傅里叶------傅里叶变换
傅里叶------傅里叶变换
- 时域
- 频域
- 含义
- 级数
- 正交
- 变换
- 周期
- 形式
时域
直观的从坐标上说,其横轴为时间,纵轴为对应函数量,其反应的是函数关于时间的一个变化过程。其往往有一个信号处理的背景,函数量即为信号在某一时间的值。
频域
频域的横坐标是频率,纵坐标是相关函数的幅度,对应函数便与周期性有一定的关系了。频域是一种数学工具,描述了一个函数或者说信号中包含的成分,这些成分主要由频率与幅度来描述。正弦波是频域中唯一存在的波形,是用于描述的基本量。这样在时域中复杂的数据在频域中就变的老老实实。
例如sin4πxsin4\pi xsin4πx幅度为1,周期为12\frac{1}{2}21,频率为2,在频域中就是对应(2,1)。
含义
傅里叶变化是一种将函数信号由时域转换到频域的工具,其将满足一定条件的函数进行转换,变为一系列三角函数(正弦/余弦函数),或其积分(一般积分完了还是三角函数的形式)的线性组合。由于三角函数可以由sinx进行描述,所以可以在频域图对应,于是就完成了一个由时域往频域变换的过程,或者说是一个特征的提取。
级数
通过含义的理解,我们发现其与傅里叶级数的描述类似,也是将一个函数表示为三角函数形式,所以以傅里叶级数开始,对于一个周期为2l2l2l的函数且满足狄里赫利条件有:
f(x)=a0+∑n=1∞(ancosnπxl+bnsinnπxl)f(x)=a_0+\sum^{\infty}_{n=1}(a_ncos\frac{n\pi x}{l}+b_nsin\frac{n\pi x}{l})f(x)=a0+∑n=1∞(ancoslnπx+bnsinlnπx)
为了便于理解,我们将其中πl=w\frac{\pi}{l}=wlπ=w,2πw\frac{2\pi}{w}w2π为周期,频率为12l\frac{1}{2l}2l1,www与频率之间只差一个系数,于是有:
f(x)=a0+∑n=1∞(ancosnwx+bnsinnwx)f(x)=a_0+\sum^{\infty}_{n=1}(a_ncosnwx+b_nsinnwx)f(x)=a0+∑n=1∞(ancosnwx+bnsinnwx)
转换一下可以得到其复指数形式:
f(x)=∑n=−∞n=∞(cneinwx)f(x)=\sum^{n=\infty}_{n=-\infty}(c_ne^{inwx})f(x)=∑n=−∞n=∞(cneinwx)
cnc_ncn有c0=a0c_0=a_0c0=a0,cn=an−ibn2c_n=\frac{a_n-ib_n}{2}cn=2an−ibn,n取整数。
正交
三角函数有正交的性质,对应的由欧拉公式我们对于复指数也有相似的性质,对于einwxe^{inwx}einwx进行乘积与积分运算,同样为了方便运算取w=1w=1w=1。
对于∫−ππeinwxeimwxdx\int^\pi_{-\pi}e^{inwx}e^{imwx}dx∫−ππeinwxeimwxdx,变换一下有∫−ππei(n+m)xdx\int^\pi_{-\pi}e^{i(n+m)x}dx∫−ππei(n+m)xdx(m不等于n且均为整数)
再对应欧拉公式eix=cosx+isinxe^{ix}=cosx+isinxeix=cosx+isinx得:
∫−ππcos(n+m)x+isin(n+m)xdx=0\int^\pi_{-\pi}cos(n+m)x+isin(n+m)xdx=0∫−ππcos(n+m)x+isin(n+m)xdx=0
特殊的n与m相等,但不为0有∫−ππcos2nx+isin2nxdx=0\int^\pi_{-\pi}cos2nx+isin2nxdx=0∫−ππcos2nx+isin2nxdx=0
所以我们得到了与三角函数相似的关于复指数积分的正交性。
变换
继续处理上面的f(x)=∑n=−∞n=∞(cneinwx)f(x)=\sum^{n=\infty}_{n=-\infty}(c_ne^{inwx})f(x)=∑n=−∞n=∞(cneinwx),对两边进行乘积与积分有:
∫−llf(x)cne−inwxdx=∫−ll∑n=−∞n=∞(cneinwx)e−inwxdx\int^l_{-l}f(x)c_ne^{-inwx}dx=\int^l_{-l}\sum^{n=\infty}_{n=-\infty}(c_ne^{inwx})e^{-inwx}dx∫−llf(x)cne−inwxdx=∫−ll∑n=−∞n=∞(cneinwx)e−inwxdx
