本文讲述了傅里叶变化的作用、基本原理以及离散傅里叶变换的使用。多图预警，如果文字不太好理解，那么看图也可以收获一些东西。

傅里叶变换的作用

网上购物优惠券 m.cqfenfa.com

傅里叶变换是整个通信行业的基石，并且广泛应用在图像处理、音视频处理、统计学、密码学等等行业。

傅里叶变换的作用是什么？

打个比方，我们历史文章有说过声音。不同人发声的频率是不一样的，男声的频率比较低，女声的频率比较高，同理尖叫频率会非常高。

此图上半部的横坐标是时间，纵坐标是幅度。此图下半部做了傅里叶变换之后的结果。

图片源自https://www.bilibili.com/video/BV1pW411J7s8

此图下半部分横坐标是频率，纵坐标是幅度，此时只需要把尖叫声相应的频率去掉，再做一下逆傅里叶变换，重新生成一个新的音频，这时的音频就没有尖叫声了。

图片源自https://www.bilibili.com/video/BV1pW411J7s8

还有一个比方，就是三棱镜。初中的时候学过，白光是由多种颜色的光组成，不同颜色的光的波长不一样，频率也不一样。

声音是波，光也是波，不同的波长的波，频率不一样。傅里叶变换就如三棱镜，把不同频率的波给分解出来。

而想要了解傅里叶变换的思想，不得不不从公式说起……

这个公式，似乎有点眼熟，甚至是不少人的痛苦回忆……

傅里叶级数

让我们先忘了上面那个公(tong)式(ku)，不妨先假设，傅里叶一开始是这么想的(傅里叶级数的公式)：

任何周期性的波形，最终都可以由一个A0的直流分量，再加上不同频率的正弦波叠加而成。

？有点反直觉，下面这图，演示了如何让不同的正弦波，叠加成一个方波的：

图像来自wiki百科

又或者：可见只要正弦波够多，方波就可以足够“方”。

在数学领域，正弦波可以有无限多个，最终肯定能组成一个真正的方波。

在工程领域，由于采样点数有限，不需要制造一个完美的方波，近似就可以了。所以是可行的。

那么问题来了，三角函数里面，我们学过sin或者cos。那么sin、正弦波到底是什么？

正弦信号的两种图形化表示 (图片来源: http://1ucasvb.tumblr.com)

有一个长度为A的极细的木棍，一直在基于坐标原点旋转，随着时间旋转，这个点在纵坐标的投影，就是sin正弦波；这个点在横坐标的投影，就是cos余弦波。

回到这个公式，

有点明白了。公式中的An是木棍的长度（幅度Amplitude），nω是这个木棍的旋转速度（频率Frequency），φn是木棍刚开始旋转时的位置（相位Phase Angle）。如下图：

图片源自https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/

如何检测波是否存在

如果我们想要知道，某个频率的正弦波，是否存在于这段信号中，并且该频率的正弦波的幅度和相位是多少。

这就利用到正弦波的正交性，正交性的一个特点是：

不同频率的正弦波相乘，在一定周期内积分后，结果为0。

相同频率的正弦波相乘，在一定周期内积分后，结果不为0。

那么在这段信号中，想要获得某个频率的正弦波的幅度和相位，检波手段即为，该频率的正弦波和目标信号，相乘后积分即可。

具体推导过程可以参考DBinary在zhihu上的回答 : https://www.zhihu.com/question/22085329/answer/774074211。

此刻我们需要记住的是：相乘后积分

傅里叶变换

我们知道傅里叶变换是一个神奇的频率分离器……

刚才也说到检波的手段是：相乘再积分……

这个时候再看看，傅里叶正变换的公式……

我们看到了，相乘——目标函数的相乘，也有看到了积分。

但是这个e没看懂，难道这就代表正弦波？

没错，准确来讲是一个复平面的正弦波。

介绍一下复平面，如下：

横轴是实轴，纵轴是虚轴。z=x+iy, z就代表：横轴位置是x，纵轴位置是y，这样一个向量。

还记得刚才旋转的木棍吗？z是一根木棍，此时此刻，我们获得了一根静止的木棍。

但我们得让它旋转起来，这样才能得到正弦波啊。

在复数中，1乘以i，就等于i, i 再乘以 i，就是-1。

这是因为乘以一个i，就相当于逆时针旋转90度。

另外欧拉公式定义如下：

图源自betterexplained

e^iπ 代表了旋转了180度的位置，横坐标为-1，纵坐标为0

e^2πi 代表了旋转了360度的位置，横坐标为1，纵坐标为0

e^2πit 其中t代表时间，如果t的值是0.5秒的话，横坐标为-1，纵坐标为0。如果t的值是1秒的话，横坐标为1，纵坐标为0。这代表啥，代表这个木棍它随着时间转动了，而且转动频率是，一秒转动一圈。

