Université IBN TOFAIL – Kénitra

ECOLE NATIONALE DES SCIENCES APPLIQUEES

Cours de Traitement de Signal et

Communication Numérique

CH2: Série de Fourier

et Transformée de Fourier
Par:

Hassan EL FADIL

elfadil.h@[Link]
CH2. Série et
transformée de Fourier 1. Introduction

Jusqu’à présent, le domaine habituel pour analyser un signal est:

le Domaine temporel : analyse de l’évolution du signal dans le

temps

Permet de mettre en évidence certaines caractéristiques :

signal périodique ou non (détermination de la période),

amplitude (valeur moyenne, maximale…),

signal analogique/numérique, énergie finie/infinie, ...

13/01/2024 H. El Fadil. 2
CH2. Série et
transformée de Fourier …Introduction

Question: Quelle est l’expression analytique du signal s(t) suivant ?

s(t)
14

12

10

-2

-4
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
temps(s)

Difficile d’y répondre!

13/01/2024 H. El Fadil. 3
CH2. Série et
transformée de Fourier …Introduction

En fait le signal précédent est la somme de trois signaux

sinusoïdaux:

s (t )  A0 cos(2f 0t   0 )  A1 cos(2f1t  1 )  A2 cos(2f 2t   2 )

s(t)

Avec: 14

12

10

A0  5 f 0  0 0  0 8

A1  2 f1  100 1   / 6
4

A2  6 f 2  600  2   / 3 -2

-4
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
temps(s)

13/01/2024 H. El Fadil. 4
CH2. Série et
transformée de Fourier …Introduction

En conclusion:

L’observation dans le domaine temporel est souvent insuffisante

pour déduire l’expression mathématique du signal

Il serait intéressant de trouver une autre représentation qui

apporterait plus d’informations sur le signal que la représentation
usuelle temporelle

Cette nouvelle représentation devra faire directement apparaître

certaines caractéristiques du signal (par exemple A0, A1, A2, 0, 1,
2) non plus dans le domaine temporel (en fonction du temps) mais
dans le domaine fréquentiel, c’est à dire en fonction de la fréquence.

13/01/2024 H. El Fadil. 5
CH2. Série et
transformée de Fourier …Introduction

Représentation habituelle : Nouvelle Représentation :

amplitude du signal en amplitude et phase initiale en
fonction du temps fonction de la Fréquence
s (t )  A0 cos( 2f 0t   0 )
 A1 cos( 2f1t  1 )
s(t)  A2 cos( 2f 2t   2 )
14 An
A2  6
12

10 A0  5
8 A1  2
6

2
f0  0 f1  100 f 2  600 f (Hz )
n
2   / 3
0

-2

-4
0 0.002 0.004 0.006 0.008 0.01
temps(s)
0.012 0.014 0.016 0.018 0.02 0  0 f1  100
f0  0 f 2  600 f (Hz )
1   / 6

D’où l’idée de la transformée en série de Fourier

13/01/2024 H. El Fadil. 6
CH2. Série et
transformée de Fourier 2. Série de Fourier

Joseph FOURIER
Auxerre 1768 - Paris 1830

Grand savant français

A profondément influencé les

mathématiques et la physique des
sciences de son siècle

L’étude de la propagation de la
chaleur l’a amené à la découverte des
séries trigonométriques portant son
nom

13/01/2024 H. El Fadil. 7
CH2. Série et
transformée de Fourier 2.1. Le Théorème de Fourier :

Sous certaines conditions de continuité et de dérivation, tout signal

s(t) périodique de pulsation 0 (ou de fréquence f0 = 0/ 2 ) peut
s‘écrire sous la forme suivante :

s (t )  a0   an cos(n0t )  bn sin( n0t ) 
n 1

t 0 T0 t 0 T0
2
 s(t ) cos(n t )dt
1 an  n 1
a0 
T0  s(t )dt
t0
T0 t0
0

t 0 T0
b0  0 2
bn 
T0  s(t ) sin( n t )dt
t0
0 n 1

T0  1 / f 0 : étant la période du signal

Décomposition indépendante de l’intervalle [t0, t0+T0]
13/01/2024 H. El Fadil. 8
CH2. Série et
transformée de Fourier
2.2. Deuxième expression de la série
de Fourier

