Was ist die Fourier-Transformation?

 (quantamagazine.org)
3 Punkte von GN⁺ 2025-09-05 | 1 Kommentare | Auf WhatsApp teilen
  • Die Fourier-Transformation ist eine mathematische Berechnung, die komplexe Signale oder Funktionen in die Summe ihrer grundlegenden Frequenzkomponenten zerlegt
  • Auch das Ohr nimmt verschiedene Schallwellen auf und trennt sie nach unterschiedlichen Frequenzen; der Mathematiker Fourier formulierte dies im 19. Jahrhundert und stieß damit eine mathematische Revolution an
  • Die Fourier-Transformation wird nicht nur in der Funktionsanalyse, sondern auch in Kompression, Signalverarbeitung, Physik und Quantenmechanik breit eingesetzt
  • Sie spielt eine unverzichtbare Rolle dabei, verschiedene Daten wie digitale Bilder und Audio effizient zu komprimieren und zu transformieren
  • Mit dem Aufkommen des Fast Fourier Transform(FFT)-Algorithmus wird die Fourier-Transformation heute im Alltag und in der gesamten IT-Technik breit genutzt

Überblick

  • Wenn wir Musik hören, übernimmt unser Ohr die Aufgabe, komplexe Schallwellensignale aufzunehmen und in ihre Frequenzen zu zerlegen
  • Die Fourier-Transformation bietet ein Mittel, jede komplexe Funktion in die Summe grundlegender Wellen zu zerlegen und daraus die ursprüngliche Funktion wiederzugewinnen
  • Diese Methode wurde vom französischen Mathematiker Jean-Baptiste Joseph Fourier im 19. Jahrhundert entdeckt und revolutionierte die Funktionsanalyse
  • Seitdem hat die Fourier-Transformation die Entwicklung in Bereichen wie Funktionsanalyse, Signalverarbeitung, Mathematik und Physik stark vorangetrieben und wird heute auch bei Dateikompression auf Computern und der Verstärkung von Audiosignalen eingesetzt
  • Der New Yorker Universitätsprofessor Leslie Greengard sagt, die Fourier-Analyse habe fast alle Bereiche von Mathematik und Wissenschaft beeinflusst

Fouriers Leidenschaft und Entdeckung

  • Fourier wurde 1768 in Frankreich geboren und erhielt schon früh Kloster- und Mathematikunterricht
  • Während er zwischen Religion und Mathematik rang, wurde er 1794 wegen konterrevolutionärer Gedanken inhaftiert und kehrte nach der Französischen Revolution zur mathematischen Ausbildung zurück
  • Er nahm als wissenschaftlicher Berater an Napoleons Ägyptenfeldzug teil und forschte zu altägyptischen Studien und Problemen der Wärmeübertragung
  • Er behauptete, dass sich die Wärmeübertragung in einem Metallstab als Summe einfacher Wellen darstellen lasse, was unter den Mathematikern seiner Zeit große Kontroversen auslöste
    • Die innovative Behauptung war, dass selbst abrupte Temperaturänderungen (z. B. ein halb kalter, halb heißer Stab) durch die Summe unendlich vieler glatter Kurven exakt beschrieben werden können
  • Schließlich prägte Fourier die Mathematik nachhaltig, indem er bewies, dass sich beliebige Funktionen als Summe sehr einfacher Schwingungen darstellen lassen
  • Allerdings ist die Anwendbarkeit bei extrem komplexen Funktionen (die auch bei Vergrößerung weiter unregelmäßig bleiben) eingeschränkt

Das Prinzip der Fourier-Transformation

  • Die Fourier-Transformation zerlegt komplexe Objekte in unterschiedliche Frequenzkomponenten, ähnlich wie man die Bestandteile eines Dufts oder eines Akkords identifiziert
  • Mathematisch nimmt sie die zu transformierende Funktion als Eingabe und berechnet, wie stark jede Frequenz zur ursprünglichen Funktion beiträgt
    • Beispiel: Multipliziert man eine bestimmte Funktion mit einer Sinuswelle der Frequenz 3 und ergibt sich ein hoher Mittelwert des Graphen, dann ist diese Frequenz stark in der ursprünglichen Funktion enthalten
    • Wenn sich bei einer bestimmten Frequenz positive und negative Peaks aufheben und der Mittelwert nahe 0 liegt, ist diese Frequenz kaum enthalten
  • Die Fourier-Transformation misst diese Koeffizienten für alle Frequenzen, sodass sich durch ihre Summation die ursprüngliche komplexe Funktion rekonstruieren lässt
  • Signale mit scharfen Kanten wie Rechteckwellen (etwa digitale Signale) lassen sich als Summe unendlich vieler Frequenzen (Fourier-Reihe) annähern
  • Frühe Mathematiker taten sich schwer damit zu akzeptieren, dass unendlich viele glatte Kurven abrupte Veränderungen erzeugen können, heute ist dies jedoch ein wichtiges Werkzeug

