In diesem Blogbeitrag erklären wir, wie die Fourier-Transformation Signale zerlegt und wie sie in realen Szenarien, wie beispielsweise der Spracherkennung, Anwendung findet.
Grundbegriffe der Fourier-Transformation
2012 kürte das MIT Technology Review die FFT (Fast Fourier Transform) zu einer der einflussreichsten Technologien. Die Fourier-Transformation ist ein zentrales Werkzeug, das in nahezu allen elektronischen Geräten zum Einsatz kommt, darunter Kommunikationsgeräte wie Smartphones, Kameras für scharfe Fotos und MP3-Equalizer. In der Elektrotechnik ist die Fourier-Transformation so wichtig, dass sie seit Langem ein zentrales Thema im Lehrplan ist.
Die Grundidee der Fourier-Transformation besteht darin, ein physikalisches Signal in einfachere Grundeinheiten zu zerlegen. Ein „Signal“ ist hierbei alles, dessen Amplitude sich mit der Zeit ändert. Beispiele für Signale sind Schall oder Licht, deren Amplitude und Intensität variieren können. Diese Grundeinheiten sind Sinuswellen, und jede Sinuswelle besitzt ihre eigene, charakteristische Frequenz.
Um Sinuswellen und Frequenz zu verstehen, stellen Sie sich vor, Sie schütteln eine lange Saite. Bewegen Sie Ihre Hand langsam, schwingt die Saite langsam auf und ab und erzeugt eine Wellenform mit großen Intervallen. Bewegen Sie Ihre Hand schnell, verringern sich die Intervalle zwischen den Wellen. Schwingt die Saite einmal pro Sekunde auf und ab, spricht man von 1 Hz; schwingt sie zweimal pro Sekunde, von 2 Hz. Anders ausgedrückt: Die Frequenz ist die Anzahl der Schwingungen pro Sekunde und wird in Hertz (Hz) angegeben.
Die Analogie, dass ein Signal aus Sinuswellen verschiedener Frequenzen besteht, lässt sich mit dem Mischen von Zutaten beim Kochen vergleichen. So wie Hühnchen, Wasser, Gochujang und Maissirup zu Dakdoritang verarbeitet werden, enthält auch ein einzelnes Signal verschiedene Sinuswellen – beispielsweise 1 Hz, 2 Hz und 3 Hz – in unterschiedlichen Anteilen. Da das ursprüngliche Signal eine Mischung dieser Komponenten ist, lässt es sich nur schwer direkt analysieren.
Salz, Sand und Eisenfeilspäne dienen als Beispiele für Trennverfahren. Indem man sie in Wasser löst und die Lösung filtert – und anschließend den Rückstand, den an einem Magneten haftenden Stoff und den Rest trennt –, lassen sich die Eigenschaften der einzelnen Substanzen bestimmen. Ähnlich zerlegt die Fourier-Transformation ein komplexes Signal in Sinuswellenkomponenten und gibt so die Amplitude und Frequenz jeder Komponente preis. Durch die Untersuchung der separierten Komponenten wird es einfacher zu verstehen, woraus das Signal besteht.
Prinzipien und praktische Anwendungen der Fourier-Transformation
Die Fourier-Transformation verwendet Sinuswellen als Basiseinheiten, da Sinuswellen eine einzigartige Beziehung zueinander aufweisen – die Orthogonalität. Multipliziert und integriert man Sinuswellen unterschiedlicher Frequenzen, ergibt das 0; multipliziert und normiert man hingegen Sinuswellen gleicher Frequenz, erhält man einen bestimmten Wert (üblicherweise 1). Mithilfe dieser Eigenschaft lässt sich die Amplitude bestimmter Frequenzkomponenten eines Signals isolieren.
Angenommen, ein Signal enthält eine 1-Hz-Komponente mit der Amplitude 1, eine 2-Hz-Komponente mit der Amplitude 2 und eine 3-Hz-Komponente mit der Amplitude 3. Multipliziert man dieses Signal mit einer 1-Hz-Sinuswelle und integriert, erhält man 1; multipliziert man es mit einer 2-Hz-Sinuswelle, erhält man 2; und multipliziert man es mit einer 3-Hz-Sinuswelle, erhält man 3. Durch die Anwendung dieses Skalarprodukts auf das Signal bei verschiedenen Frequenzen lässt sich die Amplitude jeder Frequenzkomponente bestimmen. Die Fourier-Transformation ist ein mathematisches Werkzeug, das diesen Prozess systematisiert.
Ein Paradebeispiel für ein Anwendungsgebiet der Fourier-Transformation ist die Spracherkennung. Die menschliche Stimme besteht aus Luftwellen, die durch die Vibration der Stimmbänder erzeugt werden. Ein Mikrofon wandelt diese Luftschwingungen in elektrische Signale um. Da das elektrische Signal die exakte Form des ursprünglichen Sprachsignals beibehält, wendet ein Computer die Fourier-Transformation auf dieses Signal an, um seine Frequenzkomponenten zu analysieren.
Die Stimme jedes Menschen besitzt eine einzigartige Frequenzverteilung, und jedes Phonem (z. B. /p/, /t/, /s/, /a/ usw.) hat seine eigenen, charakteristischen Frequenzkomponenten. Spracherkennungssysteme analysieren diese einzelnen Frequenzkomponenten, um die vorhandenen Phoneme und die sprechende Person zu bestimmen. Diese Fähigkeit hat zu praktischen Anwendungen wie Sprachassistenten auf Smartphones geführt und wird in Diensten wie Siri genutzt.
Die Elektrotechnik ist das Fachgebiet, das Daten niedriger Ordnung in elektrische Signale umwandelt, diese Signale analysiert und verarbeitet, um sie in höherwertige Informationen zu transformieren, und Methoden erforscht, um diese Informationen an Menschen weiterzugeben oder in ihrem Auftrag zu handeln. In diesem Sinne ist die Fourier-Transformation ein unverzichtbares Werkzeug, das es uns ermöglicht, Signale aus einer Frequenzperspektive zu betrachten und Probleme so aus einem neuen Blickwinkel zu lösen.
Die Forschung zur Fourier-Transformation und zu Algorithmen wie der FFT – die diese Operationen schneller durchführen – ist nach wie vor aktiv. Mit dem technologischen Fortschritt wird sich das Anwendungsspektrum der Fourier-Transformation stetig erweitern, und die Fähigkeit, Signale zu zerlegen und wieder zusammenzusetzen – ähnlich der „Alchemie“ – wird auch in Zukunft die Grundlage vieler elektronischer Technologien bilden.
