傅里叶变换及应用
傅里叶变换及其应用
傅里叶变换及其应用傅里叶变换（Fourier Transform）是一种重要的数学工具和数学分析方法，广泛应用于信号处理、图像处理、通信系统、量子力学等领域。
通过将一个函数表示成一组正弦和余弦函数的叠加，傅里叶变换能够将时域中的信号转化为频域中的信号，从而使得复杂的信号处理问题变得更加简单。
本文将介绍傅里叶变换的原理、性质以及其在实际应用中的几个重要方面。
一、傅里叶变换的原理和基本定义傅里叶变换是将一个函数f(x)表示成指数函数的叠加的过程。
设f(x)在时域上是以周期T为基本周期的连续函数，那么其傅里叶变换F(k)在频域上将成为以1/T为基本周期的连续函数。
傅里叶变换的基本定义如下：F(k) = ∫[f(x) * e^(-i2πkx/T)]dx其中，i是虚数单位，k是频率变量。
通过这样的变换，我们可以将时域上的函数转换为频域上的函数，从而可以更加清晰地分析信号的频谱特征。
二、傅里叶变换的性质傅里叶变换具有一些重要的性质，这些性质使得傅里叶变换成为一种强大的工具。
1. 线性性质：傅里叶变换具有线性性质，即若f(x)和g(x)的傅里叶变换分别为F(k)和G(k)，则对应线性组合的傅里叶变换为aF(k) +bG(k)，其中a和b为常数。
2. 时移性质：若f(x)的傅里叶变换为F(k)，则f(x - a)的傅里叶变换为e^(-i2πak/T)F(k)，即时域上的平移将对频域上的函数进行相位调制。
3. 频移性质：若f(x)的傅里叶变换为F(k)，则e^(i2πax/T)f(x)的傅里叶变换为F(k - a)，即频域上的平移将对时域上的函数进行相位调制。
4. 尺度变换性质：若f(x)的傅里叶变换为F(k)，则f(ax)的傅里叶变换为1/|a|F(k/a)，即函数在时域上的尺度变换会对频域上的函数进行缩放。
5. 卷积定理：若f(x)和g(x)的傅里叶变换分别为F(k)和G(k)，则f(x) * g(x)的傅里叶变换为F(k)G(k)，即在频域上的乘积等于时域上的卷积。
傅里叶变换及其应用
傅里叶变换及其应用傅里叶变换是一种重要的数学工具，广泛应用于信号处理、图像处理、通信、物理学等领域。
它以法国数学家傅里叶的名字命名，是将一个函数分解成一系列正弦和余弦函数的和的过程。
傅里叶变换在这些领域中起到了至关重要的作用。
傅里叶变换的基本思想是将一个函数分解成许多不同频率的正弦和余弦函数，这些函数合在一起就可以表示原始函数。
傅里叶变换将时域的函数转换为频域的函数，可以用于分析信号的频谱特性。
通过傅里叶变换，我们可以得到信号的频率、振幅、相位等信息，从而更好地理解和处理信号。
在信号处理中，傅里叶变换被广泛应用于滤波、降噪、频谱分析等方面。
例如，在音频信号处理中，傅里叶变换可以将时域的声音信号转换为频域的频谱图，从而可以清晰地观察到声音的频率成分，进而进行音频信号的分析和处理。
在图像处理中，傅里叶变换可以将图像转换为频域，通过对频域的处理可以实现图像的压缩、增强、去噪等操作。
在通信领域，傅里叶变换被广泛应用于调制、解调、频谱分析等方面。
例如，在调制过程中，傅里叶变换可以将信号转换到频域，从而实现信号的频谱分析和频率选择。
在解调过程中，傅里叶变换可以将接收到的信号转换到时域，从而实现信号的恢复和解码。
傅里叶变换在通信系统中的应用使得信号的处理更加高效和准确。
在物理学中，傅里叶变换也是一种重要的工具。
例如，在量子力学中，波函数可以通过傅里叶变换表示，从而描述粒子的运动状态。
在光学中，傅里叶变换可以用于描述光的传播和干涉现象。
在电磁学中，傅里叶变换可以用于分析电磁波的传播和衍射现象。
傅里叶变换在物理学中的应用使得对波动现象的研究更加深入和全面。
傅里叶变换作为一种重要的数学工具，在信号处理、图像处理、通信、物理学等领域都有着广泛的应用。
它可以将一个函数分解成许多不同频率的正弦和余弦函数的和，从而实现对信号的频谱特性的分析和处理。
傅里叶变换的应用使得我们能够更好地理解和处理信号，从而推动了相关领域的发展和进步。
傅里叶变换的意义及应用
傅里叶变换的意义及应用傅里叶变换是一种数学变换，它将一个函数在时域（时间域）上的表示转换为频域（频率域）上的表示，将信号从时域转换为频域。
傅里叶变换的意义主要体现在以下几个方面：1. 揭示信号的频谱特性：傅里叶变换可以将复杂的信号分解成不同频率的简单正弦和余弦的叠加，从而揭示了信号的频谱特性。
