SlideShare une entreprise Scribd logo
Traitement du Signal
James L. Crowley
Deuxième Année ENSIMAG deuxieme semestre 2007/2008
Séance 2 : 8 février 2008
Formes Numérique de la Transformée de Fourier
Formule du Jour : La Transformée de Fourier......................2
Le Convolution............................................................................4
Convolution Numérique..............................................................................5
La Transformée de Fourier.......................................................6
Sortes de Transformées de Fourier..........................................................6
La Transformée de Fourier d'un signal continu....................................7
Quelques Exercices en Transformée de Fourier...................8
Transformée de FOURIER du delta........................................................8
Sinus Cardinale - La Transformée Rect(t)..............................................8
Transformée de FOURIER du Cosinus...................................................9
Transformée de FOURIER du Sinus.......................................................10
Transformée de Fourier d'un signal numérique................. 11
Le Sinus Cardinal d'une séquence numérique ...................12
Idempotence avec Convolution du Sinus Cardinale.............................14
Définition de la Transformée de Fourier Discrète.............. 15
Interpretation en Algèbre Linéaire...........................................................16
Propriétés de la Transformation de Fourier ........................17
La Transformée de Fourier Séance 2
Formule du Jour : La Transformée de Fourier
{x(t)} = X(ω) = ∫
–∞
∞
x(t) e-jωt dt
Pourquoi "e" ?
"e" est la base tel que ∫ ex dx = ex (On note que : ∫ eax dx =
1
a
eax)
Qu'est ce que "e" signifie ?
e = Lim
n→∞
{(1 +
1
n
)n} = 1 + 1 +
1
2!
+
1
3!
+ ... = 2.7182818284...
ex = Lim
n→∞
{(1 +
x
n
)n} = 1 + x +
(x)2
2!
+
(x)3
3!
+ ... = (2.7182818284...)x
ejx = 1 + jx +
(jx)2
2!
+
(jx)3
3!
+
(jx)4
4!
+
(jx)5
5!
+
(jx)6
6!
+ ...
= 1 +
(jx)2
2!
+
(jx)4
4!
+
(jx)6
6!
+ ... + jx +
(jx)3
3!
+
(jx)5
5!
+ ...
= 1 –
(x)2
2!
+
(x)4
4!
–
(x)6
6!
+ ... + j x – j
(x)3
3!
+ j
(x)5
5!
– ...
= Cos(x) + j Sin (x)
Avec une exposante complexe, ejx prend la forme d'une oscillation :
La relation d'Euler : ejx= Cos(x) + j Sin (x)
On note que :
ejx + e–jx = Cos(x) + j Sin (x) + Cos(x) – j Sin (x) = 2 Cos(x)
ejx – e–jx = Cos(x) + j Sin (x) – Cos(x) + j Sin (x) = 2j Sin(x)
Rappel : pour un complexe
La Transformée de Fourier Séance 2
z = ℜ{z} + j ℑ {z} = zr + j zi = r ejϕ
= | z | ejϕ = r ejϕ
= r cos(ϕ) + j r sin(ϕ)
j ℑ {z}
ℜ{z}
ϕ = arg{z}
r =| z |
r = zr2 + zi2 ϕ = Arg {z}= Tan–1{
zi
zr
}
L'exponentielle Complexe est un angle dans la plane complexe :
ejx= Cos(x) + j Sin (x)
ejπ/4 = 0.707 + j .707
ejπ/2 = 0 + j
ej3π/4 = –0.707 + j .707
ejπ = –1 + j 0
Note que :
(e–j
2π
N )n
= e–j n
2π
N = (Cos (
2π
N
) – j Sin(
2π
N
) )n
= Cos (n
2π
N
) –j Sin(n
2π
N
)
Im
Re
2π
N
2π
N
2
L'exponentielle Complexe, ejα, est un retard en temps.
ejωt ejα = ej(ωt+α) = Cos(ωt + α) + j Sin(ω t + α)
La Transformée de Fourier Séance 2
Le Convolution
t
δ(t)
Transmission
g(t)
t
Un système linéaire est modélisé par sa réponse à une impulsion, δ(t).
δ(t) f(t)* f(t)
Réponse Impulsionnelle : f(t) = f[δ(t)].
La réponse d'un système linéaire a une entrée x(t) est une superposition (une somme)
de réponses impulsionnelle amplifiées par les valeurs instantanées de x(t). Cette
opération est appelé le "Convolution" de x par f.
x(t) f(t)* y(t) =x * f(t)
L’équation générale de la convolution est une somme de réponse impulsionnelle pour
les réponses. La convolution est commutative.
y(t) = x * f(t) = ∫
–∞
∞
x(t–τ) f(τ) dτ = f * x(t) ∫
–∞
∞
x(τ) f(t–τ)dτ
La convolution est l’opération de traitement de signale la plus fondamentale. Elle
indique que la valeur du signal de sortie à l’instant t est obtenue par la sommation
(intégrale) pondérée des valeurs passées du signal d'excitation x(t). La fonction de
pondération est précisément la réponse impulsionnelle f(t).
La Transformée de Fourier Séance 2
Convolution Numérique
Les séquences apériodiques sont supposées d'exister avec valeurs nuls hors de leur
intervalle de définition.
Exemple : Considère les deux séquences numériques apériodiques non-nul sur les
intervalles de duration Nx et Nh.
