Analyse FFT avec OpenTest

Dans les essais audio et vibratoires, l'analyse FFT (Fast Fourier Transform) est l'un des outils qu'à peu près tous les ingénieurs finissent par utiliser tôt ou tard :

• Réponse en fréquence de haut-parleur
• Distorsion des écouteurs
• Diagnostics NVH
• Dépannage des résonances structurelles
• Bruit de production et chasse aux « tonalités mystérieuses »

Beaucoup de questions pratiques reviennent en fait à demander les mêmes quelques éléments :

• Où l'énergie est-elle concentrée en fréquence ?
• Est-elle dominée par une seule tonalité ou par un ensemble d'harmoniques ?
• À quel niveau se situe le bruit de fond ?
• Y a-t-il des pics de résonance ?

La FFT est le point d'entrée le plus universel pour répondre à ces questions.

Cet article vous aidera à clarifier trois points d'un point de vue ingénierie :

• Ce qu'est l'analyse FFT
• Comment la FFT fonctionne conceptuellement
• Comment utiliser la FFT correctement et efficacement en pratique

Qu'est-ce que la FFT ?

Dans le domaine temporel, un signal n'est qu'une forme d'onde qui évolue dans le temps – tous les composants étant « empilés » ensemble sur une seule trace. On peut le voir, mais il est difficile de dire quelles fréquences il contient.

La FFT (Fast Fourier Transform) décompose un signal dans le domaine temporel en une somme de sinusoïdes à différentes fréquences. Dans le domaine fréquentiel, le signal est représenté par fréquence + amplitude + phase. En termes simples :

• Domaine temporel : comment le signal évolue dans le temps
• Domaine fréquentiel : quels composants fréquentiels il contient, lesquels sont les plus forts, et comment ils se rapportent les uns aux autres

Historiquement, l'idée clé de Fourier (au début du XIXe siècle) était qu'une fonction périodique complexe peut être exprimée comme une somme de sinusoïdes et de cosinus. Cela a évolué vers la transformée de Fourier en temps continu, qui projette les signaux sur un axe de fréquence continu.

À l'ère de l'informatique, les choses ont changé : les ingénieurs travaillent avec des données échantillonnées et ne disposent généralement que d'un enregistrement de longueur finie de N échantillons. Cela conduit à la DFT (Discrete Fourier Transform), qui met en correspondance N échantillons temporels avec N raies de fréquence discrètes.

La FFT (Fast Fourier Transform) n'est pas une transformée différente. C'est une famille d'algorithmes qui calcule exactement la même DFT de manière beaucoup plus efficace :

• DFT directe : complexité ~ O(N²)
• FFT : complexité ~ O(N log N)

La sortie X[k] est identique au résultat de la DFT – la FFT y parvient simplement beaucoup plus rapidement en exploitant la symétrie et le principe « diviser pour régner ».

Ce à quoi la FFT est adaptée – et ce à quoi elle ne l'est pas

La FFT est très performante pour :

• Trouver des composantes déterministes à bande étroite
  • Tonalités fondamentales, harmoniques, fréquences de commutation, sifflements, raies liées à la vitesse
• Observer des distributions large bande
  • Bruit de fond, pentes 1/f, puissance en bande, SNR
• Caractériser le comportement d'un système
  • Fonctions de transfert, résonances / anti-résonances, cohérence, estimation de délai
• Servir de base à l'analyse temps–fréquence
  • STFT, spectrogrammes, etc.

La FFT n'est pas adaptée (ou pas suffisante à elle seule) pour :

• Des signaux fortement non stationnaires et la « fréquence instantanée »
  • Pour les chirps et les contenus évoluant rapidement, il faut utiliser des STFT, ondelettes ou autres méthodes temps–fréquence, et non une seule FFT sur un long enregistrement
• Séparer deux tonalités extrêmement proches en dessous de votre résolution fréquentielle
  • Si l'écart est plus petit que la résolution de vos raies (définie par N), aucun algorithme ne les résoudra « magiquement »
• Transformer de courtes données en « longues mesures »
  • Le bourrage de zéros n'interpole que visuellement le spectre ; il n'ajoute pas de nouvelle information

Avant d'utiliser la FFT : concepts clés à bien maîtriser

Pour bien utiliser la FFT, vous devez être à l'aise avec quelques fondamentaux :

1. Fréquence d'échantillonnage
2. La DFT et son interprétation
3. Ce que vous tracez réellement (module, amplitude, puissance, PSD)
4. Fenêtrage et fuite spectrale
5. Moyennage

Fréquence d'échantillonnage : jusqu'à quelle fréquence vous pouvez « voir »

Avant la FFT, vous avez déjà pris une décision cruciale : l'échantillonnage. Un signal en temps continu x(t) est transformé en une suite discrète x[n]=x(n/fs). La fréquence d'échantillonnage fsf_sfs​ détermine la fréquence la plus élevée que vous pouvez observer sans repliement spectral (aliasing) : la fréquence de Nyquist, fs/2.

