1. Démontrer la correspondance temporelle-fréquentielle de l’étape de recombinaison lors d’une FFT et interpréter sa représentation sous la forme du diagramme « papillon ».
Domaine temporel Domaine fréquentiel
a b c d e f g h A B C D E F G H
E F× sinusoïde G H
a 0 b 0 c 0 d 0 0 e 0 f 0 g 0 h A B C D A B C D E F G H E F G H
+ +
a e b f c g d h
Dilution avec des 0 Duplication du spectre
Décalage Multiplication par une sinusoïde
Addition Addition
Diagramme papillon :
− + + univdocs.com 2.
FFT de suite réelle :
Soit : x[n], n ∈ (0, N − 1) avec N pair. On construit y[n] = x[2n] + j x[2n + 1] On note A[k ] et B[k ] les TFD de x[2n] et x[2n + 1] . Par conséquent, la TFD de y[n] est Y [k ] = A[k ] + j B[k ] .
1. En notant que x[2n] = ( y[n] + y * [n1])/ 2 , déterminer l’expression de A[k ] en
fonction de Y [k ] . Faire de même pour B[k ] .
2. En s’inspirant de l’exercice précédent, montrer que X [k ] s’exprime en
fonction de A[k ] et B[k ] . En déduire un algorithme de calcul de la TFD d’une suite réelle de longueur N à partir de l’algorithme de FFT complexe de longueur N/2.
3. Comparer en nombre de multiplication l’algorithme précédent et un algorithme
de FFT complexe de longueur N. univdocs.com TD 4 FFT Correction
1. Démontrer la correspondance temporelle-fréquentielle de l’étape de recombinaison lors d’une FFT et interpréter sa représentation sous la forme du diagramme « papillon ».
Domaine temporel Domaine fréquentiel
a b c d e f g h A B C D E F G H
E F× sinusoïde G H
a 0 b 0 c 0 d 0 0 e 0 f 0 g 0 h A B C D A B C D E F G H E F G H
+ +
a e b f c g d h
Dilution avec des 0 Duplication du spectre
Décalage Multiplication par une sinusoïde
Addition Addition
Diagramme papillon :
− + + univdocs.com Pour une FFT d’ordre N = 2 m , il y a m = log 2 N étages de recombinaison : par exemple
16 signaux de 1 point a b c d e f g h i j k l m n o p
8 signaux de 2 points a b c d e f g h i j k l m n o p
4 signaux de 4 points a c b d e g f h i k j l m o n p
2 signaux de 8 points a e c g b f d h i m k o j n l p
1 signal de 16 points a i e m c k g o b j f n d l h p
pour m = 4, N = 16 , il y a 4 étages :
Si on numérote les étages l = 0 ... m − 1 , pour l’étage l il y a (n / 2 − l ) recombinaisons de 2
signaux de 2 l points en un signal de 2 l +1 points. Si l’on appelle N l = 2 l le nombre de points des signaux à recombiner lors de l’étage l, on a :
Dilution avec des zéros :
N l −1 Soit X [k ] = ∑ x[i ] e − j 2πki / Nl i =0
y[2n] = x[n] et y[2n + 1] = 0 On a : 2 N l −1 Y [k ] = ∑ y[m] e m =0 − j 2πkm / 2 N l k ∈ [0, 2 N − 1] N l −1 N −1 = ∑ y[2n] e − j 2π k 2 n / 2 Nl + ∑ y[2n + 1] e − j 2π k (2 n +1) / 2 Nl n =0
n =0
=0 N l −1 = ∑ x[n] e − j 2π k n / N l = X [k mod N l ] = X [k mod 2 l ] n =0
Décalage : y[n + 1] = x[n] ⇒ Y [k ] = X [k ] e j 2π k / Nl = X [k ] e j 2π k / 2 = X [k ] W2kl
l
(Pour illustration, voir l’exemple de programme en C en annexe, ou ceux en Fortran et en
Basic dans le cours). univdocs.com 2. FFT de suite réelle : Soit : x[n], n ∈ (0, N − 1) avec N pair. On construit y[n] = x[2n] + j x[2n + 1] On note A[k ] et B[k ] les TFD de x[2n] et x[2n + 1] . Par conséquent, la TFD de y[n] est Y [k ] = A[k ] + j B[k ] . 1. En notant que x[2n] = ( y[n] + y * [n1])/ 2 , déterminer l’expression de A[k ] en fonction de Y [k ] . Faire de même pour B[k ] . 2. En s’inspirant de l’exercice précédent, montrer que X [k ] s’exprime en fonction de A[k ] et B[k ] . En déduire un algorithme de calcul de la TFD d’une suite réelle de longueur N à partir de l’algorithme de FFT complexe de longueur N/2. 3. Comparer en nombre de multiplication l’algorithme précédent et un algorithme de FFT complexe de longueur N.
1. On a x[2n] = ( y[n] + y * [n1])/ 2 et x[2n + 1] = − j ( y[n] − y * [n1])/ 2 . Par linéarité de la
TFD : A[k ] = (Y [k ] + Y * [−k mod( N / 2)]) Y [k ] = A[k ] + jB[k ] avec B[k ] = − j (Y [k ] + Y [−k mod( N / 2)]) *
N 2 −1 N 2 −1 2. On a A[k ] = ∑ x[2n]WNn / 2 et B[k ] = n =0 ∑ x[2n + 1]W n =0 n N /2 avec WN = e −2 j π / N N 2 −1 N 2 −1 donc X [k ] = ∑ x[2n]W + WNk ∑ x[2n + 1] WN2 n = A[k ] + WNk B[k ] 2n N n=0 n =0 On en déduit l’algorithme suivant pour calculer X [k ] à partir de A[k ] et B[k ] : a. On forme la suite y[n] = x[2n] + j x[2n + 1] et on calcule la FFT Y [k ] d’ordre N/2. b. On calcule A[k ] et B[k ] , parties réelle et imaginaire de Y [k ] . c. On calcule X [k ] = A[k ] + WNk B[k ] . 3. Si l’on considère que le calcule d’une FFT complexe compte ( N 2)log 2 N multiplications complexes, on a ici ≈ ( N 4)log 2 ( N 2) multiplications pour l’étape (a) et ( N 2) pour l’étape (c) soit en tout : ( N 2)log 2 (N 2) + (N 2) . Par exemple, pour N = 1024 , on obtient 2816 multiplications complexes au lieu de 5120.
