[大全]傅里叶变换实质及其公式解析
[大全]傅里叶变换实质及其公式解析傅里叶变换的本质
傅里叶变换的公式为
，,j,t, F(,),f(t)edt,,,
可以把傅里叶变换也成另外一种形式:
1j,t, F(),,f(t),e,,2
可以看出，傅里叶变换的本质是内积，三角函数是完备的正交函数集，不同频率的三角函数的之间的内积为0，只有频率相等的三角函数做内积时，才不为0。
()j,tj,tj,,,t1212 ,e,e,,edt,2,,(,,,)12,
下面从公式解释下傅里叶变换的意义
j,t因为傅里叶变换的本质是内积，所以f(t)和求内积的时候，只有f(t)中频率为的分量e,
j,t才会有内积的结果，其余分量的内积为0。
可以理解为f(t)在e上的投影，积分值是时间从负
j,t无穷到正无穷的积分，就是把信号每个时间在的分量叠加起来，可以理解为f(t)在e上的投,
影的叠加，叠加的结果就是频率为的分量，也就形成了频谱。
,
傅里叶逆变换的公式为
，,1j,t f(t),F(,)ed,,2,,,
下面从公式分析下傅里叶逆变换的意义
,j,te傅里叶逆变换就是傅里叶变换的逆过程，在和求内积的时候，只有t时F(,)F(,)刻的分量内积才会有结果，其余时间分量内积结果为0，同样积分值是频
率从负无穷到正无穷的积分，就是把信号在每个频率在t时刻上的分量叠加起来，叠加的结果就是f(t)在t时刻的值，这就回到了我们观察信号最初的时域。
对一个信号做傅里叶变换，然后直接做逆变换，这样做是没有意义的，在傅里叶变换和傅里叶逆变换之间有一个滤波的过程。
将不要的频率分量给滤除掉，然后再做逆变换，就得到了想要的信号。
比如信号中掺杂着噪声信号，可以通过滤波器将噪声信号的频率给去除，再做傅里叶逆变换，就得到了没有噪声的信号。
优点:频率的定位很好，通过对信号的频率分辨率很好，可以清晰的得到信号所包含的频率成分，也就是频谱。
缺点:因为频谱是时间从负无穷到正无穷的叠加，所以，知道某一频率，不能判断，该频率的时间定位。
不能判断某一时间段的频率成分。
例子:
平稳信
号:x(t)=cos(2*pi*5*t)+cos(2*pi*10*t)+cos(2*pi*20*t)+cos(2*pi*50*t)
傅里叶变换的结果:
由于信号是平稳信号，每处的频率都相等，所以看不到傅里叶变换的缺点。
对于非平稳信号:信号是余弦信号，仍然有四个频率分量
傅里叶变换的结果:
由上图看出知道某一频率，不能判断，该频率的时间定位。
不能判断某一时间段的频率成
分。
短时傅里叶变换
傅里叶变换存在着严重的缺点，就是不能实现时频联合分析。
傅里叶变换要从负无穷计算到正无穷，这在实际使用当中，跟即时性分析会有很大的矛盾。
根据这一缺点，提出了短时傅里叶变换。
后来的时间—频率分析也是以短时傅里叶变换为基础提出的。
为了弥补傅里叶变换的缺陷，给信号加上一个窗函数，对信号加窗后计算加窗后函数的傅里叶变换，加窗后得到时间附近的很小时间上的局部谱，窗函数可以根据时间的位置变化在整个时间轴上平移，利用窗函数可以得到任意位置附近的时间段频谱，实现了时间局域化。
短时傅里叶变换的公式为:
,j,,j,, STFT(t,,),x(,)g(,,t)ed,,,x(,),g(,,t)e,x,
在时域用窗函数去截信号，对截下来的局部信号作傅立叶变换，即在t时刻得
该段信号得傅立叶变换，不断地移动t，也即不断地移动窗函数的中心位置，即可
得到不同时刻的傅立叶变换，这样就得到了时间—频率分析。
