Le traitement du signal - La transforme de e Fourier, la transforme de Fourier discr`te et la e e transforme en cosinus discret e
Marc Chaumont
20 janvier 2008
Marc Chaumont
Introduction
Plan
La transforme de Fourier e Introduction Srie de Fourier e Transforme de Fourier e Quelques proprits de la transforme de Fourier ee e La transforme de Fourier Discr`te e e La transforme de Fourier discr`te e e La transforme en cosinus e
Marc Chaumont
Introduction
Sources
Polycopi de Jol Le Roux (Professeur ` lEcole Suprieure en e e a e Sciences Informatiques de lUniversit de Nice, e http ://www.essi.fr/leroux ) : Techniques numriques pour le e traitement du signal , Paul Bourke (University of Western Australia, http ://local.wasp.uwa.edu.au/pbourke/)
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
wikipedia
Marc Chaumont Introduction
La transforme de Fourier a t dveloppe initialement pour tudier e ee e e e les fonctions de dure nie, et tendue aux fonctions priodiques. e e e
Nous donnerons les rsultats principaux dans ce cas, avant de donner e les formules les plus utiles en traitement des signaux ` temps continu. a
Marc Chaumont
Introduction
Plan
La transforme de Fourier e Introduction Srie de Fourier e Transforme de Fourier e Quelques proprits de la transforme de Fourier ee e La transforme de Fourier Discr`te e e La transforme de Fourier discr`te e e La transforme en cosinus e
Marc Chaumont
Introduction
Un signal x(t) priodique de priode T0 peut se dcomposer sous e e e la forme dune somme de signaux sinuso daux appeles les harmoe niques. Rappel sur les nombres complexes : j est est lunit imaginaire : j 2 = 1 e exp(j) = cos() + j.sin() Soit z le nombre imaginaire tel que z = a + b.j, o` a et b sont u rels. Le conjugu de z est z = a b.j. e e
Marc Chaumont
Introduction
x(t) =
n=
X (n0 ) exp(jn0 t)
Marc Chaumont
Introduction
On appelle harmonique de rang n > 0 la fonction sinuso dale obtenue en tenant compte des coecients de Fourier dindice n et -n, donne e par : t X (n0 )e jn0 t + X (n0 )e jn0 t ... en sommant sur n variant de 0 ` les harmoniques on retrouve a x(t)
Marc Chaumont Introduction
Fig.: Reprsentation graphique dun signal de parole, faisant appara e tre une quasi-priodicit dans les priodes successives du signal ; la dure e e e e 1000 (echantillons) correspond ` 125 ms (il y a 8000 echantillons /s). a
Marc Chaumont
Introduction
Fig.: Grossissement dune portion du signal prcdent, 64 chantillons e e e correspondent ` une dure de 8 ms. Si ce signal est priodis alors sa a e e e priode est de 8 ms et donc sa frquence de 125 Hz e e
Marc Chaumont
Introduction
Z T0
0
Fig.: Amplitude des harmoniques calcules sur une priode du signal de e e parole (les frquences des harmoniques sont des multiples de la frquence e e fondamentale qui est ici de 125 Hz. Chacune de ces harmoniques a une amplitude, mais aussi une phase dont la reprsentation nest pas donne e e parce quelle nest pas tr`s explicite). e
Marc Chaumont Introduction
X (n0 ) exp(jn0 t)
Fig.: Reconstruction du signal utilisant toutes les 32 harmoniques visibles dans ce signal, la reconstruction du signal original est parfaite sur la premi`re priode. Les autres priodes reconstitues sont identiques ` la e e e e a premi`re et donc lg`rement direntes des priodes correspondantes du e e e e e signal initial
Marc Chaumont Introduction
X (n0 ) exp(jn0 t)
Fig.: Reconstruction du signal nutilisant que les 16 harmoniques de plus basse frquences, les uctuations rapides du signal ont disparu e
Marc Chaumont
Introduction
Remarque 1 : La plupart des proprits importantes se retrouvent ee dans le cas des transformes de Fourier. e Remarque 2 : Les proprits de symtries 1 et 2 sont souvent utilises ee e e de deux mani`res : soit pour rduire la quantit de calculs ` eectuer e e e a soit, ce qui est parfois plus utile, pour vrier que les calculs sont e corrects et que les programmes les ont bien transcrits.
