傅立叶变换怎么用？

sinwt的傅里叶变换公式是cosωbai0t=[exp(jω0t)+exp(-jω0t)]/2。

计算离散傅里叶变换的快速方法，有按时间抽取的FFT算法和按频率抽取的FFT算法。前者是将时域信号序列按偶奇分排，后者是将频域信号序列按偶奇分排。

它们都借助于的两个特点：一是周期性；二是对称性，这里符号代表其共轭。这样，便可以把离散傅里叶变换的计算分成若干步进行，计算效率大为提高。

变换提出

傅里叶是一位法国数学家和物理学家的名字，英语原名是Jean Baptiste Joseph Fourier(1768-1830), Fourier对热传递很感兴趣，于1807年在法国科学学会上发表了一篇论文，运用正弦曲线来描述温度分布，论文里有个在当时具有争议性的决断：任何连续周期信号可以由一组适当的正弦曲线组合而成。

当时审查这个论文的人，其中有两位是历史上著名的数学家拉格朗日(Joseph Louis Lagrange, 1736-1813)和拉普拉斯(Pierre Simon de Laplace, 1749-1827)，当拉普拉斯和其它审查者投票通过并要发表这个论文时，拉格朗日坚决反对，在他此后生命的六年中，拉格朗日坚持认为傅里叶的方法无法表示带有棱角的信号，如在方波中出现非连续变化斜率。

法国科学学会屈服于拉格朗日的威望，拒绝了傅里叶的工作，幸运的是，傅里叶还有其它事情可忙，他参加了政治运动，随拿破仑远征埃及，法国大革命后因会被推上断头台而一直在逃避。直到拉格朗日死后15年这个论文才被发表出来。

傅里叶变换公式

公式描述：公式中F(ω)为f(t)的像函数，f(t)为F(ω)的像原函数。

傅立叶变换在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。

简介

因FFT是为时序电路而设计的，因此，控制信号要包括时序的控制信号及存储器的读写地址，并产生各种辅助的指示信号。同时在计算模块的内部，为保证高速，所有的乘法器都须始终保持较高的利用率。这意味着在每一个时钟来临时都要向这些单元输入新的操作数，而这一切都需要控制信号的紧密配合。

为了实现FFT的流形运算，在运算的同时，存储器也要接收数据。这可以采用乒乓RAM的方法来完成。这种方式决定了实现FFT运算的最大时间。对于4k操作，其接收时间为4096个数据周期,这样FFT的最大运算时间就是4096个数据周期。

另外，由于输入数据是以一定的时钟为周期依次输入的，故在进行内部运算时，可以用较高的内部时钟进行运算，然后再存入RAM依次输出。

连续傅里叶变换 一般情况下,若“傅立叶变换”一词的前面未加任何限定语，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。 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立叶变换对(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）。 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(�6�1ω) = F (ω) 成立 参考资料: http://zhwikipediaorg/wiki/傅里叶变换

f(t)是t的周期函数，如果t满足狄里赫莱条件：在一个以2T为周期内f(X)连续或只有有限个第一类间断点，附f（x）单调或可划分成有限个单调区间，则F（x）以2T为周期的傅里叶级数收敛，和函数S（x）也是以2T为周期的周期函数，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点；绝对可积。称为积分运算f(t)的傅立叶变换。

傅里叶变换是一种分析信号的方法，它可分析信号的成分，也可用这些成分合成信号。许多波形可作为信号的成分，比如正弦波、方波、锯齿波等，傅立叶变换用正弦波作为信号的成分。

离散信号傅里叶变换的公式如下所示：

离散傅里叶变换的原理是将原本非周期的信号复制扩展为周期信号，在实际的数字电路处理中，处理的信号是有限长的，取长度为N，即N为信号 的周期，对于有限长周期信号，其离散傅里叶变换有如下性质：

其中 为周期信号的傅里叶级数，而 表示当且仅当 时有 ，因此可以将傅里叶变换转为离散表达，如下所示：

考虑 以N为周期，因此仅需要计算k从0到N-1即可，取 此公式写成矩阵乘法模式如下所示：

W为一个 的方阵，该计算的复杂度为

对于系数矩阵中的元素 ，其公式如下所示：

考虑 ，推导公式如下所示：

再考虑 和 的情况：

再考虑 和 的情况：

最后考虑 且 或 的情况：

根据上述推导，可以得出系数W具有以下四条性质，这三条性质会在后续推导中用到：

基n快速傅里叶变换用于一个长度N为 的序列，例如基2快速傅里叶作用在 的序列上，基4快速傅里叶作用在 的序列上。现在考虑基2FFT的推导（硬件实现一般使用基4或基8FFT实现），首先写出有限长离散序列的傅里叶变换，记一个信号 的FFT变换为 ：

快速傅里叶变换的核心思想为 分而治之 ，即 分治法 ，该思想的核心是将一个长度为N的问题，分级为两个长度为 的问题，应用在这里即是需要将一个序列长度为N的FFT变换问题分解为两个序列长度为 的FFT变换。首先进行如下变换：

