Chapitre 2

Représentation fréquentielle des signaux

Transformation de Fourier
Introduction
❖ Notion de fréquence

➢ La fréquence est le nombre de fois qu'un phénomène périodique se

reproduit pendant une durée déterminée

➢ C'est donc l'inverse de la période f = 1/T

➢ La fréquence est mesurée en hertz (= 1/seconde)

Vers une représentation fréquentielle ...
❑ Comment connaitre les fréquences que contient un signal ?

❑ Exemple d'un signal sinusoïdal :

x(t)=cos(2πf0t+φ) f0 est la fréquence du signal

Temps

❖ Exemple d’un signal vocal :

Fréquences variables au cours du temps.

Comment caractériser les informations
fréquentielles contenues dans ce signal ?

Analyse fréquentielle des signaux

 Vers une représentation fréquentielle ...
❖ mélangeons quelques sinus ...

•Il est donc possible d'obtenir des signaux périodiques complexes

par une simple combinaison linéaire de signaux élémentaires

• C'est le principe inverse de la décomposition en série de Fourier

 Décomposition en Série de Fourier
❑ Principe :
La Décomposition en Série de Fourrier consiste à exprimer un signal
périodique comme une combinaison linéaire de signaux sinusoïdaux

•Sous forme de signaux sinusoïdaux, les fréquences d'un signal apparaissent

naturellement.
•Pour les signaux périodiques, la décomposition en Série de Fourier (DSF)
constitue le lien entre la représentation temporelle d'un signal et sa
représentation fréquentielle.
• Pour les signaux non périodiques, il s'agit de la Transformée de Fourier (TF).
Décomposition en Série de Fourier DSF
❑ Principe
Exprimer un signal x(t) de période T comme une combinaison linéaire de fonctions
1
sinusoïdales de fréquences multiples de F = T , dite fréquence fondamentale
Définition de la DSF : forme trigonométrique
Un signal x(t) de période T, s'exprime sous certaines conditions comme

( ) ( )
+∞
x ( t )=a 0 + ∑ an cos n
2π 2π
t +b n sin n t
n= 1
T T

(avec n  1)

a0 : valeur moyenne du signal ou composante continue

Décomposition en Série de Fourier
❑ Définition de la DSF : forme complexe
Rappels : formules de moivre et d'Euler
▪exp(− jθ)=cos(θ)− j sin(θ)
exp ( jθ )+ exp (− jθ )
cos (θ )=
2
▪exp( jθ )=cos(θ )+jsin(θ ) sin (θ ) =j
exp (− jθ )− exp ( jθ )
2
Application à la DSF

( ) ( )
+∞
x ( t )=a 0 + ∑ a n cos n
2π 2π
t +b n sin n t
n= 1 T T

( )( ( )
+∞
x ( t ) =a 0 + ∑ (a n − jb n )exp jn t + a n +jb n )exp − jn
1 2π 2π
t
2 n= 1 T T
a n − jb n
Posons la relation entre les coefficients ▪c n = si n > 0 ▪ c 0 =a0
2
a n +jb n
▪ c n= 2
si n< 0

On a alors Les "cn" sont appelés les coefficients

de Fourier de x(t). Ils forment la
T /2 représentation fréquentielle de x(t).
Où cn=
1
∫
T − T /2
x (t )exp (− jn
2π
T
t ) dt
Notation x(t) → cn nZ
Décomposition en Série de Fourier
❑ Remarques
◆ Posons F = 1 . Les deux formes de la DSF s'écrivent alors
T
+∞ +∞
∑1 an cos (2π nFt )+b n sin (2π nFt )
▪x ( t )=a0 + n= ▪x(t )= ∑ cn exp( j2πnFt)
▪F est la fréquence
n=−∞
▪f = nF sont les
fondamentale harmoniques
◆ Les coefficients cn sont complexes en général c = c exp( j arg(cn ))
n n
◆ Dans la forme complexe de la DSF, interviennent des fréquences négatives et
positives qui sont introduites par commodité de représentation

❑ Quelques propriétés
◆ Si le signal x(t) est réel, c−n = c*n : les coefficients sont nécessairement complexes
conjugués pour restituer x réel car exp( j2nFt) est complexe

◆ Si le signal x(t) est réel et pair, c−n = cn  bn = 0

◆ Si le signal x(t) est réel et impair, c−n = −cn  an = 0

+∞
◆ Théorème de Parseval : la puissance du signal périodique est P= ∑ ∣c n∣ 2
n=− ∞
Exemple de DSF

