Académique Documents
Professionnel Documents
Culture Documents
Chapitre 3:
2
Echantillonnage
Définition:
L’échantillonnage consiste à prélever à des instants précis, le plus souvent
équidistants, les valeurs instantanées d’un signal. Le signal analogique s(t),
continu dans le temps, est alors représenté par un ensemble de valeur discrètes :
3
Echantillonnage:suite
Echantillonnage idéal:
• L’échantillonnage idéal est modélisé par la multiplication du signal continu
s(t) et d’un peigne de Dirac de période Te.
se (t ) s(t ) Te (t ) s(t )n (t nTe ) n s(nTe ) (t nTe )
échantillonnage
4
Echantillonnage:suite
6
Echantillonnage:suite
Filtre antirepliement:
• Dans la plupart des situations, le spectre du signal à échantillonner
s'étale sur tout le domaine des fréquences (tout en diminuant du coté des hautes
fréquences), mais il n'existe pas une fréquence fmax au-delà de laquelle l'énergie est
nulle. Il y a donc un problème pour choisir la fréquence d'échantillonnage !
• En pratique, on se fixe une fréquence maximale fmax à partir de laquelle on estime
la représentation de notre signal satisfaisante pour les applications que l’on veut en
faire. Puis on effectue un filtrage passe-bas (à fmax) avant l’échantillonnage afin de
remédier aux repliements de spectre. On appelle ce filtre un filtre antirepliement.
Ex. C'est le cas de la parole où le spectre des sons audibles s'étend au-delà de
20kHz.
Dans le cas des CD audio, le signal est échantillonné à 44.1 kHz, on limite
ainsi le spectre à 22.05 kHz.
En téléphonie numérique le signal est échantillonné à 8 kHz seulement, ce
qui limite le spectre à 4 kHz (3.4kHz en pratique).
• Plus on rendra d’échantillons par période, plus la reconstruction du signal est
simplifié (le filtrage passe-bas est simplifié). 7
Transformée de Fourier d’un signal discret
Définitions:
La transformée de Fourier à temps discret d’un signal à temps discret
{s(nTe)}=s[n] n’est rien d’autre que la transformée de Fourier du signal se(t).
Les coefficients de cette décomposition sont donnés par:
dt [n s[n] (t nTe )]e dt n s[n]e j 2fnTe
S ( f ) se (t )e j 2ft j 2 ft
Que l’on réécrit simplement par:
f
j 2n
S ( f ) n s[ n]e
Fe
(TFTD)
En remarquant que S(f) est une fonction périodique de période Fe, on obtient la
transformée de Fourier inverse donnée par:
f
1 Fe / 2 j 2n
s[n]
Fe Fe / 2
S ( f ) e Fe
df (TFTD-1)
8
Transformée de Fourier d’un signal discret:suite
Propriétés de la TFTD:
Les propriétés de la TFTD sont les mêmes que celles de la transformée de Fourier.
TFTD
• Linéarité: i ai si[n] i ai Si(f)
• Dilatation: s[an] 1/|a| S(f/a)
• Translation: s[n-n0] S(f) exp(-j2n0f/Fe)
exp(j2nf0/Fe) s[n] S(f-f0)
Fe / 2
• Produit: s[n].g[n] 1/Fe
Fe / 2
S ( f )G ( )d
9
Transformée de Fourier discrète
Fenêtrage:
Avec un DSP, il est impossible de calculer la transformée de Fourier d’un signal
discret. En effet, il faudrait un temps et une mémoire infinie.
On est donc, toujours amené à travailler avec un nombre fini de points N.
Cela revient à dire que les signaux exploités numériquement sont toujours une
troncation de signaux réels.
Ainsi, on construit un signal tronqué xT[n] qui résulte de la multiplication des
échantillons de x[n] par une fenêtre d’analyse notée y[n] (ou fenêtre de troncature):
10
Transformée de Fourier discrète:suite
Le fait de tronquer un signal peut notablement affecter son spectre.
Exemple: Troncation d’une sinusoïde par un fenêtrage rectangulaire
11
Transformée de Fourier discrète:suite
On constate que le fait de tronquer le signal tend à élargir les raies contenues dans
le spectre. Plus le fenêtrage sera large, plus les raies seront étroites et tendront vers
les Diracs originaux.
