Professional Documents
Culture Documents
Tfe Math Rheto
Tfe Math Rheto
1
Collège Saint-Michel
2018-2019
Est-il possible d’annuler le son d’une chasse d’eau ?
2018-2019
Table des matières
0.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.1.1 Notions de base de l’onde sonore . . . . . . . . . . . . . . . . . 3
1 L’anti-bruit 6
1.1 Complexité du problème . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Première solution : un haut-parleur . . . . . . . . . . . . . . . . . . . . 8
1.3 Deuxième solution : le casque . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Comment captent-ils les sons ? . . . . . . . . . . . . . . . . . . 10
1.3.2 Comment créent-ils l’anti-son ultra rapidement ? . . . . . . . . 10
2 Masquer le bruit 13
2.1 Introduction à la théorie de Fourier . . . . . . . . . . . . . . . . . . . . 13
2.2 La théorie de Fourier et les polynômes trigonométriques . . . . . . . . 14
2.3 Détermination de la meilleure approximation . . . . . . . . . . . . . . 19
2.4 Les coefficients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.5 Transformée de Fourier inverse . . . . . . . . . . . . . . . . . . . . . . 25
2.6 La Série de Fourier Discrète (SFD) . . . . . . . . . . . . . . . . . . . . 28
2.6.1 Définition de SFD liée aux sommes de Riemann . . . . . . . . . 28
2.6.2 Inverse de la SFD . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7 Le masquage du son . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.7.1 Première solution : le masquage par bruit blanc . . . . . . . . . 32
2.7.2 Deuxième solution : l’optimisation du bruit blanc . . . . . . . . 33
2.7.3 Troisième solution : le masquage par des sons déterminés . . . 34
3 Conclusion 36
1
4 Remerciements 38
5 Bibliographie 39
6 Annexe 43
2
0.1 Introduction
Suite à certaines plaintes, nous avons décidé de nous attaquer à la pollution so-
nore. Il est temps d’essayer d’en finir avec ces bruits qui résonnent à longueur de
journée. L’idée de cette problématique est née d’une discussion entre un de nos pro-
fesseurs et l’un de ses élèves à propos du bruit énervant de la chasse d’eau. Ceux-ci se
plaignaient du manque de démarches pour préserver nos oreilles du boucan quotidien
en comparaison avec las manifestations de réduction des déchets. Qui ne s’est jamais
réveillé à cause de vols d’avion matinaux ou encore d’une sirène d’ambulance criante
au milieu de la nuit. Par ce travail, nous voulons prouver que la pollution sonore est
un véritable domaine d’avenir important à étudier. Comme premier projet d’étude,
nous avons décidé de commencer par annuler le bruit d’une chasse d’eau, un son qui
l’air de rien est assez répétitif tout au long de la journée.
Avant d’aborder notre sujet, il semble important de mettre en avant quelques no-
tions de base nécessaires pour la suite de notre travail.
Nous définissions le son comme une forme d’onde, l’onde sonore. Nous distinguerons
ensuite les trois principaux types de sons.
Une onde sonore se définit par la propagation de proche en proche d’un signal à
travers un milieu. Elle se propage notamment dans l’air à travers de multiples colli-
sions entre les particules, d’abord en les comprimant puis en les dilatant. Notons que,
dans le vide, il ne peut y avoir de propagation, donc pas de son.
Lorsque que deux ondes identiques sont additionnées, nous obtenons une amplification
du volume. C’est notamment ce qu’il se passe avec les haut-parleurs. En revanche,
lorsqu’on combine deux ondes inverses l’une par rapport à l’autre, l’onde obtenue est
nulle. Ceci devient plus complexe lorsque des facteurs environnants interviennent, c’est
ce que l’on expliquera en abordant les anti-sons et par le même biais, la complexité
de ce problème.
Dans tous les cas, il est capital de distinguer trois types de sons :
— Le son simple, harmonique ou sinusoı̈dal dont l’oscillogramme est sinusoı̈dal,
est par exemple celui produit par un diapason.
— Le son musical ou son complexe dont l’oscillogramme n’est pas sinusoı̈dal mais
bien périodique, résultant de l’addition de sons simples.
3
— Le bruit qui n’est ni sinusoı̈dal ni périodique. Celui-ci est plus difficile à analy-
ser, c’est pourquoi les séries de Fourier seront fort utiles dans sa décomposition.
Les courbes que nous observons dans ?? sont des oscillogrammes. Elles représentent
l’élongation du son en fonction du temps et permettent notamment de visualiser la
fréquence du son et ainsi que son amplitude.
A ne pas confondre avec les oscillogrammes, il existe aussi les spectres. Le spectre
d’un signal, obtenu par séries de Fourier, indique les caractéristiques en amplitude et
en fréquence des ondes sinusoı̈dales élémentaires qui composent le signal, c’est l’in-
tensité en fonction de la fréquence.