Soit x(n) de non-nul pour n ∈ [0, Nx-1] et f(n) de non-nul pour n ∈ [0, Nh-1].
x(n) 0 ≤ n ≤ Nx-1,
f(n) 0 ≤ n ≤ Nf-1
La convolution apériodique de x(n) et f(n) est une produit scalaire pour chaque m
y(m) = x * f(m) = ∑
n=-∞
∞
x(n).f(m–n) = ∑
n=∞
∞
x(m–n).f(n)
Ce produit est potentiellement non-nul sur un intervalle de durée Nx+Nh-2.
y(m) = x * f(m) = ∑
n=0
Nx+Nh-2
x(n)·f(m–n) = ∑
n=0
Nx+Nh-2
x(m–n)·f(n)
La taille du résultat potentiellement non-nul est de Nx + Nh –1 échantillons.
Demonstration. La première valeur non nul est créé pour
n = 0 : x(m) non-nul pour 0 ≤ m ≤ Nx-1,
h(n-m) non-nul pour h(n) -Nh+1≤ m ≤ 0
n = Nx + Nh – 1 : x(n) non-nul pour 0 ≤ n ≤ Nx-1,
h(n-m) non-nul pour h(n) Nx – 1 ≤ m ≤ Nx + Nh – 1
ie. ( n-Nh-1 < m < n)
La Transformée de Fourier Séance 2
La Transformée de Fourier
L'analyse harmonique d'un signal déterministe est l'instrument de base de la théorie et
du traitement du signal. Cette analyse harmonique, obtenue par la transformation de
Fourier, est une représentation spectrale des signaux. Elle exprime la répartition en
fréquence de l'amplitude et de la phase de l'énergie ou de la puissance d'un signal. Il
existe plusieurs formulations de cette transformation :
Sortes de Transformées de Fourier
Transformée temps fréquence
TF
Transformée de Fourier
classique
continu
infini
continue
infinie
TFD
Transformée de Fourier
Discrète
discret
périodique
discrète
périodique
TFTD
Transformée de Fourier
en Temps Discrète
discret
fini
continue,
périodique
La Transformée de Fourier classique une outil d'analyse pour les fonctions.
Elle s'agit d'un outil d'analyse "symbolique".
Elle est presque toujours calculée "à la main".
La Transformée de Fourier Discrète s'applique aux séquences numériques.
Elle est numérique et presque toujours calculer "par logiciel".
Elle transforme une séquence x(n) de N échantillons,
à une séquence X(k) de N échantillons
La Transformée de Fourier en Temps Discrète une outil d'analyse des séquences
numériques.
Elle permet d'exprimer la "fonction de transfert" d'une convolution numérique.
Elle décrit un filtre comme une suite des exponentiels.
Elle peut être fait à la main pour les petites séquences, et par logiciel pour
les grandes séquences
La Transformée de Fourier Séance 2
La Transformée de Fourier d'un signal continu
Soit x(t) un signal complexe déterministe.
La transformée de Fourier est une fonction complexe de la variable réelle ω = 2π f
définie par :
{x(t)} = X(ω) = ∫
–∞
∞
x(t) e-jωt dt
La transformée inverse est donnée par :
x(t) = -1{ X(ω) } = ∫
–∞
∞
X(ω) ejωt dω
La symétrie de ces formulations montre l'existence d'une dualité temps-fréquence
Convolution en temps est équivalent d'un produit en domaine Fourier.
y(t) = x(t) * f(t) ⇔ Y(ω) = X(ω) F(ω)
et par principe de dualité : y(t) = x(t) · f(t) ⇔ Y(ω) = X(ω) * F(ω)
Condition d'existence :
Pour qu'une fonction x(t) possède une transformée de Fourier il faut et il suffit que:
• la fonction x(t) soit bornée.
• l'intégrale de x(t) entre –∞ et ∞ ait une valeur bornée.
• les discontinuités de x(t) soient en nombre fini.
X(ω) = {x(t)} est une fonction COMPLEXE.
X(ω) = ℜ{X(ω)} + j ℑ {X(ω)} = | X(ω) | ejϕ(ω)
= | X(ω) | cos(ϕ(ω)) + j | X(ω) | sin (ϕ(ω))
Le module | X(ω) | = ℜ{X(ω)}2 + j ℑ{X(ω)}2 est le “spectre d’amplitude”.
L’argument ϕ(ω) = arg (X(ω) = Arc Tan( ℑ{X(ω)}
ℜ{X(ω)}
) est le “spectre de phase”.
La Transformée de Fourier Séance 2
Quelques Exercices en Transformée de Fourier
Transformée de FOURIER du delta
Démontre que { δ(t) } = 1 et –1{ δ(ω) } = 1
Transformée de FOURIER du signal delta :
a) { δ(t) } = ∫–∞
∞
δ(t) e–jωt dt = e–jω0 = Cos (0) + j Sin (0) = 1.
t
•
ω
1
b) –1{ δ(ω) } = ∫–∞
∞
δ(ω) ejωt dω = ejt0 = Cos (0) + j Sin (0) = 1.
t
1
ω
•
Sinus Cardinale - La Transformée Rect(t)
Calculer {rect(t)}
Reponse : Rappel que ex
– e–x
= 2j sin(x)
{rect(t)} = ∫–1/2
1/2
e–jωt
dt =
1
jω
[ejω/2
– e–jω/2
] =
sin(ω/2)
ω/2
=
Sin(πf)
πf
Sinc(f)
ou bien Sinc(
ω
2π
) si ω = 2πf
La Transformée de Fourier Séance 2
{rect(t)} =
Sin(πf)
πf
≡ Sinc(f)
–1
2
1
2
t
rect(t)
sinc(f) = sin(πf)
πf
f
1 2 3 40-1-2-3-4
Transformée de FOURIER du Cosinus
Déterminer { Cos(ωo t) }
Réponse : La Transformée d'un cosinus de fréquence ωo est une somme de 2
impulsions en ωo et −ωo : δ(ω - ωo) + δ(ω + ωo)
–1{
1
2
( δ(ω - ωo) + δ(ω + ωo) ) }
=
1
2 ∫
–∞
∞
[δ(ω - ωo) + δ(ω + ωo) ] ejωt dt
=
1
2
(
⌡




