ELG3575 – Introduction aux systèmes de télécommunication

Chapitre 1 –Signaux et systèmes linéaires

Plusieurs systèmes dans la nature sont linéaires de nature. Plusieurs exemples de canaux de
communication peuvent être modélisés comme linéaires. Une modélisation linéaire permet de
simplifier l’analyse d’untel système.

1.1 Domaine temporel

Les signaux de communication sont généralement représentés dans le domaine temporel. Un
exemple d’un signal voix est représenté dans la Figure 1.1.

Figure 1.1 Exemple d’un signal voix dans le domaine temporel [1].

1.1.1. Opérations de base sur les signaux

Dans cette section, nous rappelons le principe du décalage dans le temps, réflexion dans le temps
(miroir) et la mise en échelle (Figure 1.2). Soit un signal x (t ) :

- Décalage dans le temps : Le signal x ( t−t 0 ) représente une version décalée de x (t ) .

- Réflexion dans le temps (miroir) : Le signal x (−t ) représente une version miroir de x (t ) .
- Mise à l’échelle : Le signal x ( at ) représente une version mise à l’échelle de x (t ) .

(a) Signal original (b) Signal décalé

 (c) Signal réfléchi (d) Signal mis à l’échelle (a> 1)

Figure 1.2 Opérations de base sur les signaux [1].

1.1.2. Classification des signaux

- Signaux à temps continu et signaux à temps discret

Un signal à temps continu x (t ) est un signal dont la variable indépendante ( t ) prend des valeurs
réelles. Un signal à temps discret x [ n ]est un signal dont la variable indépendante ( n ) prend des
valeurs entières. Un signal à temps discret x [ n ] est obtenu par échantillonnage du signal à temps
continu à des instants séparés par une période d’échantillonnage T 0, c-à-d, x [ n ] =x ( nT 0 ). La
Figure 1.3 montre un exemple de chacun de ces deux signaux.

Figure 1.3 (a) Signal à temps continu et (b) représentation à temps discret [2].

- Signaux pairs et impairs

Un signal x (t ) est pair s’il y a une symétrie par rapport à l’axe vertical ( x (−t )=x ( t ) , ∀ t ). Il est
impair s’il y a une antisymétrie par rapport à l’origine ( x (−t )=−x ( t ) , ∀ t ).

- Signal à valeur complexe hermitienne

Un signal à valeur complexe est hermitienne si la partie réelle est paire et la partie imaginaire est
¿ ¿
impaire ( x (−t ) + jy (−t )=x ( t )− jy ( t ) =( x ( t ) + jy ( t ) ) ), () représente le conjugué. Ceci revient
également à dire que l’amplitude est paire et la phase est impaire.

- Signaux périodiques et non périodiques

Un signal périodique est un signal qui se répète dans le temps. Dans le cas d’un signal périodique
à temps continu de période T 0, x ( t+T 0 )=x ( t ) , ∀ t avec T 0 un nombre réel strictement positif.
Pour un signal périodique à temps discret de période N 0 , x [ n+ N 0 ] =x [ n ] , ∀ n avec N 0 un
nombre entier strictement positif.
- Signal causal et non causal
Un signal est causal s’il est nul pour toutes les valeurs de temps négatif ( x (t )=0 , ∀ t< 0ou
x [ n ] =0 , ∀ n<0).

- Signaux à énergie et signaux à puissance

L’énergie d’un signal est donnée par :

- À temps continu :
+∞ T/2
E=∫ | x ( t )| dt= lim ∫ |x ( t )| dt
2 2

−∞ T → ∞ −T / 2

- À temps discret :
+∞
E= ∑ | x [ n ]|
2

n=−∞

La puissance d’un signal est donné par :

- À temps continu :
T /2
1
∫
2
P= lim |x ( t )| dt
T →∞ T −T / 2

- À temps discret :
N
1
∑
2
P= lim |x [ n ]|
N→∞ 2 N +1 n=−N

Un signal est dit à énergie si son énergie E est finie. Il est dit à puissance si sa puissance P est
finie.

Les signaux périodiques sont obligatoirement des signaux à puissance. Leur puissance peut être
calculée sur une période :
T 0 /2
1
∫
2
- À temps continu : P=
T 0 −T / 2
|x ( t )| dt
0

N 0−1
1
∑ |x [ n ]|
2
- À temps discret : P=
N0 n=0

1.1.3. Signaux élémentaires importants

Dans cette section, nous introduisons des signaux élémentaires fréquemment utilisés dans les
systèmes de télécommunications. La Figure 1.4 montre l’allure de quelques-uns.

- Signal sinusoïdal
La forme générale d’un signal sinusoïdal à temps continu est donnée par l’équation :

x (t )= A cos ( 2 π f 0 t +θ )
Où A , f 0 et θ sont respectivement l’amplitude, la fréquence et la phase du signal. Un signal
sinusoïdal est périodique de période T 0=1/ f 0.

