从感性到理性认识傅里叶变换

感性认识傅里叶变换

关于傅立叶变换，无论是书本还是在网上可以很容易找到关于傅立叶变换的描述，但是大都是些故弄玄虚的文章，太过抽象，尽是一些让人看了就望而生畏的公式的罗列，让人很难能够从感性上得到理解.

那么到底什么是傅里叶变换？我们又如何理解傅里叶变换呢？接下来让我们一起从感性的角度了解傅里叶变换吧。

以下内容基本上都是对bake to 2049相关视频做了整理，有兴趣的可以点开链接看看。

核心思想

简单来说，傅里叶变换的思想就是所有的信号都能表示成一系列不同的“正弦”信号。

这一点乍看上去确实有些违反直觉：我们见到的信号无所不有，形式更是千差万别，哪怕像肚皮轮廓的信号，或者发际线的形状的信号那也是存在的。那么这种长得不像正弦的信号怎么就能变成正弦信号呢？难道它们其实是用一大堆波浪拼出来的吗？我就明确告诉你，是的。 只要有足够多的正弦信号拼在一起，就几乎能够接近任何形状的信号。关于这一点，其实并不难理解。比如说虽然有非常多种不同的音乐形式，但所有的音乐类别都只需要do re mi等有限的几个音，就既可以组成“我爱你中国”这样舒缓的曲风，也可以组成“everybody跟我一起嗨嗨嗨”这样洗脑的曲风。还比如我们的手机屏幕、电视屏幕，这些屏幕能够显示出各种不同的颜色，但这些绚烂色彩的背后，其实都是由红绿蓝三种颜色组成的。又比如小岳岳和我们的现男友体型相差十万八千里，但要说到组成他俩的原子有什么不同吗？那显然是没有的，那么同样的粒子和细胞组成的人，为什么差距就那么大呢？以此类推，同样的正弦波组成的信号，差距一样是可以大大的不同的。

也就是说还是那个结论：任何信号都可以用一组正弦信号来表示。当然了，为了表示不同的信号，用来表示的正弦信号必然是有区别的。这就好比一个音符是没法搞出音乐、一种细胞无法组成人体、一种色彩还看毛小电影是一样的。那么音符有do re mi、色彩有红绿蓝，既然如此，正弦和正弦的区别在哪呢？

这便是决定一个正弦信号的三个参数，它们分别是：幅度、频率和相位。

幅度和相位都是很好控制的。但是改变频率是不可能做到的。不过，虽然改变频率很难，但不要忘了刚才“最重要”那三个字，也正因为如此，才为傅里叶变换提供了可能。

决定因素之——幅度

所谓幅度，对于声音来说，就是音量的大小；
对于光来说，就是光的强度，或者说明暗；
对于图像来说，就是颜色的黑白程度。

其实幅度就是反映了正弦信号能量的大小：音量大、光照很明亮、图像颜色较黑，自然就是能量大。相反，声音小、光照很暗、图像颜色黑的不彻底，就是能量小。

决定因素之——频率

频率，也就是正弦波抖动的快慢；抖动地快频率就高，抖动地慢频率就低。

所谓频率，对于声音来说，就是音色尖细或低沉；
对于光来说，就是光的颜色；
对于图像来说，就是相邻像素点之间的变化是否明显。

对于声音来说，频率高那就是声音更尖更细，就像韩红的那句“那就是青藏高——一起来”那种高音；频率低则是声音更低沉，就像杨洪基的“滚滚长江东逝水”这样的低音。频率过高了就是超声波。我们再用光来举例，频率就是光的颜色，红橙黄绿蓝靛紫其实就是不同频率的光，光的频率从红光到紫光，频率不断增加，直到频率高到人眼无法看到，也就是紫外线。而对于图像来说，那就是相邻像素点之间差异越明显，就说明高频分量很多，如果相邻像素点之间的变化不太明显，那么低频分量就很多。

决定因素之——频率

最后一个物理量就是相位，直观上来说就是衡量信号发出的早和晚。大家想，弹琴的时候，并不是所有的钢琴键同时按下，而是各个钢琴键有先有后地按下，所以不同音调的声音有先有后地发出，合在一起就是一首乐曲。

理性认识傅里叶变换

傅立叶变换，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。

接下来让我们一起从数学角度了解傅里叶变换不同的变体形式…
以下内容来自搜狗百科哦^ ~ ^

定义

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，

F(ω)叫做f(t)的像函数，f(t)叫做F(ω)的像原函数。也就是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

应用

尽管最初傅里叶分析是作为热过程的解析分析的工具，但是其思想方法仍然具有典型的还原论和分析主义的特征。

"任意"的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类，这一想法跟化学上的原子论想法何其相似！

奇妙的是，现代数学发现傅里叶变换具有非常好的性质，使得它如此的好用和有用，让人不得不感叹造物的神奇：

1. 傅里叶变换是线性算子，若赋予适当的范数，它还是酉算子；
2. 傅里叶变换的逆变换容易求出，而且形式与正变换非常类似；
3. 正弦基函数是微分运算的本征函数，从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内，频率是个不变的性质，从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取；
4. 著名的卷积定理指出：傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段；
5. 离散形式的傅里叶变换可以利用数字计算机快速的算出（其算法称为快速傅里叶变换算法（FFT)).

变换意义

傅里叶变换是数字信号处理领域一种很重要的算法。要知道傅里叶变换算法的意义，首先要了解傅里叶原理的意义。傅里叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅里叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。

从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。

图像傅里叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅里叶逆变换是将图像的频率分布函数变换为灰度分布函数。

正是由于上良好性质,傅里叶变换在物理学、数论、组合数学、信号处理、概率、统计、密码学、声学、光学等领域都有着广泛的应用。

可能傅里叶变换对我们来说就是黑箱般的存在，让人望而生畏，而我们要做的就是坦然接受黑箱的存在，然后站在黑箱之上，开拓新天地，在此后的闲暇之余，我们也不妨一探黑箱中的究竟^ ~ ^