Analyse Spectrale

Traitement du Signal
Analyse spectrale
Plan 1. Analyse de Fourier signaux continus 1. TF 2. Distributions 3. Systmes linaires 2. Signaux Numriques 1. chantillonnage 2. Quantification, Bruit de quantification 3. TFD-TFR 3. Analyse spectrale des signaux dterministes 1. Fentres dapodisation 2. Spectre damplitude 2. Estimation de la Densit Spectrale de Puissance 4. Analyse spectrale des signaux alatoires 1. Proprits temporelles des signaux alatoires 2. Proprits frquentielles des signaux alatoires 3. Estimation de la densit spectrale de puissance 4. Applications 5. Application 1. Calcul du seuil de perception auditive dans MPEG http://thierry.paquet.free.fr T. Paquet Traitement du Signal L3-EEA 1
Quelques notions
Un signal reprsente lvolution au cours du temps (pas toujours) dune grandeur physique (courant, tension, pression etc) Ce signal est porteur dune information produite par la source qui la mis: - signal de parole (acoustique) - signal radio (EM) - signal radar (EM) Analyser le signal cest extraire linformation produite par la source pour: - la reproduire fidlement: radio - dtecter des vnements: surveillance, dtection - connatre les proprits de la source: bande passante
T. Paquet Traitement du Signal L3-EEA 2
Quelques applications
T. Paquet
L3-EEA
Quelques applications
Bonjour
B de Bonjour
T. Paquet
L3-EEA
Dterministe / Alatoire
bruit
Systme physique capteur
bruit
Canal de transmission Rcepteur MEF Traitement Information utile Pour dcision par ex
T. Paquet
L3-EEA
Introduction
Organisation dun systme de traitement numrique du signal
Capteur
Convertisseur A/N
suite chronologique de nombres quantum
Traitements numriques
Information recherche
grandeur physique Tesl a Volt s
grandeur lectrique
Traitement numrique = Programme de traitement
T. Paquet
L3-EEA
Exemple : Compression Audio

Estimation spectrale + Modle auditif
Analyse spectrale numrique Filtrage numrique Codage - Compression
x(n)
x(n)
H0(z) M Quantification codage Allocation Dynamique De bits HM-1(z) M M FM-1(z) M F0(z)
M filtres passe-bande
Dcimation dun facteur M
Sur-chantillonnage dun facteur M ajout de M-1 zros
M filtres interpolateurs
Sous-chantillonnage critique dun facteur M
T. Paquet
L3-EEA
1. Analyse de Fourier
Intrt: - Dcomposition dun signal quelconque sur une base orthogonale de signaux lmentaires. -Facilite ltude des systmes rpondant au principe de superposition.
T. Paquet
L3-EEA
Signaux Harmoniques Analogiques

Reprsentation temporelle
A x (t ) = A cos( 2 f o t ) = (exp(2 jf o t ) + exp( 2 jf o t )) 2

0 0 0 0 -0 -0 -0 -0
t est la variable, A et fo sont les 2 paramtres qui caractrisent compltement le signal Reprsentation frquentielle
f est la variable, A et fo sont les 2 paramtres qui caractrisent compltement le signal

mono-latrale A
A A X ( f ) = A ( f o ) = ( f o ) + ( f o ) 2 2
bi-latrale A/2
T. Paquet
fo
fo
L3-EEA
fo
Signaux Priodiques Analogiques (1)

Dcomposition en srie de Fourier 1 To = Tout signal priodique x p (t ) de priode peut s'crire
fo
x p (t ) = a0 + an cos(2 nf ot ) + bn sin(2 nf ot )
n =1 n =1
x p (t ) = ao +
n =1
2 2 an + bn cos(2 nf ot + n ) 2
avec
1 ao = To
To 0
x p (t )dt
2 an = To
To 0
x p (t ) cos(2nf o t )dt
2 bn = To
To 0
x p (t ) sin(2nf o t )dt
bn n = Arctg ( ) an
T. Paquet
L3-EEA
10

Un signal priodique prsente donc un spectre de raies : Spectre damplitude
X( f ) =
2 2 a n + bn ( f nf o ) 2
Spectre de phase
bn n = Arctg ( ) an
T. Paquet
L3-EEA
11

Exemple, cas d'un signal carr :
T/2 Spectre d'amplitude T
Spectre de phase
3f 5f
7f
3f 5f
7f
1 ao = 2
bn =
1 harmonique
an = 0
si n impair bn = 0
5
n = Arctg ( ) =
2 n
sin on
7 10 harmoniques
T. Paquet
L3-EEA
12
Signaux Analogiques (1)

Signaux priodiques Srie de Fourier Notations complexes
+
x p ( t ) = X n exp( 2 jnf o t )
spectre de raies
X n = 1 x p ( t )exp( 2 jnf o t ) dt T 0
galit de Bessel-Parseval:
To
n =
Xn
1 T x ( t ) 2 dt = T 0
On peut calculer la puissance sur la reprsentation temporelle ou sur la reprsentation frquentielle
T. Paquet
L3-EEA
13

Signaux quelconques Transforme de Fourier on considre que le signal a une priode infinie
+
x (t ) =
X ( f ) exp(2jft )df
X( f ) =
x(t ) exp(2jft )dt
Spectres: les spectres deviennent continus

X ( f ) = Re ( X ( f ) + Im ( X ( f )
2 2
Im( X ( f ) ( f ) = Arctg ( ) Re( X ( f )
Conservation de lnergie Bessel parsseval:
X ( f ) df =
2
T. Paquet
x(t ) dt
L3-EEA 14

Proprits de la TF:
drivation
F [ x' (t )] = 2jf F ( x(t )) = 2jf

F [ x(t )] = exp(2jf ) X ( f )
X(f )
retard
dilatation
F [ x(at )] =
1 X ( f / a) a
Produit de convolution (Filtrage)
F [ x(t ) u (t )] = X ( f ) U ( f )

Distributions:
Dfinie sur lespace vectoriel des fonctions de indfiniment drivables et support born
Rn
Exemple: Soit f une fonction sommable sur tout ensemble born, elle dfinit une distribution D f par la relation: Dirac:
Df , = f(t)(t)dt
(t), =(0)
D , = D, t t
(t x), =(x)
Drivation:
Transforme de Fourier:
FD, = D,F
F, = ,F
L3-EEA 16
T. Paquet

La distribution de Dirac:
(t), =(0)
F(1)=(f)
(t x), =(x)
F (e
2 j f
0
) = ( f f0 )
F (cos(2
1 f 0 t )) = ( f f 0 ) + ( f + f 0 ) 2
F (sin(2
1 f 0 t )) = ( f f0 ) ( f + f0 ) 2j
F ( (t t 0 )) = e
F ( (t )) = 1
T. Paquet
2 j f t
L3-EEA
17
2. Signaux numriques
chantillonnage: Quantification:
x(tk )=x(kTe )
Te est la priode dchantillonnage
x (t ) x q ( t ) = arrondi ( ) q
q: pas de quantification
du CAN
x ( kT e ) x q ( kT e ) = arrondi ( ) q
Incidence des 2 oprations dans lanalyse du signal?

