Cours
Traitement du signal
ISMAGI-CP2-2023/24
1
Traitement Numérique du
Signal
Chapitre 2
2
I. Analyse Spectrale et Série de Fourier
1. Analyseur de spectre
Un analyseur de spectre est un appareil de mesure, qui représente un signal en fonction
de sa fréquence. Alors qu’un oscilloscope représente l’amplitude d’un signal en
fonction du temps, l’analyseur de spectre représente l’amplitude d’un signal en fonction
de sa fréquence.
EDF nous fournit un signal à 50 Hz, si on observe l’évolution de la tension en fonction
du temps nous observerions le signal suivant
3
1. Analyse Spectrale
Il s’agit d’un signal à 50 Hz, c'est-à-dire un signal dont la seule amplitude non nulle est
à 50 Hz. Si on représente dans le domaine fréquentiel (mesure sous l’analyseur de
spectre), nous observerions le signal suivant :
4
1. Analyse Spectrale
Sur la figure suivante, nous observerons la trace temporelle et fréquence d’un
signal composée de trois sinusoïdes :
5
1. Analyse Spectrale
• Déphasage
6
1. Analyse Spectrale
7
1. Analyse Spectrale
8
1. Analyse Spectrale
Dans le cas précèdent, le signal a 200 Hz est appelée la fondamentale, les
fréquences à 400 Hz et 600 Hz sont les harmoniques. La fréquence des
harmoniques est toujours une multiple de la fréquence du fondamentale
Ainsi, l’analyseur de spectre représente l’amplitude et chaque fréquence
existante dans le signal a mesurer. Le signal étudie est donc constitue d’une
somme de signaux sinusoïdaux dont l’amplitude et les fréquences sont
déterminées par l’analyseur de spectre.
9
1. Analyse Spectrale
La représentation spectrale et temporelle donne les mêmes informations.
La représentation spectrale représente un signal en fonction de la
fréquence (analyseur de spectre) alors que la représentation temporelle
représente le même signal en fonction du temps (oscilloscope). La
représentation spectrale donne l’amplitude de toutes les fréquences
présentes dans le signal temporel, on peut ainsi écrire le signal temporel
comme une sommation de signaux sinusoïdaux.
10
1. Analyse Spectrale
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, ...
Expression analytique du signal
11
1. Analyse Spectrale
L’expression mathématique du signal est :
• 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, ϕ, ϕ1, ϕ2) non plus dans le domaine temporel (en fonction du
temps) mais dans le domaine fréquentiel, c’est à dire en fonction de la fréquence. 12
1. Analyse Spectrale
• Amplitude du signal en fonction du temps
• Amplitude et phase initiale en fonction de la fréquence
13
1. Analyse Spectrale
Représentation Temporel: Soit un signal s(t) à deux harmoniques
Représentation Fréquentiel : f1=1kHz et f2=1,500Khz
Plus facile à interpréter que la représentation temporelle 14
2. Série de Fourier
Théorème de Fourier
Les séries de Fourier permettent de passer du domaine temporel au
domaine fréquentiel pour des signaux périodiques, dans le cas contraire,
on utilisera la Transformée de Fourier.
Nous avons vu qu’un analyseur de spectre permettait de représenter un
signal comme sommation de signaux a des fréquences différentes. En
fait, la décomposition en série de Fourier permet de représenter un
signal comme une somme infinie de signaux sinusoïdaux et Co-
sinusoïdaux.
15
2. Série de Fourier
Théorème de Fourier
Sous certaines conditions de dérivation et de continuité, tout signal à
temps continu s(t) périodique de période To peut s’écrire sous la forme
d’une somme de signaux sinusoïdaux
Cette somme peut s’écrire de deux manières :
forme trigonométrique réelle
forme exponentielle complexe
16
2. Série de Fourier
Forme trigonométrique réelle
•Si s(t) est pair bn 0,n 0 , et si s(t) est impair an 0,n 0
17
18
19
2. Série de Fourier
Si le signal s(t) est pair, cela signifie que s(t) est symétrique par rapport à l'axe
vertical (c'est-à-dire s(t) = s(-t) pour tout t). Dans ce cas, tous les coefficients "bn"
(les coefficients des sinusoïdes) pour n supérieur ou égal à zéro sont égaux à zéro,
c'est-à-dire bn = 0 pour n ≥ 0. Cela signifie que la décomposition en séries de
Fourier se fera uniquement en termes de cosinus, et il n'y aura pas de composantes
sinusoïdales pures.
Si le signal s(t) est impair, cela signifie que s(t) est antisymétrique par rapport à l'axe
vertical (c'est-à-dire s(t) = -s(-t) pour tout t). Dans ce cas, tous les coefficients "an"
(les coefficients des cosinus) pour n supérieur ou égal à zéro sont égaux à zéro, c'est-
à-dire an = 0 pour n ≥ 0. Cela signifie que la décomposition en séries de Fourier se
fera uniquement en termes de sinus, et il n'y aura pas de composantes cosinus pures.
Cette propriété simplifie la décomposition des signaux pairs et impairs en séries
20
de
Fourier.
2. Série de Fourier
Forme exponentielle complexe
21
2. Série de Fourier
Exemple
22
2. Série de Fourier
Exercice
•Trouver la série de Fourier du signal (fonction rectangulaire) suivant:
x(t)
Calculer les coefficients de la série de Fourier ?
23
2. Série de Fourier
1- Calcul de la composante continue (terme DC) :
La fonction rectangulaire est une fonction périodique de période T, où T est la largeur
de la fonction. Elle est paire, ce qui signifie que x(−t)=x(t).
24
2. Série de Fourier
25
2. Série de Fourier
26
2. Série de Fourier
Les termes cos(πn) se simplifient davantage car cos(πn) est égal à 1 si n est un nombre
entier pair (n = 2, 4, 6, ...) et égal à -1 si n est un nombre entier impair (n = 1, 3, 5, ...).
Donc, nous pouvons écrire :
les coefficients bn de la série de Fourier de la fonction rectangulaire x(t) sont nuls.
27
2. Série de Fourier
28
2. Série de Fourier
29
2. Série de Fourier
30
2. Série de Fourier
31
32
33
34
35
36
On obtient:
37
Calculer les coefficients de la série de Fourier ?
38
2. Série de Fourier
L’intégrale de t par rapport à t sur cet intervalle donne:
39
2. Série de Fourier
Pour calculer les coefficients an et bn en détail, nous allons utiliser les intégrales
définies suivantes :
Pour intégrer le produit de t et sin(n * t), nous allons utiliser l'intégration par parties. qui
est basée sur la règle du produit de deux fonctions. La formule d'intégration par parties
est donnée par :
∫u dv = uv - ∫v du
40
2. Série de Fourier
Nous choisissons u = t et dv = sin(n * t) dt. ∫u dv = uv - ∫v du
41
3. Transformer de Fourier
Transformer de Fourier
C’est une généralisation de la décomposition de série de Fourier à tous les signaux
déterministes. Elle permet d’obtenir une représentation en fréquence (représentation
spectrale) de ces signaux. Elle exprime la répartition fréquentielle de l’amplitude, de la
phase et de l’énergie (ou de la puissance) des signaux considérés.
Sa transformée inverse:
42
3. Transformer de Fourier
Exercice
Trouver la Transformer de Fourier du signal (fonction rectangulaire) suivant:
x(t)
43
3. Transformer de Fourier
44
3. Transformer de Fourier
Maintenant, nous pouvons simplifier davantage en utilisant la relation d'Euler pour
l'exponentielle complexe :
45
3. Transformer de Fourier
46
