傅里叶分析学习笔记

学习傅里叶分析也零零散散的学了快1年了， 都是自学。看网上的资料学习的。
其中不乏比较通俗易懂的讲解傅里叶分析概念的。例如下面这几篇文章

《傅里叶分析之掐死教程》 下面两个链接都是一样的。防止找不到。随便看一篇都行。
https://zhuanlan.zhihu.com/p/19763358
https://blog.csdn.net/u012361418/article/details/46277779
这两篇文章非常简单明了的介绍了傅里叶分析的作用和相关概念。
已经大部分的介绍了傅里叶分析的主题概念。 这篇文章是网上转载最多，也是最容易理解的文章。确实没有几个公式。（我看了不下20遍）

我总结一下：这篇文章用很简要的文字就描述了傅里叶分析的作用。其功能为可以根据时域信号算出来是有多少种频率组成的。 具体有多少种频率显示在频域图上。。里面也讲解了一些关于复数的概念。 但是却没有从根本上解除我的疑惑。 傅里叶分析到底是如何算的呢？

到底是如何分解成不同频率的呢？

在上篇文章中并没有解除我疑惑的情况下，我有找了好长时间的文章。 终于找到了下面这篇讲解傅里叶分析内部实现算法的文章。 讲解的非常易懂。 虽然我没看懂公式。但是我已经非常肯定的说我知道了傅里叶分析的精华。

《从头到尾彻底理解傅里叶变换算法、上》，里面有讲解内部到底是如何分解计算出有多少种频率的。
https://www.cnblogs.com/v-July-v/archive/2011/02/20/1983676.html

这篇文章讲到了如何分解的算法。

我这里取其精华，只讲重要的部分。其它部分请看原文。

傅里叶分析的核心算法其实还是穷举法， 把原始采集到的信号与无限多个频率的信号来逐一尝试，这个采集到的原始信号中是否包含这个频率的信号。
当然实际上是不会无限多个频率逐一去尝试的。 最多只尝试到 采样量 N的一半的频率。 （差不多这个概念，抱歉我有点马虎，我大概是这么理解的）
如果包含，那么就记下来这个频率， 否则就排除掉这个频率。

那么又来了一个疑问， 算法是如何验证采样信号中是否包含某个频率的数据的呢？

答案是三种方法.：请看《从头到尾彻底理解傅里叶变换算法、上》这篇文章的
第四段: 分解运算方法（DFT）

怕原文找不到,又找了一个转载的文章,地址为.
https://blog.csdn.net/pizi0475/article/details/52914592

利用信号的相关性(correlation)可以从噪声背景中检测出已知的信号，我们也可以利用这个方法检测信号波中是否含有某个频率的信号波：

把一个待检测信号波（也就是采样到的信号波） 乘以 另一个信号波（这个波是逐一拿来尝试的标准波形分别是1hz到N/2hz），得到一个新的信号波，再把这个新的信号波所有的点进行相加，从相加的结果就可以判断出这两个信号的相似程度

这句话非常重要。至于如何理解要结合原文的配图。。才能更容易的理解
为什么要先乘呢? 这涉及到信号运算的一个特性, 两个信号相乘得到的是两个信号的交集..
信号基本运算分为:
1. 移位
2. 反褶
3. 加法
4. 减法
5. 乘法 (这个最重要,是傅里叶分析拆分时域信号的基础,应重点学习)
6. 除法
7. 放大
8. 衰减
9. 沿时间轴压缩,展宽
10. 翻转
11. 差分运算

下面还有一个更重要的基础.

这里有一点必须明白一个正交的概念：两个函数相乘，如果结果中的每个点的总和为0，则可认为这两个函数为正交函数。要确保关联性算法是正确的，则必须使得跟原始信号相乘的信号的函数形式是正交的，我们知道所有的正弦或余弦函数是正交的，这一点我们可以通过简单的高数知识就可以证明它，所以我们可以通过关联的方法把原始信号分离出正余弦信号。当然，其它的正交函数也是存在的，如：方波、三角波等形式的脉冲信号，所以原始信号也可被分解成这些信号，但这只是说可以这样做，却是没有用的。

好到这里就彻底明白了。 至于FFT 则是一种算法上为了更快的执行而改进的算法， 已经不包含分析的具体概念了。
如果想更进一部的了解fft是如何优化改进的话，还需要去看关于fft的算法。