Marc Chaumont Introduction
Plan
La transforme de Fourier e Introduction Srie de Fourier e Transforme de Fourier e Quelques proprits de la transforme de Fourier ee e La transforme de Fourier Discr`te e e La transforme de Fourier discr`te e e La transforme en cosinus e
Marc Chaumont
Introduction
La transforme de Fourier e
La dcomposition en sries de Fourier peut stendre aux fonctions e e e non priodiques. Dans ce cas nous aurons une dcomposition sous e e la forme 1 X () exp(jt)d x(t) = 2 o` lamplitude complexe ` la frquence est donne par u a e e
X () =
x(t) exp(jt)dt
Marc Chaumont
Introduction
Plan
La transforme de Fourier e Introduction Srie de Fourier e Transforme de Fourier e Quelques proprits de la transforme de Fourier ee e La transforme de Fourier Discr`te e e La transforme de Fourier discr`te e e La transforme en cosinus e
Marc Chaumont
Introduction
X () =
x(t ) exp(jt)dt
X ()
= exp(j )
x(u) exp(ju)du
exp(j )X ()
La translation dans le domaine temporel se traduit par un terme correspondant ` un dphasage linaire en fonction de la frquence a e e e ( exp(jt)). Cette opration ne modie pas le module de la e transforme de Fourier. e
Marc Chaumont Introduction
X0 () = =
= X ( 0 ) La multiplication par une sinusoide dans le domaine temporel se traduit par une translation des termes de Fourier.
Marc Chaumont Introduction
Cette proprit est fondamentale pour linterprtation de la modulaee e tion des signaux en tlcommunications. De mani`re ` transmettre ee e a simultanment plusieurs signaux, xa (t), xb (t), xc (t), on leur ape plique lopration de modulation (multiplication par une sinusoide e exp(jx t) de frquence x ), en choisissant pour chacun des trois e signaux des frquences porteuses direntes, a , b et c . Dans e e le domaine des frquences, le rcepteur reoit la somme des trois e e c signaux : Y () = Xa ( a ) + Xb ( b ) + Xc ( c )
Marc Chaumont
Introduction
Pour retrouver un des signaux, par exemple xb (t), le rcepteur (qui e connait les frquences porteuse a , b et c ) doit raliser lopration e e e inverse de la modulation, la dmodulation : e Yb () = Xa ( a + b ) + Xb ( b + b ) + Xc ( c + b ) et liminer, par ltrage, les composantes indsirables Xa (a +b ) e e et Xc ( c + b ), ce qui permet de retrouver Xb (), soit, dans le domaine temporel, le signal mis xb (t). e
Marc Chaumont
Introduction
Marc Chaumont
Introduction
On a multipli le signal x(t) par une fonction porteuse sinusoidale e cos(0 t), ce qui introduit une translation dans le domaine de Fourier. De plus, comme la porteuse est un signal rel (donc x(t). cos(0 t) e est un signal rel), il y a symtrie par rapport ` laxe des ordonnes e e a e dans le domaine de Fourier.
Marc Chaumont Introduction
` A la reception, pour retrouver le signal x(t) on dmodule en multie pliant par cos(0 t). Les deux pics dans le domaine de Fourier sont translats et symtriss par cette dmodulation ce qui fait quatre e e e e pics dont deux se superposent. Le pic ` conserver est celui o` a lieu a u la superposition.
Marc Chaumont Introduction
Fig.: Signal ltr passe bas liminant les composantes hautes frquences e e e
Marc Chaumont
Introduction
y (t) =
x( )h(t )d
Y () =
x( )h(t )d exp(jt)dt
Marc Chaumont
Introduction
Y () =
x( )h(t )d exp(jt)dt
Y () =
x( )
h(t ) exp(jt)dt d
Y () =
x( ) exp(j )
Marc Chaumont
Y () =
x( ) exp(j )
Y () = =
x( ) exp j
h(u) exp(ju)du d
x( ) exp(j )d
h(u) exp(ju)du
On y reconnait les transformes de Fourier X () et H() des fonce tions x(t) et h(t) Y () = X ()H()
Marc Chaumont Introduction
La transforme de Fourier dune convolution de deux fonctions e est un produit des transformes de Fourier de ces deux fonctions. e Ce rsultat est un des rsultats les plus importants en traitement du e e signal aussi bien dans les aspects thoriques que dans les applicae tions.