Le signal s(t) précédent peut s’écrire d’une autre manière comme

suit:

s (t )  A0   An cos(n0t   n )
n 1

An  an2  bn2 n  0

 bn 
 n   arctan 
 an 

13/01/2024 H. El Fadil. 9
CH2. Série et
transformée de Fourier
2.3. Le fondamental le rang et les
harmoniques

A0=a0 : valeur moyenne du signal (composante continue)

Le terme général:

sn (t )  an cos(n0t )  bn sin( n0t )  An cos(n0t   n )

est appelé harmonique de rang n.

C’est un signal cosinusoïdal d’amplitude An de période T0/n

(fréquence nf0) et de phase à l’origine n.

Amplitudes An tendent vers 0 lorsque n tend vers l’infini.

Harmonique d’ordre 1 : est appelé fondamental

13/01/2024 H. El Fadil. 10
CH2. Série et
transformée de Fourier
2.4. Propriétés des signaux
particuliers

Si s(t) est une fonction paire : s(-t) = s(t)

alors les coefficients bn sont nuls:
 An  an n  0
s (t )  a0   an cos(n0t ) n  0 n  0
n 1
Si s(t) est une fonction impaire : s(-t) = -s(t)
alors les coefficients an sont nuls:
 
 
s (t )  a0   bn sin( n0t )  a0   bn cos n0t  
n 1 n 1  2
A0  0 An  bn n  1

 n   si bn  0 n  1
0  0 2
 n  0 si bn  0 n  1

13/01/2024 H. El Fadil. 11
CH2. Série et
transformée de Fourier …Propriétés

S’il y a une symétrie de glissement, c’est à dire si les alternances

positives sont identiques aux alternances négatives :

 T0 
s t     s (t )
 2
Alors, on démontre que a0 = 0 ,

s(t) est forcément alternatif et que la décomposition

du signal ne contient que des harmoniques de rang impair :


s (t )  a0   a2 k 1 cos(2k  1)0t   b2 k 1 sin( 2k  1)0t 
k 0

13/01/2024 H. El Fadil. 12
CH2. Série et
transformée de Fourier
3. Spectres unilatéraux
d’amplitude et de phase
3.1. Spectre d’amplitude de s(t):
Le spectre d’amplitude d’un signal s(t) est la représentation des
amplitudes An des harmoniques en fonction de fréquence (rad/s)
ou f(Hz). Amplitude An
Composante fondamental
continue
A1 harmonique de rang n
 A0 A2
s (t )  A0   An cos(n0t   n ) An
n 1
0 f0 2 f0 3 f0 nf 0 f (Hz )

Pour un signal périodique, on a un spectre de raies, on dit que

l’on a un spectre discret.
On parle de représentation fréquentielle ou spectrale.
13/01/2024 H. El Fadil. 13
CH2. Série et
transformée de Fourier 3.2. Le spectre des phases

C’est la représentation de la phase de chaque harmonique en

fonction de la fréquence n = f(f):

Phase  n

1
0 2
n

0 f0 2 f0 3 f0 nf 0 f (Hz )

13/01/2024 H. El Fadil. 14
CH2. Série et
transformée de Fourier
4. Valeur efficace et Taux
d’harmonique
4.1. Valeur efficace de s(t):
La valeur efficace d’un signal s(t) peut être calculée à partir de sa
décomposition en série de Fourier comme suit:


1 2
S eff  A   An
2
0
n 1 2

Le terme 1/2 s’explique facilement : An est l’amplitude et on calcule

la valeur efficace !