Quantification
Exemple: Quantification par arrondi Erreur de quantification:
x(t)=xq(t)+e(t)
Puissance de lerreur:
Uniformment rpartie en frquence (bruit blanc)
q2 1 / 2 2 B= = e (t)dt 12 /2
T. Paquet
P( f ) f
L3-EEA
19
Quantification(2)
Dynamique de codage dun signal
Pour un convertisseur sur N bits, un signal est quantifi correctement (sans crtage) si son amplitude A est dans lintervalle [Am, Am] avec Am =2N 1q
Am
Avec crtage sans crtage
Am
Am
On appelle puissance de crte dun convertisseur, la puissance du signal sinusodal ayant lamplitude maximale admissible sans crtage A = Am
Am
Pc
2 Am = = 2 2 N 3 q 2 2
La dynamique de codage est le rapport signal sur bruit maximal
Pc 3 = 22N 6 , 02 N + 1, 76 dB B 2
Description Frquentielle des signaux numriques

Transforme de Fourier dun signal numrique
les intgrales deviennent des sommes discrtes
X(f ) =
k =
x(k ) exp(2j
f kTe )
f en Hz
Proprits
Priodicit
X ( f ) = X ( f + fe )
+
le spectre dun signal numrique est priodique
Parit
Re( X ( f )) = x(k ) cos(2fkTe )
paire
Im( X ( f )) = x(k ) sin( 2fkTe )
impaire
Spectres
X ( f ) = Re( X ( f )) 2 + Im( X ( f )) 2
T. Paquet Traitement du Signal
Arg ( X ( f )) = Arctg (
L3-EEA
Im( X ( f )) ) Re( X ( f ))
21
Consquences (1)
Un signal analogique Xa(t) dont le spectre damplitude Xa(f) occupe la bande [-B;+B] Peut tre reprsent par un signal numrique x(k) de spectre priodique X(f) de priode Fe
X a(f)
-B B fe Si B < on retrouve compltement X a ( f ) sur une priode de X ( f ) 2

X( f )
Si B >
fe il y a repliement de X a ( f ) 2
X( f )
sur une priode de
X( f )
T. Paquet
L3-EEA
22
Consquences (2)
Thorme de Shannon
Un signal analogique xa(t) occupant la bande de frquence [0,B] ne peut tre reconstitu exactement partir de ses chantillons x(k) que si ceux-ci ont t prlevs avec une frquence d'chantillonnage fe telle que fe> 2B
Formule de linterpolateur idal de Schannon
sin (t / Te k ) x(t ) = x(kTe ) (t / Te k ) k =

+
Consquence du thorme de Shannon

Capteur Filtre AR Fc < Fe/2 Convertisseur A/N , Fe , g Traitements numriques
Il faut placer des filtre anti-repliement (AR) avant le convertisseur

Description Frquentielle des signaux numriques

Transforme de Fourier dun signal numrique
les intgrales deviennent des sommes discrtes
+
X( f ) =
k =
x( k ) exp( 2jfkTe )
f en Hz
Proprits
Priodicit
X ( f ) = X ( f + fe )
+
X ( ) = X ( + 1)
paire
Parit
Re( X ( )) =
x( k ) cos(2k )
Im( X ( )) =
Spectres
x( k ) sin(2k )
impaire
X ( ) = Re( X ( )) 2 + Im( X ( )) 2
Arg ( X ( )) = Arctg (
L3-EEA
Im( X ( )) ) Re( X ( ))
24
Transforme de Fourrier Discrte

Rappel des relations de base
X( f ) =
k =
x( k ) exp( 2jfkTe )
e
Rciproquement
x(k ) =
fe / 2
fe / 2
X ( f ) exp(2jfkT
)df
Pour calculer X(f) il faut discrtiser f

- on choisit N pts sur une priode entre 0 et Fe - chaque frquence de la TFD scrit - f Est la priode dchantillonnage en frquence
fe= Nf
f =nf = n fe N
f f
T. Paquet
L3-EEA
fe
25
Transforme de Fourrier Discrte (2)

Dfinition:
si x(k) est un signal numrique de dure N chantillons, chantillonn la priode Te alors les deux relations suivantes dfinissent respectivement la transforme de Fourier Discrte directe et inverse de x(k)
X ( nf ) = x( k ) exp( 2jnfkTe )
k =0
N 1
X ( nf ) = x( k ) exp( 2j
k =0
N 1
nk ) N
1 x(kTe ) = N
X (n) exp(2j
n =0
N 1
nk ) N
- les frquences nf sont les frquences harmoniques de la TFD - N est le nombre dchantillons temporels et frquentiels cest la dure du signal
T. Paquet
L3-EEA
26
Transforme de Fourrier Discrte (3)

Proprits Celles de la TF
Priodicit frquentielle
X(nf) est de priode fe X(n) est de priode N chantillons X(=n/N) est de priode 1
Priodicit temporelle
Du fait de lchantillonnage en frquence la priode
f =
fe N
on introduit une priode temporelle gale la dure du signal

1 = N = NTe =D f fe
L3-EEA 27
Proprits de la TFD
Priodicit temporelle gale la dure du signal
1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1
1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8

0 10 20 30 40 50 60
-1
20
40
60
80
100
120
T. Paquet
L3-EEA
28
Transforme de Fourrier Rapide (Cooley-Tukey 1965)