- Signal exponentiel à valeur complexe

Un signal exponentiel à valeur complexe est défini par :
j (2 π f 0 t +θ )
x (t )= A e = A cos ( 2 π f 0 t+θ ) + jA sin ( 2 π f 0 t+θ )

Où A , f 0 et θ sont respectivement l’amplitude, la fréquence et la phase du signal.

(b) signal exponentiel à valeur complexe

(a) Signal sinusoïdal

(c) Fonction échelon (d) Impulsion rectangulaire

(e) Signal triangulaire (f) Sinus cardinal

(g) Fonction signe ou le signal signum (h) Impulsion de Dirac

Figure 1.4 Représentation graphique de quelques signaux élémentaires importants [1].

- Fonction échelon
La version à temps continu de la fonction échelon est donnée par :

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

La version à temps discret de la fonction échelon est donnée par :

{
u [ n ] = 1 ,n ≥ 0
0 , n< 0

- Impulsion rectangulaire
Ce signal est défini par :

{
1 1
1 ,− ≤ t ≤
Π (t)= 2 2
0 , Sinon

- Signal triangulaire
Ce signal est défini par :

{
t+ 1,−1≤ t ≤ 0
Λ ( t )= −t+1 , 0 ≤ t ≤1
0 Sinon

Le signal rectangulaire peut être obtenu en faisant le produit de convolution (opérateur ¿) entre
deux impulsions rectangulaires :

Λ ( t )=Π ( t )∗Π ( t )

- Signal sinus cardinal

Ce signal est défini par :

{
sin ( πt )
sinc ( t ) = ,t ≠ 0
πt
1 , t=0

- Fonction signe ou signal signum

Ce signal est défini par :

{
1 , t> 0
sgn ( t ) = −1 , t< 0
0 , t=0

Le signal signum peut être obtenu en faisant la limite du signal :

 {
−t
e n ,t >0
x n (t )= t
−e n ,t <0
0 , t=0

lorsque n → ∞ . Cette définition est utilisée pour trouver la transformée de Fourier du signal
signum.

- Impulsion de Dirac
Ce signal est défini par :

{
δ (t )= ∞ , t=0
0 ,t ≠0

Le signal delta ou l’impulsion Dirac est une modélisation mathématique pour représenter des
phénomènes physiques qui se produisent dans une durée de temps très courte. Des phénomènes
tellement petits qu’il n’existe aucun appareil de mesure capable de les capter.

L’impulsion de Dirac peut être obtenue en utilisant la limite de certaines fonctions connues :

δ (t )=lim
ϵ →0
1
ϵ
Π
t
ϵ ()
et

δ (t )=lim
ϵ →0
1
ϵ
sinc
t
ϵ ()
Ci-dessous quelques propriétés de l’impulsion de Dirac :

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

∞
2. Pour toute fonction ϕ ( t ) continue à t 0, ∫ ϕ ( t ) δ ( t−t 0 ) dt=ϕ ( t 0 )
−∞

3. Le produit de convolution : x (t )∗δ ( t )=x (t ) et x (t )∗δ ( t−t 0 )=x ( t−t 0 )

4. il existe un lien entre l’impulsion de Dirac et la fonction échelon :
t
d
δ (t )= u ( t ) ou encore u ( t )=∫ δ ( τ ) dτ
dt −∞

t
5. Le produit de convolution : x (t )∗u (t )= ∫ x ( τ ) dτ
−∞
6. Quelques résultats relatifs aux dérivées successives de la fonction de Dirac :
 |
∞ n
∫ δ(n ) ( t−t0 ) ϕ ( t ) dt=(−1 )n dtd n ϕ ( t )
−∞ t =t 0

( n) ( n)
x (t )∗δ ( t ) =x ( t )
1.1.4. Propriétés des systèmes
Un système est une boite noire qui admet comme entrée un signal x et produit une sortie
y=H ( x ). Ce système peut être à temps continu ou à temps discret (voir Figure 1.5).

Figure 1.5 Un système (a) temps continu et (b) temps discret.

- Linéarité
Un système est linéaire si la propriété de superposition est satisfaite. Un système H est linéaire si
et seulement si:

H ( α x 1 ( t ) + β x2 ( t ) )=αH ( x 1 ( t ) ) + βH ( x 2 ( t ) )

Avec x 1 ( t ) et x 2 ( t ) des signaux quelconques et α et β deux scalaires quelconques.

