Fourier transform

Angol

Főnév

Fourier transform (tsz. Fourier transforms)

(informatika) Fourier-transzformáció

A Fourier-transzformáció a matematika és a mérnöki tudomány egyik legfontosabb eszköze. Lehetővé teszi, hogy egy időbeli (vagy térbeli) jelet frekvenciakomponenseire bontsunk. Ez az eljárás nélkülözhetetlen az elektronika, digitális jelfeldolgozás, hangtechnika, képfeldolgozás, kvantummechanika, kommunikációelmélet, és még a gépi tanulás számos területén is.

🔹 1. Az alapötlet

A Fourier-transzformáció lényege, hogy egy komplex, időben változó jelet (pl. hanghullám) felírhatunk szinusz és koszinusz hullámok összegeként. Ezek a szinuszhullámok különböző frekvenciájú „építőkockák”, amelyekből bármilyen periodikus vagy nem-periodikus jel felépíthető.

Például egy zenei hang: több frekvencia keveréke → Fourier-transzformációval „szétszedhető” a komponenseire:

440 Hz (alaphang)
880 Hz, 1320 Hz (felhangok)

🔸 2. A matematikai definíció

A folytonos Fourier-transzformáció:

$F(\omega )=\int _{-\infty }^{\infty }f(t)\cdot e^{-i\omega t}\,dt$

Ahol:

f(t) az időfüggő jel
ω a szögfrekvencia (rad/s)
F(ω) a jel frekvenciatartománybeli képe

A visszatranszformáció:

$f(t)={\frac {1}{2\pi }}\int _{-\infty }^{\infty }F(\omega )\cdot e^{i\omega t}\,d\omega$

🔹 3. Diszkrét Fourier-transzformáció (DFT)

Számítógépeken nem folytonos jelekkel, hanem mintavételezett (diszkrét) adatokkal dolgozunk.

A DFT képlete:

$X_{k}=\sum _{n=0}^{N-1}x_{n}\cdot e^{-2\pi ikn/N},\quad k=0,1,\dots ,N-1$

Ahol:

x_n az időtartománybeli minta (N darab)
X_k a k-edik frekvenciakomponens

Inverz DFT:

$x_{n}={\frac {1}{N}}\sum _{k=0}^{N-1}X_{k}\cdot e^{2\pi ikn/N}$

⚡ 4. FFT – Gyors Fourier-transzformáció

A Fast Fourier Transform (FFT) az egyik legfontosabb algoritmus a numerikus matematikában. Az FFT az DFT gyorsított változata:

DFT időigénye: 𝑂(N²)
FFT időigénye: 𝑂(N log N)

Ez teszi lehetővé a valós idejű jelfeldolgozást (pl. audióspektrum, radar, kép-FFT stb.).

🎧 5. Alkalmazások

Terület	Használat
Audiófeldolgozás	Hangspektrum, zajszűrés, autotune
Képfeldolgozás	Élkiemelés, élszűrés, tömörítés (pl. JPEG)
Telekommunikáció	Moduláció, frekvenciaelemzés, spektrumszűrés
Orvosi képalkotás	MRI, CT szkenner adatainak feldolgozása
Kvantummechanika	Hullámfüggvény reprezentációja
Gépi tanulás / AI	Jellemzőkinyerés időfüggvényekből

🖥️ 6. Fourier-transzformáció programozása

Python (NumPy + matplotlib)

import numpy as np
import matplotlib.pyplot as plt

# Szintetikus jel: 2 frekvencia keveréke
fs = 500  # mintavételezési frekvencia (Hz)
t = np.linspace(0, 1, fs, endpoint=False)
x = np.sin(2*np.pi*50*t) + 0.5*np.sin(2*np.pi*120*t)

# FFT
X = np.fft.fft(x)
freq = np.fft.fftfreq(len(x), d=1/fs)

# Spektrum kirajzolása
plt.plot(freq[:fs//2], np.abs(X[:fs//2]))
plt.title("FFT – Frekvenciaspektrum")
plt.xlabel("Frekvencia (Hz)")
plt.ylabel("Amplitúdó")
plt.grid(True)
plt.show()

C++ (valós FFT-hez külön könyvtár szükséges, pl. FFTW):

#include <fftw3.h>
#include <iostream>

int main() {
    int N = 1024;
    double* in = fftw_alloc_real(N);
    fftw_complex* out = fftw_alloc_complex(N/2 + 1);
    fftw_plan p = fftw_plan_dft_r2c_1d(N, in, out, FFTW_ESTIMATE);

    // bemeneti jel feltöltése
    for (int i = 0; i < N; ++i)
        in[i] = sin(2 * M_PI * 100 * i / N); // 100 Hz szinusz

    fftw_execute(p); // végrehajtás

    // amplitúdók kiírása
    for (int i = 0; i < N/2 + 1; ++i)
        std::cout << "Freq " << i << ": " << sqrt(out[i][0]*out[i][0] + out[i][1]*out[i][1]) << "\n";

    fftw_destroy_plan(p);
    fftw_free(in);
    fftw_free(out);
}

📐 7. Spektrum fogalma

A Fourier-transzformáció eredménye egy komplex számokból álló sorozat, ahol minden elem:

frekvenciát képvisel
abszolút értéke (modulusa) → amplitúdó
argumentuma (szöge) → fázis

Ez alapján az eredeti jel teljesen visszaállítható (ha nem veszítünk el információt).

🧠 8. Fourier-sor és kapcsolódó fogalmak

Fourier-sor: csak periodikus jelekhez, sorozatként írja fel a jelet szinusz-komponensekkel
Laplace-transzformáció: általánosítás, a komplex sík egészére kiterjeszti
Z-transzformáció: diszkrét rendszerek frekvenciaelemzése
Hilbert-transzformáció: fázisinformáció feldolgozás

🔁 9. Idő-frekvencia kettősség

Időtartományban	Frekvenciatartományban
szinusz	delta-függvény a spektrumban
impulzus	minden frekvencia jelen van
csillapodó jel	széles sávú spektrum
stabil hullám	éles csúcs egy frekvencián

✅ 10. Összefoglalás

A Fourier-transzformáció egy kulcseszköz az idő-frekvencia világ közötti átalakításhoz. Használatával bármilyen jelet frekvenciaösszetevőire bonthatunk, amit utána szűrhetünk, értékelhetünk, tömöríthetünk vagy módosíthatunk. Alkalmazása nélkülözhetetlen a modern technológiában – a hangrögzítéstől a mobilkommunikáción át egészen az MRI-képalkotásig.

További információk

Fourier transform - Szótár.net (en-hu)
Fourier transform - Sztaki (en-hu)
Fourier transform - Merriam–Webster
Fourier transform - Cambridge
Fourier transform - WordNet
Fourier transform - Яндекс (en-ru)
Fourier transform - Google (en-hu)
Fourier transform - Wikidata
Fourier transform - Wikipédia (angol)