pgqmml的博客

专题的上一篇文章[MATLAB] 傅里叶变换专题（三）：傅里叶变换，我们已经讨论了傅里叶变换(FT)。但是问题仍然没有解决，即时域和频域如何同时离散化，因此这一小节，我们将探讨离散时间傅里叶变换（DTFT），实现时域的离散化。

专题的前两篇文章（[ MATLAB ] 傅里叶变换（二）：傅里叶级数（复指数表示）），我们讨论了连续周期信号傅里叶级数的两种表示形式，初步建立了频谱的概念。然而，就实际经验而言，非周期信号才是主流。因此，这篇文章将讨论非周期连续信号的谱密度（通常简称为频谱），即大名鼎鼎的傅里叶变换FT，并用Matlab仿真加强理解。可以采用物理中的密度的方式类比谱密度的概念，从而理解傅里叶变换中谱密度的意义。不需要再执着于分量幅值的绝对大小，而是聚焦于相对大小。

在上一篇文章中，我们已经了解了傅里叶级数的正余弦表示，详情可以参考[ MATLAB ] 傅里叶变换（一）：傅里叶级数（正余弦表示）。周期信号xtx(t)xt，可以由正余弦函数线性表示。根据定义，需要计算直流分量a0a_0a0​，各谐波幅度ana_nan​以及bnb_nbn​。显然，这需要三个表达式。然而，我们比较懒，希望只用一个表达式，就可以表示出a0anbna0​an​bn​的含义。因此，我们需要引入FS的复指数表示。复数的意义？

通信相关的铁子们想必对傅里叶变换这个概念有所了解，其可以从频域分析信号特性，可以说是通信系统分析和设计的重要依据。然而，傅里叶变换种类繁多，傅里叶级数（FS）、傅里叶变换（FT）、离散时间傅里叶变换（DTFT）、离散傅里叶变换（DFT）、快速傅里叶变换（FFT）等等。傅里叶级数（FS）为什么要引入复频谱？其优势在哪？为什么傅里叶变换（FT）的频谱称为谱密度？在拥有谱密度的前提下，如何依据定义还原出时域信号？离散时间傅里叶变换（DTFT）的横坐标为什么是数字频谱？和模拟频率有什么关联和区别？