首先我们来总体了解下傅里叶变换,让各位对其有个总体大概的印象,也顺便看看傅里叶变换所涉及到的公式,究竟有多复杂:
以下就是傅里叶变换的4种变体连续傅里叶变换
一般情况下,若“傅里叶变换”一词不加任何限定语,则指的是“连续傅里叶变换”。连续傅里叶变换将平方可积的函数f(t)表示成复指数函数的积分或级数形式。
![2255fd6f73a049b94ed602dca8fc0a70.png](https://i-blog.csdnimg.cn/blog_migrate/fe16cfd5925b3704f17646e7f080b391.jpeg)
这是将频率域的函数F(ω)表示为时间域的函数f(t)的积分形式。
连续傅里叶变换的逆变换 (inverse Fourier transform)为:
![8f8abe973cfb8e38f75cbaa60dc8fe9f.png](https://i-blog.csdnimg.cn/blog_migrate/85ffb34c8c4ebeec3a566f69872fe0bb.jpeg)
即将时间域的函数f(t)表示为频率域的函数F(ω)的积分。
一般可称函数f(t)为原函数,而称函数F(ω)为傅里叶变换的像函数,原函数和像函数构成一个傅里叶变换对(transform pair)。
除此之外,还有其它型式的变换对,以下两种型式亦常被使用。在通信或是信号处理方面,常以
![49b668b3174e3a9bb5e3223a8d5ac6e9.png](https://i-blog.csdnimg.cn/blog_migrate/28156f6f05aa6d066b91ac0d60680fc6.jpeg)
来代换,而形成新的变换对:
![5891cc5ffa288519c87475cee1d25b49.png](https://i-blog.csdnimg.cn/blog_migrate/aebd5e289fac0bf75ee138937c9d5ccc.jpeg)
或者是因系数重分配而得到新的变换对:
![f454a68b63f2c384e310dcd7224866d1.png](https://i-blog.csdnimg.cn/blog_migrate/a4677a3cc83d4244a963bf14f5f7b5e2.jpeg)
一种对连续傅里叶变换的推广称为分数傅里叶变换(Fractional Fourier Transform)。分数傅里叶变换(fractional Fourier transform,FRFT)指的就是傅里叶变换(Fourier transform,FT)的广义化。
分数傅里叶变换的物理意义即做傅里叶变换 a 次,其中 a 不一定要为整数;而做了分数傅里叶变换之后,信号或输入函数便会出现在介于时域(time domain)与频域(frequency domain)之间的分数域(fractional domain)。
当f(t)为偶函数(或奇函数)时,其正弦(或余弦)分量将消亡,而可以称这时的变换为余弦变换(cosine transform)或正弦变换(sine transform).
另一个值得注意的性质是,当f(t)为纯实函数时,F(−ω) = F*(ω)成立.
傅里叶级数
连续形式的傅里叶变换其实是傅里叶级数 (Fourier series)的推广,因为积分其实是一种极限形式的求和算子而已。对于周期函数,其傅里叶级数是存在的:
![a43d0a02979c93433ce5b7210a86b79f.png](https://i-blog.csdnimg.cn/blog_migrate/a0158a9875ab4817d8dd25a5ea756c98.jpeg)
其中Fn为复幅度。对于实值函数,函数的傅里叶级数可以写成:
![25a6ba75a127792cdb45f42cd6088e09.png](https://i-blog.csdnimg.cn/blog_migrate/3d997075f1b2438dcfd147d0a42148f4.jpeg)
其中an和bn是实频率分量的幅度。
离散时域傅里叶变换
离散傅里叶变换是离散时间傅里叶变换(DTFT)的特例(有时作为后者的近似)。DTFT在时域上离散,在频域上则是周期的。DTFT可以被看作是傅里叶级数的逆变换。
离散傅里叶变换
