Académique Documents
Professionnel Documents
Culture Documents
3 Chap3
3 Chap3
1. Définition :
Un signal discret 𝑥(𝑘) est une fonction d’une variable entière indépendante. Un exemple de
signal discret est donné par la figure suivante.
Il est important de noter qu’un signal discret n’est pas défini aux instants entre deux
échantillons successifs. Si le signal discret est obtenu après une opération d’échantillonnage
𝑥(𝑘) ≡ 𝑥(𝑘. 𝑇𝑒 ) où 𝑇𝑒 est la période d’échantillonnage.
1 𝑝𝑜𝑢𝑟 𝑘 = 1,3
- Une représentation sous forme de fonction : 𝑥 (𝑘 ) = {4 𝑝𝑜𝑢𝑟 𝑘 = 2 (1)
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
k … -2 -1 0 1 2 3 4 5 …
x(k) … 0 0 0 1 4 1 0 0 …
𝑥(𝑘) = {… , 0, 0, 1, 4, 1, 1,0,0, … }
une séquence infinie aura la forme suivante où le
↑
symbole ↑ représente l’instant où k=0.
une séquence infinie où x(k) est causal aura la forme suivante :
𝑥 (𝑘 ) = { 0, 1, 4, 1, 1,0,0, … }
↑
1
2 Signaux discrets élémentaires
2
3 Convolution discrète :
3.1 Définition
En continu la convolution de deux signaux continus 𝑥(𝑡) et 𝑦(𝑡) donne un signal 𝑧(𝑡) défini
par :
+∞
𝑧(𝑡) = 𝑥 (𝑡) ∗ 𝑦(𝑡) = ∫−∞ 𝑥(𝜏)𝑦(𝑡 − 𝜏)𝑑𝜏 (5)
En discret, l’échantillonnage donne les suites de termes : 𝑥(𝑖𝑇𝑒 ) (= 𝑥(𝑖)) 𝑒𝑡 𝑦(𝑖𝑇𝑒 ) (= 𝑦(𝑖)). La
convolution discrète z de x et de y, formée des points 𝑧(𝑖𝑇𝑒 ) (= 𝑧(𝑖)), est définie à partir de
l’écriture discrétisée de la fonction de convolution continue donnée précédemment.
+∞
Il est important de remarquer que ce calcul nécessite de connaître 𝑦(𝑖) en dehors de l’intervalle
précédemment défini ; en effet nous avons besoin des échantillons correspondant à l’intervalle
𝑖 ∈ {−𝑁 + 1, . . . , − 1, 0,1, . . . , 𝑁 − 1}. Pour pouvoir réaliser effectivement le calcul, plusieurs
solutions sont possibles :
- Cas 1 :
- Cas 2 :
Les échantillons en dehors de l’intervalle {0,1, . . . , 𝑁 − 1}
sont considérés comme identiques, c’est-à-dire comme si
la fonction était périodique et de période 𝑁𝑇𝑒 .
- Cas 3 :
Les échantillons en dehors de l’intervalle
{0,1, . . . , 𝑁 − 1} peuvent être connus et alors utilisés pour N/2
3
Le premier cas conduit à des résultats présentant des distorsions, alors que les deux dernières
solutions conduisent à des résultats beaucoup plus acceptables et semblent être les plus
utilisées.
