La TFTD est complexe et priodique.

de priode fs

Chapitre 8: Transforme de Fourier discrte

8.1. Introduction
Problmatique :
Dterminer et mesurer le spectre dun signal continu x (t) partir de la suite
dchantillons du signal chantillonn x [n]

X(jf)

Signal continu

Hypothses :
Choix de la frquence dchantillonnage respecte Shannon : fs > 2.fmax
Echantillonnage et quantification parfaits (Erreur lie la quantification
nglige)

Spectre

Xs(jf)

8.2. Transforme de Fourier dun signal numrique

On dfinit la Transforme de Fourier Inverse temps discret TFTD-1 :

Analogie avec la TF classique :

Cours Traitement Signal

Remarque:

Prof. Otman FILALI

La TFTD dpend de Ts

Cours Traitement Signal

Prof. Otman FILALI

x[n]
F
-1/2

1/2

On dfinit la frquence normalise

:
N chantillons

Do la TFTD normalise :

-1/2

1/2

TFTD-1 normalise:
La TFTD tant continue elle ne se prte pas au calcul numrique ! Son intrt est
purement thorique et mathmatique.

8.3. Transforme de Fourier discrte

Soit x[n] un signal chantillonn dure finie donc form de N chantillons.
La TFTD de ce signal scrit :

Echantillonnage frquentiel de Xs(jF) avec priodicit 1/N

ou fs/N en frquences non normalises.

La TFTD normalise de ce signal scrit :

Cours Traitement Signal

Prof. Otman FILALI

N chantillons sur lintervalle [-1/2, 1/2[ ou sur [-fs/2, fs/2[

Cours Traitement Signal

Prof. Otman FILALI

On dfinit la Transforme de Fourier Discrte DFT de x[n] comme la DTFT de x[n]

calcule aux points dchantillonnage F = k/N
avec 0 k N-1

l'espace du temps est caractris par la dure de l'enregistrement T et par

l'incrment temporel t qui n'est autre que la priode dchantillonnage Ts

l'espace des frquences est caractris par l'incrment frquentiel f et la

frquence dchantillonnage fS

N = nombre dchantillons utiliss dans le calcul.

Transforme de Fourier
Discrte Inverse

8.4 Relations temps frquences

Les domaines temporel et frquentiel sont discrtiss avec le mme nombre de points N.
x(t), x[n]
|X(jf)|, |XDFT[jk]|
fs = 1/Ts= Nf
f
t=Ts=1/fs
fs/2
Cours Traitement Signal

Prof. Otman FILALI

On en dduit donc trois

relations importantes liant les
domaines temporel et frquentiel:
Pour un nombre donn de points N, pas possible d'avoir simultanment une
trs bonne dfinition temporelle (t petit) et une trs bonne dfinition
frquentielle (f petit).

fs
5

8.5 Proprits de la DFT

Cours Traitement Signal

Prof. Otman FILALI

Prof. Otman FILALI

Remarque :

linarit
La DFT est-elle priodique ?
additivit
repliement
dphasage
multiplication
convolution priodique

Cours Traitement Signal

Prof. Otman FILALI

Cours Traitement Signal

8.6. Algorithme de la Transforme de Fourier Rapide

(Fast Fourier Transform) FFT

Le processus est rpt sur chacun des deux calculs prcdents, et ainsi de
suite, jusquau calcul de la DFT .

cet algorithme a t publi en 1965 James Cooley (IBM) et John Tukey

(Bell Labs)
il repose sur une faon particulire de calculer la DFT qui conomise certaines
oprations et acclre donc le calcul.
Cet algorithme ncessite que le nombre N dchantillons soit une puissance de
2 (soit 2n) et son principe est le suivant:

Le gain en nombre de calculs et donc en temps est impressionnant.

DFT

Pour la DFT, un point du spectre se calcule par :

N2 oprations
Si on spare les chantillons en chantillons pairs p(n) et impairs i(n), on
peut crire :

(N/2)2 oprations
Cours Traitement Signal

Exemple : N = 212 = 4096 chantillons

(N/2)2 oprations

Prof. Otman FILALI

Cours Traitement Signal

Prof. Otman FILALI

10

x[n]
Exemple:

Exemple : Calculer la DFT du signal suivant : x[n] = {1, 2, 1, 0}

1
n
0

N=4

Calculer la DFT et la TFTD de x[n]

DFT :

TFTD :

Cours Traitement Signal

Prof. Otman FILALI

11

Cours Traitement Signal

Prof. Otman FILALI

12