Fourier Series (傅里叶级数)
- 三角函数的正交性
- 周期为 2 π 2\pi 2π 的函数展开为傅里叶级数
- 周期为 2 L 2L 2L 的函数展开为傅里叶级数
- 傅里叶级数的复数形式
- 复数基函数的性质
Fourier Transform (FT, 傅里叶变换)
- 从时域到频域
- 傅里叶变换及其逆变换
参考文献

Fourier Series (傅里叶级数)

三角函数的正交性

可以定义一个内积空间，内积空间中的每个向量均为周期为 2 π 2\pi 2π 的实值函数，函数之间的内积操作定义如下：
⟨ f , g ⟩ = ∫ 0 2 π f ( x ) g ( x ) d x \langle f, g\rangle=\int_{0}^{2 \pi} f(x) g(x) d x ⟨f,g⟩=∫02πf(x)g(x)dx其中积分上下限只需满足积分范围为 2 π 2\pi 2π 即可，例如 ∫ 0 2 π \int_0^{2\pi} ∫02π 或 ∫ − π π \int_{-\pi}^{\pi} ∫−ππ 都可以。该内积操作可以看作是 R n \R^n Rn 上向量内积的推广，即把函数看作具有无数个元素的向量。如果函数定义域为 [ 0 , T ] [0,T] [0,T] 而非 [ 0 , 2 π ] [0,2\pi] [0,2π]，则内积操作的积分上下限也要相应地变换
三角函数系 { 1 , sin ⁡ x , cos ⁡ x , sin ⁡ 2 x , cos ⁡ 2 x , . . . , sin ⁡ n x , cos ⁡ n x , . . . } \{1,\sin x,\cos x,\sin 2x,\cos 2x,...,\sin nx,\cos nx,...\} {1,sinx,cosx,sin2x,cos2x,...,sinnx,cosnx,...} ( n = 0 , 1 , 2 , . . . n=0,1,2,... n=0,1,2,...) 是上述内积空间的基，即它们之间两两正交 (注意到，(1) 2 π 2\pi 2π 是 cos ⁡ n x , sin ⁡ n x \cos nx,\sin nx cosnx,sinnx 的周期，并且 (2) 内积操作的积分区间长度为 2 π 2\pi 2π (不一定是 [ 0 , 2 π ] [0,2\pi] [0,2π]，只要长度为 2 π 2\pi 2π 即可))，例如
⟨ cos ⁡ m x , cos ⁡ n x ⟩ = ∫ 0 2 π cos ⁡ m x cos ⁡ n x d x = 1 2 ∫ 0 2 π [ cos ⁡ ( m x + n x ) + cos ⁡ ( m x − n x ) ] d x = 1 2 [ sin ⁡ ( m x + n x ) m + n + sin ⁡ ( m x − n x ) m − n ] ∣ 0 2 π = 0 ⟨ cos ⁡ m x , cos ⁡ m x ⟩ = ∫ 0 2 π cos ⁡ 2 ( m x ) d t = 1 2 ∫ 0 2 π [ 1 + cos ⁡ ( 2 m x ) ] d t = 1 2 [ x + sin ⁡ ( 2 m x ) 2 m ] ∣ 0 2 π = π \begin{aligned} \langle\cos m x, \cos n x\rangle &=\int_{0}^{2 \pi} \cos m x\cos n xd x\\ &=\frac{1}{2} \int_{0}^{2 \pi}[\cos (m x+n x)+\cos (m x-n x)] d x\\ &=\left.\frac{1}{2}\left[\frac{\sin (m x+n x)}{m+n}+\frac{\sin (m x-n x)}{m-n}\right]\right|_{0} ^{2 \pi}=0\\ \langle\cos m x, \cos m x\rangle &=\int_{0}^{2 \pi} \cos^2 (m x) d t \\ &=\frac{1}{2} \int_{0}^{2 \pi}[1+\cos(2m x)] d t \\ &=\left.\frac{1}{2}\left[x+\frac{\sin (2m x)}{2m}\right]\right|_{0} ^{2 \pi}=\pi \end{aligned} ⟨cosmx,cosnx⟩⟨cosmx,cosmx⟩=∫02πcosmxcosnxdx=21∫02π[cos(mx+nx)+cos(mx−nx)]dx=21[m+nsin(mx+nx)+m−nsin(mx−nx)]∣ ∣02π=0=∫02πcos2(mx)dt=21∫02π[1+cos(2mx)]dt=21[x+2msin(2mx)]∣ ∣02π=π