Premier algorithme de calcul rapide de la TFD
L'application des formules de base ncessite pour le calcul directe d'une TFD N (N multiplications complexes + (N-1) sommes complexes) donc un nombre d'oprations proportionnel N2 L'algorithme rapide ncessite un nombre d'oprations proportionnel N log2(N)
Principe de calcul d'une TFR

la formule de base est si N est pair
nk X ( n) = x ( k ) exp( 2 j ) N k =0
N 1
N / 2 1 n2i n(2i + 1) X ( n) = x (2i ) exp( 2 j ) + x ( 2i + 1) exp( 2 j ) N N i =0 i =0 N / 2 1
soit encore
n2i n N / 2 1 n2i X (n) = x (2i ) exp( 2 j ) + exp( 2 j ) x (2i + 1) exp( 2 j ) N N i =0 N i =0

N / 2 1
Transforme de Fourrier Rapide (2)

Finalement
n N / 2 1 n2i n2i X (n) = x (2i ) exp( 2 j ) + exp( 2 j ) x (2i + 1) exp( 2 j ) N N N i =0 i =0

N / 2 1
X ( n) =
N / 2 1
i =0
N / 2 1 ni ni n ) + WN x(2i + 1) exp( 2j ) x(2i ) exp( 2j N N i =0 2 2
n X ( n) = TFD pairs ( n) + WN TFDimpairs ( n)
avec
2j WN = exp N
W W
4 8
3 8
W82
W8
T. Paquet
L3-EEA
30
TFR (3)
Si N est pair on met en uvre une tape Papillon
x(0)
TFD sur les x(2j) chantillons pairs x(N-2)
X(0)
WN i
X(i) X(N/2-1) X(N/2)
TFD sur les x(2j+1) chantillons impairs x(N-1)
x(1)
WN
(i + N / 2)
X(i+N/2) X(N-1)
T. Paquet
L3-EEA
31
TFR (4)
Si N est pair multiple de 4 alors N/2 est encore pair et on peut crire
X ( n) =
N / 2 1
i =0
n 2i n N / 21 n 2i x(2i ) exp( 2j ) + exp( 2j ) x(2i + 1) exp( 2j ) N N i =0 N
N / 2 1
i =0
N / 4 1 n 2i n 4i N / 41 n(4i + 2) x(2i ) exp( 2j ) = x(4i ) exp( 2j ) + x (4i + 2) exp( 2j ) N N N i =0 i =0
N / 4 1
i =0
ni n 2 N / 41 ni ) + exp( 2j ) x(4i + 2) exp( 2j ) x(4i ) exp( 2j N N N i =0 4 4

N / 4 1 ni ni n ) + WN x (4i + 2) exp( 2j ) x(4i ) exp( 2j N N 2 i =0 4 4
N / 4 1
i =0
n TFDmultiplesde 4 (n) + WN TFD pairesnonmultiplesde 4 (n) 2
T. Paquet
L3-EEA
32
TFR (5)
Si N est pair multiple de 4 alors N/2 est encore pair et on peut crire
X ( n) =
N / 2 1
i =0
n 2i n N / 21 n 2i x(2i ) exp( 2j ) + exp( 2j ) x(2i + 1) exp( 2j ) N N i =0 N
N / 2 1
i =0
N / 4 1 n 2i n 4i N / 41 n(4i + 2) x(2i + 1) exp( 2j ) = x(4i + 1) exp( 2j ) + x(4i + 3) exp( 2j ) N N N i =0 i =0
= =
N / 4 1
i =0 i =0
N / 4 1 n(4i ) n(4i + 2) 2n x(4i + 1) exp( 2j ) + WN x(4i + 3) exp( 2j ) N N i =0 N / 4 1 ni ni n ) + WN x(4i + 3) exp( 2j ) x(4i + 1) exp( 2j N N 2 i =0 4 4
N / 4 1
n = TFD4+1 (n) + WN
TFD4+3 (n)
L3-EEA 33
T. Paquet
TFR (6)
Exemple : 7 tapes papillons pour N = 8
T. Paquet
L3-EEA
34
TFR (7)
Finalement si N = 2T le calcul de la TFD se ramne T TFD binaires et (N-1)-T oprations papillons non binaires
T. Paquet
L3-EEA
35
3. Analyse Spectrale non paramtrique

Calcul de spectres par TFD: - Respecter thorme dchantillonnage (filtres AR) - Priodicit sur la dure N dobservation (???) N chantillons
1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1
vues comme un signal discontinu

1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8
10
20
30
40
50
60
-1
20
40
60
80
100
120
T. Paquet
L3-EEA
36
Fentres dapodisation(1)
Limitation de la dure du signal
x N ( k ) = x( k ) rect N ( k )
1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1
50
100
150
200
250
T. Paquet
L3-EEA
37
En frquence on a donc
X N (f)= x(f)RectN (f)

fentre frquentielle
50 45 40 35 30 25 20 15 10 5 0 50 45 40 35 45 40 35
=
0 100 200 300 400 500 600 700 800 900 1000
30 25 20 15 10 5 0
0 10 20 30 40 50 60 70 80 90 100
30 25 20 15 10 5 0 40 60 80 100 120 140 160
Le spectre thorique est filtr en frquence par Rect(f) Il faut choisir le moins mauvais filtre (fentre)
Paramtres caractristiques
Rsolution frquentielle cest la distance la plus faible entre deux frquences que lon peut distinguer
Rf =
w
N
f e = w f
f 2 f1 > Rf
Les 2 frquences se distinguent lune de lautre
Les 2 frquences ne se distinguent plus lune de lautre
f 2 f1 < Rf
Largeur normalise de la fentre
T. Paquet
L3-EEA
39
Paramtres caractristiques
Rsolution en amplitude Cest le rapport damplitude que lon peut distinguer pour deux frquences la limite de la rsolution frquentielle Deux frquences proches ayant un rapport damplitude infrieur ne sont pas distinguables
Ra =
A( LobeCentra l ) A(1er Lobe Secondaire )

Les 2 frquences ne se Distinguent plus lune de lautre
Les 2 frquences se distinguent lune de lautre
A1 < Ra A2
f
w = 20 Log10( Ra )
A1 > Ra A2
On lexprime en dcibel
A1dB A2 dB < Ra
dB
A1dB A2 dB > Ra
dB
T. Paquet
L3-EEA
40
Fentre Rectangulaire
1 si k < N 1 wr (k)= 2 0 sinon
sin(N ) Wr ()=exp(jf) sin( )
Fentre temporelle
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
Wr ()=
La Transforme de Fourier de la fentre rectangulaire chantillonne vaut:
r (N 1) k= 2
w (k)exp(2jk)
r =2
en dcibels
N 1 2
r = 13dB
30
Fentre frquentielle
20 18 16 20 14 12 10 8 6 4 2 -20 0 10
13 dB
-10
2/N
20 40 60 80 100 120 140 160 180
10
12
14
16
18
20 0
20
40
60
80
100
120
140
160
180
200
T. Paquet
L3-EEA
41
Fentre de hanning
Wh ()= 1Wr + 1 + 1Wr ( )+ 1Wr 1 4 4 N 2 N
Dfinie en frquence
( )
( )
forme temporelle
wh(k)=0,5+0,5cos(
(k + N /2)
N
h =4
1 0.9 0.8 0.7 0.6 0.5 0.4
4 6 10
h = 32dB
12
Fentre temporelle
Fentre frquentielle
30 20 10
en dcibels
8
0 -10 -20 -30
32 dB 4/N
0.3 0.2 0.1 0

