Cours10gg A2007

Cours #10
Les transformées de Fourier
DFT
FHT
1
Définition d’un signal périodique
x p (t )  x p (t  TP )
Source :Wikipédia
– Avec
1 2
TP   Période de xp(t)
f o o
2
Série de Fourier
• Forme exponentielle

x p (t )  C
k 
k e jk  o t
– Avec
1
Ck 
TP x
TP
p (t )e  jk  o t
dt
2
TP  Période de xp(t)
o 3
Série de Fourier
• Forme trigonométrique combinée

x p ( t )  C 0   2 C k co s( k  o t   k )
k 1
– Car
C k  C k
e  j   e j   2 co s 
– Avec
 Im C k 
 k  arctan  
 R e C k 

4
Série de Fourier
• Forme trigonométrique

x p ( t )  A 0    A k co s( k  o t )  B k sin ( k  o t ) 
k 1
– Avec
1
A0  
TP TP
x p (t )dt
2
Ak 
TP x
TP
p (t ) cos(kot )dt
2
Bk 
TP x
TP
p (t ) sin(kot ) dt
5
Série de Fourier
• Forme trigonométrique

x p ( t )  A 0    A k co s( k  o t )  B k sin ( k  o t ) 
k 1
– Pour passer de la forme trigonométrique
combinée à la forme trigonométrique:
2 C k  A k  jB k
C 0  A0
 Bk 
 k  arctan  
 Ak 
6
Définition d’un signal non-
périodique

• Au départ:
x p (t )  C
k 
k e jk  o t
– Avec
1
Ck 
TP  p
x
TP
( t ) e  jk  o t
dt
2
TP 
o
7
Définition d’un signal non-
périodique
• Un signal non-périodique peut être
vu comme un signal périodique dont
la période est de durée infinie.
– Ainsi:
TP     o  0   o  d 
k  o    C k  C ( )
8
Transformée de Fourier
– Donc la somme devient une intégrale:

d
C ( ) 
2 

x ( t ) e  j t
dt

2
C ( )
d
 X ( )   x (t )e

 j t
dt
Transformée de
Plus commode à utiliser…
Fourier

1
x (t ) 
2 

X (  ) e j t d  Transformée
inverse de Fourier
9
Transformée de Fourier
• Mais, dans les deux cas, on travaille
avec des fonctions continues.
• Un DSP travaille avec des signaux

discrets.
– Le signal continu est échantillonné à une
certaine cadence… (période d’échantillonnage
TS).
10
Discrétiser la transformée de
Fourier
• Ainsi, on transforme: Fonction continue

X ( )  

x ( t ) e  j t
dt
discrétisation
• … en :  DTFT Discrete
X ( )   x
n 
( n ) e  jn  Time Fourier
Transform
t  nTS
x ( t )  x ( n )  x ( nTS )
   11
Discrétiser la transformée de
Fourier
• Le signal est échantillonné, donc x(n)
est un signal discret.
• Mais le spectre en fréquence X(Ω) est

une fonction continue !
12
Discrétiser la transformée inverse
de Fourier
• On transforme:

1
x (t )  
2  
X (  ) e j t
d
• … en : 
1
x (n) 
2 

X (  ) e jn  d  IDTFT Inverse
Discrete Time
Fourier
Transform
rép étitio n d u sp ectre ch aq u e 2 
g ard er  car X (  ) est co n tin u .
13
Utilisation de la DTFT

