Série de Fourier

1- Introduction

Une technique très commune en ingénierie est de réduire un problème complexe en

plusieurs problèmes simples. Les problèmes simples sont alors résolus, et la solution globale
est la somme des solutions simples. Ces solutions simples permettent souvent de mieux
comprendre le problème complexe.

Une des méthodes les plus utiles dans l’analyse des signaux est la série de Fourier. La
série de Fourier permet de transformer n’importe quel signal périodique en une somme de
sinusoïdes. On peut donc prendre un signal périodique complexe et le simplifier à des
sinusoïdes.

Pourquoi s’intéresse-t-on aux signaux périodiques ? Plusieurs sources électriques

produisent des signaux périodiques. Les générateurs de fonction produisent des ondes
triangulaires, rectangulaires et carrées. Les redresseurs, utilisés pour produire des sources DC
à partir d’un signal AC, produisent des sinusoïdes qui sont périodiques, mais redressés.

2- Décomposition en séries de Fourier d'un signal périodique

Pour un signal s(t) périodique de période T0 = 1/f0 (de pulsation ω0 = 2πf0).

s(t) T0

On définit une série de Fourier comme une somme de sinusoïdes de fréquences

multiples d’une fréquence f0, appelée fréquence fondamental ou premier harmonique, la
composante de fréquence nf0, avec n entier (n ≥ 1), est l’harmonique de rang n :

a0 +∞
s(t) = + ∑ [ a n cos(nω0 t) + b n sin(nω0 t) ]
2 n= 1
 Intérêt : Il est beaucoup plus facile de manipuler des fonctions sinus que des fonctions
aux formes complexes. La décomposition en série de Fourier va donc être un outil
mathématique fondamental en traitement des signaux analogiques et numériques.

3- Calcul et interprétation des coefficients de Fourier

On montre que :

a0 1 a0/2 présente la valeur moyenne du signal s(t).

=
2 T0 ∫ s ( t )dt
T0

2 an et bn présentent les coefficients de Fourier du signal

an =
T0 ∫ s(t)cos(nω0 t)dt s(t), une fois qu'un coefficient de rang n est non nul,
T0
cela entraine qu'une partie du signal s(t) vibre à la
2
bn =
T0 ∫ s(t)sin(nω0 t)dt pulsation nω0.
T0

Remarques :

Si s(t) est un signal pair (s(t) = s(-t)), alors ∀n : bn = 0.

Si s(t) est un signal impair (s(t) = -s(-t)), alors ∀n : an = 0.

Si s(t) est un signal de valeur moyenne nulle, alors a0 = 0.

4- Spectre de Fourier d'un signal périodique

Le spectre de Fourier du signal s(t) (la représentation en fréquence ou la représentation
spectrale) est le diagramme obtenu en portant sur un axe horizontal gradué en multiples la
fréquence fondamentale f0 des segments de longueur proportionnelle à l'amplitude

cn = a n2 + b n2 de l'harmonique de rang n. Le spectre montre immédiatement l'importance

relative des différentes harmoniques (cn est l’amplitude observée par l’analyseur de spectre à
la fréquence nf0. Par définition cn est positif, mais an et ou bn peuvent être négatifs).

a0 représente la tension moyenne, a la fréquence 0*f0 donc il est représente par

l’amplitude de la raie observée à la fréquence 0 de l’analyseur de spectre. La tension moyenne
est aussi appelée la composante continue. Notez bien que : Tout signal ayant une composante
continue non nulle en temporel présentera une raie a la fréquence 0 d’amplitude égale a la
composante continue.
 La description du signal s(t) conduit aux spectres unilatéraux d'amplitudes cn. Ici, les
fréquences sont positives ou nulles car le compteur n des harmoniques varie de 0 à +∞.

Pour avoir une bonne approximation du signal s(t), il faut augmenter le nombre des
harmoniques dans la décomposition de série de Fourier. Pour cela, plus qu’on ajoute les
harmonique (n tend vers l’infini) plus les coefficients de Fourier décroissent et tend vers 0 :
cn → 0
n → +∞

Bien que nous n'ayons pas discuté du diagramme des phases, il ne faut cependant pas
l'oublier. En effet, si l'on souhaite reconstruire le signal dans le domaine temporel à partir de
ses expressions dans le domaine fréquentiel, il faudra faire intervenir les phases
b 
( φ n = arctan  n  ).
 an 

5- Exemples de décompositions en séries de Fourier

5.1 Signal sinusoïdal

Dans le cas d’un signal sinusoïdal (sin(2πft)), on a :

an = 0 ∀n.

b0 = 0, b1 = 1 et bn = 0 pour n > 1.