Pour vérifier la linéarité, les étapes suivantes peuvent être utilisées à partir de la définition du
système:

1. On trouve : y 1 ( t )=H ( x 1 ( t ) )
2. On trouve : y 2 ( t ) =H ( x 2 ( t ))
3. On trouve : y 3 ( t ) =H ( α x 1 ( t ) + β x 2 ( t ) )
4. On compare y 3 ( t ) et α y 1 ( t )+ β y 2 ( t ) . Le système est linéaire dans le cas d’égalité.

- Invariant dans le temps

Un système est invariant dans le temps si un décalage dans le temps du signal à l’entrée du
système mène à un décalage identique de la sortie. Pour vérifier l’invariance dans le temps, les
étapes suivantes peuvent être utilisées à partir de la définition du système:

1. On trouve : y 1 ( t )=H ( x 1 ( t ) )
2. On trouve : y 2 ( t ) =H ( x 2 ( t )) avec x 2 ( t )=x 1 ( t−τ )
3. On compare y 2 ( t ) et y 1 ( t−τ ). Le système est invariant dans le temps dans le cas
d’égalité.

- Causalité
Un système est causal (on parle aussi d’un système physiquement réalisable) si la sortie ne
dépend que de la valeur actuelle et les valeurs passées de l’entrée.

y ( t 0 )=H [ x ( t ) : t ≤t 0 ]

Cette propriété est primordiale pour assurer un fonctionnement en temps réel.

- Stabilité
Un système est stable si pour toute entrée bornée (différentes de l’infinie), la sortie est également
bornée. On parle d’un système BIBO (Bounded-Input Bounded-Output) stable.

1.1.4. Analyse des systèmes LTI dans le domaine temporel

Un système LTI est un système qui est linéaire et invariant dans le temps. Dans un tel système, il
est possible de définir la relation entre l’entrée et la sortie à l’aide de la convolution.

Nous savons que :

∞
x (t )=x ( t )∗δ (t )= ∫ x ( τ ) δ ( t−τ ) dτ
−∞

La sortie du système LTI devient :

(∫ )
∞
y ( t ) =H x ( τ ) δ ( t−τ ) dτ
−∞

∞
¿ ∫ x ( τ ) H ( δ ( t−τ ) ) dτ ( propriété de lalinéarité )
−∞

En utilisant la propriété d’invariance dans le temps :

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

Où h ( t ) est la réponse impulsionnelle du système (h ( t )=H ( δ ( t ) )).

- Propriétés de la convolution
1. Commutative : x (t )∗h ( t ) =h ( t )∗x ( t )
2. Associative : ( x ( t )∗h1 ( t ) )∗h2 ( t )=x ( t )∗( h1 ( t )∗h2 (t ) )
3. Distributive : x (t )∗( h1 ( t ) +h 2 ( t ) )=x ( t )∗h1 ( t ) + x ( t )∗h2 ( t )

- Causalité revisitée pour un système LTI

Un système LTI est causal si et seulement si la réponse impulsionnelle :

h ( t )=0 , ∀ t<0

- Stabilité revisitée pour un système LTI

Un système LTI est stable si et seulement si la réponse impulsionnelle est absolument intégrable:
∞

∫ |h ( τ )|dτ <∞
−∞
- Inverse d’un système LTI :
la sortie d’un système LTI est donnée par : y ( t ) =x ( t )∗h ( t ). L’inverse de ce système permet
d’écrire :
inv inv
x (t )= y ( t )∗h ( t )=x ( t )∗h ( t )∗h ( t )

La réponse impulsionnelle de l’inverse d’un système LTI doit satisfaire la relation :

inv
h ( t )∗h ( t )=δ ( t )

1.2 Domaine fréquentiel

L’étude des signaux et systèmes en utilisant des signaux sinusoïdaux représente l’analyse de
Fourier. Cette dernière permet généralement d’avoir un meilleur aperçu sur le comportement d’un
système LTI en comparaison avec une représentation dans le domaine temporel avec la
convolution.

Soit un système LTI avec une réponse impulsionnelle h ( t ). La réponse de ce système à un signal
j (2 π f 0 t +θ )
sinusoïdal exponentiel à valeur complexe x (t )= A e , produit la sortie :

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

∞
¿ ∫ h (τ ) A e
j (2 π f 0 ( t− τ ) +θ )
dτ
−∞

∞
¿ Ae e
jθ j (2 π f 0 t )
∫ h ( τ ) e− j 2 π f τ dτ 0

−∞

j (2 π f 0 t )
¿ A e jθ H ( f 0 ) e
∞
Avec : H ( f 0 )= ∫ h ( τ ) e
−j2π f 0τ
dτ
−∞

Ainsi, si un signal sinusoïdal est appliqué à l’entrée d’un système LTI, la sortie sera également un
signal sinusoïdal de même fréquence; seule l’amplitude et la phase sont modifiées. Ainsi,
l’objectif de la représentation de Fourier est de décomposer un signal d’entrée en une
superposition de signaux sinusoïdaux. La sortie sera également une superposition de signaux
sinusoïdaux de mêmes fréquences que ceux de l’entrée. La représentation de Fourier dépend de la
propriété périodique d’un signal.

