- งานบรรยายที่แสดงให้เห็นว่า การแปลงฟูริเยร์ ทรงพลังเพียงใดในการประยุกต์ใช้ทางเทคโนโลยีจริง
- ผู้บรรยายอธิบายโดยเน้นกรณีศึกษาที่เกี่ยวข้องกับ OFDM (Orthogonal Frequency Division Multiplexing) ในงาน Teardown 2025
- มีการให้เอกสารอ้างอิงหลากหลายร่วมด้วย เช่น สไลด์ PDF, Jupyter Notebook, โค้ดตัวถอดรหัส DVB-T, วิดีโออัลกอริทึม FFT เป็นต้น
- เนื้อหานี้แสดงให้เห็นว่าการแปลงฟูริเยร์ยังคงเป็น เครื่องมือหลัก ในด้านการสื่อสารและการประมวลผลสัญญาณ
- โดยทั่วไปสัญญาณมักถูกจัดการในรูปแบบที่ค่าเปลี่ยนไปตามเวลา แต่สัญญาณเดียวกันนั้นก็สามารถแสดงเป็น ผลรวมขององค์ประกอบความถี่ ได้เช่นกัน
- การแปลงฟูริเยร์คือเครื่องมือที่เปลี่ยนรูปคลื่นซับซ้อนหนึ่งรูปให้กลายเป็น “มีความถี่อะไรปะปนอยู่บ้างและมากแค่ไหน”
- ตัวอย่างเช่น สัญญาณรบกวนแบบกระชากสั้น ๆ ความเพี้ยนที่แกว่งช้า ๆ และรูปแบบที่เกิดซ้ำ ในโดเมนเวลาอาจดูพันกันอยู่ แต่ในโดเมนความถี่จะแยกออกจากกันได้
- ช่องสัญญาณสื่อสารในโลกจริงส่วนใหญ่มีคุณสมบัติแบบ เชิงเส้น·ไม่แปรตามเวลา (LTI, Linear Time-Invariant)
- ในระบบ LTI วิธีที่สัญญาณถูกบิดเบือนจะถูกกำหนดแยกเป็นอิสระตามแต่ละความถี่
- การหน่วง การสะท้อน และการลดทอนในโดเมนเวลา จะปรากฏเป็นการเปลี่ยนแปลงขนาดและเฟสในโดเมนความถี่
- หากพยายามแก้ปัญหาในโดเมนเวลา การหน่วง การซ้อนทับ และการรบกวนจะพันกันไปหมด
- แต่เมื่อมองปัญหาเดียวกันในโดเมนความถี่ มันจะกลายเป็นปัญหาของการปรับแต่ละองค์ประกอบความถี่ทีละตัว
- จึงเกิดแนวคิดว่า “ย้ายข้อมูลไปยังพื้นที่ที่ประมวลผลง่ายกว่า”
- วิธีที่นำแนวคิดนี้ไปใช้อย่างตรงตัวคือ OFDM (Orthogonal Frequency Division Multiplexing)
- แบ่งสตรีมข้อมูลที่เร็วหนึ่งชุดออกเป็น ซับแคริเออร์ (subcarrier) ที่ช้าลงหลายตัว
- แต่ละซับแคริเออร์ ตั้งฉากกัน จึงส่งพร้อมกันได้โดยไม่รบกวนกัน
- ใช้ FFT (Fast Fourier Transform)/IFFT (Inverse Fast Fourier Transform) เพื่อแปลงและกู้คืนซับแคริเออร์จำนวนมากได้พร้อมกัน
- เมื่อสภาพช่องสัญญาณแตกต่างกันไปตามความถี่ จะมีเพียงบางซับแคริเออร์เท่านั้นที่คุณภาพแย่ลง
- ในระบบพาหะเดี่ยว ข้อมูลทั้งหมดอาจเสียหาย แต่ใน OFDM จะได้รับผลกระทบเพียงบางส่วน
- ความถี่ที่มีปัญหาสามารถใช้งานแบบเบาลง หรือเว้นว่างไปเลยก็ได้
- สัญญาณรบกวนแบบเบิร์สต์ ที่เกิดกระจุกในช่วงเวลาหนึ่ง จะถูกกระจายออกไปหลายสัญลักษณ์และหลายความถี่ใน OFDM
- สัญญาณรบกวนรุนแรงในช่วงเวลาสั้น ๆ จึงไม่ลุกลามไปเป็นความเสียหายของข้อมูลทั้งหมด
- มัลติเพธ ที่เกิดขึ้นในสภาพแวดล้อมไร้สายทำให้สัญญาณเดินทางมาถึงหลายเส้นทางและเกิดความหน่วง
- ในโดเมนเวลา สัญลักษณ์จะทับซ้อนกันจนเกิด ISI (Inter-Symbol Interference, การรบกวนระหว่างสัญลักษณ์)