周期为 2 π 2\pi 2π 的函数展开为傅里叶级数

f ( t ) = f ( t + 2 π ) f(t)=f(t+2\pi) f(t)=f(t+2π)

由于三角函数系是 C [ 0 , 2 π ] C[0,2\pi] C[0,2π] 的内积空间上的一组基，因此任何定义域在 [ 0 , 2 π ] [0,2\pi] [0,2π] 上的连续函数均可以表示为三角函数的线性组合，下式即为傅里叶级数：
f ( x ) = a 0 2 + ∑ n = 1 ∞ ( a n cos ⁡ n x + b n sin ⁡ n x ) f(x)=\frac{a_0}{2}+\sum_{n=1}^\infty(a_n\cos nx+b_n\sin nx) f(x)=2a0+n=1∑∞(ancosnx+bnsinnx)其中， a k , b k a_k,b_k ak,bk 为 f f f 的 Fourier coefficients. 傅里叶系数相当于是 f f f 在各个基向量上的投影，因此由正交投影可知，
a k = ⟨ f , cos ⁡ k x ⟩ ⟨ cos ⁡ k x , cos ⁡ k x ⟩ , b k = ⟨ f , sin ⁡ k x ⟩ ⟨ sin ⁡ k x , sin ⁡ k x ⟩ , k ≥ 1 a_{k}=\frac{\langle f, \cos k x\rangle}{\langle\cos k x, \cos k x\rangle}, \quad b_{k}=\frac{\langle f, \sin k x\rangle}{\langle\sin k x, \sin k x\rangle}, \quad k \geq 1 ak=⟨coskx,coskx⟩⟨f,coskx⟩,bk=⟨sinkx,sinkx⟩⟨f,sinkx⟩,k≥1由于 ⟨ cos ⁡ k x , cos ⁡ k x ⟩ = π \langle \cos kx, \cos kx\rangle =\pi ⟨coskx,coskx⟩=π， ⟨ sin ⁡ k x , sin ⁡ k x ⟩ = π \langle \sin kx, \sin kx\rangle=\pi ⟨sinkx,sinkx⟩=π，因此有
a k = 1 π ∫ 0 2 π f ( x ) cos ⁡ k x d x , b k = 1 π ∫ 0 2 π f ( x ) sin ⁡ k x d x , k ≥ 1 a_{k}=\frac{1}{\pi} \int_{0}^{2 \pi} f(x) \cos k xd x, \quad b_{k}=\frac{1}{\pi} \int_{0}^{2 \pi} f(x) \sin k xd x, \quad k \geq 1 ak=π1∫02πf(x)coskxdx,bk=π1∫02πf(x)sinkxdx,k≥1而 (constant) function 1 1 1 的傅里叶系数为
⟨ f , 1 ⟩ ⟨ 1 , 1 ⟩ = 1 2 π ∫ 0 2 π f ( x ) ⋅ 1 d x = 1 2 [ 1 π ∫ 0 2 π f ( x ) cos ⁡ ( 0 ⋅ x ) d x ] = a 0 2 \frac{\langle f, 1\rangle}{\langle 1,1\rangle}=\frac{1}{2 \pi} \int_{0}^{2 \pi} f(x) \cdot 1 d x=\frac{1}{2}\left[\frac{1}{\pi} \int_{0}^{2 \pi} f(x) \cos (0 \cdot x) d x\right]=\frac{a_{0}}{2} ⟨1,1⟩⟨f,1⟩=2π1∫02πf(x)⋅1dx=21[π1∫02πf(x)cos(0⋅x)dx]=2a0

除了用投影的思想以外，也可以用如下方式求出傅里叶系数。例如，要求 a k a_k ak 时，有
⟨ f ( x ) , cos ⁡ k x ⟩ = ∫ 0 2 π a 0 2 cos ⁡ 0 x cos ⁡ k x d x + ∑ n = 1 ∞ ( ∫ 0 2 π a n cos ⁡ n x cos ⁡ k x d x + ∫ 0 2 π b n sin ⁡ n x cos ⁡ k x d x ) \begin{aligned} \langle f(x),\cos kx\rangle&=\int_0^{2\pi}\frac{a_0}{2}\cos 0x\cos kxdx+\sum_{n=1}^\infty(\int_0^{2\pi}a_n\cos nx\cos kxdx+\int_0^{2\pi}b_n\sin nx\cos kxdx) \end{aligned} ⟨f(x),coskx⟩=∫02π2a0cos0xcoskxdx+n=1∑∞(∫02πancosnxcoskxdx+∫02πbnsinnxcoskxdx)由三角函数的正交性可知，
⟨ f ( x ) , cos ⁡ k x ⟩ = ∫ 0 2 π a k cos ⁡ k x cos ⁡ k x d x = π a k \begin{aligned} \langle f(x),\cos kx\rangle&=\int_0^{2\pi}a_k\cos kx\cos kxdx=\pi a_k \end{aligned} ⟨f(x),coskx⟩=∫02πakcoskxcoskxdx=πak

