Université Abdelhamid Ibn Badis Mostaganem Faculté des sciences exactes et de l’informatique - Département de physique Travaux Pratiques d’A.T.S.I. TP N 2 : LA DECOMPOSITION EN SERIE FOURIER DE Présenté par : Latrach Khaldia Khassani Houaria 2019-2020 Introduction L’énoncé mathématique stipule que presque n’importe quelle fonction périodique peut être exprimée comme une somme de sinusoïdes (sinus et cosinus) de différentes fréquences : c’est ce qu’on appelle aujourd’hui une série de Fourier. L’étude d’une fonction périodique par les séries comprend deux volets :l’analyse qui consiste à la détermination de la suite des ses coefficients de Fourier et la synthèse qui permet de retrouver en un certain sens la fonction à l’aide de la site de ses coefficients. Figure1 : Signal créneau à DSF L’expression de 𝒔(𝒕) est donnée par: 𝟏 ; 𝐭 ∈ [𝐧𝐓, (𝐧 + ) 𝐓] … … … 𝟐 𝐬(𝐭) = { 𝟏 −𝐚 ; 𝐭 ∈ [(𝐧 + ) 𝐓, (𝐧 + 𝟏)𝐓] 𝟐 𝐚 Le courbe n’admet pas l’axe des ordonnées comme axe de symétrie, alors 𝑠(𝑡) est une fonction impaire ↳ son DSF ne comportera que des termes en sinus « les coefficients 𝐚𝐧 sont nuls » Et donc la série de Fourier s’écrit: ∞ 𝐬(𝐭) = 𝐚𝟎 + ∑ 𝐛𝐧 𝐬𝐢𝐧(𝐧𝛚𝐭) Partie théorique 𝐧=𝟏 1/-a- La décomposition en sinusoïdes consiste à modifier d’une part leurs amplitudes, en les multipliant par des coefficients qui leur donnent plus ou moins d’importance, et d’autre part leurs phases, en les décalant de manière à ce qu’elles s’additionnent ou se compensent. -b- le type de signaux est 𝟐𝜫 périodique 𝑠(𝑡) de période T= 2/ 𝝎 3/ On effectue la décomposition en série de Fourier du signal créneau 𝑠(𝑡). 𝟏 𝐓 𝟐 𝐓 − 𝟐 Calcul de a0: 𝐚𝟎 = ∫ 𝐬(𝐭)𝐝𝐭 𝐓 𝟎 𝟎 𝟏 = ∫(−𝐚)𝐝𝐭 + ∫ 𝐚𝐝𝐭 𝐓 𝐓 𝐓 − [− 𝟐 ] 𝟐 𝐓 𝐚 𝟎 = [ −𝐭| 𝐓 + 𝐭|𝟎𝟐 ] − 𝐓 𝟐 𝐚 𝐓 𝐓 = [− + ] 𝐓 𝟐 𝟐 Donc: 𝐚𝟎 = 𝟎 C'est prévu, parce que la valeur moyenne 𝑠̅ est nulle: 2 𝐬𝐦𝐚𝐱 + 𝐬𝐦𝐢𝐧 𝐚 + (−𝐚) 𝐬̅ = = 𝟐 𝟐 = 𝟎 = 𝐚𝟎 Alors : ∞ 𝐬(𝐭) = ∑ 𝐧=𝟏 𝟐𝐚 𝐬𝐢𝐧(𝐧𝛚𝐭) [𝟏 − (−𝟏)𝐧 ] 𝐧𝛑 Calcul de 𝐛𝐧 . 𝑻 𝟐 𝒃𝒏 = Par conséquent, la décomposition ne comprend que des harmoniques d’ordre impair=> n=2p+1. 𝟐 ∫ 𝒔(𝒕)𝒔𝒊𝒏(𝒏𝝎𝒕)𝒅𝒕 𝑻 𝑻 − 𝟐 𝟎 𝟐 = ∫(−𝒂)𝒔𝒊𝒏(𝒏𝝎𝒕)𝒅𝒕 𝑻 𝑻 [− 𝟐 ∞ 𝒔(𝒕) = ∑ 𝒑=𝟎 𝟐𝒂 𝒔𝒊𝒏((𝟐𝒑 + 𝟏)𝝎𝒕) [𝟏 − (−𝟏)𝟐𝒑+𝟏 ] (𝟐𝒑 + 𝟏)𝝅 Donc : L’expression de la DSF pour un signal créneau (carré) est : 𝟎 + ∫ 𝒂 𝒔𝒊𝒏(𝒏𝝎𝒕)𝒅𝒕 − = 𝑻 𝟐 ] 𝟐 𝒂 𝒄𝒐𝒔(𝒏𝝎𝒕) |𝟎 𝑻 [ − 𝑻 𝒏𝝎 𝟐 𝑻 𝒂 − 𝒄𝒐𝒔(𝒏𝝎𝒕) |𝟎𝟐 ] 𝒏𝝎 𝟐𝒂 𝒏𝝎𝑻 = [𝟏 − 𝒄𝒐𝒔 ( )+𝟏 𝒏𝝎𝑻 𝟐 𝒏𝝎𝑻 − 𝒄𝒐𝒔 ( )] 𝟐 = ∞ 4𝑎 sin((2𝑝 + 1)𝜔𝑡) 𝑠(𝑡) = ∑ 𝜋 (2𝑝 + 1) 𝑝=0 4𝑎 1 1 = [𝑠𝑖𝑛(𝜔𝑡) + 𝑠𝑖𝑛(3𝜔𝑡) + 𝑠𝑖𝑛(5𝜔𝑡) 𝜋 3 5 +⋯ 𝟐𝒂 [𝟏 − 𝒄𝒐𝒔(𝒏𝝅)] 𝒏𝝅 ↳ Pour n paire cos(𝑛𝜋) = 1 ⇒ 𝐛𝐧 = 𝟎 ↳Pour n impaire cos(𝑛𝜋) = −1 ⇒ 𝒃𝒏 = 𝟒𝒂 𝒏𝝅 Donc : pour (𝒏 ∈ ℕ∗ ) 𝟐𝒂 [𝟏 − (−𝟏)𝒏 ] 