傅里叶变换与傅里叶级数
重温傅里叶—笔记篇
本文记录的大多是基础的公式，还有一些我认为比较重要的有参考价值的说明。（如果对这些公式已经很熟悉，可以直接看第三部分：总结性说明）
重温傅里叶—笔记篇
一、傅里叶级数
$ 关于三角函数系的正交性：
三角函数系包括：
1, cos x, sinx , cos2x, sin 2x, ……cos nx, sinnx, ……
“正交性”是说，三角函数系中的任何一项与另一项的乘积，在(-π, π) 区间内的积分为0。（任何两相的积总可以展成两个频率为整数倍基频的正余弦函数之和或差，而这两个展开后的正余弦在(-π, π)上积分都为0）。
不同频率（但都是整数倍基频）的两个正弦函数之积，在(-π, π)上积分恒为0。
同频率的两个正弦函数之积，只有在这两个正弦的相位正交时，其在(-π, π)上积分才是0。
三角函数系中除“1”以外的任何一项的平方，在(-π, π)上的积分恒为π，“1”在这个区间上的积分为2π。
$
上公式!
①当周期为2π时：
式（1）：
上式成立的条件是f(x)满足狄立克雷充分条件：
1. 在任意有限区间内连续，或只有有限多个第一类间断点；
2. 任意的有限区间，都可被分成有限多个单调区间（另一种说法是：任意有限区间内只有有限多个极值点，其实是一样的）
式（1）第一行中的a0/2 就是f(x)的周期平均值，而且第一行的式子只对f(x)是连续函数的情况成立；如果f(x)不连续，则应表示成“(1/2) ×[f(x-0)+f(x+0)]”，即f(x)左右极限的算术平均。下面的类似情况都是这样，之后就不再专门说明，这些大家应该都懂。
第三、四行中，n的取值都是：1，2，3，4，……n，……（都为正，且不包含0）。
②当周期为2L时（这也是最一般的情形）：
式（2）：
第一行中的a0/2 就是f(x)的周期平均值；
第三、四行中，n的取值都是：1，2，3，4，……n，……（都为正，且不包含0）。
$ 傅里叶级数的复数表达方式
同样设周期为2L。根据欧拉公式，正余弦函数都可以用复指数表示出来。这样上面式（2）中的第一行：
可以表示为：
令：
c n与c-n互为共轭。这样式（4）变为：
由式（5）和式（2）中对a0 b0a n b n c0 c n c-n的定义，可以发现c n可统一表达为：
将傅里叶级数用复数表示后，就是式（6）和式（7）这样简洁的形式。
简单分析：
②若f(x)为偶（或奇）函数，则所有的b n(或a n)将为0，此时的c n将变为实数（或纯虚数），且a n(或b n)是转换后所得的c n的2（或2i）倍，而c-n与c n相等（或纯虚共轭）。
二、复变函数中的傅里叶变换
$ 先上公式：
定理：若f(t)在（-∞,+∞）上绝对可积，即f(t)的绝对值在（-∞,+∞）上收敛，则F(ω)在（-∞,+∞）上存在且连续（F(ω)的连续性在复变函数的教科书中一般都有证明）。F(ω)是实变复值函数，即变量ω是在实数区间（-∞,+∞）定义，而函数值F(ω)却在复数空间。
式（9）的条件是：f(t)在（-∞,+∞）上绝对可积，并在任一有限区间满足狄立克雷充分条件。
$ 若f(t)为偶函数，则F(ω)将为纯实数，且同为偶函数；
若f(t)为奇函数，则F(ω)将为纯虚数，且同为奇函数；
而对任意f(t)，F(ω) 与F(-ω)始终共轭，这意味着|F(ω)| 与| F(-ω)| 恒相等，即F(ω)的绝对值是偶函数。
$ 由于要求f(t)绝对可积，所以对于周期函数一般是不能用傅里叶变换的，只能用傅里叶级数分析。（周期函数往往不能收敛）。
三、总结性说明
周期函数可以看成由很多频率是原函数频率整数倍的正余弦波叠加而成，每个频率的波都有各自的振幅和相位，必须将所有频率的振幅和相位同时记录才能准确表达原函数。但从上面的公式来看，我们好像从没涉及到相位？其实不然，从式（2）来看，我们将每个频率的波分成了一个正弦分量和一个余弦分量，同时记录了这两个分量的振幅a n、b n其实就已经包含了这个频率的波的相位信息；而对于式（6a），每个频率的波被分成了正负两个频率的复数“波”，这种方式其实比正余弦形式更加直观，因为复振幅c n恰好同时记录了这个频率的振幅和相位，它的物理意义很明显：c n的幅值|c n| 即为该频率的振幅（准确的说是振幅的一半），而其辐角恰好就是相位（准确的说是反相的相位，c-n的辐角才恰好代表该频率波分量的相位）。
傅里叶变换针对的是非周期函数，或者说，周期为无穷的函数。它是傅里叶级数的一个特例（好吧，我曾经一直以为傅里叶级数是傅里叶变换的一个特例，正好相反，刚前几天才想通透）。当傅里叶级数的周期L趋于无穷时，自然就变成了上面的傅里叶变换。这种关系从二者的表达式中大概能看出点端倪，但是也不是特别明显，毕竟它们的表达形式差别还挺大。如果不把傅里叶级数表达成复数形式，那就更加难看出二者之间的联系了，这也是为什么本文中详细列出了复数形式的傅里叶级数。傅里叶变换要求f(t)在（-∞,+∞）上绝对可积，其实可以理解成“傅里叶级数要求函数在一个周期内的积分必须收敛”。在深入篇中，我再好好说说二者是如何联系的。
重温傅里叶--深入篇1--傅里叶级数与傅里叶变换的关系以及频谱图的介绍
在读本文前，请先大致浏览一下笔记篇里的东西，下面使用的符号及其意义都跟笔记篇里是一致的。笔记篇里记录的大都是基础的公式，教科书上都可以找到。
（抱歉，刚发现有点小错误：在式（6-4）和式（11）里，积分项中的“dx”都应改为“dω”，
由于改图不太好改，就只在这里说明了。请读者看的时候注意）
为了下面叙述方便，我先做几点约定和说明：
本文中提到的傅里叶级数都是复数形式的级数，下标n都是负无穷到正无穷；
对于笔记篇里经常出现的“ nπ/L ”，它可以看成一个角频率，用ω表示。（角频率与频率(通常用f表示)之间的关系是：ω=2πf）。（参见笔记篇中的式（3）、（4）、（6）等）；
进一步，我将“π/L”称为“角基频”，这样的话“ nπ/L”就是n倍角基频。当周期为2π时，角基频恰好为1；
一定别搞混：c n代表的不是角频率为n的波分量的振幅，而是角频率为n倍角基频的
波分量的振幅；
对于周期函数，除了角频率为整数倍（包括负整数倍）角基频的波分量振幅可以不为0外，角频率为其他值的波分量振幅都是0。（下面介绍频谱图时会再提到此事）；
*对于周期L等于无穷大的函数（非周期函数），其角基频为π/L = 0 ，这样实数范围内的所有角频率都可以看成整数倍角基频了，因此非周期函数在所有的角频率处都有波分量！（就是说，频谱图由离散变得连续了）。什么，那不乱套了？如果所有的角频率都有波分量而且每个波分量都有一个不为0的振幅，那级数怎么可能收敛？还好，每个c n的表达式中
都有一个1/2L 的系数，这样周期无穷大时，所有的振幅c n也都变成“0”了，所以不会乱套，
