2020年傅里叶变换的可视化及应用研究精
编版
论文编码：首都师范大学本科学生毕业论文傅里叶变换的可视化及应用研究
作者：吴晓龙
院系：物理系
专业：物理学（师范）
学号： 1070600080
指导教师：郭怀明
日期： 2011年5月9日
中文提要
傅里叶变换是由实空间向频谱空间的变换。傅里叶变换的重要性在于很多实际问题在频谱空间更易处理，而快速傅里叶变换的发展则使之更便于应用。本文涉及傅里叶级数、连续傅里叶变换、快速傅里叶变换、广义傅里叶级数，旨在介绍它们之间的区别与联系，并探讨它们在MatLab中的可视化实现方法，以及在实际中的应用。本文最后还对傅里叶变换的意义做了简单探讨。
关键词：傅里叶级数傅里叶变换快速傅里叶变换可视化
Abstract
Fourier Transform is a kind of transformation from the real-space to frequency-space. The reason why Fourier Transform is important is that many realistic problems are more easily to be solved in frequency-space. Specially,the development of Fast Fourier Transform make it more convenient to use. This paper reviews Fourier Series,Fourier Transform, Fast Fourier Transform and Generalized Fourier Series. We discuss the relationship and the difference among them,and introduce their applications in realistic problems,then visualize them in MatLab. Finally，we make some comments on the meaning of Fourier Transform.
Keywords：Fourier Series Fourier Transform FFT Visualization
目录
一、引言 (1)
二、傅里叶级数、傅里叶变换的可视化及应用 (1)
2.1 傅里叶级数、傅里叶变换的数学依据 (1)
2.2傅里叶级数、傅里叶变换的Matlab可视化实现 (2)
2.3傅里叶级数、傅里叶变换的实际应用 (3)
三、DFT、FFT的可视化及应用 (4)
3.1 DFT、FFT的数学依据 (4)
3.2 FFT的Matlab可视化实现 (5)
3.3 FFT的实际应用 (6)
四、广义傅里叶级数的可视化及应用 (8)
4.1 广义傅里叶级数的数学依据 (8)
4.2 广义傅里叶级数的Matlab可视化实现 (9)
4.3 广义傅里叶级数的实际应用 (9)
五、傅里叶级数、傅里叶变换的意义 (11)
六、总结及结论 (12)
附录 (13)
参考文献 (17)
致谢 (18)
英文原文 (19)
中文译文 (30)
一、引言
傅里叶级数最初是法国数学家约瑟夫·傅里叶在求解热传导方程时产生的，随后傅里叶变换、离散傅里叶变换（DFT）应运而生，并不断的发展为一整套傅里叶分析理论体系。傅里叶分析在很多方面都有应用，但直到快速傅里叶变换（FFT）的诞生才把傅里叶分析推向了高潮。1965年，Cooley和Tukey两人在《计算机科学》上发表了《机器计算傅里叶级数的一种算法》一文，之后 FFT开始大规模应用。时至今日，傅里叶分析已被广泛的应用于信号分析、信号处理、光谱分析、量子力学、天体物理学、微分方程求解、地质勘探、医学、生物学等领域，成为数据分析的一种有效的基础手段。同时，结合各领域自身的特点，以傅里叶分析为基础而发展起来的其他更有效的分析方法也得到了广泛的实际应用。比如小波分析以及Z变换，在信号分析中应用都很广泛。但毋庸置疑，以傅里叶级数、傅里叶变换、DFT、FFT为基础的傅里叶分析依然是一种不可替代的简单而有效的分析方法。
二、傅里叶级数、傅里叶变换的可视化及应用
2.1 傅里叶级数、傅里叶变换的数学依据
2.1.1 傅里叶级数
傅里叶级数以三角函数系?Skip Record If...?为展开函数，可以证明三角函数系是正交归一①的。以2l为周期的任意周期函数?Skip Record If...?的傅里叶级数形式为：
?Skip Record If...?（2-1-1）
?Skip Record If...??Skip Record If...??Skip Record If...??Skip Record If...?
?Skip Record If...?
