Kad Ah phd a ep Pe Say SO Dy Repub Ministére de 1'Enseignement Supésiew 4 Ageenne Dem Ecole Supérieure en Génie Electrique et aig iat oii @RBQ2E an AMD % 0 Cours de Théorie et Traitement de Signal Dr. Fatima TAHRI Janvier 2018AVANT-PROPOS Ce document est un support de cours destiné aux étudiants en 3°” année de la formation diingénieur d'état en électrotechnique. Mais bien entendu il peut étre utilisé par tout ceux en 1 cycle ou 2** cycle LMD. En plus c’est un document de base en matiére de théorie et traitement de signal pour les post- graduants, qui désirent approfondir leurs connaissances, Dans le cadre de ce cours, nous nous intéressons principalement au traitement de signal qui est une discipline indispensable de nos jours. Il a pour objet I’élaboration ou V'interprétation des signaux porteurs d'information. Dr, Fatima TAHRITABLE DES MATIERES Chapitre I. GENERALITES SUR LES SIGNAUX 1.1 Introduction 1.2. Signal 13, Théorie du signal 14, Le traitement de signal L5. Systéme 1.6. Types de signal 17. Signal causal 18, Classification énergétique 9. Classification morphologique 1.10. Classification spectrale 1.11, Représentation temporelle/tréquentielle (spectre) 1.12. Bruit Chapitre I. LES SIGNAUX DETERMINISTES IL.1. Introduction 11.2. Fonction signe 13, Echelon unité (échelon de Heaviside) IL4. Fonction de Rampe IL, Fonetion Rectangulaire 11.6. Fonction Triangulaire 11.7. Impulsion de Dirac IL8. Sinus cardinal Chapitre IIL CONVOLUTION ET CORRELATION IIL. Introduction I1L.2. Convolution 11.3. Propriétés 1113.3. Distributivité III4. Corrélation IILS. Relation entre la corrélation et la convolution I11.6. Propriétés Chapitre IV. ANALYSE DE FOURIER IV. L Introduction IV.2. L'analyse de Fourier o1 o1 o1 o1 02 02 03 03 05 06 07 08 09 09 09 09 09 10 cry 12 13 15 15 18 19 20 22 23 24 24TABLE DES MATIERES IV.3. Transformation de Fourier des fonctions périodiques : série de Fourier 24 IV. 4. Transformation de Fourier des fonctions 33 IV.5. Transformée de Fourier des signaux élémentaires 39 1V.6. Produit d’une fonction périodique par un signal a énergie finie 41 Chapitre V. Transformée de Laplace V.1. Introduction 4B V.2. Definition de la transformée de Laplace 43 V.3. Domaine de convergence (Dp) 45 V.4. Propriétés usuelles de la transformée de Laplace 46 V.5. Tableau des transformées de Laplace 48 V.6. Transformée inverse de Laplace 49 Chapitre VI. L’7ECHANTILLONNAGE VL. 1. Introduction 54 VI2. Principe de I’échantillonnage 54 VL3. Echantillonnage idéal d’un signal analogique 55 ‘VLA. La transformée de Fourier dun signal échantillonné 56 VLS. Probleme d’échantillonnage 57 VLG. Echantillonnage et recouvrement du spectre 58 VL7. Enoncé du théoréme de Shannon 60 VL8. Quantification 62 VL9. Transformée de Fourier Discréte 64 Chapitre VII. LA TRANSFORMEE EN Z VIL.1. Introduction 69 VIL2. Définition 1 69 VIL3. Définition 2 69 VIL4. La transformée en z des signaux discrets standards 69 VILS. Propriétés de la transformée en Z 71 VILG. Transformée inverse en Z 74 VIL7. La convolution et la transformée en Z 76 Chapitre VII. LES FILTRES ANNALOGIQUES VIIL1. Introduction 78 VIIL2. Caractéristiques de base 78 VIIL3. Filtres passe-bas 80 VIIL3.1. Circuit RL série 81TABLE DES MATIERES VIIL3.2. Circuit RC VIIL3.3. Les courbes de Bode VIIL4, Filtres passe-haut ie VIILS. Filtres passe-bande VIILS.1. Caractéristiques VIILS.2. Circuit RLC série VIIL6. Filtres coupe-bande VIIL6.1. Filtre coupe-bande RLC série ANNEXES Annexe A. Annexe BI ‘Annexe B2 Bibliographies 83 84 86 89 39 89 a1 91 94 95 96 97Chapitre I GENERALITES SUR LES SIGNAUXGENERALITES SUR LES SIGNAUX 1.1 Introduction : Dans ce chapitre, quelques définitions et notions élémentaires d’énergie et de puissance sont introduites afin de fixer les objectif's de ce cours, 1.2. Signal : Une grandeur physique dépendant du temps ou d’autre variable, véhicule une information utile a Vobservateur Exemple : un bip sonore — le son. La lumiére —> onde lumineuse. La musique — acoustique —-un morceau ou une chanson, La photographie —> "image — les portraits d’une personne Remarque : le rle majeur du signal c’est la communication dans les disciplines tel que automatique, informatique et électrique. 