TRANSFORMEE DE FOURIER DISCRETE

transformée de fourier discréte 1

 Transformée de Fourier Discrète
introduction

Signaux Déter min istes et Continus : x(t ); X ( f )

t , f , x(t ), X ( f ) sont des var iables et fontions continues

 
On veut des signaux numériques : x (tn ), X ( f m )
 
x et X sont des fonctions prenant des valeurs discrétes(en nbr fini) :
 quantification
tn  n.t , temps discret, n entier; t période d ' échantillonnage
 échantillonnage temporel, critère de Shannon
f m  m.f , fréquence discret, m entier, f résolution en fréquence
 échantillonnage fréquentiel
Autres Contra int es :
dans la pratique on ne peut travailler qu ' avec des tranches des signaux
de durée lim itée (n  )

transformée de fourier discréte 2

 Transformée de Fourier Discrète
Théorème de Shannon
• Signal à bande limitée
X(f)
x(t)

-fmax +fmax
t f
• X(f)=TF (x(t)); X(f)=0 pour -fmax < f < +fmax
• pour échantillonner le signal x(t) sans perdre d ’information (ie,
reconstruction sans erreur), il faut que :

f e  2 f max
fe fréquence d ' échantillonnage ; T  1 / f e période d ' échantillonnage
• sinon on observe un repliement de spectre
transformée de fourier discréte 3
 Transformée de Fourier Discrète
périodisation de la TFC par échantillonnage temporel

x (t ) continue en t
x (t  nT ) la version échantillonnée T période d ' échantillonnage
e

 
x (nT )  x (t ).   (t nT )   x (t ) (t nT )
e
n   n  

 
X ( f )   (  x (t ) (t nT ))e
e
 2 jft
dt
t   n  

 X ( f )   x (nT ).e 

 2 jf ( nT )

 e
n  
 1 / 2 T

 x (nT )  T  X ( f )e
  2 jf ( nT )
df
 1 / 2 T
e

conclusion :
x (nT )  X ( f ) est une fonction périodique en f de période (1 / T )
e

transformée de fourier discréte 4

 Transformée de Fourier Discrète
repliement de spectre dans le domaine fréquentiel

x(t ) pas de repliement Xe( f )

x(nT ) f max  1 / 2T
 1 / 2T 1/ 2T

 f max  f max

x(t ) repliement Xe( f )

x(nT ) f max  1 / 2T
 1 / 2T 1/ 2T

 f max  f max

transformée de fourier discréte 5

 Transformée de Fourier Discrète
définition
on cherche une fonction discréte en f , ie :
x(nT )  X (mf ); n   N / 2, N / 2; m   N / 2, N / 2
signaux de longueur finie

on discrétise X e ( f ) :
X e ( f )  X (mf ) f  1 / NT résolution en fréquence

 1  N / 21
 X (mf )   x(nT )e 2 jnm / N
 N n N / 2
  N / 21

 x ( nT )   X ( m f ) e  2 jnm / N

 m N / 2

remarque :
x(n) est une fonction périodique de période N T
transformée de fourier discréte 6
 Transformée de Fourier Discrète
propriétés

 linéarité
 A ( n )  A  (n) élément neutre
 A  A ( m ) constante
1 m
 x (an)  W ( ) chg d' échelle de temps
a a
 x ( n  k )  X ( f )e   2 jk
retard temporel
 x (  n)  X (  m )  X ( m ) *
renversement du temps
 x (n) cos(2kn / N )  1 / 2 X (m  k )  X (m  k ) modulation d' amplitude
 x ( n) * x ( n)  X ( m ) X ( m )
1 2 1 2
convolutio n cyclique
 x ( n) x ( n)  X ( m ) * X ( m )
1 2 1 2
multiplication
 X  réel(X(m)) paire
R
[réel(X(N - m))  Re(X(m))]
 X  imag(X(m))
I
impaire [Imag(X(N - m))  Imag(X(m)) ]

transformée de fourier discréte 7

 Transformée de Fourier Discrète
discrétisation T/F=Périodisation T/F (1)
TF continue X(f )
x(t )

x(t ) séries de Fourier cn

x(nT ) échantillonnage temporel Xe( f )

x p (nT ) TF Discrète X (mf )

transformée de fourier discréte 8

 Transformée de Fourier Discrète
discrétisation T/F=Périodisation T/F (2)
• TEMPS FREQUENCE
• continu continu
– non périodique - Fourier Continue

