calcal.ru
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.

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
Создатель

Лиана Арифметова

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

⚖️

Отказ от ответственности

Только для информационных целей. Все расчёты, результаты и данные, предоставляемые данным 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.

Медицинские, финансовые и профессиональные решения должны приниматься исключительно на основании консультации с квалифицированными специалистами — врачом, финансовым советником, инженером или другим профессионалом в соответствующей области. Не используйте результаты данного инструмента как единственное основание для принятия важных решений.

Ограничение ответственности. Авторы и разработчики сервиса не несут никакой ответственности за прямой или косвенный ущерб, возникший в результате использования данных расчётов. Пользователь принимает на себя всю ответственность за интерпретацию и применение полученных результатов.

Похожие инструменты

⚙️

Калькулятор технического обслуживания (ТОиР)

Расчёты ТОиР: MTBF/MTTR, планирование ТО, стоимость простоя, запчасти, предиктивное ТО

🏥

Шкала комы Глазго — калькулятор (GCS)

Оцените уровень сознания: открывание глаз, речевая и двигательная реакции. Баллы от 3 до 15. Для врачей скорой помощи.

🏠

Калькулятор знака зодиака и фазы луны по дате

Узнайте свой знак зодиака и лунную фазу по дате рождения. Астрологический расчет положения Солнца и Луны онлайн.

🏭

Калькулятор раскроя листового материала (Nesting)

Оптимизация раскроя листов. Расчет количества деталей, схемы резки и отходов с учетом ширины пропила (kerf).

⚙️

Калькулятор гидравлики и пневматики

Расход, скорость потока, потери напора (Darcy-Weisbach), мощность насосов, профиль труб и утечки воздуха.

Калькулятор анализа сигналов и алгоритмов

Продвинутый калькулятор: спектральный анализ (FFT), решение задачи о рюкзаке и симуляция генетических алгоритмов.

💻

Калькулятор CDN

Расчёты CDN: трафик, кеширование, задержка, видеостриминг, сравнение провайдеров, ROI

🏥

Калькулятор биомеханики: нагрузка на позвоночник, прыжок, бег и мышцы Хилла

Биомеханические расчёты: модель Чаффина, кинетика прыжка и бега, центр масс (Де Лева), сила удара, модель мышцы Хилла.

🏠

Калькулятор сна и циклов (время отбоя)

Рассчитайте идеальное время сна и пробуждения по циклам (90 минут). Перевод часов сна в годы жизни.

⚗️

Калькулятор молекулярной массы

Молекулярная масса любого соединения. Формула (H2O, NaCl, C6H12O6) → масса и массовые доли элементов.

⚙️

Калькулятор текстильного производства

Расчёты текстиля: пряжа, ткань, раскрой, крашение, себестоимость, качество

💰

Калькулятор амортизации основных средств

Рассчитайте амортизацию по ФСБУ 6/2020 и НК РФ: линейный, уменьшаемого остатка, по сумме чисел лет. Сравнение методов и график начислений.

🧮

Калькулятор урожайности

Ожидаемая урожайность культур, потребность в семенах и удобрениях. Пшеница, картофель, кукуруза, овощи.

💰

Калькулятор консалтинговых услуг (ставка, проект)

Рассчитайте часовую ставку консультанта, стоимость проекта, рентабельность и ROI. Сравнение с наймом штатного сотрудника.

🧮

Калькулятор молочного производства

Расчёт нормализации молока по правилу Пирсона, выход молочных продуктов (масло, сыр, творог), себестоимость производства по нормам ТР ТС 033/2013.