I dette blogindlæg forklarer vi, hvordan Fourier-transformationen nedbryder signaler, og hvordan den anvendes i virkelige scenarier, såsom talegenkendelse.

Grundlæggende begreber i Fourier-transformationen

I 2012 udnævnte MIT Technology Review FFT (Fast Fourier Transform) til en af ​​de mest indflydelsesrige teknologier. Fourier-transformationen er faktisk et kerneværktøj, der bruges i næsten alle elektroniske enheder, herunder kommunikationsenheder som smartphones, kameraer, der producerer skarpe fotos, og MP3-equalizere. Inden for elektroteknik er Fourier-transformationen så vigtig, at den længe har været et centralt emne i pensum.
Grundideen bag Fourier-transformationen er at opdele et fysisk signal i enklere fundamentale enheder. Her refererer et "signal" til alt, hvis amplitude varierer over tid. Ting som lyd eller lys, hvis amplitude og intensitet kan ændre sig, er eksempler på signaler. Disse fundamentale enheder er sinusbølger, og hver sinusbølge har sin egen unikke frekvens.
For at forstå sinusbølger og frekvens, forestil dig at ryste en lang snor. Hvis du bevæger din hånd langsomt, bevæger rebet sig langsomt op og ned, hvilket skaber en bølgeform med brede intervaller; hvis du bevæger din hånd hurtigt, kommer intervallerne mellem bølgerne tættere på hinanden. Hvis den bevæger sig op og ned én gang i sekundet, kaldes det 1 Hz; hvis den bevæger sig to gange i sekundet, kaldes det 2 Hz. Med andre ord er frekvens antallet af gentagelser i sekundet og betegnes i Hz.
Analogien om, at et signal er sammensat af sinusbølger med forskellige frekvenser, minder om at blande ingredienser i madlavning. Ligesom kylling, vand, gochujang og majssirup indgår i dakdoritang, indeholder et enkelt signal også forskellige sinusbølger – såsom 1 Hz, 2 Hz og 3 Hz – blandet i varierende forhold. Da det oprindelige signal er en blanding af disse komponenter, er det vanskeligt at analysere direkte.
Salt, sand og jernspåner tjener som eksempler på metoder til at adskille blandinger. Ved at opløse dem i vand og filtrere opløsningen – og derefter adskille det, der er tilbage, det, der klæber til en magnet, og det, der er tilbage – kan vi bestemme egenskaberne for hvert enkelt stof. På samme måde nedbryder Fourier-transformationen et komplekst signal i sinusbølgekomponenter, hvilket afslører amplituden og frekvensen af ​​hver komponent. Ved at undersøge de adskilte komponenter bliver det lettere at forstå, hvad signalet er sammensat af.

Principper og praktiske anvendelser af Fourier-transformationen

Grunden til, at Fourier-transformationen bruger sinusbølger som sine grundlæggende enheder, er, at sinusbølger har et unikt forhold til hinanden – nemlig ortogonalitet. Når sinusbølger med forskellige frekvenser multipliceres og integreres, er resultatet 0; når sinusbølger med samme frekvens multipliceres og normaliseres, er resultatet en specifik værdi (normalt 1). Ved at udnytte denne egenskab kan vi isolere amplituden af ​​specifikke frekvenskomponenter i et signal.
Antag for eksempel, at et signal indeholder en 1 Hz-komponent med en amplitude på 1, en 2 Hz-komponent med en amplitude på 2 og en 3 Hz-komponent med en amplitude på 3. Hvis vi ganger dette signal med en 1 Hz sinusbølge og integrerer, er resultatet 1; hvis vi ganger det med en 2 Hz sinusbølge, er resultatet 2; og hvis vi ganger det med en 3 Hz sinusbølge, er resultatet 3. Ved at udføre dette indre produkt med signalet ved forskellige frekvenser kan vi bestemme størrelsen af ​​hver frekvenskomponent. Fourier-transformationen er et matematisk værktøj, der systematiserer denne proces.
Et godt eksempel på et felt, hvor Fourier-transformationen er meget udbredt, er talegenkendelse. Den menneskelige stemme består af bølger, der genereres i luften af ​​stemmebåndenes vibrationer, og en mikrofon omdanner disse luftvibrationer til elektriske signaler. Da det elektriske signal bevarer den nøjagtige form af det oprindelige talesignal, anvender en computer Fourier-transformationen på dette signal for at analysere dets frekvenskomponenter.
Hver persons stemme har en unik frekvensfordeling, og hvert fonem (f.eks. /p/, /t/, /s/, /a/ osv.) har også sine egne distinkte frekvenskomponenter. Talegenkendelsessystemer analyserer disse adskilte frekvenskomponenter for at bestemme, hvilke fonemer der er til stede, og hvem der taler. Denne funktion har ført til virkelige applikationer såsom smartphone-stemmeassistenter og er blevet brugt i tjenester som Siri.
Elektroteknik er det studieområde, der konverterer lavniveaudata til elektriske signaler, analyserer og behandler disse signaler for at omdanne dem til information på højt niveau og forsker i metoder til at formidle denne information til mennesker eller handle på deres vegne. I denne forstand er Fourier-transformationen et vigtigt værktøj, der giver os mulighed for at se signaler fra et frekvensperspektiv, hvilket gør os i stand til at løse problemer fra en ny vinkel.
Forskning i Fourier-transformationen og algoritmer som FFT – som udfører disse operationer hurtigere – er stadig aktiv i dag. Efterhånden som teknologien udvikler sig, vil anvendelsesområdet for Fourier-transformationen fortsætte med at udvides, og evnen til at nedbryde og rekombinere signaler – ligesom "alkymi" – vil fortsat danne grundlaget for meget elektronisk teknologi i fremtiden.