Si les différentes formes d’ondes sonores peuvent se compliquer, elles peuvent heu-
reusement être considérées comme des extensions de la plus simple forme d’onde : la
sinusoı̈de.
4
— La période (T ) est l’inverse de la fréquence. Mesurée en secondes, elle représente
la durée séparant deux répétitions successives d’un même phénomène.
— La longueur d’onde (λ) est la longueur d’une période, calculée en mètres dans
le système métrique international (MKS) et visualisable sur un oscillogramme.
— L’amplitude (A) représente l’écart maximal d’une grandeur variant périodiquement,
son unité est le Pascal.
5
Chapitre 1
L’anti-bruit
Nous avons pensé à une première solution : annuler l’onde sonore de la chasse
d’eau. Celle-ci est théoriquement très simple. Il suffirait d’additionner des sons op-
posés pour ne plus rien entendre. Il existe déjà beaucoup de programmes capables
d’enregistrer un son et ensuite de l’inverser. Voici un son de chasse d’eau que nous
avons inversé grâce à Audacity, un programme pour modifier des sons. L’expérience
a porté ses fruits : lorsqu’on écoute les deux ondes simultanément, on n’entend rien
d’autre que le silence.
Cependant, si c’était aussi simple que juste inverser un son, toutes nos toilettes se-
6
raient déjà équipées d’un tel dispositif. Concrètement, on a vu qu’une onde sonore
était une perturbation mécanique du milieu dans lequel elle se propage. Connaissant
cela, plusieurs problèmes se posent.
Une erreur fatale Le fait que l’onde sonore soit un bruit non périodique renforce
la complexité du problème. Si l’anti-son se met en route 1 millième de seconde plus
tard que prévu, il peut provoquer une amplification du son car les amplitudes s’addi-
tionneraient et le son paraitrait alors plus fort.
7
Figure 1.4 – amplification et anti-son
Pour émettre l’anti-bruit d’une chasse d’eau, nous avons directement pensé à un
petit appareil qui capterait le bruit, calculerait son inverse puis le diffuserait au
moyen d’un haut-parleur. Cependant, nous avons directement été confrontées à deux
problèmes majeurs. Tout d’abord, il faudrait le placer exactement à la source du bruit
de la chasse qui n’est point ponctuel. En effet, nous entendons l’eau s’agitant dans
la chasse, puis s’écoulant dans la cuvette et ensuite son arrivée par les canalisations
pour remplir à nouveau le réservoir. Tout cela se passe à des endroits différents de
la toilette. Pourquoi, alors, ne pas disposer à chacun d’eux un appareil muni d’un
haut-parleur ?
C’est ici qu’intervient le deuxième problème. Le bruit n’est pas une onde sonore
harmonique et donc le déphaser ne l’annulera pas complètement. Il faut dans un
premier temps l’inverser. Ensuite, le son sera diffusé mais une fraction de seconde plus
tard : il sera déphasé. Pour des sons à fréquence basse, cela n’affectera pas l’annulation
du bruit. En effet, sa longueur d’onde sera de 17m suite au calcul de la vitesse du son
(340m/s) divisé par une fréquence de 20 Hz. Le déphasage n’influencera que très peu
l’opération d’inverse. Par contre, pour ceux à haute fréquence, disons 20000 Hz, nous
obtenons une longueur d’onde de 1.7cm. Dans ce cas, la moindre fraction de seconde
compte.
De plus, en émettant l’anti-son avec un bref retard, à divers endroits de la pièce,
nous entendrons le bruit amplifié ou fortement diminué voire annulé.
Prenons un son complexe comme, par exemple, une alarme. C’est un son harmo-
nique et périodique. Nous remarquons ensuite que déphaser cette somme de sinusoı̈des
ne supprime en aucun cas ce que nous entendons mais l’amplifie.
8
Figure 1.5 – exemple : son alarme, déphasé
Même si l’appareil parvient à créer son anti-son dans un bref délai, ça ne fonctionnera
pas. Nous remarquons que la deuxième onde sonore s’additionnera à la première et
amplifiera ce que nous entendions déjà. Par conséquence, l’addition d’un son inversé
et déphasé n’annule pas le bruit.
Si cela ne fonctionne pas avec un son complexe harmonique alors comment est-ce que
cela pourrait réussir avec un bruit ?
9
1.3 Deuxième solution : le casque
Rentrons dans le vif du sujet. Pour atténuer le son, une solution possible
est appelée le contrôle passif du bruit. Cela revient à mettre des obstacles au son, en
mettant une couche de matériau qui atténue plus le son que l’air ambiant. Seulement,
cette option n’est pas toujours efficace.
A l’origine, cette technologie fut mise au point pour les pilotes d’avion dont
l’ouı̈e est soumise au bruit assourdissant des réacteurs à longueur de journée. Il fallait
en effet trouver une solution leur assurant une protection auditive efficace tout en leur
permettant d’entendre les informations de leur équipage ou de la tour de contrôle. Les
casques anti-bruits furent inventés.
