Qu’est-ce que la transformée de Fourier ?

• La transformée de Fourier est un calcul mathématique qui décompose un signal ou une fonction complexe en une somme de composantes fréquentielles élémentaires
• L’oreille aussi reçoit diverses ondes sonores et les sépare selon leurs fréquences respectives ; le mathématicien Fourier a formalisé cela au XIXe siècle, ouvrant la voie à une révolution mathématique
• La transformée de Fourier est utilisée non seulement pour l’analyse des fonctions, mais aussi dans des domaines très variés comme la compression, le traitement du signal, la physique et la mécanique quantique
• Elle joue un rôle essentiel pour compresser et transformer efficacement différents types de données, comme les images numériques et l’audio
• Avec l’apparition de l’algorithme de transformée de Fourier rapide (FFT), la transformée de Fourier est aujourd’hui largement utilisée dans la vie quotidienne et dans l’ensemble des technologies de l’information

---

Vue d’ensemble

• Quand nous écoutons de la musique, notre oreille reçoit des signaux sonores complexes et les décompose par fréquence
• La transformée de Fourier fournit un moyen de décomposer toute fonction complexe en une somme d’ondes élémentaires, puis de retrouver la fonction d’origine
• Cette méthode a été découverte au XIXe siècle par le mathématicien français Jean-Baptiste Joseph Fourier, révolutionnant l’analyse des fonctions
• Par la suite, la transformée de Fourier a fortement stimulé le développement de nombreux domaines, notamment l’analyse des fonctions, le traitement du signal, les mathématiques et la physique ; elle est aussi utilisée aujourd’hui pour la compression de fichiers sur ordinateur ou encore l’amplification de signaux audio
• Le professeur Leslie Greengard de l’université de New York souligne que l’analyse de Fourier a eu un impact sur presque tous les domaines des mathématiques et des sciences

La passion de Fourier et sa découverte

• Fourier est né en France en 1768 et a reçu dès son plus jeune âge une formation monastique et mathématique
• Partagé entre religion et mathématiques, il fut emprisonné en 1794 pour idées contre-révolutionnaires, avant de revenir à l’enseignement des mathématiques après la Révolution française
• Il participa à l’expédition d’Égypte de Napoléon comme conseiller scientifique, où il étudia l’Égypte antique et les problèmes de transfert de chaleur
• En affirmant que le transfert de chaleur dans une barre métallique pouvait être représenté comme une somme d’ondes simples, il provoqua une vive controverse parmi les mathématiciens de son époque
  • L’idée révolutionnaire était que même des variations brusques de température, par exemple une barre moitié froide et moitié chaude, pouvaient être décrites avec précision comme la somme d’une infinité de courbes lisses
• Fourier a finalement profondément marqué les mathématiques en montrant qu’une fonction arbitraire peut être représentée comme une somme d’oscillations très simples
• L’application reste toutefois limitée pour des fonctions extrêmement complexes, qui restent irrégulières même lorsqu’on les agrandit

Le principe de la transformée de Fourier

• La transformée de Fourier décompose un objet complexe en différentes composantes fréquentielles, un peu comme on identifie les composants d’un parfum ou d’un accord musical
• Mathématiquement, elle prend en entrée la fonction à transformer et calcule la contribution de chaque fréquence à la fonction d’origine
  • Exemple : si l’on multiplie une fonction donnée par une sinusoïde de fréquence 3 et que la moyenne du graphe est élevée, cela signifie que cette fréquence est fortement présente dans la fonction d’origine
  • Si, pour une fréquence donnée, les pics positifs et négatifs se compensent et que la moyenne est proche de 0, alors cette fréquence est presque absente
• La transformée de Fourier mesure ces coefficients pour toutes les fréquences et permet, en les additionnant, de reconstruire la fonction complexe d’origine
• Un signal à arêtes vives comme une onde carrée, par exemple un signal numérique, peut être approché par une somme d’une infinité de fréquences (série de Fourier)
• Les premiers mathématiciens avaient du mal à admettre qu’une infinité de courbes lisses puisse produire un changement brusque, mais c’est aujourd’hui un outil fondamental