0 0 20 40 60 80 100 120 140 160 180 200
-50 0 20 40 60 80 100 120 140 160 180 200
2
-40
10
12
14
16
18
20
T. Paquet
L3-EEA
42
Fentre de Hamming
Richard Wesley Hamming 1915-1998
Une variante de la fentre de hanning
( k + N / 2) w H ( k ) = 0,54 + 0,46 cos( ) N
H =4
H = 43dB
Fentre temporelle
1 0.9 0.8 0.7
8 10 12
Fentre frquentielle
30
en dcibels
20
10
43 dB
0.6
0
0.5 0.4 0.3 0.2
6
-10
4
-20
4/N
-30
0.1 0
0
10
12
14
16
18
20
20
40
60
80
100
120
140
160
180
200
-40
20
40
60
80
100
120
140
160
180
200
T. Paquet
L3-EEA
43
Fentre de Blackman
On tend le principe de construction de hanning 2 cosinus
w B ( k ) = 0,42 + 2(0,25 cos(
2 ( k + N / 2) 4 ( k + N / 2) ) + 0,04 cos( )) N N
B =6
Fentre temporelle
1 0.9 0.8
6 8 7
B = 59 dB
Fentre frquentielle
20 10 0 -10 -20 -30 -40 -50 -60
en dcibels
59 dB
0.7 0.6 0.5 0.4 0.3

2 5 4 3
6/N
0.2 0.1 0
1 0
10
12
14
16
18
20
20
40
60
80
100
120
140
160
180
200
20
40
60
80
100
120
140
160
180
200
T. Paquet
L3-EEA
44
Calcul dun spectre damplitude par TFD (1)

Le spectre obtenu doit tre corrig selon la fentre utilise
X N ( f ) = X ( f ) W ( f )
Il faut diviser par lamplitude du pic de la fentre en 0 (le continu)
W (0) = w( k )
0
N 1
Le spectre damplitude mis lchelle est donc calcul par
XN( f ) =
X ( f ) W ( f ) W ( 0)
T. Paquet
L3-EEA
45
Calcul dun spectre damplitude par TFD (2)

Instructions MatLab
N=100; nu=0.305; k=[0:N-1]; signal = sin(2*pi*nu*k); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% fenetre = Hanning(N); Signal = signal.*fenetre'; spectre = fft(Signal); WO = sum(fenetre); % coefficient de normalisation plot(k,20*log10(abs(spectre)./WO),'r');
T. Paquet
L3-EEA
46
Calcul dun spectre damplitude par TFD(3)

= 0,300
Fentre Rectangulaire Amplitude 1 N=100
On trouve bien le spectre damplitude Bilatral avec des amplitude 0,5
= 0,305

On ne retrouve pas le spectre damplitude bilatral par leffet de filtrage Les deux pics sont affaiblis et largis
T. Paquet
L3-EEA
47

= 0,300
Fentre Rectangulaire Amplitude 1 N=100 en dcibel
On retrouve le rsultat thorique avec 2 pics -3dB
= 0,305
On ne retrouve pas le rsultat du fait de leffet de filtrage de la fentre 2 pics larges apparaissent avec une amplitude de -10dB
T. Paquet
L3-EEA
48

= 0,305
Spectre damplitude dun sinus Amplitude 1 N=100
Rectangulaire RectaHamming Hanning
Blackman
T. Paquet
L3-EEA
49
Calcul du Priodogramme (1)

Le calcul du spectre damplitude par transforme de Fourier Discrte est inutilisable du fait de la limitation de la dure du signal. On parvient limiter cet effet en utilisant une fentre dapodisation mais sans lannuler toutefois. Le spectre damplitude se trouve filtr par la fentre spectrale, et de ce fait lamplitude est distribue sur plusieurs harmoniques.
T. Paquet
L3-EEA
50

Pourtant le thorme de Parseval est toujours vrifi
+ +
X ( f ) df =
2
x(t ) dt
Pour une dure dobservation T la puissance est
1 + 1 + 2 2 X ( f ) df = T x(t ) dt = Px T
que lon r-crit
1 Px = X ( f ) df = x ( f )df T
x( f ) =
1 2 X(f ) T
est le priodogramme,
cest une densit de puissance en fonction de la frquence On dit Densit Spectrale de Puissance

En numrique on calcule
1 2 x ( n) = TFD ( x(k ) w(k )) NP

O P est un facteur de normalisation qui dpend de la fentre, il correspond la puissance de la fentre
P = w( k ) 2
k =0
N 1
T. Paquet
L3-EEA
52

N=100; nu=0.305; k=[0:N-1]; signal = sin(2*pi*nu*k); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% fenetre = boxcar(N); Signal = signal.*fenetre'; % puissance de la fenetre pour la normalisation P = norm(fenetre)^2; spectre = fft(Signal); % calcul de la puissance moyenne sur la duree d'observation N periodogramme = abs(spectre).^2./P/N; % intgre le periodogramme sous le premier pic du sinus entre les harmoniques n=29 et n=35 Puissance = sum(periodogramme(29:34)); % multiplie la puissance par deux pour prendre les deux pics en compte % Puissance = Puissance *2 plot(k,20*log10(periodogramme),'r'); hold on; plot(k(29:34),20*log10(periodogramme(29:34)),'(o');
T. Paquet
L3-EEA
53
Fentre rectangulaire Amplitude du sinus = 1 Puissance thorique = Amplitude efficace =

1 2 1 2
Puissance mesure = 0.4670
T. Paquet
L3-EEA
54
Fentre de hanning Amplitude du sinus = 1 Puissance = 0,4999
T. Paquet
L3-EEA
55
Fentre de Hamming Amplitude du sinus = 1 Puissance = 0,4997
T. Paquet
L3-EEA
56
Fentre de Blackman Amplitude du sinus = 1 Puissance = 0,5
T. Paquet
L3-EEA
57

