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。
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