MathematicsAnalysisUniversity

AQAAPOntarioNSWCBSEGCE O-LevelMoECAPS

Fourier-Transformation (stetig)

Q: What are common mistakes with the Fourier-Transformation (stetig) formula?

Das Vorzeichen des Exponenten zwischen Vorwärts- und Rücktransformation verwechseln. Den Faktor 2π im Exponenten oder die Normierungskonstante außerhalb des Integrals übersehen. Die stetige Transformation auf diskrete Daten anwenden, ohne den Satz von Nyquist-Shannon zu beachten.

Q: What is a real-world example of the Fourier-Transformation (stetig) formula?

In der medizinischen Bildgebung verwenden MRT-Geräte Fourier-Transformationen, um Bilder aus rohen Radiofrequenzsignalen zu rekonstruieren, die von Atomen im Körper emittiert werden.

Q: What are some study tips for the Fourier-Transformation (stetig) formula?

Der Wert der Transformation bei Frequenz null entspricht der gesamten Fläche unter dem Signal im Zeitbereich. Kompression im Zeitbereich führt zu Ausdehnung im Frequenzbereich und umgekehrt. Ein Rechteckimpuls im Zeitbereich transformiert sich zu einer sinc-Funktion im Frequenzbereich. Für reellwertige Eingaben ist der Betrag der Transformation symmetrisch um den Ursprung.

Zerlegt ein Signal aus dem Zeitbereich in seine Frequenzkomponenten.

Understand the formulaSee the free derivationOpen the full walkthrough

F (ω) = \int_{- \infty}^{\infty} f (t) e^{- iω t} d t

Open Full Walkthrough Try Calculator

This public page keeps the free explanation visible and leaves premium worked solving, advanced walkthroughs, and saved study tools inside the app.

Core idea

Overview

Die stetige Fourier-Transformation ist ein mathematischer Operator, der eine stetige Funktion der Zeit oder des Raums in ihre einzelnen Frequenzkomponenten zerlegt. Sie stellt das Signal im komplexwertigen Frequenzbereich dar und ermöglicht so die Analyse der spektralen Dichte sowie die Umwandlung von Differentialgleichungen in algebraische Gleichungen.

When to use: Verwende diese Transformation bei der Analyse nichtperiodischer Signale, die auf einem unendlichen Intervall definiert und absolut integrierbar sind. Sie ist besonders effektiv zum Lösen linearer Differentialgleichungen und zum Filtern von Rauschen aus stetigen Signalen im Frequenzbereich.

Why it matters: Diese Gleichung bildet die Grundlage moderner digitaler Kommunikation, medizinischer Bildgebung wie MRT und Tontechnik. Sie erlaubt Wissenschaftlern zu visualisieren, wie Energie über verschiedene Frequenzen verteilt ist, was für Signalverarbeitung und Quantenmechanik wesentlich ist.

Symbols

Variables

$\hat{f}$ ( $ξ$ ) = Transformed Value, $\int$ f(x)dx = Integral of f(x), b = DC Offset

\hat{f} (ξ)

Transformed Value

Variable

\int f (x) d x

Integral of f(x)

Variable

b

DC Offset

Variable

Walkthrough

Derivation

Herleitung/Verständnis der Fourier-Transformation (kontinuierlich)

Diese Herleitung zeigt, wie die kontinuierliche Fourier-Transformation als Verallgemeinerung der Fourier-Reihe für nicht-periodische Funktionen entsteht, indem der Grenzwert gebildet wird, wenn die Periode gegen Unendlich geht.

Die Funktion f(x) ist absolut integrierbar, d. h. $\int_{- \infty}^{\infty}$ |f(x)| dx < $\infty$ , was die Konvergenz des Integrals sicherstellt.
Die Funktion f(x) ist gutartig genug (z. B. stückweise stetig mit einer endlichen Anzahl von Unstetigkeitsstellen und Extrema in jedem endlichen Intervall), damit die Fourier-Reihen-Darstellung im Grenzwert Bestand hat.

