Fourier dönüşümünün mantıksız derecede üstün faydası

• Fourier dönüşümünün gerçek teknik uygulamalarda ne kadar güçlü çalıştığını gösteren bir sunum
• Konuşmacı, Teardown 2025 etkinliğinde OFDM (Ortogonal Frekans Bölmeli Çoğullama) ile ilgili örnekler üzerinden açıklama yapıyor
• Slayt PDF’si, Jupyter notebook’u, DVB-T decoder kodu, FFT algoritması videosu gibi çeşitli referans materyaller de birlikte sunuluyor
• Bu materyal, Fourier dönüşümünün iletişim ve sinyal işleme alanlarında hâlâ temel bir araç olarak çalıştığını gösteriyor

---

• Sinyaller genelde zamana göre değişen değerler olarak ele alınır, ancak aynı sinyal frekans bileşenlerinin toplamı olarak da ifade edilebilir
• Fourier dönüşümü, karmaşık bir dalga biçimini “hangi frekanstan ne kadar karıştığı”na dönüştüren bir araçtır
• Örneğin kısa süreli sıçrayan gürültü, yavaş salınan bozulma ve tekrarlayan desenler zaman alanında birbirine dolanmış görünürken frekans alanında ayrışır

• Gerçek dünyadaki iletişim kanalları çoğunlukla doğrusal ve zamanla değişmeyen (LTI, Linear Time-Invariant) özellikler taşır
• LTI sistemlerde bir sinyalin nasıl bozulduğu, her frekans için birbirinden bağımsız olarak belirlenir
• Zaman alanındaki gecikme, yansıma ve zayıflama; frekans alanında genlik ve faz değişimi olarak görünür

• Zaman alanında problemi çözmeye çalışırsanız gecikme, üst üste binme ve girişim birbirine dolanır
• Aynı probleme frekans alanında bakıldığında, her frekans bileşenini tek tek ayarlama problemine dönüşür
• Bu yüzden “veriyi işlenmesi daha kolay bir uzaya taşımak” fikri ortaya çıkar

• Bu fikri doğrudan hayata geçiren yöntem OFDM (Orthogonal Frequency Division Multiplexing)’dir
• Tek bir hızlı veri akışı, birçok yavaş alt taşıyıcıya (subcarrier) bölünür
• Her alt taşıyıcı birbirine ortogonaldir; bu yüzden aynı anda gönderilseler bile birbirlerine girişim yapmazlar
• FFT (Fast Fourier Transform)/IFFT (Inverse Fast Fourier Transform) kullanılarak çok sayıdaki alt taşıyıcı tek seferde dönüştürülebilir ve geri kazanılabilir

• Kanal durumu frekanstan frekansa değiştiğinde, yalnızca bazı alt taşıyıcıların kalitesi düşer
• Tek taşıyıcılı yöntemde tüm veri zarar görürken, OFDM’de yalnızca bir kısmı etkilenir
• Sorunlu frekanslar daha zayıf kullanılabilir ya da tamamen boş bırakılabilir

• Zamanda kümelenerek oluşan burst gürültü, OFDM’de birden fazla sembole ve birden fazla frekansa dağıtılır
• Kısa süreli güçlü gürültü, tüm verinin bozulmasına yol açmaz

• Kablosuz ortamda ortaya çıkan çok yolluluk (multipath), sinyalin birden fazla yoldan gelmesiyle gecikme yaratır
• Zaman alanında semboller üst üste biner ve ISI (Inter-Symbol Interference, semboller arası girişim) oluşur
• Frekans alanında çok yolluluk, kanal yanıt eğrisi olarak görünür
• Bu eğri düzeltildiğinde her alt taşıyıcı bağımsız olarak geri kazanılabilir

• Pilot sinyaller kullanılarak verici ile alıcı arasındaki frekans hatası (LO drift) izlenebilir
• Hareket sırasında oluşan Doppler kayması da frekans bazında ayrıştırılıp düzeltilebilir

• Her alt taşıyıcıya farklı bir modülasyon yöntemi uygulanabilir
• Sinyal durumunun iyi olduğu bantlara yüksek hızlı modülasyon, kötü olduğu bantlara ise daha kararlı modülasyon yerleştirilebilir
• Tek bir akışta mümkün olmayan hiyerarşik veri iletimi gerçekleştirilebilir

• Aynı anda gönderim yapan birden fazla kullanıcının zaman ve frekansı paylaştığı OFDMA yapısına genişletilebilir
• Veriyi hem zaman hem frekans boyunca karıştıran interleaving ile hata yığılması azaltılabilir
• Convolutional code, Reed–Solomon, BCH gibi hata düzeltme teknikleriyle doğal biçimde birleştirilebilir

• Sonuç olarak Fourier dönüşümü, **“karmaşık gerçeği basit bir ayarlama problemine dönüştüren bir anahtar”**dır
• OFDM, bu anahtarı iletişim mimarisinin merkezine koyan bir tasarımdır
• Modern kablosuz iletişimin aynı anda hem yüksek hız hem de kararlılık kazanmasının temelini oluşturur

[euphcat]

"HN görüşleri" arasından:
> * Altı çocuğu olmasına rağmen bu kadar üretken olması şaşırtıcı

...?

