Plan Du Cours

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)
Transformée de Fourier Rapide (FFT) Transformée de Fourier Rapide (FFT)

Fenêtres d’apodisation (de pondération) Fenêtres d’apodisation (de pondération)
Plan du cours
Cours de Traitement Du Signal - Transformées

1 Transformée de Fourier Discrète (TFD)
discrètes
guillaume.hiet@rennes.supelec.fr 2 Transformée de Fourier Rapide (FFT)
ESTACA
3 Fenêtres d’apodisation (de pondération)
17 octobre 2007
Guillaume HIET Cours de Traitement Du Signal - Transformées discrètes 1/38 Guillaume HIET Cours de Traitement Du Signal - Transformées discrètes 2/38

Introduction Transformée de Fourier d’un signal numérique

Problématique
Définition
Mesurer le spectre d’un signal continu x (t) à partir de la
suite d’échantillons du signal échantilloné x [n] TF (x[n]) :
n=+∞
!
Observation finie ⇒ approximation de TF (x (t)) Xnum (ν) = x [n] e−j.2π.ν.n
n=−∞
Hypothèses
Remarques
Conditions d’existence liées à la convergence de la série
Fonction complexe périodique de période unité
Choix de la fréquence d’échantillonage respecte Lien avec le signal analogique échantilloné : changement
Shannon : fe > 2.B variable ν = ffe
Effet du bloqueur négligé (échantillonage parfait). Inadapté aux calculs numériques ⇒ intérêt théorique
Erreur liée à la quantification négligée.
Définition Relation entre TFD et spectre de x (t)
Transformée de Fourier Discrète Discrétisation de la Transformée de Fourier

TFD d’ordre N : ∀k ∈ [0, N − 1] La TFD peut être vue comme une discrétisation
N−1 (échantillonnage) sur une période [0, fe ] de la transformée
!
XN [k ] = x[n]e
−j.2π.k .n
N de Fourier du signal numérique observé sur une durée
n=0 τ = N.Te :
# $
N = nombre d’échantillons utilisés dans le calcul. k
XN [k ] = Xnum/f , ∀k ∈ [0, N − 1]
Si N = 2q ⇒ algorithme rapide (Fast Fourier Transform) N
Spectre discret adapté aux traitements numériques

Transformée de Fourier Discrète Inverse
N−1
1 ! j.2.π.k .n Caractérisation spectrale
x [n] = XN [k ]e N
N Spectre discret ⇒ caractérisation d’un signal périodique
k =0

Dualité Temps/Fréquence Relation entre TFD et spectre de x (t)

TFD et TFR : Dualité temps - Fréquence Périodisation du signal numérique
# "
!t=1/Fe On peut définir : x̃ [n] = p∈Z x [n − p.N] , n ∈ Z
Temps
x̃ est la séquence obtenue par périodisation de x [n]
Application de la TFD
Périodisation de XN :
!
X̃N = XN [k − p.N] , k ∈ Z
Fréquence
p∈Z
!f=1/#
Discrétisation de Xnum/f (f ) :
Fe
# $
!t=1/Fe=#/N !f=1/#=Fe/N k
X̃N = Xnum/f ,k ∈ Z
N
La résolution (!t) dans le domaine temporel est l’inverse de l’étendue de la TFD dans le
domaine fréquentiel (0-Fe). Guillaume HIET Cours de Traitement Du Signal - Transformées discrètes 7/38 Guillaume HIET Cours de Traitement Du Signal - Transformées discrètes 8/38
De même, la résolution (!f) dans le domaine fréquentiel est l’inverse de l’étendue dans
le domaine temporel( 0 - ").
Relation entre TFD et spectre de x (t) Propriétés
Autre définition de la TFD Linéarité :

Lien entre x̃ [n] et X̃N [k ] :
TFD(α.x[n] + β.y [n] = α.TFD(x[n]) + β.TFD(y [n])
N−1
! −j.2.π.k .n
X̃N [k ] = x [n] .e N ,k ∈ Z Conjugaison : TFD(x[n]) = XN [N − k ]
j.2.π.n0
n=0
Décalage temporel : TFD(x[n + n0 ]) = XN [k ].e N
j.2.π.k0
N−1
1 ! j.2.π.k .n Décalage fréquentiel : TFD −1 (XN (k − k0 )) = x[n].e N
x̃ [n] = XN [k ] .e N , n ∈ Z
N Symétries : si x[n] ∈ R
n=0
Re(XN [k ]) = Re(XN [N − k ])
Im(XN [k ]) = −Im(XN [N − k ])
Bilan |XN [k ]| = |XN [N − k ]|
Liens entre x̃, x, TF et TDF... (cf poly p. 59) → lecture spectre sur zone utile [0, f2e ] ↔ [0, N2 ]

