fr´equences, le bruiter l´eg`erement et observer sa transform´ee de Fourier.
Application au d´ebruitage
Pour d´ebruiter un signal, on consid`ere que les fr´equences les plus importantes sont les plus
basses. On ´ecrase donc toutes les fr´equences trop ´elev´ees (filtre passe-bas). Observer l’effet
obtenu. On pourra noter le ph´enom`ene de Gibbs qui se manifeste par des vaguelettes prs
des contours (i.e. des variations brusques).
Application `a la compression de signaux
Pour compresser un signal, on effectue sa transformation de Fourier et on ne garde que les
fr´equences dont le coefficient est parmi ceux de plus grande valeur. On stocke les coefficients
`a garder et le num´ero de la fr´equence correspondante, ce qui fait beaucoup moins de donn´ees
que le signal d’origine. On recr´ee sur demande le signal par une transformation de Fourier
inverse. C’est le principe de la compression jpeg pour les images. La compression mp3 est
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
−12
−10
−8
−6
−4
−2
0
2
4
6
8
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
0.0
0.5
1.0
1.5
2.0
2.5
Fig. 2: un signal test compress´e `a 80%. Notez le ph´enom`ene de Gibbs sur le plateau.
aussi bas´ee sur ce principe mais utilise aussi diverses astuces : suppression des fr´equences
inaudibles, codage en mono des sons de basse, suppression des sons masqu´es par d’autres
fr´equences. . .
Un mot sur les ondelettes
Les id´ees derri`ere ces applications pourraient s’appliquer `a d’autres bases hilbertiennes
que celles des polynˆomes trigonom´etriques. Dans le cas de signaux vibratoires, la base de
Fourier est bien adapt´ee. Elle l’est beaucoup moins pour d’autres formes, comme les images