Essai · Essais
La transformée de Fourier : du temps à la fréquence
Pourquoi le son se comprend comme une somme de fréquences, ce que fait la transformée de Fourier avec cette idée et comment elle explique le spectre.
Il existe une idée mathématique qui, une fois comprise, change la façon dont on entend. La transformée de Fourier affirme quelque chose qui semble impossible : tout son, aussi complexe soit-il, peut se décomposer en une somme de tonalités pures. Une note de gaita et la même note au piano partagent la même fréquence fondamentale, mais leur spectre harmonique est différent — et c’est dans cette répartition d’énergie que vit le timbre. Cet essai porte sur la raison pour laquelle c’est vrai et sur ce que cela implique.
Deux façons de regarder le son
Quand un microphone capte un son, il enregistre une seule chose : comment la pression de l’air varie dans le temps. C’est la forme d’onde — cette ligne ondulante visible dans n’importe quel éditeur audio. C’est la représentation temporelle : à chaque instant, une valeur.
La forme d’onde est honnête mais peu bavarde. En la regardant, on sait qu’il y a du son et à quel volume, mais elle ne dit pas facilement quelles notes elle contient ni quel timbre elle a. Cette information est là, mais cachée dans la forme des oscillations.
La transformée de Fourier offre l’autre regard : la représentation en fréquence. Au lieu de « quelle valeur à chaque instant », elle répond « combien d’énergie à chaque fréquence ». C’est le même son vu sous un angle différent.
L’intuition de fond
Le cœur de l’idée, formulé par Joseph Fourier au début du XIXe siècle, est le suivant : tout signal périodique peut s’écrire comme une somme d’ondes simples — sinus et cosinus — de fréquences et d’amplitudes différentes. Changer la « recette » — quelles fréquences, dans quelle proportion — change le son.
La transformée fait le chemin inverse : elle part du son mélangé et récupère la recette. On lui donne la forme d’onde et elle renvoie la liste des fréquences présentes avec leur poids respectif. Cette liste est le spectre. Ce qui permet de reconnaître un instrument sans voir qui joue vit là : dans la répartition de l’énergie entre fréquences.
Du tableau noir à l’ordinateur
La version qu’utilisent les ordinateurs est la transformée de Fourier rapide, la FFT : un algorithme qui calcule le spectre d’un fragment audio de manière efficace. Sans cette efficacité, une grande partie de l’audio numérique quotidien ne serait pas possible. Avec elle, le calcul tient largement dans n’importe quel appareil.
Et elle apparaît, presque toujours sans qu’on le remarque, dans des outils du quotidien :
| Outil | Ce qu’il fait avec la FFT |
|---|---|
| Accordeur | Mesure la fréquence fondamentale et calcule l’écart d’accordage |
| Égaliseur | Sépare des bandes de fréquence pour les monter ou les descendre indépendamment |
| Spectrogramme | Dessine le spectre image par image : axe Y = fréquences, couleur = énergie |
| Transcription automatique (AMT) | Détecte des notes à partir des pics d’énergie dans le spectre |
Pourquoi je l’aborde ici
Je place la transformée de Fourier dans les essais, et non dans un tutoriel, à dessein. Ce n’est pas une recette : c’est l’une des idées de fond qui soutiennent presque tout ce que l’on fait quand l’informatique musicale quitte le niveau symbolique — celui des notes et du MIDI — et entre dans le son réel, celui du signal.
Jouer d’un instrument, c’est produire un spectre qui change dans le temps. Que les mathématiques sachent le lire — passer du temps à la fréquence et revenir — est ce qui permet de l’analyser, de le transformer et, parfois, de mieux le comprendre. Inutile de calculer une FFT à la main pour que cela change la façon dont on écoute ; il suffit de savoir que, sous chaque son, des fréquences attendent qu’on les compte.
Références
Les références sur lesquelles s’appuie cet article, et par où poursuivre la lecture :
- Smith, J. O. Mathematics of the Discrete Fourier Transform (DFT), with Audio Applications. CCRMA, Stanford University.
- Müller, M. (2015). Fundamentals of Music Processing (chap. 2 : Fourier Analysis of Signals). Springer.
- Bracewell, R. N. (2000). The Fourier Transform and Its Applications (3ᵉ éd.). McGraw-Hill.
Questions fréquentes
-
¿Por qué el eje Y de un espectrograma muestra frecuencias?
Un espectrograma es la representación visual de la STFT. La transformada de Fourier convierte la señal de dominio temporal —amplitud a lo largo del tiempo— en dominio frecuencial: en lugar de “qué presión hay en cada instante”, responde a “qué frecuencias están presentes y con qué energía”.
Por eso el eje Y muestra frecuencias: cada fila del espectrograma corresponde a un rango de frecuencia (un “bin”), y el color indica la energía de ese bin en la ventana temporal correspondiente. Los graves están abajo, los agudos arriba. Una nota de piano, por ejemplo, aparece como una banda horizontal brillante a la frecuencia fundamental, con armónicos más tenues en múltiplos enteros por encima.
Leer un espectrograma es una habilidad práctica en AMT: te permite ver a simple vista si una grabación tiene ruido, si hay sobreposición de notas o si el modelo detectó algo que no está en el audio. La construcción intuitiva de esta representación la explico en La transformada de Fourier: de la forma de onda al espectro.
-
¿Necesito saber matemáticas avanzadas para entender la transformada de Fourier?
No hace falta dominar el cálculo para sacar partido de la transformada. La idea central —descomponer un sonido en sus frecuencias constituyentes— es accesible a cualquiera con curiosidad. La fórmula exacta implica exponentes complejos, pero para el trabajo práctico en AMT lo que necesitas es entender qué información te da el espectro y cómo leerlo. Lo cuento desde la intuición en La transformada de Fourier: de la forma de onda al espectro.
-
¿Qué es la STFT y en qué se diferencia de la FFT?
La FFT (Fast Fourier Transform) toma toda la señal de audio y calcula qué frecuencias contiene en total. Es una foto global: útil para ver el espectro medio, pero sin información de cuándo aparece cada frecuencia.
La STFT (Short-Time Fourier Transform) resuelve eso dividiendo la señal en ventanas cortas y solapadas —típicamente de 20-50 ms— y aplicando la FFT a cada una. El resultado es una matriz de espectros ordenados en el tiempo: eso es el espectrograma. En el eje horizontal está el tiempo, en el vertical la frecuencia, y el color o la intensidad representa la energía.
Para AMT, la STFT es la operación de entrada más habitual: convertir el audio en un espectrograma antes de pasárselo a un modelo. El tamaño de la ventana (hop size, window size) afecta directamente a la resolución tiempo–frecuencia, y entender ese compromiso es clave para diseñar un pipeline robusto. Desarrollé la intuición detrás de todo esto en La transformada de Fourier: de la forma de onda al espectro.