Tính hữu dụng vượt trội đến mức khó tin của biến đổi Fourier

• Biến đổi Fourier cho thấy nó hoạt động mạnh mẽ đến mức nào trong các ứng dụng kỹ thuật thực tế
• Diễn giả giải thích xoay quanh các ví dụ liên quan đến OFDM (ghép kênh phân chia theo tần số trực giao) tại sự kiện Teardown 2025
• Đồng thời cung cấp nhiều tài liệu tham khảo như PDF slide, Jupyter notebook, mã bộ giải mã DVB-T, video về thuật toán FFT
• Tài liệu này cho thấy biến đổi Fourier vẫn là một công cụ cốt lõi trong lĩnh vực truyền thông và xử lý tín hiệu

---

• Tín hiệu thường được xử lý dưới dạng giá trị thay đổi theo thời gian, nhưng cùng một tín hiệu cũng có thể được biểu diễn như tổng của các thành phần tần số
• Biến đổi Fourier là công cụ chuyển một dạng sóng phức tạp thành “những tần số nào được trộn vào và với mức độ bao nhiêu”
• Ví dụ, nhiễu xung ngắn, méo dao động chậm, và các mẫu lặp lại có thể trông đan xen nhau trong miền thời gian nhưng lại được tách ra trong miền tần số

• Các kênh truyền thông trong thực tế phần lớn có đặc tính LTI (Linear Time-Invariant, tuyến tính và bất biến theo thời gian)
• Trong hệ thống LTI, cách tín hiệu bị méo được quyết định độc lập theo từng tần số
• Độ trễ, phản xạ và suy hao trong miền thời gian xuất hiện thành thay đổi biên độ và thay đổi pha trong miền tần số

• Nếu cố giải quyết vấn đề trong miền thời gian thì độ trễ, chồng lấp và nhiễu sẽ rối vào nhau
• Khi nhìn cùng vấn đề trong miền tần số, nó trở thành bài toán điều chỉnh từng thành phần tần số một
• Vì vậy xuất hiện ý tưởng “chuyển dữ liệu sang một không gian dễ xử lý hơn”

• Phương pháp hiện thực hóa trực tiếp ý tưởng này chính là OFDM (Orthogonal Frequency Division Multiplexing)
• Chia một luồng dữ liệu nhanh thành nhiều subcarrier chậm
• Mỗi subcarrier trực giao với nhau nên có thể truyền đồng thời mà không gây nhiễu lẫn nhau
• Dùng FFT (Fast Fourier Transform)/IFFT (Inverse Fast Fourier Transform) để biến đổi và khôi phục nhiều subcarrier cùng lúc

• Khi trạng thái kênh khác nhau theo từng tần số, chỉ một số subcarrier có chất lượng kém
• Với phương thức sóng mang đơn, toàn bộ dữ liệu sẽ bị ảnh hưởng, nhưng với OFDM thì chỉ một phần bị tác động
• Có thể sử dụng yếu đi hoặc để trống hẳn những tần số có vấn đề

• Nhiễu burst dồn trong thời gian ở OFDM sẽ được phân tán ra nhiều symbol và nhiều tần số
• Nhiễu mạnh trong một khoảnh khắc ngắn không dẫn đến hỏng toàn bộ dữ liệu

• Multipath trong môi trường vô tuyến tạo ra độ trễ khi tín hiệu đến theo nhiều đường khác nhau
• Trong miền thời gian, các symbol chồng lên nhau gây ra ISI (Inter-Symbol Interference, nhiễu liên ký hiệu)
• Trong miền tần số, multipath xuất hiện dưới dạng đường cong đáp ứng kênh
• Khi hiệu chỉnh đường cong này, có thể khôi phục từng subcarrier một cách độc lập

• Dùng tín hiệu pilot để theo dõi sai lệch tần số (LO drift) giữa bộ phát và bộ thu
• Dịch Doppler phát sinh khi di chuyển cũng có thể được tách riêng theo từng tần số để hiệu chỉnh

• Có thể áp dụng các phương thức điều chế khác nhau cho từng subcarrier
• Ở các dải tần có trạng thái tín hiệu tốt thì dùng điều chế tốc độ cao, còn ở dải kém thì bố trí điều chế ổn định hơn
• Có thể thực hiện truyền dữ liệu phân tầng mà một luồng đơn không thể làm được

• Có thể mở rộng thành cấu trúc OFDMA nơi nhiều người dùng cùng truyền đồng thời bằng cách chia thời gian và tần số
• Giảm tình trạng lỗi tập trung bằng interleaving trộn dữ liệu theo cả thời gian lẫn tần số
• Kết hợp tự nhiên với các kỹ thuật sửa lỗi như mã chập, Reed–Solomon, BCH

• Kết quả là, biến đổi Fourier là “công tắc biến hiện thực phức tạp thành một bài toán điều chỉnh đơn giản”
• OFDM là một thiết kế đặt công tắc này ở trung tâm của kiến trúc truyền thông
• Nó vận hành như nền tảng để truyền thông vô tuyến hiện đại đạt được đồng thời tốc độ cao và độ ổn định

[euphcat]

Trong số các "ý kiến trên HN":
> * Thật đáng kinh ngạc khi ông ấy vẫn năng suất đến vậy dù có sáu người con

...?

