Förstå fouriertransformen intuitivt (Från signaler till frekvenser)

Tryck ner tre tangenter på ett piano samtidigt och en enda hoptrasslad tryckvåg lämnar instrumentet. Den träffar din trumhinna som en enda vinglande linje, inte tre. Ändå separerar ditt inneröra den linjen tillbaka till sina tre toner utan minsta ansträngning, och en tränad musiker kan namnge ackordet. Någonstans mellan luften och ditt medvetande blev en blandad signal uppdelad i sina rena frekvenser.

Den uppdelningen har ett namn. Fouriertransformen är den matematiska maskin som tar vilken signal som helst, ett ljud, en bildrad, en aktiekurs, vibrationerna i en bro, och skriver om den som en lista över de rena frekvenser som finns inuti. Den är anledningen till att din telefon kan komprimera ljud, anledningen till att magnetkameror kan skapa bilder, och anledningen till att ingenjörer kan titta på en skramlande motor och säga "det där är komponenten vid 400 hertz".

De flesta studenter möter fouriertransformen som en formel att memorera: en integral med en komplex exponentialfunktion inuti och ingen uppenbar anledning till något av det. Den här guiden bygger upp bilden från grunden. Vi gick nyligen igenom den nära besläktade Laplacetransformen, och när du är klar kommer du att se att båda är samma maskin med olika inställning på ratten.

Två beskrivningar av samma sak

Tänk på ett recept för en kaka. Du kan beskriva den färdiga kakan genom att räkna upp vad du skulle observera i varje punkt inuti den, lager för lager, smula för smula. Eller så kan du beskriva den genom att räkna upp ingredienserna: 200 gram mjöl, 3 ägg, 100 gram socker. Båda beskrivningarna innehåller samma kaka. Den ena beskriver var sakerna finns, den andra beskriver vad den är gjord av.

En signal har samma två beskrivningar:

• Tidsdomänen räknar upp signalens värde i varje ögonblick: trycket vid din trumhinna vid 0,001 sekunder, vid 0,002 sekunder, och så vidare. Så här anländer signaler i den verkliga världen.
• Frekvensdomänen räknar upp ingredienserna: hur mycket av en sinusvåg på 440 hertz som finns med, hur mycket av 523 hertz, hur mycket av varje tänkbar frekvens. Det är detta fouriertransformen producerar.

Fouriers insikt, först publicerad 1822 medan han studerade värmeledning, var att dessa ingredienslistor är fullständiga. Varje rimlig signal, hur hackig den än är, kan rekonstrueras exakt från en summa av jämna sinusvågor. Det finns ingen tredje ingrediens som gömmer sig någonstans. Sinusvågor räcker.

Varför sinusvågor är alfabetet

Varför sinusvågor snarare än fyrkanter, trianglar eller någon annan form? Därför att sinusvågor är de enda former som överlever de operationer fysiken bryr sig om.

Derivera en sinusvåg och du får en cosinus, som är samma våg förskjuten en kvarts period. Derivera igen och du får en negativ sinus: samma form än en gång, skalad. Som vi utforskade i artikeln om trigonometri är en sinusvåg en cirkel sedd från sidan, och att rotera en cirkel förvandlar den aldrig till något annat.

Mata in en sinusvåg i en fjäder, en krets eller en konsertsal, och det som kommer ut är en sinusvåg med samma frekvens, möjligen starkare eller svagare och möjligen fördröjd, men aldrig med en annan form. Ingenjörer kallar system med denna egenskap linjära och tidsinvarianta, och nästan alla fysikaliska system är sådana, åtminstone approximativt.

Det är hela anledningen till att frekvensdomänen är användbar. Om du vet vad ett system gör med varje ren frekvens, och du kan dela upp vilken insignal som helst i rena frekvenser, vet du vad systemet gör med varje insignal. Det svåra problemet "vad gör den här bron när en lastbil kör över den" blir en lista med enkla problem: "vad gör bron vid 1 hertz, vid 2 hertz, vid 3 hertz".

Lindningsmaskinen

Nu till mekanismen. Anta att du har en signal och vill veta hur mycket av en viss frekvens, säg 3 svängningar per sekund, som gömmer sig i den. Här är ett fysiskt förfarande som besvarar frågan.

