Het begrijpen van de Discrete Fourier Transform

De Discrete Fourier Transform (DFT) is een van de meest krachtige en vaak gebruikte tools in een ingenieur toolkit. In de kern, de DFT zet een eindige-lengte sequentie van discrete-time monsters in een weergave van hetzelfde signaal in het frequentiedomein. Deze transformatie stelt ingenieurs in staat om de spectrale inhoud van signalen te onderzoeken, dominante frequenties, filterruis, en ontwerp systemen die efficiënt werken over specifieke frequentiebanden te identificeren.

In tegenstelling tot de continue Fourier-transform, die werkt op continue functies, de DFT werkt met gesamplede data waardoor het perfect geschikt is voor digitale systemen. Elke moderne oscilloscoop, spectrum analyser, audio codec, en software-gedefinieerde radio is afhankelijk van een vorm van de DFT of de snelle implementatie, de Fast Fourier Transform (FFT). Zonder de DFT, veel van de digitale communicatie en signaalverwerking systemen die we voor vanzelfsprekend zou niet haalbaar zijn.

Waarom ingenieurs de DFT nodig hebben

Real-world signalen . audio, trillingen, elektromagnetische golven . zijn vaak het best begrepen in termen van hun frequentie inhoud. Een mechanische trillingssignaal kan harmonischen bevatten van roterende machines; een audiosignaal kan bestaan uit meerdere muzieknoten; een radar terugkeer kan Doppler verschuivingen dragen. De DFT biedt een duidelijke, kwantitatieve manier om deze signalen te ontleden in hun samenstellende frequenties. Engineers gebruiken deze informatie voor:

  • Systeemidentificatie: bepalen van de frequentierespons van filters, versterkers en controlesystemen.
  • Foutdetectie: kenmerkende frequentiepatronen identificeren die wijzen op slijtage, onbalans of verkeerde uitlijning in roterende apparatuur.
  • Gegevenscompressie: efficiënt signalen weergeven door onbeduidende frequentiecomponenten (bv. JPEG-beeldcompressie) weg te gooien.
  • Communicatiesysteemontwerp: moduleren en demoduleren van signalen (bv. OFDM in Wi-Fi en 4G/5G).

Wiskundige definitie van de DFT

De DFT neemt een reeks xn] van N echte of complexe monsters en produceert een outputsequentie ]X[[k]] van N complexe getallen die de amplitude en fase van elk frequentiecomponent vertegenwoordigen. De standaardformule is:

X[k] = Σn=0[[N]−1[] x[[[n[]]] · e[-j (2πk n[[ / ]]]]]]]]]][]]

waarbij:

  • xn] is het inputmonster op tijdindex n
  • Xk] is de frequentie-domeinwaarde bij frequentie-index k
  • N is het totale aantal monsters (de lengte van de DFT)
  • j is de denkbeeldige eenheid (√-1)
  • e-jθ = cos θ

De output Xk] is een complex getal. De omvang ervan is X[[k[[FLT:]]]]k[[FLT:]]]] vertegenwoordigt de amplitude van de sinusoïdale component bij frequentie [[FLT:]]]k · (sampling rate / []N[]), en het argument (fasehoek) geeft de fasecompensatie van dat onderdeel aan. De DFT is bidirect: de inverse DFT (IDFT) reconstrueren de oorspronkelijke tijd-domeinreeks van de frequentie-domeingegevens, waaruit blijkt dat er geen informatie verloren gaat tijdens de transformatie.

Tolken van DFT-uitvoer

Wanneer je een DFT van lengte berekent N, komen de output-indices k = 0, 1, 2, ..., N−1 overeen met frequenties van 0 tot de Nyquistfrequentie (halve de bemonsteringsfrequentie). De eerste helft van de output (indices 0 tot ]]N/2−1) bevat de positieve frequenties; de tweede helft bevat de negatieve frequenties (voor real-valued inputs, dit zijn complexe geconjugeerde geconjugeerde sets van de positieve frequenties en worden vaak in de praktijk weggegooid). De bin-afstand (frequentieresolutie) is:

Δf = fs / N

fs is de bemonsteringsfrequentie. Om een fijnere frequentieresolutie te verkrijgen, moet u ofwel de bemonsteringsfrequentie verhogen ofwel, vaker, het aantal monsters verhogen N.