• On à X ( )   x (n)e
n 
 jn 

• et : 1
x (n) 
2 
 X (  ) e jn 
d
• Bogues:
– Nombre d’échantillons infini (!)
  est continu
14
Utilisation de la DTFT
• Pour rendre la DTFT utilisable:
– On n’utilise que N échantillons dans le
domaine temporel;
– On échantillonne le domaine fréquentiel avec
N points. Espace entre les points:
  2 
N
15
Résultat: la DFT
Discrete Fourier Transform
• On a maintenant:
N 1
X N (k )   x
n 0
( n ) W N
kn
• et: 1 N 1
x (n) 
N
X
k 0
N ( k )W N
 kn
– Avec
 2 
 j 
 N 
WN  e
16
WN le « Twiddle Factor »
 2 
 j 
• On a: W  e  N 
N
 2   
 j   j 
• Si N = 4: W  e  4 
e  2
4
• Donc: W 40  e 0   1
1
W e
  j 2 
j
4
2
W e
  j2 2 
 1
4
3
W e
  j 3 2 
 j 17
4
Exemple: DFT à 2 points
• Soit un signal échantillonné sur 2
points (N=2):
– x(0)=0; x(1)=1;
1
X 2 (k )   x(n)W2
kn
n 0
18
• Calculs pour k = 0:
1
X 2 (0)   x(n)W  x(0)  x(1)  1
2
0
n 0
1
X 2 (1)   x(n)W  x(0)  x(1)  1
2
n
n 0
19
• Papillon:
4 + Réelles
20
points:
– x(0)=0; x(1)=1; x(2)=0; x(3)=-1.
3
X 4 (k )   x(n)W 4
kr
n 0
28 + Réelles
64 * Réelles 21
3
X 4 (0)   x(n)W  x (0)  x(1)  x(2)  x(3)  0
4
0
n 0
3
X 4 (1)   x(n)W  x(0)  j  x(1)  x(2)  j  x(3)  2 j
4
n
n 0
22
3
X 4 (2)   x(n)W 4
2n
 x(0)  x(1)  x(2)  x(3)  0
n 0
3
X 4 (3)   x(n)W 4
3n
 x(0)  j  x(1)  x (2)  j  x (3)  2 j
n 0
23
• Calculs requis:
– 28 additions réelles;
– 64 multiplications réelles.
• Est-ce qu’il y a moyen de faire cette

DFT avec moins de calculs ?
24
Si N>2
• La quantité de calcul est plus
importante et devient rapidement
lourde.
• Il faut des astuces pour réduire le

nombre de calculs et la structure en
papillon sera d’un grand secours…
25
Pour réduire la quantité de calcul
• Utiliser certaines propriétés de WN:
– Symétrie:
k N 2 k
W N  W N
– Périodicité:
W Nk  N  W Nk
• Donc en coupant la DFT en 2:
N N
2 1 2 1
X N (k )   x
r 0
( 2 r ) W N
2 rk
  x
r 0
( 2 r  1 ) W N
( 2 r 1 ) k
pairs impairs
26
• Suite:
N N
2 1 2 1
X N (k )   x
r 0
( 2 r ) W N
2 rk
  x
r 0
( 2 r  1 ) W N
( 2 r 1 ) k
N N
2 1 2 1
  x ( 2 r )W
r 0
N
2 rk
W N
k
 x ( 2 r  1) W
r 0
N
2 rk
pairs impairs
• Or:  
  j N2  
W e2  j 2N 2 
e   2 
 WN 2
N
27
• Donc:
N N
2 1 2 1
X N (k )   x
r 0
( 2 r ) W N
kr
2
 W N
k
 x
r 0
( 2 r  1 ) W N
kr
2
pairs impairs
• Les américains appellent cette

opération « decimation in time »
28
Exemple: Même DFT à 4 points
points:
– x(0)=0; x(1)=1; x(2)=0; x(3)=-1.
1 1
X 4 (k )   x ( 2 r )W
r 0
2
kr
 W4 k
 x ( 2 r  1)W
r 0
2
kr
8 + Réelles
0 * Réelles
4 + Réelles 12 + Réelles
0 * Réelles 16 * Réelles 29
1 1
X 4 (0)   x ( 2 r )W
r 0
2
0r
W 4
0
 x ( 2 r  1) W
r 0
2
0r
0
 x ( 0 )W  x ( 2 )W  W
2 2
0
4
0
 x (1)W 2
0
 x ( 3 )W 2
0

