In dit blogbericht leggen we uit hoe de Fourier-transformatie signalen ontleedt en hoe deze wordt toegepast in praktijksituaties, zoals spraakherkenning.

Basisconcepten van de Fourier-transformatie

In 2012 noemde MIT Technology Review de FFT (Fast Fourier Transform) een van de meest invloedrijke technologieën. De Fourier-transformatie is in feite een essentieel hulpmiddel dat in bijna alle elektronische apparaten wordt gebruikt, waaronder communicatieapparaten zoals smartphones, camera's die scherpe foto's maken en MP3-equalizers. In de elektrotechniek is de Fourier-transformatie zo belangrijk dat het al lange tijd een centraal onderwerp in het curriculum is.
Het basisidee achter de Fourier-transformatie is het ontbinden van een fysisch signaal in eenvoudigere, fundamentele eenheden. Een "signaal" verwijst hier naar alles waarvan de amplitude in de loop van de tijd varieert. Geluid of licht, waarvan de amplitude en intensiteit kunnen veranderen, zijn voorbeelden van signalen. Deze fundamentele eenheden zijn sinusgolven, en elke sinusgolf heeft zijn eigen unieke frequentie.
Om sinusgolven en frequentie te begrijpen, stel je voor dat je een lang touwtje schudt. Als je je hand langzaam beweegt, beweegt het touwtje langzaam op en neer, waardoor een golfvorm ontstaat met grote intervallen; als je je hand snel beweegt, worden de intervallen tussen de golven kleiner. Als het touwtje één keer per seconde op en neer beweegt, noemen we dat 1 Hz; als het twee keer per seconde beweegt, noemen we dat 2 Hz. Met andere woorden, frequentie is het aantal herhalingen per seconde en wordt uitgedrukt in Hz.
De analogie dat een signaal is opgebouwd uit sinusgolven van verschillende frequenties is vergelijkbaar met het mengen van ingrediënten tijdens het koken. Net zoals kip, water, gochujang en glucosestroop in dakdoritang gaan, bevat een enkel signaal ook verschillende sinusgolven – zoals 1 Hz, 2 Hz en 3 Hz – gemengd in wisselende verhoudingen. Omdat het oorspronkelijke signaal een mengsel van deze componenten is, is het moeilijk om het direct te analyseren.
Zout, zand en ijzerdeeltjes dienen als voorbeelden van methoden om mengsels te scheiden. Door ze in water op te lossen en de oplossing te filteren – en vervolgens te scheiden wat overblijft, wat aan een magneet blijft kleven en wat achterblijft – kunnen we de eigenschappen van elke afzonderlijke stof bepalen. Op vergelijkbare wijze ontleedt de Fourier-transformatie een complex signaal in sinusgolfcomponenten, waardoor de amplitude en frequentie van elke component zichtbaar worden. Door de gescheiden componenten te onderzoeken, wordt het gemakkelijker te begrijpen waaruit het signaal is opgebouwd.

Principes en praktische toepassingen van de Fourier-transformatie

De reden waarom de Fourier-transformatie sinusgolven als basiseenheden gebruikt, is dat sinusgolven een unieke relatie met elkaar hebben, namelijk orthogonaliteit. Wanneer sinusgolven met verschillende frequenties worden vermenigvuldigd en geïntegreerd, is het resultaat 0; wanneer sinusgolven met dezelfde frequentie worden vermenigvuldigd en genormaliseerd, is het resultaat een specifieke waarde (meestal 1). Door deze eigenschap te benutten, kunnen we de amplitude van specifieke frequentiecomponenten in een signaal isoleren.
Stel bijvoorbeeld dat een signaal een component van 1 Hz met een amplitude van 1 bevat, een component van 2 Hz met een amplitude van 2 en een component van 3 Hz met een amplitude van 3. Als we dit signaal vermenigvuldigen met een sinusgolf van 1 Hz en integreren, is het resultaat 1; als we het vermenigvuldigen met een sinusgolf van 2 Hz, is het resultaat 2; en als we het vermenigvuldigen met een sinusgolf van 3 Hz, is het resultaat 3. Door dit inwendig product met het signaal bij verschillende frequenties uit te voeren, kunnen we de amplitude van elke frequentiecomponent bepalen. De Fourier-transformatie is een wiskundig hulpmiddel dat dit proces systematiseert.
Een uitstekend voorbeeld van een gebied waar de Fourier-transformatie veelvuldig wordt gebruikt, is spraakherkenning. De menselijke stem bestaat uit golven die in de lucht worden gegenereerd door de trillingen van de stembanden, en een microfoon zet deze luchttrillingen om in elektrische signalen. Omdat het elektrische signaal exact dezelfde vorm behoudt als het oorspronkelijke spraaksignaal, past een computer de Fourier-transformatie toe op dit signaal om de frequentiecomponenten ervan te analyseren.
De stem van elke persoon heeft een unieke frequentieverdeling, en elk foneem (bijv. /p/, /t/, /s/, /a/, enz.) heeft ook zijn eigen afzonderlijke frequentiecomponenten. Spraakherkenningssystemen analyseren deze afzonderlijke frequentiecomponenten om te bepalen welke fonemen aanwezig zijn en wie er spreekt. Deze mogelijkheid heeft geleid tot praktische toepassingen zoals spraakassistenten op smartphones en wordt gebruikt in diensten zoals Siri.
Elektrotechniek is het vakgebied dat zich bezighoudt met het omzetten van data op laag niveau in elektrische signalen, het analyseren en verwerken van die signalen om ze om te zetten in informatie op hoog niveau, en het onderzoeken van methoden om deze informatie aan mensen over te brengen of namens hen te handelen. In die zin is de Fourier-transformatie een essentieel instrument waarmee we signalen vanuit een frequentieperspectief kunnen bekijken, waardoor we problemen vanuit een nieuwe invalshoek kunnen oplossen.
Onderzoek naar de Fourier-transformatie en algoritmen zoals de FFT – die deze bewerkingen sneller uitvoeren – is nog steeds gaande. Naarmate de technologie zich verder ontwikkelt, zal het toepassingsgebied van de Fourier-transformatie blijven groeien, en zal het vermogen om signalen te ontleden en opnieuw samen te voegen – net als bij 'alchemie' – de basis blijven vormen van veel elektronische technologie in de toekomst.