Comprendre la transformée de Fourier : fondamentaux, applications et décomposition des signaux

Cet article offre une vue d'ensemble claire et experte de la transformée de Fourier, une technique fondamentale pour l'analyse des signaux en ingénierie et en sciences.

Nommée d'après le mathématicien français Joseph Fourier, la transformée de Fourier est une procédure mathématique qui révèle le contenu fréquentiel d'une fonction. Pour les ingénieurs électriciens, elle s'applique le plus souvent aux signaux du domaine temporel — des formes d'onde décrivant la tension, le courant ou d'autres grandeurs mesurables au cours du temps.

Décomposition sinusoïdale

Si les tracés d'oscilloscope de tension ou de courant en fonction du temps sont intuitifs, ils ne constituent pas la seule représentation utile. Dans de nombreux contextes de conception — notamment en RF et communications — les ingénieurs doivent comprendre le comportement périodique des signaux en termes de sinusoïdes pures, car les sinusoïdes sont les expressions mathématiques uniques de la fréquence « pure ».

La transformée de Fourier révèle la périodicité élémentaire d'un signal en le décomposant en fréquences sinusoïdales constitutives, ainsi que leurs amplitudes et phases. Cette décomposition est cruciale : elle permet de traiter une forme d'onde complexe comme une superposition de sinusoïdes simples.

Par exemple, une onde carrée couplée en AC de période T et d'amplitude A peut s'exprimer comme une série infinie d'harmoniques impairs :

\[f_{carré}(t)=\frac{4A}{\pi}\sum_{k\in\{1,3,5,...\}}\frac{1}{k}\sin\left(\frac{2\pi kt}{T}\right)\]

En réécrivant en fonction de la fréquence fondamentale f, on obtient une forme plus intuitive :

\[f_{carré}(t)=\frac{4A}{\pi}\Bigl(\sin(2\pi ft)+\tfrac{1}{3}\sin(6\pi ft)+\tfrac{1}{5}\sin(10\pi ft)+\dots\Bigr)\]

Les graphiques ci-dessous illustrent l'onde carrée (en bleu) et les huit premières sinusoïdes, suivis d'une reconstruction confirmant que la série reproduit la forme d'onde originale.

Fonctions du domaine temporel et du domaine fréquentiel

Lors du calcul d'une transformée de Fourier, on part d'une fonction du domaine temporel f(t) pour obtenir une fonction du domaine fréquentiel F(\omega), où \omega est la fréquence angulaire. L'évaluation de F(\omega) à une fréquence donnée (par exemple 100 rad/s) fournit l'amplitude et la phase du sinusoïde présent dans f(t) à cette fréquence.

La transformée étant intrinsèquement à valeurs complexes, l'amplitude et la phase sont extraites via des calculs supplémentaires. En pratique, les ingénieurs utilisent le module des coefficients complexes (\sqrt{a^2+b^2}) pour analyser le contenu fréquentiel, notamment avec la transformée de Fourier discrète (TFD) sur des données échantillonnées.

Visualisation de la transformée de Fourier

Les spectres de fréquences — graphiques d'amplitude en fonction de la fréquence — sont omniprésents dans les fiches techniques, les rapports de test et les manuels. Le spectre suivant montre les harmoniques d'une onde carrée couplée en AC d'amplitude 1 V et de fréquence fondamentale 1 Hz.

Calcul de la transformée de Fourier

Bien que la plupart des ingénieurs s'appuient sur des outils logiciels pour l'analyse de Fourier, comprendre les mathématiques sous-jacentes reste précieux. La transformée de Fourier en temps continu d'un signal f(t) est définie par :

\[F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-j\omega t}\,dt\]

Pour les signaux en temps discret, la TFD remplace l'intégrale par une somme finie, produisant des coefficients complexes qui représentent directement le spectre de fréquences.

Conclusion

Cet article a présenté les principes fondamentaux de la transformée de Fourier, de la décomposition sinusoïdale à la visualisation pratique des spectres. La transformée constitue le fondement du traitement du signal moderne et ouvre la voie à des sujets avancés tels que la conception de filtres, la modulation et l'estimation spectrale.

Pour aller plus loin

• Introduction à la transformée de Fourier discrète
• Introduction à la transformée de Fourier rapide (FFT)
• Comment réaliser une analyse en domaine fréquentiel avec Scilab
• Apprendre à vivre dans le domaine fréquentiel
• Filtrage linéaire basé sur la transformée de Fourier discrète