Die unangemessen große Nützlichkeit der Fourier-Transformation

• Ein Vortrag, der zeigt, wie leistungsfähig die Fourier-Transformation in realen technischen Anwendungen ist
• Der Vortragende erklärt dies auf der Veranstaltung Teardown 2025 anhand von Beispielen rund um OFDM (Orthogonal Frequency Division Multiplexing)
• Zusammen mit dem Vortrag werden verschiedene Referenzmaterialien bereitgestellt, darunter ein PDF der Folien, ein Jupyter-Notebook, DVB-T-Decoder-Code und ein Video zum FFT-Algorithmus
• Das Material zeigt, dass die Fourier-Transformation in Kommunikation und Signalverarbeitung weiterhin ein zentrales Werkzeug ist

---

• Signale werden gewöhnlich als Werte betrachtet, die sich über die Zeit verändern, aber dasselbe Signal lässt sich auch als Summe von Frequenzkomponenten darstellen
• Die Fourier-Transformation ist ein Werkzeug, das eine komplexe Wellenform in die Information umwandelt, „welche Frequenzen in welchem Maß enthalten sind“
• Zum Beispiel erscheinen kurzzeitige Störimpulse, langsam schwankende Verzerrungen und sich wiederholende Muster im Zeitbereich miteinander verflochten, im Frequenzbereich werden sie jedoch getrennt

• Reale Kommunikationskanäle haben meist Eigenschaften eines linearen und zeitinvarianten Systems (LTI, Linear Time-Invariant)
• In LTI-Systemen wird unabhängig für jede Frequenz bestimmt, wie ein Signal verzerrt wird
• Verzögerung, Reflexion und Dämpfung im Zeitbereich erscheinen im Frequenzbereich als Amplituden- und Phasenänderungen

• Versucht man, das Problem im Zeitbereich zu lösen, sind Verzögerung, Überlagerung und Interferenz miteinander verflochten
• Betrachtet man dasselbe Problem im Frequenzbereich, wird es zu der Aufgabe, jede Frequenzkomponente einzeln zu steuern
• Daher entsteht die Idee, „Daten in einen Bereich zu verschieben, in dem sie leichter zu verarbeiten sind“

• Eine direkte Umsetzung dieser Idee ist OFDM (Orthogonal Frequency Division Multiplexing)
• Ein einzelner schneller Datenstrom wird in mehrere langsame Unterträger (subcarrier) aufgeteilt
• Jeder Unterträger ist orthogonal, sodass sie gleichzeitig gesendet werden können, ohne sich gegenseitig zu stören
• Mit FFT (Fast Fourier Transform)/IFFT (Inverse Fast Fourier Transform) lassen sich viele Unterträger auf einmal transformieren und rekonstruieren

• Wenn sich der Kanalzustand je nach Frequenz unterscheidet, verschlechtert sich nur die Qualität einiger Unterträger
• Bei einem Einzelträgersystem werden die gesamten Daten beschädigt, bei OFDM ist nur ein Teil betroffen
• Problematische Frequenzen können schwächer genutzt oder ganz freigelassen werden

• Burst-Störungen, die gebündelt in der Zeit auftreten, werden bei OFDM auf mehrere Symbole und mehrere Frequenzen verteilt
• Starke Störungen in einem kurzen Moment führen nicht zur Beschädigung des gesamten Datenbestands

• Mehrwegeausbreitung (Multipath) in Funkumgebungen erzeugt Verzögerungen, weil ein Signal über mehrere Pfade ankommt
• Im Zeitbereich überlappen sich dadurch Symbole, und es entsteht ISI (Inter-Symbol Interference)
• Im Frequenzbereich erscheint Multipath als Kurve der Kanalantwort
• Wird diese Kurve korrigiert, lassen sich die einzelnen Unterträger unabhängig rekonstruieren

