SlideShare une entreprise Scribd logo
Traitement du signal
Page 1
Chap2 : outils mathématiques pour le TS
SEER1-TS 2
Plan
• Introduction
• Séries de Fourier
• Transformée de Fourier
• Transformée de Laplace
3
SEER1-TS
Séries de Fourier
Page 4
SEER1-TS
Un signal périodique de période
peut être décomposé en une somme
d’ondes sinusoïdales dont les
fréquences sont multiples de
fréquence
Joseph Fourier
(1768-1830)
fo =
1
T
T
Séries de Fourier
Page 5
SEER1-TS
fo =
1
T
Soit xT(t) un signal périodique de période . Son développement en séries
de Fourier est par définition:
xT t
( )= a0 + an
n=1
+¥
å cos 2p nf0t
( )+ bn
n=1
+¥
å sin 2p nf0t
( )
Où:
of0 est la fréquence fondamentale du signal.
oa0 est la valeur moyenne ou composante continue du signal .
oak et bk sont les coefficient de Fourier du développement en cosinus et sinus.
T
Calcul des coefficient de Fourier :
Remarque :
• xT(t) pair  bn=0
• xT(t) impair  an=0
Séries de Fourier
ao =
1
T
xT t
( )dt = xT
-
T
2
T
2
ò
an =
2
T
xT t
( )cos 2p nfot
( )dt
-
T
2
T
2
ò
bn =
2
T
xT t
( )sin 2p nfot
( )dt
-
T
2
T
2
ò n ³1
le développement en série de Fourier peut s’écrire:
où
En considérant la relation trigonométrique suivante:
avec
Acos(x)+ Bsin(x) = A2
+ B2
cos(x +f)
f = artg(
-B
A
)
xT (t)= A0 + An cos(2pnf0t
1
¥
å +an )
A0 = a0 An = an
2
+bn
2
an = arctg(
-bn
an
)
Série de Fourier en cosinus
Séries de Fourier
- La représentation en cosinus est très importante car elle
correspond à la description des signaux en régime sinusoïdal
permanent où l’on représente un courant ou une tension par
son amplitude et sa phase.
- D’un point de vue pratique, cela revient à considérer que le
signal x(t) est créé de manière équivalente par une infinité de
générateur sinusoïdaux.
La représentation spectrale dans ce cas est unilatérale.
Remarques :
Séries de Fourier
Séries de Fourier
formules d’Euler :
xT t
( ) = cn
n=-¥
+¥
å e
j 2p nfot
( )
avec cn =
1
T
xT t
( )e
- j×2p nfot
( )
dt
-
T
2
T
2
ò
co = ao
cn =
an - jbn
2
c-n =
an + jbn
2
Notation complexe :
fo =
1
T
la SF peut être transformée en SF complexe :
cos(x) =
ejx
+e- jx
2
, sin(x) =
ejx
-e- jx
2 j
Relation entre les trois formes :
cos-sin cos complexe
0

n 0
a 0
0 a
A  0
0 a
c 
0

n n
n b
,
a
2
2
n
n
n b
a
A 

2
2
n
n
n
n
n
n
jb
a
c
jb
a
c





Séries de Fourier
La transformée de Fourier est une extension de la décomposition en
série de Fourier pour les signaux non périodiques.
En effet, la passage d’un signal périodique à un autre apériodique
peut se faire en considérant une période qui tend vers l’infini.
Transformée de Fourier
TF x(t)
{ }= X f
( )= x t
( )e- j2p ft
-¥
+¥
ò dt
x t
( )=TF-1
X f
( )
{ }= X f
( )ej×2p ft
-¥
+¥
ò df
Transformée de Fourier :
Transformée de Fourier inverse :
Transformée de Fourier
Linéarité :
       
f
Y
.
b
f
X
.
a
t
y
.
b
t
x
.
a F




Homothétie :
  R
avec
1








 a
a
f
X
a
at
x F
Propriétés :
Transformée de Fourier
Décalage en temps et en fréquence :
Dérivation :
x t -t0
( ) F
¬ ®
¾ X f
( ).e- j2p ft0
et
x t
( ).ej2p f0t F
¬ ®
¾ X f - f0
( )
           
f
X
f
j
dt
t
x
d
f
X
.
f
j
dt
t
dx n
F
n
n
F

 2
et
2 



Propriétés :
Transformée de Fourier
Produit de convolution :     

 d
t
y
x
t
y
x
t
y
t
x 

 



