Analyse de Fourier et Traitement du Signal

11 decembre 2003

Ce cours est une introduction `a la theorie du signal. On presente les outils mathematiques
indispensables tout en essayant deviter au maximum trop dabstraction. Pour de nombreux details et applications on pourra se referer `a la bibliographie et en particulier `a [4, 7]
dont je me suis largement inspiree.

123

Chapitre 9

Sujets de Travaux pratiques et

dexamens
9.1

Travaux Pratiques

9.1.1

Travaux pratiques 1

1. Pour chacun des signaux (periodiques) suivants, faire un programme qui calcule sa
serie de Fourier tronquee `a lordre n.
Dessiner sur une meme figure le signal et la serie. On testera plusieurs valeurs de n :

(a) f (x) = |x| =

+
4 X cos((2n + 1) x)

sur [, ] .
2
(2n + 1)2
n=0

(
(b) f (x) =

+
1
sur[0, [
4 X sin((2n + 1) x)
. La serie est :
.

2n + 1
1 sur[, 0[
n=0

2. Dessiner le signal triangulaire de lexercice 4.c. Faire un programme calculant la serie

de Fourier.
Programmer la fonction de Transfert du filtre RC. Appliquer le filtre RC `a ce signal
et dessiner la sortie. On fera un programme avec les param`etres R et C.
3. Dessiner le signal de votre choix (comme somme de sinusoides par exemple ) et le
bruiter avce la fonction randn.
4. Faire un programme coeffcos (F, a,T, n) calculant le coefficient de fourier
2
an =
T

a+T

f (t) cos(2 n
a

t
) dt ,
T

124

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

par une formule de quadrature composee de type trap`ezes de la forme





k1


X
tj
1
a
a+T
f (a) cos 2 n
+ f (a + T ) cos 2 n
+2
Fj cos 2 n
,
k
T
T
T
j=1

jT
et k le nombre de sous-intervalles
o`
u F designe le vecteur (f (tj )j=1,k et tj = a +
k
de [a, a + T ]. Faire de meme pour le coefficient
2
bn =
T

a+T

f (t) sin(2 n
a

t
) dt .
T

5. Avec les programmes precedents ecrire la serie de Fourier `a lordre n de la fonction

periodique de votre choix sous forme reelle (avec an et bn ) puis sous forme exponentielle avec cn = an + i bn et cn = an i bn .
Dessiner le spectre damplitude et le spectre de phase.
Filtrer ensuite le signal avec le filtre RC.

9.1.2

Travaux pratiques 2 - FFT

1. Efficacit
e de la FFT
On rappelle que la TFD dun signal f echantillonne `a une periode Te (pas de
discretisation) est
N
1
X
k
f (nTe ) exp(2 in ) .
S(k) =
N
n=0

On note N le nombre dechantillons, Te la periode dechantillonnage et Fe :

frequence dechantillonnage.

1
la
Te

Faire un programme calculant directement (S(k))0kN 1 .

Calculer ensuite la TFD par la commande FFT de scilab.
Comparer les temps de calcul (fonction timer()).
Valider sur le signal suivant : f (t) = A exp(2 it. On peut montre que la TFD de
f est de la forme






sin N Nk Fe

k
 
 exp i(N 1)
S(k) = A

.
N
Fe
sin k
N

Fe

Prendre ensuite les signaux de votre choix.

2. Pour des signaux de votre choix (Somme de sinusoides, creneau, etc ) dessiner le
spectre du signal (diagramme damplitude).
Comparer le signal temporel (original) et le signal frequentiel (TFD)

9.1. TRAVAUX PRATIQUES

125

3. Effet du fen
etrage
Le fait dobserver un signal pendant un temps fini et de nacquerir quun nombre
fini dechantillons introduit une erreur.
On consid`ere le signal monochromatique : f (t) = A exp(2 it. Calculer la TFD de
f avec un echantillonnage :N = 2p , 5 p 8 et comparer les resultats obtenus avec
la transformee de Fourier exacte (une seule frequence : ).