1.3. Théorie du signal : La théorie du signal est l'ensemble des outils conceptuels qui permettent de construire des modéles théoriques basés sur les lois physiques exprimés en langage mathématique pour fournir une représentation du signal 14. Le traitement de signal : Crest la discipline ou technique qui s'appuyant sur les ressources de I’électronique, de informatique et de la physique appliquée, qui a pour objet I’élaboration ou linterprétation des signaux porteurs de l'information. Domaine d’application : le traitement de signal trouve sont champ d’application dans les domaines concerner par la perception, la transmission ou exploitation de ses informations. Exemple : analyse biomédicale, géo physique, astronomie, traitement d’image ete. En électrotechnique : vibration d'une machine tournante, fluctuation des charges d'un réseau électrique, perturbation électromagnétique.GENERALITES SUR LES SIGNAUX Remarque : Les signaux que nous étudions sont des grandeurs qui évoluent avec le temps. La variable peut ne pas Gtre «tb», ex : un signal optique est une fonction du temps et de l’espace. LS. Systtme : xet) vit) sar | s j > Signal Signal Dentrée De sortie Figure 1, Schéma universe! d'un systéme de structure indifférente(boite noire). Exemple : systéme de transmission (par satellite) ‘Systme de transformation (amplificateur, codeur, décodeur,...), 1.6. Types de signal Les signaux peuvent étre distingués en deux grandeurs catégories ‘Signaux ‘Signaux deterministes Signaux aleatorres ‘Analogique Numeérique ‘Analogique Numérique x(t) 16.1. Signaux déterministes : xitt) Se sont des signaux dont I’évolution en fonction du temps, peut étre parfaitement décrit par un model mathématique. 1.6.2. Signaux aléatoires : Se sont des signaux dont le comportement est imprévisible pour leur description, on utilise la description physique. On distingue également dans chacune des deux classes des signaux analogiques et des signaux numériques.GENERALITES SUR LES SIGNAUX 17. Signal causal : Un signal causal est tout signal nul pour toutes les valeurs nulles du temps, on dit qu’un systéme est causal si sa réponse est nulle pour 1 <0 18, Classification énergétique : a) Signaux A énergie finie : u(t)=Ri(r) L’énergie dissipée pendant une durée donnée (t,t) e-}Ou-fe Jat Le plus souvent, on considére I’ énergie normalisée, dans ce cas R= 10. Si s(t) est complexe £=]s°(1)s()ar=f[s(0) dt ** : e’est le conjugué. x=at jb, x*=a- jb Définition : on appelle un signal a énergie finie non nulle tout signal dont I’énergie reste finie quand lintervalle considéré varie de -s0 a +00 |s(affar coo 0) L’énergie est toujours positiveGENERALITES SUR LES SIGNAUX Exemple : s(t)=Ae“!,a>0 Le signal est a énergie finie Remarque : les signaux d’ énergie finie sont tout les signaux de type transitoire, qu’il soit déterministes ou aléatoires. b) Signaux A puissance moyenne finie : Nombreux signaux importants ne vérifient pas la condition précédente, a savoir : «Les signaux périodiques. Les signaux aléatoires permanant. + Les signaux quasi périodiques x(t) = S'sin(S,1) Ces signaux sont caractérisés par leur puissance moyenne. La puissance moyenne d’un signal s(t) queleonque dans un intervalle de temps (f,.f2) est égale a Définition : on dit qu'un signal s(1) est 4 une puissance moyenne finie non nulle, un signal pour le quel I’équation précédente reste finie de 0 a +00 0

re fi 25W_ c’est un signal de puissance. 2sd¢ = tim +25 [7 T. 9. Classification morphologique : Dans cette famille, on prend en compte les différentes étapes sous les quelles un signal se présente Tachymetre (capteur) Convertisseur hile anti repiement —_analogiquemumenque RAP > CAN + PG Signal continu Signal numérique Signal analogique Figure 1.2. Schéma d'une chaine de mesure et de traitement. a) Signal analogique (continu) : c’est un signal dont I'amplitude et le temps sont continu, J (t)> Fonction mathématique). La variable ‘’ varie de fagon continue Vt la valeur du signal a cet instant f(t). Exemple : f (1) =acos(Sr+{) a: amplitude. S$ =2f f : pulsation.GENERALITES SUR LES SIGNAUX 4: phase. b) Signal échantillonné : un signal échantillonné est un signal dont amplitude est continue et le temps discret, ©) Signal quantifig : c'est un signal dont amplitude est discréte et le temps est continu, La quantification & chaque amplitude donne une valeur quantifiée 4x, (¢) prise parmi un ensemble fini d'une valeur discrete, 4d) Signal numérique : Un signal numérique est un signal échantillonné et quantifié (discret en amplitude et en temps). 1.10. Classification spectrale : xin) x) Se fait selon la distribution du spectre d’énergie sur Vraxe de fréquence (w, (f)) La bande de fréquence B = On aura done : 1. Signaux de basse fréquenceGENERALITES SUR LES SIGNAUX 2. Signaux de haute fréquence 3. Signaux a bande étroite 4. Signaux a large bande L.11. Représentation temporelle/fréquentielle (spectre): wo En plus de sa description temporelle, le signal peut avoir une représentation fréquentielle (spectrale) & travers son spectre qu’on obtient & l'aide d'un outil puissant qui est la transformée de Fourier TF. x(t) >x(f)= réel_ complexe x(s) i x (erat = (Spectre du signal) = [x (pearGENERALITES SUR LES SIGNAUX |X(f)| : Amplitude (y): Phase 112.Bi Tout signal perturbateur génant la perception ou Vinterprétation d'un signal est considéré comme bruit. Rapport signal/bruit : Crest une mesure de degré de contamination du signal par un bruit, On le note = P.