通过分析频谱特性，可以了解信号的频率分量、频率分布和频谱密度等信息。
这为我们理解信号的本质和特性提供了有效的手段，例如，音频信号的频谱特性可以被用来识别声音的音调、音色和音乐的风格等。
2. 信号去噪和滤波：傅里叶变换可以将信号分解为若干频率分量，通过滤波的方式去除不需要的频率分量，从而实现信号的去噪和滤波功能。
例如，在图像处理领域中，傅里叶变换可以将图像转换为频域表示，通过滤波去除图像中的噪声或高频细节，然后再将结果转换为时域表示得到处理后的图像。
3. 信号调制和解调：傅里叶变换在通信领域有着重要的应用。
信号调制是将低频信息通过载波信号转换为高频信号，以便在传输过程中降低信号受到干扰的概率。
傅里叶变换可以将时域的载波信号转换为频域的频谱，通过改变频谱特性实现信号的调制。
信号解调是将调制后的信号还原为原始信号，傅里叶变换同样可以用来解调。
4. 数据压缩：傅里叶变换在数据压缩中的应用主要体现在图像和音频信号的编码压缩上。
通过分析信号的频域特性，可以将频谱中能量较低的频率分量去除或压缩，从而减小信号的体积。
这样可以在数据传输和存储方面实现更高的效率和更低的成本。
傅里叶变换的应用非常广泛，涉及到许多领域和应用场景，如：1. 信号处理：在信号处理中，傅里叶变换可用于信号的滤波、去噪、频率分析、频率合成、谱估计等。
例如，通过傅里叶变换可以对音频信号进行频谱分析，从而实现音频信号的降噪和音频合成。
2. 图像处理：在图像处理中，傅里叶变换可用于图像的频域滤波、图像增强、图像压缩等。
例如，在医学图像处理中，可以使用傅里叶变换进行图像增强，以更好地观察和分析患者的病情。
数学与物理学中的傅里叶变换及其应用
数学与物理学中的傅里叶变换及其应用傅里叶变换（Fourier Transform）是一种在数学和物理学中广泛应用的数学转换。
它是将一个时域信号（即随时间变化的函数）转换成一个频域信号（即随频率变化的函数）。
这种转换可以有很多应用，在数学和物理学中都非常重要。
最初，傅里叶变换是由法国数学家约瑟夫·傅里叶（Joseph Fourier）于19世纪发明的。
当时，他在研究热传导方程时发现，任何一个周期性函数都可以表示为一些正弦及余弦波的线性组合。
而这种线性组合就可以通过傅里叶变换得到。
傅里叶变换可以将连续时域信号（如音频信号、电信号等）表示成为连续频域信号。
例如，一段时间内的声音可以通过傅里叶变换变成不同频率的声音组合。
同时，傅里叶变换也可以将离散时域信号（如数字信号）表示为离散频域信号。
例如，在数字图像处理中，离散傅里叶变换可以将图像转换为一组频谱信息，从而方便进行图像的处理和分析。
傅里叶变换不仅可以用于信号分析，也可以广泛应用于物理学中的波动问题。
例如，光波、声波、电磁波等都可以通过傅里叶变换进行分析，并可以显示出不同波长和频率的成分。
在量子力学中，傅里叶变换也被广泛用于波函数的计算。
傅里叶变换在实际应用中是非常常见的。
例如，人们通过在电视上观看一部电影时，所看到的影像和声音都是通过傅里叶变换来得到的。
当人们在各种应用中收听音乐、观看电影、处理图像时，傅里叶变换都会被广泛应用。
此外，傅里叶变换在通信技术中也有着非常重要的应用。
通过傅里叶变换可以将信号分解成不同的频率成分，然后通过信号加密、压缩等方式对信号进行处理。
最后，需要指出的是，傅里叶变换并不是万能解决方案。
它只是一种将时域信号转换为频域信号的方法，而不是一种能够解决所有问题的黑盒子。
因此，在应用傅里叶变换时，需要对其能解决的范围进行了解，并针对不同的问题进行处理。
总的来说，傅里叶变换是一种非常重要的数学转换，在数学和物理学的研究和应用中占据着重要的位置。
傅里叶变换的基本性质和应用
傅里叶变换的基本性质和应用傅里叶变换，是20世纪初法国数学家傅里叶的发明，是将一个时间函数或空间函数的复杂波形分解成一系列简单的正弦波的工具。
它是信号处理和图像处理领域非常重要的一种数学变换，广泛应用于通信、图像、音频等领域。
一、傅里叶变换的基本概念傅里叶变换是一种将时域信号（即关于时间的函数）转换为频域信号（即关于频率的函数）的数学工具。
在时域中，信号可以表示为一个随着时间变化而变化的函数；在频域中，信号可以表示为它的频谱分布，即各个频率成分的大小。
傅里叶变换是互逆的，也就是说，将一样以频率表示的信号进过傅里叶逆变换，可以得到原始的时域信号。