Que contiennent-ils ? Ces types de casques doivent intégrer : un microphone pour
10
capter le bruit, un composant électronique capable de l’analyser, un filtre pour traiter
les différentes données, ainsi qu’un haut-parleur qui émettra le signal correcteur.
Les casques anti-bruits ont cette spécificité particulière d’atténuer le son, voire de
l’annuler. Dotés d’un système ingénieux, ils sont capables de capter l’onde sonore du
bruit ambiant autour de la personne. Cette onde ainsi captée en 1 point peut être
alors inversée. En effet, il est possible de calculer la vibration opposée à celle captée.
Il suffit d’injecter l’onde inverse dans le casque ; en conséquence, les deux vibrations
s’ajoutent, et étant opposées, s’annulent. En sortie du casque audio, il n’y a plus
aucune vibration et l’oreille ne capte aucun son.
11
Conclusion
Après toutes ces étapes, nous avons pu réaliser que notre problème n’au-
rait pas une solution aussi simple que prévu. De fait, nous aurions voulu aboutir à
un résultat “parfait”, permettant de supprimer entièrement le bruit de la chasse. Or
d’inévitables obstacles viennent s’opposent à notre but initial, c’est pourquoi il fau-
dra réfléchir à une autre solution, déplacer notre objectif vers quelque chose de plus
plausible, tout en restant efficace.
De manière synthétique, rappelons les problèmes auxquels nous aurions été confrontées
pour l’annulation totale de ce bruit. Cela passait d’une part, par le caractère variable
de la vitesse de propagation du son dans l’air, notamment en fonction des variations
de température, il aurait été difficile d’adapter l’onde produite à tout changement.
D’autre part, nous avons réalisé que l’onde était perçue différemment à différents
endroits de la pièce, elle se réfléchit. Or la source du bruit de la chasse n’est pas
ponctuelle (canalisations, . . . ), ce qui nous empêche d’émettre un simple anti-bruit
à sa source, suivant le même trajet que l’onde originale. Enfin, le son émis par la
chasse d’eau étant considéré comme un bruit, non périodique et non harmonique, il
aurait fallu inverser le bruit perçu “en direct”, avec comme problème le décalage de
son émission, pouvant amplifier le bruit initial au lieu de l’annuler.
Tous ces points constituent de véritables obstacles pour notre première solution : le
haut parleur ne peut être placé à la source du bruit dérangeant car celle-ci n’est pas
ponctuelle. Toutefois, envisager plusieurs hauts parleurs ne serait pas viable, de par
l’inévitable déphasage. Ce retard serait problématique surtout au niveau des hautes
fréquences, ayant des longueurs d’onde plus courtes, plus sensibles, même quand il est
question de minimes déphasages.
Dans le même genre, le casque anti-son par contrôle actif reste impraticable de par le
manque de précision de ses microphones, empêchant la reproduction d’un son inverse
parfaitement adapté. En outre, la vitesse de génération de l’onde opposée devrait
se conformer à un intervalle de temps très réduit, le micro se trouvant seulement à
quelques centimètres du haut parleur.
D’où la réelle nécessité de déplacer notre but initial vers quelque chose de plus plau-
sible, on pensera dorénavant à masquer le son, plutôt que l’annuler. Ainsi, nous pour-
rons toujours régler le problème de l’aspect désagréable du bruit et de l’intensité de
la chasse, tout en évitant les difficultés pratiques d’un dispositif anti-bruit.
12
Chapitre 2
Masquer le bruit
Puisque notre première solution n’est pas propice pour notre problème, nous
pouvons nous tourner vers la méthode du masquage de notre bruit. Pour cela, il est
impossible de travailler avec un oscillogramme du bruit. Les ingénieurs du son ont donc
mis en place des programmes pour créer un oscillogramme du son. Pour passer d’une
représentation à l’autre, les programmes utilisent la décomposition du son en séries
de Fourier. Les séries de Fourier sont parvenues à approximer une fonction périodique
en une série de fonctions trigonométriques. Voici les oscillogrammes de trois sons de
même fréquence émis par trois instruments différents. On constate qu’il s’agit de sons
complexes, qu’ils sont différents mais de même fréquence. Un son musical est une
somme de sons sinusoı̈daux de fréquence f fondamentale et d’harmoniques dont les
fréquences sont égales à 2f , 3f . . .
13
Figure 2.1 – Oscillogrammes de différents instruments
Afin de trouver une fonction que nous pouvons facilement étudier, il se-
rait intéressant de l’approximer par une somme de fonctions trigonométriques de
fréquences différentes. Commençons d’abord par quelques notions théoriques.
