1 3
𝐵𝑛 = [ ∫ − (𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)
𝜋 𝜋
−𝜋
𝜋
3
+ ∫ (𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)] 𝑝𝑎𝑖𝑟𝑒 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑒𝑟 𝑝𝑎𝑟 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 = 0
𝜋
0

Nous pouvons maintenant conclu que :

Pour une fonction paire les coefficients de la sérié Fourier sont les suivantes :
𝑇0⁄
2
4
𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡
𝑇0
0

𝑇0⁄
2
4
𝐴𝑛 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑𝑡
𝑇0
0

𝑇0
2
𝐵𝑛 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 = 0
𝑇0
0

Ou
𝜋
2
𝐴0 = ∫ 𝑥(𝑡) 𝑑(𝜔𝑡)
𝜋
0

𝜋
2
𝐴𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡)
𝜋
0

2𝜋
1
𝐵𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡) = 0
𝜋
0

2.3.2 Séries de Fourier des fonctions impaires (antisymétrique)

Soit x(t) est une fonction impaire de période T0, corollairement, le développement en série de
Fourier contient que les termes en sinus. La somme d’une fonction impaire est une fonction

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 38
 𝐴0
impaire. Ici la constante n’existe pas cas les surfaces s’annules. Mais le coefficient Bn est
2
aussi multiplier par deux.

Nous pouvons alors écrire l’équation ci-dessus la suivante :

∞ ∞
𝐴0
𝑥(𝑡) = + ∑ (𝐴𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)+𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)) = ∑ (𝐵𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡))
2
𝑛→−∞ 𝑛→−∞
Nous pouvons maintenant conclu que :

Pour une fonction paire les coefficients de la sérié Fourier sont les suivantes :
𝑇0
2
𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡 = 0
𝑇0
0

𝑇0
2
𝐴𝑛 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡)𝑑𝑡 = 0
𝑇0
0

𝑇0⁄
2
4
𝐵𝑛 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑𝑡
𝑇0
0

Ou
𝜋
2
𝐴0 = ∫ 𝑥(𝑡) 𝑑(𝜔𝑡) = 0
𝜋
0

𝜋
1
𝐴𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡)𝑑(𝜔𝑡) = 0
𝜋
0

2𝜋
2
𝐵𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)
𝜋
0

Exemple 1
Soit une fonction périodique x(wt) de période 2π définie comme dans la figure ci-dessus. .
Trouver les coefficients des Fourier de cette fonction.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 39
Solution

Corollairement commencer en regardant la fonction pour déduire la formule dans chaque

intervalle. Prenons une période de –π à π, On trouve facilement que pour intervalle (-π à 0)
on a:
3
𝑥(𝜔𝑡) = − (𝜔𝑡), (−𝜋; 𝜋)
𝜋
Donc les coefficients sont :
𝑇0 2𝜋
2 1
𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡 𝑜𝑢 = ∫ 𝑥(𝜔𝑡) 𝑑(𝜔𝑡)
𝑇0 𝜋
0 0

Comme pour faciliter les calculs on utilise le deuxième terme ci-dessus

2𝜋 𝜋
1 3
𝐴0 = ∫ 𝑥(𝜔𝑡) 𝑑(𝜔𝑡) = − 2 ∫(𝜔𝑡)𝑑(𝜔𝑡)
𝜋 𝜋
0 −𝜋

𝜋
3 (𝜔𝑡)2 3 𝜋 2 (−𝜋)2
𝐴0 = 2 [ ] = 2 (− + )=0
𝜋 2 −𝜋 𝜋 2 2

Les autres coefficients sont

2𝜋 𝜋
1 1 3
= ∫ 𝑥(𝜔0 𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡)𝑑(𝜔𝑡) = [ ∫ − (𝜔𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)]
𝜋 𝜋 𝜋
0 −𝜋
𝜋 𝜋
𝐴𝑛 3 −[(𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)] 1
=− 2[ − 2 ∫ −𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)]
𝜋 𝑛 0 𝑛
−𝜋
3 3 3
=− [𝑐𝑜𝑠(𝑛𝜔0 )]𝜋−𝜋 = − (𝑐𝑜𝑠(𝑛𝜋) − 1) = − ((−1)𝑛 − (−1)𝑛 ) = 0
{ (𝑛𝜋) 2 (𝑛𝜋) 2 (𝑛𝜋)2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 40
 2𝜋 𝜋
1 1 3
𝐵𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡) = [ ∫ − (𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)],
𝜋 𝜋 𝜋
0 −𝜋

𝜋
3
𝐵𝑛 = − 2 [ ∫(𝜔𝑡)𝑠𝑖𝑛(𝑛𝜔0 𝑡)𝑑(𝜔𝑡)]
𝜋
−𝜋
𝜋 𝜋
3 (𝜔𝑡)𝑐𝑜𝑠(𝑛𝜔0 𝑡) 𝑐𝑜𝑠(𝑛𝜔0 𝑡)
= − 2 [[ ] − ∫ 𝑑(𝜔𝑡)]
𝜋 𝑛 −𝜋
𝑛
−𝜋
3 𝜋 cos(𝑛𝜋) − (−𝜋) cos(−𝑛𝜋) 1
=− 2[ − 2 [𝑠𝑖𝑛(𝑛𝜔0 𝑡)]𝜋−𝜋 ]
𝜋 𝑛 𝑛
3 𝜋 cos(𝑛𝜋) + 𝜋 cos(𝑛𝜋) 1
=− 2[ − 2 ∙ 0]
𝜋 𝑛 𝑛
6
=− cos(𝑛𝜋)
𝑛𝜋
6
=− (−1)𝑛
𝑛𝜋
Nous pouvons maintenant conclu que pour une fonction impaire paire les coefficients de la
sérié Fourier sont les suivantes :
𝑇0⁄
2
2
𝐴0 = ∫ 𝑥(𝑡) 𝑑𝑡 = 0
𝑇0
𝑇
− 0⁄2

𝑇0⁄
2
2
𝐴𝑛 = ∫ 𝑥(𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 = 0
𝑇0
𝑇
− 0⁄2

𝑇0⁄
2
4
𝐵𝑛 = ∫ 𝑥(𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑𝑡 = 0
𝑇0
0

Ou
2𝜋
1
𝐴0 = ∫ 𝑥(𝑡) 𝑑(𝜔𝑡) = 0
𝜋
0

2𝜋
1
𝐴𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑐𝑜𝑠(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡) = 0
𝜋
0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 41
 𝜋
2
𝐵𝑛 = ∫ 𝑥(𝜔0 𝑡)𝑠𝑖𝑛(2𝜋𝑛𝑓0 𝑡)𝑑(𝜔𝑡)
𝜋
0
Remarque : Il faut noter que la figure est parfois définir, donc il est inutile de trouver
l’équation de la ligne en un intervalle donner.

2.3.3 Quelques propriétés des séries de Fourier

La plupart des propriétés des séries de Fourier importantes se retrouvent dans le cas des
transformées de Fourier du chapitre suivant. Notons toutefois que si un signal est réel, si de plus
on a les symétries, les propriétés de symétries sont souvent utilises de deux manières à savoir :
 soit pour réduire la quantité de calculs effectuer et
 soit, ce qui est parfois plus utile, pour vérifier que les calculs sont corrects.

Calculer le spectre du signal périodique ci-contre en utilisant le développement en série de

Fourier en exponentielles complexes. Pour simplifier les calculs, mettre en évidence la parité.
Donner les spectres bilatéral et unilatéral.

2.4. Théorème de la puissance ou de Parseval

Soit un signal x(t) la définition de la puissance moyenne normalisée est la suivante

𝑇 ⁄2
1 2
𝑃= ∫ 𝑥 2 (𝑡)𝑑𝑡 = 𝑋𝑒𝑓𝑓
𝑇
−𝑇⁄2

On notera que cette définition coïncide avec celle du carrée de la valeur efficace du signal x(t).
La puissance normalisée s'exprime en [V2] ou [A2] selon que le signal est u
ne tension ou un courant électrique.

Le théorème de Parseval montre que la puissance normalisée d'un signal peut se calculer aussi
bien dans le domaine temporel que dans le domaine fréquentiel. En effet, comme dans l'espace
des fréquences, le signal x(t)) est représentée par des amplitudes An, et Bn il s'ensuit que la
puissance totale est égale à la somme des puissances fournies par chaque amplitude.

Soit x(t) une fonction périodique de période T, décomposable en série de Fourier. On en déduit
alors :
𝑇 ⁄2 𝑛
1 2 (𝑡)𝑑𝑡
𝐴0 2 1
𝑃= ∫ 𝑥 = ( ) + ∑(𝐴2𝑛 + 𝐵𝑛2 )
𝑇 2 2
−𝑇⁄2 𝑛→1

Les détails sur les énergies et puissances de signaux seront traités dans le chapitre transformé
de Fourier.

Exercices
1. Une fonction est définie par 𝑥(𝑡) = 𝑡 2 dans l’intervalle de -2 < t < 2. Esquisser
pour 4- période de x(t) et déterminé les coefficients de Fourier.

2. Une fonction est définie par x(t) dans l’intervalles siuvantes :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 42
 𝑡 − 2, −2 < 𝑡 < 0
𝑥(𝑡) = {
𝑡 + 2, 0 < 𝑡 < 2
Esquisser pour 4- période de x(t) et déterminé les coefficients de Fourier

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 43
 La transformée de Fourier
La décomposition en séries de Fourier peut s'étendre aux fonctions non périodiques. Dans ce
cas nous aurons une décomposition sous la forme da la Transformée de Fourier.

La transformée de Fourier est dont une opération intégrale qui permet de représenter en
fréquence des signaux qui ne sont pas périodiques. Une fonction non périodique pouvant être
considérée comme une fonction dont la période (T0 = ∞) est infinie. Ce passage à la limite nous
fait passer des séries aux intégrales.

La transformée de Fourier a été développée initialement pour étudier les fonctions de durée
finie, et tendue aux fonctions périodiques. Notons aussi que la transformée de Fourier est un
cas particulier de la transformée de Laplace, qui est plus utilise par les automaticiens, en
particulier pour caractériser plus facilement la stabilité des systèmes linaires.

Soit x(t), un signal apériodique, la transformée de Fourier noté par 𝔽 as la relation suivante-:
∞ ∞ ∞
−𝑗2𝜋𝑓𝑡
𝑋(𝑤) = 𝔽[𝑥(𝑡)] = ∫ 𝑥(𝑡)𝑒 𝑑𝑡 = ∫ 𝑥(𝑡)𝑐𝑜𝑠2𝜋𝑓𝑡 𝑑𝑡 − 𝑗 ∫ 𝑥(𝑡)𝑠𝑖𝑛2𝜋𝑓𝑡 𝑑𝑡
−∞ −∞ −∞

On peut encore écrire sur la forme suivante-:

X(w) = |X(w)|ejθ(w)
avec
𝐼𝑚𝑋(𝑤)
𝜃 = 𝑎𝑟𝑡𝑔 ( ) 𝑒𝑡 𝑙 ′ 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 𝑑𝑢 𝑠𝑝𝑒𝑐𝑡𝑟𝑒 𝑒𝑠𝑡 = |𝑋(𝑤)|
𝑅𝑒𝑋(𝑤)
Aussi si x(t) est réel, alors la transformée de Fourier devient :

X(-w) = X*(w) =|X(w)|e-jθ(w)

Cas spécial pour x(t) réel et paire

Comme on a vue dessus, la plupart de fonction x(t) est réelle par rapport au temps. Dans ce cas
on a :
 La partie réelle de la transformée de Fourier de x(t) est ReX(w) est paire et
 La partie imaginaire de la transformée de Fourier de x(t) est ImX(w) est impaire.
En autre si la fonction x(t) est paire en t, alors
𝑥(𝑡) = 𝑥(−𝑡)
Dont, la transformée de Fourier de x(t) sera :
𝑋(𝑤) = 2𝑅𝑒𝑋(𝑤)
Autrement dire, si la fonction x(t) est impaire en t, alors
𝑥(𝑡) ≠ 𝑥(−𝑡)
Alors la transformée de Fourier de x(t) sera :
𝑋(𝑤) = 2𝐼𝑚𝑋(𝑤)

La transforme de Fourier inverse

La transforme de Fourier inverse de X(w), est note par 𝔽-1 ce calcul de la manière suivant-:

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 44
 ∞
−1 [X(w)]
1
x(t) = 𝔽 = ∫ X(w)ejwt d(w)
2π
−∞

On va parler sur la formule ci-dessus en peu plus tard dans le chapitre.

Condition d’existence de la Transformée de Fourier

Définition : Soit un signal avec la fonction x(t) admet pour la transformée de Fourier 𝑋(𝑤) =
𝔽[𝑥(𝑡)] :
• si la fonction x(t) est bornée i.e. possède un nombre fini de discontinuités sur tout
intervalle fini.
• Les discontinuités de la fonction x(t) sont en nombre fini.
∞
• Si la fonction x(t) est intégrable =∫−∞|𝑥(𝑡)|𝑑𝑡 < +∞ c’est –à-dire X(w) existe.
o Si x(t) est intégrable, alors :
∞ ∞

∫|𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 |𝑑𝑡 < ∫|𝑥(𝑡)|𝑑𝑡 < +∞

−∞ −∞
• Corollairement :
∞

∫|𝑥(𝑡)|2 𝑑𝑡 < +∞
−∞
Il faut noter que le signal dessus est à énergie finie, donc les signaux d’énergie finie ont les
transformées de Fourier.

Propriétés de la Transformée de Fourier

Soit x(t) et y(t) deux signaux de transformée de Fourier respectives X(f) et Y(f) et α et β deux
constantes. La transformée de Fourier de αx(t)+ βy(t) est donnée par l’équation :

𝑥(𝑡) ⟺ 𝑋(𝑓); 𝑦(𝑡) ⟺ 𝑌(𝑓)

α et β les constants

i. Linéarité : Multiplier un signal par un gain α dans le domaine temporel revient à

multiplier sa transformée de Fourier par un gain α dans le domaine fréquentiel.
Additionner deux signaux dans le domaine temporel revient à additionner leurs
transformée de Fourier dans le domaine fréquentiel
𝛼𝑥(𝑡) + 𝛽𝑦(𝑡) ⟺ 𝛼𝑋(𝑓) + 𝛽𝑌(𝑓)
Exemple : soit la fonction suivante x(t)=2𝑒 −𝑡 𝑢(𝑡) + 3𝑒 −2𝑡 𝑢(𝑡), qui est une somme de
deux fonctions ; trouver la transformée de Fourier.
∞

𝑋(𝑤) = 𝔽[𝑥(𝑡)] = 𝔽[2𝑒 −𝑡 𝑢(𝑡) + 3𝑒 −2𝑡 𝑢(𝑡)] = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡

−∞
∞ ∞ ∞

𝑋(𝑤) = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = ∫ (2𝑒 −𝑡 𝑢(𝑡))𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 + ∫ (3𝑒 −2𝑡 𝑢(𝑡))𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞ −∞ −∞
1 1
𝑋(𝑤) = 2 +3
1 + 𝑗2𝜇𝑓 2 + 𝑗2𝜋𝑓

Remarque : il faut rappeler que la fonction 𝑒 −𝑡 peut aussi écrire sur la forme 𝑒 −𝑡 𝑢(𝑡). Celle-
ci est accepter comme la fonction u(t) =1 pour t ≥ 0.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 45
 ii. Décalage temporel

𝑥(𝑡 − 𝑡0 ) ⟺ 𝑋(𝑤)𝑒 −𝑗2𝜋𝑓𝑡0 ,

Preuve : soit la fonction x(t) a un décalage temporel à x(t-t0) alors la transformée de Fourier :
+∞

𝔽[𝑥(𝑡 − 𝑡0 )] = ∫ 𝑥(𝑡 − 𝑡0 )𝑒 −2𝜋𝑗𝑓𝑡 𝑑𝑡

−∞
Soit t’=t-t0 alors dt’ = dt, en remplaçant t-t0 par t’on a
+∞ +∞
−2𝜋𝑗𝑓(𝑡 ′ +𝑡0 ) ′
𝔽[𝑥(𝑡′)] = ∫ 𝑥(𝑡′)𝑒 𝑑𝑡 = 𝑒 −2𝜋𝑗 ∫ 𝑥(𝑡′)𝑒 −2𝜋𝑗𝑓(𝑡 ) 𝑑𝑡 = 𝑒 −2𝜋𝑓𝑡0 𝑋(𝑓)
−∞ −∞
Le décalage dans le domaine temporel se traduit par un terme correspondant à un
déphasage linéaire en fonction de la fréquence 𝑒 −2𝜋𝑓𝑡0 . Cette opération ne modifie pas le
module de la transformée de Fourier.
Exemple :
01. Soit la fonction x(t) a un décalage temporel à x(t-1) alors la transformée de Fourier :
rec(t/T) rec(t-1)
1 1

t t
-1/2 1/2 0 1/2 1 3/2
(a) (b)
2
Solution
Les deux schémas dessus sont les même c’est-à-dire un signal rect. Mais (b) est décalé de
zéro par un temps de 1. Pour cela, les deux transformées de Fourier sera différentes.
Solution de (a) est la suivante :
1⁄
∞ 2 1⁄
−𝑗𝑤𝑡 −𝑗𝑤𝑡
𝑒 −𝑗2𝜋𝑓𝑡 2
𝑋(𝑤) = ∫ 𝑥(𝑡)𝑒 𝑑𝑡 = ∫ 1𝑒 𝑑𝑡 = [ ]
−𝑗2𝜋𝑓 −1⁄
−∞ −1⁄ 2
2
𝑗𝜋𝑓 −𝑗𝜋𝑓
1 1 𝑒 −𝑒 1
𝑋(𝑤) = [𝑒 𝑗𝜋𝑓 − 𝑒 −𝑗𝜋𝑓 ] = [ ]= 𝑠𝑖𝑛(𝜋𝑓) = 𝑠𝑖𝑛𝑐(𝜋𝑓)
𝑗2𝜋𝑓 𝜋𝑓 2𝑗 𝜋𝑓
Solution de (b) est la suivante :
3⁄
∞ 2 3⁄
−𝑗𝑤𝑡 −𝑗𝑤𝑡
𝑒 −𝑗2𝜋𝑓𝑡 2
𝑋(𝑤) = ∫ 𝑥(𝑡)𝑒 𝑑𝑡 = ∫ 1𝑒 𝑑𝑡 = [ ]
−𝑗2𝜋𝑓 1⁄
−∞ 1⁄ 2
2
−𝑗2𝜋𝑓 𝑗𝜋𝑓 −𝑗𝜋𝑓 −𝑗2𝜋𝑓
1 𝑒 𝑒 −𝑒 𝑒
𝑋(𝑤) = − [𝑒 −𝑗3𝜋𝑓 − 𝑒 −𝑗𝜋𝑡 ] = [ ]= 𝑠𝑖𝑛(𝜋𝑓)
𝑗2𝜋𝑓 𝜋𝑓 2𝑗 𝜋𝑓
−𝑗2𝜋𝑓
=𝑒 𝑠𝑖𝑛𝑐(𝜋𝑓)
Donc :
𝔽[𝑟𝑒𝑐(𝑡 − 1)] = 𝑒 −𝑗2𝜋𝑓 𝑠𝑖𝑛𝑐(𝜋𝑓)

iii. Décalage fréquentiel ou Multiplication par une fréquence

𝑥(𝑡)𝑒 𝑗𝑤0 𝑡 ⟺ 𝑋(𝑓 − 𝑓0 )

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 46
 Preuve : soit la fonction 𝑥𝑤0 (t) a un décalage ou multiplication fréquentielle 𝑥(𝑡)𝑒 𝑗𝑤0 𝑡 alors
la transformée de Fourier :
𝑥𝑤0 = 𝑥(𝑡)𝑒 𝑗𝑤0 𝑡
Donc, la transformée de Fourier est :
+∞ +∞

𝑋𝑤0 (𝑤) = 𝔽[𝑥(𝑡)𝑒 𝑗𝑤0 𝑡 ] = ∫ 𝑥(𝑡)𝑒 −2𝜋𝑗𝑓𝑡 𝑒 2𝜋𝑗𝑓0 𝑡 𝑑𝑡 = ∫ 𝑥(𝑡)𝑒 −2𝜋𝑗(𝑓−𝑓0 )𝑡 𝑑𝑡

−∞ −∞
= 𝑋(𝑓 − 𝑓0 )
𝑋𝑤0 (𝑤) = 𝑋(𝑓 − 𝑓0 )
La multiplication par une sinusoïde dans le domaine temporel se traduit par une
translation des termes de Fourier. Cet opération est appelée la modulation.
Exemple :

iv. Changement d’échelle

1 𝑓
𝑥(𝛼𝑡) ⟺ 𝑋( )
|𝛼| 𝛼
Propriétés du changement d’échelle
 Si |a| > 1, le changement d’échelle, qui à x(t) associe x(at), est dit
concentration.
 Si |a| < 1, le changement d’échelle est dit dilatation. On a dans les deux cas :
Preuve :
𝑥𝑎 (𝑢) = 𝑥(𝑎𝑡)
𝑑𝑢 𝑢
Soit u=at, alors du=a dt, donc 𝑎 = 𝑑𝑡, 𝑎𝑛𝑑 𝑡 = 𝑎 Donc, la transformée de Fourier est :
+∞ +∞
𝑑𝑢⁄ = 1 ∫ (𝑢)𝑒 −2𝜋𝑗𝑓𝑎 𝑑𝑢 = 1 𝑋 (𝑓)
𝑢 𝑢
𝔽[𝑥𝑎 (𝑢)] = ∫ 𝑥𝑎 (𝑢)𝑒 −2𝜋𝑗𝑓𝑎 𝑎 |𝑎| |𝑎| 𝑎
−∞ −∞

v. Inversion du temps

𝑥(−𝑡) ⟺ 𝑋(−𝑓)
Preuve : nous savons la transformée de Fourier d’une fonction x(t) est donnée par :
∞

𝑋(𝑤) = 𝔽[𝑥(𝑡)] = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡

−∞
Si nous remplaçons t par –t dans la fonction, on a :
∞

𝔽[𝑥(−𝑡)] = 𝑌(𝑤) = ∫ 𝑥(−𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡

−∞
En changeant t = -r, on a
∞ ∞

𝑌(𝑤) = ∫ 𝑥(𝑟)𝑒 −𝑗2𝜋𝑓(−𝑟) 𝑑𝑡 = ∫ 𝑥(𝑟)𝑒 𝑗2𝜋𝑓𝑟 𝑑𝑡

−∞ −∞
∞ ∞

𝑌(𝑤) = ∫ 𝑥(𝑟)𝑒 𝑗2𝜋𝑓𝑟 𝑑𝑡 = ∫ 𝑥(𝑟)𝑒 −𝑗(−𝑤)𝑟 𝑑𝑡 = 𝑋(−𝑤)

−∞ −∞
Donc :
𝔽[𝑥(−𝑡)] = 𝑋

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 47
 vi. Dualité
𝑋(𝑡) ⟺ 2𝜋𝑥(−𝑓)
Preuve : Selon l’équation de la transformée inverse de Fourier:
∞
−1 [x(t)]
1
x(t) = 𝔽 = ∫ X(w)ejwt d(w)
2π
−∞

Cependant il sera non pédagogique a n’est pas suivre les étapes a y arrivée. Si nous remplaçons
t par -t, nous avons :
∞

2πx(t) = ∫ X(w)e−jw(−t) d(w)

−∞

Si nous replaçons t par w on a :

∞

2πx(w) = ∫ X(t)e−jt(−w) d𝑡 = 𝔽[𝑋(𝑡)]

−∞

Comme la transformée de Fourier normale est le suivante :

∞

𝑋(𝑤) = 𝔽[𝑥(𝑡)] = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡

−∞
Mais l’équation () nous donne –w en exponentiel donc nous pouvons réécrire l’équation () :
∞

2πx(−w) = ∫ X(t)e−jt(−w) d𝑡 = 𝔽[𝑋(𝑡)]

−∞

Donc :

𝔽[𝑋(𝑡)] = 2πx(−w)

Exemple : soit une fonction x(t) est définie par l’équation suivante :
𝑓
𝑋(𝑡) = 𝑟𝑒𝑐𝑡 (𝐹) rec(f/F)

f
-F/2 F/2

Trouver la transformée inverse de Fourier de la fonction dessus.

Solution
Pour résolue cette fonction if faut d’abord regarder le théorème de la transformée inverse de
Fourier qui est :
∞
1
x(t) = 𝔽−1 [X(w)] = ∫ X(w)ejwt d(w)
2π
−∞
donc :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 48
 ∞
−1 [X(w)]
1
x(t) = 𝔽 = ∫ X(w)ejwt d(w)
2π
−∞

𝐹⁄
2
1 𝐹 𝑠𝑖𝑛(𝜋𝐹𝑡)
x(𝑡) = ∫ X(w)ejwt d(t) = 2
(𝑒 𝑗𝜋𝐹𝑡 + 𝑒 −𝑗𝜋𝐹𝑡 ) =
𝑗𝑡(2𝜋) 2𝜋 𝜋𝐹𝑡
−𝐹⁄2
𝐹
𝑥(𝑡) = 𝔽[𝑋(𝑤)] = 𝑠𝑖𝑛𝑐(𝜋𝐹𝑡)
2𝜋

vii. Différentiation
𝑑
• par rapport au temps- 𝑥 ′ (𝑡) = 𝑑𝑡 (𝑥(𝑡)) ⟺ 2𝜋𝑓𝑗𝑋(𝑓)
Preuve : soit le signal x(t) a sa transformée de Fourier qui est donnée par :
∞

𝑋(𝑤) = 𝔽[𝑥(𝑡)] = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡.

−∞
∞

𝑀𝑎𝑖𝑠 𝑙𝑎 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚é𝑒𝑑𝑒 𝐹𝑜𝑢𝑟𝑖𝑒𝑟 𝑖𝑛𝑣𝑒𝑟𝑠𝑒 𝑒𝑠𝑡 𝑥(𝑡) = 𝔽−1 [𝑋(𝑤)] = ∫ X(w)ej2πft d(w)
−∞
Donc
∞
𝑑 𝑑 𝑑
(𝑥(𝑡)) ⟹ (𝔽−1 [𝑋(𝑤)]) = ( ∫ X(w)ej2πft d(w))
𝑑𝑡 𝑑𝑡 𝑑𝑡
−∞

∞ ∞
𝑑
𝑥 ′ (𝑡) = ∫ X(w) ( ej2πft ) d(w) = 𝑗𝑤𝑓 ∫ X(w)ej2πft d(w) = 2𝜋𝑓𝑗𝑋(𝑤)
𝑑𝑡
−∞ −∞
𝑑
(𝑥(𝑡)) ⟺ 2𝜋𝑓𝑗𝑋(𝑤)
𝑑𝑡

Remarque. Plus généralement, et sous réserve d’existence de la dérivée considérée et de sa

transformée de Fourier :
𝑑𝑛 (𝑥(𝑡))
𝑥 𝑛 (𝑡) = ⟺ (2𝜋𝑓𝑗)𝑛 𝑋(𝑓)
𝑑𝑡 𝑛

𝑑
• par rapport à la fréquence-: (−𝑗𝑤𝑡)𝑥(𝑡) ⟺ 𝑋 ′ (𝑓) = 𝑑𝐹 (𝑋(𝑓))
Preuve : soit la transformée de Fourier du signal x(t) est X(w) qui est donné par la formule
suivante :
∞

𝔽[𝑥(𝑡)] = ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡

−∞
∞
𝑑(𝔽[𝑥(𝑡)]) 𝑑 𝑑
= ( ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡) = (𝑋(𝑓))
𝑑𝑓 𝑑𝑓 𝑑𝑤
−∞

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 49
 ∞ ∞
𝑑 𝑑
(𝑋(𝑓)) = ∫ 𝑥(𝑡) (𝑒 −𝑗2𝜋𝑓𝑡 )𝑑𝑡 = −2𝜋𝑓𝑗𝑡 ∫ 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = (−2𝜋𝑗𝑡)𝑥(𝑡)
𝑑𝑓 𝑑𝑓
−∞ −∞
𝑑
(−2𝜋𝑓𝑗𝑡)𝑥(𝑡) ⟺ (𝑋(𝑓))
𝑑𝑓
Corollairement :
𝑑𝑛
(−2𝜋𝑓𝑗𝑡)𝑛 𝑥(𝑡) ⟺ (𝑋(𝑓))
𝑑𝑓 𝑛

viii. Intégration
𝑡
1
∫ 𝑥(𝜏)𝑑𝜏 ⟺ 𝑋(𝑤) + 𝜋𝑋(0)𝛿(𝑤)
𝑗𝑤
−∞

Preuve : la propriété de l’intégration de la transformée de Fourier est très intriquée pour y

arrivée. Nous avions vue pour la propriété de la différentiation comme suit :

𝑑
(𝑥(𝑡)) ⟺ 2𝜋𝑗𝑋(𝑤)
𝑑𝑡
Nous pouvons réécrire la formule dessus comme suit :
𝑑
𝔽 [ (𝑥(𝑡))] = 2𝜋𝑓𝑗𝔽[𝑥(𝑡)]
𝑑𝑡
𝑑
Prenons 𝑑𝑡 (𝑥(𝑡)) = 𝑦(𝑡), alors la formule devient :
𝑡

𝔽[𝑦(𝑥(𝑡))] = 2𝜋𝑓𝑗𝔽 [ ∫ 𝑦(𝜏)𝑑𝜏]

−∞
Donc :
𝑡
𝔽[𝑦(𝑡)]
𝔽 [ ∫ 𝑦(𝜏)𝑑𝜏] =
2𝜋𝑗
−∞
𝑡
𝑌(𝑤)
𝔽 [ ∫ 𝑦(𝜏)𝑑𝜏] =
2𝜋𝑓𝑗
−∞
Il faut noter que l’équation dessus est vrai parce que nous avons prié la propriété de la
transformée de Fourier de la différentiation d’un signal y(t). Dont, nous avons oublié la
constante qui peut être une partie de la fonction. Nous savons aussi que la différentiation de
x(t) est égale à celle de y(t) + a. Dans ce cas, l’équation dessus que nous avons prouvé est
correcte si et seulement si :
𝑡 ∞
𝑌(𝑤)
𝔽 [ ∫ 𝑦(𝜏)𝑑𝜏] = , 𝑠𝑖 ∫ 𝑦(𝜏)𝑑𝜏 = 𝑂
2𝜋𝑓𝑗
−∞ −∞
Si nous avons une constante alors la transformée de Fourier devient comme suit :

𝑡 ∞
𝑌(𝑤)
𝔽 [ ∫ 𝑦(𝜏)𝑑𝜏] = + 𝑎𝜋𝛿(𝑤), 𝑠𝑖 ∫ (𝑦(𝜏) +)𝑑𝜏 = 𝑂
2𝜋𝑓𝑗
−∞ −∞

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 50
 Selon la propriété de la transformée de Fourier d’une constante, on a :
∞

𝔽[𝑎] = ∫ 𝑎 𝑒 −𝑗𝑤𝑡 = 𝑎𝜋𝛿(𝑤)

−∞
avec a = X(0)
Donc
𝑡
1
∫ 𝑥(𝜏)𝑑𝜏 ⟺ 𝑋(𝑤) + 𝜋𝑋(0)𝛿(𝑤)
𝑗𝑤
−∞

ix. Transformée de Fourier de quelques signaux usuels

a. Impulsion de Dirac
Comme défini dans le chapitre (), une impulsion de Dirac est une fonction avec une durée très
courte ou une fonction porte dont la largeur T tendrait vers 0, donc l’amplitude est suffisamment
grande pour que l’effet soit sensible. L’aire de la fonction est égale à 1 : dans ce cas on parle
d’impulsion unitaire.

∞, 𝑝𝑜𝑢𝑟 𝑡 = 0
𝛿(𝑡) = {
0, 𝑝𝑜𝑢𝑟 𝑡 ≠ 0
(t)

t
0
Remarque : les 1 marques sur la flèche pleine représente la surface de cette impulsion et non
par l’amplitude. Cette impulsion n’est pas exactement un signal per se, mais elle est considéré
comme telle à cause d’effet sur un système.

La transformée de Fourier ne s’applique strictement qu’aux signaux qui vérifient les conditions
de Dirichlet. Il serait agréable d’étendre le formalisme afin de pouvoir définir une transformée
de Fourier pour les signaux de puissance moyenne finie, et de retrouver la série de Fourier
comme cas particulier de la transformée de Fourier.