Si le signal analogique contient de l'énergie au-dessus de fs/2, elle ne disparaît pas – elle se replie dans la bande sous Nyquist sous forme d'aliasing. Une fois que l'aliasing s'est produit, la FFT ne peut pas « l'annuler » ; l'information est irréversiblement mélangée.

En pratique, vous devez utiliser un filtre anti-repliement avant l'ADC (ou avant tout rééchantillonnage) pour supprimer les composantes au-dessus de Nyquist.

Exemple : une sinusoïde de 900 Hz échantillonnée à fs=1 kHz apparaîtra à 100 Hz dans le spectre discret – un artefact classique d'aliasing.

Calcul et interprétation de la DFT

Étant donné N échantillons x[0]..x[N−1], la DFT est définie comme suit :

La transformée inverse (IDFT) reconstruit le signal temporel :

Intuitivement, X[k] vous indique à quel point le signal est fortement corrélé avec une exponentielle complexe à la fréquence de cette raie.

• Le module X[k] indique « combien » de ce composant fréquentiel est présent
• La phase encode l'alignement temporel par rapport aux autres composantes

Que tracez-vous ? Module, amplitude, puissance, PSD

À partir d'un seul jeu de résultats FFT X[k], vous pouvez créer de nombreux « spectres » différents qui se ressemblent mais représentent des grandeurs physiques différentes. C'est là que naît souvent la confusion entre outils et plates-formes.

Les variantes courantes incluent :

• Spectre de module |X[k]|
  • Les unités dépendent de la normalisation (par ex. « V·échantillons »)
  • Utile pour localiser les pics, les harmoniques et la forme spectrale générale
• Spectre d'amplitude
  • Module correctement mis à l'échelle, en unités physiques (par ex. V)
  • Approprié pour lire les amplitudes de sinusoïdes et effectuer des mesures étalonnées
• Spectre de puissance |X[k]|²
  • Là encore, l'échelle dépend de la convention ; souvent utilisé pour comparer des puissances/énergies lorsque les conventions sont fixées
• Densité spectrale de puissance (PSD) Sxx(f)
  • Unités de type V²/Hz ou Pa²/Hz
  • Utilisée pour l'analyse de bruit, la puissance en bande et les comparaisons entre différentes longueurs de FFT

Si vous voulez comparer des niveaux de bruit entre différentes tailles de FFT, fenêtres ou outils, utilisez la PSD (ou la densité spectrale d'amplitude). Les valeurs brutes |X| ou  |X|² sont rarement directement comparables.

Un exemple concret : deux tonalités dans le temps et en fréquence

Imaginez un signal composé de deux sinusoïdes à des fréquences différentes.

• Dans le domaine temporel, leur somme peut ressembler à une forme d'onde « chancelante » (wobbly).
• Dans le domaine fréquentiel (FFT/PSD), vous verrez deux pics étroits distincts aux fréquences correspondantes.

Dans l'analyse FFT d'OpenTest, vous pouvez visualiser simultanément le spectre et la PSD/ASD côte à côte, ce qui facilite :

• Identifier les composantes tonales
• Inspecter la répartition du bruit
• Comparer différentes conditions de fonctionnement sur la même grille de fréquences

Essayez par vous-même : téléchargez l'édition OpenTest gratuite et exécutez une FFT sur un simple signal à deux tonalités pour voir clairement les deux pics séparés.

Fonctions de fenêtre et fuite spectrale : nettoyer les spectres

En théorie, la FFT suppose que le bloc échantillonné contient un nombre entier de périodes et qu'il est ensuite répété périodiquement. En réalité, l'enregistrement ne correspond presque jamais parfaitement à un nombre entier de cycles. Lorsque vous répétez ce bloc, vous obtenez des discontinuités aux frontières, ce qui provoque une dispersion de l'énergie dans les raies voisines — c'est la fuite spectrale.

Pour réduire la fuite, on applique généralement une fonction de fenêtre à l'enregistrement temporel avant d'effectuer la FFT. Une fenêtre affecte simultanément :

1. La largeur de la lobe principale
   • Lobe principale plus large = pics plus étendus → il est plus difficile de séparer des tonalités proches
2. La hauteur des lobes secondaires
   • Des lobes secondaires plus faibles = il est plus facile de voir des petits pics près d'un grand (meilleure dynamique)
3. L'échelle d'amplitude/d'énergie
   • Les fenêtres modifient la relation entre l'amplitude réelle d'une sinusoïde pure et le pic observé, ainsi que le niveau de bruit de fond

Quelques recommandations pratiques :

• Fenêtre rectangulaire
  • À n'utiliser que lorsque vous pouvez garantir un échantillonnage cohérent (un nombre entier de périodes dans l'enregistrement) et que vous voulez la lobe principale la plus étroite possible
• Fenêtre de Hanning (Hann)
  • Un choix par défaut très robuste pour les travaux généraux en acoustique et vibration
  • Largement utilisée avec les méthodes de Welch/PSD
• Hamming
  • Similaire à Hann, avec un comportement de lobes secondaires légèrement différent, courant dans les communications
• Blackman / Blackman–Harris
  • Lobes secondaires plus faibles, utile lorsque vous devez voir de petits pics à côté de grands, au prix d'une lobe principale plus large

Dans OpenTest, vous pouvez basculer entre différentes fonctions de fenêtre dans le module d'analyse FFT et voir immédiatement l'impact sur la largeur des pics, les lobes secondaires et le bruit de fond.

