La trasformata di Fourier è lo strumento matematico che scompone un segnale nelle frequenze che lo compongono. L’idea, profonda e generale, è che qualsiasi segnale — un suono, un’onda, un’immagine, una corrente — può essere visto in due modi equivalenti: come variazione nel tempo (l’andamento istante per istante) oppure come somma di oscillazioni di diverse frequenze. La trasformata di Fourier è il dizionario che traduce tra queste due rappresentazioni.
Il principio è quasi sorprendente: ogni forma d’onda, per quanto complessa, si può ottenere sommando tante sinusoidi pure di frequenze, ampiezze e fasi opportune. La trasformata dice quali sinusoidi e in quale quantità. Cambiare punto di vista — dal tempo alla frequenza — rende semplici problemi altrimenti intrattabili: filtraggio, compressione, analisi di vibrazioni, risoluzione di equazioni differenziali.
I due domini
Lo stesso segnale ha due descrizioni complete ed equivalenti.
| Dominio | Variabile | Cosa mostra |
|---|---|---|
| Tempo | t | l’ampiezza del segnale istante per istante |
| Frequenza | f | quanta di ciascuna frequenza contiene il segnale |
Nel dominio del tempo vediamo quando le cose accadono; nel dominio della frequenza vediamo di cosa è fatto il segnale. Un accordo musicale, nel tempo, è una forma d’onda complicata; in frequenza, è semplicemente l’insieme delle note che lo compongono. La trasformata di Fourier passa da una descrizione all’altra senza perdere informazione.
La trasformata
Per un segnale x(t), la trasformata di Fourier X(f) misura “quanto” della frequenza f è presente nel segnale:
L’esponenziale complesso e^{-i2\pi f t} è una sinusoide di frequenza f. L’integrale confronta il segnale con quella sinusoide: se il segnale contiene quella frequenza, l’integrale dà un valore grande; se non la contiene, i contributi si cancellano e l’integrale è piccolo. Ripetendo per ogni f si ottiene lo spettro completo.
L’operazione è invertibile: dal dominio della frequenza si torna a quello del tempo con la trasformata inversa, che ricostruisce il segnale sommando tutte le sue componenti:
Nessuna informazione si perde nel passaggio: le due rappresentazioni sono perfettamente equivalenti.
Modulo e fase: lo spettro
La trasformata X(f) è un numero complesso per ogni frequenza, e porta due informazioni:
- il modulo |X(f)| dice quanto di quella frequenza è presente (l’ampiezza);
- la fase \arg X(f) dice come quella componente è allineata nel tempo (lo sfasamento).
Il grafico del modulo in funzione della frequenza è lo spettro di ampiezza, la rappresentazione più usata: mostra a colpo d’occhio le frequenze dominanti di un segnale. Un fischio puro ha un solo picco; un rumore bianco ha spettro piatto; una voce ha uno spettro ricco e strutturato. La fase, spesso trascurata nei grafici, è però essenziale per ricostruire correttamente il segnale.
Dalla serie alla trasformata
Per i segnali periodici la scomposizione è discreta: bastano le frequenze multiple della fondamentale (le armoniche), e si parla di serie di Fourier:
Un’onda quadra, per esempio, è la somma della sua fondamentale più le armoniche dispari di ampiezza decrescente. Per i segnali non periodici, le frequenze formano un continuo e la somma diventa l’integrale della trasformata. La serie è il caso discreto, la trasformata il caso continuo: stesso principio, scomporre in oscillazioni.
La trasformata discreta e la FFT
Nei calcolatori i segnali sono campionati: una sequenza finita di valori, non una funzione continua. Si usa allora la trasformata discreta di Fourier (DFT), che opera su N campioni e restituisce N componenti frequenziali:
Calcolata direttamente, la DFT richiede un numero di operazioni proporzionale a N^2, proibitivo per segnali lunghi. La svolta storica è l’algoritmo FFT (Fast Fourier Transform), che sfrutta le simmetrie per ridurre il costo a:
Questa riduzione di complessità è ciò che ha reso la trasformata di Fourier praticabile su larga scala: senza la FFT non esisterebbero in forma pratica audio digitale, compressione di immagini, telecomunicazioni moderne, analisi spettrale in tempo reale. La FFT è uno degli algoritmi più importanti mai concepiti.
Convoluzione e filtri
Un risultato chiave dà alla trasformata di Fourier un potere immenso: la convoluzione nel tempo diventa moltiplicazione in frequenza.
Filtrare un segnale (operazione di convoluzione, costosa nel tempo) diventa una semplice moltiplicazione frequenza per frequenza. Per attenuare le frequenze indesiderate basta moltiplicare lo spettro per una funzione che le azzeri, poi antitrasformare. È il principio di tutti i filtri digitali: passa-basso, passa-alto, passa-banda si progettano e si applicano nel dominio della frequenza con grande semplicità.
Applicazioni
La trasformata di Fourier è trasversale a quasi tutta l’ingegneria e la fisica.
| Campo | Uso |
|---|---|
| Audio | analisi spettrale, equalizzazione, compressione (MP3) |
| Immagini | compressione (JPEG usa la trasformata coseno), filtraggio |
| Telecomunicazioni | modulazione, OFDM, analisi di banda |
| Vibrazioni e meccanica | diagnosi di guasti da firme spettrali |
| Ottica e fisica | diffrazione, spettroscopia, risoluzione di equazioni |
| Elaborazione segnali | filtri, correlazione, riconoscimento |
In ognuno il vantaggio è lo stesso: portarsi nel dominio dove il problema diventa semplice. Comprimere un suono significa eliminare le frequenze inudibili; diagnosticare un cuscinetto significa cercare la frequenza del suo difetto; demodulare un segnale significa isolare la banda della portante.
Limiti reali
La trasformata di Fourier è potentissima ma ha vincoli da conoscere:
- assume implicitamente che le frequenze siano stabili nel tempo: per segnali che cambiano (musica, parlato) serve l’analisi a finestra (STFT) o le wavelet;
- esiste un compromesso tempo-frequenza: non si può localizzare con precisione arbitraria sia l’istante sia la frequenza di un evento (analogo del principio di indeterminazione);
- il campionamento deve rispettare il teorema di Nyquist, altrimenti compare l’aliasing (frequenze false);
- una finestra finita introduce dispersione spettrale (leakage), mitigata da funzioni di finestratura;
- la fase è spesso ignorata nei grafici ma è indispensabile alla ricostruzione;
- per segnali molto non stazionari o non lineari l’analisi di Fourier può essere fuorviante.
La scelta tra Fourier, STFT, wavelet e altre trasformate dipende dalla natura del segnale e dall’informazione cercata.
Sintesi operativa
La trasformata di Fourier scompone un segnale nelle sinusoidi che lo compongono, traducendo tra due descrizioni equivalenti: il dominio del tempo (cosa accade istante per istante) e quello della frequenza (di quali oscillazioni è fatto). L’integrale X(f) = \int x(t)e^{-i2\pi ft}dt misura quanta di ciascuna frequenza è presente, e la trasformata inversa ricostruisce il segnale senza perdere informazione.
La sua forza pratica nasce da due fatti: la versione discreta è calcolabile velocemente con la FFT in O(N\log N), e la convoluzione diventa moltiplicazione in frequenza, rendendo banale il filtraggio. Da qui l’ubiquità in audio, immagini, telecomunicazioni, diagnostica e fisica: cambiare dominio è cambiare il problema in uno più semplice. È questa idea — che ogni segnale sia una somma di oscillazioni e che convenga guardarlo come tale — a fare della trasformata di Fourier uno degli strumenti più universali della matematica applicata.