如果加上f这个代表频率的变量，如e^2iπft 如果此刻f是2的话，那么转动频率是，一秒转动两圈。

当然你想要让它顺时针旋转的话，加个负号就可以了：e^− 2iπft

有时候会看到，用j替代i的情况，e^− 2jπft 都是一个意思，用j表示，只是因为在物理或者电子领域，i通常被表示成电流了。

也有时候 f 即频率也会被其它字母表示（ξ），t也可能被其它字母表示，如：

没关系，都是一个意思。

此刻我们创建的是，正弦波的复平面信号，那么它其实是立体的，三维的。

复指数信号随时间的变化轨迹：

复指数信号随时间的变化轨迹，图自《深入浅出通信原理》

复指数信号在复平面上的投影：

复指数信号在复平面上的投影，图自《深入浅出通信原理》

复指数信号在实轴上的投影随时间变化的曲线:

图自《深入浅出通信原理》

复指数信号在虚轴上的投影随时间变化的曲线:

图自《深入浅出通信原理》

如果不太好想象的话，网上有大佬做的动画，更加直观一点：

图源自https://www.bilibili.com/video/av19086191/

那么问题来了，复平面信号如何和目标函数相乘。两个复数的乘法在极坐标下的表示最简单，笛卡尔坐标转换到极坐标的过程:

至于相乘的过程，B站的3blue1brown的动画，也的的确确完美地表现了出来:

额，有点超纲了。在上一篇快速学习方法中，在学习的过程中，我们已经掌握了最小启动知识，此刻我们需要练习，那么我们可以使用离散傅里叶变换进行练习，加深理解。

离散傅里叶变换

如上，相比连续傅里叶变换中的公式，以上的离散傅里叶变换中，积分变成了上面的累加，连续的频率变化，也变成了上面的各个k个频率的采样。

better explained中有个吊炸天的网页插件，可以很方便的观察时域和频域的变化。 : https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/

因为众所周知的墙的原因，我把这个插件下载下来，放在我的github页面上了：https://github.com/Binfun/fourier_transform

下载打开html就可操作，如下：

左上角的Cycles框所显示的1 2，即为频率数据。右上角的Time框所显示的3 -1，即为时域数据。

Cycles框中的第一个数字（图中的1）即为0Hz的直流分量的幅值，

第二个数字（图中的2）即为1Hz的正弦波的幅值，

如果有第三个数字的话，那么就代表2Hz的正弦波的幅值，以此类推3Hz 4Hz...等等。

Time框中的3 -1分别代表第1个和第2个采样点的值，即黄色的点。

灰色的直线代表0Hz的直流分量，绿色的曲线代表1Hz的正弦波，蓝色的曲线代表他们叠加的结果。

我们可以用这个工具做很多事情，比如我们可以用它来观察，为什么时域的数据移位，等同于频域的相位变化：

没错Cycle框数字中，冒号后面的那个数字就代表相位。

甚至于，我们可以使用这段动画去理解，观察频域补零，时域插值的现象：

好像说的有点远了，强烈建议自己亲手尝试，会有不同的感觉。

回到离散傅里叶变换的公式：

如果有时域数据: [1, 2, 3] 的话，那么代入公式算得频域数据的结果为:

[6 + 0i, -1.5 + 0.86603i, -1.5 - 0.86603i]

因为时域/频域数据有3个，也就是相同频点上累加了3次，我们需要除以N就是3，进行复原：

[2 + 0i, -0.5 + 0.28868i, -0.5 - 0.28868i]

