从傅里叶级数到傅里叶变换

引用自傅里叶系列（二）傅里叶变换的推导，在此基础上对一些细节重新整理了一下

1、先把傅里叶级数转为指数形式

三角函数形式：

$$\begin{array}{rl}f(t)& =\frac{a_0}{2}+\sum _{n=1}^{\infty }(a_{n}cos(n\omega t)+b_{n}sin(n\omega t)))\\ a_0& =\frac{2}{T}{\int }_{t_0}^{t_0+T}f(t)dt\\ a_n& =\frac{2}{T}{\int }_{t_0}^{t_0+T}f(t)cos(n\omega t)dt\\ b_n& =\frac{2}{T}{\int }_{t_0}^{t_0+T}f(t)sin(n\omega t)dt\end{array}\text{\hspace{1em}(1)}$$
上式中：
$$\omega =\frac{2\pi }{T}$$
式中，$T$为函数$f(t)$的周期，往往是趋向于$+\infty$的，因此$\omega$则趋向于0，因为这样的关系，当函数$f(t)$的周期越大时，傅里叶变换后的频率越密集。
欧拉公式：

$$\begin{array}{r}{e}^{i\theta }=cos(\theta )+isin(\theta )\\ e^{-i\theta }=cos(\theta )-isin(\theta )\end{array}\text{\hspace{1em}(2)}$$
因此，可得
$$\begin{array}{rl}cos(\theta )& =\frac{e^{i\theta }+e^{-i\theta }}{2}\\ sin(\theta )& =-i\cdot \frac{e^{i\theta }-e^{-i\theta }}{2}\end{array}\text{\hspace{1em}(3)}$$
将$sin(\theta )$ 、 $cos(\theta )$ 代入傅里叶级数求得：
$$\begin{array}{rl}f(t)& =\frac{a_0}{2}+\sum _{n=1}^{\infty }[a_n\frac{e^{in\omega t}+e^{-in\omega t}}{2}-i\cdot b_n\frac{e^{in\omega t}-e^{-in\omega t}}{2}]\\ & =\frac{a_0}{2}+\sum _{n=1}^{\infty }[\frac{a_n-i{b}_n}{2}{e}^{in\omega t}+\frac{a_n+i{b}_n}{2}{e}^{-in\omega t}]\end{array}\text{\hspace{1em}(4)}$$

将$a_0,a_n,b_n$代入公式$4$中，得到：
$$\begin{array}{rl}\frac{a_n-i{b}_n}{2}& =\frac{1}{T}[{\int }_{t_0}^{t_0+T}f(t)cos(n\omega t)dt-i\cdot {\int }_{t_0}^{t_0+T}f(t)sin(n\omega t)dt]\\ & =\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)[cos(n\omega t)dt-i\cdot sin(n\omega t)]dt\\ & =\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)[\frac{e^{in\omega t}+e^{-in\omega t}}{2}-i\cdot (-i)\frac{e^{in\omega t}-e^{-in\omega t}}{2}]dt\\ & =\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\end{array}\text{\hspace{1em}(5)}$$
同理：
$$\frac{a_n+i{b}_n}{2}=\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)e^{in\omega t}dt\text{\hspace{1em}(6)}$$

将$(5)，（6）$代入$(4)$中，得到：

$$\begin{array}{rl}f(t)& =\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)dt+\frac{1}{T}\sum _{n=1}^{\infty }[{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\cdot e^{in\omega t}+{\int }_{t_0}^{t_0+T}f(t)e^{in\omega t}dt\cdot e^{-in\omega t}]\\ & =\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)dt+\frac{1}{T}\sum _{n=1}^{\infty }{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\cdot e^{in\omega t}+\sum _{n=-\infty }^{-1}\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\cdot e^{in\omega t}\\ & =\frac{1}{T}\sum _{n=-\infty }^{\infty }{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\cdot e^{in\omega t}\end{array}$$
当$n=0$时：
$$\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\cdot e^{in\omega t}=\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)dt\text{\hspace{1em}(7)}$$

接下来是与原文不同的推导

$$\begin{array}{rlr}f(t)& =& =\frac{1}{T}\sum _{n=-\infty }^{\infty }{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\cdot e^{in\omega t}\end{array}\text{\hspace{1em}(8)}$$
公式$8$中，令
$$\begin{array}{rl}\Omega & =n\omega \\ F(\Omega )& ={\int }_{t_0}^{t_0+T}f(t)e^{-i\Omega t}dt\end{array}$$
进一步对$F(\Omega )$进行分析：

$$\begin{array}{rl}F(\Omega )& ={\int }_{t_0}^{t_0+T}f(t)e^{-i\Omega t}dt\\ & ={\int }_{t_0}^{t_0+T}f(t)e^{-i\omega nt}dt\\ & ={\int }_{t_0}^{t_0+T}f(t)[cos(\omega nt)-i\cdot sin(\omega nt)]dt\\ & ={\int }_{t_0}^{t_0+T}f(t)cos(\omega nt)dt-i\cdot {\int }_{t_0}^{t_0+T}f(t)sin(\omega nt)dt\\ & =\frac{T}{2}（a_n-i\cdot b_n）\\ & =\frac{2\pi }{\omega }\cdot \frac{1}{2}(a_n-i\cdot b_n)\end{array}$$