9.1.3

Travaux pratiques 3 - FFT

1. Fonctionnalit
es graphiques de SCILAB
Pour tracer sur plusieurs fenetres- Exemple

t = 0:0.02:5;
signalbase = sin(2 * %pi * 9.7 * t) + sin(2 * %pi * 10.3 * t);
// Les 4 signaux `
a tracer
signal1 = signalbase * .1+
signal2 = signalbase * .3+
signal3 = signalbase * .6+
signal4 = signalbase * 1+
// Le trac
e
xsetech ([0,0,1,1/4])
plot2d(t,signal1,1,"050","
xsetech ([0,1/4,1,1/4])
plot2d(t,signal2,1,"050","
xsetech ([0,2/4,1,1/4])
plot2d(t,signal3,1,"050","
xsetech ([0,3/4,1,1/4])
plot2d(t,signal4,1,"050","

sur la m^
eme fen^
etre
rand(signalbase) * 2;
rand(signalbase) * 2;
rand(signalbase) * 2;
rand(signalbase) * 2;

",[0,-7,5,7]);
",[0,-7,5,7]);
",[0,-7,5,7]);
",[0,-7,5,7]);

// d
efinit la premi`
ere sous-fen^
etre
// plot le premier signal
// d
efinit la deuxi`
eme sous-fen^
etre
// plot le second signal
// d
efinit la troisi`
eme sous-fen^
etre
// plot le troisi`
eme signal
//d
efinit la quatri`
eme sous-fen^
etre
// plot le quatri`
eme signal

xset: fixe les valeurs du contexte graphique

xselect: affiche la fenetre graphique en cours
xclear: vide une fenetre graphique
xbasr: redessine une fenetre graphique
xbasc: vide une fenetre graphique detruit les graphiques associes enregistres
xdel: detruit une fenetre graphique

126

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

Tester le code suivant

xset(window,1)
xset(wpos,0,0)
xset(wdim,400,100)
t=1:400;
signal = sin (2 * %pi * 0.1 * t);
plot2d(t,signal)
xset(window,2)
xset(wpos,0,200)
xset(wdim,150,100)
plot2d(t(1:50),signal(1:50))
xset(window,3)
xset(wpos,200,200)
xset(wdim,150,100)
plot2d(t(51:100),signal(51:100))
2. Utilisation de la convolution
On prend lexemple suivant :
(
f1 (t) =
(
f2 (t) =

et si t 0
0
si t < 0

1 si |t| a
, a>0.
0 si |t| > a

(a) Discretiser les deux signaux sur un intervalle [N, N ] o`

u N > a avec un pas de
h = 2 N/p.
(b) La convolee des deux signaux est approchee par
Z

f1 (tk s)f2 (s) ds ' h

z(tk ) =
N

p
X

f1 (tk tj )f2 (tj )

j=1

o`
u les (tj ) representent les points de discretisation. La fonction convol de SCILAB donne la convolution discr`ete des deux signaux
p
X

f1 (tk tj )f2 (tj ) .

j=1

Un examen attentif de cette somme montrer que le resultat est un vecteur de

longueur 2p calcule sur le meme intervalle (avec un pas divise par 2 donc). En
dautres termes le signal cherche se calcule par :

9.1. TRAVAUX PRATIQUES

127

z=h*convol(f1,f2);
xx=[-N:h/2:N];
plot(xx,z)
(c) Tracer les trois signaux sur le meme graphe.
3. On consid`ere le signal
f (x) = e|x] cos(x) ,
dont la transformee de Fourier est
f(s) =

1
1
+
.
4 2 (s2 s) + 2 + 1 4 2 (s2 + s) + 2 + 1

Tracer les fonctions f et f.

On consid`ere le signal f sur lintervalle [6, +6]. Calculer sa FFT et comparer avec
ce qui prec`ede.
4. Analyse dun signal audio
Charger le vecteur representant le son dun instrument echantilllonne `a 8000 Hz avec
la commande SCILAB : loadwave
(a) Quelle est la duree de ce signal? On la note T
(b) Representer sur la meme fenetre graphique le signal sur 1 s , 0.5 s, 0.1 s et 0.05
s.
Est-ce un signal periodique simple? complexe? Est-ce un signal aperiodique.
(c) Faire la FFT du signal sur 0.1 s sur 256, 512 et 1024 points successivement.
(d) Quelle est la frequence fondamentale du signal? On pourra se contenter dafficher la tranche de frequences [50, 1000].

9.1.4

Travaux pratiques 4 - Echantillonnage

1. On se donne un signal sur un intervalle de temps [1, 1] echantillonne `a F Hz (autrement dit, le pas de discretisation est h = 1/F ).
Choisir un signal de la forme
x = sin(240t) 2 sin(400t) + sin(800t) .