 x ( 0 )  x ( 2 )  x (1)  x ( 3 )
0
30
1 1
X 4 (1)   x ( 2 r )W
r 0
2
1r
W 4
1
 x ( 2 r  1) W
r 0
2
1r
 x ( 0 ) W 20  x ( 2 ) W 21  W 41  x ( 1) W 20  x ( 3 )W 21 
 x ( 0 )  x ( 2 )  j  x ( 1)  x ( 3 ) 
 0  0  j ( 1  (  1))
 2 j
31
1 1
X 4 (2)   x ( 2 r )W
r 0
2
2r
W 4
2
 x ( 2 r  1)W
r 0
2
2r
 x ( 0 )W 20  x ( 2 ) W 22  W 42  x ( 1) W 20  x ( 3 ) W 22 
 x ( 0 )  x ( 2 )   x (1)  x ( 3 ) 
0
32
1 1
X 4 ( 3)   x ( 2 r )W
r 0
2
3r
W 4
3
 x ( 2 r  1) W
r 0
2
3r
 x ( 0 ) W 20  x ( 2 ) W 23  W 43  x (1) W 20  x ( 3 )W 23 
 x ( 0 )  x ( 2 )  j  x (1)  x ( 3 ) 
2j
33
• Remarquez la structure
x(0)
x(2)
-1
x(1)
x(3)
-1 34
• Remarquez la structure en papillon
x(0) X4(0)
x(2) X4(1)
-1
W40
x(1) X4(2)
-1
W41
x(3) X4(3)
-1 -1 35
• Sur chaque étage
x(0) X4(0)
W40
x(2) X4(1)
-1
W40
x(1) X4(2)
-1
W40 W41
x(3) X4(3)
-1 -1 36
Structure de la DFT
x(0) X4(0)
Adressage en bits renversés
W40
x(2) X4(1)
-1
W40
x(1) X4(2)
-1
W40 W41
x(3) X4(3)
-1 -1
37
Structure de la DFT
x(0)
8 + Réelles
W40 4 * Réelles
x(2)
-1
38
points:
– x(0)=0; x(1)=1; x(2)=2; x(3)=1; x(4)=0; x(5)=-1;
x(6)=-2; x(7)=-1
3 3
X 8(k )   x ( 2 r )W
r 0
8
2 kr
 W8 k
 x ( 2 r  1) W
r 0
8
2 kr
W 80  1 W 81  0 .7 0 7  0 .7 07 j W 82   j W 83   0 .7 07  0 .70 7 j
W 84   1 W 85   0 .70 7  0 .70 7 j W 86  j W 8 7  0 . 7 0 7  0 .7 0 7 j
39
3 3
X 8 (0)   x ( 2 r )W
r 0
8
0r
 x ( 2 r  1)W
 W8 0
r 0
8
0r
 x ( 0 )  x ( 2 )  x ( 4 )  x ( 6 )   x ( 1)  x ( 3 )  x ( 5 )  x ( 7 ) 
0
40
3 3
X 8 (1)   x
r 0
( 2 r ) W 8
2r
 W 8 
1
x (
r 0
2 r  1 ) W 8
2r
0 2 4 6
 x ( 0 )W 8  x ( 2 )W 8  x ( 4 )W 8  x ( 6 )W 8
 W  x (1)W 8  x ( 3 )W 8  x ( 5 )W 8  x ( 7 )W 8
8
1 0 2 4 6

 2 (  j )  2 ( j)
 ( 0 .7 0 7  j 0 .7 0 7 ) 1  (  j )  1(  1)  1( j ) 
  6 .8 3 j 41
3 3
X 8 (2)   x ( 2 r )W
r 0
8
4r
 W8 2
 x ( 2 r  1)W
r 0
8
4r
0 4 8 12
 x ( 0 )W 8  x ( 2 )W 8  x ( 4 )W  x ( 6 )W 8 8
 W 8  x ( 1) W 8  x ( 3 ) W 8  x ( 5 ) W  x ( 7 ) W
2 0 4
8
8
8
12

