Phân tích fourier là gì? Các nghiên cứu khoa học liên quan

Phân tích Fourier (Fourier analysis) là một nhánh toán học giải tích ứng dụng nghiên cứu phương pháp biểu diễn và phân rã các hàm số hoặc tín hiệu phức tạp thành tổ hợp tuyến tính của các hàm sóng điều hòa cơ bản (sin và cosin). Được khởi xướng bởi nhà toán học và vật lý học người Pháp Jean-Baptiste Joseph Fourier vào đầu thế kỷ mười chín, phương pháp này đã trở thành công cụ nền tảng không thể thiếu trong vật lý lý thuyết, kỹ thuật điện tử viễn thông, xử lý tín hiệu số, âm học, quang học và phân tích dữ liệu hiện đại.

Cơ sở toán học và biểu diễn chuỗi Fourier

Nguyên lý trung tâm của phân tích Fourier bắt nguồn từ nhận định rằng mọi dao động phức tạp đều có thể được tái cấu trúc từ các dao động điều hòa đơn giản có tần số là bội số nguyên của tần số cơ bản. Đối với một hàm tuần hoàn $f(t)$ có chu kỳ $T$ (với tần số góc cơ bản tương ứng $\frac{1}{T}$), hàm số có thể được khai triển dưới dạng chuỗi Fourier lượng giác:

$f(t) = a_0 + \sum_{n=1}^{\infty} \left[a_n \cos\left(\frac{2\pi n t}{T}\right) + b_n \sin\left(\frac{2\pi n t}{T}\right)\right]$

Trong đó, các hệ số $a_0$, $a_n$ và $b_n$ được xác định bằng phép tích phân trực giao trên một chu kỳ dao động. Khi biểu diễn dưới dạng hàm mũ phức thông qua công thức Euler, chuỗi Fourier có dạng tổng quát gọn gàng và đối xứng:

$f(t) = \sum_{n=-\infty}^{\infty} c_n e^{i 2\pi n t}$

Ở đây, $c_n$ là hệ số Fourier phức biểu thị biên độ và pha của thành phần điều hòa bậc $n$ trong tín hiệu tổng thể.

Biến đổi Fourier liên tục cho tín hiệu không tuần hoàn

Khi chu kỳ $T$ tiến tới vô cùng, tín hiệu mất đi tính tuần hoàn. Khoảng cách giữa các vạch phổ tần số trở nên vô cùng nhỏ, chuyển đổi chuỗi Fourier rời rạc thành biến đổi Fourier liên tục (Continuous Fourier Transform - CFT). Biến đổi Fourier ánh xạ trực tiếp một hàm số từ miền thời gian $f(t)$ sang miền tần số $\hat{f}(\xi)$:

$\hat{f}(\xi) = \int_{-\infty}^{\infty} f(t) e^{-i 2\pi \xi t} dt$

Hàm mật độ phổ $\hat{f}(\xi)$ cung cấp thông tin chi tiết về sự phân bố năng lượng của tín hiệu tại từng tần số liên tục $\xi$. Để khôi phục lại tín hiệu gốc trên miền thời gian, phép biến đổi Fourier ngược (Inverse Fourier Transform) được thực hiện:

$f(t) = \int_{-\infty}^{\infty} \hat{f}(\xi) e^{i 2\pi \xi t} d\xi$

Đặc tính so sánh	Chuỗi Fourier (Fourier Series)	Biến đổi Fourier (Fourier Transform)
Miền tín hiệu đầu vào	Tuần hoàn trong miền thời gian (chu kỳ T xác định)	Không tuần hoàn, tín hiệu liên tục có năng lượng hữu hạn
Phổ miền tần số	Phổ vạch rời rạc (tập hợp các hệ số c_n)	Phổ liên tục trên toàn bộ trục tần số
Bản chất phép toán	Tích phân trên một chu kỳ, biểu diễn bằng chuỗi tổng	Tích phân suy rộng từ âm vô cực đến dương vô cực
Lĩnh vực ứng dụng tiêu biểu	Điện xoay chiều, dao động điều hòa cơ học, cơ sở lý thuyết	Xử lý tín hiệu số, lọc nhiễu, phân tích phổ sóng điện từ, ảnh y tế

Biến đổi Fourier rời rạc và thuật toán biến đổi nhanh (FFT)

Trong thời đại máy tính số, các tín hiệu vật lý liên tục được lấy mẫu thành các dãy số rời rạc. Biến đổi Fourier rời rạc (Discrete Fourier Transform - DFT) chuyển đổi một chuỗi hữu hạn các mẫu tín hiệu thành phổ tần số rời rạc. Tuy nhiên, tính toán DFT trực tiếp đòi hỏi độ phức tạp thời gian lên tới $O(n^2)$, tạo nên rào cản tính toán khổng lồ khi kích thước dữ liệu lớn.

