TRANSFORMEE DE FOURIER DISCRETE

transforme de fourier

Transforme de Fourier Discrte

introduction
Signaux Dter 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 numriques : x (tn ), X ( f m )

x et X sont des fonctions prenant des valeurs discrtes (en nbr fini ) :
quantification
tn n.t , temps discret , n entier ; t priode d ' chantillonnage
chantillonnage temporel , critre de Shannon
f m m.f , frquence discret , m entier , f rsolution en frquence
chantillonnage frquentiel
Autres Contra int es :
dans la pratique on ne peut travailler qu ' avec des tranches des signaux
de dure lim ite (n )

transforme de fourier

Transforme de Fourier Discrte

Thorme de Shannon
Signal bande limite

X(f)

x(t)

-fmax
t

+fmax
f

X(f)=TF (x(t));
X(f)=0 pour
-fmax < f < +fmax
pour chantillonner le signal x(t) sans perdre d information (ie,
reconstruction sans erreur), il faut que :
f e 2 f max
fe

frquence d ' chantillonnage ; T 1 / f e

priode d ' chantillonnage

sinon on observe un repliement de spectre

transforme de fourier

Transforme de Fourier Discrte

priodisation de la TFC par chantillonnage temporel

x (t ) continue en t
x (t nT ) la version chantillonne T priode d ' chantillonnage
e

x (nT ) x (t ). (t nT ) x ( t ) (t nT )
e

X ( f ) ( x (t ) (t nT ))e
e

2 jft

X ( f ) x (nT ).e

dt

2 jf ( nT )

1 / 2 T

x (nT ) T X ( f )e

1 / 2 T

2 jf ( nT )

df

conclusion :
x (nT ) X ( f ) est une fonction priodique en f de priode (1 / T )
e

transforme de fourier

Transforme de Fourier Discrte

repliement de spectre dans le domaine frquentiel
x (t )

pas de repliement

x(nT )

f max 1 / 2T

Xe( f )

1 / 2T

f max
x(t )
x(nT )

1 / 2T

f max
Xe( f )

repliement
f max 1 / 2T
1 / 2T

f max

transforme de fourier

1 / 2T

f max

Transforme de Fourier Discrte

dfinition
on cherche une fonction discrte en f , ie :
x(nT ) X (mf );
n N / 2, N / 2;
m N / 2, N / 2
signaux de longueur finie
on discrtise X e ( f ) :
X e ( f ) X (mf )

f 1 / NT rsolution en frquence

1 N / 21
x(nT )e 2 jnm / N
X (mf )

N n N / 2

N / 21

m N / 2

x(nT )

X (mf )e2jnm / N

remarque :
x(n) est une fonction priodique de priode N T

transforme de fourier

Transforme de Fourier Discrte

proprits
linarit
A ( n) A
(n) lment neutre
A A ( m )
constante
1
m
x (an) W ( )
chg d' chelle 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 )
convolution cyclique
2 jk

x ( n) x ( n) X ( m ) * X ( m )
1

X rel(X(m)) paire
R

[rel(X(N - m)) Re(X(m))]

X imag(X(m)) impaire
I

multiplica tion
[Imag(X(N - m)) Imag(X(m))]

transforme de fourier

Transforme de Fourier Discrte

discrtisation T/F=Priodisation T/F (1)
x (t )

x (t )

TF continue

sries de Fourier

x(nT ) chantillonnage temporel

x p (nT )

TF Discrte

transforme de fourier

X(f )

cn

Xe( f )

X (mf )

Transforme de Fourier Discrte

discrtisation T/F=Priodisation T/F (2)
TEMPS
continu

FREQUENCE
continu

non priodique

continu

- Fourier Continue

discret

priodique - Srie de Fourier

discret

continu

Fourier

discret

- priodique

discret

priodique - priodique
T.Fourier Discrte

transforme de fourier

Transforme de Fourier Discrte

rsolution frquentielle
x(nT) signal
n = [-N/2, N/2-1]
N points
T priode d chantillonnage,
fe=1/ T frquence d chantillonnage.
fe1/(2fmax) Shannon

X(m f) = TFD [(x(n T)]

N points en frquence
f = 1/N T
rsolution en frquence
si N f
si N f

transforme de fourier

10

Transforme de Fourier Discrte

signaux de longueur finie: fentres (1)
T 1
Le signal est de dure finie
on tronque le signal x ( n)
on tudie donc en fait :
~
x (n) x ( n).w (n)

n /2, /2

avec

w ( n) 1 ; n N / 2, N / 2 ,
N

0 ailleurs

w (n) est appele fentre Rectangulaire.