Ta grafen för din signal, som är en linje ritad längs en tidsaxel. Linda nu den linjen runt en cirkel, med en lindningstakt på 3 varv per sekund signaltid. Där signalen är stor hamnar den lindade linjen långt från centrum, där signalen är liten kryper den nära centrum. Du får ett klotter ritat runt origo.

Hitta nu masscentrum för det klottret.

Om signalen inte innehåller något vid 3 hertz hamnar signalens toppar och dalar på slumpmässiga vinklar runt cirkeln. De tar ut varandra, och masscentrum ligger nära origo. Men om signalen verkligen innehåller en komponent vid 3 hertz hamnar dess toppar på samma sida av cirkeln, varv efter varv. De hopar sig, och masscentrum svänger bort från origo.

Upprepa detta för varje tänkbar lindningstakt, rita masscentrums avstånd mot lindningstakten, och du har ritat fouriertransformen. Toppar i diagrammet är frekvenser som finns i signalen. Det är hela idén. Allt annat är notation.

Formeln, del för del

Lindningsmaskinen, skriven i symboler, är:

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

Varje del motsvarar ett steg i förfarandet.

Lindningen. Faktorn $e^{-i\omega t}$ är snurren. Enligt Eulers formel är $e^{-i\omega t} = \cos(\omega t) - i\sin(\omega t)$, en punkt som rör sig medurs runt enhetscirkeln med vinkelfrekvensen ω. När t går framåt snurrar den punkten. Det snurret är lindningen, och ω är lindningstakten.

Inlindningen. Produkten $f(t)\, e^{-i\omega t}$ är klottret. Att multiplicera den snurrande punkten med enhetslängd med signalvärdet f(t) sträcker ut den eller drar in den. Stora signalvärden skjuter punkten långt från centrum, små värden drar in den. Produkten ritar exakt det klotter som beskrevs i föregående avsnitt.

Masscentrum är integralen. Att summera klottrets position i varje ögonblick, från tidens början till dess slut, och behandla resultatet som ett enda komplext tal, ger en punkt vars avstånd från origo mäter hur starkt signalen resonerar vid ω. Strikt taget är detta summan snarare än medelvärdet, så den skalar med signalens längd, men spektrumets form är densamma.

Resultatet $\hat{f}(\omega)$ är ett komplext tal för varje ω, och båda delarna spelar roll. Beloppet är den frekvensens amplitud: hur mycket av ingrediensen som finns i receptet. Vinkeln är fasen: var i cykeln den ingrediensen startar. Två signaler kan ha samma amplituder vid varje frekvens och ändå låta helt olika, eftersom deras faser skiljer sig åt.

Varför exponentialfunktionen i stället för en sinus

Studenter frågar ofta varför kärnan är en komplex exponentialfunktion i stället för helt enkelt en sinusvåg. Du skulle trots allt kunna multiplicera din signal med $\sin(\omega t)$ och integrera.

Problemet är fasen. Om din signal innehåller en cosinus med frekvensen ω och du testar den mot en sinus med samma frekvens, blir produktens medelvärde noll, eftersom sinus och cosinus ligger en kvarts period isär. Du skulle dra slutsatsen att frekvensen saknas trots att den finns där fullt ut. För att fånga varje fas skulle du behöva två tester, ett mot sinus och ett mot cosinus, och sedan kombinera resultaten.

Den komplexa exponentialfunktionen gör båda testerna samtidigt. Dess realdel är cosinustestet och dess imaginärdel är sinustestet, paketerade i ett enda roterande objekt. Vilken fas frekvensen än anländer med, ligger någon del av rotationen i linje med den. Beloppet av det resulterande komplexa talet är vad du skulle få av de två testerna kombinerade, och vinkeln ger dig fasen på köpet. I artikeln om imaginära tal beskrev vi i som en rotation, och här utför den rotationen hederligt ingenjörsarbete.

Negativa frekvenser är inget misstag

Integralen löper över alla ω, även negativa värden, och transformen av en reell signal visar alltid en spegelbild på den negativa sidan. Det gör folk oroliga. Vad ska en negativ frekvens betyda rent fysiskt?

