Académique Documents
Professionnel Documents
Culture Documents
Signal discret
Soit un signal x(t) échantillonné à une période Te. Le signal échantillonné s'écrit :
ℤ⟶ ℂ: n ⟶ x (n)
1 pour n 0
(n)
Remarque : (n) (n) (n 1) n
0 sinon
Exponentielle décroissante causale a n (n), (a 1)
1
1 pour T n T T
T (n)
ℕ (n)
0 sinon
Le signal est de longueur 2T+1
2 n
Remarque : T (n) (n T ) (n (T 1))
-2
Signaux discrets périodiques
Définition de la périodicité
Un signal discret est périodique de période N si :
Exemples
- Signal sinusoïdal : x(n) Acos(0 n )
Puissance moyenne
Si le signal est à énergie infinie, on définit la puissance moyenne
1
P lim x(n) 2
N 2N 1 n
Exemple : signal échelon discret
E 1
n0
N N N 1 1
1
(n)
2 1 P
2N 1
P lim P lim 1 lim
N
2N 1
nN N n0 N 2N 1 2
Xe( f ) x(n)e j2nf f est une variable continue
n
La TF d'un signal discret est une fonction continue ou non de la variable continue f
Remarque : idem que la TF d'un signal quelconque, avec une somme à la place de l'intégrale.
TFTD : X(f ) x(n)e j2nf
n
1
2
x(n) X ( f )e j2nf df Remarque : Intégrale car f est une variable continue
1
2
Représentation spectrale
f f
0 1/2 1 0 1/2 1
Exemple de TFTD
1 n N 2
Soit x(n)
0 ailleurs
N /2
On a X(f ) x(n)e j2nf X(f ) e j2nf
n nN / 2
Remarques (pour Te = 1)
-Toute l'info est contenue dans [-½ , ½]
- Périodique de période 1
Propriétés de la TFTD
Globalement, la TFTD possède les mêmes propriétés que la TF :
: spectre d'amplitude est une fonction paire Etude sur l'intervalle de fréquence
X(f )
f 0, 1
argX ( f ) : spectre de phase est une fonction impaire 2
Décalage fréquentiel
x(n)e j2f0n X ( f f 0 )
(ou modulation)
Propriétés de la TFTD
Difficultés
Le calcul de la TF nécessite une infinité de points de mesures x(n) (pas toujours possible dans la
pratique : contraintes temps réel, etc.)
Le calculateur ne peut calculer une TFTD car sa réponse fréquentielle est forcément discrète =
un nombre fini de points fréquentiel fn, alors que f varie continûment ...
A un nombre fini de valeurs x(1) , …, x(N), on fait correspondre un nombre fini de valeurs
X(f1), …, X(fL) telle que la TFD de x soit une approximation aussi bonne que possible de X( f )
Question
Quelle est l'influence du nombre de points temporels N et du nombre de points fréquentiels L sur
l'observation spectrale ?
Détermination de la TFD
Soit {x(0), x(1), …, x(N-1)} un signal discret de durée finie N. Sa TFTD est :
N 1
X ( f ) x(n)e j 2
nf
n 0
Discrétisation de la fréquence sur L points : X( f ) est périodique de période 1, donc :
f kf avec f 1 et k 0,..., L 1
L
L'approximation discrète de la TFTD de ce signal est :
k et n ne jouent pas le même rôle :
N 1 j2 k n
X
F=k/L k
L
x(n)e L n : variable temporelle n = 0, …, N1
n0 k : variable fréquentielle k = 0, …, L1
La TFTD inverse de x(n) est L'approximation discrète de la TFTD inverse est
1 1 L1 j2 k n
x(n) 0
X ( f )e j2nf df
x (n) L X (k)e
~ L
c'est la TFD inverse.