Höhere Dimensionen und Anwendungen im Alltag

  • Die Fourier-Transformation lässt sich auch auf Bilder als zweidimensionale Funktionen anwenden, die sich als 2D-Funktionen der Pixelhelligkeit verstehen lassen
  • Das Ergebnis der Fourier-Transformation eines Bildes kann als Streifenmuster mit verschiedenen Richtungen interpretiert werden; durch ihre Kombination lässt sich das Originalbild rekonstruieren
  • Bildkompression wie JPEG entfernt hochfrequente Informationen (kleine Details) und reduziert so die Dateigröße stark, während die wesentlichen Eigenschaften des Bildes erhalten bleiben
  • Der in den 1960er Jahren von James Cooley und John Tukey entwickelte Fast Fourier Transform(FFT)-Algorithmus beschleunigte die Berechnung der Fourier-Transformation revolutionär
  • Dadurch wurde die Fourier-Transformation zu einer unverzichtbaren Technik in Bereichen wie Datensignalverarbeitung, Informatik, medizinischer Bildgebung (MRT), Astronomie sowie Audio-/Videokompression

Einfluss auf moderne Mathematik und Wissenschaft

  • Die Fourier-Transformation ist ein Kernbestandteil der Physik (insbesondere der Quantenmechanik) und liefert die mathematische Grundlage für das Unschärfeprinzip
    • Beispiel: Je genauer die Position eines Teilchens eingegrenzt ist (als scharfer Peak im Graphen), desto größer wird nach der Fourier-Transformation die Unsicherheit seines Impulses
  • Das Teilgebiet harmonic analysis entwickelte sich weiter und spielt eine wichtige Rolle bei der Untersuchung von Wellen und der inversen Transformation sowie verschiedener Eigenschaften von Funktionen
  • Auch zur Zahlentheorie, der Verteilung von Primzahlen und weiteren Bereichen der Mathematik bestehen enge Verbindungen
  • Professor Charles Fefferman betont die Bedeutung der Fourier-Transformation mit der Aussage, ohne sie würden große Teile der Mathematik verschwinden

Fazit

  • Die Fourier-Transformation ist ein zentrales Werkzeug der modernen Wissenschaft und Technik für Signale, Daten, Bilder und Physik
  • Ihr Einfluss reicht von mathematischer Innovation bis zu praktischer Technologie
  • Heute wird sie breit in Computern, Kommunikation, Medizin und Unterhaltung eingesetzt