j,,j,,短时傅里叶变换的本质和傅里叶变换一样都是内积，只不过用代替了，
eg(,,t)e实现了局部信号的频谱分析。
短时傅里叶变换的另一种形式:
，,11j(v,,)t,j(v,,)t STFT(t,,),X(v)G(v,,)edv,,X(v),G(v,,)e,x,,,22,, 该式子表明在时域里加窗函数，得出在频域里对加窗。
x(,)g(t,,)X(v)G(v,,) 优点:在傅里叶变换的基础上，增加了窗函数，就实现了时间—频率分析。
缺点:短时傅里叶变换使用一个固定的窗函数，窗函数一旦确定了以后，其形
状就不再发生改变，短时傅里叶变换的分辨率也就确定了。
如果要改变分辨率，则
需要重新选择窗函数。
短时傅里叶变换用来分析分段平稳信号或者近似平稳信号犹可，但是对于非平稳信号，当信号变化剧烈时，要求窗函数有较高的时间分辨率;
而波形变化比较平缓的时刻，主要是低频信号，则要求窗函数有较高的频率分辨
率。
短时傅里叶变换不能兼顾频率与时间分辨率的需求。
测不准原理告诉我们，不
可能在时间和频率两个空间同时以任意精度逼近被测信号，因此就必须在信号的分
析上对时间或者频率的精度做取舍。
短时傅里叶变换受到测不准原理的限制，所以
短时傅里叶变换窗函数的时间与频率分辨率不能同时达到最优。
在实际使用时，根
据实际情况选用合适的窗函数。
例子:
原始信号: 信号是余弦信号，有四个频率分量.
当窗函数选为:
时，短时傅里叶变换为:
由上图可以看出，时域的分辨率比较好，但是频率出现一定宽度的带宽，也就是说频率分辨率差;
当窗函数选择为:
时，短时傅里叶变换为:
由上图可以看出，频率的分辨率比较好，但是时域分辨率差，有点接近傅里叶变换。
有上图可以看到短时傅里叶变换的缺点。
傅里叶变换概念及公式推导
傅里叶变换概念及公式推导傅里叶变换是一种数学工具，用于将一个函数从时域（时间域）转换为频域。
傅里叶变换的基本概念是，任何一个周期性函数都可以表示为一系列不同频率的正弦和余弦函数的叠加。
通过傅里叶变换，我们可以将原始信号分解成许多不同频率的正弦和余弦波。
F(ω) = ∫[−∞,+∞] f(t) e^(−iωt) dt其中，F(ω)表示频域中的函数，与f(t)相对应。
为了推导傅里叶变换的公式，我们首先将复数e^(−iωt)展开为正弦和余弦函数的形式：e^(−iωt) = cos(ωt) − i sin(ωt)然后将这个展开式代入变换公式中，得到：F(ω) = ∫[−∞,+∞] f(t) (cos(ωt) − i sin(ωt)) dt为了求解这个积分，我们可以利用欧拉公式，将复数表示为以指数函数的形式：F(ω) = ∫[−∞,+∞] f(t) e^(iωt) dt − i ∫[−∞,+∞] f(t) sin(ωt) dt将第一个积分的积分变量由t替换为−t，得到：F(ω) = ∫[−∞,+∞] f(t) e^(iωt) dt − i ∫[−∞,+∞] f(−t) sin(ωt) dt由于f(t)是一个偶函数（即f(−t)=f(t)）F(ω) = ∫[−∞,+∞] f(t) e^(iωt) dt − i ∫[−∞,+∞] f(t)sin(ωt) dt记F(ω)的实部为Re[F(ω)]，虚部为Im[F(ω)]，我们可以将公式进一步简化为：Re[F(ω)] = ∫[−∞,+∞] f(t) cos(ωt) dtIm[F(ω)] = − ∫[−∞,+∞] f(t) sin(ωt) dt这就是傅里叶变换的实部和虚部的计算公式，也称为余弦分量和正弦分量的公式。
