Analyse spectrale

zim://A/Analyse%20spectrale.html

Analyse spectrale
En physique et dans diverses techniques apparaissent des signaux, fonctions du temps ou, plus exceptionnellement, d'une variable d'espace. L'analyse spectrale recouvre plusieurs techniques de description de ces signaux dans le domaine des frquences. Elle permet en particulier d'obtenir les caractristiques de la rponse d'un systme linaire en utilisant une fonction de transfert. En mathmatiques, l'analyse harmonique correspond une partie de ces techniques.

Sommaire
1 Prsentation 2 Diffrents modles 3 Signaux priodiques 4 Signaux transitoires 5 Signaux variance finie 5.1 Fonction d'autocovariance 5.2 Densit spectrale 5.3 Relation avec les processus alatoires 6 Voir aussi 6.1 Articles connexes 6.2 Livres

Prsentation
Un phnomne physique dpendant du temps est dcrit par un ou plusieurs signaux. On ne peut qu'exceptionnellement les interprter de faon simple. Le problme est de trouver une description de leur contenu, relativement gnrale et adapte aux problmes concrets. Ceux-ci se prsentent souvent de la manire suivante : un systme transforme un signal d'entre en un signal de sortie, comment dterminer les caractristiques de celui-ci en fonctions de celles du signal d'entre et de celles du systme ? Dans le cas gnral, on ne connat malheureusement pas la relation entre les valeurs du signal de sortie et celles du signal d'entre mais seulement la relation entre les variations du signal de sortie et les valeurs (ou ventuellement les variations) du signal d'entre. En termes mathmatiques, le systme est rgi par une quation diffrentielle. Si celle-ci est quelconque, le problme est insoluble. Heureusement, il existe une classe importante de systmes, les systmes linaires (ou supposs tels) rgis par le principe de superposition. Dans ce cas, correspondant une quation diffrentielle linaire, on peut essayer de dcomposer le signal d'entre en une somme de signaux simples auxquels on saurait faire correspondre des signaux de sortie galement simples dont la somme donnerait le rsultat cherch.

1 of 6

11/05/2012 09:15

Analyse spectrale

zim://A/Analyse%20spectrale.html

Le problme se simplifie encore plus si les caractristiques du systme restent constantes au cours du temps. On a affaire une quation diffrentielle linaire coefficients constants. Les signaux simples sont les sinusodes qui subissent uniquement une amplification et un dphasage. C'est le problme de l'analyse spectrale : dcomposer un signal compliqu en une somme de sinusodes. Ici apparat une difficult car cette dcomposition exige que le signal soit dfini sur un temps infini. Or il ne peut tre connu qu' travers un enregistrement de dure limite : il faut donc construire un modle du signal en faisant des hypothses, souvent videntes intuitivement, sur la partie non enregistre du phnomne.

Diffrents modles
On peut supposer, par exemple, que le signal reproduit indfiniment le contenu de l'enregistrement : on construit alors un modle priodique bas sur la srie de Fourier. Le signal est dcrit par un spectre discret (ensemble de frquences en progression arithmtique). On peut aussi supposer que le niveau du signal est ngligeable en dehors de l'enregistrement : on utilise dans ce cas un modle transitoire bas sur la transformation de Fourier qui conduit en gnral un spectre continu. Il existe un certain nombre de phnomnes naturels pour lesquels aucune de ces deux hypothses n'est raliste. Par exemple, un enregistrement de vagues, sans montrer de priodicit, ne montre pas non plus de dcroissance nette au cours de sa dure relativement faible : on parle alors de signal variance finie (certains prfrent parler de puissance finie mais ce n'est pas toujours pertinent techniquement), ce qui conduit la notion de densit spectrale. On peut alors utiliser une hypothse un peu plus floue selon laquelle la moyenne quadratique calcule sur l'enregistrement fournit une estimation raisonnable de la moyenne quadratique du signal. Ce type d'analyse conduit encore un spectre continu. Il se dfinit, comme les prcdents, partir du signal mais on peut obtenir des informations supplmentaires en considrant celui-ci comme une ralisation d'un processus alatoire.

Signaux priodiques

2 of 6

11/05/2012 09:15

Analyse spectrale

zim://A/Analyse%20spectrale.html

Le dveloppement en srie de Fourier d'un enregistrement de dure T associe celui-ci des sinusodes d'amplitudes finies et de frquences multiples de la frquence du fondamental 1/T. On parle d'un spectre d'amplitude qui est un spectre de raies. Dans le cas gnral, le rsultat de l'analyse peut s'exprimer soit en amplitudes et phases, soit en composantes cosinus et sinus. La sommation des sinusodes cre un signal priodique. Si le signal d'origine est priodique, il est parfaitement reprsent au moins en principe. Dans le cas contraire on n'a reprsent que l'enregistrement et il faut tenter de trouver autre chose.