)
)(
*
(
)
(
*
)
(
       
f
Y
t
y
f
X
t
x F
F



 et
       
       
f
Y
*
f
X
t
y
.
t
x
f
Y
.
f
X
t
y
*
t
x
F
F




et
Propriétés :
Transformée de Fourier
Transformée de Fourier & Systèmes :
Un SLTI est caractérisé par sa réponse impulsionnelle h(t)
La transformée de Fourier de h(t) donne la réponse en fréquence du système H(f)
et inversement.
h(t)
x(t) y(t)=x(t)*h(t)
H(f)
X(f) Y(f)=X(f) . H(f)
TF TF TF
Transformée de Fourier
Théorème de Parseval :
Propriétés :
Transformée de Fourier
E = x2
(t)dt
-¥
+¥
ò = X(f )
2
df
-¥
+¥
ò
Densité Spectrale d ’Energie
)
f
(
TF



1
d(t) TF
¾ ®
¾ 1
f
t
j
TF
e
)
t
t
( 0
2
0

 



=
)
f
f
(
e TF
t
f
j
0
2 0


 

 
)
f
f
(
)
f
f
(
)
t
f
cos( TF
0
0
0
2
1
2 



 


 
)
f
f
(
)
f
f
(
j
)
t
f
sin( TF
0
0
0
2
1
2 



 


dTe
(t) TF
¾ ®
¾
1
Te
d( f -
n
Te
)
-¥
+¥
å
Distribution de Dirac :
Transformée de Fourier
Signal s(t) Spectre fréquentiel S(f)
Réel quelconque Complexe (partie réelle paire, partie imaginaire impaire)
Réel pair Réel pair
Réel impair Imaginaire impair
Imaginaire quelconque Complexe (partie réelle impaire, partie imaginaire paire)
Imaginaire pair Imaginaire pair
Imaginaire impair Réel impair
Complexe pair Complexe pair
Complexe impair Complexe impair
Propriétés :
Transformée de Fourier
• Échantillonnage idéal
• Transformée de Fourier
 périodisation en fréquence
xe(t) = x(t)dT (t) = x(t) d(t -kT)= x[kT]d(t -kT)
k=-¥
+¥
å
k=-¥
+¥
å
X f
T
X f f
T
X f
k
T
e
T k
( ) ( )* ( ) ( )
  



