Question

什么是傅立叶变换？为什么要进行傅立叶变换？一些回忆

Answer 1

傅立叶变换表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。

傅里叶变换可以将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），可以利用一些工具对这些频域信号进行处理、加工。最后还可以利用傅里叶反变换将这些频域信号转换成时域信号。

正是由于拥有良好的性质，傅里叶变换在物理学、数论、组合数学、信号处理、概率、统计、密码学、声学、光学等领域都有着广泛的应用。

扩展资料：

在数学领域，尽管最初傅里叶分析是作为热过程的解析分轿春芹析的工具，但是其思想方法仍然具有典型的还原论和分析主义的特征。

"任意"的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类：

1、傅里叶变换是线性算子,若赋予适当的范数,它还是酉算子。

2、傅里叶变换的逆变换容易求出,而且形式与正变换非常类似。

3、正弦基函数是微森渗分运算的本征函数,从而使得闭毕线性微分方。

参考资料来源：百度百科—傅立叶变换

Answer 2

今天的现代通信网课上讲到傅立叶变换，老师翻出乎码了一些以前信号系统和通信原理课本里的概念和公式，突然感到既熟悉又陌生。也难怪，原本读研之前一直以为今后就会和这些东西说再见，而彻底地投入计算机和网络的世界中，以至于开学来苏州这边的时候，本科的教材一本都没带过来。如今突然再次用到，多少感慨涌入心头，又怀念起以前大二时盯着一本书的公式发呆的日子，呵呵。 毋庸置疑，信号与系统（Signals and Systems）这门课绝对是信息类专业的核心课程（没有之一。。。）有些同学可能会提通信原理，但是如果没有信号系统这门课作为支撑，那么通信原理就好像盖楼只用混凝土不用钢筋一样，空有内容，搭不起一个知识体系。而傅立叶变换自然就是其核心内容了。 由于手头没有书，这里只是凭借记忆和网上搜到的内容，写下我对傅立叶变换的一些学习体会，具体的内容以后还会陆续补充。希望能给没有学习过信号系统这门课的同学一些小小的帮助。（其实我也搞不懂现代通信网这门课怎么给这老师讲成了通信原理，所以写这些东西，主要是方便大家加深对这些概念的理解吧。。。） 记得当年的任课老师有一句口头禅：信号系统改变了我们的世界观。。。当然这有些夸张，但是从某些角度来说，并非毫无道理。我们平常接触的世界是一个可感知的世界，很多事物都可以由包含时间这一维度的某个函数来表示。如股票价格的涨跌，就是一个普通的函数f(t),其中t表示时间。同理，声音也可以用这个函数反映出其强度随时间的变化；另外，在离散信号中，如一幅图像，是一个二维信号f(x,y)，这里的自变量x,y类似于上文岁颂哪的t，只不过由一维扩展到二维，由一个连续的时间变成了一串离散的序列。总而言之，现实世界中我们直观上看到信号，都可以称为“时域”信号。 信号系统这门课的贡献就是，它为我们展现了一种新的观察世界的角度，即“频域”。频域的度量称为频谱，频谱的横坐标为频率w(对应于上文的t),纵坐标就是频谱值。那么怎样实现从时域到频域的变换？大名鼎鼎的傅立叶变换(Fourier Transform)就是一种方法。 傅立叶变换公式如下：（*） 其中，w为频率，函数F(w)为频谱。傅立叶变换建立了从时域到频域的映射。 这里暂时不详细介绍公式，先看它的由来。 傅立叶，法国人，数学家，物理学家。1807年向巴黎科学院呈交《热的传播》论文，推导出著名的热传导方程，并在求解该方程时发现解函数可以由三角函数构成的形式表示，从而提出任一函数都可以展成三角函数的无穷级数傅立叶级数（即三角级数)、傅立叶分析等理论均由此创始。 在分析傅立叶变换之前，先引出复信号的概念。大家都知道复数包括实数和虚数，一个复数总可以表示成x=a+bj(j为虚单位)。同理，信号也分实虚，实信号即是平常看得见摸得着的信号，引入虚的概念后，就可以将复信号解释清楚了。 回到刚才的问题，实际上傅立叶变换建立的是“复”频域与时域的联系。上文说过，傅立叶发现任何一个函数f(t)都可以用很多个三角函数的和（**） 表示，其中w是三角函数的角频率。另外，这个表示方法是一定的，即总能找到，并且能严格逼近。 为什么说傅立叶变换建立了复频域和时域的联系？频域有和上面的三角函数又有什么联系？难道只是因为cos(wt)中的w名字叫做频率吗？显然不是。 根据欧拉公式，其中，w是角频率，j是虚数单位。 带樱拿入上文公式（**），于是傅立叶的这个发现就可以解释通了：任何一个时域的函数f(t),都可以表示成很多个复指数 、的和的形式，w恰好就是频谱中的频率。这样，傅立叶变换便建立了时域和复频域的联系。 将coswt和sinwt的公式带入傅立叶变换的定义式（*），即可得到cos(Wt)的频谱为F(w)=pi*[sigma(w-W)+sigma(w+W)];即是频谱两边对称的两个冲击信号。 这也是为什么原信号乘以正弦信号之后就可以被调制成高频信号。 上文（*）公式给出的傅立叶变换是连续时间傅立叶变换，而严格意义上的傅立叶变换分为几种形式（CFS,CTFT,DFS,DTFT），每一种对应的情况都不相同，公式也不一样，这里不再一一介绍。
再说说为什么要进行傅立叶变换。举个例子，比如压缩电影、压缩照片，利用的就是人眼对某些频带以外的信号频谱反应不敏感的原理。将数据进行傅立叶变换，用滤波器过滤掉相对来说对人眼无用的高频和低频部分，就可以保证在不影响整体效果的情况下，最大程度地压缩图像数据。 不难想象，如果在时域上裁剪出这些数据的一部分，那数据的完整性将根本无法保证，比如将照片减去一半或是将影片头尾剪辑掉之类。然而在频域上的裁剪却可以大体上保证数据的质量，这正是频域的奇妙之处，它给我们提供了从另一个角度看世界的方法。

Answer 3

这个就相当于一个展开问题，从一个域转化成为另一个域，而人看待问题时总喜欢在有限的范围桥肢歼内看到规律，于是就出现各种变换，例如在空域中敏冲我们不容易观察出图像的整体结构，那么将其转化到频域后可以看饥棚到轮廓和细节所占的比重