Cette extension est possible en utilisant la théorie des distributions, et en particulier la

distribution de Dirac. La distribution de Dirac est une distribution, et nous devrions faire alors
appel aux résultats de la théorie des distributions. Ceci sort largement du cadre de ce cours, et
nous nous contenterons ici d’une approche heuristique.

On appelle impulsion de Dirac la fonction ∂(t)

∞, 𝑝𝑜𝑢𝑟 𝑡 = 0
𝛿(𝑡) = {
0, 𝑝𝑜𝑢𝑟 𝑡 ≠ 0
et telle que
+∞

∫ 𝛿(𝑡) 𝑑𝑡 = 1
−∞

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 51
En réalité l’impulsion de Dirac joue le rôle d’une fonction indicatrice lorsqu’elle intervient
dans une intégration. En effet, l’impulsion de Dirac est nulle sauf lorsque son argument est
nul, auquel cas, son amplitude est infinie, mais son « aire » unité.

Propriétés de l’impulsion de Dirac

 convolution
𝑥(𝑡) ∗ 𝛿(𝑡) = 𝑥(𝑡)
𝑥(𝑡) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡0 )
𝑥(𝑡 − 𝑡1 ) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡1 − 𝑡0 )
 changement de variable
1
𝛿(𝑎𝑡) = 𝛿(𝑡)
|𝑎|
𝛿(−𝑡) = 𝛿(𝑡)
 intégration
∞

∫ 𝛿(𝑡) 𝑑𝑡 = 1
−∞
∞

∫ 𝑥(𝑡)𝛿(𝑡) 𝑑𝑡 = 𝑥(0)
−∞
∞

∫ 𝑥(𝑡)𝛿(𝑡 − 𝑡0 ) 𝑑𝑡 = 𝑥(𝑡0 )
−∞
𝑡2

∫ 𝛿(𝑡 − 𝑡0 ) 𝑑𝑡 = 1, 𝑝𝑜𝑢𝑟 𝑡1 < 𝑡0 < 𝑡2

𝑡1

 produit avec un signal

x(t)δ(t) = x(0)δ(t) = x(0)
x(t)δ(t − t 0 ) = x(t 0 )δ(t − t 0 ) = x(t 0 )

Transformée de Fourier des signaux usuels

i. impulsion de Dirac
∞

∫ 𝛿(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡 = 𝑒 −𝑗𝑤0 = 1

−∞
Il faut rappeler que l’impulsion de Dirac est valable à t=0
∞

∫ 𝛿(𝑡 − 𝑡0 )𝑒 −𝑗𝑤𝑡 𝑑𝑡 = 𝑒 −𝑗𝑤𝑡0

−∞
Dans ce cas l’impulsion de Dirac est valable à t=t0

 1 ⟺ 2𝜋𝛿(𝑤)

Exponentiel unilatérale

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 52
 1
𝑒 −𝑡 ⟺
1 + 𝑗𝑤
Preuve : soit x(t) =𝑒 −𝑡 , 𝑝𝑜𝑢𝑟 𝑡 ≥ 0 𝑒𝑡 0 𝑝𝑜𝑢𝑟 𝑡 < 0. Trouver sa transformée de Fourier.
0 +∞ +∞
∞
−𝑡 ] −𝑡 −𝑗𝑤𝑡 −𝑡 −𝑗𝑤𝑡 −(1+𝑗𝑤)𝑡
1 −(1+𝑗𝑤)𝑡
𝔽[𝑒 = ∫𝑒 𝑒 𝑑𝑡 + ∫ 𝑒 𝑒 𝑑𝑡 = ∫ 𝑒 𝑑𝑡 = − [𝑒 ]
1 + 𝑗𝑤 0
−∞ 0 0
1
=
1 + 𝑗𝑤
Si on remplace le 1 par a on a :
1
 𝑒 −𝑎𝑡 𝑢(𝑡) ⟺ 𝑎+𝑗𝑤 , 𝑝𝑜𝑢𝑟 𝑎 > 0,
Exponentiel bilatérale
2𝑎
 𝑒 −𝑎|𝑡| ⟺ 𝑤2 +𝑎2 , 𝑝𝑜𝑢𝑟 𝑎 > 0,
Preuve : soit x(t) =𝑒 −𝑎|𝑡| . Trouver sa transformée de Fourier
+∞ 0 +∞
−𝑎|𝑡| −𝑎|𝑡| −𝑗𝑤𝑡 𝑎𝑡 −𝑗𝑤𝑡
𝔽[𝑒 ]= ∫ 𝑒 𝑒 𝑑𝑡 = ∫ 𝑒 𝑒 𝑑𝑡 + ∫ 𝑒 −𝑎𝑡 𝑒 −𝑗𝑤𝑡 𝑑𝑡
−∞ −∞ 0
0 +∞
1 0 1 +∞
∫ 𝑒 (𝑎−𝑗𝑤)𝑡 𝑑𝑡 + ∫ 𝑒 −(𝑎+𝑗𝑤)𝑡 𝑑𝑡 = [𝑒 (𝑎−𝑗𝑤)𝑡 ]−∞ − [𝑒 −(𝑎+𝑗𝑤)𝑡 ]0
𝑎 − 𝑗𝑤 𝑎 + 𝑗𝑤
−∞ 0
1 1 2𝑎
= + = 2
𝑎 − 𝑗𝑤 𝑎 + 𝑗𝑤 𝑎 + 𝑤 2
Donc
2𝑎
𝔽[𝑒 −𝑎|𝑡| ] ⟺ , 𝑝𝑜𝑢𝑟 𝑎 > 0
𝑎2 + 𝑤2
Transformée de Fourier sgn(t)
Nous savons que le signal sgn(t) est représenté comme soit :

−1, 𝑝𝑜𝑢𝑟 , 𝑡 < 0

𝑠𝑔𝑛(𝑡) = {
+1, 𝑝𝑜𝑢𝑟 , 𝑡 > 0

Sgn(t)
1

(a)
-1
Signal sgn(t)
Nous pouvons précéder en prenant l’exponentiel bilatéral impair suivant
𝑒 −𝑎𝑡 , 𝑡>0
𝑥(𝑡) = { 𝑎𝑡
−𝑒 , 𝑡<0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 53

-1
La transformée de Fourier est la suivante :
0 +∞
𝑎𝑡 −𝑗𝑤𝑡
𝔽[𝑥(𝑡)] = ∫ −𝑒 𝑒 𝑑𝑡 + ∫ 𝑒 −𝑎𝑡 𝑒 −𝑗𝑤𝑡 𝑑𝑡
−∞ 0
0 +∞
1 0 1 +∞
∫ −𝑒 (𝑎−𝑗𝑤)𝑡 𝑑𝑡 + ∫ 𝑒 −(𝑎+𝑗𝑤)𝑡 𝑑𝑡 = − [𝑒 (𝑎−𝑗𝑤)𝑡 ]−∞ − [𝑒 −(𝑎+𝑗𝑤)𝑡 ]0
𝑎 − 𝑗𝑤 𝑎 + 𝑗𝑤
−∞ 0
1 1 2𝑗𝑤
=− + =− 2
𝑎 − 𝑗𝑤 𝑎 + 𝑗𝑤 𝑎 + 𝑤2
Donc
2𝑗𝑤
𝔽[𝑒 −𝑎|𝑡| ] ⟺ − , 𝑝𝑜𝑢𝑟 𝑎 > 0
+ 𝑤2 𝑎2
Si nous regardons signal x(t) dessus, il ressemble comme une fonction sgn(t). Donc la
transformée de Fourier du sgn(t) est :
2𝑗𝑤 2𝑗𝑤 2
𝔽[𝑠𝑔𝑛(𝑡)] ⟺ lim (− 2 2
)=− 2 =
𝑎→0 𝑎 +𝑤 𝑤 𝑗𝑤

Transformée de Fourier de l’échelon unité

1
 𝑢(𝑡) ⟺ 𝜋𝛿(𝑤) + 𝑗𝑤
0, 𝑝𝑜𝑢𝑟, 𝑡 < 0
Preuve : soit x(t) =𝑢(𝑡) = {0,5, 𝑝𝑜𝑢𝑟 𝑡 = 0 Trouver sa transformée de Fourier
1, 𝑝𝑜𝑢𝑟, 𝑡 > 0
er
1 Solution mathématique
∞ +∞
1 −𝑗𝑤𝑡 ∞
𝔽[𝑢(𝑡)] = ∫ 𝑢(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡 = ∫ 1𝑒 −𝑗𝑤𝑡 𝑑𝑡 = − [𝑒 ]0
𝑗𝑤
−∞ 0
1
Nous dévions alors évaluée la fonction à t = 0 et à t = ∞. Cependant, la value à infini est
𝑗𝑤
indéterminée. Donc pour contre carré on est obligé en de voir u(t) sur une limite exponentielle
décroissante tel que :
𝑢(𝑡) = lim 𝑒 −𝑎𝑡 𝑢(𝑡)
𝑎→0
Si nous façons maintenant la transformée de Fourier de la limite, on a :
𝑎 𝑎 − 𝑗𝑤 𝑎 𝑤
𝑈(𝑤) = 𝔽 [lim 𝑒 −𝑎𝑡 𝑢(𝑡)] = lim ( ) = lim ( 2 2
) = lim ( 2 2
−𝑗 2 )
𝑎→0 𝑎→0 𝑎 + 𝑗𝑤 𝑎→0 𝑎 + 𝑤 𝑎→0 𝑎 + 𝑤 𝑎 + 𝑤2

Nous pouvons facilement trouver pour le deuxième terme le suivant :

𝑤 1
lim (−𝑗 2 ) =
𝑎→0 𝑎 + 𝑤2 𝑗𝑤
Mais pour le premier terme on a :
𝑎
lim ( 2 ) = 0, 𝑝𝑜𝑢𝑟 𝑤 ≠ 0 𝑒𝑡
𝑎→0 𝑎 + 𝑤 2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 54
 1
lim ( ) = ∞, 𝑝𝑜𝑢𝑟 𝑤 = 0
𝑎→0 𝑎
Nous savons que selon le théorème Parseval :
∞
𝑎 𝑤 ∞
∫( ) 𝑑(𝑤) = |𝑡𝑔 ( )| = 𝜋, 𝑞𝑢𝑒𝑙 𝑞𝑢𝑒 𝑠𝑜𝑖𝑡 𝒂 𝑠𝑖 𝑖𝑙 𝑒𝑠𝑡 𝑟é𝑒𝑙
𝑎2 + 𝑤 2 𝑎 −∞
−∞
Dont la limite de la formule () est
𝑎
lim ( ) = 𝜋 𝛿(𝑤)
𝑎→0 𝑎2 + 𝑤 2
Donc :
1
𝑈(𝑤) = 𝜋𝛿(𝑤) +
𝑗𝑤
2ème solution
Cette méthode est logique mais aussi graphique en utilisant le signal signe. Regardons les deux
signaux (a) et (b) dessous :

Sgn(t)
1

t
t
-1
(b) Signal sgn(t)
u(t)
1

(c) Signal u(t)

Nous pouvons écrire la formule de signe(t) comme soit :

𝑠𝑔𝑛(𝑡) = 𝑢(𝑡) − 𝑢(−𝑡)
Si nous ajoutons plus 1 pour tout le temps c’est-à-dire la partie gauche ainsi qu’à droite on a :
1 + 𝑠𝑔𝑛(𝑡) = 1 + 𝑢(𝑡) − 𝑢(−𝑡)

Elle devient :
1 + 𝑠𝑔𝑛(𝑡) = 2𝑢(𝑡)
Donc :
1 + 𝑠𝑔𝑛(𝑡) 1
𝑢(𝑡) = = [1 + 𝑠𝑖𝑔𝑛(𝑡)]
2 2
Alors

∞ +∞ +∞
1 1
𝔽[𝑢(𝑡)] = ∫ [1 + 𝑠𝑔𝑛(𝑡)]𝑒 −𝑗𝑤𝑡 𝑑𝑡 = [∫ 1 ∙ 𝑒 −𝑗𝑤𝑡 𝑑𝑡 + ∫ 𝑠𝑔𝑛(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡]
2 2
−∞ 0 0

Nous savons que la transformée de Fourier de 1 est :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 55
 ∞

∫ 1𝑒 −𝑗𝑤𝑡 𝑑𝑡 = 2𝜋𝛿(𝑡) 𝑒𝑠𝑡 𝑐𝑒𝑙𝑙𝑒 𝑑𝑒 𝑠𝑔𝑛(𝑡) 𝑒𝑠𝑡

−∞
∞
2
∫ 𝑠𝑔𝑛(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡 =
𝑗𝑤
−∞
Donc :
∞
1 1 2 1
𝔽[𝑢(𝑡)] = ∫ [1 + 𝑠𝑔𝑛(𝑡)]𝑒 −𝑗𝑤𝑡 𝑑𝑡 = [2𝜋𝛿(𝑡) + ] = 𝜋𝛿(𝑡) +
2 2 𝑗𝑤 𝑗𝑤
−∞

Transformée de Fourier de sinus et de cosinus

 Pour le sinus
𝑠𝑖𝑛𝑤0 𝑡 ⟺ 𝑗𝜋𝛿(𝑤 − 𝑤0 ) + 𝑗𝜋𝛿(𝑤 + 𝑤0 )
Nous savons que le sinus peut être considéré comme une somme de deux impulsion en f0 et en
–f0 suivante :
𝑒 𝑗𝑤0 𝑡 − 𝑒 −𝑗𝑤0 𝑡
𝑠𝑖𝑛𝑤0 𝑡 =
2𝑗
Dont la transformée de Fourier de sinus sera la suivante :
∞ ∞ ∞
𝑒 𝑗𝑤0 𝑡 − 𝑒 −𝑗𝑤0 𝑡 𝑗𝑤𝑡 1
𝔽[𝑠𝑖𝑛𝑤0 𝑡] = ∫ ∙ 𝑒 𝑑𝑡 = [ ∫ 𝑒 𝑗𝑤0 𝑡 𝑒 −𝑗𝑤𝑡 𝑑𝑡 + ∫ −𝑒 −𝑗𝑤0 𝑡 𝑒 −𝑗𝑤𝑡 𝑑𝑡]
2𝑗 2𝑗
−∞ −∞ −∞
∞ ∞
1
𝔽[𝑠𝑖𝑛𝑤0 𝑡] = [ ∫ 𝑒 −𝑗(𝑤+𝑤0 )𝑡 𝑑𝑡 − ∫ 𝑒 −𝑗(𝑤−𝑤0 )𝑡 𝑑𝑡]
2𝑗
−∞ −∞
∞ ∞
1 1 −𝑗(𝑤+𝑤0 )𝑡
1 −𝑗(𝑤−𝑤0 )𝑡
𝔽𝑠𝑖𝑛𝑤0 𝑡 = [[ 𝑒 ] −[ 𝑒 ] ]
2𝑗 −2𝜋𝑗(𝑤 + 𝑤0 ) −∞
−2𝜋𝑗(𝑤 − 𝑤0 ) −∞
Selon la règle L’Hôpital les deux termes est indéterminés et peut procéder au dérivé. Mais
comme ce n’est pas notre objective, nous pouvons aller directement à l’une des propriétés de la
transformée de Fourier. Selon la propriété de la transformée de Fourier d’une exponentielle,
que es :
𝑒 𝑗𝑤0 𝑡 ⟺ 2𝜋𝛿(𝑤 − 𝑤0 )
Alors la transformée de Fourier du sinus sera :
∞ ∞
1
𝔽[𝑠𝑖𝑛𝑤0 𝑡] = [ ∫ 𝑒 −𝑗(𝑤+𝑤0 )𝑡 𝑑𝑡 − ∫ 𝑒 −𝑗(𝑤−𝑤0 )𝑡 𝑑𝑡]
2𝑗
−∞ −∞
1
= [2𝜋𝛿(𝑤 + 𝑤0 ) − 2𝜋𝛿(𝑤 − 𝑤0 )]
2𝑗
Donc :
𝜋
𝔽[𝑠𝑖𝑛𝑤0 𝑡] = [𝛿(𝑤 + 𝑤0 ) − 𝛿(𝑤 − 𝑤)] = 𝑗𝜋[𝛿(𝑤 − 𝑤0 ) − 𝛿(𝑤 + 𝑤0 )]
𝑗

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 56
 X(w)
jπ

W0
w
-W0

-jπ

 Pour le cosinus

 𝑐𝑜𝑠𝑤0 𝑡 ⟺ 𝜋𝛿(𝑤 − 𝑤0 ) + 𝜋𝛿(𝑤 + 𝑤0 )

Comme indiqué en dessus le cosinus peut être considéré comme une somme de deux impulsion
en f0 et en –f0 suivante :
𝑒 𝑗𝑤0 𝑡 + 𝑒 −𝑗𝑤0 𝑡
𝑐𝑜𝑠𝑤0 𝑡 =
2
Dont la transformée de Fourier de sinus sera la suivante :
∞
𝑒 𝑗𝑤0 𝑡 + 𝑒 −𝑗𝑤0 𝑡 𝑗𝑤𝑡
𝔽[𝑐𝑜𝑠𝑤0 𝑡] = ∫ ∙ 𝑒 𝑑𝑡
2
−∞
∞ ∞
1
𝔽[𝑐𝑜𝑠𝑤0 𝑡] = [ ∫ 𝑒 −𝑗(𝑤+𝑤0 )𝑡 𝑑𝑡 + ∫ 𝑒 −𝑗(𝑤−𝑤0 )𝑡 𝑑𝑡]
2
−∞ −∞

Donc :
𝔽[𝑐𝑜𝑠𝑤0 𝑡] = 𝜋[𝛿(𝑤 + 𝑤0 ) + 𝛿(𝑤 − 𝑤0 )]

X(w)
π π

W0
w
-W0

Transformée de Fourier d'un produit de fonctions

La transforme de Fourier et la transforme de Fourier inverse ont des formulations identiques a
une constante et un changement de signe prés. Par conséquent la transforme d'un produit de
fonctions dans le domaine temporel est une convolution dans le domaine des fréquences

Convolution
La convolution de deux signaux x1(t) et x2(t), opération que l’on note par x1(t)*x2(t) engendre
un nouveau signal x(t) tel que-:

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 57
 ∞

𝑥(𝑡) = 𝑥1 (𝑡) ∗ 𝑥2 (𝑡) = ∫ 𝑥1 (𝜏)𝑥2 (𝑡 − 𝜏)𝑑𝜏,

−∞
𝑎𝑣𝑒𝑐 𝜏 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑚𝑢𝑒𝑡𝑡𝑒 𝑑𝑢 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑑𝑒 𝑐𝑜𝑛𝑣𝑜𝑙𝑢𝑡𝑖𝑜𝑛
La sommation sur intégrale s’effectue sur le variable  ce qui montre que le signal ainsi obtenu
est une fonction de t.
Ce signal correspond dans le domaine fréquentiel une simple multiplication de la transformée
de Fourier des signaux x1(t) et x2(t).

𝑥2 (𝑡) ∗ 𝑥2 (𝑡) ⟺ 𝑋1 (𝑤)𝑋2 (𝑤) 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑡𝑒𝑚𝑝𝑜𝑟𝑒𝑙 et

𝑥2 (𝑡)𝑥2 (𝑡) ⟺ 𝑋1 (𝑤) ∗ 𝑋2 (𝑤) 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑡𝑖𝑒𝑙

Ce qui montre que la transformée de Fourier du produit de deux fonctions est le produit de
convolution de leurs transformées. C’est un résultat essentiel dans le traitement du signal qui
facilite la solution d’un produit deux signaux.

Preuve du théorème de la convolution

𝑥2 (𝑡) ∗ 𝑥2 (𝑡) ⟺ 𝑋1 (𝑤)𝑋2 (𝑤) 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑡𝑒𝑚𝑝𝑜𝑟𝑒𝑙
Nous savons que le théorème de la convolution est le suivant :
∞

𝑥(𝑡) = 𝑥1 (𝑡) ∗ 𝑥2 (𝑡) = ∫ 𝑥1 (𝜏)𝑥2 (𝑡 − 𝜏)𝑑𝜏

−∞
Donc la transformée de Fourier sera :
∞ ∞

𝔽[𝑥(𝑡)] = 𝔽[𝑥1 (𝑡) ∗ 𝑥2 (𝑡)] = ∫ [ ∫ 𝑥1 (𝜏)𝑥2 (𝑡 − 𝜏)𝑑𝜏] 𝑒 −𝑗𝑤𝑡 𝑑𝑡

−∞ −∞
Nous pouvons changer l’ordre d’intégration tel qu’on a :
∞ ∞

𝔽[𝑥1 (𝑡) ∗ 𝑥2 (𝑡)] = ∫ 𝑥1 (𝜏) [ ∫ 𝑥2 (𝑡 − 𝜏) 𝑒 −𝑗𝑤𝑡 𝑑𝑡] 𝑑𝜏 ⋯ ()

−∞ −∞
∞
Nous voyons que l’intégral ∫−∞ 𝑥2 (𝑡 − 𝜏) 𝑒 −𝑗𝑤𝑡 𝑑𝑡 sera un décalage temporel, donc son résultat
sera :
∞

∫ 𝑥2 (𝑡 − 𝜏) 𝑒 −𝑗𝑤𝑡 𝑑𝑡 = 𝑒 −𝑗𝑤𝑟 𝑋1 (𝑤)

−∞
Alors l’équation () dévient :
∞

𝔽[𝑥1 (𝑡) ∗ 𝑥2 (𝑡)] = ∫ 𝑥1 (𝜏)𝑒 −𝑗𝑤𝑟 𝑋1 (𝑤) 𝑑𝜏

−∞
Donc :
∞

𝔽[𝑥1 (𝑡) ∗ 𝑥2 (𝑡)] = 𝑋1 (𝑤) ∫ 𝑥1 (𝜏)𝑒 −𝑗𝑤𝑟 𝑑𝜏 = 𝑋1 (𝑤)𝑋2 (𝑊)

−∞
Exemple : 1
Soit deux fonctions suivantes
1 − 𝑡, 𝑝𝑜𝑢𝑟 0 ≤ 𝑡 < 1
(a) 𝑢(𝑡) = { et
0, 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡
𝑒 −𝑡 , 𝑡 ≥ 0
(b) 𝑣(𝑡) = {
0, 𝑡 < 0
Trouver la transformée de Fourier de la convolution u(t)*v(t).

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 58
1ère Solution par intégration directe
Nous savons que
∞

𝑥(𝑡) = 𝑢(𝑡) ∗ 𝑣(𝑡) = ∫ 𝑢(𝜏)𝑣(𝑡 − 𝜏)𝑑𝜏

−∞
Comme les bornes d’existences de ses fonction commerce à zéro (0), et termine soit à 1 ou à t,
∞

𝑥(𝑡) = 𝑢(𝑡) ∗ 𝑣(𝑡) = ∫(1 − 𝜏)𝑒 𝜏−𝑡 𝑑𝜏 = [(2 − 𝜏)𝑒 𝜏−𝑡 ]𝑚𝑖𝑛𝑡,1
0
−∞
Donc :
𝑠𝑖 𝑡 < 0, 𝑥(𝑡) = 0,
𝑠𝑖 0 ≤ 𝑡 < 1, 𝑥(𝑡) = 2 − 𝑡 − 2𝑒 −𝑡 ,
𝑠𝑖 𝑡 ≥ 1 , 𝑥(𝑡) = (𝑒 − 2)𝑒 −𝑡

2ème solution
∞

𝔽[𝑥(𝑡)] = 𝔽[𝑢(𝑡) ∗ 𝑣(𝑡)] = 𝑈(𝑤) ∫ 𝑣(𝜏)𝑒 −𝑗𝑤𝑟 𝑑𝜏 = 𝑈(𝑤)𝑉(𝑤)

−∞
La transformée de Fourier de 𝔽[𝑥(𝑡)] est les suivantes :
∞
1 1
𝔽[𝑢(𝑡)] = ∫ (1 − 𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡 = + (𝑒 𝑗𝑤 − 1), 𝑒𝑡
𝑗𝑤 (−𝑗𝑤)2
−∞
∞
1
𝔽[𝑣(𝑡)] = ∫ 𝑒 −𝑡 𝑒 −𝑗𝑤𝑡 𝑑𝑡 =
1 + 𝑗𝑤
−∞
Donc
1 1 1
𝔽[𝑥(𝑡)] = 𝔽[𝑢(𝑡) ∗ 𝑣(𝑡)] = ( + (𝑒 𝑗𝑤 − 1)) ( )
𝑗𝑤 (−𝑗𝑤)2 1 + 𝑗𝑤
1 1 𝑒 𝑗𝑤 1 1 1
𝔽[𝑥(𝑡)] = ( )+ ( ) − ( )
𝑗𝑤 1 + 𝑗𝑤 (−𝑗𝑤)2 1 + 𝑗𝑤 (−𝑗𝑤)2 1 + 𝑗𝑤
Ici, nous pouvons procéder en trouvant la transformée inverse de Fourier du résultat dessus qui
est en peut complique, mais en utilisant la fonction partiale on peut y arriver. On va revenir sur
ce résultat en plus dans le chapitre.

La méthode graphique
Nous avons utilisé un exemple plus facile a visionné graphiquement. Il s’agit des deux signaux
ci-dessous : x(t)

t
0 (a) 2

h(t)
2

t
0 1
Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 59
 (b)

Nous savons que la formule mathématique pour la convolution entre les deux signaux ci-dessus
est la suivante :
∞ ∞

𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ ℎ(𝜏)𝑥(𝑡 − 𝜏)𝑑𝜏 = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏,

−∞ −∞
1er étape : réécrire les signaux en fonction de  : x() et h(t-).
x()


0(a) 2

h()
2


0 1

(b)

2ème étape : retourné autour de t=0, l’un des signaux. Ça peut être x(-) ou h(-). Il faut noter
que le meilleur signal à retourner est ce avec une durée courte. Dans le cas d’espèce, le signal
avec une durée courte est h(-).

x()


0(a) 2

h()
2


-1 0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 60
3ème étape : trouver les bornes du signal retourné :
h()
2

-1 0

=-1 =0
Nous avons les bornes gauche et droite ci-dessus.
4ème étape : déplacé h(-) par une value arbitraire t pour avoir h(t-) pour avoir les bornes
suivantes : gauche= t-=t-1 et la droite = t-=t-0=t

5ème étape : trouver maintenant la région d’intersection pour les deux signaux en fonction de .
Chaque région, avec les bornes en t, est calculée. Il faut noter que les bornes sont continuées.

x()


0 2 Région I
Pas d’intersection
h() t<0
2

-1 0
t-=t-1 t-=t-0=t

x()


0 2 Région II
Intersection partial
0≤t≤1
h()
2

-1 0
t-1 t

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 61
 x()


0 2 Région III
Intersection total
h() 1 ≤ t <2
2

-1 0
t-1 t

x()


0 2 Région IV
Intersection partial
h() 2<t≤3
2

-1 0
t-1 t

x()


0 2 Région V
Pas intersection
3< t
Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 62
 h()
2

-1 0
t-1 t

Nous pouvons maintenant calculé sur les bornes trouvées dans chaque région (intervalle):
Région I
Pas d’intersection donc
∞ ∞

𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 = ∫ 0𝑑𝜏 = 0

−∞ −∞
Région II
Intersection partial. Dans ce cas t est entre 0 et, 1 donc les limites d’intégrations sont de 0 à t
𝑡 𝑡

𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 = ∫ 8𝑑𝜏 = [8𝜏]𝑡0 = 8𝑡, 𝑝𝑜𝑢𝑟 0 ≤ 𝑡 < 1

0 0

Région III
Intersection total. Dans ce cas t est entre 1 et 2 donc les limites d’intégrations sont de t-1 à t
𝑡 𝑡

𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 = ∫ 8𝑑𝜏 = [8𝜏]𝑡𝑡−1 = 8𝑡 − 8(𝑡 − 1) = 8, 𝑝𝑜𝑢𝑟 1 ≤ 𝑡 < 2

𝑡−1 𝑡−1

Région IV
Intersection partial. Dans ce cas t est entre 2 et 3 donc les limites d’intégrations sont de t-1 à 2
2

𝑦(𝑡) = ∫ 8𝑑𝜏 = [8𝜏]2𝑡−1 = 16 − 8(𝑡 − 1) = 24 − 8𝑡, 𝑝𝑜𝑢𝑟 2 ≤ 𝑡 < 3

𝑡−1
Région V
Pas d’intersection. Dans ce cas t > 3 donc les limites
∞ ∞

𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 = ∫ 0𝑑𝜏 = 0

−∞ −∞

6ème étape : pour chaque région on trouve 𝑥(𝜏)ℎ(𝑡 − 𝜏), puis on intègre. Les bornes
d’intégration se trouve là où le produit est non zéro. Pour y arrivé, il faut regarder les bornes de
x() et h(t-). N. B. Les bornes de h(t-) sont toujours : à gauche t-g et à droit t-d. dans
l’exemple la borne de h(t-) de gauche est : t-g =t-1 et la borne de droite est : t-d= t-0=t. on
peut facilement intégrer 𝑥(𝜏)ℎ(𝑡 − 𝜏) dans les bornes trouver ci-dessus.

7ème étape : assemblés le résultat en définissants les bornes d’existence du signal.

Donc le résultat final est : Région III

Région II Intersection total Région IV
Intersection 1 ≤ t <2 Intersection partial
Ing. Eugene N Nshanji : Traitement
partial du signal ; support de cours SUPPTIC Yaoundé 2017-2018 63
0≤t≤1 2<t≤3
Région I Région V
Pas d’intersection t<0 Pas intersection 3< t

*Dérivation d’un produit de convolution

𝑑
𝔽−1 [𝔽 { [𝑥1 (𝑡) ∗ 𝑥2 (𝑡)]}] = 𝔽−1 {𝑗𝑤𝑋1 (𝑤)𝑋2 (𝑤)} = 𝔽−1 {𝑗𝑤𝑋1 (𝑤)} ∗ 𝔽−1 {𝑋2 (𝑤)}
𝑑𝑡
1 1
= ( 𝑥1 (𝑡)) ∗ 𝑥2 (𝑡) = 𝑥1 (𝑡) ∗ ( 𝑥2 (𝑡))
𝑑𝑡 𝑑𝑡

Remarque : la dérivation d’un produit de convolution ne pas une dérivation du produit simple.
En réalité parfois nous confondons suivant avec la dérivé de produit simple d’une fonction et
la dérivé de produit de convolution de fonctions.

*la convolution d’un signal avec une fonction de Dirac

𝑥(𝑡) ∗ 𝛿(𝑡) = 𝑥(𝑡)
*la convolution d’un signal avec une impulsion de Dirac décalé
𝑥(𝑡) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡0 )
𝑥(𝑡 − 𝑡1 ) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡1 − 𝑡0 )

Propriétés de la convolution
Commutative
Soit deux signaux notés x1(t) et x2(t), leur produit de convolution est commutatif c’est-à-dire
∞ ∞

𝑦(𝑡) = 𝑥1 (𝑡) ∗ 𝑥2 (𝑡) = ∫ 𝑥1 (𝜏)𝑥2 (𝑡 − 𝜏)𝑑𝜏 = ∫ 𝑥2 (𝜏)𝑥1 (𝑡 − 𝜏)𝑑𝜏

−∞ −∞

Distributivité sur la sommation

∞ ∞

𝑦(𝑡) = 𝑥1 (𝑡) ∗ (𝑥2 (𝑡) + 𝑥3 (𝑡)) = ∫ 𝑥1 (𝜏)𝑥2 (𝑡 − 𝜏)𝑑𝜏 + ∫ 𝑥1 (𝜏)𝑥3 (𝑡 − 𝜏)𝑑𝜏

−∞ −∞

Corrélation et densité spectrale

La corrélation en traitement du signal est un produit scalaire qui mesure la similarité entre
deux signaux. Soit x1(t) et x2(t) deux signaux valeurs réelles, on définit l’intercorrélation R12(τ)
de ces deux signaux au moyen de la relation suivante-:
∞

𝑅12 (𝜏) = 𝑥1 (𝑡) ∗ 𝑥2 (𝑡) = ∫ 𝑥1 (𝜏)𝑥2 (𝑡 − 𝜏)𝑑𝜏

−∞

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 64
On peut aussi écrire l’équation d’intercorrélation comme suit :
∞ ∞ ∞ ∞

𝑅12 (𝜏) = ∫ 𝑥1 (𝑡) ∫ 𝑋2 (𝑤)𝑒 𝑗𝑤(𝑡−𝜏) 𝑑(𝑤)𝑑𝑡 = ∫ 𝑋2 (𝑤) ∫ 𝑥1 (𝑡) 𝑒 𝑗𝑤𝑡 𝑑𝑡 ∙ 𝑒 −𝑗𝑤𝜏
−∞ −∞ −∞ −∞

C’est-à-dire les similarités entre ces deux signaux.