1 1
1

Échantillonnage temporel <=> périodisation en fréquence
Transformée de Fourier
Analyse spectrale
La transformée de Fourier est l’outil mathématique permettant d’obtenir une
représentation fréquentielle des signaux déterministes.
Elle a pour but de représenter, l’amplitude, la phase, l’énergie ou la puissance
d’un signal en fonction de sa fréquence notée f et permet ainsi son
analyse spectrale ou harmonique.
Remarque : la transformée de Fourier permet d’analyse un signal sous forme
d’une infinité de composantes sinusoïdales.
• Forme exponentielle du développement en série de Fourier d’un signal
périodique xT(t) de période T :
o cn.exp(jnωt) est l’harmonique d’ordre n du signal xT(t)
o l’harmonique d’ordre1 est appelé le fondamental
o l’harmonique d’ordre 0 correspond à la valeur moyenne du signal xT(t).
22
Analyse spectrale
Signaux périodiques
fo =
1
T
xT t
( )= cn
n=-¥
+¥
å e
j2p nfot
( )
• Transformée de Fourier XT(f) d’un signal périodique xT(t) de période T :
• Le spectre d’un signal périodique est donc un spectre de raies puisque
c’est la
somme d’impulsions de Dirac décalées de 1/T de poids pondérés par les
coefficients cn appelés composantes du spectre.
Si X(f) est la transformée de Fourier du motif x(t) de xT(t), alors :
• X(f) est appelée l’enveloppe complexe de XT(f) 23
Analyse spectrale
Signaux périodiques
XT ( f )= cnd( f -
n
T
)
n=-¥
+¥
å
cn =
1
T
X(
n
T
)
• Forme réelle du développement en série de Fourier d’un signal périodique
xT(t) de période T :
Les coefficients an et bn sont les coefficients réels de la série de Fourier ou
coefficients de Fourier trigonométriques.
- ancos(nωt)+bnsin(nωt) est l’harmonique d’ordre n du signal xT(t).
- l’harmonique d’ordre 1 correspond au fondamental
- l’harmonique d’ordre 0, a0 est la composante continue qui correspond à la
valeur moyenne du signal xT(t).
24
Analyse spectrale
Signaux périodiques
xT t
( )= a0 + an
n=1
+¥
å cos 2p nf0t
( )+ bn
n=1
+¥
å sin 2p nf0t
( )
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
temps (sec)
amplitude
Représentation en temps
0 1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
fréquence (Hz)
amplitude
Représentation en fréquence
Représentation des signaux
Exemples
0 1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
fréquence (Hz)
amplitude
Représentation en fréquence
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
temps (sec)
amplitude
Représentation en temps
Représentation des signaux
Exemples
0 1 2 3 4 5 6 7 8 9 10
-1
-0.5
0
0.5
1
temps (sec)
amplitude
Représentation en temps
0
0.2
0.4
0.6
0.8
1
fréquence (Hz)
amplitude
Représentation en fréquence
0 5 10 15 20 25 30
Représentation des signaux
Exemples
-5 -4 -3 -2 -1 0 1 2 3 4 5
0
0.5
1
temps (msec)
amplitude
Représentation en temps
0 1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
fréquence (MHz)
amplitude
Représentation en fréquence
Représentation des signaux
Exemples
On appelle produit de convolution entre deux fonctions x(t) et h(t),
l’opération * (notée également ) définie par :
(x*h)(t) = x(t)*h(t) = x(t)Ä h(t)
= x(t).h(t -t).dt
-¥
+¥
ò = x(t -t).h(t).dt
-¥
+¥
ò
Produit de convolution
Propriétés :
• Le produit de convolution est :
o commutatif: x(t)*h(t)=h(t)*x(t)
o distributif : x(t)*[h(t)+g(t)]=x(t)*h(t)+x(t)*g(t)
o associatif: x(t)*[h(t)*g(t)]=[x(t)*h(t)]*g
• Élément neutre : x(t)*(t) = x(t)
Produit de convolution
Expression simplifiée :
Si x(t) et h(t) sont causaux,
Alors :
x t
( ) = 0 "t < 0
h t -t
( ) = 0 "t > t
ì
í
ï
î
ï
    

t
d
t
h
x
t
h
x
0
)
(
)
(
* 


Produit de convolution
La convolution est une opération fondamentale de traitement du
signal.
Elle indique que la réponse d'un SL à l’instant t est la somme
(intégrale) pondérée des valeurs antérieures de l'excitation x(t).
La fonction de pondération est la réponse impulsionnelle h(t) du SL.
Produit de convolution
Réponse d’un système linéaire :
Considérons l’exemple de x(t) et h(t) ci-dessous :
x(t)
t
h(t)
t
Produit de convolution
Interprétation graphique
h()

h(-)

h(t-)

t
Remarque : le signal h(t-) est tout simplement
le signal initial h(), retourné dans le temps
pour obtenir h(-) puis translaté de t .
Produit de convolution
Interprétation graphique
Interprétation graphique
x().h(t-)

t
h(t-)
La surface hachurée représente : 




 

 d
t
h
x
t
h
x ).
(
).
(
)
)(
*
(
Remarque : quand t varie de - ∝ à + ∝, on obtient la fonction y(t),
convolution de x(t) et h(t). En pratique les fonctions sont non
nulles sur un support fini, donc l’intégrale a des bornes finies.
Produit de convolution
x()
Domaine
temporel
Domaine
fréquentiel
Variable : t Variable : f
Convolution Produit
e(t) → s(t) = ? E(f) → S(f) = ?
T. de Fourier
1
Calculer
:
S(f)
=
?
2
TF inverse
3
Le calcul du produit de convolution se fait en 3 étapes
Produit de convolution
Interprétation graphique
x().h(t-)

t
h(t-)
La surface hachurée représente : 




 

 d
t
h
x
t
h
x ).
(
).
(
)
)(
*
(
Remarque : quand t varie de - ∝ à + ∝, on obtient la fonction y(t),
convolution de x(t) et h(t). En pratique les fonctions sont non
nulles sur un support fini, donc l’intégrale a des bornes finies.
Produit de convolution
x()

