Математика и DSP

Калькулятор преобразования Фурье

Дискретное преобразование Фурье (DFT) онлайн. Постройте спектр сигнала, разложите на частотные компоненты, сравните оконные функции. Визуальные графики и подробные результаты.

1822
Год публикации
Жозеф Фурье опубликовал «Аналитическую теорию тепла»
O(N²)
Сложность DFT
Прямое вычисление дискретного преобразования
O(N log N)
Сложность FFT
Алгоритм Кули-Тьюки (1965)
100%
Цифровое аудио
Всё цифровое аудио использует преобразование Фурье

Что такое преобразование Фурье

Преобразование Фурье — это математический инструмент, который раскладывает сигнал на составляющие частоты. Любой периодический или непериодический сигнал можно представить как сумму синусоид с различными частотами, амплитудами и фазами. Это фундаментальная операция в обработке сигналов, физике и инженерии.

~

Из времени в частоту

Во временной области сигнал описывается как функция x(t) — амплитуда в каждый момент времени. Преобразование Фурье переводит сигнал в частотную область X(f), где каждая точка показывает, с какой интенсивностью присутствует данная частота. Это позволяет увидеть «скрытую» структуру сигнала, невидимую на временном графике.

e

Формула Эйлера

В основе преобразования Фурье лежит формула Эйлера: e^(j*theta) = cos(theta) + j*sin(theta). Комплексная экспонента позволяет компактно записать синусоидальные колебания. При вычислении DFT мы умножаем сигнал на комплексные экспоненты разных частот и суммируем — это корреляция сигнала с каждой частотной компонентой.

N

DFT и непрерывное FT

Непрерывное преобразование Фурье работает с аналоговыми сигналами бесконечной длительности. Дискретное преобразование Фурье (DFT) — его цифровой аналог для конечного набора из N отсчётов. DFT даёт N комплексных коэффициентов, описывающих частоты от 0 до частоты дискретизации. На практике используют только половину спектра — до частоты Найквиста.

Где применяется преобразование Фурье

От смартфонов до медицинских томографов — преобразование Фурье лежит в основе бесчисленного множества технологий.

🎵

Обработка аудио

Эквалайзеры, шумоподавление, сжатие MP3/AAC, распознавание речи, анализ музыки. Каждый аудиофайл на вашем устройстве обработан с помощью FFT. Алгоритмы типа Shazam находят мелодию, сравнивая спектры.

🖼

Сжатие изображений

JPEG использует дискретное косинусное преобразование (DCT) — близкий родственник DFT. Двумерное преобразование Фурье позволяет фильтровать пространственные частоты: убирать шум, повышать резкость, находить текстуры.

📡

Телекоммуникации

OFDM-модуляция в Wi-Fi, 4G/5G, DVB-T целиком построена на FFT. Каждый символ данных передается на отдельной поднесущей частоте, а приемник выполняет обратное FFT для декодирования.

🔧

Вибрационный анализ

Контроль состояния подшипников, турбин, двигателей. Акселерометр записывает вибрацию, а FFT выявляет характерные частоты: дисбаланс ротора, износ зубьев, резонансные частоты конструкции.

🏥

Медицинская визуализация (МРТ)

Магнитно-резонансная томография собирает данные в k-пространстве (частотная область). Реконструкция изображения среза тела — это двумерное обратное преобразование Фурье. Без FFT МРТ было бы невозможным.

📈

Финансовый анализ

Спектральный анализ временных рядов: выявление циклических компонент в ценах акций, сезонности продаж, бизнес-циклов экономики. Помогает отличить тренд от периодических колебаний и шума.

Математический аппарат/ формулы и теоремы

Ключевые формулы, лежащие в основе дискретного преобразования Фурье, а также связанные теоремы и алгоритмы.

Прямое ДПФ (DFT)

Преобразует N временных отсчётов x[n] в N частотных коэффициентов X[k].