• continu discret
– périodique - Série de Fourier

• discret continu
– Fourier - périodique

• discret discret
– périodique - périodique
– T.Fourier Discrète
transformée de fourier discréte 9
 Transformée de Fourier Discréte
résolution fréquentielle
• x(nT) signal
– n = [-N/2, N/2-1]  N points
– T période d ’échantillonnage,
– fe=1/ T fréquence d ’échantillonnage.
– fe1/(2fmax) Shannon

• X(m f) = TFD [(x(n T)]

– N points en fréquence
– f = 1/N T résolution en fréquence
• si N  f 
• si N  f 

transformée de fourier discréte 10

 Transformée de Fourier Discrète
signaux de longueur finie: fenêtres (1)
T  1
Le signal est de durée finie n   /2, /2
 on tronque le signal x ( n)
on étudie donc en fait :
~
x ( n)  x ( n).w ( n)
N
R

avec w ( n)  1 ; n   N / 2, N / 2,  0 ailleurs

R
N

N
w ( n) est appelée fenêtre Rectangulaire.
R

 TFD( ~ x ( n))  X ( m ) * W ( m ); convolutio n en fréquence

R
N

Conclusion :
- la troncature du signal revient à convoluer le spectre discret
avec la TFD de la fenêtre.
- le choix de la fenêtre rectangulaire devient arbitraire
puisqu' on s' intéresse au domaine spectral
 il existe plusieurs types de fenêtres dont le choix est
déterminé par ce que l' on recherche sur spectre

transformée de fourier discréte 11

 Transformée de Fourier Discrète
signaux de longueur finie: fenêtres (1)
• Exemple de troncature d’un signal par une fenêtre rectangulaire
1500

1000

500

-500

-1000

-1500
0 500 1000 1500 2000 2500 3000 3500 4000 4500

1500

1000

500

-500

-1000

-1500
0 500 1000 1500 2000 2500 3000 3500 4000 4500

0 N/2

transformée de fourier discréte 12

 Transformée de Fourier Discrète
effet d ’une fenêtre rectangulaire sur une sinusoïde (2)

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 50 100 150 200 250 300

transformée de fourier discréte 13

 Transformée de Fourier Discrète
effet d ’une fenêtre de Hanning sur une sinusoïde (3)

0.8

0.6

0.4

0.2

-0.2

-0.4

-0.6

-0.8

-1
0 50 100 150 200 250 300

transformée de fourier discréte 14

 Transformée de Fourier Discrète
effet des fenêtres sur une sinusoïde (4)

2
1 10

0.5 1
10
0
0
10
-0.5

-1
-1 10
0 100 200 300 0 50 100 150

5
1 10

0.5 0
10
0
-5
10
-0.5

-10
-1 10
0 100 200 300 0 50 100 150

transformée de fourier discréte 15

 Transformée de Fourier Discrète
résumé : échantillonnage temps/fréquence/fenêtre

• temps fréquence

Multiplication/fenêtre Convolution/fenêtre
(fuites)

transformée de fourier discréte 16

 Transformée de Fourier Discrète
étude de l ’effet de convolution :Fenêtre rectangulaire(1)

0.8

0.6

0.4

0.2

0
0 5 10 15 20 25 30 35

0
10

-2
10
tesnd
orsSéried
u
eco ou
Frie

-4
10
20 40 60 80 100 120

wr(nT)=1 pour n=[0,N-1]