Dans le cas d’un signal cosinusoïdal (cos(2πf t)), on a :

bn = 0 ∀n.

a0 = 0, a1 = 1 et an = 0 pour n > 1.

5.2 Signal carré

s(t)
1

T0/2 t
-1

On remarque que le signal s(t) est impair, donc an = 0 et de valeur moyenne nulle (le
signal est centré), donc a0 = 0. Alors, on calcul les coefficients bn (si n est pair, bn = 0, et si n
4
est impair, b n = ).
nπ
 Par conséquent, la décomposition en série de Fourier du signal carré ne comprend que
des harmoniques d’ordre impair :

4 1 1 
s(t) = sin ( ω0 t ) + sin ( 3ω0 t ) + sin ( 5ω0 t ) + ⋯
π 3 5 

Le spectre du signal carré :

|cn|
4/π

4/(3π)
4/(5π)

f
1f0 2f0 3f0 4f0 5f0

Interprétation : A priori, la décomposition en série de Fourier de ce signal carré est constituée

d’une infinité de fréquences multiples impaires de la fréquence du fondamental. L’amplitude
de chaque harmonique décroît comme l’inverse de son rang.

La restitution du signal carré (ou synthèse de Fourier) à partir de la sommation de ses

harmoniques, montre l’évolution de l’allure temporelle du signal carré lorsque l’on augmente
le nombre d’harmoniques pris en compte.

On constate qu’en considérant les 10 premiers harmoniques, on transforme la sinusoïde

initiale progressivement en un carré. Comme l’amplitude de chaque harmonique décroît
lorsque le rang augmente, son influence sur l’ensemble du signal est de plus en plus faible.

5.3 Signal triangulaire

s(t)

T0/2 T0 t
-1

On remarque que le signal s(t) est pair, donc bn = 0 et de valeur moyenne nulle (le signal
est centré), doc a0 = 0. Alors, on calcul les coefficients an (si n est pair, an = 0 et si n est impair
4
an = ).
( nπ )2
 Par conséquent, la décomposition en série de Fourier du signal triangulaire ne comprend
que des harmoniques d’ordre impair :

8 1 1 
s(t) = cos(1ω0t ) + cos ( 3ω0t ) + cos ( 5ω0t ) + ⋯ .
π2  9 25 

Le spectre du signal triangulaire :

|cn|
8/π2

8/(9 π2)
8/(25π2)

f
1f0 2f0 3f0 4f0 5f0

Interprétation : Le signal triangulaire ne contient que des harmoniques impairs dont

l’amplitude décroît comme le carré de son rang. On constate que la seule différence au niveau
de la décomposition en série de Fourier entre le signal carré et le signal triangulaire réside
dans la vitesse de décroissance de l’amplitude des harmoniques.

Synthèse de Fourier : vue la vitesse de décroissance de l’amplitude des harmoniques, on

a une bonne approximation du signal triangulaire en ne considérant que les 10 premiers
harmoniques ce qui était loin d’être le cas pour le signal carré

6- Interprétation physique

Pour un signal triangulaire, on voit que les composantes d'ordres supérieures sont moins
importantes que pour un signal carré. En fait on pourrait déjà le voir ainsi, à l'œil nu, un
signal triangulaire est plus proche d'un signal sinusoïdal qu'un signal carré.

En comparant le spectre du signal carré avec celui du signal triangulaire, on observe que
les harmoniques du signal triangulaire diminuent plus rapidement (les composantes
d'ordres supérieures sont moins importantes que pour un signal carré). Un signal
triangulaire a une forme beaucoup plus proche d’une sinusoïde qu’un signal carré.
7- Notation complexe de la décomposition
Pour un signal s(t) périodique de période T0, sa décomposition en série de Fourier est de

a 0 +∞
la forme suivante : s(t) = + ∑ [ a n cos(nω0 t) + b n sin(nω0 t) ] . En utilisant la formule
2 n =1

e jnω0 t + e-jnω0 t e jnω0 t − e-jnω0 t

d’Euler : cos ( nω0 t ) = et sin ( nω0 t ) = . On obtient :
2 2j

+∞ a − jb
a  n e jnω0 t + a n + jb n e-jnω0 t  .
s(t) = 0 + ∑  n 
2 n = 1 2 2 

a − jb n
Posons : Sn = n , donc :
2

 
1 2 2 1
Sn = ∫ s(t)cos(nω0 t) dt − j ∫ s(t)sin(nω0 t)dt  = ∫ s ( t ) e-jnω0 t dt
2  T0 T0  T0
 T0 T0  T0

a + jb n 1
∫ s(t)e
+jnω0 t
Remarquons que : n = dt = S-n
2 T0
T0

a +∞ +∞
Alors : s(t) = 0 + ∑ Sn e jnω0 t + ∑ S-n e-jnω0 t
2 n =1 n =1

En faisant varier n de -∞ à +∞, on peut regrouper les deux sommes :