Dimensions supérieures et applications concrètes

• La transformée de Fourier s’applique aussi aux fonctions bidimensionnelles que sont les images, que l’on peut comprendre comme des fonctions 2D représentant la luminosité des pixels
• Le résultat de la transformée de Fourier d’une image peut être interprété comme un ensemble de motifs rayés orientés différemment, et leur combinaison permet de reconstruire l’image d’origine
• La compression d’image comme le JPEG réduit fortement la taille des fichiers en supprimant les informations à haute fréquence (petits détails), tout en conservant les caractéristiques principales de l’image
• Dans les années 1960, l’algorithme Fast Fourier Transform (FFT) conçu par James Cooley et John Tukey a révolutionné la vitesse de calcul de la transformée de Fourier
• Cela a fait de la transformée de Fourier une technologie essentielle dans de nombreux domaines, notamment le traitement des signaux de données, l’informatique, l’imagerie médicale (IRM), l’astronomie et la compression audio/vidéo

Influence sur les mathématiques et les sciences modernes

• La transformée de Fourier est au cœur de la physique, en particulier de la mécanique quantique, et fournit une base mathématique au principe d’incertitude
  • Exemple : plus la position d’une particule est connue avec précision, c’est-à-dire plus le graphe est pointu, plus l’incertitude sur sa quantité de mouvement après transformation de Fourier augmente
• Une branche appelée analyse harmonique (harmonic analysis) s’est développée et joue un rôle important dans l’étude des ondes, de la transformation inverse des fonctions et de diverses propriétés des fonctions
• Elle entretient aussi des liens profonds avec les mathématiques, notamment la théorie des nombres et la distribution des nombres premiers
• Le professeur Charles Fefferman insiste sur son importance en affirmant qu’une grande partie des mathématiques disparaîtrait sans la transformée de Fourier

Conclusion

• La transformée de Fourier est un outil central de la science et de la technologie modernes, qu’il s’agisse des signaux, des données, des images ou de la physique
• Son influence est immense, de l’innovation mathématique aux technologies pratiques
• Elle est aujourd’hui largement utilisée dans l’informatique, les télécommunications, la médecine et le divertissement

[GN⁺]