 2 (  1)   2 (  1)
 j 1  (  1)  1( 1)  1(  1) 
0 42
3 3
X 8 ( 3)   x
r 0
( 2 r ) W 8
6r
 W 8 
3
x (
r 0
2 r  1 ) W 8
6r
0 6 12 18
 x ( 0 )W8  x ( 2 )W8  x ( 4 )W 8  x ( 6 )W 8
 W 8  x (1)W 8  x ( 3 )W 8  x ( 5 )W
3 0 6
8
12
 x ( 7 )W 8
18

 2 ( j)  2 (  j)
 ( 0 .7 0 7  0 .7 0 7 j ) 1  ( j )  1(  1)  1(  j ) 
 1.1 7 2 j 43
• Soit un signal échantillonné sur 8 points:
– x(0)=0; x(1)=1; x(2)=2; x(3)=1; x(4)=0; x(5)=-1; x(6)=-2;
x(7)=-1.
• Au départ:
– n={0,1,2,3,4,5,6,7}
• Diviser en deux niveaux:
– n={0,2,4,6} et n={1,3,5,7}.
• Diviser encore:
– n={0,4} , n={2,6}, n={1,5} et n={3,7}.
44
• Calculs pour étage 1:
0 0
X 2 (0)   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x
r 0
( 2 r  1 ) W 2
0r
 x (0)  x (4 )
0
0 0
X 2 (1)   x
r 0
( 2 r ) W 2
0r
 W 2 
1
x
r 0
( 2 r  1 ) W 2
0r
 x (0)  x (4 )
0
45
0 0
X 2 (0)   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x
r 0
( 2 r  1 ) W 2
0r
 x (2 )  x (6)  2  ( 2 )
0
0 0
X 2 ( 1)   x
r 0
( 2 r ) W 2
2r
 W 2 
1
x
r 0
( 2 r  1 ) W 2
2r
 x (2 )  x (6)  2  ( 2 )
4
46
0 0
X 2 (0)   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x
r 0
( 2 r  1 ) W 2
0r
 x (1)  x ( 5 )  1  (  1)
0
0 0
X 2 ( 1)   x
r 0
( 2 r ) W 2
2r
 W 2 
1
x
r 0
( 2 r  1 ) W 2
2r
 x ( 1)  x ( 5 )  1  (  1)
2
47
0 0
X 2 (0)   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x
r 0
( 2 r  1 ) W 2
0r
 x ( 3 )  x ( 7 )  1  (  1)
0
0 0
X 2 ( 1)   x
r 0
( 2 r ) W 2
2r
 W 2 
1
x
r 0
( 2 r  1 ) W 2
2r
 x ( 3 )  x ( 7 )  1  (  1)
2
48
• Coefficients obtenus:
x ( 0 )  0 x  ( 1)  0
x ( 2 )  0 x ( 3)  0
x ( 4 )  0 x (5)  2
x ( 6 )  4 x ( 7 )  2
0 1
x  ( 4 )  0  W8 = 0 x  ( 5 )  2  W  1.4 1 4  1.4 1 4 j
8
x  ( 6 )  4  W 82 = -4 j x  ( 7 )  2  W 83   1.4 1 4  1.4 1 4 j
49
0 0
X 2 ( 0 )   x ( 2 r )W
r 0
2
0r
W 2
0
 x ( 2 r  1)W
r 0
2
0r
 x ( 0 )  x ( 2 )
 0  x  ( 0 )
0 0
X 2 ( 1)   x
r 0
( 2 r ) W 2
1r
 W 2 
1
x ( 2 r 
r 0
1 ) W 2
1r
 x ( 0 )  x ( 2 )
 0  x  ( 2 ) 50
0 0
X 2 ( 0 )   x ( 2 r )W
r 0
2
0r
W 2
0
 x ( 2 r  1)W
r 0
2
0r
 x  ( 1)  x  ( 3 )
 0  x  ( 1)
0 0
X 2 ( 1)   x
r 0
( 2 r ) W 2