X[k] = SUM(n=0..N-1) x[n] * exp(-j * 2 * pi * k * n / N)

k = 0, 1, ..., N-1. Каждый X[k] — комплексное число с амплитудой |X[k]| и фазой arg(X[k]).

Обратное ДПФ (IDFT)

Восстанавливает временной сигнал из спектральных коэффициентов.

x[n] = (1/N) * SUM(k=0..N-1) X[k] * exp(+j * 2 * pi * k * n / N)

Отличается от DFT знаком экспоненты (+ вместо -) и множителем 1/N.

Теорема Парсеваля

Энергия сигнала одинакова во временной и частотной областях.

SUM(n=0..N-1) |x[n]|^2 = (1/N) * SUM(k=0..N-1) |X[k]|^2

Позволяет проверить корректность вычисления DFT и используется в расчете мощности сигнала.

Частотное разрешение и Найквист

Два фундаментальных ограничения дискретного спектрального анализа.

Delta_f = fs / N     (частотное разрешение)
f_max = fs / 2      (частота Найквиста)

Увеличение N повышает разрешение. Теорема Котельникова (Найквиста-Шеннона): fs должна быть вдвое больше максимальной частоты сигнала.

Алгоритм FFT (Кули-Тьюки)

Быстрое преобразование Фурье — алгоритм, вычисляющий DFT за O(N log N) вместо O(N^2).

X[k] = X_even[k] + W_N^k * X_odd[k]
X[k+N/2] = X_even[k] - W_N^k * X_odd[k]
W_N = exp(-j * 2 * pi / N)   // поворотный множитель

Разбивает N-точечное DFT на два N/2-точечных. Работает оптимально при N = степень 2. Опубликован Кули и Тьюки в 1965 г.

Совет: для вещественного сигнала длины N спектр симметричен относительно N/2, поэтому информативна только первая половина (бины 0..N/2-1).

Важно: ДПФ предполагает, что сигнал периодически продолжается. Если на границах есть разрыв — возникает спектральная утечка. Оконные функции решают эту проблему.

Оконные функции

Оконные функции применяются к сигналу перед DFT для уменьшения спектральной утечки (spectral leakage). Каждое окно — это компромисс между шириной главного лепестка (частотное разрешение) и уровнем боковых лепестков (подавление помех от соседних частот).

Прямоугольное окно

w[n] = 1

Фактически отсутствие окна. Самый узкий главный лепесток (лучшее разрешение), но высокие боковые лепестки (-13 дБ). Подходит, когда сигнал точно укладывается в целое число периодов или для анализа переходных процессов.

Окно Ханна (Hann)

0.5 * (1 - cos(2*pi*n/(N-1)))

Самое популярное окно общего назначения. Боковые лепестки -31.5 дБ, главный лепесток вдвое шире прямоугольного. Отличный компромисс для большинства задач спектрального анализа. Иногда ошибочно называют «окно Хэннинга».

Окно Хэмминга (Hamming)

0.54 - 0.46 * cos(2*pi*n/(N-1))

Модификация окна Ханна с оптимизированными коэффициентами для минимизации ближайшего бокового лепестка (-42.7 дБ). Широко используется в обработке речи и телекоммуникациях. Не достигает нуля на краях, что важно для overlap-add метода.

Окно Блэкмана (Blackman)

3 слагаемых ряда Фурье

Использует три косинусных члена для подавления боковых лепестков до -58 дБ. Главный лепесток шире, чем у Ханна и Хэмминга. Применяется, когда нужно надежно выделить слабый сигнал рядом с сильным. Идеально для анализа музыкальных инструментов.

Практические советы

Рекомендации по эффективному использованию спектрального анализа в реальных задачах.

1Выбор частоты дискретизации

По теореме Котельникова-Шеннона (Найквиста), частота дискретизации fs должна быть как минимум вдвое больше максимальной частоты сигнала: fs > 2*f_max. На практике используют fs = (2.5...4)*f_max для запаса от помех алиасинга и фильтрации. Для аудио стандарт 44.1 кГц (слух до 20 кГц).

