ENSEIRB - Anne 1

Traitement du Signal Numrique :

Pierre Hanna
hanna@labri.fr

Traitement du Signal Numrique p.1/27

Transforme de Fourier discrte

Le signal numtrique est de dure finie

transforme de Fourier discrte (DFT pour discrete Fourier Transform) :

N1
j 2Fef n
X( f ) = x[n]e
n=0

Traitement du Signal Numrique p.2/27

chantillonnage et DFT

signal chantillonn s partir dun signal analogique s:

s(t) = s(nTe ) (t nTe )
n=

Comme s(nTe ) = s(t) (t non nul pour t = nTe ), nous pouvons crire:

s(t) = s(t) (t nTe )
n=
= s(t)x(t)

Or, nous avons:

x(t) = (t nTe )
n=

1
= exp2 jmFe t
T m=

Traitement du Signal Numrique p.3/27

chantillonnage et DFT

Il vient donc:

1
s(t) = exp2 jmFe t s(t)
T m=

Or, daprs la proprit vue prcdemment (dcalage en frquence), nous avons montr que:

S(exp(2 j f0 t)x(t)) = X( f f0 )

Nous pouvons donc crire:

1
S( f ) =
T S( f mFe )
m=

rplication priodique du spectre original S

Traitement du Signal Numrique p.4/27

DFT

La transforme de Fourier discrte scrit :

N1
j 2Nkn
X(k) = x[n]e
n=0

signal rel spectre conjugu-symtrique

frquence maximale: frquence de Nyquist Fe /2
spectre discret (chantillonn, par pas de Fe /N Hertz)
spectre priodique (de priode N)
un facteur de normalisation N2 est souvent employ dans lquation pour
obtenir la valeur exacte des amplitudes du spectre.

Traitement du Signal Numrique p.5/27

Principe de la STFT

La transforme de Fourier impose une hypothse de stationnarit du signal

sur son contenu frquentiel.
Or le spectre du signal volue parfois rapidement dans le temps.
Il est donc ncessaire de rduire la dure du signal tudi, pour rendre
cette hypothse de stationnarit la plus valide possible.
Cest pourquoi les mthodes danalyse bases sur la transforme de
Fourier considrent des fentres temporelles successives, pouvant
ventuellement se chevaucher.
Les spectres associs sont dits court terme.

= Transforme de Fourier court-terme ou Short-time Fourier Transform

(STFT)

Traitement du Signal Numrique p.6/27

Transforme de Fourier court terme

0.4

0.3

0.2

0.1
amplitude

0.1

0.2

0.3

0.4
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
temps (s)

STFT : une fentre danalyse de courte dure est dplace le long du signal.

Les fentres peuvent ventuellement se chevaucher (ici recouvrement de 50%).

Traitement du Signal Numrique p.7/27

STFT

1 N1 j 2N nk
X[k] =
N n=0
x[n]w[n]e

o X[k] est lestimation du spectre court terme.

La fentre rectangulaire w qui dfinit la portion considre de signal scrit:

w[n] = 1 , n {0; 1; . . . N 1}
w[n] = 0 , sinon

= compromis entre la rsolution temporelle/rsolution frquentielle.

Traitement du Signal Numrique p.8/27

Fentres dapodisation

Le spectre continu associ une sinusode pure est thoriquement une fonction
de Dirac. Dans le cas discret, ce nest pas le cas.

Explication :
x = s w X = S W

= le choix de la fentre multiplicative w est prpondrant

Traitement du Signal Numrique p.9/27

Importance du fentrage. . .

(s)

s
multiplication par la fentre danalyse convolution par son spectre
dB

20

40

60

12 11 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 casiers

compromis en prcision: temps / frquence, frquence / amplitude

Traitement du Signal Numrique p.10/27

Choix de la fentre danalyse

ncessaire de dfinir une fentre dont les effets sont limits :

le spectre des fentres est compos de lobes conscutifs qui peuvent

donner lieu plusieurs raies pour un signal compos dune seule sinusode
pure.
Le lobe principal est plus ou moins large : le maximum nest pas toujours
le bon erreur sur la frquence

Le choix dune fentre dpend de lanalyse effectuer ainsi que de la nature du

signal tudi.