A0 est la composante continue et l’autre terme correspond à la

composante alternative du signal s(t).

13/01/2024 H. El Fadil. 15
CH2. Série et
transformée de Fourier
4.2. Le taux de distorsion
harmonique TDH

Le THD d’un signal s(t) se calcule comme suit:

Valeur efficace des harmonique s autres que le fondamental

THD 
Valeur efficace du fondamental

 n
A
n2
2

THD 
A1
Il s'exprime souvent en % et indique la pureté spectrale d'un
signal : le signal sinusoïdal qui n’a qu’une seule raie comme
spectre a un TDH de 0%.

Pour un signal carré, TDH = 48,3 %

13/01/2024 H. El Fadil. 16
CH2. Série et
transformée de Fourier 4.3. Exemples

Exemple 1: cas d'un signal sinusoïdal

 
Soit un signal sinusoïdal décrit par: s (t )  2 cos 2 10t  
 4
Domaine fréquentiel
Domaine temporel

Spectre unilatéral d ’amplitude

Spectre unilatéral de phase

13/01/2024 H. El Fadil. 17
CH2. Série et
transformée de Fourier
Exemple 2: cas d'un signal
rectangulaire

+Smax

-Smax

a0 = 0 car le signal est alternatif (moyenne nulle)

Signal impair donc an=0

il y a une symétrie de glissement, c’est-à-dire les alternances

positives sont identiques aux alternances négatives donc il n’y a que
harmoniques de rang impair (bn=b2k+1)

13/01/2024 H. El Fadil. 18
CH2. Série et
transformée de Fourier …signal rectangulaire

b2 k 1   s (t ) sin (2k  1)0t dt

2 T0
T0 0

  ( S max ) sin (2k  1)0t dt  ( S max ) sin (2k  1)0t dt
2 T0 / 2 2 T0

T0 0 T0 
T0 / 2

2 S max  T0 / 2 
   
T0

T0  0 T0 / 2
 sin ( 2 k  1) t dt  sin ( 2 k  1) t dt
0 0 


2 S max
(2k  1)0T0
  cos(2k  1)0t T00 / 2   cos(2k  1)0t TT00 / 2 

S max
1  cos(2k  1)    cos(2k  1)2   cos(2k  1) 
(2k  1)
1 4 S max
b2 k 1 
(2k  1) 
13/01/2024 H. El Fadil. 19
CH2. Série et
transformée de Fourier …signal rectangulaire

Spectre unilatéral:

1 4S max
an  0  An  bn A2 k 1 
(2k  1) 

Amplitude An fondamental

4S max
A1 

4S max
A3 
3 4S max
A5 
5 4S max
A7 
7
0 f0 2 f0 3 f0 4 f0 5 f0 6 f0 7 f0 f (Hz )

13/01/2024 H. El Fadil. 20
CH2. Série et
transformée de Fourier …signal rectangulaire

Le taux de distorsion harmonique du signal rectangulaire vaut:

2
S max  A12eff
THD  100
A1eff
2
 4 S max 
S 2
 
 2 
max

THD  100
4 S max
 2
 2 2   2 
THD    1  100    1  100  48,3%
 16   8 
   
13/01/2024 H. El Fadil. 21
CH2. Série et
transformée de Fourier 4.4. Exercices

Exercice N°1

Ecrire un script qui permet de comparer un signal rectangulaire

d’amplitude 10 et de fréquence 10Hz avec sa décomposition en
série de Fourier?