Titta på Eulers formel igen. En reell cosinus är medelvärdet av två rotationer:

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

Den första termen snurrar moturs med takten ω, den andra snurrar medurs med samma takt. Rotation medurs med ω är vad transformen registrerar som frekvensen minus ω. En reellvärd signal kan inte skilja de två riktningarna åt, så den innehåller alltid båda i lika stor mängd, och spektrumet blir symmetriskt.

Den negativa halvan bär ingen ny information för reella signaler, och i praktiken ritar ingenjörer ofta bara den positiva sidan. Men att behålla båda halvorna gör formlerna symmetriska och låter samma transform hantera komplexvärda signaler, som de inom radio och magnetkamerateknik, där de två rotationsriktningarna verkligen skiljer sig åt.

Återresan

Att förvandla ett recept tillbaka till en kaka är den inversa fouriertransformen:

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

Läs den som en instruktion: för varje frekvens ω, ta mängden $\hat{f}(\omega)$ av den ingrediensen, snurra den moturs med den takten, och summera allt. Tecknet i exponenten har växlat från minus till plus eftersom du nu lindar upp i stället för att linda in. Faktorn 2π är bokföring som korrigerar för att ett helt varv är 2π radianer; vissa läroböcker delar den symmetriskt som $1/\sqrt{2\pi}$ på båda transformerna, och vissa döljer den helt genom att mäta frekvens i hertz i stället för radianer per sekund. Fysiken förändras inte, bara konstanten.

Formelparet är nästan perfekt symmetriskt. Den symmetrin är en djup vink: tid och frekvens är två vyer av ett och samma objekt, och ingen av dem är mer grundläggande än den andra.

Derivator blir multiplikation igen

Laplacetransformen förtjänade sin plats genom att förvandla derivator till multiplikation med s. Fouriertransformen gör samma trick med iω.

Derivera formeln för inverstransformen med avseende på t. Det enda stället där t förekommer är inuti $e^{i\omega t}$, och dess derivata drar ner en faktor iω:

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

Alltså är fouriertransformen av $f'(t)$ helt enkelt $i\omega\, \hat{f}(\omega)$. Att derivera i tiden multiplicerar varje frekvenskomponent med iω: höga frekvenser förstärks, låga frekvenser dämpas, och varje komponent vrids ett kvarts varv. Det är precis därför derivering gör brusiga signaler ännu brusigare. Bruset bor vid höga frekvenser, och derivatan multiplicerar dessa med stora tal.

Samma logik förvandlar en differentialekvation med konstanta koefficienter till en algebraisk ekvation i ω, vilket är hur fysiker löser våg- och värmeledningsekvationer. Fourier uppfann verktyget för precis det ändamålet.

Fourier och Laplace: en maskin, två rattlägen

Ställ de två transformerna sida vid sida:

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

I artikeln om Laplace beskrev vi s som en ratt med två vred, $s = \sigma + i\omega$: σ för exponentiell dämpning, ω för svängning. Sätt dämpningsvredet till noll, så att σ = 0 och s = iω, och Laplacekärnan $e^{-st}$ blir fourierkärnan $e^{-i\omega t}$. Fouriertransformen är Laplacetransformen utvärderad längs den imaginära axeln i s-planet.

Den andra skillnaden är den undre gränsen. Laplace startar vid t = 0 eftersom den är byggd för orsak-och-verkan-system med ett påslagsögonblick och begynnelsevillkor. Fourier löper över all tid eftersom den är byggd för stadiga signaler som alltid har funnits och alltid kommer att finnas: en hållen ton, en bärvåg, ett stationärt brummande.

Vilken du ska välja följer av frågan. Transienter, strömbrytare och begynnelsevillkor: Laplace. Spektra, filter och stadig svängning: Fourier. Dämpningsvredet är det som låter Laplace hantera signaler som växer obegränsat, vilket fourierintegralen inte kan svälja; den tvåsidiga integralen är det som låter Fourier beskriva signaler utan någon början.

Avvägningen du inte kan undkomma

En sista egenskap förklarar förvånansvärt mycket fysik. En signal som är smal i tiden är bred i frekvens, och en signal som är smal i frekvens är bred i tiden. Du kan inte få båda.