𝒃𝒏 = 𝒏𝝅 3 Figure2.Les coefficients de Fourier de signal créneau. Partie pratique matlab 1/on explique le programme Matlab donné dans la fiche TP: function [s]=decompo(n La fonction donne la série de Fourier d’un signal périodique (créneau). Le nom de la fonction est decompo, son argument est n (nombre d’harmoniques). close all; ferme tous les figures et graphes et efface les fenêtres de commande. m=floor(n/2); Pour arrondit chaque valeur de n/2 au nombre entier le plus proche ≤ à cet élément Ts=0.22e-3;%période d'échantillonnage La période d'échantillonnage Ts est un intervalle de temps régulier séparant des instants t0=24.e-3;%période de signal carré La durée du temps dans lequel le signal se répète N=500;%nombre de points N est le nombre de points qui constituent le graphe de signal s. vn représente les signaux de base (La forme complexe de la série de Fourier). s(k+1)=cn*vn'; s(k+1)est la série de Fourier, elle est obtenue par la multiplication des coefficients de Fourier cn et les exponentiels complexes vn et chaque produit de cn et vn est sommé par la boucle. (l’apostrophe (‘) sur vn signifie la transposé de ce vecteur). End End termine la boucle for. t=(0:N-1)*Ts; t est l’abscisse de graphe de s. Ces valeurs sont des multiples de la période d’échantillonnage Ts . plot(t,s); L’instruction plot(t,s) crée un graphe de s en fonction du temps t. On obtient la courbe de la série de Fourier de notre signal créneau pour chaque n. p=(-m-1):m; grid;xlabel('t');ylabel('x(t)') L’indice p qui caractérise les coefficients de Fourier. grid pour afficher les lignes de la grille des axes. Pour nommer les deux axes on utilise les deux commandes xlabel et ylabel. cn=((-1).^p)./(2*p+1)/pi; Cette ligne corresponde aux coefficients de Fourier cn de signal créneau. cc=(2*pi*1i*Ts)*(2*p+1)/t0; cc représente l’exposant de l’exponentiel complexe dans les termes de série de Fourier. for k=0:N-1 for exécute un groupe d'instructions dans une boucle pendant un nombre de fois spécifié. (il y a 500 itérations). vn=exp(cc*k); 4 title('le signal créneau reconstitué') Le titre du graphe End End termine la fonction f. 2/ On écrit le code en utilisant l’éditeur de Matlab. Puis on l’enregistre sous le nom decomp . Le code Matlab qui donne la série de Fourier 3/Le programme est exécuté pour différentes valeurs de n 5 n=500 4/On remarque que les signaux obtenus pour les valeurs n pair et impair qui se suivent sont identiques. Explication. 