Définition
Décalage circulaire FFT = algorithme de calcul des TFD de rang N = 2q .
Décalage circulaire d’une séquence (modulo N) : Utilisation du principe diviser pour mieux régner : limiter le
nombre d’opérations (additions, multiplications).
x [(n − p)N ] = x̃ [n − p] Algorithme de COOLEY-TUKEY strictement équivalent à
la définition de la TFD.
Convolution circulaire
" Description de la méthode
(u * v ) [1] = N−1p=0 u [p] v [(1 − p)N ] = (ũ ∗ ṽ ) [1]
On pose :
(u * v ) [n] TFD
←−→XN [k ] .YN [k ] N−1
!
XN [k ] = x [n] .WNk .n , 0 ≤ k ≤ N − 1
x [n] .y [n] TFD n=0
←−→ (XN * YN ) [k ]
avec
2.π
WN = e−j. N
Relation de récurrence
Partitionnement de x [k ] en a [p] = x[2.p] et
b [p] = x[2.p + 1], 0 ! p ! N2 − 1 Papillon FFT d’ordre 2
Calcul de XN en fonction de AN/2 et BN/2 : Schéma algorithmique de TFD d’ordre 8
XN [k ] = AN/2 [k ] + WNk .BN/2 [k ] , 0 ≤ k ≤ N − 1
Utilisation de la périodicité
N
AN/2 et BN/2 sont périodiques de période 2
k + N2
WN = −WNk
XN [k ] = AN/2 [k ] + WNk .BN/2 [k ] , 0 ≤ k ≤ N2 − 1
% &
XN N2 + k = AN/2 [k ] − WNk .BN/2 [k ] , 0 ≤ k ≤ N2 − 1

Influence sur le temps de calcul

Détermination de l’entrelacement
Décomposition de l’indice de la séquence ordonnée : FFT
1 multiplication et 2 additions complexes par papillon
q−1
! ' ( N
n= j
mj .2 = 2. mq−1 .2 q−2+...+m1
+ m0 2 papillons par étape de récurrence
j=0 q = log2 (N) étapes de récurrence
N
Bilan : 2 .log2 (N) multiplications et N.log2 (N) additions
m0 détermine la première partition. De même, chaque bit
détermine les partitions successives
TFD directe
Décomposition de l’indice de la séquence entrelacée :
N 2 multiplications complexes
q−1
! N. (N − 1) additions complexes
q−1 q−2 0
i = m0 .2 + m1 .2 + ... + mq−1 2 = mq−1−j .2j Facteur de réduction du nombre de multiplications :
j=0
2.N
Renversement de l’ordre des bits. R=
Log2 (N)
Fenêtres d’apodisation (de pondération)

Performance/critères de choix
Problématique Largeur de la fenêtre ⇒ résolution fréquentielle (pouvoir
Numérisation ⇒ multiplication par une fonction porte séparateur)
(domaine fréquentiel) Remontée des lobes secondaires ⇒ résolution en
Distorsion spectrale (convolution par un sinus cardinal) : amplitude (pouvoir de détection)
raie ⇒ lobe principal (2/T)
lobes secondaires Remarques
Substitution de la fenêtre porte par d’autres fenêtres pour Toutes les fenêtres (sauf la fenêtre rectangulaire) modifient
améliorer la lisibilité du spectre l’allure temporelle du signal.
Fenêtre idéale : largeur de lobe principale nulle et pas de
Propriétés
lobe secondaire
w [n] = 0, ∀n ∈
/ [0, N − 1]
Pas de solution miracle ⇒ choix en fonction des
xw [n] = x [n] .w [n] caractéristiques du signal
XwN [k ] = XN [k ] * WN [k ]

Fenêtre rectangulaire Fenêtre rectangulaire
Définition
w (t) = 1
Propriétés
2
Largeur de lobe principal : T
Rapport d’atténuation : −30dB
Résolution fréquentielle moyenne
Mauvaise résolution en amplitude
2 cas d’utilisations typiques :
Analyse des signaux périodiques de fréquence connue ⇒
choix de L
Signaux d’excitation (chocs...)