-> puissance du signal P, > puissance du bruit ~ puissance du signal OL08 io’ > puissance du bruitChapitre II LES SIGNAUX DETERMINISTESLES SIGNAUX DETERMINISTES 11.1. Introduction : L’évolution des signaux déterministes ou certains en fonction du temps peut étre parfaitement modélisé par une fonction mathématique. mathématique de certains signaux rencor 11.2. Fonction signe : 1 -1 1>0 r<0 sent =| IL3. Echelon unité (échelon de Heavisi “| 11.4. Fonction de Ramp 1 0 1>0 <0 1 1>0 ri={i 1<0 ILS. Fonction Rectangulaire : On Totilise pour alléger la représentation mntrés souvent en théorie du signal Sgn(t) 4 1 ide) : 4 rect(t) 112 On I’appelle également Fenétre x(t)= Are 4) A: Amplitude. >t 1/2LES SIGNAUX DETERMINISTES t : Centre de symétrie. x(t) T : Largeur. Al On peut définir la fonction rectangulaire en fonction de : zp , et ane Véchelon t tH rt rees()=u( r+} -u(r-3) recttt) Uetz) i “12 ae ; X u(t-1/2) Exemple : représenter (1) graphiquement : t-3 =10.rect| —— )=Wreo( 3) 11.6. Fonction Triangulaire : Trti)= {c tt x(t) = Atri{ oean(S) A : Amplitude. A ¥ : Centre de syméttie. freee T : Lademi-largeur. oe aT 10LES SIGNAUX DETERMINISTES 11.7. Impulsion de Dirac : u(t) Impulsion de Dirac = Distribution de Delta =Impulsion unité t Elle peut étre définie par le produit scalaire : 0 (x(t).u(t)) = f (tu (t)dt = x(0) dL) u(t) : est un opérateur d’échantillonnage p gO a () u(t-4) t t Oe Oo 4 A 0% t T E(t) v my t v Jim F(1)=u(*) wo eaa(?) a7? u(t) Pratiquement V'impulsion du Dirac peut étre considérer comme une fonction rectangulaire de surface unité dont la durée tend vers zéro. aLES SIGNAUX DETERMINISTES 11.7.1. Produit d’une fonction continue par une impulsion de Dirac : x(1)u(t)=x(0)u (1) 2) x(t) U (tf) = x(t) (tt) (3) 11.7.2. Peigne de Dirac : ‘On appelle peigne de Dirac une succession périodique d’impulsions de Dirac. T : est période de peigne. Cette suite est parfois appelée fonction d’échantillonnage ou train d’impulsions. De I’équation (11.2) et (II.3) on peut avoir x(t), (t)= ¥ x(kT)u(1-K7) (4) IL8, Sinus cardinal : est le rapport entre une fonction sinusoidale et son argument : sin c(r) =O) se)er 2LES SIGNAUX DETERMINISTES 11.9. Syst?mes : 119.1. Définition d’un Systeme : ‘Mathématiquement un syst#me est un opérateur, ou une transformation qui a partir d'un signal d’entrée x(t) fournit un signal de sortie y(t). x(t) yt) signat [Signal Deentree De sortie On note y(1)=T[x(1)] 11.9.2. Systéme linéaire: Un systme T est linéaire si : va, R Wa, R ,T[ a,x, (1) +a,x, (1) ]=a,7[x,(1)]+a,7[ x, (0)] (aLs) 7 20 11.9.3. Systdme invariant: Un systme est dit invariant dans le temps si et seulement si : IT | x(t—t) |= y(t-t9) Vt (6) Un décalage a l’entrée correspond le méme décalage a la sortie. y(t=%) yt) Signa de sortieLES SIGNAUX DETERMINISTES Lentrée Sortie x) rm) x(t) ¥(t-%) 4Chapitre TI CONVOLUTION ET CORRELATIONCONVOLUTION ET CORRELATION TIL.1. Introduction : La convolution et la corrélation sont des concepts physiques significatifs dans plusieurs domaines scientifiques. Elles jouent un réle important dans l'analyse et le traitement des signaux. TII.2. Convolution : MIL.2.1. Définitio Le produit de convolution entre deux fonctions f(t) et g(t) est défini de la fagon suivante : f()@e(t)= J f(g (t-t)at qm Le produit de convolution exprime la quantité de recouvrement d'une fonction f lorsqu’on la déplace sur une autre fonction g : c'est un mélangeur de fonction. C'est un outil important en TDS (traitement des signaux). De méme le signal de sortie y(r) d'un systéme linéaire causal est donné par le produit de convolution du signal d’entré x(¢) par la réponse impulsionnelle du systéme /(t). Dans le cas discret y(n) = x(n) @h(n) Ea(K)a(n-k) x( A(n) oe 11.2.2, Représentation graphique du produit de convolution : En examinant le produit de convolution suivant : x(t) ()@n() (IL2) fx(b)a(r-t)at On peut énumérer les différentes étapes et opérations intervenant dans le produit de convolution : 1, La variable ¢ est remplacé par t . 2. On prend la symétrie de h(t) par rapport & axe des ordonnes h(t) > (2) 15,CONVOLUTION ET CORRELATION 3. Cette fonction f(t) est ensuite translatée vers la droite d’une quantité + h(-t)— h(1-t) 4. On fait le produit x(t) par h(t-t) 5. Le produit de convolution est une fonction du temps 1, est doit étre évalué pour -2 <1 < +20 Exemple : a (2) Soit x(0)=n(t)= reer 0) 10 0) Calculer y(t) ‘ere tape ae eo oo 1 1 1 1 ' 1 I I v2 v2 20 a(t) 1 1 I 1 1 i Dyaalard . 24 16CONVOLUTION ET CORRELATION ine tape 2eme étape OO! 4/0) he T T ! 