13/01/2024 H. El Fadil. 22
CH2. Série et
transformée de Fourier
Solution de l’Exercice N°1
%%%%%%%%%%%%% Serie de Fourier Signal Rectangulaire %%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%% Signal rectangulaire
clc;
Smax=10;
f0=30;
pas=1e-4; %% Fréquence du signal
t = 0:pas:0.1; %% Intervalle du temps
s_t = Smax*square(2*pi*f0*t); %% Signal rectangulaire
figure(1)
plot(t,s_t); %% Affichage du signal s(t)
N_t=length(t); %% Longueur du vecteur temps
N_h=5; %% Nombre d'Harmoniques à afficher
a0=0; %% valeur moyenne nulle
%%%% Calcul des différent harmoniques %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Mat=zeros(N_h,N_t); %% Matrice qui contient les différentes décompositions
s_h=zeros(1,N_t); %% vecteurs des signaux harmoniques
harm=zeros(1,N_h+1); %% vecteur des valeurs des harmoniques
harm(1,1)=a0;
freq=zeros(1,N_h+1); %% vecteur des fréquences des harmoniques
%%%%%%% remplissage des différents vecteurs
for k=0:N_h-1
n=2*k+1;
bn=(4*Smax/(n*pi));
Mat(k+1,:)=bn*sin(n*2*pi*f0*t);
%%%%% Sommation des signaux
s_h=s_h+Mat(k+1,:);
harm(1,k+2)=bn;
freq(1,k+2)=n*f0;
end
figure(2);
plot(t,s_h,'r',t,s_t,':b'); %% affichage du signal et de sa décomposition
title ('s(t) et sa décomposition en série de Fourier');
xlabel('temps (s)');
figure(3);
stem (freq,harm,'filled','LineWidth',2.5); %% affichage du spectre d’amplitude
title ('Spectre d''amplitude de s(t)');
xlabel('Fréquence (Hz');

13/01/2024 H. El Fadil. 23
CH2. Série et
transformée de Fourier ….Solution de l’Exercice N°1

s(t) et sa décomposition en série de Fourier

décomposition
15
s(t)

10

5 Tracé pour le cas de 5

0 harmonique
-5

-10

-15
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
temps (s) Spectre d'amplitude de s(t)
15

10

0
0 50 100 150 200 250 300
Fréquence (Hz
13/01/2024 H. El Fadil. 24
CH2. Série et
transformée de Fourier ….Solution de l’Exercice N°1

Il apparaît une déformation du signal, connue

sous le nom de phénomène de Gibbs. Ce
phénomène est un effet de bord qui se produit
à proximité d'une discontinuité, lors de l'analyse
d'une fonction dérivable par morceaux.

Apparition des oscillations de Gibbs aux

discontinuités

13/01/2024 H. El Fadil. 25
CH2. Série et
transformée de Fourier …Exercices

Exercice N°2: signal triangulaire

s (t )
Soit un signal triangulaire s(t) ci-contre
1) Montrer que: bn=0 a0=0 et les an +Smax
s’expriment comme suit
-T0 /2 T0 /2
1 8S max 0 t (s )
a2 k 1 
(2k  1) 2  2 -Smax

Il n’ya que les harmoniques de rang impair?

2) Calculer son THD?
3) Ecrire un script Matlab qui permet de comparer un signal
triangulaire d’amplitude 10 et de fréquence 10Hz avec sa
décomposition en série de Fourier?

13/01/2024 H. El Fadil. 26
CH2. Série et
transformée de Fourier Script Matlab de l’Exercice N°2

%%%%%%%%%%%%% Série de Fourier Signal Triangulaire %%%%%%%%%%%%%%%%

clc;
Smax=10; f0=30; pas=1e-4;
t = -0.1:pas:0.1; %% Intervalle du temps
s_t = Smax*sawtooth(2*pi*f0*t-pi,0.5); %% Signal triangulaire
figure(1)
plot(t,s_t); %% Affichage du signal s(t)
N_t=length(t); %% Longueur du vecteur temps
N_h=5; %% Nombre d'Harmoniques à afficher
a0=0; %% valeur moyenne nulle
%%%%%%%%%%%%%%% Calcul des différents harmoniques %%%%%%%%%%%%%%%%
Mat=zeros(N_h,N_t);
s_h=zeros(1,N_t);
harm=zeros(1,N_h+1);
harm(1,1)=a0;
freq=zeros(1,N_h+1)
for k=0:N_h-1
n=2*k+1;
an=(8*Smax/(n^2*pi^2));
Mat(k+1,:)=an*cos(n*2*pi*f0*t);
s_h=s_h+Mat(k+1,:);
harm(1,k+2)=an;
freq(1,k+2)=n*f0;
End
figure(2);
plot(t,s_h,'r',t,s_t,':b');
title ('s(t) et sa décomposition en série de Fourier');
xlabel('temps (s)');
figure(3);
stem (freq,harm,'filled','LineWidth',2.5);
title ('Spectre d''amplitude de s(t)');
xlabel('Fréquence (Hz');

