10.傅里叶变换——更正式的傅里叶变换,频谱,局限性,离散傅里叶变换_4
目录
更正式的傅里叶变换(Fourier Transform)
频谱(Frequency Spectrum)
局限性
离散傅里叶变换(Discrete Fourier Transform)
更正式的傅里叶变换(Fourier Transform)
这样做更正式一点,我们将把信号表示成无穷多个正弦信号的加权和。那么傅里叶变换,在这里,在它美丽的荣耀中,在一维中,Okay。
是傅里叶变换。我们只是对原函数进行无穷积分乘以。你可能会说:什么?减去i......来自哪里?这是怎么来的?
再一次,记得你们可能学过的微积分课,e的ik次方是cosk + isink。
这就是为什么这是偶数部分,那是奇数部分。这是,
顺便说一下,如果有电气工程师,他们有。 我不知道为什么,因为数学家使用 ,我猜电气工程师不喜欢数学家。我们要一直用 。
傅里叶变换的作用是,它从空间域
转换到频域,
频域是写成,有时像你一样写 , 就像我们在这里做的那样,有时甚至写成 ,当你讨论损失变换之类的时候。这里的意思是这个大写的F是频谱,或者我应该说它是的频率,但是我们等下会讨论它的大小,我们称这个为频谱。
为了完整性,顺便说一下,这里我们有了傅立叶变换(Fourier Transform)。
这里是逆傅立叶变换(Inverse Fourier Transform),
毫不奇怪,如果你告诉我所有的正弦波是什么,如果我把它们全部加起来,好的,在某个位置X,把所有的正弦信号加起来(du),我就能恢复原始信号。S称为逆傅立叶变换。
频谱(Frequency Spectrum)
所以把我们刚刚看到的那些方程式放到一些简单的图片中。我们的频率一般可以被认为是从负无穷大到正无穷大。实部是Cosign部分,它的脉冲看起来像这个,
虚部是奇部,它的Sine部分是这样的,
正如我们之前说过的,通常我们只会担心功率的大小,所以你只需要将正方形的总和搞定就可以了。这就是功率,
当我把实部和虚部组合成 功率 时,我可以看到不同类型信号的功率谱。这里有一些,我为这张糟糕的图片道歉。这里我们有一个正弦曲线(左图1),我们的正弦曲线只有那里有两个峰值的频率(右图1),对,无论相位如何,根号下的平方和将给我们这两个峰值。
而且在这里我们有那个方波(左图2),你可以看到功率随着频率的增加而减小(右图2)。
这就是我们之前演示的,有趣的是,如果你从某种典型的自然图像中取出信号,或者你带走了一大堆典型的自然信号(左图3),你也会发现这些频谱下降了(右图3),这只是从自然图像的角度来看图像是如何形成的。
局限性
让我们来谈谈这方面的一些限制,这将使我们在一分钟内进入傅里叶级数(Fourier Series)。对于存在的这个积分,这个傅里叶变换,我们实际上并不想要无穷大,对吧?因为这不太好,当我们试着喜欢写下无穷大时,它就要花很长时间。
我们要说的一件事是这整个式子是可积的(如图),
如果原函数本身是可积的(如图),如果我取这个函数,我实际上必须取它的绝对值。如果我把它从负无穷大加到无穷大,它就不会爆炸,它必须被限制为一个值。
你可能会问:“等一下,我认为我们有无穷的循环级数。”我们讲傅里叶级数的时候讲过。我们现在讨论的是傅里叶变换,我们试图使它保持一定的界限。所以这些积分必须存在。它是基于同样的原理,但它的理念,在傅里叶级数(Fourier Series)中,我们讨论过了循环函数。在傅里叶变换(Fourier Transform)中我们讨论的是积分,可积函数。
一分钟后,当我们有一个固定长度的函数,它就很清楚了。事实上,我们现在就来看看(如图)。
你看到它说,显然如果有一个宽度为T的边界。对吧,如果所有的函数都在T范围内,那么显然我可以从- T / 2积分到+ T / 2,对吧? 这就是整个积分。这将引导我们,至少在我扭曲的头脑中,得到离散傅里叶变换(Discrete Fourier Transform)的概念。
离散傅里叶变换(Discrete Fourier Transform)
离散傅里叶变换(Discrete Fourier Transform)是我们想要在计算机中开始工作时必须要做的事情,因为毕竟我们没有连续信号,我们只有离散值。所以离散傅里叶变换就是这样写的。
现在我们说这里的 是离散频率,对吧?我们要做的是对所有像素求和,
所以我们得x来自信号,在这种情况下是,从0到,如果总共有个,
这里是 ,
现在是e的- i次方,看到k / N了吗?
因为基本上,我们不把频率看作是它在时间上摆动的速度,而是在图像的整个长度上摆动的速度。所以,k被写成,它是信号每一周期的周期数,或者图像每一周期的周期数,对吧? Cycles per image. 这只有从0到N / 2才有意义。为什么只有N / 2?