Les L échantillons collectés du signal 𝑥(𝑘) peuvent être représentés par un bloc :
𝑥 = [𝑥0 , 𝑥1 , … , 𝑥𝐿−1 ]
ℎ = [ℎ0 , ℎ1 , … , ℎ𝑀 ]
𝐿ℎ = 𝑀 + 1
La convolution du signal entrée 𝑥 de longueur 𝐿 avec le filtre ℎ d’ordre M donnera une séquence
de sortie 𝑦 (𝑘). Nous devons déterminer :
𝑦 (𝑘 ) = ∑ ℎ ( 𝑖 ) 𝑥 ( 𝑘 − 𝑖 )
𝑖=−∞
L'indice de ℎ (𝑖) doit se situer dans l’intervalle : 0 ≤ 𝑖 ≤ 𝑀 et l’indice de 𝑥 (𝑘 − 𝑖) doit se situer
dans l’intervalle : 0 ≤ 𝑘 − 𝑖 ≤ 𝐿 − 1 ou encore 𝑖 ≤ 𝑘 ≤ 𝐿 + 𝑖 − 1 et ce qui donne :
Il s'ensuit que 𝑖 doit être supérieur au maximum des deux côtés gauches et
inférieur au minimum des deux côtés de droite, c'est-à-dire :
𝑀𝑎𝑥(0, 𝑘 − 𝐿 + 1) ≤ 𝑖 ≤ 𝑀𝑖𝑛(𝑘, 𝑀)
4
Par conséquent, dans le cas d'un filtre FIR d’ordre 𝑀 et d'un signal entrée de longueur 𝐿, la
forme directe de convolution est donnée comme suit :
𝑀𝑖𝑛(𝑘,𝑀)
Exemple :
− 𝑥2(𝑘 ) = 𝑥1(𝑘 )
2 2
Ce résultat peut être trouvé directement à partir de la table suivante où la première ligne
correspond aux échantillons du premier signal et la première colonne est prévue pour les
échantillons du deuxième signal
5
Les éléments du tableau sont obtenus en multipliant les lignes par les colonnes, les k échantillons
de la convolution correspondent à la somme des éléments des lignes anti-diagonales du tableau
avec 𝑘 = 𝑖 + 𝑗 𝑖 indice des lignes et 𝑗 indice des colonnes.
2
𝑦 (𝑘 ) = ∑ ℎ (𝑖 )𝑥 (𝑘 − 𝑖 )
𝑖=𝑀𝑎𝑥(0,𝑘−𝐿+1)
Nous pouvons obtenir les limites de sommation correctes pour les trois cas suivants :
1. Filtre infini, entrée finie ; C'est-à-dire, 𝑀 = ∞, 𝐿 < ∞.
2. Filtre fini, entrée infini ; C'est-à-dire 𝑀 < ∞, 𝐿 = ∞.
3. Filtre infini, entrée infinie ; C'est-à-dire, 𝑀 = ∞, 𝐿 = ∞.
Dans les trois cas, la plage de l'indice de sortie est infinie, 0 ≤ 𝑘 ≤ 𝐿 + 𝑀 − 1 d’où 0 ≤ 𝑘 ≤ ∞
c'est-à-dire que la sortie 𝑦 (𝑘) a une durée infinie.
2. 𝑦(𝑘 ) = ∑ ℎ (𝑖 )𝑥 (𝑘 − 𝑖 ) ; 𝑀 < ∞, 𝐿 = ∞.
𝑖=0
𝑘
Exemple : Un filtre RII a une réponse impulsionnelle ℎ (𝑘) = (0.75) 𝑘 𝑢 (𝑘). En utilisant la
convolution, trouver les expressions pour le signal de sortie 𝑦 (𝑘) lorsque l'entrée est :
Dans le cas (a), parce que l'entrée et le filtre sont causaux et ont une durée infinie, nous
utilisons la formule :
𝑘 𝑘 𝑘
1 − (0.75) 𝑘+1
𝑦(𝑘 ) = ∑ ℎ(𝑖 )𝑥 (𝑘 − 𝑖 ) = ∑(0.75) 𝑢 (𝑘)𝑢(𝑘 − 𝑖 ) = ∑(0.75) 𝑖 =
𝑖
= 4 − 3(0.75) 𝑘
1 − 0.75
𝑖=0 𝑖=0 𝑖=0
𝑦(𝑘 ) = 4 𝑞𝑑 𝑘 → ∞
4
𝑦 (𝑘 ) = (−1)𝑘 𝑞𝑑 𝑘 → ∞
7
Dans la partie (c), l'entrée est finie avec une longueur L = 25. Par conséquent,
𝑘 𝑘
𝑦 (𝑘 ) = ∑ ℎ (𝑖 ) 𝑥 (𝑘 − 𝑖 ) = ∑ (0.75) 𝑖
𝑖=𝑚𝑎𝑥(0,𝑘−𝐿+1) 𝑖=𝑚𝑎𝑥(0,𝑘−𝐿+1)
- 0 ≤ 𝑘 ≤ 24 𝑒𝑡 𝑜𝑛 𝑎 𝑎𝑙𝑜𝑟𝑠
𝑘
- 24 ≤ 𝑘 ≤ ∞ 𝑒𝑡 𝑜𝑛 𝑎 𝑎𝑙𝑜𝑟𝑠
𝑘
1 − (0.75) 𝑘−(𝑘−24)+1 1 − (0.75) 25
𝑦(𝑘 ) = ∑ (0.75) 𝑖 = (0.75) 𝑘−24 = (0.75) 𝑘−24
1 − 0.75 1 − 0.75
𝑖=𝑘−24
7
4. Corrélation des signaux discrets :
Une opération mathématique qui ressemble étroitement à la convolution est la
corrélation. Comme dans le cas de la convolution deux signaux sont impliqués dans la
corrélation. L’opération de corrélation entre deux signaux sert à mesurer le degré de similitude
entre les deux signaux.