1.2.1. Séries de Fourier

Un signal périodique x (t ) de période T 0 admet une représentation de Fourier dans le cas où les
trois conditions de Dirichlet sont satisfaites :
 T0

1. x (t ) est absolument intégrable sur sa période : ∫| x ( t )| dt< ∞

0
2. x (t ) a un nombre fini de maximums et minimums dans chaque période
3. x (t ) a un nombre fini de discontinuités dans chaque période

Si ces conditions sont satisfaites, le signal x (t ) peut être représenté dans le domaine fréquentiel
(superposition de signaux exponentiels à valeur complexe) à l’aide des Séries de Fourier :
∞ k
j2 π t
x (t )= ∑ Xke
T0

k=−∞

α +T 0 k
1 −j2 π t
X k=
T0 ∫ x (t) e T0
dt
α

pour un α arbitraire.

- Quelques propriétés de la série de Fourier

 Les coefficients X k sont appelés les coefficients de la série de Fourier de x (t ) . Ils sont
généralement à valeur complexe.
T0
 Généralement, le paramètre α est choisi tel que α =0 ou α = .
2
 Les conditions de Dirichlet sont suffisantes mais non nécessaires.
1
 La quantité f 0= est la fréquence fondamentale de x (t ) . Les fréquences des signaux
T0
exponentiels à valeur complexe sont des multiples de la fréquence fondamentale. Le n -
ème multiple de f 0 est appelée la n -ème harmonique.
 La série de Fourier permet de réduire la complexité de description d’un signal à temps
continu par une sommation dénombrable de valeurs.
 La série de Fourier peut être représentée par la pulsation angulaire ω 0=2 π f 0 :
∞
x (t )= ∑ X k e j kω t 0

k=−∞
2π
α+
ω0
ω0
X k=
2π
∫ x (t )e
− j kω0 t
dt
α

- Fréquences positives et négatives

Le développeent en série de Fourier d’un signal périodique implique la présence de multiples
positifs et négatifs de la fréquence fondamentale. Le terme e j kω t représente un phaseur avec une
0

rotation dans le sens antihoraire; alors que le terme e− j kω t représente un phaseur avec une
0

rotation dans le sens horaire. Si les signaux e j kω t et e− j kω t sont additionnés, on obtient

0 0

2 cos ( kω0 t ) .
- Série de Fourier dans le cas de signaux à valeur réelle
Dans le cas d’un signal à valeur réelle qui satisfait aux conditions du théorème des séries de
Fourier, on constate :
α +T 0 α +T 0
1 1
X −k =
T0 ∫ x ( t ) e− j 2 π (−k ) f t dt=
0

T0 ∫ x ( t ) e j 2 π kf t dt 0

α α

( )
α+T 0 α+T 0 ¿
1 ) dt= 1
− j 2 π kf t ¿
¿
T0
∫ x (t )( e 0

T0
∫ x (t ) e
j 2 π kf 0 t
dt
α α

¿
Ainsi : X −k =X k

Dans le cas des nombres réels, les coefficients positifs et négatifs de la série de Fourier sont des
conjugués. On peut conclure que l’amplitude des coefficients est paire alors que la phase est
impaire. Cette relation entre les coefficients positifs et négatifs permet trois représentations
équivalentes de la série de Fourier.

Si on note :

ak + jb k
X −k =
2

Ceci implique

¿ ak − j bk
X k =X −k =
2

Ainsi, le signal x (t ) peut s’écrire :

∞
x (t )= ∑ X k e j2 π kf 0 t

k=−∞

a0 ∞
¿ +∑ [ a k cos ( 2 π kf 0 t ) +b k sin ( 2 π kf 0 t ) ]
2 k=1
∞
¿ x 0 +2 ∑ |X k|cos ( 2 π kf 0 t +θ X k
)
k=1

Les deux dernières représentations sont appelées représentations trigonométriques de la série de

Fourier pour un signal à valeur réel. Les différents coefficients sont déterminés par :
α +T 0
1 ak b
X k=
T0 ∫ x ( t ) e− j 2 π kf t dt =
0

2
−j k
2
α

α +T 0
2
a k=
T0 ∫ x ( t ) cos ( 2 π kf 0 t ) dt
α
 α +T 0
2
b k=
T0 ∫ x ( t ) sin ( 2 π kf 0 t ) dt
α