Réactions sur Hacker News

• Recommande une vidéo de la chaîne Captain Disillusion qui explique de façon très visuelle comment fonctionne la transformée de Fourier et comment elle est utilisée dans des effets visuels comme le flou et le défloutage
  https://youtu.be/xDLxFGXuPEc?feature=shared
  • Précise qu’il aime le contenu de Captain Disillusion, mais que l’épisode « CD / Blur » est l’un des moins denses en informations de la série. C’est bien sûr une vidéo faite pour être amusante et accessible, mais elle n’a pas la profondeur de la vidéo sur la Fourier Transform (FT) de 3Blue1Brown
  • Trouve la scène d’hommage à Carl Sagan dans la vidéo assez amusante
• Si le sujet de Fourier vous intéresse, vous aimerez probablement aussi la transformée de Laplace — ou sa version discrète, la z-transform. Il explique s’être autrefois plongé à fond dans ce domaine et que cela reste encore aujourd’hui l’un de ses loisirs favoris. Les applications de Fourier, Laplace et de la z-transform sont extrêmement nombreuses dans des domaines très variés. Pour sa part, il les utilise surtout en traitement du signal et en électronique analogique
  • Se souvient que pendant ses études d’électronique, faute de système de calcul formel, il convertissait à la main les fonctions de transfert de la transformée de Laplace vers la z-transform. Il développait, regroupait et factorisait, usant des montagnes de papier pour imprimante à ligne avec un crayon et une gomme, en faisant de l’algèbre élémentaire mais fastidieuse. Les étudiants d’aujourd’hui ont vraiment de la chance
  • Explique qu’autrefois, sur Amazon, il fallait souvent choisir entre des produits très bien notés avec peu d’avis et d’autres un peu moins bien notés mais avec beaucoup plus d’avis. Il a donc créé une extension de navigateur appliquant la règle de succession de Laplace afin de calculer un score laplacien prenant en compte à la fois le nombre d’avis et la note. Cela lui a permis de faire des choix bien plus judicieux
    https://greasyfork.org/en/scripts/443773-amazon-ranking-laplace
  • La soi-disant « Z-transform » pour les suites discrètes n’est en pratique rien d’autre qu’une fonction génératrice, ou encore une série formelle de puissances / série de Laurent. On écrit une suite discrète sous forme de série en puissances de z^(-1)
  • Dès qu’il pense à la transformée de Laplace, il pense toujours à des concepts de théorie du contrôle comme les pôles et les zéros
  • Au fond, l’ingénierie électrique et électronique tourne finalement autour de ce type de transformations
• Dans cet esprit de partage de ressources, il présente le cours "Signals and Systems" de Dennis Freeman au MIT, qui explique de manière très intuitive les relations entre les quatre représentations de Fourier (FT, DFT, Fourier Series et DTFT)
  https://ocw.mit.edu/courses/6-003-signals-and-systems-fall-2011/resources/lecture-19-relations-among-fourier-representations/
  • Il trouve curieux que la Wavelet transform ait été extrêmement populaire autrefois, alors qu’on n’en parle presque plus aujourd’hui
• BetterExplained.com propose aussi un excellent guide interactif sur la Fourier transform
  https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/
• Il dit avoir sa propre théorie sur la raison pour laquelle la Fourier Transform — ainsi que d’autres transformations comme les fonctions génératrices, Mellin/Laplace/Legendre/Haar, etc. — est réellement utile. Selon lui, c’est parce que beaucoup de fonctions du monde réel sont clairsemées (sparse) et se prêtent bien au compressed sensing La FT étant une transformation bijective, il n’y a théoriquement aucune perte d’information, et les problèmes deviennent souvent beaucoup plus simples lorsqu’on les regarde dans l’espace fréquentiel. En effet, des fonctions qui paraissent complexes à première vue sont souvent composées, dans l’espace transformé, de blocs élémentaires bien plus simples Par exemple, le signal sonore d’un battement d’ailes de mouche peut sembler complexe, mais dans sa FT on voit apparaître un pic fort à une fréquence unique. De même, la somme de deux ondes sinusoïdales peut sembler compliquée dans le domaine d’origine, mais devient très nettement séparée en deux points après transformation Si la FT — ou des variantes comme la DCT — est utilisée dans JPEG, MP3, etc., c’est aussi parce qu’elle permet de compresser les données en supprimant des composantes fréquentielles peu importantes pour la perception humaine, qu’elle soit auditive ou visuelle La magie de la FT ne réside pas seulement dans le passage à une base orthogonale, mais dans le fait que les signaux réels peuvent souvent être décrits avec une bonne précision par un petit nombre seulement de composantes de base
