UV_TS
UV Traitement du signal
Cours n° 2 : Transformée de Fourier Discrète
− TF des signaux discrets vers TF discrète
− TF discrète d’un signal périodique, d’un signal limité
− TF discrète et convolution circulaire
− Précision et résolution de la TF discrète
− Effets de fenêtrage sur la resolution de la TF discrète
− Mise en oeuvre de la TFD par la transformée de Fourier rapide
Cours n°2 1 Alexandrina
ROGOZAN
UV_TS
TF de signaux discrets vers TF discrète
Objectif : Calculer la TF d’un signal discret à l’aide d’un calculateur
Difficulté :
⇒Le calcul de la TF nécessite une infinité de points N de mesure.
⇒Le calculateur ne peut calculer le contenu fréquentiel du signal discret
qu’ en un nombre fini L de points fréquentiels, or f varie continûment.
Solution : Transformée de Fourier Discrète
Question : Quel est l’impact sur la précision et la resolution de
l’observation spectrale d’un nombre fini N de points de mesure et d’un
nombre fini L de points de calcul ?
Cours n°2 2 Alexandrina
ROGOZAN
UV_TS
TF discrète d’un signal périodique
Signal discret périodique : x n x n N , n
Calcul de la TF d’un signal discret périodique x n sur un nb. fini N de
points de mesure N 1 2j
X f x n e
nf
n 0
et sur un nb. fini L de points fréquentiels suite à une discretisation
de la fréquence : f=k/L avec k=0,...,L−1
N 1 2j k
n
L
X k x n e avec k=0,...,L−1
n 0
Cours n°2 3 Alexandrina
ROGOZAN
UV_TS
TF discrète d’un signal périodique
Définition : N 1 2j L
X k x n W nk avec W L e et n=0,...,N−1
n 0
L
et k=0,...,L−1
Propriétés :
TFD
Suite périodique x n de période N −> Suite périodique X(k) de même période
TFD−1
Puisque TFD bijective, la Trans. de Fourier Discrète Inverse existe :
1
1
X k W L nk
L 1 k L 1
2j n
x n X k e L Avec n=0,...,N−1
L k 0 L k 0 et k=0,...,L−1
Cours n°2 4 Alexandrina
ROGOZAN
UV_TS
TF discrète d’un signal périodique
N 1 2j L
Définition : X k x n W nk avec W L e
n 0
L et n=0,...,N−1
et k=0,...,L−1
Propriétés :
⇒ Séparabilité : W lL k
W lL W kL
⇒ Périodicité : W lL kL
W lL
k
⇒ Evaluation par la TZ : X k X z z e
2j
L
Cours n°2 5 Alexandrina
ROGOZAN
UV_TS
TF discrète d’un signal limité
Soit un signal discret limité : x n 0, n 0, ..., N 1
0, sinon
⇒ x n x n U n U n N x n ,n 0, ..., N 1
Calcul de la TF discrète d’un signal discret limité x n sur un nb. fini N
de points de mesure et sur un nb. fini L de points fréquentiels :
N 1 2j N 1 2j L
X k x n e
n
k
L
x n WL
nk avec W L e et n=0,...,N−1
n 0 n 0 et k=0,...,L−1
Cours n°2 6 Alexandrina
ROGOZAN
UV_TS
TF discrète
Propriétés : Présente les propriétés classiques d’une TF, mais tous les
calculs d’indices k et n se font modulo L et N
1
1
X k W L nk
L 1 k L 1
2j n
x n X k e L Avec n=0,...,N−1
L k 0 L k 0 et k=0,...,L−1
Linéarité ax n by n aX k bY k
2j k
x n n 0 modN
n0
Décalage temporel X k e L
k0
X k k 0 modL
2j n
Décalage fréquentiel L
x n e
ou modulation
N 1
2 1
L 1
2
Conservation de l’énergie du signal x n X k
Cours n°2 7
n 0 L k 0
Alexandrina
ROGOZAN
UV_TS
TF discrète et convolution circulaire
Soit x(n) et y(n) des signaux discrets limités constitués de N points, leur
produit de convolution circulaire est un signal à support temporel
discrets : {0,..., N−1}
–c(n) est un signal
N 1
c n x n y n x k y n k mod N
k 0 discret périodique de
période N
x n y n X k Y k
Propriétés :
x n y n X k Y k
Exemple : Soit x(n)=1 pour n∈{0, 1, ..., 7}
=> conv. linéaire : x(n)*x(n) = {1, 2, ..., 7, 8, ..., 2, 1} pour n∈{0, 1, ..., 15}
=> conv. circulaire : x(n) x x(n) = 8 pour n∈{0, 1, ..., 7}
Cours n°2 8 Alexandrina
ROGOZAN
UV_TS
Précision de la TF discrète
Évaluer la précision de mesure de la fréquence d’une seule sinusoide
–↑ la précision dans le domaine
|X(f)|
spectral :
–− ↓ de fe (↓ de precision en temporel)
–− ↑ du nombre de points fréquentiels L
fe/L
–− rajout d échantillons nuls, puis
f interpolation entre échantillons
Et si x(n) => raies spectrales non−multiple de fe/L ? La TFD d’une
sinusoide pure apparaît sous forme de plusieurs valeurs non nulles, dont la
plus importante en module est proche de la vraie fréq. => Si L désigne le
nb. de points de calcul de la TFD, la précision en fréquence est fe/L [Hz].