La fentre idale nexiste pas.

Traitement du Signal Numrique p.11/27

Choix de la taille de la fentre

Il est ncessaire de sassurer que les sinusodes composant le signal tudi sont
spar dune distance suffisamment important par rapport la rsolution
frquentielle impose par la taille de la fentre danalyse :

Fs
fk+1 fk
N

Traitement du Signal Numrique p.12/27

Zoom casiers de la transforme

10

15
Amplitude (dB)

20

25

30

35

40

45
2 4 6 8 10 12 14 16
Frquence (casiers)

le pic principal et ses voisins. . .

Traitement du Signal Numrique p.13/27

Zoom (suite)

2
Amplitude (dB)

6
4 4.5 5 5.5 6 6.5 7 7.5 8
Frquence (casiers)

Traitement du Signal Numrique p.14/27

Fentres

1 0

0.8 20

0.6 40

X(f)/dB
0.4 60

0.2 80

0 100
0 Ws/2 Ws 10 8 6 4 2 0 2 4 6 8 10
f/bins

1 0

0.8 20
amplitude

0.6 40

X(f)/dB
0.4 60

0.2 80

0 100
0 Ws/2 Ws 10 8 6 4 2 0 2 4 6 8 10
temps/ech
f/bins

Fentres rectangulaire et de Hann avec gauche leur reprsentation temporelle et

droite leur spectre damplitude associ.

Traitement du Signal Numrique p.15/27

Fentres

1 0

0.8 20

amplitude

X(f)/dB
0.6 40

0.4 60

0.2 80

0 100
0 Ws/2 Ws 10 8 6 4 2 0 2 4 6 8 10
temps/ech. f/bins

1 0

0.8 20
amplitude

X(f)/dB
0.6 40

0.4 60

0.2 80

0 100
0 Ws/2 Ws 10 8 6 4 2 0 2 4 6 8 10
temps/ech f/bins

Fentres de Blackman et de Bartlett avec gauche leur reprsentation temporelle

et droite leur spectre damplitude associ.

Traitement du Signal Numrique p.16/27

Limites dues la taille des fentres

Technique du bourrage par zro (zero-padding) : interpolation.

cot plus important

interpolation limite

Exemple : si deux frquences sont trop proches (rsolution frquentielle), le

zro-padding naidera pas toujours.

Traitement du Signal Numrique p.17/27

Fentres

deux frquences sont trop proches :

10
figure du haut :
0

10
linterpolation par
bourrage de zro deux
20
X(f)/dB

30

40

50 sinusodes de frquences
60

proches
10 8 6 4 2 0 2 4 6 8 10
f/bins

10

10
figure du bas : malgr
20
le bourrage de zro, ces
X(f)/dB

30

deux frquences ne peu-

40

50

60

vent tre distingues

10 8 6 4 2 0 2 4 6 8 10
f/bins

Traitement du Signal Numrique p.18/27

Fentre Bartlett

N 2n
0 n , wBartlett,N [n] =
2 N
N 2n
< n < N, wBartlett,N [n] = 2
2 N
10

1 0

10

0.8 20

30

0.6 40
amplitude

X(f)/dB
50

0.4 60

70

0.2 80

90

0 100
0 N/2 N 0 N/2 N 5 0 5
temps/ech. f/bins
Traitement du Signal Numrique p.19/27
Fentre Hann

2 n
wHann,N [n] = 0.5 0.5 cos( )
N
10

1 0

10

0.8 20

30

0.6 40
amplitude

X(f)/dB
50

0.4 60

70

0.2 80

90

0 100
0 N/2 N 0 N/2 N 5 0 5
temps/ech. f/bins

Traitement du Signal Numrique p.20/27

Proprits des fentres

Le tableau ci-dessous prsente quelques proprits utiles pour le choix dune

fentre danalyse.
Fentre lobes secondaires / lobe principal largeur lobe
Rectangulaire 13dB 2 bins
Bartlett 26dB 4 bins
Hann 31dB 4 bins
Hamming 42dB 4 bins
Blackman 58dB 6 bins
Proprits des diffrentes fentres danalyse.