若?Skip Record If...?满足狄里克雷充分条件，即：（1）在一个周期内连续或只有有限个第一类间断点，（2）在一个周期内至多只有有限个极值点，则?Skip Record If...?的傅里叶级数收敛于?Skip Record If...?。
?Skip Record If...?亦可写为复数形式的傅里叶级数：
?Skip Record If...?（2-1-2）
实验八 利用FFT 实现快速卷积 一、 实验目的 （1） 通过这一实验，加深理解FFT 在实现数字滤波（或快速卷积）中的重要作用，更好的利用FFT 进行数字信号处理。 （2） 进一步掌握循环卷积和线性卷积两者之间的关系。 二、 实验原理与方法 数字滤波器根据系统的单位脉冲响应h(n)是有限长还是无限长可分为有限长单位脉冲响应（Finite Impulse Response ）系统（简记为FIR 系统）和无限长单位脉冲响应（Infinite Impulse Response ）系统（简记为IIR 系统）。 对于FIR 滤波器来说，除了可以通过数字网络来实现外，也可以通过FFT 的变换来实现。 一个信号序列x(n)通过FIR 滤波器时，其输出应该是x(n)与h(n)的卷积： ∑+∞ -∞ =-= =m m n h m x n h n x n y )()()(*)()( 或 ∑+∞ -∞ =-= =m m n x m h n x n h n y ) ()()(*)()( 当h(n)是一个有限长序列，即h(n)是FIR 滤波器，且10-≤≤N n 时 ∑-=-=1 0) ()()(N m m n x m h n y 在数字网络（见图6.1）类的FIR 滤波器中，普遍使用的横截型结构（见下图6.2 图6.1 滤波器的数字网络实现方法 图6.2 FIR 滤波器横截型结构 y(n) y(n) -1-1-1-1
应用FFT 实现数字滤波器实际上就是用FFT 来快速计算有限长度列间的线性卷积。 粗略地说，这种方法就是先将输入信号x(n)通过FFT 变换为它的频谱采样 值X(k)，然后再和FIR 滤波器的频响采样值H(k)相乘，H(k)可事先存放在存储器中，最后再将乘积H(k)X(k)通过快速傅里叶变换（简称IFFT ）还原为时域序列，即得到输出y(n)如图6.3所示。 图6.3 数字滤波器的快速傅里叶变换实现方法 现以FFT 求有限长序列间的卷积及求有限长度列与较长序列间的卷积为例来讨论FFT 的快速卷积方法。 （1） 序列)(n x 和)(n h 的列长差不多。设)(n x 的列长为1N ，)(n h 的列长为2N ，要求 )()(n x n y =N ∑-=-==1 ) ()()(*)()(N r r n h r x n h n x n h 用FFT 完成这一卷积的具体步骤如下： i. 为使两有限长序列的线性卷积可用其循环卷积代替而不发生混叠，必须选择循环卷积长度121-+≥N N N ，若采用基2-FFT 完成卷积运 算，要求m N 2=（m 为整数）。 ii. 用补零方法使)(n x ，)(n h 变成列长为N 的序列。 ?? ?-≤≤-≤≤=10 10)()(11N n N N n n x n x ?? ?-≤≤-≤≤=10 1 0)()(22N n N N n n h n h iii. 用FFT 计算)(),(n h n x 的N 点离散傅里叶变换 )()(k X n x FFT ??→? )()(k H n h FFT ??→? iv. 做)(k X 和)(k H 乘积，)()()(k H k X k Y ?= v. 用FFT 计算)(k Y 的离散傅里叶反变换得 y(n)
傅里叶变换在物理学、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。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。 傅里叶变换是一种解决问题的方法，一种工具，一种看待问题的角度。理解的关键是：一个连续的信号可以看作是一个个小信号的叠加，从时域叠加与从频域叠加都可以组成原来的信号，将信号这么分解后有助于处理。 我们原来对一个信号其实是从时间的角度去理解的，不知不觉中，其实是按照时间把信号进行分割，每一部分只是一个时间点对应一个信号值，一个信号是一组这样的分量的叠加。傅里叶变换后，其实还是个叠加问题，只不过是从频率的角度去叠加，只不过每个小信号是一个时间域上覆盖整个区间的信号，但他确有固定的周期，或者说，给了一个周期，我们就能画出一个整个区间上的分信号，那么给定一组周期值（或频率值），我们就可以画出其对应的曲线，就像给出时域上每一点的信号值一样，不过如果信号是周期的话，频域的更简单，只需要几个甚至一个就可以了，时域则需要整个时间轴上每一点都映射出一个函数值。 