6 On a déjà montré dans la partie théorique que pour n pair les coefficients de Fourier associés aux sinus sont nuls et donc leurs termes dans la série sont nuls et ne contribuent pas à la décomposition. Alors le programme saute un signal pour n pair est trace le signal pour n impair suivant, c’est pour ça ces deux signaux sont identiques. dépassement substantiel en ce point : c’est ce que l’on appelle le phénomène de Gibbs [Plus le nombre d’harmoniques est grand, plus le phénomène de Gibbs sera visible] Partie pratique simulink 1/ On réalise le montage montré dans la figure dans Simulink 5/ A partir de n=500 on obtient un résultat acceptable. Pour cette Le montage réalisé par Simulink. valeur de n les ondulations aux maximum a et minimum –a disparaissent et devient des lignes horizontales. 6/ le nom de distorsions indiquées sur la figure est : Gibbs 2/ chaque oscilloscope donne une courbe représentant un signal différent. Explication : Au voisinage d’un point ou une fonction « f » a une discontinuité, les sommes partielles de la série de Fourier présenteront un 7 L’explication de la signification de chaque signal obtenu et leurs interprétation. Scope 1. Le signal c’est un signal rampe: 𝐬(𝐭) = 𝐭. Scope 2. C’est un ensemble de 10 signaux rampes amplifiés:2t, 3t, 4t …, en plus du signal original 𝐭. 3/ Le dernier oscilloscope Scope 3. Ensemble de 10 fonctions sinus possèdent la même amplitude (=1) et des fréquences différentes (1, 2, 3 …) (𝐬𝐢𝐧𝐭, 𝐬𝐢𝐧𝟐𝐭 … ). Le bloc trignometric functions transforme chaque signal rampe d’amplitude 𝑎 (𝒂 = 1,2, … ,10) à un signal sinusoïdal de fréquence 𝑎. donne le signal final qui représente la DSF d’un signal périodique. Ce signal est un signal rampe périodique, et il est obtenu par la sommation de tous les signaux sinusoïdaux apparaissent dans le 4ème oscilloscope). 4/ L’expression théorique de la décomposition en série de Fourier du signal. Scope 4. Les sinusoïdaux précédents sont amplifiée et multipliés par les coefficients de Fourier 1 1 1 (1, − , … . . − ) d’un signal 2 3 10 périodique qu’on sera l’indique par la suite. 8 On peut déduire l’expression théorique de la DSF du signal par noter que ce signal est impair et donc seulement les termes sinus existent dans la série de Fourier (𝑎0 = 𝑎𝑛 = 0). On obtient: 𝟏 𝟏 𝒔(𝒕) = 𝒔𝒊𝒏𝒕 − 𝒔𝒊𝒏𝟐𝒕 + 𝒔𝒊𝒏𝒕𝟑𝒕 𝟐 𝟑 𝟏 − 𝒔𝒊𝒏𝒕𝟒𝒕 𝟒 𝟏 𝟏 𝟏 + 𝒔𝒊𝒏𝟓𝒕 − 𝒔𝒊𝒏𝟔𝒕 + 𝒔𝒊𝒏𝟕𝒕 𝟓 𝟔 𝟕 𝟏 − 𝒔𝒊𝒏𝟖𝒕 𝟖 𝟏 𝟏 + 𝒔𝒊𝒏𝟗𝒕 − 𝒔𝒊𝒏𝟏𝟎𝒕 𝟗 𝟏𝟎 CONCLUSION Dans ce TP on a effectué la DSF de signal créneau manuellement et par un programme Matlab, et d’un signal en dents de scie en utilisant l’application Simulink. * lorsque le nombre d’harmonique 𝑛 augmente, La décomposition s'améliore. 9