Traitement Du Signal

Université Amar Telidji de Laghouat
Faculté de Technologie - Département d’Electronique

Sections : 1Ere Année Master Télécommunication Module: Traitement numérique du signal
Chapitre 1: Transformée de Fourier discrète
1. Introduction
Le traitement du signal est devenu une science incontournable de nos jours : Toutes applications de
mesures, de traitement d’information mettent en œuvre des techniques de traitement sur le signal
pour extraire l’information désirée.
Le développement et l’essor des techniques numériques ont fait que les solutions apportées aux
traitements des signaux à temps discret ont pris une place essentielle aujourd’hui, comparée à celle
qu’occupent les traitements portant sur les signaux à temps continu.
2. Rappel sur les opérations d'échantillonnage et de quantification
Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique et de la

restitution d’un signal analogique électrique :
Filtre de
y(nTe) restitution
Le premier bloc représente l’échantillonnage, c'est-à-dire le choix de dates auxquelles prélever des
valeurs discrètes au signal analogique (qui est par définition continu).
Te est la période d’échantillonnage du signal.
 Le premier bloc représente un filtre anti-repliement qui a pour rôle
 l’échantillonnage, c'est-à-dire le choix de dates auxquelles prélever des valeurs discrètes au
signal analogique (qui est par définition continu). Te est la période d’échantillonnage du
signal.
Auteur: Mme F. Benkouider (2016/2017)

1
 Le deuxième bloc représente un convertisseur analogique-numérique qui permet d’associer un

nombre binaire à une valeur du signal analogique. Ce sont ces nombres qui seront traités par
la machine.
 Le troisième bloc représente le traitement numérique qui peut, par exemple, être un filtrage ou
une analyse spectrale (ce qui correspond à notre programme de l’année).
 Les valeurs binaires y(nTe) obtenues sont à reconvertir en valeurs discrètes associées à des
temps nTe par l’intermédiaire d’un convertisseur numérique – analogique.
 Il reste alors à réaliser l’opération inverse de l’échantillonnage, ce que réalise le filtre de
restitution.
2.1 Echantillonnage
L’échantillonnage (en anglais sampling) est une opération qui consiste à prélever sur un signal à
temps continu une suite de valeurs, prises en une suite d’instants tn, n ∈ Z. Dans la suite nous
n’envisagerons que l’échantillonnage régulier où tn = nTe. L’intérêt porté aux problèmes de
l’échantillonnage tient au développement des techniques numériques.
L’idée consiste à utiliser un interrupteur parfait que l’on ferme pendant un intervalle de temps très
court puis que l’on ouvre pendant TE. On prélève ainsi une valeur x(nTe) tous les Te.
*
x (t)
Te
Te
Fig.1 Principe de l'échantillonnage
Aspects temporels et fréquentiels de l’échantillonnage
L’obtention d’un signal échantillonné x*(k.Te) à partir d’un signal analogique x(t) peut être
modélisée mathématiquement dans le domaine temporel par la multiplication de x(t) par un
peigne de Dirac de période Te (noté T (t) ):
x*(k.Te) est donnée par:

2
L’échantillonnage est illustré graphiquement dans le domaine temporel aux points (i), (ii) et
(iii) de la fig.5.
L’échantillonnage peut également être décris graphiquement dans le domaine fréquentiel.

Au signal analogique x(t), est associé dans le domaine fréquentiel le spectre X(f) (fig.5) s’étendant
sur une bande de fréquence de –fmax à fmax.
On rappelle un certain nombre de résultats démontrés en cours d’analyse de Fourier :
 Une multiplication dans le domaine temporel correspond à un produit de convolution dans le
domaine spectral (et inversement),
 La transformée de Fourier d’un peigne de Dirac temporel, de période Te, et d’amplitude 1, est
un peigne de Dirac dans le domaine fréquentiel, de période = et d’amplitude .
(t)
fe (f)
xe(kTe)
Xe(f) × 1/Te
Fig.5 Echantillonnage d'un signal analogique
Ainsi, à la multiplication temporelle x(t).T (t) on fait correspondre dans le domaine fréquentiel le
produit de convolution X(f)* fe (f) (fech(f) étant la transformée de Fourier de Te(t), cf. point (v) de
la Fig. 5). Le résultat de ce produit de convolution (Fig. 5.vi) est la transformée de Fourier du signal
échantillonné xe (k.Te). On obtient le spectre X(f) répété à toutes les fréquences multiples de la
fréquence d’échantillonnage (centrés sur les k.fe, k entier), à un facteur multiplicatif près sur
l’amplitude Tech introduit par le peigne fréquentiel de Dirac.