TFD ( ~
x ( n)) X ( m ) * W (m ); convolution en frquence
N

Conclusion :
- la troncature du signal revient convoluer le spectre discret
avec la TFD de la fentre.
- le choix de la fentre rectangulaire devient arbitraire
puisqu' on s' intresse au domaine spectral
il existe plusieurs types de fentres dont le choix est
dtermin par ce que l' on recherche sur spectre

transforme de fourier

11

Transforme de Fourier Discrte

signaux de longueur finie: fentres (1)
Exemple de troncature dun signal par une fentre rectangulaire
1500

1000

500

-500

-1000

-1500

500

1000

500

1000

1500

2000

2500

3000

1500

2000

2500

3000

3500

4000

4500

3500

4000

4500

1500

1000

500

-500

-1000

-1500

N/2

transforme de fourier

12

Transforme de Fourier Discrte

effet d une fentre rectangulaire sur une sinusode (2)
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1

50

100

150

200

transforme de fourier

250

300

13

Transforme de Fourier Discrte

effet d une fentre de Hanning sur une sinusode (3)
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1

50

100

150

200

transforme de fourier

250

300

14

Transforme de Fourier Discrte

effet des fentres sur une sinusode (4)

10

0.5

10

10

-0.5
-1

-1

100

200

300

50

100

150

50

100

150

10

0.5

10

-5

10

-0.5
-1

10

-10

100

200

300

10

transforme de fourier

15

Transforme de Fourier Discrte

rsum : chantillonnage temps/frquence/fentre

temps

frquence

Convolution/fentre
(fuites)

Multiplication/fentre

transforme de fourier

16

Transforme de Fourier Discrte

tude de l effet de convolution :Fentre rectangulaire(1)
1
0.8
0.6
0.4
0.2
0

10

15

20

25

30

35

10

-2

10
tes d
o
n
rsS ried
u
eco
o u
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]

transforme de fourier

17

Transforme de Fourier Discrte

convolution par une fentre rectangulaire: sinusode(2)
Cas d une sinusode :

N points, T priode d chantillonnage,

fe=1/ T, f=1/ NT
la TFD sera dfinie 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

transforme de fourier

18

Transforme de Fourier Discrte

convolution par une fentre: cas d une sinusode(3)
0

10

W(k-1)

-1

10

-2

10

-3

10

-4

10

20

10

40

60

80

100

120

W(k)

-1

10

-2

10

-3

10

-4

10

20

10

40

60

80

100

120

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)

transforme de fourier

19

Transforme de Fourier Discrte

convolution par une fentre: cas d une sinusode(4)
0

10

W(k-1)

-1

10

-2

10

-3

10

-4

10

20

40

60

80

100

120

10

W(k)

-1

10

-2

10

-3

10

-4

10

20

40

60

80

100

120

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)

transforme de fourier

20

Transforme de Fourier Discrte

Fentres et leur transforme de Fourier rsum (1)

Rectangulaire

10

0.5

10

10

Hanning

-4

10

20

30

40

10

20 40

60 80 100 120

20 40

60 80 100 120

20 40

60 80 100 120

20 40

60 80 100 120

-2

10

10

-4

10

20

30

40

10

-2

10

-2

10

Gaussienne

-2

0.5

Blackman

-4

10

20

30

40

10

-2

0.5

10

10

-4

10

20

30

40

notes de cours Srie de Fourier

transforme de fourier

21

Transforme de Fourier Discrte

proprits des fentres : rsum (2)

Fentre

Rectangulaire
Hanning
Hamming
Kaiser-Bessel
Flattop
Gaussienne

1er lobe
secondaire

dcroissance
lobes secondaires

largeur lobe
principal

(dB)

(dB/dcade)

(*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 rsolution en frquence, dynamique faible

Hanning : compromis (utilise en analyse du bruit et vibrations)

transforme de fourier

22

Transforme de Fourier Discrte

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

N 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

transforme de fourier

23

Transforme de Fourier Discrte

Algorithmes rapides : FFT (Fast Fourier Transform)-(2)
Principe :
WN e 2 / N

N 1

n 0
N

X ( m)

x(n).WNn.k ,

m 0, N 1

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

plusieurs algorithmes et architectures associs permettent de

raliser les calculs en temps rel.

transforme de fourier

24