Remarque 1 (Période 1). Nous suivons [1] en ne considérant que les fonctions
périodiques de période 1. Généralement, les mathématiciens présentent les séries de
Fourier en employant des fonctions de périodes 2π. Nous avons choisi de prendre des
fonctions de période 1 car la moyenne de la fonction et l’intégrale coı̈ncident ; nous
verrons par la suite que cela facilitera les calculs. Cependant, nous pouvons ramener
toute fonction périodique à une période 1 par une transformation graphique. Si g(t)
est une fonction de période T , alors on constate que g( Tt ) est de période 1. En outre,
14
Figure 2.2 – Deux fonctions qui ont le même graphe mais de périodes différentes
Remarque 2. La formule d’Euler nous laisse un choix : travailler avec des fonctions
exponentielles complexes ou avec des fonctions trigonométriques. Nous optons pour la
première solution pour plusieurs raisons.
Premièrement, les nombres complexes sont plus généraux. Grâce aux coefficients de
Fourier complexes, on peut approximer des fonctions à valeurs complexes au lieu de
réelles.
Deuxièmement, les nombres complexes sont plus faciles au niveau des cal-
culs. En voici un exemple : les produits qui se transforment en somme.
P (t) = 4ei2π4t
= 4(cos 2π4t + i sin 2π4t)
15
Il s’agit d’un MCU de centre (0, 0), de sens anti-horloger (4 > 0), de rayon 4, de
déphasage initial 2π et de fréquence 4.
P (t) = cn ei2πnt .
N
X
P (t) = cn ei2πnt
n=−N
16
pour tout t ∈ R.
Nous dénoterons par TrigN l’ensemble des polynômes trigonométriques de degré N .
Exemple 2.
4
X
P (t) = cn ei2πnt
n=0
17
Figure 2.6 – Homer dessiné grâce aux coefficients de Fourier
si et seulement si
an = i(cn − c−n ) cn = bn +ian
2
⇐⇒
b = c + c c = bn −ian
n n −n −n 2
Démonstration. Soit,
a = 2 · c0 c = a20
0 0
an = i(cn − c−n ) et cn = bn +ia
2
n
b = (c + c ) c = bn −ian
n n −n −n 2
pour tout n ≥ 0
N
X
P (t) = a0 + (an cos(2πnt) + bn sin(2πnt))
n=1
18
Les propriétés des séries de Fourier reposent sur la propriété suivante, aussi
appelée l’orthogonalité.
Démonstration. Si n = 0, alors
Z 1
e0 dt = 1
0
Si n 6= 0, alors,
Z 1 h ei2πnt i1
ei2πnt dt = =0
0 i2πnt 0
Remarque 5. Nous avons montré que ces polynômes trigonométriques peuvent être
vus comme une superposition de mouvements circulaires uniformes. La position moyenne
d’un mouvement circulaire uniforme sur un nombre entier de périodes centré en 0 est
toujours 0. Ceci est le cas pour tout n, sauf quand n = 0 car dans ce cas, il n’y a
pas de mouvement. La moyenne d’une fonction réduite à un point est ce point lui-
même. Nous pouvons d’ailleurs interpréter l’intégrale de la fonction comme la position
moyenne sur n périodes d’un mouvement circulaire uniforme.
Maintenant que nous avons parcouru un peu de théorie, nous pouvons nous
pencher sur notre véritable question : quels sont les coefficients de Fourier qui offrent la
meilleure approximation d’une fonction ? Avant de le prouver formellement, essayons
d’abord d’en donner une conjecture de manière intuitive.
Si
N
X
f (t) = c0 + cn ei2πnt ,
|n|≥1
19
sur un nombre entier de périodes. En effet, en passant à la moyenne :
Z 1 Z 1 N
X
f (t) dt = c0 + cn ei2πnt dt
0 0 |n|≥1
Pour trouver le centre cn d’un cercle, on peut faire un décalage fréquentiel de l’ap-
proximation. Soit le polynôme
N
X
f (t) · e−i2πkt = cn ei2π(n−k)t
|n|
Z 1 Z 1 N
X
f (t) · e−i2πkt dt = cn ei2π(n−k)t dt = ck
0 0 |n|≥1
Pour tout k = n
PN
Donc, les coefficients du polynôme P (t) = n=−N ei2πnt sont :
Z 1
cn = f (t) · e−i2πnt dt
0
Distance entre deux fonctions Pour connaı̂tre la distance entre deux fonctions,
nous pouvons utiliser la moyenne quadratique, dont l’utilisation est motivée de la
même manière qu’en statistiques.
20
leur distance en moyenne quadratique par
s
Z 1
def
d(f ; g) = |(f (t) − g(t)|2 dt.
0
N
X
P (t) = cn ei2πnt .
n=−N
Z 1 N
X
|P (t)|2 dt = |cn |2
0 n=−N
Démonstration.
N
! M
!
Z 1 X X
i2πnt −i2πmt
cn e · cm e dt
0 −N −M
n,m=N
X Z 1 N
X
= cn cm ei2π(n−m)t = |cn |2
n,m=−N 0 n=−N
Puisque par la proposition 2.2.6, ce dernier terme à une valeur non-nulle, uniquement
si n = m.
