傅里叶变换与投影变换
积分实际上就是内积运算。而我们知道,向量a与方向向量i的内积,就是a在i方向上的投影。如果向量a和不同方向的向量分别求内积,得到的就是在各个方向上的分量。
如果方向向量满足正交,完备, 则这组向量是一组基。
举个例子,三维空间中,(0,0,1); (0,1,0); (1,0,0)就是一组基,而这个空间中任何一个向量都可以被这三个向量的线性表示。
被投影到基向量上以后,向量的运算变得更方便。比如知道两个向量的长度和方向,转换成
(x,y,z)形式会更容易运算点乘和差乘。
积分就是内积,就是投影。换句话说,原函数被分解为一系列函数的线性叠加。
那么这一系列函数,其实就是基向量,区别于三围空间的是,这一组基有无穷多个。
Fourier 是分解到无穷多个正交三角函数的基上。
所以,最形象的解释就是,傅里叶变换就是向量的投影运算,通过不同方向投影的分析,来分析没有投影前的向量。
参考文献:怎么通俗地介绍拉普拉斯变换、傅里叶变换和 z 变换? - 知乎 (zhihu.com)
离散傅里叶的频谱估计
从上篇文章中,我们已经知道,
如果接收到的信号是单频信号
如果是复合信号,那么
上式可以看成P个不同频率信号的线性叠加
信号的DTFT为
其中,a为信号的频率向量,
当信号频率向量f。和“采样频率”f相等时,会出现峰值。此处可参考视频【官方双语】形象展示傅里叶变换_哔哩哔哩_bilibili
也可以理解为两个向量相等时方向相同,内积值最大,投影长度最大,X(w)自然也就最大
我们知道,傅里叶变换是观测数据向量x(t ’)在各个频率向量a(f)的投影。幅度谱就
是取观测数据向量x(i' )在各个频率向量a(f)的投影的模值,即
在某一频率向量投影模值出现峰值,此频率向量就是信号的频率向量。
搜索其模值的极大值点对应的频率,此频率就是信号频率,即