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2025-09-05
Hacker-News-Kommentare
  • Ich empfehle ein Video vom Kanal Captain Disillusion, das sehr anschaulich erklärt, wie die Fourier-Transformation visuell funktioniert und wie sie bei visuellen Effekten wie Blur oder Unblur eingesetzt wird
    https://youtu.be/xDLxFGXuPEc?feature=shared
    • Ich mag die Inhalte von Captain Disillusion, aber ich möchte anmerken, dass die Folge „CD / Blur“ zu den informationsärmsten der Reihe gehört. Natürlich ist das Video unterhaltsam und zugänglich gemacht, aber es hat nicht die Tiefe wie das Fourier-Transform-Video von 3Blue1Brown
    • Ich fand die Hommage an Carl Sagan im Video ziemlich unterhaltsam
  • Wenn man sich für Fourier interessiert, wird man wahrscheinlich auch die Laplace-Transformation mögen (oder ihre diskrete Version, die z-Transformation). Ich bin früher völlig in dieses Gebiet eingetaucht und habe mich intensiv damit beschäftigt, und es ist bis heute eines meiner Hobbys, mit denen ich mich gern befasse. Die Anwendungen von Fourier, Laplace und z-Transformation sind in sehr vielen Bereichen weit verbreitet. Ich nutze sie hauptsächlich in der Signalverarbeitung und der analogen Elektrotechnik
    • Als ich Elektrotechnik studierte, gab es noch keine Computeralgebrasysteme, also habe ich per Hand Übertragungsfunktionen aus der Laplace-Transformation in die z-Transformation umgewandelt. Ich habe ausmultipliziert, wieder zusammengefasst und faktorisiert und dabei mit Bleistift und Radiergummi endlos viel Endlospapier vom Zeilendrucker für elementare, aber langweilige Algebra verbraucht. Die Studierenden von heute haben wirklich Glück
    • Früher musste ich bei Amazon oft zwischen Produkten mit hoher Bewertung, aber wenigen Rezensionen, und Produkten mit etwas niedrigerer Bewertung, aber vielen Rezensionen wählen. Ich habe die Laplace Rule of Succession angewendet und eine Browser-Erweiterung gebaut, die einen Laplace-Score berechnet, der sowohl die Anzahl der Rezensionen als auch die Bewertung berücksichtigt. Dadurch konnte ich deutlich klügere Entscheidungen treffen
      https://greasyfork.org/en/scripts/443773-amazon-ranking-laplace
    • Die sogenannte „Z-transform“ für diskrete Sequenzen ist im Wesentlichen dasselbe wie erzeugende Funktionen oder formale Potenzreihen/Laurent-Reihen. Man schreibt eine diskrete Sequenz als Potenzreihe in z^(-1)
    • Wenn ich an die Laplace-Transformation denke, fallen mir immer Konzepte wie Pole und Nullstellen aus der Regelungstheorie ein
    • Im Kern dreht sich Elektro- und Elektroniktechnik letztlich genau um solche Transformationen
  • Während hier alle Material teilen, möchte ich darauf hinweisen, dass „Signals and Systems“ von Dennis Freeman am MIT die Beziehungen zwischen den vier Fourier-Darstellungen (FT, DFT, Fourier-Reihe, DTFT) sehr intuitiv erklärt
    https://ocw.mit.edu/courses/6-003-signals-and-systems-fall-2011/resources/lecture-19-relations-among-fourier-representations/
    • Es ist interessant, dass die Wavelet-Transformation früher enorm populär war, heute aber kaum noch erwähnt wird
  • Auch BetterExplained.com hat einen sehr gut gemachten interaktiven Leitfaden zur Fourier-Transformation
    https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/
  • Ich habe meine eigene Theorie dazu, warum die Fourier-Transformation und viele andere Transformationen (erzeugende Funktionen, Mellin/Laplace/Legendre/Haar usw.) in der Praxis so nützlich sind. Der Grund ist, dass viele Funktionen in der realen Welt spärlich besetzt sind und Compressed Sensing dadurch gut funktioniert Da FT eine 1:1-Transformation ist, gibt es theoretisch keinen Informationsverlust, und wenn man Probleme im Frequenzraum betrachtet, werden sie oft viel einfacher. Der Grund ist, dass Funktionen, die oberflächlich komplex wirken, im Transformationsraum oft aus einfacheren Bausteinen bestehen Zum Beispiel wirkt das Signal eines Flügelschlags einer Fliege kompliziert, aber in der FT erscheint ein starker Peak bei einer einzelnen Frequenz. Auch die Summe zweier Sinuswellen sieht im Original kompliziert aus, lässt sich nach der FT aber klar in zwei getrennte Bereiche aufspalten Der Grund, warum FT (oder DCT usw.) in JPEG, MP3 und Ähnlichem genutzt wird, ist, dass man Frequenzanteile verwerfen kann, die für die tatsächliche menschliche Wahrnehmung von Hören oder Sehen nicht wichtig sind, und so Daten komprimieren kann Die Magie der FT liegt nicht nur in der Transformation in eine orthogonale Basis, sondern darin, dass reale Signale oft erstaunlich gut durch nur wenige Basisanteile beschrieben werden können