13/01/2024 H. El Fadil. 27
CH2. Série et
transformée de Fourier …Exercices

Exercice N°3: Signal modulé en amplitude AM

Un signal modulé en amplitude (AM) peut s’écrire comme suit

v(t )  A1  m cos(2ft ) . cos(2F0t )

où m est le taux de modulation (0<m<1)
f: fréquence du signal modulant (en radio le signal modulant est la
parole ou la musique
F0: fréquence de la porteuse
1) Montrer que le spectre du signal AM v(t) est constitué de trois raies
aux fréquence :
F0  f F0 F0  f
2) Ecrire un script Matlab qui permet de générer un signal modulé en
amplitude. On prendra A=10; F0=1000; f=10; m=0.8.

13/01/2024 H. El Fadil. 28
CH2. Série et
transformée de Fourier Script Matlab de l’Exercice N°3

%%%%%%%%%%%%% Signal modulé AM %%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clc;
A=10;
F0=1000;
f=10;
m=0.8;
pas=1e-5;

%% génération du signal
t = -0.1:pas:0.1; %% Intervalle du temps
v_t = A*(1+m*cos(2*pi*f*t)).*cos(2*pi*F0*t); %% Signal modulé (n’oubliez pas la
%multiplication point à point d’un vecteur .*)
figure(1)
plot(t,v_t); %% Affichage du signal v(t)

13/01/2024 H. El Fadil. 29
CH2. Série et
transformée de Fourier 5. Transformée de Fourier

5.1. Rôle:
La transformée de Fourier permet de déterminer le spectre d’un
signal s(t) non périodique (ou apériodique).

5.2. Transformée de Fourier:

On appelle la transformée de Fourier d’un signal s(t), la fonction S(f)
telle que: 
S( f )  
s (t )e  j 2ft dt

la transformée de Fourier inverse se calcule comme suit


s (t )  

S ( f )e  j 2ft df

13/01/2024 H. El Fadil. 30
CH2. Série et
transformée de Fourier …Transformée de Fourier

S(f) = | S(f)| est appelé la densité spectrale d’amplitude

arg(S(f)) est le spectre de phase.

s (t )
5.3. Exemples:
a) spectre d’un échelon unitaire: 1
Soit s(t) un échelon unitaire retardé de T0
0 T0
 

t (s )
1 
S( f )  
T0
e  j 2ft dt 
 j 2f
e  j 2ft T0
S( f )
1  j 2f
S( f ) 
T0
e
j 2f hyperbole

1
S( f ) 
2f 0 f (Hz )
13/01/2024 H. El Fadil. 31
CH2. Série et
transformée de Fourier
b) spectre d’une impulsion de durée
T0 : fonction “fenêtre” (ou “porte”)

Un signal porte s(t) est une impulsion de durée T0 et de hauteur

unitaire; centrée à l’origine. s (t )

 
T0
 1 
S( f )  

T0
2
2
e  j 2ft dt 
j 2f
e jfT0  e  jfT0 T0
1

0
sin( fT0 ) -T0/2 T0/2 t (s )
S ( f )  T0  T0sinc ( fT0 )
fT0

sin( fT0 )
S ( f )  T0  T0 sinc ( fT0 )
fT0

sin( x) sinc (0)  1

Où sinc(x) est le sinus cardinal de x sinc ( x) 
x
13/01/2024 H. El Fadil. 32
CH2. Série et
transformée de Fourier …Signal porte