Contenu connexe

Similaire à Traitement de signal rappel outilmathematiques

Séries de Fourier
Séries de FourierSéries de Fourier
Séries de Fourier
Frederic Jacobs
 
CM3 - Transformée de Fourier
CM3 - Transformée de FourierCM3 - Transformée de Fourier
CM3 - Transformée de Fourier
Pierre Maréchal
 
Cours tns 2015
Cours tns 2015Cours tns 2015
Cours tns 2015
HamzaOudda
 
Gele2511 ch3
Gele2511 ch3Gele2511 ch3
Gele2511 ch3
Thimothée EBODE
 
Transparents Filtrage Analogique.pptx
Transparents Filtrage Analogique.pptxTransparents Filtrage Analogique.pptx
Transparents Filtrage Analogique.pptx
GeraudRusselGouneChe1
 
GEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolutionGEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolution
Frédéric Morain-Nicolier
 
Cnc mp-2017-maths-2-corrige
Cnc mp-2017-maths-2-corrigeCnc mp-2017-maths-2-corrige
Cnc mp-2017-maths-2-corrige
Otman Aberkane
 
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdfChapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Heithem2
 
Analyse de Fourier ( serie de Fourier et TF)
Analyse de Fourier ( serie de Fourier et TF)Analyse de Fourier ( serie de Fourier et TF)
Analyse de Fourier ( serie de Fourier et TF)
mohoublucio
 
cours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdfcours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdf
OllSraphin
 
GEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériquesGEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériques
Frédéric Morain-Nicolier
 
Transformationdelaplace
TransformationdelaplaceTransformationdelaplace
Transformationdelaplace
Mustapha Madrid
 
Signaux.pdf
Signaux.pdfSignaux.pdf
Signaux.pdf
HassnTAI
 
Chapitre2-ISS.pdf
Chapitre2-ISS.pdfChapitre2-ISS.pdf
Chapitre2-ISS.pdf
ihebbenabdelfateh
 
Les Filtres Numeriques
Les Filtres NumeriquesLes Filtres Numeriques
Les Filtres Numeriques
SAHELAicha
 

Similaire à Traitement de signal rappel outilmathematiques (20)

Séries de Fourier
Séries de FourierSéries de Fourier
Séries de Fourier
 
Traitement du signal
Traitement du signalTraitement du signal
Traitement du signal
 
Fourier
FourierFourier
Fourier
 
Echantillonage
EchantillonageEchantillonage
Echantillonage
 
CM3 - Transformée de Fourier
CM3 - Transformée de FourierCM3 - Transformée de Fourier
CM3 - Transformée de Fourier
 
Cours tns 2015
Cours tns 2015Cours tns 2015
Cours tns 2015
 
Gele2511 ch3
Gele2511 ch3Gele2511 ch3
Gele2511 ch3
 
Transparents Filtrage Analogique.pptx
Transparents Filtrage Analogique.pptxTransparents Filtrage Analogique.pptx
Transparents Filtrage Analogique.pptx
 
Cours1
Cours1Cours1
Cours1
 
GEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolutionGEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolution
 
Cnc mp-2017-maths-2-corrige
Cnc mp-2017-maths-2-corrigeCnc mp-2017-maths-2-corrige
Cnc mp-2017-maths-2-corrige
 
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdfChapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
 
Analyse de Fourier ( serie de Fourier et TF)
Analyse de Fourier ( serie de Fourier et TF)Analyse de Fourier ( serie de Fourier et TF)
Analyse de Fourier ( serie de Fourier et TF)
 
cours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdfcours1-1 traitement du signal electronic.pdf
cours1-1 traitement du signal electronic.pdf
 
GEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériquesGEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériques
 
cours2.pdf
cours2.pdfcours2.pdf
cours2.pdf
 
Transformationdelaplace
TransformationdelaplaceTransformationdelaplace
Transformationdelaplace
 
Signaux.pdf
Signaux.pdfSignaux.pdf
Signaux.pdf
 
Chapitre2-ISS.pdf
Chapitre2-ISS.pdfChapitre2-ISS.pdf
Chapitre2-ISS.pdf
 
Les Filtres Numeriques
Les Filtres NumeriquesLes Filtres Numeriques
Les Filtres Numeriques
 

Dernier

La Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdfLa Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdf
SoniazghalKallel
 
Les Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et ComparatifLes Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et Comparatif
Top-plans
 
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
Faga1939
 
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
Nicolas Georgeault
 
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Chadi Kammoun
 
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
InnovaSter-Trade Ltd.
 