好吧,想想正弦曲线在N个像素的图像中摆动的速度有多快,对吧?它会变成白色,一直到黑色,一直到白色,一直到黑色......所以周期是2。所以频率,循环次数,应该是N / 2。基本上,k只能从 -N / 2到 +N / 2,因为这是你在离散图像中可以拥有的最高频率。
——学会编写自己的代码,才能练出真功夫。
10.傅里叶变换——更正式的傅里叶变换,频谱,局限性,离散傅里叶变换_4相关推荐
- 离散傅里叶变换 (DFT)、快速傅里叶变换 (FFT)
目录 离散傅里叶变换 (DFT) 离散傅里叶变换的基 离散傅里叶变换 快速傅里叶变换 (FFT) 卷积 线性时不变系统 傅里叶级数 参考文献 离散傅里叶变换 (DFT) 离散傅里叶变换的基 对于周期为 ...
- Python 二维离散傅里叶变换
Python 二维离散傅里叶变换 文章目录 Python 二维离散傅里叶变换 需要的库 计算两张图片的PSNR 二维离散傅里叶变换 二维离散傅里叶逆变换 频域平移 绘制频域图像 需要的库 import ...
- 单变量离散傅里叶变换DFT原理及实现
一.单变量离散傅里叶变换 离散傅里叶变换公式: 根据公式,单变量离散傅里叶变是换将一维数组变换为傅里叶频率.设定一个大小为N的数组,t为X轴上的变量,取值为[0,n-1],f(t)为t=x出的值,计算 ...
- 【OpenCV 例程200篇】72. 一维离散傅里叶变换
[OpenCV 例程200篇]72. 一维离散傅里叶变换 欢迎关注 『OpenCV 例程200篇』 系列,持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中 1.3 一维 ...
- 从离散傅里叶变换到离散余弦变换 —— 公式证明
首先我们列出离散傅里叶变换与离散余弦变换的公式: 离散傅里叶变换 正变换: F ( u ) = ∑ x = 0 N f ( x ) e − j 2 π u x N , u = 0 , 1 , - , ...
- 离散傅里叶变换(DFT)(一)
离散傅里叶变换(DFT) 傅里叶变换的优点就是能够将信号从时序空间转换到频域,从频率的角度去分析信号,能够容易发现一些时域内不容易发现的频率.这句话在N多博客里都有类似的描述.那么为什么呢?怎么转换到 ...
- 离散傅里叶变换的主要性质
离散傅里叶变换是傅里叶变换在时域.频域均离散化的形式,因而它与其它傅里叶变换有 着相似的性质,譬如线性.同时离散傅里叶变换也具有一些与其它傅里叶变换不同的特性,其中 主要的圆周移位性质和圆周卷积性质. ...
- 傅里叶变换 一维快速傅里叶变换(快速的一维离散傅里叶变换、分治法)
一.介绍 1.一维离散傅里叶变换DFT. DFT:(Discrete Fourier Transform)离散傅里叶变换是傅里叶变换在时域和频域上都呈离散的形式,将信号的时域采样变换为其DTFT的频域 ...
- python实现离散傅里叶变换
初步认识傅里叶变换: 认识傅里叶变换 讲的较为通俗,图文并茂 离散傅里叶变换(DFT)的推导: DFT推导 关于SDFT,mSDFT的推导: SDFT,mSDFT 下面用python实现DFT: 首先 ...
最新文章
- 这些建议需要竞赛组委会酌情考虑
- java springcloud版b2b2c社交电商spring cloud分布式微服务-docker-feign(四)
- webService学习2:hello word入门
- 一个小型数据库的核心组件
- 【官方速报】Pika3.0正式发布
- c 语言中 %是什么运算符,C 语言基础----详解C中的运算符
- nodejs+express开发blog(2)
- dnsmasq安装配置
- git 设置和取消代理
- zend studio12配置php,Zend Studio 12.0调试php代码
- ADS2015 for linux 安装教程
- oracle -varchar ,varchar2
- 计算机五大类型,操作系统目前有五大类型
- html背景图片半透明写法,CSS实现背景图片透明而文字不透明效果的两种方法
- LeetCode 1010. Pairs of Songs With Total Durations Divisible by 60
- 1.计算机发展阶段 计算机发展历史 机械式计算机 机电式计算机 电子计算机 逻辑电路与计算机 二极管 电子管 晶体管 硅 门电路 计算机 电磁学计算机二进制...
- 兰州工业学院有计算机专业,兰州工业学院计算机协会
- 乐高大颗粒作品19:端午节做一个粽子
- AI人工智能入门(浅析AlphaGo的实现)
- 禁用微软杀毒和移除以Paint 3D打开的相关注册表:
热门文章
- 【华为大咖分享】8.Focus on Value 的思考与实践精粹(后附PPT下载地址)
- Java 复习笔记 线程Thread
- Android笔记 ANR Application Not Response
- pandas中的数据如何转化为张量?
- 【备忘】conda环境常用配置命令
- homebrew卡在:Updating Homebrew处
- linux c普通用户怎么判断键盘是否按动_网络没问题,电脑却无法联网怎么办?win10无法联网搞定方式举例...
- 使用idea创建项目的步骤
- windows中安装64位MySQL及连接MySQL和重置MySQL密码
- 正则表达式(面试会考)