Transformée de Fourier : des rotations complexes, pas des spirales automatiques

La transformée de Fourier décompose un signal en composantes oscillantes. Sa représentation complexe est souvent dessinée comme un ensemble de vecteurs qui tournent, puis comme une chaîne d’épicycles. Cette image est puissante, mais elle entraîne une confusion: une rotation complexe n’est pas automatiquement une spirale. Le rayon peut rester constant pendant que la phase avance.

La question centrale est donc double: comment une projection sur des rotations permet-elle de mesurer une fréquence, et à quelles conditions la trajectoire obtenue devient-elle réellement spiralée? Cette distinction relie l’analyse harmonique à la thèse du site: une ressemblance visuelle ne suffit pas à identifier un mécanisme.

Une sinusoïde réelle oscille sur une ligne. Euler permet de la voir comme la projection d’un point qui parcourt le cercle unité: l’abscisse donne le cosinus et l’ordonnée le sinus. Le nombre complexe encode simultanément ces deux quadratures. Les notes de calcul multivariable du MIT présentent cette correspondance entre exponentielle complexe, sinus, cosinus et forme polaire. ^[1]

Si θ = ωt, le point tourne à la vitesse angulaire ω. Son module vaut exactement 1. La courbe est fermée et périodique: c’est un cercle. Le mot « enroulement » décrit correctement la phase; le mot « spirale » serait incorrect tant qu’aucune évolution radiale n’est introduite.

Pour une fonction intégrable f(t), la transformée continue mesure sa corrélation avec chaque rotation de fréquence ω. Le signe négatif fait tourner le noyau dans le sens opposé au signal testé. Si f contient une composante cohérente à cette fréquence, les produits cessent de s’annuler et leur intégrale forme un vecteur complexe non négligeable.

Le module |F(ω)| décrit l’importance de la composante; l’argument arg F(ω) décrit sa phase relative. Aucun point matériel ne suit nécessairement cette courbe. F est une représentation: elle transforme une dépendance temporelle en distribution de fréquence.

3.1 Orthogonalité et annulation

Sur un intervalle contenant un nombre entier de périodes, deux exponentielles de fréquences distinctes s’annulent en moyenne. Cette orthogonalité explique la sélectivité du calcul. Sur une fenêtre finie qui ne respecte pas les périodes, l’annulation est imparfaite: l’énergie d’une raie se répand vers les fréquences voisines.

Un ordinateur observe N échantillons $x_{n}$ et calcule N coefficients. La transformée discrète de Fourier n’est pas une approximation vague de la transformée continue: elle est une opération algébrique exacte sur un vecteur fini, avec des hypothèses précises de périodicité et d’échantillonnage.

Le calcul direct demande un nombre d’opérations proportionnel à $N^{2}$. L’algorithme de Cooley et Tukey factorise la DFT en sous-problèmes et ramène le coût usuel à l’ordre de N log N pour les tailles favorables. Leur article de 1965 n’invente pas l’analyse de Fourier, mais il rend le calcul numérique à grande échelle beaucoup plus accessible. ^[2]

Couper un signal revient à le multiplier par une fenêtre. Dans le domaine fréquentiel, cette multiplication devient une convolution: le spectre idéal est étalé par le spectre de la fenêtre. La fuite n’est donc pas un défaut mystérieux de la FFT; elle résulte de l’observation finie et des discontinuités introduites aux bords.

Les fenêtres de Hann, Hamming, Blackman ou Kaiser échangent largeur du lobe principal contre hauteur des lobes secondaires. Harris a systématisé ces compromis pour l’analyse harmonique par DFT. Il n’existe pas de fenêtre universellement meilleure: le choix dépend de la séparation fréquentielle recherchée et de la dynamique d’amplitude. ^[3]

Une exponentielle complexe amortie possède une phase qui tourne et un module qui décroît. Sa trajectoire dans le plan complexe est une spirale logarithmique convergente. Avec un taux de croissance positif, la même équation produit une spirale divergente.

Cette forme apparaît dans les modes propres de systèmes linéaires dissipatifs. Elle appartient naturellement à la transformée de Laplace, où la variable complexe s = σ + iω combine croissance ou décroissance radiale et rotation de phase. Fourier correspond à l’axe σ = 0: module du noyau constant, donc rotation circulaire.

Le spectre global dit quelles fréquences sont présentes sur toute la durée, mais pas quand elles apparaissent. Une transformée de Fourier à court terme déplace une fenêtre dans le temps et construit un spectrogramme. Une fenêtre courte localise mieux les événements mais sépare moins finement les fréquences; une fenêtre longue fait l’inverse.

Cette limite temps-fréquence n’est pas un simple problème d’interface. Elle provient de la structure mathématique de l’analyse: demander simultanément une date très précise et une fréquence très précise exige des informations incompatibles dans une fenêtre finie.

• Audio: hauteur, timbre, filtrage et compression perceptuelle
• Images: filtrage spatial, diffraction et reconstruction
• Télécommunications: modulation et partage de bandes
• Physique: modes propres, propagation et diffraction
• Données: détection de périodicités et suppression de bruit

Une décomposition fréquentielle ne donne pas à elle seule la cause physique d’un signal. Deux mécanismes différents peuvent produire des spectres proches; inversement, un même mécanisme non stationnaire peut produire des spectres différents selon la fenêtre. Fourier organise les composantes, mais l’interprétation causale exige le modèle du système.

La transformée de Fourier est une mesure de cohérence avec des rotations complexes. Le cercle appartient au noyau; la spirale apparaît lorsque l’amplitude évolue avec la phase. Cette séparation évite une métaphore trompeuse tout en conservant l’intuition géométrique: analyser un signal, c’est tester combien de rotations de différentes vitesses s’additionnent au lieu de s’annuler.