由此可以看出，$F(\Omega )$的实部是余弦函数的的幅度值，虚部是正弦函数的幅度值。

公式$8$的说明，因为$\omega$很小，而，$n$是从$-\infty$取到$+\infty$，因此$\Omega \in [-\infty ,+\infty ]$。
则$(8)$变为：
$$\begin{array}{rl}f(t)& =\frac{1}{T}\sum _{n=-\infty }^{\infty }{\int }_{t_0}^{t_0+T}f(t)e^{-in\omega t}dt\cdot e^{in\omega t}\\ & =\frac{1}{T}\sum _{n=-\infty }^{\infty }F(\Omega )\cdot e^{i\Omega t}\\ & =\frac{1}{T}{\int }_{-\infty }^{\infty }F(\Omega )\cdot e^{i\Omega t}dn\\ & =\frac{1}{T\omega }{\int }_{-\infty }^{\infty }F(\Omega )\cdot e^{i\Omega t}d\omega n\\ & =\frac{1}{2\pi }{\int }_{-\infty }^{\infty }F(\Omega )\cdot e^{i\Omega t}d\Omega \end{array}\text{\hspace{1em}(9)}$$

由此，可得傅里叶变换的公式为：

$$\begin{array}{rl}f(t)& =\frac{1}{2\pi }{\int }_{-\infty }^{\infty }F(\Omega )\cdot e^{i\Omega t}d\Omega \\ F(\Omega )& ={\int }_{t_0}^{t_0+T}f(t)e^{-i\Omega t}dt\end{array}\text{\hspace{1em}(10)}$$

2、再把傅里叶的指数形式推导到离散傅里叶的形式

此部分的参考为离散傅里叶变换

在傅里叶变换的过程中，函数$f(t)$往往是连续的并且周期T是无穷大的，但是自然界中，函数$f(t)$一般是离散的，因此需要将傅里叶变换进行离散化。
$f(t)$是离散的，并且个数是$N$，因此假设：
$$\begin{array}{rl}f(1)& =A_1\\ f(2)& =A_2\\ f(3)& =A_3\\ f(4)& =A_4\\ f(5)& =A_5\\ ⋮& \\ f(N)& =A_N\end{array}$$
将公式$10$进行离散化变形，得到
$$\begin{array}{rl}F(\Omega )& ={\int }_{t_0}^{t_0+T}f(t)e^{-i\Omega t}dt\\ F(\frac{2\pi }{T}\cdot n)& ={\int }_{t_0}^{t_0+T}f(t)e^{\frac{-i2\pi nt}{T}}dt\\ G(n)& =F(\frac{2\pi }{T}\cdot n)\\ & =\sum _{t=1}^{N}f(t)e^{\frac{-i2\pi nt}{N}}\end{array}\text{\hspace{1em}(10)}$$
公式中的:
$$\begin{array}{rl}n& <=N\\ T& =N\\ \omega & =\frac{2\pi }{T}\\ \Omega & =\frac{2\pi }{T}\cdot n\end{array}$$

$$\begin{array}{rl}f(t)& =\frac{1}{2\pi }{\int }_{-\infty }^{\infty }F(\Omega )\cdot e^{i\Omega t}d\Omega \\ & =\frac{1}{2\pi }{\int }_{-\infty }^{\infty }F(\Omega )\cdot e^{i\frac{2\pi }{T}\cdot nt}d\frac{2\pi }{T}\cdot n\\ & =\frac{1}{2\pi }{\int }_{-\infty }^{\infty }F(\frac{2\pi n}{T})\cdot e^{i\frac{2\pi }{N}\cdot nt}d\frac{2\pi }{N}\cdot n\\ & =\frac{1}{2\pi }\cdot \frac{2\pi }{N}{\int }_{-\infty }^{\infty }G(n)\cdot e^{i\frac{2\pi }{N}\cdot nt}dn\\ & =\frac{1}{N}\sum _{n=1}^{N}G(n)\cdot e^{i\frac{2\pi }{N}\cdot nt}\end{array}\text{\hspace{1em}(10)}$$
傅里叶变换后，结果是复数，其含义为：
傅氏变换后得到的复数，实部就代表该频率下的余弦信号分量，虚部就代表该频率下的正弦信号分量。
参考一维傅里叶变换后的复数怎样理解？
另一篇关于离散傅立叶变换的博客讲的很好
深入理解离散傅里叶变换(DFT)
快速傅里叶变换（FFT）算法【详解】

傅立叶变换中，为什么要引入复数

另一篇博客，从另一个角度阐述了傅立叶变换中的复数的含义
李泽光–傅立叶变换的复数理解