Par contre la fonction d’autocorrélation du signal x1(t), c’est-à-dire, l’intercorrélation du signal

x1(t) avec lui-même, se définit au moyen de la relation suivante-:
∞ ∞ ∞ ∞

𝑅11 (𝜏) = ∫ 𝑥1 (𝑡) ∫ 𝑋1 (𝑤)𝑒 𝑗𝑤(𝑡−𝜏) 𝑑(𝑤)𝑑𝑡 = ∫ 𝑋1 (𝑤) ∫ 𝑥1 (𝑡) 𝑒 𝑗𝑤𝑡 𝑑𝑡𝑒 −𝑗𝑤𝜏 𝑑𝑤
−∞ −∞ −∞ −∞
∞

= ∫ |𝑋1 (𝑤)|2 𝑒 −𝑗𝑤𝜏 𝑑𝑤

−∞
Ce qui montre que la transformée de Fourier R11(τ) est le spectre.
Remarque : le spectre d’énergie et fonction autocorrélation sont les transformée de Fourier l’une
de l’autre.

Propriétés des fonctions de corrélation

R12(τ) = R21(-τ)
R11(τ) = R11(-τ)
Si τ =0, alors
∞

𝑅11 (𝜏) = ∫ |𝑥1 (𝑡)|2 𝑑𝑡 = 𝐸

−∞
Ou E est l’énergie contenue dans le signal. Donc la transformée de Fourier de l’autocorrélation
peut être facilement calculée à l’aide des théorèmes vus précédemment :

𝑅11 (𝜏) = ∫ |𝑥1 (𝑡)|2 𝑑𝑡 = |𝑋1 (𝑤)|2

−∞
Cette relation entre l’autocorrélation et le spectre d’énergie est connue sous le nom de théorème
de Wiener-Kichinev lorsque x(t) est un processus stochastique.

Densité spectrale énergétique

Soit R11(τ) la fonction d’autocorrélation du signal x1(t), l’intégrale définie S11 qui est
∞

𝑆11 (𝑤) = 𝔽 [𝑅11 (𝜏)] = ∫ 𝑅11 (𝜏)𝑒 −𝑗𝑤𝜏 𝑑𝜏

−∞

est appelé densité spectrale énergétique du signal x1(t). La transformée de Fourier inverse du
S11(w).

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 65
 ∞
1
𝑅11 (𝜏) = 𝔽−1 [𝑆11 (𝑤)] = ∫ 𝑆11 (𝑤)𝑒 𝑗𝑤𝜏 𝑑𝑤
2𝜋
−∞

Si x1(t) est réel, on a les relations-:

𝑆11 (𝑤) = 𝔽 [𝑅11 (𝜏)] = [𝑋1 (𝑤)]2

∞
1
𝑅11 (𝜏) = 𝔽−1 [𝑆11 (𝑤)] = ∫ [𝑋1 (𝑤)]2 𝑒 𝑗𝑤𝜏 𝑑𝑤
2𝜋
−∞
Si τ =0
∞
1
𝑅11 (0) = 𝔽−1 [𝑆11 (𝑤)] = ∫ [𝑋1 (𝑤)]2 𝑑𝑤
2𝜋
−∞

Donc
∞ ∞
2
1
𝐸 = ∫ [𝑥1 (𝑡)] 𝑑𝑡 = ∫ [𝑋1 (𝑤)]2 𝑒 𝑗𝑤𝜏 𝑑𝑤
2𝜋
−∞ −∞

Ce relation est connue sous le nom de théorème de Parseval relatif la transforme de Fourier.

Puissance d’un signal et autocorrélation

Le signal puissance moyenne finie non nulle du signal x1(t) se définit
𝑇⁄
2
1
𝑅̅11 (𝜏) = lim ∫ 𝑥1 (𝑡)𝑥1 (𝑡 − 𝜏)𝑑𝑡
𝑇→∞ 𝑇
−𝑇⁄
2
Si τ = 0, alors
𝑇⁄
2
1
𝑃𝑥 = 𝑅̅11 (0) = lim ∫ [𝑥1 (𝑡)]2 𝑑𝑡
𝑇→∞ 𝑇
−𝑇⁄
2

Si le signal x1(t) est périodique avec la période T0 alors

𝑇0⁄
2
1
𝑅̅11 (𝜏) = ∫ 𝑥1 (𝑡)𝑥1 (𝑡 − 𝜏)𝑑𝑡
𝑇0
−𝑇0⁄
2

Densité spectrale de puissance

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 66
La transformée de Fourier de la fonction d’autocorrélation est appelée la densité spectrale de
puissance du signal a puissance moyenne finie x1(t). La densité spectrale de puissance du signal
x1(t)
∞
̅ =∗ 6𝔽[𝑅̅11 (𝜏)] = ∫ 𝑅̅11 (𝜏)𝑒 −𝑗𝑤𝜏 𝑑𝜏
𝑆11
−∞

Donc
∞
1
̅ (𝑤)] =
𝑅̅11 (𝜏) = 𝔽−1 [𝑆11 ̅ (𝑤)]𝑒 𝑗𝑤𝜏 𝑑𝑤
∫ [𝑆11
2𝜋
−∞

Si τ = 0,
∞
1
̅ (𝑤)] =
𝑅̅11 (0) = 𝔽−1 [𝑆11 ̅ (𝑤)]𝑑𝑤
∫ [𝑆11
2𝜋
−∞
𝑇⁄
2 ∞
1 1
𝑃𝑥 = 𝑅̅11 (0) = lim ∫ [𝑥1 (𝑡)]2 𝑑𝑡 = ̅ (𝑤)]𝑑𝑤
∫ [𝑆11
𝑇→∞ 𝑇 2𝜋
−𝑇⁄ −∞
2
Remarque
Au contraire de la densité spectrale d’énergie, la densité spectrale de puissance, n’est pas égale
au carré du module de la transforme de Fourier du signal.

Exemple pratique sur Transformée de Fourier

Soit x(t) un signal représenter par la figure ci-dessous, définie entre -1/2 < t<1/2,
x(t)
1

t
-1/2 1/2
Solution
1⁄
∞ 2 1⁄
𝑒 −𝑗2𝜋𝑓𝑡 2
𝑋(𝑤) = ∫ 𝑥(𝑡)𝑒 −𝑗𝑤𝑡 𝑑𝑡 = ∫ 1𝑒 −𝑗𝑤𝑡 =[ ]
−𝑗2𝜋𝑓 −1⁄
−∞ −1⁄ 2
2
𝑗𝜋𝑓 −𝑗𝜋𝑓
1 1 𝑒 +𝑒 1
𝑋(𝑤) = [𝑒 𝑗𝜋𝑓 + 𝑒 −𝑗𝜋𝑓 ] = [ ]= 𝑠𝑖𝑛(𝜋𝑓) = 𝑠𝑖𝑛𝑐(𝜋𝑓)
𝑗2𝜋𝑓 𝜋𝑓 2𝑗 𝜋𝑓

Tableau sommaires des propriétés de la Transformée de Fourier

Propriété Fonction Transformée

Linéarité 𝛼𝑥(𝑡) + 𝛽𝑦(𝑡) 𝛼𝑋(𝑓) + 𝛽𝑌(𝑓)

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 67
 Décalage temporel ou translation 𝑥(𝑡 − 𝑡0 ) 𝑋(𝑤)𝑒 −𝑗2𝜋𝑓𝑡0
Décalage fréquentiel ou 𝑥(𝑡)𝑒 𝑗𝑤0 𝑡 ⟺ 𝑋(𝑓 − 𝑓0 )
Multiplication par une fréquence ou
modulation
Changement d’échelle ou dilatation 𝑥(𝛼𝑡) 1 𝑓
𝑋( )
|𝛼| 𝛼
Inversion du temps 𝑥(−𝑡) 𝑋(−𝑓)
Dualité ou réciprocité 𝑋(𝑡) 2𝜋𝑥(−𝑓)
Différentiation par rapport au 𝑑 2𝜋𝑓𝑗𝑋(𝑓)
𝑥 ′ (𝑡) = (𝑥(𝑡))
temps 𝑑𝑡
• rapport à la
par (−𝑗𝑤𝑡)𝑥(𝑡) 𝑑
𝑋 ′ (𝑓) = (𝑋(𝑓))
fréquence-: 𝑑𝐹
Intégration 𝑡 1
𝑋(𝑤) + 𝜋𝑋(0)𝛿(𝑤)
∫ 𝑥(𝜏)𝑑𝜏 𝑗𝑤
−∞
Convolution temporelle 𝑥2 (𝑡) ∗ 𝑥2 (𝑡) 𝑋1 (𝑤)𝑋2 (𝑤)

Convolution fréquentielle ou 𝑥2 (𝑡)𝑥2 (𝑡) 𝑋1 (𝑤) ∗ 𝑋2 (𝑤)

multiplication temporelle

Tableau sommaires des propriétés de la Transformée de Fourier des signaux

usuels

Fonction Transformée
𝛿(𝑡) 1
𝛿(𝑡 − 𝑡0 ) −𝑗𝑤𝑡0
𝑒
1 2𝜋𝛿(𝑤)
𝑢(𝑡) 1
𝜋𝛿(𝑤) +
𝑗𝑤
𝑠𝑔𝑛(𝑡) 2
𝑗𝑤
𝑒 −𝑡 1
1 + 𝑗𝑤
𝑒 −𝑎𝑡 𝑢(𝑡) 1
, 𝑝𝑜𝑢𝑟 𝑎 > 0,
𝑎 + 𝑗𝑤
𝑒 −𝑎|𝑡| 2𝑎
, 𝑝𝑜𝑢𝑟 𝑎 > 0,
𝑤 2 + 𝑎2
𝑐𝑜𝑠𝑤0 𝑡 𝜋𝛿(𝑤 − 𝑤0 ) + 𝜋𝛿(𝑤 + 𝑤0 )
𝑠𝑖𝑛𝑤0 𝑡 𝑗𝜋𝛿(𝑤 − 𝑤0 ) + 𝑗𝜋𝛿(𝑤 + 𝑤0 )

Traitement de signaux numériques

Introduction
Le traitement du signal numérique

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 68
 Chapitre
La numérisation
L'échantillonnage des signaux

Comme nous avons vu aux précédents chapitres, un signal est la représentation physique d’une
information qui est transportée avec ou sans transformation, de la source jusqu’au destinataire.
Il en existe deux catégories pour les signaux déterministes à savoir :
 les signaux analogiques que nous avons vu, varient de façon continue dans le temps
(par exemple l’intensité sonore, intensité lumineuse, pression, tension), c’est-à-dire
qu’ils peuvent prendre une infinité de valeurs différentes.
 les signaux numériques qui transportent une information sous la forme de discrète.

Les signaux numériques

Les signaux numériques c’est un signal qui évoluent uniquement à des instants discrets tn où n
∈ Z. On parle alors de signal à temps discret ou encore de signal numérique. En termes
mathématiques, un signal à temps continu est une fonction du temps tandis qu’un signal à temps
discret est une suite.

Signal x(n)
Remarque : x(n) n’est pas défini si n  Z.

L’avancement technologies dans les sciences en général et dans le traitement du signal en

particulier nous amène à regarder des signaux numériques utilisés dans le traitement du signal
numérique. Aujourd’hui, presque tous les systèmes raconté dans les télécommunications sont
les systèmes numériques, d’où l’importance de traitement du signal numérique.

L’importance des systèmes numériques de traitement de l’information ne cesse de croître dans

les radios, télévisions, téléphones, instrumentations, satellites, même dans la cuisine avec les
fours à micro-ondes. Le traitement de signal numérique amène une stabilité dans un système
ainsi que le faciliter de corriger les erreurs commise pendant la transmission du signal de la
source au destinataire.

Le signal continu, mesure la quantité physique à savoir: l’amplitude, fréquence, et phase, qui
varie avec le temps, n’est peut pas être manipulé par l’ordinateur. Pour bien traité le signal
numérique, une opération préliminaire de conversion du signal analogique au signal numérique
ou discrète est nécessaire. La manipulation de signaux continus est devenue très coûteux pour
les nouvelles technologies et pour palier à ce problème, le signal continu doit être échantillonné

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 69
pour donner le signal discret. C’est pour la qu’on va bien regarder les signaux discrets dans le
traitement du signal parce que sa place est incontournable pour le monde de
télécommunications aujourd’hui.

En réalité la numérisation d’un signal analogique en un signal numérique engendre trois étapes
à savoirs :
 échantillonnage,
 quantification, et
 codage.
Dans ce cours on va seulement traiter le processus d’échantillonnage parce que ça nous
concerne dans le traitement du signal numérique. Dont, le traitement numérique des signaux se
fait sur des valeurs discrètes. Par souci de simplicité, on échantillonne les signaux un rythme
régulier. Une horloge de cadence Te permet de conserver entre les instants nTe et (n+1)Te la
valeur qu'avait le signal à l’ instant nTe. Mais cette transformation introduire les pertes
d’informations dans le signal discret, si les mesures pris n’ont pas suffisamment grande.
Heureusement, le théorème de Shannon nous faire savoir dans quelles conditions un
échantillonnage peut n’engendre aucune perte d’information.

Définition : L’échantillonnage est un processus qui consiste à prélever sur un signal

(analogique) à temps continu x(t) une suite de valeurs instantanées prise à une suite d’instants
précis.

Diagramme sur Matlab

Tout se passe comme si un interrupteur électronique laissait passer le signal (interrupteur
fermé) pendant γ secondes et le bloquait (interrupteur ouvert) pendant (Te-γ) secondes, au
rythme d'une horloge de période Te.

fe

S(t)
Se (t)

Fig. 3 ; Principe d’échantillonnage

Se(t)

S(t)
Fig. 4 : Signal Analogique et échantillonné

Te=1/Fe = période d’échantillonnage

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 70
= durée d’un échantillon.

La question fondamentale est de savoir s’il est possible de reconstruire s(t) à partir des
échantillons se(t), ce qui est aussi une façon de dire que l’on n’a pas perdu d’information sur le
signal. La période d'échantillonnage Te ne peut prendre une valeur quelconque, car il faut
prélever suffisamment d'échantillons pour ne pas perdre l'information contenue dans le signal
S(t). Un théorème de Shannon permet de déterminer la fréquence d'échantillonnage minimale
(également appelée fréquence de Nyquist). Pour que le signal puisse être correctement
reconstitué, la fréquence d'échantillonnage doit être égale au moins double de la plus haute
fréquence du spectre du signal (théorème de Shannon).

3.2.1 Théorème de Shannon

Le théorème de Shannon est appliqué dans deux conditions pour un signal analogique à savoirs :

1) Cas d’un signal sinusoïdal

Si le signal est sinusoïdal, il faut prendre au moins deux échantillons par période du signal,
donc Te < T0/2. La fréquence d’échantillonnage doit être au moins deux fois supérieure à la
fréquence du signal : Fe > 2f0

2) Signaux à spectre limité

Un signal à spectre limité est un signal dont toutes les fréquences sont comprises entre une
fréquence minimale fmin et une fréquence maximale fmax.

Exemple : Le spectre du son audible s'étend de 20 Hz à 20 KHz, la fréquence

d’échantillonnage doit être supérieure à deux fois la fréquence la plus élevée d’un signal à
spectre limité. Fe > 2fmax = 40kHz.

Remarque: si la fréquence d’échantillonnage est moins que 2fmax alors, il y a perte

d’informations dont le signal reconstitué sera déformé.

Soit S(t) un signal dont le spectre est à bande limitée [-B,+B]. S(t) peut être reconstitué à
partir de ses échantillons Se(Te), à condition que Te. Posons :

. La fréquence d'échantillonnage sera donc d'au moins De 40KHz.

3.2.2 Expression mathématique du signal échantillonné

Le signal échantillonné peut être considéré comme le produit du signal analogique par un
signal périodique avec une période de Te (h(t))

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 71
 Fig. 5 : fréquence d’échantillonnage

x(n) = x(t) h(t)

Le schéma de principe de l'échantillonnage est décrit à la Fig. 5. Il exprime le fait qu'on peut
considérer que x(n) est obtenu par multiplication de x(t) par un train d'impulsions de Dirac
(h(t) de période Te :

𝑥(𝑛) = 𝑥(𝑡)ℎ(𝑡)

Mais comme h(t) est un train d’impulsion de Dirac qui peut aussi écrire par :

𝛿𝑇𝑒 (𝑡)

Le symbole ci-dessus est aussi appelé peigne de Dirac.

On a réécrire alors l’équation dessus

𝑥(𝑛) = 𝑥(𝑡)ℎ(𝑡) = 𝑥(𝑡)𝛿𝑇𝑒 (𝑡) = ∑ 𝑥(𝑛𝑇𝑒 )𝛿(𝑡 − 𝑛𝑇𝑒 )

𝑛

On va voir dans le cours que la transformée de Fourier à temps discret (TFTD) du signal x(n)
est :
∞
1
ℱ[𝑥(𝑛)] = 𝑋(𝑓) = ∑ 𝑋(𝑓 − 𝑛𝑓𝑒 )
𝑇𝑒
𝑛→−∞

Interprétation de l'échantillonnage dans le domaine des fréquences

L'opération d'échantillonnage a consisté à mesurer la valeur du signal x(t) à un instant donné

(par exemple pour t = 0), ce qui peut se formaliser en utilisant la distribution de Dirac

x(0)   x(t ) (t )dt


De même, la mesure à l'instant nTe s'écrira

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 72
 
x(nTe )   x(t ) (t  nT )dt

e

On peut interpréter l'échantillonnage comme une séquence d'impulsions de Dirac modulées en

amplitude par le signal x(t)

y (t )   x(nT ) (t  nT )
n 
e e

ou encore sous la forme d'un produit que nous noterons


y (t )  x(t )  (t  nT )  x(t )s (t )
n 
e e

Remarque importante: Pour interpréter correctement l'échantillonnage et la reconstruction du

signal à temps continu x(t) à partir des échantillons x(nTe), il faut donc se représenter le signal
échantillonné comme cette suite d'impulsions modulées en amplitude séparées par des périodes
où le signal est nul, et non sous la forme de créneaux d'amplitude constante x(nTe) entre les
instants d'échantillonnage, qui est le résultat de l'application d'un bloqueur au signal
échantillonné. La représentation des équations dessus est un produit dans le domaine temporel.
Elle se traduit donc sous la forme d'une convolution dans le domaine des fréquences. La
distribution s(t) est un ``peigne'' d'impulsions de Dirac régulièrement espacées. Elle admet une
transformée de Fourier, S(w) qui est elle aussi un peigne d'impulsions de Dirac régulièrement
espacées, l'écart entre les harmoniques étant we = 2/Te

Repliement de spectres ou Aliasing en anglais

La conséquence d’échantillonné un signal analogique avec la fréquence d’échantillonnage plus

petite que la fréquence de Nyquist crée ce qu’on appelle aliasing. Autrement dire lorsqu’on
réalise l’échantillonnage sans respecter les conditions du théorème de Shannon, c’est –à-dire la
fréquence d’échantillonnage est plus petite que fréquence de Nyquist, les diverses « copies »
du spectre X(f) du signal original se chevauchent en domaine fréquentielle. Cette superposition
altère l’information spectrale dans les plus hautes fréquences de l’intervalle [−fe/2, fe/2]. On
nomme cette situation repliement spectral. La distorsion de l’information dans le domaine des
fréquences a des conséquences importantes sur les caractéristiques du signal reconstruit

Exemple
Soient deux signaux savoir à :
𝑥1 = cos(2𝜋(0.2)𝑡) 𝑒𝑡 𝑥2 = cos(2𝜋(1.2)𝑡)
Si ces deux signaux avec les fréquences suivantes :
𝑥1 (𝑡) = cos(2𝜋(0.2)𝑡) 𝑎𝑣𝑒𝑐 𝑙𝑎 𝑓𝑟é𝑞𝑢𝑒𝑛𝑐𝑒 0.2𝐻𝑧 𝑒𝑡
𝑥2 (𝑡) = cos(2𝜋(1.2)𝑡) 𝑎𝑣𝑒𝑐 𝑙𝑎 𝑓𝑟é𝑞𝑢𝑒𝑛𝑐𝑒 1.2𝐻𝑧

Pour faciliter les signaux numériques en remplaçant t par n on a :

𝑥1 (𝑛) = cos(2𝜋(0.2)𝑛)
𝑥2 (𝑛) = cos(2𝜋(1.2)𝑛)
Si nous esquisser les deux signaux, l’allure nous donne la même courbure.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 73
Les deux signaux sont les replies de chacun.
𝑥1 = cos(2𝜋(0.2)𝑡) = cos(0.4𝜋𝑡) 𝑒𝑡
𝑥2 = cos(2𝜋(1.2)𝑡) = cos(2𝜋𝑡 + 0.4𝜋𝑡) = cos(0.4𝜋𝑡)
Même si les deux signaux ont les fréquences différentes l’allure est la même, donc les deux
signaux sont les replient de chacun. Nous pouvons avoir les nombres infini des replient les
suivantes :
𝑥1 (𝑛) = cos(2𝜋(0.2)𝑛)
𝑥2 (𝑛) = cos(2𝜋(1.2)𝑛) = cos(2.4πn) = cos(2𝜋𝑛 + 0.4𝜋𝑛) = cos(0.4𝜋𝑛)
Prenons ω = 0.4𝜋 + 2𝜋𝑙, 𝑝𝑜𝑢𝑟 𝑙 ∈ 𝑧 = 0, 1,2,3 ⋯
Si nous prenons l négative, on a :
𝑥3 (𝑛) = cos(2𝜋(0.8)𝑛) = cos(1.6𝜋𝑛) = cos(2𝜋𝑛 − 0.4𝜋𝑛) = cos(0.4𝜋𝑛)
Les spectres pour les signaux ci-dessus sont tracés ci-dessous :

En fait les repliements des fréquences est seulement dangereux lorsqu’on échantillon le signal
avec la fréquence d’échantillonnage plus petite que la fréquence de Nyquist. Considérant le
signal tel que x=cos(2π(4000)t), selon le théorème de Shannon, la fréquence de Nypuist sera
au moins 8kHz. Mais si on utilise la fréquence d’échantillonnage de 10kHz, on obtient les
points échantillonnés x(n) comme ci-dessous dans la figure. Le spectre original et sa replient
font apparaître de raies spectrales se trouvant aux fréquences mfe ± f0 = ±4kHz, ±6kHz,
±14kHz, ±16kHz, … On voit que dans la bande de base qui s’étend de 0 à fe/2 =5kHz, il n’y
qu’une seule raie spectrale située en f =4kHz la fréquence originale.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 74
 No Aliasing
1
Original signal
Discrets point
Discret signal
0.5

Amplitude
0

-0.5

-1
-5 0 5
Time x 10
-4

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
-5 -4 -3 -2 -1 0 1 2 3 4 5
-4
x 10

Si par contre nous utilisons la fréquence d’échantillonnage de 6kHz, on obtient les points
échantillonnés x(n) comme la figure****. Le spectre original et sa replient font apparaître de
raies spectrales se trouvant aux fréquences mfe ± f0 = ±2kHz, ±4kHz, ±10kHz, ±12kHz, … On
voit que dans la bande de base qui s’étend de 0 à fe/2 =3,5kHz, il n’y qu’une seule raie
spectrale située en f =3kHz qui n’est pas la fréquence originale. Dans ce cas le signal replié
de 3kHz qu’est dans le spectre de bande de base sera substitué comme le signal original
incorrectement l'un à l'autre lors de la reconstruction du signal d'origine.
Aliasing frequency2000 Hz
1
Original signal
Discrets point
Discret signal
0.5
Aliasing signal
Amplitude

-0.5

-1
-5 0 5
Time x 10
-4

La transformée de Fourier permet d'obtenir le spectre en fréquence d'un signal. Lorsque l'on
numérise un signal et que l'on calcule son spectre, on obtient le spectre du signal, mais aussi
une duplication de ce spectre en un nombre infini (du moins en théorie) d'exemplaires. Les
différents spectres obtenus sont centrés autour des différents multiples de la fréquence
d'échantillonnage (Fe, 2 Fe, 3 Fe, etc.). Si le théorème de Shannon a été respecté, c'est-à-dire si
la fréquence d'échantillonnage est au moins deux fois plus élevée que la fréquence maximale

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 75
contenue dans le signal, il suffit de faire un filtrage autour de ± Fe/2 pour obtenir le spectre du
signal.

Si par contre le théorème de Shannon n'est pas respecté, les différents spectres répliqués se
recouvrent "sur les bords" et au niveau des zones de recouvrement, les spectres s'additionnent.
Tout se passe comme s'il y avait un repliement du spectre sur lui-même. Le spectre restitué
après filtrage ne correspond donc pas totalement au spectre réel du signal et les analyses sont
donc faussées. Plus le recouvrement est important, moins le spectre restitué correspond au
spectre réel du signal

2.2 Signaux déterministes à temps discret

A partie d’ici on parlera de signal déterministe à temps discret ou signal numérique pour
désigner une suite numérique représentée par une fonction de Z dans R :
𝑥(𝑛) ∈ ℝ 𝑎𝑣𝑒𝑐 𝑛 ∈ 𝑍
Nous considérerons, pour l’essentiel, que des signaux réels. Le cas des signaux complexes ne
présente pas de difficultés mathématiques particulières et nous nous permettrons de
généraliser directement les propriétés quand ce sera nécessaire.

2.2.2 Représentations des signaux numériques

On peut représentations les signaux numériques en utilisant quatre façons à savoir :
1, 𝑝𝑜𝑢𝑟 𝑛 = 0,2
𝑥(𝑛) = { 2, 𝑝𝑜𝑢𝑟 𝑛 = 1, 3,4
0, 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡
Ici on parle de la représentation fonctionnelle
𝑥(𝑛) = {0, 0, 3 , 1,2, ⋯ }
On parle de la représentation séquentielle. Mais cette représentation est peu utilisée pour sa
complexité en déterminante le début de la séquence. On sait que pour n=0 ce le numéro
souligner.
𝑛 = −3, −2, −1, 0, 1, 2, 3, 4, 5
𝑥(𝑛) = 0, 0, 0, 2, 1, 5, 1, 0 0

Ici c’est la représentation tabulée la plus utilisées.

On peut aussi utiliser la représentation graphique comme ci-dessous avec le signal numérique
n’est défini que pour les valeurs entières de l’abscisse.

Représentation graphique
2.2.3 Signaux numériques usuels importants dans le traitement signal numérique
 Suite unité ou suite de Dirac : 𝛿(𝑛)
1, 𝑝𝑜𝑢𝑟 𝑛 = 0
𝛿(𝑛) = {
0, 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 76
On l’appelle également «impulsion unité». On trouvant l’impulsion de Dirac déplacé ou
retardé :
1, 𝑝𝑜𝑢𝑟 𝑛 = 𝑘
𝛿(𝑛 − 𝑘) = {
0, 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡

 Echelon unité ou fonction de Heaviside : u(n)

1, 𝑝𝑜𝑢𝑟 𝑛 ≥ 0
𝑢(𝑛) = {
0, 𝑝𝑜𝑢𝑟 𝑛 < 0

Echelon unité
On peut aussi avoir un échelon unité retardé : u(n-k)
1, 𝑝𝑜𝑢𝑟 𝑛 ≥ 𝑘
𝑢(𝑛 − 𝑘) = {
0, 𝑝𝑜𝑢𝑟 𝑛 < 𝑘

 Suite rectangulaire ou signal fenêtre (box) : recta(n),

1, 𝑝𝑜𝑢𝑟 − 𝑎 ≤ 𝑛 ≤ 𝑎
𝑟𝑒𝑐𝑡𝑎 (𝑛) = {
0, 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡

On définit parfois la suite rectangulaire par: 𝑟𝑒𝑐𝑡𝑎 (𝑛) = 𝑢(𝑛 + 𝑎) − 𝑢(𝑛 − 𝑎 − 1).

 Rampe unité : u1(n),

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 77
 𝑛, 𝑝𝑜𝑢𝑟 𝑛 ≥ 0
𝑢1 (𝑛) = 𝑛𝑢(𝑛) {
0, 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡

Rampe unité
 Suite exponentielle : 𝑥(𝑛) = 𝑎𝑛
𝑥(𝑛) = 𝑎𝑛 , ∀𝑛 ∈ ℤ
Si on a > 1 le graphe est le suivant :

Si on |a| < 1 le graphe est :

2.2.4 Energie et puissance

Deux concepts importants dans les signaux tant analogues que numériques, sont les concepts
d'énergie et de puissance d'un signal. Pour cela, il est utile de considérer un exemple. L’énergie
d'un signal est une caractéristique liée à la quantité de l'information représentée.

Les signaux discret à énergie finie sont ceux pour lesquels l'intégrale ou la somme suivante est
bornée sur une quantité positive définie par :
+∞

𝐸 = ∑|𝑥(𝑛)|2 < +∞
−∞

Si un signal a à énergie infinie (périodique par exemple) on préférera utiliser la notion de

puissance moyenne :
1
𝑃 = lim ∑𝑁𝑛=−𝑁|𝑥(𝑛)|
2
𝑁→∞ 2𝑁+1

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 78
 Chapitre

Transformée de Fourier du Temps Discret (TFTD)

Le traitement numérique de l’information apporte de nombreux avantages techniques ainsi
qu’une flexibilité accrue dans beaucoup de domaine. Le traitement du signal par transformée
de Fourier pose cependant un certain nombre de problèmes. En effet un ordinateur ne peut
traiter que des signaux numériques, ceux-ci sont obtenus après un échantillonnage comme
indiquât dans le chapitre précédent et quantification. Leur étude devra tenir compte des effets
induits sur le spectre par ces deux techniques. De plus, un calcul de transforme de Fourier est
une somme d’une infinité d’échantillons. Le temps nécessaire ainsi que la mémoire de
l’ordinateur va forcément emmener certaines contraintes a ce niveau.

Transformée de Fourier d'un signal discret

Un signal discret est défini par une suite d’échantillons espacés entre eux d’une période Te. La
transformée de Fourier applique un signal discret x[n] devient donc :
∞
−2𝑗𝜋𝑛𝑓
𝑋(𝑓) = ∑ 𝑥[𝑛]𝑒 𝐹𝑒

𝑛→−∞

Si cette série converge, la transforme de Fourier inverse est définie par :

𝐹𝑒⁄
2
1 2𝑗𝜋𝑛𝑓
𝑥[𝑛] = ∫ 𝑋(𝐹)𝑒 𝐹𝑒
𝐹𝑒
−𝐹𝑒⁄
2

Remarque :
On peut prouver que X(f) est une fonction périodique de période Fe. Si on remplace f par (f +
kFe)

𝑛(𝑓+𝑘𝐹𝑒 ) 𝑛𝑓 𝑛𝑘𝐹𝑒 𝑛𝑓 𝑛𝑓
−2𝜋𝑗 −2𝜋𝑗 −2𝜋𝑗 −2𝜋𝑗 −2𝜋𝑗
𝑒 𝐹𝑒 =𝑒 𝐹𝑒 . 𝑒 𝐹𝑒 =𝑒 𝐹𝑒 . 𝑒 −2𝜋𝑗𝑛𝑘 =𝑒 𝐹𝑒

Comme 𝑒 −2𝜋𝑗𝑛𝑘 est une constante égale à 1 quel que soit nk.

