Fourier-Transformation intuitiv verstehen (Signale werden Frequenzen)

Schlage drei Tasten eines Klaviers gleichzeitig an, und eine einzige, verschlungene Druckwelle verlässt das Instrument. Sie trifft dein Trommelfell als eine wackelnde Linie, nicht als drei. Dennoch trennt dein Innenohr diese Linie mühelos wieder in ihre drei Töne, und eine geschulte Musikerin kann den Akkord benennen. Irgendwo zwischen der Luft und deinem Bewusstsein wurde ein gemischtes Signal in seine reinen Frequenzen entmischt.

Dieses Entmischen hat einen Namen. Die Fourier-Transformation ist die mathematische Maschine, die ein beliebiges Signal nimmt, einen Klang, eine Bildzeile, einen Aktienkurs, die Schwingung einer Brücke, und es als Liste der darin enthaltenen reinen Frequenzen neu schreibt. Sie ist der Grund, warum dein Handy Audio komprimieren kann, warum MRT-Geräte Bilder erzeugen und warum Ingenieure einen klappernden Motor betrachten und sagen können: "Das ist die 400-Hertz-Komponente."

Die meisten Lernenden begegnen der Fourier-Transformation als auswendig zu lernender Formel: ein Integral mit einer komplexen Exponentialfunktion darin und ohne erkennbaren Grund für irgendetwas davon. Dieser Leitfaden baut das Bild von Grund auf. Die eng verwandte Laplace-Transformation haben wir kürzlich behandelt, und am Ende wirst du sehen, dass beide dieselbe Maschine mit einer anderen Reglerstellung sind.

Zwei Beschreibungen derselben Sache

Denk an ein Rezept für einen Kuchen. Du kannst den fertigen Kuchen beschreiben, indem du auflistest, was du an jedem Punkt in seinem Inneren beobachten würdest, Schicht für Schicht, Krümel für Krümel. Oder du beschreibst ihn über die Zutaten: 200 Gramm Mehl, 3 Eier, 100 Gramm Zucker. Beide Beschreibungen enthalten denselben Kuchen. Die eine beschreibt, wo sich die Dinge befinden; die andere, woraus er besteht.

Ein Signal besitzt genau diese zwei Beschreibungen:

• Der Zeitbereich listet den Wert des Signals in jedem Augenblick auf: den Druck an deinem Trommelfell bei 0,001 Sekunden, bei 0,002 Sekunden und so weiter. So treffen Signale in der realen Welt ein.
• Der Frequenzbereich listet die Zutaten auf: wie viel von einer Sinuswelle mit 440 Hertz enthalten ist, wie viel von 523 Hertz, wie viel von jeder denkbaren Frequenz. Das ist es, was die Fourier-Transformation liefert.

Fouriers Einsicht, erstmals 1822 bei der Untersuchung der Wärmeleitung veröffentlicht, bestand darin, dass diese Zutatenlisten vollständig sind. Jedes vernünftige Signal, so zackig es auch sein mag, lässt sich aus einer Summe glatter Sinuswellen exakt rekonstruieren. Es versteckt sich keine dritte Zutat irgendwo. Sinusse genügen.

Warum Sinuswellen das Alphabet sind

Warum Sinusse und nicht Rechtecke, Dreiecke oder irgendeine andere Form? Weil Sinuswellen die einzigen Formen sind, die jene Operationen überstehen, auf die es in der Physik ankommt.

Leite eine Sinuswelle ab, und du erhältst einen Kosinus, also dieselbe Welle, verschoben um eine Viertelperiode. Leite erneut ab, und du erhältst einen negativen Sinus: wieder dieselbe Form, nur skaliert. Wie wir im Beitrag zur Trigonometrie gezeigt haben, ist eine Sinuswelle ein von der Seite betrachteter Kreis, und das Drehen eines Kreises verwandelt ihn nie in etwas anderes.

Schicke eine Sinuswelle durch eine Feder, einen Schaltkreis oder einen Konzertsaal, und heraus kommt eine Sinuswelle derselben Frequenz, vielleicht lauter oder leiser und vielleicht verzögert, aber niemals eine andere Form. Ingenieure nennen Systeme mit dieser Eigenschaft linear und zeitinvariant, und nahezu jedes physikalische System ist eines davon, zumindest näherungsweise.