傅里叶变换和傅里叶逆变换的基本公式分别如下：$$ F(\omega) = \int_{-\infty}^{\infty}f(t)e^{-i\omega t}dt $$$$ f(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty}F(\omega)e^{i\omega t}d\omega $$其中，$f(t)$ 是时域信号，$F(\omega)$ 是频域信号，$\omega$ 是角频率。
傅里叶变换可以看作一种基变换，将时域信号换到频域进行分析，从而可以更好地理解信号的性质。
二、傅里叶变换的基本性质1. 线性性质傅里叶变换是线性的，即对于一个常数乘以一个时域信号进行傅里叶变换，等价于将该常数乘以该信号的傅里叶变换。
即：$$ F(cf(t)) = cF(f(t)) $$其中，$c$ 是常数。
此外，傅里叶变换具有加权叠加的特性，也就是说，将两个时域信号求和再进行傅里叶变换，等价于分别对这两个信号进行傅里叶变换后再相加。
即：$$ F(f(t) + g(t)) = F(f(t)) + F(g(t)) $$2. 时移性质傅里叶变换具有时移性质，也就是说，在时域中将一个信号向右或向左平移 $\tau$ 个单位，它的傅里叶变换相位也会相应发生$\tau$ 的变化。
什么是傅里叶变换及其应用
傅里叶变换（Fourier Transform）是一种重要的数学工具，被广泛应用于信号处理、图像处理、物理学、通信工程、计算机科学等领域。
它将一个函数表示为不同频率的正弦和余弦波的叠加，从而可以分析信号的频域特性。
本文将介绍傅里叶变换的定义、性质以及一些常见的应用。
傅里叶变换的定义是将一个函数表示为其频域分量的和，相当于将一个函数从时域转换到频域。
对于一个连续函数f(t)，它的傅里叶变换F(ω)定义如下：F(ω) = ∫ f(t) * e^(-iωt) dt其中，e^(-iωt)表示复指数函数，ω为频率参数，可以是实数或复数。
傅里叶变换的逆变换为：f(t) = (1/2π) * ∫ F(ω) * e^(iωt) dω傅里叶变换的一个重要性质是线性性。
如果g(t)是另一个函数，a和b是任意实常数，那么对于函数f(t)的傅里叶变换F(ω)和g(t)的傅里叶变换G(ω)，有以下性质：1.线性性质：F[a f(t) + b g(t)] = a F(ω) + b G(ω)另一个重要的性质是平移性。
如果f(t)的傅里叶变换是F(ω)，那么f(t-a)的傅里叶变换是e^(-iωa)*F(ω)。
这意味着在时域上平移函数相当于在频域上引入相位变化。
傅里叶变换在实际应用中有广泛的应用。
其中最常见的是信号分析。
通过将信号从时域转换为频域，我们可以分析信号的频率成分，找到信号中的周期性特征，并通过滤波器设计、频谱分析等方法对信号进行处理和识别。
傅里叶变换在音频处理、图像处理、视频压缩和信号处理等领域中都是不可或缺的工具。
在图像处理中，傅里叶变换可以将图像表示为频域分量的和，可以用于图像去噪、图像增强、特征提取等任务。
通过对图像的频率域进行滤波，可以去除噪声，提高图像的质量。
同时，傅里叶变换还可以用于图像压缩，通过保留较低频率的分量并去掉高频噪声，可以实现图像的有损和无损压缩。
在通信工程中，傅里叶变换被广泛应用于调制、解调和信道估计等领域。
傅里叶变换及其应用
傅里叶变换及其应用傅里叶变换（Fourier Transform）是一种将一个函数（或信号）从时域（时间域）转换为频域的数学技术。
它是由法国数学家傅里叶（Jean-Baptiste Joseph Fourier）提出的，因此得名。
傅里叶变换在信号处理、图像处理、通信等领域有广泛的应用，并且为这些领域的发展做出了重大贡献。
一、傅里叶变换的定义和性质傅里叶变换可以将一个连续函数表示为正弦和余弦的加权和，它的数学公式如下：F(ω) = ∫[f(t) * e^(-iωt)] dt其中，F(ω)表示频域上的函数，f(t)表示时域上的函数，e^(-iωt)是复指数函数。
傅里叶变换有一些重要的性质，如线性性、时移性、频移性、对称性等。
这些性质使得傅里叶变换成为一种非常有用的工具，在信号处理中广泛应用。
二、傅里叶级数与傅里叶变换的关系傅里叶级数是傅里叶变换的一种特殊形式，主要用于分析周期性信号。
傅里叶级数可以将一个周期为T的函数展开成正弦和余弦函数的和。
而傅里叶变换则适用于非周期性信号，它可以将一个非周期性函数变换为连续的频谱。
