توضیح ساده سری فوریه در این کار سعی کردم نشان بدهم که یک صدای واقعی، در اصل میتواند به مجموعهای ا…
انتشار: 2026/07/06 10:48 UTC
توضیح ساده سری فوریه در این کار سعی کردم نشان بدهم که یک صدای واقعی، در اصل میتواند به مجموعهای از موجهای سادهتر با فرکانسهای مختلف تجزیه شود. با استفاده از تبدیل فوریه، صدای اصلی به مؤلفههای فرکانسی تبدیل میشود؛ یعنی به جای اینکه صدا را فقط در زمان ببینیم، میتوانیم بفهمیم چه فرکانسهایی در ساخت آن نقش دارند.بعد از این مرحله، صدا را دوباره بازسازی کردم؛ اما نه یکباره با تمام فرکانسها. ابتدا فقط فرکانسهای پایینتر نگه داشته شدند و بقیه حذف شدند. در این حالت صدا بسیار مبهم، بم و دور از صدای اصلی است. سپس بهتدریج فرکانسهای بیشتری اضافه شدند؛ مثلاً تا 500 Hz، بعد 1000 Hz، 4000 Hz و بالاتر. هرچه محدودهی فرکانسی بزرگتر شد، جزئیات بیشتری از صدا برگشت و بازسازی به صدای واقعی نزدیکتر شد.این آزمایش بهصورت تصویری هم نشان میدهد که سری فوریه چطور کار میکند: نمودار طیف فرکانسی صدای اصلی با طیف بازسازیشده مقایسه میشود و میبینیم که با افزایش cutoff frequency، بخش بیشتری از اطلاعات صدای اصلی وارد بازسازی میشود. در نهایت، وقتی تعداد مؤلفههای فرکانسی کافی باشد، صدای ساختهشده تقریباً شبیه صدای اصلی شنیده میشود. این دقیقاً همان ایدهی مهم فوریه است: سیگنالهای پیچیده، مثل صدای انسان یا موسیقی، از ترکیب موجهای ساده ساخته شدهاند.این مفهوم فقط برای صدا نیست و در هوافضا کاربردهای بسیار مهمی دارد. در تحلیل ارتعاشات سازهای هواپیما، بال، بدنه، موتور و پرههای توربین، از FFT استفاده میشود تا مشخص شود چه فرکانسهایی در ارتعاشات سیستم غالب هستند. این کار برای پیدا کردن رزونانس، جلوگیری از خستگی سازه، بررسی سلامت موتور، تحلیل نویز آیرودینامیکی، پردازش دادههای سنسورها، تست تونل باد، تحلیل سیگنالهای پروازی و حتی بررسی ناپایداریهای جریان بسیار مهم است. در واقع FFT کمک میکند دادههای پیچیدهی زمانی، مثل ارتعاش، فشار، سرعت یا نویز، به زبان فرکانس ترجمه شوند تا مهندس بتواند بفهمد کدام مؤلفهها خطرناک، مهم یا قابل کنترل هستند.

