Chapitre1 Analyse Spectrale
Chapitre1 Analyse Spectrale
Chapitre1 Analyse Spectrale
1
a) Exemple de signal continu analogique b) Exemple de signal discret quantifié
2
Applications, motivations de l’analyse spectrale:
En traçant son spectre X(f) ou le spectrogramme qui englobe : Amplitude (couleurs), temps, freq
Ampl, freq
3
Application: Analyse vibratoire
Chaque défaut peut être localisé sur le spectre par une fréquence
4
Signal non stationnaire conteant 3 fréquences et son spectrogramme
5
Partie 1 :La transformée de Fourier des signaux continus et ses propriétés
a) Représentation vectorielle des signaux
a.1) Espace vectoriel des signaux
Tout signal x( t ) se décompose dans une base constituée des signaux ( t ) avec
x( t ) = ( t ).
k Z : l'indice du vecteur de la base.
Les coordonnées sont données par a = <x( t ), ( t ) > = le produit scalaire des deux vecteurs donné par
<x(t),y( t ) > =
période)
la notation * représente le complexe conjugué
Remarque: La base est orthonormée si et seulement si pour tout k, la norme est égale à 1 et les produit scalaire <
, > = 0 si m k
6
On a donc : x( t ) = avec a = =
On montre que : x( t )= X +
Tout signal périodique de période T=1/f peut être décomposé en une valeur moyenne X0 et une infinité
d’harmoniques : de cos et sin d’amplitudes variables ak et bk et de fréquences multiples de sa fréquence
fondamentale f : 2f, 3f , 4f, 5f,
Si x(t) est pair, bk=0 et aussi si x(t) est impair, alors ak=0
7
X0 = Valeur moyenne de x(t)
8
9
Exercice 2.1: Décomposer en série de Fourier le signal
. Avec
Xk:= = = =
= 0 sinon.
0 sinon.
Signal sinusoïdal continu:
12
Signal exponentiel complexe
e =cos + i sin =1 Arg (e ) =
somme de deux vecteurs d'amplitude 0.5, l'un tourne dans le sens positif et l'autre dans le sens négatif.
On vérifie bien que -1 1
Voici la représentation des 3 premiers harmonique non nulles et de leur somme pour le signal :
y( t )= 1.333 + avec et
La somme de la valeur moyenne (vert) et du premier harmonique (bleu) nous donne une première approximation (en
noir) du signal rouge à décomposer.
13
Exemple d'application de la série de Fourier:
Voici un exemple de la variation du taux de Distorsion des harmoniques d'un onduleur
la sortie de l’onduleur est représentée sur la figure suivante: (période d’échantillonnage = 10 -6 s) (période = 50Hz)
14
Ceci est plus visible sur une échelle logarithmique. Comùande matlab loglog
15
TD corrigé :
Exercice 1: Décomposer en série de Fourier le signal temporel en dent de scie représenté sur la figure suivante:
f(t)
2 t
16
La période du signal est : T0 = 4, sa fréquence est : Hz.
La pulsation est :
On pose : u = t u’=1
Donc ,
clear;clc;s=0;t=-6:0.01:6;
for n=1:4
b=4/n/pi*(-1)^(n+1);
s=s+b*sin(pi*n/2*t);
end;
x=s;subplot(221);plot(t,x,'b','linewidth',2);
grid;hold on;
t1=-6:0.01:-2;y1=t1+4;
t2=-2:0.01:2;y2=t2;
t3=2:0.01:6;y3=t3-4;
plot([t1 t2 t3],[y1 y2 y3],'r','linewidth',2);
Exercice 2:
Décomposer en série de Fourier le signal temporels représentée sur la figure suivante:
17
f(t)
1 t
Solution:
La période est : T = 2
La pulsation est : ; f est une fonction paire.
La valeur moyenne est :
a0 = 3/4+3/4=3/2
Solution :
18
Si le signal x(t) n'est pas périodique, on suppose qu'il est de période infinie :
avec k variable discrète, puisque alors la variable f (opérateur de la transformée de Fourier) devient une
variable continue.
Donc tout signal temporel non périodique x(t) contient une infinité de signaux cos et sin, de toutes les fréquences, mais
d’amplitude et de phase variables.
Solution : =
19
La courbe suivante est la TF du signal (T=4 s) ainsi que son spectre d'amplitude et spectre de phase.
20
c) Quelques propriétés de la transformée de Fourier
Si le signal x (t) est réel pair alors :
Si le signal x (t) est réel impair alors :
Linéarité: La TF est linéaire
Translation temporelle
La translation temporelle correspond à une rotation spectrale
21
Rotation temporelle : La rotation temporelle correspond à une translation spectrale
Similitude :
Une dilatation ou un étalement de l’échelle temporelle se traduit par une compression de l’échelle fréquentiel et vice-
versa.
(Exemple : moteur de radio-cacette: si le moteur tourne lentement son plus grave
si le moteur tourne rapidement son plus aigue
Dilatation temporelle est une compression fréquentielle
Compression temporelle est une dilatation fréquentielle
Théorème de Perceval :
On considère les deux signaux apériodique x (t) et y (t) à énergie finie, continus et dont l’intégrale de chacun est bornée,
alors on peut montrer que la transformée de Fourier conserve le produit scalaire, soit :
Y(f)=X(f).H(f)
capte le signal à l'instant 0
capte le signal à l'instant t 0
d) Quelques TF usuelles:
22
Les deux signaux de paroles suivants sont prononcés respectivement par un homme (fe=8Khz) et d'une femme
(fe=11Khz). Leurs spectres d'amplitude sont respectivement tracés en rouge.
23
Spectre de la parole d’un homme sur une échelle logarithmique
Plus que la troncature temporelle est grande, plus que la largeur des deux sinc est grande aussi.
Voici un exemple de T= 20 s.
0.5
-0.5
-1
-20 -15 -10 -5 0 5 10 15 20
t(s)
0.8
0.6
0.4
0.2
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
f(Hz)
24
25
26
27
Influence de la périodisation d’un signal :
La Périodisation temporelle (de période T) correspond à un échantillonnage fréquentiel (de période d’échantillonnage )
Exemple: Voici le spectre d'amplitude d'un signal porte périodique de période 10 s. Il correspond à un échantillonnage
fréquentiel du spectre du signal porte non périodique avec une période d'échantillonnage de 0.1 Hz.
donc
car
Le spectre de puissance : Si x (t) est un signal à puissance moyenne finie alors son spectre de puissance est :
. On peut montrer aussi que
x(t)
Exemple:
Te= 0.1
28
On a déjà vu que la Périodisation temporelle correspond à un échantillonnage fréquentiel:
Exemple: L'échantillonnage du signal rect avec une période d'échantillonnage Te=0.25 va donner une périodisation de
son spectre avec une période 1/Te= 4 Hz.
b) Théorème d'échantillonnage
La restitution d’un signal continu x(t) à partir de sa version échantillonnée xe(t) avec une période d'échantillonnage
est idéale (complète) si et seulement si avec est la fréquence maximale contenu dans le
spectre X(f).
Elle se fait en passant xe(t) dans un filtre passe bas de fréquence de coupure fmax et d’amplitude
Si cette condition est vérifiée, Il n'y a pas de repliement (chevauchement) spectral des bandes de la TF(xe(t)), on ne peut
pas séparer la bande centrale ( )
La figure suivante montre un exemple de non respect du théorème d'échantillonnage (repliement important)
30