但是这么多0加一块应该还是0，怎么能凑出原来的f(x)呢？这就像对一个函数积分一样，函数在任意一个点处的积分都是0（好吧我知道这说法不科学，但是方便理解），但对一个区间积分，这么多0加起来就成了一个有限值。好了，不乱说了，越说越乱，本文就从这里开始，看完下面的几段大家就能清楚的知道是怎么一回事了。
为了方便大家翻阅，我先将一会儿涉及到的几个公式重新贴一遍在这里。这些公式及公式的标号都与笔记篇中相同。
周期级数公式如式（6）和式（7）那样，我们现在要做的是，搞明白为什么周期L趋于无穷时，就会有式（9）和式（8）的结果。
好，现在我们对式（6）和式（7）进行第一步加工：将式中的“ nπ/L ”用角频率ωn来表示，代表n倍角基频。这样，会产生下面的新式子：
对比式（7-1）和式（8），发现他们右边的积分式主体部分形式几乎是一样的，只是上下限和系数不同。好吧，为了更直观的对比，我再创造一个符号，F n，将它定义如下：
F n = c n × 2L
这样我们就可以彻底抛弃c n 这个碍眼的符号了，全部用F n代替。然后重写式（6）和式（7）：
再拿式（7-2）和式（8）对比，会发现很让人兴奋的结果，他们的形式几乎一样！但是式（6-2）和式（9）貌似差别还不小，他们的系数一个是(1/2L)，一个(1/2π)。好吧，接着来，我们再创造一个符号，Δω，定义如下：
Δω = （π/ L）（其实就是角基频的大小）
利用它来再次加工式（6）：（式（7-2）不变，但还是一块列了出来）
重新对比式（6-3）和式（9），发现形式已经很相近了，只不过一个是积分一个是和式……等一下！和式？再仔细看看看式（6-3），发现这时它很像一个函数积分的和式展开式！那我们现在来构造两个函数吧：F*(ω)和ω*(ω)，构造方法如下：
F*(ω) =F n当 [ ( n - 1/2 )Δω] < ω < [ ( n + 1/2 )Δω]时；
ω*(ω) =ωn 当 [ ( n - 1/2 )Δω] < ω < [ ( n + 1/2 )Δω]时；
这是两个分段跳跃函数，它们都以ω为自变量，并每隔Δω，函数值变化一次。
好吧，数字太不直观，我把F*(ω)的函数图象大致画出来方便大家理解：
上面这个阶梯状的东西就是F*(ω)的函数图象。ω*(ω)的图像也是类似的阶梯状，而且它的更简单，是一个从负无穷到正无穷逐步升高的形状（每次升高一个角基频的大小）。
这里有必要说明一下，以免误导大家：F n一般都是复数，只有在f(x)本身是偶函数时才是实数，因此函数F*的值也应为复数。也就是说，将F*的函数图象画成图1那样的实数形式其实是不合理的。我这样做只是为了方便大家理解（6-3）中的和式是如何变成积分式的。
好了，有了这两个函数，我们再来仔细看看式（6-3），不难看出，这个和式其实就是函数F*在（-∞,+∞）上的积分（面积）！这次我们再进一步，将上面两个式子中的F n和ωn也都换掉，使其变成ω*和F*这两个函数之间的关系式（离成功不远了）：
这就是转换后的结果。笔记篇中的式（6b）与式（7），跟现在推出的式（6-4）与式（7-4），是完全等价的，因为后面的两个就是根据前两个换算来的，只不过借助了F*(ω)和ω*(ω)这两个新构造的函数而已。
表达的意义一样，适用范围也一样（都适用于周期函数），但形式却大变！
这时再回头看看式（9）和式（8），我们终于可以松口气了，形式完全一样！好了，现在我们再看看看周期L趋于无穷时会发生什么。如果直接分析笔记篇中的式（6b）与式（7），我们会很失望，因为L趋于无穷时，它们都“退化”了，很难直接地从这两个式子中得到有用的信息（如果用这两个式子，我们所能得到的“直观”结果就是：c n全变0了，所以f(x)是0。显然这是错的）。但我们后来创造出来的式（6-4）与式（7-4），适应环境的能力就很强了。
1. 首先，L趋于无穷时，Δω会变得越来越小直至变成0（Δω是什么？忘了？前面有，Δω = （π/ L））；
2. 同时，对于ω*(ω) = ωn，由于Δω其实就是角基频，而相邻的两个ωn差就是一个角基频，根据1可知，L趋于无穷时，ω*(ω)就由阶梯跳跃变得连续了，这时ω*(ω) =ω。
3. 同时，两个相邻的F n，他们的差别也越来越小直至变成0，（F n = c n × 2L ，从c n的表达式可以看出，L趋于无穷时c n本身就是一个与（1/L）同阶的无穷小量，那相邻的c n之间的差值就是比（1/L）更高阶的无穷小量，因此相邻的F n之间的差值就趋于0了）。
OK完结，多么简单，可是以前就没想到，刚现在才开窍。
数字游戏玩完之后，我们再好好理解一下式（8）（9）中的F(ω)。从我们刚才的证明过程中，可以看到F n = c n×2L ，在笔记篇中我说过，c n其实就代表某个频率波分量的振幅和相位，而F n与c n是成正比的，它的值同样可以表征一个波分量的振幅和相位。F(ω)与F n有相同的意义，因此F(ω)的分布其实就代表了各角频率波分量的分布。具体的说：
|F(ω)| 的分布正比地体现了各个角频率波分量的振幅分布。（别忘了F(ω)是复数）F(ω)的辐角体现了各个角频率波分量的相位分布。
我们平时所说的“频谱图”，其实指的就是| F(ω)|的函数图象，它始终是偶函数（这个就是实数了，因为我们取的是F(ω)的幅值而不是F(ω)本身）。
对于满足傅里叶变换条件的非周期函数，他们的频谱图一般都是连续的；而对于周期函数，他们的频谱则都是离散的点，只在整数倍角基频的位置有非零的频谱点存在。根据频谱图可以很容易判断该原函数是周期函数还是非周期的（看频谱图是否连续就行了），而且对于周期函数，可以从频谱图读出周期大小（相邻的离散点之间的横轴间距就是角基频，这个角频率对应的周期就是原函数的周期）。
那怎样读出每个频率的振幅呢？| F(ω)| 与振幅成正比，要想读出某个频率波分量的实际振幅，只需让|F(ω)| 乘以相邻离散点的横轴间距再除以π即可。其实就是让|F(ω)| 除以原函数周期值的一半（即L），参考一下我们上面说到的F n和c n之间的关系式以及我在笔记篇中提到的“|c n|的幅值是实际振幅的一般”，就可以轻松得到得到这个结论。对于非周期函数来说，其频谱图已趋于连续，相邻“离散点”的横轴间距就是一个无穷小量，而|F(ω)| 是有限值，那么每个频率波分量的实际振幅就都是0了。
所以对于非周期函数，说“|F(ω)| 代表了振幅密度的大小”比说“ |F(ω)| 代表了振幅的大小”
更贴切一点。在某个宽度为Δω的区间内（频带），对这个“密度”进行积分，（其实还要再除以π的）就能得到这个宽度为Δω的频带中所有频率产生的振幅之和（虽然大家的振幅都是趋于0，但无数个加一块就有非零值了）。怎么理解呢？先把这个连续频谱图想象成一个由很多离散点组成的离散频谱图，只不过相邻离散点之间的横轴间距特别小（用dω表示吧，方便我叙述），其实相当于先把这个非周期函数想象成了一个周期很长的周期函数（周期越长，相邻离散点的横轴间距π/L 越小），然后用周期函数那一套计算这个宽度为Δω的频带内所有频率的振幅之和，求解方法就是让每个非零的频谱值乘以相邻离散点横轴间距dω，都加一块，再除以π。这要取个极限的话，正好就是“在这个宽度为Δω的频带内，对这个密度进行积分，然后除以π”。
下面配两个图，分别是一个周期函数和一个非周期函数的频谱图：
本文完。我以前就一直不清楚傅里叶变换和傅里叶级数的具体关系，在网上找不到很好的资料，以前又没听过课（估计课上也不会讲），书本上又讲的太含糊，所以很长时间没有好好思考过傅里叶级数，现在终于自己想明白了。希望我的这些想法希望对你也有所帮助。
我研究过傅立叶级数可以说是一对于一个周期性的函数而言的，然而当我们把周期看成无穷大时，那么离散的傅立叶级数也就成为了连续的傅立叶变换了，然后在利用哪个欧拉公式，将它变成了实数与复数的傅立叶变换了，这个是时域与频域的变换，这个变换大大的化简了在时域里面的运算，我们可以看到傅立叶变换的求导和积分都是在原来的基础上多了一个幅度的变化而已，F(ω)= e^iωt，连续形式的傅立叶变换其实是傅立叶级数的推广，因为积分其实是一种极限形式的求和算子而已。离散傅立叶变换是离散时间傅立叶变换（DTFT）的特例（有时作为后者的近似）。DTFT在时域上离散，在频域上则是周期的。DTFT可以被看作是傅立叶级数的逆。对于周期函数，其傅立叶级数是存在的：这是一个非常奇妙的变换
傅里叶(Fourier)级数的指数形式与傅里叶变换
傅里叶(Fourier )级数的指数形式与傅里叶变换 专题摘要：根据欧拉（Euler ）公式，将傅里叶级数三角表示转化为指数表示，进而得到傅里叶积分定理，在此基础上给出傅里叶变换的定义和数学表达式。 在通信与信息系统、交通信息与控制工程、信号与信息处理等学科中，都需要对各种信号与系统进行分析。通过对描述实际对象数学模型的数学分析、求解，对所得结果给以物理解释、赋予其物理意义，是解决实际问题的关键。这种数学分析方法主要针对确定性信号的时域和频域分析，线性时不变系统的描述以及信号通过线性时不变系统的时域分析与变换域分析。所有这些分析方法都离不开傅里叶变换、拉普拉斯变换和离散时间系统的z 变换。而傅里叶变换的理论基础是傅里叶积分定理。傅里叶积分定理的数学表达式就是傅里叶级数的指数形式。 不但傅里叶变换依赖于傅里叶级数，就是纯数学分支的调和分析也来源于函数的傅里叶级数。因此，傅里叶级数无论在理论研究还是在实际应用中都占有非常重要的地位。我们承认满足狄里克莱（Dirichlet ）条件下傅里叶级数的收敛性结果，不去讨论和深究傅里叶展式的唯一性问题。 傅里叶级数的指数形式 一个以T 为周期的函数)(t f ，在]2 ,2[T T 上满足狄里克莱条件：1o
)(t f 连续或只有有限个第一类间断点；2o 只有有限个极值点。那么)(t f 在]2 ,2[T T - 上就可以展成傅里叶级数。在连续点处 ∑∞ =++=1 )sin cos (2)(n n n t n b t n a a t f ωω， （1） 其中 T πω2= ， ),2,1,0(,cos )(2 22Λ==?-n dt t n t f T a T T n ω， （2） ),3,2,1(,sin )(2 22 Λ==?-n dt t n t f T b T T n ω， （3） 根据欧拉（Euler ）公式：θθθsin cos j e j +=，（1）式化为 ∑∞=--?? ????-+++=10222)(n t jn t jn n t jn t jn n j e e b e e a a t f ωωωω ∑∞=-?? ? ???++-+=10222n t jn n n t jn n n e jb a e jb a a ωω， （4） 若令 dt t f T c T T ?-=22 0)(1 Λ,3,2,1,)(1 ]sin )[cos (1 sin )(1cos )(1222 2222 22==-=-=-=????-----n dt e t f T dt t n j t n t f T dt t n t f T j dt t n t f T jb a c T T t jn T T T T T T n n n ωωωωω Λ,3,2,1,)(1 22 ==?--n dt e t f T c T T t jn n ω 综合n n c c c -,,0，可合并成一个式子 Λ,2,1,0,)(1 22 ±±==?--n dt e t f T c T T t jn n ω， （5）
小波变换与傅里叶变换的对比异同
小波变换与傅里叶变换的对比、异同 一、基的概念 两者都是基，信号都可以分成无穷多个他们的和（叠加）。而展开系数就是基与信号之间的内积，更通俗的说是投影。展开系数大的，说明信号和基是足够相似的。这也就是相似性检测的思想。但我们必须明确的是，傅里叶是0-2pi 标准正交基，而小波是-inf到inf之间的基。因此，小波在实轴上是紧的。而傅里叶的基（正弦或余弦），与此相反。而小波能不能成为Reisz基，或标准稳定的正交基，还有其它的限制条件。此外，两者相似的还有就是PARSEVAL定理。（时频能量守恒）。 二、离散化的处理 傅里叶变换，是一种数学的精妙描述。但计算机实现，却是一步步把时域和频域离散化而来的。第一步，时域离散化，我们得到离散时间傅里叶变换（DTFT），频谱被周期化；第二步，再将频域离散化，我们得到离散周期傅里叶级数（DFS），时域进一步被周期化。第三步，考虑到周期离散化的时域和频域，我们只取一个周期研究，也就是众所周知的离散傅里叶变换（DFT）。这里说一句，DFT是没有物理意义的，它只是我们研究的需要。借此，计算机的处理才成为可能。所有满足容许性条件（从-INF到+INF积分为零）的函数，都可以成为小波。小波作为尺度膨胀和空间移位的一组函数也就诞生了。但连续取值的尺度因子和平移因子，在时域计算量和频域的混叠来说，都是极为不便的。用更为专业的俗语，叫再生核。也就是，对于任何一个尺度a和平移因子b的小波，和原信号内积，所得到的小波系数，都可以表示成，在a，b附近生成的小波，投影后小波系数的线性组合。这就叫冗余性。这时的连续小波是与正交基毫无关系的东西，它顶多也只能作为一种积分变换或基。但它的显微镜特点和相似性检测能力，已经显现出来了。为了进一步更好的将连续小波变换离散化，以下步骤是一种有效方法。第一步，尺度离散化。一般只将a二进离散化，此时b是任意的。这样小波被称为二进小波。第二步，离散b。怎么离散化呢？b取多少才合适呢？于是，叫小波采样定理的东西，就这样诞生了。也就是小波平移的最小距离（采样间隔），应该大于二倍小波基的最高频率（好像类似，记不清了）。