这三个复数，就代表了下面图中Cycles框中的：

2 0.58:150 0.58:-150

还记得上次说的那个木棍吗？-0.5 + 0.28868i就代表旋转速度为1Hz的木棍的起始点。

计算幅度（木棍长度）：

计算相位（木棍起始位置）： arctan(0.28868/-0.5) = 150度

至于代表0Hz的2 + 0i怎么理解，只有这一根木棍是不旋转的，静止的，是直流分量。

说道直流分量，我们就可以大胆地猜测，离散傅里叶变换，就是将时域信号当成周期信号处理，算得傅里叶级数的系数啊。

细心的同学可能发现，图中的正弦波当相位是0的时候，其实是cos函数，而不是sin函数。

这是因为cos反应的是实数域的情况。这个页面中，时域数据中的虚部都是0，验证也简单，把Cycle中的相位都加个90度试试，看看Time是不是都是0，这是因为时域的虚部的值都是0呀。

读到这里，可能你觉得有些细节不太够。但也许我们已经有了点全局模糊的认识，整体框架已对，再了解细节，事半功倍。

具体细节可以参阅参考资料，巨人的肩膀，非常的精彩。

巨人的肩膀

直观的数学: https://zhuanlan.zhihu.com/p/48305950
DBinary的回答: https://www.zhihu.com/question/22085329/answer/774074211
傅里叶级数的推导: https://zhuanlan.zhihu.com/p/41455378
动图合集: https://1ucasvb.tumblr.com/page/4
直观的傅里叶变换: https://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/
3Blue1Brown出品: https://www.bilibili.com/video/BV1pW411J7s8
正弦波三维动画: https://www.bilibili.com/video/av19086191/
陈爱军：《深入浅出通信原理》

傅里叶变换动图赏析及解析相关推荐

【用pandas_alive几行代码绘制竞赛动图】10.新南威尔士州 COVID 可视化（测试代码+数据集+绘图参数解析）
目录 10.新南威尔士州 COVID 可视化新南威尔士州 COVID 可视化API说明: 新南威尔士州 COVID 可视化数据集新南威尔士州 COVID 可视化例程总结欢迎关注『pandas ...
动图解释傅里叶变换gif
本文系转载原文出处: https://www.cnblogs.com/beyondsdo/p/10802914.html 动图解释傅里叶变换gif 整理资料无意间发现,很经典的图,便于理解
【用pandas_alive几行代码绘制竞赛动图】8.城市人口（测试代码+数据集+绘图参数解析）
目录 8.城市人口城市人口API说明: 城市人口数据集城市人口图例程总结欢迎关注『pandas_alive绘制竞赛动图』专栏,持续更新中欢迎关注『pandas_alive绘制竞赛动图』 ...
指定jdk8_动图+源码+总结：深度解析 JDK8 中的数据结构(珍藏版)
最近在整理数据结构方面的知识, 系统化看了下Java中常用数据结构, 突发奇想用动画来绘制数据流转过程文末,有个特别好的网站推荐主要基于JDK8, 可能会有些特性与jdk7之前不相同, 例如Lin ...
【用pandas_alive几行代码绘制竞赛动图】全网首发pandas_alive数据可视化中文学习笔记合集，学不会来打我（配置好的venv虚拟环境+拿来即用测试代码+测试数据集+参数api解析）
目录专栏说明一.效果图展示 1.1 水平条形图 1.2 竖直条形图 2. 折线图 3. 散点图 4.饼状图 5. 气泡图 6.1 地理空间点图 6.2 多边形地理空间图 7.多个图表 8.城市人口 ...
C++四则运算字符串解析（附动图以及动图制作方法）
题目描述输入一个表达式(用字符串表示),求这个表达式的值. 保证字符串中的有效字符包括['0'-'9'],'+','-', '*','/' ,'(', ')','[', ']','{' ,'}'.且 ...
Python Pygame｜实现GIF（gif）动图的加载和降帧【源码+解析】
最近在使用pygame开发游戏,练习python编程.但遇到了一个问题,就是如何载入已有的GIF动图增强游戏的效果,在csdn搜索了一下,发现相关的文章比较少,缺少实例.于是自己研究了相关内容,找到了 ...
40张动图完美解析各种传感器工作原理
传感器(英文名称:transducer/sensor)是一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输.处理.存储.显示.记 ...
python棋盘覆盖问题_棋盘覆盖问题可视化动图——python
棋盘覆盖问题可视化动图--python 棋盘覆盖问题是一个经典的分治法解决的问题,具体内容可以参照以下博主的解析为了更好的理解该算法分治的过程利用了python中的matplotlib库进行了该算 ...

傅里叶变换动图赏析及解析