私はオンラインで見回したが、関連するものは何もなかった。電子機器が異なる周波数の信号を分解することは非常に困難です。

ベアメタルレベルでこれを行う方法

提案されたソースまたはコメントは非常に役立ちます

フーリエ変換を使用するデバイス

電子機器が異なる周波数の信号を分解することは非常に困難です。

そうではありません。

実際に、明示的にそれを行うデバイスはかなりあります。

まず、連続フーリエ変換（おそらく）およびデジタルフーリエ変換（DFT）。これは、サンプリングされた信号で実行できます。$\mathcal F\left\{x(t)\right\}(f)=\int_{-\infty}^{\infty} x(t)e^{j2\pi f t}\,\mathrm dt$

どちらにも、これらを実装するデバイスがあります。

連続フーリエ変換

これをデジタルエレクトロニクスで実際に必要とする方法はほとんどありません。デジタル信号はサンプリングされるため、DFTを使用します。

光学系とフォトニクスでは、「大きな」長さ（上記の積分とほぼ無限）で完全に周期的なものを取得する実際のチャンスがあることに気付くでしょう。効果的に、音響光学素子は1つまたは複数のトーンで励起でき、上記の積分と同じ相関効果があります。フーリエ光学の例を見つけるために、2018年のノーベル物理学賞受賞者を見る必要はありません。

離散フーリエ変換

これは本当にあるすべての場所で。これは標準的な処理ステップであるため、通信エンジニアとして、それがどこにあるかを忘れてしまうことがよくあります。

したがって、このリストは完全ではありません。単なる例：

• イコライザー：DFTを使用してデジタルオーディオイコライザーを構築するのは非常に簡単です。通常、通信システムのゼロフォーシングイコライザータイプは、DFTを使用して「削除」する必要があるチャネルの周波数ドメイン表現を見つけ、それを反転し、IDFTを使用してそれを時間ドメインに戻し、タップとして使用しますFIRフィルター。
• アンテナアレイ/ビームステアリング：互いに一定の距離にあるアンテナのアレイがある場合、達成したい「方向ベクトル」のDFTを計算し、結果を複素数として使用することにより、これらのアンテナのビームをステアリングできます。これらのアンテナに分配する送信信号と乗算される係数。実世界のMIMOシステムはそれを行います。
• 方向検出：送信方向で機能するものはまったく同じですが、受信方向では逆になります：アレイ内の各アンテナの信号を取得し、これらの信号間の複雑な要因を見つけ、IDFTを実行し、情報を含むベクトルを取得しますどの方向から力がもたらされたか。簡単！また、航空機の位置、Wifi通信パートナーの位置、潜水艦の推定のために行われます（ただし、アンテナではなく水中マイク）。
• チャネライゼーション：宇宙の衛星は高価なので、複数のテレビ番組を1つの衛星にアップリンクする必要があります。DFT（特にPolyphase Filterbank）を使用して、1つのアップリンクに複数のチャネルを配置したり、1つのワイドバンド信号から個々のチャネルを分離したりできます。それはテレビの領域ではありません。オーディオ処理、医療画像、超音波解析、ラジオ放送などで発生します...）
• マルチキャリアシステムのデータエンコーディング：ワイドチャネルの問題（1秒あたりのビット数を転送する場合に必要）、つまり複雑なイコライザーの必要性に対処するには、チャネルを多数の小さなチャネルに分割します（参照上記の「チャネル化」）。ただし、周波数シフトされた時間領域矩形フィルターのフィルターバンクとしてDFTのみを理解できます。それについての良いところは、これらのチャネルが非常に密集していることです。もう1つの良い点は、チャネルとの畳み込みがポイントごとの乗算になり、元に戻すのが非常に簡単になることです。このメソッドをOFDMと呼び、すべてのWifi、LTE、5G、WiMax、ATSC、DVB-T、デジタルオーディオブロードキャスト、DSL、およびその他の多くのシステムで使用されています。
• 効率的なフィルタリング：FIRフィルターは、時間領域のフィルターインパルス応答との畳み込みです。そのため、出力サンプルごとに多くの操作を使用します。非常に計算量が多くなります。入力サンプルのDFT処理セクションに基づく高速たたみ込みを実装し、それらを周波数領域のインパルス応答のDFTで多重化し、前のセグメントとオーバーラップし、時間領域に逆変換することで、その労力を大幅に削減できます。これは非常に便利なため、長いFIRフィルタを備えたほとんどすべてのシステムで使用されます（「long」は「16タップ」などの良性の数値で始まる場合があります）。
• レーダー：従来の自動車用レーダーは、自己変調FMCWレーダーを使用しています。それによって観察されるリフレクターの相対速度と距離の両方の画像を取得するには、通常、2次元DFTを実行します（実際には、マトリックスのすべての列と結果のすべての行をDFTするだけです）。
• オーディオおよび画像/ビデオの圧縮：JPEGはDFT自体ではなく、離散コサイン変換を使用しますが、少なくともDFTの重要な部分を使用するメカニズムは十分にあります。

上記のリストが操作中に DFTsをすることだけを含むことに注意してください。RF、特にアンテナ、ミキサー、アンプ、（デ）変調器に関連するリモートの設計時には、多くのフーリエ変換/スペクトル解析が関係していることを100％確信できます。オーディオデバイスの設計、高速データリンクの設計、画像分析についても同様です…