Dernier (6)

La Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdfLa Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdf
 
Les Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et ComparatifLes Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et Comparatif
 
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
 
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
 
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
 
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
 

Traitement de signal rappel outilmathematiques

  • 2. Chap2 : outils mathématiques pour le TS SEER1-TS 2
  • 3. Plan • Introduction • Séries de Fourier • Transformée de Fourier • Transformée de Laplace 3 SEER1-TS
  • 4. Séries de Fourier Page 4 SEER1-TS Un signal périodique de période peut être décomposé en une somme d’ondes sinusoïdales dont les fréquences sont multiples de fréquence Joseph Fourier (1768-1830) fo = 1 T T
  • 5. Séries de Fourier Page 5 SEER1-TS fo = 1 T Soit xT(t) un signal périodique de période . Son développement en séries de Fourier est par définition: xT t ( )= a0 + an n=1 +¥ å cos 2p nf0t ( )+ bn n=1 +¥ å sin 2p nf0t ( ) Où: of0 est la fréquence fondamentale du signal. oa0 est la valeur moyenne ou composante continue du signal . oak et bk sont les coefficient de Fourier du développement en cosinus et sinus. T
  • 6. Calcul des coefficient de Fourier : Remarque : • xT(t) pair  bn=0 • xT(t) impair  an=0 Séries de Fourier ao = 1 T xT t ( )dt = xT - T 2 T 2 ò an = 2 T xT t ( )cos 2p nfot ( )dt - T 2 T 2 ò bn = 2 T xT t ( )sin 2p nfot ( )dt - T 2 T 2 ò n ³1
  • 7. le développement en série de Fourier peut s’écrire: où En considérant la relation trigonométrique suivante: avec Acos(x)+ Bsin(x) = A2 + B2 cos(x +f) f = artg( -B A ) xT (t)= A0 + An cos(2pnf0t 1 ¥ å +an ) A0 = a0 An = an 2 +bn 2 an = arctg( -bn an ) Série de Fourier en cosinus Séries de Fourier
  • 8. - La représentation en cosinus est très importante car elle correspond à la description des signaux en régime sinusoïdal permanent où l’on représente un courant ou une tension par son amplitude et sa phase. - D’un point de vue pratique, cela revient à considérer que le signal x(t) est créé de manière équivalente par une infinité de générateur sinusoïdaux. La représentation spectrale dans ce cas est unilatérale. Remarques : Séries de Fourier
  • 9. Séries de Fourier formules d’Euler : xT t ( ) = cn n=-¥ +¥ å e j 2p nfot ( ) avec cn = 1 T xT t ( )e - j×2p nfot ( ) dt - T 2 T 2 ò co = ao cn = an - jbn 2 c-n = an + jbn 2 Notation complexe : fo = 1 T la SF peut être transformée en SF complexe : cos(x) = ejx +e- jx 2 , sin(x) = ejx -e- jx 2 j
  • 10. Relation entre les trois formes : cos-sin cos complexe 0  n 0 a 0 0 a A  0 0 a c  0  n n n b , a 2 2 n n n b a A   2 2 n n n n n n jb a c jb a c      Séries de Fourier
  • 11. La transformée de Fourier est une extension de la décomposition en série de Fourier pour les signaux non périodiques. En effet, la passage d’un signal périodique à un autre apériodique peut se faire en considérant une période qui tend vers l’infini. Transformée de Fourier
  • 12. TF x(t) { }= X f ( )= x t ( )e- j2p ft -¥ +¥ ò dt x t ( )=TF-1 X f ( ) { }= X f ( )ej×2p ft -¥ +¥ ò df Transformée de Fourier : Transformée de Fourier inverse : Transformée de Fourier
  • 13. Linéarité :         f Y . b f X . a t y . b t x . a F     Homothétie :   R avec 1          a a f X a at x F Propriétés : Transformée de Fourier