离散傅里叶变换(DFT),是连续傅里叶变换在时域和频域上都离散的形式,将时域信号的采样变换为在离散时间傅里叶变换(DTFT)频域的采样。在形式上,变换两端(时域和频域上)的序列是有限长的,而实际上这两组序列都应当被认为是离散周期信号的主值序列。即使对有限长的离散信号作DFT,也应当将其看作经过周期延拓成为周期信号再作变换。在实际应用中通常采用快速傅里叶变换以高效计算DFT。
为了在科学计算和数字信号处理等领域使用计算机进行傅里叶变换,必须将函数xn定义在离散点而非连续域内,且须满足有限性或周期性条件。这种情况下,使用离散傅里叶变换(DFT),将函数xn表示为下面的求和形式:
![31e2b24256453b53540bd2acba61f1e7.png](https://i-blog.csdnimg.cn/blog_migrate/8050cc38ce439433bc46495f986549e5.jpeg)
其中Xk是傅里叶幅度。直接使用这个公式计算的计算复杂度为O(n*n),而快速傅里叶变换(FFT)可以将复杂度改进为O(n*lgn)。(后面会具体阐述FFT是如何将复杂度降为O(n*lgn)的。)计算复杂度的降低以及数字电路计算能力的发展使得DFT成为在信号处理领域十分实用且重要的方法。
下面,比较下上述傅立叶变换的4种变体,
![1842f2160653c8e756d30392480a8eb9.png](https://i-blog.csdnimg.cn/blog_migrate/5c4dc6119f9dd700a15900b5abaee9c4.jpeg)
如上,容易发现:函数在时(频)域的离散对应于其像函数在频(时)域的周期性。反之连续则意味着在对应域的信号的非周期性。也就是说,时间上的离散性对应着频率上的周期性。同时,注意,离散时间傅里叶变换,时间离散,频率不离散,它在频域依然是连续的。
如果,读到此,你不甚明白,大没关系,不必纠结于以上4种变体,继续往下看,你自会豁然开朗。(有什么问题,也恳请提出,或者批评指正)
ok, 本文,接下来,由傅里叶变换入手,后重点阐述离散傅里叶变换、快速傅里叶算法,到最后彻底实现FFT算法,全篇力求通俗易懂、阅读顺畅,教你彻底理解傅里叶变换算法。由于傅里叶变换,也称傅立叶变换,下文所称为傅立叶变换,同一个变换,不同叫法,读者不必感到奇怪。
第一部分、DFT
第一章、傅立叶变换的由来
要理解傅立叶变换,先得知道傅立叶变换是怎么变换的,当然,也需要一定的高等数学基础,最基本的是级数变换,其中傅立叶级数变换是傅立叶变换的基础公式。
一、傅立叶变换的提出
傅立叶是一位法国数学家和物理学家,原名是Jean Baptiste Joseph Fourier(1768-1830), Fourier于1807年在法国科学学会上发表了一篇论文,论文里描述运用正弦曲线来描述温度分布,论文里有个在当时具有争议性的决断:任何连续周期信号都可以由一组适当的正弦曲线组合而成。
当时审查这个论文拉格朗日坚决反对此论文的发表,而后在近50年的时间里,拉格朗日坚持认为傅立叶的方法无法表示带有棱角的信号,如在方波中出现非连续变化斜率。直到拉格朗日死后15年这个论文才被发表出来。
谁是对的呢?拉格朗日是对的:正弦曲线无法组合成一个带有棱角的信号。但是,我们可以用正弦曲线来非常逼近地表示它,逼近到两种表示方法不存在能量差别,基于此,傅立叶是对的。
为什么我们要用正弦曲线来代替原来的曲线呢?如我们也还可以用方波或三角波来代替呀,分解信号的方法是无穷多的,但分解信号的目的是为了更加简单地处理原来的信号。
用正余弦来表示原信号会更加简单,因为正余弦拥有原信号所不具有的性质:正弦曲线保真度。一个正余弦曲线信号输入后,输出的仍是正余弦曲线,只有幅度和相位可能发生变化,但是频率和波的形状仍是一样的。且只有正余弦曲线才拥有这样的性质,正因如此我们才不用方波或三角波来表示。
二、傅立叶变换分类
根据原信号的不同类型,我们可以把傅立叶变换分为四种类别:
1、非周期性连续信号 傅立叶变换(Fourier Transform)
2、周期性连续信号 傅立叶级数(Fourier Series)
3、非周期性离散信号 离散时域傅立叶变换(Discrete Time Fourier Transform)
4、周期性离散信号 离散傅立叶变换(Discrete Fourier Transform)
下图是四种原信号图例(从上到下,依次是FT,FS,DTFT,DFT):
![e4e333b2b39d9b03a355372f5704b943.png](https://i-blog.csdnimg.cn/blog_migrate/b2ad172c678e53e5795205ad2cfb49a4.jpeg)