21
polynôme trigonométrique
N
X
P (t) = cn ei2πnt
n=−N
est la meilleure approximation de f dans TrigN , alors les coefficients cn sont donnés
par
Z 1
cn = f (t)e−i2πnt dt
0
Z 1 N Z 1 Z 1
f (t)2 dt +
X
d2 (f, P ) = f (t)e−i2πnt dt − cn f (t)ei2πnt dt + cn cn .
−cn
0 n=−N 0 0
1
∂d2 (f, P )
Z
0= =− f (t)e−i2πnt dt + cn
∂cn 0
22
2.4 Les coefficients de Fourier
Z T
1 2
cn = F (n) = fp (t)e−iπnωt dt
T −T
2
1 h eiπnωt i1 1 1 π π
= = (e−in 2 − ein 2 )
4 −inω −1 4 −in π2
1 1 −i2πn
= (e − ei2πn )
nπ 2i
sin n π2
=
nπ
23
(−1)k
F (0) = 12 , F (2k) = 0, F (2k + 1) = (2k+1)π , ω= π
2
N
X
SN f (t) = cn ei2πnt
n=−N
De plus, ici, nous travaillons sur des fonctions de période 1 mais nous pou-
vons facilement ramener une fonction de période T à une période de 1.
N
2πn
X
SN f (t) = cn e i T t
n=−N
N N
X 2πnt X 2πnt
= a0 + an cos( )+ bn sin( ),
n=1
T n=1
T
où
RT 2πnt
cn = T1 0 f (t)e−i T t dt
a0 = 2 R T f (t) dt
T 0
[4]
24
2.5 Transformée de Fourier inverse
N
X
f (t) 6= fˆ(n) · ei2πnt
n=−N
pour un certain t ∈ R
Ceci prouve donc que nous devons aller plus loin dans le théorie pour trouver
une autre expression pour aller dans l’autre sens. En effet, l’approximation est toujours
la meilleure au sens de la moyenne quadratique pour notre fonction mais la fonction
n’est pas toujours égale à son approximation. Pourtant, les séries de Fourier sont
utilisées dans une série de domaines allant de la musique au traitement d’images. Des
mathématiciens se sont donc penchés sur la question et sont arrivés à la conclusion
suivante. Il est possible de retrouver une fonction à partir de ses coefficients de Fourier
à deux conditions :
1. Introduire les fréquences de plus en plus lentement
2. Imposer plus de régularité de la fonction
La première proposition se réfère au théorème de Féjèr et la deuxième au théorème
de Dirichlet.
Théorème 2.5.2 (Théorème de Féjèr). Pour tout f ∈ Cp , pour tout t ∈ [0, 1],
N
X |n| ˆ
σN f (t) = 1− f (n)ei2πn(t)
N +1
n=−N
25
valeurs de fréquence 1 et de fréquence 1000 pour une fréquence maximale de 1100.
n=1
1
1− fˆ(1)
1100 + 1
1100 ˆ
= f (1) ≈ fˆ(1)
1101
n = 1000
1000 ˆ
1− f (1)
1100 + 1
101
= fˆ(1)
1101
| {z }
forte atténuation
On s’aperçoit facilement que plus n est grand, plus le terme de fréquence n est mo-
difié. De manière plus théorique, on comprend que le terme de rang 0 est celui des
1
coefficients de Fourier alors que le N ième terme est multiplié par N +1 .
On peut apercevoir une forte ressemblance entre les deux théorèmes et ils
se prouvent d’ailleurs de manière analogue. La preuve étant difficile à notre niveau,
nous avons décidé d’en réaliser un début mais pour une preuve plus complète voir [5].
26
Théorème de Féjèr FN est appelé noyau de Féjèr et vaut :
N N −1
X N + 1 − |n| ˆ X 1
σN f (t) = f (n)ei2πnt FN (t) = Dn (t)
N +1 n=0
N
n=−N
Z 1
= f (s)FN (t − s) ds
0
(a) Tracé des premiers noyaux de Dirichlet (b) Tracé du noyau de Féjèr à différents ordres
1
Ici le noyau serait b−a . Contrairement aux noyaux que nous étudions chez Féjèr
et Dirichlet, celui-ci est constant. On peut donc parler de moyenne uniforme
tandis que chez Féjèr et Dirichlet, les intégrales ne sont pas des moyennes
uniformes et donnent plus de poids aux valeurs plus petites. On parle alors de
moyennes pondérées. D’ailleurs pour les deux noyaux, les valeurs sont les plus
grandes en 0.
3. Regardons maintenant quelle est la moyenne quand N tend vers l’infini.
Z 1 Z 1
f (s)DN (t − s) ds et f (s)FN (t − s) ds
0 0
donnent plus de poids aux valeurs où t − s se rapprochent de 0, autrement dit quand
t tend vers s. Et donc en passant à la limite :
= f (t)
27
Théorème de Féjèr Pour pouvoir passer ici à la limite, on uti-
Z 1
lise le fait que KN est positif.
lim f (s)FN (t − s) ds
N →∞ 0
= f (t)
Remarque 8. C’est lors de ce passage à la limite qu’il peut y avoir des problèmes.