Soit h(t) de période T tel que sur l'intervalle [0, T] :

Décomposition en Série de Fourier de h(t)

Exemple de DSF

On a trouvé que :

Donc la série de Fourier de h(t) s'écrit :

𝜋 n t0
h (t)= ∑ n=−∞
+∞ A 𝜋 nt
sin( ) exp ( j2 )
𝜋n T T
Approximation du signal créneau par la série de Fourier en limitant n à différentes valeurs :

n=10 n=50 n=250

Phénomène de Gibbs = effet de bord aux
discontinuités
Exemple de DSF
Représentation des C n:

Spectre de raie : les Cn

indiquent quelles sont les
fréquences présentes
dans le signal
Et pour les signaux non périodiques ?

❑ La DSF n'est applicable qu'aux signaux périodiques

❑ Comment faire pour les signaux non périodiques ?

❑ Considérons que la période T est infinie (donc F tend vers 0)

❑ Et comme les harmoniques sont des multiples de F ...

❑ ... l’écart entre les raies du spectre va donc devenir infiniment petit

❑ On tend alors vers une représentation fréquentielle continue

C'est la Transformée de Fourier, qui peut être vue comme une

généralisation des séries de Fourier aux signaux non périodiques
Spectres de raie pour différentes périodes

Plus la période augmente,

plus l'écart entre les Cn
diminue ...

TdS 20
Transformée de Fourier
❑ Définition de la TF
+∞
Soit signal x(t) un signal non périodique.
X( f )= ∫ x( t ) e− j2πft dt
La TF de x(t), si elle existe, est
−∞

▪X(f) indique la "quantité" de fréquence f présente dans le signal x(t)

sur l'intervalle ] − ,+[ . X(f) donne des informations fréquentielles sur
x(t).

▪ X(f) : fonction complexe (de la variable réelle f qui admet

➢ Un spectre d'amplitude A f = X ( f ) ➢ un spectre de phase  ( f ) = arg(X ( f ) )

❑ Transformée de Fourier inverse

+∞

Si elle existe, la TF inverse est définie par x( t )= ∫ X ( f ) e j2πft df

❑ Notations −∞
Exemple de calcul de TF
x(t)=1 pour 0<t<T, 0 sinon.

T
X ( f )= ∫ 1 . e − j2πft dt = − 1 [e − j2πfT
−1]
0 j2πf

e− jπfT −jπfT sin(πfT)

X( f )=
j2πf
.[Link] ( πfT ) X(f )=e
πf
X( f )=Te− jπfT sinc(πfT)

Amplitude spectrale Phase Spectrale

Conditions d'existence de la TF
Questions
Quand est-ce que la TF de g(t) existe ?
+ +
Quand est-ce que g(t) = gf (t) ? avec g f (t) =   g(u) e − j 2fu e j 2ft dudf
− −

Conditions d'existence
+
Il faut que :  g(t)dt   et g(t) continue par morceaux et admet un
− nombre de discontinuités et d'extrema fini
OU
+
 g(t) dt  
2

−
+ + 2
 g(t) dt   alors  g(t) − g f (t) dt = 0
2
Condition d'égalité Si
− −
Si g(t) satisfait à la condition d'existence de la TF alors g(t)) et gf (t) ) sont égaux
presque partout sauf aux discontinuités
Propriétés de la TF
❑ Linéarité
a1 x1 (t )+a 2 x2 (t )↔ a1 X1( f )+a 2 X 2(f )
❑ Décalage temporel
L'amplitude Af ne change pas. La
− j2πft o
x ( t −t o )↔ e X(f ) phase est modifié de −j2 ft0

❑ Décalage fréquentiel

e j2πf t x ( t )↔X ( f − f o )
o

❑ Changement d'échelle
La contraction dans le domaine temporel (a  1)
x(at)  X  f 
1
correspond à la dilatation dans le domaine
a a  fréquentiel et inversement
❑ Dérivation
Propriétés de la TF
❑ Inversion temporelle

x(−t)  X (− f )
❑ Conjugaison complexe

x* (t)  X * (− f )
❑ Symétrie dans le cas de signaux réels

Si x(t) est un signal réel alors X( f )=X(−f ) Le spectre d'amplitude est une
fonction paire et le spectre
donc ∣X (f )∣=∣X (−f )∣ et φ(f )=−φ(−f ) d'argument est impair