所以b取尺度的整数倍就行了。也就是越胖的小波，对应频谱越窄，平移量应该越大，采样间隔越大。当然，第一二两步的频域理解，即在满足频域窗口中心是3倍的频域窗口半径的前提下，频域就在统计上是完美二分的。（但很多小波满足不了这个条件，而且频域窗口能量不?,所以只是近似二分的).这时的小波变换,称为离散二进小波变换.第三步,引入稳定性条件.也就是经过变换后信号能量和原信号能量有什么不等式关系.满足稳定性条件?后,也就是一个小波框架产生了可能.他是数值稳定性的保证.一个稍弱的稳定条件???,就是? 重温傅里叶—笔记篇 本文记录的大多是基础的公式，还有一些我认为比较重要的有参考价值的说明。（如果对这些公式已经很熟悉，可以直接看第三部分：总结性说明） 重温傅里叶—笔记篇 一、傅里叶级数 $关于三角函数系的正交性： 三角函数系包括： 1,cos x,sinx,cos2x,sin 2x,……cos nx,sinnx,…… “正交性”是说，三角函数系中的任何一项与另一项的乘积，在(-π, π) 区间内的积分为0。（任何两相的积总可以展成两个频率为整数倍基频的正余弦函数之和或差，而这两个展开后的正余弦在(-π, π)上积分都为0）。 不同频率（但都是整数倍基频）的两个正弦函数之积，在(-π, π)上积分恒为0。 同频率的两个正弦函数之积，只有在这两个正弦的相位正交时，其在(-π, π)上积分才是0。 三角函数系中除“1”以外的任何一项的平方，在(-π, π)上的积分恒为π，“1”在这个区间上的积分为2π。 $ 上公式! ①当周期为2π时： 式（1）： 上式成立的条件是f(x)满足狄立克雷充分条件： 1.在任意有限区间内连续，或只有有限多个第一类间断点； 2.任意的有限区间，都可被分成有限多个单调区间（另一种说法是：任意有限区间内只有有限多个极值点，其实是一样的） 式（1）第一行中的a0/2 就是f(x)的周期平均值，而且第一行的式子只对f(x)是连续函数的情况成立；如果f(x)不连续，则应表示成“(1/2) ×[f(x-0)+f(x+0)]”，即f(x)左右极限的算术平均。下面的类似情况都是这样，之后就不再专门说明，这些大家应该都懂。 第三、四行中，n的取值都是：1，2，3，4，……n，……（都为正，且不包含0）。 ②当周期为2L时（这也是最一般的情形）： 式（2）： 第一行中的a0/2 就是f(x)的周期平均值； 第三、四行中，n的取值都是：1，2，3，4，……n，……（都为正，且不包含0）。 傅里叶级数及变换的本质解释和形象阐述 ——老师不会这么讲，书上也不会讲很多人学信号与系统、数字信号处理学了几年，关于傅里叶级数和傅里叶变换可能还是一知半解，只能套用公式，根本不理解为什么要这么算，也就是有什么实际含义——可以说，几乎所有信号与系统里面的数学公式都是有实实在在的物理含义的！那么，什么是傅里叶变换，它是怎样一种变换，具体有怎么变换，有没有确切一点或者形象一点的物理解释呢？下面笔者将尝试将自己的理解比较本质和形象地讲出来，形式是思考探讨渐进的模式，也就是我自己的思考过程，希望对大家有所帮助。 首先，要知道傅里叶变换是一种变换，准确点说是投影。傅里叶变换的投影问题，一直想不明白那一系列的正交函数集，到底是什么样一个函数集合，或者说是怎么样的一个空间。所谓三角傅里叶级数当成谐波分析的时候很好理解——同一个时间轴，也就是说同一个维度的分解和叠加，肯定没错，也很实用。但是要是从投影（或者说变换）的角度来说，怎么解释呢？这一系列正弦余弦的函数，在一个区间内，是一个完备的正交函数集，每一个函数所带的系数（或者叫权重），就是原函数在这个函数的方向上的一个投影（说方向不准确，但找不到其他的词）。那么，原函数到底是一个什么样的函数，和各正交基函数又是怎样的一种关系呢？这个投影又是怎么投的呢？三维或者二维空间，一个矢量在各正交基的投影很好理解，那么，傅里 叶变换的正交基函数，也是这样一种相互垂直的关系么？？？投影也是取余弦值么？ 这可以很容易地想清，我们只用余弦或者只用正弦就可以，如cos(2pi*nf0)系列，显然每两个函数图像之间不可能是垂直关系，相反可以看出这是在同一个维度里面的！所以上面两个答案是否定的。 那么，到底是怎么正交、怎么投影的呢。出现这个问题，是因为开始看书的时候我看得太粗心太浅显，没有认真透彻地理解函数正交的含义，没想到那才是最重要最根本的，从那里面再深刻理解一下，问题就迎刃而解。 函数正交和矢量正交完全不一样，是两个概念。函数正交是两个函数，一个不变另一个取共轭值然后逐点相乘再求积分的结果，积分就涉及到一个区间，这也很重要。如果满足：当这两个函数不同时，积分值为0；当两函数相同，积分值不为0。那么这两个函数在这个区间上正交。现在再回过头去看正弦或者余弦函数序列，在各个周期内，都满足上述条件，在正弦和余弦函数之间同样满足，所以这些函数是正交的。至于完备，很明显看出，不去证明了。 第一个问题解决了，现在看怎么去投影了。为更易于理解，我们取指数傅里叶变换为例。众所周知exp(jwt)表示的是一个圆周，我们用来作傅里叶变换的因子，正是这个形式（exp(-jwt)），这里我们还要理解一下傅里叶变换和傅里叶级数的区别，前者求的是复指数傅里叶级数的系数，即每个正交函数的系数（权重），复指数傅里叶级数的正交函数集正是exp(jwt)，所以求系数刚好乘以一个共轭 基于二维傅里叶变换和小波变换的图像稀疏表示 一、基于二维傅里叶变换的图像稀疏表示 傅里叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析。一幅静止的数字图像可以看成是矩阵，因此，数字图像处理主要是对包含数据的矩阵进行处理。 经过对图像进行二维离散傅里叶变换可以得到它的频谱，进而得到我们所需要的特征。二维离散傅里叶变换及逆变换可以表示为： 其中u=0,1,2,...,M-1和v=0,1,2,...,N-1。其中变量u和v用于确定它们的频率，频域系统是由F(u,v)所张成的坐标系，其中u和v用做（频率）变量。空间域是由f(x,y)所张成的坐标系。 傅立叶频谱图上我们看到的明暗不一的亮点，其意义是指图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。下图为cameraman原图像及其频谱分布图： cameraman原图像大小为256*256，其傅里叶变换频谱图大小为256*256。 图像从频域到时域的变换过程称为重构过程，通过峰值信噪比（PSNR）对图像进行评价，公式如下： PSNR=10*log10((2^n-1)^2/MSE) MSE是原图像与处理后图像之间均方误差，n是每个采样值的比特数。