Signaux transitoires

3 of 6

11/05/2012 09:15

Analyse spectrale

zim://A/Analyse%20spectrale.html

Ici, on raisonnera d'abord sur le signal de dure suppose infinie avant de voir les consquences pour un enregistrement de dure finie. Si ce signal n'est pas priodique, n'a pas de priode finie, on peut essayer de voir ce qui se passerait si on lui prtait une priode infinie. Cela entrane les consquences suivantes : Lorsque la dure d'analyse T tend vers l'infini, le pas de frquence 1/T tend vers 0 : la limite on passe d'un spectre discret un spectre continu. Au cours de cette croissance de la dure d'analyse, lorsque celle-ci est multiplie par un nombre n quelconque, le nombre de composantes est multipli par le mme facteur. Pour que le niveau du signal ne soit pas augment dans les mmes proportions il faut que les amplitudes des composantes soient, en gros, divises par n, ce qui risque de conduire la limite des amplitudes nulles. On pare cette difficult en multipliant les coefficients de Fourier par la longueur d'analyse ou en les divisant par le pas de frquence qui tend vers zro. Ainsi, le spectre continu n'est plus un spectre d'amplitude mais un spectre de densit d'amplitude dont l'unit est unit physique / hertz. M algr ces prcautions, la mthode peut diverger. Une condition de convergence est que le signal doit tre transitoire : il doit tendre vers 0 lorsque le temps tend vers . On obtient ainsi la transforme du signal x(t) que l'on note gnralement X(f), f tant la frquence. Si on retourne un enregistrement de dure limite, il y a deux possibilits : 1. Le signal n'est diffrent de zro que pendant une dure limite : l'analyse pendant cette dure fournit, au moins en principe, un rsultat exact permettant de reconstituer le signal par inversion de la transformation. 2. Le signal a des valeurs diffrentes de zro pendant une dure suprieure celle de l'enregistrement : l'imprcision du rsultat crot avec la quantit d'information perdue. L'erreur ainsi commise se traduit concrtement par une dispersion de l'nergie correspondant une frquence sur les frquences voisines et mathmatiquement par la notion de convolution.

4 of 6

11/05/2012 09:15

Analyse spectrale

zim://A/Analyse%20spectrale.html

Signaux variance finie

Le problme est plus compliqu que dans le cas prcdent et on peut l'aborder de diverses manires. Celle que nous utiliserons n'est certainement pas la plus efficace d'un point de vue scientifique mais elle a l'avantage de montrer quelques points essentiels sans les cacher derrire des considrations mathmatiques, sinon particulirement difficiles, du moins assez lourdes. Pour s'affranchir de problmes spcifiques lis la prise en compte d'une moyenne non nulle, on supposera que le signal a t pralablement centr par soustraction de sa moyenne.

Fonction d'autocovariance
Etant donn un signal x(t), on appelle fonction d'autocovariance souvent assimile tort l'autocorrlation la fonction de qui donne la moyenne des produits des valeurs de x(t) deux instants qui diffrent de :

Dans le calcul de cette moyenne, t varie de - +. Si le signal est transitoire, la fonction est nulle ; s'il est priodique, elle est elle-mme priodique. En se plaant dans le cas d'un signal qui n'appartient de toute vidence aucune des deux catgories, la fonction possde les proprits suivantes : Le changement de en - n'apporte aucune modification : la fonction est paire. l'origine, Rx(0) reprsente la variance qui est ncessairement positive. La symtrie impose qu'il s'agisse d'un extremum. En fait, il s'agit d'un maximum : si dans le calcul on remplace le dcalage 0 par un petit dcalage , chaque franchissement du niveau 0, on remplace un petit produit positif par un petit produit ngatif. En exceptant le cas du signal priodique, deux points spars par un grand dcalage ont peu de choses en commun : la fonction tend vers 0 lorsque ce dcalage tend vers l'infini. Au total, la fonction a souvent une vague allure de sinusode amortie. On veut, si c'est possible, assimiler le signal une somme de sinusodes. Supposons que ce soit le cas. Que les amplitudes soient finies ou infiniment petites, on peut crire cette somme sous la forme :

Dans ces conditions on montre que

Ainsi

5 of 6

11/05/2012 09:15

Analyse spectrale

zim://A/Analyse%20spectrale.html

La fonction d'autocovariance contient les mmes frquences que le signal. Les amplitudes ne sont pas identiques mais elles sont obtenues par lvation au carr et division par 2. Les phases ont entirement disparu : l'autocovariance correspond non seulement au signal d'origine, mais aussi tous ceux qui contiennent les mmes composantes.

Densit spectrale
On peut dduire de ce qui prcde : La fonction d'autocovariance possde une transforme de Fourier que l'on nomme densit spectrale et que l'on note gnralement Sx(f), f tant la frquence. Les composantes de l'autocovariance tant homognes des carrs d'amplitude, la densit spectrale est non ngative. Elle a une dimension (unit physique)2 / Hertz. L'autocovariance tant une fonction relle et paire, sa transforme de Fourier possde les mmes caractristiques. Un enregistrement tronquant toujours le signal cens se maintenir pendant un temps infini, la densit spectrale est ncessairement dforme par convolution.

Relation avec les processus alatoires

la dformation du contenu en frquences dj constate pour les signaux transitoires s'ajoute une incertitude statistique lie la position de l'enregistrement sur le signal. La fonction d'autocovariance correspond toute une famille de signaux qui contiennent les mmes composantes. On peut interprter cette famille comme celle des ralisations d'un processus continu. Un enregistrement de dure limite peut galement tre considr comme une ralisation d'un autre processus. Cela permet de prciser avec des intervalles de confiance la valeur statistique de l'analyse effectue.

Voir aussi
Articles connexes
Rponse en frquence Spectroscopie Spectre d'ondes planes En mathmatiques : analyse harmonique

Livres
* (en) (en) Y. K. Lin, Probabilistic Theory of Structural Dynamics, New York, Robert E. Krieger Publishing Company, juillet 1976, 368 p. (ISBN 0-88275-377-0)
6 of 6 11/05/2012 09:15