Amplitude du sinus = 1 Puissance = 0,5
Fenetre rectangulaire Puissance = 0,4670
Fentre de hanning Puissance = 0,4999 Fentre de Hamming Puissance = 0,4997 Fentre de Blackman Puissance mesure = 0,5
T. Paquet
L3-EEA
58
4. Analyse spectrale des signaux alatoires

4.1. Introduction
Les signaux alatoires ne sont pas exactement prdictibles au cours du temps On souhaite dvelopper des techniques pour - Analyser le contenu frquentiel des signaux en prsence de bruit - Dterminer les proprits des systmes qui ont gnrs ces signaux
T. Paquet
L3-EEA
59
4.2 Processus alatoire (1)

Dfinition
On dfinit un processus alatoire comme une application qui chaque exprience fait correspondre une fonction du temps quon appellera signal alatoire On le note souvent X(t) son caractre alatoire.
mais en toute rigueur on doit noter X(t,) pour marquer
Il y a donc 2 faons danalyser de reprsenter le signal alatoire -pour une exprience donne 0 le signal alatoire est une fonction du temps. X(t) est une trajectoire du processus alatoire
-pour un instant donn t0 X(t0,) est une variable alatoire
X()
T. Paquet
L3-EEA
60
4.2. Processus alatoire (2)

Exemple:
4 trajectoires diffrentes du mme processus provenant de 4 expriences diffrentes
T. Paquet
L3-EEA
61
4.2. Signaux Alatoires (3)

Exemples: Signal dterministe :
dont on peut prdire avec exactitude la valeur tout instant t
sin(t)
Signal alatoire :
la prdiction ne peut tre exacte, notion dincertitude ou derreur
max
P(min X (to ) < max) =
min
X ( to )
(v)dv
On veut connatre avec prcision lincertitude sur une mesure ou une prdiction
P (v X (to ) < v + dv ) = p X ( to ) (v ) dv
Chaque mesure ou prdiction saccompagne dun intervalle de confiance qui donne la probabilit que la mesure soit dans cet intervalle
4.2. Signaux Alatoires (4)

La loi du processus caractrise compltement laspect alatoire du signal :
p X ( to ) (v )
En gnrale laspect alatoire du signal est indsirable et provient du systme de transmission : Bruit de fond Un signal possde en gnrale un aspect dterministe (signal utile) et un aspect alatoire (bruit de fond)
X (t ) = u (t ) + b(t )
T. Paquet
L3-EEA
63
Exemples de bruits
Bruit thermique - Bruit Johnson:
du aux agitations alatoires des lectrons sous leffet de la temprature prsent dans tout composant actif ou passif prsentant une certaine rsistance mme en labsence de tension applique Soit R la rsistance du composant : alors courant comme tension suivent une loi gaussienne de moyenne nulle et de dcart types respectifs i Alors on a par la loi dOhm
2
2 = k TR B et u =
u = R i
kTB R
(ce sont les valeurs efficaces)
et la puissance totale du courant lectrique dans la bande de frquence B est k est la constante de Boltzmann et T la temprature (kT=4.10-21 lambiante), on dduit que en V2 et en A2
i u = kTB
Bruit de grenaille :
Du la fluctuation des porteurs de charges au passage dune jonction Nexiste quen prsence dun courant moyen Io non nul Il suit une loi alatoire gaussienne
2 ig = 2eI o B
p (i ) =
ig
(i I o ) 2 exp( ) 2 2 ig 2
T. Paquet
L3-EEA
64
Rapport signal/bruit
x(t)=u(t)+b(t)
Rapport signal sur bruit
Putile Pbruit
chiffre le degr de contamination du signal utile par du bruit (rapport des puissances)
Facteur de bruit dun systme
F=
entre sortie
chiffre la dtrioration dun systme
T. Paquet
L3-EEA
65
4.3 Rappel sur les Variables Alatoires (1)

Dfinition
Cest une fonction X dfinie sur une espace dexpriences qui associe toute partie de cette espace une valeur numrique relle
X : R X ( )
est lespace des expriences
X ( )
est le rsultat de lexprience
T. Paquet
L3-EEA
66
Rappel sur les Variables Alatoires (2)

Loi dune variable alatoire
La loi de la variable alatoire X est une fonction de probabilit que lon note
PX (x ) telle que
PX ( x ) = P ({ / X ( ) = x})
Cest la fonction qui associe une probabilit aux rsultats des expriences
Variable alatoire discrte

Lorsque lespace des rsultats possibles est de taille finie. Exemple : le ds
Variable alatoire continue

Lorsque lespace des rsultats possibles est un intervalle de alors
R
+
PX ( x ) = 0; x
p X (u )
est une densit de probabilit telle que
la loi de X note
(u ) du ) = 1
T. Paquet
L3-EEA
67
Rappel sur les Variables Alatoires

Paramtres caractristiques dune variable alatoire Esprance ou valeur attendue :E ( X ) = up X (u )du )
+
cest la moyenne sur une infinit de mesures
Variance : Var ( X ) = (u E ( X )) 2 p X (u )du
cart type ou cart moyen la moyenne: = Var (x)
T. Paquet
L3-EEA
68
Exemples
Loi uniforme : sur lintervalle [a,b]
p X (u ) =
1 ba
ba E( X ) = 2
Loi normale :
(b a ) 2 Var ( X ) = 12
1 (u m) 2 p X (u ) = exp( ) 2 2 2
E ( X ) = mX
Var ( X ) = 2
T. Paquet
L3-EEA
69
4.4 Description temporelle des Signaux alatoires

On dcrit les signaux alatoires par les proprits des variables alatoires qui dpendent du temps
Moyenne
m X (t ) = E ( X ( , t ))
Fonction dautocovariance
RXX (t1 , t 2 ) = E X (t1 ) E X (t1 ) X (t 2 ) E X (t 2 )

On montre que
((
)) (
)))
RXX (t1 , t 2 ) = E X (t1 ) X (t 2 ) m X (t1 )m X (t 2 )
T. Paquet
L3-EEA
70
4.4. Signaux Stationnaires