⌠
–∞
∞
δ(ω - ωo) ejωt dt + ∫
–∞
∞
δ(ω + ωo) ejωt dt )
1
2
( ejω0t + e-jω0t ) = cos (ωοt)
−δ(ω + ωo) δ(ω − ωo)
ω
00 ω 0
−ω
R
ω
Cos(ωot)
La Transformée de Fourier Séance 2
Transformée de FOURIER du Sinus
Déterminer { Sin(ωo t) }
Réponse :
La Transformée d'un sinus de fréquence ωo
–1{
1
2
( δ(ω - ωo) – δ(ω + ωo) ) }
=
1
2 ∫
–∞
∞
[δ(ω - ωo) – δ(ω + ωo) ] ejωt dt
=
1
2
(
⌡




⌠
–∞
∞
δ(ω - ωo) ejωt dt – ∫
–∞
∞
δ(ω + ωo) ejωt dt )
1
2
( ejω0t – e-jω0t ) = Sin (ωοt)
t
Sin(ωot)
ω
0
0
ω 0
−ω
Im{}
d'où la notion de fréquence négative qui n'a de sens que pour représenter des signaux
réels dans l'espace fréquence :
La Transformée de Fourier Séance 2
Transformée de Fourier d'un signal numérique
La Transformée de Fourier de Temps Discrète (TFTD) ou "DTFT" en Anglais.
est défini par :
F(ω) = ∑
m=–∞
∞
f(m) e–jωm
Intérêt : Convolution en domaine "n" est équivalente d'un produit en domaine ω
y(n) = x(n) * f(n) ⇔ Y(ω) = X(ω) F(ω)
y(n) = x(n) · f(n) ⇔ Y(ω) = X(ω) * F(ω)
F(ω) décrit l'effet sur chaque fréquence d'une filtre f(n).
Exemple :
Soit la séquence f(n) = 1 2 1 pour n = –1, 0, 1
F(ω) = 1 e–jω(–1) + 2 e0 + 1 e–jω(1) = 2 + ejω + e–jω = 2 + 2 cos(ω).
-π π0
4
ω
La TFDF est définie pour TOUS les valeurs de ω.
Mais il est périodique, avec une période de 2π.
On utilise l'intervalle –π < ω ≤ π
ω = 2πf donc périodique entre –
1
2
< f ≤
1
2
La Transformée de Fourier Séance 2
Le Sinus Cardinal d'une séquence numérique
wN(n) est une fenêtre rectangulaire ou fonction de porte (parfois appelé rectN(n))
wN(n)



 1 0 ≤ n < N
0 n < 0 et n ≥ N
WN(ω) = ∑
n=0
N–1
wN(n) e–jωn = ∑
n=0
N–1
e–jωn = ∑
n=0
N–1
(e–jω) n
afin de simplifier l'algebre, on substitue : z = e–jω
il nous faut identité : ∑
n=0
N–1
zn =
zN – 1
z – 1
Demonstration : ∑
n=0
N–1
zn = ( 1 + z1 + z2 + ...zN–1)
z( ∑
n=0
N–1
zn) = z( 1 + z1 + z2 + ...zN–1) = (z1 + z2 + ...+zN–1 + zN)
donc
∑
n=0
N–1
zn – z( ∑
n=0
N–1
zn) = ( 1 + z1 + z2 + ...zN–1) – (z1 + z2 + ...+zN–1 + zN)
(1–z) ( ∑
n=0
N–1
zn) = (1 – zN)
donc ∑
n=0
N–1
zn =
1 – zN
1 – z
avec
WN(z) =
1 – zN
1 – z
=
zN/2
z1/2
(z–N/2 – zN/2)
(z–1/2 – z1/2)
= z(N–1)/2 (z–N/2 – zN/2)
(z–1/2 – z1/2)
La Transformée de Fourier Séance 2
donc pour z = e–jω = e–j2πf
WN(f) = e–jπ(N-1)f (e–j2πnfN/2 – ej2πnfN/2)
(e–j2πnf/2– ej2πnf/2)
= e–jπ f(N–1)/2 sin(πfN)
sin(πf)
ou bien
WN(ω) = e–jω(N–1)/4 sin(ωN/2)
sin(ω/2)
Il s’agit de l’équivalent numérique à sinc(πf) avec un décalage de
(N–1)
2
Si on avez défini w(n) avec un nombre impair de coefficients, centré sur zéro :
wN(n)



 1 –N/2 ≤ n < N/2
0 ailleur
puis :
WN(f) =
(e–j2πnfN/2 – ej2πnfN/2)
(e–j2πnf/2– ej2πnf/2)
=
sin(πfN)
sin(πf)
0
Idempotence avec Convolution du Sinus Cardinale
La Transformée de Fourier Séance 2
Le fait de limiter un signal à N échantillons est équivalent de multiplier par wN(n).
wN(n) est idempotent sur toute séquence numérique non-null sur [0, N–1]
x(n) = x(n) .wN(n)
en domaine Fourier :
{ x(n) .wN(n)} = X(ω) * WN(ω).
Le spectre X(ω) de tout signal de duration fini, x(n), est convolu par WN(ω).
La Transformée de Fourier Séance 2
Définition de la Transformée de Fourier Discrète
(TFD ou DFT en Anglais)
Définition : Soit une séquence de N échantillons x(n) pour n ∈ [0, N–1]
TFD{x(n)} = X(k) = ∑
n=0
N–1
x(n) e–jn
2πk
N = ∑
n=0
N–1
x(n) WN
nk
La TFD comprend des fréquence de k cycles sur N échantillons, k ∈ [–
N
2
,
N
2
–1]
TFD Inverse :
TFD–1{X(k)} = xp(n) =
1
N ∑
k=–N/2
N/2–1
X(k) ejk
2πn
N =
1
N ∑
k=–N/2
N/2–1
X(k) WN
–nk
Intérêt :
Il existe des algorithmes qui permettent de calculer cette transformée d’une séquence
de N échantillons avec un coût de calcul N Log2 N multiplications.
Ceci permet un filtrage rapide par multiplications dans le domaine Fourier.
Si N est 2p
, on peut utiliser l’algorithme rapide (FFT) de Cooley - Tukey.
La Transformée de Fourier Séance 2
Interpretation en Algèbre Linéaire
La transformée de Fourier Discrète peut être vue comme une transformation
linéaire appliqué au vecteur x(n) afin de rendre le vecteur X(k).
Les lignes de cette transformation sont les complexes exponentiels.
X(k) = F x(n)
F est une matrice avec les coefficients fkn = e–2πj
nk
N







