Chapitre1 Analyse Spectrale

Télécharger au format doc, pdf ou txt
Télécharger au format doc, pdf ou txt
Vous êtes sur la page 1sur 30

Chapitre 1 : Analyse spectrale (fréquentielle) - Analyse de Fourier

1
a) Exemple de signal continu analogique b) Exemple de signal discret quantifié

c)Exemple de signal discret analogique d) Exemple de signal quantifié continu interpolé


avec bloqueur d'ordre zéro

2
Applications, motivations de l’analyse spectrale:

Un signal temporel t (s)


Comment trouver les fréquences qui existent??

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 ) > =

si x( t ) et y ( t ) sont périodiques de période T alors < x( t ) ,y( t ) > = (sur une

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

La norme de ( t ) est égale à =

a.2) Développement en série de Fourier


Soit x( t ) un signal périodique de période T.
Nous choisissons les vecteurs de base : (t)= e

C'est à dire : (t) = .

On peut vérifier que cette base est orthonormée.

6
On a donc : x( t ) = avec a = =

On note : X les coefficients de la série de Fourier : X = =

Donc x( t ) est décomposée en série de Fourier avec x(t) = .

X est la valeur moyenne Pour k = 1 , -1, on trouve le premier harmonique

Le n iéme harmonique correspond à l’indice k=n et k=-n


Cas où x( t ) est un signal réel:
on note : a = 2Ré( X ) et b = -2Im( X )

On montre que : x( t )= X +

avec a = et b = , avec k>0

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)

Exercice: Décomposer en série de Fourier le signal x(t) suivant :

8
9
Exercice 2.1: Décomposer en série de Fourier le signal

. Avec

Solution: Calculer les coef de la série de Fourier Xk:

Xk:= = = =

avec sinc(x)= sinus cardinal de x Donc X k=


On peut montrer avec un changement de variable que
10
Rappel sur quelques signaux de base
L'impulsion de Dirac:
= 1 si t=0

= 0 sinon.

Signal porte (rectangle)(fenêtre):


x(t)
1
11
t
0 .

x(t)=rect (t); T étant la largeur totale

avec: rect (t)= 1 si

0 sinon.
Signal sinusoïdal continu:

x(t)=A sin(w.t - ) , A: amplitude

: pulsation = avec T la période en seconde et f= la fréquence en hz

: phase initiale en rad


x(t)=A sin(w.t - )= A sin (w (t-t ) ) = .

Tracer x(t) = 3 sin ( 6 t – 2 )

12
Signal exponentiel complexe
e =cos + i sin =1 Arg (e ) =

Cos = , pour = t, si t augmente et est constante, le vecteur est la

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.

Sommes des 20 premiers harmoniques :

13
Exemple d'application de la série de Fourier:
Voici un exemple de la variation du taux de Distorsion des harmoniques d'un onduleur

en fonction de l'ordre des harmoniques;

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

Solution: Puisque f (t) est une fonction impaire, donc

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

En intégrant par partie, on trouve

Exercice 3 : Donner le développement en série de Fourier de ce signal et calculer sa transformée de Fourier :

Solution :

b) De la série de Fourier vers la Transformé de Fourier

x(t)= avec Xk=

18
Si le signal x(t) n'est pas périodique, on suppose qu'il est de période infinie :

on pose le changement de variable suivant

avec k variable discrète, puisque alors la variable f (opérateur de la transformée de Fourier) devient une
variable continue.

L'équation (1) donne : c'est la transformée inverse de Fourier

L'équation (2) donne : Transformée de Fourier

D'où les définitions suivantes:


: Transformée de Fourier de x (t).

: Transformée de Fourier inverse de X (f).


est un nombre complexe, son module est : le spectre d’amplitude du signal x et son argument est

est le spectre de phase.

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.

Exercice: Calculer la transformée de Fourier de

Solution : =

19
La courbe suivante est la TF du signal (T=4 s) ainsi que son spectre d'amplitude et spectre de phase.

Rappel sur le traçage des fonctions et signaux complexes:

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 :

 Convolution temporelle Produit fréquentiel

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.

Intérêt de l’échelle semi logarithmique :

23
Spectre de la parole d’un homme sur une échelle logarithmique

Spectre de la parole d’une femme sur une échelle logarithmique

e) Applications des propriétés de la Transformée de Fourier

Exemple sur l'influence de la troncature temporelle sur le spectre:


Etudions l’influence de la troncature temporelle sur ?
La troncature temporelle revient à multiplier le signal par un rectT(t)

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.

f) spectre d'énergie: et spectre de puissance:


Le spectre d'énergie: Si x(t) est un signal à énergie finie alors son spectre d’énergie est :

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

Partie 2: Échantillonnage des signaux continu


a) Spectre d'un signal échantillonné
Un échantillonneur capte la valeur du signal continu en des instants multiple d'une période d’échantillonnage noté Te
Te : période d’échantillonnage

x(t)

Sans inclure la période d'échantillonnage Te dans l'expression du signal discret

on capte les valeurs de x aux instants

Exemple:
Te= 0.1

28
On a déjà vu que la Périodisation temporelle correspond à un échantillonnage fréquentiel:

Réciproquement, l'échantillonnage temporel correspond à une périodisation spectrale.


La TF d’un signal échantillonné xe(t) avec la période d’échantillonnage Te est :

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.

Voici un autre exemple de la littérature :

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 ( )

c)La reconstruction du signal continu à partir du signal échantillonné


29
Comme approximation pratique, on peut utiliser un bloqueur d’ordre 0 (causal) ou un bloqueur d’ordre 1 (non causal)
dans la simulation ou d'autre méthode causale d'interpolation. Voici un exemple de l‘utilisation d’un bloqueur d’ordre 0.

d)Exemples de non respect du théorème d'échantillonnage


Dans la figure suivante, le signal y est obtenu en échantillonnant la signal x (de période 1.33 s) avec une période
d'échantillonnage de 1s. Le théorème d'échantillonnage n'est pas alors respecté. La restitution du signal x(t) est alors
impossible.

La figure suivante montre un exemple de non respect du théorème d'échantillonnage (repliement important)

fe >= 2 car fmax=1 Hz


Exercice : Tracer le spectre du signal y(t) suivant :
Solution :

30

Vous aimerez peut-être aussi