matlab画出周期为2的方波图形 傅立叶级数_写给数据科学家的傅立叶变换

本文简要介绍了数学上的傅立叶变换及其在AI中的应用。

介绍

傅里叶变换是有史以来最深刻的数学见解之一，但不幸的是，其含义深深地埋在了一些荒谬的方程式中。

傅立叶变换是一种将某些东西分解为一堆正弦波的方法。 像往常一样，这个名字来自一个很久以前住的人，叫做傅里叶。

用数学术语来说，傅立叶变换是一种将信号转换为其组成成分和频率的技术。

傅里叶变换不仅广泛用于信号(无线电，声音等)处理，而且还广泛用于图像分析(例如，傅里叶变换)。 边缘检测，图像过滤，图像重建和图像压缩。 一个例子：透射电子显微镜图像的傅立叶变换有助于检查样品的周期性。 周期性-表示模式。 数据的傅立叶变换可以扩展有关分析样品的可访问信息。

为了更好地理解它，请考虑信号x(t)：

如果我们对另一个信号执行相同操作，并选择相同的时间点，我们将测量其幅度。

考虑另一个信号y(t)：

当我们同时发射这两个信号或将它们加在一起时会发生什么？

当我们同时发射这两个信号时，我们得到一个新信号，它是这两个信号的振幅之和。 之所以如此，是因为这两个信号被加在一起。

将两个信号求和：z(t)= x(t)y(t)

如果只给出一个信号(x(t)和y(t)之和)，我们能否恢复原始信号x(t)和y(t)？

是。 这就是傅里叶变换的作用。 它吸收信号并将其分解为组成它的频率。

在我们的示例中，傅立叶变换会将信号z(t)分解成其组成频率，如信号x(t)和y(t)。

傅里叶变换的作用是将我们从时域移到频域。

Source

如果有人在想，如果我们想从频域回到时域怎么办？

我们可以使用傅立叶逆变换(IFT)来实现。

您需要知道的数学。

"时域中的任何连续信号