D’autre part, s’il n’y a pas de cible dans l’espace de recherche du radar, le signal 𝑦(𝑘)
représente alors le bruit seul.
8
En pratique le signal 𝑥(𝑘 − 𝑫) est fortement perturbé par le bruit additif au point où une
inspection visuelle de 𝑦(𝑘)ne révèle pas la présence ou l’absence du signal désiré réfléchi par la
cible.
La corrélation nous procure un moyen pour extraire cette importante information de 𝑦(𝑘).
ou de façon équivalente
∞
L’indice 𝒍 est le (temps) paramètre de décalage (retard) et les indices inférieurs 𝒙𝒚 sur la
séquence d’inter-corrélation représentent les séquences à corréler. L’ordre de ces indices
détermine la direction dans laquelle une séquence est décalée par rapport à l’autre. Dans la
première équation seule 𝑦(𝑘) est décalée de 𝒍 unités de temps, à droite si 𝒍 est positif et à gauche
si 𝒍 est négatif. Maintenant, dans la seconde équation seule x(k) est décalée de 𝒍 unités de
temps, à droite si 𝒍 est négatif et à gauche si 𝒍 est positif. Les deux équations sont équivalentes
puisque le décalage de x(k) à gauche de 𝒍 unité de temps par rapport à 𝑦(𝑘) est équivalent au
décalage de 𝑦(𝑘) à droite 𝒍 unité de temps par rapport à 𝑥(𝑘).
9
L'indice de x (𝑘) doit se situer dans l’intervalle : -4≤ 𝑘 ≤ 2 et l’indice de y (𝑘 − 𝑙) doit se situer
dans l’intervalle : −4 ≤ 𝑘 − 𝑙 ≤ 3 ou encore −4 − 𝑘 ≤ −𝑙 ≤ 3 − 𝑘 et ce qui donne :
𝑘 − 3 ≤ 𝑙 ≤ 𝑘 + 4 𝑒𝑡 − 4 ≤ 𝑘 ≤ 2 𝑐𝑒 𝑞𝑢𝑖 𝑑𝑜𝑛𝑛𝑒 − 7 ≤ 𝑙 ≤ 6
2
{ 2,1,6, −14,4, 2,6}
𝑃𝑜𝑢𝑟 𝑙 = 0, 𝑟𝑥𝑦 (0) = ∑ 𝑥 (𝑘 )𝑦(𝑘 − 𝑙 ) = ∑ =7
↑
𝑘=−4
𝑃𝑜𝑢𝑟 𝑙 = 1, 𝑟𝑥𝑦 (1) = 13, 𝑃𝑜𝑢𝑟 𝑙 = 2, 𝑟𝑥𝑦 (2) = −18 …etc.
- Fonction d’auto-corrélation :
Dans le cas spécial où 𝑦(𝑘) = 𝑥(𝑘), la fonction d’inter-corrélation devient fonction
d’auto-corrélation qui est définie par la séquence :
∞
ou encore
∞
Si les séquences x(k) et y(k) sont causales et finies de longueur N (càd 𝑥(𝑘) = 𝑦(𝑘) = 0 pour
𝑘 < 0 𝑒𝑡 𝑘 ≥ 𝑁), les fonctions d’inter-corrélation et d’auto-corrélation deviennent :
𝑁−|𝑗|−1
et
𝑁−|𝑗|−1
𝑎 𝑥 (𝑘 ) + 𝑏 𝑦(𝑘 − 𝑙)
𝒓𝒙𝒙 (𝟎) = 𝑬𝒙 𝒆𝒕 𝒓𝒚𝒚 (𝟎) = 𝑬𝒚 𝑞𝑢𝑖 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 é𝑛𝑒𝑟𝑔𝑖𝑒𝑠 𝑑𝑒𝑠 𝑠𝑖𝑔𝑛𝑎𝑢𝑥 𝑥 (𝑘 )𝑒𝑡 𝑦(𝑘 )𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑒𝑚𝑒𝑛𝑡.