Signal alatoire Stationnaire au second ordre
Moyenne et variance ne dpendent pas du temps
mX = E ( X ( , t )); t
RXX ( ) = E X (t ) m X X (t + ) m X
2 RXX ( ) = E ( X (t ) X (t + ) ) m X
((
) (
))
T. Paquet
L3-EEA
71
4.4. Signaux Ergodiques

Calcule de la moyenne dun signal stationnaire
Daprs la dfinition
mX = E ( X ( , t )); t
On doit choisir un instant quelconque t 0 et calculer la moyenne sur les diffrentes expriences qui donnent chacune une ralisation de X (t 0 , )
3
4
5
t0
1 m X = lim N N
X (t
i =1
, i )
On doit raliser une moyenne en t 0 sur lensemble des expriences

4.4. Signaux Ergodiques

Dfinition:
Un signal stationnaire est ergodique si on peut estimer ses moments par des estimations au cours du temps On confond moyenne densemble et moyenne au cours du temps
1 T m X = lim X (k , ) T T k =1
On ne fait quune seule exprience, et on estime les paramtres sur la trajectoire mesure
T. Paquet
L3-EEA
73
4.4. Fonction dautocorrlation

Chiffre la ressemblance entre le signal et une version dcale de lui-mme
XX ( ) = E ( X (t ) X (t + ))
pour un signal numrique de dure N on aura
1 XX ( ) = lim N N
X (k ) X (k + )
0
Pour un signal parfaitement alatoire on a :
XX ( ) = 2 (0)
ds quon le dcale dun seul chantillon, il ny a plus de ressemblance avec lui-mme Cest un Bruit Blanc
T. Paquet
L3-EEA
74
4.4. Exemples
Signal Autocorrlation
Bruit Blanc
Bruit Blanc moyenn
Bruit Blanc avec sinus
T. Paquet
L3-EEA
75
4.4. Fonction de Covariance et dautocorrlation
RXX ( ) = XX ( ) m
2 X
T. Paquet
L3-EEA
76
4.5. Densit Spectrale de Puissance

On cherche reprsenter les signaux alatoire en frquence
Le rflexe est de calculer la transforme de Fourier de la fonction dautocorrlation
XX ( f ) = TF ( XX ( )) = XX ( ) exp(2jf )d
Par inversion de la TF on a galement
XX ( ) = TF 1 ( XX ( f )) = XX ( f ) exp(2jf )df
T. Paquet
L3-EEA
77
4.5. Densit Spectrale de Puissance

Or la puissance du signal scrit
2 PX = XX (0) + m X = XX ( f ) exp(2jf )df
=0
2 + mX
soit finalement
2 Px = XX ( f )df + m X
donc
XX ( f )
est la densit spectrale de puissance du signal alatoire
Thorme de Wiener-Kintchine
La transforme de Fourier de la fonction dautocorrlation est la densit spectrale de puissance
T. Paquet
L3-EEA
78
4.6. Notion destimation
La thorie des probabilits et des variables alatoires permet de calculer les grandeurs caractristiques des signaux (moyennes, variances, covariances) si on connat les lois de probabilit
m X = E ( X ) = xp X ( x)dx
La connaissance de la loi est quivalente lobservation du processus sur une infinit dexpriences
1 m X = E ( X ) = lim N N
X (
i =1
T. Paquet
L3-EEA
79

Dans la pratique on fait un nombre dexpriences limit et on calcule la moyenne empirique
1 mX = N
X (
i =1
Cest lestimateur de la moyenne empirique Le rsultat de lestimation est dautant meilleur que le nombre dexpriences est grand (exemple lanc de d)
On montre que lestimateur de la moyenne empirique converge vers lesprance mathmatique
T. Paquet
L3-EEA
80

Dfinition
Un estimateur est une fonction qui dtermine une valeur , estimation dune grandeur partir dun chantillon de ralisations de variables alatoires X (t )
on note
= f ( X (1), X (2),...., X ( N ) )
Or comme toute fonction de variables alatoires est une variables alatoire, un estimateur est une variable alatoire Un estimateur est donc caractris par une densit de probabilits On la note
p ( )
T. Paquet
L3-EEA
81

Biais et variance dun estimateur
intuitivement un bon estimateur doit avoir une grande probabilit de donner un rsultat proche de la valeur que lon cherche estimer
p ( )
p ( )
2
1
3
1
La variance de lestimateur 2 est plus faible que celle de 1 La moyenne de 3 nest pas la valeur de on dit que 3 est biais 1 et 2 sont non biaiss
T. Paquet
L3-EEA
82

Biais dun estimateur
Le biais dun estimateur est la diffrence entre sa valeur moyenne et la vrai valeur que lon veut estimer
b = E ( )
Variance dun estimateur

Cest la variance de la variable alatoire quil reprsente
2 E ( ) var = E
Estimateur consistant
un estimateur est consistant lorsque le biais et la variance tendent vers zro lorsque le nombre dobservations tend vers linfini
T. Paquet
L3-EEA
83
4.7. Estimation de la fonction dautocorrlation

On veut estimer
XX ( ) quand N est fini
1 XX ( ) = lim N N
X (k ) X (k + )
0
Estimateur sans biais Lorsquon ne dispose que de N chantillons il ny a que possibles des produits X ( k ) X ( k + )
valeurs
X (k )
Pour N=50, et =25 il ny a que 25 termes non nuls
X (k + 25)
T. Paquet
L3-EEA
84

Estimateur sans biais
1 C ' XX ( ) = N
On montre que
N 1
X (k ) X (k + )
0
C ' XX ( )
=0
=0 lim var C ' XX ( )

Lestimateur est donc consistant
T. Paquet
L3-EEA
85

Estimateur biais
1 C XX ( ) = N
On montre que
N 1
X (k ) X (k + )
0
C XX ( )
= XX ( ) N
=0 lim var C XX ( )
On montre que cet estimateur est consistant
T. Paquet
L3-EEA
86
4.8. Estimation de la densit spectrale de puissance

Estimateur spectral simple de la densit spectral de puissance
Prendre la transforme de Fourier de lestimateur de la fonction dautocorrlation
N 1 k =0
XX (n) = C XX (k ) exp(2jnk )
Cest lestimateur du priodogramme
1 2 XX (n) = X ( n) N
Comme lestimateur de biais galement
C XX
est biais lestimateur du priodogramme est
On montre que la variance est non nulle et quelle ne dpend pas de la dure du signal, elle ne peut donc pas sannuler la limite