3
Reconstitution du signal échantillonné
Une approche graphique dans le domaine spectrale permet d’illustrer la récupération de l’information
contenue dans un signal échantillonné par un filtrage passe bas (cf. Fig. 6). En supposant un filtrage
passe bas parfait (un tel filtre est impossible à réaliser) sur la bande de fréquence de –fe/2 à fe/2
(appelée bande de Nyquist, le fréquence fe/2 étant appelée fréquence de Nyquist), on retrouve le
spectre X(f) et donc le signal temporel qui y correspond x(t).
Xe(f) × Te
Fig.6 Récupération du signal x(t) par filtrage passe-bas

Echantillonnage d'un signal analogique
Notion de repliement de spectre (aliasing).
Les illustrations graphiques précédentes correspondent au cas où fe/2 > fmax. Dans le cas où on
augmente la période d’échantillonnage (on a alors fe qui diminue) il apparaît un phénomène de
recouvrement spectral illustré Fig.7.
xe(kTe)
Xe(f) ×1/ Te
f
Tee -fe fe
fe Fig.7 Repliement de spectres
Ce phénomène apparaît dés lors que fmax, la plus grande fréquence de la partie du spectre centré sur 0,
devient supérieur à fe - fmax la plus basse fréquence de la partie du spectre centrée sur fe ; les parties du

4
spectre qui se superposent s’ajoutent, et on obtient le spectre replié de la figure précédente. Il n’est
plus possible de récupérer le signal analogique de départ par filtrage passe bas.
La contrainte qui en découle sur la fréquence d’échantillonnage pour éviter le repliement s’écrit
mathématiquement :
fe > 2.fmax
Elle s’énonce sous la forme du théorème de Shannon, ou théorème de l’échantillonnage :
"Un signal x(t) peut être représenté de manière univoque par une suite de valeurs échantillonnées si
la fréquence d’échantillonnage, fe , est au moins deux fois plus élevée que la plus grande des
fréquences, fmax, contenues dans le spectre."
2.2 Quantification
L’opération de quantification consiste à attribuer un nombre binaire à toute valeur prélevée au signal
lors de l’échantillonnage. C’est le CAN (convertisseur analogique numérique) qui réalise cette
opération. Chaque niveau de tension est codé sur p bits, chaque bit pouvant prendre deux valeurs (0
ou 1). Donc un convertisseur à p bits possède 2p niveaux de quantification. Considérons un CAN 4
bits, il n’y a donc que 24 = 16 valeurs possibles attribuables à toutes les valeurs prélevées lors de
l’échantillonnage. L’opération se fait donc avec une perte d’information d’autant plus grande que p
est petit. Le schéma ci-dessous représente une partie de la caractéristique de transfert d’un
convertisseur 4 bits ; à tous les niveaux de tension d’un même palier, le convertisseur fait donc
correspondre un seul et même nombre binaire :
Fig.2 Caractéristique de transfert d'un CAN-Quantification 4 bits

5
q est le pas de quantification : il correspond à la plus petite variation de tension que le convertisseur
peut coder. On voit bien que plus q est faible, meilleure sera la précision de codage. Pour une
quantification par défaut, où xn = nq si x est compris entre nq et (n+1)q, l’erreur commise appelée
bruit de quantification est donnée sur le graphe ci-dessous :
Fig.3 Bruit de quantification ε(t) = x(t) - xn (t)
 Pour la restitution musicale, l’échantillonnage se fait à 44 kHz, la quantification sur 16 bits