Moyennage : rendre les spectres plus stables

Pour des signaux bruités ou non stationnaires, une seule FFT peut paraître très « irrégulière » ou instable. En moyennant plusieurs spectres, vous obtenez un résultat plus lisse et plus reproductible. Les types de moyennage courants incluent :

• Moyennage linéaire
  • Une simple moyenne arithmétique de plusieurs résultats FFT
• Moyennage exponentiel
  • Les données récentes ont plus de poids ; pratique pour la surveillance en temps réel lorsque le spectre doit réagir sans fluctuer de manière excessive
• Moyennage d'énergie (de puissance)
  • Basé sur la puissance ; garantit la cohérence des grandeurs liées à la puissance

Une bonne configuration de moyennage trouve un équilibre entre la suppression des fluctuations aléatoires et la préservation des variations réelles du signal.

Où utilisons-nous la FFT en pratique ?

Audio et acoustique

Les applications typiques incluent :

• Recherche des fréquences de larsen, de la distorsion harmonique et des bruits de fond des dispositifs
• Mesure de la réponse en fréquence (fonction de transfert)
• Analyse des modes de salle / résonances
• Spectrogrammes de la parole, de la musique et du bruit d'équipements

En audio/acoustique, vous devez être clair sur les unités et les conventions :

• dB SPL, pondération A, bandes 1/3 d'octave, etc.
• La FFT est le moteur ; la convention de restitution (référence, pondération, largeur de bande) doit être clairement définie.

Vibration et machines tournantes

• Identification des pics liés à la vitesse (1X, 2X, fréquences d'engrènement)
• Résonances structurelles et comportement modale sous différentes conditions de fonctionnement
• Diagnostics de roulements, sifflements d'engrenages, balourd, désalignement

Pour l'analyse de roulements et de boîtes de vitesses, la détection d'enveloppe/démodulation est souvent utilisée :

• Filtrer le signal par un passe-bande
• Démoduler puis effectuer une FFT sur l'enveloppe pour révéler les fréquences de défaut

Si la vitesse de rotation varie, une simple FFT « étalera » les pics. Dans ce cas, un suivi d'ordres ou un rééchantillonnage synchrone est plus approprié, transformant l'axe de « fréquence » en « ordre ».

Électronique de puissance et qualité de l'énergie

• Harmoniques de la fréquence secteur (50/60 Hz et multiples), THD, ondulation, pointes de commutation
• Vérifications EMI de pré-conformité : raies spectrales, bruit de fond, puissance en bande

Dans les systèmes de puissance, l'échantillonnage non cohérent est un problème courant : si la durée d'enregistrement n'est pas un nombre entier de cycles secteur, la fuite dégrade la précision des harmoniques. Les solutions incluent l'échantillonnage synchrone, des fenêtres sur un nombre entier de cycles ou des analyseurs d'harmoniques spécialisés.

RF et communications (vue bande de base)

• Spectres de signaux modulés et masques spectraux
• Analyse spectrale OFDM et multiporteuse, fuite vers les canaux adjacents

Ici, la cohérence est primordiale :

• Mêmes unités
• Même largeur de bande de résolution (RBW)
• Même fenêtre, même détecteur et même style de moyennage

La FFT en elle-même est simple ; la transformer en mesures de puissance comparables nécessite des réglages précisément définis.

Imagerie et filtrage 2D

La FFT 2D étend la même idée aux images :

• Les contours correspondent aux hautes fréquences spatiales ; les zones uniformes aux basses fréquences
• Filtrage passe-bas / passe-haut, suppression du bruit périodique, accélération des convolutions dans le domaine fréquentiel

La même hypothèse d'extension périodique s'applique désormais en 2D : les discontinuités aux bords de l'image produisent de forts artefacts dans le domaine fréquentiel. Le bourrage, les bords réfléchis ou les fenêtres 2D sont des moyens courants d'atténuer ce phénomène.

Faire de la FFT un outil d'ingénierie au quotidien

D'un point de vue mathématique, la FFT n'est pas particulièrement « légère ». Mais dans l'utilisation en ingénierie, l'objectif est en réalité simple :

Voir plus clairement et beaucoup plus rapidement ce qui est caché à l'intérieur du signal.

Lorsque vous comprenez :

• Ce que la FFT calcule réellement
• Comment l'échantillonnage, le fenêtrage, l'échelle et le moyennage affectent le résultat
• Quand utiliser des spectres plutôt que la PSD, et quels réglages sont importants pour votre cas d'usage

… alors la FFT cesse d'être un sujet mathématique abstrait et devient un outil pratique du quotidien pour les travaux en acoustique et vibration – de la R&D et la validation jusqu'aux essais de production.

Téléchargez et commencez dès maintenant -> ou remplissez le formulaire ci-dessous ↓ pour planifier une démonstration en direct.

Découvrez plus de fonctionnalités et de cas d'usage sur www.opentest.com.