傅里叶变换就是将一个信号的时域表示形式映射到一个频域表示形式；逆傅里叶变换恰好相反。这都是一个信号的不同表示形式。它的公式会用就可以，当然把证明看懂了更好。 对一个信号做傅里叶变换，可以得到其频域特性，包括幅度和相位两个方面。幅度是表示这个频率分量的大小，那么相位呢，它有什么物理意义？频域的相位与时域的相位有关系吗？信号前一段的相位（频域）与后一段的相位的变化是否与信号的频率成正比关系。 傅里叶变换就是把一个信号，分解成无数的正弦波（或者余弦波）信号。也
C语言实现FFT(快速傅里叶变换) 函数原型:空快速傅立叶变换(Struct Compx *xin，Intn) 函数函数:对输入复数组执行快速傅立叶变换(FFT)输入参数:*xin复结构组的第一个地址指针。结构输出参数:no * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *结构compx u，w，t。 nv2 =快速傅立叶变换_ N/2；nm1 =快速傅立叶变换_ N-1；(I = 0；i
河北联合大学 本科毕业设计（论文） 题目傅里叶变换在信号与系统中的应用 院系理学院 专业班级07数学一班 学生姓名刘帅 学生学号200710050113 指导教师佟玉霞 2011年5月24日
题目傅里叶变换在信号与系统中的应用 专业数学与应用数学姓名刘帅学号200710050113 主要内容、基本要求、主要参考资料等 主要内容 傅里叶变换是一种重要的变换，且在与通信相关的信号与系统中有着广泛的应用。本文主要研究傅里叶变换的基本原理；其次，掌握其在滤波，调制、解调，抽样等方面中的应用。分析了信号在通信系统中的处理方法，通过傅里叶变换推导出信号调制解调的原理，由此引出对频分复用通信系统的组成原理的介绍。 基本要求 通过傅里叶变换实现一个高通滤波，低通滤波，带通滤波。用傅里叶变换推导出信号调制解调的原理。通过抽样实现连续信号离散化，简化计算。另外利用调制的原理推导出通信系统中的时分复用和频分复用。 参考资料 [1]《信号与系统理论、方法和应用》徐守时著中国科技大学出版社 2006年3月修订二版 [2]《信号与系统》第二版上、下册郑君里、应启珩、杨为理著高等教育出版社 [3]《通信系统》第四版 Simon Haykin 著宋铁成、徐平平、徐智勇等译沈 连丰审校电子工业出版社 [4]《信号与系统—连续与离散》第四版 Rodger E.Ziemer 等著肖志涛等译 腾建辅审校电子工业出版社 [5]《现代通信原理》陶亚雄主编电子工业出版社 [6]《信号与系统》乐正友著清华大学出版社 [7]《信号与线性系统》阎鸿森、王新风、田惠生编西安交通大学出版社 [8]《信号与线性系统》张卫钢主编郑晶、徐琨、徐建民副主编西安电 子科技大学出版社 [9] https://www.doczj.com/doc/aa8137838.html,/view/191871.htm//百度百科傅里叶变换 [10]《通信原理》第六版樊昌信曹丽娜编著国防工业出版社 [11]A．V．Oppenheim,A.S.Willsky with S.H.Nawab.Siganals and systems(Second edition).Prentice-Hall,1997.中译：刘树棠。信号与系统。西安交通工业大学出版社 完成期限 指导教师 专业负责人
写在最前面：本文是我阅读了多篇相关文章后对它们进行分析重组整合而得，绝大部分内容非我所原创。在此向多位原创作者致敬！！！ 为什么要进行傅立叶变换？傅立叶变换究竟有何意义？如何用Matlab实现快速傅立叶变换？来源：张宗帅.docx的日志 一、傅立叶变换的由来 关于傅立叶变换，无论是书本还是在网上可以很容易找到关于傅立叶变换的描述，但是大都是些故弄玄虚的文章，太过抽象，尽是一些让人看了就望而生畏的公式的罗列，让人很难能够从感性上得到理解，最近，我偶尔从网上看到一个关于数字信号处理的电子书籍，是一个叫Steven W. Smith, Ph.D.外国人写的，写得非常浅显，里面有七章由浅入深地专门讲述关于离散信号的傅立叶变换，虽然是英文文档，我还是硬着头皮看完了有关傅立叶变换的有关内容，看了有茅塞顿开的感觉，在此把我从中得到的理解拿出来跟大家分享，希望很多被傅立叶变换迷惑的朋友能够得到一点启发，这电子书籍是免费的，有兴趣的朋友也可以从网上下载下来看一下，URL地址是： https://www.doczj.com/doc/aa8137838.html,/pdfbook.htm 要理解傅立叶变换，确实需要一定的耐心，别一下子想着傅立叶变换是怎么变换的，当然，也需要一定的高等数学基础，最基本的是级数变换，其中傅立叶级数变换是傅立叶变换的基础公式。 