通过取不同的大系数个数观察图像变化，单独取第1个大系数时： N=1 PSNR=12.2353所取频谱系数对应图 单独取第9个系数时： N=1 PSNR=6.3108第9个频谱系数对应图 N=2 PSNR= 13.1553所取频谱系数对应图 N=10 PSNR=15.4961 所取频谱系数对应图 N=50 PSNR=17.1111 所取频谱系数对应图 1、傅里叶变换和傅里叶级数的收敛问题 由于傅里叶级数是一个无穷级数，因而存在收敛问题。这包含两方面的意思：是否任何周期信号都可以表示为傅里叶级数；如果一个信号能够表示为傅里叶级数，是否对任何t 值级数都收敛于原来的信号。关于傅里叶级数的收敛，有两组稍有不同的条件。 第一组条件：如果周期信号()t x 在一个周期内平方可积，即 ()∞ 吉布斯现象： 当简单地把信号频谱截断时，相当于给信号频谱加上了一个矩形窗口函数，正是由于矩形窗口函数的时域特性导致了在间断点处的吉布斯现象的产生。 2、周期序列的傅里叶级数展开和傅里叶变换之间的问题 假定()t x 是一个长度为N 的有限长序列，将()t x 以N 为周期延拓而成的周期序列为()n x ~，则有 ()()∑∞-∞=-= r rN n x n x ~ 或表示为()()()N n x n x =~。于是()n x ~ 与()n x 的关系表示为： ()()()N n x n x =~ ()()()n R n x n x N ~= 将()n x ~表示为离散时间傅里叶级数有： ()()kn N N n W k X N n x --=?=∑10~~ 1 ()()kn N N n W n x k X ?=∑-=10~ ~ 其中()k X ~是傅里叶级数的系数，这样做的目的是使其表达形式与离散时间傅里叶变换的形式相类似。如果将()k X ~的主值周期记为()k X ，10-≤≤N k ，由于以上两式中的求和范围均取为区间0~N-1，在次区间内()n x ~ =()n x ，因此可以得到： ()()kn N N n W n x k X ∑-==10~， 10-≤≤N k ()()kn N N n W k X N n x --=∑=10~1， 10-≤≤N n 表明时域N 点有限长序列()n x 可以变换成频域N 点有限长序列()k X 。显然，DFT 与DFS 之间存在以下关系： ()()()N k X k X =~ 详解傅里叶变换与小波变化 希望能简单介绍一下小波变换，它和傅立叶变换的比较，以及它在移动平台做motion detection的应用。如果不做特殊说明，均以离散小波为例子。考虑到我以前看中文资料的痛苦程度，我会尽量用简单，但是直观的方式去介绍。有些必要的公式是不能少的，但我尽量少用公式，多用图。另外，我不是一个好的翻译者，所以对于某些实在翻译不清楚的术语，我就会直接用英语。我并不claim我会把整个小波变换讲清楚，这是不可能的事，我只能尽力去围绕要点展开，比如小波变换相对傅立叶变换的好处，这些好处的原因是什么，小波变换的几个根本性质是什么，背后的推导是什么。我希望达到的目的就是一个小波变换的初学者在看完这个系列之后，就能用matlab或者别的工具对信号做小波变换的基本分析并且知道这个分析大概是怎么回事。 要讲小波变换，我们必须了解傅立叶变换。要了解傅立叶变换，我们先要弄清楚什么是”变换“。很多处理，不管是压缩也好，滤波也好，图形处理也好，本质都是变换。变换的是什么东西呢？是基，也就是basis。如果你暂时有些遗忘了basis的定义，那么简单说，在线性代 数里，basis是指空间里一系列线性独立的向量，而这个空间里的任何其他向量，都可以由这些个向量的线性组合来表示。那basis在变换里面啥用呢？比如说吧，傅立叶展开的本质，就是把一个空间中的信号用该空间的某个basis的线性组合表示出来，要这样表示的原因，是因为傅立叶变换的本质，是。小波变换自然也不例外的和basis有关了。再比如你用Photoshop去处理图像，里面的图像拉伸，反转，等等一系列操作，都是和basis的改变有关。 既然这些变换都是在搞基，那我们自然就容易想到，这个basis的选取非常重要，因为basis的特点决定了具体的计算过程。一个空间中可能有很多种形式的basis，什么样的basis比较好，很大程度上取决于这个basis服务于什么应用。比如如果我们希望选取有利于压缩的话，那么就希望这个basis能用其中很少的向量来最大程度地表示信号，这样即使把别的向量给砍了，信号也不会损失很多。而如果是图形处理中常见的线性变换，最省计算量的完美basis就是eigenvector basis了，因为此时变换矩阵T对它们的作用等同于对角矩阵(Tv_n= av_n，a是eigenvalue)。总的来说，抛开具体的应用不谈，所有的basis，我们都希望它们有一个共同的特点，那就是，容易计算，用最简单的方式呈现最多的信号特性。 好，现在我们对变换有了基本的认识，知道他们其实就是在搞基。当然，搞基也是分形式的，不同的变换，搞基的妙处各有不同。接下来先看看，傅立叶变换是在干嘛。 小波变换与傅里叶变换 的对比异同 IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】 小波变换与傅里叶变换的对比、异同 一、基的概念 两者都是基，信号都可以分成无穷多个他们的和（叠加）。而展开系数就是基与信号之间的内积，更通俗的说是投影。展开系数大的，说明信号和基是足够相似的。这也就是相似性检测的思想。但我们必须明确的是，傅里叶是0-2pi标准正交基，而小波是-inf到inf之间的基。因此，小波在实轴上是紧的。而傅里叶的基（正弦或余弦），与此相反。而小波能不能成为Reisz基，或标准稳定的正交基，还有其它的限制条件。此外，两者相似的还有就是PARSEVAL 定理。（时频能量守恒）。 二、离散化的处理 傅里叶变换，是一种数学的精妙描述。但计算机实现，却是一步步把时域和频域离散化而来的。第一步，时域离散化，我们得到离散时间傅里叶变换（DTFT），频谱被周期化；第二步，再将频域离散化，我们得到离散周期傅里叶级数（DFS），时域进一步被周期化。第三步，考虑到周期离散化的时域和频域，我们只取一个周期研究，也就是众所周知的离散傅里叶变换（DFT）。这里说一句，DFT是没有物理意义的，它只是我们研究的需要。借此，计算机的处理才成为可能。所有满足容许性条件（从-INF到+INF积分为零）的函数，都可以成为小波。小波作为尺度膨胀和空间移位的一组函数也就诞生了。但连续取值的尺度因子和平移因子，在时域计算量和频域的混叠来说，都是极为不便的。用更为专业的俗语，叫再生核。也就是，对于任何一个尺度a和平移因子b的小波，和原信号内积，所得到的小波系数，都可以表示成，在a，b附近生成的小波，投影后小波系数的线性组合。这就叫冗余性。这时的连续小波是与正交基毫无关系的东西，它顶多也只能作为一种积分变换或基。