Supposons maintenant que 𝑏0, on peut diviser l’équation (19) par 𝑏² pour obtenir :
𝑎 2 𝑎
( ) 𝑟𝑥𝑥 (0) + 𝑟𝑦𝑦 (0) + 2 ( ) 𝑟𝑥𝑦 (𝑙 ) ≥ 0
𝑏 𝑏
𝑎
on considère cette équation comme une équation du second degré avec comme variable (𝑏 ).
Pour que cette équation soit positive, il suffit que son déterminant soit négatif
∆= 4𝑟𝑥𝑦 2 (𝑙 ) − 4𝑟𝑥𝑥 (0)𝑟𝑦𝑦 (0) ≤ 0
11
𝑟𝑥𝑥 (𝑙) 𝑟𝑥𝑦 (𝑙)
𝜌𝑥𝑥 = (22) 𝜌𝑥𝑦 = (23)
𝑟𝑥𝑥 (0) √𝑟𝑥𝑥 (0)𝑟𝑦𝑦 (0)
qui implique que la fonction d’auto-corrélation est une fonction paire. Donc pour le calcul de
𝑟𝑥𝑥 (𝑙 ) il suffit de faire le calcul pour 𝑙 ≥ 0.
et la fonction d’auto-corrélation :
𝑀
1
𝑟𝑥𝑥 (𝑙 ) = 𝑙𝑖𝑚 ∑ 𝑥 (𝑘 )𝑥 (𝑘 − 𝑙 ) 𝑙 = 0, ±1, ±2, … (25)
𝑀→∞ 2𝑀 + 1
𝑘=−𝑀
Dans le cas particulier où 𝑥(𝑘) et 𝑦(𝑘) sont des séquences périodiques avec une période
égale à 𝑁 les moyennes calculées dans (24) et (25) sur un intervalle infinie sont identiques aux
moyennes sur une seule période ce qui donne
𝑁−1
1
𝑟𝑥𝑦 (𝑙 ) = ∑ 𝑥(𝑘 )𝑦(𝑘 − 𝑙 ) 𝑙 = 0, ±1, ±2, … (26)
𝑁
𝑘=0
𝑁−1
1
𝑟𝑥𝑥 (𝑙 ) = ∑ 𝑥 (𝑘 )𝑥(𝑘 − 𝑙 ) 𝑙 = 0, ±1, ±2, … (27)
𝑁
𝑘=0
Il est clair que 𝑟𝑥𝑦 (𝑙 ) et 𝑟𝑥𝑥 (𝑙 ) sont périodiques et de période N. Le coefficient 1/𝑁 peut être vu
comme un coefficient de normalisation.
Dans certaines applications pratiques, la corrélation est utilisée pour identifier les
périodicités dans un signal physique observé qui peut être corrompu par une interférence
aléatoire. Par exemple, considérons un signal discret 𝑥(𝑘) de la forme :
12
𝑦 (𝑘 ) = 𝑥 (𝑘 ) + 𝑤 (𝑘 ) (28)
où 𝑥(𝑘) est une séquence périodique de période inconnue 𝑁 et 𝑤(𝑘) représente une interférence
aléatoire additive.
𝑀−1
1
= ∑ [𝑥 (𝑘 ) + 𝑤(𝑘 )][𝑥(𝑘 − 𝑙 ) + 𝑤(𝑘 − 𝑙 )]
𝑀
𝑘=0
Le premier terme est la fonction d’autocorrélation du signal 𝑥(𝑘 ). Puisque 𝑥(𝑘) est
périodique sa fonction d’auto-corrélation est aussi périodique et de même période par
conséquent les valeurs maximales de 𝑟𝑥𝑥 (𝑙 ) seront aux instants 𝑙 = 0, 𝑙 = 𝑁, 𝑙 = 2𝑁 … Aussi,
quand le facteur de décalage 𝑙 approche de 𝑀, les pics sont réduits en amplitude du au fait que
plusieurs produits 𝑥(𝑘)𝑥(𝑘 − 𝑙) tendent vers 0. Alors on calculera par exemple 𝑟𝑦𝑦 (𝑙 ) que pour
𝑙 < 𝑀/2.