Si les deux conditions précisées ci-dessus ne sont pas respectées, alors, nous sommes
dans le cas du théorème 2.5.1.
28
Figure 2.8 – traitement d’un signal
M −1
1 X k k
fˆ[n] = f ( )e−i2nπ M
M M
k=0
k
Remarque 9. La SFD correspond à la Somme de Riemann de la fonction f (t)e−i2π M de
division d (fixée précédemment) et de répartition gauche.
c’est-à-dire
M −1
1 X k k
fˆ(n) = lim f ( )e−i2nπ M
M →+∞ M M
k=0
Pour les séries de Fourier, nous avons déterminé son coefficient afin d’obtenir la
meilleure approximation. Nous l’avons précédemment prouvé dans la Proposition 2.3.5 (page
21). Soit n ∈ Z. Alors
Z 1 1 si n = 0
ei2πnt dt =
0 0 sinon.
Proposition 2.6.2 (Position moyenne). En analogie avec les Séries de Fourier, essayons
29
d’obtenir la meilleure approximation pour la SFD.
M −1 1
1 X i2πn M
k si n = 0
e =
M 0 sinon.
k=0
Démonstration.
M −1 M −1
1 X k X k
|f ( − cn ei2πn M |2
M M n=0
k=0
avec cn = fˆ[n]
1
car en considérant q = ei2πn M qui vaut 1 lorsque n=0
M −1
1 X k 1 1 − qM
q = =0
M M 1−q
k=0
De cette formule, nous en déduisons comme avant que les coefficients fˆ[n] mini-
misent l’erreur en moyenne quadratique.
Remarque 11. (Illustration) Illustrons la différence graphique entre la SFD et les Séries de
Fourier. Ce sont tous les deux des mouvements circulaires uniformes mais dans le cas de la
SFD, nous ne prendrons qu’un nombre fini de points (M). Par conséquent, lorsque M tend
vers l’infini, le coefficient de la SFD devient quasi égal au coefficient de Fourier. Les figures
2.9 et 2.10 représentent bien ce phénomène.
30
Figure 2.10 – Exemple appliqué à la SFD
M −1
k X k
ˆ i2πn M
f( )= f [n]e
M n=0
Démonstration.
M M −1 M −1
X k X 1 X l l k
fˆ[n]ei2πn M = f ( )e−i2πn M ei2πn M
n=−M n=−M
M M
l=0
−1 M1
M
!
X l 1 X i2πn (k−l)
= f( ) e M
M M n=−M
l=0
k k
= f( ).1 = f ( )
M M
Ceci conclut la partie mathématique de notre projet. Nous vous avons donné un
aperçu des opérations que l’ordinateur effectue lorsqu’il reçoit un signal. Il le traite grâce
aux algorithmes qui utilisent les Séries de Fourier et la SFD.
[5]
31
2.7 Le masquage du son
Plusieurs étapes devront être franchies avant d’aboutir à un masquage optimal.
Avant tout, il faudra réaliser un découpage fréquentiel du bruit que l’on cherche à masquer.
Dans notre cas, il s’agit du bruit d’une chasse d’eau. Pour le faire, nous aurons recours à
deux logiciels. Tout d’abord, nous utilisons Adobe Audition, nous permettant de visualiser
le spectre et le spectrogramme, grâce à l’outil de la SFD. Ensuite, nous utilisons Izotope
RX afin de cloner le spectre que l’on cherche à masquer, permettant ensuite de faire les
superpositions avec les spectres des bruits masquants.
Le masquage est un procédé qui consiste à superposer un son sur un autre, venant
englober totalement celui que l’on cherche à masquer. Le son utilisé devra dès lors avoir un
spectre similaire, comprenant la même rangée de fréquences, avec des intensités dépassant
celles du son original.
32
L’approche la plus évidente serait de prendre le bruit blanc et de le superposer
au bruit que l’on cherche à masquer. De fait, le bruit blanc est, par définition, un son com-
portant toutes les fréquences du spectre, de 20Hz à 20kHz. En utilisant le bruit blanc, nous
sommes sûres de masquer l’entièreté de notre son initial, à condition de prendre des inten-
sités suffisamment élevées.
Comme nous pouvons l’observer ci-dessus, le spectre bruit blanc vient couvrir
l’entièreté du spectre de la chasse d’eau. Toutefois, il ne l’englobe pas de façon optimale. De
fait, toutes les fréquences du bruit de la chasse d’eau n’atteignent pas la même intensité.
Néanmoins, on voit que le bruit blanc a pour caractéristique de maintenir la même intensité
sur tout le spectre, en vert sur l’image. Or, il est clair qu’une intensité si élevée n’est pas
nécessaire pour masquer certaines fréquences moins intenses de notre son. Cela impliquerait
d’avoir un résultat global plus fort que l’original, peu enviable. Cette solution n’est donc pas
idéale.