二、傅立叶变换的提出 让我们先看看为什么会有傅立叶变换？傅立叶是一位法国数学家和物理学家的名字，英语原名是Jean Baptiste Joseph Fourier(1768-1830), Fourier对热传递很感兴趣，于1807年在法国科学学会上发表了一篇论文，运用正弦曲线来描述温度分布，论文里有个在当时具有争议性的决断：任何连续周期信号可以由一组适当的正弦曲线组合而成。当时审查这个论文的人，其中有两位是历史上著名的数学家拉格朗日(Joseph Louis Lagrange, 1736-1813)和拉普拉斯(Pierre Simon de Laplace, 1749-1827)，当拉普拉斯和其它审查者投票通过并要发表这个论文时，拉格朗日坚决反对，在近50年的时间里，拉格朗日坚持认为傅立叶的方法无法表示带有棱角的信号，如在方波中出现非连续变化斜率。法国科学学会屈服于拉格朗日的威望，拒绝了傅立叶的工作，幸运的是，傅立叶还有其它事情可忙，他参加了政治运动，随拿破仑远征埃及，法国大革命后因会被推上断头台而一直在逃避。直到拉格朗日死后15年这个论文才被发表出来。 谁是对的呢？拉格朗日是对的：正弦曲线无法组合成一个带有棱角的信号。但是，我们可以用正弦曲线来非常逼近地表示它，逼近到两种表示方法不存在能量差别，基于此，傅立叶是对的。 为什么我们要用正弦曲线来代替原来的曲线呢？如我们也还可以用方波或三角波来代替呀，分解信号的方法是无穷的，但分解信号的目的是为了更加简单地处理原来的信号。用正余弦来表示原信号会更加简单，因为正余弦拥有原信号所不具有的性质：正弦曲线保真度。一个正弦曲线信号输入后，输出的仍是正弦曲线，只有幅度和相位可能发生变化，但是频率和波的形状仍是一样的。且只有正弦曲线才拥有这样的性质，正因如此我们才不用方波或三角波来表示。
1.前言 1.1背景 利用变换可简化运算，比如对数变换，极坐标变换等。类似的，变换也存在于工程，技术领域，它就是积分变换。积分变换的使用，可以 使求解微分方程的过程得到简化，比如乘积可以转化为卷积。什么是积 分变换呢？即为利用含参变量积分，把一个属于A函数类的函数转化属 于B函数类的一个函数。傅里叶变换和拉普拉斯变换是两种重要积分变 换。分析信号的一种方法是傅立叶变换，傅里叶变换能够分析信号的成 分，也能够利用成分合成信号。可以当做信号的成分的波形有很多，例 如锯齿波，正弦波，方波等等。傅立叶变换是利用正弦波来作为信号的拉普拉斯变换最早由法国数学家天文学家 成分。Pierre Simon Laplace （拉普拉斯）（1749-1827）在他的与概率论相关科学研究中引入，在他 的一些基本的关于拉普拉斯变换的结果写在他的著名作品《概率分析理 论》之中。即使在19世纪初，拉普拉斯变换已经发现，但是关于拉普拉 斯变换的相关研究却一直没什么太大进展，直至一个英国数学家，物理 学家，同时也是一位电气工程师的Oliver Heaviside奥利弗·亥维赛 （1850-1925）在电学相关问题之中引入了算子运算，而且得到了不少方 法与结果，对于解决现实问题很有好处，这才引起了数学家对算子理论 的严格化的兴趣。之后才创立了现代算子理论。算子理论最初的理论依 据就是拉普拉斯变换的相关理论，拉普拉斯变换相关理论的继续发展也 是得益于算理理论的更进一步发展。这篇文章就是针对傅里叶变换和拉 普拉斯变换的相关定义，相关性质，以及相关应用做一下简要讨论，并 且分析傅里叶变换和拉普拉斯变换的区别与联系。 1.2预备知识 定理1.2.1（傅里叶积分定理）
快速傅里叶变换FFT的FPGA设计与实现 学生姓名郭衡 班级电科1704 学号17419002064 指导教师谭会生 成绩 2020年5 月20 日
快速傅里叶变换FFT 的设计与实现 一、研究项目概述 非周期性连续时间信号x(t)的傅里叶变换可以表示为：= )(?X dt t j e t x ? ∞ ∞ --1 )(?，式中计算出来的是信号x(t)的连续频谱。但是，在实际的控制系统中能够式中计算出来的是信号x(t)的连续频谱。但是，在实际的控制系统中能够算信号x(t)的频谱。 有限长离散信号x(n)，n=0，1，…，N-1的DFT 定义为： ∑-=-=-==1 02,1.....10)()(N n N j N kn N e W N k W n x K X π、、。 可以看出，DFT 需要计算大约N2次乘法和N2次加法。当N 较大时，这个计算量是很大的。利用WN 的对称性和周期性，将N 点DFT 分解为两个N ／2点的DFT ，这样两个N ／2点DFT 总的计算量只是原来的一半，即(N ／2)2+(N ／2)2=N2／2，这样可以继续分解下去，将N ／2再分解为N ／4点DFT 等。对于N=2m 点的DFT 都可以分解为2点的DFT ，这样其计算量可以减少为(N ／2)log2N 次乘法和Nlog2N 次加法。图1为FFT 与DFT-所需运算量与计算点数的关系曲线。由图可以明显看出FFT 算法的优越性。 图1 FFT 与DFT 所需乘法次数比 较