Soit xe(t) un signal issu de échantillonnage de x(t) :

∞

𝑥𝑒 (𝑡) = ∑ 𝑥(𝑛𝑇𝑒 )𝛿(𝑡 − 𝑛𝑇𝑒 )

𝑛→−∞

Donc la transformée de Fourier signal échantillonnée est :

∞ ∞

𝑋𝑒 (𝑓) = ∫ ( ∑ 𝑥(𝑛𝑇𝑒 )𝛿(𝑡 − 𝑛𝑇𝑒 )) 𝑒 −2𝜋𝑗𝑓𝑡 𝑑𝑡

−∞ 𝑛→−∞
∞ ∞
= ∑ 𝑥(𝑛𝑇𝑒 ) ∫ 𝛿(𝑡 − 𝑛𝑇𝑒 ) 𝑒 −2𝜋𝑗𝑓𝑡 𝑑𝑡
𝑛→−∞ −∞

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 79
La propriété de la distribution de Dirac, nous faire savoir que :
∞

∫ 𝛿(𝑡 − 𝑛𝑇𝑒 )𝑒 −2𝜋𝑗𝑓𝑡 𝑑𝑡 = 𝑒 −2𝜋𝑗𝑓𝑇𝑒

−∞
Par conséquent :
∞

𝑋𝑒 (𝑓) = ∑ 𝑥(𝑛𝑇𝑒 )𝑒 −2𝜋𝑗𝑓𝑇𝑒

𝑛→−∞

La transformée de Fourier d’un signal échantillonné est une combinaison linéaire

d’exponentielles complexes pondères par la valeur des échantillons. Si on normalise la période
d’échantillonnage Te a une valeur de 1, alors la transformée de Fourier d’un signal
échantillonnée sera,
∞

𝑋𝑒 (𝑓) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑓

𝑛→−∞

Ce signal échantillonné est appelé signal discret : x(nTe) =x(n).

Soit x(n) un signal discret, la transformée de Fourier de temps discret X(f) de ce signal est donne
par l’expression-:
∞

𝑋(𝑓) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑛𝑓

𝑛→−∞
La transformée de Fourier d’un signal discret peut être une fonction continue ou non continue
de la variable continue f.

La transformée de Fourier inverse de temps discret x(n) devient maintenant,

𝐹𝑒⁄ 1⁄
2 2
1 2𝑗𝜋𝑛𝑓
𝑥[𝑛] = ∫ 𝑋(𝐹)𝑒 𝐹𝑒 𝑑𝑓 = ∫ 𝑋(𝐹)𝑒 𝑗2𝜋𝑓𝑛 𝑑𝑓
𝐹𝑒
−𝐹𝑒⁄ −1⁄2
2

Condition d’existence de la Transformée de Fourier de Temps Discret (TFTD)

La transformer de Fourier d’un signal discret x(n) existe si la somme de x(n) est un nombre fini,
c’est-a-dire elle existe si le signal est absolument sommable. Donc la sérié x(n) doit convergée
∞

∑ |𝑥(𝑛)| < ∞
𝑛→−∞

L’existence de la TFTD est donc lie à la convergence absolue de la série x(n)

Remarque : la convergence absolue du signal x(n) veut dit que le signal x(n) est à une énergie
finie. Mais il faut prenez attention avec les signaux parce que, tous les signaux a énergie finie
n’a pas la convergence absolue.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 80
Périodicité de la TFTD
Soit X(f) la transformée de Fourier du temps discret du signal discret x(n) :
∞

𝑋(𝑓) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑛𝑓

𝑛→−∞

Comme la période est normalisée a 1, et si f tend vers f+1, alors la périodicité de X(f) devient,
∞ ∞ ∞
−2𝜋𝑗𝑛(𝑓+1) −2𝜋𝑗𝑓 −𝑗2𝜋𝑛
𝑋(𝑓 + 1) = ∑ 𝑥(𝑛)𝑒 = 𝑋(𝑓) = ∑ 𝑥(𝑛)𝑒 𝑒 = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑓
𝑛→−∞ 𝑛→−∞ 𝑛→−∞
= 𝑋(𝑓)

Or 𝑒 −𝑗2𝜋𝑛 =1 quelque soit la valeur de n, on peut facilement dire que:

∞

𝑋(𝑓 + 1) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑓 = 𝑋(𝑓)

𝑛→−∞

Remarque :
 La transformée de Fourier des signaux discrets est périodique de période 1
 Toute l’information fréquentielle du signal est localise dans l’intervalle de fréquence : f
= (-1/2 ,1/2)
 si x(n) est réel, |(𝑋(𝑓)| est paire et arg(X(f)) est impair. On réduit donc l’analyse de
X(f) sur l’intervalle de fréquence : f =(0, ½).

Transformée de Fourier inverse des signaux discrets

Nous avons vu que la transformée de Fourier de temps discret du signal x(n) est :
∞

𝑋(𝑓) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑛𝑓

𝑛→−∞

Comme la transformée de Fourier des signaux discrets est périodique de période 1, l’expression
de la transformée de Fourier inverse du signal X(f) est donne par-;
1⁄
𝜋 2 1
1
𝑥[𝑛] = ∫ 𝑋(𝑤)𝑒 𝑗𝑛𝑤 𝑑𝑤 = ∫ 𝑋(𝑓)𝑒 𝑗2𝜋𝑓𝑛 𝑑𝑓 = ∫ 𝑋(𝑓)𝑒 𝑗2𝜋𝑓𝑛 𝑑𝑓
2𝜋
−𝜋 −1⁄2 0

Représentation spectrale de la transformée de Fourier de temps discret

Soit x(n), un signal discret (périodique ou non périodique), peut donnée deux types de
représentation possible à savoir :
 si x(n) est non périodique, alors la transformée de Fourier de temps discret sera
périodique,
 si x(n) est périodique, alors la transformée de Fourier de temps discret sera discret.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 81
Exemple pratiques de transformée de Fourier de temps discret

Exemple 1 : Soit
1, |𝑛| ≤ 𝑁⁄2
𝑥(𝑛) = {
0, 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠

Trouver la transformée de Fourier de temps discret du signal ci-dessus.

Solution :
On a vu que la transformée de Fourier de temps discret du signal x(n) est :
𝑁⁄
∞ 2

𝑋(𝑓) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑛𝑓 ⟹ 𝑋(𝑓) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑛𝑓

𝑛→−∞ 𝑛→−𝑁⁄2
(−𝑁 + 1)⁄
Or x(n) = 1 pour n : −𝑁⁄2 , 𝑁
2 , ⋯ , ⁄2 est 0 pour n≠N/2
X(f) est une suite géométrique de la forme suivante :
−𝑁⁄ +1) 𝑁⁄ −1)
𝑋(𝑓) = 𝑒 𝑗𝜋𝑁𝑓 + 𝑒 −𝑗2𝜋𝑓( 2 + ⋯ + 𝑒 0 + ⋯ 𝑒 −𝑗2𝜋𝑓( 2 + 𝑒 −𝑗𝜋𝑓𝑁

X(f) est la somme de N+1 termes d’une suite géométrique ci-dessus avec la raison de 𝑒 −𝑗2𝜋𝑓 et
du premier terme 𝑒 −𝑗𝜋𝑓𝑁 .

Propriétés de la transformée de Fourier de temps discret (TFTD)

Globalement, la transformée de Fourier de temps discret possède les mêmes propriétés que la
transformée de Fourier du signal analogique.

Linéarité:
𝑎𝑥(𝑛) + 𝑏𝑦(𝑛) → 𝑎𝑋(𝑓) + 𝑏𝑌(𝑓)
Décalage temporel :

𝑥(𝑛 − 𝑛0 ) → 𝑋(𝑓)𝑒 −𝑗2𝜋𝑓𝑛0

Décalage fréquentiel ou modulation :
𝑥(𝑛)𝑒 𝑗2𝜋𝑓0 𝑛 → 𝑋(𝑓 − 𝑓0 )
Changement d’échelle :
1
𝑥(𝑎𝑛) → 𝑋(𝑓/𝑎)
|𝑎|
Dérivé du signal :
𝑑𝑥(𝑛)
→ 𝑗2𝜋𝑓𝑋(𝑓)
𝑑𝑛

Relation de Parseval :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 82
 1⁄
∞ 2

∑ |𝑥(𝑛)|2 = ∫ |𝑋(𝑓|2 𝑑𝑓
𝑛→−∞ −1⁄
2
Convolution :
 par rapport au temps (n)
𝑥(𝑛) ∗ 𝑦(𝑛) → 𝑋(𝑓)𝑌(𝑓)
 par rapport à la fréquence (f) ou produit
1⁄
2

𝑥(𝑛)𝑦(𝑛) → 𝑋(𝑓) ∗ 𝑌(𝑓) = ∫ 𝑋(𝑢)𝑌(𝑓 − 𝑈)𝑑𝑢

−1⁄
2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 83
 Chapitre
Transformée de Fourier Discrète

Introduction
Le défaut de la transformée de Fourier de temps discret récite dans le faite que le calcul nécessite
les nombres infinies des termes et le résultat est la normalisation de la fréquence qui est entre
0 et 1. Pour résoudre a ce problème, la transformée de Fourier discrète a été introduire.

Objectif donc de la transformée de Fourier discrète (TFD) est de calculer la transformée de

Fourier d’un signal discret a l’aide d’un calculateur. Mais les difficultés restent comment
calculer la TF d’un signal discret avec les points de mesures infinies. Le calculateur ne peut
calculer le contenu fréquentiel du signal discret qu’en un nombre fini de points fréquentiels
alors que f varie continûment. Pour résoudre ces problèmes, la transformée de Fourier Discrète
est utilisé en limitant la dure de x(n) i.e. considérer un nombre fini N de points temporels et la
discrétisation de la fréquence (considérer un nombre fini L de points fréquentiels)

Détermination de la transformée de Fourier Discrète

Soit le signal échantillonné x(n) = x(0), x(1), ⋯, x(N-1), de dure finie N, sa transformée de
Fourier de temps discret est :
𝑁−1

𝑋(𝑓) = ∑ 𝑥(𝑛)𝑒 −2𝜋𝑗𝑛𝑓

𝑛→0

La discrétisation de la fréquence sur L points vaut dire que: f = k∆f avec ∆f = 1/L et avec
k = 0, ⋯, L-. Comme X(f) est prédiqué de période 1, nous pouvons facilement calculée la
transformée de Fourier discrète suivante :
𝑁−1
𝑘 𝑘
𝑋 ( ) = ∑ 𝑥(𝑛)𝑒 −𝑗2𝜋𝑛𝐿
𝐿
𝑛→0

avec k et n qui jouent les rôles suivants, à savoir :

 n : variable temporelle n = 0, ⋯, N-1
 k : variable fréquentielle k = 0, ⋯, L-1
Il faut noter que la notation X(k/L) est simplement notée par X(k) avec k = 0, ⋯, L-1

Exemple
Exercice : 01
Soit un signal échantillonné x(n) avec x(n)= 1 pour n = 0 et n = 1 et x(n) = 0 pour x(n)=0,
ailleurs.
Calculer la transformée de Fourier discrète d'ordre 4 de x(n) et représenter le module du spectre.
Solution :
La première chose à faire est de calculer la transformée de Fourier discrète sur les 4 échantillons
du signal comme suit :
𝑁−1
𝑘
𝑋(𝑘) = ∑ 𝑥(𝑛)𝑒 −𝑗2𝜋𝑛𝑁
𝑛→0
pour k = 0, 1, ⋯, N-1 et N = 4

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 84
 3 3
0
𝑘 = 𝑜, 𝑋(0) = ∑ 𝑥(𝑛)𝑒 −𝑗2𝜋𝑛4 = ∑ 𝑥(𝑛)𝑒 0 = 𝑥(0) + 𝑥(1) + 𝑥(2) + 𝑥(3) = 1 + 1 + 0 + 0 = 2
𝑛→0 𝑛→0
3
1 𝑗2𝜋 −𝑗𝜋 𝑗𝜋
𝑘 = 1, 𝑋(1) = ∑ 𝑥(𝑛)𝑒 −𝑗2𝜋𝑛4 = 𝑥(0)𝑒 0 + 𝑥(1)𝑒 − 4 +0+0=1+𝑒 2 = 2𝑒 − 4 𝑐𝑜𝑠(𝜋⁄4)
𝑛→0
3
2 𝑗𝜋
𝑘 = 2, 𝑋(2) = ∑ 𝑥(𝑛)𝑒 −𝑗2𝜋𝑛4 = 𝑥(0)𝑒 0 + 𝑥(1)𝑒 −𝑗𝜋 + 0 + 0 = 1 + 𝑒 −𝑗𝜋 = 2𝑒 − 2 𝑐𝑜𝑠(𝜋⁄2)
𝑛→0
3
3 𝑗3𝜋 −𝑗3𝜋 𝑗3𝜋
𝑘 = 3, 𝑋(3) = ∑ 𝑥(𝑛)𝑒 −𝑗2𝜋𝑛4 = 𝑥(0)𝑒 0 + 𝑥(1)𝑒 − +𝑜+0= 1+𝑒 = 2𝑒 − 4 𝑐𝑜𝑠(3𝜋⁄
4)
4 2
{ 𝑛→0
Modules des ces 4 échantillons
𝑋(0) = |2| = 2
𝑗𝜋
𝑋(1) = |2𝑒 − 4 𝑐𝑜𝑠(𝜋⁄4)| = 2𝑐𝑜𝑠(𝜋⁄4) = √2
𝑗𝜋
𝑋(2) = |2𝑒 − 2 𝑐𝑜𝑠(𝜋⁄2)| = 2𝑐𝑜𝑠(𝜋⁄2) = −√2
𝑗3𝜋

{𝑋(3) = |2𝑒
−
4 𝑐𝑜𝑠(3𝜋⁄4)| = 2𝑐𝑜𝑠(3 𝜋⁄4) = √2

Propriétés de la TFD
La périodicité de la transformée Fourier discrète est périodique de période N
Linéarité:
𝑎𝑥(𝑛) + 𝑏𝑦(𝑛) → 𝑎𝑋(𝑓) + 𝑏𝑌(𝑓)
Décalage temporel :
𝑛0
𝑥(𝑛 − 𝑛0 ) → 𝑋(𝑓)𝑒 −𝑗2𝜋𝑘 𝑁
Décalage fréquentiel ou modulation :
𝑛
𝑥(𝑛)𝑒 𝑗2𝜋𝑘0 𝑁 → 𝑋(𝑓 − 𝑓0 )
Changement d’échelle :
1
𝑥(𝑎𝑛) → 𝑋(𝑓/𝑎)
|𝑎|
Dérivé du signal :
𝑑𝑥(𝑛)
→ 𝑗2𝜋𝑓𝑋(𝑓)
𝑑𝑛

Relation de Parseval :
𝑁−1 𝑁−1
1
∑|𝑥(𝑛)| = ∑|𝑋(𝑘)|2
2
𝑁
𝑛→0 𝑘→0
Convolution :
 convolution circulaire
𝑁−1

𝑐(𝑛) = 𝑥(𝑛) ⊗ 𝑦(𝑛) → 𝑋(𝑓)𝑌(𝑓) = ∑ 𝑥(𝜏)𝑦((𝑛 − 𝜏)𝑒𝑛 𝑚𝑜𝑑 𝑁)

𝜏→0
 produit

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 85
 1⁄
2
1
𝑥(𝑛)𝑦(𝑛) → 𝑋(𝑓) ⊗ 𝑌(𝑓) = ∫ 𝑋(𝑢)𝑌(𝑓 − 𝑈)𝑑𝑢
𝑁
−1⁄
2

La transformée de Fourier discrète inverse

Soit X(k0 la transformée de Fourier discrète du signal numérique, alors la transformée de

Fourier discrète inverse est :
𝑁−1
1 𝑘
𝑥(𝑛) = ∑ 𝑋(𝑘)𝑒 𝑗2𝜋𝑛𝑁
𝑁
𝑘→0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 86
 Chapitre

La transformée en Z

La transformée en Z peut être considéré comme une généralisation de la transformation de

Fourier à laquelle elle peut s'identifier dans un cas particulier. La transformée en Z permet le
traitement du signal des systèmes échantillons et permet de représenter un signal possédant une
infinité d'échantillons par un ensemble fini de nombre.

Soit un signal discret x(n), sa transformée en Z est définie par :

𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛 𝑇𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚ée en z bilaterale

𝑛→−∞
∞

𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛 𝑇𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚é𝑒 𝑒𝑛 𝑧 𝑚𝑜𝑛𝑜𝑙𝑎𝑡𝑒𝑟𝑎𝑙𝑒

𝑛→0
avec z = ej2πf, ou z est une variable complexe.

Condition d'existence de la transformée en Z.

La transformation en Z est une série infinie et cela implique que l’on se pose le problème de
convergence de cette série et donc d'existence de la transforme en Z.

La transformée en Z est une série qui n’existe que pour certaines valeurs de z pour lesquelles
elle converge ce qui définit la région de convergence de la série. Cette région de convergence
est un anneau, donc la transforme existe si la série converge. L'ensemble des valeurs de la
variable complexe z pour lesquelles la série converge est appelé Région De Convergence
(RDC)

Pour déterminer la région de convergence d’une série, on utilise le théorème de Cauchy qui dire
que la série comme suit :
∞

∑ 𝑥(𝑛)
𝑛→0
converge si
1
lim |𝑥(𝑛)|∞ < 1
𝑛→+∞

Si nous appliquons ce critère à la transformée en Z nous pouvons décomposée la série comme

suit :
∞ −1 ∞

∑ 𝑥(𝑛)𝑧 −𝑛 = ∑ 𝑥(𝑛)𝑧 −𝑛 + ∑ 𝑥(𝑛)𝑧 −𝑛 = 𝑋2 (𝑧) + 𝑋1 (𝑧)

𝑛→−∞ ⏟
𝑛→−∞ ⏟
𝑛→0
𝑛é𝑔𝑎𝑡𝑖𝑣𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒

Compte tenu des définitions précédentes, X1(z) est appelée partie causale de la transforme en Z
et X2(z) partie anticausale. En appliquant le critère de Cauchy a la partie causale X1(z) il revient

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 87
:
1 1 1
lim |𝑥(𝑛)𝑧 −𝑛 |𝑛 < 1 𝑠𝑜𝑖𝑡 lim |𝑥(𝑛)|𝑛 |𝑧|−1 < 1 ↔ lim |𝑥(𝑛)|𝑛 < |𝑧|
𝑛→∞ 𝑛→∞ 𝑛→∞

ce qui donne la condition de convergence de la série de la transformée en z causale:

1
|𝑧| > 𝑅1 avec 𝑅1 = lim |𝑥(𝑛)|𝑛 .
𝑛→∞
Ceci implique que z doit donc être à l’extérieur d’un cercle de rayon R1.

Si nous prenons la partie anticausale et en appliquant le critère de Cauchy au X2(z), elle est
semblable a un changement d’indice près (n → -n):
−1 ∞
−𝑛
𝑋2 (𝑧) = ∑ 𝑥(𝑛)𝑧 = ∑ 𝑥(−𝑛)𝑧 𝑛
𝑛→−∞ 𝑛→1

On a
1 1 1 1
lim |𝑥(−𝑛)𝑧 𝑛 |𝑛 < 1 𝑠𝑜𝑖𝑡 lim |𝑥(𝑛)|𝑛 |𝑧|1 < 1 ↔ lim |𝑥(𝑛)|𝑛 >
𝑛→∞ 𝑛→∞ 𝑛→∞ |𝑧|
1 −1
↔ ⌈ lim |𝑥(𝑛)|𝑛 ⌉ > |𝑧|
𝑛→∞

ce qui donne la condition de convergence de la série de la transformée en z anticausale:

1 −1
|𝑧| < 𝑅2 avec 𝑅2 = [ lim |𝑥(−𝑛)|𝑛 ] .
𝑛→∞
La partie ceci implique z doit donc être a l’intérieur d’un cercle de rayon R2.
Donc la série converge dans un anneau du plan complexe z, avec l’anneau de convergence.
R1<|z|<R2
Pour une séquence causale, seule X1(z) existe et la convergence, si elle existe, est à l’extérieur
d’un cercle de rayon R1.
Im(z)

R2

R1
1
Re(z)

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 88
Exemple 01
Soit une impulsion de Dirac avec les propriétés suivantes :
1, 𝑝𝑜𝑢𝑟 𝑛 = 0
𝛿(𝑛) = {
0, 𝑠𝑖𝑛𝑜𝑛
Solution :
∞

𝑋(𝑛) = ∑ 𝛿(𝑛)𝑧 −𝑛 = 1
𝑛→0
Ex02

Les propriétés de la transformée en z

Soit x(n), un signal discret, soit X(z) sa TZ avec la RDC R1( (z(( R2
Linéarité
𝑎𝑥(𝑛) + 𝑏𝑦(𝑛) ⟺ 𝑎𝑋(𝑧) + 𝑏𝑌(𝑧)
La RDC est au moins l'intersection de la RDC de X(z) et de la RDC de Y(z)

Décalage temporal (théorème du retard)

𝑥(𝑛 − 𝑛0 ) ⟺ 𝑧 −𝑛0 𝑋(𝑧)

Preuve: soit un signal discret x(n-n0), trouver la transformée en z X(z),

∞

𝑋(𝑧) = ∑ 𝑥(𝑛 − 𝑛0 )𝑧 −𝑛
𝑛⟶−∞
Si nous remplaçons n-n0 = k, n=k+n0, on a :
∞ ∞ ∞
−𝑛 −(𝑘+𝑛0 ) −𝑛0
𝑋(𝑧) = ∑ 𝑥(𝑛 − 𝑛0 )𝑧 = ∑ 𝑥(𝑘)𝑧 =𝑧 ∑ 𝑥(𝑘)𝑧 −𝑘 = 𝑧 −𝑛0 𝑋(𝑧)
𝑛⟶−∞ 𝑘⟶−∞ 𝑘⟶−∞

La RDC est identique l'exception de restrictions éventuelles en z = 0 et z = ∞.

Avancé temporal

𝑛0 −1

𝑥(𝑛 + 𝑛0 ) ⟺ 𝑧 𝑛0 [𝑋(𝑧) − ∑ 𝑥(𝑛)𝑧 −𝑛 ]

𝑛→0

Preuve : soit un signal discret x(n+n0), trouver la transformée en z X(z),

∞

𝑋(𝑧) = ∑ 𝑥(𝑛 + 𝑛0 )𝑧 −𝑛
𝑛⟶−∞
Si nous remplaçons n+n0 = k, n=k-n0, on a :

∞ ∞ ∞ 𝑘−1

𝑋(𝑧) = ∑ 𝑥(𝑛 − 𝑛0 )𝑧 −𝑛 = ∑ 𝑥(𝑘)𝑧 −(𝑘−𝑛0 ) = 𝑧 𝑛0 ∑ 𝑥(𝑘)𝑧 −𝑘 − 𝑧 𝑛0 ∑ 𝑥(𝑘)𝑧 𝑘

𝑛⟶−∞ 𝑘⟶𝑛0 𝑘⟶0 𝑘→0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 89
C’est-a-dire:
𝑛0 −1

𝑥(𝑛 − 𝑛0 ) ⟺ 𝑧 𝑛0 [𝑋(𝑧) − ∑ 𝑥(𝑘)𝑧 −𝑘 ]

𝑘→0
La RDC est identique l'exception de restrictions éventuelles en z = 0 et z = ∞.

Remarque : il faut être prudent avec les cas particulaire suivants :

 si n0 = 1, alors on obtient la transformée en z de fonction x(n+1):

𝑥(𝑛 + 1) ⟺ 𝑍[𝑋(𝑧) − 𝑥(0)]

 si n0 = 2, alors on obtient la transformée en z de fonction x(n+2)

𝑥(𝑛 + 2) ⟺ 𝑍 2 [𝑋(𝑧) − 𝑥(0) − 𝑧 −1 𝑥(1)]

Multiplication par une séquence exponentielle

𝑧
𝑎𝑛 𝑥(𝑛) ⟺ 𝑋 ( )
𝑎
𝑅𝐷𝐶 ∶ |𝑎|𝑅1 ≤ |𝑧| ≤ |𝑎|𝑅2

Preuve : si on a un signal discret 𝑎𝑛 𝑥(𝑛), la transformée en z sera,

∞ ∞
𝑛 −𝑛
𝑧 −𝑛 𝑧
∑ 𝑥(𝑛)𝑎 𝑧 = ∑ 𝑥(𝑛) ( ) = 𝑋 ( )
𝑎 𝑎
𝑛→−∞ 𝑛→−∞
Si 𝑎𝑛 est une séquence de la forme ejwn alors,
𝑧
𝑒 𝑗𝑤0 𝑛 𝑥(𝑛) = 𝑋 ( )
𝑒 𝑗𝑤0
Exemple 01:

Exemple 02: Donner la transformée en Z de la séquence exponentielle suivante:

𝑥(𝑛) = 𝑒 2𝑛

Solution

De la formule ci-dessus,
∞ ∞ ∞ 𝑛
−𝑛 2𝑛 −𝑛
𝑒2 1 − 𝑒 2 𝑧 ∞+1 𝑧
𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 = ∑𝑒 𝑧 = ∑( ) = 2 =
𝑧 𝑒 𝑧 − 𝑒2
𝑛→0 𝑛→0 𝑛→0 1− 𝑧
2
RDC = |𝑧| > 𝑒

Dérivation en Z

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 90
 𝑑𝑋(𝑧)
𝑛𝑥(𝑛) ⟺ −𝑧
𝑑𝑧
𝑘
𝑘
𝑑
𝑛 𝑥(𝑛) ⟺ (−𝑧 ) (𝑋(𝑧))
𝑑𝑧

La RDC est identique l’exception de restrictions éventuelle en z =0 et z = ∞.

Preuve :
∞ ∞ ∞
𝑑𝑋(𝑧) 𝑑 −𝑛 −𝑛−1 −1
= ( ∑ 𝑥(𝑛)𝑧 ) = − ∑ 𝑛𝑥(𝑛)𝑧 = −𝑧 ∑ 𝑛𝑥(𝑛)𝑧 −𝑛
𝑑𝑧 𝑑𝑧
𝑛→−∞ 𝑛→−∞ 𝑛→−∞
Intégration en Z
1 𝑋(𝑧)
𝑥(𝑛) ⟺ − ∫ 𝑑𝑧
𝑛 𝑧

S’il y a un décalage temporel dans l’intégration, on a :

1 𝑋(𝑧)
𝑥(𝑛) ⟺ −𝑧 −𝑚 ∫ 𝑚+1 𝑑𝑧
𝑛+𝑚 𝑧

Retournement en temps

𝑥(−𝑛) ⟺ 𝑋(𝑧 −1 )

1 1
𝑅𝐷𝐶: ≤ |𝑧| ≤
𝑅2 𝑅1
Produit de convolution
∞ ∞

𝑥(𝑛) ∗ 𝑦(𝑛) ⟺ 𝑋(𝑧)𝑌(𝑧) = ∑ ∑ 𝑥(𝑘)𝑦(𝑛 − 𝑘) z −n

𝑛→−∞ 𝑘→−∞

La RDC est identique l’exception de restriction éventuelles en z-0 et z=∞

Exemple : soit deux signaux suivants : x(n) =𝑥(𝑛) = 𝑎𝑛 𝑢(𝑛)𝑒𝑡 𝑦(𝑛) = 𝜕(𝑛 − 1). Trouver la
transformée en z de la convolution de x(n)*y(n).

Solution :
∞
1
𝑋(𝑧) = ∑ 𝑎𝑛 𝑥(𝑛)𝑧 −𝑛 =
1 − 𝑎𝑧 −1
𝑛→0
∞

𝑌(𝑧) = ∑ 𝜕(𝑛 − 1)𝑧 −𝑛 = 𝑧 −1

𝑛→0
Donc la convolution sera :
1 −1
𝑧 −1
𝑍[𝑥(𝑛) ∗ 𝑦(𝑛)] = 𝑋(𝑧)𝑌(𝑛) = ∙𝑧 =
1 − 𝑎𝑧 −1 1 − 𝑎𝑧 −1
Théorème de la valeur initiale

𝑥(0) = lim 𝑋(𝑧)

𝑛→∞
Preuve : soit la transformer en z du signal a échelon unitaire u(n):

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 91
 𝑧
𝑥(0) = lim 𝑋(𝑧) = lim =1
|𝑧|→∞ |𝑧|→∞ 𝑧 − 1
En vérifiant on trouve que :
u(0) =1
Théorème de la valeur finale

lim 𝑥(𝑛) = lim (𝑧 − 1)𝑋(𝑧)

𝑛→∞ |𝑧|→1

La représentation des signaux échantillons et des filtres numériques, la transforme en z.

Exemple
Soit la suite illimite dont les premiers nombres sont les suivants :
u(0) = 1 u(1) = 4 u(2) = 16 u(3) = 64 u(4) = 256 ...
En appliquant la définition de la transformation en Z, exprimer U(z), la transforme en z de la
fonction u(t).A quelle condition la série obtenue converge-t-elle? Cette condition tant suppose
respecte, donner la valeur de U(z).
Solution
U(0) = 1, u(1) = 4, u(2) = 16, u(3) = 64, u(4) = 256 ...
On peut encore écrire :
𝑢𝑘 = 4𝑢𝑘−1 ou encore 𝑢𝑘 = 4𝑘 𝛿𝑘
Soit 𝑢𝑘 = 1𝜕𝑘 + 4𝜕𝑘−1 + 𝑢2 𝜕𝑘−2 + 𝑢3 𝜕𝐾−3 + ⋯
+∞

𝑢𝑘 = ∑ 𝑢𝑖 𝜕𝑘−1
𝑖

On peut rappeler que la transformée en z de δk = 1 et que la transformée en z de δk-i = z-i

Donc si on reprend la forme de départ on peut dire que :

U(z) = 1 + 4z-1 + 16z-2 + 64z-3 + 256z-4

Soit ∑∞
𝑖→0 𝑢𝑖 𝑧
−1
somme d’une série géométrique de raison 4z-1
Rappel sur la série : soit une sérié zn ,
La forme général de la sérié géométrique est le suivant :
𝑁

𝑆𝑁 = ∑ 𝑧 𝑛 = 1 + 𝑧1 + 𝑧 2 + ⋯ + 𝑧 𝑁−1 + 𝑧 𝑁
𝑛→0

En multipliant la somme SN par z, on a :

𝑁

𝑧𝑆𝑁 = ∑ 𝑧 𝑛 = 𝑧1 + 𝑧 2 + ⋯ + 𝑧 𝑁−1 + 𝑧 𝑁 + 𝑧 𝑁+1

𝑛→0

Si nous soustraie zSN de SN on a :

𝑆𝑁 −𝑧𝑆𝑁 = 1 − 𝑧 𝑁+1
−
𝑆𝑁 (1 − 𝑧) = 1 − 𝑧 𝑁+1

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 92
 1−𝑧 𝑁+1
𝑆𝑁 = , pour z≠0 avec z la raison
1−𝑧

Donc la limite à l’infini converge est:

𝑁
1
lim (∑ 𝑧 𝑛 ) =
𝑛→∞ 1−𝑧
𝑛→0
à condition que |𝑧| < 1

En appliquant ce qu’on a vu ci-dessus,

1 − (4𝑧 −1 )∞+1
𝑈(𝑧) =
1 − 4𝑧 −1
Converge pour|𝑧| > 4

Donc le résultat est :

1
𝑈(𝑧) =
1 − 4𝑧 −1

Remarque : La transformée en Z d’un signal discret x(n) donne le signal X(z) qui peuvent être
écrire sous la forme de fractionnelle suivante, c’est-a-dire en s’écrivant comme le ratio de deux
polynômes en z.
𝑁(𝑧)
𝑋(𝑧) =
𝐷(𝑧)

avec N(z) le numérateur et D(z) le dénominateur.

Cette forme de X(z) faire apparaitre deux définitions, à savoir les pôles et les zéros. Par
définition on peut dire que les zéros d’une transformée en Z, X(z), sont les valeurs de z telles
que X(z) = 0, et les pôles d’une transformée en Z, X(z), sont les valeurs de z telles que X(z)=∞.

Pour que X(z) = 0, on peut montrer facilement que le N(z) = 0, donc les valeurs de z sont les
zéros. De la même manière, pour que X(z) = ∞, les valeurs de z pour le dénominateur D(z) =0,
sont les pôles.

