Cours Traitement de Signal TRI-1

Chapitre 2 : Décomposition et analyse

spectrale des signaux

L’objectif de l’analyse spectrale est la détermination des composantes

fréquentielles d’un signal analogique ou numérique. Sur le plan théorique, l’analyse
spectrale est largement inspirée de l’analyse de Fourier. En pratique, elle intervient dans
un nombre très important d’applications. Citons parmi d’autres :
– la détermination du spectre d’un signal en vue d’une adéquation des supports de
transmission ou d’une compression ;
– l’étude de la réponse en fréquence des systèmes ;
– la mesure des distorsions harmoniques des appareillages ;

2.1.Développement en Séries de Fourier

2.1.1. Coefficients du développement

2
Soit x(t) un signal réel périodique de période T0  ω , il est possible de décomposer
0

x(t) en sérié trigonométrique (Séries de Fourier).

 
a
x(t)  0    a n cos (n 0 t)  bn sin (n 0 t)   An cos (n 0 t   n ) (2.1)
2 n 1 n 0

Avec :

T0
2
a0 
T0  x(t )dt  : représente la valeur moyenne du signal x(t)
0

T0
2
an 
T0  x(t ) cos(n t )dt
0
0 A n  a n2  bn2

T0
2 b 
bn 
T0  x(t ) sin(n t )dt
0
0  n  arctg  n 
 an 

2.1.2. Conditions de validité du développement

Comme dans tout problème de développement d’une fonction, le critère de validité

repose sur la convergence de la série en tout point vers x(t). Ainsi une fonction
périodique x(t) est développable en séries de Fourier si :
 T0 T0 
- x(t) est définie et continue sur l’intervalle  ;  à l’exception d’un nombre fini
 2 2
de points.
- x(t) ne présente pas de discontinuités de seconde espèce

Page 1
Cours Traitement de Signal TRI-1

Figure 2.1 : Exemple de discontinuité de seconde espèce

2.1.3. Cas de simplification

Si la fonction à développer possède certaines symétries, des simplifications peuvent

être apportées.

Fonction paire x(t)=x(-t), t Fonction impaire x(t)=-x(t), t

bn =0, nN an =0, nN
T0 T0
2 2
4 nN 4 nN
an 
T0  x(t ) cos(n t )dt
0
0 bn 
T0  x(t ) sin(n t )dt
0
0

Symétrie par glissement Symétrie par glissement et inversion

 T   T 
x  t   x t  0  t x  t    x  t  0  t
 2  2
Dans ce cas, tous les coefficients de rang Dans ce cas, tous les coefficients de rang
n impair sont nuls. n pair sont nuls.

Figure 2.3 : Exemple de symétrie par

Figure 2.2 : Exemple de symétrie par
glissement et inversion
glissement

2.1.4. Développement sous forme complexe

Il est possible également de mettre le développement (2.1) sous la forme complexe

suivante :

x(t)   C
n 
n exp (jn 0 t)
T0
1
Les coefficients Cn s’obtiennent par : C n 
T0  x(t) exp (  jnω t)dt
0
0

Les coefficients complexes Cn sont reliés aux coefficients an et bn par les relations
suivantes :

Page 2
Cours Traitement de Signal TRI-1

  pour n0
 a  jbn
C  n
 n 1 a0

2
a  jbn
n  0 ou C n  a  j sgn( n)b n et C 0 
C


 n  n
2
2 n 2
 n 
L’ensemble des couples  , C n  se nomme le spectre de x(t). Le spectre d’amplitude
 T0 
a n2  bn2 a0
défini par le module de Cn. C n  pour n0 et C 0  et le spectre de
2 2
 sgn(n)b n 
phase par la phase de Cn.  n   Arctg   pour n0 et 0 = 0.
 an 
 
Le spectre d’un signal périodique est un spectre de raies situées aux fréquences
multiples de l’inverse de la période. La fréquence correspondant à n = 1 est la fréquence
fondamentale. Les fréquences correspondant à n > 1 sont les fréquences harmoniques.

