![8b2aad061d6f1566de9e206f1689bc2c.png](https://i-blog.csdnimg.cn/blog_migrate/42b04b8e0b53accb11790dcc3720f41c.png)
之前写过一篇关于卷积的文章:
furious:轻松搞懂卷积zhuanlan.zhihu.com![c771700ad74f5a963d4d03aa0f0b7485.png](https://i-blog.csdnimg.cn/blog_migrate/b67f5e940598439d037d1c8cdf62ff58.png)
里面最主要是提到了把信号分解为一系列冲激函数的叠加,再对每个冲激函数的响应(即输出)进行叠加得到信号的完整输出,从而引出了卷积的概念。
我们需要知道的是,对输入信号的分解,再处理分解后每个分量的输出,最后再叠加,是信号处理最普遍的方法。这有点像软件领域 divide and concur 的味道。把信号分解为一系列冲激函数的叠加就是这样一种方法。
另外一种最常见的方法,就是傅里叶分析。之前也写过一篇关于深入傅里叶变换的文章:
furious:傅里叶变换学习心得zhuanlan.zhihu.com![303a9f021aeaadcead4b1e7b06584f2a.png](https://i-blog.csdnimg.cn/blog_migrate/93e80fa00266c5a940b293f12eb7b2f9.jpeg)
再次写本文的目的是为了再次强调之前没有明确指明的“信号分解”的概念。
还是一样,先把傅里叶变换的式子写在这里:
其中
你有没有想过是先有(1)还是先有(2)?要理解傅里叶变换与傅里叶分析,最主要的是从这个(1)综合式入手,因为(1)式的本质是将信号x(t)分解成三角函数的叠加!而(2)式是由(1)式的前提下得出来的。(1)式的含义是,我的目的是想把一个信号x(t)分解成无穷个三角函数的叠加,这些三角函数的角频率遍布所有角频率值(连续的),即在一个特定的角频率
将(1)式的积分式子用积分的定义表示就很清楚了:
好了,分解的表达式是有了,就是(3),也就是(1)。那么问题就转换为求
(2)式要能计算,要求x(t)满足狄利克雷条件,即x(t)绝对可积,这一点从(2)的积分式是很好理解。如果x(t)不能绝对可积,那么傅里叶变换,即(2)式,是算不出来的。也就说明了这个信号x(t)没办法用(1)式子去表达。
OK,读到这里,相信你对傅里叶变换应该有了一个更深的认识了吧。