Bước ngoặt lịch sử diễn ra vào năm 1965 khi James Cooley và John Tukey công bố thuật toán biến đổi Fourier nhanh (Fast Fourier Transform - FFT) (Cooley và Tukey, 1965). Bằng cách khai thác tính đối xứng và tuần hoàn của các thừa số quay (twiddle factors) để chia bài toán ban đầu thành các bài toán con đệ quy (chia để trị), FFT đã giảm đột phá độ phức tạp thuật toán xuống chỉ còn $O(n \log n)$. Công trình của Duhamel và Vetterli (1990) đã hệ thống hóa các biến thể FFT hiện đại như radix-2, split-radix và prime-factor, đưa FFT trở thành một trong những thuật toán có tầm ảnh hưởng lớn nhất lịch sử khoa học máy tính.

Ứng dụng thực tiễn trong khoa học và kỹ thuật

Nhờ năng lực chuyển đổi linh hoạt giữa miền thời gian và miền không gian/tần số, phân tích Fourier giữ vị trí xương sống trong vô số ngành công nghệ cao:

• Kỹ thuật truyền thông và viễn thông: Nguyên lý điều chế ghép kênh phân chia theo tần số trực giao (OFDM) sử dụng IFFT/FFT là nền tảng cốt lõi của mạng không dây 4G, 5G và chuẩn kết nối Wi-Fi tốc độ cao.
• Chẩn đoán hình ảnh y học: Trong máy chụp cộng hưởng từ (MRI) và chụp cắt lớp vi tính (CT), dữ liệu thô thu thập từ cuộn thu tín hiệu (không gian k) được biến đổi Fourier hai chiều và ba chiều để tái tạo cấu trúc mô và cơ quan nội tạng với độ sắc nét cực cao.
• Xử lý âm thanh và nén dữ liệu: Các thuật toán nén âm thanh và hình ảnh số (như MP3, AAC, JPEG) phân tách các thành phần tần số cao không thể cảm nhận bằng giác quan con người để loại bỏ, giúp tối ưu dung lượng lưu trữ vượt bậc.
• Vật lý thiên văn và cơ học kết cấu: Phân tích phổ bức xạ vũ trụ, nhận diện sóng hấp dẫn từ các vụ sáp nhập lỗ đen và đo đạc dao động địa chấn nhằm đánh giá tần số cộng hưởng của các công trình cầu đường, nhà cao tầng.

Mở rộng sang phân tích thời gian - tần số và Wavelet

Mặc dù biến đổi Fourier rất mạnh mẽ, một hạn chế cố hữu của nó là hoàn toàn mất thông tin về thời điểm xuất hiện của các thành phần tần số (frequency resolution cao nhưng không có time localization). Đối với các tín hiệu không dừng (non-stationary signals) có tần số biến thiên liên tục theo thời gian như giọng nói con người, điện tâm đồ (ECG) hay điện não đồ (EEG), phân tích Fourier cổ điển bộc lộ nhiều điểm bất cập.

Để giải quyết bài toán này, các kỹ thuật phân tích thời gian - tần số tiên tiến đã ra đời:

• Biến đổi Fourier thời gian ngắn (STFT): Sử dụng một cửa sổ thời gian trượt có kích thước cố định để tính Fourier cục bộ, tạo ra biểu đồ phổ (spectrogram) theo thời gian.
• Biến đổi Wavelet: Như đã được đúc kết toàn diện bởi Stéphane Mallat (2009), biến đổi wavelet thay thế các sóng sin vô hạn bằng các hàm sóng con có độ dài hữu hạn (wavelets) có khả năng co giãn và dịch chuyển linh hoạt, cho phép định vị đồng thời cả thời gian và tần số với độ phân giải đa quy mô vượt trội.