Tracer le signal (echantillonne) et appliquer la FFT pour calculer la transformee de

Fourier discr`ete de x.
Dessiner le spectre energie - frequence : en abscisse : frequence
f = 1000 (1 : 256)/512 ;

128

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

Ordonnee :
E = |
x|2 /512 ;
Tester plusieurs frequences dechantillonnage (F= 1000, 800, 600 Hz) et observer le
comportement du spectre du signal. Comment expliquer vous ce qui se passe?
2. Pour le signal precedent et differentes frequences dechantillonnage, calculer la FFT
du signal, puis la FFT inverse. On doit en principe retrouver le signal de depart ....
Que constatez-vous?
3. Theor`eme de Shannon
On se donne un signal de depart (discretise sur 1024 points )
S(j) = a sin(

j
j
j
) + b sin(
+ ) + c sin(
+ ) , 0 j T = 1024 .
17
29
53

Choisir a, b, c de mani`ere aleatoire dans [0, 1] et , de mani`ere aleatoire dans [0, 2].
On va tester plusieurs intervalles (et frequences dechantillonnage ) par exemple
f=

1
1
1 1
,
, , ,
;
256 128
8 4

cest-`a-dire que la taille de lintervalle dechantillonnage est a = 1/2f .

En posant
N = T /a, S(j) = 0 si j < 0 et j > T ,
on obtient
Sech (j) =

N
X

S(na)

n=0

sin( a (j na))
,

a (j na)

cest-`a-dire
Sech (j) =

N
X

S(na)

sin( ( aj n))

n=0

( aj n)

j = 1, , T

o`
u Sech designe le signal echantillonne.
On pourra definir la fonction sinc par

sin(x)
sinc(x) =
x
1

si x 6= 0 ,
sinon

Soit eech lerreur dinterpolation :

eech (j) = S(j) Sech (j), j = 0, 1, , T .

9.1. TRAVAUX PRATIQUES

129

Pour mesurer la precision de linterpolation on calcule la deviation :

v
u T
uX
u
|eech (j)|2
u
u j=0
devn = u
.
u T
u X
t
|S(j)|2
j=0

(a) Pour chaque jeu de param`etres a, b, c, , , generer le signal correspondant pour

0 j T et le dessiner.
(b) Pour chacune des 7 valeurs de f suggerees, echantillonner le signal aux points
correspondants et le generer avec la formule de Shannon-Nyquist.
(c) Calculer `a chaque fois la deviation devn. Tracer la courbe de la deviation en
fonction de log2 (256 f ).
(d) Comment la deviation sameliore-telle en fonction de f .

9.1.5

Epreuve pratique

Exercice 1
1. Definir les signaux suivants
(a) d = [1 zeros(1, N 1)] : impulsion unite discr`ete (avec N = 50 par exemple)
(b) dd limpulsion unite centree. (N = 50).
(c) Sur lintervalle [500, 500] (avec un pas de 1) definir
(n + 500)2 (n 500) (x 480)4 (n + 120)5
.
1000
Definir la partie paire de x: xp et sa partie impaire xi.
Les dessiner pour verification. On suppose le signal x echantillonne `a 100 hz.
x(n) =

(d) x3 :plusieurs periodes de sinus (4 periodes ) dans N echantillons .

(e) Une sinusode avec un nombre non entier de periodes (4.2) : x4
2. Pour chaque signal calculer sa FFT sur 512 points et afficher le module et la phase
en fonction de la frequence, la partie reelle et la partie imaginaire. On rappelle que
la frequence en abscisse est
f = fech [1 : 1 : 256]/512 ,
o`
u fech est la frequence dechantillonnage.
Remarque : la commande MATLAB pour mettre 4 dessins dans une meme fenetre
est la suivante :
figure(1)