❑ Symétrie dans le cas de signaux imaginaires purs

Si x(t) est un signal imaginaire pur alors X (f )= − X (− f )

❑ Parité

▪Si x(t) est un signal réel et pair alors X(f) est réelle et paire
▪Si x(t) est un signal réel et impair alors X(f) est imaginaire pure et impaire
Exemple d'application des propriétés de la TF
❑ Décalage fréquentiel

Partie Réelle de x Module de X(f)

Par la propriété de décalage en fréquence

de la TF

X( f )= T sinc( π(f −f o )T)

Dualité de la TF
Soit x(t) , une fonction quelconque dont la TF est bien définie

+ +
X ( f ) =  x(t)e − j2ft dt et x(t) =  X ( f )e j 2ft df
− −
+
On a donc x(−t) =  X ( f )e − j 2ft df
−

En intervertissant les variables temporelles

et fréquentielles, on obtient :
+
x(− f ) = X (t)e − j 2tf dt = F X (t)
 ( )
−

F
Donc si x(t) ⎯
⎯ →X(f )
F
alors X (t) ⎯
⎯ → x(− f )
TF et énergie des signaux
❑ Relation de Parseval

Loi de conservation de l'énergie

Dans le cas où les intégrales existent, on a

+ +
 x(t) dt =  X ( f ) df
2 2

− −

La Transformée de Fourier conserve l'énergie du signal

Application
Montrer que l' énergie de Fosinc(πtFo ) vaut Fo
 Densité spectrale d'énergie
Comme la TF conserve l'énergie, on peut définir une notion d'énergie par
unité de fréquence, la densité spectrale d'énergie (DSE)
2
S xx ( f ) = X ( f )

Energie dans une bande de fréquence Energie totale

f |X(f)| f +Δf /2 + +
0 2
E Δf = ∫ S xx ( f ) df E =  X ( f ) df =  S xx ( f )df
f f 0− Δf /2 − −

0 f0 f Cas des signaux à puissance moyenne finie

Ce sont des signaux à énergie infinie. On
Théorème de Wiener-Kintchine définit alors une densité spectrale de puissance
La densité spectrale Sxx(f) de x(t) est
X (f)
2 X T ( f ) = F xT (t)
la TF de sa fonction d'autocorrélation. Pxx ( f ) = lim T
T → T xT (t) = x(t)   T (t)
+∞
S xx ( f )= ∫ C xx ( τ ) e− j2πfτ dτ xT(t) est le signal x(t) prélevé sur une fenêtre de largeur T
−∞
La densité spectrale de puissance est la
TF de la fonction d'autocorrélation
TF d'un signal périodique
Décomposition en série de Fourier
Toute fonction périodique f(t) de période T peut s'écrire comme une somme infinie de cos et sin.

La TF d'un signal périodique est divergente, mais on peut définir une TF au sens des
distributions en utilisant la décomposition en Série de Fourier.

n−
+∞ a jbn +∞ an +jbn
F [ f ( t )]=a0 δ ( f )+ ∑ δ( f − n F)+ ∑
En utilisant la propriété de
linéarité de la TF on obtient : δ ( f+n F )
n= 1 2 n=1 2

Remarque c 0 =a0
+∞ +∞
f (t )= ∑ cn exp( jn
2π
T
t)
propriété de
F [ f ( t ) ]= ∑ cn δ ( f − n F )
c n=
a n − jb n
n> 0
n=−∞ linéarité de la TF n=− ∞ 2
a +jb n
Le résultat correspond à un spectre de raies (non continu) c n= n n< 0
2
Conclusion : On retrouve bien le résultat de la DSF;
la TF est bien une généralisation de la DSF
TF d'un signal périodique

Idem DSF
TF d'un Peigne de Dirac

La TF d'un peigne de Dirac est un peigne de Dirac

Qu'est ce qu'un bruit blanc ?

❑ Un bruit blanc est un signal aléatoire qui contient toutes les fréquences

◆ Sa représentation fréquentielle est quasi plate :

(SA -> densité spectrale)

◆ Pour un signal sonore,

Densité spectrale
ceci correspond à un « souffle »
(= TF de l'autocorrelation)
◆ Remarque : théoriquement, un tel signal ne peut exister puisque son
énergie serait infinie ...
TF Usuelles
distributions

fonctions