Genau darin liegt der Nutzen des Frequenzbereichs. Wenn du weißt, was ein System mit jeder reinen Frequenz macht, und du jedes Eingangssignal in reine Frequenzen zerlegen kannst, dann weißt du, was das System mit jedem Eingang macht. Aus der schwierigen Frage "Was macht diese Brücke, wenn ein Lastwagen darauf trifft" wird eine Liste leichter Fragen: "Was macht diese Brücke bei 1 Hertz, bei 2 Hertz, bei 3 Hertz."

Die Aufwickelmaschine

Nun zum Mechanismus. Angenommen, du hast ein Signal und willst wissen, wie viel von einer bestimmten Frequenz, sagen wir 3 Schwingungen pro Sekunde, darin steckt. Hier ist ein anschauliches Verfahren, das die Frage beantwortet.

Nimm den Graphen deines Signals, also eine entlang einer Zeitachse gezeichnete Linie. Wickle diese Linie nun um einen Kreis, mit einer Aufwickelrate von 3 Umläufen pro Sekunde Signalzeit. Wo das Signal groß ist, liegt die aufgewickelte Linie weit vom Mittelpunkt entfernt; wo es klein ist, schmiegt sie sich an den Mittelpunkt. Du erhältst ein Gekritzel rund um den Ursprung.

Nun bestimme den Schwerpunkt dieses Gekritzels.

Enthält das Signal nichts bei 3 Hertz, landen die Hochs und Tiefs des Signals unter zufälligen Winkeln auf dem Kreis. Sie heben sich auf, und der Schwerpunkt liegt nahe am Ursprung. Enthält das Signal jedoch eine 3-Hertz-Komponente, landen ihre Spitzen Umlauf für Umlauf immer auf derselben Seite des Kreises. Sie summieren sich auf, und der Schwerpunkt wandert vom Ursprung weg.

Wiederhole das für jede mögliche Aufwickelrate, trage den Abstand des Schwerpunkts gegen die Aufwickelrate auf, und du hast die Fourier-Transformation gezeichnet. Spitzen in diesem Diagramm sind die im Signal vorhandenen Frequenzen. Das ist die gesamte Idee. Alles Weitere ist Notation.

Die Formel, Stück für Stück

Die Aufwickelmaschine, in Symbolen geschrieben, lautet:

$$\hat{f}(\omega) = \int_{-\infty}^{\infty} f(t)\, e^{-i\omega t}\, dt$$

Jedes Stück entspricht einem Schritt des Verfahrens.

Das Aufwickeln. Der Faktor $e^{-i\omega t}$ ist die Drehung. Nach der Eulerschen Formel gilt $e^{-i\omega t} = \cos(\omega t) - i\sin(\omega t)$, also ein Punkt, der sich mit der Kreisfrequenz ω im Uhrzeigersinn auf dem Einheitskreis bewegt. Während t fortschreitet, dreht sich dieser Punkt. Diese Drehung ist das Aufwickeln, und ω ist die Aufwickelrate.

Das Umwickeln. Das Produkt $f(t)\, e^{-i\omega t}$ ist das Gekritzel. Die Multiplikation des rotierenden Punktes der Länge eins mit dem Signalwert f(t) streckt ihn nach außen oder zieht ihn nach innen. Große Signalwerte schieben den Punkt weit vom Mittelpunkt weg, kleine Werte ziehen ihn heran. Das Produkt zeichnet exakt das Gekritzel aus dem vorigen Abschnitt.

Der Schwerpunkt ist das Integral. Summiert man die Position des Gekritzels in jedem Augenblick auf, vom Anfang bis zum Ende der Zeit, und liest das Ergebnis als eine einzige komplexe Zahl, so erhält man einen Punkt, dessen Abstand vom Ursprung misst, wie stark das Signal bei ω mitschwingt. Streng genommen ist das die Summe und nicht der Mittelwert, es skaliert also mit der Dauer des Signals, doch die Form des Spektrums bleibt dieselbe.

Das Ergebnis $\hat{f}(\omega)$ ist für jedes ω eine komplexe Zahl, und beide Anteile zählen. Ihr Betrag ist die Amplitude dieser Frequenz: wie viel von der Zutat im Rezept steckt. Ihr Winkel ist die Phase: an welcher Stelle des Zyklus diese Zutat einsetzt. Zwei Signale können bei jeder Frequenz dieselben Amplituden besitzen und trotzdem völlig verschieden klingen, weil ihre Phasen sich unterscheiden.