于是有正交性得到:∫−llf(x)e−inwxdx=∫−llcndx=2lcn\int^l_{-l}f(x)e^{-inwx}dx=\int^l_{-l}c_ndx=2lc_n∫−llf(x)e−inwxdx=∫−llcndx=2lcn(这里的cnc_ncn为一个复数)
将cnc_ncn提出来有cn=12l∫−llf(x)e−inwxdxc_n=\frac{1}{2l}\int^l_{-l}f(x)e^{-inwx}dxcn=2l1∫−llf(x)e−inwxdx,这里的2l2l2l也就是周期T。
这里为啥把cnc_ncn单独提出来,是因为对于f(x)=∑n=−∞n=∞(cneinwx)f(x)=\sum^{n=\infty}_{n=-\infty}(c_ne^{inwx})f(x)=∑n=−∞n=∞(cneinwx),在周期确定的时候,具体决定f(x)f(x)f(x)的是cnc_ncn,einwxe^{inwx}einwx在周期已知的情况下与f(x)f(x)f(x)之间并没有太大关系。并且通过不同的nnn确定的频率与对应的cnc_ncn就是频域的上的数据了。
周期
在傅里叶级数中,考虑的是周期函数的展开,对于一般函数时,也就是将周期进行一个无穷的极限逼近,于是原先的2l2l2l也就是T会趋于无穷,就得到了一般性的定义。这时的f(x)=∑n=−∞n=∞(cneinwx)f(x)=\sum^{n=\infty}_{n=-\infty}(c_ne^{inwx})f(x)=∑n=−∞n=∞(cneinwx),并且之前有2πw=2l=T\frac{2\pi}{w}=2l=Tw2π=2l=T,于是www趋于0。
于是带入一下有f(x)=limw−>0∑n=−∞n=∞(w2π∫−∞∞f(x)e−inwxdxeinwx)f(x)=\lim\limits_{w->0}\sum^{n=\infty}_{n=-\infty}(\frac{w}{2\pi}\int^\infty_{-\infty}f(x)e^{-inwx}dxe^{inwx})f(x)=w−>0lim∑n=−∞n=∞(2πw∫−∞∞f(x)e−inwxdxeinwx),进一步将www换成dwdwdw,离散的求和在极限下成为积分有:f(x)=∫−∞∞12π∫−∞∞f(x)e−inwxdxeinwxdwf(x)=\int^\infty_{-\infty}\frac{1}{2\pi}\int^\infty_{-\infty}f(x)e^{-inwx}dxe^{inwx}dwf(x)=∫−∞∞2π1∫−∞∞f(x)e−inwxdxeinwxdw。
形式
f(x)=12π∫−∞∞∫−∞∞f(x)e−inwxdxeinwxdwf(x)=\frac{1}{2\pi}\int^\infty_{-\infty}\int^\infty_{-\infty}f(x)e^{-inwx}dxe^{inwx}dwf(x)=2π1∫−∞∞∫−∞∞f(x)e−inwxdxeinwxdw
这个公式是个“套娃”,其中∫−∞∞f(x)e−inwxdx\int^\infty_{-\infty}f(x)e^{-inwx}dx∫−∞∞f(x)e−inwxdx是一个关于www的函数(x被积分了),于是有F(w)=∫−∞∞f(x)e−iwxdxF(w)=\int^\infty_{-\infty}f(x)e^{-iwx}dxF(w)=∫−∞∞f(x)e−iwxdx,这是一个对于f(x)f(x)f(x)的变换,最后得到的是一个关于频率相关的www的函数(w=nw)(w=nw)(w=nw),也就是由时域向频域的变换。(变换)
带入F(w)F(w)F(w)之后,原式为f(x)=12π∫−∞∞F(w)eiwxdwf(x)=\frac{1}{2\pi}\int^\infty_{-\infty}F(w)e^{iwx}dwf(x)=2π1∫−∞∞F(w)eiwxdw是一个关于x的函数(www被积分了),并且是一个由频域向时域的变换,也是之前变换的逆。(逆变换)
这样从傅里叶级数要求的周期性函数,变成了一般的函数,但是其函数仍需要满足傅里叶级数中提到的狄里赫莱条件才能进行运用。
傅里叶------傅里叶变换相关推荐
- 最万能的公式:“拆解万物”的傅里叶变换方程
有这样一个神秘方程.它看上去精致优雅,学起来令人头大.曾有无数学子怨恨它抽象难懂,却又最终被它的神通广大改变了世界观. 诞生之初,它是一种解题方法,意在将热学问题中复杂的数学运算变得简单.推广之后,它 ...