On peut apparaître les spectres d’amplitude et de phase dans l’expression de x(t).


   2 C n cos (n 0 t   n )
a0
x(t) 
2 n 1

2.1.4.1. Propriétés

- Si x(t) réel est pair bn = 0 et Cn = C-n

- Si x(t) est impair an = 0 et Cn = -C-n
- a n  an
- bn  bn
- Le spectre d’amplitude est une fonction paire Cn = C-n
- Le spectre de phase est une fonction impaire  n   n [2]

2.1.5. Exemples de décomposition en séries de Fourier

Exemple N°1 : Signal carré

Soit le signal carré f(t) de la figure ci-dessous. Décomposer ce signal en série de Fourier.

Sous Matlab : la fonction carrée est : square(t).

Square(2*pi*f*t) la période c’est T=1/f
t=-20 :0.05 :20 ; plot(t,square(t))

Le signal f(t) est une fonction impaire présentant une symétrie par glissement, Sa
décomposition ne comporte que des termes en sinus de rang impair : ( an =0)

Page 3
Cours Traitement de Signal TRI-1

 f (t ) sin(nt )dt  n 1  cos(n )  n 1  (1) 

2
2 2A 2A
bn  n

T T

2

 j
Cn   j
A
n

1  ( 1) n  pour A = 1 ; C n 
n

1  (1) n 
Par conséquent, la décomposition ne comprend que des harmoniques d’ordre impair

4A  1 1 
f(t)  sin(t )  sin(3t )  sin(5t )  ...
  3 5 
Son spectre bilatéral est donné sur la figure ci-contre.

clear all
close all

n=-20:1:20;
c=2*(1-(-1).^n)./(pi^2.*n.*n);
figure

stem(n,abs(c))

grid
figure

stem(n,angle(c))
grid

Exemple n°2 : signal triangulaire

On considère le signal triangulaire donné ci-dessous (la fonction f(t) est paire). La
décomposition en séries de Fourier s’écrit alors :

Page 4
Cours Traitement de Signal TRI-1

sawtooth(t,largueur)

Les an sont appelés : Spectres unilatéraux

8A  1 1 
f(t)  2 
cos(t )  2 cos(3t )  2 cos(5t )  ...
  3 5 

T T
2 0 2
2 2  4A  2  4A 
an 
T  f (t ) cos(nt )dt  T   T
T T
t  A  cos(nt )dt    
 T 0 T
t  A  cos(nt )dt

 
2 2
0 0 0
2  4A  8A 2A 2A
T  T t  A  cos(nt )dt  T 2 T t cos(nt )dt  T T cos(nt )dt  n 2 2 (1  (1) )
n

T
  
2 2 2
T T T
2 2 2
2  4A  8A 2A 2A
T 0
  
T
t  A  cos(nt ) dt   2  t cos( nt )dt 
 T 0 T 0 cos(nt )dt  2 2 (1  (1) n )
n
4A 2A 2
an  2 2 (1  ( 1) n ) donc C n  2 2 (1  ( 1) n ) pour A=1 ; C n  2 2 (1  (1) n )
n n  n 

n=-20 :1 :20 ;
xn=2*(1-(-1).^n)./(pi^2.*n.*n);
stem(n,abs(xn)) ; grid stem(n,angle(xn)) grid

Exemple n°3 : sinusoïde redressé

Page 5
 Cours Traitement de Signal TRI-1

Décomposer x(t) en Séries de Fourier

2A 4 A 1 1 1 
x(t)    cos(2t )  cos(4t )  cos(6t )  ...
  3 3,5 5,7 

2.1.6. Théorème de Parseval

La puissance d’un signal périodique est égale à la somme du carré du module de chacun
de ses harmoniques soit :