通过计算这两个积分，我们可以得到函数在不同频率上的分量。
这些频率分量相当于原始函数在频域中的表现，有助于我们理解原始函数的频率特征。
要注意的是，以上推导过程是针对连续时间信号的傅里叶变换。
[大全]傅里叶变换实质及其公式解析
![[大全]傅里叶变换实质及其公式解析](https://360docs-1393072327.cos.ap-beijing.myqcloud.com/a9a5b15a84254b35effd3432.webp)
[大全]傅里叶变换实质及其公式解析傅里叶变换的本质傅里叶变换的公式为，,j,t, F(,),f(t)edt,,,可以把傅里叶变换也成另外一种形式:1j,t, F(),,f(t),e,,2可以看出，傅里叶变换的本质是内积，三角函数是完备的正交函数集，不同频率的三角函数的之间的内积为0，只有频率相等的三角函数做内积时，才不为0。
()j,tj,tj,,,t1212 ,e,e,,edt,2,,(,,,)12,下面从公式解释下傅里叶变换的意义j,t因为傅里叶变换的本质是内积，所以f(t)和求内积的时候，只有f(t)中频率为的分量e,j,t才会有内积的结果，其余分量的内积为0。
可以理解为f(t)在e上的投影，积分值是时间从负j,t无穷到正无穷的积分，就是把信号每个时间在的分量叠加起来，可以理解为f(t)在e上的投,影的叠加，叠加的结果就是频率为的分量，也就形成了频谱。
,傅里叶逆变换的公式为，,1j,t f(t),F(,)ed,,2,,,下面从公式分析下傅里叶逆变换的意义,j,te傅里叶逆变换就是傅里叶变换的逆过程，在和求内积的时候，只有t时F(,)F(,)刻的分量内积才会有结果，其余时间分量内积结果为0，同样积分值是频率从负无穷到正无穷的积分，就是把信号在每个频率在t时刻上的分量叠加起来，叠加的结果就是f(t)在t时刻的值，这就回到了我们观察信号最初的时域。
对一个信号做傅里叶变换，然后直接做逆变换，这样做是没有意义的，在傅里叶变换和傅里叶逆变换之间有一个滤波的过程。
将不要的频率分量给滤除掉，然后再做逆变换，就得到了想要的信号。
比如信号中掺杂着噪声信号，可以通过滤波器将噪声信号的频率给去除，再做傅里叶逆变换，就得到了没有噪声的信号。
优点:频率的定位很好，通过对信号的频率分辨率很好，可以清晰的得到信号所包含的频率成分，也就是频谱。
缺点:因为频谱是时间从负无穷到正无穷的叠加，所以，知道某一频率，不能判断，该频率的时间定位。
傅里叶变换常用公式
傅里叶变换常用公式1.傅里叶变换定义：F(w) = ∫[f(t)e^(-jwt)] dt2.傅里叶逆变换定义：f(t) = ∫[F(w)e^(jwt)] dw / (2π)傅里叶逆变换定义了将频域函数F(w)转换回时域函数f(t)的方式。
3.单位冲激函数的傅里叶变换：F(w) = ∫[δ(t)e^(-jwt)] dtδ(t)是单位冲激函数，其傅里叶变换结果为14.周期函数的傅里叶级数展开：f(t) = ∑[a(n)cos(nω0t) + b(n)sin(nω0t)]f(t)可以用无穷级数形式表示，其中ω0为基本角频率，a(n)和b(n)为系数。
5.周期函数的傅里叶变换：F(w)=2π∑[δ(w-nω0)]周期函数f(t)的频谱是一系列频率为nω0的冲激函数。
6.卷积定理：FT[f*g]=F(w)G(w)f*g表示函数f(t)和g(t)的卷积，FT表示傅里叶变换，*表示复数乘法。