  • 14. Décalage en temps et en fréquence : Dérivation : x t -t0 ( ) F ¬ ® ¾ X f ( ).e- j2p ft0 et x t ( ).ej2p f0t F ¬ ® ¾ X f - f0 ( )             f X f j dt t x d f X . f j dt t dx n F n n F   2 et 2     Propriétés : Transformée de Fourier
  • 15. Produit de convolution :        d t y x t y x t y t x        ) )( * ( ) ( * ) (         f Y t y f X t x F F     et                 f Y * f X t y . t x f Y . f X t y * t x F F     et Propriétés : Transformée de Fourier
  • 16. Transformée de Fourier & Systèmes : Un SLTI est caractérisé par sa réponse impulsionnelle h(t) La transformée de Fourier de h(t) donne la réponse en fréquence du système H(f) et inversement. h(t) x(t) y(t)=x(t)*h(t) H(f) X(f) Y(f)=X(f) . H(f) TF TF TF Transformée de Fourier
  • 17. Théorème de Parseval : Propriétés : Transformée de Fourier E = x2 (t)dt -¥ +¥ ò = X(f ) 2 df -¥ +¥ ò Densité Spectrale d ’Energie
  • 18. ) f ( TF    1 d(t) TF ¾ ® ¾ 1 f t j TF e ) t t ( 0 2 0       = ) f f ( e TF t f j 0 2 0        ) f f ( ) f f ( ) t f cos( TF 0 0 0 2 1 2           ) f f ( ) f f ( j ) t f sin( TF 0 0 0 2 1 2         dTe (t) TF ¾ ® ¾ 1 Te d( f - n Te ) -¥ +¥ å Distribution de Dirac : Transformée de Fourier
  • 19. Signal s(t) Spectre fréquentiel S(f) Réel quelconque Complexe (partie réelle paire, partie imaginaire impaire) Réel pair Réel pair Réel impair Imaginaire impair Imaginaire quelconque Complexe (partie réelle impaire, partie imaginaire paire) Imaginaire pair Imaginaire pair Imaginaire impair Réel impair Complexe pair Complexe pair Complexe impair Complexe impair Propriétés : Transformée de Fourier
  • 20. • Échantillonnage idéal • Transformée de Fourier  périodisation en fréquence xe(t) = x(t)dT (t) = x(t) d(t -kT)= x[kT]d(t -kT) k=-¥ +¥ å k=-¥ +¥ å X f T X f f T X f k T e T k ( ) ( )* ( ) ( )       1 1 1  Échantillonnage temporel <=> périodisation en fréquence Transformée de Fourier
  • 21. Analyse spectrale La transformée de Fourier est l’outil mathématique permettant d’obtenir une représentation fréquentielle des signaux déterministes. Elle a pour but de représenter, l’amplitude, la phase, l’énergie ou la puissance d’un signal en fonction de sa fréquence notée f et permet ainsi son analyse spectrale ou harmonique. Remarque : la transformée de Fourier permet d’analyse un signal sous forme d’une infinité de composantes sinusoïdales.
  • 22. • Forme exponentielle du développement en série de Fourier d’un signal périodique xT(t) de période T : o cn.exp(jnωt) est l’harmonique d’ordre n du signal xT(t) o l’harmonique d’ordre1 est appelé le fondamental o l’harmonique d’ordre 0 correspond à la valeur moyenne du signal xT(t). 22 Analyse spectrale Signaux périodiques fo = 1 T xT t ( )= cn n=-¥ +¥ å e j2p nfot ( )
  • 23. • Transformée de Fourier XT(f) d’un signal périodique xT(t) de période T : • Le spectre d’un signal périodique est donc un spectre de raies puisque c’est la somme d’impulsions de Dirac décalées de 1/T de poids pondérés par les coefficients cn appelés composantes du spectre. Si X(f) est la transformée de Fourier du motif x(t) de xT(t), alors : • X(f) est appelée l’enveloppe complexe de XT(f) 23 Analyse spectrale Signaux périodiques XT ( f )= cnd( f - n T ) n=-¥ +¥ å cn = 1 T X( n T )
  • 24. • Forme réelle du développement en série de Fourier d’un signal périodique xT(t) de période T : Les coefficients an et bn sont les coefficients réels de la série de Fourier ou coefficients de Fourier trigonométriques. - ancos(nωt)+bnsin(nωt) est l’harmonique d’ordre n du signal xT(t). - l’harmonique d’ordre 1 correspond au fondamental - l’harmonique d’ordre 0, a0 est la composante continue qui correspond à la valeur moyenne du signal xT(t). 24 Analyse spectrale Signaux périodiques xT t ( )= a0 + an n=1 +¥ å cos 2p nf0t ( )+ bn n=1 +¥ å sin 2p nf0t ( )
