傅里葉變換

傅里葉變換

傅里葉變換是一種將信號從時域（或空間域）映射到頻域的數學工具。它揭示了信號的頻率成分、幅值與相位結構，是信號處理、通信、圖像、物理與概率論中的核心方法。本頁會系統梳理連續與離散情形的定義、性質與實踐要點。

1. 基本直觀與動機

在時域中，一個複雜信號可被視為許多正弦/餘弦波的疊加。傅里葉變換就是用一組「頻率基底」去表示信號，使我們得以分析「有哪些頻率」「各占多少（幅度）」「如何對齊（相位）」。在工程中，這幫助我們實現濾波、壓縮、去噪、調製與診斷；在物理中，這提供了時-頻（或位-動量）等對偶表述。

表1：時域與頻域直觀對應

視角	時域	頻域
變量	t（或空間 x）	角頻率 $\omega$（或空間頻率）
主要問題	波形形狀、瞬態、脈衝位置	頻譜分布、頻寬、主/旁瓣、相位
處理操作	卷積、微分、積分	乘法、加權、相位調整

表2：常見術語速覽

術語	中文解釋	備註
頻譜	信號在頻域的表示（幅度與相位）	幅度譜與相位譜
頻寬	頻譜主要能量所在的寬度	定義多樣（如3 dB頻寬）
泄漏	有限窗截斷導致能量擴散到鄰頻	窗函數可緩解
混疊	欠採樣致高頻摺疊到低頻	採樣率與抗混疊濾波

2. 連續時間傅里葉變換（CTFT）

連續時間傅里葉變換常見兩種規範：以角頻率 $\omega$ 或以頻率 $f$ 為自變量。以下為常用的角頻率形式：

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

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

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

表3：兩類歸一化的對照

項目	角頻率 $\omega$	頻率 $f$
指數核	$e^{-j\omega t}$	$e^{-j2\pi ft}$
正變換係數	無額外係數	無額外係數
逆變換係數	$1/(2\pi )$	無額外係數
自變量關係	$\omega =2\pi f$	$f=\omega /(2\pi )$

表4：典型連續信號的變換對（示意）

時域信號	頻域表達	要點
$\delta (t)$	1	單位衝激對應全頻均勻
1	$2\pi \,\delta (\omega )$	常數只含零頻分量
$e^{j\omega _{0}t}$	$2\pi \,\delta (\omega -\omega _{0})$	純頻率為狄拉克分量
$\mathrm {rect} (t/T)$	$T\,\mathrm {sinc} (\omega T/2)$	截斷導致頻域主/旁瓣
高斯	高斯	自相似，時頻不確定性最小

3. 基本性質與能量關係

傅里葉變換具備線性、時移、頻移、縮放、卷積/乘積對偶等性質。

表5：核心性質速覽（以 $\omega$ 規範）

性質	時域	頻域
線性	$ax(t)+by(t)$	$aX(\omega )+bY(\omega )$
時移	$x(t-t_{0})$	$e^{-j\omega t_{0}}X(\omega )$
頻移	$e^{j\omega _{0}t}x(t)$	$X(\omega -\omega _{0})$
縮放	$x(at)$	${\frac {1}{|a|}}X(\omega /a)$
卷積	$x*y$	$X(\omega )Y(\omega )$
乘積	$x\,y$	${\frac {1}{2\pi }}X*Y$

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

表6：幅度譜與相位譜信息

項目	含義	實踐關注
幅度譜	頻率成分的強度分布	頻寬、峰值、主/旁瓣
相位譜	成分的相對對齊關係	脈衝形狀、群時延、線性相位
復譜	幅度與相位的聯合表示	穩定性、因果性判斷

4. 離散時間與DFT/FFT

離散時間傅里葉變換（DTFT）： $X(e^{j\omega })=\sum _{n=-\infty }^{\infty }x[n]\,e^{-j\omega n},\quad x[n]={\frac {1}{2\pi }}\int _{-\pi }^{\pi }X(e^{j\omega })\,e^{j\omega n}\,d\omega$

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

快速傅里葉變換（FFT）是高效計算DFT的一類算法，將複雜度從 $O(N^{2})$ 降至 $O(N\log N)$。

表7：DTFT、DFT、FFT對比

項目	DTFT	DFT	FFT
自變量	連續 $\omega$ 周期 $2\pi$	離散 k=0..N-1	不變（算法）
定義域	無限長序列	有限長度N	算法加速DFT
周期性	頻域周期	時/頻域周期化	算法性質
複雜度	不適合直接數值	$O(N^{2})$	$O(N\log N)$

表8：常見窗函數特性（幅度譜主/旁瓣）

窗函數	主瓣寬度（相對）	旁瓣高度（相對）	適用場景
矩形窗	窄	高	分辨率優先，泄漏嚴重
漢寧窗	中	低	通用平衡
海明窗	中	較低	通用、低旁瓣
布萊克曼窗	寬	很低	強抑制旁瓣

表9：DFT實作要點

要點	影響	說明
零填充	頻域插值密度	不提高本質分辨率
頻率分辨率	$\Delta f=f_{s}/N$	N越大越細，但窗寬限制
譜泄漏	峰展寬、旁瓣	選窗與信號對準
環形卷積	邊界失真	適當補零或重疊相加

5. 採樣、帶限與奈奎斯特準則

若連續信號 $x(t)$ 帶限於 $|\omega |\leq \Omega _{c}$，以間隔 $T_{s}$ 採樣得 $x[n]=x(nT_{s})$，其頻譜以 $\omega _{s}=2\pi /T_{s}$ 為周期複製。為避免混疊，需要 $\omega _{s}>2\Omega _{c}\quad {\text{（或）}}\quad f_{s}>2f_{c}$