卷积定理说明卷积在频域中的运算等于对应的傅里叶变换相乘。
7.积分定理：∫[f(t)g(t)] dt = 1/2π ∫[F(w)G(-w)] dw积分定理表明函数f(t)和g(t)的乘积在时域中的积分等于它们在频域中的乘积的逆变换。
8.平移定理：g(t) = f(t - t0) 对应的傅里叶变换 F(w) = e^(-jwt0) G(w)平移定理说明在时域中将函数f(t)右移t0单位，等价于在频域中将F(w)乘以e^(-jwt0)。
9.缩放定理：g(t) = f(at) 对应的傅里叶变换 G(w) = 1/，a， F(w/a)缩放定理说明在时域中将函数f(t)横向拉伸为af(t)，等价于在频域中将F(w)纵向压缩为1/，a，F(w/a)。
除了以上列举的公式，傅里叶变换还有许多性质和定理，如频移定理、频域微分定理、频域积分定理等，这些公式和定理在信号处理中非常有用，可以加速计算和简化问题的分析。
常见函数傅里叶变换
常见函数傅里叶变换傅里叶变换是一种将一个函数分解成一系列正弦和余弦函数的方法。
它是一种非常重要的数学工具，被广泛应用于信号处理、图像处理、量子力学等领域。
在本文中，我们将介绍几种常见的函数傅里叶变换。
1. 正弦函数傅里叶变换正弦函数傅里叶变换是将一个函数分解成一系列正弦函数的方法。
它适用于周期函数，即函数在一个周期内重复。
正弦函数傅里叶变换的公式为：f(x) = a0/2 + Σ(an*cos(nπx/L) + bn*sin(nπx/L))其中，a0/2是函数的平均值，an和bn是函数的傅里叶系数，L 是函数的周期。
正弦函数傅里叶变换可以用于分析周期信号的频谱特性。
2. 傅里叶级数傅里叶级数是将一个函数分解成一系列正弦和余弦函数的方法。
它适用于周期函数，即函数在一个周期内重复。
傅里叶级数的公式为：f(x) = a0/2 + Σ(an*cos(nπx/L) + bn*sin(nπx/L))其中，a0/2是函数的平均值，an和bn是函数的傅里叶系数，L是函数的周期。
傅里叶级数可以用于分析周期信号的频谱特性。
3. 傅里叶变换傅里叶变换是将一个非周期函数分解成一系列正弦和余弦函数的方法。
它适用于非周期函数，即函数在整个实数轴上都有定义。
傅里叶变换的公式为：F(ω) = ∫f(x)e^(-iωx)dx其中，F(ω)是函数的傅里叶变换，f(x)是原函数，ω是频率。
傅里叶变换可以用于分析信号的频谱特性。
4. 离散傅里叶变换离散傅里叶变换是将一个离散信号分解成一系列正弦和余弦函数的方法。
它适用于数字信号处理。
离散傅里叶变换的公式为：X(k) = Σx(n)e^(-i2πnk/N)其中，X(k)是信号的傅里叶变换，x(n)是原信号，N是信号的长度，k是频率。
离散傅里叶变换可以用于分析数字信号的频谱特性。
傅里叶变换是一种非常重要的数学工具，它可以将一个函数分解成一系列正弦和余弦函数，从而分析函数的频谱特性。
在信号处理、图像处理、量子力学等领域都有广泛的应用。
傅里叶变换原理
傅里叶变换原理傅里叶变换是一种非常重要的数学工具，它在信号处理、图像处理、通信系统等领域都有着广泛的应用。
傅里叶变换的原理是将一个信号分解成不同频率的正弦和余弦函数的叠加，从而可以分析信号的频谱特性。
在本文中，我们将详细介绍傅里叶变换的原理及其在实际应用中的重要性。
首先，让我们来了解一下傅里叶变换的数学表达式。