傅里叶级数和傅里叶变换之间存在着密切的关系，它们之间可以相互转换。
傅里叶级数展开的周期函数可以通过将周期延拓到无穷大，得到其对应的傅里叶变换。
而傅里叶变换可以通过将频谱周期化，得到其对应的傅里叶级数。
三、傅里叶变换的应用1. 信号处理傅里叶变换在信号处理中有着重要的应用。
通过将信号从时域转换到频域，我们可以分析信号的频谱特性，如频率成分、幅度、相位等。
这对于音频、图像、视频等信号的处理非常有帮助，例如音频信号的降噪、图像的去噪、视频的压缩等。
2. 图像处理傅里叶变换在图像处理中也有广泛的应用。
通过对图像进行傅里叶变换，可以将图像从时域转换为频域，进而进行频域滤波和频域增强等操作。
这些操作可以实现图像的模糊处理、边缘检测、纹理分析等。
3. 通信在通信领域中，傅里叶变换是无线通信、调制解调、信道估计等技术的基础。
关于微积分的傅里叶变换及其应用
关于微积分的傅里叶变换及其应用微积分学是数学的一门重要学科，也是工程学、物理学、经济学等学科中的基础。
其中傅里叶变换作为微积分学的重要分支之一，具有非常广泛的应用。
一、傅里叶变换的基本概念傅里叶变换是一种将一个连续时间信号分解成具有不同频率的正弦、余弦波的方法。
傅里叶变换的核心概念是将一个连续时间的函数分解成不同频率的正弦、余弦波的叠加。
傅里叶变换的注意点在于，它只处理周期性函数而非一般函数。
因此，需要对周期函数作出特殊处理。
二、傅里叶级数傅里叶级数是一种傅里叶变换的形式，可以将任何周期函数分解成一组简单的正弦、余弦函数。
当信号仅仅是一个有限时间内的样本时，这种分解方法就不再可行。
三、傅里叶变换的应用1. 信号处理傅里叶变换对于信号处理非常有用，可以将一个信号分解为所有不同频率的正弦波。
这使得我们可以针对不同的频率成分对信号进行修改。
例如，在音频处理中，可以将一段音频信号进行变换，进而删除某些频率上的畸变或添加新的音效。
2. 图像处理傅里叶变换可以将图像转换为频域信号，进而实现对图像的处理。
例如，可以利用傅里叶变换将一张图像进行滤波，去除一些特定的频率成分，进而使图像更加清晰。
3. 求解偏微分方程傅里叶变换在求解偏微分方程时也有着很大的应用价值。
通过利用傅里叶变换将偏微分方程转换为代数方程，从而大大简化了求解过程。
四、补充傅里叶变换是微积分学中的重要分支，具有较多的应用价值。
由于其本质上是一种频域分析方法，利用傅里叶变换可以将一个信号在频域上分解成不同的频率成分，从而进一步实现处理。
然而，傅里叶变换也存在一些缺陷，例如不能处理随机信号等问题。
总之，傅里叶变换是微积分学中的重要分支，广泛应用于信号处理、图像处理以及求解偏微分方程等领域，具有着很大的应用价值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
傅里叶变换在MATLZB里的应用摘要：在现代数学中，傅里叶变换是一种非常重要的变换，且在数字信号处理中有着广泛的应用。
本文首先介绍了傅里叶变换的基本概念、性质及发展情况；其次，详细介绍了分离变数法及积分变换法在解数学物理方程中的应用。
傅立叶变换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，再利用傅立叶反变换将这些频域信号转换成时域信号。
应用MATLAB实现信号的谱分析和对信号消噪。
关键词：傅里叶变换；MA TLAB软件；信号消噪Abstract: In modern mathematics,Fourier transform is a transform is very important ,And has been widely used in digital signal processing.This paper first introduces the basic concepts, properties and development situation of Fourier transform ;Secondly, introduces in detail the method of separation of variables and integral transform method in solving equations in Mathematical Physics.Fourier transformation makes the original time domain signal