 
T0  2
1 a 1 
 C  an
2 2 2
P x(t) dt  2
n  0   bn
T0 0 n  - 2 2 n 1

2.2. Transformation 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.

2.2.1. Définition
Soit s(t) un signal déterministe. Sa Transformation de Fourier est une fonction,
généralement complexe, de la variable f et définie par :


X(f)  TF x(t)   x(t )e  j 2 ft dt (2.2)



Si cette transformation existe, la transformation de Fourier inverse est donnée par :



x(t)  TF -1  X(f)   X(f)e j 2ft df



On appelle spectre de x le module de la Transformée de Fourier de x

2.2. Propriétés

s(t) S(f)

Linéarité s(t) +r(t) S(f) +R(f)

d n s (t )  j2 f 
Dérivation n
S(f)
dt n

Page 6
 Cours Traitement de Signal TRI-1

n
 -1 
t n s (t )  j2  S(f)
 
1 f
Dilatation s(at) avec a 0 S( )
a a

t
1 1
Intégration  s( )d S(f)  S (0)
 j2 f 2
Décalage temporel s (t  t0 ) exp  -j2 ft 0  S(f)

Décalage fréquentiel exp  j2 f 0 t  s(t) S ( f  f0 )



Signal pair
s(-t) = s(t) S ( f )  2  s (t )cos(2 ft )dt
0

réelle et paire


Signal impair
s(-t) = - s(t) S ( f )  2 j  s (t )sin(2 ft )dt
0

imaginaire et impaire
Conjugaison
s*(t) S*(-f)

s(t)*r(t) S(f).R(f)
Convolution
s(t).r(t) S(f)*R(f)
S(t)
Dualité s(-f)

Transformée de Fourier de Dirac

s(t) 
TF
S( f )
 (t ) 
1
 e  2 jf
 (t   ) 
e  2 jf 0 t 
  ( f  f 0 )

Egalité de Parceval

Pour un signal d’énergie finie, l’énergie du signal est identique dans les domaines
temporel et fréquentiel.
 

 
2 2
s (t ) dt  S ( f ) df
 

Théorème de Plancherel

Page 7
Cours Traitement de Signal TRI-1

Toutes les fonctions de carré intégrables, tous les signaux à énergie finie ont une
transformée de Fourier.

X(f)   X(f)  j X(f)

Avec
 

(X(f))   x(t ) cos(2ft )dt et Im(X(f))   x(t ) sin(2ft )dt

 

X(f)= X(f)exp[jx(f)] avec x= arg{X(f)}

Définitions :

X(f) : spectre d’amplitude fonction paire

x(f) : spectre de phase fonction impaire

Relation entre la transformée de Fourier et les coefficients de Fourier pour les

signaux périodiques

Il est également possible de calculer la transformée de Fourier pour un signal périodique

de période T0, le résultat obtenu donne en réalité les mêmes informations que les
coefficients de Fourier.

  
2nt  j 2ft
X(f)   x (t )e  j 2ft dt    X n exp( j )e dt
 n  -
 T0
    n 
  X n  exp  j 2  f  t dt
n - 
  T0  
  n
  X n  f  
n -
 T0 
2.3. Exemple

Exemple 1

Calculons la transformée de Fourier d’un signal sinusoïdale : s(t) = Scos(ω0t)

 
S( f )   s (t ) exp( j 2ft )dt

 S  cos(2f

0 t ) exp( j 2ft )dt


exp( j 2f 0t )  exp( j 2f 0t )
S( f )  S 

2
exp( j 2ft )dt

S  
exp( j 2 f 0t ).exp(  j 2 ft )dt   exp( j 2 f 0t ).exp(  j 2 ft )dt 


S( f )  
2    
S
S( f )   TF  exp( j 2f 0t )  TF  exp( j 2f 0t ) 
2
S
D’où S ( f )   ( f  f 0 )   ( f  f 0 )
2

Page 8
Cours Traitement de Signal TRI-1

Exemple 2

Les signaux à énergie finie

1- x(t) = exp(-at)(t) Déterminer X(f), X(f) et x(f).
2- z(t) =x(t).y(t) ; y(t)=cos(2f0t) Déterminer Z(f).