• Mithilfe von Pilotsignalen lässt sich der Frequenzfehler (LO-Drift) zwischen Sender und Empfänger verfolgen
• Auch die während der Bewegung entstehende Doppler-Verschiebung kann nach Frequenzen getrennt und korrigiert werden

• Auf jeden Unterträger können unterschiedliche Modulationsverfahren angewendet werden
• In Frequenzbereichen mit gutem Signalzustand wird schnelle Modulation eingesetzt, in schlechten Bereichen eine stabile Modulation
• Dadurch wird eine hierarchische Datenübertragung möglich, die in einem einzelnen Datenstrom nicht umsetzbar ist

• Dies lässt sich zu einer OFDMA-Struktur erweitern, in der mehrere Nutzer Zeit und Frequenz aufteilen und gleichzeitig senden
• Interleaving, das Daten sowohl über Zeit als auch über Frequenz verteilt, mildert die Konzentration von Fehlern
• Lässt sich natürlich mit Fehlerkorrekturverfahren wie Faltungscodes, Reed–Solomon und BCH kombinieren

• Insgesamt ist die Fourier-Transformation ein „Schalter, der eine komplexe Realität in ein einfaches Regelungsproblem verwandelt“
• OFDM ist ein Design, das diesen Schalter ins Zentrum der Kommunikationsarchitektur stellt
• Es bildet die Grundlage dafür, dass moderne drahtlose Kommunikation hohe Geschwindigkeit und Stabilität gleichzeitig erreicht

[euphcat]

Aus den „HN-Kommentaren“:

• Erstaunlich, dass er trotz sechs Kindern so produktiv war

...?

[aer0700]

Wir leben bereits in einer Zeit, in der jemand CEO von vier Unternehmen ist und vierzehn Kinder hat, also ...

[euphcat]

Nein, aber ich habe wirklich auf Wikipedia nachgeschaut: Joseph Fourier hat die Fourier-Transformation 1822 veröffentlicht, der FFT wurde – abgesehen von früheren fragmentarischen Veröffentlichungen – 1965 formuliert und publiziert, etwas früher schon 1932, und dass Gauss den FFT bereits 1805 notiert, aber nicht veröffentlicht hat, ist wirklich erstaunlich. Da bleibt einem bei dem Kommentar „Gauss is gonna Gauss“ wohl nichts anderes übrig, als zustimmend zu nicken ;_;

[kimjoin2]

Die ganze Reihe dieser Transformationen in der Ingenieurmathematik hat mich wirklich wahnsinnig gemacht ... schluchz

[aer0700]

Ich erinnere mich, dass ich das früher verwendet habe, als ich Logik zur Rauschunterdrückung und zum Entfernen wiederkehrender Muster geschrieben habe.
Heutzutage setzt man Ähnliches wohl mit Autoencodern um.

[GN⁺]