矩阵的形式如下所示：

根据W的性质 ，代入后有：

矩阵形式的表达如下所示，现在的矩阵为两个个高度为N，长度为N/2的矩阵。

代入 ，根据W的性质 有：

矩阵表达如下所示：

代入 ，根据W的性质 有：

矩阵表达如下所示：

根据上述推导，一个长度为N点的离散傅里叶变换被变为一个长度为 的离散傅里叶变换，取 公式如下所示：

根据频域抽取基2FFT的算法，除了按前后分类外，还可以直接按奇偶进行分类，公式如下所示：

对应的矩阵表示为：

取序列 ， 代入上述表达式，取 再代入W的变换性质可得：

其对应的矩阵为：

即将对F[k]的上半部分结果分解为两个FFT结果的和，即：

现在考虑F[k]的下半部分，公式如下所示：

取 ，代入有：

代入W的性质 和 ，有：

将变量i更换为k，其矩阵形式为：

最终可以将结果汇总为：

蝶形运算的公式如下，蝶形运算输入为 和 ，输出为 和 ，系数为 ：

其转换为矩阵表达为：

蝶形公式对应着2点FFT的计算，2点FFT的计算如下所示：

转换为矩阵表达为：

对应到蝶形运算有：

首先列出基2频域抽取FFT的分治公式：

以一个8点FFT为例，输入序列为：

进行第一次分治，分为两个4点FFT，序列为：

示意图如下所示，偶数标号的结果由第一个FFT生成，奇数标号的结果由第二个FFT生成：

随后进行第二次分治，将每个4点FFT分解为两个2点FFT，每个序列为：

示意图如下所示：

最终通过2点FFT计算出结果，但如上图所示，计算出的结果位置与标号并不对应，例如计算输出的标号为2的数据（Y10[1]）应当位于输出序列（X）的标号4（X[4]）。其变换规律为计算输出的标号为n的数据（第n+1个数据）对应到输出序列标号为m的数据，n为m的二进制反序。以计算输出标号为6（第七个数据）的数据Y13[0]为例，6的二进制为110，反序为011，对应十进制数为3，即有 。

首先列出时域抽取FFT的分治公式：

在上一篇中 通俗易懂的傅里叶级数和傅里叶变换(一) 中简单介绍了什么是傅里叶级数，最后得到了在周期为 的傅里叶级数的系数解，那么如何得到任意周期的傅里叶级数呢？

我们先看在周期为 的函数傅里叶级数表达:

其对应的解为：

如何将其变为任意周期的函数呢？

其实这里只需要简单的换元操作即可。

举个栗子:

其周期为 , 。我们令 ,则 ,整理下:

所以在对于t来说就变换成了周期为 的函数。

so对于周期为 （方便计算）的函数f(t) 只需令 带入原周期为 的函数即可：

同样的可以得到：

最后我们得到:

过程很简单，我就省略了，毕竟人生苦短。

我们在写一下傅里叶级数的公式：

其中T代表函数的周期，也就是上面的2L，对应的解就是:

想要得到傅里叶级数的复数形式，需要先了解下欧拉公式。

关于欧拉公式，网上有很多的博客，这里就不细说了，只是简单说下欧拉公式的本质。

我们先看下公式：

可以看作是复平面上的一个向量，其到实轴的投影是 ，到虚轴的投影是 ，其中 便是向量与实轴的夹角。

而欧拉公式的直观理解就是在复平面上做圆周运动

随着 变化， 就变成圆周运动了。而前面的系数a则是圆的半径，当a=1的时候就是在单位圆上做圆周运动。

而且通过欧拉公式，我们可以得到三角函数的复数形式：

将上面的复变三角函数替换傅里叶级数中的三角函数得到:

我们令 中的n为-n

则得到：

所以可以看到n的范围变成了 到 ，并且每一项都有 ，于是我们可以得到一个漂亮的形式：

其中 分为3中情况：

我们将傅里叶级数之前的解带入上边

这里因为cos是偶函数，sin是奇函数所以：

可以惊奇的发现，三种情况的解是一样的。所以对于任意周期函数，我们都可以写成:

但其中的每一项是什么意思呢？

还记得之前说的 的本质吗？在圆上做圆周运动，那么 也是在做周期运动了。那 又是什么呢？

我们知道 ，所以我们可以把 看成是以 为单位的频率(正常来讲频率是 )。而系数 是就可以看成是几倍的基频，正数是逆时针运动，负数就是顺时针运动。在图形上的反应就是，频率越高，转的越快了

，但其最小公共周期是一样的。

1倍基频

那么系数 怎么理解呢？前面说过 的系数a是代表 运动的圆半径，这里 是复数是不是也能这样理解呢？其实粗糙来讲是可以这样理解的。

看个图，只管的理解下把

上图中红色的向量相对于蓝色的向量只是多了系数 ,所以红色向量运动的半径就是2刚好是复数 的模长乘以1，当然除此之外，红色向量的幅角也变大了些。这些都是因为复数的乘法性质---复数相乘表现为幅角相加，模长相乘。

这下，当有人和你说傅里叶变换是把时域变换到频域上，你应该就很容易理解是什么意思了。频域就是1倍，2倍，3倍的 ,而每个 都有自己的幅长 ,当把这些所有的 相加，就得到时域中的图像。

更加生动有趣的介绍可以参见 傅里叶分析之掐死教程 ，我这里是从数学的角度来介绍傅里叶变换。

目前该证明的都差不多了，还有最后一个任务，就是推广到非周期函数上。对于非周期函数，我们可以看成是周期无限远的函数，那也就是周期T变成 的时候傅里叶级数。随则T的变大 也就不断的减小，当T趋近于 的时候， 也由 变成了 ，那么很自然就需要对 做积分。

我们先看下

当T趋近于 的时候 我们可以得到：

将这些带入 傅里叶级数,并且T趋近于 ，就得到:

其中画红圈的地方就是傅里叶变换

而整个公式就是傅里叶逆变换，写成：

以上就是傅里叶变换的全部内容，如果你喜欢的话就点个赞。有时间的话，我会写些傅里叶变换的应用。

如下图：

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。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。

相关信息：

尽管最初傅里叶分析是作为热过程的解析分析的工具，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，这一想法跟化学上的原子论想法何其相似！奇妙的是，现代数学发现傅里叶变换具有非常好的性质，使得它如此的好用和有用。