[aer0700]

Zaten on dört çocuğu olup dört şirketin CEO’su olan birinin çağında yaşadığımız için...

[euphcat]

Ama gerçekten Vikipedi'ye baktım; Joseph Fourier'in Fourier dönüşümünü yayımladığı yıl 1822, (ondan önceki parçalı yayımlar hariç) FFT'nin formüle edilip yayımlanması 1965, daha erken bir yayımlanmış versiyonu da 1932'deymiş; Gauss'un FFT'yi kaydedip yayımlamamış olması ise tam 1805'e dayanıyormuş. Gauss is gonna Gauss (Gauss bildiğin Gauss'luğunu yapmış) yorumuna ister istemez hak veriyorsunuz :(

[kimjoin2]

Mühendislik matematiğinde beni gerçekten delirten dönüşüm serisi... ağlama

[aer0700]

Eskiden gürültü giderme ve tekrar eden desenleri kaldırma mantığını yazarken kullandığımı hatırlıyorum.
Benzer şeyleri bugünlerde autoencoder ile gerçekleştiriyorlar.

[GN⁺]

Hacker News yorumları

• İnsanlar “frekans uzayı” ifadesine kapılıyor, ama asıl mesele probleme göre koordinat sistemi değiştirmenin ne kadar faydalı olduğu
  Kopernik’in koordinat sistemini değiştirerek gezegenlerin karmaşık hareketini sadeleştirmesi gibi, Fourier analizi de özünde aynı fikir
  Dijital sinyallerde Walsh-Hadamard tabanı işe yarar; bu da frekanstan tamamen farklı bir kavram
  GPT gibi modeller de şu anda Ptolemaiosçu bir durumda ve bence bir gün onların dinamiklerini daha iyi bir koordinat sistemiyle anlayacağız
  • Bu tür dönüşümler sonuçta bir diferansiyel operatörün öztabanına geçme süreci
    Küresel harmonikler, Bessel fonksiyonları, Hankel fonksiyonları vb. her biri sinüs/kosinüs ya da karmaşık üstel fonksiyonların birer varyantı
    Wavelet’ler ağaç biçimli bir parametre uzayı kullanıyor ve son dönemde aşırı tam taban (overcomplete basis) araştırmaları da çok aktif
    Ama bu tür doğrusal yaklaşımların doğrusal olmayan yüksek boyutlu yapıları ele alan sinir ağlarını anlamakla doğrudan ilgili olmadığını düşünüyorum
  • Fourier ya da Laplace dönüşümünü böyle öğrenseydim DSP dersi çok daha ilgi çekici olurdu
  • Kuantum sistemlerinin gelecekteki durumunu tahmin etmek de Hamiltonyen’i köşegenleştirebilirseniz basitleşiyor
    Ama sorun şu ki genel olarak bu neredeyse imkânsız
• Fourier dönüşümüyle ilgili en sevdiğim anekdot, Gauss’un Cooley ve Tukey’den bir yüzyıl önce FFT algoritmasını keşfetmiş olması
  Bunu Pallas ve Juno asteroitlerinin hareketini incelerken notlarına yazmış ama dünyaya duyurmamış
  İlgili belge
  • Gauss’un, başka bir matematikçi yeni bir sonuç gösterdiğinde “onu zaten yapmıştım” deyip çekmeceden ilgili makale destesini çıkardığı söylenir
  • Chevron’da staj yaparken duyduğum bir hikâyeye göre, 1950’lerde bile petrol arama için sismik analizde Fourier dönüşümü kullanılıyormuş, ama matematik patentlenemediği için bunu gizli tutmuşlar
  • Gauss’un notlarının kenarları yayımlanmamış ispatlarla doluymuş
    Oğluna matematik yapmamasını söylemiş; çünkü kendisini aşmanın imkânsız olduğunu düşünüyormuş
  • Gauss gerçekten Gauss’tu
  • Altı çocuğu varken bile bu kadar üretken olması şaşırtıcı
• Grafana’da en çok eksikliğini hissettiğim özellik, trafik sıçramalarındaki periyodik örüntüleri (epicycle) bulacak bir Fourier dönüşümü
  Pazartesi sabahı ya da Salı öğleni gibi periyodik trafiği yakalamak istiyordum
  Ama grafiği yanlış ayarlayıp günlük kullanım kotasının yarısını harcadım; sonra bunu -7 gün çizgisine çevirdim ve ben anladım ama ekip iyice karıştı
  • Bu tür sıçramalar, sinyalin geneline frekans bileşenleri yayıldığı varsayımına uymuyor
    Bunun yerine cepstrum analizi daha uygun; makine titreşim analizinde periyodik darbeleri (ör. dişli hasarı) bulmak için sık kullanılır
• Bir sinyal aynı anda hem zaman hem frekans alanında bant sınırlı olamaz