Hacker-News-Kommentare

• Die Leute lassen sich vom Begriff „Frequenzraum“ blenden, aber der Kern ist, wie nützlich ein problemorientierter Koordinatenwechsel ist
  So wie Kopernikus durch einen Wechsel des Koordinatensystems die komplexen Planetenbewegungen vereinfacht hat, beruht auch die Fourier-Analyse im Wesentlichen auf derselben Idee
  Bei digitalen Signalen ist die Walsh-Hadamard-Basis hilfreich, und das ist ein völlig anderes Konzept als Frequenz
  Auch Modelle wie GPT befinden sich derzeit in einem ptolemäischen Zustand, und ich denke, dass wir ihre Dynamik eines Tages mit einem besseren Koordinatensystem verstehen werden
  • Solche Transformationen sind letztlich der Übergang zur Eigenbasis eines bestimmten Differentialoperators
    Kugelflächenfunktionen, Besselfunktionen, Hankelfunktionen usw. sind jeweils Varianten von Sinus-/Kosinus- oder komplexen Exponentialfunktionen
    Wavelets verwenden einen baumförmigen Parameterraum, und in letzter Zeit wird auch viel zu übervollständigen Basen (overcomplete basis) geforscht
    Ich denke aber, dass solche linearen Ansätze für das Verständnis neuronaler Netze, die mit nichtlinearen hochdimensionalen Strukturen arbeiten, nicht direkt relevant sind
  • Wenn man Fourier- oder Laplace-Transformationen so gelernt hätte, wäre DSP-Unterricht viel interessanter gewesen
  • Auch die Vorhersage des zukünftigen Zustands eines Quantensystems wird einfach, wenn man den Hamilton-Operator diagonalisieren kann
    Das Problem ist nur, dass das im Allgemeinen fast unmöglich ist
• Meine liebste Anekdote zur Fourier-Transformation ist, dass Gauss den FFT-Algorithmus schon ein Jahrhundert vor Cooley und Tukey entdeckt hat
  Er notierte ihn bei der Untersuchung der Bewegung der Asteroiden Pallas und Juno in seinem Notizbuch, veröffentlichte ihn aber nie
  Zugehöriges Dokument
  • Über Gauss heißt es, wenn ein anderer Mathematiker ihm ein neues Ergebnis zeigte, habe er gesagt: „Habe ich schon gemacht“, und dann einen Stapel entsprechender Arbeiten aus der Schublade gezogen
  • Aus meiner Zeit als Praktikant bei Chevron kenne ich die Geschichte, dass man Fourier-Transformationen schon in den 1950er Jahren für die seismische Analyse zur Erdölexploration nutzte, dies aber geheim hielt, weil sich Mathematik nicht patentieren ließ
  • Die Ränder von Gauss’ Notizen sollen voller unveröffentlichter Beweise gewesen sein
    Er soll seinem Sohn geraten haben, keine Mathematik zu studieren, weil es unmöglich sei, ihn zu übertreffen
  • Gauss war wirklich Gauss
  • Erstaunlich, dass er trotz sechs Kindern so produktiv war
• Die Funktion, die mir bei Grafana am meisten fehlt, ist eine Fourier-Transformation, die periodische Muster (Epizyklen) in Traffic-Spitzen findet
  Ich wollte periodischen Traffic wie Montagmorgen oder Dienstagmittag erkennen
  Aber ich habe den Graphen falsch konfiguriert und dabei die Hälfte unseres Tageskontingents verbraucht; als ich dann auf eine -7-Tage-Linie umgestellt habe, verstand nur ich sie und das Team war verwirrt
  • Solche Spitzen passen nicht zu der Annahme, dass das Signal über das Ganze hinweg Frequenzkomponenten hat
    Stattdessen ist eine Cepstrum-Analyse besser geeignet; sie wird in der Analyse von Maschinenschwingungen oft verwendet, um periodische Stöße zu finden, etwa bei Getriebeschäden
• Ein Signal kann nicht gleichzeitig im Zeit- und im Frequenzbereich bandbegrenzt sein
  Ich war überrascht, als ich erfuhr, dass diese Erkenntnis aus dem Grundstudium äquivalent zum Unschärfeprinzip ist
  Meine Frau und ich streiten oft darüber, wie man die Spülmaschine einräumt: Ich mache es schnell (Zeit minimieren), sie gründlich (Anzahl der Spülgänge minimieren) — wir optimierten also unterschiedliche Domänen