但它的显微镜特点和相似性检测能力，已经显现出来了。为了进一步更好的将连续小波变换离散化，以下步骤是一种有效方法。第一步，尺度离散化。一般只将a二进离散化，此时b 是任意的。这样小波被称为二进小波。第二步，离散b。怎么离散化呢b取多少才合适呢于是，叫小波采样定理的东西，就这样诞生了。也就是小波平移的最小距离（采样间隔），应该大于二倍小波基的最高频率（好像类似，记不清了）。所以b取尺度的整数倍就行了。也就是越胖的小波，对应频谱越窄，平移量应该越大，采样间隔越大。当然，第一二两步的频域理解，即在满足频域窗口中心是3倍的频域窗口半径的前提下，频域就在统计上是完美二分的。（但很多小波满足不了这个条件，而且频域窗口能量不,所以只是近似二分的).这时的小波变换,称为离散二进小波变换.第三步,引入稳定性条件.也就是经过变换后信号能量和原信号能量有什么不等式关系.满足稳定性条件后,也就是一个小波框架产生了可能.他是数值稳定性的保证.一个稍弱的稳定条件,就是 论文题目傅里叶级数与傅里叶变换的关系与应用 目录 摘要： 0 关键词 0 Abstract 0 1绪论 (1) 2傅里叶级数的概念 (1) 2.1周期函数 (2) 2.2傅里叶级数的定义 (2) 3 傅里叶变换的概念及性质 (10) 3.1傅里叶变换的概念 (10) 3.2傅立叶变换的性质 (11) 4傅里叶变换与傅里叶级数之间的区别与联系 (12) 5傅里叶级数和傅里叶变换的应用 (12) 5.1傅里叶级数的应用 (12) 5.2傅里叶变换的应用 (13) 参考文献 (15) 傅里叶级数与傅里叶变换的关系与应用 摘要：傅里叶级数是对周期性现象做数学上的分析，而傅里叶变换则可以看作傅里叶级数的极限形式，它也可以看作是对周期现象进行数学上的分析。除此之外，傅里叶变换还是处理信号领域的一种很重要的算法。 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。很多波形可以作为信号的成分，例如余弦波，方波，锯齿波等等，傅里叶变换作为信号的成分。在电子类学科，物理学科，信号处理学科等众多领域都有着广泛的应用。 傅里叶级数针对的是周期性函数，傅里叶变换针对的是非周期性函数，它们在本质上都是一种把信号表示成复正选信号的叠加，存在相似的特性。 关键词：傅里叶级数；傅里叶变换；周期性 Fourier series And Fourier Transforms Abstract: Fourier series is made mathematical analysis to cyclical phenomenon, and Fourier transform can be seen as the limit form of Fourier series, it also can be regarded as a mathematical analysis of cycle phenomenon. In addition, the Fourier transform is a kind of very important in the field of signal processing algorithms. Fourier transform is a method of signal analysis, it can analyze signal component, also can use these ingredients synthetic signal. Many waveform can be used as a signal of ingredients, such as cosine wave, square wave, sawtooth wave, etc., the Fourier transform as a signal of composition. In electronics disciplines, physics, signal processing disciplines etc many fields have a wide range of applications. Fourier series is for periodic function, Fourier transform for is a periodic function, they are in essence a kind of papers said the signal into a complex signal superposition, similar features. Key words: Fourier series; Fourier Transform; Periodic 傅里叶级数及变换的本质解释和形象阐述（更正版） ——老师不会这么讲，书上也不会讲 注：原来上传到百度文库的文档有较多问题，或者阐述不清楚，因原文档无法删除，只能重新上传一次了。此为更正版。 很多人学信号与系统、数字信号处理学了几年，关于傅里叶级数和傅里叶变换可能还是一知半解，只能套用公式，根本不理解为什么要这么算，也就是有什么实际含义——可以说，几乎所有信号与系统里面的数学公式都是有实实在在的物理含义的！那么，傅里叶变换到底是怎样一种变换？具体又怎么变换？有没有确切一点，或者形象一点的物理解释呢？下面笔者将尝试从以一种可理解的、物理的方式来解释，并尽量形象地讲出来，形式是探究、渐进的模式，也就是我自己的思考过程，希望对大家有所帮助。 首先，要知道傅里叶变换是一种变换，准确点说是投影。傅里叶变换的投影问题，一直想不明白那一系列的正交函数集，到底是什么样一个函数集合，或者说是怎么样的一个空间。所谓三角傅里叶级数当成谐波分析的时候很好理解——同一个时间轴，也就是说同一个维度的分解和叠加，肯定没错，也很实用。但是要是从投影（或者说变换）的角度来说，怎么解释呢？书上说：这一系列正弦余弦的函数，在一个区间内，是一个完备的正交函数集，每一个函数所带的系数（或者叫权重），就是原函数在这个函数的方向上的一个投影（说方向不准确，但找不到其他的词）。那么，原函数到底是一个什么样的函数，和各正交基函数又是怎样的一种关系呢？这个投影又是怎么投的呢？三维或者二维空间，一个矢量在各正交基上的投影很好理解，因为各矢量正交基在空间是垂直关系，原矢量在各正交基上的投影就是其模值乘以与各正交基夹角余弦值。那么，傅里叶变换的正交基函数，也是这样一种相互垂直的关系么？投影也是取余弦值么？ 几种时频分析方法综述1——傅里叶变换和小波变换 夏巨伟 (浙江大学空间结构研究中心) 摘要：传统的信号理论，是建立在Fourier 分析基础上的，而Fourier 变换作为一种全局性的变化，其有一定的局限性。