Département Génie Électrique & Systèmes

Intelligents

Filière : Systèmes Embarqués

Compte rendu

TP 2 : Transformée de Fourier des signaux

Année Universitaire : 2024/2025

 Introduction

Le but de ce deuxième travail pratique (TP) est d'étudier l'application de la

transformée de Fourier (TF) sur des signaux échantillonnés, afin d'analyser leur
représentation fréquentielle. La transformée de Fourier est un outil essentiel
dans le traitement des signaux, car elle permet de passer du domaine temporel
au domaine fréquentiel, ce qui permet d'étudier la répartition de l'énergie du
signal en fonction de la fréquence.
Dans ce TP, nous nous intéressons aux signaux échantillonnés. Ces signaux sont
représentés par un ensemble d'échantillons dans le domaine temporel, ce qui
introduit une périodicité dans leur spectre lorsqu'ils sont transformés en
fréquence. La période d'échantillonnage choisie est de 25 µs, ce qui correspond
à une fréquence d'échantillonnage de 40 kHz, et le nombre d'échantillons est
fixé à 1000.
L'objectif principal de ce TP est d'illustrer le phénomène de périodisation du
spectre des signaux échantillonnés. En effet, la transformée de Fourier d'un
signal échantillonné produit un spectre périodique, où les copies du spectre
original apparaissent à des intervalles égaux à la fréquence d'échantillonnage. Ce
phénomène sera mis en évidence par le calcul de la transformée de Fourier d'un
signal échantillonné à l'aide de la commande FFT (Fast Fourier Transform) de
Matlab.
Grâce à Matlab, nous allons calculer et visualiser la transformée de Fourier des
signaux échantillonnés. Le logiciel calcule cette transformée sur une plage de
fréquences allant de 0 à la fréquence d'échantillonnage moins un pas de
fréquence, conformément à la théorie de la transformée de Fourier discrète. Ce
TP nous permettra ainsi de mieux comprendre les caractéristiques spectrales des
signaux échantillonnés et de renforcer notre maîtrise de l'utilisation de Matlab
pour l'analyse fréquentielle des signaux.
 I. Manipulation :

