傅里叶变换

傅里叶变换是一种将信号从时域（或空间域）映射到频域的数学工具。它揭示了信号的频率成分、幅值与相位结构，是信号处理、通信、图像、物理与概率论中的核心方法。本页会系统梳理连续与离散情形的定义、性质与实践要点。

1. 基本直观与动机

在时域中，一个复杂信号可被视为许多正弦/余弦波的叠加。傅里叶变换就是用一组“频率基底”去表示信号，使我们得以分析“有哪些频率”“各占多少（幅度）”“如何对齐（相位）”。在工程中，这帮助我们实现滤波、压缩、去噪、调制与诊断；在物理中，这提供了时-频（或位-动量）等对偶表述。

表1：时域与频域直观对应

视角	时域	频域
变量	t（或空间 x）	角频率 $\omega$ （或空间频率）
主要问题	波形形状、瞬态、脉冲位置	频谱分布、带宽、主/旁瓣、相位
处理操作	卷积、微分、积分	乘法、加权、相位调整

表2：常见术语速览

术语	中文解释	备注
频谱	信号在频域的表示（幅度与相位）	幅度谱与相位谱
带宽	频谱主要能量所在的宽度	定义多样（如3 dB带宽）
泄漏	有限窗截断导致能量扩散到邻频	窗函数可缓解
混叠	欠采样致高频折叠到低频	采样率与抗混叠滤波

2. 连续时间傅里叶变换（CTFT）

连续时间傅里叶变换常见两种规范：以角频率 $\omega$ 或以频率 $f$ 为自变量。以下为常用的角频率形式：

$X(\omega )=\int _{-\infty }^{\infty }x(t)\,e^{-j\omega t}\,dt$

$x(t)={\frac {1}{2\pi }}\int _{-\infty }^{\infty }X(\omega )\,e^{j\omega t}\,d\omega$

若使用频率 $f$ （Hz），则 $X(f)=\int _{-\infty }^{\infty }x(t)\,e^{-j2\pi ft}\,dt,\quad x(t)=\int _{-\infty }^{\infty }X(f)\,e^{j2\pi ft}\,df$

表3：两类归一化的对照

项目	角频率 $\omega$	频率 $f$
指数核	$e^{-j\omega t}$	$e^{-j2\pi ft}$
正变换系数	无额外系数	无额外系数
逆变换系数	$1/(2\pi )$	无额外系数
自变量关系	$\omega =2\pi f$	$f=\omega /(2\pi )$

表4：典型连续信号的变换对（示意）

时域信号	频域表达	要点
$\delta (t)$	1	单位冲激对应全频均匀
1	$2\pi \,\delta (\omega )$	常数只含零频分量
$e^{j\omega _{0}t}$	$2\pi \,\delta (\omega -\omega _{0})$	纯频率为狄拉克分量
$\mathrm {rect} (t/T)$	$T\,\mathrm {sinc} (\omega T/2)$	截断导致频域主/旁瓣
高斯	高斯	自相似，时频不确定性最小

3. 基本性质与能量关系

傅里叶变换具备线性、时移、频移、缩放、卷积/乘积对偶等性质。

表5：核心性质速览（以 $\omega$ 规范）

性质	时域	频域
线性	$ax(t)+by(t)$	$aX(\omega )+bY(\omega )$
时移	$x(t-t_{0})$	$e^{-j\omega t_{0}}X(\omega )$
频移	$e^{j\omega _{0}t}x(t)$	$X(\omega -\omega _{0})$
缩放	$x(at)$	${\frac {1}{\|a\|}}X(\omega /a)$
卷积	$x*y$	$X(\omega )Y(\omega )$
乘积	$x\,y$	${\frac {1}{2\pi }}X*Y$

帕塞瓦尔定理（能量守恒）： $\int _{-\infty }^{\infty }|x(t)|^{2}\,dt={\frac {1}{2\pi }}\int _{-\infty }^{\infty }|X(\omega )|^{2}\,d\omega$