Fourier-Reihe für eine periodische Funktion:

Wir beginnen mit der komplexen Fourier-Reihen-Darstellung für eine periodische Funktion $f_{L}$ (x) mit der Periode L. Diese drückt die Funktion als Summe komplexer Exponentialfunktionen aus, jede mit einer spezifischen Frequenz und Amplitude $c_{n}$ .

f_{L} (x) = n = - \infty \sum \infty c_{n} e^{i \frac{2 π n}{L} x} where c_{n} = \frac{1}{L} \int_{- L /2}^{L /2} f_{L} (x) e^{- i \frac{2 π n}{L} x} d x

Übergang zu kontinuierlichen Frequenzen:

Setzen Sie den Ausdruck für $c_{n}$ wieder in die Reihe ein und definieren Sie diskrete Frequenzen $ξ_{n}$ und deren Abstand $Δ$ $ξ$ . Dies ordnet die Reihe so um, dass der Integralteil hervorgehoben wird, der zur Fourier-Transformation wird.

f_{L} (x) = n = - \infty \sum \infty (\int_{- L /2}^{L /2} f_{L} (x^{'}) e^{- i 2 π ξ_{n} x^{'}} d x^{'}) e^{i 2 π ξ_{n} x} Δ ξ where ξ_{n} = \frac{n}{L}, Δ ξ = \frac{1}{L}

Grenzwertbildung L \to ∞:

Um auf eine nicht-periodische Funktion f(x) zu verallgemeinern, bilden wir den Grenzwert, wenn die Periode L gegen Unendlich geht. In diesem Grenzwert wird aus der diskreten Summe ein kontinuierliches Integral, $Δ$ $ξ$ wird zu dξ, und der Integralterm definiert die kontinuierliche Fourier-Transformation $\hat{f}$ ( $ξ$ ).

\hat{f} (ξ) = \int_{- \infty}^{\infty} f (x) e^{- 2 π i x ξ} d x

Result

\hat{f} (ξ) = \int_{- \infty}^{\infty} f (x) e^{- 2 π i x ξ} d x

Source: Arfken, G. B., Weber, H. J., & Harris, F. E. (2013). Mathematical Methods for Physicists (7th ed.). Academic Press.

Why it behaves this way

Intuition

Die Fourier-Transformation „entrollt“ ein Zeitbereichssignal auf eine unendliche Folge komplexer Kreise und misst, wie stark das Signal mit jeder spezifischen Rotationsfrequenz übereinstimmt.

Term

Das ursprüngliche Signal oder die Funktion im Zeitbereich.

Dies sind die Rohdaten oder die Wellenform, die wir analysieren wollen, wie eine Tonaufnahme oder eine schwankende Spannung.

Term

Das transformierte Signal im Frequenzbereich.

Dies gibt uns an, wie viel von jeder spezifischen Frequenz im ursprünglichen Signal f(t) enthalten ist.

Term

Kreisfrequenz.

Repräsentiert, wie schnell eine Komponente des Signals oszilliert. Höheres

ω

bedeutet schnellere Oszillation.

Term

Komplexer Exponentialkern, der als Frequenz-„Sonde“ fungiert.

Dieser Term rotiert mit einer spezifischen Frequenz

ω

in der komplexen Ebene, was es dem Integral ermöglicht, Komponenten von f(t) „herauszufiltern“, die mit derselben Frequenz oszillieren.

Signs and relationships

-iω t: Das negative Vorzeichen im Exponenten $e^{- iω t}$ ist eine Konvention für die Vorwärts-Fourier-Transformation, die positive Frequenzen als Drehung gegen den Uhrzeigersinn in der komplexen Ebene definiert.

Free study cues

Insight

Canonical usage

Stellt dimensionale Konsistenz zwischen der Zeitbereichsfunktion, der Zeitvariablen, der Frequenzvariablen und der resultierenden Transformation im Frequenzbereich sicher.

One free problem

Practice Problem

Eine bestimmte rechteckige Impulsfunktion hat im Zeitbereich eine Gesamtfläche von 15.5 Einheiten unter ihrer Kurve. Berechne den Wert der Fourier-Transformation bei Frequenz null (den dc_offset).

