（数学建模）傅里叶变换-第一节——定义和简单例子（Python实现）

一、引入

生活当中，我们常常需要把杂乱的信息分解开进行研究。比如我们看到的光是无色的，但是当其透过三棱镜时，会发生色散，这样不同颜色的光就被我们分离出来了，我们就可以对光进行研究了。光是一种电磁波，同样地，声波、收音机的波也可以进行类似的处理，将不同的频段分离出来，就可以进行降噪。

二、概念

f(t)是t的周期函数，如果t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f（x）单调或可划分成有限个单调区间，则F（x）以2T为周期的傅里叶级数收敛，和函数S（x）也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点；绝对可积。则有下图①式成立。称为积分运算f(t)的傅立叶变换，
②式的积分运算叫做F(ω)的傅立叶逆变换。F(ω)叫做f(t)的像函数，f(t)叫做
F(ω)的像原函数。F(ω)是f(t)的像。f(t)是F(ω)原像。
①傅立叶变换

②傅立叶逆变换

（以上摘自百度百科词条“傅里叶变换”）

三、代码实现

由上面的定义我们看到，傅里叶变换是可逆的，其允许原始信号和变换过的信号相互转换。但是要注意，在任一时刻只有一种信息可用。即变换后的频域中没有时间信息（如图2），逆变换（也就是变换前）的时域中没有频率信息（如图1）。

图1绘制代码如下：

以信号 y=np.cos(2pa10x)+np.cos(2pa25x)+np.cos(2pa50x)+np.cos(2pa100x)为例（x可以看作时间，单位为秒）（我们将信号y用10、25、50、100Hz的频率加合表示）

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.figure()


import numpy as np
import math
pa=math.pi
x=np.linspace(0,0.5,200)
y=np.cos(2*pa*10*x)+np.cos(2*pa*25*x)+np.cos(2*pa*50*x)+np.cos(2*pa*100*x)
plt.xlabel('Time/s'