どうやって？

ここでDFTについて説明します。

通常、それはFFT、高速フーリエ変換として実装されます。これは20世紀の最も重要なアルゴリズムの発見の1つであるため、FFTを説明する記事が文字通り何千もあるので、ここでは少し説明しておきます。

$e^{j2\pi \frac nN k}$${e^{j2\pi \frac 1N k}}^n=W^n$

$N\log N$$N$

$\log N$$N=2^l$

ソフトウェアでは、原理は同じですが、非常に大きな変換をマルチスレッド化する方法と、CPUキャッシュを最適に利用することでメモリにできるだけ速くアクセスする方法を知る必要があります。

ただし、ハードウェアとソフトウェアの両方に、DFT（FFT）の計算に使用するだけのライブラリがあります。ハードウェアの場合、通常はFPGAベンダー（アルテラ/インテル、ザイリンクス、ラティスなど）、または大規模なASIC設計ツール会社（ケイデンス）またはASICハウスから提供されます。

振動するreのセットよりもはるかに多くの「ベアメタル」と「ハードウェア」を手に入れることはできません。

http://www.stichtco.com/freq_met.htm

したがって、ハードウェアがフーリエ変換を行うのは、多くの共振システムで可能です。

弾性表面波デバイスは、いくつかの信号処理タスクを実行するアナログ電気機械デバイスとして使用されました。ほとんどの論文は有料です。

Colin Campbellの1989年の書籍Surface Acoustic Wave Devicesとその信号処理アプリケーションの第16章

出版社の概要

この章では、わずか数マイクロ秒の処理時間でSAW線形周波数変調（FM）チャープフィルターを使用した高速リアルタイムフーリエ変換手法を紹介します。SAWベースの技術は、ソナー、レーダー、スペクトラム拡散、および複雑な信号の高速分析またはフィルタリングを必要とするその他の通信技術への応用があります。SAWベースのフーリエ変換システムでは、これは受信機の中間周波数（IF）ステージで実行されます。SAW線形FMチャープフィルターは、多くのフーリエ変換操作に影響を与えるように構成できます。これらの3つは、（1）スペクトルまたはネットワーク分析用の1段フーリエ変換器、（2）ケプストラム解析用の2段フーリエ変換プロセッサ、および（3）リアルタイムフィルタリング用の2段フーリエ変換プロセッサです。圧縮レシーバーとして知られる、信号のスペクトル分析用のSAWベースのフーリエ変換プロセッサーは、さまざまな構成で利用可能で、最大1 GHzの分析帯域幅でスペクトル分解能を提供します。この章では、SAWフーリエ変換プロセッサでのバイリニアミキサーの使用についても説明します。

これは、文字通りハーモニックアナライザーを使用してベアメタルレベルで実行できます。

https://www.youtube.com/watch?v=NAsM30MAHLg

そして、リンクのみの回答をしてすみませんが、これは本当に自分で見なければなりません。

離散サンプリング関数のフーリエ変換は、一連の（通常）サンプル時間値から同等の一連の周波数成分値への基底関数の変化です。これは線形変換です（2つのシリーズの合計のフーリエ変換は2つのシリーズのフーリエ変換の合計です）ので、ベクトル（サンプル時間シリーズ）で動作する行列と同じです。

N個の成分を持つベクトルで動作するランクNの行列は、N ^ 2の乗算と（N ^ 2-N）の加算を行うことにより、N個の成分を持つ2番目のベクトルを生成します。

さて、それでは金属がこれをどのように行うのか：

1つの周波数（基本的には行列の1行）を乗算して蓄積する「ハーモニックアナライザー」と呼ばれるギズモがあります。これは一種のアナログコンピューターです。関数入力をグラフ用紙にプロットし、極平面計（機械的積分器）とリンケージ（機械的乗数）を接続し、曲線をトレースすることにより、出力の1つの要素が得られます。使用方法はそれほど悪くありませんが、1024要素の変換では、操作を1024回実行する必要があります。しかし、これが1世紀前の潮tables表の計算方法です。こちらのMathematical Instrumentsの記事をご覧ください、71ページ

次に、スライドルールを使用してマシンを追加する手動の方法があります。これには、サイン/コサインのテーブルでマトリックス要素を検索する必要があります。つまり、1024要素のサンプリングのために200万回を超えるスライドルールを操作することを意味します。

汎用コンピューターでも操作を行うことができます。

一部（デジタルシグナルプロセッサ、DSP）の特殊なCPU設計は、高速化された積和ハードウェアを使用して行われます。そして、4x4行列が2x2行列の2x2行列であることに注意することにより、N ^ 2操作を必要とするN個のサンプルの問題を回避する非常に賢いアルゴリズム、FFTがあります。任意の合成数（「1024」などの2の累乗が便利）を取得し、N ^ 2の代わりにN * Log（N）の順序でのみ使用する方法があります。つまり、1024入力では1,048,576ではなく61,440の操作しか必要ありません。

FFTは一般的な離散フーリエ変換を単純化しません。これは、N値が非素数であることを必要とするため（およびほぼ常に2のべき乗が使用される）、さまざまな方法でハードウェアでサポートできるため、操作が（積和）は時間制限のステップです。1つの最新（2019）チップ（Analog Devices MMAC columnの ADBSP-561 ）は、1マイクロ秒あたり2400のそのような操作を実行できます。

それは基本的にスペクトルアナライザーが行うことです：

https://www.electronics-notes.com/articles/test-methods/spectrum-analyzer/realtime-spectrum-analyser.php