Exercices

2. Donner la transformée en Z de la fonction discrète

𝜋𝑛 𝜋
𝑥(𝑛) = [1 − 𝑠𝑖𝑛 ( − )] 𝑢(𝑛)
6 3

𝜋 𝜋 𝜋 √3
𝑧 −𝑧 2 𝑠𝑖𝑛 ( 3) + 𝑧𝑠𝑖𝑛 ( 6 + 3) 𝑧 𝑧 − 2 𝑧2
𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑋(𝑧) = − 𝜋 = −
𝑧−1 𝑧 2 − 2𝑐𝑜𝑠 ( 6) 𝑧 + 1 𝑧 − 1 𝑧 2 − 𝑧√3 + 1

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 93
 𝑛𝜋
4.7 𝑥1 (𝑛) = [1 + 𝑐𝑜𝑠 ( 6 )] 𝑢(𝑛 − 1)

√3
1 1− 2 𝑧
𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑋1 (𝑧) = 𝑧 −1 𝑋(𝑧) = −
𝑧 − 1 𝑧 2 − 𝑧√3 + 1

3. Soit un signal numérique x(n)

𝑥(𝑛) = 2𝑛 + 4𝑛

Trouver la transformée en Z du signal ci-dessus.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 94
 Transforme en Z inverse

La transformée en Z d’un signal discret x(n) est unique. Pour retrouver la transformée en Z
inverse, une liste de transformées en Z de signaux élémentaires sont établis, on peut facilement
retrouver des signaux temporels à partir de cette liste. Lorsque la transformée ne peut facilement
s’écrire sur la forme d’une combinaison de transformées élémentaires, il reste les techniques
générales de transformation inverse. Donc pour il y arrivé à retrouver la transformée en Z
inverse dans ce cas, il y a 4 méthodes à savoir :
 Relation Intégrale
 Développement en série de Puissance
 Développement par division
 Développement par fractionnaire

Relation Intégrale
Soit une transformée en Z X(z) d’un signal discret x(n), la transformée en Z inverse est donnée
par l’équation ;

1
𝑥(𝑛) = ∮ 𝑋(𝑧)𝑧 𝑛−1 𝑑𝑧
𝑗2𝜋
𝑐
Cette équation est valable pour toute la valeur de n, le contour C d'intégration doit être dans la
région de convergence. Il doit être fermé et une foi entourer l'origine du plan des z dans le sens
positif (sens inverse des aiguilles d'une montre).

Preuve de la formule :

Soit une transformée en Z du signal discret x(n) est donnée par :

∞

𝑋(𝑧) = 𝑍[𝑥(𝑛)] = ∑ 𝑥(𝑛)𝑧 −𝑛

𝑛→0

Si nous multiplions l’équation ci-dessus par 𝑧 𝑘−1 , alors nous avons :

∞

𝑋(𝑧)𝑧 𝑘−1 = (∑ 𝑥(𝑛)𝑧 −𝑛 ) 𝑧 𝑘−1

𝑛→0

Donc

∞ 𝑘−1
𝑘−1 −𝑛+𝑘−1
𝑥(𝑛)
𝑋(𝑧)𝑧 = ∑ 𝑥(𝑛)𝑧 + 1 + ∑ 𝑥(𝑛)𝑧 −𝑛+𝑘−1
𝑧
𝑛→𝑘+1 𝑛→0

En intégrant sur un contour fermé, les différents termes on a:

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 95
 ∞ 𝑘−1
𝑘−1 −𝑛+𝑘−1
𝑥(𝑛)
∮ 𝑋(𝑧)𝑧 𝑑𝑧 = ∑ (𝑥(𝑛) ∮ 𝑧 𝑑𝑧) + ∮ 1 𝑑𝑧 + ∑ (𝑥(𝑛) ∮ 𝑧 −𝑛+𝑘−1 𝑑𝑧)
𝑧
𝑐 𝑛→𝑘+1 𝑐 𝑐 𝑛→0 𝑐

∞ 𝑘−1
𝑘−1 −𝑛+𝑘−1
𝑥(𝑛)
∮ 𝑋(𝑧)𝑧 𝑑𝑧 = ∑ (𝑥(𝑛) ∮ 𝑧 𝑑𝑧) + ∮ 1 𝑑𝑧 + ∑ (𝑥(𝑛) ∮ 𝑧 −𝑛+𝑘−1 𝑑𝑧)
𝑧
𝑐 𝑛→𝑘+1 𝑐 𝑐 𝑛→0 𝑐

Or

∞ 𝑘−1
𝑘−1
∮ 𝑋(𝑧)𝑧 𝑑𝑧 = ∑ (0𝑥(𝑛)) + 2𝜋𝑗𝑥(𝑛) + ∑(0𝑥(𝑛)) = 2𝜋𝑗𝑥(𝑛)
𝑐 𝑛→𝑘+1 𝑛→0

Donc

1
𝑥(𝑛) = ∮ 𝑋(𝑧)𝑧 𝑛−1
2𝜋𝑗
𝑐

Pour n = 0, 1, 2, ⋯

On peut évalue l'intégrale par la méthode des résidus en utilisant le théorème de Cauchy sur
l'intégrale le long d'un contour comme suit :

1
𝑥(𝑛) = ∮ 𝑋(𝑧)𝑧 𝑛−1 𝑑𝑧 = ∑ 𝑟é𝑠𝑖𝑑𝑢 𝑑𝑒 𝑋(𝑧) 𝑧 𝑛−1
𝑗2𝜋
𝑐
Si la transformée en Z a d’un pôle d’ordre 1 (z=a), le résidu de la fonction 𝑋(𝑧)𝑧 𝑛−1 est donnée
par :

1
𝑅𝑒𝑠 = lim [(𝑧 − 𝑎)𝑋(𝑧)𝑧 𝑛−1 ]
𝑎 𝑧→𝑎

Par contre, si la transformée en Z a d’un pôle d’ordre q (z=a), le résidu de la fonction 𝑋(𝑧)𝑧 𝑛−1
est donnée par :
𝑞 1 𝑑 𝑞−1
𝑅𝑒𝑠 = lim [ ((𝑧 − 𝑎)𝑞 𝑋(𝑧)𝑧 𝑛−1 )]
𝑎 𝑧→𝑎 (𝑞 − 1)! 𝑑𝑧 𝑞−1

En calculant tous les résidus aux pôles de la fonction 𝑋(𝑧)𝑧 𝑛−1 l'intérieur du contour C, on
obtient par sommation le signal x(n).

Exemple 01
Trouver la transformée en Z inverse en utilisant la méthode de résidus de la transformée
suivante :
2
𝑧
𝑋(𝑧) = 2
𝑧 − 5𝑧 + 4
Solution 01:

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 96
D’abord nous pouvons écrire l’équation ci-dessus sous la forme suivante :

𝑧2
𝑋(𝑧) =
(𝑧 − 4)(𝑧 − 1)

Donc les résidus,

𝑧2 42 4
𝑅𝑒𝑠1 (𝑋(𝑧)𝑧 𝑛−1 ) = lim ((𝑧 − 4) 𝑧 𝑛−1 ) = 4𝑛−1 = 4𝑛
𝑧→4 (𝑧 − 4)(𝑧 − 1) (4 − 1) 3
𝑧2 12 1
𝑅𝑒𝑠2 (𝑋(𝑧)𝑧 𝑛−1 ) = lim ((𝑧 − 1) 𝑛−1
𝑧 )= 1𝑛−1 = −
𝑧→1 (𝑧 − 4)(𝑧 − 1) (1 − 4) 3
Donc le résultat
4 1 1 4
𝑥(𝑛) = 𝑅𝑒𝑠1 (𝑋(𝑧)𝑧 𝑛−1 ) + 𝑅𝑒𝑠2 (𝑋(𝑧)𝑧 𝑛−1 ) = 3𝑛 − = − + 4𝑛
3 3 3 3

Exemple 02
Développement en série de Puissance
Comme la transformé X(z) est une fonction analytique de z dans la région de convergence, on
peut développer en série de Taylor ou Laurent en fonction de z-n. On peut, ensuite, trouver les
séries par identification avec les séries connu.
Si
∞

𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛
𝑛→0
avec x(n) la transformée en Z inverse.

Exemple 01
Soit la transformée en Z, X(z) est donnée par :
𝑧
𝑋(𝑧) =
𝑧−2
Trouver la transformée en Z inverse du signal x(n).
Solution
𝑧 1
𝑋(𝑧) = =
𝑧−2 1−2
𝑧
Selon la série de Taylor ou Laurent, on a :
∞
𝑧 1 2 22 23 24
𝑋(𝑧) = = = 1 + + 2 + 3 + 4 + ⋯ = ∑ 2𝑛 𝑧 𝑛
𝑧−2 1−2 𝑍 𝑍 𝑍 𝑍
𝑛→0
𝑧
𝑛
Donc 𝑥(𝑛) = 2

Exemple 02 :
Si maintenant, la transformée en Z X(z) s'écrit sous la forme d'une fraction rationnelle, soit :
𝑎0 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2 + ⋯ + 𝑎𝑝 𝑧 −𝑝 𝑁(𝑧)
𝑋(𝑧) = = , |𝑧| > 𝑅𝑚𝑎𝑥
𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2 + ⋯ + 𝑏𝑞 𝑧 −𝑞 𝐷(𝑧)

ou Rmax est le pôle max de D(z).

Nous pouvons divisée la solution en plusieurs étapes, à savoir :
1. Etape 01 :
Si p ≥ q, alors

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 97
 𝑁𝑓 (𝑧)
𝑋(𝑧) = 𝑅(𝑧) +
𝐷𝑓 (𝑧)
𝑁𝑓 (𝑧) 𝑑0 + 𝑑1 𝑧 + 𝑑2 𝑧 + ⋯ + 𝑑𝑞−1 𝑧 𝑞−1
−1 −2
=
𝐷𝑓 (𝑧) 𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧 −2 + ⋯ + 𝑏𝑞 𝑧 −𝑞

2. Etape 2 :
Réécrire l’équation ci-dessus en utilisant que la puissance positive de z.

𝑁𝑓 (𝑧) 𝑑0 𝑧 𝑞 + 𝑑1 𝑧 𝑞−1 + 𝑑2 𝑧 𝑞−2 + ⋯ + 𝑑𝑞−1 𝑧

=
𝐷𝑓 (𝑧) 𝑏0 𝑧 𝑞 + 𝑏1 𝑧 𝑞−1 + 𝑏2 𝑧 𝑞−2 + ⋯ + 𝑏𝑞

3. Etape 3 :
Divisée l’équation ci-dessus par z, soit
𝑁𝑓 (𝑧) 𝑑0 𝑧 𝑞−1 + 𝑑1 𝑧 𝑞−2 + 𝑑2 𝑧 𝑞−3 + ⋯ + 𝑑𝑞−1
=
𝑧𝐷𝑓 (𝑧) 𝑏0 𝑧 𝑞 + 𝑏1 𝑧 𝑞−1 + 𝑏2 𝑧 𝑞−2 + ⋯ + 𝑏𝑞

et factorise le dénominateur
𝑁𝑓 (𝑧) 𝑑0 𝑧 𝑞−1 + 𝑑1 𝑧 𝑞−2 + 𝑑2 𝑧 𝑞−3 + ⋯ + 𝑑𝑞−1
=
𝑧𝐷𝑓 (𝑧) (𝑧 − 𝑒 )(𝑧 − 𝑒 ) ⋯ (𝑧 − 𝑒 )(𝑧 − 𝑒 )2
1 2 𝑞−2 𝑞−1
4. Etape 4
Si l’équation en étape 3 ont les pôles réels et d’autres pôles les multiples, nous pouvons les
factorisés encore comme suit :

𝑁𝑓 (𝑧) 𝐴 𝐵 𝐶1 𝐶0
= + + ⋯+ + 2
𝑧𝐷𝑓 (𝑧) 𝑧 − 𝑒1 𝑧 − 𝑒2 𝑧 − 𝑒𝑞−2 (𝑧 − 𝑒
𝑞−1 )

Nous pouvons maintenant trouver les valeurs de A, B, …, C1,C0, en suivantes :

𝑁𝑓 (𝑧) 𝑑0 𝑧 𝑞−1 + 𝑑1 𝑧 𝑞−2 + 𝑑2 𝑧 𝑞−3 + ⋯ + 𝑑𝑞−1

𝐴 = (𝑧 − 𝑒1 ) | = 2 |
𝑧𝐷𝑓 (𝑧) (𝑧 − 𝑒2 ) ⋯ (𝑧 − 𝑒𝑞−2 )(𝑧 − 𝑒𝑞−1 )
𝑧=𝑒1 𝑧=𝑒1
𝑞−1 𝑞−2 𝑞−3
𝑁𝑓 (𝑧) 𝑑0 𝑧 + 𝑑1 𝑧 + 𝑑2 𝑧 + ⋯ + 𝑑𝑞−1
𝐵 = (𝑧 − 𝑒2 ) | = 2 |
𝑧𝐷𝑓 (𝑧) (𝑧 − 𝑒1 ) ⋯ (𝑧 − 𝑒𝑞−2 )(𝑧 − 𝑒𝑞−1 )
𝑧=𝑒2 𝑧=𝑒2
𝑞−1 𝑞−2 𝑞−3
2 𝑁𝑓 (𝑧) 𝑑0 𝑧 + 𝑑1 𝑧 + 𝑑2 𝑧 + ⋯ + 𝑑𝑞−1
𝐶0 = (𝑧 − 𝑒𝑞−1 ) | = |
𝑧𝐷𝑓 (𝑧) (𝑧 − 𝑒1 )(𝑧 − 𝑒2 ) ⋯ (𝑧 − 𝑒𝑞−2 )
𝑧=𝑒𝑞−1 𝑧=𝑒𝑞−1
𝑑 2 𝑁𝑓 (𝑧) 𝑑 𝑑0 𝑧 𝑞−1 + 𝑑1 𝑧 𝑞−2 + 𝑑2 𝑧 𝑞−3 + ⋯ + 𝑑𝑞−1
𝐶1 = [(𝑧 − 𝑒𝑞−1 ) ]| = [ ]
𝑑𝑧 𝑧𝐷𝑓 (𝑧) 𝑑𝑧 (𝑧 − 𝑒1 )(𝑧 − 𝑒2 ) ⋯ (𝑧 − 𝑒𝑞−2 )
𝑧=𝑒𝑞−1 𝑧=𝑒𝑞−1

5. Etape 5
Substituées les valeurs de A, B, …, C1,C0, dans l’équation d’étape 4a, et multipliée par z comme
suit :
𝑁𝑓 (𝑧) 𝐴𝑧 𝐵𝑧 𝐶1 𝑧 𝐶0 𝑧
= + + ⋯+ +
𝐷𝑓 (𝑧) 𝑧 − 𝑒1 𝑧 − 𝑒2 𝑧 − 𝑒𝑞−2 (𝑧 − 𝑒 )2
𝑞−1

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 98
 6. Etape 6 :
L’équation générale du X(z) est donc :

𝑁𝑓 (𝑧) 𝐴𝑧 𝐵𝑧 𝐶1 𝑧 𝐶0
𝑋(𝑧) = 𝑅(𝑧) + = 𝑅(𝑧) + + + ⋯+ + 2
𝐷𝑓 (𝑧) 𝑧 − 𝑒1 𝑧 − 𝑒2 𝑧 − 𝑒𝑞−2 (𝑧 − 𝑒
𝑞−1 )
𝑁 (𝑧)
Si nous multiplions 𝐷𝑓(𝑧) par z-1, on a
𝑓
𝐴 𝐵 𝐶1 𝐶0 𝑧 −1
+ + ⋯ + +
1 − 𝑒1 𝑧 −1 1 − 𝑒2 𝑧 −1 1 − 𝑒𝑞−2 𝑧 −1 (1 − 𝑒 𝑧 −1 )2
𝑞−1
Donc on a :
𝐴 𝐵 𝐶1
𝑋(𝑧) = 𝑐0 + 𝑐1 𝑧 −1 + ⋯ + 𝑐𝑝−𝑞 𝑧 −(𝑝−𝑞) + + + ⋯ +
1 − 𝑒1 𝑧 −1 1 − 𝑒2 𝑧 −1 1 − 𝑒𝑞−2 𝑧 −1
𝐶0 𝑧 −1
+ 2
(1 − 𝑒𝑞−1 𝑧 −1 )

7. Etape 7 :
Si nous appliquons la série de Taylor ou de Laurent à l’équation de l’étape 6 on a :
𝑒1 𝑒1 2 𝑒2 𝑒2 2
𝑋(𝑧) = 𝑐0 + 𝑐1 𝑧 −1 + ⋯ + 𝑐𝑝−𝑞 𝑧 𝑝−𝑞 + 𝐴 [1 + −1 + −2 + ⋯ ] + 𝐵 [1 + −1 + −2 + ⋯ ]
𝑧 𝑧 𝑧 𝑧
2 2
𝑒1 𝑒𝑞−2 𝑒1 2𝑒𝑞−1
+ ⋯ + 𝐶1 [1 + −1 + −2 + ⋯ ] + 𝐶0 [ −1 + −2 + ⋯ ]
𝑧 𝑧 𝑧 𝑧
Si C0≠eq-1 on aurait,
∞ ∞ ∞
−1 𝑝−𝑞
𝑋(𝑧) = 𝑐0 + 𝑐1 𝑧 + ⋯ + 𝑐𝑝−𝑞 𝑧 + 𝐴 ∑ 𝑒1 𝑧 + 𝐵 ∑ 𝑒2 𝑧 + ⋯ + 𝐶1 ∑ 𝑒𝑞−2 𝑛 𝑧 𝑛
𝑛 𝑛 𝑛 𝑛

𝑛→0 𝑛→0 𝑛→0

∞
𝐶0
+ ∑ 𝑛𝑒𝑞−1 𝑛 𝑧 𝑛
𝑒𝑞−1
𝑛→0

Donc x(n) est :

𝐶0
𝑥(𝑛) = 𝑐0 𝜕𝑛 + 𝑐1 𝜕𝑛−1 + ⋯ + 𝑐𝑝−𝑞 𝜕𝑛−(𝑝−𝑞) + +𝐴𝑒1 𝑛 + 𝐵𝑒2 𝑛 + ⋯ + 𝐶1𝑒𝑞−2 𝑛 + 𝑛𝑒 𝑛
𝑒𝑞−1 𝑞−2

Exemple 02

Développement par division successive

Une autre méthode est de développement par division successive. Cette méthode est plus
simple si vous ne connaissais pas la solution exacte dans le tableau de z.
Exemple ;
𝟑𝒛
𝑿(𝒛) =
𝟏 𝟏
𝒛𝟐 − 𝟒 𝒛 − 𝟖

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 99
 24𝑧
X(z)=
𝑧 2 −2𝑧−1
donc la solution peut être obtenu par division successive suivante:

Donc la solution est donnée pour chaque coefficient du z-n pour x(n) comme
suite:
𝑛=0 1 2 3 4 5
𝑥(𝑛) = [ 3 9 15⁄ 33⁄ ]
0 3 ⁄4 ⁄16 64 256

Développement par fractionnaire

L’idée générale de cette approche consiste à trouver pour une fonction X(z) complexe un
développement en fonctions en Z plus simples et pour lesquelles une transformée inverse est
connue. En appliquant le principe de linéarité de la transformée, il est aisé de recomposer le
signal temporel inverse à partir des signaux temporels correspondant à chacune des
transformées élémentaires. La transformée en Z de X(z) peut aussi s'écrit sous la forme d'une
fraction rationnelle, soit :

𝑁(𝑧)
𝑋(𝑧) = ,
𝐷(𝑧)

𝑋(𝑧)
Si le dénominateur peut être factorisé, alors peut aussi être écrire sur cette forme :
𝑧

𝑁(𝑧) 𝑋(𝑧) 𝑎1 𝑎2
𝑋(𝑧) = ⟹ = + +⋯
𝐷(𝑧) 𝑧 𝑧 − 𝑏1 𝑧 − 𝑏2

Pour les pôles simples, on peut trouver les constantes suivantes :

𝑋(𝑧) 𝑋(𝑧)
𝑎1 = [(𝑧 − 𝑏1 ) ] , 𝑎2 = [(𝑧 − 𝑏2 ) ] ′⋯
𝑧 𝑧=𝑏1 𝑧 𝑧=𝑏2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 100
Pour les pôles multiples, les constantes peuvent être déterminées de la façon suivante :

1 𝑑 𝑚−𝑘 𝑋(𝑧)
𝑎𝑘 = [(𝑧 − 𝑐0 )𝑚 ] ,⋯
(𝑚 − 𝑘)! 𝑑𝑧 𝑚−𝑘 𝑧 𝑧=𝑐0
Exemple01
Soit la transformée en Z :X(z), trouver la transformée en Z inverse de la fonction ci-dessous.

6𝑧
𝑋(𝑧) =
6𝑧 2 − 5𝑧 + 1
Solution
6𝑧 6𝑧
𝑋(𝑧) = =
6𝑧 2 − 5𝑧 + 1 (2𝑧 − 1)(3𝑧 − 1)

𝑋(𝑧) 𝑎 𝑏
= +
𝑧 2𝑧 − 1 3𝑧 − 1
Donc
𝑋(𝑧) 6
𝑎 = [(2𝑧 − 1) ] 1= | = 12
𝑧 𝑧= 3𝑧 − 1 𝑧=1
2 2
𝑋(𝑧) 6
𝑏 = [(3𝑧 − 1) ] = | = −18
𝑧 𝑧=1 2𝑧 − 1 𝑧=1
3 3
𝑋(𝑧) 12 18 12𝑧 18𝑧 12𝑧 18𝑧
= − ⟹ 𝑋(𝑧) = − = −
𝑧 2𝑧 − 1 3𝑧 − 1 2𝑧 − 1 3𝑧 − 1 2𝑧 (1 − 1 𝑧 −1 ) 3𝑧 (1 − 1 𝑧 −1 )
2 3

6 6
𝑋(𝑧) = −
1 1
(1 − 2 𝑧 −1 ) (1 − 3 𝑧 −1 )

Maintenant, nous pouvons regarder le résultat dans la table de la transformée en Z

1 1
𝑋(𝑧) = 6 [ − ]
1 −1 1 −1
(1 − 2 𝑧 ) (1 − 3 𝑧 )
Qui nous donne x(n):
1 𝑛 1 𝑛
𝑥(𝑛) = 6 [( ) − ( ) ]
2 3
Exemple 02
Soit X(z), la transformée en Z :
𝑧2 + 𝑧
𝑋(𝑧) =
2 2
(𝑧 − 3)
Trouver la transformée en Z inverse de X(z) ci-dessus.

Solution
𝑋(𝑧) 𝑎 𝑏
= +
𝑧 2 2
𝑧 − 3 (𝑧 − 2)
3

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 101
 2 2 𝑋(𝑧) 5
𝑏 = [(𝑧 − ) ] = 𝑧 + 1|𝑧=2 =
3 𝑧 𝑧=2 3 3
3
𝑑 2 2 𝑋(𝑧) 𝑑
𝑎= [(𝑧 − ) ] = [𝑧 + 1] 1 = 1| 1 = 1
𝑑𝑧 3 𝑧 𝑧=2 𝑑𝑧 𝑧=
3
𝑧=
3
3
Donc
5 5 2 −1
𝑋(𝑧) =
𝑧
+ 3 𝑧
=
1
+ 3 (3 𝑧 )
2 2 2 2
(𝑧 − 3) (𝑧 − 2) (1 − 3 𝑧 −1 ) (1 − 2 𝑧 −1 )
3 3

Nous pouvons voir facilement que x(n) est

2 𝑛 5 2 𝑛 5 2 𝑛
𝑥(𝑛) = ( ) 𝑢(𝑛) + 𝑛 ( ) 𝑢(𝑛) = (1 + 𝑛) ( ) 𝑢(𝑛)
3 3 3 3 3

Propriétés de la transformée en Z

No Séquence Transformée en Z Région de convergence

1 𝛿[𝑛] 1 Tous z
2 𝛿[𝑛 − 𝑚]) z-m Tous z, sauf 0 (si m>0) ou ∞ (si
m<0
3 𝑢[𝑛] 1 |𝑧| > 1
1 − 𝑧 −1
4 −𝑢[−𝑛 − 1] 1 |𝑧| < 1
1 − 𝑧 −1
5 𝑛 𝑧 𝑧 −1 |𝑧| > 1
=
(𝑧 − 1)2 (1 − 𝑧 −1 )2
6 n2 𝑧(𝑧 + 1) |𝑧| > 1
(𝑧 − 1)2
7 𝑎𝑛 𝑢[𝑛] 1 |𝑧| > |𝑎|
1 − 𝑎𝑧 −1
8 −𝑎𝑛 𝑢[−𝑛 − 1] 1 |𝑧| < |𝑎|
1 − 𝑎𝑧 −1
9 𝑛𝑎𝑛 𝑢[𝑛] 𝑎𝑧 −1 |𝑧| > |𝑎|
(1 − 𝑎𝑧 −1 )2
10 −𝑛𝑎𝑛 𝑢[−𝑛 − 1] 𝑎𝑧 −1 |𝑧| < |𝑎|
(1 − 𝑎𝑧 −1 )2
11 𝑒 2𝑛 1
1 − 𝑒 2 𝑧 −1
12 𝑒 2𝑛 n 𝑒 2 𝑧 −1
(1 − 𝑒 2 𝑧 −1 )2
13 𝑐𝑜𝑠(𝑤0 𝑛)𝑢[𝑛] 1 − 𝑐𝑜𝑠(𝑤0 )𝑧 −1 |𝑧| > 1
1 − 2𝑐𝑜𝑠(𝑤0 )𝑧 −1 + 𝑧 −2
14 𝑠𝑖𝑛(𝑤0 𝑛)𝑢[𝑛] 𝑠𝑖𝑛(𝑤0 )𝑧 −1 |𝑧| > 1
1 − 2𝑐𝑜𝑠(𝑤0 )𝑧 −1 + 𝑧 −2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 102
 𝑎𝑛 𝑐𝑜𝑠(𝑤0 𝑛)𝑢[𝑛] 1 − 𝑎𝑐𝑜𝑠(𝑤0 )𝑧 −1 |𝑧| > 𝑎
1 − 2𝑎𝑐𝑜𝑠(𝑤0 )𝑧 −1 + 𝑎2 𝑧 −2
𝑛
𝑎 𝑠𝑖𝑛(𝑤0 𝑛)𝑢[𝑛] 𝑎𝑠𝑖𝑛(𝑤0 )𝑧 −1 |𝑧| > 𝑎
1 − 2𝑎𝑐𝑜𝑠(𝑤0 )𝑧 −1 + 𝑎2 𝑧 −2
𝑎𝑛 , 0 ≤ 𝑛 ≤ 𝑁 − 1, 1 − 𝑎𝑛 𝑧 −𝑛 |𝑧| > 0
{
0, 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠 1 − 𝑎𝑧 −1
𝑥[𝑛 − 𝑚] 𝑧 −𝑚 𝑋(𝑧)

Exercices
1. Trouver la transformée en Z inverse du signal ci-dessous

𝑋(𝑧) = (1 + 2𝑍)(1 + 3𝑍 −1 )
Résultat :
2𝛿(𝑛 + 1) + 7𝛿(𝑛) + 3𝛿(𝑛 − 1)

2. Trouver la transformée en Z inverse de la fonction ci-dessous en utilisant la

méthode du développement fractionnaire où autrement.
10 13 5 1
− 3 𝑧 −1 + 4 𝑧 −2 − 4 𝑧 −3 + 6 𝑧 −4 1
𝑋(𝑧) = , 𝑝𝑜𝑢𝑟 |𝑧| >
4 7 1 2
1 − 3 𝑧 −1 + 12 𝑧 −2 − 12 𝑧 −3

3. Trouver la transformée en Z inverse de la fonction ci-dessous en utilisant la

méthode du développement fractionnaire où autrement.

1 + 𝑧 −1 2
𝑋(𝑧) = 2 , 𝑝𝑜𝑢𝑟 |𝑧| >
2 3
(1 − 𝑧 −1 )
3

4. soit la fonction ci-dessous, trouver la transformée en Z inverse en utilisant la

méthode de résidus.

𝑧
𝑋(𝑧)
1
𝑧−2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 103
 Chapitre
Transformée de Laplace

La transformée de Laplace est une transformation ayant un grand lien entre les transformées
en Z et Fourier. Mais le domaine des fonctions de cette transformée de Laplace
est plus vaste que celle de la fonction de Fourier.

De nombreux signaux ne sont pas toujours linéaires et invariant dans le temps et pour cette
raison, ils sont exclus de la transformée de Fourier. Pour remédier le problème de ces fonctions,
la transformée de Laplace a été trouver comme une utile puissante pour ces genres de fonctions.

Soit une fonction 𝑥(𝑡) = 𝑒 −𝛼𝑡 , sa transformée de Fourier existe comme la fonction converge
a une valeur. Mais la fonction 𝑥(𝑡) = 𝑒 𝛼𝑡 , sa transformée de Fourier n’existe pas parce que la
fonction converge a l’infini. Pour contourner ce problème, nous sommes obligée de chercher
une astuce a défini mieux la fonction pour qu’elle converge. Pour y arrivé, nous devrons
introduire une variable avec une condition d’existence de la fonction.

Exemple
Soit une fonction 𝑥(𝑡) = 𝑒 𝛼𝑡 , comme sa transformée de Fourier n’existe pas,
∞
∫ 𝑒 𝛼𝑡 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 → 𝑐𝑜𝑚𝑚𝑒 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑛′ 𝑒𝑥𝑖𝑠𝑡𝑒 𝑝𝑎𝑠
0
nous pouvons procéder en ajoutant une variable suivante:
∞ ∞ ∞ ∞
𝛼𝑡 −𝜎 −𝑗2𝜋𝑓𝑡 −(𝜎−𝛼)𝑡 −𝑗2𝜋𝑓𝑡 𝛼𝑡 −(𝜎+𝑗2𝜋𝑓)𝑡
∫ 𝑒 𝑒 𝑒 𝑑𝑡 = ∫ 𝑒 𝑒 𝑑𝑡 = ∫ 𝑒 𝑒 𝑑𝑡 = ∫ 𝑒 𝛼𝑡 𝑒 −𝑝𝑡 𝑑𝑡
0 0 0 0

avec p = σ +j2πf= σ +jw

Dans ce cas nous introduisons une variable complexe p et tout opération devient la transformée
de Laplace. Cette intégrale existe si et seulement si σ>α.
Remarque
Si pour la partie réel Re(p) = σ0 la fonction e-pt x(t) est intégrable sur tous nombres réels R+
alors elle est intégrable dans tout le demi-plan complexe tel que : s > s0. Si pour Re(p) = s0 la
fonction e-pt x(t) est intégrable sur R+ alors elle est intégrable dans tout le demi-plan
complexe tel que : σ > σ0.

Si 0 existe c’est-a-dire 0 [-, +] tel que :

Pour < 0 X(p) n’existe pas.
· Pour > 0 X(p) existe.
Pour = 0 on ne peut conclure.

Il faut rappeler que il y a des fonctions qui n’ont pas la transformée de Laplace. Ces fonctions
sont les suivantes :
1
𝑥(𝑡) =
𝑡2
𝑥(𝑡) = 𝑒 𝑡

Définition de la transformée de Laplace

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 104
Soit une fonction x(t), la transformée de Laplace ℒ[𝑥(𝑡)] est donner par:
∞
ℒ[𝑥(𝑡)] = 𝑋(𝑝) = ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡
−∞
Cette transformée est définit dans tout R donc elle donne la transformée de Laplace bilatérale.
Si le signal est causal, alors la transformée de Laplace devient monolatérale comme suit.
∞
ℒ[𝑥(𝑡)] = 𝑋(𝑝) = ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡
0
Elle peut être prise comme une définition et appliquée sur des signaux causaux ou non. Pour
cela, on peut décomposée la transformée de Laplace bilatérale suivante :
∞ 0 ∞
ℒ[𝑥(𝑡)] = 𝑋(𝑝) = ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡 = ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡 + ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡
−∞ −∞ 0
= 𝑋(𝑝)𝑎𝑛𝑡𝑖𝑐𝑎𝑢𝑠𝑎𝑙𝑒 + 𝑋(𝑝)𝑐𝑎𝑢𝑠𝑎𝑙𝑒

On voir que la partie anticausale peut être traité comme la partie causale mathématiquement.
Donc, pour cette raison, la transformée de Laplace est suivante traitée comme une fonction
causale.

Condition d’existence de la transformée de Laplace

L’existence de X(p) suppose la convergence de l’intégrale x(t), donc dans ce cas on dit que
X(p) est l’image de x(t).

Cette fonction x(t) doit être :

" continue par morceau " sur un domaine fini 𝑡 ∈ [𝑎, 𝑏]pour être intégrable en transformée
de Laplace. Quand on dire qu’une fonction x(t) est « continue par morceau » sur
intervalle fini 𝑡 ∈ [𝑎, 𝑏], c’est-a-dire il existe une partition a= t0< …< tn =b de l’intervalle
et les fonctions x1, x2, …xn continue sur -∞,∞ tel que t n’est pas un point de partition,
on a :

𝑥1 (𝑡), 𝑡0 < 𝑡 < 𝑡1 ,

𝑥(𝑡) { ⋮
𝑥𝑛 (𝑡), 𝑡𝑛−1 < 𝑡 < 𝑡𝑛 .