Si on conserve qu’une période (environ) de la sinusoïde, les deux sinus cardinaux
se chevaucheront bien avant d’avoir atteint des amplitudes négligeables. Ainsi, plus
on voudra une résolution importante en fréquence, plus il faudra conserver un
nombre important de périodes temporelles du signal à analyser.
Le fenêtrage rectangulaire n’est pas forcément le meilleur. Dans le domaine
temporel, il interrompt brusquement le signal, générant artificiellement de hautes
fréquences. On lui préfère la fenêtre de Hanning.
12
Transformée de Fourier discrète:suite
Echantillonnage en fréquence:
Le spectre du signal tronqué prendra la forme suivante:
nf
j 2
ST ( f ) n 0 sT [ n]e
N 1
Fe
Pour représenter ST(f), il faut le calculer pour toutes les valeurs de f (variable
continue), ce qui est impossible avec un DSP.
Comme ST(f) est périodique de période Fe, on découpe alors cet intervalle en M
parties égales et on ne calcule ST(f) que pour des multiples de Fe/M.
L’échantillonnage fréquentiel de pas f = Fe/M conduit à la formule de la
transformée de Fourier discrète:
nkf
j 2
ST [k ] n 0 sT [n]e
N 1
Fe
pour k [0,1,2,..., M 1]
nk
j 2
ST [k ] n 0 sT [n]e
N 1
M
pour k [0,1,2,..., M 1]
13
Transformée de Fourier discrète:suite
Choix du pas d’échantillonnage en fréquence:
Le problème majeur dans l’échantillonnage en fréquence, réside dans le choix
du pas d’échantillonnage et donc le choix de M.
En fait, échantillonner en fréquence revient à périodiser dans le domaine
temporel la partie tronquée du signal.
1 n
ST [k ] k ST ( f ). ( f kf ) n f T
TF-1
s (t ) (t )
f
14
Transformée de Fourier discrète:suite
si 1/f <T : La résolution spectrale est trop grande, d’où un recouvrement temporel
(Shannon à l’envers).
si 1/f >T : Il n’y aura plus de repliement temporel, mais des intervalles durant
lesquels le signal est nul.
15
Transformée de Fourier discrète:suite
En pratique, on choisira f = 1/T .
Comme T = NTe (fenêtre temporelle d’analyse) et f = 1/T (pas en fréquence).
On déduit alors que : Fe/M = 1/NTe M=N
Souvent on néglige l’indice T (de troncature) devenu superflu.
Ainsi la définition de la transformée de Fourier discrète (TFD) devient:
nk
j 2
S [k ] n 0 s[n]e
N 1
N
pour k [0,1,2,..., N 1]
Et la transformée de Fourier discrète inverse (TFD-1) devient:
nk
1 N 1 j 2
s[n] k 0 S[k ]e N pour n [0,1,2,..., N 1]
N
Notons que:
|S[k]| = |S[N-k]| et arg(S[k]) = -arg(S[N-k])
16
Transformée de Fourier d’un signal discret:suite
Propriétés de la TFD:
Les propriétés de la TFD sont les mêmes que de la TFTD, à condition de supposer
que le signal d’entrée est périodique de période N échantillons.
• Linéarité: i ai si[n] TFD i ai Si[k]
• Translation: s[(n-n0)mod N] S[k] exp(-j2kn0/N)
• Produit: s[n].g[n] 1/N S[k] G[k]
• Convolution1: s[n] g[n] S[k].G[k]
1
N 1 2
N 1 2
• Parseval: s[n] = k 0
S[k ]
n 0 N
Si x[n] et y[n] deux signaux discrets de durée finie N , le produit de convolution est défini par :
Définition (convolution linéaire):
N 1
c[ n] x[i ]y[ n i ] avec n 0,1,...., 2( N 1) et ( x[i]=0 et y[i]=0 pour i<0 ou i >N-1).
i 0
convolution linéaire : c[n] x[n] y[n] = {1, 2, ..., 7, 8, 7, ..., 2, 1} pour n∈{0, 1, ..., 14}