  • Signale können in beiden Bereichen näherungsweise begrenzt sein
    Zum Beispiel ist die Gaußfunktion in beiden Bereichen kompakt
  • Das Ohr ist hervorragend bei der Frequenzauflösung, aber schwach bei der Richtungserkennung; beim Auge ist es umgekehrt
  • Das ist buchstäblich das Heisenbergsche Unschärfeprinzip in der Signalverarbeitung
  • Ich frage mich, ob das bedeutet: „Ich habe es schnell gemacht und musste deshalb noch einmal laufen lassen“
    Übrigens empfehle ich dieses Geschirrspüler-Video von Technology Connections
  • Eine Spülmaschine mit automatischer Beladung wäre eine Erfindung, die Ehen retten könnte
• Wenn man beginnt, die Welt im Frequenzbereich zu sehen, werden viele Tricks plötzlich einfach
  Ich habe Demo-Code geschrieben, der eine Fourier-Transformation auf Webcam-Video anwendet, um den Puls aus einem Gesicht auszulesen
  Man sucht dabei nach Bereichen, in denen die Energie bei einer bestimmten Frequenz ihren Peak erreicht
  • Darauf basieren alle verlustbehafteten Kompressionsalgorithmen
    Der DCT, der das Herzstück von JPEG, h264 und mp3 ist, ist im Grunde eine modifizierte FFT
  • Ich habe früher einmal einen HN-Kommentar gesehen, in dem jemand schrieb, dass dieser Perspektivwechsel sein Leben verändert habe
  • Im Finanzbereich gibt es eine ähnliche Metapher — man handelt nicht nach einem bestimmten Zeitpunkt, sondern anhand von Preisschwellen
  • In der Praxis ist das Pulsieren der Haut durch den Blutfluss auf einer Webcam aber möglicherweise gar nicht sichtbar
• Ich empfehle das neueste Video von Sebastian Lague sehr
  Es erklärt das Konzept der Fourier-Transformation sehr einfach
  Videolink
• Es gab den scherzhaften Kommentar, wer wohl einen Titel wie „The Unreasonable Effectiveness of The Unreasonable Effectiveness“ schreiben würde
  • Als Meme kam die Antwort: „Unreasonable effectiveness is all you need“
  • Wenn man bedenkt, worum es im Originalaufsatz geht und dass die Fourier-Transformation Kommunikation über verrauschte Kanäle ermöglicht hat, finde ich den Titel ziemlich passend
  • Ursprünglich ist das eine Parodie auf den berühmten Essay von 1960 „The Unreasonable Effectiveness of Mathematics in the Natural Sciences“
    Aber solche Titel sind inzwischen so überstrapaziert, dass sie etwas manipulativ wirken
  • Jemand scherzte über das „Gegenteil von unreasonable effectiveness-ness“
  • Ich finde solche Titel kindisch
    Fourier-Transformationen sind in Wahrheit ein sehr vernünftiges und intuitives Konzept
    Da Mathematik die Sprache der Wissenschaft ist, wirkt auch die Formulierung, Mathematik sei „unangemessen effektiv“, übertrieben
    Die Präsentation ist letztlich auch nur FT-101-Niveau
• Aus Sicht von ML/Data Science ist FFT ein Konzept ähnlich wie PCA
  Man projiziert Daten in ein besseres Koordinatensystem (Zeit → Frequenz), entfernt die Basen mit geringer Varianz und rekonstruiert sie dann per Rücktransformation (IFFT)
  Der Unterschied ist nur, dass die Basis bei FFT fest vorgegeben ist
• Ich mag die Fourier-Transformation nicht besonders
  Sie arbeitet mit einem unendlichen Bereich, deshalb wirkt sie grob und unrealistisch
  • In der Praxis wendet man immer eine FFT auf gefensterte Daten an
    So beseitigt man die Probleme mit unendlichem Träger und unendlicher Auflösung
  • Ich weiß nicht, ob das ein Tomb-Raider-Witz oder eine mathematische Metapher sein soll
  • Nein, hier ist das einfach nicht gemeint
• Bei der Erklärung von OFDM behandelt er implizit Amplitudenumtastung (ASK)
  Wenn man andere Modulationsarten verwenden will, behandelt man die komplexen Werte der Unterträger einfach als IQ-Punkte
  Im Ergebnis liest man dieselben Symbole im Frequenz- statt im Zeitbereich, und dank des Superpositionsprinzips funktioniert das äquivalent zu allgemeiner Modulation