2Zero-padding для разрешения

Дополнение сигнала нулями (zero-padding) увеличивает N и уменьшает шаг по частоте Delta_f = fs/N. Это не добавляет новой информации, но интерполирует спектр между бинами, давая более гладкий график. Полезно для точного определения пиковой частоты.

3Спектральная утечка и окна

Если частота сигнала не кратна Delta_f, энергия «размазывается» по соседним бинам — это спектральная утечка (spectral leakage). Оконные функции (Hann, Hamming, Blackman) плавно обнуляют сигнал на краях, подавляя утечку ценой расширения главного лепестка.

4Предотвращение алиасинга

Алиасинг — ложные частоты, появляющиеся при недостаточной частоте дискретизации. Они неотличимы от «настоящих» и необратимы. Перед АЦП всегда используют аналоговый антиалиасинговый фильтр низких частот с частотой среза ниже fs/2.

5Метод overlap-add (OLA)

Для обработки длинных сигналов в реальном времени сигнал разбивают на перекрывающиеся блоки (обычно 50% перекрытие), каждый блок обрабатывается DFT отдельно, затем результаты складываются с учетом перекрытия. Метод OLA используется во всех аудиоредакторах и кодеках.

6Спектральный анализ в реальном времени

Спектрограмма (waterfall display) — последовательность спектров коротких окон, показанная как изображение (время по горизонтали, частота по вертикали, цвет = амплитуда). STFT (Short-Time Fourier Transform) — стандартный метод для анализа речи, музыки и нестационарных сигналов.

Как пользоваться калькулятором

Простая инструкция для выполнения спектрального анализа сигнала.

1

Задайте компоненты сигнала

На вкладке «Сигнал и спектр» добавьте синусоидальные компоненты: частоту (Hz), амплитуду и фазу (градусы). Можно добавить до 8 компонент.

2

Настройте параметры дискретизации

Выберите частоту дискретизации fs и количество отсчётов N. Помните: Delta_f = fs/N, а максимальная частота = fs/2 (Найквист).

3

Анализируйте спектр

Изучите графики: временную форму сигнала, спектр амплитуд, фазовый спектр и PSD. Наведите курсор для точных значений. Экспортируйте данные в CSV.

4

Примените оконные функции

На вкладке «Окна» сравните спектры с различными оконными функциями. Выберите окно, оптимальное для вашей задачи.