En ren sinusvåg har en enda frekvens, så dess spektrum är en enda spik. Men en ren sinusvåg varar för evigt. Klipp den till en sekund och spektrumet breder ut sig runt den ursprungliga frekvensen; klipp den till en millisekund och spektrumet breder ut sig mycket längre. I gränsfallet innehåller ett ögonblickligt knäpp alla frekvenser lika mycket, vilket är varför en handklappning låter som vitt brus medan en stämgaffel låter som en ton.

Lindningsbilden gör detta uppenbart. En kort signalskur lindas bara några få varv runt cirkeln vid vilken lindningstakt som helst, så masscentrum får aldrig chansen att ta ut sig rent. Många närliggande lindningstakter ger alla ett liknande, måttligt resultat. En lång signal lindas tusentals varv, och bara den exakt matchande takten överlever utsläckningen.

Inom kvantmekaniken är position och rörelsemängd fourierpar, och samma avvägning är Heisenbergs osäkerhetsprincip. Det är inte en begränsning hos mätningen. Det är en egenskap hos vågor.

Var misstagen uppstår

Studenter som arbetar med fouriertransformer snubblar på tre förutsägbara ställen.

Det första är att tappa bort fasen. Eftersom det är amplitudspektrumet som ritas ut börjar studenter tänka på transformen som enbart en lista med amplituder. Sedan blir en inverstransform fel eftersom vinklarna hos $\hat{f}(\omega)$ kastades bort. Transformen är en lista med komplexa tal, och hälften av varje tal är dess vinkel.

Det andra är förvirring kring tecken och konstanter. Olika läroböcker placerar 2π på olika ställen och väljer olika tecken i exponenten, och alla är korrekta så länge framåt- och inverstransform stämmer överens. Välj en konvention, skriv båda formlerna överst på sidan, och kontrollera att en transform följd av en inverstransform lämnar en enkel funktion oförändrad.

Det tredje är att förvänta sig att en ändlig signal ska ha ett rent spektrum. Verkliga mätningar är ändliga, så deras spektra visar alltid utbredningen från föregående avsnitt, plus rippel från den tvära avklippningen i kanterna. Det är inget räknefel. Det är avvägningen som gör sig gällande, och fönsterfunktioner finns till för att hantera den.

Där Math Zen kommer in i bilden

Fouriertransformen är byggd av tre färdigheter som måste sitta automatiskt innan intuitionen kan bära dig: trigonometriska identiteter, komplexa exponentialfunktioner och integraler av produkter.

Om det kräver medveten ansträngning att växla mellan $\cos(\omega t)$ och komplexa exponentialfunktioner, eller om det känns osäkert att integrera $e^{-at} e^{-i\omega t}$ för hand, kommer transformen alltid att se ut som en svart låda. Math Zen drillar de delarna i korta dagliga pass:

• Trigonometri: Säkerhet med additionsformler och formler för dubbla vinkeln samt cirkelbilden bakom dem, i modulen för trigonometriövningar.
• Komplexa tal: Polär form, Eulers formel och rotation genom multiplikation, i modulen för övningar i komplexa tal.
• Transformer: Samma mekanik med kärnintegraler, inklusive transformer av derivator, i modulen för Laplacetransformövningar.

När de sitter som reflexer slutar fouriertransformen vara en formel och blir vad den är: en lindningsmaskin som läser av receptet för en signal.

Sammanfattning

Fouriertransformen skriver om en signal från "vilket värde har den vid varje tidpunkt" till "hur mycket av varje frekvens finns med". Den fungerar därför att sinusvågor är de former som fysikaliska system lämnar oförändrade, så att veta en signals frekvensinnehåll talar om för dig hur vilket linjärt system som helst kommer att svara på den.

Formeln är en lindningsmaskin: $e^{-i\omega t}$ lindar signalen runt en cirkel med takten ω, integralen hittar masscentrum, och ett masscentrum långt från origo betyder att den frekvensen finns med. Den komplexa exponentialfunktionen fångar varje fas på en gång, negativa frekvenser är den spegelbild varje reell signal bär med sig, och inverstransformen lindar upp genom att snurra åt andra hållet.

Sätt Laplacetransformens dämpningsvred till noll så har du fouriertransformen. Använd Laplace för strömbrytare och transienter, Fourier för spektra och stadiga signaler, och kom ihåg att vilken du än använder är en signal som är kort i tiden alltid bred i frekvens.