10 T0
8
S( f )
6
%%%%%%%%%%%%%%%%%%%%%%%%
% Transformée de Fourier d'un signal porte 4

%%%%%%%%%%%%%%%%%%%%%%%% 2
clc;
0
T0=10;
pas=1e-5; -2
f = -0.5:pas:0.5; %% Intervalle de fréquence
-4
S_f = T0*sinc(T0*f); %% transformée de Fourier -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
figure(1) 10
f(Hz)
plot(f,S_f); %% Affichage du signal S(f)
title('S(f)'); lobe central S( f )  S( f )
8
xlabel('f(Hz)');
figure(2) 6
s_f_m=abs(S_f );
plot(f,s_f_m); %% Affichage du module de S(f) 4
title('module de S(f)');
xlabel('f(Hz)'); lobes latéraux
2

0
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
f(Hz) 1 2 3
T0 T0 T0
13/01/2024 H. El Fadil. 33
CH2. Série et
transformée de Fourier c) Spectre d’une impulsion de Dirac

Cette impulsion est de durée T0 très courte et d’amplitude 1/T0 :

(t) a comme transformée:

 (t )
1/T0
1 sin( fT0 )
( f )  lim .T0 1
T0 fT0
T0 t (s ) T0 0

( f )
Le spectre d’une impulsion de Dirac
1
contient toutes les fréquences!

0 f (Hz )

13/01/2024 H. El Fadil. 34
CH2. Série et
transformée de Fourier
5.4. Transformée de Fourier Discrète
(TFD)

5.4.1 Introduction:
Lorsqu’on désire calculer la transformée de Fourier d’une fonction s(t) à
l’aide d’un ordinateur (calculateur, cas des analyseurs de spectre
numériques ), ce dernier n’ayant qu’un nombre fini de mots de taille
finie, on est amené à:
discrétiser la fonction temporelle (échantillonner),
tronquer la fonction temporelle,
discrétiser la fonction fréquentielle.

En approchant l’intégrale par une somme d’aires de rectangles de durée

Te et en limitant la durée d’intégration à l’intervalle [0, (N −1)Te], on
obtient:
N 1
S ( f )  Te  s ( nTe )e  j 2fnTe
n 0

13/01/2024 H. El Fadil. 35
CH2. Série et
transformée de Fourier … TFD

Ce qui donne pour les valeurs de fréquences fk = k fe/N:

N 1  j 2
nk
S ( f k )  Te  s (nTe )e N

n 0

Ce n’est pas une approximation sophistiquée de S(f), mais elle est

très utilisée en pratique sous le nom de TFD car il existe un
algorithme de calcul efficace appelé FFT (Fast Fourier Transform)
ou TFR (Transformée de Fourier rapide).

13/01/2024 H. El Fadil. 36
CH2. Série et
transformée de Fourier 5.4.2 Définition de la TFD :

On appelle transformée de Fourier discrète d’une suite de N termes

s(0),s(1), . . . ,s(N −1), la suite de N termes S(0),S(1), . . . ,S(N −1),
définis par:
N 1  j 2
nk
S ( k )   s ( n)e N

n 0

En pratique, les N termes s(n) peuvent être N échantillons d’un

signal analogique échantillonné: sn = s(nTe), et les N termes S(k)
correspondre à une approximation (à un facteur multiplicatif Te près)
de la transformée de Fourier de ce signal aux N points de fréquence
fk = k fe/N, avec k entre 0 et N −1, c’est-à-dire f entre 0 et fe.