X(0)
X(1)
...
X(N–1)
=















e–2πj
0.0
N e–2πj
0.1
N ... e–2πj
0.(N-1)
N
e–2πj
1.0
N e–2πj
1.1
N ... e–2πj
1.(N-1)
N
...
e–2πj
(N-1).1
N e–2πj
(N-1).2
N ... e–2πj
(N-1).(N-1)
N







x(0)
x(1)
...
x(N-1)
Note que les coefficient X(k) sont périodique en k avec période N.
Donc X(–N/2) = X(N/2), X(–N/2+1) = X(N/2+1), X(–1) = X(N–2) etc.
La Transformée de Fourier Séance 2
Propriétés de la Transformation de Fourier
Propriétés de symétrie : (Parité)
si x(t) est réel :
Temps Fréquence
pair réel
impaire imaginaire
si X(ω) est réel :
Temps Fréquence
réel pair
imaginaire impaire
Linéarité a x(t) + b y(t) ⇔ a X(ω) + b Y(ω)
Dualité avec convolution :
x(t) * y(t) ⇔ X(ω) Y(ω)
x(t) y(t) ⇔ X(ω) * Y(ω)
Translation (théorème du retarde) :
x(t–t0) ⇔ X(ω) e+jωt0
x(t) e–jω0t ⇔ X(ω+ω0)

Contenu connexe

Tendances

CM3 - Transformée de Fourier
CM3 - Transformée de FourierCM3 - Transformée de Fourier
CM3 - Transformée de Fourier
Pierre Maréchal
 
Poly td ea
Poly td eaPoly td ea
Poly td ea
Salah-Eddine MAAFI
 
Polycopie Analyse Numérique
Polycopie Analyse NumériquePolycopie Analyse Numérique
Polycopie Analyse Numérique
Jaouad Dabounou
 
chap3 transmission_numerique-en-bd_b
chap3 transmission_numerique-en-bd_bchap3 transmission_numerique-en-bd_b
chap3 transmission_numerique-en-bd_b
BAKKOURY Jamila
 
Formation Bus de Terrain _Partie 3_1 _Modbus tcp
Formation Bus de Terrain _Partie 3_1 _Modbus tcpFormation Bus de Terrain _Partie 3_1 _Modbus tcp
Formation Bus de Terrain _Partie 3_1 _Modbus tcp
Wojciech GOMOLKA
 
47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnes47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnes
TRIKI BILEL
 
Cour traitement du signal.pdf
Cour traitement du signal.pdfCour traitement du signal.pdf
Cour traitement du signal.pdf
stock8602
 
Lamini&farsane traitement de_signale
Lamini&farsane traitement de_signaleLamini&farsane traitement de_signale
Lamini&farsane traitement de_signale
Asmae Lamini
 
Exercices corriges en electricite triphase
Exercices corriges en electricite triphaseExercices corriges en electricite triphase
Exercices corriges en electricite triphase
morin moli
 
chap5 modulations
chap5 modulationschap5 modulations
chap5 modulations
BAKKOURY Jamila
 
Cours electronique analogique filtrage 2
Cours electronique analogique filtrage 2Cours electronique analogique filtrage 2
Cours electronique analogique filtrage 2
Rachid Richard
 
modulation AM FM PM
modulation AM FM PMmodulation AM FM PM
modulation AM FM PM
HassnTAI
 
Exemple d'installation électrique.pdf
Exemple d'installation électrique.pdfExemple d'installation électrique.pdf
Exemple d'installation électrique.pdf
WalidBM1
 
Le grafcet cours & exercices corrigés
Le grafcet cours & exercices corrigésLe grafcet cours & exercices corrigés
Le grafcet cours & exercices corrigés
toumed
 
Exercices vhdl
Exercices vhdlExercices vhdl
Exercices vhdl
yassinesmz
 
La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...
osmalilwano
 
55172812 bielle
55172812 bielle55172812 bielle
55172812 bielle
geniem1
 
Chapitre 1 technique de transmission
Chapitre 1 technique de transmissionChapitre 1 technique de transmission
Chapitre 1 technique de transmission
Fodé Ndiaye
 

Tendances (20)

CM3 - Transformée de Fourier
CM3 - Transformée de FourierCM3 - Transformée de Fourier
CM3 - Transformée de Fourier
 
Poly td ea
Poly td eaPoly td ea
Poly td ea
 
Polycopie Analyse Numérique
Polycopie Analyse NumériquePolycopie Analyse Numérique
Polycopie Analyse Numérique
 
chap3 transmission_numerique-en-bd_b
chap3 transmission_numerique-en-bd_bchap3 transmission_numerique-en-bd_b
chap3 transmission_numerique-en-bd_b
 
Formation Bus de Terrain _Partie 3_1 _Modbus tcp
Formation Bus de Terrain _Partie 3_1 _Modbus tcpFormation Bus de Terrain _Partie 3_1 _Modbus tcp
Formation Bus de Terrain _Partie 3_1 _Modbus tcp
 
47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnes47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnes
 
Cour traitement du signal.pdf
Cour traitement du signal.pdfCour traitement du signal.pdf
Cour traitement du signal.pdf
 
Lamini&farsane traitement de_signale
Lamini&farsane traitement de_signaleLamini&farsane traitement de_signale
Lamini&farsane traitement de_signale
 
Exercices corriges en electricite triphase
Exercices corriges en electricite triphaseExercices corriges en electricite triphase
Exercices corriges en electricite triphase
 
chap5 modulations
chap5 modulationschap5 modulations
chap5 modulations
 
Cours electronique analogique filtrage 2
Cours electronique analogique filtrage 2Cours electronique analogique filtrage 2
Cours electronique analogique filtrage 2
 
Traitement de signal 1
Traitement de signal 1Traitement de signal 1
Traitement de signal 1
 
modulation AM FM PM
modulation AM FM PMmodulation AM FM PM
modulation AM FM PM
 
Exemple d'installation électrique.pdf
Exemple d'installation électrique.pdfExemple d'installation électrique.pdf
Exemple d'installation électrique.pdf
 
CM Transformateur monophasé
CM Transformateur monophaséCM Transformateur monophasé
CM Transformateur monophasé
 
Le grafcet cours & exercices corrigés
Le grafcet cours & exercices corrigésLe grafcet cours & exercices corrigés
Le grafcet cours & exercices corrigés
 
Exercices vhdl
Exercices vhdlExercices vhdl
Exercices vhdl
 
La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...La méthode ziegler nichols pour la détermination des paramètres d un controle...
La méthode ziegler nichols pour la détermination des paramètres d un controle...
 