+∞
s(t) = ∑ Sn e jnω0 t
n = -∞

1 1
∫ s(t)e ∫ s(t)e
-jnω0 t -j2πnf 0 t
Où on a : Sn = dt = dt
T0 T0
T0 T0

Interprétation : La forme complexe de la décomposition en série de Fourier est la

formulation la plus usuelle. Elle fait apparaître des harmoniques de fréquences positives et
négatives qui servent mathématiquement à reconstituer l’ensemble du signal. Néanmoins,
cette décomposition n’a pas de réalité physique en ce qui concerne la partie associée aux
fréquences négatives. Elle est utilisée en traitement du signal car elle permet bien souvent une
simplification des calculs.
 La représentation spectrale graphique associée à la décomposition complexe porte le
nom de spectre bilatéral (l’amplitude des raies d’un spectre unilatéral est le double de celles
du spectre bilatéral). Dans un spectre bilatéral, les amplitudes sont présentées par les modules
des coefficients Sn, et les phases sont représentées par leurs arguments.

Remarques :

La formule donnant Sn est également valable pour S0 = a0/2.

On passe facilement de la notation complexe à la notation réelle en remarquant que :

 a n - jb n
Sn = 2 a n = (Sn + S-n )
 soit 
S = a n + jb n b n = j(Sn - S-n )
 -n 2

Si s(t) est à valeurs réelles, alors :

1 +jnω0 t a n = 2Re(Sn )
S-n =
T0 ∫ s(t) e dt = S*n de sorte que an et bn sont donnés par : 
b n = -2Im(Sn )
T0

Si s(t) est à valeur réelle, l'amplitude de l'harmonique de rang n est : cn =  Sn , la phase

 b 
de l’harmonique de rang n est : φ n = Arg ( Sn ) = arctan  - n 
 an 

8- Propriétés de la série de Fourier

Soient s1(t) et s2(t) deux signaux périodiques, dont la série de Fourier a pour coefficients
complexes S1n et S2n.

Signal Coefficients complexes

Linéarité αs1 ( t ) + βs 2 ( t ) αS1n + βS2n

Translation temporelle s ( t - τ) Sn e-jn2πf 0 τ

Translation fréquentielle s ( t ) e+jn 0 2πf 0 t Sn - n 0

Inversion temporelle s ( -t ) S-n

 Dérivation s' ( t ) ( j2πnf0 ) Sn

Intégration t
∫-∞ s ( τ )dτ
1
Sn
j ( 2πnf 0 )

Changement d’échelle +∞ Sn inchangé, mais représentation de la

s(at) = ∑ Sn e jnω0 at
série de Fourier modifiée
n = -∞

Conjugaison s* ( t ) S*-n

Remarques :

Si le signal est réel et impair, sa transformée est imaginaire et impaire.

Si le signal est réel et pair, sa transformée est réelle et paire.

Dans le cas général d’un signal ni pair ni impair, sa transformée comporte une partie
réelle et paire et une partie imaginaire et impaire.

9- Egalité de Parseval

Considérons un phénomène périodique, de période T0, décrit par s(t). L’égalité de

Parseval relie la puissance moyenne de s(t), calculée sur une période T0, à ses coefficients de
Fourier :

( )
+∞
1 +∞
2
1 a0
∑ ∑
2 2 2 2
T0 ∫ s(t) dt = Sn =
4
+
2 n =1
a n + bn
T0 n = -∞

Cette égalité exprime que la puissance moyenne du signal est répartie sur toutes les
harmoniques du phénomène (peut être calculée à partir de la somme des puissances portées
par chaque harmonique). Le théorème de Parseval exprime la conservation de la puissance du
signal dans les deux représentations.

2
s(t) Représente la densité temporelle de puissance du signal, dans le cas général où

1
∫ s(t) s(t) dt
*
s(t) est à valeurs dans ℂ , la puissance moyenne s’écrit :
T0
T0

2
Sn Représente la densité spectrale (fréquentielle) de puissance du signal (DSP)