  Lisans yıllarında öğrendiğim bu şeyin belirsizlik ilkesiyle eşdeğer olduğunu öğrenince şaşırmıştım
  Eşimle bulaşık makinesini nasıl dolduracağımız konusunda sık sık tartışıyoruz; ben hızlıca yapıyorum (zamanı en aza indiriyorum), eşim ise titiz davranıyor (yıkama sayısını en aza indiriyor), yani farklı alanlarda optimizasyon yapıyoruz
  • Sinyal yaklaşık olarak iki tarafta da sınırlanabilir
    Örneğin Gauss fonksiyonu her iki alanda da kompakt
  • Kulak frekans çözümlemede çok iyi ama yön tayininde zayıf; göz ise bunun tersi
  • Bu, sinyal işlemede kelimenin tam anlamıyla Heisenberg belirsizlik ilkesi
  • Bunun “hızlı yaptın ve bir kez daha çalıştırmak zorunda kaldın” anlamına gelip gelmediğini merak ettim
    Bu arada Technology Connections’ın bulaşık makinesi videosunu öneririm
  • Otomatik yüklemeli bulaşık makinesi evliliği kurtaracak icat olur
• Dünyayı frekans alanı üzerinden görmeye başlayınca pek çok numara sadeleşiyor
  Ben bir webcam görüntüsüne Fourier dönüşümü uygulayıp yüzden nabız okuyan demo kod yazmıştım
  Yöntem, belirli frekanslarda enerjinin tepe yaptığı yerleri bulmaya dayanıyor
  • Bu, tüm kayıplı sıkıştırma algoritmalarının temeli
    JPEG, h264 ve mp3’ün kalbindeki DCT aslında değiştirilmiş bir FFT
  • Bu bakış açısı değişiminin hayatını değiştirdiğini söyleyen bir HN yorumunu daha önce görmüştüm
  • Finansta da benzer bir benzetme var — belirli bir zamana göre değil, fiyat eşiklerine göre hareket etmek
  • Ama pratikte webcam’de kan akışına bağlı cilt nabzı görünmeyebilir
• Sebastian Lague’un son videosunu şiddetle tavsiye ederim
  Fourier dönüşümü kavramını çok kolay anlatıyor
  Video bağlantısı
• “The Unreasonable Effectiveness of The Unreasonable Effectiveness” gibi bir başlığı kimin atacağına dair şaka yapıldı
  • “Unreasonable effectiveness is all you need” diye memvari bir karşılık verildi
  • Orijinal makalenin neyi ele aldığı ve Fourier dönüşümünün gürültülü kanallarda iletişimi mümkün kılması düşünülünce, bence oldukça yerinde bir başlık
  • Aslında bu, 1960 tarihli ünlü deneme “The Unreasonable Effectiveness of Mathematics in the Natural Sciences”e bir parodi
    Ama bu tür başlıklar o kadar fazla kullanıldı ki artık biraz manipülatif geliyor
  • Şaka yollu biçimde “Unreasonable effectiveness-ness’in karşı kutbu” dendi
  • Bu tür başlıkları çocukça buluyorum
    Fourier dönüşümü aslında çok makul ve sezgisel bir kavram
    Matematiğin bilimin dili olduğu düşünülürse, “matematik anormal derecede etkilidir” ifadesi de abartılı geliyor
    Sunum materyali de sonuçta temel FT 101 düzeyinde
• ML/veri bilimi açısından bakınca FFT, PCA’ya benzer bir kavram
  Veriyi daha iyi bir koordinat sistemine (zaman → frekans) yansıtıp, varyansı düşük tabanları çıkarıyor, sonra ters dönüşümle (IFFT) geri kuruyorsunuz
  Tek fark, FFT’nin tabanının sabit olması
• Ben Fourier dönüşümünü pek sevmiyorum
  Sonsuz alanı ele aldığı için kaba ve gerçek dünyaya uyumsuz geliyor
  • Gerçekte herkes pencerelenmiş veriye FFT uygular
    Böylece sonsuz destek ve sonsuz çözünürlük sorunları ortadan kaldırılabilir
  • Bunun bir Tomb Raider şakası mı yoksa matematik mecazı mı olduğundan emin değilim
  • Hayır, burada öyle bir şey yok
• OFDM’yi açıklarken örtük olarak genlik kaydırmalı anahtarlama (ASK) anlatıyor
  Başka modülasyonlar kullanmak istiyorsanız alt taşıyıcıların karmaşık değerlerini IQ noktaları olarak ele almanız yeterli
  Sonuçta aynı sembolleri zaman alanı yerine frekans alanında okumuş oluyorsunuz ve bu da süperpozisyon ilkesi sayesinde sıradan modülasyonla eşdeğer şekilde çalışıyor