1
| X k|= 2 √ a2k + b2k

−1 bk
θ X =−tan
k
ak

- Série de Fourier dans le cas de signaux à valeur réelle pairs et impairs

Dans le cas de signaux à valeur réelle et pairs, la représentation trigonométrique se simplifie :

a0 ∞
x (t )= + ∑ a cos ( 2 π kf 0 t )
2 k=1 k

Dans le cas de signaux à valeur réelle et impairs, la représentation trigonométrique se simplifie :

∞
x (t )=∑ bk sin ( 2 π kf 0 t )
k=1

On peut déduire également que dans le cas d’un signal quelconque à valeur réelle, on a :

x (t )=x p ( t )+ x imp (t )

Où la partie paire peut être déduite par:

x (t ) + x (−t )
x p (t )=
2

Et la partie impaire :

x ( t )−x (−t )
x imp ( t )=
2

- Réponse d’un système LTI à un signal périodique

Pour un signal d’entrée périodique :
∞
x (t )= ∑ X k e j2 π kf 0 t

k=−∞

La réponse d’un système LTI sera donnée par :

∞
y ( t ) =x ( t )∗h ( t )= ∑ X k e j 2 π kf t∗h (t )
0

k =−∞
 ∞
¿ ∑ X k H ( kf 0 ) e j 2 π kf 0 t

k=−∞

∞
¿ ∑ Y k e j 2 π kf 0 t

k=−∞

∞
Avec : H ( kf 0) =∫ h ( τ ) e
− j 2 π kf 0 τ
dτ
−∞

Ainsi :

 Si l’entrée d’un système LTI est périodique de période T 0, alors la sortie est également
un signal périodique de même période fondamentale.
 Seules les fréquences qui sont présentes à l’entrée doivent se retrouver dans le signal de
sortie d’un système LTI. L’introduction de nouvelles fréquences à la sortie signifie que le
système n’est pas LTI.
∞
La fonction : H ( f )=∫ h (t ) e
− j 2 πft
 dt est appelée réponse fréquentielle (fonction de
−∞
transfert) du système LTI.

- Relation de Parseval
Le développement en série de Fourier se base sur l’utilisation de signaux exponentiels à valeur
complexe. Comme ses signaux sont orthogonaux, ils forment une base. La puissance du signal est
ainsi conservée. La puissance du signal est la somme des puissances de chaque composante de la
série de Fourier :
α+T 0
1
∞
a2 1 ∞

∫ |x (t )| dt= ∑ |X k| =¿ 40 + 2 ∑ ( a2k + b2k ) ¿

2 2
P=
T0 α k=− ∞ k=1

1.2.2. Transformée de Fourier

Un signal non périodique x (t ) admet une représentation de Fourier dans le cas où les trois
conditions de Dirichlet sont satisfaites :
∞
1. x (t ) est absolument intégrable: ∫ |x ( t )|dt < ∞
−∞

2. x (t ) a un nombre fini de maximums et minimums

3. x (t ) a un nombre fini de discontinuités

Si ces conditions sont satisfaites, le signal x (t ) peut être représenté dans le domaine fréquentiel à
l’aide de la transformée de Fourier:
 ∞
x (t )= ∫ X ( f ) e
j 2 πft
df
−∞

∞
X ( f )= ∫ x ( t ) e
− j 2 πft
dt
−∞

Quelques remarques concernant la transformée de Fourier

 X ( f ) est généralement à valeur complexe. Il représente le spectre du signal x (t )

⇔
 Notation : X ( f )=F [ x ( t ) ] et x (t )=F−1 [ X ( f ) ]; ou encore : x (t ) ❑ X ( f )
 Si la notation en pulsation est utilisée :
∞
1
x (t )= ∫
2 π −∞
jωt
X ( f ) e dω

∞
X ( f )= ∫ x ( t ) e
− jωt
dt
−∞

⇔
 δ (t ) ❑ 1
⇔
 1❑ δ ( f )
⇔
 Π ( t ) ❑ sinc ( f )
¿
 Pour un signal x (t ) à valeur réelle, X ( f ) est hermitienne : X (−f )= X ( f )

C est à dire : ℜ [ X (−f ) ] =ℜ [ X ( f ) ]; ℑ [ X (−f ) ] =−ℑ [ X ( f ) ]; | X (−f )|=|X ( f )| ;

'

θ X (− f )=−θ X ( f )

 Largeur de bande d’un signal ∶ la largeur de bande d’un signal représente la gamme de
fréquences présente dans ce signal. Plus la largeur de bande est grande plus la variation
en fréquence est grande dans le signal. La largeur de bande d’un signal à valeur réelle est
définie comme la gamme de fréquences positives qui compose ce signal. Une fois X ( f )
déterminée, la largeur de bande est : BW =W max−W min; où W max et W min représentent
les fréquences maximale et minimale positives dans X ( f ).