Traitement du Signal Numrique p.21/27

Choix des fentres

Nous pouvons toutefois citer deux caractristiques essentielles (qui sont donnes
par la tableau) :
La largeur du lobe principal permet de contrler la prcision
frquentielle. Plus il est troit, meilleur est la rsolution frquentielle.
Les lobes secondaires doivent pouvoir tre ngligs par rapport au lobe
principal. Plus la diffrence damplitude est importante, plus la diffrence
sera notable entre le lobes.
Il est important de noter quil est ncessaire deffectuer un compromis entre ces
deux proprits, car il nexiste pas de fentre idale.
Par ailleurs, il est important de remarquer que certaines fentres permettent de
reconstruire un signal par chevauchement (rectangulaire, Bartlett, Hann, . . . ).

Traitement du Signal Numrique p.22/27

Amliorations de lanalyse de Fourier
interpolation parabolique [Serra, Smith: 1986]
forme du lobe principal de la fentre danalyse: parabole
pic principal et ses voisins gauche et droit: curve fitting
sommet de la parabole frquence et amplitude du pic
algorithme triangulaire [Keiler, Zlzer: 1999]
fentre danalyse dont le spectre est connu: triangle
curve fitting avec deux demi-droites
vocodeur de phase
[Portnoff: 1976, Allen: 1977, Moorer: 1978, etc.]
utilisation de la relation entre frquence et phase
rassignement spectral [Auger, Flandrin: 1995]
Fourier lordre 1 [Desainte-Catherine, Marchand: 2000]

Traitement du Signal Numrique p.23/27

Interpolation parabolique (1/2)

al 20log10 (S[m 1])

=
ac = 20log10 (S[m])
ar 20log10 (S[m + 1])

=

1 al a r
d=
2 al 2ac + ar
1 1
 
m m + d d ] , [
2 2
frquence estime: f = m FNe
amplitude estime: adB = ac (al ar ) d4

Traitement du Signal Numrique p.24/27

Interpolation parabolique (2/2)
rsultat parfait condition dutiliser une fentre danalyse dont le spectre est une parabole. . .
t 2
fentre gaussienne: w(t) = e

le spectre dune gaussienne est une gaussienne:

2
|W ( f )| = AeB f

et en chelle logarithmique:

log(|W ( f )|) = log(A) B f 2

degr 2 en f parabole

problme: largeur de la gaussienne. . .

Traitement du Signal Numrique p.25/27

Fentre danalyse: fentre de Hann
fentre de Hann:

1 2 n
  
wHann [n] = 1 cos (0 n < N)
2 N

sa drive:
2 n
 
w0 Hann [n] = sin
N N

son spectre. . .

Traitement du Signal Numrique p.26/27

Spectre de la fentre de Hann
cette fentre peut sexprimer sous la forme:

1 2 n
  
w[n] = 1 cos r[n]
2 N

o r est la fentre rectangulaire de taille N, dont le spectre de Fourier est:

N1
i2 f n/Fe 1 ei2 f N/Fe
N R( f ) = e = (car ei2 f /Fe 6= 1)
n=0 1 ei2 f /Fe

i f (N1)/Fe
sin( f FNe )
= e .
sin( Fef )

en exprimant la fentre de Hann sous la forme:

1 1 1
w[n] = r[n] ei2 n/N r[n] ei2 n/N r[n]
2 4 4

on obtient le spectre continu W :

1 1 Fe 1 Fe
   
W ( f ) = R( f ) + R f + R f+
2 4 N 4 N
Traitement du Signal Numrique p.27/27