55172812 bielle
55172812 bielle55172812 bielle
55172812 bielle
 
Chapitre 1 technique de transmission
Chapitre 1 technique de transmissionChapitre 1 technique de transmission
Chapitre 1 technique de transmission
 

Similaire à traitement de signal cours

Traitement de signal rappel outilmathematiques
Traitement de signal rappel outilmathematiquesTraitement de signal rappel outilmathematiques
Traitement de signal rappel outilmathematiques
Djoudi KERFA
 
chap2 outil_mathematiques
chap2 outil_mathematiqueschap2 outil_mathematiques
chap2 outil_mathematiques
BAKKOURY Jamila
 
Sujettdtds
SujettdtdsSujettdtds
Sujettdtds
SamiskTakisk
 
ADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdf
ADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdfADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdf
ADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdf
BrsioftBlogger
 
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdfChapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Heithem2
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
ismailkziadi
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
Mehdi Maroun
 
Cours vibration 2016 prat
Cours vibration 2016 pratCours vibration 2016 prat
Cours vibration 2016 prat
OumaimaBenSaid
 
Gele2511 ch3
Gele2511 ch3Gele2511 ch3
Gele2511 ch3
Thimothée EBODE
 
traitement-du-signal-avance.pptx
traitement-du-signal-avance.pptxtraitement-du-signal-avance.pptx
traitement-du-signal-avance.pptx
NouzhaBoukouba1
 
GEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolutionGEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolution
Frédéric Morain-Nicolier
 
Les Filtres Numeriques
Les Filtres NumeriquesLes Filtres Numeriques
Les Filtres Numeriques
SAHELAicha
 
Chapitre2-ISS.pdf
Chapitre2-ISS.pdfChapitre2-ISS.pdf
Chapitre2-ISS.pdf
ihebbenabdelfateh
 
GEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériquesGEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériques
Frédéric Morain-Nicolier
 
Cours-maths3-2eme-Annee-ST.pdf
Cours-maths3-2eme-Annee-ST.pdfCours-maths3-2eme-Annee-ST.pdf
Cours-maths3-2eme-Annee-ST.pdf
ArsalanTlm
 
Cours fourier
Cours fourier Cours fourier
Cours fourier
Raed Ammar
 
transparents-Algo-complexite.pdf
transparents-Algo-complexite.pdftransparents-Algo-complexite.pdf
transparents-Algo-complexite.pdf
abdallahyoubiidrissi1
 

Similaire à traitement de signal cours (20)

Traitement de signal rappel outilmathematiques
Traitement de signal rappel outilmathematiquesTraitement de signal rappel outilmathematiques
Traitement de signal rappel outilmathematiques
 
chap2 outil_mathematiques
chap2 outil_mathematiqueschap2 outil_mathematiques
chap2 outil_mathematiques
 
Sujettdtds
SujettdtdsSujettdtds
Sujettdtds
 
ADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdf
ADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdfADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdf
ADS_Shannyyyyyyyyyyuyyuuuuuuuuuuuuuon.pdf
 
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdfChapitre 1 Rappels sur le filtrage numérique 1.pdf
Chapitre 1 Rappels sur le filtrage numérique 1.pdf
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
 
Cours vibration 2016 prat
Cours vibration 2016 pratCours vibration 2016 prat
Cours vibration 2016 prat
 
Gele2511 ch3
Gele2511 ch3Gele2511 ch3
Gele2511 ch3
 
traitement-du-signal-avance.pptx
traitement-du-signal-avance.pptxtraitement-du-signal-avance.pptx
traitement-du-signal-avance.pptx
 
GEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolutionGEII - Ma3 - Représentations de Fourier et convolution
GEII - Ma3 - Représentations de Fourier et convolution
 
Les Filtres Numeriques
Les Filtres NumeriquesLes Filtres Numeriques
Les Filtres Numeriques
 
Chapitre2-ISS.pdf
Chapitre2-ISS.pdfChapitre2-ISS.pdf
Chapitre2-ISS.pdf
 
GEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériquesGEII - OL3 : Signaux et systèmes numériques
GEII - OL3 : Signaux et systèmes numériques
 
Echantillonage
EchantillonageEchantillonage
Echantillonage
 
cours2.pdf
cours2.pdfcours2.pdf
cours2.pdf
 
Cours-maths3-2eme-Annee-ST.pdf
Cours-maths3-2eme-Annee-ST.pdfCours-maths3-2eme-Annee-ST.pdf
Cours-maths3-2eme-Annee-ST.pdf
 
Traitement du signal
Traitement du signalTraitement du signal
Traitement du signal
 
Cours fourier
Cours fourier Cours fourier
Cours fourier
 
transparents-Algo-complexite.pdf
transparents-Algo-complexite.pdftransparents-Algo-complexite.pdf
transparents-Algo-complexite.pdf
 