130

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

subplot(2,2,1)
plot( )
title(Phase )
subplot(2,2,2)
plot( )
title(Module)
subplot(2,2,3)
plot()
title(Partie reelle)
subplot(2,2,4)
plot()
title(Partie imaginaire)
3. Commentez la difference entre d et dd
4. Comparer xp et xi avec les resultats theoriques de la FFT des fonctions paires et
impaires. Expliquez les differences sil y en a .
5. Interpreter les resultats de x3 et x4. Expliquez surtout le resultat x4 de la FFT
dun nombre non entier de periodes de sinus (pensez au rapport entre la frequence
dechantillonnage et la frequence de la sinusode).
Exercice 2 : analyse dun signal audio
Taper : y=wavread(signalexam) pour charger le vecteur representant le son dun instrument echantilllonne `a 8000 Hz.
1. Quelle est la duree de ce signal? On la note T
2. Representer (par plot ) sur la meme fenetre graphique (cf commande dans lexercice
1) le signal sur 1 s , 0.5 s, 0.1 s et 0.05 s.
Est-ce un signal periodique simple? complexe? Est-ce un signal aperiodique.
3. Faire la FFT du signal sur 0.1 s sur 256, 512 et 1024 points successivement.
4. Quelle est la frequence fondamentale du signal? On pourra se contenter dafficher la
tranche de frequences [50, 1000].
De quel instrument pourrait-il sagir?

9.2. SUJETS DEXAMEN

9.2
9.2.1

131

Sujets dexamen
Examen du 16 d
ecembre 2002

Dans tout ce qui suit la transformee de Fourier dune fonction v est definie par
Z
F(v)() = v() =
v(s)e2is ds .
R

Exercice 1
On appelle sinus cardinal la fonction
sa (t) =

sin( a t)
,

at

dont les translatees san (t) = sa (t na) apparaissent dans la formule de Shannon.
On se propose de demontrer que ces fonctions forment une base hilbertienne de lespace
Va = {v L2 (R) | supp (
v ) [

1 1
, ] }.
2a 2a

1. Pr
eliminaire
(a) Montrer que si f et g sont dans L1 (R), alors f g L1 (R), f g L1 (R) et
Z
Z
f ()
g () d =
f()g() d .
R

(b) En deduire que si f, g L2 (R)

Z
Z
f()
g () d .
f (t)g(t) dt =
R

2. Montrer que Va est un sous-espace ferme de L2 (R).

3. Rappeler ce quest une base Hilbertienne dun espace de Hilbert.
4. Orthogonalit
e de la famille
(a) Soit r le creneau centre de longueur a1 . Montrer que
2ina
sc
.
an () = ar()e

En deduire que san Va .

(b) Montrer que
Z

Z
san sap =

sc
an sc
ap .

132

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

(c) Montrer que

Z

san sap = a

1
2a

e2i(np)a d .

1
2a

En deduire que la famille (san ) est orthogonale.

5. Densit
e
(a) Soit g Va et > 0. Montrer, grace `a la formule de Shannon que
kg

N
X

g(na)san k22 = k

n=N

g(na)san k22 = a

|n|>N

|g(na)|2 .

|n|>N

(b) En deduire quon peut trouver No N tel que

kg

No
X

g(na)san k2 .

n=No

Exercice 2
Soit f (t) (t R) un signal dont la transformee de Fourier est
(
1 si || 1 ,

f () =
0 si || > 1
Que peut-on dire de f ?
1. Calculer f et donner une allure de son graphe.
2. Calculer lenergie totale de f .
3. On suppose que f est echantillonnee aux instants na (n Z) et on appelle g le signal
echantillonne. Donner la valeur de g en fonction de f. Donner une allure du graphe
de g quand a = 1.
Exercice 3 :Application `
a lanalyse du son (a)

9.2. SUJETS DEXAMEN

(b)

133

134

(c)

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

9.2. SUJETS DEXAMEN

9.2.2

135

Examen du 3 septembre 2003

Dans tout ce qui suit la transformee de Fourier dune fonction v est definie par
Z
F(v)() = v() =
v(s)e2is ds .
R

Exercice 1 : transformation de Laplace

Dans tout ce qui suit on designe par
E = { f : [0, +[ C continue par morceaux et :K R+ , R |f (t)| Ket , 0 t < + } .
On convient de prolonger toutes les fonctions de E par 0 sur ] , 0[.
On definit la Transformee de Laplace dune fonction f de E par :
Z +
7 f() =
f (t)et dt .
0

1. Sur quel sous-ensemble de C, la transformee de Laplace de f est-elle definie?

2. Pour chacune des fonctions suivantes, calculer sa transformee de Laplace et son
ensemble de definition :
(a) f (t) = et , avec C

1 si t > 0

1
(b) f (t) =
si t = 0

0 si t < 0
(c) fn (t) = tn avec n N.
On commencera par montrer que pour tout s verifiant Re(s) > 0, on a
n
fn (s) = fn1 (s) ,
s
et on concluera par recurrence.
(d) f (t) = cos(t) avec R.
3. Lien avec la transformee de Fourier : montrer que si on pose
gso (t) = f (t)eso t si t 0, et 0 sinon,
o`
u so > 0 est un param`etre reel on a
f(so + i) = F(gso )() .
4. Grace (1), montrer que si f a un retard de : g(t) = f (t ), alors
g() = e f() .