Estimateur spectral moyenn
Une manire simple pour rduire la variance est de calculer une moyenne sur plusieurs estimateurs simples indpendants On dcoupe le signal en L tronons de dure K tels que
N = L K
x1 (k )
x2 ( k )
x3 (k )
Alors
1 ( n) = l ( n) L l
avec
2 1 l (n) = TFD ( xl (k ) N
T. Paquet
L3-EEA
88

Estimateur spectral moyenn
La variance diminue par rapport lestimateur simple
K 1 Var = Var = Var XX XX L N
T. Paquet
L3-EEA
89

Estimateur spectral adouci
R XX (n) = w(k ) C XX (k ) exp(2jnk )

k =0
N 1
Les proprits sont lies aux proprits de la fentre: rsolution frquentielle
T. Paquet
L3-EEA
90

Estimateur spectral modifi
1 L 1 2 Rx ( f ) = TFD ( xl (k ) * w(k )) L l =1 KP
P = w(k ) 2
k =0
N 1
N = L K
La variance dcroit avec L
VarR =
X
1 Var XX L
T. Paquet
L3-EEA
91
Application (1)
Bruit Blanc de variance 1 chantillonn sur des tronons de 1000 pts R = 1 moy B= 8 moy J= 64 moy
-15 -20 -25 -30 -35 -40 -45 -50 -55 -60
P= (f)
f = f1
f2
P=500*10
27 20
=0,9976
50
100
150
200
250
300
350
400
450
500
T. Paquet
L3-EEA
92
Application (2)
Sinus damplitude 1 quantifi sur 8 bits Rectangulaire Hanning
0
-20
P= (f)=0.5
f =90
110
-40
Pbruit =500*10 =7,92*106
78 20
-60
-80
q2 (2/255)2 Pbruit = = =5,12*106 12 12
-100
-120
50
100
150
200
250
300
350
400
450
500
T. Paquet
L3-EEA
93
5. Principe du MP3: Modle auditif de loreil

Estimation spectrale + Modle auditif
x(n)
x(n)
H0(z)
M
Quantification codage Allocation Dynamique De bits
F0(z)
+
M
HM-1(z)
FM-1(z)
M filtres passe-bande
Dcimation dun facteur M
Sur-chantillonnage dun facteur M ajout de M-1 zros
M filtres interpolateurs
Sous-chantillonnage critique dun facteur M
T. Paquet
L3-EEA
94
Effet de masquage
Seuil daudition absolue et courbes de masquage dune sinusode la frquence 5KHz pour des puissances de 20, 40 et 60 db
dans une ambiance parfaitement silencieuse loreille nest sensible une frquence qu condition que sa puissance dpasse le seuil daudition absolu (0dB) Une frquence masque ces voisines i.e. augmente le seuil de perception
Inutile de coder ce que nous ne percevons pas dans le signal musical. Une compression avec perte est possible en utilisant le modle auditif humain
T. Paquet
L3-EEA
95
Courbes de masquage du Modle MPEG Audio 1

Pf1(f)
f1
f2 perue si P(f2 ) > Pf1(f2) courbe de masquage en f2 par la prsence de f1 Si lon exprime la frquence en Bark (Barkhausen, 1881-1956)
fhertz 2 fhertz fbark =13arctg 0,76 +3,5arctg 7500 1000

alors les courbes de masquage peuvent tre reprsentes par des segments de droites dont la pente ne dpend que de f1
La courbe de masquage scrit
P (f2 , f1 ,P )=P (f1 )+a(f1 )+M((f1 f2 ,P ) 2 1 1 1
T. Paquet
L3-EEA
96
Courbes de masquage du Modle MPEG Audio 1

La courbe de masquage scrit
P (f2 , f1 ,P )=P (f1 )+a(f1 )+M((f1 f2 ,P ) 2 1 1 1 f1 at (f1 )=1,5250,275f1 4,5 an(f1 )=1,5250,175f1 0,5
son tonal (sinus) son non tonal
Avec P (f1 ) la puissance de la frquence 1
a(f1 ) lindice de masquage tel que
3< f1 f2 <1 1< f1 f2 <0 0< f1 f2 <1 1< f1 f2 <8
M(f1 f2 ,P )=( f1 f2 1)( 0.15P )17 17 1 1
M(f1 f2 ,P )=17( f1 f2 ) 1
M(f1 f2 ,P )=( f1 f2 )(0.4P +6) 1 1
M(f1 f2 ,P )=17( f1 f2 +1)(0.4P +6) 1 1
T. Paquet
L3-EEA
97
Exemples
Courbes de masquage par 3 sons purs 1, 5 et 10 KHz et une puissance de 50dB Courbes de masquage par 3 bruits bande troite P=50dB
Courbes de masquage par 3 sons purs 1, 5 et 10 KHz et une puissance de 30dB
Courbes de masquage par 3 bruits bande troite P=30dB
T. Paquet
L3-EEA
98
Notion de bande critique

Cest la bande de frquence dont la perception est modifie en prsence dune frquence masquante
La largeur de la bande critique augmente avec la frquence Masquante
1 Bark mesure la largeur dune bande critique quelle que soit sa position sur laxe des frquences
si f <500 Hz
1Bark= f /100
si f >500 Hz 1Bark =9+4log(f /1000)
T. Paquet
L3-EEA
99
Les 24 bandes critiques de la bande audible

f = 32 KHz = 62,5 Hz 512
T. Paquet
L3-EEA
100
Calcul de la courbe de Masquage

Il sagit danalyser la composition spectrale du signal pour dterminer les bandes de frquence qui ne sont pas audibles On procde des analyses locales pour avoir des proprits de stationnarit du signal Le signal audio est donc analys par tronons successifs x (k ) k = 0,...,511
l
N = 512 chantillons D = 16 ms pour Fe = 33KHz D = 11,6 ms pour Fe = 44 Khz
x1 (k )
x2 ( k )
x3 (k )
On note xl ( k ) k = 0,...,511 les 512 chantillons du tronon n l On note X l ( n) n = 0,...,511 les 512 chantillons de la TFD du tranons
Les 25 bandes critiques du MPEG

Pour f e
Limites des bandes critiques N de bandes 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
= 44,1KHz
44,1KHz f = = 86,1Hz 512
Frquences (Hz)
86 172 258 431 517 689 775 947 1120 1292 1464 1723 1981 2326 2756
16
3187
17
3876
18
4479
19
5340
20
6374
21
7580
22
9302
23
11370
24
15504
25
19983
T. Paquet
L3-EEA
102