ЧАСТЫЕ ВОПРОСЫ

Часто задаваемые вопросы

Представьте, что вы слышите аккорд на пианино. Ваше ухо воспринимает одну сложную звуковую волну. Преобразование Фурье — это математический способ «услышать» отдельные ноты в этом аккорде. Оно разбивает любой сигнал на набор простых синусоид, каждая со своей частотой (нотой), громкостью (амплитудой) и моментом вступления (фазой). Результат — спектр, который показывает «рецепт» сигнала: какие частоты и с какой силой в нем присутствуют.
DFT (дискретное преобразование Фурье) — это математическая операция: формула X[k] = SUM x[n]*exp(-j*2*pi*k*n/N). FFT (быстрое преобразование Фурье) — это алгоритм, который вычисляет то же самое DFT, но быстрее. Прямое вычисление DFT требует O(N^2) операций, а FFT (алгоритм Кули-Тьюки) — O(N*log N). Для N=1024 это разница в 100 раз. Результат идентичен, различается только скорость вычисления.
DFT «считает», что сигнал бесконечно повторяется. Если в окне наблюдения сигнал не укладывается в целое число периодов, на стыке возникает скачок, и энергия «размазывается» по всем частотам (спектральная утечка). Оконные функции плавно обнуляют сигнал на краях окна, устраняя скачки. Каждое окно — компромисс: лучшее подавление утечки ценой ухудшения частотного разрешения.
Теорема утверждает: чтобы точно восстановить аналоговый сигнал из дискретных отсчётов, частота дискретизации должна быть хотя бы вдвое больше максимальной частоты в сигнале. Если f_max = 20 кГц (предел слуха), то fs >= 40 кГц. Стандарт CD — 44.1 кГц. Если условие нарушено, высокие частоты «отражаются» вниз (алиасинг) и восстановить исходный сигнал невозможно.
Частотное разрешение Delta_f = fs/N — минимальное расстояние между двумя различимыми спектральными пиками. При fs = 1000 Hz и N = 1000 отсчётов Delta_f = 1 Hz. Чтобы различить частоты 100 и 101 Hz, нужно разрешение 1 Hz или лучше. Увеличить разрешение можно, увеличив N (больше отсчётов = дольше запись) или уменьшив fs (но не ниже 2*f_max).
В математике комплексная экспонента e^(j*omega*t) вращается против часовой стрелки (положительная частота), а e^(-j*omega*t) — по часовой (отрицательная). Реальный синус или косинус — это сумма двух комплексных экспонент: положительной и отрицательной частоты. Поэтому спектр вещественного сигнала симметричен: каждая положительная частота имеет «зеркало» в отрицательной части. Информативна только положительная половина.
Для вещественного (действительного) сигнала x[n] спектр обладает эрмитовой симметрией: X[k] = conj(X[N-k]). Это значит, что вторая половина спектра — зеркальное отражение первой, и достаточно анализировать бины 0..N/2. Для комплексного сигнала (например, I/Q данные радиоприемника) такой симметрии нет, и весь спектр 0..N-1 несет уникальную информацию.
Каждый раз, когда вы слушаете MP3, смотрите видео, разговариваете по телефону, делаете фотографию или получаете Wi-Fi — работает FFT. JPEG-сжатие, кодеки аудио (AAC, Opus), модуляция 4G/5G (OFDM), эквалайзеры, шумоподавление в наушниках, распознавание речи Siri/Google, анализ кардиограмм, МРТ-снимки — всё это прямые применения преобразования Фурье.
Преобразование Лапласа F(s) = integral x(t)*e^(-s*t) dt — это обобщение преобразования Фурье. При s = j*omega (чисто мнимая переменная) Лаплас совпадает с Фурье. Лаплас работает с более широким классом сигналов (растущие экспоненты) и используется для анализа устойчивости систем. Фурье — частный случай для устойчивых (затухающих или периодических) сигналов.
МРТ-сканер измеряет сигнал ядерного магнитного резонанса в частотном пространстве (k-space). Каждое измерение — одна строка или спираль в этом пространстве. Чтобы получить изображение среза тела, выполняется двумерное обратное преобразование Фурье (2D IFFT). Качество изображения зависит от количества k-space строк (аналог количества отсчётов N). Поэтому МРТ-скан длится минуты — идет заполнение k-пространства.
PSD показывает распределение мощности сигнала по частотам. Вычисляется как |X[k]|^2/N или через автокорреляцию (теорема Винера-Хинчина). В отличие от амплитудного спектра, PSD имеет физическую размерность мощности/Гц и не зависит от фазы. Используется для характеристики шумов, вибраций и случайных процессов. Площадь под кривой PSD равна средней мощности сигнала.
N определяет компромисс между частотным и временным разрешением. Большое N дает точное разрешение по частоте (Delta_f = fs/N мало), но усредняет изменения во времени. Малое N отслеживает быстрые изменения, но не различает близкие частоты. Для стационарных сигналов берут N побольше (4096-16384), для речи — 20-40 мс (N = fs * 0.025), для музыки — 2048-4096 при 44.1 кГц.
Лиана Арифметова
АВТОРverifiedред. calcal.ru

Лиана Арифметова

Создатель и главный редактор

Миссия: демократизировать сложные расчёты. Превратить страх перед числами в ясность и контроль. Девиз: «Любая повторяющаяся задача заслуживает своего калькулятора».

Mathematical Engineering · МФТИ · редактирует каталог с 2012 года

Был ли этот калькулятор полезен?

ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ

Инструмент справочный — не заменяет эксперта

Только для информационных целей. Все расчёты, результаты и данные, предоставляемые инструментом, носят исключительно ознакомительный и справочный характер. Они не являются профессиональной консультацией — медицинской, юридической, финансовой, инженерной или иной.

Точность результатов. Калькулятор основан на общепринятых формулах и методиках, однако фактические результаты могут отличаться в зависимости от индивидуальных условий, исходных данных и применяемых стандартов. Мы не гарантируем полноту, точность или актуальность приведённых расчётов.

Профессиональные решения — медицинские, финансовые, инженерные — должны приниматься только после консультации с квалифицированным специалистом. Не используйте автоматический расчёт как единственное основание для важных решений.

Ограничение ответственности. Авторы и разработчики сервиса не несут ответственности за прямой или косвенный ущерб, возникший из-за использования данных расчётов. Пользователь принимает на себя всю ответственность за интерпретацию результатов.

СМЕЖНЫЕ ИНСТРУМЕНТЫ

Похожие калькуляторы

15

Калькулятор преобразования Лапласа

Таблица преобразований Лапласа, обратное преобразование, анализ передаточных функций. Полюса, нули, устойчивость.

/laplace-transform-calculator

Калькулятор теории вероятностей (nPr, nCr, распределения)

Посчитать сочетания, перестановки, биномиальное и пуассоновское распределение онлайн. Калькулятор формул Бернулли и Байеса.

/probability-calculator

Калькулятор проверки гипотез (Z-test, t-test, χ², ANOVA)

Статистическая проверка гипотез онлайн. Z-тест, t-критерий Стьюдента, Хи-квадрат и дисперсионный анализ (ANOVA) с расчетом P-value.

/hypothesis-testing-calculator

Калькулятор корреляции и регрессии

Рассчитайте коэффициенты корреляции Пирсона и Спирмена, постройте уравнение линейной регрессии и график онлайн.

/correlation-regression-calculator

Калькулятор распределений вероятностей

CDF, PDF и квантили для 7 распределений: нормальное, Стьюдента, Фишера, хи-квадрат, экспоненциальное, гамма, бета.

/distributions-calculator

Калькулятор тригонометрии

Вычисление sin, cos, tan, cot, sec, csc. Решение треугольников, радианы/градусы, тригонометрические уравнения.

/trigonometry-calculator

Калькулятор описательной статистики

Рассчитать среднее, медиану, моду, дисперсию и другие показатели онлайн. Полный статистический анализ ряда чисел.

/descriptive-statistics-calculator

Калькулятор P-Value и мощности выборки

Расчет P-value, доверительных интервалов и анализ мощности выборки (Power Analysis). Для исследований.

/p-value-calculator

Калькулятор оптимизации: симплекс, рюкзак, генетика

Решение задач оптимизации: линейное программирование (симплекс-метод), задача о рюкзаке и генетические алгоритмы. Поиск минимума/максимума.

/optimization-calculator

Калькулятор дробей (смешанные и неправильные)

Конвертер дробей онлайн. Перевод смешанных чисел в неправильные дроби и наоборот с подробным решением.

/fraction-calculator

Калькулятор НОД и НОК

Быстрый расчет НОД и НОК для любых чисел. Разложение на простые множители (факторизация) онлайн.

/gcd-lcm-calculator

Калькулятор матриц

Вычисление определителя, обратной матрицы, ранга и собственных значений. Удобный интерфейс с решением.

/matrix-calculator

Калькулятор комбинаторики

Перестановки P(n), сочетания C(n,k), размещения A(n,k) и вариации с повторениями. Факториал, биномиальные коэффициенты.

/combinatorics-calculator

Калькулятор комплексных чисел

Сложение, вычитание, умножение, деление, модуль, аргумент, степень, корень комплексных чисел. Визуализация на плоскости.

/complex-number-calculator

Калькулятор производных и интегралов

Символьные и численные методы, пошаговые решения. Поддержка сложных функций и прикладных задач.

/derivative-integral-calculator