traitement de signal cours

  • 1. Traitement du Signal James L. Crowley Deuxième Année ENSIMAG deuxieme semestre 2007/2008 Séance 2 : 8 février 2008 Formes Numérique de la Transformée de Fourier Formule du Jour : La Transformée de Fourier......................2 Le Convolution............................................................................4 Convolution Numérique..............................................................................5 La Transformée de Fourier.......................................................6 Sortes de Transformées de Fourier..........................................................6 La Transformée de Fourier d'un signal continu....................................7 Quelques Exercices en Transformée de Fourier...................8 Transformée de FOURIER du delta........................................................8 Sinus Cardinale - La Transformée Rect(t)..............................................8 Transformée de FOURIER du Cosinus...................................................9 Transformée de FOURIER du Sinus.......................................................10 Transformée de Fourier d'un signal numérique................. 11 Le Sinus Cardinal d'une séquence numérique ...................12 Idempotence avec Convolution du Sinus Cardinale.............................14 Définition de la Transformée de Fourier Discrète.............. 15 Interpretation en Algèbre Linéaire...........................................................16 Propriétés de la Transformation de Fourier ........................17
  • 2. La Transformée de Fourier Séance 2 Formule du Jour : La Transformée de Fourier {x(t)} = X(ω) = ∫ –∞ ∞ x(t) e-jωt dt Pourquoi "e" ? "e" est la base tel que ∫ ex dx = ex (On note que : ∫ eax dx = 1 a eax) Qu'est ce que "e" signifie ? e = Lim n→∞ {(1 + 1 n )n} = 1 + 1 + 1 2! + 1 3! + ... = 2.7182818284... ex = Lim n→∞ {(1 + x n )n} = 1 + x + (x)2 2! + (x)3 3! + ... = (2.7182818284...)x ejx = 1 + jx + (jx)2 2! + (jx)3 3! + (jx)4 4! + (jx)5 5! + (jx)6 6! + ... = 1 + (jx)2 2! + (jx)4 4! + (jx)6 6! + ... + jx + (jx)3 3! + (jx)5 5! + ... = 1 – (x)2 2! + (x)4 4! – (x)6 6! + ... + j x – j (x)3 3! + j (x)5 5! – ... = Cos(x) + j Sin (x) Avec une exposante complexe, ejx prend la forme d'une oscillation : La relation d'Euler : ejx= Cos(x) + j Sin (x) On note que : ejx + e–jx = Cos(x) + j Sin (x) + Cos(x) – j Sin (x) = 2 Cos(x) ejx – e–jx = Cos(x) + j Sin (x) – Cos(x) + j Sin (x) = 2j Sin(x) Rappel : pour un complexe
  • 3. La Transformée de Fourier Séance 2 z = ℜ{z} + j ℑ {z} = zr + j zi = r ejϕ = | z | ejϕ = r ejϕ = r cos(ϕ) + j r sin(ϕ) j ℑ {z} ℜ{z} ϕ = arg{z} r =| z | r = zr2 + zi2 ϕ = Arg {z}= Tan–1{ zi zr } L'exponentielle Complexe est un angle dans la plane complexe : ejx= Cos(x) + j Sin (x) ejπ/4 = 0.707 + j .707 ejπ/2 = 0 + j ej3π/4 = –0.707 + j .707 ejπ = –1 + j 0 Note que : (e–j 2π N )n = e–j n 2π N = (Cos ( 2π N ) – j Sin( 2π N ) )n = Cos (n 2π N ) –j Sin(n 2π N ) Im Re 2π N 2π N 2 L'exponentielle Complexe, ejα, est un retard en temps. ejωt ejα = ej(ωt+α) = Cos(ωt + α) + j Sin(ω t + α)
  • 4. La Transformée de Fourier Séance 2 Le Convolution t δ(t) Transmission g(t) t Un système linéaire est modélisé par sa réponse à une impulsion, δ(t). δ(t) f(t)* f(t) Réponse Impulsionnelle : f(t) = f[δ(t)]. La réponse d'un système linéaire a une entrée x(t) est une superposition (une somme) de réponses impulsionnelle amplifiées par les valeurs instantanées de x(t). Cette opération est appelé le "Convolution" de x par f. x(t) f(t)* y(t) =x * f(t) L’équation générale de la convolution est une somme de réponse impulsionnelle pour les réponses. La convolution est commutative. y(t) = x * f(t) = ∫ –∞ ∞ x(t–τ) f(τ) dτ = f * x(t) ∫ –∞ ∞ x(τ) f(t–τ)dτ La convolution est l’opération de traitement de signale la plus fondamentale. Elle indique que la valeur du signal de sortie à l’instant t est obtenue par la sommation (intégrale) pondérée des valeurs passées du signal d'excitation x(t). La fonction de pondération est précisément la réponse impulsionnelle f(t).