[aer0700]

Chúng ta đã sống trong thời đại mà có người vừa là CEO của bốn công ty vừa có mười bốn người con rồi, nên...

[aer0700]

Tôi nhớ trước đây đã từng dùng nó khi viết logic khử nhiễu và loại bỏ các mẫu lặp. Dạo này người ta lại triển khai những thứ tương tự bằng autoencoder.

[GN⁺]

Ý kiến trên Hacker News

• Mọi người thường bị đánh lạc hướng bởi cụm “không gian tần số”, nhưng cốt lõi là việc chuyển đổi hệ tọa độ theo hướng bám sát bài toán hữu ích đến mức nào
  Giống như Copernicus đã đổi hệ tọa độ để đơn giản hóa chuyển động phức tạp của các hành tinh, phân tích Fourier về bản chất cũng là cùng một ý tưởng
  Trong tín hiệu số, cơ sở Walsh-Hadamard cũng hữu ích, và đó là một khái niệm hoàn toàn khác với tần số
  Các mô hình như GPT hiện giờ cũng đang ở trạng thái kiểu Ptolemy, và tôi nghĩ rồi một ngày nào đó chúng ta sẽ hiểu được động lực học của chúng bằng một hệ tọa độ tốt hơn
  • Những phép biến đổi kiểu này rốt cuộc là quá trình chuyển sang cơ sở riêng của một toán tử vi phân nào đó
    Các hàm điều hòa cầu, hàm Bessel, hàm Hankel, v.v. đều là các biến thể của sin/cos hoặc hàm mũ phức
    Wavelet dùng một không gian tham số dạng cây, và gần đây nghiên cứu về cơ sở thừa hoàn chỉnh (overcomplete basis) cũng rất sôi động
    Nhưng tôi cho rằng cách tiếp cận tuyến tính như vậy không liên quan trực tiếp đến việc hiểu mạng nơ-ron, vốn xử lý cấu trúc phi tuyến nhiều chiều
  • Nếu tôi được học Fourier hay Laplace transform theo cách này thì các lớp DSP chắc đã thú vị hơn nhiều
  • Việc dự đoán trạng thái tương lai của một hệ lượng tử cũng trở nên đơn giản nếu có thể chéo hóa Hamiltonian
    Nhưng vấn đề là nhìn chung điều đó gần như bất khả thi
• Giai thoại về Fourier transform mà tôi thích nhất là chuyện Gauss đã tìm ra thuật toán FFT trước Cooley và Tukey cả một thế kỷ
  Ông viết nó vào sổ tay khi nghiên cứu chuyển động của các tiểu hành tinh Pallas và Juno, nhưng chưa từng công bố ra ngoài
  Tài liệu liên quan
  • Có giai thoại rằng mỗi khi một nhà toán học khác mang đến một kết quả mới, Gauss lại nói “tôi làm rồi” và lôi ra từ ngăn kéo cả xấp bản thảo liên quan
  • Hồi thực tập ở Chevron tôi từng nghe rằng ngay từ thập niên 1950 người ta đã dùng Fourier transform cho phân tích địa chấn thăm dò dầu khí, nhưng giữ bí mật vì toán học thì không thể cấp bằng sáng chế
  • Người ta nói lề sổ tay của Gauss đầy kín những chứng minh chưa công bố
    Ông còn khuyên con trai đừng làm toán, vì cho rằng không thể vượt qua được mình
  • Gauss đúng là Gauss
  • Thật đáng kinh ngạc khi ông vẫn năng suất đến vậy dù có tới sáu người con
• Tính năng tôi tiếc nhất ở Grafana là Fourier transform để tìm mẫu chu kỳ (epicycle) của các đợt spike lưu lượng
  Tôi muốn bắt được các mẫu lưu lượng có tính chu kỳ như sáng thứ Hai hay trưa thứ Ba
  Nhưng tôi cấu hình biểu đồ sai và đốt mất nửa hạn mức dùng trong ngày, nên đổi sang đường -7 ngày thì chỉ mình tôi hiểu còn cả nhóm thì rối loạn
  • Những spike như vậy không phù hợp với giả định rằng tín hiệu có thành phần tần số trên toàn bộ chuỗi
    Thay vào đó, phân tích cepstrum phù hợp hơn, và thường được dùng trong phân tích rung động máy để tìm các va đập tuần hoàn (ví dụ: hỏng bánh răng)
• Một tín hiệu không thể одновременно bị giới hạn băng thông cả trong miền thời gian lẫn miền tần số
  Hồi đại học tôi rất bất ngờ khi biết điều này tương đương với nguyên lý bất định