对于一个连续信号 f(t)，它的傅里叶变换F(ω) 定义为：F(ω) = ∫f(t)e^(-jωt)dt。
其中，e^(-jωt) 是复指数函数，ω 是频率。
这个公式表示了信号 f(t) 在频域上的表示，也就是说，它将信号 f(t) 转换成了频率域上的复数函数F(ω)。
通过傅里叶变换，我们可以得到信号的频谱信息，从而可以分析信号的频率成分和能量分布。
傅里叶变换的原理可以通过一个简单的例子来说明。
假设我们有一个周期为 T 的正弦信号f(t) = Asin(2πft)，其中 A 是振幅，f 是频率。
对这个信号进行傅里叶变换，我们可以得到频谱F(ω)= A/2 (δ(ω-f) δ(ω+f))，其中δ(ω) 是狄拉克δ函数。
这个频谱表示了信号只包含了频率为 f 的正弦成分，而其他频率成分的能量为零。
这样，我们就可以通过傅里叶变换来分析信号的频率特性。
在实际应用中，傅里叶变换有着广泛的应用。
在信号处理中，我们可以通过傅里叶变换来对信号进行滤波、频谱分析等操作。
在图像处理中，傅里叶变换可以用来进行图像的频域滤波、频谱分析等操作。
在通信系统中，傅里叶变换可以用来对调制信号进行频谱分析、信道估计等操作。
可以说，傅里叶变换已经成为了现代科学技术中不可或缺的数学工具。
总之，傅里叶变换是一种非常重要的数学工具，它可以将一个信号从时域转换到频域，从而可以分析信号的频率特性。
通过傅里叶变换，我们可以对信号进行频谱分析、滤波等操作，从而可以更好地理解和处理信号。
傅里叶变换在信号处理、图像处理、通信系统等领域都有着广泛的应用，它已经成为了现代科学技术中不可或缺的数学工具。
常用傅里叶变换+定理+各种变换规律(推荐)
√
√
f
(t )
=
⎪⎧1 ⎨
−
t
⎪⎩
τ, t 0, t
<τ >τ
τSa 2
ωτ (
)
2
W Sa2 (Wt )
2π
2
F
(ω
)
=
⎪⎧1 ⎨
−
ω
⎪⎩
W,ω <W 0, ω > W
√ e−atu(t), Re{a} > 0
e −a t , Re{a} > 0 √
e−at cosω0tu(t), Re{a} > 0 √
)
√
时域微 分性质 时域积 分性质
√ 时域卷
积性质
√ 对称性
d f (t) dt
∫t f (τ )dτ −∞
f (t) * h(t)
f (−t) f * (t)
f * (−t)
jωF (ω)
F(ω) + πF (0)δ (ω) jω F (ω)H (ω)
F (−ω) F * (−ω ) F * (ω )
−∞ 1/ 2
= ∫ exp(− j2πux)dx
rect
x a
=
1, 0,
−1/ 2
=1
1/2
exp(− j2πux)
− j2πu
-1/2
= sin(πu) πu
结论：
x ≤a 2
其它
= sinc(u) rect（x） F.T. sinc（u）
5
普遍型
F
rect
x a
= a sin(πau) πau
2
2
2
+∞
2π ∑ Fkδ (ω − kω0 ) k =−∞
傅里叶变换知识点总结
傅里叶变换知识点总结本文将从傅里叶级数、傅里叶变换和离散傅里叶变换三个方面来介绍傅里叶变换的知识点，并且着重介绍它们的原理、性质和应用。
一、傅里叶级数1. 傅里叶级数的定义傅里叶级数是一种将周期函数表示为正弦和余弦函数的线性组合的方法。
它可以将任意周期为T的函数f(x)分解为如下形式的级数：f(x)=a0/2+Σ(an*cos(2πnfx / T) + bn*sin(2πnfx / T))其中an和bn是傅里叶系数，f为频率。