13/01/2024 H. El Fadil. 37
CH2. Série et
transformée de Fourier 5.4.3 La TFD inverse :

La TFD inverse est:

N 1 j 2
nk
1
s ( n) 
N
 S ( k )e
k 0
N

5.4.4 Comparaison entre la transformée de Fourier et la TFD :

L’échantillonnage d’un signal s(t) à fe rend périodique le spectre et le

multiplie par Fe=1/Te.
S( f ) Se ( f )
Echantillonnage
1
Fe

0 f (Hz )
-fmax +fmax -fe 0 +fe +2fe f (Hz )

13/01/2024 H. El Fadil. 38
CH2. Série et
transformée de Fourier
5.4.4 Exemples d’ Applications sous
MATLAB:
a) Application 1: signal sinusoïdal
%%%%%%%%%%%%%%%%% Génération d'un signal cosinusoidal %%%%%%%%%%%%%%%%%%
clear all; close all; clc;
Fe=1000; %%%% Fréquence d'échantillonnage
Te=1/Fe; %%%% Période d'échantillonnage
%%%%%%%%%%%%%%%%%%%%%%% Définition du Signal cosinus %%%%%%%%%%%%%%%
f=100; %%%% Fréquence du signal
t=0:Te:1;
N=length(t);
s_t=cos(2*pi*f*t);
subplot(2,1,1); %%%% divise la figure en deux parties
plot(t,s_t);
xlabel('temps');
ylabel('s(t)');
title('cos([Link].f.t)');
%%%%%%%%%%%%%%%%%%% FFT du signal %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
subplot(2,1,2);
f=linspace(-Fe/2,Fe/2,N); %%%% génère N point linéairement équidistants entre -Fe/2 et Fe/2
X_f=fft(s_t)/Fe; %%%% FFT du signal
S_f = fftshift(X_f); %%%% visualiser la transformée de Fourier avec
%%%% la composante de fréquence nulle au milieu du spectre.=SPECTRE BILATERAL
S_f_m = abs(S_f); %%%% Calcul du module
plot(f,S_f_m);
grid on;
xlabel('frequence');
ylabel('S(f)');
%%%%%%%%%%%%%%%%% FFT inverse du signal %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
s=ifftshift(S_f)*Fe;
s_t_inv=ifft(s);
figure (3)
plot(t,s_t,'b',t,s_t_inv,'r');
axis([0.4 0.5 -1.2 1.2]);

13/01/2024 H. El Fadil. 39
CH2. Série et
transformée de Fourier …Exemples FFT sous Matlab

a) Application 2: signal rectangulaire

%%%%%%%%%%%%%%%%% Génération du signal rectangulaire %%%%%%%%%%%%%%%%%%

clear all; close all; clc;
Fe = 8e3; %%%% Fréquence d'échantillonnage
Te=1/Fe; %%%% Période d'échantillonnage
t=0:Te:1; %%%% axe des temps
N = length(t); %%%% taille du vecteur temps
f=100; %%%% Fréquence du signal
s_t = 10*square(2*pi*f*t);

%%%%%%%%%%%%%%%%%%%%%%%%% Calcul de la FFT %%%%%%%%%%%%%%%%%%%%%%%%%%%%%

X_f=fft(s_t)/Fe; %%%% FFT du signal
S_f = fftshift(X_f); %%%% visualiser la transformée de Fourier avec
%%%% la composante de fréquence nulle au milieu du spectre.
S_f_m = abs(S_f); %%%% Calcul du module
f=linspace(-Fe/2,Fe/2,N); %%%% génère N point linéairement équidistants entre -Fe/2 et Fe/2

%%%%%%%%%%%%%%%%%% Affichage %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

subplot(2,1,1); %%%% divise la figure en deux parties
plot(t,s_t);
axis([0 0.1 -12 12]); %%%% zoom de la figure
xlabel('temps t'),
ylabel('s(t)');
subplot(2,1,2);
plot(f,S_f_m);
axis([-1200 1200 0 10])
xlabel('frequence f'),
ylabel('S(f)');

13/01/2024 H. El Fadil. 40
EMBEDDED
SYSTEMS