 
1
1- X(f )   x(t ) exp( j 2ft )dt 

 exp  (a 
0
j 2f )t dt 
a  j 2f

X(f ) 
1 2f
a  4 f
2  ;  x ( f )   arctan
2 2
a

2- 1ère méthode
1 1
z(t)  x(t).y(t)  x (t ) exp( j 2f 0t )  x (t ) exp( j 2f 0t )
2 2

1 1 1 1 1 
Z(f)  X ( f  f0 )  X ( f  f0 ) =   
2 2 2  a  j 2  f  f 0  a  j 2  f  f 0  
2éme méthode

z(t)  x(t).y(t)  Z(f)  X(f) * Y(f)

exp( j 2f 0t )  exp( j 2f 0t )
y(t)  cos(2f 0t ) 
2

Page 9
Cours Traitement de Signal TRI-1

1
Y( f )    ( f  f0 )   ( f  f0 )
2
1
Z ( f )   X ( f ) *  ( f  f 0 )  X ( f ) *  ( f  f 0 )
2
1
Z ( f )   X ( f  f0 )  X ( f  f0 )
2

Exemple 3

t t  t0
x1(t) = rect(t) ; x2(t) = Arect ( )  ; x3(t) = Arect ( )
T T

1

 2

1- X 1 ( f )   rect (t ) exp( j 2ft )dt   exp( j 2ft )dt

 1

2

X1( f ) 
1
 exp( jf )  exp( jf )  sin  f  = sinc(f)
 j 2f f
Donc rect (t ) 
TF
sin c ( f )

X1(f)=  sinc(f)
0 si sinc(f)  0
x ( f )  
  si sinc(f)  0 x(f) est impaire

t
2- x2(t) = Ax1 ( )  
T

X2(f)= AT.sinc(fT)

3- X 3 ( f )  AT sin c( fT ) exp - j2ft 0 

X3(f)= X2(f)

Page 10
Cours Traitement de Signal TRI-1

 ( f ) 
- 2 ft 0 si sinc(fT)  0
X 3 
   2 ft 0 si sinc(fT)  0
T
t 0 
2

 ( f ) 
-fT si sinc(fT)  0
X 3 
   fT si sinc(fT)  0

Donc une translation n’affecte pas le spectre d’amplitude mais elle affecte le spectre de
phase.

Exemple 4 :

t
x1(t) = tri(t) ; x2(t) = Atri ( )  
T
- x1(t) = rect(t) *rect(t) donc X1(f)=sinc(f).sinc(f)=sinc²(f)
X1(f)= sinc²(f) et x1(f)=0

t
- x2(t) = Atri ( )   donc X2(f)= ATsinc²(fT)
T

Exemple 5 :

Calculer le transformée de Fourier du signal dont la dérivée est donnée par :

  ba   ba 
dx 1  t   t  
2 2
 rect    rect  
dt ba   ba   ba 
   
    

dx(t ) TF
On a   j2f  X(f)
dt

 dx  1
TF     b  a   sin c (b  a) f . exp jf (b  a)  sin c (b  a) f . exp jf (b  a )
 dt  b  a

Page 11
Cours Traitement de Signal TRI-1

 dx 
TF    sin c (b  a ) f   exp jf (b  a )  exp  jf (b  a )
 dt 

= sin c (b  a ) f .2. j. sin(f (b  a ))

 j 2f  X ( f )  sin c (b  a) f .2. j. sin(f (b  a))

sin c (b  a ) f  sin(f (b  a))
X( f )   (b  a ) sin c (b  a ) f  sin c( f (b  a))
f

Page 12