La valeur de x(t) au point de partition est indéterminée, donc a ce point on peut dire que
x(t) a un saut de discontinuité.

doit être d’ordre exponentiel. Cette fonction doit avoir les relations suivantes :

𝑥(𝑡)
lim =0
𝑡→∞ 𝑒 𝑎𝑡

pour a réelle où

|𝑥(𝑡)| ≤ 𝑀𝑒 𝛼𝑡

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 105
 avec M et α les constantes.

Les signaux usuels avec leurs transformée de Laplace

Impulsion de Dirac
∞, 𝑝𝑜𝑢𝑟 𝑡 = 0
𝛿(𝑡) = {
0, 𝑝𝑜𝑢𝑟 𝑡 ≠ 0
(t)

t
0

ℒ[𝑥(𝑡)] = ∫ 𝛿(𝑡)𝑒 −𝑝𝑡 𝑑𝑡 = 1

0

Fonction signe

−1, 𝑝𝑜𝑢𝑟 , 𝑡 < 0

𝑠𝑔𝑛(𝑡) = {
+1, 𝑝𝑜𝑢𝑟 , 𝑡 > 0

Sgn(t)
1

t
-1

Dans beaucoup des opérations, on admet que la valeur à l’ origine de sgn(t) = 0 pour t=0.

Fonction a échelon unitaire

0, 𝑝𝑜𝑢𝑟, 𝑡 < 0
𝑢(𝑡) = {
1, 𝑝𝑜𝑢𝑟, 𝑡 > 0
u(t)
1

∞ ∞
1 1
ℒ[𝑥(𝑡)] = ∫ 𝑢(𝑡) 𝑒 −𝑝𝑡 𝑑𝑡 = [− 𝑒 −𝑝𝑡 ] =
0 𝑝 0
𝑝

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 106
Fonction Rampe exponentielle
0. 𝑝𝑜𝑢𝑟 𝑡 < 0)
𝑥(𝑡) = { 𝑎𝑡
𝑒 , 𝑝𝑜𝑢𝑟 𝑡 > 0

x(t)

1
t
1

∞ ∞
𝑎𝑡 −𝑝𝑡
1 −(𝑝−𝑎)𝑡
1
ℒ[𝑥(𝑡)] = ∫ 𝑒 𝑒 𝑑𝑡 = [− 𝑒 ] =
0 𝑝+𝑎 0
𝑝+𝑎

Fonction Rampe at
0. 𝑝𝑜𝑢𝑟 𝑡 < 0)
𝑥(𝑡) = {
𝑎𝑡, 𝑝𝑜𝑢𝑟 𝑡 > 0

x(t)

1
t
1
∞
𝑎
ℒ[𝑥(𝑡)] = ∫ 𝑎𝑡 𝑒 −𝑝𝑡 𝑑𝑡 = 𝑒𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 𝑙𝑎 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑜𝑛 =
0 𝑝2

Fonction rectangulaire
𝑡 1, 𝑝𝑜𝑢𝑟, 𝑡1 < 𝑡 < 𝑡2
𝑥(𝑡) = 𝑟𝑒𝑐 ( ) = {
𝑇 0, 𝑝𝑜𝑢𝑟 𝑡 > 𝑡2 𝑜𝑢 𝑡 < 𝑡1
rec(t/T)
1

t
0 t1 T2

Elle est utilisée par exemple pour modéliser une injection a débit constant entre les instants –
T/1 et T/2
𝑡 1, 𝑝𝑜𝑢𝑟, 𝑡1 < 𝑡 < 𝑡2
𝑥(𝑡) = 𝑟𝑒𝑐 ( ) = {
𝑇 0, 𝑝𝑜𝑢𝑟 𝑡 > 𝑡2 𝑜𝑢 𝑡 < 𝑡1

∞ 𝑡2
𝑡
−𝑝𝑡 −𝑝𝑡
𝑒 −𝑝𝑡 2 𝑒 −𝑝𝑡1 − 𝑒 −𝑝𝑡2
ℒ[𝑥(𝑡)] = 𝑋(𝑝) = ∫ 𝑥(𝑡)𝑒 𝑑𝑡 = ∫ 𝑒 𝑑𝑡 = [− ] =
𝑝 𝑡 𝑝
0 𝑡1 1

Si t1 est égale a 0 avec le duré de temps T, le résultat ci-dessus devient,

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 107
 1 − 𝑒 −𝑝𝑇
𝑋(𝑝) =
𝑝
Fonction sinusoïdaux
coswt
𝑒 𝑗𝑤𝑡 + 𝑒 −𝑗𝑤𝑡
𝑥(𝑡) = 𝑐𝑜𝑠 𝑤𝑡 =
2
∞ ∞ ∞
𝑒 𝑗𝑤𝑡 + 𝑒 −𝑗𝑤𝑡 −𝑝𝑡 1 1
𝑋(𝑝) = ℒ[𝑥(𝑡)] = ∫ [ ] 𝑒 𝑑𝑡 = ∫ 𝑒 −(𝑝−𝑗𝑤)𝑡 𝑑𝑡 + ∫ 𝑒 −(𝑝+𝑗𝑤)𝑡 𝑑𝑡
2 2 2
0 0 0
1 1 1 𝑝
= ( + )= 2
2 𝑝 + 𝑗𝑤 𝑝 − 𝑗𝑤 𝑝 + 𝑤2
sinwt
𝑒 𝑗𝑤𝑡 − 𝑒 −𝑗𝑤𝑡
𝑥(𝑡) = 𝑠𝑖𝑛 𝑤𝑡 =
2𝑗
∞ ∞ ∞
𝑒 𝑗𝑤𝑡 − 𝑒 −𝑗𝑤𝑡 −𝑝𝑡 1 1
𝑋(𝑝) = ℒ[𝑥(𝑡)] = ∫ [ ] 𝑒 𝑑𝑡 = ∫ 𝑒 −(𝑝−𝑗𝑤)𝑡 𝑑𝑡 − ∫ 𝑒 −(𝑝+𝑗𝑤)𝑡 𝑑𝑡
2𝑗 2𝑗 2𝑗
0 0 0
1 1 1 𝑤
= ( − )= 2
2𝑗 𝑝 + 𝑗𝑤 𝑝 − 𝑗𝑤 𝑝 + 𝑤2
Peigne de Dirac

Une succession périodique T de l’impulsion de Dirac est appelée Peigne de Dirac.

∞

𝛿𝑇 (𝑡) = ∑ 𝛿(𝑡 − 𝑛𝑇)

𝑛→0

t
0 T 2T nT
nT
La fonction ci-dessus est parfois appelée train d’impulsion. Elle très utilisée dans
l’échantillonnage. On va encore parler de ce train d’impulsion dans le traitement du signal
numérique.

La transformé de Laplace d’une peigne de Dirac est :

∞ ∞ ∞

ℒ[𝛿𝑇 (𝑡)] = ℒ [∑ 𝛿(𝑡 − 𝑛𝑇)] = ∑ ℒ[𝛿(𝑡 − 𝑛𝑇)] = ∑ 𝑒 −𝑛𝑝

𝑛→0 𝑛→0 𝑛→0

Propriétés de la Transformée de Laplace

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 108
On note 𝑋(𝑝) = ℒ[𝑥(𝑡)] la fonction dite " image " de x(t) et 𝑥(𝑡) = ℒ −1 [𝑋(𝑝)] la fonction
dite " original " de X(p).

8. Linéarité

𝑎𝑥(𝑛) + 𝑏𝑦(𝑛) ↔ 𝑎𝑋(𝑝) + 𝑏𝑌(𝑝)

Exemple : soit x(t) :

𝑒 𝑗𝑤𝑡 + 𝑒 −𝑗𝑤𝑡
𝑥(𝑡) = 𝑐𝑜𝑠 𝑤𝑡 =
2
Donc
∞ ∞
1 1 1 1
𝑋(𝑝) = ℒ[𝑥(𝑡)] = ∫ 𝑒 −(𝑝−𝑗𝑤)𝑡 𝑑𝑡 + ∫ 𝑒 −(𝑝+𝑗𝑤)𝑡 𝑑𝑡 = ℒ[𝑒 𝑗𝑤𝑡 ] + ℒ[𝑒 −𝑗𝑤𝑡 ]
2 2 2 2
0 0
𝑝
= 2
𝑝 + 𝑤2

9. Décalage temporel

ℒ[𝑥(𝑡 − 𝜏)] ↔ 𝑋(𝑝)𝑒 −𝑝𝜏

10. Changement d’échelle
1
ℒ[𝑥(𝑎𝑡)] → 𝑋(𝑝/𝑎)
|𝑎|
11. Dérivé du signal

Si x’(t) est continue, alors la transformé de Laplace

ℒ[𝑥 ′ (𝑡)] = 𝑝𝑋(𝑝) − 𝑥(0)

avec
𝑥(0) = lim+ 𝑥(𝑡)
𝑡→0

Preuve
∞ 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑡𝑖𝑜𝑛 ∞
𝑑𝑥(𝑡) 𝑑𝑥(𝑡) −𝑝𝑡 𝑝𝑎𝑟 𝑝𝑎𝑟𝑡𝑖𝑒𝑠
ℒ[𝑥 ′ (𝑡)] = ℒ [ ]=∫ 𝑒 𝑑𝑡 → [𝑥(𝑡)𝑒 −𝑝𝑡 ]∞
0 − ∫ (−𝑝)𝑥(𝑡)𝑒
−𝑝𝑡
𝑑𝑡
𝑑𝑡 𝑑𝑡
0 0
= 𝑝𝑋(𝑝) − 𝑥(0)

Les expressions ci-dessus se généralisent aux dérivées " d’ordre n " et, en particulier, si la
fonction f(t) et ses dérivées sont continués, on obtient :

𝑑𝑥 ′ (𝑡)
ℒ[𝑥 ′′ (𝑡)] = ℒ [ ] = 𝑝ℒ[𝑥 ′ (𝑡)] − 𝑥 ′ (0)
𝑑𝑡

Si nous remplaçons la transformé de Laplace de la dérivé sur la formule ci-dessus, on a :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 109
 = 𝑝ℒ[𝑥 ′ (𝑡)] − 𝑥 ′ (0)
𝑑 2 𝑥(𝑡)
ℒ[𝑥 ′′ (𝑡)] = ℒ [ ] {= 𝑝(𝑝ℒ[𝑥 ′ (𝑡)] − 𝑥(0)) − 𝑥 ′ (0)
𝑑𝑡
= 𝑝2 𝑋(𝑝) − 𝑝𝑥(0) − 𝑥 ′ (0)

En d’autres termes,

ℒ[𝑥 𝑛 (𝑡)] = 𝑝ℒ(𝑥 𝑛−1 (𝑡)) − 𝑥 𝑛−1 (0)

Il faut noter que cette formule est valable si et seulement si la fonction x(t) et ses dérivées
sont connues.

Exemple : 

soit

12. Intégral d’un signal

Soit un signal
𝜏

𝑥(𝑡) = ∫ 𝑔(𝜏)𝑑𝜏
0

La transformé de Laplace est :

𝜏 ∞ 𝜏

𝑋(𝑝) = ℒ[𝑥(𝑡)] = ℒ [∫ 𝑔(𝜏)𝑑𝜏] = ∫ [∫ 𝑔(𝜏)𝑑𝜏] 𝑒 −𝑝𝑡 𝑑𝑡

0 0 0
𝑡 ∞ ∞
1 1 1
= ∫ 𝑔(𝜏) (∫ 𝑒 −𝑝𝑡 𝑑𝑡) 𝑑𝜏 = ∫ 𝑔(𝜏)𝑒 −𝑝𝜏 𝑑𝜏 = ℒ[𝑥(𝑡)] = 𝑋(𝑝)
𝑝 𝑝 𝑝
0 𝜏 0

𝜏
1
ℒ[𝑥(𝑡)] = ℒ [∫ 𝑔(𝜏)𝑑𝜏] = 𝑋(𝑝)
𝑝
0

Si un signal est intégrable plusieurs fois (n fois), alors la transformé de Laplace est :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 110
 𝜏 𝜏 𝜏 𝜏

𝑥(𝑡) = ∫ ∫ ∫ ⋯ ∫ 𝑔(𝜏)𝑑𝜏
0 0 0 0

𝜏 𝜏 𝜏 𝜏
𝑋(𝑝)
ℒ[𝑥(𝑡)] = ℒ [∫ ∫ ∫ ⋯ ∫ 𝑔(𝜏)𝑑𝜏] =
𝑝𝑛
0 0 0 0

Exemple : Soit un signal sin 2t, la transformé de Laplace est :

2
𝑥(𝑡) = 𝑠𝑖𝑛2𝑡 ⟹ ℒ[𝑥(𝑡)] = ℒ[𝑠𝑖𝑛2𝑡)] =
𝑝2 +4

Donc la transformé de Laplace pour

𝜏 𝜏
2
𝑥(𝑡) = ∫ 𝑠𝑖𝑛2𝑡 𝑑𝑡 ⟹ ℒ[𝑥(𝑡)] = ℒ [∫ 𝑠𝑖𝑛2𝑡 𝑑𝑡] =
𝑝(𝑝2+ 4)
0 0

Théorème de l’amortissement ou multiplication d’une fonction par un exponentiel

Soit un signal
𝑦(𝑡) = 𝑒 𝑎𝑡 𝑥(𝑡)

La transformé de Laplace de y(t) est :

∞ ∞

𝑌(𝑝) = ℒ[𝑦(𝑡)] = ℒ[𝑒 𝑎𝑡 𝑥(𝑡)] = ∫ 𝑒 𝑎𝑡 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡 = ∫ 𝑥(𝑡)𝑒 −(𝑝−𝑎)𝑡 𝑑𝑡 = 𝑋(𝑝 − 𝑎)

0 0
Donc la transformé de Laplace de y(t) est :

𝑌(𝑝) = ℒ[𝑦(𝑡)] = ℒ[𝑒 𝑎𝑡 𝑥(𝑡)] = 𝑋(𝑝 − 𝑎)

Exemple : La transformé de Laplace du signal 𝑐𝑜𝑠𝑡 est :

𝑝
ℒ[cos 𝑡] =
𝑝2 +1

Donc la transformé de Laplace du signal 𝑒 −𝑡 cos 𝑡 est

𝑝+1 𝑝+1
ℒ[e−t cos 𝑡] = = 2
(𝑝 + 1) + 1 𝑝 + 2𝑝 + 2
2

Multiplication une fonction par t ou dérivé une fonction par rapport a p

Soit un signal y(t) est :
𝑦(𝑡) = 𝑡𝑥(𝑡)

Alors la transformé de Laplace du signal y(t) est :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 111
 𝑌(𝑝) = ℒ[𝑦(𝑡)] = ℒ[𝑡𝑥(𝑡)] = −𝑋 ′ (𝑝)

Preuve :
∞

𝑋(𝑝) = ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡

0
En dérivant les deux cotés ci-dessus par rapport a p on a :
∞

𝑋 ′ (𝑝) = ∫ −𝑡𝑒 −𝑝𝑡 𝑥(𝑡)𝑑𝑡

0
Ce résultat peut être réécrire sous la forme souvent :
∞
𝑑𝑛
(𝑋 (𝑝)) = ∫ (−𝑡)𝑛 𝑒 −𝑝𝑡 𝑥(𝑡)𝑑𝑡
𝑑𝑝𝑛
0
Ou
𝑑𝑛
ℒ(𝑡 𝑛 𝑥(𝑡)) = (−1)𝑛 [𝑋(𝑝)]
𝑑𝑝𝑛

Exemple :
Soit un signal x(t) est :
𝑥(𝑡) = 𝑒 −𝑡
et y(t) est :

𝑦(𝑡) = 𝑡𝑒 −𝑡

Or la transformé de Laplace pour x(t) est ;

∞ ∞
−𝑡 −𝑝𝑡
1
ℒ[𝑥(𝑡)] = ∫ 𝑒 𝑒 𝑑𝑡 = ∫ 𝑒 −(𝑝+1) 𝑑𝑡 =
𝑝+1
0 0

Donc la transformé de Laplace pour y(t) est :

∞ ∞
𝑑 1 1
ℒ[𝑦(𝑡)] = ∫ 𝑡𝑒 −𝑡 𝑒 −𝑝𝑡 𝑑𝑡 = ∫ 𝑡𝑒 −(𝑝+1) 𝑑𝑡 = − ( )=
𝑑𝑝 𝑝 + 1 (𝑝 + 1)2
0 0
En outre nous pouvons généralisés le résultat ci-dessus souvent :

𝑛!
ℒ[𝑡 𝑛 𝑒 −𝑡 ] =
(𝑝 + 1)𝑛+1

Convolution de deux signaux

On appelle convolution de deux fonctions x(t) et y(t), la fonction h(t) définie
𝑡

ℎ(𝑡) = 𝑥(𝑡) ∗ 𝑦(𝑡) = ∫ 𝑥(𝜏)𝑦(𝑡 − 𝜏)𝑑𝜏

0
Cette opération est commutative, c'est-à-dire

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 112
 𝑡 𝑡

𝑥(𝑡) ∗ 𝑦(𝑡) = 𝑦(𝑡) ∗ 𝑥(𝑡) ∫ 𝑥(𝜏)𝑦(𝑡 − 𝜏)𝑑𝜏 = ∫ 𝑦(𝜏)𝑥(𝑡 − 𝜏)𝑑𝜏

0 0

Donc
ℒ[ℎ(𝑡)] = 𝑋(𝑝) ∙ 𝑌(𝑝)

Preuve
Soit deux signaux x(t) et y(t), leurs convolution donne h(t) est ci-dessus, la transformé de
Laplace de ce signal est :

∞ 𝑡 ∞ 𝑡
−𝑝𝑡
ℒ[ℎ(𝑡)] = ∫ 𝑒 ( ∫ 𝑥(𝜏)𝑦(𝑡 − 𝜏)𝑑𝜏) 𝑑𝑡 = ∫ ∫ 𝑒 −𝑝𝑡 𝑥(𝜏)𝑦(𝑡 − 𝜏)𝑑𝜏 𝑑𝑡
𝑡=0 𝜏=0 𝑡=0 𝜏=0
ou 0 ≤ τ ≤ t
Si nous faisons un changement d’ordre d’intégration on a :
∞ ∞

𝐻(𝑝) = ∫ ∫ 𝑒 −𝑝𝑡 𝑥(𝜏)𝑦(𝑡 − 𝜏) 𝑑𝑡𝑑𝜏

𝜏=0 𝑡=𝜏

Si en autre on faire un changement de variable de t à u = t-τ on a : du = dt ; dans ce cas, la

région de convergence devient τ ≥ 0, u ≥0
∞ ∞

= ∫ ∫ 𝑒 −𝑝(𝑢+𝜏) 𝑥(𝜏)𝑦(𝑢) 𝑑𝑢𝑑𝜏

𝜏=0 𝑢=0
𝐻(𝑝) ∞ ∞

= ( ∫ 𝑒 −𝑝𝜏 𝑥(𝜏)𝑑𝜏) ∙ ( ∫ 𝑒 −𝑝𝑢 𝑦(𝑢) 𝑑𝑢)

{ 𝜏=0 𝑢=0

Alors

𝐻(𝑝) = 𝑋(𝑝) ∙ 𝑌(𝑝)

Théorème de la valeur initiale

Soit une fonction x(t), si quand t tend vers 0 x(t) admet une limite à droite notée x(0+) alors :
lim+ 𝑥(𝑡) = lim 𝑝𝑋(𝑝)
𝑡→0 𝑝→∞

1
Exemple : soit 𝑥(𝑡) = 𝑒 −𝑎𝑡 ⟹ 𝑋(𝑝) =
𝑝+𝑎

Donc la valeur initiale est

lim 𝑥(𝑡) = lim+ 𝑒 −𝑎𝑡 = 1

𝑡→0+ 𝑡→0
et
𝑝
lim 𝑝𝑋(𝑝) = lim =1
𝑝→∞ 𝑝→∞ 𝑝 + 𝑎

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 113
 Théorème de la valeur finale
Soit une fonction x(t), si x(t) admet une limite en t→∞, notée x(+∞) alors :

lim 𝑥(𝑡) = lim 𝑝𝑋(𝑝)

𝑡→∞ 𝑝→0

Ces deux propriétés sont très importantes en pratique : elles permettent de vérifier, dans une
certaine mesure, l’exactitude d’une transformée X(p) après calcul, si on connaît par ailleurs
les valeurs limites de x(t).

La transformé de Laplace de t en puissance de n

Exemple : si on à x(t) = tn+1,

Donc la transformé de Laplace est :

+∞ ∞
∞
𝑛+1 ] 𝑛+1 −𝑝𝑡
1 (𝑛 + 1)
ℒ[𝑥(𝑡)] = ℒ[𝑡 =∫ 𝑡 𝑒 𝑑𝑡 = [− 𝑒 −𝑝𝑡 𝑡 𝑛+1 ] + ∫ 𝑡 𝑛 𝑒 −𝑝𝑡 𝑑𝑡
𝑝 0
𝑝
0 0

et on obtient ainsi la formule de récurrence jusqu’à ce que l’exposant de t soit ramené à 1 :

(𝑛 + 1) 𝑛 (𝑛 + 1)!
ℒ[𝑥(𝑡)] = ℒ[𝑡 𝑛+1 ] = ℒ[𝑡 𝑛−1 ] =
𝑝 𝑝 𝑝𝑛+2

Nous pouvons trouver une formule generalee pour la transformee de Laplace d’une fonction
derivee suivante :

(𝑛 + 1)!
ℒ[𝑥(𝑡)] = ℒ[𝑡 𝑛+1 ] =
𝑝𝑛+2

𝑘]
𝑘! 𝑑 𝑛+1−𝑘 (𝑡 𝑛+1 ) 𝑘!
ℒ[𝑥(𝑡)] = ℒ[𝑡 = ℒ[ . ] = 𝑘+1
(𝑛 + 1 − 𝑘)! 𝑑𝑡 𝑛+1−𝑘 𝑝

2!
ℒ[𝑥(𝑡)] = ℒ[𝑡 2 ] =
𝑝2+1

1!
ℒ[𝑥(𝑡)] = ℒ[𝑡] =
𝑝1+1

0!
ℒ[𝑥(𝑡)] = ℒ[1] = ℒ[𝑡 0 ] =
𝑝0+1

Cette fonction de t en puissance de n ou a ci-dessus peut être considérée comme suit :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 114
 +∞

ℒ[𝑥(𝑡)] = ℒ[𝑡 𝑎 ] = ∫ 𝑡 𝑎 𝑒 −𝑝𝑡 𝑑𝑡

0

𝑑𝑢
Si nous faisons un changement de variable u =pt, 𝑑𝑢 = 𝑝𝑑𝑡 → = 𝑑𝑡, en remplaçant dans
𝑝
la formule ci-dessus on a :
+∞ +∞ +∞
𝑢 𝑎 𝑑𝑢 1
ℒ[𝑥(𝑡)] = ℒ[𝑡 𝑎 ] = ∫ 𝑡 𝑎 𝑒 −𝑝𝑡 𝑑𝑡 = ∫ ( ) 𝑒 −𝑢 = 𝑎+1 ∫ 𝑒 −𝑢 𝑢𝑎 𝑑𝑢
𝑝 𝑝 𝑝
0 0 0

Donc
+∞
1 1
ℒ[𝑡 𝑎 ] = ∫ 𝑒 −𝑢 𝑢𝑎 𝑑𝑢 = Γ(𝑎 + 1)
𝑝𝑎+1 𝑝𝑎+1
0

avec
+∞

Γ(𝑎 + 1) = ∫ 𝑒 −𝑢 𝑢𝑎 𝑑𝑢
0

Cette fonction ci-dessus est appelée la fonction Gamma. C’est une fonction factorielle
généralisée lorsque a n’est pas seulement un entier (a ∈ R): Γ(a)= R∈(a)( a-1) (a-2)... (a-k) ...,
tant que (a-k)>0.

En réalité la fonction Gamma

+∞

Γ(𝑎) = ∫ 𝑒 −𝑡 𝑡 𝑎−1 𝑑𝑡 , 𝑎>0

0

Cette fonction Gamma est souvent donnée dans un ordinateur sous forme d’un tableau. Nous
pouvons alors donnée d’autres formes de la fonction Gamma suivant :

Γ(𝑎 + 1) = 𝑎Γ(a),

Γ(1 + 𝑛) = 𝑛! , 𝑛 > 1

Preuve :
+∞ +∞
−𝑡 1−1
Γ(1) = ∫ 𝑒 𝑡 𝑑𝑡 = ∫ 𝑒 −𝑡 𝑑𝑡 = 1
0 0

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 115
 +∞ +∞ +∞

Γ(𝑎 + 1) = ∫ 𝑒 −𝑡 𝑡 𝑎 𝑑𝑡 = [−𝑡 𝑎 𝑒 −𝑡 ]+∞

0 + ∫ 𝑎𝑒 −𝑡 𝑡 𝑎−1 𝑑𝑡 = 𝑎 ∫ 𝑒 −𝑡 𝑡 𝑎−1 𝑑𝑡 = aΓ(a)
0 0 0

Donc

Γ(𝑎 + 1) = 𝑎Γ(a),

Transformée de Laplace d’une fonction périodique

Soit une fonction x(t) périodique de période T, on définit

𝑔(𝑡) 𝑝𝑜𝑢𝑟 0 < 𝑡 < 𝑇

𝑥(𝑡) = {
0, 𝑝𝑜𝑢𝑟 𝑡 > 𝑇

afin de pouvoir écrire :

𝑥(𝑡) = 𝑔(𝑡)𝑢(𝑡) + 𝑔(𝑡 − 𝑇)𝑢(𝑡 − 𝑇) + ⋯ + 𝑔(𝑡 − 𝑛𝑇)𝑢(𝑡 − 𝑛𝑇) + ⋯

Si G(p) est la transformée de Laplace de g(t), alors X(p) la transformée de x(t) s’écrit

𝑋(𝑝) = 𝐺(𝑝) + 𝑒 −𝑇𝑝 𝐺(𝑝) + ⋯ + 𝑒 −𝑛𝑇𝑝 𝐺(𝑝) + ⋯ = 𝐺(𝑝)[1 + 𝑒 −𝑇𝑝 + ⋯ + 𝑒 −𝑛𝑇𝑝 + ⋯ ]

𝐺(𝑝)
𝑋(𝑝) =
1 − 𝑒 −𝑇𝑝

Exemple : soit la fonction x(t) ci-dessus, trouver la transformé de Laplace.

Solution
La fonction x(t) peut être écrire
2, 𝑝𝑜𝑢𝑟 2𝑛 ≤ 𝑡 ≤ 2𝑛 + 𝑎, 𝑛 = 0,1, … ,
𝑥 (𝑡 ) = {
0, 𝑎𝑢𝑡𝑟𝑒𝑚𝑒𝑛𝑡

+∞ ∞ 2𝑛+𝑎 ∞ 𝑎
−𝑝𝑡 −𝑝𝑡
ℒ[𝑥(𝑡)] = ∫ 𝑒 𝑥(𝑡)𝑑𝑡 = ∑ ∫ 𝑥(𝑡)𝑒 𝑑𝑡 = ∑ ∫ 𝑥(𝑢 + 2𝑛)𝑒 −𝑝(𝑢+2𝑛) 𝑑𝑢
0 𝑛=0 2𝑛 𝑛=0 0
En changeant t= u+2n

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 116
 ∞ 𝑎 𝑎 ∞ 𝑎
−2𝑛𝑝 −𝑝𝑢 −𝑝𝑢 −𝑛
1
ℒ[𝑥(𝑡)] = ∑ 𝑒 ∫ 𝑥(𝑢)𝑒 𝑑𝑢 = ∫ 𝑥(𝑢)𝑒 𝑑𝑢 ∑ 𝑟 = ∫ 𝑥(𝑢)𝑒 −𝑝𝑢 𝑑𝑢
1−𝑟
0 0 0 0 0

1
Avec 𝑟 = 𝑒 −2𝑝 = et la somme de fonction géométrique = 1−𝑟
𝑎
1 −𝑝𝑢
2 1 −𝑝𝑢 𝑎 2 1
ℒ[𝑥(𝑡)] = ∫ 𝑥(𝑢)𝑒 𝑑𝑢 = [− 𝑒 ] = ∙ [−𝑒 −𝑎𝑝 + 1]
1−𝑟 1−𝑟 𝑝 0
1−𝑟 𝑝
0

2 1 2 1 2 [1 − 𝑒 −𝑎𝑝 ]
ℒ[𝑥(𝑡)] = ∙ [−𝑒 −𝑎𝑝 + 1] = ∙ [1 − 𝑒 −𝑎𝑝 ]
= ∙
1−𝑟 𝑝 1 − 𝑒 −2𝑝 𝑝 𝑝 [1 − 𝑒 −2𝑝 ]

2 [1 − 𝑒 −𝑎𝑝 ] 2 [1 − 𝑒 −𝑝 ]
ℒ[𝑥(𝑡)] = ∙ = ∙ , 𝑎𝑣𝑒𝑐 𝑎 = 1
𝑝 [1 − 𝑒 −2𝑝 ] 𝑝 [1 − 𝑒 −2𝑝 ]

Donc si la fonction est périodique, alors :

𝑋(𝑝)
ℒ[𝑥(𝑡)] =
1 − 𝑒 −𝑝𝑇

Table de la transformée de Laplace des signaux usuels

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 117
Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 118
Transformé de Laplace inverse
La transformée de Laplace inverse unilatérale x(t) d’une fonction X(p) est définie par :
−∞
1
ℒ −1 [𝑋(𝑝)] = 𝑥(𝑡) = ∫ 𝑋(𝑝)𝑒 𝑝𝑡 𝑑𝑝
2𝜋𝑗
−∞
où le chemin d’intégration peut être choisi quelconque dans le plan complexe à condition de
rester dans le domaine de convergence de X(p).
Le problème de la transformée de Laplace inverse est fondamentale en traitement du signal.
Ce problème est limité à une classe de problèmes dans l'étude des systèmes linéaires invariants
dans le temps. Ces systèmes sont caractérisés par l'étude de transformées de Laplace
monolatérale qui se mettent sous la forme de fractions rationnelles de polynômes en p.

En pratique, comme les transformées X(p) de la plupart des signaux usuels sont des fractions
rationnelles N(p)/D(p), il suffit de les décomposer en fractions simples et d’utiliser la
propriété de linéarité de la transformée de Laplace. Le développement qui suit est la base du
calcul opérationnel et porte le nom de développement d’Heaviside.

Il faut noter que le même développement de calcul est aussi utilisé pour la transformé en z
inverse.

Si maintenant, la transformée de Laplace X(p) s'écrit sous la forme d'une fraction rationnelle,

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 119
soit :
𝑎0 + 𝑎1 𝑝 + 𝑎2 𝑝2 + ⋯ + 𝑎𝑛 𝑝𝑛 𝑁(𝑝)
𝑋(𝑝) = =
𝑏0 + 𝑏1 𝑝 + 𝑏2 𝑝2 + ⋯ + 𝑏𝑚 𝑝𝑚 𝐷(𝑝)

Ici 𝑎0 , 𝑎1 , … 𝑎𝑛 , 𝑏0 , 𝑏1 , 𝑏2 , … 𝑏𝑚 sont les constantes de la fonction polynomiale X(p) qui a une

limite à p =∞

Nous pouvons divisée la solution en plusieurs étapes, à savoir :

Première étape

Si le degré du numérateur est inférieure à celui de dénominateur (m>n), et que les pôles et les
zéros de X(p) sont simples, on peut leur décomposer en éléments simple.

