傅里叶变换的通俗理解

傅立叶变换就是从时域和频域来描述问题。每个人的生命之中,时间轴所看到的现象,就是我们的时域,如果时间静止在这一刻,那么在这一刻,现在的你正在走的路、正在看的书和正在爱的人,这些所得到的信息这就是频域中所看到的信息,在时域中,我们看到的是走过的路、读过的书和爱过的人(在这里请注意字眼“正在爱”和“爱过的”,请在此自觉抠字眼)。

如果还不懂,不要紧,请继续往下看,请最后一定要回来体会上一段话。

傅立叶变换就像闹钟(带指针的),我们看闹钟是时针和分针一直在走动,我们了解到自己所处的时间点和指针所循环走动的轨迹就是时域看到的信息。当时间定格在某一刻时,进行纵向(频域)分析,它现在的状态就是齿轮+电池+外壳+走针+等等,这就是从频域获取信息。如果电池电量过低,时钟的走时就会变慢,但是平时我们眼中仅仅从外观(时域)看待问题,并不知道问题出在哪。那么,有意思的事情来了,我们将闹钟“肢解”(频域),就可以很简单的发现,原来是电池坏了!原来原因在这里!

现在我要暗黑的展示出大家经常看到的傅立叶变换都会列出来的四大“神图”!

这里写图片描述

书中所写所画,太粗暴,也没有详细说明,在此只想吐槽以下教材,也不说明一下,并且给的是复指数形式的。我将在这里用MATLAB画出来自定义例子的图像,大家会感觉到原来方波还可以这么玩,可以去逼近。

我在这里通过傅立叶级数中的三角形式来展示,法国数学家傅立叶发现任何一个周期函数只要满足一定条件都可以通过正弦函数和余弦函数构成的无穷级别,即以不同的频率的正弦和余弦函数的加权和表示,在后世称为傅立叶级数(此段话摘抄与MATLAB数字图像信号处理与识别之中,每一个字都形容的极其恰当,不敢在此妄自造作)。

周期为 的函数 的三角形式傅立叶级数展开为:

这里写图片描述

这里写图片描述

这里写图片描述

看到n分别取1,5,15,200,400,10000时,你所看到的图像越来越逼近于一个方波,是不是都有点不相信自己的眼睛了,不要怀疑自己,你没有看错,当n取无穷大的时候,他就是方波。

也许看到这里,你半信半疑的相信了傅立叶说的话,任何一个周期函数只要在一定的条件下,都可以使用不同频率的正弦函数或者余弦函数来表示。

Stop!你一定想说:你举的例子与傅立叶变换中的时域和频域有什么关系哦,你分明是在跑题啊!

No!在此,我是为了满满的铺垫,就是为了引出下一个图!堪称(自我认为)是傅立叶变换最艺术的表达方式,简直就是傅立叶变换的“名片”。

这里写图片描述

有没有发现,频率为0的时候和那好几个图中n=15时的图像是如此的相似,对没错,那就是它。那后面那些越来越“密集的波浪”是什么呢?请让我解释。

后面的“波浪”是我将n=15时,每一项中的正弦函数按照频率大小排序,依次画出:

这里写图片描述

现在我们就可以通过超级简单的加减来解释复杂的函数了,在这里也很好的诠释了,无穷个不同频率的正弦函数相加可以表达一个复杂周期函数。我们可以通过傅里叶变换将复杂函数拆分成简单的正弦函数,是不是有一种超级简单的感觉了?!

现在,请你在脑海中回忆我在开头说的话,傅立叶变换对应着我们的人生,在时域中看到的是我们走过的路,读过的书和爱过的人,在频域中看到的是我们正在走的路,正在读得书和正在爱的人。

①当我们从时间轴方向看过去,也就是从时域角度解读问题的,如下图(时域图像):

这里写图片描述

②当我们从频率轴方向看过去,也就是从频域角度解读问题,如下图(频谱图像):

这里写图片描述

③取最近最高点到某一时间点的时间差t,如下图(此处列出正弦函数图像举例):

这里写图片描述

此时的相位谱中相位差的大小就为: (此处T为该正弦函数的周期)
当我们从下往上看的时候,就是从相位差看待问题,如下图(相位谱图像):

上述的①②③分别说明了:时域图像、频率谱图像和相位谱图像。联系上面的实验图,想必也应该有了深刻的了解。

### 回答1: 傅里叶变换是一种数学工具,可以将一个信号分解成多个不同频率的正弦和余弦波的叠加。换句话说,它可以把一个复杂的信号分解成多个简单的频率成分。通俗地说,就好像把一个复杂的乐曲分解成不同音调和音量的音符一样。傅里叶变换可以在信号处理、图像处理、音频处理等领域中得到广泛的应用。 ### 回答2: 傅里叶变换是一种数学工具,用于将函数从时域转换到频域。它的基本思想是,任何周期性信号(或非周期性信号通过一些处理)都可以表示为一系列不同频率的正弦波的叠加。 傅里叶变换的过程可以简单描述为以下几个步骤: 1. 将时域函数(通常是一个连续函数)分解成一系列正弦波的叠加。这些正弦波具有不同的幅度和频率。 2. 使用复数形式表示正弦波,其中幅度和相位可以用复数的实部和虚部表示。 3. 对每个频率的正弦波进行傅里叶变换,得到频域中的复数表示。 4. 将所有频率上的复数进行叠加,得到整个频域上的函数表示。 通过傅里叶变换,我们可以更好地理解一个信号在不同频率下的特征和分布情况。傅里叶变换可以将信号分解成不同频率的成分,这些成分可以是周期性的波动或者是非周期性的脉冲。通过对每个频率成分的幅度和相位进行分析,我们可以了解信号中不同频率的贡献和重要性。 傅里叶变换在信号处理、通信、图像处理等领域有广泛应用。例如,在音频处理中,可以通过傅里叶变换将声音信号从时域转换到频域,用于音频降噪、均衡器调节等处理。在图像处理中,傅里叶变换可以将图像从空域转换到频域,用于图像增强、滤波等应用。 总之,傅里叶变换提供了一种用于分析信号在不同频率上特征的工具,可以将信号从时域转换到频域,更好地理解和处理各种信号。 ### 回答3: 傅里叶变换是一种数学工具,用于将一个函数在时间(或空间)域中的表达方式转换为其在频率域中的表达方式。它得名于法国数学家傅里叶,他发现了这种变换的数学原理。 我们知道,任何在时间(或空间)域中的函数都可以表示为许多不同频率的正弦函数的叠加。傅里叶变换就是将这个函数分解为许多频率成分,并且确定每个频率成分的振幅和相位。这样做的好处是,它可以帮助我们理解一个信号或波形的频谱特性,即不同频率成分的强度和分布情况。 一个简单的例子是音乐信号的频谱分析。如果我们把一首音乐看作是一个在时间上变化的函数,傅里叶变换可以将它分解成许多不同频率的音调,并且确定每个音调的振幅和相位。这样我们就可以知道音乐中都包含哪些音调,并且它们的强度如何分布。 在实际应用中,傅里叶变换被广泛应用于信号处理、图像处理、通信等领域。通过将一个信号或图像转换到频率域,我们可以对其进行滤波、去噪、增强等处理,从而得到我们想要的结果。 总之,傅里叶变换是一种将一个函数在时间(或空间)域中的表达方式转换为其在频率域中的表达方式的数学工具。通过这种变换,我们可以更好地理解和处理信号或波形的频谱特性,从而应用于各种实际问题中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值