2. 傅里叶级数的性质（1）奇偶性：偶函数的傅里叶级数只包含余弦项，奇函数的傅里叶级数只包含正弦项。
（2）傅里叶系数：通过欧拉公式和傅里叶系数的计算公式可以得到an和bn。
（3）傅里叶级数的收敛性: 傅里叶级数在满足柯西收敛条件的情况下可以收敛到原函数。
二、傅里叶变换1. 傅里叶变换的定义傅里叶变换是将信号从时间域转换到频率域的一种数学工具。
对于非周期函数f(t)，它的傅里叶变换F(ω)定义如下：F(ω)=∫f(t)e^(-jwt)dt其中ω为频率，j为虚数单位。
2. 傅里叶变换的性质（1）线性性质：傅里叶变换具有线性性质，即对于任意常数a和b，有F(at+bs)=aF(t)+bF(s)。
（2）时移性质和频移性质：时域的时移对应频域的频移，频域的频移对应时域的时移。
（3）卷积定理：傅里叶变换后的两个函数的乘积等于它们的傅里叶变换之卷积。
3. 傅里叶逆变换傅里叶逆变换是将频域的信号反变换回时域的一种操作，其定义如下：f(t)=∫F(ω)e^(jwt)dω / 2π其中F(ω)为频域信号，f(t)为时域信号。
三、离散傅里叶变换1. 离散傅里叶变换的定义对于离散序列x[n]，其离散傅里叶变换X[k]的定义如下：X[k]=Σx[n]e^(-j2πnk / N)其中N为序列长度。
2. 快速傅里叶变换（FFT）FFT是一种高效计算离散傅里叶变换的算法，它能够在O(NlogN)的时间复杂度内完成计算，广泛应用于数字信号处理和通信系统中。
傅里叶变换理解
傅里叶变换理解傅里叶变换是一种数学工具，它可以将一个信号分解成不同频率的正弦波。
这个工具在信号处理、图像处理、音频处理等领域中得到了广泛的应用。
在这篇文章中，我们将以傅里叶变换为标题，来探讨它的原理和应用。
傅里叶变换的原理是基于正弦波的周期性和可叠加性。
任何一个周期性信号都可以表示为一系列正弦波的叠加。
这些正弦波的频率、振幅和相位不同，它们的叠加形成了原始信号。
傅里叶变换就是将这个过程反过来，将一个信号分解成不同频率的正弦波。
傅里叶变换的公式是：F(ω) = ∫f(t)e^(-iωt)dt其中，F(ω)表示频率为ω的正弦波的振幅和相位，f(t)表示原始信号，e^(-iωt)表示频率为ω的正弦波。
这个公式可以理解为将原始信号f(t)与不同频率的正弦波e^(-iωt)做内积，得到频率为ω的正弦波的振幅和相位。
傅里叶变换的应用非常广泛。
在信号处理中，傅里叶变换可以用来分析信号的频谱，找出信号中的频率成分。
在图像处理中，傅里叶变换可以用来分析图像的频谱，找出图像中的纹理和边缘。
在音频处理中，傅里叶变换可以用来分析音频的频谱，找出音频中的音调和音色。
除了傅里叶变换，还有一种变换叫做离散傅里叶变换（DFT）。
DFT 是将傅里叶变换应用到离散信号上的一种方法。
DFT的公式是：X(k) = ∑n=0^(N-1)x(n)e^(-i2πnk/N)其中，X(k)表示频率为k的正弦波的振幅和相位，x(n)表示离散信号，N表示信号的长度。
DFT可以用来分析数字信号的频谱，找出数字信号中的频率成分。
傅里叶变换是一种非常重要的数学工具，它可以将一个信号分解成不同频率的正弦波。
这个工具在信号处理、图像处理、音频处理等领域中得到了广泛的应用。
我们可以通过傅里叶变换来分析信号的频谱，找出信号中的频率成分，从而更好地理解和处理信号。