表6：幅度谱与相位谱信息

项目	含义	实践关注
幅度谱	频率成分的强度分布	带宽、峰值、主/旁瓣
相位谱	成分的相对对齐关系	脉冲形状、群时延、线性相位
复谱	幅度与相位的联合表示	稳定性、因果性判断

4. 离散时间与DFT/FFT

离散时间傅里叶变换（DTFT）： $X(e^{j\omega })=\sum _{n=-\infty }^{\infty }x[n]\,e^{-j\omega n},\quad x[n]={\frac {1}{2\pi }}\int _{-\pi }^{\pi }X(e^{j\omega })\,e^{j\omega n}\,d\omega$

离散傅里叶变换（DFT）： $X[k]=\sum _{n=0}^{N-1}x[n]\,e^{-j2\pi kn/N},\quad x[n]={\frac {1}{N}}\sum _{k=0}^{N-1}X[k]\,e^{j2\pi kn/N}$

快速傅里叶变换（FFT）是高效计算DFT的一类算法，将复杂度从 $O(N^{2})$ 降至 $O(N\log N)$ 。

表7：DTFT、DFT、FFT对比

项目	DTFT	DFT	FFT
自变量	连续 $\omega$ 周期 $2\pi$	离散 k=0..N-1	不变（算法）
定义域	无限长序列	有限长度N	算法加速DFT
周期性	频域周期	时/频域周期化	算法性质
复杂度	不适合直接数值	$O(N^{2})$	$O(N\log N)$

表8：常见窗函数特性（幅度谱主/旁瓣）

窗函数	主瓣宽度（相对）	旁瓣高度（相对）	适用场景
矩形窗	窄	高	分辨率优先，泄漏严重
汉宁窗	中	低	通用平衡
海明窗	中	较低	通用、低旁瓣
布莱克曼窗	宽	很低	强抑制旁瓣

表9：DFT实作要点

要点	影响	说明
零填充	频域插值密度	不提高本质分辨率
频率分辨率	$\Delta f=f_{s}/N$	N越大越细，但窗宽限制
谱泄漏	峰展宽、旁瓣	选窗与信号对准
环形卷积	边界失真	适当补零或重叠相加

5. 采样、带限与奈奎斯特准则

若连续信号 $x(t)$ 带限于 $|\omega |\leq \Omega _{c}$ ，以间隔 $T_{s}$ 采样得 $x[n]=x(nT_{s})$ ，其频谱以 $\omega _{s}=2\pi /T_{s}$ 为周期复制。为避免混叠，需要 $\omega _{s}>2\Omega _{c}\quad {\text{（或）}}\quad f_{s}>2f_{c}$

表10：采样与重建关键量

量	符号	解释
采样周期	$T_{s}$	两次采样的时间间隔
采样频率	$f_{s}=1/T_{s}$	每秒采样次数
角采样频率	$\omega _{s}=2\pi f_{s}$	频谱复制周期
截止频率	$f_{c},\Omega _{c}$	有效带宽上限

实践中常加入模拟低通抗混叠滤波器，并在数字域用插值核重建（理想为sinc，工程取带限近似）。

表11：抗混叠与重建方案对比

环节	方案	优点	注意点
抗混叠	模拟巴特沃斯/切比雪夫低通	实现成熟、幅度平滑	阶数与相位畸变
抗混叠	过采样 + 数字下采样	降低前端要求	数据量增加
重建	sinc插值	理论最优	无限支撑、实现近似
重建	多项式/样条插值	计算方便	频域保真度有限

6. 相位、群时延与最小相位

幅度谱说明“有多少频率”，相位谱决定“如何对齐”。群时延定义为 $\tau _{g}(\omega )=-{\frac {d}{d\omega }}\arg X(\omega )$ 它描述不同频率分量通过系统的延迟差异。最小相位系统在同幅度响应下具有最小群时延，其零点位于稳定半平面（连续域）或单位圆内（离散域）。