  • 5. La Transformée de Fourier Séance 2 Convolution Numérique Les séquences apériodiques sont supposées d'exister avec valeurs nuls hors de leur intervalle de définition. Exemple : Considère les deux séquences numériques apériodiques non-nul sur les intervalles de duration Nx et Nh. Soit x(n) de non-nul pour n ∈ [0, Nx-1] et f(n) de non-nul pour n ∈ [0, Nh-1]. x(n) 0 ≤ n ≤ Nx-1, f(n) 0 ≤ n ≤ Nf-1 La convolution apériodique de x(n) et f(n) est une produit scalaire pour chaque m y(m) = x * f(m) = ∑ n=-∞ ∞ x(n).f(m–n) = ∑ n=∞ ∞ x(m–n).f(n) Ce produit est potentiellement non-nul sur un intervalle de durée Nx+Nh-2. y(m) = x * f(m) = ∑ n=0 Nx+Nh-2 x(n)·f(m–n) = ∑ n=0 Nx+Nh-2 x(m–n)·f(n) La taille du résultat potentiellement non-nul est de Nx + Nh –1 échantillons. Demonstration. La première valeur non nul est créé pour n = 0 : x(m) non-nul pour 0 ≤ m ≤ Nx-1, h(n-m) non-nul pour h(n) -Nh+1≤ m ≤ 0 n = Nx + Nh – 1 : x(n) non-nul pour 0 ≤ n ≤ Nx-1, h(n-m) non-nul pour h(n) Nx – 1 ≤ m ≤ Nx + Nh – 1 ie. ( n-Nh-1 < m < n)
  • 6. La Transformée de Fourier Séance 2 La Transformée de Fourier L'analyse harmonique d'un signal déterministe est l'instrument de base de la théorie et du traitement du signal. Cette analyse harmonique, obtenue par la transformation de Fourier, est une représentation spectrale des signaux. Elle exprime la répartition en fréquence de l'amplitude et de la phase de l'énergie ou de la puissance d'un signal. Il existe plusieurs formulations de cette transformation : Sortes de Transformées de Fourier Transformée temps fréquence TF Transformée de Fourier classique continu infini continue infinie TFD Transformée de Fourier Discrète discret périodique discrète périodique TFTD Transformée de Fourier en Temps Discrète discret fini continue, périodique La Transformée de Fourier classique une outil d'analyse pour les fonctions. Elle s'agit d'un outil d'analyse "symbolique". Elle est presque toujours calculée "à la main". La Transformée de Fourier Discrète s'applique aux séquences numériques. Elle est numérique et presque toujours calculer "par logiciel". Elle transforme une séquence x(n) de N échantillons, à une séquence X(k) de N échantillons La Transformée de Fourier en Temps Discrète une outil d'analyse des séquences numériques. Elle permet d'exprimer la "fonction de transfert" d'une convolution numérique. Elle décrit un filtre comme une suite des exponentiels. Elle peut être fait à la main pour les petites séquences, et par logiciel pour les grandes séquences
  • 7. La Transformée de Fourier Séance 2 La Transformée de Fourier d'un signal continu Soit x(t) un signal complexe déterministe. La transformée de Fourier est une fonction complexe de la variable réelle ω = 2π f définie par : {x(t)} = X(ω) = ∫ –∞ ∞ x(t) e-jωt dt La transformée inverse est donnée par : x(t) = -1{ X(ω) } = ∫ –∞ ∞ X(ω) ejωt dω La symétrie de ces formulations montre l'existence d'une dualité temps-fréquence Convolution en temps est équivalent d'un produit en domaine Fourier. y(t) = x(t) * f(t) ⇔ Y(ω) = X(ω) F(ω) et par principe de dualité : y(t) = x(t) · f(t) ⇔ Y(ω) = X(ω) * F(ω) Condition d'existence : Pour qu'une fonction x(t) possède une transformée de Fourier il faut et il suffit que: • la fonction x(t) soit bornée. • l'intégrale de x(t) entre –∞ et ∞ ait une valeur bornée. • les discontinuités de x(t) soient en nombre fini. X(ω) = {x(t)} est une fonction COMPLEXE. X(ω) = ℜ{X(ω)} + j ℑ {X(ω)} = | X(ω) | ejϕ(ω) = | X(ω) | cos(ϕ(ω)) + j | X(ω) | sin (ϕ(ω)) Le module | X(ω) | = ℜ{X(ω)}2 + j ℑ{X(ω)}2 est le “spectre d’amplitude”. L’argument ϕ(ω) = arg (X(ω) = Arc Tan( ℑ{X(ω)} ℜ{X(ω)} ) est le “spectre de phase”.
  • 8. La Transformée de Fourier Séance 2 Quelques Exercices en Transformée de Fourier Transformée de FOURIER du delta Démontre que { δ(t) } = 1 et –1{ δ(ω) } = 1 Transformée de FOURIER du signal delta : a) { δ(t) } = ∫–∞ ∞ δ(t) e–jωt dt = e–jω0 = Cos (0) + j Sin (0) = 1. t • ω 1 b) –1{ δ(ω) } = ∫–∞ ∞ δ(ω) ejωt dω = ejt0 = Cos (0) + j Sin (0) = 1. t 1 ω • Sinus Cardinale - La Transformée Rect(t) Calculer {rect(t)} Reponse : Rappel que ex – e–x = 2j sin(x) {rect(t)} = ∫–1/2 1/2 e–jωt dt = 1 jω [ejω/2 – e–jω/2 ] = sin(ω/2) ω/2 = Sin(πf) πf Sinc(f) ou bien Sinc( ω 2π ) si ω = 2πf
  • 9. La Transformée de Fourier Séance 2 {rect(t)} = Sin(πf) πf ≡ Sinc(f) –1 2 1 2 t rect(t) sinc(f) = sin(πf) πf f 1 2 3 40-1-2-3-4 Transformée de FOURIER du Cosinus Déterminer { Cos(ωo t) } Réponse : La Transformée d'un cosinus de fréquence ωo est une somme de 2 impulsions en ωo et −ωo : δ(ω - ωo) + δ(ω + ωo) –1{ 1 2 ( δ(ω - ωo) + δ(ω + ωo) ) } = 1 2 ∫ –∞ ∞ [δ(ω - ωo) + δ(ω + ωo) ] ejωt dt = 1 2 ( ⌡     ⌠ –∞ ∞ δ(ω - ωo) ejωt dt + ∫ –∞ ∞ δ(ω + ωo) ejωt dt ) 1 2 ( ejω0t + e-jω0t ) = cos (ωοt) −δ(ω + ωo) δ(ω − ωo) ω 00 ω 0 −ω R ω Cos(ωot)
  • 10. La Transformée de Fourier Séance 2 Transformée de FOURIER du Sinus Déterminer { Sin(ωo t) } Réponse : La Transformée d'un sinus de fréquence ωo –1{ 1 2 ( δ(ω - ωo) – δ(ω + ωo) ) } = 1 2 ∫ –∞ ∞ [δ(ω - ωo) – δ(ω + ωo) ] ejωt dt = 1 2 ( ⌡     ⌠ –∞ ∞ δ(ω - ωo) ejωt dt – ∫ –∞ ∞ δ(ω + ωo) ejωt dt ) 1 2 ( ejω0t – e-jω0t ) = Sin (ωοt) t Sin(ωot) ω 0 0 ω 0 −ω Im{} d'où la notion de fréquence négative qui n'a de sens que pour représenter des signaux réels dans l'espace fréquence :