- ในโดเมนความถี่ มัลติเพธจะปรากฏเป็นเส้นโค้งการตอบสนองของช่องสัญญาณ
- หากชดเชยเส้นโค้งนี้ได้ ก็จะสามารถกู้คืนแต่ละซับแคริเออร์ได้อย่างอิสระ
- ใช้สัญญาณไพลอตเพื่อติดตาม ความคลาดเคลื่อนของความถี่ (LO drift) ระหว่างตัวส่งและตัวรับ
- แม้แต่ Doppler shift ที่เกิดระหว่างการเคลื่อนที่ ก็สามารถแยกและชดเชยตามแต่ละความถี่ได้
- สามารถใช้รูปแบบการมอดูเลชันที่ต่างกันในแต่ละซับแคริเออร์ได้
- ย่านที่สภาพสัญญาณดีสามารถใช้มอดูเลชันความเร็วสูง ส่วนย่านที่แย่ใช้มอดูเลชันที่เสถียรกว่า
- ทำให้เกิด การส่งข้อมูลแบบลำดับชั้น ที่เป็นไปไม่ได้ในสตรีมเดี่ยว
- สามารถขยายไปเป็นโครงสร้าง OFDMA ที่ผู้ใช้หลายรายแบ่งเวลาและความถี่เพื่อส่งพร้อมกันได้
- การทำ interleaving ที่สลับข้อมูลทั้งในมิติของเวลาและความถี่ช่วยลดการกระจุกตัวของข้อผิดพลาด
- ผสานเข้ากับเทคนิคแก้ไขข้อผิดพลาดอย่าง convolutional code, Reed–Solomon, BCH ได้อย่างเป็นธรรมชาติ
- ผลลัพธ์คือ การแปลงฟูริเยร์เป็น “สวิตช์ที่เปลี่ยนความซับซ้อนของโลกจริงให้กลายเป็นปัญหาการปรับแต่งที่เรียบง่าย”
- OFDM คือการออกแบบที่วางสวิตช์นี้ไว้ใจกลางสถาปัตยกรรมการสื่อสาร
- มันทำหน้าที่เป็นรากฐานที่ทำให้การสื่อสารไร้สายสมัยใหม่ได้ทั้งความเร็วสูงและความเสถียรพร้อมกัน
7 ความคิดเห็น
จาก "ความเห็นใน HN":
...?
เราใช้ชีวิตอยู่ในยุคของคนที่มีลูกแล้วสิบสี่คนและเป็น CEO ของสี่บริษัทไปเรียบร้อยแล้ว ดังนั้น...
ไม่ใช่สิ แต่ผมไปเปิดวิกิพีเดียมาจริง ๆ แล้ว พบว่าโจเซฟ ฟูริเยร์ประกาศ Fourier transform ในปี 1822 (ยกเว้นงานประกาศแบบกระจัดกระจายก่อนหน้านั้น) ส่วน FFT ถูกวางรากฐานและประกาศในปี 1965 ที่ประกาศได้เร็วกว่านั้นหน่อยคือปี 1932 แต่สิ่งที่น่าทึ่งคือเกาส์ได้บันทึก FFT ไว้แต่ไม่ได้ตีพิมพ์มาตั้งแต่ปี 1805 เลยครับ จะไม่ให้ยอมรับคอมเมนต์ที่ว่า "Gauss is gonna Gauss" (เกาส์ก็เป็นเกาส์ของเขาไป) ไม่ได้จริง ๆ ฮือ
ชุดการแปลงในคณิตศาสตร์วิศวกรรมที่ทำเอาแทบเป็นบ้า... ฮือ
จำได้ว่าเคยใช้ตอนเขียนลอจิกสำหรับกำจัดนอยส์กับลบแพตเทิร์นที่ซ้ำๆ อยู่เหมือนกันครับ
เดี๋ยวนี้เหมือนจะทำอะไรคล้ายๆ กันด้วยออโตเอนโค้ดเดอร์กันนะครับ
ความเห็นจาก Hacker News
เหมือนที่โคเปอร์นิคัสเปลี่ยนระบบพิกัดแล้วทำให้การเคลื่อนที่อันซับซ้อนของดาวเคราะห์ดูเรียบง่ายขึ้น การวิเคราะห์ฟูเรียร์ก็โดยเนื้อแท้แล้วคือแนวคิดเดียวกัน
สำหรับสัญญาณดิจิทัล basis แบบ Walsh-Hadamard ก็มีประโยชน์ ซึ่งเป็นแนวคิดที่ต่างจากความถี่โดยสิ้นเชิง
โมเดลอย่าง GPT เองตอนนี้ก็ยังอยู่ในสภาพแบบปโตเลมี และคิดว่าสักวันหนึ่งเราจะเข้าใจ พลวัต ของมันผ่านระบบพิกัดที่ดีกว่านี้
ฟังก์ชันฮาร์มอนิกทรงกลม ฟังก์ชันเบสเซล ฟังก์ชันแฮงเคล ฯลฯ ต่างก็เป็นรูปแปรของไซน์/โคไซน์หรือฟังก์ชันเอ็กซ์โพเนนเชียลเชิงซ้อน