m m m 阶傅里叶近似即为
f ( x ) ≈ a 0 2 + ∑ n = 1 m ( a n cos ⁡ n x + b n sin ⁡ n x ) f(x)\approx\frac{a_0}{2}+\sum_{n=1}^m(a_n\cos nx+b_n\sin nx) f(x)≈2a0+n=1∑m(ancosnx+bnsinnx)可以证明，当 m → ∞ m\rightarrow\infty m→∞ 时， f f f 和傅里叶近似之间的均方误差也趋近于 0. m m m 阶傅里叶近似相当于是 f f f 在 { 1 , sin ⁡ x , cos ⁡ x , sin ⁡ 2 x , cos ⁡ 2 x , . . . , sin ⁡ m x , cos ⁡ m x } \{1,\sin x,\cos x,\sin 2x,\cos 2x,...,\sin mx,\cos mx\} {1,sinx,cosx,sin2x,cos2x,...,sinmx,cosmx} 张成的子空间 W W W 上的正交投影，并且由正交投影的线性性质可知
proj ⁡ W ( f + g ) = proj ⁡ W f + proj ⁡ W g \operatorname{proj}_{W}(f+g)=\operatorname{proj}_{W} f+\operatorname{proj}_{W} g projW(f+g)=projWf+projWg即 f + g f+g f+g 的 m m m 阶傅里叶近似等于 f f f 的 m m m 阶傅里叶近似和 g g g 的 m m m 阶傅里叶近似之和

EXAMPLE

Find the n n nth-order Fourier approximation to the function f ( t ) = t f(t)= t f(t)=t on the interval [ 0 , 2 π ] [0, 2\pi] [0,2π].

SOLUTION

Compute
and for k > 0 k > 0 k>0, using integration by parts,
Thus the n n nth-order Fourier approximation of f ( t ) = t f(t)= t f(t)=t is
可以看到，三角函数频率越高系数越小， f ( t ) f(t) f(t) 的低频分量占了主要部分
Figure 3 shows the third- and fourth-order Fourier approximations of f f f .

周期为 2 L 2L 2L 的函数展开为傅里叶级数

f ( t ) = f ( t + 2 L ) f(t)=f(t+2L) f(t)=f(t+2L)

