Fourier Dönüşümü

Fourier dönüşümü, bir fonksiyonun (genellikle zaman veya uzayda tanımlı bir sinyalin) frekans bileşenlerine ayrılmasını sağlayan matematiksel bir araçtır. İsmini Fransız matematikçi Jean-Baptiste Joseph Fourier’den alan bu dönüşüm, mühendislikten istatistiğe kadar birçok alanda temel analiz yöntemlerinden biridir. Matematiksel olarak:

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

Burada:

• $f(t)$: zaman domeninde sinyal
• $F(\omega )$: frekans domeninde temsil
• $\omega$: açısal frekans (rad/s)

Zaman domenindeki sinyaller, genellikle karmaşık görünür. Ancak Fourier dönüşümü bu sinyali farklı frekanslarda basit dalgalara (sinüs/kosinüs) ayırır.

_{Zaman ve Frekans Domeni Karşılaştırması (Yapay Zeka ile Oluşturulmuştur)}

Sinyalin zaman domenindeki enerjisi, frekans domenindeki enerjisine eşittir:

${\int }_{-\infty }^{\infty }|f(t){|}^{2}dt=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }|F(\omega ){|}^{2}d\omega$

İki fonksiyonun zaman domenindeki konvolüsyonu, frekans domeninde çarpıma dönüşür:

$f(t)\ast g(t)\stackrel{\mathcal{F}}{\leftrightarrow }F(\omega )\cdot G(\omega )$

Bu, sistem tepkilerinin analizinde kullanılır.

Zaman domeninde periyodik bir kare dalga, frekans domeninde harmonik bileşenler içerir (Fourier serisi yaklaşımı).

_{Kare Dalga Zaman Domeni - Yapay Zeka ile üretilmiştir.}

_{Kare Dalga Frekans Domeni (Yapay Zeka ile Oluşturulmuştur)}

Bu spektrum, sinyalde yalnızca tek sayılı harmoniklerin bulunduğunu gösterir.

$f(t)=e^{-t^2}$

Fourier dönüşümü yine Gauss fonksiyonudur:

$F(\omega )=\sqrt{\pi }\cdot e^{-\frac{{\omega }^2}{4}}$

Bu özellik, Gauss fonksiyonlarını hem zaman hem frekans domeninde "ideal" kılar.

Olasılık kuramında Fourier dönüşümünün istatistiksel karşılığı karakteristik fonksiyondur:

${\varphi }_X(t)=\mathbb{E}\left[e^{itX}\right]$

Eğer $X\sim N(𝜇,{𝜎}^2)$ ise:

${\varphi }_X(t)=\exp \left(i\mu t-\frac{1}{2}{\sigma }^2{t}^2\right)$

Bu dönüşüm, dağılımın momentlerini taşır. Özellikle Levy Süreklilik Teoremi ve Merkezi Limit Teoremi gibi sonuçların kanıtında kullanılır.

Bilgisayarda Fourier dönüşümünü uygulamak için sinyalin ayrık versiyonu alınır. Bu durumda:

$X_k={\sum }_{n=0}^{N-1}{x}_n\cdot e^{-2\pi i\cdot \frac{kn}{N}},k=0,1,...,N-1$

DFT’nin hesaplamasını hızlandıran algoritmadır. Zaman karmaşıklığını $O(N^2)$'den $O(NlogN)$'ye düşürür.

Örnek Uygulama:

• Ses sinyali üzerindeki FFT analizi, hangi frekansların yoğun olduğunu gösterir.
• Görüntü işleme uygulamalarında görüntüdeki desenlerin spektral analizi yapılır.