(9.2.1)

136

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

Exercice 2
Soit f le signal defini par
f (t) = e|t| ,

tR.

On suppose que le temps est mesure en secondes.

1. Calculer f ; en deduire que f nest pas `a bande limitee.
2. Montrer que lenergie de ce signal (i.e. kf k22 ) est egale `a 1.
3. On se propose de determiner la bande de frequence de frequence maximale c pour
que lenergie de la transformee de Fourier de f sur lintervalle [c , c ] soit egale `a
99% de lenergie initiale :
Z
|f()|2 d = 0.99 .

Montrer que la valeur desiree est denviron 0.53671 Hz.

Quel est la valeur de la frequence de Nyquist?
4. Soit E(a) lenergie dechantillonnage de f definie par
E(a) = a

+
X

|f (na)|2 .

n=

Montrer que
1
) = 1.274.
2c
Cest lenergie du signal reconstruit apr`es la limitation du spectre .
E(

5. Si on choisit 10 echantillons (cest-`a-dire c = 5 Hz), combien valent

|f()|2 d

1
et E(
)?
2c

6. Quelle doit-etre la duree du signal Tc dans le domaine temporel pour que lenergie
du signal tronque soit egale `a 99% de lenergie du signal de depart?
Z Tc /2
(e|t| )2 = 0.99.
Tc /2

Combien faut-il dechantillons?

Exercice 3: Application `
a lanalyse du son Voici differents representations dun
signal vocal (sonagramme, spectre etc....) . Repondre aux questions posees ci-dessous en en
joignant cette feuille sur laquelle on pourra ecrire les reponses. On justifiera soigneusement
les reponses.
1. Quelle est la duree du signal?

9.2. SUJETS DEXAMEN

137

2. Quelle est la frequence fondamentale de la voix de la personne qui parle? On precisera

lunite. Est-ce un enfant, un homme adulte, une femme adulte?

3. La voix est-elle claire ou sombre?

4. La personne parle telle ou chante telle?

5. Noter sur le signal lendroit ou la personne parle (ou chante) le plus fort (++), le
moins fort (). On precisera lunite.

Signal et sonagramme (Le trait plein represente la frequence fondamentale.)

138

CHAPITRE 9. SUJETS DE TRAVAUX PRATIQUES ET DEXAMENS

Signal et intensit
e (Le trait plein represente lintensite)

Repr
esentation spectrale

Index
echantillonnage, 3, 60, 93
egalite de Parseval, 27, 46, 77
energie, 78
etalement, 79
etalement spectral, 79
etalement temporel, 79

DFT, 61
Dirac (masse), 87
Dirac (mesure), 87
Dirac (peigne), 87
Dirichlet (theor`eme), 29
dual (espace), 48

ligne `a retard , 5
Riemann-Lebesgue, 73

ensemble total, 43
entree, 5
espace dual, 48

amplificateur ideal , 5
amplitude, 4
analogique, 3
autocorrelation, 78

filtre, 9
fonction de transfert, 9, 10
formule de Poisson, 91
formule de Poisson , 90
Fourier (coefficients), 44
Fourier (serie), 27, 44
Fourier - Plancherel, 77
frequence, 4, 31
frequence de coupure, 102
frequence de Nyquist, 93

Banach (espace), 48
bande limitee, 93
base hilbertienne, 45
Beppo Levi , 17
Bessel (inegalite), 44
causalite, 7
changement dechelle s, 71
circuit RC, 6
coefficients de Fourier, 23, 44
continuite, 8
convergence faible sequentielle, 51
convolution, 74
convolution circulaire discr`ete, 62

gradient, 51
Gram, 42
harmoniques, 31
hauteur, 99
hermitien (produit), 18
Hilbert, 18

decalage en temps, 71
decibel, 99
derivateur, 5
densite spectrale denergie, 78

impaire (suite), 62
inegalite de Bessel, 23, 44
inegalite de Cauchy-Schwartz, 18
input, 5