Warum die Exponentialfunktion statt eines Sinus

Lernende fragen oft, warum der Kern eine komplexe Exponentialfunktion ist und nicht einfach eine Sinuswelle. Man könnte sein Signal ja auch mit $\sin(\omega t)$ multiplizieren und integrieren.

Das Problem ist die Phase. Enthält dein Signal einen Kosinus mit der Frequenz ω und testest du es gegen einen Sinus derselben Frequenz, mittelt sich das Produkt zu null, weil Sinus und Kosinus eine Viertelperiode auseinanderliegen. Du würdest schließen, die Frequenz fehle, obwohl sie in voller Stärke vorhanden ist. Um jede Phase zu erwischen, bräuchtest du zwei Tests, einen gegen den Sinus und einen gegen den Kosinus, und müsstest die Ergebnisse anschließend zusammenführen.

Die komplexe Exponentialfunktion erledigt beide Tests auf einmal. Ihr Realteil ist der Kosinustest und ihr Imaginärteil der Sinustest, verpackt in einem einzigen rotierenden Objekt. Mit welcher Phase die Frequenz auch eintrifft, irgendein Teil der Drehung passt dazu. Der Betrag der entstehenden komplexen Zahl ist genau das, was die kombinierte Zwei-Test-Methode liefert, und der Winkel verrät die Phase gratis dazu. Im Beitrag über imaginäre Zahlen haben wir i als Drehung beschrieben; hier leistet diese Drehung handfeste ingenieurtechnische Arbeit.

Negative Frequenzen sind kein Fehler

Das Integral läuft über alle ω, auch über negative Werte, und die Transformierte eines reellen Signals zeigt auf der negativen Seite stets ein Spiegelbild. Das irritiert viele. Was soll eine negative Frequenz physikalisch bedeuten?

Sieh dir die Eulersche Formel noch einmal an. Ein reeller Kosinus ist der Mittelwert zweier Drehungen:

$$\cos(\omega t) = \frac{e^{i\omega t} + e^{-i\omega t}}{2}$$

Der erste Term dreht sich mit der Rate ω gegen den Uhrzeigersinn, der zweite mit derselben Rate im Uhrzeigersinn. Die Drehung im Uhrzeigersinn mit ω ist das, was die Transformation als Frequenz minus ω verbucht. Ein reellwertiges Signal kann die beiden Richtungen nicht unterscheiden, es enthält daher immer beide zu gleichen Teilen, und das Spektrum ist symmetrisch.

Die negative Hälfte trägt für reelle Signale keine neue Information, und in der Praxis zeichnen Ingenieure oft nur die positive Seite. Doch beide Hälften beizubehalten hält die Formeln symmetrisch und erlaubt derselben Transformation, komplexwertige Signale zu behandeln, etwa in Funktechnik und MRT, wo sich die beiden Drehrichtungen tatsächlich unterscheiden.

Die Rückreise

Ein Rezept wieder in einen Kuchen zu verwandeln, ist die Aufgabe der inversen Fourier-Transformation:

$$f(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} \hat{f}(\omega)\, e^{i\omega t}\, d\omega$$

Lies das als Anweisung: Nimm für jede Frequenz ω die Menge $\hat{f}(\omega)$ dieser Zutat, lass sie mit dieser Rate gegen den Uhrzeigersinn rotieren und summiere alles auf. Das Vorzeichen im Exponenten ist von minus auf plus gekippt, weil du nun abwickelst statt aufwickelst. Der Faktor 2π ist reine Buchhaltung und korrigiert die Tatsache, dass ein voller Umlauf 2π Radiant misst; manche Lehrbücher teilen ihn symmetrisch als $1/\sqrt{2\pi}$ auf beide Transformationen auf, andere lassen ihn ganz verschwinden, indem sie die Frequenz in Hertz statt in Radiant pro Sekunde messen. Die Physik ändert sich dadurch nicht, nur die Konstante.

Das Formelpaar ist nahezu perfekt symmetrisch. Diese Symmetrie ist ein tiefer Hinweis: Zeit und Frequenz sind zwei Ansichten desselben Objekts, und keine von beiden ist grundlegender als die andere.

Ableitungen werden erneut zu Multiplikationen

Die Laplace-Transformation verdiente sich ihren Platz, indem sie Ableitungen in eine Multiplikation mit s verwandelte. Die Fourier-Transformation vollführt denselben Kunstgriff mit iω.