Les fonctions d’inter-corrélation 𝑟𝑥𝑤 (𝑙 ) 𝑒𝑡 𝑟𝑤𝑥 (𝑙 ) devraient être relativement petites du au fait
que 𝑥(𝑘) et 𝑤(𝑘) sont totalement indépendants. Le dernier terme correspond à la fonction
d’autocorrélation du signal aléatoire 𝑤(𝑘) et dû au fait de sa nature aléatoire 𝑟𝑤𝑤 (𝑙 ) devrait
tendre rapidement vers 0. Finalement seule 𝑟𝑥𝑥 (𝑙) devrait avoir des grands pics pour 𝑙 > 0.
Ceci va nous permettre de détecter la présence du signal 𝑥(𝑘) enfui dans une interférence
𝑤(𝑘) et identifier sa période.
𝑦 (𝑘 ) = ℎ (𝑘 ) ∗ 𝑥 (𝑘 ) = ∑ ℎ (𝑛 )𝑥 (𝑘 − 𝑛 )
𝑛=−∞
La fonction d’inter-corrélation entre le signal de sortie et le signal d’entrée est donnée par
ℎ (𝑘 ) Sortie
Entrée
La fonction d’autocorrélation du signal de sortie peut être obtenue en utilisant les propriétés
de la convolution et la corrélation
𝑟𝑦𝑦 (𝑙 ) = 𝑦(𝑙 ) ∗ 𝑦(−𝑙 ) = [ℎ(𝑙 ) ∗ 𝑥(𝑙)] ∗ [ℎ (−𝑙 ) ∗ 𝑥(−𝑙)] = [ℎ(𝑙 ) ∗ ℎ(−𝑙)] ∗ [𝑥 (𝑙 ) ∗ 𝑥(−𝑙)]
5.1. Définition
Dans le but de calculer la transformée de Fourier d’un signal s(t) à l’aide d’un ordinateur,
celui-ci n’ayant qu’un nombre limité de mots de taille finie, on est amené à discrétiser le signal
(échantillonnage) et à tronquer temporellement ce signal. On obtient ainsi une suite de N
termes représentée par :
𝑁−1
On appelle 𝑠𝑘 les valeurs du signal 𝑠𝑒,𝛱 (𝑡) aux instants 𝑘𝑡𝑒. Le spectre 𝑠𝑒,𝛱 (𝑓) de ce
signal échantillonné limité à N termes 𝑠𝑒,𝛱 (𝑡) est donné sous la forme de N éléments de valeurs
Sm espacés de Fe/N suivant une expression identique :
𝑁−1
𝐹𝑒
𝑠𝑒,𝛱 (𝑓) = ∑ 𝑆𝑚 . 𝛿 (𝑓 − 𝑚 )
𝑁
𝑚=0
De la même façon que la transformée de Fourier 𝑆(𝑓) du signal analogique s(t) qui est :
+∞
𝑆(𝑓) = ∫ 𝑠(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞
14
𝑁−1
𝑘𝑚
𝑆𝑚 = ∑ 𝑠𝑘 . 𝑒 −𝑗2𝜋 𝑁
𝑘=0
Si les N échantillons ont été prélevés avec une fréquence d’échantillonnage Fe (Fe = 1/Te),
la durée du signal échantillonné, sur laquelle a été calculée la transformée de Fourier discrète,
est donnée par :
𝑁
𝜏 = 𝑁. 𝑇𝑒 =
𝐹𝑒
1 1 𝐹𝑒
𝛥𝑓 = = =
𝜏 𝑁. 𝑇𝑒 𝑁
15
+∞ 𝑁−1 𝑁−1
∞ ∞
𝑚 𝑚 𝑚
𝑆𝑒,𝛱,𝑒 (𝑓 ) = 𝑆𝑒,𝛱 (𝑓 ). ∑ 𝛿 (𝑓 − ) = ∑ 𝑆𝑒,𝛱 ( ) . 𝛿 (𝑓 − )
𝜏 𝜏 𝜏
𝑚=−∞ 𝑚=−∞
Cette expression doit être tronquée, puisque le nombre des échantillons de la représentation
spectrale est limité à 𝑁 :
𝑁−1
𝑚 𝑚
𝑆𝑒,𝛱,𝑒,𝛱 (𝑓 ) = ∑ 𝑆𝑒,𝛱 ( ) . 𝛿 (𝑓 − )
𝜏 𝜏
𝑚=0