傅立叶变换公式总结
傅立叶变换公式总结
傅立叶变换公式是一种将时域信号转换为频域信号的数学工具，它可以帮助我们分析和处理信号。
下面是傅立叶变换公式的总结：
1. 傅立叶变换公式：
傅立叶变换公式是将一个时域（时间域）信号转换为一个频域信号的数学公式。
其数学表达式为：
F(ω) = ∫f(t)e^(-iωt)dt
其中，F(ω)代表频域信号，f(t)代表时域信号，ω代表频率，i代表虚数单位。
2. 傅立叶逆变换公式：
傅立叶逆变换公式是将一个频域信号转换为一个时域（时间域）信号的数学公式。
其数学表达式为：
f(t) = (1/2π) ∫F(ω)e^(iωt)dω
其中，f(t)代表时域信号，F(ω)代表频域信号，ω代表频率，i代表虚数单位。
3. 傅立叶级数：
傅立叶级数是一种将周期信号分解为一系列正弦和余弦波的技术。
傅立叶级数可以用于分析周期信号的频率成分和幅度。
傅立叶级数的数学表达式为：
f(t) = a0/2 + Σ[an*cos(nωt) + bn*sin(nωt)]
其中，f(t)代表周期信号，a0、an、bn代表系数，ω代表角频率，n代表正整数。
4. 傅立叶变换在信号处理中的应用：
傅立叶变换在信号处理中有广泛的应用。
它可以用于滤波、压缩、解调、频谱分析等方面。
傅立叶变换可以帮助我们更好地理解和处理信号。
总之，傅立叶变换公式是一种重要的数学工具，它可以帮助我们将时域信号转换为频域信号，并在信号处理中发挥重要作用。
傅里叶变换的11个性质公式
傅里叶变换的11个性质公式傅里叶变换的11个性质公式是傅立叶变换的基本性质，由他们可以推出其它性质。
其中包括线性性质、有穷性质、周期性质、旋转性质、折叠性质、应变性质、平移性质、对称性质、频域算子性质、滤波性质、压缩性质等共11条。
1、线性性质：如果x(t)和y(t)是两个信号，则有：X(ω)=F[x(t)]，Y(ω)=F[y(t)]，则有：X(ω)+Y(ω)=F[x(t)+y(t)]；αX(ω)=F[αx(t)]；X(ω)*Y(ω)=F[x(t)*y(t)]。
2、有穷性质：如果x(t)是有穷的，则X(ω)也是有穷的。
3、周期性质：如果x(t)在周期T内无穷重复，则X(ω)也在周期2π/T内无穷重复。
4、旋转性质：X(ω-ω0) = F[x(t)e^(-jω0t)]，即信号x(t)经过相位旋转成x(t)e^(-jω0t)，其傅里叶变换也会经过相位旋转成X(ω-ω0)。
5、折叠性质：X(ω+nω0)=F[x(t)e^(-jnω0t)]，即信号x(t)经过频率折叠后变为x(t)e^(-jnω0t)，其傅里叶变换也会经过频率折叠成X(ω+nω0)。
6、应变性质：X(aω)=F[x(at)]，即信号x(t)经过时间应变成x(at)，其傅里叶变换也会经过频率应变成X(aω)。
7、平移性质：X(ω-ω0) = F[x(t-t0)]，即信号x(t)经过时间平移成x(t-t0)，其傅里叶变换也会经过频率平移成X(ω-ω0)。
8、对称性质：X(-ω) = X*(-ω)，即傅里叶变换的实部和虚部对称。
9、频域算子性质：X(ω)Y(ω)=F[h(t)*x(t)]，即傅里叶变换不仅可以表示信号，还可以表示系统的频域表示，即h(t)*x(t)，其傅里叶变换为X(ω)Y(ω)。
10、滤波性质：H(ω)X(ω)=F[h(t)*x(t)]，即傅里叶变换可以用来表示滤波器的频域表示，即h(t)*x(t)，其傅里叶变换为H(ω)X(ω)。