Cours n°2 9 Alexandrina
ROGOZAN
UV_TS
Résolution de la TF discrète
Objectif : Évaluer le pouvoir de séparer 2 fréquences voisines dans un
signal
Définition : Écart MIN en fréquence qu’il faut mettre entre 2
sinusoïdes d’amplitudes différentes pour observer sur le spectre de leur
somme un creux de plus de 3 dB entre les 2 maxima
⇒ Problème : Si x(n) constitué de N points de mesure => apparition de lobes dans
le spectre d’une sinusoide, dont le lobe principal a une largeur égale à 2/N.
⇒ Exemple : Soit x(n)= A 1cos(2f1n)+A 2cos(2f2n) un signal constitué de N points
de mesure
Si |f2−f1|<1/N => les lobes principaux de chacune seront très proches qu’il sera
difficile de distinguer avec certitude => la résolution est de l’ordre de fe/N [Hz]
ou autrement est de l’ordre de l’inverse du temps total d’analyse N Te
Cours n°2 10 Alexandrina
ROGOZAN
UV_TS
Effets de fenêtrage sur la resolution de la TF
discrète
N 1 2j k 2j k
n n
L L et n=0,...,N−1
X k x n e x n wN n e
n 0 n et k=0,...,L−1
wN n 1 0, ..., N 1
n fenêtre rectangulaire de largeur N
Convolution de la TF de x(n) avec la TF de wN(n) qui est :
sin N f j N 1 f
WN f e
sin f
⇒ Ondulations dans le spectre ; Interprétation : La TFD est
constituée d’échantillons de la TF à temps discret filtrée à travers un
filtre de réponse fréquentielle WN(f)
Cours n°2 11 Alexandrina
ROGOZAN
UV_TS
Effets de fenêtrage sur la resolution de la TF
discrète
Objectif : Amélioration de l! analyse spectrale par pondération des
échantillons avant filtrage
Réalisation : Remplacement de la fenêtre rectangulaire par une fenêtre
dont la TF présente des ondulations plus faibles
Fenêtre de Hamming Fenêtre de Hanning
" #
0,54 0,46 cos 2 $ n
,n % 0,..., N 1 # ' ( ) *
&
wN n 1 n
N 1 cos 2 , n 0, ..., N 1
wN n 2 N
0, sinon
0, sinon
En général la résolution en fréquence est d’autant meilleure :
⇒ que le lobe principal est étroit et que les lobes secondaires sont bas
=> élargissement du lobe principal
Cours n°2 12 Alexandrina
ROGOZAN
UV_TS
Exemples de fenêtres
Hanning Hamming Kaiser0.5
AdB
Rectangle 13
Hanning 32
Hamming 43
|W(f)|
Critères de selection :
⇒ rapport A entre les maxima du
A lobe central et des lobes
L secondaires de la TFD de fenêtres
S ⇒ atténuation S des lobes
f secondaires de la TFD de fenêtres
⇒ largeur L du lobe central
Cours n°2 13 Alexandrina
ROGOZAN
UV_TS
Transformée de Fourier rapide
Objectif :Trouver un algorithme de calcul efficace de la TFD de {xn} qui s’écrit
N 1 2j L
Xk x n W nk Avec W L e
n 0
L
1 1 ... 1
+
1 1 ... 1
+
L
2 1
X0 1 W
2
... W 2 x0 W W
3
... W
L 1 x1
X1 & 1 W
4
... W
4
L
2
1
+ x2 ' W
2
W
6
... W
2 L
+ 1
x3
... ... ... ... ... ... ...
XL
2 + 1
... ...
2
L
2+1
...
2
L
2
...
+ +
1
L
2
1
x
2
L
2
1
+ W
L
2 +
1
W
3
L
2+1
... W
L
2+ +
1 L 1 xL 1
+
1 W ... W
1 0 ... 0
X0 x0 0 W ... 0 x1
X1 & TL x2 ' 0 0 ... 0 TL x3 X
0,...,
L
2 , -
1
2
.
T L x pair DT L x impair
2
... 2 ... ... ... ... ... 2 ...
L
+ + /
+ + , -
XL x L 2
1 xL 1 XL T L x pair DT L x impair
2
1 2
2
1 0 0 ... W ..., L 1
2, 2 2
Cours n°2 14 Alexandrina
ROGOZAN
UV_TS
Transformée de Fourier rapide
X
0,...,
L
2 , -
1
2
.
T L x pair DT L x impair
2
–Le calcul d’une TFD d’ordre N necesite
le calcul de 2 TFD d’ordre N/2 + N/2
XL
2,
..., L 1
, - 2
/
T L x pair DT L x impair
2
Multiplications + N Additions
Si N=2m, on peut réitérer ce processus et le calcul de la TFD d’ordre
N se ramène au calculs de TFD d’ordre N/2, N/4, 0 , 2 => m itérations
Chaque itération nécessite N/2 multiplications complexes et N
additions Soit la complexité globale devient :
N
log 2 N Multiplications et N log 2 N Additions
2
Contre N2 Multiplications et Additions pour la TFD
Cours n°2 15 Alexandrina
ROGOZAN