表10：採樣與重建關鍵量

量	符號	解釋
採樣周期	$T_{s}$	兩次採樣的時間間隔
採樣頻率	$f_{s}=1/T_{s}$	每秒採樣次數
角採樣頻率	$\omega _{s}=2\pi f_{s}$	頻譜複製周期
截止頻率	$f_{c},\Omega _{c}$	有效頻寬上限

實踐中常加入模擬低通抗混疊濾波器，並在數字域用插值核重建（理想為sinc，工程取帶限近似）。

表11：抗混疊與重建方案對比

環節	方案	優點	注意點
抗混疊	模擬巴特沃斯/切比雪夫低通	實現成熟、幅度平滑	階數與相位畸變
抗混疊	過採樣 + 數字下採樣	降低前端要求	數據量增加
重建	sinc插值	理論最優	無限支撐、實現近似
重建	多項式/樣條插值	計算方便	頻域保真度有限

6. 相位、群時延與最小相位

幅度譜說明「有多少頻率」，相位譜決定「如何對齊」。群時延定義為 $\tau _{g}(\omega )=-{\frac {d}{d\omega }}\arg X(\omega )$ 它描述不同頻率分量通過系統的延遲差異。最小相位系統在同幅度響應下具有最小群時延，其零點位於穩定半平面（連續域）或單位圓內（離散域）。

表12：相位相關概念對照

概念	含義	實踐意義
線性相位	相位關於頻率近似線性	脈衝形狀保真、群時延恆定
群時延	相位對頻率的一階導的相反數	反映頻率成分延遲差異
最小相位	同幅度下群時延最小	穩定因果實現、去卷積友好

表13：幅/相配合與應用場景

場景	關注點	說明
語音/音頻	瞬態、相位線性度	影響清晰度與定位
雷達/聲納	群時延平坦、相干積分	影響距離分辨率與成像
地震反演	最小相位、譜白化	提升層界面定位

7. 連續-離散橋接與工程流程

在具體項目中，建議遵循統一規範並兼顧實現細節。

表14：工程流程清單

步驟	目標	關鍵動作
歸一化選擇	避免混淆	固定 $\omega$ 或 $f$ 體系
採樣規劃	防混疊	估計頻寬、留裕度、選 $f_{s}$
窗與長度	控泄漏/分辨率	選窗、定N、是否零填充
頻譜估計	穩健	平均、Welch、帶通聚焦
相位管理	形狀保真	解纏、群時延校正
數值穩定	規模與精度	FFT分解、溢出與量化

表15：常見誤區對照

誤區	後果	修正建議
混用規範	係數錯位、結果量級不符	固定並註明規範
誤解零填充	期待分辨率提升	僅提升插值密度
忽略相位	脈衝失真	檢視相位與群時延
欠採樣	混疊污染	提前設計抗混疊

8. 二維與圖像頻域（簡述）

二維傅里葉變換擴展到圖像處理：紋理、邊緣、方向性常在頻域可分離。頻域濾波（低通、帶通、高通）可進行去噪、銳化或增強；注意環形卷積邊界效應與填充策略。

表16：二維頻域常見操作

操作	目的	說明
低通濾波	去噪/平滑	抑制高頻紋理與噪聲
高通/帶通	銳化/特徵提取	突出邊緣和結構
頻域遮罩	特定方向/頻段控制	設計為圓環/扇形/自定義
中心化	頻譜搬移	將低頻移至中心便於觀察

9. 時頻分析與擴展方向（簡述）

短時傅里葉變換（STFT）通過滑動窗捕捉隨時間變化的頻譜；小波變換在多尺度上提供良好的時頻局部性；壓縮感知基於稀疏先驗重建欠採樣頻譜；譜因子分解用於最小相位建模與預測。

表17：時頻方法鳥瞰

方法	核心思想	典型優勢
STFT	固定窗局部頻譜	時頻權衡直觀、實現方便
CWT/小波	多尺度局部化	非平穩信號刻畫更細緻
壓縮感知	稀疏先驗重建	低採樣率仍可恢復結構
線性預測	譜因子分解	適合譜平滑與建模

10. 術語與符號索引（便查）

表18：符號對照索引

符號	含義	備註
$t$	時間	連續域
$n$	離散時間索引	序列索引
$\omega$, $f$	角頻率、頻率	$\omega =2\pi f$
$X(\omega )$, $X(f)$	傅里葉變換	頻域表示
$X[k]$	DFT 結果	離散頻率採樣

表19：常用縮寫

縮寫	全稱	中文
CTFT	Continuous-Time Fourier Transform	連續時間傅里葉變換
DTFT	Discrete-Time Fourier Transform	離散時間傅里葉變換
DFT	Discrete Fourier Transform	離散傅里葉變換
FFT	Fast Fourier Transform	快速傅里葉變換
PSD	Power Spectral Density	功率譜密度

11. 實戰提示清單

表20：快速檢查表

檢查點	通過標準	備註
規範一致	變換與逆變換配對正確	文檔首段註明
採樣充分	$f_{s}\geq 2.5\!-\!3f_{c}$（保守）	結合抗混疊
窗與長度	泄漏受控，分辨率達標	兼顧計算量
相位處理	群時延平滑/可校正	解纏正確
數值穩定	無溢出/異常尖峰	FFT規模優化

12. 結語

傅里葉變換將「時間的故事」改寫成「頻率的語言」。在應用時，務必統一規範、重視採樣與窗化、同時關注相位與群時延，並以工程流程保障穩定性與可重複性。