Etape 1: estimation de la densit spectrale de puissance par lestimateur adouci (fentre de hanning mais sans moyennage)
2 1 Rl (n) = 10 log10 TFD ( xl (k ) * w(k )) NP
Etape 2: normalisation 96dB (par translation + ou du max)
max Rl (n) = 96dB

n
T. Paquet
L3-EEA
103

Etape 3: Dtection des composantes tonales vrifiant les 3 conditions
S (n) > S (n 1) S (n) S (n + 1) S (k ) S (k + j ) 7 dB

avec si si
k [3,63] alors j = 2,+2
(basses frquences)
k [64,126] alors j = 3,2,+2,+3 (frquences moyennes)
si k 127,250
alors j = 6,...,2,+2,...,+6
(hautes frquences)
T. Paquet
L3-EEA
104

Etape 4: Renforcement des composantes tonales On ajoute aux composantes tonales la puissance des deux harmoniques voisines si n est tonale
P (n) = 10 log10 10 1
Rl ( n 1) / 10
+ 10
Rl ( n ) / 10
+ 10
Rl ( n +1) / 10
T. Paquet
L3-EEA
105

Etape 5: Renforcement des composantes non tonales Dans chaque bande critique on somme les puissances des composantes non tonales si n est non tonale
fin Rl ( n ) / 10 P (n) = 10 log10 10 1 debut , n non tonale
T. Paquet
L3-EEA
106

Etape 6: Elimination des frquences tonales et non tonales infrieures au seuils daudition Etape 7: passer une chelle en Bark
Etape 8: deux composantes tonales spares de moins de 0,5 Bark entranent llimination de la moins puissante
Il reste Nt composantes tonales et Nn composantes non tonales
Etape 9: calcul du seuil de masquage la frquence
S a ( n ) /10 N t P ( n ,n , P ) /10 N n P ( n ,n , P ) /10 S m (n2 ) = 10 log10 10 2 + 10 2 1 2 1 + 10 2 1 2 1 j =1 j =1

Bibliographie
M. Bellanger, Traitement numrique du signal, 6eme dition, Dunod, 1998 Blanchet, Charbit, Traitement numrique du signal, Hermes, 1998. M. Kunt, Techniques modernes de traitement numrique du signal, Volume 1, PPUR, 1991. P. Rfrgier, Thorie du signal, Masson, 1993.
T. Paquet
L3-EEA
108

Analyse Spectrale

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

Analyse Spectrale

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

Traitement du Signal

grandeur physique Tesl a Volt s

Traitement numrique = Programme de traitement

Exemple : Compression Audio

Analyse spectrale numrique Filtrage numrique Codage - Compression

Dcimation dun facteur M

Sur-chantillonnage dun facteur M ajout de M-1 zros

Sous-chantillonnage critique dun facteur M

Signaux Harmoniques Analogiques

A x (t ) = A cos( 2 f o t ) = (exp(2 jf o t ) + exp( 2 jf o t )) 2

f est la variable, A et fo sont les 2 paramtres qui caractrisent compltement le signal

Signaux Priodiques Analogiques (1)

Signaux Priodiques Analogiques (1)

Signaux Priodiques Analogiques (2)

Signaux Analogiques (1)

On peut calculer la puissance sur la reprsentation temporelle ou sur la reprsentation frquentielle

Signaux Analogiques (2)

x(t ) exp(2jft )dt

Spectres: les spectres deviennent continus

Im( X ( f ) ( f ) = Arctg ( ) Re( X ( f )

Conservation de lnergie Bessel parsseval:

Signaux Analogiques (3)

F [ x' (t )] = 2jf F ( x(t )) = 2jf

Produit de convolution (Filtrage)

Signaux Analogiques (4)

Signaux Analogiques (5)

Te est la priode dchantillonnage

Incidence des 2 oprations dans lanalyse du signal?

Uniformment rpartie en frquence (bruit blanc)

La dynamique de codage est le rapport signal sur bruit maximal

Description Frquentielle des signaux numriques

le spectre dun signal numrique est priodique

Re( X ( f )) = x(k ) cos(2fkTe )

Im( X ( f )) = x(k ) sin( 2fkTe )

-B B fe Si B < on retrouve compltement X a ( f ) sur une priode de X ( f ) 2

sur une priode de

Formule de linterpolateur idal de Schannon

sin (t / Te k ) x(t ) = x(kTe ) (t / Te k ) k =

Consquence du thorme de Shannon

Il faut placer des filtre anti-repliement (AR) avant le convertisseur

Description Frquentielle des signaux numriques

Transforme de Fourrier Discrte

Pour calculer X(f) il faut discrtiser f

Transforme de Fourrier Discrte (2)

Transforme de Fourrier Discrte (3)

on introduit une priode temporelle gale la dure du signal

1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1

1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8

Transforme de Fourrier Rapide (Cooley-Tukey 1965)

Principe de calcul d'une TFR

N / 2 1 n2i n(2i + 1) X ( n) = x (2i ) exp( 2 j ) + x ( 2i + 1) exp( 2 j ) N N i =0 i =0 N / 2 1

n2i n N / 2 1 n2i X (n) = x (2i ) exp( 2 j ) + exp( 2 j ) x (2i + 1) exp( 2 j ) N N i =0 N i =0

Transforme de Fourrier Rapide (2)

n N / 2 1 n2i n2i X (n) = x (2i ) exp( 2 j ) + exp( 2 j ) x (2i + 1) exp( 2 j ) N N N i =0 i =0

N / 2 1 ni ni n ) + WN x(2i + 1) exp( 2j ) x(2i ) exp( 2j N N i =0 2 2

n X ( n) = TFD pairs ( n) + WN TFDimpairs ( n)

TFD sur les x(2j) chantillons pairs x(N-2)

X(i) X(N/2-1) X(N/2)

TFD sur les x(2j+1) chantillons impairs x(N-1)

n 2i n N / 21 n 2i x(2i ) exp( 2j ) + exp( 2j ) x(2i + 1) exp( 2j ) N N i =0 N

N / 4 1 n 2i n 4i N / 41 n(4i + 2) x(2i ) exp( 2j ) = x(4i ) exp( 2j ) + x (4i + 2) exp( 2j ) N N N i =0 i =0

ni n 2 N / 41 ni ) + exp( 2j ) x(4i + 2) exp( 2j ) x(4i ) exp( 2j N N N i =0 4 4