Sleuteleigenschappen van de DFT

De DFT is niet alleen een formule; het is een lineaire algebraïsche operatie met verschillende nuttige eigenschappen die ingenieurs regelmatig exploiteren. Het begrijpen van deze eigenschappen helpt bij het ontwerpen van efficiënte algoritmen en het interpreteren van resultaten.

Lineariteit

Als twee sequenties worden toegevoegd, is de DFT van de som gelijk aan de som van de afzonderlijke DFT's. Op dezelfde manier schalen een volgorde zijn DFT met dezelfde factor. Deze eigenschap stelt ingenieurs in staat om frequentie-domein effecten superimponeren, het vereenvoudigen van de analyse van complexe signalen die uit meerdere bronnen.

Symmetrie voor reële signalen

Wanneer de inputsequentie x[n] echt is (zoals het geval is voor de meeste fysieke signalen), vertoont de DFT-output geconjugeerde symmetrie: X[[[]k] = []X[]*[[]N[]−[[k[]]]. Dit betekent dat het enorme spectrum symmetrisch is over de Nyquistfrequentie, en het fasespectrum anti-symmetrisch is. Bijgevolg hoeven ingenieurs vaak alleen de eerste helft van de DFT-bins te onderzoeken voor reële signalen, waarbij de effectieve frequentieresolutie per berekeningsinspanning wordt verdubbeld.

Eigenschap van de convolutie

Vermenigvuldiging in het frequentiedomein komt overeen met cyclische convolutie in het tijddomein. Deze eigenschap is de basis van snelle convolutiealgoritmen die gebruikt worden in digitale filtering, correlatie en matched filtering. Door een UMTS uit te voeren, spectra te vermenigvuldigen en vervolgens inverse UMTS, kan een ingenieur lineaire convolutie veel sneller implementeren dan directe tijd-domein methoden voor lange sequenties.

Parseval

De totale energie van het signaal in het tijddomein is gelijk aan de totale energie in het frequentiedomein (geschaald door 1/]N). Ingenieurs gebruiken dit om te controleren of er geen energie verloren gaat in de verwerking of om het vermogen in specifieke frequentiebanden te berekenen door middel van somming van de magnitudes van DFT-bakken.

Toepassingen van DFT in Engineering

De DFT verschijnt in vrijwel elke discipline van de elektrotechniek en werktuigbouwkunde. Hieronder zijn verschillende belangrijke toepassingsgebieden onderzocht in meer diepte.

Digitale signaalverwerking en -communicatie

In communicatie is de DFT de wiskundige motor achter Orthogonale Frequentie Divisie Multiplexing (OFDM), die wordt gebruikt in Wi-Fi (IEEE 802.11), 4G LTE en 5G NR. OFDM splitst een hoge snelheid datastroom in vele langzamere parallelle stromen, elk gemoduleerd op een aparte orthogonale subdrager. De DFT (en zijn inverse) efficiënt genereren en demoduleren deze subcarriers zonder honderden individuele oscillatoren nodig. Spectrum analysers en vector signaal analysers gebruiken ook DFT-gebaseerde technieken om de spectrale bezetting van signalen en parameters zoals bezette bandbreedte en aangrenzende kanaalvermogen weer te geven.

Beeld en videoverwerking

Bij beeldverwerking ontbindt de tweedimensionale DFT (2D-DFT) een afbeelding tot ruimtelijke frequentiecomponenten. Lage frequenties vertegenwoordigen gladde intensiteitsvariaties; hoge frequenties vertegenwoordigen randen, texturen en fijne details. Ingenieurs gebruiken dit om beeldfilters te ontwerpen (bv. Gaussiaanse low-pass filters voor denoising, hoge-pass filters voor randverbetering) en voor beeldcompressie. De JPEG standaard maakt gebruik van een Discrete Cosine Transform (een nauw verwant van de DFT met alleen echte coëfficiënten) om blokken van pixels om te zetten in frequentiecoëfficiënten, die vervolgens worden gequantiseerd en en entropie-gecodeerd. Soortgelijke principes gelden voor videocodecs zoals H.264 en HEVC.