(soit 65536 niveaux) et le quantum vaut 1,5 10-3 %.
 En téléphonie, l’échantillonnage se fait à 8000 Hz, la quantification sur 8 bits (soit 256
niveaux) et le quantum vaut 0,4 %
Exemple
signal analogique signal échantillonné signal quantifié
Fig.4 Quantification
3. Transformée de Fourier à temps discret (TFTD)
la transformée de Fourier à temps discret est un cas particulier de la transformée de Fourier, cette
transformée de Fourier à temps discret ne s’applique que sur des signaux temps discret non-
périodiques. La transformée de Fourier d’un tel signal est une fonction définie pour toutes les
fréquences, fe périodique où fe est la fréquence d’échantillonnage.

6
Il s’agit d’une fonction à valeurs complexes dont le module est une fonction paire:
( ) = (− ) et la phase est impaire ( ) =− (− ) . Elle est définie par :
On peut noter que si on avait cherché à approximer le résultat de la transformée de Fourier

(∫ ( ) ) en approximant le signal x(t) par la suite x n, on aurait trouvé la transformée de
Fourier temps discret multiplié par Te. Dans la définition ce Te n’est pas présent, mais il y a de
nombreuses occasions où de fait on le rajoute (soit pour ajuster les spectre d’un signal temps continu
avec un signal temps discret, soit pour établir des équivalences entre la transformée de Fourier et la
transformée de Fourier temps discret pour des signaux particuliers).
La transformée de Fourier discrète inverse transforme un spectre qui est fe-périodique en une
succession de raies qui correspond au signal temps discret aussi la formule calcule une suite à partir
d’une fonction à valeurs complexes définies sur un intervalle :
Où xn est un signal temps discret dont la période d’échantillonnage est 1=1/fe.
3.1 Propriétés de la transformée de Fourier à temps discret

Soit sn un signal temps discret non périodique à valeurs réels. Alors sa transformée de Fourier à
temps discret ( ) vérifie pour tout f.
L’énergie d’un signal sn temps discret non périodique peut aussi être évaluée à partir de son spectre
(théorème de Parseval):
C’est le fait que le signal est non périodique qui fait qu’on s’intéresse à l’énergie et non à la
puissance, (qui serait nulle). La définition de l’énergie utilisée ne dépend pas de f e, ainsi si on
multiplie par 2 fe, le spectre de ( ) reste périodique par rapport à fe, l’intégrale ainsi calculée aurait
alors doublée en valeur mais comme il faut aussi diviser par fe, le résultat serait encore identique.

7
Autres relations :
Linéarité: La transformée de Fourier à temps discret est un opérateur linéaire. Elle conserve la
multiplication par un facteur α :
[ ]( ) = [ ]( )
où xn est un signal temps discret non périodique.
Additivité des signaux: Elle est conservée.

[ + ]( ) = [ ]( ) + [ ]( )
Retard: Un retard sur un signal temps discret non périodique se traduit aussi par un déphasage du
spectre:
[ ]( ) = [ ]( )
Où xn e t xn-d sont deux signaux temps discret non périodiques, le deuxième étant retardé de dTe par
rapport au premier et Te = 1/fe est la période d’échantillonnage.
Décalage fréquentiel
Un spectre peut être décalé en fréquence par la multiplication d’un signal approprié :
( )= [ ]( − )
Dilatation
Dilater ou concentrer un signal temps discret non périodique(TDNP) signifie changer sa période
d’échantillonnage ou sa fréquence d’échantillonnage sans changer les valeurs prises par la suite qui
définit ce signal. Soit xn un signal TDNP échantillonné avec une fréquence d’échantillonnage.
y et yn un signal TDNP ayant les mêmes valeurs que xn mais échantillonné avec une autre
fréquence d’échantillonnage fy. On pose = . Alors les deux spectres prennent les mêmes valeurs
mais pas pour les mêmes fréquences = . Pour tout f
( )= ( )
Différence