whose analysis is difficult easy, by transforming it into frequency domain signal that can be transformed into time domain signal by inverse transformation of Fourier. Using Mat lab realizes signal spectral analysis and signal denoising.Key word: Fourier transformation, software of mat lab ,signal denoising1、傅里叶变换的提出及发展在自然科学和工程技术中为了把较复杂的运算转化为较简单的运算，人们常常采用所谓变换的方法来达到目的"例如在初等数学中，数量的乘积和商可以通过对数变换化为较简单的加法和减法运算。
在工程数学里积分变换能够将分析运算（如微分，积分）转化为代数运算，正是积分变换这一特性，使得它在微分方程和其它方程的求解中成为重要方法之一。
1804年，法国科学家J-.B.-J.傅里叶由于当时工业上处理金属的需要，开始从事热流动的研究"他在题为<<热的解析理论>>一文中，发展了热流动方程，并且指出如何求解"在求解过程中，他提出了任意周期函数都可以用三角级数来表示的想法。
他的这种思想，虽然缺乏严格的论证，但对近代数学以及物理、工程技术却都产生了深远的影响，成为傅里叶变换的起源。
从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。
它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。
在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。
[1]傅里叶变换通过对函数的分析来达到对复杂函数的深入理解和研究。
最初，傅立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。
利用这一点，傅里叶变换可通过对相对简单的事物的研究来了解复杂事物，而且现代数学发现傅里叶变换具有非常好的性质：（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）正弦基函数是微分运算的本征函数，从而使得线性微分方程的求解可以转化为常系数的代数方程的求解"在线性时不变的物理系统内，频率是个不变的性质，从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取；（4）著名的卷积定理指出.傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段；（5）离散形式的傅里叶变换可以利用数字计算机快速的算出（其算法称为快速傅里叶变换算法）。
（6）正是由于上述的良好性质,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。
2、傅里叶变换的基本概念由傅里叶级数知，一个周期函数可以展开成为傅里叶级数，而一个非周期函数可以看成某个周期函数其周期趋向于无穷大转化而来。
根据这个思路，我们可以得到傅里叶积分公式及傅里叶积分公式成立的充分条件——傅里叶积分定理。
2.1傅里叶级数的指数形式定理设()t fT是以()T T<<∞为周期的实函数[2]，且在,22T T⎛⎫- ⎪⎝⎭上满足狄利克雷条件，即()t f T 在一个周期上满足：（1）连续或只有有限个第一类间断点； （2）只有有限个极值点. 则在连续点处，有()()∑∞=++=10sin cos 2n n n T t n b t n a a t f ωω (1)其中()dtt f T a TT T ⎰-=2201,()() ,2,1cos 122==⎰-n tdt n t f T a TT T n ω, ()() .2,1sin 122==⎰-n tdt n t f T b T T T n ω,在间断点0t 处，(1)式右端级数收敛于 ()()20000-++t f t f T T . 又2cos φφφi i e e -+=,i e e i i 2sin φφφ--=,.