139

140

invariance, 7
Lebesgue, 16, 17
linearite, 6
matrice de Gram, 42
meilleure approximation, 23
mesure de Dirac, 87
monochromatique, 9
norme duale, 48
numerique, 3
Nyquist (cadence), 93
Nyquist (frequence), 93
orthogonalite, 40
ouput, 5
periode, 4
paire (suite), 62
Parseval, 46
Parseval (egalite), 27
peigne de Dirac, 87
phenom`ene de Gibbs, 81
prehilbertien, 18
principe dincertitude, 80
produit de dualite, 49
produit hermitien, 18
produit scalaire, 39
projection orthogonale, 41
pulsation, 4
quantification, 3
realisable, 7
resonance acoustique, 102
RC (circuit), 6
Riemann, 15
Riemann- Lebesgue (theor`eme), 28
Riesz - Frechet, 50
rresonateurs, 102

INDEX

separable, 46
serie de Fourier, 27, 44
sesquilinearite, 18
Shannon, 93
sinus cardinal, 95
sortie, 5
spectre, 31
spectre denergie, 79
spectre damplitude, 31
spectre de phase, 31
suite impaire, 62
suite paire, 62
superposition, 6
syst`eme, 5
TFD, 61
theor`eme dechantillonnage de Shannon,
93
theor`eme dinversion de Fourier, 75
theor`eme de Banach, 52
theor`eme de convergence dominee, 17
theor`eme de convergence monotone, 17
timbre, 99
time scaling, 71
time shifting, 71
transfert, 9
transformee de Fourier, 69
transformation de Fourier - Plancherel, 77
transformation de Fourier discr`ete, 61
transformation de Fourier-Plancherel, 76

BIBLIOGRAPHIE

141

Bibliographie
[1] M. Bergounioux. Optimisation dans Rn et Introduction au Contr
ole Optimal des
Syst`emes Lineaires - Cours et exercices. Dunod, 2001.
[2] H. Brezis. Analyse fonctionnelle - Theorie et applications. Masson, 1987.
[3] M. Crouzeix and A.L. Mignot. Analyse numerique des equations differentielles. Masson, 1989.
[4] C. Gasquet and P. Witomski. Analyse de fourier et traitement du signal. Masson,
1998.
[5] A. Guichardet. Integration - Analyse hilbertienne. Ellipses, 1989.
[6] Landercy and R.Renard. Elements de phonetique. Didier - Bruxelles.
[7] H. Reinhard. Elements de mathematique du signal. Dunod, 2002.
[8] W. Rudin. Analyse reelle et complexe. Masson, 1978.

142

BIBLIOGRAPHIE

`
TABLE DES MATIERES

143

Table des mati`

eres
1 Signaux, syst`
emes et filtres

1.1

Signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Syst`emes

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Filtres et transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3.1

Proprietes algebriques des syst`emes

. . . . . . . . . . . . . . . . . .

1.3.2

Filtre et fonction de transfert . . . . . . . . . . . . . . . . . . . . . .

1.4

Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2 Signaux p
eriodiques- S
eries de Fourier
2.1

2.2

15

Quelques rappels dintegration . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.1.1

Resultats de convergence . . . . . . . . . . . . . . . . . . . . . . . . 17

2.1.2

Resultats de densite . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Lespace L2p (0, a) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.2.1

Espaces prehilbertiens et espaces de Hilbert . . . . . . . . . . . . . 18

2.2.2

Lespace L2p (0, a) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2.3

Approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.4

Representation ponctuelle dune serie de Fourier . . . . . . . . . . . . . . . 28

2.4.1

Theor`eme de Riemann-Lebesgue . . . . . . . . . . . . . . . . . . . . 28

2.4.2

Theor`eme de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2.5

Un exemple et un peu de terminologie . . . . . . . . . . . . . . . . . . . . . 31

2.6

Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.6.1

Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.6.2

Polynomes trigonometriques . . . . . . . . . . . . . . . . . . . . . . . 36

3 Les espaces de Hilbert

39

3.1

Definitions- exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.2

Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2.1

3.3

Cas o`
u V est un espace de dimension finie

. . . . . . . . . . . . . . 42

Syst`emes orthogonaux, bases hilbertiennes . . . . . . . . . . . . . . . . . . . 43