8
On ne peut pas dériver ou intégrer un signal temps discret, en revanche à partir d’un signal temps
discret non périodique, on peut définir le signal différence ou le signal somme cumulée avec la même
fréquence d’échantillonnage.
Soit xn un signal temps discret non périodique et yn = xn - xn-1 le signal différence correspondant
alors:
( ) = (1 − ) ( )
Convolution
La transformée de Fourier à temps discret transforme le produit de convolution entre deux signaux à
temps discret non périodiques en un simple produit de transformée de Fourier.
[ ∗ ]( ) = [ ]( ). [ ]( )
Pour des signaux temps discret non périodiques, on définit le produit de convolution à temps discret
par: ∗ =∑ ∈
Z est l’ensemble des entiers positifs et négatifs.

TFTD de l'impulsion de Dirac
La transformée de Fourier d’un Dirac à temps discret est la fonction constante 1.
[ ]( ) = 1
4. Transformée de Fourier discrète (TFD)
La transformée de Fourier discrète est adaptée au cas des signaux temps discret périodiques de
fréquence d’échantillonnage fe = 1/Te et de période T = NTe. Le spectre est alors périodique de
période fe parce que le signal est temps discret. Le spectre est composé de raies espacées de =
On considère un signal temps discret périodique sn de période N échantillonnée à fe. La transformée

de Fourier ( ) périodique de période fe et est formée d’une succession de raies aux fréquences =
( ) est décrite par des coefficients qui correspondent à = pour k ∈ {0 … − 1} et qui

sont :

9
Ces coefficients forment une suite périodique de période N. Ce sont ces coefficients qui permettent
de calculer la transformée de Fourier discrète. Aussi la transformée de Fourier discrète peut aussi
s’écrire sous la forme:
= [ ]( )
La transformée de Fourier discrète inverse s’écrit aussi:
( )= ( − )
∈
4.1 Propriétés de la TFD

Soit sn un signal temps discret périodique. Alors les coefficients de sa transformée de Fourier discrète
vérifient:
Linéarité: La transformée de Fourier à temps discret est un opérateur linéaire. Elle conserve la
multiplication par un facteur α :
[ ]( ) = [ ]( )
où xn est un signal temps discret périodique et de période N et échantillonné à la fréquence fe.
Additivité des signaux: Elle est conservée.

[ + ]( ) = [ ]( ) + [ ]( )
Retard: Un retard sur un signal temps discret non périodique se traduit aussi par un déphasage du
spectre:
[ ]( ) = / [ ]( )
Où xn e t xn-d sont deux signaux temps discret périodique de même période et échantillonné à la
fréquence fe.

10
Dilatation
Soit xn un signal temps discret périodique de période N échantillonné à la fréquence
d’échantillonnage et yn un signal temps discret périodique avec les mêmes valeurs que xn et de
même période N mais échantillonné à f . Alors les raies de (f) sont espacées de tandis que
celles de ( ) sont espacés de
Différence
On ne peut pas dériver ou intégrer un signal temps discret, en revanche à partir d’un signal temps
discret non périodique, on peut définir le signal différence ou le signal somme cumulée avec la même
fréquence d’échantillonnage.
Soit xn un signal temps discret non périodique et yn = xn - xn-1 le signal différence correspondant
alors:
( ) = (1 − ) ( )
Convolution
La transformée de Fourier discrète entre deux signaux à temps discret périodiques est donnée par:
Notation matricielle
En notant W = e , on peut noter la transformée de Fourier discrète sous forme matricielle:
(1)
où sous forme:
= .
Travail à rendre le 15 Février 2017

On vous propose de calculer à partir de la relation matricielle (1) le vecteur X correspondant à la
transformée de Fourier discrète de la séquence x(n)={1, 0.5 , 2, -1, 0.5, 0.25}