1 | I > C2 4 eG 7 3° tape eme étape aC) a. A(t-t) T T 1 1 Il i > > 4 © 1 uw tO t 2 ot 5 ape h(t-t) a(t) T T Ve} ot i 1 > 4 10 t 1 cas 1<0= y(t)=0 (iln’y a aucune section entre les deux). v7CONVOLUTION ET CORRELATION 2" cas 0<1<4= y(t)= flat = Gir cas) t>4> y(t)= fiat =8-1 1-4>4=31>8> y(1)=0 0 <0 t O8 4 4 8 . Le produit de convolution est commutatif y(t)= x(t) @h(t)=h(1)@x(r) (aL3) x()@h(t)= f x(t)h(e—t)at «La 18CONVOLUTION ET CORRELATION Si on pose dt =-dM $ > +0,M 20 (Ls) it 0 >,.M > +0 L’équation (111.4) devient : ~M).h(M)(-dM) =f x(e-™)a(M)(aM) ais) = n(1)® x(t) TIL3.2. Associativité : eo | a(t) 20 x) no 3) 1On(t) @[h,()@h,(1)] (umL7) (WeKM]en() 1113.3, Distributivi Cette propriété est la conséquence de a linéarité des intégrales. y(t)=x()@h (1) +x(0)@h, (1) = x()@[h, (1) +h,(7)] Grice cette propriété, on peut dire que la mise en paralléle de deux systémes de réponse (uLs) impulsionnelte fh, (1) et h(t) est équivalente & un systeme dont la réponse impulsionnelle h(t) est shy (1) et h(t) la somme des deux répons 19CONVOLUTION ET CORRELATION x(t) (1) @h (1) +4(1) ha (0) III4. Corrélation : TIL4.1. Principe de la corrélation : En traitement de signaux, il est souvent nécessaire de comparer deux signaux, cela peut se faire de plusieurs manigres. La méthode qui est la plus utilisée consiste & une mesure de leur similitude de forme et de position en faisant translater l'un des signaux par rapport & l'autre mathématiquement, Cette opération est un produit scalaire I1L4.2. Définition de la corrélation : Crest la relation réciproque qui indique le degré de similitude entre deux fonctions (signaux). a) Fonction d’inter-corrélation dans le cas des signaux énergétiques : On appelle fonction d'inter corrélation notée R,,(t) en anglais (cross corrélation), la fonction permettant la mesure de la similitude entre deux signaux x(t) et y() =ex'.y, >= fx (Diy (r4t)ar at) R(t) Avee (1) le conjugué de (1). yi > y(t) est translaté d’une quantité + « 20CONVOLUTION ET CORRELATION Cas discret : R, (k)= ¥ x (n).y(n+k) (amL.10) Cas particulier : Si nous somme dans les signaux réels R,(t)= J x(thy (rt ar amity b) Fonction d’auto-corrélation dans le cas des signaux énergétiques : Cette opération permet de comparer un signal x(t) avec lui-méme durant 'intervalle de temps dont I'un des signaux est décalé (translaté) d'une certaine quantité => y(t)=x(1). R(L)= x)= fx (x(t+t ae a2) Cas discret R,(k)= Ex (n).x(n+k) (uuL.13) c) Relation entre énergie et fonction d’autocréation : |x(e)f ar=f x (1) x(2)ar=R,(0) amid) La valeur a ’origine dune fonction d’auto-corrélation représente I’énergie du signal E, = R, (0) (uL.15) 4) Fonction d’inter-corrélation dans le cas des signaux A puissance moyenne finie : (a.16) 21CONVOLUTION ET CORRELATION ¢) Fonction d’auto-corrélation dans le cas des signaux & puissance moyenne finie : R, ()= limp Je (pa(rst)ar auL.i7) P-tima | a(ar=R,(0) ails) IIL. Relation entre la corrélation et la convolution : 2(t)=x(4)@ y(t) = f x(t ar 8 L.19) R,(t)= J x (d).y(r+t)dr Sion pose M =-1 ty 40> M =-0 1-0 > M = 40 dt=-dM L’équation (111.20) devient : R, (t)= J¢ (-M)y(§-M) am : (ill 20) =* (4)@ y(t) Dans le cas des signaux réels : R,, (t) = x(t) ® y(t) La différence entre la fonction d’inter-corrélation R,,(?) et la convolution des deux fonctions se trouve au niveau de la fonction qui est inversé par rapport au temps. Dans le cas des fonctions réelles et paires, la convolution et la corrélation sont équivalent. Si x(t) réelet paire alors: R, ()=x(t)@ y(t). 22CONVOLUTION ET CORRELATION IIL6. Propriétés : a) La symétric Si les signaux sont complexes : R(H)= RCA) (m21) Dans le cas oit les signaux sont réels : Ry (t)= Ru (+) (ail22) Remarque : pour une fonction d’autocorrélation, on peut dire que pour un signal réel R(t)=R (+4) aL.23) Cela veut dire que la fonction d’autocorrélation R, (+) est une fonction réelle paire. b) La périodicité : Si un signal x(t) est périodique d’une période T alors R,(t) est aussi périodique de la méme période. x(1)=x(14+kT) > R, (t)=R, (+47) (um1.24) ©) Additivité : 2(t)=x()+ (> RCE) 35) RALJ=R (EVAR (H)+R, (1)+R,. (8) Cas particulier : Si x(r)et_y(r) sont indépendants (il n’y’a aucune resemblance entre les deux) R, (H)=R,(t)=0 2R,(1)=R,. (t+) m8) SR ()=R (t)+R, (t) 23Chapitre IV ANALYSE DE FOURIERANALYSE DE FOURIER IV.1.Introduction Jean Baptiste Joseph Fourier (1768-1830), plus communément appelé Joseph Fourier, est un mathématicien et physicien francais connu pour ses travaux sur la décomposition des fonctions périodiques en séries trigonométriques convergentes appelées séries de Fourier et leurs applications au probléme de la propagation de la chaleur IV.2. L’analyse de Fourier : Lranalyse de Fourier est Moutil mathématique