`
TABLE DES MATIERES

144

3.3.1
3.4

3.5

Convergence de la serie de Fourier . . . . . . . . . . . . . . . . . . . 45

Dualite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4.1

Dual dun espace de Banach . . . . . . . . . . . . . . . . . . . . . . . 48

3.4.2

Representation de Riesz - Fr
echet . . . . . . . . . . . . . . . . . . 50

3.4.3

Notion de convergence faible sequentielle . . . . . . . . . . . . . . . . 51

Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5.1

Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

3.5.2

Suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

3.5.3

Operateurs dans les espaces de Hilbert . . . . . . . . . . . . . . . . 55

4 La transformation de Fourier discr`

ete (DFT)

59

4.1

Calcul des coefficients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . 59

4.2

Proprietes de la transformee de Fourier discr`ete . . . . . . . . . . . . . . . . 62

4.3

Lalgorithme de FFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3.1

Lalgorithme de Cooley et Tukey . . . . . . . . . . . . . . . . . . . . 64

4.3.2

Applications de la FFT . . . . . . . . . . . . . . . . . . . . . . . . . 67

5 Transformation de Fourier
5.1

69

Transformation de Fourier dans L1 (R) . . . . . . . . . . . . . . . . . . . . . 69

5.1.1

Proprietes fondamentales de la transformation de Fourier . . . . . . 72

5.1.2

Theor`eme dinversion de Fourier . . . . . . . . . . . . . . . . . . . . 75

5.2

Extension `a L2 (R) : transformation de Fourier-Plancherel . . . . . . . . . . 76

5.3

Transformation de Fourier dans L1 (R) L2 (R)- Repartition de lenergie . . 77

5.4

5.3.1

Densite spectrale denergie . . . . . . . . . . . . . . . . . . . . . . . 78

5.3.2

Comportements temporel et spectral dun signal . . . . . . . . . . . 79

Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

6 Echantillonnage
6.1

6.2

Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6.1.1

Masse de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

6.1.2

Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

6.1.3

Convolution entre une fonction et a

6.1.4

Transformee de Fourier de a . . . . . . . . . . . . . . . . . . . . . . 90
Application `a letude dun signal echantillonne . . . . . . . . . . . . 93

Theor`eme dechantillonnage de Shannon . . . . . . . . . . . . . . . . . . . . 94

6.3.1

6.4

. . . . . . . . . . . . . . . . . 89

Formule de Poisson dans L1 (R) . . . . . . . . . . . . . . . . . . . . . . . . . 91

6.2.1

6.3

85

Echantillonnage et calcul numerique du spectre . . . . . . . . . . . . 98

Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

`
TABLE DES MATIERES

145

7 Introduction `
a lanalyse vocale
7.1 Caracteristiques physiques et perceptives des sons . . . . . .
7.1.1 Sons periodiques simples: hauteur, intensite . . . . . .
7.1.2 Sons periodiques complexes: hauteur, intensite, timbre
7.2 Sons aperiodiques . . . . . . . . . . . . . . . . . . . . . . . .
7.2.1 Resonance acoustique, resonateurs et filtres . . . . . .
7.3 Resume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.

103
. 103
. 103
. 105
. 106
. 106
. 108

8 Transform
ee de Fourier `
a fen
etre glissante
8.1 Fenetrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.2 Les formules de Gabor . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.3 Comparaison des methodes de Fourier et Gabor . . . . . . . . . . . . . . .

113
. 114
. 116
. 120

9 Sujets de Travaux pratiques et dexamens

9.1 Travaux Pratiques . . . . . . . . . . . . . . .
9.1.1 Travaux pratiques 1 . . . . . . . . . .
9.1.2 Travaux pratiques 2 - FFT . . . . . .
9.1.3 Travaux pratiques 3 - FFT . . . . . .
9.1.4 Travaux pratiques 4 - Echantillonnage
9.1.5 Epreuve pratique . . . . . . . . . . .
9.2 Sujets dexamen . . . . . . . . . . . . . . . .
9.2.1 Examen du 16 decembre 2002 . . . . .
9.2.2 Examen du 3 septembre 2003 . . . . .

123
. 123
. 123
. 124
. 125
. 127
. 129
. 131
. 131
. 135

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

. . .
. . .
. .
. . .
. . .
. . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.