  • 25. 0 1 2 3 4 5 6 7 8 9 10 -1 -0.5 0 0.5 1 temps (sec) amplitude Représentation en temps 0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 fréquence (Hz) amplitude Représentation en fréquence Représentation des signaux Exemples
  • 26. 0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 fréquence (Hz) amplitude Représentation en fréquence 0 1 2 3 4 5 6 7 8 9 10 -1 -0.5 0 0.5 1 temps (sec) amplitude Représentation en temps Représentation des signaux Exemples
  • 27. 0 1 2 3 4 5 6 7 8 9 10 -1 -0.5 0 0.5 1 temps (sec) amplitude Représentation en temps 0 0.2 0.4 0.6 0.8 1 fréquence (Hz) amplitude Représentation en fréquence 0 5 10 15 20 25 30 Représentation des signaux Exemples
  • 28. -5 -4 -3 -2 -1 0 1 2 3 4 5 0 0.5 1 temps (msec) amplitude Représentation en temps 0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 fréquence (MHz) amplitude Représentation en fréquence Représentation des signaux Exemples
  • 29. On appelle produit de convolution entre deux fonctions x(t) et h(t), l’opération * (notée également ) définie par : (x*h)(t) = x(t)*h(t) = x(t)Ä h(t) = x(t).h(t -t).dt -¥ +¥ ò = x(t -t).h(t).dt -¥ +¥ ò Produit de convolution
  • 30. Propriétés : • Le produit de convolution est : o commutatif: x(t)*h(t)=h(t)*x(t) o distributif : x(t)*[h(t)+g(t)]=x(t)*h(t)+x(t)*g(t) o associatif: x(t)*[h(t)*g(t)]=[x(t)*h(t)]*g • Élément neutre : x(t)*(t) = x(t) Produit de convolution
  • 31. Expression simplifiée : Si x(t) et h(t) sont causaux, Alors : x t ( ) = 0 "t < 0 h t -t ( ) = 0 "t > t ì í ï î ï       t d t h x t h x 0 ) ( ) ( *    Produit de convolution
  • 32. La convolution est une opération fondamentale de traitement du signal. Elle indique que la réponse d'un SL à l’instant t est la somme (intégrale) pondérée des valeurs antérieures de l'excitation x(t). La fonction de pondération est la réponse impulsionnelle h(t) du SL. Produit de convolution Réponse d’un système linéaire :
  • 33. Considérons l’exemple de x(t) et h(t) ci-dessous : x(t) t h(t) t Produit de convolution Interprétation graphique
  • 34. h()  h(-)  h(t-)  t Remarque : le signal h(t-) est tout simplement le signal initial h(), retourné dans le temps pour obtenir h(-) puis translaté de t . Produit de convolution Interprétation graphique
  • 35. Interprétation graphique x().h(t-)  t h(t-) La surface hachurée représente :          d t h x t h x ). ( ). ( ) )( * ( Remarque : quand t varie de - ∝ à + ∝, on obtient la fonction y(t), convolution de x(t) et h(t). En pratique les fonctions sont non nulles sur un support fini, donc l’intégrale a des bornes finies. Produit de convolution x()
  • 36. Domaine temporel Domaine fréquentiel Variable : t Variable : f Convolution Produit e(t) → s(t) = ? E(f) → S(f) = ? T. de Fourier 1 Calculer : S(f) = ? 2 TF inverse 3 Le calcul du produit de convolution se fait en 3 étapes Produit de convolution
  • 37. Interprétation graphique x().h(t-)  t h(t-) La surface hachurée représente :          d t h x t h x ). ( ). ( ) )( * ( Remarque : quand t varie de - ∝ à + ∝, on obtient la fonction y(t), convolution de x(t) et h(t). En pratique les fonctions sont non nulles sur un support fini, donc l’intégrale a des bornes finies. Produit de convolution x()