principal qui permet le passage de la représentation temporelle a la représentation fréquentiel. On effet ce passage permet de décomposer un signal en éléments sinusoidaux, chaque sinusoide représente une fréquence, ce qui permet d’obtenir les renseignements sur la distribution fréquentielle. IV.3. Transformation de Fourier des fonctions périodiques : série de Fourier : La transformée et la série de Fourier permet de donner une autre représentation des signaux tres intéressante pour la théorie de l'information du signal. Cette décomposition exponentielle ou trigonométrique permet d’exprimer le signal en fonction de ses harmoniques. L'analyse de Fourier est trés utilisée en électricité comme en physique. IV.3.1. Définition du spectre d’un signal : Le spectre d’un signal n’est rien d’autre que la représentation en fréquence des sinusoides qui le compose. Une sinusoide x(r) = Asin(Sr-+w) A: Amplitude $=2f f : Pulsation w :La phase La représentation de l’amplitude en fonction de f -> spectre d’amplitude. La représentation de la phase en fonction de f > spectre de phase. 24ANALYSE DE FOURIER IV. 3.2. Les harmoniques : On appelle les différentes sinusoides qui composent le signal harmonique. On le numérote en fonction de leurs fréquences. L’harmonique numéro n a une fréquence égale 2 nmultiple celle de la fréquence de départ (fondamentale), L'harmonique n=I s‘appelle le fondamentale. IV. 3.3. Premiére forme de la décomposition en série de Fourier (série de Fourier trigonométrique condensé) : Un signal x(t) périodique de fréquence f, peut s D’un terme constant — c'est la valeur moyenne. Plus, un nombre (infini) de sinusoides de fréquences multiple de f, se sont les harmoniques Premiére forme de la décomposition en série de Fourier x(t) =(x)+¥.C, cos (nSy-+u, ) av. Iv. série de Fourier trigonométrique (d’Euler) : La deuxiéme forme de la décomposition en série de Fourier : (0) = (x) +¥.[a, cos (nS.e) +b,-sin (nS) J (v2 Avec §, =F fy y= vec ‘te h (x) ee fi x(1)dt = %, (v.3) , (1).c0s(nS,1) dt av.) 25ANALYSE DE FOURIER Par identification entre (IV.1)_et__—(IV.2) cos(F +S)=cosr cos sinr sins , On obtient Et Propriété : 1) Si x(r) est paire (x(t) 2) Si x(t)est impaire (x(r)=-x(-1)) > a,=0 Ve et en utilisant av.s) Videntité «v.6) «av.7) av.8) avs) v.10) 3) Sion ajoute une constante x(r), c'est la valeur moyenne qui change et non pas a, et b, 4) Si on change l'origine des temps de x(1), le spectre de phase est modifié et non pas le spectre d’amplitude. IV. 3.5. Forme complexe de la série de Fourier : 3 forme de série de Fourier : dvb C, sont les coefficients de la série de Fourier complexe. La suite des coefficients complexes C, constituent le spectre (raies) du signal périodique x(t) 26ANALYSE DE FOURIER e” =cosr + jsinr (v.12) x()= ¥ C,[cosnS,r+ jsinnSt] (v.13) nf LE x(theat (v.14) Sin=2 [cos 28,1 jsin2S,t]+C_, [cosS,r— jsinS,1]+C, S,1+ jsin$,t]+C,[oos 28,r+ jsin 2S x(i)= +, [ce (v.15) 41) =[C+C,]eos28+[C, +CJeosSy1+6, + i[C,—C Jsin28y+ j[,-C.,Jsin yr oe ae Se a x(t) =a, +4, cosS,t +a, cos2S,t +b sin St +b, sin 2S, (v.16) x(1)=4,+¥[a, cosnS,1-+5, sinnS,t] avy) (eran t x(t)e""ar (v.18) a,= pole ter ap av.i9) 2 zl x(ieos (nS, Jat (IV.20) b, = (C.-C) 2 f(t sin(nSy)at av.21y (v.22) = fat ih, av.23) a7ANALYSE DE FOURIER Propriété : Si x(t) est réel > A,,B, réels > C., Si x(t) pait = B,=0Vn = C, Si x(t) impair > A,=0Vn >C., Exemple : x(t) est une tension en sortie d'un cireuit (f, = 50H2) 6.0) we (rd) ahs 30100 Tpo 200 250 f (Hz) ols Spectre d’ amplitude Spectre de phase (Spectre discret) (Spectre discret) On peut r marquer qu'on obtient des raies correspondantes aux harmoniques 1,2,3,....pour les autres fréquences les sinusoides ne sont pas définis, on dit que le spectre est discret c’est le cas de tout les signaux périodiques. IV. 3.6. Condition d’existence de la série de Fourier = © Lesignal x(t) doit étre périodique. + La condition de convergence |x(1)| <2» 28ANALYSE DE FOURIER Application : Calculer 4,, 4, et , La période est : T =2s ; la pulsation est :$ = a =f ; f (t)est une fonction paire :b, =0 La valeur moyenne est vee[-1.0] et ve [0.1] f ())=at+b= f(1)=31+3 Ff (t)=ct+d = f(t)=-31+3 7 Fr cos(2nf fit)dt > a, =2 J 4(t,cos(2nf Nat x(t) (3r+3).cos(nf t)dt+|(-3¢+3).cos(nf thar En intégrant par partie, on trouve 3 a a, pl Ole wo] = 29ANALYSE DE FOURIER "(fy Exemple : Soit un signal x(t) =u, (#) 1. Décomposer ce signal en série de Fourier complexe. 2. Déterminer les coefficients de la série de Fourier trigonométrique. 3. Tracer le spectre de ce signal. fu (rn) r(ae= ye) (:)e05(n8,t) di = cos(0)=2 On remarque que dans ce cas que C, réels (phase nulle).. 