Fourier Dönüşümü ve Spektral Analiz (FFT)
Fourier Transform and Spectral Analysis (FFT) · Ayrıca şöyle bilinir: Fast Fourier Transform, Discrete Fourier Transform, Spectral Analysis, Fourier Dönüşümü
Fourier Dönüşümü, zaman-alanı sinyalini bileşenlerine ayrıştıran sinüzoidal frekanslara ayırır ve karmaşık dalga biçimleri içinde gizlenmiş spektral içeriği ortaya çıkarır. Joseph Fourier sürekli dönüşümü 1822'de tanıttı, ancak hesaplama açısından verimli Hızlı Fourier Dönüşümü (FFT) 1965'te James Cooley ve John Tukey tarafından biçimlendirildi. Onların dönüm noktası niteliğindeki algoritması, hesaplama karmaşıklığını O(N²)'den O(N log N)'ye düşürerek mühendislik, fizik ve veri biliminde büyük ölçekli spektral analizi pratik hale getirdi.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Verileriniz zaman (veya uzay) içinde eşit olarak örneklenmişse ve baskın frekansları belirlemeniz, gürültüyü filtrelemeniz, periyodikliği tespit etmeniz veya sinyalleri sıkıştırmanız gerekiyorsa FFT'yi kullanın. Durağanlığı varsayar — yani frekans içeriğinin zamanla değişmediğini. Zamanla değişen spektralara sahip durağan olmayan sinyaller için bunun yerine Kısa Zamanlı Fourier Dönüşümü (STFT), Dalgacık Dönüşümü veya Hilbert-Huang Dönüşümü'nü düşünün. FFT ayrıca maksimum verimlilik için N'nin ikinin kuvveti olmasını gerektirir, ancak karışık tabanlı varyantlar keyfi uzunlukları işleyebilir.
Güçlü yönler & sınırlılıklar
- Yüksek verimlilik: O(N log N) karmaşıklığı, büyük veri kümelerinde gerçek zamanlı spektral analizi mümkün kılar.
- Kesin yeniden yapılandırma: IFFT, orijinal sinyali frekans katsayılarından mükemmel bir şekilde kurtarır (bilgi kaybı yok).
- Geniş çapta desteklenir: Neredeyse tüm bilimsel hesaplama kütüphanelerinde (NumPy, MATLAB, R, SciPy) onlarca yıllık sayısal doğrulama ile uygulanmıştır.
- Çok yönlü: Aynı algoritmik çerçeve ile 1D sinyallere, 2D görüntülere (2D-FFT) ve daha yüksek boyutlu verilere uygulanabilir.
- Durağanlığı varsayar: Frekans tahminleri küresel ortalamalardır ve sinyal özelliklerinin zamanla değiştiği durumlarda yanıltıcıdır.
- Spektral sızıntı: Tam sayı olmayan periyotlu sinyaller, uygun pencereleme fonksiyonları uygulanmadıkça frekans kutuları boyunca sızıntıya neden olur.
- Tekdüze örneklemeyi gerektirir: Düzensiz örneklenmiş veriler yeniden örneklenmeli veya Tekdüze Olmayan DFT (NUDFT) yöntemleriyle işlenmelidir.
- Çözünürlük ödünleşmesi: Frekans çözünürlüğü 1/(N·Δt)'ye eşittir; ince frekans çözünürlüğü elde etmek uzun zaman kayıtları gerektirir.
SSS
DFT ve FFT arasındaki fark nedir?
DFT ve FFT aynı matematiksel sonuçları hesaplar — her ikisi de N zaman örneğinden aynı N karmaşık frekans katsayısını üretir. FFT, DFT hesaplamasındaki simetriyi kullanarak işlemleri O(N²)'den O(N log N)'ye düşüren verimli bir algoritma ailesidir. Cooley ve Tukey'nin 1965 tarihli radix-2 algoritması en yaygın öğretilen varyanttır.
Doğru pencere fonksiyonunu nasıl seçerim?
Pencere seçimi, frekans çözünürlüğü ve yan lob bastırma arasındaki ödünleşmeye bağlıdır. Dikdörtgen pencere çözünürlüğü en üst düzeye çıkarır ancak ciddi sızıntıya neden olur. Hann ve Hamming pencereleri genel kullanım için orta düzeyde sızıntı kontrolü sunar. Blackman ve düz tepeli pencereler, daha geniş ana lob genişliği pahasına yan lobları güçlü bir şekilde bastırır. Örtüşen kısa zamanlı analizler için Hann penceresi yaygın bir varsayılan değerdir.
FFT durağan olmayan sinyalleri işleyebilir mi?
Standart FFT, tüm sinyali durağan olarak ele alır ve tek bir ortalama spektrum bildirir. Frekans içeriği zamanla değişen sinyaller için, ardışık pencerelenmiş segmentlere FFT uygulayan Kısa Zamanlı Fourier Dönüşümü (STFT) veya uyarlanabilir zaman-frekans çözünürlüğü sağlayan Dalgacık Dönüşümü'nü kullanın. Hilbert-Huang Dönüşümü, doğrusal olmayan, durağan olmayan veriler için başka bir veri uyarlamalı alternatiftir.
Kaynaklar
- Cooley, J. W., & Tukey, J. W. (1965). An algorithm for the machine calculation of complex Fourier series. Mathematics of Computation, 19(90), 297–301. DOI: 10.1090/S0025-5718-1965-0178586-1 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Fourier Transform and Spectral Analysis (FFT). ScholarGate. https://scholargate.app/tr/signal-processing/fourier-transform
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ampirik Mod Ayrıştırması (EMD)Sinyal işleme↔ karşılaştır
- Hilbert-Huang DönüşümüSinyal işleme↔ karşılaştır