时域与频域

原创于 2025-04-18 08:40:30 发布

· 1.4k 阅读

23 ·

版权

文章标签：

#深度学习

人工智能专栏收录该内容

6 篇文章

订阅专栏

以下是您提供的内容，其中公式部分已转换为LaTeX格式：

时域与频域的定义

时域（Time Domain）
时域是描述信号随时间变化的特性，反映信号在不同时间点的振幅、周期、波形形状等信息。它是唯一实际存在的域，因为我们日常感知的事件都随时间发生，例如用示波器观察电压波形、心跳信号等。时域分析的关键参数包括时钟周期、上升时间等，常用于评估数字电路的性能。

时域：时间里的“电影播放器”

想象你正在看一部电影，每一帧画面都按时间顺序播放。时域就像这部电影的播放过程——它记录的是事物随时间变化的动态过程。比如：
心跳监测：心电图（ECG）的波形图就是时域信号，每一秒的波动对应心脏的收缩与舒张。

. 音乐波形：耳机里播放的歌曲，在时域中表现为上下起伏的声波曲线，能直观看到音量大小随时间的变化。
在这里插入图片描述

. 温度记录：一天中每小时的气温数据，连成一条曲线就是时域信号，能看出白天升温、夜晚降温的趋势。
关键特点：时域是真实世界的“直播”，我们直接感受到的一切（声音、图像、运动）都是时域的表现。

频域（Frequency Domain）
频域是信号在频率维度上的数学表示，通过分解信号为不同频率的正弦波组合来揭示其频率成分（如主频、谐波等）。频域并非真实存在，而是通过傅里叶变换等数学工具构造的“上帝视角”，常用于分析信号的频谱分布、功率带宽等。

频域：频率里的“成分拆解机”

如果时域是电影的画面，频域就像电影的“幕后剪辑台”——它把复杂的信号拆解成不同频率的简单成分，并告诉你每种成分的“戏份”（强度）。比如：

音乐频谱：一首交响乐在频域中会被分解成小提琴的高频、大提琴的低频，甚至鼓点的节奏频率。频谱图能一眼看出哪些音调占主导。
WiFi信号：路由器发出的无线信号包含多个频段（如2.4GHz和5GHz），频域分析能避免不同频段互相干扰。
图像边缘检测：照片中的轮廓（如人脸边缘）对应高频成分，平滑区域（如天空）对应低频成分，频域滤波可以锐化或模糊图片。

关键特点：频域是数学构造的“上帝视角”，能揭示隐藏的规律（比如噪声频率、信号主频），就像用X光看透事物的内在结构。
在这里插入图片描述

在频域图中，横轴是频率，纵轴是峰值振幅。频域图仅仅示出峰值振幅与频率，而不显示振幅随时间的变化。从频域图2可以看出，正弦波的频率为6Hz，这个6Hz的正弦波的峰值振幅为5V 。

频域图的优点是，从频域图中，可以一眼看出正弦波的频率和峰值振幅，整个正弦波在频域图上只是一个立柱，立柱的位置显示了正弦波的频率、立柱的高度显示了正弦波的峰值振幅。

在频域内，任何波形都可以由正弦波叠加组成，理想的矩形波由无数个不同振幅不同相位的正弦波叠加得到的。如下图3所示。多个彩色的正弦波叠加得到黑色的矩形波。从图示红色箭头所示的角度看过去，就可以直观的得到图4中所示的时域图像和频域图像，恍然大悟吧
在这里插入图片描述

时域与频域的区别与联系

维度	时域	频域
横轴	时间（如秒）	频率（如赫兹）
分析重点	波形动态变化（如振幅、脉冲宽度）	频率成分（如基频、谐波、噪声分布）
应用场景	实时信号测量（如示波器）	频谱分析（如频谱仪）、滤波器设计
工具	波形图、时域方程	傅里叶变换、离散傅里叶变换（DFT）

联系：两者是同一信号的不同观察角度，通过傅里叶变换和逆变换可互相转换。例如，时域的方波可分解为频域中多个正弦波的叠加。

时域转换为频域的方法

傅里叶变换（Fourier Transform）
适用于连续非周期信号，将时域函数转换为频域的复数表示，揭示信号的频率分布。
公式：
$F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-j\omega t} \, dt$
离散傅里叶变换（DFT）
针对数字信号（离散时间序列），将有限长度的时域信号转换为离散频域分量。其快速算法（FFT）大幅提升计算效率，广泛应用于音频处理、图像分析等领域。
傅里叶级数
仅适用于周期信号，将周期信号分解为基频及其整数倍谐波的叠加。
小波变换
结合时域和频域的局部特征分析，适用于非平稳信号（如突变信号）的压缩与去噪。