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 t +fmax 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 nT ) la version échantillonnée T période d ' échantillonnage e n n x (nT ) x (t ). (t nT ) x (t ) (t nT ) e t n X ( f ) ( x (t ) (t nT ))e e 2 jft dt X ( f ) x (nT ).e df x (nT ) T X ( f )e conclusion : x (nT ) X ( f ) est une fonction périodique en f de période (1 / T ) e 2 jf ( nT ) n 1 / 2 T 1 / 2 T 2 jf ( nT ) e e transformée de fourier discréte 4 Transformée de Fourier Discrète repliement de spectre dans le domaine fréquentiel x(t ) x(nT ) Xe( f ) pas de repliement f max 1 / 2T 1 / 2T f max x(t ) x(nT ) 1/ 2T f max Xe( f ) repliement f max 1 / 2T 1 / 2T f max transformée de fourier discréte 1/ 2T f max 5 Transformée de Fourier Discrète définition on cherche une fonction discréte en f , ie : x(nT ) X (mf ); n N / 2, N / 2; m N / 2, N / 2 signaux de longueur finie on discrétise X e ( f ) : X e ( f ) X (mf ) f 1 / NT résolution en fréquence 1 N / 21 x(nT )e 2 jnm / N X (mf ) N n N / 2 N / 21 2 jnm / N x ( n T ) X ( m f ) e 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 retard temporel x ( n) X ( m ) X ( m ) renversement du temps x (n) cos(2kn / N ) 1 / 2 X (m k ) X (m k ) modulation d' amplitude x ( n) * x ( n) X ( m ) X ( m ) convolutio n cyclique 2 jk * 1 2 1 2 x ( n) x ( n) X ( m ) * X ( m ) 1 2 1 2 X réel(X(m)) paire R X imag(X(m)) I multiplication [réel(X(N - m)) Re(X(m))] impaire [Imag(X(N - m)) Imag(X(m)) ] transformée de fourier discréte 7 Transformée de Fourier Discrète discrétisation T/F=Périodisation T/F (1) x(t ) x(t ) TF continue séries de Fourier x(nT ) échantillonnage temporel x p (nT ) TF Discrète transformée de fourier discréte X(f ) cn Xe( f ) X (mf ) 8 Transformée de Fourier Discrète discrétisation T/F=Périodisation T/F (2) • TEMPS • continu FREQUENCE continu – non périodique • continu - Fourier Continue discret – périodique • discret - Série de Fourier continu – Fourier • discret - périodique discret – périodique - périodique – T.Fourier Discrète transformée de fourier discréte 9 Transformée de Fourier Discréte résolution fréquentielle • x(nT) signal – – – – n = [-N/2, N/2-1] N points T période d ’échantillonnage, fe=1/ T fréquence d ’échantillonnage. fe1/(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 on tronque le signal x ( n) on étudie donc en fait : ~ x ( n) x ( n).w ( n) n /2, /2 N R avec w ( n) 1 ; n N / 2, N / 2, 0 ailleurs N R N w ( n) est appelée fenêtre Rectangulaire. TFD( ~ x (n)) X ( m ) * W ( m ); convolutio n en fréquence R N R 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 0 -500 -1000 -1500 0 500 1000 0 500 1000 1500 2000 2500 3000 3500 4000 4500 1500 2000 2500 3000 3500 4000 4500 1500 1000 500 0 -500 -1000 -1500 0 transformée de fourier discréte N/2 12 Transformée de Fourier Discrète effet d ’une fenêtre rectangulaire sur une sinusoïde (2) 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0 50 100 150 200 transformée de fourier discréte 250 300 13 Transformée de Fourier Discrète effet d ’une fenêtre de Hanning sur une sinusoïde (3) 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0 50 100 150 200 transformée de fourier discréte 250 300 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 0 100 200 300 10 0 50 100 150 0 50 100 150 5 1 10 0.5 0 10 0 -5 10 -0.5 -1 -10 0 100 200 300 10 transformée de fourier discréte 15 Transformée de Fourier Discrète résumé : échantillonnage temps/fréquence/fenêtre • temps fréquence Convolution/fenêtre (fuites) Multiplication/fenêtre transformée de fourier discréte 16 Transformée de Fourier Discrète étude de l ’effet de convolution :Fenêtre rectangulaire(1) 1 0.8 0.6 0.4 0.2 0 0 5 10 15 20 25 30 35 0 10 -2 10 tesd o n rsSéried u eco ou F rie -4 10 20 40 60 80 100 120 wr(nT)=1 pour n=[0,N-1] Wr(mf)= sin(N.2.pi.mf)/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/ NT 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: • cas 2: f0 = k. f 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 W(k-1) -1 10 -2 10 -3 10 -4 10 20 40 60 80 100 120 0 10 W(k) -1 10 -2 10 -3 10 -4 10 20 40 60 80 100 120 0 10 W(k+1) -1 10 -2 10 -3 10 -4 10 20 40 X(k f) 60 80 100 120 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 W(k-1) -1 10 -2 10 -3 10 -4 10 20 40 60 80 100 120 0 10 W(k) -1 10 -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 X(k f) 60 80 100 120 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) Rectangulaire 10 0.5 10 0 10 1 Hanning -4 0 10 20 30 40 0 10 20 40 60 80 100 120 -2 10 0 10 -4 0 10 20 30 40 0 10 20 40 60 80 100 120 -2 0 10 -2 10 1 Gaussienne -2 0.5 2 Blackman 0 1 -4 0 10 20 30 40 0 10 20 40 60 80 100 120 -2 0.5 10 0 10 -4 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 • • • • • • • Rectangulaire Hanning Hamming Kaiser-Bessel Flattop Gaussienne 1er lobe secondaire décroissance lobes secondaires largeur lobe principal (dB) (dB/décade) (*f) -13 -32 -43 -69 -93 -69 -20 -60 -20 -20 0 -20 1. 1.5 1.36 1.8 3.7 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) X ( m) N 1 x(n)e2jnm / 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 n.k X (m) x(n).WN , m 0, N 1 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