1r
 W 2 
1
x ( 2 r 
r 0
1 ) W 2
1r
 x  ( 1)  x  ( 3 )
 0  x  ( 3 ) 51
0 0
X 2 ( 0 )   x ( 2 r )W
r 0
2
0r
W 2
0
 x ( 2 r  1)W
r 0
2
0r
 x ( 4 )  x ( 6 )
  4 j  x  ( 4 )
0 0
X 2 ( 1)   x
r 0
( 2 r ) W 2
1r
 W 2 
1
x ( 2 r 
r 0
1 ) W 2
1r
 x ( 4 )  x ( 6 )
 4 j  x  ( 6 ) 52
0 0
X 2 ( 0 )   x ( 2 r )W
r 0
2
0r
W 2
0
 x ( 2 r  1)W
r 0
2
0r
 x (5)  x ( 7 )
  2 .8 2 8 j  x  ( 5 )
0 0
X 2 ( 1)   x
r 0
( 2 r ) W 2
1r
 W 2 
1
x ( 2 r 
r 0
1 ) W 2
1r
 x (5)  x ( 7 )
 2 .8 2 8  x  ( 7 ) 53
• Coefficients obtenus:
x  ( 0 )  0 x  ( 1)  0
0 2
x  ( 2 )  0  W 8 = 0 x  ( 3 )  0  W 8  0
x  ( 4 )   4 j x  ( 5 )   2 .8 2 8 j
0 2
x  ( 6 )  4 j  W 8 = 4 j x  ( 7 )  2 .8 2 8 j  W 8   2 .8 2 8 j
54
0 0
X 2( 0 )   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x (
r 0
2 r  1 ) W 2
0r
 x  ( 0 )  x  ( 1)
 0  x  ( 0 )  X ( 0 )
0 0
X 2( 1)   x
r 0
( 2 r ) W 2
0r
 W 2 
1
x (
r 0
2 r  1 ) W 2
0r
 x  ( 0 )  x  ( 1)
 0  x  ( 1)  X ( 4 ) 55
0 0
X 2( 0 )   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x (
r 0
2 r  1 ) W 2
0r
 x  ( 2 )  x  ( 3 )
 0  x  ( 2 )  X ( 2 )
0 0
X 2( 1)   x
r 0
( 2 r ) W 2
0r
 W 2 
1
x (
r 0
2 r  1 ) W 2
0r
 x  ( 2 )  x  ( 3 )
 0  x  ( 3 )  X ( 6 ) 56
0 0
X 2( 0 )   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x
r 0
( 2 r  1 ) W 2
0r
 x  ( 4 )  x  ( 5 )
  6 .8 2 8 j  x  ( 4 )  X ( 1)
0 0
X 2( 1)   x
r 0
( 2 r ) W 2
0r
 W 2 
1
x
r 0
( 2 r  1 ) W 2
0r
 x  ( 4 )  x  ( 5 )
  1.1 7 2 j  x  ( 5 )  X ( 5 ) 57
0 0
X 2( 0 )   x
r 0
( 2 r ) W 2
0r
 W 2 
0
x
r 0
( 2 r  1 ) W 2
0r
 x  ( 6 )  x  ( 7 )
 1.1 7 2 j  x  ( 6 )  X ( 3 )
0 0
X 2( 1)   x
r 0
( 2 r ) W 2
0r
 W 2 
1
x
r 0
( 2 r  1 ) W 2
0r
 x  ( 6 )  x  ( 7 )
 6 .8 2 8 j  x  ( 7 )  X ( 7 ) 58
• Structure:
59
Variante: DFT à 8 points
• Structure:
0
60
Transformation de Hartley rapide
(FHT - Fast Hartley Transform)
• La transformée de Fourier exige de
travailler avec des nombres
complexes.
– Calculs plus compliqués.
• Additions et soustractions de nombres
complexes
• Multiplication de nombres complexes
• La transformée de Hartley se fait