Hint: Denke daran, dass die Transformation bei Frequenz null dem Integral der ursprünglichen Funktion entspricht.

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

In der medizinischen Bildgebung verwenden MRT-Geräte Fourier-Transformationen, um Bilder aus rohen Radiofrequenzsignalen zu rekonstruieren, die von Atomen im Körper emittiert werden.

Study smarter

Tips

Der Wert der Transformation bei Frequenz null entspricht der gesamten Fläche unter dem Signal im Zeitbereich.
Kompression im Zeitbereich führt zu Ausdehnung im Frequenzbereich und umgekehrt.
Ein Rechteckimpuls im Zeitbereich transformiert sich zu einer sinc-Funktion im Frequenzbereich.
Für reellwertige Eingaben ist der Betrag der Transformation symmetrisch um den Ursprung.

Avoid these traps

Common Mistakes

Das Vorzeichen des Exponenten zwischen Vorwärts- und Rücktransformation verwechseln.
Den Faktor 2π im Exponenten oder die Normierungskonstante außerhalb des Integrals übersehen.
Die stetige Transformation auf diskrete Daten anwenden, ohne den Satz von Nyquist-Shannon zu beachten.

Common questions

Frequently Asked Questions

Verwende diese Transformation bei der Analyse nichtperiodischer Signale, die auf einem unendlichen Intervall definiert und absolut integrierbar sind. Sie ist besonders effektiv zum Lösen linearer Differentialgleichungen und zum Filtern von Rauschen aus stetigen Signalen im Frequenzbereich.

Diese Gleichung bildet die Grundlage moderner digitaler Kommunikation, medizinischer Bildgebung wie MRT und Tontechnik. Sie erlaubt Wissenschaftlern zu visualisieren, wie Energie über verschiedene Frequenzen verteilt ist, was für Signalverarbeitung und Quantenmechanik wesentlich ist.

Das Vorzeichen des Exponenten zwischen Vorwärts- und Rücktransformation verwechseln. Den Faktor 2π im Exponenten oder die Normierungskonstante außerhalb des Integrals übersehen. Die stetige Transformation auf diskrete Daten anwenden, ohne den Satz von Nyquist-Shannon zu beachten.

In der medizinischen Bildgebung verwenden MRT-Geräte Fourier-Transformationen, um Bilder aus rohen Radiofrequenzsignalen zu rekonstruieren, die von Atomen im Körper emittiert werden.

Der Wert der Transformation bei Frequenz null entspricht der gesamten Fläche unter dem Signal im Zeitbereich. Kompression im Zeitbereich führt zu Ausdehnung im Frequenzbereich und umgekehrt. Ein Rechteckimpuls im Zeitbereich transformiert sich zu einer sinc-Funktion im Frequenzbereich. Für reellwertige Eingaben ist der Betrag der Transformation symmetrisch um den Ursprung.

References

Sources

Wikipedia: Fourier transform
Bracewell, Ronald N. The Fourier Transform and Its Applications.
Oppenheim, Alan V., Ronald W. Schafer, and John R. Buck. Discrete-Time Signal Processing.
Halliday, David, Robert Resnick, and Jearl Walker. Fundamentals of Physics.
Bird, R. Byron; Stewart, Warren E.; Lightfoot, Edwin N. (2007). Transport Phenomena (2nd ed.). John Wiley & Sons.
Incropera, Frank P.; DeWitt, David P.; Bergman, Theodore L.; Lavine, Adrienne S. (2007). Fundamentals of Heat and Mass Transfer (6th ed.).
Oppenheim and Willsky Signals and Systems
Arfken, Weber, and Harris Mathematical Methods for Physicists

Fourier-Transformation (stetig)

Overview

Variables

Derivation

Fourier-Reihe für eine periodische Funktion:

Übergang zu kontinuierlichen Frequenzen:

Grenzwertbildung L \to ∞:

Intuition

Insight

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Convolution Theorem (Laplace)

Orthogonal Projection

Frequently Asked Questions

Sources