Décomposition en éléments simples: Pour décomposer X(p) en éléments simples, il faut

d’abord définir les termes pôles et zéros.
Les pôles : si le dénominateur D(p) peut être décomposé de manière qu’une valeur kj : les pôles,
donne D(p) = 0. C’est l’équation caractéristique souvent associée à X(p). Dont

𝐷(𝑝) = 𝑐𝑗 ∏(𝑝 − 𝑘𝑗 )
𝑗
Les zéros : si le numérateur N(p) peut être décomposé de manière qu’une valeur kj : les zéros,
tel que N(p) = 0.
𝑁(𝑝) = 𝑐𝑖 ∏(𝑝 − 𝑘𝑖 )
𝑖
La transformé de Laplace peut être écrire sous la forme de pôles et de zéros suivante :

∏𝑖(𝑝 − 𝑘𝑖 )
𝑋(𝑝) = 𝐶
∏𝑗(𝑝 − 𝑘𝑗 )

1. Si tous les pôles sont simples et réels, alors nous pouvons écrire sous la forme
suivante :

𝐴𝑗
𝑋(𝑝) = ∑
𝑝 − 𝑘𝑗
𝑗
Nous pouvons maintenant trouver les valeurs de Aj, de manières suivantes :

𝐴𝑗 = [(𝑝 − 𝑘𝑗 )𝑋(𝑝)]𝑝=𝑘
𝑗
Donc
𝐴1 𝐴2 𝐴𝑗
𝑋(𝑝) = + +⋯+
𝑝 − 𝑘1 𝑝 − 𝑘2 𝑝 − 𝑘𝑗
Pour trouver maintenant la transformé de Laplace inverse, il suffit de regarder si les pôles kj
sont simple et réel. Dans le cas-ci, le résultat est une exponentielle 𝑒 𝑘𝑗𝑡 décroissante si kj<0 ou
croissante si kj>0.

Le résultat est donc :

𝑥(𝑡) = 𝐴1 𝑒 𝑘1 𝑡 + 𝐴2 𝑒 𝑘2 𝑡 + ⋯ + 𝐴𝑗 𝑒 𝑘𝑗𝑡

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 120
Il faut rappeler que la paire de la transformée de Laplace ci-dessous
1
𝑒 −𝑎𝑡 ↔
𝑝+𝑎

2. Si tous les pôles sont simple s et complexes :

Si une fonction a le pôle kj qu’est simple et complexe avec un coefficient de décomposition

en élément simple de Aj alors 𝑘̅𝑗 est aussi le pôle de la fonction avec le coefficient de
décomposition en élément simple 𝐴𝑗̅ .

Prenons comme exemple le pôle complexe kj=σ + jw et 𝑘̅𝑗 =σ – jw. Donc pour trouver la
valeur de A1, nous pouvons suivre la procédure suivante :

𝐴1 = [(𝑝 − 𝑘1 )𝑋(𝑝)]𝑝=𝑘1

Et la valeur de A2, en suivantes :

𝐴2 = [(𝑝 − 𝑘2 )𝑋(𝑝)]𝑝=𝑘2 = [(𝑝 − 𝑘̅1 )𝑋(𝑝)]𝑝=𝑘̅ = 𝐴̅1

1
Donc

𝐴1 𝐴2 𝐴1 𝐴̅1
𝑋(𝑝) = + + ⋯ += + + ⋯+
𝑝 − 𝑘1 𝑝 − 𝑘2 𝑝 − 𝑘1 𝑝 − 𝑘̅1

Le résultat est donc :

𝑥(𝑡) = 𝐴1 𝑒 𝑘1 𝑡 + 𝐴1̅ 𝑒 𝑘̅1 𝑡 + ⋯ + 𝐴𝑗 𝑒 𝑘𝑗 𝑡
Un peut vérifier que les deux premiers termes peuvent être écrits de la manière suivante :

𝐴1 𝑒 𝑘1 𝑡 + 𝐴̅1 𝑒 𝑘̅1 𝑡 = 2|𝐴1 |𝑒 𝜑𝑡 𝑐𝑜𝑠(𝑤𝑡 + ∠𝐴1 )

d’où |𝐴1 | et ∠𝐴1 sont le magnitude et la phase de résidu A1, et  and w sont les parties réelle et
l’imaginaire du pôle k1.

Donc nous pouvons écrire :

𝑥(𝑡) = [2|𝐴1 |𝑒 𝜑𝑡 𝑐𝑜𝑠(𝑤𝑡 + ∠𝐴1 ) + 𝐴3 𝑒 𝑘3 𝑡 + ⋯ + 𝐴𝑗 𝑒 𝑘𝑗𝑡 ]𝑢(𝑡)

Une autre méthode plus facile est que comme A1 est le conjugué de A2
Donc on a :
𝐴1 = 𝐴∗2
avec
𝐴1 = 𝐾𝑒 𝜑𝑗
𝐴2 = 𝐾𝑒 −𝜑𝑗
𝐼𝑚(𝐾)
d’où K= |𝐴1 | et 𝜑∠𝐾 = 𝑡𝑎𝑛−1 ( 𝑅𝑒(𝑘) ) sont le magnitude et la phase, et comme  and w sont
les parties réelle
𝜎
𝜑 = 𝑡𝑎𝑛−1 ( )
𝑤
Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 121
Le résultat général est donc

𝑥(𝑡) = [2𝐾𝑒 𝜑𝑡 𝑐𝑜𝑠(𝑤𝑡 + 𝜑) + ⋯ ]u(t)

Exemple : soit une transformée de Laplace comme suit,

𝑝+1
𝑋(𝑝) = 2
𝑝 +4
Trouver la transformée inverse du signal ci-dessus.
Solution
𝑝+1 𝑝+1 𝐴1 𝐴2
𝑋(𝑝) = 2 = = +
𝑝 + 4 (𝑝 − 2𝑗)(𝑝 + 2𝑗) 𝑝 − 2𝑗 𝑝 + 2𝑗
avec
𝑝+1 1 + 2𝑗 1 𝑗
𝐴1 = | = = − = 𝐴2 ∗
𝑝 + 2𝑗 𝑝=2𝑗 4𝑗 2 4
Donc
𝑥(𝑡) = (𝐴1 𝑒 2𝑗𝑡 + 𝐴1 ∗ 𝑒 −2𝑗𝑡 )𝑢(𝑡) = 2ℛ(𝐴1 𝑒 2𝑗𝑡 )𝑢(𝑡)
1
= 2(ℛ(𝐴1 )𝑐𝑜𝑠(2𝑡) − ℑ(𝐴1 )𝑠𝑖𝑛(2𝑡))𝑢(𝑡) = (𝑐𝑜𝑠(2𝑡) + 𝑠𝑖𝑛(2𝑡)) 𝑢(𝑡)
2

Une autre méthode est au lieu de factoriser pour trouver les pôles complexes, il est très facile
de compléter le polynôme de dénominateur sur la forme comme exemple ci-dessus

𝑝+1 𝑝 1
𝑋(𝑝) = 2
= 2 + 2
𝑝 +4 𝑝 +4 𝑝 +4

Selon les propriétés de la transformé de Laplace, les fonctions de la forme suivantes sont les
transformés des fonctions trigonométriques par exemple :

𝑝 (𝑝 + 0)
ℒ −1 [𝑐𝑜𝑠𝑤𝑡] = =
𝑝2 +𝑤 2 (𝑝 + 0)2 + 𝑤 2

1 1
ℒ −1 [𝑠𝑖𝑛𝑤𝑡] = =
𝑝2
+𝑤 2 (𝑝 + 0)2 + 𝑤 2
On peut facilement prouvé que la transformé de Laplace des fonctions ci-dessus est de la formes
suivantes :
(𝑝 + 0)
ℒ −1 [ ] = 𝑒 0𝑡 𝑐𝑜𝑠𝑤𝑡
(𝑝 + 0)2 + 𝑤 2
est
1 1 0𝑡
ℒ −1 [ ] = 𝑒 𝑠𝑖𝑛𝑤𝑡
(𝑝 + 0)2 + 𝑤 2 𝑤
Donc

𝑝+1 𝑝 1 2
ℒ −1 [𝑋(𝑝)] = ℒ −1 [ 2
] = ℒ −1 [ 2 2
] + ℒ −1 [ 2 ] = 𝑥(𝑡)
𝑝 +4 𝑝 +2 2 𝑝 + 22
1
𝑥(𝑡) = 𝑐𝑜𝑠2𝑡 + 𝑠𝑖𝑛2𝑡
2

Exemple 2 :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 122
Ici dans cette exemple, la transformation d’un facteur sera un peut difficile.
Soit une transformé de Laplace est donnée comme suite ;
𝑝
𝑋(𝑝) = 2
𝑝 + 2𝑝 + 5
Trouver la transformé de Laplace inverse de la fonction ci-dessus.

Solution
𝑝 𝑝 𝑝
𝑥(𝑡) = ℒ −1 [ ] = ℒ −1
[ ] = ℒ −1
[ ]
𝑝2 + 2𝑝 + 5 𝑝2 + 2𝑝 + 1 + 4 (𝑝2 + 2𝑝 + 1) + 4
𝑝
= ℒ −1 [ ]
(𝑝 + 1)2 + 4

Selon la propriété de la transformé de Laplace appelé « Théorème de l’amortissement ou

multiplication d’une fonction par un exponentiel » ci-dessus ;

ℒ(𝑒 𝑎𝑡 𝑥(𝑡)) = 𝑋(𝑝 − 𝑎)

Nous pouvons compléter la fonction ci-dessus de la forme (p-a).

𝑝 (𝑝 + 1) − 1
𝑥(𝑡) = ℒ −1 [ ] = ℒ −1
[ ]
(𝑝 + 1)2 + 22 (𝑝 + 1)2 + 22
𝑝+1 1 2
= ℒ −1 [ ] − ℒ −1 [ ]
(𝑝 + 1) + 2
2 2 2 (𝑝 + 1)2 + 22

Le résultat du premier terme donne est

𝑝+1
ℒ −1 [ ] = 𝑒 𝑡 𝑐𝑜𝑠2𝑡
(𝑝 + 1)2 + 22

Et le deuxième terme donne

1 −1 2 1 𝑡
ℒ [ ] = − 𝑒 𝑠𝑖𝑛2𝑡
2 (𝑝 + 1)2 + 22 2

Donc la solution générale est

𝑝 1
𝑥(𝑡) = ℒ −1 [ ] = 𝑒 𝑡 𝑐𝑜𝑠2𝑡 − 𝑒 𝑡 𝑠𝑖𝑛2𝑡
(𝑝 + 1) + 2
2 2 2

𝟏
𝒙(𝒕) = 𝒆𝒕 𝒄𝒐𝒔𝟐𝒕 − 𝒆𝒕 𝒔𝒊𝒏𝟐𝒕
𝟐

3. Si tous les pôles sont simple, réels et multiples c’est-a-dire plus

qu’un pôle :

Si le dénominateur D(p) =0, a des pôles ki inclus les racines multiple d’ordre m

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 123
 𝐷(𝑝) = ⋯ (𝑝 − 𝑘)(𝑝 − 𝑘)2 (𝑝 − 𝑘)3 ⋯ (𝑝 − 𝑘)𝑚 …
Donc
𝐴𝑖1 𝐴𝑖2 𝐴𝑖3 𝐴𝑖𝑚
𝑋(𝑝) = ⋯ + + + +⋯+ +⋯
𝑝 − 𝑘𝑖 (𝑝 − 𝑘𝑖 ) 2 (𝑝 − 𝑘𝑖 ) 3 (𝑝 − 𝑘𝑖 )𝑚

Pour trouver alors les constantes Ai1, Ai2, …A1m nous pouvons procédés des manières
suivantes :

𝑑 𝑚−1
𝐴𝑖1 = [(𝑝 − 𝑘𝑖 )𝑚 𝑋(𝑝)]|
𝑑𝑝𝑚−1 𝑝=𝑘 𝑖
𝑑 𝑚−2
𝐴𝑖2 = 𝑚−2 [(𝑝 − 𝑘𝑖 )𝑚 𝑋(𝑝)]|
𝑑𝑝 𝑝−𝑘 𝑖
⋮ ⋮ ⋮
𝑑𝑚−𝑚 𝑑0
𝐴𝑖𝑚 = [(𝑝 − 𝑘𝑖 )𝑚 𝑋(𝑝)]| = 0 [(𝑝 − 𝑘𝑖 )𝑚 𝑋(𝑝)]| = [(𝑝 − 𝑘𝑖 )𝑚 𝑋(𝑝)]|𝑝−𝑘𝑖
𝑑𝑝𝑚−𝑚 𝑝−𝑘
𝑑𝑝 𝑝−𝑘
𝑖 𝑖

Pour trouver la solution générale, il faut rappelée de la propriété de la transformé de Laplace

d’une fonction multiplié par une t ou dérivé une fonction par rapport a p

Exemple :
Soit un signal y(t) est :
𝑦(𝑡) = 𝑡𝑥(𝑡)

Alors la transformé de Laplace du signal y(t) est :

𝑌(𝑝) = ℒ[𝑦(𝑡)] = ℒ[𝑡𝑥(𝑡)] = −𝑋 ′ (𝑝)

Preuve :
∞

𝑋(𝑝) = ∫ 𝑥(𝑡)𝑒 −𝑝𝑡 𝑑𝑡

0
En dérivant les deux cotés ci-dessus par rapport a p on a :
∞

𝑋 ′ (𝑝) = ∫ −𝑡𝑒 −𝑝𝑡 𝑥(𝑡)𝑑𝑡

0
Ce résultat peut être réécrire sous la forme souvent :
∞
𝑑𝑛
(𝑋 (𝑝)) = ∫ (−𝑡)𝑛 𝑒 −𝑝𝑡 𝑥(𝑡)𝑑𝑡
𝑑𝑝𝑛
0
Ou
𝑑𝑛
ℒ(𝑡 𝑥(𝑡)) = (−1)𝑛
𝑛 [𝑋(𝑝)]
𝑑𝑝𝑛

Donc la solution générale, pour cette fonction et :

𝑥(𝑡) = ⋯ + (𝐴𝑖1 𝑒 𝑘𝑖 𝑡 + 𝐴𝑖2 𝑡𝑒 𝑘𝑖 𝑡 + ⋯ +𝐴𝑖𝑚 𝑡 𝑚−1 𝑒 𝑘𝑖 𝑡 ) + ⋯

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 124
 𝑥(𝑡) = ⋯ + (𝐴𝑖1 + 𝐴𝑖2 𝑡 + ⋯ + 𝐴𝑖𝑚 𝑡 𝑚−1 )𝑒 𝑘𝑖 𝑡 + ⋯

4. Si tous les pôles sont complexes et multiples c’est-a-dire plus qu’un pôle

Si une fonction X(p) avec un pôle kj qu’est complexes de multiplicité m avec un coefficient
de décomposition en élément simple de Aj alors 𝑘̅𝑗 est aussi le pôle complexes de multiplicité
m de la fonction X(p) avec le coefficient de décomposition en élément simple 𝐴𝑗̅ .

Pour trouver alors les constantes Ai1, Ai2, …A1m et 𝐴̅𝑖1, 𝐴̅𝑖2 , ⋯ 𝐴̅𝑖𝑚 nous procéderons des
manières comme pour les pôles simples, réels et multiples

Pour trouver alors la solution générale,

𝑥(𝑡) = ⋯ + 2[|𝐴𝑖1 |𝑐𝑜𝑠(𝑤𝑡 + ∠𝐴𝑖1 ) + |𝐴𝑖2 |𝑡𝑐𝑜𝑠(𝑤𝑡 + ∠𝐴𝑖2 ) + ⋯

+ |𝐴𝑖𝑚 |𝑡 𝑚−1 𝑐𝑜𝑠(𝑤𝑡 + ∠𝐴𝑖𝑚 )]𝑒 𝜎𝑡 + ⋯

Deuxième étape
Si le polynôme X(p) est ci-dessous ;
𝑎0 + 𝑎1 𝑝 + 𝑎2 𝑝2 + ⋯ + 𝑎𝑛 𝑝𝑛 𝑁(𝑝)
𝑋(𝑝) = =
𝑏0 + 𝑏1 𝑝 + 𝑏2 𝑝2 + ⋯ + 𝑏𝑚 𝑝𝑚 𝐷(𝑝)

Avec le degré de polynôme de numérateur N(p) plus grand ou égale au degré de dénominateur
D(p), n ≥m, alors, il suffit de commencer par procéder à la division du polynôme N(p) par D(p)
tel que :
𝑁𝑓 (𝑝)
𝑋(𝑝) = 𝑅(𝑝) +
𝐷𝑓 (𝑝)
avec le degré de 𝑁𝑓 (𝑝) < 𝐷𝑓 (𝑝)

𝑁 (𝑝)
Si la fonction R(p) est une constante sans l’apparition de p, alors la solution de 𝐷𝑓(𝑝) , le résidu
𝑓
suivre la procédure précédente et la solution de la transformé de Laplace inverse de X(p) est :
𝑁𝑓 (𝑝)
𝑥(𝑡) = 𝑅(𝑝)𝛿(𝑡) + 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒
𝐷𝑓 (𝑝)
Exemple
Soit la transformé de Laplace d’une fonction est :
𝑝2
𝑋(𝑝) = 2
𝑝 + 6𝑝 + 8
Trouver la fonction original x(t)
Solution
𝑝2 6𝑝 + 8 𝐴 𝐵
𝑋(𝑝) = 2 =1− 2 = 1− −
𝑝 + 6𝑝 + 8 𝑝 + 6𝑝 + 8 𝑝+2 𝑝+4
Donc

6𝑝 + 8 6𝑝 + 8
𝐴 = − [(𝑝 + 2) ] =[ ] =2
(𝑝 + 2)(𝑝 + 4) 𝑝=−2 𝑝 + 4 𝑝=−2

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 125
 6𝑝 + 8 6𝑝 + 8
𝐵 = − [(𝑝 + 4) ] =[ ] = −8
(𝑝 + 2)(𝑝 + 4) 𝑝=−4 𝑝 + 2 𝑝=−4
avec A=2 et B=-8 après calcul.
𝑥(𝑡) = 𝛿(𝑡) + 2𝑒 −2𝑡 − 8𝑒 −4𝑡
𝑁 (𝑝)
Si la fonction R(p) est une constante avec l’apparition de p, alors la solution de 𝐷𝑓(𝑝) suivra la
𝑓
procédure précédente et la solution de la transformé de Laplace inverse de X(p) est :
:

𝑁𝑓 (𝑝)
𝑥(𝑡) = 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑅(𝑝) + 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒
𝐷𝑓 (𝑝)
Si R(p) est de la forme suivante :
𝑅(𝑃) = 𝑎0 + 𝑎1 𝑝 + 𝑎2 𝑝2 + 𝑎3 𝑝3 + ⋯ + 𝑎𝑚 𝑝𝑚

Alors
𝑑 𝑑2 𝑑𝑚
𝑥(𝑡) = 𝑎0 𝛿(𝑡) + 𝑎1 (𝛿(𝑡)) + 𝑎2 2 (𝛿(𝑡)) + ⋯ + 𝑎𝑚 𝑚 (𝛿(𝑡))
𝑑𝑡 𝑑𝑡 𝑑𝑡
𝑁𝑓 (𝑝)
+ 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒
𝐷𝑓 (𝑝)
Exemple
Trouver la transformé inverse de la fonction ci-dessous.

𝑝3 + 5𝑝2 + 9𝑝 + 7
𝑋(𝑝) =
𝑝2 + 3𝑝 + 2
Solution
Comme le degré de polynôme de p dans le numérateur est plus grand que dans le dénominateur,
on va commencer par division simple:

𝑝3 + 5𝑝2 + 9𝑝 + 7 𝑝+3 𝑝+3

𝑋(𝑝) = = 𝑝 + 2 + = 𝑝 + 2 +
𝑝2 + 3𝑝 + 2 𝑝2 + 3𝑝 + 2 (𝑝 + 2)(𝑝 + 1)

Donc
𝑝+3
ℒ −1 (𝑋(𝑝)) = ℒ −1 [𝑝 + 2 + ]
(𝑝 + 2)(𝑝 + 1)
𝐴 𝐵
ℒ −1 (𝑋(𝑝)) = ℒ −1 [𝑝 + 2 + + ]
(𝑝 + 2) (𝑝 + 1)
Nous pouvons maintenant trouver les valeurs pour A et B suivantes :
𝑝+3 𝑝+3
𝐴 = [(𝑝 + 2) ] =[ ] = −1
(𝑝 + 2)(𝑝 + 1) 𝑝=2 𝑝 + 1 𝑝=−2
𝑝+3 𝑝+3
𝐵 = [(𝑝 + 1) ] =[ ] =2
(𝑝 + 2)(𝑝 + 1) 𝑝=2 𝑝 + 2 𝑝=−1

Donc nous avons

−1 2
ℒ −1 (𝑋(𝑝)) = ℒ −1 [𝑝 + 2 + + ]
(𝑝 + 2) (𝑝 + 1)
−1 2
ℒ −1 (𝑋(𝑝)) = ℒ −1 [𝑝] + ℒ −1 [2] + ℒ −1 [ ] + ℒ −1 [ ]
(𝑝 + 2) (𝑝 + 1)

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 126
 𝒅
Résultat : 𝒙(𝒕) = 𝒅𝒕 (𝜹(𝒕)) + 𝟐𝜹(𝒕) − 𝒆−𝟐𝒕 + 𝟐𝒆−𝒕

Propriétés de la transformé de Laplace inverse

Linéarité.

ℒ −1 [𝑎𝑋(𝑝) + 𝑏𝑌(𝑝)] = 𝑎𝑥(𝑡) + 𝑏𝑦(𝑡)

Décalage en p

ℒ −1 [𝑋(𝑝 − 𝑎)] = 𝑒 𝑎𝑡 𝑥(𝑡)

Divisée par p
𝑡
𝑋(𝑝)
ℒ −1 [ ] = ∫ 𝑥𝑡)𝑑𝑡
𝑝 0

Multiplication par 𝒆𝒂𝒑

ℒ−1 [𝑒𝑎𝑝 𝑋(𝑝)] = 𝑢(𝑡 − 𝑎) ∙ 𝑥(𝑡 − 𝑎)

Exemple

Trouver la transformé de Laplace inverse de la transformé suivantes :

2 −2𝑝
𝑋(𝑝) = (𝑒 − 𝑒 −3𝑝 )
𝑝

Solution

Selon la table de transformé de Laplace on a :

𝑒 𝑎𝑝
ℒ( ) = 𝑢(𝑡 − 𝑎)
𝑝

Donc

𝑒 −2𝑝 𝑒 −3𝑝
2 −1
= 2 [ℒ ( −1
)−ℒ ( )]
ℒ −1 ( (𝑒 −2𝑝 − 𝑒 −3𝑝 )) 𝑝 𝑝
𝑝
= 2[𝑢(𝑡 − 2) − 𝑢(𝑡 − 3)]

Alors le résultat général est

𝒙(𝒕) = 𝟐[𝒖(𝒕 − 𝟐) − 𝒖(𝒕 − 𝟑)]

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 127
Un petit programme en Matlab pour trouver le même résultat dessus est le
suivant:

"syms p;

f=2*(exp(-2*p)-exp(-3*p))/p;

ilaplace(f)"

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 128
Quelques définitions dans les filtres analogiques

Causalité
Si le signal h(t) est égal a 0 pour t < 0, le filtre est dit causal. Dans la pratique, pour des signaux
temporels, ceci signifie que le filtre ne produit de réponse qu’après avoir été sollicité par une
entrée. la relation de convolution peut s’écrire pour h(t) causal
𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏
ce qui montre que la sortie h(t)*x(t) du filtre ne dépend que de la valeur présente de l’entrée
x(t) ainsi que de ses valeurs passées.

Stabilité du filtre
Un filtre est stable si pour toute entrée x(t) bornée, la sortie y(t) est elle aussi bornée.
Revenons au problème de stabilité d’un filtre analogique : lorsqu’on a accès à sa fonction de
transfert en p, le système est dit stable si cette dernière possède tous ses pôles dans l’ensemble
des réels strictement négatifs.

On dit qu'un filtre est stable si, lorsque le signal d'entrée est constant, le signal de sortie atteint
- éventuellement après un temps d'induction - une valeur constante.

Notions importantes causalités et stabilités

Une contrainte importante pour la formalisation de nombreux problèmes est de respecter la

notion de causalité (les effets ne peuvent pas précéder la cause). Dans le cas des SLIT, cette
causalité se traduit par le fait que h(t)=0 pour t<0. Une autre notion fondamentale est la stabilité
des systèmes. On dit qu'un système est stable si, en lui appliquant une entre borne quelconque,
la sortie reste borne, ce qui implique dans le cas des SLIT que


 h(t ) dt  M


Usages des filtres

Les filtres sont largement employées quel que soit le domaine d’application. Ils permettent
par exemple :
 L’atténuation du bruit sur un signal pour en améliorer le rapport signal/bruit
(téléphone portable, réseau Bluetooth, wifi, filtre ADLS,...);
 La séparation de signaux ayant des supports de spectres disjoints (Tuner,...);
 L’analyse fréquentielle des signaux (compression mp3, Divx,...).

A cause du manque de précision des composants passifs et des défauts des ampliop, les filtres
analogiques d'ordre supérieur à 2 sont aujourd'hui avantageusement remplacés par des circuits
intégrés spécialisés (cf. ci-dessous: filtres à capacités commutées) ou des filtres numériques.
L'importance des filtres analogiques ne peut pas pour autant passer sous silence de la théorie
des signaux analogiques, pour au moins deux raisons:
 bon nombre de signaux sont, par essence, analogiques. C’est par exemple le cas des
ondes lumineuses ou des ondes sonores, qui prennent des valeurs évoluant continûment
au cours du temps. Pour les représenter sous forme d’un signal numérique, il faut être
capable de sélectionner certains instants en lesquels on mesure une grandeur physique
associée à l’onde (c’est ce qu’on appelle la discrétisation temporelle) et de représenter
la valeur mesurée avec un nombre fini de bits (c’est ce qu’on appelle la quantification).
Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 129
  on ne dispose pas de « bonne théorie » pour estimer la régularité des signaux
numériques. Or, on peut par exemple démontrer qu’un signal (analogique) est représenté
de manière d’autant plus compacte par sa transformée de Fourier qu’il est régulier. C’est
cet argument qui justifie la compression avec perte des signaux numériques par des
algorithmes comme JPEG ou MP3.

Filtres analogiques pour les signaux continus

Les filtres réalisés et appliqués sur des signaux à temps continu sont constitués par des
composants électroniques tel que résistances, capacités et inductance, amplificateurs
opérationnels,... On peut aussi défini un filtre comme la réponse impulsionnelle notée h(t), et
par sa fonction transfert notée H(f) (ou H(p)) transformée de (Fourier ou Laplace) h(t).
Le spectre Y(f) du signal de sortie y(t) est le produit du spectre X(f) du signal d'entrée x(t) avec
la fonction de transfert fréquentielle du filtre H(f) : mathématiquement:
𝑌(𝑓) = 𝑋(𝑓). 𝐻(𝑓)

filtre
x(t) y(t)

𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡)

donc la fonction du transfert du filtre est:

𝐻(𝑓) = ℱ[ℎ(𝑡)]
Si en entrée du filtre le signal x(t) est une impulsion de Dirac (t), alors le signal de sortie y(t)
du filtre est sa réponse impuslionnelle notée h(t). Par contre, si le signal d'entrée maintenant est
un signal quelconque x(t), alors le signal de sortie y(t) du filtre sera:
+∞

𝑥(𝑡) → 𝑦(𝑡) = 𝑥(𝑡) ∗ ℎ(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏

−∞

La relation ci-dessus est la fondamentale des filtres linéaires et invariants dans le temps car elle
permet de déterminer le signal de sortie y(t) à un signal d'entrée quelconque x(t) a condition de
connaitre la réponse impulsionnelle h(t) qui caractérisé le filtre.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 130
 Chapitre: filtre numérique
On appelle filtre numérique un système utilisé pour modifier la distribution fréquentielle d'un
signal numérique d'entrée en le transformant en un signal numérique désiré en sortie. Avec le
progrès en informatique les filtres numériques sont caractérisés par leur : précision, fiabilité,
stabilité, adaptabilité et facilité de commande.

Le filtrage des signaux échantillons

Une des fonctions fondamentales en traitement du signal à temps continu est le filtrage linaire
effectué par des dispositifs électroniques. Ces dispositifs à été amélioré par l'arrivée du
traitement numérique du signal en termes de fiabilité, de reproductibilité, de souplesse et de
complexité des fonctions réalisables. Les filtres numériques ont aussi d'autres propriétés
difficiles voire impossibles à mettre en œuvre dans le cas des filtres analogiques.

Avant d'entamer le sujet de filtre numérique, il faut aussi définir les termes suivantes:
 Discret: Un système est discret, si à la suite d'entrée discrète x(n) correspond une suite
de sortie discrète y(n).
Système
x(n) y(n)
discret

 Un filtre numérique est dit linéaire, si à la suite ax1(n) + bx2(n) correspond la suite
𝑎𝑦1 (𝑛) + 𝑏𝑦2 (𝑛), quelles que soient les constantes complexes a et b et les signaux x1
x2.

Système linéaire
ax1(n)+bx2(n) ay1(n)+by2(n)

 Un filtre numérique est dit invariant dans le temps, si à la suite x(n-m) correspond la
suite y(n-m).

Système invariant
x(n-m) y(n-m)

𝛿(0) = 1
Dès lors si δ(n) est la suite unitaire{ , alors toute suite x(n) peut s'écrire:
𝛿(0) = 0, ∀𝑛 ≠ 0
𝑚=+∞

𝑥(𝑛) = ∑ 𝑥(𝑚)𝛿(𝑛 − 𝑚) … … . (1)

𝑚=−∞

Si h(n) est la réponse impulsionnelle d'un système discret linéaire et invariant dans le temps à
la suite δ(n) alors :
𝑚=+∞ 𝑚=+∞

𝑥(𝑛) ⟹ 𝑦(𝑛) = ∑ 𝑥(𝑚)ℎ(𝑛 − 𝑚) = ∑ ℎ(𝑚)𝑥(𝑛 − 𝑚) … . (2)

𝑚=−∞ 𝑚=−∞

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 131
On peut reconnue que la sortir du filtre y(n) est une convolution:
𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛) … … (3)

Un système peut être considéré comme linéaire, discret et invariant dans le temps, il en
découle qu'il est :
1) régi par une équation de convolution
2) entièrement déterminé par la réponse h(n) qu'il fournit lorsqu'il est excité par la suite
impulsionnelle δ(n).Cette suite h(n) constituant la réponse impulsionnelle du système.

Conditions de stabilité
Un système discret, linéaire et invariant dans le temps (SDLIT) est stable si à toute suite de
signal discret d'entrée x(n) dans un système bornée correspond une suite de sortie y(n) bornée.

Système
x(n) y(n)
discret
.
C'est-à-dire la somme des valeurs absolues de la réponse impulsionnelle d'un SDLIT.
𝑚=+∞

∑ |ℎ(𝑛)| < +∞ … … (4)

𝑚=−∞
La condition nécessaire :
Soit x(n) la suite d'entrée bornée définie par : x( -n ) = sgn(h( n )) alors, par définition de
l'équation de convolution régissant le système,
𝑚=+∞

𝑦(0) = ∑ |ℎ(𝑛)| … . . . (5)

𝑚=−∞
Donc si
𝑚=+∞

𝑦(0) = ∑ |ℎ(𝑚)|
𝑚=−∞
n'est pas <  la suite de sortie n'est pas bornée et la condition de stabilité n'est pas respectée.

Preuve de la condition suffisante :

Soit x(n) une suite d'entrée bornée, c'est à dire:

∀𝑛, ∃𝑀/|𝑥(𝑛)| < 𝑀

alors;
𝑚=+∞ 𝑚=+∞

𝑦(𝑛) ≤ ∑ |ℎ(𝑚)||𝑥(𝑛 − 𝑚)| ≤ ∑ |ℎ(𝑚)| 𝑀 … . . (6)

𝑚=−∞ 𝑚=−∞

et si
𝑚=+∞

∑ |ℎ(𝑚)| < +∞,

𝑚=−∞

la suite y(n) est alors bornée.

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 132
Stabilité du filtre numérique

 Un filtre numérique est strictement causal et stable si les modules de ces pôles sont
tous à l’intérieur du cercle de rayon unité
 Un filtre numérique peut être considéré stable si les pôles simples sont sur le cercle de
rayon unité.
 Si le filtre est causal, alors le domaine de convergence est l’extérieur d’un cercle
passant par le pôle de plus grand module de H(Z).

Im(z)

Région de
1 Re(z)
stabilité

Causalité du filtre numérique

Un filtre numérique est dit causal si sa réponse à un instant spécifique est indépendante des
valeurs futures de l’excitation. Cela se traduit par si sa réponse impulsionnelle h(n) est nulle
pour n<0.

Autrement, un filtre numérique est dit anticausal, si sa réponse impulsionnelle h(n) est nulle
pour n≥0.