Trillingsanalyse en conditiebewaking

Mechanische ingenieurs vertrouwen op DFT-gebaseerde trillingsanalyse om de gezondheid van roterende machines zoals pompen, motoren, turbines en compressoren te monitoren. Een sensor (accelerometer) legt trillingen tijd golfvormen vast, en de DFT onthult het frequentiespectrum van de trillingen. Specifieke foutfrequenties .Zoals de fundamentele rotatiefrequentie, blad-pass frequenties, of lager defect frequenties . Verschijnt als pieken in het spectrum . Door het volgen van veranderingen in deze pieken in de tijd , kunnen ingenieurs storingen en het onderhoud van schema's voorspellen voordat catastrofale afbraak optreedt . Deze praktijk , bekend als conditie-gebaseerd onderhoud , bespaart industrieën miljoenen dollars per jaar . Voor een diepere duik in de trillingsanalyse , zie NI.

Audio- en akoestische engineering

Audio-ingenieurs gebruiken de DFT om geluidsspectra te visualiseren, equalizers te implementeren, audio-effecten (reverb, pitch shifting) te ontwerpen en geluidsreductie uit te voeren. Real-time spectrum analysers op basis van de UMTS zijn essentiële instrumenten in de muziekproductie, akoestische meting en het ontwerp van hoortoestellen. De DFT maakt het ook mogelijk om functies zoals Mel-frequentie cederstrale coëfficiënten (MFCC's) die worden gebruikt bij spraakherkenning en muziekinformatie ophalen mogelijk.

Radar, Sonar en Seismische Analyse

In radar- en sonarsystemen wordt de DFT gebruikt om bereik, snelheid en richting te halen uit gereflecteerde signalen. Een techniek genaamd puls-Doppler processing zendt herhaaldelijk korte pulsen uit en berekent de DFT van de ontvangen echotrein om de Doppler frequentieverschuiving te meten, die de doel-invloedsnelheid aangeeft. Seismische ingenieurs gebruiken de DFT om aardtrillingen te analyseren van aardbevingen en structuren te ontwerpen die specifieke frequentiebereiken van schudden kunnen weerstaan.

Snelle Fourier Transform (FFT)

De DFT moet rechtstreeks worden berekend met behulp van de definitie ervan, en vereist O(N] complexe vermenigvuldigingen en toevoegingen, die zelfs niet uitvoerbaar worden voor bescheiden N (bijv. N] = 10[]6[]] zou 10[12[]]-operaties vereisen. De snelle Fourier-transformering, meestal het Cooley-Tukey-algoritme, verlaagt dit tot O( log2]] [[]]]]]] [[[ [ ]]]]]]]] operations staggering improgregment for large databases.

De Commissie heeft de volgende opmerkingen ontvangen:

De Commissie heeft de Commissie verzocht om de volgende opmerkingen te maken:

Praktische overwegingen bij het gebruik van de DFT

Het toepassen van de DFT op reële signalen vereist zorgvuldige aandacht voor verschillende kwesties die de frequentie-domeinweergave kunnen verstoren als ze niet correct worden behandeld.

Venster

De DFT gaat er inherent van uit dat de invoersequentie periodiek is met periode N. Als het signaal frequentiecomponenten bevat die niet exact geheelvoud van de fundamentele frequentie zijn (Δf[), ontstaat er een spectraallek van een enkele frequentie .leaks . in aangrenzende bakken, smeren het spectrum. Om lekkage te bestrijden, vermenigvuldigen ingenieurs het signaal met een vensterfunctie (zoals Hamming, Hanning, Blackman, of Kaiser) voordat het DFT wordt toegepast. Het venster tapert de randen van de reeks, vermindert de diversiteit en minimaliseert de spectraallelek ten koste van iets bredere hoofdkwabben. Het selecteren van het rechter venster impliceert een afweging tussen hoofdlobe breedte (frequentieresolutie) en zijlobe suppressie (dynamisch bereik).