11
5. Transformée de Fourier rapide (ou FFT: Fast Fourier Transform)
La FFT est le moyen utilisé par les ordinateurs et les processeurs de traitement du signal (Digital
Signal Processors DSP) pour calculer la transformée de Fourier des signaux avec un coût de calcul
minimal. Cet algorithme est très efficace, jusqu'à des centaines de fois plus rapide que les méthodes
conventionnelles. Elle a été inventé par deux ingénieurs(J.W. Cooley et J.W. Tukey) en 1965 .
Principe :
On considère N  2 valeurs successives d’un signal discret x0,x1, ...xN-1 ou N échantillons
M
successifs x(0), x(T)...x((N-1)T) d’un signal x(t) et on calcule N valeurs X0, X1, ...XN-1 valeurs de la
transformée de Fourier du signal discret placées à des fréquences réparties périodiquement entre 0 et
N  1 ( N  1) f e 1 2 N 1
 soit X (0), X ( ), X ( ) ... X ( )
NT N NT NT NT
L'implantation pratique de la FFT nécessite un nombre de points qui est une puissance de 2.Si le
nombre de points n'est pas une puissance de 2, on doit ajouter des zéros à la fin de la séquence. Il est
possible de mettre à profit certaines particularités de la matrice de passage pour éviter de devoir
effectuer les N2 multiplications que demanderait le produit matriciel direct.
Dans un tel cas de figure, on décompose le vecteur d'échantillons temporels en un vecteur comportant
les échantillons d'indice pairs et un vecteur comportant les échantillons d'indice impairs afin d'obtenir
les premières valeurs du vecteur fréquentiel.

12
En désignant par T N/2 la matrice qui vient en facteur du vecteur colonne des éléments d'indice pair et
en décomposant la matrice facteur du vecteur des éléments d'indice impair en un produit d'une
matrice diagonale par la matrice TN/2 , on obtient :
Pour les N2 derniers termes du vecteur fréquentiel, on obtient en utilisant la propriété W N = 1 :
Il apparaît ainsi que le calcul de Xk et de X k+N/ 2 met en œuvre les mêmes calculs à un changement de
signe près. Ce calcul peut être représenté par le diagramme suivant :

13
Il apparaît alors que le calcul d'une Transformée de Fourier d'ordre N revient au calcul de deux
Transformées d'ordre N/2 auquel s'ajoutent N/2 multiplications complexes. En itérant ce principe on
"descend" jusqu'aux Transformées de Fourier sur deux valeurs, qui s'effectuent au moyen de la
1 1
matrice : =
1 −1
En énumérant toutes les multiplications à effectuer on constate finalement que l'algorithme de la
Transformée de Fourier Rapide (TFR ou FFT en anglais pour Fast Fourier Transform (Cooley and
Tuckey 1965)) qui vient d'être développé va demander Nlog2 (N) multiplications au lieu des N2
multiplications du calcul direct.
Exemple: une FFT d'ordre 8 aura comme diagramme:
On voit d’après le contenu de T4 que l’on a intérêt à regrouper x0 avec x4 , x2 avec x6 , et de même x1
avec x5 , et x3 avec x7 . Le diagramme a alors la forme suivante (les ronds noirs représentent
l’opération d’addition, les traits épais identifient le terme soustrait) :
On constate dans ce diagramme la présence de 4 “papillons FFT” d’ordre 2, 2 “papillons FFT”

d’ordre 4 et 1 “papillon FFT” d’ordre 8. De plus, alors que les termes Xi apparaissent “dans l’ordre”,
l’ordre des xi a été modifié. Cette modification appelée renversement digital, consiste à inverser la
représentation binaire des indices des xi avant chaque calcul de FFT.

14
La fonction fft de Matlab (help fft)

Il existe différents algorithmes de fft. La fft appliquée par Matlab est donnée ci-dessous à partir de
l’aide. Si X=fft(x) et x=ifft(X), x et X vecteurs de longueur N:
1 N
x( j )  ( ) X (k )WN
N
X ( k )   x ( j )W N
( j 1)( k 1) ( j 1)( k 1)
avec j 1 N k 1
W N  e 2i / N
Si N n’est pas une puissance de 2, Matlab complète le vecteur argument avec des zéros (zéro
padding) à la puissance de deux immédiatement supérieure.
Le faible coût de calcul provient des propriétés de périodicité et de symétrie du terme

( )( )
par rapport aux indices j et k.

