Math-Fouriter

傅里叶变换的学习笔记。学习自 3B1B。

欧拉公式 Euler's formula


  • ddtet=et\frac{d}{d{\color{Red}t}}{\color{Green} e^t} = {\color{Blue} e^t}

t{\color{Red}t}看作时间et{\color{Green} e^t}看作质点的速度et{\color{Blue} e^t}看作质点的位置。此时速度位置符号相同。

gif
  • ddte2t=2e2t\frac{d}{d{\color{Red}t}}{\color{Green} e^{2t}} = {\color{Blue} 2\cdot e^{2t}}
gif
  • ddte0.5t=0.5e0.5t\frac{d}{d{\color{Red}t}}{\color{Green} e^{-0.5t}} = {\color{Blue} -0.5\cdot e^{-0.5t}}

此时速度位置方向相反。质点随时间趋于原点。

gif
  • ddteit=ieit\frac{d}{d{\color{Red}t}}{\color{Green} e^{it}} = {\color{Blue} i\cdot e^{it}}

在复平面中,速度位置方向垂直。质点不断旋转。

gif

得到欧拉公式:

eix=cosx+isinxe^{ix}=\cos x + i\sin x

x=πx=\pi 时:

eiπ+1=0e^{i\pi}+1=0

傅里叶级数 Fouriter Series

​ 任何周期函数都可以用正弦函数余弦函数构成的无穷级数来表示(选择正弦函数与余弦函数作为基函数是因为它们是正交的)

sN(x)=A02+n=1NAncos(2πnxPφn)s_N(x)=\frac{A_0}{2}+\sum^{N}_{n=1}A_n\cdot \cos\left(\frac{2\pi nx}{P}-\varphi_n\right)

sN(x)=n=NNcnei2πnxPs_N(x)=\sum_{n=-N}^N c_n\cdot e^{i\frac{2\pi nx}{P}}

​ 如果把一副二维矢量图(svg)看作是一个复平面的函数sN(x)s_N(x),则这个函数可以用多个旋转的圆cnei2πnxPc_n\cdot e^{i\frac{2\pi nx}{P}}复合来表示。(不知道咋表达orz)cnc_n是一个复数,表示这个圆的初始状态(半径,方向)。nn表示这个圆的旋转速率。

gif

傅里叶变换 FT

傅里叶变换 (FT) 是一种数学变换,它将函数分解为频率分量,频率分量由变换的输出表示为频率的函数。最常见的时间或空间函数被转换,这将分别根据时间频率空间频率输出函数。(将信号的时域转换为频域)。

​ 可以将一个周期函数分解成多个正/余弦函数。

gif

将一个周期函数绕成一个圈,观察这个圈在不同频率下的质心位置。

gif

这个质心位置在某频率表现特殊。

jpg

在多个混合的周期函数中,这个现象也成立。

jpg

我们把这个绕圈操作视作在复平面下逆时针旋转。根据欧拉公式就是将原函数g(t)g(t)后乘以e2πifte^{-2\pi ift}。就把时域tt转换成了频域ff

g^(f)=t1t2g(t)e2πiftdt\hat{g}({\color{Red} f})=\int^{t_2}_{t_1}g(t)e^{-2\pi i{\color{Red} f}t}dt

如果把一个非周期的函数视作是一个周期无限大的函数:

g^(f)=+g(t)e2πiftdt\hat{g}({\color{Red} f})=\int^{+\infty}_{-\infty}g(t)e^{-2\pi i{\color{Red} f}t}dt

逆傅里叶变换 IFT

将旋转后的函数再顺时针旋转回来,就是g^(f)\hat{g}(f)后乘以e2πifte^{2\pi ift}:就把频域ff转换成了时域tt

g(t)=+g^(f)e2πiftdfg(t)=\int^{+\infty}_{-\infty}\hat{g}(f)e^{2\pi ift}df

快速傅里叶变换 FFT

它能够将计算DFT(离散傅里叶变换)的复杂度从只用DFT定义计算需要的O(n2)O(n^2),降低到O(nlogn)O(n\log n),其中nn为数据大小。