Leite die Formel der inversen Transformation nach t ab. Die einzige Stelle, an der t auftaucht, steckt in $e^{i\omega t}$, und deren Ableitung zieht einen Faktor iω heraus:

$$\frac{d}{dt} f(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty} \bigl(i\omega\, \hat{f}(\omega)\bigr)\, e^{i\omega t}\, d\omega$$

Die Fourier-Transformierte von $f'(t)$ ist also schlicht $i\omega\, \hat{f}(\omega)$. Eine Ableitung nach der Zeit multipliziert jede Frequenzkomponente mit iω: Hohe Frequenzen werden verstärkt, niedrige gedämpft, und jede Komponente wird um eine Vierteldrehung gedreht. Genau deshalb macht das Ableiten verrauschte Signale noch verrauschter. Rauschen sitzt bei hohen Frequenzen, und die Ableitung multipliziert diese mit großen Zahlen.

Dieselbe Logik verwandelt eine Differentialgleichung mit konstanten Koeffizienten in eine algebraische Gleichung in ω, und so lösen Physiker Wellen- und Wärmeleitungsgleichungen. Genau dafür hat Fourier das Werkzeug erfunden.

Fourier und Laplace: eine Maschine, zwei Reglerstellungen

Stelle die beiden Transformationen nebeneinander:

$$F(s) = \int_0^{\infty} f(t)\, e^{-st}\, dt, \qquad \hat{f}(\omega) = \int_{-\infty}^{\infty} f(t)\, e^{-i\omega t}\, dt$$

Im Laplace-Beitrag haben wir s als Einstellrad mit zwei Reglern beschrieben, $s = \sigma + i\omega$: σ für exponentielles Abklingen, ω für Schwingung. Stellt man den Dämpfungsregler auf null, also σ = 0 und s = iω, wird aus dem Laplace-Kern $e^{-st}$ der Fourier-Kern $e^{-i\omega t}$. Die Fourier-Transformation ist die entlang der imaginären Achse der s-Ebene ausgewertete Laplace-Transformation.

Der andere Unterschied ist die untere Grenze. Laplace beginnt bei t = 0, weil sie für Ursache-Wirkungs-Systeme mit Einschaltzeitpunkt und Anfangsbedingungen gebaut ist. Fourier läuft über die gesamte Zeit, weil sie für stetige Signale gebaut ist, die es schon immer gab und immer geben wird: ein gehaltener Ton, eine Trägerwelle, ein gleichbleibendes Brummen.

Welche zu wählen ist, ergibt sich aus der Fragestellung. Einschwingvorgänge, Schaltvorgänge und Anfangsbedingungen: Laplace. Spektren, Filter und stationäre Schwingungen: Fourier. Der Dämpfungsregler ist es, der Laplace auch mit unbeschränkt wachsenden Signalen umgehen lässt, die das Fourier-Integral nicht verkraftet; das zweiseitige Integral wiederum lässt Fourier Signale ohne Anfang beschreiben.

Der unausweichliche Kompromiss

Eine letzte Eigenschaft erklärt erstaunlich viel Physik. Ein Signal, das in der Zeit schmal ist, ist in der Frequenz breit, und ein Signal, das in der Frequenz schmal ist, ist in der Zeit breit. Beides zugleich geht nicht.

Eine reine Sinuswelle besitzt eine einzige Frequenz, ihr Spektrum ist also eine einzelne Spitze. Aber eine reine Sinuswelle dauert ewig. Schneide sie auf eine Sekunde zu, und das Spektrum verbreitert sich um die ursprüngliche Frequenz herum; schneide sie auf eine Millisekunde zu, und es verbreitert sich noch viel stärker. Im Grenzfall enthält ein augenblicklicher Knack alle Frequenzen gleichermaßen, weshalb ein Händeklatschen wie weißes Rauschen klingt und eine Stimmgabel wie ein Ton.

Das Aufwickelbild macht das offensichtlich. Ein kurzer Signalausbruch wickelt sich bei jeder Aufwickelrate nur wenige Male um den Kreis, sodass der Schwerpunkt nie sauber aufgehoben werden kann. Viele benachbarte Aufwickelraten liefern alle ein ähnliches, mittleres Ergebnis. Ein langes Signal wickelt sich tausendfach auf, und nur die exakt passende Rate übersteht die Auslöschung.