30ANALYSE DE FOURIER IV. 3.7. Limitation de la série de Fourier : La série de Fourier s’applique uniquement aux signaux : © périodiques (intégrale sur une période) * Continue © Non aléatoire IV. 3.8. L’égalité de Parseval Léégalité de Parseval dite parfois théoréme de Parseval est une formule fondamentale de la théorie des séries de Fourier. Dans de nombreuses applications physiques (courant électrique par exemple), cette formule peut sinterpréter comme suit: énergie totale s‘obtient en sommant les contributions des différents harmoniques. fréquentielle ou Lénergie totale d'un signal ne dépend pas de la représentation choisi temporelle. B= J e(nfar= [|x (far Soit f une fonction périodique continue par morceaux. 4, +¥(a, cos(nSt)+0, sin (nS1)) , est sa série de Fourier, alors on a : Remarque : lintégrale peut étre prise sur n’importe quel rr intervalle de longueur T. En utilisant la forme complexe des séries de Fourier, on montre que I’égalité de Parseval s’écrit aussi : Fie oar Fie La formule de Parseval permet de calculer la somme de certaines séries numériques, Exemple On considére la fonction périodique de période 2f définie comme suit : 31ANALYSE DE FOURIER 1 sur [0F[ 1 sur [f:2F[ 10-| LI Cette fonction est monotone par morceaux et bornée. Calculons ses coefficients de Fourier: a=} [Jiyafar]-o [Footaarsfe (nat |=0 y : yl f 4, i (ra fin(n| 0, simest pair 4 =, sinestimpair nf La série de Fourier de la fonction considérée s‘éerit done + pSin(2p+I)t 2p+l La formule de Parseval donne alors i ra (a= 52 . ‘On avait obtenu le développement en série de Fourier : loa sin((2n+1)1) La formule de Parseval donne alors 32ANALYSE DE FOURIER Ff o 2 Et Et done : = Gai IV. 4. Transformation de Fourier des fonctions : La transformée de fourrier permet d’obtenir une représentation en fréquence (représentation spectrale) des signaux déterministes, continus et non périodiques. Elle exprime la répartition fréquemticlle de I'amplitude et de la phase des signaux considérés. IV.4.1. Calcul du spectre par la transformée de Fourier : Cest une forme complexe de la variable f définie par ; x()=TH[s(o]= Eine X(f) indique quelle quantité de fréquence f est présente dans le signal x(t) sur Vintervalle fore. X (f) est une fonction de f, généralement complexe X(A=RX (AIX A} =X Ne Xx (Nleos(C(/)) + J] X (sin) Le module est l'amplitude du spectre : 33ANALYSE DE FOURIER x= RX CNT HEX (AT L’argument pasa) mare EE La transformation inverse est donnée par : x0 —o[ =} 2 x(1)=7F {x (f)} a(t)= f X (fe af s(0)=a¢ | X(S)e*aS avec § = 2F f > dS = 2f af Application : x(t) fo ae t 2 vl 1. Calculer la transformée de Fourier de x(t) = rect, (1) ; 2. Représenter le spectre de x(t). X(f)=TF {x(t)} = F rect, (the? hdt [ewer] = i Le 44 dt =-—__ r PEL sin(fr) Or: sine =A fe"! -e°F ] et sinor = 20) 2j fr 34ANALYSE DE FOURIER Dioa X (fap sin lM) =Tp sin FAT inc({T) ff D’oa |X (f)=Tsine( #7) x(f) Représentation de X() 4 IV.4.2. Dualité temps fréquence : La symétrie des transformations directe et inverse montre I'existence d'une dualité entre "espace temps et I’espace fréquence. TF x ONO Espack—_—_ Espace temps 7F-! fréquence Cette dualité joue un role fondamental dans la plupart des méthodes de traitement de signal. IV.4.3. Comparaison entre série de Fourier et transformée de Fourier : Soit un signal x(r) quelconque et soit une portion de ce signal x0) x(LT) = 35ANALYSE DE FOURIER x(t,7) comprise dans lintervalle 4x 2(1.7) = x(t) reer 1%.) En développant en série de Fourier cette portion du signal, on trouve les résultats suivant x(1,.7)=¥.C, exp( j2F nf,t) 2x(t.T)exp(—j2 nfot) dt Seulement en prenant la décomposition de série de Fourier x(1,7), on suppose que ce signal est PStiodique de période T. Rep, {x(t,7)} : représente la répétition de x(1,7) 36ANALYSE DE FOURIER r pour obtenir notre signal de départ x( il faut augmenter la fenétre d’observation. Autrement dit, On fait tomber T vers l'infini. x(t) =limx(t,7) . tim| Sc, exp( afete)| =| 5) 1G ser)exp(-72¢ mfp) lexp(J2F nf) roel pou SiT>24nf.>f rf x(t) fa (Ex@ow(-iar fa oso) x) (fJexp(J2F far En conclusion, on peut dire que la TF est une généralisation de la SF en cas des signaux non périodique. TV.4.4. Conclusion : Pratiquement tous les signaux physiquement réalisables, ont une TF. Pour les signaux qui ne posséde pas la TF, une transformation de méme type a été développé c'est la transformée de Laplace. IV.4.5. Propriété de la transformée de Fourier : a) Linéarité : f(t)—>F(f) 8()—>G(f) af (t)+bg (t)—* saF (f)+6G(f) 37ANALYSE DE FOURIER b) Changement d’échelle du temps : F(t) PF(f) 1 lL ja? (%) Cette propriété montre qu’une dilatation de I'échelle du temps conduit a une compression de l’échelle de fréquence et inversement. f (at) 2 ©) Translation dans le temps : S()—*>F(S) Sif (tn) EF (se F(r+%) oF (er Cette propriété montre qu’une translation d’un signal dans le domaine temporelle n’influe rien sur son spectre d’amplitude, seul la phase est affectée d’un déphasage liée & cette translation. 