函数 f ( t ) f(t) f(t) 周期为 2 L 2L 2L 时需要进行换元，令 x = π L t x=\frac{\pi}{L}t x=Lπt，则 t = L π x t=\frac{L}{\pi}x t=πLx， g ( x ) = f ( t ) = f ( L π x ) g(x)=f(t)=f(\frac{L}{\pi}x) g(x)=f(t)=f(πLx) 的周期为 2 π 2\pi 2π. g ( x ) g(x) g(x) 的傅里叶级数为
g ( x ) = a 0 2 + ∑ n = 1 ∞ ( a n cos ⁡ n x + b n sin ⁡ n x ) g(x)=\frac{a_0}{2}+\sum_{n=1}^\infty(a_n\cos nx+b_n\sin nx) g(x)=2a0+n=1∑∞(ancosnx+bnsinnx)其中，
a k = 1 π ∫ 0 2 π g ( x ) cos ⁡ k x d x , b k = 1 π ∫ 0 2 π g ( x ) sin ⁡ k x d x , k ≥ 0 a 0 = 1 π ∫ 0 2 π g ( x ) d x a_{k}=\frac{1}{\pi} \int_{0}^{2 \pi} g(x) \cos k xd x, \quad b_{k}=\frac{1}{\pi} \int_{0}^{2 \pi} g(x) \sin k xd x, \quad k \geq 0\\ a_{0}=\frac{1}{\pi} \int_{0}^{2 \pi} g(x)d x ak=π1∫02πg(x)coskxdx,bk=π1∫02πg(x)sinkxdx,k≥0a0=π1∫02πg(x)dx将 x = π L t x=\frac{\pi}{L}t x=Lπt， 1 π ∫ 0 2 π d x = 1 L ∫ 0 2 L d t \frac{1}{\pi}\int_0^{2\pi} dx=\frac{1}{L}\int_0^{2L} dt π1∫02πdx=L1∫02Ldt 代入可知， f ( t ) f(t) f(t) 的傅里叶级数为
f ( t ) = a 0 2 + ∑ n = 1 ∞ ( a n cos ⁡ n π L t + b n sin ⁡ n π L t ) f(t)=\frac{a_0}{2}+\sum_{n=1}^\infty(a_n\cos \frac{n\pi}{L}t+b_n\sin \frac{n\pi}{L}t) f(t)=2a0+n=1∑∞(ancosLnπt+bnsinLnπt)其中，
a k = 1 L ∫ 0 2 L f ( t ) cos ⁡ k π L t d t , b k = 1 L ∫ 0 2 L f ( t ) sin ⁡ k π L t d t , k ≥ 0 a 0 = 1 L ∫ 0 2 L f ( t ) d t a_{k}=\frac{1}{L} \int_{0}^{2 L} f(t) \cos \frac{k\pi}{L}td t, \quad b_{k}=\frac{1}{L} \int_{0}^{2 L} f(t) \sin \frac{k\pi}{L}td t, \quad k \geq 0\\ a_{0}=\frac{1}{L} \int_{0}^{2L} f(t)d t ak=L1∫02Lf(t)cosLkπtdt,bk=L1∫02Lf(t)sinLkπtdt,k≥0a0=L1∫02Lf(t)dt
令基频率 w = 2 π T = π L w=\frac{2\pi}{T}=\frac{\pi}{L} w=T2π=Lπ，则周期为 T = 2 L T=2L T=2L 的函数展开为傅里叶级数可以写为如下形式：
f ( t ) = a 0 2 + ∑ n = 1 ∞ ( a n cos ⁡ ( n w t ) + b n sin ⁡ ( n w t ) ) f(t)=\frac{a_0}{2}+\sum_{n=1}^\infty(a_n\cos (nwt)+b_n\sin (nwt)) f(t)=2a0+n=1∑∞(ancos(nwt)+bnsin(nwt))其中，
a k = 2 T ∫ 0 T f ( t ) cos ⁡ ( k w t ) d t , b k = 2 T ∫ 0 T f ( t ) sin ⁡ ( k w t ) d t , k ≥ 0 a 0 = 2 T ∫ 0 T f ( t ) d t a_{k}=\frac{2}{T} \int_{0}^{T} f(t) \cos (kwt)d t, \quad b_{k}=\frac{2}{T} \int_{0}^{T} f(t) \sin (kwt)d t, \quad k \geq 0\\ a_{0}=\frac{2}{T} \int_{0}^{T} f(t)d t ak=T2∫0Tf(t)cos(kwt)dt,bk=T2∫0Tf(t)sin(kwt)dt,k≥0a0=T2∫0Tf(t)dt因此，任何周期函数都可以看作是不同振幅，不同相位正弦波的叠加。在频域，0 频率也被称为直流分量，在傅里叶级数的叠加中，它仅仅影响全部波形相对于数轴整体向上或是向下而不改变波的形状