Marc Chaumont
Introduction
Y () =
x(t)h(t) exp(jt)dt
Marc Chaumont
Introduction
Y () =
1 2
X ()
o` on reconnait la transforme H( ) u e Y () = 1 2
X ()H( )d
Marc Chaumont
Introduction
La transforme dun produit de fonctions dans le domaine temporel e est une convolution dans le domaine des frquences : e y (t) = x(t)h(t) Y () = 1 X () H() 2
Marc Chaumont
Introduction
Reprsentation simultane des transformes de Fourier des e e e signaux priodiques et des signaux quelconques e
On peut tre amen ` reprsenter simultanment les transformes de Foue ea e e e rier de signaux priodiques et de signaux quelconques, par exemple dans e le cas de lanalyse dun signal musical enregistr en prsence dun bruit e e de fond. Dans ce cas nous reprsenterons la transforme de Fourier des e e signaux priodiques sous la forme dune suite dimpulsions de Dirac aux e 1 frquences k damplitude X (k )/2. Rappel : y (t) = x(t)h(t) ; Y () = 2 X () H() e
Fig.: Analyse spectrale dun signal compos dun signal non priodique et e e dun signal pur ` 1 frquence : la composante priodique apparait comme a e e une impulsion dans le domaine des frquences e
Marc Chaumont Introduction
Marc Chaumont
Introduction
Transforme de Fourier e
Non trait dans ce cours : e le lien avec lchantillonnage et la quantication, e la transforme en z, e le ltrage.
Marc Chaumont
Introduction
Plan
La transforme de Fourier e Introduction Srie de Fourier e Transforme de Fourier e Quelques proprits de la transforme de Fourier ee e La transforme de Fourier Discr`te e e La transforme de Fourier discr`te e e La transforme en cosinus e
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Lutilisation de techniques numriques pour eectuer un calcul de e transforme de Fourier suppose que le nombre de donnes ` traiter e e a soit ni et que le nombre de frquences pour lesquelles on calcule e e e la transforme soit aussi ni. Pour conserver la mme quantit dine formations, on calculera autant de donnes dans le domaine des fre e quences quil y a dchantillons du signal dans le domaine temporel. e Cest lobjectif de la transforme de Fourier discr`te. e e
Marc Chaumont
Introduction
Soit le signal chantillonn x(t) nul en dehors de lintervalle 0, , T e e 1. On rend ce signal priodique en le reproduisant apr`s translation e e de T , 2T , 3T , etc... Pour tout n pour tout 0 t T 1 y (t + nT ) = x(t) La transforme de Fourier Y () de y (t) est nulle sauf aux pulsae tions multiples de 2/T . La connaissance de Y () aux pulsations multiples de 2/T sut donc pour caractriser le signal priodis e e e y (t) et donc le signal original x(t).
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Bien souvent, pour une visualisation plus intuitive des frquences e (ordre croissant !), on dcale les coecients de sorte que le coee cient reprsentant la frquence nulle soit au centre du tableau stoe e ckant les coecients de Fourier.
Marc Chaumont
Introduction
Marc Chaumont
Introduction
X () =
x(t)e jt dt x(t)e j T t dt
2
x(t)e j T
t=0
k.t
Cest le produit dune matrice par un vecteur qui transforme le vecteur x(t) en un vecteur X (k) de mme dimension. e
Marc Chaumont Introduction
x(t)e j T
t=0
k.t
Marc Chaumont
Introduction
La transforme inverse e
` A partir de lamplitude complexe des harmoniques on peut reconstituer le signal priodique y (t) et donc le signal x(t) pour 0 t e T 1. On a donc
T 1
x(t) =
k=0
X (k)e 2j T
kt
Marc Chaumont
Introduction
Complexit de la DFT e
La DFT (Discret Fourier Transform) est une transforme coe u teuse en temps de calcul ; sa complexit est (avec N le nombre e dchantillons traits) : e e N N calcul de sinus, N N calcul de cosinus, 4 N N produits, 4 N N somme, plus quelques termes ngligeables. e ce qui fait une complexit en O(N 2 ). e La FFT (Fast Transform Fourier) dveloppe par Cooley et Tukey e e en 1965 est en O(N log2 (N)). La seule contrainte de limplmene tation la plus populaire (Radix-2 Cooley-Tukey) est que le nombre dchantillons soit une puissance de 2. e