在实际应用中人们开始对Fourier 变换进行各种改进，小波分析由此产生了。小波变换与Fourier 变换相比，是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis ），解决了Fourier 变换不能解决的许多困难问题。本文对傅里叶变换和小波变换进行了详细介绍，并用算例分析指出了两者的差别。 关键词：傅里叶变换；小波变换；时频分析技术； 1 傅里叶变换（Fourier Transform ） 1 2/201 22/0()()()()1()()()(::::)N j nk N ft N ft j nk N n H T h kT e H f h t e d DFT FT IFT IDFT t NT k h t H f e dt h nT H e N NT ππππ--∞ --∞∞--∞?=??=??????????→????=?=??? ∑??∑离散化(离散取样) 周期化（时频域截断） 2 小波变换（Wavelet Transform ） 2.1 由傅里叶变换到窗口傅里叶变换（Gabor Transform(Short Time Fourier Transform)/） 从傅里叶变换的定义可知，时域函数h(t)的傅里叶变换H(f )只能反映其在整个实轴的性态，不能反映h （t ）在特定时间区段内的频率变化情况。如果要考察h(t)在特定时域区间（比如：t ∈[a,b]）内的频率成分，很直观的做法是将h(t)在区间t ∈[a,b]与函数[][]11,t ,()0,t ,a b t a b χ?∈?=? ∈??，然后考察1()()h t t χ傅里叶变换。但是由 于1()t χ在t= a,b 处突然截断，导致中1()()h t t χ出现了原来h （t ）中不存在的不连 续，这样会使得1()()h t t χ的傅里叶变化中附件新的高频成分。为克服这一缺点， D.Gabor 在1944年引入了“窗口”傅里叶变换的概念，他的做法是，取一个光滑的函数g(t),称为窗口函数，它在有限的区间外等于0或者很快地趋于0，然后将窗口函数与h(t)相乘得到的短时时域函数进行FT 变换以考察h(t)在特定时域内的频域情况。 22(,)()()()()(,)ft f ft f STFT ISTF G f h t g t e dt h t df g t G f e d T ππτττττ +∞ --∞ +∞+∞ -∞ -∞ =-=-??? ：： (4) 2 T 2 T f (t)dt 傅里叶（Fourier ）级数的指数形式与傅里叶变换 专题摘要：根据欧拉（Euler ）公式，将傅里叶级数三角表示转化为指数表示，进而得到傅 里叶积分定理，在此基础上给出傅里叶变换的定义和数学表达式。 在通信与信息系统、交通信息与控制工程、信号与信息处理等学科中，都需要对各种 信号与系统进行分析。 通过对描述实际对象数学模型的数学分析、 求解，对所得结果给以物 理解释、赋予其物理意义，是解决实际问题的关键。这种数学分析方法主要针对确定性信号 的时域和频域分析，线性时不变系统的描述以及信号通过线性时不变系统的时域分析与变换 域分析。所有这些分析方法都离不开傅里叶变换、拉普拉斯变换和离散时间系统的 z 变换。 而傅里叶变换的理论基础是傅里叶积分定理。 傅里叶积分定理的数学表达式就是傅里叶级数 的指数形式。 不但傅里叶变换依赖于傅里叶级数，就是纯数学分支的调和分析也来源于函数的傅里 叶级数。因此，傅里叶级数无论在理论研究还是在实际应用中都占有非常重要的地位。 我们 承认满足狄里克莱（Dirichlet ）条件下傅里叶级数的收敛性结果，不去讨论和深究傅里叶展 式的唯一性问题。 傅里叶级数的指数形式 一个以T 为周期的函数f （t ），在［-T ,T ］上满足狄里克莱条件：1o f （t ）连续或只有 2 2 数。在连续点处 有限个第一类间断点; 2。 只有有限个极值点。 那么f （t ）在nT,T ］上就可以展成傅里叶级 f(t) a 0 ,. (a n cosn ?t b n sin n ?t) (1) 其中 a n T 2 f (t) cosn tdt, (n 二 0,1,2,)， _2 根据欧拉（Euler ）公式: b n ；认）州艸（n=1,2,3,）， (3) e" - cos ： j si ， （1）式化为 f(t)二色二 a 2 J e jn e" n jn ? ￡ j jn ? t +b e —e M n 2j 若令 a n - j b n 一 2 jn ;.-：t . a n jb n ?弓曲 2 」， 傅里叶(F o u r i e r)级数的指数形式与傅里 叶变换 傅里叶(Fourier )级数的指数形式与傅里叶变换 专题摘要：根据欧拉（Euler ）公式，将傅里叶级数三角表示转化为指数表示，进而得到傅里叶积分定理，在此基础上给出傅里叶变换的定义和数学表达式。 在通信与信息系统、交通信息与控制工程、信号与信息处理等学科中，都需要对各种信号与系统进行分析。通过对描述实际对象数学模型的数学分析、求解，对所得结果给以物理解释、赋予其物理意义，是解决实际问题的关键。这种数学分析方法主要针对确定性信号的时域和频域分析，线性时不变系统的描述以及信号通过线性时不变系统的时域分析与变换域分析。所有这些分析方法都离不开傅里叶变换、拉普拉斯变换和离散时间系统的z 变换。而傅里叶变换的理论基础是傅里叶积分定理。傅里叶积分定理的数学表达式就是傅里叶级数的指数形式。 不但傅里叶变换依赖于傅里叶级数，就是纯数学分支的调和分析也来源于函数的傅里叶级数。因此，傅里叶级数无论在理论研究还是在实际应用中都占有非常重要的地位。我们承认满足狄里克莱（Dirichlet ）条件下傅里叶级数的收敛性结果，不去讨论和深究傅里叶展式的唯一性问题。 傅里叶级数的指数形式 一个以T 为周期的函数)(t f ，在]2 ,2[T T -上满足狄里克莱条件：1o )(t f 连续或只有有限个第一类间断点；2o 只有有限个极值点。那么)(t f 在]2 ,2[T T -上就 可以展成傅里叶级数。在连续点处 ∑∞ =++=1 )sin cos (2)(n n n t n b t n a a t f ωω， （1） 其中 T πω2= ， 分段平稳信号 这两种波形的FFT完全一样！完全分不出信号出现的位置，说明傅里叶变换缺乏时间对频率的定位功能。小波则可以还原。经过傅里叶变换 之后得到的是频域的信息，时间信息完全丢失，很多人会问那为什么逆变换可以完全恢复原始信号？其实，这个可以理解为三维空间离得变换，这里涉及到泛函的一些知识，其通俗理解方法也将在下边进行解释。傅里叶逆变换同样可以理解为相关，只是此时需保证变换时t不变，也就是计算某时刻不同频率波形与傅里叶变换之后的频域信号之间的相关，积分后得到该时刻各频率分量在该时刻的总贡献。