Académique Documents
Professionnel Documents
Culture Documents
James L. Crowley
Deuxième Année ENSIMAG première Bimestre 2001/2002
Un des intérêt principale de la TFD est qu'il permet de faire les convolutions de
deux signaux de taille N échantillons avec un coût de calcul de l'ordre de 2N
Log(N) en lieu de N2. Mais le TFD réalise une convolution périodique.
Ceci peut poser un piège.
∞
ou fp(n) est un signal périodique : fp(n) = ∑ f ( n + k N f)
k=–∞
∞
et xp(n) est un signal périodique : xp(n) = ∑ x ( n + k N x)
k=–∞
∞
et yp(n) est un signal périodique : yp(n) = ∑ y ( n + k N y)
k=–∞
Il est possible de calculer une convolution apériodique, f * x(n), par une produit de
TFD. Mais pour ce faire, il faut incruster f(n) et x(n) dans des séquences
périodiques en ajoutant les zéros.
9-2
Filtrage par Transformée de Fourier Discrète Séance 9
ej2πfn
= Cos(2πfn) + j Sin(2πfn)
1 2π
Par exemple pour f = 16 ou ω = 16 (une cycle pour 16 echantillons),
2πn 2πn
Cos( 16 ) + j Sin( 16 ) a la forme :
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
On peut definir :
2π 2π 2π
–j
WN = e N = Cos ( N ) –j Sin( N )
2π n 2π 2π 2π n 2π 2π
WNn = ( e–j N ) = e –j n (
N = Cos ( N ) – j Sin( N ) )
= Cos (n N ) –j Sin(n N )
Im
2 2π
N
2π
N
Re
9-3
Filtrage par Transformée de Fourier Discrète Séance 9
Propriétés de W
WNN/2 = –1
Une puissance entier "k" est ajouté afin de definir une ensemble de séquences
N N
(signals) orthogonales. k ∈ [– 2 , 2 –1] ou bien k ∈ [0, N –1]
nk
WNnk = e–2πj = W k (n) = Cos (n2πk) –j Sin(n2πk)
N N N N
nk N N
Les k fonctions WNnk = WNk(n) = e–2πj N pour k ∈ [– 2 , 2 –1]
Ν k1 = k 2
<W nk1 , W nk2 > =
N N 0 sinon
Démonstration de la orthogonalité :
Ν si k 1 = k 2
Orthogonalité: <W nk1 , W nk2 > =
N N 0 sinon
Demonstration :
N-1
: <x(n), y(n)> = ∑ x(n) y*(n)
n=0
2π 2π N-1 2π 2π
< e–jn k 1N
,N) , e–jn k 2
N > = ∑ e–jn k 1N e+jn k 2 N
0
9-4
Filtrage par Transformée de Fourier Discrète Séance 9
N-1 2π
= ∑ e–jn (k 2–k1) N
0
Ν k1 = k 2
=
0 sinon
Deux cas :
N-1 2π N-1 2π N-1
Si k1 = k2 alors ∑ e–jn (k 2–k1) N = ∑ e–jn (0) N = ∑1=N
0 0 0
N-1 2π
Si k1 ≠ k 2 alors k3 = k1–k2 et ∑ e–jn k 3 N
0
2π
1–e–jn k 3 N N
1 – 1
= 2π = 2π = 0.
1– e–jn k 3 N 1– e–jn k 3 N
On peut, ainsi faire une projection reversible d'une séquence de N echantillons, x(n)
nk
nk k
sur les N signals de la forme WN = WN(n) = e –2πj
N .
9-5
Filtrage par Transformée de Fourier Discrète Séance 9
N N
La TFD comprend des fréquence de k cycles sur N échantillons, k ∈ [– 2 , 2 –1]
TFD Inverse :
Intérêt :
9-6
Filtrage par Transformée de Fourier Discrète Séance 9
X(k) = F x(n)
nk
F est une matrice avec les coefficients fkn = e–2πj N
e–2πj0N0
. 0. 1 0. (N-1)
e–2πj ... e–2πj
x(0)
N N
X(0) 1. 0 1. 1 1. (N-1)
... = e
X(1) –2πj
N e–2πj N . . . e–2πj N x(1)
X(N–1) x(N-1)
...