PS : Nous ne verrons que la DFT en TD et en TP (mais pas la FFT)... Marc Chaumont Introduction
La transforme de Fourier en 2D e
f (x, y )e j2(
x=0 y =0
ux + v y M N
f (u, v ) =
x=0 y =0
F (x, y )e j2(
ux + v y M N
Marc Chaumont
Introduction
image originale
module de la DFT
phase de la DFT
Lgende des images module et phase : e noir = faible valeur, blanc = grande valeur, une chelle logarithmique est utilise. e e
Marc Chaumont Introduction
Marc Chaumont
Introduction
Plan
La transforme de Fourier e Introduction Srie de Fourier e Transforme de Fourier e Quelques proprits de la transforme de Fourier ee e La transforme de Fourier Discr`te e e La transforme de Fourier discr`te e e La transforme en cosinus e
Marc Chaumont
Introduction
La transforme en cosinus e
La transforme en cosinus, utilise en codage de sons et dimages, e e nest quun cas particulier de la transforme de Fourier o` on e u construit ` partir dun signal x(t) de longueur T un signal y (t) de a longueur 4T symtrique dont les chantillons dordre pair sont nuls, e e ce qui se traduit par les formules suivantes : Pour k = 0, , N 1 : y(2k) y(2k+1) = = y(-2k) y(-2k-1) = = 0 x(k)
Marc Chaumont
Introduction
DCT
Dans ce cas le calcul de la transforme de Fourier discr`te de y (t) e e se rduit au calcul de T valeurs. Pour k = 0, , N 1 : e X (k) = 2 c(k) T
T 1
x(t) cos
t=0
(2t + 1)k 2N
x(t) =
k=0
(2t + 1)k 2N
Marc Chaumont
Introduction
DCT-II
N1
Xk =
n=0
xn cos
n+
1 2
Cette variante DCT est la plus courante et la plus utilise. Elle est gnrae e e lement simplement appele DCT On peut rendre cette transformation e la . e e orthogonale en multipliant X0 par 1/ 2. Cette forme normalise est tr`s utilise en pratique mais casse la correspondance avec la DFT.2 e xn = 1 X0 + 2
N1
Xk cos
k=1
1 k n+ N 2
La DCT-III est la transforme inverse de la DCT-II. Elle est plus connue e sous le nom de DCT Inverse et son acronyme (anglais) IDCT.
2
Source Wikipedia
Marc Chaumont Introduction
Calcul de la DCT 2D :
La transformation DCT pour un bloc N N est une fonction T telle que pour un pixel ayant la valeur fi,j et tant ` la position (i, j) e a dans le bloc on a :
Fi,j = c(i) c(j) N
k=N1 l=N1
X X
k=0 l=0
cos
(2k + 1)j 2N
cos
(2k + 1)i 2N
fl,k
X X
k=0 l=0
(2j + 1)k 2N
cos
(2i + 1)l 2N
Fl,k
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Marc Chaumont
Introduction
Un dveloppement optimis de cette transforme pour le cas N=8 e e e (utilis dans JPEG et MPEG) est obtenu en rcrivant la transforme e ee e sous forme matricielle et en factorisant la dcomposition, pour re e duire le nombre de multiplications scalaires ncessaires. Par exemple e la dcomposition est utilise pour la factorisation par lalgorithme e e de Chen et al. W. Chen, C.H. Smith, and S.C. Fralick, fast computational alA gorithm for the discrete cosine transform, IEEE Trans. Commun., Vol. COM-25, pp 1004-1009, Sep. 1977.
Marc Chaumont
Introduction
0 cos 16 1 0 1 0C1 1 0, 49039 16 Bcos 3 C B BC2 C s Bcos 2 C B0, 46194C B 16 C B0, 41573C BC3 C C B C C 2 B B C B 5 C B BC4 C = N . Bcos 4 C B0, 35355C Bcos 16 C B0, 27779C C BC5 C B 16 C B B C Bcos 6 C @0, 19134C @C6 A @ 16 A 0, 09755A C
7
cos 7 16
C4 x0 + x7 C2 x1 + x6 . C4 x2 + x5 C6 x3 + x4 C7 x0 x7 C5 x1 x6 . C3 x2 x5 C1 x3 x4
Introduction
C2 C6 C6 C2 C2 C6 C6 C2
C4 C4 C4 C4 C4 C4 C4 C4
C6 C2 C2 C6 C6 C2 C2 C6
C3 C7 C1 C5 C3 C7 C1 C5
C5 C1 C7 C3 C5 C1 C7 C3
C7 C5 C3 C1 C7 C5 C3 C1
3 0X 1 7 . BX1 C 7 BX3 C 5 @ 5A
X7
3 0X 1 7 . BX1 C 7 BX3 C 5 @ 5A
X7
Marc Chaumont
Introduction