傅里叶级数的复数形式

由欧拉公式 e i θ = cos ⁡ θ + i sin ⁡ θ e^{i\theta}=\cos\theta+i\sin \theta eiθ=cosθ+isinθ 可得，
cos ⁡ θ = 1 2 ( e i θ + e − i θ ) sin ⁡ θ = − 1 2 i ( e i θ − e − i θ ) \cos\theta=\frac{1}{2}(e^{i\theta}+e^{-i\theta})\\ \sin\theta=-\frac{1}{2}i(e^{i\theta}-e^{-i\theta}) cosθ=21(eiθ+e−iθ)sinθ=−21i(eiθ−e−iθ)将上述 2 式代入傅里叶级数展开式有
f ( t ) = a 0 2 + ∑ n = 1 ∞ ( a n cos ⁡ ( n w t ) + b n sin ⁡ ( n w t ) ) = a 0 2 + ∑ n = 1 ∞ ( a n 1 2 ( e i n w t + e − i n w t ) − b n 1 2 i ( e i n w t − e − i n w t ) ) = a 0 2 + ∑ n = 1 ∞ a n − i b n 2 e i n w t + ∑ n = 1 ∞ a n + i b n 2 e − i n w t = ∑ n = 0 0 a 0 2 e i n w t + ∑ n = 1 ∞ a n − i b n 2 e i n w t + ∑ n = − ∞ − 1 a − n + i b − n 2 e i n w t = ∑ n = − ∞ ∞ C n e i n w t \begin{aligned} f(t)&=\frac{a_0}{2}+\sum_{n=1}^\infty(a_n\cos (nwt)+b_n\sin (nwt)) \\&=\frac{a_0}{2}+\sum_{n=1}^\infty(a_n\frac{1}{2}(e^{inwt}+e^{-inwt})-b_n\frac{1}{2}i(e^{inwt}-e^{-inwt})) \\&=\frac{a_0}{2}+\sum_{n=1}^\infty\frac{a_n-ib_n}{2}e^{inwt}+\sum_{n=1}^\infty\frac{a_n+ib_n}{2}e^{-inwt} \\&=\sum_{n=0}^0\frac{a_0}{2}e^{inwt}+\sum_{n=1}^\infty\frac{a_n-ib_n}{2}e^{inwt}+\sum_{n=-\infty}^{-1}\frac{a_{-n}+ib_{-n}}{2}e^{inwt} \\&=\sum_{n=-\infty}^\infty C_ne^{inwt} \end{aligned} f(t)=2a0+n=1∑∞(ancos(nwt)+bnsin(nwt))=2a0+n=1∑∞(an21(einwt+e−inwt)−bn21i(einwt−e−inwt))=2a0+n=1∑∞2an−ibneinwt+n=1∑∞2an+ibne−inwt=n=0∑02a0einwt+n=1∑∞2an−ibneinwt+n=−∞∑−12a−n+ib−neinwt=n=−∞∑∞Cneinwt其中，
C n = { a 0 2 n = 0 a n − i b n 2 n > 0 a − n + i b − n 2 n < 0 C_n=\left\{\begin{aligned} &\frac{a_0}{2}\quad\quad\quad\quad\quad n=0\\ &\frac{a_n-ib_n}{2}\quad\quad\ \ n>0\\ &\frac{a_{-n}+ib_{-n}}{2}\quad\ \ n<0 \end{aligned} \right. Cn=⎩ ⎨ ⎧2a0n=02an−ibn n>02a−n+ib−n n<0
傅里叶级数系数的表达式如下：
a k = 2 T ∫ 0 T f ( t ) cos ⁡ ( k w t ) d t , b k = 2 T ∫ 0 T f ( t ) sin ⁡ ( k w t ) d t , k ≥ 0 a 0 = 2 T ∫ 0 T f ( t ) d t a_{k}=\frac{2}{T} \int_{0}^{T} f(t) \cos (kwt)d t, \quad b_{k}=\frac{2}{T} \int_{0}^{T} f(t) \sin (kwt)d t, \quad k \geq 0\\ a_{0}=\frac{2}{T} \int_{0}^{T} f(t)d t ak=T2∫0Tf(t)cos(kwt)dt,bk=T2∫0Tf(t)sin(kwt)dt,k≥0a0=T2∫0Tf(t)dt将其带入 C n C_n Cn 可得
C n = { 1 T ∫ 0 T f ( t ) d t = 1 T ( ∫ 0 T f ( t ) [ cos ⁡ ( 0 ) − i sin ⁡ ( 0 ) ] d t ) n = 0 1 T ( ∫ 0 T f ( t ) [ cos ⁡ ( n w t ) − i sin ⁡ ( n w t ) ] d t ) n > 0 1 T ( ∫ 0 T f ( t ) [ cos ⁡ ( n w t ) − i sin ⁡ ( n w t ) ] d t ) n < 0 C_n=\left\{\begin{aligned} &\frac{1}{T} \int_{0}^{T} f(t)d t=\frac{1}{T}\left( \int_{0}^{T} f(t) [\cos (0)-i\sin(0)]d t\right)\quad\quad n=0\\ &\frac{1}{T}\left( \int_{0}^{T} f(t) [\cos (nwt)-i\sin(nwt)]d t\right)\quad\ \ n>0\\ &\frac{1}{T}\left( \int_{0}^{T} f(t) [\cos (nwt)-i\sin(nwt)]d t\right)\quad\ \ n<0 \end{aligned} \right. Cn=⎩ ⎨ ⎧T1∫0Tf(t)dt=T1(∫0Tf(t)[cos(0)−isin(0)]dt)n=0T1(∫0Tf(t)[cos(nwt)−isin(nwt)]dt) n>0T1(∫0Tf(t)[cos(nwt)−isin(nwt)]dt) n<0整理可得
C n = 1 T ( ∫ 0 T f ( t ) [ cos ⁡ ( n w t ) − i sin ⁡ ( n w t ) ] d t ) = 1 T ( ∫ 0 T f ( t ) e − i n w t d t ) \begin{aligned} C_n&=\frac{1}{T}\left( \int_{0}^{T} f(t) [\cos (nwt)-i\sin(nwt)]d t\right) \\&=\frac{1}{T}\left( \int_{0}^{T} f(t) e^{-inwt}d t\right) \end{aligned} Cn=T1(∫0Tf(t)[cos(nwt)−isin(nwt)]dt)=T1(∫0Tf(t)e−inwtdt)
总结可得，傅里叶级数的复数形式为
f ( t ) = ∑ n = − ∞ ∞ C n e i n w t s . t . C n = 1 T ( ∫ 0 T f ( t ) e − i n w t d t ) f ( t ) = f ( t + T ) \begin{aligned} f(t)&=\sum_{n=-\infty}^\infty C_ne^{inwt}\\ s.t.\quad C_n&=\frac{1}{T}\left( \int_{0}^{T} f(t) e^{-inwt}d t\right)\\ f(t)&=f(t+T) \end{aligned} f(t)s.t.Cnf(t)=n=−∞∑∞Cneinwt=T1(∫0Tf(t)e−inwtdt)=f(t+T)其中， w = 2 π T w=\frac{2\pi}{T} w=T2π 为基频率