X[1] 将x(n)分解为偶数与奇数的两个序列之和，即x(n)=x1(n)+x2(n)。 x1(n)和x2(n)的长度都是N ／2，x1(n)是偶数序列，x2(n)是奇数序列，则 ∑∑=--=-=+2 )12(120 2)1.....,0()(2)(1)(N n k n N N n km N N k W n x W n x K X 所以)1...,0()(2)(1)(12 22120 -=+=∑∑-=-=N k W n x W W n x K X N n km N k N km N N n 由于km N N j km N j km N W e e W 2/2 /2222===--ππ ，则 )1.....,0)((2)(1)(2)(1)(12 2/120 2/-=+=+=∑∑-=-=N k k X W k X W n x W W n x K X k N N n km N k N N n kn N 其中X1(k)和X2(k)分别为x1(n)和x2(n)的N ／2点DFT 。由于X1(k)和X2(k)均以N ／2为周期，且WNk+N/2=-WNk ，所以X(k)又可表示为： )12/....,1,0)((2)(1)(-=+=N k k X W k X K X k N )12/....,1,0)((2)(1)2/(-=-=+N k k X W k X N K X k N
傅里叶变换在信号处理中的应用 姓名董柱班级电气工程及其自动化学号1109141013 摘要： 傅里叶变换是一种特殊的积分变换。通过傅里叶变换把信号的从时域变换到频域研究，采用频域法较之经典时域的方法有很多突出的优点，虽然傅里叶分析不是信息科学与技术领域中唯一的变换域方法，但是不得不承认，在此领域中，傅里叶变换分析始终有着广泛的应用，通过傅里叶变换实现信号的滤波，调制，抽样是傅里叶变换在信号处理中最主要的作用。通过对信号的调制可以将信号的低频成分调制到高频，实现频谱搬移，减少马间串扰，提高抗噪声新能，有利于信号的远距离传输，另外，对信号采样可以使连续信号离散化，有利于用计算机对信号进行处理，总之，傅里叶变换在信号处理中有着非常重要的作用。傅里叶变换是学习其他频域变换的基础。 关键词： 傅里叶变换，时域，频域，信号处理，信息科学与技术，滤波，调制，抽样。 一傅里叶变换 1.定义 f(t）是t的函数，如果t满足狄里赫莱条件：具有有限个间断点；具有有限个极值点；绝对可积。则有下图①式成立。称为积分运算f(t）的傅立叶变换， ②式的积分运算叫做F（ω）的傅立叶逆变换。F（ω）叫做f(t）的像函数，f(t）叫做 F（ω）的像原函数。F（ω）是f(t）的像。f(t）是F（ω）原像。 ① 傅里叶变换 傅里叶逆变换 2.分类 连续傅立叶变换：一般情况下，若“傅立叶变换”一词的前面未加任何限定语，则指的是“连续傅立叶变换”。“连续傅立叶变换”将平方可积的函数f(t) 表示成复指数函数的积分或级数形式。 f(t) = \mathcal^[F（ω）] = \frac{\sqrt{2π}} \int\limits_{-\infty}^\infty F（ω）e^{iωt}\,dω.
快速傅里叶变换 FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。 现在圈圈就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此罗嗦了。 采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。 假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位呢，就是在该频率下的信号的相位。第一个表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示 采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高
