傅立叶变换学习（一）初步认识傅立叶变换

傅里叶变换（Fourier transform）是一种线性的积分变换。因其基本思想首先由法国学者傅里叶系统地提出，所以以其名字来命名以示纪念。

哦，傅里叶变换原来就是一种变换而已，只是这种变换是从时间转换为频率的变化。这下，你就知道了，傅里叶就是一种变换，一种什么变换列?就是一种从时间到频率的变化或其相互转化。

ok，咱们再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（摘自，维基百科）
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。

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。频域是离散的，时域是连续的。

连续傅里叶变换的逆变换 (inverse Fourier transform)为：

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，常以来代换，而形成新的变换对:

或者是因系数重分配而得到新的变换对：

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：

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：

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：

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，

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。

傅立叶变换学习（一）初步认识傅立叶变换相关推荐

快速傅立叶变换(FFT)算法(原来这就是蝶形变换)
快速傅立叶变换(FFT)算法(原来这就是蝶形变换) 为了实现FFT的海面模拟,不得不先撸个FFT算法实现. 离散傅立叶变换(DFT) 学习FFT之前,首先要先了解什么是DFT,我们都知道傅立叶变换是将 ...
UA OPTI512R 傅立叶光学导论22 透镜成像与傅立叶变换
UA OPTI512R 傅立叶光学导论22 透镜成像与傅立叶变换透镜的物理光学模型透镜成像原理透镜(lens)应该是大家接触最多应用最广泛的光学元件了,在几何光学中,研究透镜成像时遵循一些基础假 ...
离散哈特莱变换(DHT)及快速哈特莱变换(FHT)学习
离散哈特莱变换(DHT)及快速哈特莱变换(FHT)学习说在前边最近复习\(DSP\)的时候,发现了一个号称专门针对离散实序列的变换,经分析总运算量为普通\(FFT\)的几乎一半,而且完全没有复数. ...
《机器人学导论》学习-01空间描述与变换
<机器人学导论>学习-01空间描述与变换一.描述:位置.姿态与坐标系 1.位置描述 2.姿态描述 3.坐标系的描述二.映射:坐标系到坐标系的变换 1.关于平移坐标系的映射 2.关于旋转 ...
OpenCV计算机视觉学习（3）——图像灰度线性变换与非线性变换（对数变换，伽马变换）
人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力.FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台.每周免费提供 ...
MATLAB信号处理---学习小案例(8)---Z变换概述
Z变换的定义序列x(n)x(n)x(n)的Z变换(简称ZT)定义为 X(z)=∑n=−∞+∞x(n)z−nX(z)=\sum_{n=-\infty}^{+\infty}x(n)z^{-n}X(z)= ...
python 视频灰度伽玛_Python 图像处理实战 | 图像的灰度非线性变换之对数变换、伽马变换...
作者 | 杨秀璋来源 | CSDN博客责编 | 夕颜头图 | 付费下载自视觉中国出品 | CSDN(ID:CSDNnews) 本篇文章主要讲解非线性变换,使用自定义方法对图像进行灰度化处理,包 ...
Python 图像处理实战 | 图像的灰度非线性变换之对数变换、伽马变换
作者 | 杨秀璋来源 | CSDN博客责编 | 夕颜头图 | 付费下载自视觉中国出品 | CSDN(ID:CSDNnews) 本篇文章主要讲解非线性变换,使用自定义方法对图像进行灰度化处理,包 ...
数字图像处理-空间域处理-灰度变换-基本灰度变换函数（反转变换、对数变换、伽马变换和分段线性变换）
数字图像处理-空间域处理-灰度变换-基本灰度变换函数(反转变换.对数变换.伽马变换和分段线性变换) 空间域处理是直接对像素进行操作的方法,这是相对于频率域处理而言的.空间域处理主要分为两大类:灰度变换 ...
大型机学习之初步了解－大型机的现状与前景
大型机学习之初步了解-大型机的现状与前景关于大型机的现状和前景,据我的一点小小的所知首先就是IBM仍在开发和维护它的那一系列机器,并在拿它不停地赚钱.但是业界对于大型机的存在有两种声音,一种就是互联 ...

傅立叶变换学习（一）初步认识傅立叶变换

傅立叶变换学习（一）初步认识傅立叶变换相关推荐

最新文章

热门文章