- Propriétés de base de la transformée de Fourier

 Linéarité

F [ α x1 ( t )+ β x 2 ( t ) ]=α F [ x 1 ( t ) ] + β F [ x 2 ( t ) ]

 Dualité

Si X ( f )=F [ x ( t ) ] alors x ( f )=F [ X (−t ) ]

 Décalage dans le domaine temporel

F [ x ( t−t 0 ) ]=e F [ x (t)]

− j 2 πf t 0

 Mise à l’échelle

F [ x ( at ) ] =
1
X
|a| a
f
()
 Convolution

F [ x ( t )∗h ( t ) ] =F [ x ( t ) ] F [ h ( t ) ] =X ( f ) H ( f )

 Modulation

F [ x ( t ) e j 2 π f t ]=X ( f −f 0 )
0

 Relation de Parseval
+∞ +∞
E=∫ | x ( t )| dt= ∫ | X ( f )| df
2 2

−∞ −∞

 Autocorrélation
+∞
R x ( τ )=∫ x ( t ) x ( t−τ ) dt=x ( τ )∗x (−τ )
¿ ¿

−∞

2
F [ R x ( τ ) ]=| X ( f )|

 Dérivée dans le domaine du temps

F
[ d
dt ]
x ( t ) = j 2 πfX ( f )

 Dérivée dans le domaine fréquentiel

j d
F [ tx ( t ) ] = X (f )
2 π df

( )
n n
j d
F [ t x ( t ) ]=
n
n
X (f )
2π df

 Intégration dans le domaine du temps1

[∫ ]
t
X (f ) 1
F x ( τ ) dτ = + X ( 0) δ ( f )
−∞ j2 πf 2
  Les moments

|
∞

∫ t n x ( t ) dt= ( 2 jπ )
n n
d
n
X (f )
−∞ df f =0

- Transformée de Fourier de signaux périodiques

Dans le cas où nous avons un mixte de signaux périodiques et non périodiques, nous nous
retrouvons avec deux types de représentations dans le domaine fréquentiel (série de Fourier et
transformée de Fourier). Il est primordial de trouver une représentation unique; dans notre cas, il
s’agit de la transformée de Fourier. Ainsi, dans cette section, nous allons trouver la transformée
de Fourier dans le cas de signaux périodiques.

Si x (t ) est périodique, alors :

∞
x (t )= ∑ X k e j2 π kf 0 t

k=−∞

Appliquons la transformée de Fourier :

[ ]
∞ ∞
X ( f )=F ∑ X k e j 2 π kf t = ∑ X k δ ( f −kf 0 )
0

k=−∞ k=−∞

On remarque que la transformée de Fourier d’un signal périodique est une séquence
d’impulsions de Dirac à des fréquences multiples de la fréquence fondamentale. Les poids
de ses impulsions sont les coefficients de la série de Fourier.

- Transformée de Fourier de la sortie d’un système LTI

⇔
y ( t ) =x ( t )∗h ( t ) ❑ Y ( f )=X ( f ) H ( f )

La transformée de Fourier du signal de sortie d’un système LTI est le produit simple entre la
transformée de Fourier du signal d’entrée et la fonction de transfert du système LTI.

1.3 Puissance et énergie

Dans cette section, nous élargissons le concept de puissance et énergie dans les domaines en
temps et en fréquence.

L’énergie et la puissance d’un signal représentent l’énergie et la puissance délivrées par un signal
lorsque ce dernier est interprété comme une tension ou un courant qui alimentent une résistance
de 1 Ω.
+∞
E x =∫ |x ( t )| dt
2

−∞
T/2
1
∫
2
P x =lim |x ( t )| dt
T → ∞ T −T /2
Un signal est à énergie si E x < ∞ et à puissance si P x < ∞. Un signal ne peut être à énergie et à
puissance en même temps, car P x =0 si l’énergie est finie et E x =∞ dans le cas d’un signal à
puissance. Un signal peut n’être si à puissance ni à énergie. Cependant, la majorité des signaux
d’intérêt sont à énergie ou à puissance. En pratique, les signaux périodiques de période T 0 sont
des signaux à puissance dont la puissance est :
T 0 /2
1
T 0 −T∫/ 2
2
P= |x ( t )| dt
0

1.3.1 Signaux à énergie

Pour un signal à énergie x (t ) , la fonction d’autocorrélation :

+∞ +∞
R x ( τ )=∫ x ( t ) x ( t−τ ) dt= ∫ x (t +τ ) x ( t ) dt =x ( τ )∗x (−τ )
¿ ¿ ¿

−∞ −∞

+∞
À τ =0, nous avons : R x ( 0 )=∫ x ( t ) x ( t ) dt=E x
¿

−∞

+∞ +∞
Dans le domaine fréquentiel (Relation de Parseval) : E x =∫ |x ( t )| dt=∫ | X ( f )| df
2 2