Zero-padding

Zero-padding ..toepassen nullen aan het einde van een reeks voordat DFT-berekening verbetert niet de werkelijke frequentieresolutie (de mogelijkheid om twee nauw geafstande frequenties te scheiden), maar het biedt een vlottere inwerking van het spectrum, waardoor het gemakkelijker om visueel te identificeren spectrale pieken. Het is een gemeenschappelijke techniek om het uiterlijk van een stroomspectrum plot te verbeteren.

Schalen en normaliseren

Verschillende DFT implementaties gebruiken verschillende schaalconventies. Sommige schaal de voorwaartse transformatie door 1/N of de omgekeerde transformatie door 1/N[; sommige niet helemaal schaal. Ingenieurs moeten consistent zijn met de gekozen conventie, vooral bij het uitvoeren van meerdere transformaties in een keten. Niet accounteren bij schaalvergroting leidt tot amplitudefouten in zowel tijd- als frequentiedomeinen.

Bijnaam

Als het te nemen signaal frequenties boven de helft van de bemonsteringsfrequentie (de Nyquist-frequentie) bevat, zullen deze hoogfrequente componenten ook in lagere frequentiebakken worden gebruikt, waardoor de DFT-uitvoer wordt beschadigd. Een goede anti-aliasingfiltering voordat de ADC verplicht is. Bij digitale verwerking, decimatie en interpolatie is ook nodig om aliasering te vermijden.

Gerelateerde transformaties

Hoewel de DFT zeer veelzijdig is, zijn verschillende gerelateerde transformaties beter geschikt voor specifieke taken:

  • Discrete Cosinus Transform (DCT): Gebruikt alleen echte cosinusfuncties, met betere energieverdichting voor de meeste natuurlijke beelden en audio. Gebruikt in JPEG, MP3, en vele video codecs.
  • Korte tijd Fourier Transform (STFT): Geldt de DFT tot korte, overlappende windowed segmenten van een signaal, produceren van een tijdfrequentiespectrogram. Essentieel voor het analyseren van niet-stationaire signalen zoals spraak of muziek.
  • Discrete Wavelet Transform (DWT): Biedt multi-resolutie analyse in zowel tijd als frequentie. Vaak gebruikt voor denoising, compressie, en functie extractie waar niet-uniforme frequentieresolutie nuttig is.
  • Goertzel Algorithm: Stelt een enkele DFT-bak efficiënt samen, nuttig voor het detecteren van specifieke tonen (bv. DTMF-signaal in telefonie) zonder de volledige DFT te berekenen.

Conclusie

De Discrete Fourier Transform blijft een hoeksteen van engineering analyse en ontwerp. De mogelijkheid om de frequentiestructuur van signalen te onthullen ondersteunt talloze technologieën .Vanuit de smartphone in uw zak naar de industriële trillingsbewaking systemen die fabrieken veilig houden. Ingenieurs die de DFT beheersen krijgen een krachtige lens waardoor te bekijken en manipuleren van de wereld van de bemonsterde signalen. Naarmate digitale verwerkingssnelheden blijven groeien en de bibliotheken steeds efficiënter worden, zal de DFT alleen maar in belang toenemen, waardoor nieuwe toepassingen in kunstmatige intelligentie, autonome systemen en geavanceerde communicatie mogelijk worden. Om echt bedreven te worden, worden ingenieurs aangemoedigd om DFT's vanaf nul in te voeren in een taal als Python of C, experiment met windowing en zero-padding, en vervolgens het rijke ecosysteem van gereedschappen (MATLAB, SciPy, GNU Radio) die bouwen op deze fundamentele transformatie. Voor een grondige theoretische introductie, de Discrete Fourier Transform Wikipedia artikel[] biedt een uitstekende startpunt, terwijl een excellente ecosysteem van Oudent