论文编码：首都师范大学本科学生毕业论文 傅里叶变换的可视化及应用研究 作者：吴晓龙 院系：物理系 专业：物理学（师范） 学号： 1070600080 指导教师：郭怀明 日期： 2011年5月9日
中文提要 傅里叶变换是由实空间向频谱空间的变换。傅里叶变换的重要性在于很多实际问题在频谱空间更易处理，而快速傅里叶变换的发展则使之更便于应用。本文涉及傅里叶级数、连续傅里叶变换、快速傅里叶变换、广义傅里叶级数，旨在介绍它们之间的区别与联系，并探讨它们在MatLab中的可视化实现方法，以及在实际中的应用。本文最后还对傅里叶变换的意义做了简单探讨。 关键词：傅里叶级数傅里叶变换快速傅里叶变换可视化
Abstract Fourier Transform is a kind of transformation from the real-space to frequency-space. The reason why Fourier Transform is important is that many realistic problems are more easily to be solved in frequency-space. Specially,the development of Fast Fourier Transform make it more convenient to use. This paper reviews Fourier Series,Fourier Transform, Fast Fourier Transform and Generalized Fourier Series. We discuss the relationship and the difference among them,and introduce their applications in realistic problems,then visualize them in MatLab. Finally，we make some comments on the meaning of Fourier Transform. Keywords：Fourier Series Fourier Transform FFT Visualization
傅立叶变换的原理、意义和应用 1概念：编辑 傅里叶变换是一种分析信号的方法，它可分析信号的成分，也可用这些成分合成信号。许多波形可作为信号的成分，比如正弦波、方波、锯齿波等，傅里叶变换用正弦波作为信号的成分。 参考《数字信号处理》杨毅明著，机械工业出版社2012年发行。 定义 f(t）是t的周期函数，如果t满足狄里赫莱条件：在一个周期内具有有限个间断点，且在这些间断点上，函数是有限值；在一个周期内具有有限个极值点；绝对可积。则有下图①式成立。称为积分运算f(t）的傅里叶变换， ②式的积分运算叫做F（ω）的傅里叶逆变换。F（ω）叫做f(t）的像函数，f(t）叫做 F（ω）的像原函数。F（ω）是f(t）的像。f(t）是F（ω）原像。 ①傅里叶变换 ②傅里叶逆变换 中文译名 Fourier transform或Transformée de Fourier有多个中文译
名，常见的有“傅里叶变换”、“付立叶变换”、“傅立叶转换”、“傅氏转换”、“傅氏变换”、等等。为方便起见，本文统一写作“傅里叶变换”。 应用 傅里叶变换在物理学、电子类学科、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值谱——显示与频率对应的幅值大小）。 相关 * 傅里叶变换属于谐波分析。 * 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; * 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； *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； * 离散形式的傅立叶变换可以利用数字计算机快速地算出（其算法称为快速傅里叶变换算法（FFT)).[1] 2性质编辑 线性性质 傅里叶变换的线性，是指两函数的线性组合的傅里叶变换，等于
x=[1,1,1,1];w=[0:1:500]*2*pi/500; [H]=freqz(x,1,w); magH=abs(H);phaH=angle(H); subplot(2,1,1);plot(w/pi,magH);grid;xlabel('');ylabel('|X|'); title('DTFT的幅度') subplot(2,1,2);plot(w/pi,phaH/pi*180);grid; xlabel('以pi为单位的频率');label('度'); title('DTFT的相角')