La question, qui se pose, est donc le lien qui existe entre les valeurs de 𝑆( 𝑓 ) aux
fréquences 𝑚𝐹𝑒 /𝑁 et 𝑆𝑚 pour 𝑚 ∈ {0,1, . . . , 𝑁 − 1}. En posant 𝜏 = 𝑁𝑇𝑒 , dans le cas où le signal
est périodique de période 𝜏, à spectre borné 𝐹𝑚𝑎𝑥 , et étant donné que :
𝜏 𝐹𝑒 𝐹𝑒
𝑆𝑚 = . 𝑆 (𝑚. ) = 𝑁. 𝑆 (𝑚. )
𝑇𝑒 𝑁 𝑁
16
5.2.3 Interprétation du résultat de la TFD
Cette interprétation des échantillons obtenus montre bien que la précision d’analyse
fréquentielle du spectre est donné par 𝛥𝑓 qui est directement lié à la fenêtre d’observation du
signal 𝜏 (𝜏 = 1/𝛥𝑓 ).
17
La transformée de Fourier rapide TFR ou FFT (Fast Fourier Transform) est simplement
un algorithme permettant de réduire le nombre d’opérations, en particulier le nombre de
multiplications, pour calculer la TFD. Ce temps de calcul est en effet primordial pour réaliser
des systèmes numériques en «temps réel ».
Il est aisé de voir que le nombre d’opérations arithmétiques (sommes et produits) nécessitées
par la TFD d’une suite de longueur 𝑁 est proportionnel à 𝑁². Ce qui, pour une suite de longueur
1000, conduit à calculer un million de sinus et cosinus suivis d’une addition et d’une
multiplication ; les temps de calcul deviennent très vite prohibitifs.
Il existe différents algorithmes de transformée de Fourier rapide. Le plus connu et le plus utilisé
est celui de Cooley-Tukey (appelé aussi à entrelacement temporel). Le nombre des
multiplications complexes est (𝑁/2) 𝑙𝑜𝑔(𝑁).
𝑁2 2𝑁
= = 204.8 𝑝𝑜𝑢𝑟 𝑁 = 1000
𝑁 𝑙𝑜𝑔(𝑁)
2 𝑙𝑜𝑔(𝑁)
Algorithme de transformée de Fourier rapide
L’algorithme de Cooley-Tukey, appelé aussi algorithme de réduction à base 2 dans le domaine
temporel, s’applique dans le cas où le nombre 𝑁 d’échantillons sk s’exprime sous la forme 2𝐿 et
permet alors de simplifier le problème par une décomposition dichotomique. Posons :
𝑘𝑚
𝑊𝑁𝑚𝑘 = 𝑒 −𝑗2𝜋 𝑁
Pour calculer les 𝑁 échantillons de la TFD {𝑆0 , 𝑆1 , 𝑆2 , . . . , 𝑆𝑁−2 , 𝑆𝑁−1 }, on utilise l’expression de
base :
𝑁−1
𝑁/2−1 𝑁/2−1
𝑚𝑖 𝑚𝑖
𝑆𝑚 = ∑ 𝑠2𝑖 . 𝑊𝑁/2 + 𝑊𝑁𝑚 ∑ 𝑠2𝑖+1 . 𝑊𝑁/2
𝑖=0 𝑖=0
Les échantillons Sm de la TFD d’ordre N s’expriment donc sous la forme de deux TFD d’ordre
N/2 :
18
𝑆𝑚 = 𝑆 𝑁 + 𝑊𝑁𝑚 𝑆 𝑁
1( ),𝑚 2( ),𝑚
2 2
avec 𝑆1(𝑁),𝑚 transformée d’ordre 𝑁/2 effectuée sur les échantillons d’ordre pair
2
et 𝑆2(𝑁),𝑚 transformée d’ordre 𝑁/2 effectuée sur les échantillons d’ordre impair.