Wr(mf)= sin(N.2.pi.mf)/sin(2.pi.m. f) pour m=[0,N-1]

transformée de fourier discréte 17

 Transformée de Fourier Discrète
convolution par une fenêtre rectangulaire: sinusoïde(2)

• Cas d ’une sinusoïde :

– N points, T période d ’échantillonnage,
– fe=1/ T, f=1/ NT
– la TFD sera définie pour 0, f, 2. f , 3.f,….k. f …N/2. f
– soit x(n T ) = a.sin(2.pi.f0.n/N)

• cas 1: f0 = k. f
• cas 2: k.f  f0  (k+1).f

transformée de fourier discréte 18

 Transformée de Fourier Discrète
convolution par une fenêtre: cas d ’une sinusoïde(3)
0
10

-1
W(k-1)
10

-2
10

-3
10

-4
10
20 40 60 80 100 120

0
10

-1
W(k)
10

-2
10

-3
10

-4
10
20 40 60 80 100 120

0
10

-1
W(k+1)
10

-2
10

-3
10

-4
10
20 40 60 80 100 120

X(k f) f(k)=f0

f(k-1) f(k+1)

transformée de fourier discréte 19

 Transformée de Fourier Discrète
convolution par une fenêtre: cas d ’une sinusoïde(4)
0
10

-1
10
W(k-1)
-2
10

-3
10

-4
10
20 40 60 80 100 120

0
10

-1
10 W(k)
-2
10

-3
10

-4
10
20 40 60 80 100 120

0
10

-1
10 W(k+1)
-2
10

-3
10

-4
10
20 40 60 80 100 120

X(k f) f(k)

f(k-1) f(k+1)

transformée de fourier discréte 20

 Transformée de Fourier Discrète
Fenêtres et leur transformée de Fourier résumé (1)

0
1 10
-2
0.5 10
Rectangulaire
-4
0 10
0 10 20 30 40 0 20 40 60 80 100 120
1 10
-2
Hanning 0.5 10
-4
0 10
0 10 20 30 40 0 20 40 60 80 100 120
2 10
Blackman -2
0 10
-4
-2 10
0 10 20 30 40 0 20 40 60 80 100 120
1 10
-2
Gaussienne 0.5 10
-4
0 10
0 10 20 30 40 20 40 60 80 100 120
notes de cours Série de Fourier

transformée de fourier discréte 21

 Transformée de Fourier Discrète
propriétés des fenêtres : résumé (2)

• Fenêtre 1er lobe décroissance largeur lobe

• secondaire lobes secondaires principal

• (dB) (dB/décade) (*f)

• Rectangulaire -13 -20 1.

• Hanning -32 -60 1.5
• Hamming -43 -20 1.36
• Kaiser-Bessel -69 -20 1.8
• Flattop -93 0 3.7
• Gaussienne -69 -20 1.9

– rectangulaire : bonne résolution en fréquence, dynamique faible

– Hanning : compromis (utilisée en analyse du bruit et vibrations)

transformée de fourier discréte 22

 Transformée de Fourier Discrète
Algorithmes rapides : FFT (Fast Fourier Transform)-(1)
N 1
X ( m)   x(n)e2jnm / N , m  0, N  1
n 0
•  N Multiplications complexes, (N-1) additions pour chaque m
•  N² multiplications complexes
• exemple : N= 1000 pts  1.000.000 (X) !!

• Algorithme FFT
• N=2k   N.log2(N)= k.N
• exemple : N=1024  10. 000 (X)

• Plusieurs types d ’algorithmes

transformée de fourier discréte 23

 Transformée de Fourier Discrète
Algorithmes rapides : FFT (Fast Fourier Transform)-(2)

• Principe :
WN  e 2  / N

 N 1
 X (m)   x(n).WN , m  0, N  1
n.k

 n 0

or (WN ) N  1; (WN ) N / 2  1; (WN ) 2  WN / 2

• plusieurs algorithmes et architectures associés permettent

de réaliser les calculs en temps réel.

transformée de fourier discréte 24