N=4;w1=2*pi/N;k=0:N-1; X=fft(x,N); magX=abs(X);phaX=angle(X)*180/pi; subplot(2,1,1);plot(w*N/(2*pi),magH,'--');axis([-0.1,4.1,0,5]);hold on; stem(k,magX);ylabel('|X(k)|');title('DFT的幅度:N=4');text(4.3,-1,'k'); hold off; subplot(2,1,2);plot(w*N/(2*pi),phaH*180/pi,'--');axis([-0.1,4.1,-200,200]); hold on; stem(k,phaX);ylabel('度');title('DFT的相角:N=4');text(4.3,-200,'k')
n=(0:1:9);x=cos(0.48*pi*n)+cos(0.52*pi*n); w=[0:1:500]*2*pi/500; X=x*exp(-1i*n'*w); magx=abs(X); x1=fft(x);magx1=abs(x1(1:1:10)); k1=0:1:9;w1=2*pi/10*k1; subplot(3,1,1);stem(n,x);title('signalx(n),0<=n<=9'); axis([0,10,-2.5,2.5]);line([0,10],[0,0]); subplot(3,1,2);plot(w/pi,magx);title('DTFT幅度');xlabel('w');axis([0,1,0,10]); subplot(3,1,3);stem(w1/pi,magx1);title('DFT幅度'); xlabel('频率（单位：pi)');axis([0,1,0,10]) 实验总结：补零运算提供了一个较密的频谱和较好的图示形式，但因为在信号中只是附加了零，而没有增加任何新的信息，因此不能提供高分辨率的频谱。
Matlab中快速傅里叶变换FFT结果的物理意义 FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。 现在就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此啰嗦了。 采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。 假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位呢，就是在该频率下的信号的相位。第一个点表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，(1/fs*n=t)刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz(fs/n即频域两点间距)。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。频率分辨率和采样时间是倒数关系。 假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是An=根号a*a+b*b，相位就是Pn=atan2(b,a)。根据以上的结果，就可以计算出n点（n≠1，且n<=N/2）对应的信号的表达式为：An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。对于n=1点的信号，是直流分量，幅度即为A1/N。由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。 下面以一个实际的信号来做说明。假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V 的交流信号，以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下： S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)。式中cos参数为弧度，所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样，总共采样256点。按照我们上面的分析，Fn=(n-1)*Fs/N，我们可以知道，每两个点之间的间距就是1Hz，第n个点的频率就是n-1。我们的信号有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第50个点、第76个点上出现峰值，其它各点应该接近0。实际情况如何呢？我们来看看FFT的结果的模值如图所示。