15

Traitement Du Signal

Transféré par

Droits d'auteur :

Formats disponibles

Traitement Du Signal

Transféré par

Informations du document

Description originale:

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

Traitement Du Signal

Transféré par

Droits d'auteur :

Formats disponibles

Université Amar Telidji de Laghouat

Faculté de Technologie - Département d’Electronique

Chapitre 1: Transformée de Fourier discrète

2. Rappel sur les opérations d'échantillonnage et de quantification

Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique et de la

Auteur: Mme F. Benkouider (2016/2017)

 Le deuxième bloc représente un convertisseur analogique-numérique qui permet d’associer un

Fig.1 Principe de l'échantillonnage

Aspects temporels et fréquentiels de l’échantillonnage

x*(k.Te) est donnée par:

Auteur: Mme F. Benkouider (2016/2017)

L’échantillonnage peut également être décris graphiquement dans le domaine fréquentiel.

Fig.5 Echantillonnage d'un signal analogique

Auteur: Mme F. Benkouider (2016/2017)

Reconstitution du signal échantillonné

Fig.6 Récupération du signal x(t) par filtrage passe-bas

Notion de repliement de spectre (aliasing).

Auteur: Mme F. Benkouider (2016/2017)

Elle s’énonce sous la forme du théorème de Shannon, ou théorème de l’échantillonnage :

Fig.2 Caractéristique de transfert d'un CAN-Quantification 4 bits

Auteur: Mme F. Benkouider (2016/2017)

Fig.3 Bruit de quantification ε(t) = x(t) - xn (t)

 Pour la restitution musicale, l’échantillonnage se fait à 44 kHz, la quantification sur 16 bits

signal analogique signal échantillonné signal quantifié

3. Transformée de Fourier à temps discret (TFTD)

Auteur: Mme F. Benkouider (2016/2017)

( ) = (− ) et la phase est impaire ( ) =− (− ) . Elle est définie par :

On peut noter que si on avait cherché à approximer le résultat de la transformée de Fourier

Où xn est un signal temps discret dont la période d’échantillonnage est 1=1/fe.

3.1 Propriétés de la transformée de Fourier à temps discret

Auteur: Mme F. Benkouider (2016/2017)

Additivité des signaux: Elle est conservée.

mais pas pour les mêmes fréquences = . Pour tout f

Auteur: Mme F. Benkouider (2016/2017)

Z est l’ensemble des entiers positifs et négatifs.

4. Transformée de Fourier discrète (TFD)

On considère un signal temps discret périodique sn de période N échantillonnée à fe. La transformée

( ) est décrite par des coefficients qui correspondent à = pour k ∈ {0 … − 1} et qui

Auteur: Mme F. Benkouider (2016/2017)

4.1 Propriétés de la TFD

Additivité des signaux: Elle est conservée.

Auteur: Mme F. Benkouider (2016/2017)

celles de ( ) sont espacés de

En notant W = e , on peut noter la transformée de Fourier discrète sous forme matricielle:

Travail à rendre le 15 Février 2017

Auteur: Mme F. Benkouider (2016/2017)

5. Transformée de Fourier rapide (ou FFT: Fast Fourier Transform)

Auteur: Mme F. Benkouider (2016/2017)

Pour les N2 derniers termes du vecteur fréquentiel, on obtient en utilisant la propriété W N = 1 :

Auteur: Mme F. Benkouider (2016/2017)

Exemple: une FFT d'ordre 8 aura comme diagramme:

On constate dans ce diagramme la présence de 4 “papillons FFT” d’ordre 2, 2 “papillons FFT”

Auteur: Mme F. Benkouider (2016/2017)

La fonction fft de Matlab (help fft)

Le faible coût de calcul provient des propriétés de périodicité et de symétrie du terme

Auteur: Mme F. Benkouider (2016/2017)

Vous aimerez peut-être aussi