wavelet ใช้ปริภูมิพารามิเตอร์แบบต้นไม้ และช่วงหลังงานวิจัยเรื่อง overcomplete basis ก็ยังคึกคัก
แต่ก็มองว่าแนวทางเชิงเส้นแบบนี้ไม่ได้เกี่ยวข้องโดยตรงกับการทำความเข้าใจโครงสร้าง ไม่เชิงเส้นมิติสูง ของโครงข่ายประสาท
แต่ปัญหาคือโดยทั่วไปมันแทบเป็นไปไม่ได้เลย
เขาจดมันไว้ในสมุดระหว่างศึกษาวงโคจรของดาวเคราะห์น้อย Pallas และ Juno แต่ไม่เคยเผยแพร่สู่สาธารณะ
เอกสารที่เกี่ยวข้อง
เขายังบอกลูกชายว่าอย่าเรียนคณิตศาสตร์ เพราะเขาเชื่อว่าไม่มีทางก้าวข้ามตัวเองได้
อยากจับทราฟฟิกที่เป็นคาบอย่างเช้าวันจันทร์หรือเที่ยงวันอังคาร
แต่ดันตั้งค่ากราฟผิดจนกินโควตาการใช้งานครึ่งวันไป เลยเปลี่ยนเป็นเส้น -7 วัน ซึ่งสุดท้ายมีแต่ฉันที่เข้าใจ ส่วนทีมกลับยิ่งงง
ถ้าอย่างนั้นการวิเคราะห์ cepstrum จะเหมาะกว่า และมักใช้ในงานวิเคราะห์การสั่นสะเทือนของเครื่องจักรเพื่อหาการกระแทกเป็นคาบ เช่น ความเสียหายของเฟือง
ตอนเรียนปริญญาตรีพอรู้ว่าข้อเท็จจริงนี้สมมูลกับ หลักความไม่แน่นอน ก็รู้สึกทึ่งมาก
ฉันกับภรรยามักเถียงกันเรื่องวิธีเรียงของในเครื่องล้างจาน โดยฉันเน้นเร็ว ๆ (ลดเวลา) ส่วนภรรยาเน้นรอบคอบ (ลดจำนวนรอบล้าง) ซึ่งจริง ๆ คือเรากำลัง optimize คนละโดเมน
ตัวอย่างเช่น ฟังก์ชันเกาส์เซียน มีลักษณะ compact ในทั้งสองโดเมน
อ้างอิงแล้วขอแนะนำ วิดีโอเครื่องล้างจานของ Technology Connections
ฉันเคยทำเดโมโค้ดที่เอาฟูเรียร์ทรานส์ฟอร์มไปใช้กับภาพจากเว็บแคมเพื่ออ่านชีพจรจากใบหน้า
วิธีคือหาส่วนที่พลังงานพุ่งสูงสุดที่ความถี่เฉพาะ
DCT ซึ่งเป็นหัวใจของ JPEG, h264 และ mp3 แท้จริงแล้วก็คือ FFT ที่ดัดแปลงแล้ว
เขาอธิบายแนวคิดฟูเรียร์ทรานส์ฟอร์มได้เข้าใจง่ายมาก
ลิงก์วิดีโอ
แต่ชื่อแนวนี้ถูกใช้พร่ำเพรื่อจนตอนนี้เริ่มให้ความรู้สึกเหมือนพยายามเรียกความสนใจเกินไป
ฟูเรียร์ทรานส์ฟอร์มจริง ๆ แล้วเป็นแนวคิดที่ สมเหตุสมผลและเข้าใจได้ตรงไปตรงมา มาก
ในเมื่อคณิตศาสตร์คือภาษาของวิทยาศาสตร์ วลีอย่าง “คณิตศาสตร์มีประสิทธิผลอย่างผิดปกติ” ก็ดูเว่อร์ไปหน่อย
สไลด์นำเสนอก็จริง ๆ แล้วเป็นแค่ระดับพื้นฐาน FT 101
คือฉายข้อมูลไปยังระบบพิกัดที่ดีกว่า (เวลา→ความถี่) จากนั้นตัด basis ที่ มีความแปรปรวนต่ำ ทิ้ง แล้วค่อยกู้กลับด้วย inverse transform (IFFT)
ต่างกันตรงที่ basis ของ FFT เป็นค่าคงที่
เพราะมันจัดการกับ โดเมนอนันต์ ซึ่งหยาบและไม่ค่อยตรงกับโลกจริง
แบบนี้ก็แก้ปัญหาเรื่อง support อนันต์และความละเอียดอนันต์ได้
ถ้าจะใช้การมอดูเลตแบบอื่น ก็แค่มองค่าคอมเพล็กซ์ของ subcarrier เป็น จุด IQ
สุดท้ายก็เท่ากับอ่านสัญลักษณ์เดียวกันในโดเมนความถี่แทนโดเมนเวลา และมันทำงานได้เทียบเท่าการมอดูเลตทั่วไปเพราะ หลักการซ้อนทับ (superposition)