4) Translation fréquentiel : hr) Si F(S—f,) Es r(t)e™™ F(f+h) es (Qe ©) Dérivation temporelle : SOF) F)= TP (fear GO) de dt aur OF ry dear dt f(t) dt f(t) dt = FRNA Near ESF (PUFF) Cas générale : ff) e F(F)(2F FY 38ANALYSE DE FOURIER £) Dérivation fréquentis F)-Es0) PAO) oo py aepny g) Convolution : x()@h(t)—=>x(/).H(P) x(1).h(1)—* > x (f)@H(F) bh) TF d’un signal conjugué : f())—*>F(f) f()—>F (-f) IV.5. Transformée de Fourier des signaux élémentaires : Le signal : s(*) Transformée de Fourier du signal : S(/) Constante A Vi Au(s) u(y) Peigne de Dirac Du (1— nT) u(t-t) Echelon unité U(r) Arec( 2) At sine( ft) ain(£) AT sinc’ (fT) ¥ eile U(f +f) ef ft u(f-fo) Application : Calculer et représenter la transformée de Fourier d'un signal sinusoidale s(t) d’amplitude S et de fréquence f, telle que: s(t) = S.cos(2f fit).ANALYSE DE FOURIER fs(he™ at =. cos 2 fore? at 2 ft 4g PIE Or c0s(2f ft)=<—* se eI 4g PIN - e (: “ JertaSi wea feria ral s 5 [Ferran eto a] 5 [Fema femora] Sinon sans calculer l'intégrale, en utilisant le tableau de transformation de Fourier ci-dessus. sf) [Uff tu (F +H) ] ITF [S.cos(2f ft)] U(s-fi)+U(F+h)] sw) si | Remarque : La transformée de Fourier d'une fonction cosinus de fréquence f, et d'amplitude S, est la somme de deux impulsions de Dirac centrée sur les fréquences ~f, et +f, ; et d’amplitude la moitié de celle du signal x La transformée de Fourier d’une fonction sinus de fréquence _f, et d’amplitude S, est la somme de deux impulsions de Dirac centrée sur les féquences —f, avec une amplitude 5/ et sur +f, avec une amplitude -5/.ANALYSE DE FOURIER IV. 6. Produit d’une fonction périodique par un al A énergie fini Soit x(r) un signal a énergie finie et soit y(r) un signal périodique a(ho Ef y= 9(H+n7) 2(t)=x(0).¥(0) 2N=X(NeV(/) Puisque y(t) est un signal périodique alors on peut le décomposer en S.F. =Zee™ esr (1)= 2/)=x(A)@zCu(r-2) -ze[xuner(s-2) as pin=zex{s-F) Conclusion : ‘On peut dire que le spectre d’un signal temporel obtenu & partir du produit dun signal a énergie je avec un signal périodique est : er: , n Une combinaison entre les deux signaux avec x(t) décalé par un pas régulier de ” sur axe des fréquences. Application : Soit un signal a énergie finie x(t) et soit un signal périodique y(t) =cos(2f fit) 2(1)=x(1)-cos(2F ft) ze aANALYSE DE FOURIER sy tf) ve un a a ‘ : © @ cos 2f fit ATF {cos2f fi) wane V2 . ; hy to f . zit ” 2g) C L ea a @ : f PEL 4 gE | flere remr Acos(2f ft) = 4 cos(2f ft) = 3% rere ty (f-f)tU(F+h)] Z(N)=x(NOs[UF-L)HU(F+4)] Z(A)=S[X(/)OU(F—f)+X(NOU(F +f] ZN) = 31x (F Hex (E+) 42Chapitre V TRANSFORMEE DE LAPLACETRANSFORMEE DE LAPLACE V.1. Introductio La transformée de Laplace est une technique trés utilisée dans la résolution des. problémes a ngineering comme pour la transformée de Fourier. Cette transformation permet d'associer, & toute fonction f(0), une fonction F(p) d'une variable complexe P=t + j$. Elle permet de remplacer les opérations analytiques de dérivation et d'intégration par des opérations algébriques. Cette propriété facilite la résolution des équations différentielles. V.2. Définition de la transformée de Laplace : = (v.1) + :est appelé abscisse de convergence c’est une grandeur réelle et positive. TL{x(1)} = J x(ne"e Jx(e M20 (V.2) Pat Sion pose p=t + j2F f re{x(0)}= J xe "ar= x(n) (v.3) La variable _p est appelé fréquence complexe et des fois elle est notée s Remarque importante : Cette équation représente la transformée de Laplace bilatérale (intégration de 2 40) Ce que nous appelons mono latérale c'est X(p)= J x(t)e at La TL trouve sont intérét dans l'étude des régimes transitoires des signaux physiquement réalisables qui justement sont nuls pour <0. La TL est un outil tres utilisé par les physiciens et les mécaniciens. 43TRANSFORMEE DE LAPLACE Exemple 1 0 pour 1<0 Calculer la TL de l’échelon unité : x(t) =u(t)= 1 pour 120 Exemple 2 Soit & calculer TL{ f'(t)} connaissant TL(f (t)) F(o)= fens a En utilisant I'intégration par partie, on aura : u=f(!) dv=e"dr Ona TL{f(1)} du = f'(t)dt SF (p)= fers (ont =f) Airey} = (9). An tr) TL{f'(t)} = pF (p)- f (0) Si la condition initiale est nulle( f (0) =0) . alors TL{S"(8)}= PF(p) De méme, si toutes les conditions initiales sont nulles (f(0)= f"(0)= f"(0)=...