傅里叶变换

在信号系统这门课程里面我第一次接触到了傅里叶变换。
这个过程曲折，且反反复复。（这个就不多赘述了）目前算是有了一点头绪。
接下来开始正文：

首先我们明确一下目标，这有助于我们接下来始终抓住重点和理解。

对于一个信号，我们可能的观测更加倾向于时域的角度。但是在机器的世界里，假设我们要生成一个非常复杂的信号（先假设他是周期的），我们的机器很显然是不能够直接生成这样一些比较复杂的信号的。我们能够生成的是有规律的，简单的信号，如正弦信号。拿问题就是我们如何利用机器能够产生正弦信号，从而生成各种其他复杂的信号呢？
从时域的角度来看，确实非常复杂，我们也很难直接计算得到多个正弦波叠加后的信号图像。这时候我们就想到了傅里叶变换。傅里叶正变换是从一个时域函数变换到频域函数。逆变换是从频域函数变换到时域函数。对于上面提到的问题，很简单，如果我们使用傅里叶逆变换，那么很容易可以利用频域函数得到时域函数。说简单点就是利用频谱密度函数（需要复合叠加的不同频率正弦波的特征组合成的函数）变换的到时域函数，也就是我们能够从时域角度理解的信号。
那么我们要研究的就是这个“频率密度函数”和时域函数之间的关系！也就是说如何得到频谱图（这里提到的频谱图并不是频率密度函数，频率密度函数是描述频谱图的一个函数，就是类似于概率论里面的概率分布和概率密度函数的关系）
（补充：昨天晚上躺在床上的时候想了一下，我们很容易知道，表示周期信号我们使用的是傅里叶级数，表示非周期信号的时候我们使用的是傅里叶变换。通过傅里叶级数的表达式很容易知道，频谱图是以nw为间隔的，也就是w的整数倍的信号合成，那么很简单，在一个周期T1(T1=2Π/w)内，所有的的其他频率的信号也满足这个周期。其他的信号只需要多循环几个周期就可以，例如2w这样一个信号，它的周期是0.5T1，那么它只需要循环两个周期就可以保持和w的信号同频（说简单点，就是寻找所有周期的公倍数，得到这个公倍数周期）。但是我们现在转换到傅里叶变换，很大的一个特点就是我们使用频谱密度函数来描述频谱图。那么频谱图自然也是连续的，也就是说现在需要复合的信号就不只是w的整数倍了，而是需要一个连续的倍数。那么我们可以想象一下，如果要寻找周期，也就是向上面傅里叶级数那样寻找公倍数周期，显然，对于这些非整数倍，无理数倍，是无法找到这个公倍数的。所以就相当于我们的信号的周期是∞，即非周期信号）

接下来我们就着力于研究理解频率密度函数和推导他们之间的关系吧！

1.频率密度函数

我们拿指数形式的傅里叶级数来研究。（指数形式只是利用欧拉公式将傅里叶级数的展开式做变换）

上面已经解释了频率密度函数。
下面是书上的一段话，有助于理解。


到这里我们对于频率密度函数已经解释清楚，接下来要做的就是寻找频率密度函数和信号的时域之间的关系！即傅里叶变换！

2.傅里叶变换