傅里叶变换的意义和理解
傅里叶变换的意义和理解如下：意义：傅里叶变换是数学中最深刻的见解之一，但不幸的是，它的意义深埋在一些枯燥的方程中。我们都知道傅里叶级数是一种可以把任意周期函数分解成一堆正弦波的方法。和往常一样，这个名字来自一个生活在很久以前的人，他叫傅里叶。在数学术语中，傅里叶变换是一种将信号转换成频率的技术，即从时域到频域的变换方法。傅里叶变换不仅广泛应用于信号(无线电、声学等)处理，而且在图像分析中也有广泛的应用。如边缘检测，图像滤波，图像重建，图像压缩。为了更好地理解它，考虑一个信号x(t):如果我们对另一个信号做同样的处理：在同一时刻测量它的振幅。考虑另一个信号y(t):当我们同时触发这两种信号或者把它们加在一起时会发生什么？当我们在同一时刻发出这两个信号时，我们会得到一个新的信号，它是这两个信号的振幅之和。因为这两个信号被叠加在一起了。对两个信号求和：z(t) = x(t) + y(t)如果我们只有一个信号(x(t)和y(t)的叠加信号）我们能分离出x(t)和y(t)吗？是的。这就是傅里叶变换的作用。它接收一个信号并将其分解成组成它的频率。在我们的例子中，傅里叶变换可以将信号z(t)分解成它的组成频率：信号x(t)和y(t)。理解：傅里叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅里叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。
傅里叶变换的性质
傅里叶变换性质有线性、位移、微分、积分。1、线性性质：函数线性组合的傅里叶变换=各函数傅里叶变换的线性组合。2、位移性质（shift信号偏移，时移性）。3、微分性质：一个函数导数的傅里叶变换等于这个函数傅里叶变换乘以因子iw。4、积分性质：一个函数积分后的傅里叶变换等于这个函数傅里叶变换除以因子iw。利用傅氏变换的这四条性质，可以将线性常系数微分方程转化成为代数方程，通过求解代数方程和求傅氏逆变换，可得到微 分方程的解。位移性质：f（t-t0）表示时间函数f（t）沿t轴向右平移t0，其傅里叶变换=f（t）的傅里叶变换乘以因子exp（-iwt0），类似f（t+t0）的傅里叶变换=f（t）的傅里叶变换乘以因子exp（iwt0）而F（w-w0）的表示频谱函数沿w轴向右平移w0，其傅里叶逆变换=F（w）的傅里叶逆变换乘以因子exp（iw0t），反之乘以exp（-iw0t）
什么是傅里叶变换？
傅里叶变换，最牛的算法之一，广泛应用于物理学、信号处理、概率、统计、密码学、声学、光学等领域。有人说，看懂了傅里叶，也就看懂了世界，能改变一个人对世界的认知。这里我们不深究其中，无数学公式推导，仅为大众简单科普一下傅里叶变换是什么。傅里叶变换最精彩之处就是能够将信号在时域与频域之间进行变换，因此我们先解释一下什么是时域和频域。①时域时域（Time domain）是描述数学函数或物理信号对时间的关系，例如一个信号的时域波形可以表达信号随着时间的变化。比如下面这个时域图，1秒内反复振动了5次，频率是5，最大振幅是1，整图描述的是每一个时刻的信号值：②频域频域（frequency domain）是描述信号在频率方面特性时用到的一种坐标系，频域图显示了在一个频率范围内每个给定频带内的信号量。上面的时域图用频域表示，则是下图。横坐标表示频率，纵坐标表示振幅。这个图表示：这里面有一段波，频率为5，振幅为1。另外，频域表示还可以包括每个正弦曲线的相位，以便能够重新组合频率分量以恢复原始时间信号。不同相位决定了波的位置，从频域信息复原到时域信息，相位非常重要。红色和蓝色正弦波具有θ的相位差傅里叶变换先亮一下通用傅里叶公式。（“公式恐惧症”请闭眼滑过...)傅里叶变换，从定义上讲，表示能将满足一定条件的某个函数表示成三角函数或者它们的积分的线性组合。简单来说，它贯穿了时域与频域，能够将任何形式的周期性信号无限拆解，分为多个有规律的简单正弦波信号。（正弦波是一个圆周运动在一条直线上的投影，所以频域的基本单元也可以理解为一个始终在旋转的圆。）傅里叶级数方波圆动画例如下面这种也是有规律的波形，可以拆解为若干组波的叠加。也就是说，傅里叶变换能够将一段复杂的波，分解成多段规律的、单纯波的集合。然后，对这些规律的波从频域进行描述，就有了整段波的谱线图。如下图，时域观测的方波信号是若干个正弦信号的叠加，当以时间为横轴时可以看到这些信号累加后得到的时域图像，而换一个角度，当以频率为坐标时，则得到的是一个个不同频率的脉冲。信号从时域到频域的转换，则是傅里叶正变换，从频率到时域的表示则是傅里叶逆变换。因此，时域和频域是以完全不同的角度表示相同的信息。（突然想吟诗一首：横看成岭侧成峰，远近高低各不同...）很多在时域看似不可能做到的操作，在频域却很容易，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。例如在图像处理中，低频项决定了图像的整体形状，高频项则提供了细节，通过控制滤波器可以过滤掉不同频率的信息，从而决定输出的图像效果。