= 0), alors TLS" (0) = P"F(P) Dans ce cas 1a, I'équation différentielle (pour un systéme linéaire) liant entrée e(t) a la sortie s(t) est 4, Zs(i)etaZs()+as()=b, Le(t)++hLe()+he(t) seri, en utlsant ta transformée de Laplace : 4,p'S (p) ++ a,pS (p)+ ay (p)= by p'E(p) + + b,PE(p) +2,E(P)TRANSFORMEE DE LAPLACE «() Bite by _ §(p)=TL{s(0)} 28 Errata) “* E(p)=TL{e()} R e(t) (0) V.3. Domaine de convergence (Dp) : Si la valeur complexe p appartient au domaine de convergence Dp, cela indique que X (p) existe, Si pe Dp => X (p)existe Définition 1) On dit que ’intervalle de Laplace converge si Fleet |de= fx(nle "arc o 0 (V.4) Si 1 ,|x(r)e +0, Vintégrale de Laplace est convergente (ce si est vrais sous certaine condition de x(t) ) 2) Fonction d’ordre exponentiel : On dit que x(r) est d’ordre exponentiel s’il existe un nombre réel_ t, et un nombre positif finie M tel que ov 0. ona T1(P(O}= Fe" P(e En utilisant l'intégration par partie, on aura : u=P(t) dv=e"dt du=P'(t)dr =m1(n(0)=Ferrtowr=| ot) =TL{p(t)}= PO Fens (tat Po +P) per} 7 =TL{p(t)}= En général 1 pro} (V.7) ni oof £(0) | En supposant nulles toutes les primitives de f(t) quand > Opar valeurs positives. d) Changement d’échelle : Un changement de I'échelle des temps se traduit par le changement de la variable Ona TL{f (kt)} = ek (kt)dt Posant : =u d= hdr at = Done ms} a7TRANSFORMEE DE LAPLACE fF (0) Fa i5F(%) (41) sar (on) a ©) Translation temporelle : SDF (0) F(T) (p)e" f) Translation fréquentielle (complexe) : (p> F(t) F(p+a)—“> f(te" V.5. Tableau des transformées de Laplace : f(t) (causal) F(p) Dp ul) 1 Port oH) ye pl eU(1) 1 FP Re(a), 1U(t) Jo.+[ ru(t) Jref sin(S,1) U (1) Josef sin(S,1).e“U (1) 0 FRe(a), +>, (p+a) +S; cos(S,f).U (1) 7 p=[ pe+Sy c0s(5,1).e"U (1) pta FE Re(a).+2[, (p+a) +S;TRANSFORMEE DE LAPLACE V.6. Transformée inverse de Laplace : Dans le c: s d'un probléme de systéme mécanique ou électrique, on se trouve généralement en présence d'un systéme d’équations différentielles le plus souvent linéaire & coefficient constant portant sur les fonctions réelles du temps. Les entrées e(#) représentent les actions par exemple différence de potentiel, courant, force...agissants sur le systeme. Les sorties y(t) sont des fonctions mesurées résultantes de la présence des entrées et de la constitution du systéme. Grace a la TL, on passe d’un probléme portant sur le domaine temporelle 4 un probléme portant sur le domaine de la variable complexe p, aprés avoir obtenu a solution du probléme. Il est néces: re d’inverser cette transformation pour obtenir la solution ayant pour domaine de temps. Cest la transformée de Laplace inverse. On la note TL’ ouL'. Toute ta compli déterminer la TL" Si F(p) est la Transformée de Laplace d’une fonction f(t), ona: 1 1)=7L' {F(p)}=—- J F(p)e"ap 120) F()=TENE(P)}= sop LF (Pedr (120) Cette méthode est difficile a utiliser et on préfére généralement : © soit recourir aux tables de Transformées de Laplace. Dans ce cas, F(p)est immédiatement reconnaissable dans la table, © soit, lorsque la fonction F(p) n'apparait pas dans la table, décomposer F(p) en fractions partielles et écrire F(p) en termes de fonctions simples de p pour lesquels la Transformée de Laplace est toujours connue. A noter que cette maniére si iple de trouver la transformée inverse est basée sur le fait qu’il existe une correspondance unique entre Ia fonction temporelle et sa transformée inverse de Laplace du fait de la continuité de la fonction temporelle. soit F(p)=7L(F(0)} Si F(p) peut étre décomposée en termes distincts : F (p)= F,(p)+F,(p)+...+ F, (p) et Si les transformées inverses sont disponibles, TL" {F(p)}=7L' {F,(p)}+TL" {F,(p)} +..+TL"{F,(p)} HAA) ++ A.) Alors : 49TRANSFORMEE DE LAPLACE V.6.1. Détermination de la TL” par décomposition en éléments simples : Cette technique est ts utilisée par les physiciens, car elle permet d'utiliser la table de transformation. Cette technique est basée sur trois étapes essentielles a a) 1° étape calcule les racines du polynome X (p) Résoudre I’équation Sa, p' = 0 pour déterminer les racines 1; : sont les racines du polynéme st le nombre de racine égale a 7; (racine simple, double) L = c'est le nombre totale des racines. Sop! Sop! Lap [(p-% S(p) b) 2% étape : les tables de décomposition : Cas des racines simples : A,, : sont les inconnues a trouver. 50TRANSFORMEE DE LAPLACE Remarque Bp) A(p) numérateur par dénominateur, ensuite appliquer la méthode des fractions partielles. Dans le cas oi le degré de B(p)> degré de A(p) dont F(p)= faut alors diviser le Exemple : Trouver la Transformée Inverse de F (p) = Cas des racines doubles : 2be nm On suppose que la deuxigme racine est double ©) 3° étape : calcule de TL": Grice a la table de transformation, Pour terminer nous dirons que toute la difficulté réside dans la premiére étape surtout comme Vordre de I’équation est supérieur & 4, pour cela plusieurs méthodes de résolution dite numériques peuvent étre envisagées : Exemple : P+2pt2 S(p)= 2 tee? (?)= Fe 3pe2 Trowver s(t) ? 1 étape X(p)= p?+3p+2 X(p)=0> phs3p22=0- 51