...
–2πj(N-1) .1 (N-1) . 2 (N-1) . (N-1)
e N e –2πj
N ... e –2πj
N
Note que les coefficient X(k) sont périodique en k avec période N.
Donc X(–N/2) = X(N/2), X(–N/2+1) = X(N/2+1), X(–1) = X(N–2) etc.
1) Linéarité :
TFD{a x(n) + b y(n)) = a TFD(x(n)) + b TFD(y(n)}
2) Renversement temporel :
TFD{x(-n)} = X(-k)
3) Conjugaison :
TFD{x*(n)} = X*(-k).
4) Rétard en temps.
n
TFD{ x(n + no)} = X(k) ej2π No
9-7
Filtrage par Transformée de Fourier Discrète Séance 9
5) Rétard en fréquence.
ko
TFDI{ X(k-ko)} = x(n) e j2π N
6) Symmetrie :
7) Convolution Circulaire :
TFD( x(n) y(n) } = X(k) ∗ Y(k)
TFD{x(n) ∗ y(n)} = X(k) Y(k).
Il s’agit d’une convolution circulaire. Pour cette raison, le filtrage numérique par
TFD demande certaines précautions.
9-8
Filtrage par Transformée de Fourier Discrète Séance 9
Convolution Apériodique
N x+Ny-2 N x+Ny-2
y(n) = x(n) * y(n) = ∑ x(m) . y(n–m) = ∑ x(n–m) . y(m)
m=0 m=0
* ⇒
0 Nx-1 0 Ny-1 0 Nx + N y –1
Soit M = Min(N x, N y)
Le premier et dernier M echantillons de z(n) sont des effets de bords.
9-9
Filtrage par Transformée de Fourier Discrète Séance 9
Convolution Périodique
Soit x p(n), périodique avec périod N, xp(n) = xp(n + kN) pour k ∈ [–∞, ∞]
Soit x(n) une période de xp(n)
Soit y p(n), périodique avec périod M, yp(n) = yp(n + kM) pour k ∈ [–∞, ∞]
Soit y(n) une période de yp(n)
N x+Ny-2 N x+Ny-2
x ∗ y(n) = ∑ y p(m) . xp(n–m) = ∑ y p(n–m) . xp(m)
m=0 m=0
* ⇒
0 N-1 0 M-1 0 N+M-1
Soit M = Min(N x, N y)
Le premier et dernier M echantillons de z(n) ont des effets de bords.
9-10
Filtrage par Transformée de Fourier Discrète Séance 9
Un des intérêt principale de la TFD est qu'il permet de faire les convolutions de
deux signaux de taille N échantillons avec un coût de calcul de l'ordre de 2N
Log(N) in lieu de N2. Mais le TFD réalise un convolution périodique.
Ceci peut poser une piège.
et par dualité
Il est possible de calculer un convolution aperiodique, x(n) * y(n), par une produit
de TFD. Mais pour ce faire, il faut incruster x(n) et y(n) dans des séquence
périodique xp(n) et yp(n) de taille N = Nx + N y –1.
Coût
En générale quand la durée du signal le plus court (le filtre) dépasse N > 30, il est
plus efficace de faire ce filtrage par produit de TFD.
9-11
Filtrage par Transformée de Fourier Discrète Séance 9
Le calcul d'une TFD sur une longue durée pose certains problèmes pratiques. Pour
un séquence longue, la coût en mémoire et en temps de calcule d'une TFD est
prohibitif. De plus, pour obtenir le premier échantillon du résultat, on doit attendre
la fin de tous le calculs.
Soit le filtre à convolué, h(n), est de durée Nh tel que et n ∈ [0, Nh-1]
Le séquence a traiter, x(n) est d'une durée illimité.
x(n)
h
M
N
9-12
Filtrage par Transformée de Fourier Discrète Séance 9
9-13