JoVE Logo

サインイン

17.1 : 連続時間フーリエ変換

フーリエ級数は周期関数を表現するのに役立ち、これらの関数を正弦波の和に分解する強力な方法を提供します。ただし、この手法を非周期関数に適用する場合は修正が必要です。一連の矩形パルスで構成されるパルス列波形を考えてみましょう。これらのパルスが有限の周期を持つ場合は、フーリエ級数で正確に表現できます。しかし、周期が無限に近づくと、単一の孤立したパルスになり、フーリエ級数の離散的な和はフーリエ変換と呼ばれる連続積分に変換されます。

フーリエ級数からフーリエ変換への移行は、非周期関数の分析にとって極めて重要です。フーリエ級数は、周期関数 x(t) を正弦と余弦の和に分解し、次のように表されます。

Equation1

ここで、x_n はフーリエ係数、ω__0 は基本角周波数です。関数の周期が無限に広がるにつれて、基本周波数 ω_0 はゼロに近づき、離散周波数 nω_0 の和は連続周波数変数 ω の積分になります。

Equation2

この積分は、周波数領域で元の関数 x(t) を表すフーリエ変換 X(ω) を定義します。

周期関数を正弦波で表すことに対する当初の懐疑論が、ディリクレ条件の確立につながりました。これらの条件は、周期関数を正弦波で展開できる基準を提供します。具体的には、関数 x(t) は、関数に有限の不連続性および、有限の極大値および極小値を持ち、周期内で絶対積分である場合に、フーリエ級数で表すことができます。

実際のアプリケーション、特に画像処理では、フーリエ変換が重要な役割を果たします。フーリエ変換は、画像を強調し、ノイズを除去して、詳細をより鮮明で明確にします。画像を周波数領域に変換することで、さまざまなフィルタリング手法を適用して特定の特徴を強調したり、ノイズを減らしたりすることができます。その後、逆フーリエ変換を使用して、処理された画像を空間領域に戻します。このアプローチは、現代の画像分析の基礎であり、医療用画像処理、リモートセンシング、デジタル写真の高度な手法を可能にします。

タグ

Fourier TransformFourier SeriesPeriodic FunctionsNonperiodic FunctionsPulse train WaveformFourier CoefficientsFundamental FrequencyDirichlet ConditionsImage ProcessingFrequency DomainNoise FilteringInverse Fourier TransformMedical Imaging

章から 17:

article

Now Playing

17.1 : 連続時間フーリエ変換

The Fourier Transform

244 閲覧数

article

17.2 : フーリエ変換の基本信号

The Fourier Transform

450 閲覧数

article

17.3 : フーリエ変換の特性 I

The Fourier Transform

143 閲覧数

article

17.4 : フーリエ変換の特性 II

The Fourier Transform

144 閲覧数

article

17.5 : フーリエ変換におけるパーセバルの定理

The Fourier Transform

725 閲覧数

article

17.6 : 離散時間フーリエ変換

The Fourier Transform

228 閲覧数

article

17.7 : DTFT の特性 I

The Fourier Transform

322 閲覧数

article

17.8 : DTFT の特性 II

The Fourier Transform

166 閲覧数

article

17.9 : 離散フーリエ変換

The Fourier Transform

193 閲覧数

article

17.10 : 高速フーリエ変換

The Fourier Transform

226 閲覧数

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

研究

教育

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved