Aplikasi Deret Fiurier adalah Pada pemisahan perpaduan gelombang.

. Suatu gelombang yang bergerak pada sutu medium bukan hanya gelombang yang berupa gelombang tunggal namun merupakan perpaduan dari banyak gelombang. Dengan menggunakan deret fourier maka perpaduan dari banyak panjang gelombang ini dapat dipisahkan kembali menjadi gelombang-gelombang penyusunnya. Misalkan saja pada gelombang radio. Gelombang radio FM mempunyai frekuensi 88 Mhz sampai dengan 108 Mhz. Tapi yang menimbulkan pertanyaan adalah kenapa kita dapat mendengarkan suara penyiar radionya padahal batas pendengaran manusia hanya 20 Hz sampai dengan 20.000 Hz saja?. Ini dapat dijawab karena gelombang radio tersebut hanya sebagai pembawa. Yang nantinya pada radio penerima gelombang datang tersebut akan dipecah kembali yang salah satunya berupa gelombang suara yang dapat kita dengarkan. Bentuk gelombang seaneh apapun bisa didekati dengan menjumlahkan fungsi gelombang yang cocok. Makin banyak fungsi yang ditambahkan, maka pendekatan Anda akan makin mirip dengan bentuk aslinya.

Aplikasi Deret Fourier: penambahan jumlah suku (fungsi) ke-n memperhalus pendekatan grafik; dari gelombang sinus menuju gelombang segitiga. Gambar diambil dari sini

Salah satu aplikasi deret Fourier adalah untuk menganalisa image, seperti analisa image wajah . Menentukan image dari image yang telah terjadi penyimpangan ekivalen dengan mencari estimator fungsi regresi dalam statistik. Berdasarkan n data pengamatan independen (Xi ,Yi ) i1 dapat dicari estimator dari fungsi regresi f
n

yang memenuhi model Yi = f(Xi) + i, i = 1,2,...,n, dengan i variabel galat random independen yang mempunyai mean 0 dan varian 2. Salah satu ukuran kebaikan estimator dari f dapat dilihat dari tingkat

kesalahannya. Semakin kecil tingkat kesalahannya semakin baik estimasinya. Suatu ukuran kesalahan dapat dilihat dari IMSE (Integrated Mean Squared Error ) atau MSE (Mean Squared Error). Untuk mencari estimator fungsi f, Eubank (1988) memperkenalkan estimator Fourier yang merupakan deret dengan basis fungsi konstan, sinus, dan cosinus. Kemudian, Hall dan Patil (1995, 1996) serta Odgen (1997) mengembangkan estimator deret Fourier menjadi estimator wavelet. Suparti (1999) mencari konvergensi estimator deret Fourier untuk fungsi mulus dan diperoleh konvergensi IMSE n-1 J. Untuk estimator fungsi mulus dengan menggunakan wavelet linier mempunyai konvergensi IMSE yang lebih baik dari estimator deret Fourier (Suparti dan Subanar, 2000).