复数基函数的性质

下面我们可以先看一下当 n n n 取不同值时 f ( t ) = e i n w t f(t)=e^{inwt} f(t)=einwt 是怎样的函数，
n = 0 f ( t ) = e 0 = 1 n = 1 f ( t ) = e i w t T = 2 π w n = 2 f ( t ) = e 2 i w t T = π w . . . n = − 1 f ( t ) = e − i w t T = 2 π w n = − 2 f ( t ) = e − 2 i w t T = π w . . . \begin{aligned} &n=0\quad\quad f(t)=e^0=1\\ &n=1\quad\quad f(t)=e^{iwt} \quad\quad T=\frac{2\pi}{w} \\ &n=2\quad\quad f(t)=e^{2iwt} \quad\quad T=\frac{\pi}{w} \\ &...\\ &n=-1\quad\quad f(t)=e^{-iwt} \quad\quad T=\frac{2\pi}{w} \\ &n=-2\quad\quad f(t)=e^{-2iwt} \quad\quad T=\frac{\pi}{w} \\ &... \end{aligned} n=0f(t)=e0=1n=1f(t)=eiwtT=w2πn=2f(t)=e2iwtT=wπ...n=−1f(t)=e−iwtT=w2πn=−2f(t)=e−2iwtT=wπ...其中， n = 0 n=0 n=0 时， f ( t ) f(t) f(t) 是一个常函数。 n > 0 n>0 n>0 时， f ( t ) = e i n w t = cos ⁡ n w t + i sin ⁡ n w t f(t)=e^{inwt}=\cos nwt+i\sin nwt f(t)=einwt=cosnwt+isinnwt 可以看作是复平面上沿着单位圆逆时针旋转的函数，周期为转一圈所需的时间也就是 n w T = 2 π ⇒ T = 2 π n w nwT=2\pi\Rightarrow T=\frac{2\pi}{nw} nwT=2π⇒T=nw2π. n < 0 n<0 n<0 时， f ( t ) = e − i n w t = cos ⁡ n w t − i sin ⁡ n w t f(t)=e^{-inwt}=\cos nwt-i\sin nwt f(t)=e−inwt=cosnwt−isinnwt 可以看作是复平面上沿着单位圆顺时针旋转的函数，周期也是 T = 2 π n w T=\frac{2\pi}{nw} T=nw2π. 除了 n = 0 n=0 n=0 以外， T = 2 π w T=\frac{2\pi}{w} T=w2π 是每个函数的公共周期，并且对应同一周期的函数有两个
事实上，上述函数 { . . . , e − 3 i w t , e − 2 i w t , e − i w t , 1 , e i w t , e 2 i w t , e 3 i w t , . . . } \{...,e^{-3iwt},e^{-2iwt},e^{-iwt},1,e^{iwt},e^{2iwt},e^{3iwt},...\} {...,e−3iwt,e−2iwt,e−iwt,1,eiwt,e2iwt,e3iwt,...} 是周期为 T T T 的复值函数的一组复数基，它的内积被定义为 (内积需满足 ⟨ f , f ⟩ ≥ 0 \langle f, f\rangle\geq0 ⟨f,f⟩≥0)
⟨ f , g ⟩ = ∫ 0 T f ( x ) g ( x ) ‾ d x \langle f, g\rangle=\int_{0}^{T} f(x) \overline{g(x)} d x ⟨f,g⟩=∫0Tf(x)g(x)dx其中， g ( x ) ‾ \overline{g(x)} g(x) 为 g ( x ) g(x) g(x) 的共轭。因此有
⟨ e i m w t , e i n w t ⟩ = ∫ 0 T e i m w t e − i n w t d t = ∫ 0 T e i ( m − n ) w t d t = { 0 m ≠ n T m = n \begin{aligned} \langle e^{imwt}, e^{inwt}\rangle&=\int_{0}^{T} e^{imwt}e^{-inwt} d t\\ &=\int_{0}^{T} e^{i(m-n)wt} d t \\&=\left\{\begin{aligned}&0\quad \ m\neq n\\&T\quad m= n\end{aligned}\right. \end{aligned} ⟨eimwt,einwt⟩=∫0Teimwte−inwtdt=∫0Tei(m−n)wtdt={0 m=nTm=n