dans le domaine réel.
– Prix à payer: on perd l’information de phase.
61
FHT - Fast Hartley Transform
• Fonction de transformation:
N 1
 2  nk 
H ( k )   x ( n ) cas   p o u r k  0 ,1, ... , N  1
n 0
 N 
– avec
cas( u )  co s( u )  sin ( u )
62
• Dans un développement similaire au
DFT:
 N 2  1 2  nk N 1
2  nk
   
H (k )  
n 0
x ( n ) cas     x ( n ) cas 
 N  nN

 N 
2
– en posant n = n+N/2 dans la seconde partie:

 N 2  1 


 2  nk 

N   
 2 k n  N  
2 
H (k )    x ( n ) cas 
N
  x n  2 cas 
 N  
n 0    
63
• Identités trigonométriques:
sin ( A  B )  sin A co s B  co s A sin B
co s( A  B )  co s A co s B  sin A sin B
• 2 cas à analyser pour simplifier les

calculs:
– Si k impair
– Si k pair
64
• Si k impair:

cas 

 2 k n  N 
2    2  nk 
 co s 
 2  nk 
 co s( k  )  sin   sin ( k  )
N   N   N 
 
 2  nk   2  nk 
 sin   co s( k  )  co s   sin ( k  )
 N   N 
 2  nk   2  nk 
  co s    sin  
 N   N 
 2  nk 
  cas  
 N  65
• Si k pair:

cas 

 2 k n  N 
2   2  nk 
 co s 
 2  nk 
  sin  
N   N   N 
 
 2  nk 
 cas  
 N 
66
• Ainsi, la fonction H(k) est pour k pair:
 N 2 1 
  
2  nk
N  
H (k )  x ( n )  x n  2 cas  
n 0
 N 
• … et pour k impair:
 N 2 1 
  
N  2  nk 
H (k )  x ( n )  x n  2 cas  
n 0
 N 
67
• Posons k = 2k pour k pair, alors H(k)
devient:
 N 2 1 
  
2n 2 k N  
H (2 k )  x ( n )  x n  2 cas  
n 0
 N 
• … et k = 2k+1 pour k impair, alors
H(k) devient:
 N 2 1 
H ( 2 k  1)  
n 0
  
 2  n  2 k  1 
x ( n )  x n  N 2 cas 
 N


68
• Avec un peu de trigo. on calcule:
 2  n  2 k  1   2 n    2 n 2 k   2 n 2 k  
cas    co s    cos    sin  
 N   N   N   N 
 2 n    2 n 2 k   2 n 2 k  
 sin    cos    sin  
 N   N   N 
• … et  2  nk   2 k  N  n 
sin     sin  
 N   N 
 2  nk   2 k  N  n 
co s    co s  
 N   N  69
• Donc:
  2 n   2 n 2 k  
 N 2 1   co s   cas   
   

n 0
N 
H ( 2 k  1)   x ( n )  x n  2  
N
 2 n 
N 
 2 2 k  N  n  
  sin   cas  
  N   N 
– et substituant n=N/2-n dans la seconde partie
 

 N   2 n 
 N 2 1   x ( n )  x n  2 co s  N 


  2 n 2 k 
H ( 2 k  1)     cas  
n 0 


N  
 x 2  n  x  N  n  sin 
 2 n  

 N  
N 
70
• Finalement, si on pose:

a ( n)   x (n)  x n  N 
 2  
• …et:


  N  2n 
 x ( n )  x n  2 co s  N 



b(n)   
  
  x N  n  x  N  n  sin  2  n  
 2  N  
71
• Alors, il suffit d’utiliser:
 N 2 1 
 2n 2 k 
H (2 k )  
n 0
a ( n ) cas 
 N 

• …et:
 N 2 1 
 2n 2 k 
H ( 2 k  1)   b ( n ) cas  
n 0
 N 
• Pour calculer la transformée
72

Cours10gg A2007

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

Cours10gg A2007

Transféré par

Droits d'auteur :

Formats disponibles

Cours #10

Les transformées de Fourier

• Un DSP travaille avec des signaux

• Mais le spectre en fréquence X(Ω) est

• Est-ce qu’il y a moyen de faire cette

• Il faut des astuces pour réduire le

• Les américains appellent cette

• La transformée de Hartley se fait

– en posant n = n+N/2 dans la seconde partie:

• 2 cas à analyser pour simplifier les

– et substituant n=N/2-n dans la seconde partie

Vous aimerez peut-être aussi