33
la chasse et, en vert, celui du bruit blanc. C’est un résultat nettement plus satisfaisant que
le précédent.
Toutefois, un problème perdure pour le bruit blanc, il s’agit en effet d’un son peu
agréable à l’oreille. Nous doutons qu’il améliore celui de la chasse d’eau. D’où l’envie de
rechercher des sons plus plaisants, permettant un masquage tout aussi efficace.
Grâce aux renseignements que nous avons pu recueillir sur notre son original, il
est possible de rechercher des alternatives tout aussi efficaces, mais plus douces. De fait, le
bruit blanc n’est pas le seul son couvrant la même rangée de fréquences que notre bruit de
chasse. En utilisant la base de données myNoise [7], développée par Stéphane Pigeon, nous
avons pu trouver quelques sons alternatifs, permettant de couvrir notre bruit initial. Nous
avons fait l’expérience avec le bruit de la côte irlandaise, de la pluie et de la jungle. Bien
sûr, comme pour le bruit blanc, il a fallu adapter le spectre à celui du son que l’on cherche
à masquer. Des modifications ont donc été faites pour aboutir à une enveloppe optimale du
bruit de la chasse.
34
Figure 2.14 – Spectres de tous les sons confondus
35
Chapitre 3
Conclusion
Il est maintenant l’heure de finaliser notre travail de fin d’études qui se prépare
depuis le début de l’année. Ce premier travail de fin d’études nous a permis d’étudier
une problématique axée sur les Mathématiques et la Physique, ce qui fut intéressant sous
différents aspects. Le travail de groupe vient d’emblée à l’esprit, l’organisation d’un tel tra-
vail, aussi nouveau soit-il pour nous, jeunes rhétoriciennes, l’apprentissage d’un nouveau
logiciel Latex, pas si facile à manipuler mais également et principalement la recherche de
solutions à notre problématique ; l’annulation du bruit insupportable d’une chasse d’eau.
Nous avons trouvé amusant de pouvoir s’intéresser à un aspect de notre quotidien dans le
cadre d’un travail de fin d’études. Maintenant que nous vous avons exprimé notre sentiment
sur notre travail, nous allons conclure l’étude de notre problématique.
A l’issue de nos recherches, expériences ou encore rencontres, nous avons conclu que la
meilleure option pour rendre le bruit de la chasse d’eau plus agréable était l’option du mas-
quage du bruit.
En effet, l’idée de départ, très optimiste, visant à annuler totalement le bruit s’est avérée im-
possible. Trois raisons principales aboutissent à ce raisonnement. La première fait référence
au caractère variable de la vitesse de propagation du son dans l’air, notamment en fonction
des variations de température. Par conséquent, nous avons rapidement compris qu’il aurait
été difficile d’adapter l’onde produite à tout changement. La deuxième raison est en lien
avec le problème de la source de l’onde sonore. Celle-ci est perçue différemment à différents
endroits de la pièce car elle se réfléchit. Dans notre cas précis, la source du bruit de la chasse
n’est pas ponctuelle (canalisations, . . . ), ce qui nous empêche alors d’émettre un simple anti-
bruit à sa source, suivant le même trajet que l’onde originale. Enfin, la non-périodicité du
son émis par la chasse d’eau constitue la troisième raison. Pour faire face à cet obstacle,
il aurait fallu inverser le bruit perçu “en direct”. Seulement, c’est très compliqué et risqué
car un retard d’un millième de seconde entraı̂ne directement un déphasage de l’émission de
l’onde inverse pouvant amplifier le bruit initial au lieu de l’annuler.
36
En étudiant ces trois facteurs rendant impossible notre idée de départ, nous nous sommes
rendues à l’évidence que nous allions devoir déplacer notre but initial vers quelque chose de
plus réaliste. Le masquage du bruit, au lieu de son annulation, nous a directement intéressées
car cette deuxième solution permet aussi bien de compenser l’aspect désagréable du bruit
que l’intensité de la chasse, tout en évitant les difficultés pratiques d’un dispositif d’anti-
bruit. Avec l’aide de M. Pigeon et de ses connaissances sur le son ainsi que de ses logiciels
performants, nous avons eu l’opportunité d’expérimenter concrètement le masquage du bruit
d’une chasse d’eau par plusieurs sons au choix, notamment des sons perçus dans la jungle,
sur les côtes irlandaises ou encore la pluie. Un masquage optimal s’obtient après avoir franchi
plusieurs étapes. Le découpage fréquentiel du bruit que l’on cherche à masquer est d’abord
nécessaire. Il est réalisé à l’aide d’un logiciel qui utilise la SFD pour réaliser la décomposition
et aboutir au diagramme spectral. Ensuite, un masquage optimal rendant plus plaisant le
bruit que nous cherchons à atténuer s’effectue par des sons déterminés tels que ceux ayant
été cités plus haut. Nous aurions pu choisir de nous arrêter au masquage du bruit par le bruit
blanc, ou encore à son optimisation mais le résultat n’aurait pas été aussi agréable sans être
plus efficace pour autant.