Fourier Transform (FT, 傅里叶变换)

从时域到频域

傅里叶级数的复数形式为
f ( t ) = ∑ n = − ∞ ∞ C n e i n w t f(t)=\sum_{n=-\infty}^\infty C_ne^{inwt} f(t)=n=−∞∑∞Cneinwt可以看到，区分不同周期函数的仅仅是 C n C_n Cn，借此可以将一个周期函数从时域转换为频域：
上图将 C n C_n Cn 表示在了复平面中，实部和虚部都表示出来了 (振幅谱 + 相位谱)。但有时会将 C n C_n Cn 的幅度 ∣ C n ∣ |C_n| ∣Cn∣ 拿出来用以表示 f ( t ) f(t) f(t) 在不同频率下的强度 (振幅谱)
很多在时域看似不可能做到的数学操作，在频域相反很容易。这就是需要傅里叶变换的地方。尤其是从某条曲线中去除一些特定的频率成分，这在工程上称为滤波，是信号处理最重要的概念之一，只有在频域才能轻松的做到；在图像处理领域，离散傅里叶变换将图像的离散像素数据转化为频谱数据，进行高频分量的舍弃与处理可以实现图像滤波以及图像压缩等目的

傅里叶变换及其逆变换

上面我们展示了周期函数时域到频域的变换，而非周期函数呢？将非周期函数由时域转换为频域的变换即为傅里叶变换。非周期函数可以看作 T → ∞ T\rightarrow\infty T→∞，因此
Δ w = ( n + 1 ) w 0 − n w 0 = w 0 = 2 π T → 0 \Delta w=(n+1)w_0-nw_0=w_0=\frac{2\pi}{T}\rightarrow0 Δw=(n+1)w0−nw0=w0=T2π→0也就是说，基频率 w w w 由离散变为了连续，周期函数频谱中横坐标离散的 n w 0 nw_0 nw0 在非周期函数中就变为了连续的 w w w
傅里叶级数的复数形式为
f ( t ) = ∑ n = − ∞ ∞ C n e i n w 0 t = ∑ n = − ∞ ∞ 1 T ( ∫ − T 2 T 2 f ( t ) e − i n w 0 t d t ) e i n w 0 t = ∑ n = − ∞ ∞ Δ w 2 π ( ∫ − T 2 T 2 f ( t ) e − i n w 0 t d t ) e i n w 0 t \begin{aligned} f(t)&=\sum_{n=-\infty}^\infty C_ne^{inw_0t}=\sum_{n=-\infty}^\infty \frac{1}{T}\left( \int_{-\frac{T}{2}}^{\frac{T}{2}} f(t) e^{-inw_0t}d t\right)e^{inw_0t} \\&=\sum_{n=-\infty}^\infty \frac{\Delta w}{2\pi}\left( \int_{-\frac{T}{2}}^{\frac{T}{2}} f(t) e^{-inw_0t}d t\right)e^{inw_0t} \end{aligned} f(t)=n=−∞∑∞Cneinw0t=n=−∞∑∞T1(∫−2T2Tf(t)e−inw0tdt)einw0t=n=−∞∑∞2πΔw(∫−2T2Tf(t)e−inw0tdt)einw0t当 T → ∞ T\rightarrow\infty T→∞ 时，有
∫ − T 2 T 2 d t → ∫ − ∞ + ∞ d t n w 0 → w ∑ n = − ∞ ∞ Δ w = ∫ − ∞ + ∞ d w \int_{-\frac{T}{2}}^{\frac{T}{2}}d t\rightarrow\int_{-\infty}^{+\infty}d t\\ nw_0\rightarrow w\\ \sum_{n=-\infty}^\infty\Delta w=\int_{-\infty}^{+\infty} d w ∫−2T2Tdt→∫−∞+∞dtnw0→wn=−∞∑∞Δw=∫−∞+∞dw代入傅里叶级数的复数形式可得
f ( t ) = 1 2 π ∫ − ∞ + ∞ ( ∫ − ∞ + ∞ f ( t ) e − i w t d t ) e i w t d w \begin{aligned} f(t)&= \frac{1}{2\pi}\int_{-\infty}^{+\infty}\left( \int_{-\infty}^{+\infty} f(t) e^{-iwt}d t\right)e^{iwt}d w \end{aligned} f(t)=2π1∫−∞+∞(∫−∞+∞f(t)e−iwtdt)eiwtdw
傅里叶变换即为中间括号里的积分项
F ( w ) = ∫ − ∞ + ∞ f ( t ) e − i w t d t \begin{aligned} F(w)&= \int_{-\infty}^{+\infty} f(t) e^{-iwt}d t \end{aligned} F(w)=∫−∞+∞f(t)e−iwtdt傅里叶变换的逆变换即为
f ( t ) = 1 2 π ∫ − ∞ + ∞ F ( w ) e i w t d w \begin{aligned} f(t)&= \frac{1}{2\pi}\int_{-\infty}^{+\infty} F(w)e^{iwt}d w \end{aligned} f(t)=2π1∫−∞+∞F(w)eiwtdw