2
𝑁 𝑚′′ −𝑁/2
- 𝑝𝑜𝑢𝑟 2 ≤ 𝑚′′ ≤ 𝑁 − 1 ∶ 𝑆𝑚′′ = 𝑆1,𝑚′′−𝑁/2 − 𝑊𝑁 𝑆2,𝑚′′ −𝑁/2
Cette analyse peut être réalisée 𝐿 fois si 𝑁 = 2𝐿. On obtient alors à la fin du processus de
dichotomie une transformée d’ordre 2 dont la matrice de calcul ne demande pas de
multiplication car :
𝑊21 = −1 𝑒𝑡 𝑊20 = 1
Ainsi l’algorithme complet du calcul peut être représenté sous la forme de 𝐿 étapes de calcul de
type « papillon » commençant par le calcul des 𝑁/2 transformées d’ordre 2.
Exemple : 𝑁 = 8
Calculons les valeurs de 𝑊8𝑚𝑘 . Seules les 8 premières valeurs de 𝑊8𝑚𝑘 sont différentes puisque
cette fonction est identique modulo 𝑁 = 8.
19
√2 √2
𝑊80 = − 𝑊84 = 1, 𝑊81 = − 𝑊85 = (1 − 𝑗 ), 𝑊82 = − 𝑊86 = −𝑗, 𝑊83 = − 𝑊87 = − (1 + 𝑗)
2 2
avec les quatre valeurs de la fonction 𝑊4𝑚𝑘 : 𝑊40 = − 𝑊42 = 1, 𝑊41 = − 𝑊43 = −𝑗,
Ensuite les échantillons de la TFD complète sont obtenus à l’aide du calcul « papillon » avec les
coefficients 𝑊8𝑚𝑘 :
Les coefficients des expressions, donnant 𝑆1,𝑚et 𝑆2,𝑚, étant très simples (1 ou 𝑗), la méthode de
découpage peut se limiter à cette étape et conserver ainsi comme premier calcul des TFD d’ordre
4. Les algorithmes, construits sur ce principe, sont appelés « FFT Radix-4 ».
Étant donné les valeurs des coefficients 𝑊2𝑚𝑘 , une TFD d’ordre 2 correspond à un opérateur de
type «papillon » sans coefficient, donc une simple somme ou différence de nombres complexes
(coût de calcul négligeable).
Ensuite les échantillons intermédiaires 𝑆1,𝑚 et 𝑆2,𝑚sont obtenus à l’aide du calcul « papillon »
avec les coefficients 𝑊2𝑚𝑘 équivalents :
20
𝑆2,𝑚 = 𝑆2,1,𝑚 + 𝑊4𝑚 𝑆1,2,𝑚 = 𝑆2,1,𝑚 + 𝑊82𝑚 𝑆2,2,𝑚
2(𝑚−2)
- 𝑝𝑜𝑢𝑟 2 ≤ 𝑚 ≤ 3 ∶ 𝑆1,𝑚 = 𝑆1,1,𝑚−2 − 𝑊4𝑚−2 𝑆1,2,𝑚−2 = 𝑆1,1,𝑚−2 − 𝑊8 𝑆1,2,𝑚−2
2(𝑚−2)
𝑆2,𝑚 = 𝑆2,1,𝑚−2 − 𝑊4𝑚−2 𝑆2,2,𝑚−2 = 𝑆2,1,𝑚−2 − 𝑊8 𝑆2,2,𝑚−2
Finalement nous obtenons dans ce cas le schéma général du calcul de la TFD d’ordre 8 qui
conduit à un calcul de 4 TFD d’ordre 2 (ou opérateur « papillon » sans coefficient), suivi de deux
étapes de calcul « papillon »
Il faut noter que pour un calcul immédiat sous cette forme les échantillons sk doivent être classés
dans un ordre permuté. Ainsi les programmes de TFR ou FFT suivant cette méthode
commencent toujours par un classement des échantillons et ensuite réalise le calcul des
différentes étapes. De nombreux programmes, qui implémentent cette méthode, existent dans
les différents langages de haut niveau et sont souvent disponibles dans les bibliothèques
scientifiques de base. Dans tous les cas le calcul d’une TFR se traduit par un temps important.
Pour améliorer ces temps de calcul de TFR et obtenir des résultats en « temps réel », par
exemple dans les systèmes de type radar, il est nécessaire d’utiliser des processeurs de
traitement de signaux (DSP : Digital Signal Processor).
21