于是()∑∞=--⎪⎪⎭⎫⎝⎛-+++=10222n t in t in nt in t in n T i e e b e e a a t f ωωωω∑∞=-⎪⎭⎫⎝⎛++-+=10222n t in n n t in n n e ib a e ib a a ωω令,200a c =2n n n ib a c -=, 2nn n ib a c +=-, ,,3,2,1 -n 则()∑∞-∞==n tin nT ec t f ω()()2201212i t i t in t i t i t in t n n c c e c e c e c e c e c e ωωωωωω------=+++⋅⋅⋅++⋅⋅⋅+++⋅⋅⋅++⋅⋅⋅(2)(2）式称为傅里叶级数的复指数形式，具有明显的物理意义. 容易证明nc 可以合写成一个式子 ,即()() ,2,1,0122±±==--⎰n dt e t f T c t in TT T n ω. (3) 2.2傅里叶积分任何一个非周期函数 ()t f , 都可看成是由某个周期函数()t f T 当T →+∞时转化而来的. 即()t f T T ∞→=lim ()t f =.由公式(2) 、(3)得()()tin n TT in T T e d e f T t f ωωτττ∑⎰∞-∞=--⎥⎦⎤⎢⎣⎡=221,可知()()t in n TT in T T e d e f T t f ωωτττ∑⎰∞-∞=--+∞→⎥⎦⎤⎢⎣⎡=221lim ,令1,--=∆=n n n n n ωωωωω,则T πω2=或n T ωπ∆=2 .于是()()t i n TT i T T n n e d e f T t f ωτωττ∑⎰∞-∞=--+∞→⎥⎦⎤⎢⎣⎡=221lim ()n t i n T T i T n n n e d e f ωττπωτωω∆⎥⎦⎤⎢⎣⎡=∑⎰∞-∞=--→∆22021lim ,令()()ti i TT T n T n n e d e f ωτωττπωφ][2122--⎰=,故()t f ()nn nTn ωωφω∆=∑∞-∞=→∆0lim. (4)注意到当,0→∆n ω即∞→T 时,()()t i i n n T n n e d e f ωτωττπωφωφ][21)(-+∞∞-⎰=→.从而按照积分的定义，（4）可以写为：()t f ()⎰+∞∞-=ωωφd ，或者()()ωττπωωτd e d e f t f t i i ⎰⎰+∞∞-+∞∞--=][21. (5)公式（5）称为函数()t f 的傅氏积分公式. 定理 若()t f 在(-∞, +∞)上满足条件:(1) ()t f 在任一有限区间上满足狄氏条件; (2) ()t f 在无限区间(-∞, +∞)上绝对可积,即()dtt f ⎰+∞∞-收敛, 则（5）在()t f 的连续点成里; 而在()t f 的间断点0t处应以()()20000-++t f t f 来代替.上述定理称为傅氏积分定理. 可以证明，当()t f 满足傅氏积分定理条件时，公式(5) 可以写为三角形式，即()()()()()()⎪⎩⎪⎨⎧-++=-⎰⎰∞+∞+∞-.,200,]cos [1其它连续点处，在t f t f t f t f d d t f ωττωτπ(6)2.3周期傅里叶变换描述周期现象的最简单的周期函数是物理学上所说的谐波函数，它由正弦或余弦函数来表示)cos()(a wt A t y += （2.1）而所有函数都可以看做是不同频率的正弦或余弦函数的叠加。
下面介绍周期函数的傅里叶变换[3]。
将一个周期为T 的函数分解为Fourier 级数，其三角形式展开为： ∑∞=++=10)sin cos ()(n n nt n b t n aa t f ωω （2.2）2.4离散傅里叶变换但我们在数字资料处理中经常的不是一个函数，而是一个离散的序列。
与连续时间信号的分析类似，对于连续时间信号进行离散Fourier 变换，一般可概括为时域采样，时域截断，频域采样三个步骤，最终导出离散傅立叶变换[2]对为：n=0,1,2,…,N-1 （2.3）1()()knn X n X k WN∞-==∑它通过连续傅立叶变换，将N个时域采样点与N个频域采样点联系起来。
3、傅立叶变换的应用傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。
由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。