    • In diesem Zusammenhang ist auch die Taylor-Reihe nützlich, weil sie reale Dynamik als Kombination aus „hauptsächlich linearen plus nichtlinearen Effekten“ annähert. Der Luftwiderstand ist ein Beispiel: Mit einer Taylor-Entwicklung kann man ihn in Viskosität (linearer Term) und Volumenverdrängung (quadratischer Term) zerlegen. In echter Luft ist der Koeffizient des linearen Terms zwar sehr klein, aber dieser Ansatz hilft, die Struktur zu verstehen
    • Ein wichtiger Grund, warum FT sich besonders durchgesetzt hat, ist, dass Sinus, Kosinus und komplexe Exponentialfunktionen Eigenfunktionen des Differentialoperators sind. Da viele reale Systeme durch Differentialgleichungen beschrieben werden, ist FT ein grundlegendes Werkzeug für ihre Analyse. Dass reale Signale im FT-Raum oft spärlich sind, liegt insbesondere daran, dass die meisten realen Systeme viele periodische Bewegungen enthalten (Motoren, Flügelschläge von Fliegen usw.), sodass FT die Komponenten sehr effizient trennt. Alle Signale haben eine Struktur, die sich in Harmonische einer Grundfrequenz zerlegen lässt
    • Letztlich ist wichtig, dass die vom Menschen wahrgenommenen Signale spärlicher sind. Ein echter Violinton ist weit von einer Sinuswelle entfernt, aber das Gehirn nimmt ihn als einen einzigen idealen Klangcharakter wahr. Unser Wahrnehmungsmodell ist also tatsächlich stark komprimiert
  • Wenn man versucht, die Fourier-Transformation wirklich zu „fühlen“, wirkt sie deshalb schwierig, weil man, um die Schwingung eines Signals tatsächlich zu berechnen, eine gewisse Zeit warten muss und der Transformationsprozess Integrale umfasst. Visuell sieht man das gesamte Signal auf einmal, aber im wirklichen Leben trifft ein Signal schrittweise ein, weshalb das nicht so einfach ist. Darüber würde ich gern mehr lesen
    • In solchen Fällen braucht man das Konzept der Time-Frequency Analysis, und das zentrale Werkzeug ist hier die Short-Time Fourier Transform (STFT). Musikspektrogramme und viele andere Visualisierungen basieren darauf
    • Für Streaming-Signale verwendet man ein Sliding-Window-FFT. Die Fenstergröße begrenzt den minimal und maximal erkennbaren Frequenzbereich. Die zeitliche Quantisierung digitaler Daten begrenzt auch den Hochfrequenzbereich, und je nach Fensterbreite entsteht unvermeidlich Latenz, was bei Echtzeit-Sprachfiltern wichtig ist
    • Intuitiv kann man es sich ähnlich wie eine Faltung mit einem Zeitfenster vorstellen. Die Fenstergröße bestimmt das erfassbare Frequenzband
    • Üblicherweise führt man FFT auf kurzen Abschnitten wie 512 Samples aus. Oder man verwendet 1024 Samples mit 512 Überlappung; je mehr Samples man verwendet, desto höher wird die Genauigkeit
  • Beim Lesen dieses Artikels sind mir wirklich die Augen für die Fourier-Transformation aufgegangen. Zum ersten Mal habe ich verstanden, wie komprimierte Bild-Bitmaps funktionieren, und jetzt möchte ich selbst mit Kompression experimentieren oder kontinuierliche Signale in diskrete Komponenten zerlegen Ich würde das auch gern auf Colour quantisation anwenden und versuchen, durch Bestimmung der dominanten oder durchschnittlichen RGB-Komponenten eine Farbreduktion zu bauen, die statt wie klassisches Dithering Fehler zu verteilen nur spärlichere Komponenten beibehält. Vielleicht funktioniert es nicht gut, aber ich freue mich schon auf das Lernen durch Ausprobieren
  • Für jemanden, der gerade erst in die Fourier-Transformation einsteigt, kann das ein gutes Material sein, aber es könnte sie auch viel willkürlicher und zufälliger erscheinen lassen, als sie tatsächlich ist. Schade wäre vor allem, wenn man dadurch glaubt, den gesamten Inhalt schon verstanden zu haben, und dann die noch viel schöneren Dinge einfach übersieht Ich hoffe, niemand verpasst die vielleicht schönste Blüte der Fourier-Analyse im Leben, weil er glaubt, sie bereits zu besitzen
    https://news.ycombinator.com/item?id=45134843 Diese Frage könnte ein Hinweis auf diese verborgene Schönheit sein
  • Wenn man die Fourier-Transformation noch tiefer und visueller erleben möchte, sind diese explorativen Erklärungen sehr hilfreich
    https://injuly.in/blog/fourier-series/index.html, https://www.jezzamon.com/fourier/
  • Ich war beeindruckt von der Geschichte, dass Fourier behauptete, man könne die Verteilung von Wärme in einem Stab als Summe einfacher Wellenformen darstellen. Da denkt man sofort: „Wie kommt man auf so etwas?“ Manche Menschen scheinen wirklich anders geboren zu sein
    • Fourier war offenbar mit sehr vielen mathematischen Themen bestens vertraut, etwa mit Differentialgleichungen, Reihenentwicklungen und der frühen chaotischen Phase der Analysis. In 200 Jahren haben sich die neuen und faszinierenden Fronten der Mathematik natürlich stark verändert