In der Quantenmechanik sind Ort und Impuls ein Fourier-Paar, und genau dieser Kompromiss ist die heisenbergsche Unschärferelation. Sie ist keine Grenze der Messtechnik. Sie ist eine Eigenschaft von Wellen.

Wo die typischen Fehler entstehen

Beim Arbeiten mit Fourier-Transformationen stolpern Lernende an drei vorhersehbaren Stellen.

Die erste ist das Weglassen der Phase. Weil das Amplitudenspektrum das ist, was gezeichnet wird, beginnen viele, sich die Transformierte nur als Liste von Amplituden vorzustellen. Dann kommt eine Rücktransformation falsch heraus, weil die Winkel von $\hat{f}(\omega)$ verworfen wurden. Die Transformierte ist eine Liste komplexer Zahlen, und die Hälfte jeder Zahl steckt in ihrem Winkel.

Die zweite ist die Verwirrung um Vorzeichen und Konstanten. Verschiedene Lehrbücher setzen das 2π an verschiedene Stellen und wählen verschiedene Vorzeichen im Exponenten, und alle sind korrekt, solange Hin- und Rücktransformation zueinander passen. Wähle eine Konvention, schreibe beide Formeln oben auf das Blatt und prüfe, dass Transformation und Rücktransformation eine einfache Funktion unverändert zurückgeben.

Die dritte besteht darin, von einem endlichen Signal ein sauberes Spektrum zu erwarten. Reale Messungen sind endlich, ihre Spektren zeigen daher immer die Verbreiterung aus dem vorigen Abschnitt, dazu Wellen aus dem abrupten Abschneiden an den Rändern. Das ist kein Rechenfehler. Das ist der Kompromiss, der sich bemerkbar macht, und Fensterfunktionen gibt es, um ihn zu beherrschen.

Wo Math Zen ansetzt

Die Fourier-Transformation ruht auf drei Fertigkeiten, die automatisch sitzen müssen, bevor die Anschauung dich tragen kann: trigonometrische Identitäten, komplexe Exponentialfunktionen und Integrale von Produkten.

Wenn das Umrechnen zwischen $\cos(\omega t)$ und komplexen Exponentialfunktionen bewusste Mühe kostet oder das Integrieren von $e^{-at} e^{-i\omega t}$ von Hand unsicher wirkt, bleibt die Transformation für immer eine Blackbox. Math Zen trainiert genau diese Bausteine in kurzen täglichen Einheiten:

• Trigonometrie: Sicherheit bei Additionstheoremen und Doppelwinkelformeln samt dem Kreisbild dahinter, im Modul für Trigonometrie-Übungen.
• Komplexe Zahlen: Polarform, Eulersche Formel und Drehen durch Multiplizieren, im Modul für Übungen zu komplexen Zahlen.
• Transformationen: Dieselbe Mechanik des Kernintegrals, einschließlich der Transformation von Ableitungen, im Modul für Laplace-Transformations-Übungen.

Sitzen diese Reflexe, hört die Fourier-Transformation auf, eine Formel zu sein, und wird zu dem, was sie ist: eine Aufwickelmaschine, die das Rezept eines Signals abliest.

Das Fazit

Die Fourier-Transformation schreibt ein Signal von "Welchen Wert hat es zu jedem Zeitpunkt" um in "Wie viel von jeder Frequenz ist enthalten". Sie funktioniert, weil Sinuswellen jene Formen sind, die physikalische Systeme unverändert lassen, sodass die Kenntnis des Frequenzgehalts eines Signals verrät, wie jedes lineare System darauf antwortet.

Die Formel ist eine Aufwickelmaschine: $e^{-i\omega t}$ wickelt das Signal mit der Rate ω um einen Kreis, das Integral findet den Schwerpunkt, und ein Schwerpunkt weit weg vom Ursprung bedeutet, dass diese Frequenz vorhanden ist. Die komplexe Exponentialfunktion erwischt jede Phase auf einmal, negative Frequenzen sind das Spiegelbild, das jedes reelle Signal mit sich trägt, und die Rücktransformation wickelt ab, indem sie in die andere Richtung dreht.

Stelle den Dämpfungsregler der Laplace-Transformation auf null, und du hast die Fourier-Transformation. Nutze Laplace für Schaltvorgänge und Einschwingvorgänge, Fourier für Spektren und stationäre Signale, und denke daran: Was immer du nutzt, ein in der Zeit kurzes Signal ist stets breit in der Frequenz.