  Vợ chồng tôi hay cãi nhau về cách xếp máy rửa bát: tôi làm nhanh (tối thiểu hóa thời gian), còn vợ tôi làm kỹ (tối thiểu hóa số lần rửa), tức là mỗi người đang tối ưu ở một miền khác nhau
  • Tín hiệu có thể bị giới hạn ở cả hai phía theo nghĩa gần đúng
    Ví dụ, hàm Gaussian là compact trong cả hai miền
  • Tai rất giỏi trong việc phân giải tần số nhưng kém trong xác định hướng, còn mắt thì ngược lại
  • Đây đúng theo nghĩa đen là nguyên lý bất định Heisenberg trong xử lý tín hiệu
  • Tôi tự hỏi có phải ý là “làm nhanh nên phải chạy thêm một lần nữa” không
    Nhân tiện, tôi khuyên xem video về máy rửa bát của Technology Connections
  • Máy rửa bát tự động xếp đồ sẽ là phát minh cứu vãn hôn nhân
• Một khi bạn bắt đầu nhìn thế giới trong miền tần số, nhiều mẹo sẽ trở nên đơn giản hơn
  Tôi từng viết code demo áp dụng Fourier transform lên video webcam để đọc nhịp tim từ khuôn mặt
  Cách làm là tìm những phần có năng lượng đạt đỉnh ở một tần số cụ thể
  • Đây là nền tảng của mọi thuật toán nén mất dữ liệu
    DCT, thứ cốt lõi của JPEG, h264, mp3, về cơ bản là một FFT đã được chỉnh sửa
  • Tôi nhớ từng thấy một bình luận trên HN nói rằng chính sự đổi góc nhìn này đã thay đổi cuộc đời họ
  • Trong tài chính cũng có một phép so sánh tương tự — hành động dựa trên ngưỡng giá chứ không phải một thời điểm cụ thể
  • Nhưng trên thực tế có thể webcam sẽ không nhìn thấy dao động da do lưu lượng máu gây ra
• Tôi cực kỳ khuyên xem video mới nhất của Sebastian Lague
  Anh ấy giải thích khái niệm Fourier transform rất dễ hiểu
  Liên kết video
• Có người đùa rằng ai đó rồi sẽ đặt tiêu đề kiểu “The Unreasonable Effectiveness of The Unreasonable Effectiveness”
  • Người khác đáp lại như một meme: “Unreasonable effectiveness is all you need”
  • Xét đến nội dung bài báo gốc và việc Fourier transform đã làm cho truyền thông qua kênh nhiễu trở nên khả thi, tôi thấy đây là một tiêu đề khá hợp lý
  • Ban đầu đây là một trò nhại bài tiểu luận nổi tiếng năm 1960 “The Unreasonable Effectiveness of Mathematics in the Natural Sciences”
    Nhưng kiểu tiêu đề này đã bị lạm dụng quá nhiều nên giờ có hơi mang cảm giác giật gân
  • Có người đùa là “cực đối lập của unreasonable effectiveness-ness”
  • Tôi thấy kiểu tiêu đề này khá trẻ con
    Fourier transform thực ra là một khái niệm rất hợp lý và trực quan
    Xét việc toán học là ngôn ngữ của khoa học thì cách nói “toán học hiệu quả một cách phi lý” cũng có vẻ cường điệu
    Tài liệu trình bày rốt cuộc cũng chỉ ở mức FT 101 cơ bản
• Nhìn từ góc độ ML/data science, FFT là một khái niệm giống PCA
  Đó là quá trình chiếu dữ liệu sang một hệ tọa độ tốt hơn (thời gian → tần số), loại bỏ các cơ sở có phương sai thấp, rồi phục hồi bằng biến đổi ngược (IFFT)
  Khác biệt là cơ sở của FFT là cố định
• Tôi không thích Fourier transform lắm
  Nó xử lý miền vô hạn, nên khá thô và không sát thực tế
  • Trên thực tế người ta đều áp dụng FFT lên dữ liệu có cửa sổ
    Làm vậy sẽ loại bỏ vấn đề hỗ trợ vô hạn và độ phân giải vô hạn
  • Không rõ đây là một câu đùa Tomb Raider hay một phép ẩn dụ toán học
  • Nhưng ở đây đơn giản là không phải vậy
• Khi anh ấy giải thích OFDM, anh ấy đang ngầm nói về điều chế dịch biên độ (ASK)
  Nếu muốn dùng kiểu điều chế khác thì chỉ cần coi số phức của các sóng mang con là các điểm IQ
  Rốt cuộc vẫn là đọc cùng một symbol trong miền tần số thay vì miền thời gian, và nhờ nguyên lý chồng chập (superposition) nên nó hoạt động tương đương với điều chế thông thường