  • Dans ce contexte, la série de Taylor est elle aussi utile pour approximer les dynamiques réelles comme une combinaison « principalement linéaire + effets non linéaires ». La traînée en est un exemple : avec un développement de Taylor, on peut la décomposer en viscosité (terme linéaire) et déplacement de volume (terme quadratique). Dans l’air réel, le coefficient du terme linéaire est très faible, mais cette approche aide à comprendre la structure du phénomène
  • Si la FT s’est particulièrement imposée, c’est parce que les fonctions sinus, cosinus et exponentielles complexes sont des fonctions propres (eigenfunctions) de l’opérateur de dérivation. Comme beaucoup de systèmes réels se décrivent par des équations différentielles, la FT devient un outil d’analyse fondamental. En particulier, si les signaux du monde réel sont souvent clairsemés dans l’espace de la FT, c’est parce qu’une grande partie des systèmes réels comportent des mouvements périodiques — moteurs, battements d’ailes de mouches, etc. — ce qui rend la séparation des composantes extrêmement efficace avec la FT. Tous les signaux se décomposent alors en harmoniques d’une fréquence fondamentale
  • Au bout du compte, l’idée importante est que « les signaux perçus par l’être humain sont plus clairsemés ». Le timbre réel d’un violon est très éloigné d’une onde sinusoïdale, mais le cerveau le perçoit comme un timbre idéal unique. En ce sens, notre modèle perceptif est véritablement compressé
• Ce qui rend la Fourier Transform difficile à « ressentir », c’est que pour calculer l’oscillation d’un signal réel, il faut attendre un certain temps, et que le processus de transformation implique une intégration. Visuellement, on montre souvent le signal en entier, mais dans la vie réelle le signal arrive progressivement, ce qui rend les choses moins simples. Il aimerait approfondir ce cas-là
  • Dans ce cas, il faut introduire la notion de time-frequency analysis, dont l’outil central est la Short-Time Fourier Transform (STFT). Les spectrogrammes musicaux et de nombreuses visualisations reposent dessus
  • Pour les signaux en flux, on utilise une FFT à fenêtre glissante. La taille de la fenêtre limite les fréquences minimales et maximales détectables. La quantification temporelle des données numériques limite également les hautes fréquences, et l’épaisseur de la fenêtre introduit inévitablement une latence, point crucial pour le filtrage vocal en temps réel
  • De manière intuitive, on peut voir cela comme une convolution avec une fenêtre temporelle. La taille de la fenêtre détermine la bande de fréquences détectable
  • En pratique, on exécute souvent une FFT sur de courts segments, par exemple de 512 échantillons. Ou bien sur 1 024 échantillons avec un chevauchement et un pas de 512 ; plus on utilise d’échantillons, plus la précision augmente
• En lisant ce billet, il a eu l’impression de vraiment ouvrir les yeux sur la Fourier Transform. Il dit avoir compris pour la première fois le principe de la compression d’images bitmap, et cela lui donne maintenant envie d’expérimenter lui-même la compression ou la décomposition de signaux continus en composantes distinctes Il aimerait aussi essayer d’en appliquer les idées à la colour quantisation, en extrayant les composantes RGB principales ou moyennes, puis en tentant une réduction de couleur qui ne diffuserait pas l’erreur comme dans le dithering classique, mais conserverait plutôt uniquement les composantes les plus clairsemées. Cela ne marchera peut-être pas, mais il se réjouit déjà d’apprendre en essayant
• Cela peut être une bonne ressource pour les personnes qui découvrent la Fourier Transform, mais cela risque aussi de la faire paraître bien plus arbitraire et aléatoire qu’elle ne l’est en réalité. Pire encore, on pourrait croire à tort avoir compris l’ensemble du sujet et passer à côté de choses bien plus belles Il espère qu’on ne manquera pas la fleur de la Fourier Analysis — peut-être l’une des plus belles choses de la vie — en s’imaginant l’avoir déjà cueillie
  https://news.ycombinator.com/item?id=45134843 peut donner un indice sur cette beauté cachée
  • Recommande aussi des explications de grande qualité comme la vidéo de cours de 3Blue1Brown sur la Fourier Transform
    https://youtu.be/spUNpyF58BY?si=nSqHf_3zbhyu9YGd
• Pour une expérience plus profonde et plus visuelle de la Fourier Transform, ces explications explorables sont très instructives
  https://injuly.in/blog/fourier-series/index.html, https://www.jezzamon.com/fourier/
• Il est impressionné par l’idée que Fourier ait affirmé qu’on pouvait représenter la manière dont la chaleur se distribue dans une barre à l’aide d’une somme d’ondes simples. Cela lui inspire la réaction : « Comment peut-on avoir une idée pareille ? » Certaines personnes semblent vraiment nées différemment
  • Fourier semblait être extrêmement à l’aise avec toutes sortes de questions mathématiques, comme les équations différentielles, les développements en série et les débuts assez chaotiques du calcul infinitésimal. En 200 ans, les frontières des nouvelles mathématiques fascinantes ont elles aussi beaucoup changé