Fenêtre triangulaire Fenêtre triangulaire
Définition
|t − T2 |
w (t) = 1 − T
2
Propriétés
4
Résolution en amplitude moyenne
Peu de cas d’utilisations
Fenêtre hanning Fenêtre hanning

Définition
# $
2.π.t
w (t) = 1 − cos
T
Propriétés
4
Bonne résolution fréquentielle
Bonne résolution en amplitude
Cas d’utilisations typiques :
Fenêtre par défaut lorsque la fréquence des signaux n’est
pas parfaitement connue
Analyse spectrale : utilisation du recouvrement

Fenêtre hanning avec recouvrement Fenêtre hanning
Définition
Aquisition de plusieurs blocs successifs avec
recouvrement.
Traitement de chaque bloc par une fenêtre hanning simple.
Durée d’acquisition : T = [(1 − Ch) . (K − 1) + 1] .N.Te
Propriétés
Faible distorsion
Faible remontée des lobes secondaires
Chevauchement judicieux : 50%, 67%...
Utilisation en analyse spectrale : traitement des signaux
aléatoires
Fenêtre hamming Fenêtre hamming

Définition
# $
2.π.t
w (t) = 0, 54 − 0, 46cos
T
Propriétés
4
Bonne résolution fréquentielle
Bonne résolution en amplitude (meilleur que hanning pour
des fréquences voisines)
même utilisation que hanning
surtout pour séparer des fréquences proches

Fenêtre de Blackman Fenêtre Blackman

Définition
# $ # $
2.π.t 4.π.t
w (t) = 0, 42 − 0, 5cos + 0, 08.cos
T T
Propriétés
6
Très bonne résolution en amplitude
Compensation du pouvoir de séparation par la durée
d’aquisition
Détection d’harmoniques de faible amplitude
Fenêtre Flat-top Fenêtre Flat-top
Définition
# $ # $ # $
2.π.t 4.π.t 6.π.t
w (t) = 1−1, 93.cos +1, 29.cos −0, 388.cos +0, 0322.cos
T T T
Propriétés
10
Résolution fréquentielle moyenne (largeur du lobe
principal)
Excellente résolution en amplitude
Utilisation pour étalonnage de capteur...

Fenêtre de Kaiser-Bessel Fenêtre Kaiser-Bessel

Définition
# $ # $ # $
2.π.t 4.π.t 6.π.t
w (t) = 1−1, 24.cos +1, 244.cos −0, 0305.cos
T T T
Propriétés
8
Résolution fréquentielle moyenne (largeur du lobe
principal)
Bonne résolution en amplitude (meilleure que hanning..)
Bon compromis
Utilisation en analyse de machines tournantes
Fenêtre exponentielle Fenêtre exponentielle
Définition
w (t) = e−δ.(t−t0 )
Propriétés
4
Utilisation pour étude des signaux pseudo-périodiques et à
décroissance lente.

Plan Du Cours

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Plan Du Cours

Transféré par

Droits d'auteur :

Formats disponibles

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Transformée de Fourier Rapide (FFT) Transformée de Fourier Rapide (FFT)

Cours de Traitement Du Signal - Transformées

guillaume.hiet@rennes.supelec.fr 2 Transformée de Fourier Rapide (FFT)

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Introduction Transformée de Fourier d’un signal numérique

Définition Relation entre TFD et spectre de x (t)

Transformée de Fourier Discrète Discrétisation de la Transformée de Fourier

Spectre discret adapté aux traitements numériques

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Dualité Temps/Fréquence Relation entre TFD et spectre de x (t)

Relation entre TFD et spectre de x (t) Propriétés

Autre définition de la TFD Linéarité :

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

XN [k ] = AN/2 [k ] + WNk .BN/2 [k ] , 0 ≤ k ≤ N − 1

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Influence sur le temps de calcul

Fenêtres d’apodisation (de pondération)

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Fenêtre rectangulaire Fenêtre rectangulaire

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Fenêtre triangulaire Fenêtre triangulaire

Fenêtre hanning Fenêtre hanning

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Fenêtre hanning avec recouvrement Fenêtre hanning

Fenêtre hamming Fenêtre hamming

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Fenêtre de Blackman Fenêtre Blackman

Fenêtre Flat-top Fenêtre Flat-top

Transformée de Fourier Discrète (TFD) Transformée de Fourier Discrète (TFD)

Fenêtre de Kaiser-Bessel Fenêtre Kaiser-Bessel

Fenêtre exponentielle Fenêtre exponentielle

Vous aimerez peut-être aussi