−∞ −∞

2
G x ( f )=|X ( f )| =F [ R x ( τ ) ] représente la densité spectrale d’énergie du signal x (t ) .

- Énergie du signal de sortie d’un système LTI

L’énergie du signal de sortie d’un système LTI est donné par :
+∞ +∞
E y =∫ |Y ( f )| df = ∫ | X ( f )| |H ( f )| df =R y ( 0 )
2 2 2

−∞ −∞

La fonction d’autocorrélation du signal de sortie d’un système LTI peut être déterminée en
fonction de l’autocorrélation du signal d’entrée et la réponse impulsionnelle. La densité spectrale
de puissance du signal de sortie :
2 2 2
G y ( f )=|Y ( f )| ¿| X ( f )| |H ( f )| ¿ Gx ( f ) Gh ( f )

Comme

G y ( f )=F [ R y ( τ ) ] =F [ R x ( τ ) ] F [ R h ( τ ) ]

Alors :

R y ( τ ) =Rx ( τ )∗Rh ( τ )
1.3.2 Signaux à puissance
D’une manière similaire, la fonction d’autocorrélation d’un signal à puissance peut être écrite de
la façon suivante :
T/2
1
R x ( τ )= lim
T→∞
∫ x ( t ) x ¿ ( t−τ ) dt
T −T /2

On constate que :

P x =Rx ( τ )

Soit S x ( f ), la densité spectrale de puissance (ou le spectre de puissance de x (t ) ) qui est définie
comme la transformée de Fourier de la fonction d’autocorrélation :

S x ( f )=F [ R x ( τ ) ]
+∞
Ainsi, P x =Rx ( 0 )= ∫ S x ( f ) df .
−∞

- Puissance du signal de sortie d’un système LTI pour un signal non périodique
La fonction d’autocorrélation du signal de sortie est donnée par :
¿
R y ( τ ) =Rx ( τ )∗h ( τ )∗h (−τ )

Et la fonction densité spectrale de puissance du signal de sortie est donnée par :

2
S y ( f )=F [ R y ( τ ) ]=S x ( f )|H ( f )|

La puissance du signal de sortie : P y =R y ( 0 )

- Puissance du signal de sortie d’un système LTI pour un signal périodique

Les équations ci-dessous résument les formules utiles pour l’autocorrélation du signal à l’entrée,
la densité spectrale de puissance du signal d’entrée, la puissance à l’entrée, la densité spectrale de
puissance du signal à la sortie et la puissance du signal de sortie:
∞
R x ( τ )= ∑ |X k| e j 2 π kf
2 0 τ

k=−∞

∑ |X k| δ ( f −kf 0 )
2
S x ( f )=
k=−∞

∞
P x = ∑ | X k|
2

k=−∞
 ∞

∑ |X k| δ ( f −kf 0 )
2 2 2
S y ( f )=|H ( f )| S x ( f )=|H ( f )|
k=−∞

∑ |X k| |H ( kf 0 )| δ ( f −kf 0 )
2 2
¿
k=−∞

∑ |X k| |H ( kf 0 )|
2 2
P y=
k=−∞

1.4 Transformée d’Hilbert et ses propriétés

1.4.1 Définition
La transformée d’Hilbert n’implique pas un changement de domaine (contrairement aux
transformées de Fourier, Laplace et en Z). Ainsi, la transformée d’Hilbert d’un signal dans le
domaine temporel est un autre signal dans le domaine temporel. De plus, le résultat de la
transformée d’Hilbert n’est pas équivalent au signal original.

La transformée d’Hilbert d’un signal x (t ) est un autre signal ^x (t ) dont les composantes
π
fréquentielles accusent un retard de par rapport aux composantes du signal original x (t ) :
2

{
− j π /2
X ( f )= e j π / 2 X ( f ) , f > 0
^
e X ( f ) f <0

¿− j sgn ( f ) X ( f )

Dans le domaine temporel, la transformée d’Hilbert peut être déterminée en utilisant la table des
transformées inverses de Fourier et celle des propriétés :
+∞
1 1 x (τ )
^x (t )= ∗x ( t )= ∫ dτ
πt π −∞ t−τ

1.4.2 Propriétés

- Signaux pairs et impairs

La transformée d’Hilbert d’un signal pair est impair et la transformée d’Hilbert d’un signal impair
est pair.