k 0
car X( f ) est périodique de période 1
Transformée de Fourier Discrète (TFD)
Définition
La TFD évaluée sur un nombre L de points fréquentiels d'un signal discret est définie par :
N : nombre de points temporels
N 1 j 2 k n
X k x(n)e L n : variable temporelle n = 0, …, N1
n0 L : Nombre de points fréquentiels
k : variable fréquentielle k = 0, …, L1
Dans la suite, sans perte de généralités et sauf mention contraire, on considérera L=N
Remarque
Soit xp(n) , un signal périodique de période N. Pour calculer sa TFD, on se restreint à une période
N 1 j2 k n
La TFD X p k x p (n)e N
n0
1 N 1 j2 k n
La TFD inverse x(n) X p (k)e N Si x(n) est une suite périodique de période
N k 0 N et x(n) coincide exactement avec x p(n)
j2 k n0
Décalage temporel x(n n0 ) X (k)e N
Décalage fréquentiel k0
X (k k0 ) mod N
j2 n
x(n)e N
ou modulation
N 1 N 1
Relation de Parseval : 1
2 2
x(n) X (k)
conservation de l'énergie N k0
n0
TFD et convolution circulaire
Produit de convolution circulaire
Soit x(n) et y(n) deux signaux discrets de durée finie N. Leur produit de convolution circulaire est
défini par N 1 c(n) est donc périodique
c(n) x(n) y(n) avec c(n) x(i).y (n i) mod N de période N
i0
On peut voir la convolution circulaire comme la rotation d'une séquence autour d'une autre.
On veut utiliser la TFD pour analyser le contenu fréquentiel d'un signal continu x(t). Ceci impose les
opérations suivantes :
Echantillonnage de x(t)
choix de la fréquence d'échantillonnage Fe
(fixé par le th de Shannon) Numérisation : OK
Soit x(n) un signal discret. Le signal résultant de la troncature de x(n) à N d'échantillons est :
Echantillonnage de XN( f )
f k f avec f 1 et k 0,..., L 1
L
1 (ou Fe)
La distance entre 2 points fréquentiels est 1 (ou : Fe prise en compte fréquence d'échantillonnage)
L L
sin𝜋 f (N+ 1)
H(f )=
sin𝜋 f
Remarque
La convolution fréquentielle de X( f ) par H( f ) aura pour conséquence l'apparition
d'ondulations dans le spectre XN( f ) et donc dans XN(k) : c'est le problème de
résolution.
Précision de la TFD
Problématique : X N (k) X ( f ) H ( f ) f k
L
- Fenêtrage -> le spectre de la sinusoïde apparaît
sous forme de plusieurs raies non nulles Correspond à l'estimation par la TFD de f0
fréquence f0 7
2 objectifs : 3
2 1/L
Résolution en fréquence (largeur du lobe)
1
permet de distinguer 2 fréquences proches
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 1
f0
Exemple : soit un signal contenant 2 fréquences f1 et f2. 1/N
2/N
Si , les lobes principaux seront trop proches pour les distinguer
la résolution en fréquence est de l'ordre de 1/N (ou Fe /N ).
Réalisation
Remplacement de la fenêtre rectangulaire h(n) par une fenêtre dont la TF présente des
ondulations plus faibles.
Exemples de fenêtre
Fenêtre de Hanning Fenêtre de Hamming
0.54 0.46cos 2 n , n 0, , N 1
0.51 cos 2 n , n 0, , N 1 h(n) N
h(n)
N 0 ailleurs
0 ailleurs
Chaque type de fenêtre a une réponse en fréquence particulière (largeur du lobe principale, amplitude
des lobes secondaires, …) qui permet de choisir au mieux la « bonne » en fonction des applications
Remarque : diminution de la largeur du lobe principal augmentation de l'amplitude des lobes secondaires d'où
un compromis à trouver
Transformée de Fourier Rapide (FFT)
N 1 j2
k
X p k x p (n)e
n
N
n0
Sur un signal son wav de 6 secondes qui a 6*44100 = 264 600 points, on arrive
à:
1011 opérations complexes !!!
La FFT va permettre de diminuer cela
Transformée de Fourier Rapide
Conclusion
TFTD
Idem TF mais avec une somme.
TFD
Limitation de la durée du signal par fenêtrage.