Un filtre numérique est dit bilatéral, si sa réponse impulsionnelle h(n) est en même temps
nulle pour n≥0 et n<0.

Filtres caractéristiques
On distinguera deux grands types de filtres linéaires discrets invariants dans le temps: les filtres
non récursifs et les filtres récursifs. Ce type du filtre est défini par la relation récurrence
suivante:
𝑁 𝑀

𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) − ∑ 𝑎𝑗 𝑦(𝑛 − 𝑗) … . . (7)

𝑖=0 𝑗=1
Le signe plus ou moins ne compte pas, donc on peut avoir (+) ou (-).

Il est possible de visualiser l’équation (7) de récurrence associée à un filtre numérique, sous la
forme d’une structure (ou graphe de fluence) faisant apparaître les éléments de base suivants :
 L’additionneur, symbolisé par , qui additionne les signaux à ses entrées.

 Le multiplieur, symbolisé par a , qui multiplie un signal par un scalaire a

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 133
  L’élément « délai », symbolisé par z-1 , qui produit une sortie retardée de une valeur
par rapport à son entrée.
On constate que le caractère récursif ou non récursif d’un filtre numérique est lié à la
présence ou à l’absence de boucles dans sa structure.

Pour une famille du filtre numérique non récursif (filtres à Réponse Impulsionnelle Finie RIF
ou en anglais FIR Finite Impulse Response) la sortie dépend uniquement de l'entrée du signal,
il n'y a pas de contre-réaction. Ainsi, les coefficients aj de la forme générale des filtres
numériques sont tous égaux à zéro. Donc on a:
𝑁

𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) … … (8)

𝑖=0

La seconde famille du filtre ces les filtres récursifs (filtre à Réponse Impulsionnelle Infinie
RII ou en l'anglais IIR (Infinite Impulse Response), c'est-à-dire que la sortie du filtre dépend à
la fois du signal d'entrée et du signal de sortie, il possède ainsi une boucle de contre-réaction
(feedback). Il faut remarquer que les filtres non récursifs sont un cas particulier des filtres
récursifs mais avec aj = 0 ,j.
𝑁 𝑀

𝑦(𝑛) = ∑ 𝑏𝑥(𝑛 − 𝑖) − ∑ 𝑎𝑗 𝑦(𝑛 − 𝑗) … … . (9)

𝑖=0 𝑗=1

Fonction de transfert discrète

Comme nous avons vue dans le chapitre sur les filtres analogique, où les filtres sont déterminés
par leurs fonctions de transfert, H(f). Ainsi, les filtres numérique sont aussi déterminer par sa
fonction de transfert, H(z) où H(z) = Z[h(n)], c'est-à-dire la transformée en Z de h(n) (la réponse
impulsionnelle d’un filtre numérique linéaire invariant) .

Selon d'équation (3)

𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛) ⟹ 𝑍[𝑦(𝑛)] = 𝑍[𝑥(𝑛)]𝑍[ℎ(𝑛)]
𝑌(𝑧) = 𝑋(𝑧)𝐻(𝑧)
𝑌(𝑧)
= 𝐻(𝑧), 𝑞𝑢𝑖 𝑒𝑠𝑡 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑓𝑒𝑟𝑡 𝑑𝑢 𝑓𝑖𝑙𝑡𝑟𝑒 𝑛𝑢𝑚é𝑟𝑖𝑞𝑢𝑒 … (10)
𝑋(𝑧)
Donc si nous déterminons la transformée en Z l'équation de relation récurrence générale des
filtres, on a;
𝑌(𝑧) ∑𝑁𝑖=0 𝑏𝑖 𝑧
−𝑖
= … … . . (11)
𝑋(𝑧) 1 + ∑𝑀𝑗=0 𝑎𝑗 𝑧
−𝑗

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 134
Nous pouvons dire que la fonction de transfert H(z) est aussi le rapport des transformées en
z de l’entrée et de la sortie du filtre numérique.

L'équation (11) peut être réécrire de la forme en pôles et zéros de la manière suivante:
𝑌(𝑧) ∑𝑁𝑖=0 𝑏𝑖 𝑧
−𝑖 ∏𝑁 −1
𝑖=0(1 − 𝑞𝑖 𝑧 )
𝐻(𝑧) = = = 𝑎0 𝑀 … … . . (11)𝑏𝑖𝑠
𝑋(𝑧) 1 + ∑𝑀𝑗=0 𝑎 𝑗 𝑧 −𝑗 ∏𝑗=0 (1 − 𝑝𝑗 𝑧 −1 )

avec qi les zéro du H(z) et pj les pôles du H(z). Les zéros et les pôles d’un filtre numérique sont
définit comme les racines du numérateur et du dénominateur de la fonction de transfert H(z).

Polynôme du filtre numérique

Soit 𝐻(𝑧) = ∑𝑁 𝑛→0 ℎ(𝑛)𝑧
−𝑛
, un polynôme en z-1 avec le degré N, alors le degré du H(z) est de
N. Dont on peut dit que l’ordre d’un filtre ou système linéaire invariant numérique est donné
par le degré de la récursivité de l’équation aux différences finies associée : N

 H (z) est dit strictement à minimum de phase (ou strictement de Hurwitz ) si tous les
zéros de zNH (z) sont à l’intérieur du cercle unité du plan z. Il sera dit à minimum de
phase si les zéros de zNH (z) sont à l’intérieur ou sur le cercle unité.
 H (z) est dit strictement à maximum de phase si tous les zéros de zNH (z) sont à
l’extérieur du cercle unité du plan z. Il sera dit à maximum de phase si les zéros de
zNH (z) sont à l’extérieur ou sur le cercle unité.

Nous pouvons aussi dire que l’ordre du filtre numérique est le nombre des entrée précédent
x(n-i) utilisées pour calculé la sortie.

Exemple
 Ordre zéro: y(n) = a0x(n)
 Ordre premier t: y(n) = a0x + a1x (n-1)
 Ordre deux: y(n) = a0x(n) + a1x(n-1) + a2x(n-2)
On peut développer les autres ordres pour n’importe quel filtre.

Réponse en fréquence du filtre numérique

On peut observer le comportement du filtre numérique en fréquence en étudient la fonction de
transfert H(z) en remplaçant z par 𝑒 𝑗2𝜋𝑓𝑇𝑒 . Or d'équation (3) on a:
𝑦(𝑛) = 𝑥(𝑛) ∗ ℎ(𝑛) … … (3)
Mais si x(n)=ej2f on obtient l'équation (10) suivante:

𝑦(𝑛) = ∑ ℎ(𝑘)𝑒 𝑗2𝜋𝑛𝑓 𝑒 −𝑗2𝜋𝑘𝑓 = ∑ ℎ(𝑘)𝑒 𝑗2𝜋𝑓(𝑛−𝑘) = 𝑥(𝑛) ∑ ℎ(𝑘)𝑒 −𝑗2𝜋𝑘𝑓

| … (12)
𝑘 𝑘 𝑘
𝑦(𝑛) = 𝑥(𝑛)𝐻(𝑓)

avec :
+∞
𝑗2𝜋𝑓
𝐻(𝑒 ) = ∑ ℎ(𝑘)𝑒 −𝑗2𝜋𝑘𝑓 = 𝐻(𝑧)𝑧=𝑒 𝑗2𝜋𝑘𝑓 … . (13)
−∞
Il fau noter que l'équation (13) est la transformée de Fourier à Temps Discret (TFTD) de la
réponse impulsionnelle h(n) du filtre où un système.

Pour z=e-j2f alors

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 135
 +∞
𝑗2𝜋𝑓
𝐻(𝑒 ) = ∑ ℎ(𝑘)𝑒 −𝑗2𝜋𝑘𝑓 … … … . (14𝑎)
−∞
On a:
𝐻(𝑒 −𝑗2𝜋𝑓 ) = 𝐻 ∗ (𝑒 𝑗2𝜋𝑓 )
On peut réécrire équation (13) comme suite:

𝐻(𝑒 𝑗2𝜋𝑓 ) = |𝐻(𝑒 𝑗2𝜋𝑓 )|𝑒 𝑗𝜑(𝑓) … … . (14𝑏)

Nous pouvons maintenant interpréter l'équation (11bis) en remplaçant z par 𝑒 𝑗2𝜋𝑓 suivante:

∏𝑁 −1
𝑖=0(1 − 𝑞𝑖 𝑧 ) ∏𝑁
𝑖=0(𝑒
𝑗2𝜋𝑓
− 𝑞𝑖 )
𝐻(𝑧) = 𝑎0 ⟹ 𝐻(𝑒 𝑗2𝜋𝑓
) = 𝑎0 … (15)
∏𝑀 −1
𝑗=0(1 − 𝑝𝑗 𝑧 ) ∏𝑀
𝑗=0(𝑒
𝑗2𝜋𝑓 − 𝑝
𝑗)

Les numérateurs et dénominateur sont des produits de nombres complexes de la forme:

𝑗𝜑𝑧
𝑒 𝑗2𝜋𝑓 − 𝑞𝑖 = 𝑀𝑞𝑖 𝑒 𝑖
𝑗𝜑𝑝
𝑒 𝑗2𝜋𝑓 − 𝑝𝑗 = 𝑀𝑝𝑗 𝑒 𝑗

avec 𝑀𝑧𝑖 et 𝑀𝑝𝑗 sont les modules de numérateur et dénominateur respectivement, et les
𝑗𝜑 𝑗𝜑𝑝
phases sont 𝑒 𝑧𝑖 et 𝑒 𝑗.
𝑗2𝜋𝑓
Donc le module de 𝐻(𝑒 ) est:
∏𝑁
𝑖=0 𝑀𝑞
𝑗2𝜋𝑓 𝑖
|𝐻(𝑒 )| = 𝑎0 … … . . (16)
∏𝑁
𝑖=0 𝑀𝑝𝑗
et l'argument de 𝐻(𝑒 𝑗2𝜋𝑓 ) est
𝑁 𝑀

𝜑(𝑓) = ∑ 𝜑𝑞𝑖 − ∑ 𝜑𝑝𝑗 … … (17)

𝑖=0 𝑗=0
Interprétation géométrique
L’estimation du module et de la phase s’effectue directement dans le plan z, les valeurs 𝑀𝑞𝑖 et
𝑀𝑝𝑗 sont les modules des vecteurs reliant les pôles et les zéros de H(z) à un point M d’axe z
situé sur le cercle unité, les valeurs des arguments 𝜑𝑞𝑖 et 𝜑𝑝𝑗 sont les angles formés par ces
vecteurs avec une direction parallèle à l’axe réel.

La figure dessous donne la représentation pour un filtre comportant un zéro et deux pôles. Ici
on voit que en variante 2f de 0 à , on obtient la réponse en fréquence de 0 à ½ , où 1 est la
fréquence d’échantillonnage.
De même lorsque 2f varie de 0 à - (demi-cercle inférieur), on obtient la réponse en fréquence
de 0 à -½.

Ceci permet une graduation du cercle unité en fréquence relativement à la fréquence

d’échantillonnage. On a donc la correspondance suivante entre un déphasage et un sous-
multiple de la fréquence d’échantillonnage:

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 136
 45° 1/8

90° 1/4

135° 3/8

180° 1/2

Nous retrouvons dans cette représentation la périodicité fréquentielle due à l’échantillonnage

temporel. L’étude de la réponse en fréquence d’un filtre numérique à coefficients réels
s’effectuera donc uniquement pour des fréquences inférieures à ½.
 1 est ici la fréquence de Nyquist.
 De façon plus générale si x(n) = an, alors y(n) = H(a)an:

Filtres à Réponse Impulsionnelle Finie RIF où filtres non récursif

Un filtre RIF est un système linéaire invariant discret dont le comportement entrée-sortie est
caractérisé par les coefficients h(n) de sa réponse impulsionnelle. Le calcul de la sortie se fait
grâce au produit de convolution discret et la transformée en Z permet de définir sa fonction de
transfert H(z). Ces filtres sont caractérisés par des réponses impulsionnelles de durée finie. Dans
ces filtres tous les coefficients aj de l’équation (7) de la relation récurrence sont nuls, dont, on
obtient donc :

𝑦(𝑛) = ∑ 𝑏𝑖 𝑥(𝑛 − 𝑖) … … (18)

𝑖=0
L'échantillon y(n) ne dépend donc que d'un nombre limité d'échantillons. La fonction de
transfert H(z) s'écrit :
𝑁
𝑌(𝑧)
𝐻(𝑧) = = ∑ 𝑏𝑖 𝑧 −𝑖 … … . . (19)
𝑋(𝑧)
𝑖=0
Il s'ensuit que bi=h(i), les coefficients h(n) sont donc nuls pour n>M, c'est la raison pour laquelle
ces filtres sont appelés filtres à réponse impulsionnelle finie. Ce sont des filtres toujours stables
car la sortie revient toujours à zéro après suppression de l'excitation.

Pôles et zéros
Nous pouvons factoriser z-N dans l’expression de la fonction de transfert :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 137
 𝑁
−𝑁 𝑁−𝑖
∑𝑁
𝑖=0 𝑏𝑖 𝑧
𝑁−𝑖
𝐻(𝑧) = 𝑧 ∑ 𝑏𝑖 𝑧 = … … . . (20)
𝑧𝑁
𝑖=0
Nous voyons que les seuls pôles possibles pour un filtre RIF sont des pôles à l’origine (z=0) et
ces filtres sont très stables.

La fonction de transfert d'un filtre non-récursif ou à réponse impulsionnelle finie (RIF) est un
polynôme en z, la réalisation ne pose pas de problèmes a priori puisque la fonction de transfert
n'a de pôle qu’à 0.
Les avantages des filtres RIF, sont les suivantes :
 la possibilité de réaliser des filtres à phase linéaire
 la possibilité d’obtenir un bruit de calcul assez faible;
 Ils sont toujours stables.
Les inconvénients, sont :
 la nécessité d’un ordre assez élevé pour obtenir des filtres à coupure raide ;
 ils nécessitent généralement plus de temps de calcul.

Propriétés des filtres RIF à phase linéaire

De manière générale, un filtre RIF ne possède aucune propriété particulière concernant le
module ou la phase de la réponse fréquentielle. Cependant, c’est seulement avec ce type de
filtres que l’on peut obtenir une phase linéaire exacte qui est une des propriétés du filtre idéal.
C’est donc essentiellement pour cette propriété que l’on utilise les filtres à réponse
impulsionnelle finie.

Un filtre non récursif d’ordre N (filtre à réponse impulsionnelle finie) comporte N+1
coefficients. Ces filtres RIF ont les caractéristiques suivantes :
 sa réponse impulsionnelle
𝑁

ℎ(𝑛) = ℎ(0); +ℎ(1); +ℎ(3); + ⋯ ; +ℎ(𝑛) = ∑ ℎ(𝑘) 𝛿(𝑛 − 𝑘) … (21)

𝑘→0
Cette équation (21) peut être réécrire sur la forme en z suivante :
𝑁

𝐻(𝑧) = ∑ ℎ(𝑛)𝑧 −𝑛 … . . (22)

𝑛→0
La réponse en fréquence devient donc :
𝑁

𝐻(𝑒 𝑗2𝜋𝑓
) = ∑ ℎ(𝑛)𝑒 −𝑗2𝜋𝑛𝑓 = ±|𝐻(𝑒 𝑗2𝜋𝑓 )|𝑒 𝑗𝜑𝑓 … … . . (23)
𝑛→0
Où f est fonction continue de f, le signe  signifie que la phase du filtre peut présenter des
sauts de  (ej = -1). Il faut noter que le module |𝐻(𝑒 𝑗2𝜋𝑓 )| est une fonction paire () et la
phase est une fonction impaire de (). Les coefficients h(n) étant réels, on a les relations:

|𝐻(𝑒 𝑗 )| = |𝐻(𝑒 −𝑗 )|

} 0 ≤  < 𝜋 … … (24)
𝜑𝑓 = −𝜑𝑓
𝐻(𝑒 −𝑗2𝜋𝑓 ) = 𝐻(𝑒 −𝑗𝜑 ) = |𝐻(𝑒 𝑗 )|𝑒 −𝑗𝜑𝑓
} … … . . (24𝑎)
𝐻(𝑒 𝑗2𝜋𝑓 ) = 𝐻(𝑒 𝑗𝜑 ) = |𝐻(𝑒 −𝑗 )|𝑒 𝑗2𝜑𝑓

Nous pouvons réécrire l’équation (14a), avec h(n) =bj, on a :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 138
 𝑁 𝑁 𝑁

𝐻(𝑓) = ∑ 𝑏𝑗 (𝑘)𝑒 −𝑗2𝜋𝑓𝑗

= ∑ 𝑏𝑛 (𝑘)𝑒 −𝑗2𝜋𝑛𝑓 𝑒 𝑗2𝜑𝑓 = ∑ 𝑏𝑛 (𝑘)𝑒 −𝑗2𝜋𝑓(𝑛+2𝜏)+2𝜑𝑓 … (24𝑏)
𝑗=0 𝑛=0 𝑛=0
Pour qu’il existe une solution intéressante, l’indice du premier terme doit être égal à le
deuxième terme tel que :
𝑗 = 2𝜏 − 𝑛 → 𝑗 + 𝑛 = 2𝜏 … … … … (24𝑐)
Cette relation est possible que si :
2𝜏 = 𝑘𝑓
Comme j et n sont compris entre 0 et N, la seule valeur pout  est :
𝑁
𝜏=
2

Dans le cas où on désire avoir une phase linéaire, la réponse impulsionnelle doit posséder une
symétrie axiale ou une symétrie ponctuelle.
Pour y avoir, la phase linéaire peut s’exprimer de deux façons:
 𝜑𝑓 = - pour -
 𝜑𝑓 =-+ pour -
où  est le temps de propagation (ou le retard) de groupe en nombre d’échantillons.

Type 1

Nous avons vu en équation (23) ;

𝑁

𝐻(𝑒 𝑗2𝜋𝑓 ) = ∑ ℎ(𝑛)𝑒 −𝑗2𝜋𝑛𝑓 = ±|𝐻(𝑒 𝑗2𝜋𝑓 )|𝑒 𝑗𝜑𝑓

𝑛→0

De cette équation, nous pouvons réécrire en forme sinusoïdale en parties réelle et imaginaire
comme suit :
𝑁

±|𝐻(𝑒 𝑗2𝜋𝑓
)|𝑐𝑜𝑠() = ∑ ℎ(𝑛)𝑐𝑜𝑠(𝑛𝜔)
𝑛→0
𝑁 … … (25)
±|𝐻(𝑒 𝑗2𝜋𝑓 )| sin(𝑤) = ∑ ℎ(𝑛)sin(𝑛𝜔)
𝑛→1 }
Nous pouvons aussi facilement calculer la tangente par :

∑𝑁𝑛→1 ℎ(𝑛)𝑐𝑜𝑠(𝑛𝜔)
𝑡𝑔(𝜏𝜔) = … … … … (26)
ℎ(0) + ∑𝑁𝑛→1 ℎ(𝑛)sin(𝜏𝜔)

De l’équation (26) on peut tirer deux conclusions :

 Pour = 0 ça veut dire (0𝜔) = 0 , pour que le terme de droit de l’équation (26) soit aussi
0, h(n) = 0 pour n 0 . Dans ce cas h(0) peut prendre n’importe quel value. Cette
conclusion nous intérêt pas.
 Pour  0, nous pouvons réécrire l’équation (26) comme suit :

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 139
 𝑁 𝑁

𝑐𝑜𝑠(𝜏𝜔) ∑ ℎ(𝑛) sin(𝑛𝜔) = 𝑠𝑖𝑛(𝜏𝜔) ∑ ℎ(𝑛)𝑐𝑜𝑠(𝑛𝜔)

𝑛→0 𝑛→0
𝑁 𝑁 𝑁

∑ ℎ(𝑛)𝑐𝑜𝑠(𝑛𝜔)𝑠𝑖𝑛(𝜏𝜔) − ∑ ℎ(𝑛) sin(𝑛𝜔)𝑐𝑜𝑠(𝜏𝜔) = 0 ⟹ ∑ ℎ(𝑛) sin(𝜏 − 𝑛𝜔) = 0 … . (27)

𝑛→0 𝑛→0 𝑛→0

Si l’équation admet une solution, elle est unique.

On peut vé[Link] assez facilement qu’une solution est donnée par:
𝑁
𝜏=
2
ℎ(𝑛) = ℎ𝑁−𝑛 , 0 ≤ 𝑛 ≤ 𝑁
Les conséquences en sont:
1. à une valeur de N, correspond une valeur de _,
2. pour cette valeur de _, la réponse présente une symétrie particulière.
- si N est impair, _ est entier,
- si N est pair, _ est non-entier.

Type 2

Pour cette contrainte:𝜑𝑓 =-+

Le raisonnement précédent conduit à la solution:
𝑁
𝜏=
2
𝜋
𝛽=±
2
ℎ(𝑛) = −ℎ𝑁−𝑛 , 0 ≤ 𝑛 ≤ 𝑁
Pour ce type de filtres la réponse impulsionnelle est antisymétrique Cette antisymétrie impose
ℎ𝑁⁄2 = 0 pour N impair.

Comportement fréquentielle
On peut distinguer quatre cas de filtres qui permettent les manipulations simples, de définir les
réponses en fréquence et d’en déduire l’utilisation possible des filtres (passe-bas, passe-haut,
etc.). La forme générale de la réponse en fréquence est donnée par :
𝑁

𝐻(𝑒 𝑗2𝜋𝑓 ) = ∑ ℎ(𝑛)𝑒 −𝑗2𝜋𝑛𝑓 = 𝐻𝑅 (𝑓)𝑒 𝑗(𝛽−𝜏𝜔) … . . (28)

𝑛→0
Ces cas sont les suivants:

Cas1 - réponse symétrique et N impair,

Cas 2- réponse symétrique N pair,
Cas 3- réponse antisymétrique N impair,
Cas 4- réponse antisymétrique N pair.

Réponse symétrique et N impair,

Les hn vérifient hn = h-N-n, et pour cette forme  = 0 et  = (N – 1)/2, soit :
𝑁⁄
2
𝑁
𝐻(𝑒 𝑗2𝜋𝑓 ) = 𝑒 −𝑗2𝜋𝑓 2 ∑ 𝑎𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓) … … . . (29)
𝑛→0
avec

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 140
 𝑁⁄
2

𝐻𝑅 (𝑓) = ∑ 𝑎𝑛 𝑐𝑜𝑠(2𝜋𝑛𝑓)
𝑛→0
𝑁
𝑎0 = ℎ𝑁⁄ 𝑒𝑡 𝑎𝑛 = 2ℎ𝑁−𝑛 , 𝑝𝑜𝑢𝑟 𝑛 = 1, ⋯ ,
2 2 2

Réponse symétrique et N pair

La forme de la réponse en fréquence est :
𝑁+1⁄
2
𝑁 1
𝐻(𝑒 𝑗2𝜋𝑓 ) = 𝑒 −𝑗2𝜋𝑓 2
∑ 𝑏𝑛 𝑐𝑜𝑠 ((𝑛 − ) 2𝜋𝑓) … … . (30)
2
𝑛→1
𝑁+1
𝑏𝑛 = 2ℎ𝑁−𝑛 , 𝑝𝑜𝑢𝑟 𝑛 = 1, ⋯ ,
2 2
Quelles que soient les valeurs des bn , on a HR (1/2) = 0. Ce type de filtre ne peut pas convenir
pour des passe-haut.

Réponse antisymétrique et N impair

Les hn vérifient hn = –hN – 1 – n . Il suffit de remplacer les cosinus par des sinus dans l’expression
de réponse symétrique et N pair et de considérer que =/2.
𝑁⁄
2
𝑁
𝐻(𝑒 𝑗2𝜋𝑓 ) = 𝑒 −𝑗2𝜋𝑓 2 ∑ 𝑐𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓) … . . (31)
𝑛→0
avec
𝑁⁄
2

𝐻𝑅 (𝑓) = ∑ 𝑐𝑛 𝑠𝑖𝑛(2𝜋𝑛𝑓)
𝑛→0
𝑁
𝑐0 = ℎ𝑁⁄ 𝑒𝑡 𝑐𝑛 = 2ℎ𝑁−𝑛 , 𝑝𝑜𝑢𝑟 𝑛 = 1, ⋯ ,
2 2 2
1
Quelles que soient les valeurs des an , on a 𝐻𝑅 (0) = 𝐻𝑅 (2) = 0. Ce type de filtre peut être
utilisé pour des passe-bande ou pour effectuer l’approximation d’un différentiateur (ou
dérivateur).

Réponse antisymétrique et N pair

L’analogie se fait avec la réponse symétrique et N pair en remplaçant cosinus par sinus :
𝑁+1⁄
2
𝑁 1
𝐻(𝑒 𝑗2𝜋𝑓 ) = 𝑒 −𝑗2𝜋𝑓 2 ∑ 𝑑𝑛 𝑠𝑖𝑛 ((𝑛 − ) 2𝜋𝑓) … … . (32)
2
𝑛→1
𝑁+1
𝑑𝑛 = 2ℎ𝑁−𝑛 , 𝑝𝑜𝑢𝑟 𝑛 = 1, ⋯ ,
2 2
Quelles que soient les valeurs des dn, on a 𝐻𝑅 (0) = 0. Ce type de filtre peut être utilisé pour
des passe-haut.

Exemple sur le filtre RIF

EX01: Soit le filtre défini par l'équation suivante:
1
𝑦(𝑛) = [𝑥(𝑛) + 𝑥(𝑛 − 1)]
2
Solution

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 141
La méthode la plus facile à étudier ce filtre est celui de la transformée en Z:
1
𝑌(𝑍) = [1 + 𝑧 −1 ]𝑋(𝑍)
2
Donc la fonction de transfert du filtre est:
𝑌(𝑍) 1
= 𝐻(𝑍) = [1 + 𝑧 −1 ]
𝑋(𝑍) 2

Nous procédons en étudiant le comportement fréquentiel du filtre en remplaçant Z par 𝑒 𝑗2𝜋𝑓𝑇𝑒 ,

où Te est la période d'échantillonnage dans la fonction de transfert:
1 (𝑒 +𝑗𝜋𝑓𝑇𝑒 + 𝑒 −𝑗𝜋𝑓𝑇𝑒 )
𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 ) = [1 + 𝑒 −𝑗2𝜋𝑓𝑇𝑒 ] = 𝑒 −𝑗𝜋𝑓𝑇𝑒 = 𝑒 −𝑗𝜋𝑓𝑇𝑒 𝑐𝑜𝑠(𝜋𝑓𝑇𝑒 )
2 2
Si la période est périodisé à 1, donc la fonction de transfert fréquentielle devienne:
𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 ) = 𝑒 −𝑗𝜋𝑓𝑇𝑒 𝑐𝑜𝑠(𝜋𝑓𝑇𝑒 ) = 𝑒 −𝑗𝜋𝑓 𝑐𝑜𝑠(𝜋𝑓)
Mais la plus part de cas, la périodisé n’est pas prise en compte, donc la solution reste :
𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 ) = 𝑒 −𝑗𝜋𝑓𝑇𝑒 𝑐𝑜𝑠(𝜋𝑓𝑇𝑒 )
Il s'agit finalement d'un filtre passe bas dont le module de la fonction de transfert suit une
courbe en cosinus et dont le déphasage est linéaire en fonction de la fréquence.
|𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 )| = |𝑒 −𝑗𝜋𝑓 ||𝑐𝑜𝑠(𝜋𝑓)|
𝜑(𝑓) = 𝑎𝑟𝑔|𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 )| = 𝜋𝑓𝑇𝑒
𝑇
Ce déphasage est équivalent à un retard 𝜏 = 2𝑒
En réalité on peut définir soit le déphasage phase, est appelée retard de phase soit le
déphasage du group, est appelée retard du group. On trouve par la méthode suivante :
1 𝜑(𝑓) 𝜋𝑓𝑇𝑒 𝑇𝑒
𝜏𝑝ℎ𝑎𝑠𝑒 = = =
2𝜋 𝑓 2𝜋𝑓 2
Ou
1 𝑑 𝜋𝑇𝑒 𝑇𝑒
𝜏𝑔𝑟𝑜𝑢𝑝 = 𝜑(𝑓) = =
2𝜋 𝑑𝑓 2𝜋 2

.
Un petit programme en MATLAB pour tracer la fonction ci-dessus.
%function []=transfer function();
f=0:0.01:0.5;
H=exp(1i*pi)*cos(pi*f);
plot(f,abs(H));grid on ;
title('Réponse fréquentielle d'un filtre numérique') ;
xlabel('Frequency');
ylabel('|H|');

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 142
 Réponse fréquentielle d un filtre numérique
1

0.9

0.8

0.7

|H| 0.6

0.5

0.4

0.3

0.2

0.1

0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Frequency

EX02 : Soit le filtre défini par l'équation suivante:

1 1 1
𝑦(𝑛) = 𝑥(𝑛) + 𝑥(𝑛 − ) + 𝑥(𝑛 − 2 )
4 2 4
Solution
La méthode la plus facile à étudier ce filtre c'est encore celui de la transformée en Z:
1 1 1
𝑌(𝑍) = [ + 𝑧 −1 + 𝑧 −2 ] 𝑋(𝑍)
2 2 2
Donc la fonction de transfert du filtre est:
𝑌(𝑍) 1 1 1
= 𝐻(𝑍) = [ + 𝑧 −1 + 𝑧 −2 ]
𝑋(𝑍) 2 2 2
Si nous procédons comme en EX01, le comportement fréquentiel du filtre est:
1 1 1
𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 ) = [ + 𝑒 −𝑗2𝜋𝑓𝑇𝑒 + 𝑒 −4𝜋𝑓𝑇𝑒 ]
2 2 2
1 1 1 1
𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 ) = 𝑒 −𝑗2𝜋𝑓𝑇𝑒 [1 + 𝑒 𝑗2𝜋𝑓𝑇𝑒 + 𝑒 −2𝜋𝑓𝑇𝑒 ] = 𝑒 −𝑗2𝜋𝑓𝑇𝑒 (1 + cos(2𝜋𝑓𝑇𝑒 )
2 2 2 2
1
|𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 )| = |𝑒 −𝑗𝜋𝑓 ||1 + 𝑐𝑜𝑠(2𝜋𝑓𝑇𝑒 )|
2
𝜑(𝑓) = 𝑎𝑟𝑔|𝐻(𝑒 𝑗2𝜋𝑓𝑇𝑒 )| = 2𝜋𝑓𝑇𝑒
Ce déphasage est équivalent à un retard 𝜏 = 𝑇𝑒
On utilise la même procédure suivante :
1 𝜑(𝑓) 2𝜋𝑓𝑇𝑒
𝜏𝑝ℎ𝑎𝑠𝑒 = = = 𝑇𝑒
2𝜋 𝑓 2𝜋𝑓
Ou
1 𝑑 2𝜋𝑇𝑒
𝜏𝑔𝑟𝑜𝑢𝑝 = 𝜑(𝑓) = = 𝑇𝑒
2𝜋 𝑑𝑓 2𝜋

Il s'agit encore d'un filtre passe bas dont le module de la fonction de transfert suit une courbe
en cosinus surélevé et dont le déphasage est linéaire en fonction de la fréquence.

Un autre petit programme en MATLAB pour tracer la fonction ci-dessus.

%function []=transfer function();
f=0:0.01:0.5;

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 143
 r=cos(2*pi*f);
t=1+r;
H=1/2*exp(1i*pi)*t;
plot(f,abs(H));grid on ;
title('Réponse fréquentielle d'un filtre numérique') ;
xlabel('Frequence');
ylabel('|H|');

Dans ces deux exemples il est apparu qu'il était facile d'obtenir la fonction de transfert spectrale
d'un filtre numérique à partir de l'équation temporelle régissant ce filtre. Bien entendu, c'est
essentiellement l'approche inverse, consistant à trouver l'équation de filtrage qui satisfait un
gabarit fréquentiel donné, qui est la plus importante. On parle alors de synthèse de filtre
numérique.

Il est important de remarquer, que dans les deux exemples présentés, les filtres décrits avaient
un déphasage linéaire en fonction de la fréquence. Il s'agit d'une propriété particulière des filtres
numériques qui a une importance capitale dans les applications où la phase du signal traité est
porteuse d'informations.

𝑑𝜏

Ing. Eugene N Nshanji : Traitement du signal ; support de cours SUPPTIC Yaoundé 2017-2018 144