四步直观理解傅里叶变换 Four steps to understand Fourier Transform intuitively

已经老大不小了，在看到 FFT/DFT 时，心里总还是有点虚。
网上关于傅里叶的材料不少，但：1）要么是非常直观地展示频域和时域的关系；2）要么是详尽地做数学推导。
对我来说，更希望有一种材料，提纲挈领地把主要概念联系起来。

因此，今天做一整理，争取从此再不忘记这些基础知识。

对 FFT 的直观理解

直观理解：四步解决

傅里叶变换的相关参考资料纷纷复杂，这里指列举最主要的思路。

Step1：假设每个周期函数，都可以转化为三角级数。这是傅里叶变换的基础。因为已经知道了采样的频率（周期），因此其每个 component 的频率只能是其整数倍，变换的目的是求其系数。

Step2：三角函数的正交性（可见后文一种证明方法） $\Rightarrow$ 可以求输入信号与特定频率三角函数的内积（输入信号 $x$ 乘以特定频率的三角函数，再求积分），此时其他频率的三角函数因为正交性而积分为 0，所以积分结果可用于表示对应频率函数的系数（频谱中的振幅）。

Step3：DFT，就是将上述积分行为，转化为点乘、求和，即内积；

Step4：DFT $\to$ FFT 的关键是，在三角函数（复指数函数）中存在若干性质，可用于简化计算。具体应用可参考 en.wiki，注意其中有一个关键是

Note that the eqalitites hold for $k=0,\dots ,N-1$ , but the crux is that $E_k$ and $O_k$ are calculated in this way for $k=0,\dots ,\frac{N}{2}-1$ only.

意思是，虽然关于 $X_k$ 的公式适用于所有 k 值，但其实只需要计算其中的一半就行，因为接下来要揭露 “两半” 之间的（由 复指数函数 性质得出）对应关系。 $\square$

小吐槽：en.wiki 比中文好的不是一点半点。

补充：怎么理解变换项

当我们看

$$X_k=\sum _{n=0}^{N-1}{x}_n{e}^{-\frac{2\pi i}{N}nk}$$

时，我们在看什么？

首先，$k$ 在其中的意思是，表达与频率为 $k\omega ,\omega =2\pi /N$ 三角函数相关。
这里有个小技巧，当我们看到分式 $\frac{2\pi k}{N}$ 时，其实看作 $\frac{2\pi }{N/k}$ 更直观：即周期缩短到 $1/k$，自然地频率就是 k 倍。

求和索引 $n$ （以及求和过程）的目的，是 引导 信号与频率为 $k\omega$ 的三角函数做内积：对于指数中的 $n$ ，实际是取该三角函数在时间轴上的值。

最后，指数上的 负虚数 $-i$ 其实也可取 postive value，但取负值比较自然。

补充：三角函数正交性 基于 复指数函数 的证明

不同于简单的三角函数问题，这个引理用数形结合并不能直观理解，但今日看到一个巧妙的做法。

已知

$$e^{i\theta }=\cos \theta +i\sin \theta$$

正交性问题是

$$\begin{gathered} \sum _n^{N-1}{e}^{2i\pi kn/N}\cdot \overline{e^{2i\pi tn/N}}=N\cdot [k=t] \\ [k=t]=1⟺k=t \end{gathered}$$

这里，
$$\overline{e^{2i\pi tn/N}}=e^{-2i\pi tn/N}$$
即共轭。

也就是，如果 k 与 t 不相同，那么其求和为 0，否则求和为 N。

在推导上式的过程中，不定积分的最后一步要注意 $e^{2\pi il}=1$ 如果 $l=m-n\ne 0$ 。可见该 SO 帖子。

就算不用复指数函数的正交性，也可以通过三角函数变换来证明。

其他闲话

McGill 大学相关教案值得参考：https://www.music.mcgill.ca/~gary/307/week6/node4.html

这里有一句话

This result is interesting because it suggests that, given a signal composed of many sinusoidal components, we can perform a sequence of dot-products with sinusoids of different frequencies to determine which are present in the signal.

其中 This result 就是指不同频率三角函数的正交性 orthogonality.