参考文献

纯干货数学推导_傅里叶级数与傅里叶变换
傅立叶变换夯实基础系列视频
L i n e a r Linear Linear a l g e b r a algebra algebra a n d and and i t s its its a p p l i c a t i o n s applications applications
傅里叶分析之掐死教程（完整版）

傅里叶级数、傅里叶变换 (FT)相关推荐

从傅里叶级数（FS）到傅里叶变换(FT)最后到离散傅里叶变换（DFT）
1.傅里叶级数FS(Forurier Series) 傅里叶级数:对于一个周期的连续的时间信号(频域是:离散的,非周期的),通过傅里叶级数可以分解成很多次谐波求和得到(表示为基波加各次谐波分量).· ...
傅里叶变换FT与STFT简介
文章目录 1 傅里叶变换FT 2 短时傅里叶变换STFT 如果信号的幅度和频率内容都不会随着时间的变化而变化,则称此信号是平稳的信号,如频率内容不变的正弦波. 如果信号的幅度随时间变化或信号的频率内容 ...
傅里叶级数FS和傅里叶变换FT，CFS，DFS与CFT，DTFT与DFT，FFT
本文章参考了以下博客 https://blog.csdn.net/weixin_40679412/article/details/80426463
【数字信号处理】序列傅里叶变换(FT)的物理意义
FT的物理意义首先,回顾一下连续傅里叶变换的物理意义:任何信号都可以用不同频率的正弦信号叠加而得到(可能不是很准确,核心意思不变). x ( n ) = 1 2 π ∫ − π π X ( e j ...
深入理解傅里叶变换--FT
目录泰勒级数傅里叶级数欧拉公式傅里叶变换在了解傅里叶之前,首先来认识一下泰勒展开,他与傅里叶级数有着相似的形式. 泰勒级数高数中的泰勒展开要表达的含义是:初等函数可以通过多项式函数拟合.举 ...
fft的c语言和matlab对比_傅里叶级数（FS）、傅里叶变换（FT）快速傅里叶变换（FFT）及量子傅里叶变换（QFT）之间推导关系...
1 引言傅里叶级数 (Fourier Series, FS) 是<高等数学>中遇到的一个重要的级数,它可以将任意一个满足狄利克雷条件的函数为一系列三角级数的和.最早由法国数学家傅里叶在研 ...
傅里叶级数到傅里叶变换
1. 欧拉公式欧拉公式是把复指函数和三角函数联系起来的函数,建立了三角函数和指数函数的关联: eix=cosx+isinxe^{ix} = cosx + isinxeix=cosx+isinx 它是 ...
五种傅里叶变换的分析（FT、FS、DTFT、DFT、DFS）（基于MATLAB）
五种傅里叶变换 FT: 傅里叶变换 Fourier Transform FS: 傅里叶级数 Fourier Series DTFT:离散时间傅里叶变换 Discrete-time Fourier Tr ...
dft计算傅里叶级数系数_傅里叶变换（一）傅里叶级数
开的这个坑大概就是写写从另一个视角来看快速离散傅里叶变换FFT.oi当中常见的FFT的推导方法是从多项式乘法出发,作为多项式乘法的优化算法出现,关于多项式的相关理论详见Miskcoo大佬的blog从多 ...

傅里叶级数、傅里叶变换 (FT)

目录