Pour conclure, nous serions ravies de parvenir à mettre au point et appliquer en réalité
le masquage du bruit de la chasse d’eau, ce qui sera notre mot de fin.
37
Chapitre 4
Remerciements
Nous tenons particulièrement à remercier, tout d’abord, Monsieur Bolly ainsi que
Madame Magos, nos professeurs de Mathématiques, pour avoir encadré notre TFE ainsi que
pour leurs précieux conseils.
Nous remercions également Monsieur Pigeon pour avoir pris le temps de répondre
à toutes nos questions et nous avoir aidées à aborder notre sujet. Nous le remercions pour
son aide précieuse qui nous a permis d’entrée de saisir les deux grandes parties de notre TFE.
D’ailleurs, pensez à aller voir Mynoise, un site formidable accessible à tous, qu’il a conçu
pour nous permettre de nous relaxer, de nous concentrer en nous plongeant dans différents
lieux agréables à l’exemple de la jungle, des côtes irlandaises ou encore de la pluie.
Nous remercions Monsieur Nguyen [?], un grand génie passionné par l’étude du
grand Mathématicien Fourier, pour son exigence et son implication au sein de notre TFE
qui nous a permis de comprendre et d’écrire la théorie relative aux séries de Fourier avec
précision et rigueur.
Nous n’oublions pas de remercier Diego de Patoul sans qui nous n’aurions peut-
être jamais eu l’idée d’axer notre TFE sur le fameux bruit de la chasse d’eau.
Enfin, nous remercions les parents d’Eloı̈se qui nous ont accueillis plus d’une fois
afin que nous progressions dans notre TFE.
Milcent Solène
Plas Eloı̈se
Vilela Joana
Wezel Camille
38
Chapitre 5
Bibliographie
39
Bibliographie
[1] Augusto Ponce, Jean Van Schaftingen, Analyse mathématique 3 : Equations, suites et
séries de fonctions, intégrale, 2015-2016.
40
[5] Université de Grenoble, Analyse de Fourier 2, http ://www-cs-
faculty.stanford.edu/ uno/abcde.html
(25-04-2019)
[6] https ://fr.wikipedia.org/wiki/TransformationdeFourierdiscrète (24/02/19)
https ://perso.esiee.fr/ bercherj/New/polys/polytfd.pdf (24/02/19)
http ://perso.univ-lemans.fr/ berger/SignalMP2/TFD/co/tfd.html (24/02/19)
https ://mynoise.net/about.php (24/02/19)
http ://www.f-legrand.fr/scidoc/srcdoc/numerique/tfd/periodique2/periodique2-
pdf.pdf (10/03/19)
http ://www.robots.ox.ac.uk/ sjrob/Teaching/SP/l7.pdf (10/03/19)
[8] Captures d’écran directement prises de l’ordinateur de Stéphane Pigeon lors de nos
différents essais de masquage.
[9] Ses précieuses connaissances mathématiques sur Fourier et sa grande rigueur.
41
Annexes
42
Chapitre 6
Annexe
“Tignem regunt numeri”, ce qui signifie “Ainsi donc les nombres régissent le feu”
est la devise choisie par Fourier pour sa théorie analytique de la chaleur publiée en 1822.
Français, de son prénom Joseph, Fourier a vécu 62 ans avant de décéder en 1830 à Paris.*
Fourier s’inscrit parmi les plus grands scientifiques mondiaux. Son nom est cité de
nombreuses fois, sur des couvertures ou dans des livres, notamment celui de Stephen Hawking
Et Dieu créa les nombres. Le travail réalisé par ce mathématicien de renom est considérable.
Il a permis d’exprimer des fonctions discontinues comme somme d’une série infinie de sinus
et de cosinus. C’est lui qui introduit la notion pratique concernant les intégrales.
Z X
f (x)dx
X0
Selon Fourier, la chaleur du globe terrestre dérive de trois sources qu’il est d’abord
nécessaire de distinguer : les rayons du Soleil qu’il considère comme étant la principale, la
43
température de l’espace qu’il surestime en l’assimilant à celle des régions polaire et enfin la
chaleur interne datant de la formation de la Terre qu’il considère comme étant négligeable.
Fourier indique le rôle régulateur des courants marins et des vents sur la température
terrestre, il analyse le rayonnement infrarouge thermique et esquisse de l’effet de serre. Par
son étude relative à l’effet de serre, il imagine même les effets de l’industrie humaine ,
alors très peu développée, sur la température terrestre. Selon Fourier, les mouvements de
l’air et des eaux, l’étendue des mers, l’élévation et la forme du sol, les effets de l’industrie hu-
maine et tous les changements accidentels de la surface terrestre modifient les températures
dans chaque climat. Bien qu’il soit loin d’envisager une modification éventuelle de l’effet de
serre due à l’industrie humaine, Fourier peut être considéré comme l’un des précurseurs de
la climatologie actuelle.
44