可以知道所有有关时间的信息都是由e^(ift)导出的。 傅里叶变换： 1）首先傅里叶变换是傅里叶级数（有限周期函数）向（无限周期函数）的扩展，将该函数展开成无限多个任意周期的正弦或余弦函数的和（或积分）。 2）傅里叶级数中各项系数例如cosx项系数是原函数与其在某一定义域内的积分，显然我们可以将该过程理解为对这两个函数进行相关，将相关系数作为该频率处的强度。 3）经过傅里叶变换之后得到的是频域的信息，时间信息完全丢失，很多人会问那为什么逆变换可以完全恢复原始信号？其实，这个可以理解为三维空间离得变换，这里涉及到泛函的一些知识，其通俗理解方法也将在下边进行解释。傅里叶逆变换同样可以理解为相关，只是此时需保证变换时t不变，也就是计算某时刻不同频率波形与傅里叶变换之后的频域信号之间的相关，积分后得到该时刻各频率分量在该时刻的总贡献。可以知道所有有关时间的信息都是由e^(ift)导出的。 4）从泛函的角度，我们可以把傅里叶级数中的三角函数 {1/sqrt(2π),sin(t)/sqrt(π),cos(t)/sqrt(π),...}看做一个线性函数空间的一个基，这里与线性代数里的线性空间有两点不同，第一该处是函数空间，每个元素都是一个函数而不是一个数，第二这里是无限维空间，基有无限多个元素。但是这并不影响我们的理解。我们可以像在有限维线性空间中那样将傅里叶变换理解为这个函数在以三角函数为基的空间的展开，而将傅 重温傅里叶—笔记篇 本文记录得大多就是基础得公式,还有一些我认为比较重要得有参考价值得说明、(如果对这些公式已经很熟悉,可以直接瞧第三部分:总结性说明) 重温傅里叶—笔记篇 一、傅里叶级数 ＄关于三角函数系得正交性: 三角函数系包括: 1, ｃoｓｘ, sinx , coｓ２ｘ, ｓin 2x, ……cos nx, ｓin ｎx, …… “正交性"就是说,三角函数系中得任何一项与另一项得乘积,在(－π, π) 区间内得积分为0。(任何两相得积总可以展成两个频率为整数倍基频得正余弦函数之与或差,而这两个展开后得正余弦在(—π,π)上积分都为0)。 不同频率(但都就是整数倍基频)得两个正弦函数之积,在(－π, π)上积分恒为０。 同频率得两个正弦函数之积,只有在这两个正弦得相位正交时,其在(－π,π)上积分才就是0、 三角函数系中除“1”以外得任何一项得平方,在(—π,π)上得积分恒为π,“１”在这个区间上得积分为2π。 ＄ 上公式！ ①当周期为2π时: 式(１): 上式成立得条件就是ｆ(x)满足狄立克雷充分条件: １。在任意有限区间内连续,或只有有限多个第一类间断点; ２. 任意得有限区间,都可被分成有限多个单调区间(另一种说法就是:任意有限区间内只有有限多个极值点,其实就是一样得) 式(1)第一行中得a0／2 就就是f(x)得周期平均值,而且第一行得式子只对f(x)就是连续函数得情况成立;如果ｆ(x)不连续,则应表示成“(１／２)×［f(x—０)+ｆ(ｘ+0)］”,即 ｆ(x)左右极限得算术平均。下面得类似情况都就是这样,之后就不再专门说明,这些大家应该都懂。 第三、四行中,n得取值都就是:1,2,3,4,……n,……(都为正,且不包含0)。 ②当周期为2L时(这也就是最一般得情形): 式(2): 第一行中得a0/2 就就是f(x)得周期平均值; 第三、四行中,n得取值都就是:１,2,3,４,……ｎ,……(都为正,且不包含0)。 $ 傅里叶级数得复数表达方式 百度空间 | 百度首页 | 登录 在狂风中摇曳 我的学习BLOG 主页博客相册个人档案好友 查看文章 [转]小波变换与傅里叶变换 2009-09-22 09:59 如果有人问我，如果傅里叶变换没有学好（深入理解概念），是否能学好小波。答案是否定的。如果有人还问我，如果第一代小波变换没学好，能否学好第二代小波变换。答案依然是否定的。但若你问我，没学好傅里叶变换，能否操作（编程）小波变换，或是没学好第一代小波，能否操作二代小波变换，答案是肯定的。 一、一、基的概念 我们要明确的是基的概念。两者都是基，信号都可以分成无穷多个他们的和（叠加）。而展开系数就是基与信号之间的内积，更通俗的说是投影。展开系数大的，说明信号和基，是足够相似的。这也就是相似性检测的思想。但我们必须明确的是，傅里叶是0-2pi标准正交基，而小波是-inf到inf之间的基。因此，小波在实轴上是紧的。而傅里叶的基（正弦或余弦），与此相反。而小波能不能成为Reisz基，或标准稳定的正交基，还有其它的限制条件。此外，两者相似的还有就是PARSEVAL定理。（时频能量守恒）。 二、二、离散化的处理 傅里叶变换，是一种数学的精妙描述。但计算机实现，却是一步步把时域和频域离散化而来的。第一步，时域离散化，我们得到离散时间傅里叶变换（DTFT），频谱被周期化；第二步，再将频域离散化，我们得到离散周期傅里叶级数（DFS），时域进一步被周期化。第三步，考虑到周期离散化的时域和频域，我们只取一个周期研究，也就是众所周知的离散傅里叶变换（DFT）。这里说一句，DFT是没有物理意义的，它只是我们研究的需要。借此，计算机的处理才成为可能。 下面我们谈谈小波。所有满足容许性条件（从-INF到+INF积分为零）的函数，都可以成为小波。小波作为尺度膨胀和空间移位的一组函数也就诞生了。但连续取值的尺度因子和平移因子，在时域计算量和频域的混叠来说，都是极为不便的。用更为专业的俗语，叫再生核。 也就是，对于任何一个尺度a和平移因子b的小波，和原信号内积，所得到的小波系数，都可以表示成，在a，b附近生成的小波，投影后小波系数的线性组合。这就叫冗余性。这时的连续小波是与正交基毫无关系的东西，它顶多也只能作为一种积分变换或基。但它的显微镜特点和相似性检测能力，已经显现出来了。为了进一步更好的将连续小波变换离散化，以下步骤是一种有效方法。第一步，尺度离散化。 一般只将a二进离散化，此时b是任意的。这样小波被称为二进小波。 第二步，离散b。怎么离散化呢？b取多少才合适呢？于是，叫小波采样定理的东西，就这样诞生了。也就是小波平移的最小距离（采样间隔），应该大于二倍小波基的最高频率（好像类似，记不清了）。所以傅里叶变换与傅里叶级数
傅里叶级数及变换的本质解释和形象阐述
基于傅里叶变换和小波变换的图像稀疏表示
傅里叶变换和傅里叶级数的收敛问题
详解傅里叶变换与小波变换
小波变换与傅里叶变换的对比异同
傅里叶级数与傅里叶变换关系与应用
傅里叶级数及变换的本质解释和形象阐述
几种时频分析综述1——傅里叶变换和小波变换
傅里叶Fourier级数的指数形式与傅里叶变换
傅里叶(Fourier)级数的指数形式与傅里叶变换复习过程
FFT 与小波变换的区别---FFT的缺陷
傅里叶变换与傅里叶级数
(整理)小波变换与傅里叶变换.