  • 11. La Transformée de Fourier Séance 2 Transformée de Fourier d'un signal numérique La Transformée de Fourier de Temps Discrète (TFTD) ou "DTFT" en Anglais. est défini par : F(ω) = ∑ m=–∞ ∞ f(m) e–jωm Intérêt : Convolution en domaine "n" est équivalente d'un produit en domaine ω y(n) = x(n) * f(n) ⇔ Y(ω) = X(ω) F(ω) y(n) = x(n) · f(n) ⇔ Y(ω) = X(ω) * F(ω) F(ω) décrit l'effet sur chaque fréquence d'une filtre f(n). Exemple : Soit la séquence f(n) = 1 2 1 pour n = –1, 0, 1 F(ω) = 1 e–jω(–1) + 2 e0 + 1 e–jω(1) = 2 + ejω + e–jω = 2 + 2 cos(ω). -π π0 4 ω La TFDF est définie pour TOUS les valeurs de ω. Mais il est périodique, avec une période de 2π. On utilise l'intervalle –π < ω ≤ π ω = 2πf donc périodique entre – 1 2 < f ≤ 1 2
  • 12. La Transformée de Fourier Séance 2 Le Sinus Cardinal d'une séquence numérique wN(n) est une fenêtre rectangulaire ou fonction de porte (parfois appelé rectN(n)) wN(n)     1 0 ≤ n < N 0 n < 0 et n ≥ N WN(ω) = ∑ n=0 N–1 wN(n) e–jωn = ∑ n=0 N–1 e–jωn = ∑ n=0 N–1 (e–jω) n afin de simplifier l'algebre, on substitue : z = e–jω il nous faut identité : ∑ n=0 N–1 zn = zN – 1 z – 1 Demonstration : ∑ n=0 N–1 zn = ( 1 + z1 + z2 + ...zN–1) z( ∑ n=0 N–1 zn) = z( 1 + z1 + z2 + ...zN–1) = (z1 + z2 + ...+zN–1 + zN) donc ∑ n=0 N–1 zn – z( ∑ n=0 N–1 zn) = ( 1 + z1 + z2 + ...zN–1) – (z1 + z2 + ...+zN–1 + zN) (1–z) ( ∑ n=0 N–1 zn) = (1 – zN) donc ∑ n=0 N–1 zn = 1 – zN 1 – z avec WN(z) = 1 – zN 1 – z = zN/2 z1/2 (z–N/2 – zN/2) (z–1/2 – z1/2) = z(N–1)/2 (z–N/2 – zN/2) (z–1/2 – z1/2)
  • 13. La Transformée de Fourier Séance 2 donc pour z = e–jω = e–j2πf WN(f) = e–jπ(N-1)f (e–j2πnfN/2 – ej2πnfN/2) (e–j2πnf/2– ej2πnf/2) = e–jπ f(N–1)/2 sin(πfN) sin(πf) ou bien WN(ω) = e–jω(N–1)/4 sin(ωN/2) sin(ω/2) Il s’agit de l’équivalent numérique à sinc(πf) avec un décalage de (N–1) 2 Si on avez défini w(n) avec un nombre impair de coefficients, centré sur zéro : wN(n)     1 –N/2 ≤ n < N/2 0 ailleur puis : WN(f) = (e–j2πnfN/2 – ej2πnfN/2) (e–j2πnf/2– ej2πnf/2) = sin(πfN) sin(πf) 0 Idempotence avec Convolution du Sinus Cardinale
  • 14. La Transformée de Fourier Séance 2 Le fait de limiter un signal à N échantillons est équivalent de multiplier par wN(n). wN(n) est idempotent sur toute séquence numérique non-null sur [0, N–1] x(n) = x(n) .wN(n) en domaine Fourier : { x(n) .wN(n)} = X(ω) * WN(ω). Le spectre X(ω) de tout signal de duration fini, x(n), est convolu par WN(ω).
  • 15. La Transformée de Fourier Séance 2 Définition de la Transformée de Fourier Discrète (TFD ou DFT en Anglais) Définition : Soit une séquence de N échantillons x(n) pour n ∈ [0, N–1] TFD{x(n)} = X(k) = ∑ n=0 N–1 x(n) e–jn 2πk N = ∑ n=0 N–1 x(n) WN nk La TFD comprend des fréquence de k cycles sur N échantillons, k ∈ [– N 2 , N 2 –1] TFD Inverse : TFD–1{X(k)} = xp(n) = 1 N ∑ k=–N/2 N/2–1 X(k) ejk 2πn N = 1 N ∑ k=–N/2 N/2–1 X(k) WN –nk Intérêt : Il existe des algorithmes qui permettent de calculer cette transformée d’une séquence de N échantillons avec un coût de calcul N Log2 N multiplications. Ceci permet un filtrage rapide par multiplications dans le domaine Fourier. Si N est 2p , on peut utiliser l’algorithme rapide (FFT) de Cooley - Tukey.
  • 16. La Transformée de Fourier Séance 2 Interpretation en Algèbre Linéaire La transformée de Fourier Discrète peut être vue comme une transformation linéaire appliqué au vecteur x(n) afin de rendre le vecteur X(k). Les lignes de cette transformation sont les complexes exponentiels. X(k) = F x(n) F est une matrice avec les coefficients fkn = e–2πj nk N        X(0) X(1) ... X(N–1) =                e–2πj 0.0 N e–2πj 0.1 N ... e–2πj 0.(N-1) N e–2πj 1.0 N e–2πj 1.1 N ... e–2πj 1.(N-1) N ... e–2πj (N-1).1 N e–2πj (N-1).2 N ... e–2πj (N-1).(N-1) N        x(0) x(1) ... x(N-1) Note que les coefficient X(k) sont périodique en k avec période N. Donc X(–N/2) = X(N/2), X(–N/2+1) = X(N/2+1), X(–1) = X(N–2) etc.
  • 17. La Transformée de Fourier Séance 2 Propriétés de la Transformation de Fourier Propriétés de symétrie : (Parité) si x(t) est réel : Temps Fréquence pair réel impaire imaginaire si X(ω) est réel : Temps Fréquence réel pair imaginaire impaire Linéarité a x(t) + b y(t) ⇔ a X(ω) + b Y(ω) Dualité avec convolution : x(t) * y(t) ⇔ X(ω) Y(ω) x(t) y(t) ⇔ X(ω) * Y(ω) Translation (théorème du retarde) : x(t–t0) ⇔ X(ω) e+jωt0 x(t) e–jω0t ⇔ X(ω+ω0)