- Inversion de signe
Appliquer une transformée d’Hilbert deux fois de suite à un signal induit un changement de
signe :

^^x (t )=−x ( t )

- Énergie
La transformée d’Hilbert conserve l’énergie du signal :
 +∞ +∞ +∞
E ^x =∫ |^
X ( f )| df =∫ |− j sgn ( f ) X ( f )| df =∫ |X ( f )| df
2 2 2

−∞ −∞ −∞

- Orthogonalité
Le signal original et sa transformée d’Hilbert sont orthogonaux :
∞ ∞ 0 ∞
¿
∫ x ( t ) ^x ( t ) dt =∫ X ( f ) [− j sgn ( f ) X ( f ) ] df =− j ∫ |X ( f )| df + j∫|X ( f )| df =0
2 2

−∞ −∞ −∞ 0

1.5 Signaux passe-bas et passe-bande

Un signal passe-bas est un signal dont le spectre contient les fréquences autour de zéro. Un signal
passe-bande est un signal dont le spectre fréquentiel est loin de la fréquence nulle. Généralement,
le spectre des signaux passe-bande se trouve autour d’une fréquence f c beaucoup plus grande que
la largeur de bande du signal.

Un cas extrême d’un signal passe-bande est un signal sinusoïdal monofréquence de fréquence f c.
La largeur de bande d’un tel signal est nulle. Considérons un tel signal :

x (t )= A cos ( 2 π f c t +θ ) =ℜ ( A e j θ e j 2 π f t ) c

Avec l’amplitude A positive et θ entre −π et π .

1.5.1 Représentation en phaseur

Ce signal sinusoïdal peut être représenté par un phaseur d’amplitude A et de phase θ :
jθ
x l= A e

Si ce phaseur tourne dans le sens antihoraire à une vitesse angulaire de ω c =2 π f c (équivalent à

une multiplication par e j 2 π f t ), le résultat serait A e j ( 2 π f
c c t +θ)
. La projection de ce résultat sur l’axe
des réels permettrait de retrouver le signal de départ x (t )= A cos ( 2 π f c t +θ ).

1.5.2 Représentation en composante en phase et en quadrature

Ce signal x (t ) peut être développé davantage :

x (t )= A cos ( 2 π f c t +θ )

¿ A cos ( θ ) cos ( 2 π f c t )− A sin ( θ ) sin ( 2 π f c t )

¿ x c cos ( 2 π f c t )−x s sin ( 2 π f c t )

À partir de l’explication relative aux phaseurs, on remarque que ce signal sinosoïdal

monofréquence possède deux composantes. La première composante est x c = A cos ( θ ). Dans la
direction de cos ( 2 π f c t ), cette composante est appelée la composante en phase. La deuxième
composante est x s= A sin ( θ ). Dans la direction de −sin ( 2 π f c t ), cette composante est appelée la
composante en quadrature.

Supposons maintenant que nous disposons d’un phaseur avec une amplitude et une
phase faiblement variantes dans le temps (par rapport à f c):

j θ (t )
x l ( t )= A ( t ) e

Dans ce cas, nous avons :

x (t )=x c ( t ) cos ( 2 π f c t ) −x s ( t ) sin ( 2 π f c t )

Contrairement au cas statique, une faible variation dans le temps de l’amplitude et de la phase
produit un signal qui contient plusieurs fréquences. Ainsi, la largeur de bande dans ce cas n’est
plus nulle. Cependant, comme la variation de l’amplitude (appelée aussi enveloppe) et de la phase
varient faiblement, les composantes fréquentielles constituent une petite largeur de bande autour
de f c. La Figure 1.6 schématise le spectre dans un tel cas.

Figure 1.6 Spectre d’un signal passe-bande [1].

Notons que les composantes en phase et en quadrature varient faiblement. Elles représentent des
signaux passe-bas. Il est ainsi possible de représenter un signal passe-bande x (t ) en fonction de
deux signaux passe-bas.

Le signal passe-bas à valeur complexe :

x l ( t )=x c ( t ) + j x s ( t )

est appelé le signal passe-bas équivalent au signal passe-bande x (t ) . La représentation de ce

signal passe-bas en coordonnées polaires donne :
j θ (t )
x l ( t )=x c ( t ) + j x s ( t )= A ( t ) e

A ( t )=|x l ( t )|=√ x 2c ( t )+ x 2s ( t )

xs ( t )
θ ( t )=tan−1
xc ( t )

En conclusion, il existe deux façons de représenter le signal passe-bande x (t ) :

x (t )=x c ( t ) cos ( 2 π f c t ) −x s ( t ) sin ( 2 π f c t )

 ¿ A ( t ) cos ( 2 π f c t +θ ( t ) )

en fonction de deux signaux passe-bas. Il est possible de l’exprimer à l’aide des composantes en
phase et en quadrature; ou en fonction de l’enveloppe (amplitude) et la phase du signal passe-
bande.
Références
[1] J.G. Proakis, M. Salehi, Fundamentals of Communication Systems, 2ème Ed., Upper Saddle
River : Pearson/Prentice-Hall, 2014.

[2] S. Haykin and B. Van Veen, Signals and Systems, 2ème Ed., John Wiley & Sons, 2005.