- 【控制】傅里叶系列(二)傅里叶变换的推导
傅里叶系列(二)傅里叶变换的推导 我们先把傅里叶级数转换为指数形式: 三角函数形式: f(t)=a02+∑n=1∞[ancos(nωt)+bnsin(nωt)](1)f(t) = \frac{a_ ...
- python傅里叶逆变换_OpenCV-Python系列之傅里叶变换
傅里叶变换 我们生活在时间的世界中,早上7:00起来吃早饭,8:00去挤地铁,9:00开始上班...以时间为参照就是时域分析. 但是在频域中一切都是静止的!可能有些人无法理解,我建议大家看看这个文章, ...
- 傅里叶变换及其应用 pdf_应用傅里叶-小波检测方式的并联型有源电力滤波器,电能质量高...
并联型有源电力滤波器(SAPF)是治理谐波污染的有效手段,能有效的抑制和补偿电网中的谐波成分.它的关键技术是检测出补偿对象电流中的谐波和无功等电流分量.由于常用小波变换对频域划分粗略,以及变换后不能直 ...
- 《数字图像处理》-(3)-1从傅里叶级数到傅里叶变换详细推导以及傅里叶图像的性质
1 傅里叶级数到傅里叶变换公式推导 1.1傅里叶级数 傅里叶级数:周期信号都可以分解为有限或无限个正弦波或余弦波的叠加,且这些波的频率都是原始信号频率的整数倍.用傅里叶级数或变换表示的函数特征完全可以 ...
- 傅里叶变换经滤波处理及傅里叶逆变换
import cv2 import matplotlib.pyplot as plt import numpy as npdef FT(image):# image = cv2.cvtColor(im ...
- 《OpenCv视觉之眼》Python图像处理六 :Opencv图像傅里叶变换和傅里叶逆变换原理及实现
本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,在具体情况中,针对不同的图像进行不同等级的.不同方法的处理,以达到对图像进行去噪.锐 ...
- python傅里叶逆变换_C# 傅里叶变换 逆变换 调用MathNet包|简明python教程|python入门|python教程...
https://www.xin3721.com/eschool/pythonxin3721/ 上司给我讲采样率,我觉得自己有点钻牛角尖了,想来想去还是不明白. 因为说的是日语,サンプリング周波数,我就 ...
- MIT 线性代数 Linear Algebra 26:复矩阵,傅里叶矩阵, 快速傅里叶变换 FFT
这一讲我们来讲一下复矩阵.线性代数中,复矩阵是避免不了的话题,因为一个简单实矩阵都有可能有复数特征值. 复矩阵 我们着重看一下复矩阵和实矩阵在运算上的区别. 距离 首先,一个复数向量的的距离求法发生了 ...
最新文章
- 赛灵思FPGA中的主要时钟资源介绍
- 【Android 安全】DEX 加密 ( Application 替换 | 替换 LoadedApk 中的 Application mApplication 成员 )
- python 网络通讯 plc_PLC与PC网络通信实验
- 1.段描述符与段选择子
- 7 pe系统安装_【软件课程之家】PE系统安装教程
- Linux centos7 VMware Apache访问日志不记录静态文件、访问日志切割、静态元素过期时间...
- ace unlck工具下载_压缩工具:WinRAR 曝出代码执行漏洞,该升级了
- LinQ—高级查询方法
- 函数传参string_C/C++的三种函数传值方式及其区别
- JS屏蔽360浏览器代码
- linux下mysql安装、目录结构、配置
- [BZOJ 1799] self 同类分布
- JAVA游戏——潜艇大战
- cad打开a3样板图形_CAD中怎样设置A3图纸模板
- PSV最实用游戏使用攻略
- 基于linux cli( 命令行) 的翻译工具推荐
- 数据全生命周期管理,华为FusionData一个方案搞定
- SQL SERVER SA密码忘记,windows集成身份验证都登录不了不怎么办
- 在钉钉如何愉快地给老师点很多赞
- 数理统计笔记2:总体均值的抽样分布