De Fourier-transformatie begrijpen: fundamentele principes, toepassingen en signaaldecompositie

Dit artikel biedt een helder, expert overzicht van de Fourier-transformatie – een hoeksteen voor het analyseren van signalen in de techniek en wetenschap.

Benoemd naar de Franse wiskundige Joseph Fourier, is de Fourier-transformatie een wiskundige procedure die de frequentie-inhoud van een functie onthult. Voor elektrotechnici wordt het meest toegepast op tijdsdomein-signalen – golfformen die spanning, stroom of andere meetbare grootheden over de tijd beschrijven.

Sinusoïdale decompositie

Hoewel oscilloscopie-afbeeldingen van spanning of stroom versus tijd intuïtief zijn, zijn ze niet de enige nuttige representatie. In veel ontwerpsituaties – met name RF en communicatie – moeten ingenieurs het periodieke gedrag van signalen begrijpen in termen van zuivere sinusoïden, omdat sinusoïden de unieke wiskundige uitdrukkingen zijn van "zuivere" frequentie.

De Fourier-transformatie onthult de elementaire periodiciteit van een signaal door het te decomponeren in constituent sinusoïdale frequenties, samen met hun amplitudes en fasen. Deze decompositie is cruciaal: het stelt ons in staat een complexe golfform te behandelen als een superpositie van eenvoudige sinusoïden.

Bijvoorbeeld, een AC-gekoppelde blokgolf met periode T en amplitude A kan worden uitgedrukt als een oneindige reeks oneven harmonische componenten:

\[f_{square}(t)=\frac{4A}{\pi}\sum_{k\in\{1,3,5,...\}}\frac{1}{k}\sin\left(\frac{2\pi kt}{T}\right)\]

Herschreven in termen van de fundamentele frequentie f geeft een meer intuïtieve vorm:

\[f_{square}(t)=\frac{4A}{\pi}\Bigl(\sin(2\pi ft)+\tfrac{1}{3}\sin(6\pi ft)+\tfrac{1}{5}\sin(10\pi ft)+\dots\Bigr)\]

De bijbehorende afbeeldingen illustreren de blokgolf (blauw) en de eerste acht sinusoïden, gevolgd door een reconstructie-plot die bevestigt dat de reeks de oorspronkelijke golfform reproduceert.

Tijdsdomein- en frequentiedomein-functies

Bij het berekenen van een Fourier-transformatie beginnen we met een tijdsdomein-functie f(t) en verkrijgen een frequentiedomein-functie F(\omega), waar \omega de hoekfrequentie is. Het evalueren van F(\omega) bij een specifieke frequentie (bijv. 100 rad/s) levert de amplitude en fase van de sinusoïde die in f(t) op die frequentie voorkomt.

De transformatie is inherent complex-waardig, dus amplitude en fase worden via additionele berekeningen geëxtraheerd. In de praktijk gebruiken ingenieurs de amplitude van de complexe coëfficiënten (\sqrt{a^2+b^2}) om de frequentie-inhoud te analyseren, vooral bij de discrete Fourier-transformatie (DFT) op bemonsterde data.

De Fourier-transformatie visualiseren

Frequentiespectra – plots van amplitude versus frequentie – zijn alomtegenwoordig in datasheets, testrapporten en leerboeken. Het volgende spectrum demonstreert de harmonische componenten van een AC-gekoppelde blokgolf met amplitude 1 V en fundamentele frequentie 1 Hz.

De Fourier-transformatie berekenen

Hoewel de meeste ingenieurs vertrouwen op softwaretools voor Fourier-analyse, is het begrijpen van de onderliggende wiskunde waardevol. De continue-tijd Fourier-transformatie van een signaal f(t) is gedefinieerd als:

\[F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-j\omega t}\,dt\]

Voor discrete-tijd signalen vervangt de DFT de integraal door een eindige som, wat resulteert in complexe coëfficiënten die direct het frequentiespectrum voorstellen.

Conclusie

Dit artikel heeft de kernprincipes van de Fourier-transformatie uiteengezet, van sinusoïdale decompositie tot praktische spectrumvisualisatie. De transformatie is de fundering van moderne signaalverwerking en een poort naar geavanceerde onderwerpen zoals filterontwerp, modulatie en spectrale schatting.

Verder lezen

• Inleiding tot de Discrete Fourier-transformatie
• Inleiding tot de Fast Fourier-transformatie
• Hoe u frequentiedomein-analyse uitvoert met Scilab
• Leren leven in het frequentiedomein
• Lineaire filtering gebaseerd op de Discrete Fourier-transformatie