1. Calcul de transformées de Fourier d’un signal cosinusoïdal

Après la définition du temps d’échantillonnage 𝑇𝑒 à 25µ𝑠 ainsi que le nombre de
valeurs à générer 𝑛𝑝𝑡𝑠 à 1000 :
1) Générer la suite de valeurs du temps.
2) Générer le signal 𝑥(𝑡) = 𝑐𝑜𝑠(2𝜋𝑓0𝑡) avec 𝑓0 = 2𝐾𝐻𝑧.
3) Tracer la courbe du signal sur la figure 1 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
4) Calculer la transformée de Fourier de ce signal.
5) Tracer le spectre du signal sur la figure 1 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
6) Que remarquez-vous ?
En conclusion, le spectre d'un signal cosinusoïdal échantillonné montre des pics
distincts aux fréquences ±f0 , correspondant à la fréquence fondamentale du
signal. La symétrie du spectre et sa périodicité, liée à la fréquence
d'échantillonnage, sont des caractéristiques typiques des signaux réels
échantillonnés. Cela démontre l'importance de l'échantillonnage dans la
représentation fréquentielle des signaux, où la périodisation du spectre apparaît
clairement.
2. Calcul de transformées de Fourier d’un signal cosinusoïdal
redressé en simple alternance
On garde le même signal cosinusoïdal de la question 2) :
1) Générer le signal 𝑦(𝑡) redressé en simple alternance.
2) Tracer la courbe du signal sur la figure 2 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
3) Calculer la transformée de Fourier de ce signal.
4) Tracer le spectre du signal sur la figure 2 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
5) Que remarquez-vous ?
Le redressement en simple alternance modifie la forme du signal, ce qui
entraîne l’apparition de nouvelles fréquences harmoniques dans le spectre. Ce
phénomène est typique des signaux non sinusoïdaux, où des composantes
supplémentaires sont générées à des multiples de la fréquence fondamentale, et
le spectre devient plus large et asymétrique.
 3. Calcul de transformées de Fourier d’un signal carré périodique de
moyenne nulle
Après la définition du temps d’échantillonnage 𝑇𝑒 à 25µ𝑠 ainsi que le
nombre de valeurs à générer 𝑛𝑝𝑡𝑠 à 1000 :
1) Générer la suite de valeurs du temps.
2) Générer le signal 𝑥(𝑡) = 𝑠𝑞𝑢𝑎𝑟𝑒(2𝜋𝑓0𝑡) avec 𝑓0 = 2𝐾𝐻𝑧.
3) Tracer la courbe du signal sur la figure 3 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
4) Calculer la transformée de Fourier de ce signal.
5) Tracer le spectre du signal sur la figure 3 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
6) Que remarquez-vous ?
7) Comment éviter le problème du repliement spectral
Le spectre du signal carré montre des harmoniques impaires de la fréquence
fondamentale f0=2 kHz. Si la fréquence d'échantillonnage est trop faible, un
repliement spectral peut se produire, causant des distorsions. Pour éviter cela, il
faut augmenter la fréquence d'échantillonnage, en la rendant au moins deux fois
plus grande que la fréquence du signal
 4. Calcul de transformées de Fourier d’un signal carré TTL
Après la définition du temps d’échantillonnage 𝑇𝑒 ainsi que le nombre de valeurs
à générer 𝑛𝑝𝑡𝑠 à 1000 :
1) Générer la suite de valeurs du temps.
2) Générer le signal 𝑥(𝑡) = 𝑠𝑞𝑢𝑎𝑟𝑒(2𝜋𝑓0𝑡) avec 𝑓0 = 2𝐾𝐻𝑧.
3) Tracer la courbe du signal sur la figure 4 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
4) Calculer la transformée de Fourier de ce signal.
5) Tracer le spectre du signal sur la figure 4 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
6) Que remarquez-vous ?
Le spectre du signal carré TTL présente une distribution d'harmoniques à des
multiples impairs de la fréquence fondamentale f0=2 kHz, similaire à un signal
carré périodique. Cependant, étant donné que le signal TTL a des transitions
brusques, il génère une plus grande quantité d'harmoniques dans le spectre, ce
qui rend le signal plus riche en fréquences. Cela peut entraîner des effets de
repliement spectral si la fréquence d'échantillonnage n'est pas suffisante pour
capturer toutes ces composantes fréquentielles.
5. Calcul de transformées de Fourier d’un signal porte de largeur 1
causal
Après la définition du temps d’échantillonnage 𝐹𝑒 = 40000 ainsi que le nombre
de valeurs à générer 𝑛𝑝𝑡𝑠 à 40000 :
1) Générer la suite de valeurs du temps.
2) Générer le signal 𝑥(𝑡) = 𝑟𝑒𝑐𝑡𝑝𝑢𝑙𝑠(𝑡𝑒𝑚𝑝𝑠, 1).
3) Tracer la courbe du signal sur la figure 5 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
4) Calculer la transformée de Fourier de ce signal.
5) Tracer le spectre du signal sur la figure 5 en utilisant la commande 𝑠𝑢𝑏𝑝𝑙𝑜𝑡(𝑙,
𝑐, 𝑝).
6) Que remarquez-vous ?
Le spectre du signal porte de largeur 1 présente une distribution en "sin" dans le
domaine fréquentiel. Cela signifie que le spectre décroît progressivement en
fonction de la fréquence, avec une valeur maximale à la fréquence zéro
(correspondant à la composante continue). Ce type de signal a une large bande
passante et montre une décroissance caractéristique qui est inversément
proportionnelle à la largeur du signal dans le domaine temporel. Plus la durée du
signal est courte, plus son spectre est large et contient de nombreuses
fréquences.
 Conclusion

Ce travail pratique a permis d'explorer l'application de la transformée de Fourier

à divers signaux, et de mieux comprendre leur représentation dans le domaine
fréquentiel. À travers l'analyse de signaux cosinusoïdaux, carrés, TTL et portes,
nous avons observé les effets de l'échantillonnage sur le spectre, ainsi que
l'apparition d'harmoniques et de phénomènes de repliement spectral (aliasing)
lorsque la fréquence d'échantillonnage est insuffisante. En particulier, nous
avons pu étudier la façon dont les signaux périodiques et non périodiques se
manifestent dans le domaine fréquentiel, et l'importance de choisir une
fréquence d'échantillonnage adéquate pour éviter les distorsions. Ce TP a
également illustré l'impact du traitement de signal sur la structure du spectre,
avec des exemples concrets en utilisant Matlab pour calculer et visualiser les
transformées de Fourier.