表12：相位相关概念对照

概念	含义	实践意义
线性相位	相位关于频率近似线性	脉冲形状保真、群时延恒定
群时延	相位对频率的一阶导的相反数	反映频率成分延迟差异
最小相位	同幅度下群时延最小	稳定因果实现、去卷积友好

表13：幅/相配合与应用场景

场景	关注点	说明
语音/音频	瞬态、相位线性度	影响清晰度与定位
雷达/声纳	群时延平坦、相干积分	影响距离分辨率与成像
地震反演	最小相位、谱白化	提升层界面定位

7. 连续-离散桥接与工程流程

在具体项目中，建议遵循统一规范并兼顾实现细节。

表14：工程流程清单

步骤	目标	关键动作
归一化选择	避免混淆	固定 $\omega$ 或 $f$ 体系
采样规划	防混叠	估计带宽、留裕度、选 $f_{s}$
窗与长度	控泄漏/分辨率	选窗、定N、是否零填充
频谱估计	稳健	平均、Welch、带通聚焦
相位管理	形状保真	解缠、群时延校正
数值稳定	规模与精度	FFT分解、溢出与量化

表15：常见误区对照

误区	后果	修正建议
混用规范	系数错位、结果量级不符	固定并注明规范
误解零填充	期待分辨率提升	仅提升插值密度
忽略相位	脉冲失真	检视相位与群时延
欠采样	混叠污染	提前设计抗混叠

8. 二维与图像频域（简述）

二维傅里叶变换扩展到图像处理：纹理、边缘、方向性常在频域可分离。频域滤波（低通、带通、高通）可进行去噪、锐化或增强；注意环形卷积边界效应与填充策略。

表16：二维频域常见操作

操作	目的	说明
低通滤波	去噪/平滑	抑制高频纹理与噪声
高通/带通	锐化/特征提取	突出边缘和结构
频域遮罩	特定方向/频段控制	设计为圆环/扇形/自定义
中心化	频谱搬移	将低频移至中心便于观察

9. 时频分析与扩展方向（简述）

短时傅里叶变换（STFT）通过滑动窗捕捉随时间变化的频谱；小波变换在多尺度上提供良好的时频局部性；压缩感知基于稀疏先验重建欠采样频谱；谱因子分解用于最小相位建模与预测。

表17：时频方法鸟瞰

方法	核心思想	典型优势
STFT	固定窗局部频谱	时频权衡直观、实现方便
CWT/小波	多尺度局部化	非平稳信号刻画更细致
压缩感知	稀疏先验重建	低采样率仍可恢复结构
线性预测	谱因子分解	适合谱平滑与建模

10. 术语与符号索引（便查）

表18：符号对照索引

符号	含义	备注
$t$	时间	连续域
$n$	离散时间索引	序列索引
$\omega$ , $f$	角频率、频率	$\omega =2\pi f$
$X(\omega )$ , $X(f)$	傅里叶变换	频域表示
$X[k]$	DFT 结果	离散频率采样

表19：常用缩写

缩写	全称	中文
CTFT	Continuous-Time Fourier Transform	连续时间傅里叶变换
DTFT	Discrete-Time Fourier Transform	离散时间傅里叶变换
DFT	Discrete Fourier Transform	离散傅里叶变换
FFT	Fast Fourier Transform	快速傅里叶变换
PSD	Power Spectral Density	功率谱密度

11. 实战提示清单

表20：快速检查表

检查点	通过标准	备注
规范一致	变换与逆变换配对正确	文档首段注明
采样充分	$f_{s}\geq 2.5\!-\!3f_{c}$ （保守）	结合抗混叠
窗与长度	泄漏受控，分辨率达标	兼顾计算量
相位处理	群时延平滑/可校正	解缠正确
数值稳定	无溢出/异常尖峰	FFT规模优化

12. 结语

傅里叶变换将“时间的故事”改写成“频率的语言”。在应用时，务必统一规范、重视采样与窗化、同时关注相位与群时延，并以工程流程保障稳定性与可重复性。