快速傅里叶变换(FFT)的DSP 实现 (马灿明 计算机学院 计算机应用技术 2110605410) 摘要:本文对快速傅里叶变换(FFT)原理进行简单介绍后，然后介绍FFT 在TMS320C55xx 定 点DSP 上的实现，FFT 算法采用C 语言和汇编混合编程来实现，算法程序利用了CCS 对其结果进行了仿真。 关键字：FFT ，DSP ，比特反转 1.引言 傅里叶变换是将信号从时域变换到频域的一种变换形式，是信号处理领域中一种重要的分析工具。离散傅里叶变换（DFT ）是连续傅里叶变换在离散系统中的表现形式。由于DFT 的计算量很大，因此在很长一段时间内使其应用受到很大的限制。 20世纪60年代由Cooley 和Tukey 提出了快速傅里叶变换（FFT ）算法，它是快速计算DFT 的一种高效方法，可以明显地降低运算量，大大地提高DFT 的运算速度，从而使DFT 在实际中得到了广泛的应用，已成为数字信号处理最为重要的工具之一。 DSP 芯片的出现使FFT 的实现变得更加方便。由于多数的DSP 芯片都能在单指令周期内完成乘法—累加运算，而且还提供了专门的FFT 指令（如实现FFT 算法所必需的比特反转等），使得FFT 算法在DSP 芯片上实现的速度更快。本节首先简要介绍FFT 算法的基本原理，然后介绍FFT 算法的DSP 实现。 2.FFT 算法的简介 快速傅里叶变换（FFT ）是一种高效实现离散傅里叶变换（DFT ）的快速算法，是数字信号处理中最为重要的工具之一，它在声学，语音，电信和信号处理等领域有着广泛的应用。 2.1离散傅里叶变换DFT 对于长度为N 的有限长序列x(n)，它的离散傅里叶变换（DFT ）为 1,1,0, )()(1 0-==∑-=N k W n x k X n n nk N （1） 式中， N j N e W /2π-= ，称为旋转因子或蝶形因子。 从DFT 的定义可以看出，在x(n)为复数序列的情况下，对某个k 值，直接按（1） 式计算X(k) 只需要N 次复数乘法和（N-1）次复数加法。因此，对所有N 个k 值，共需要N 2 次复数乘法和N(N-1)次复数加法。对于一些相当大有N 值（如1024点）来说，直接计算它的DFT 所需要的计算量是很大的，因此DFT 运算的应用受到了很大的限制。 2.2快速傅里叶变换FFT 旋转因子W N 有如下的特性。 。对称性： 2/N k N k N W W +-= 。周期性： N k N k N W W += 利用这些特性，既可以使DFT 中有些项合并，减少了乘法积项，又可以将长序列的DFT
#include
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 denoising 1、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
快速傅里叶变换地现实作用 （快速傅里叶变换）是数字信号处理地经典算法，学过或者芯片设计地人大多知道这个算法.但是，大家是否想过，为什么数字信号处理会有那么多呢？有人会说，为了分析信号地频谱.那么下边地问题就是，分析频谱对我们地日常需求，比如手机打电话，雷达测量速度和方向等等一些与实际需求有什么联系？为什么如此重要？本文举一些简明地例子，阐释一下到底有什么用. 先回忆一下是什么.上世纪年代之前，我们主要通过模拟电路来进行信号处理，比如大家熟悉地用二极管和电容进行调制信号地包络检波一样，随着数字系统地普及，我们可以用处理器或者数字电路更为精确地处理信号，比如我们做检波，实际上可以用载波把信号混频（与余弦函数做乘法），再进行低通滤波，那么这个过程可以用数字电路地乘法器和滤波器来做，比二极管和电容构成地低通滤波器阶数高地多，性能自然更为理想，同时，由于数字电路易于做成集成电路，因此我们更多地是将原先地模拟信号（比如麦克风地音频）通过模拟数字转换器，转换为数字值后进行处理.这样地系统有几个问题，一个是信号需要被采样，其次是信号被分成若干量阶.信号被采样，也就意味着我们得到地不是原先地连续地信号了，而是一个离散地一些采集地样点.那么对时域信号进行采样，必然造成频谱地周期化，如果原先频谱仅限于有限地带宽，那么周期化之后，只要周期大于原先地带宽，那么实际上没有混叠失真.而数字电路限制我们只能进行乘加
等二进制域地计算，获得另一些离散地点，因此我们不得不将频谱也进行“采样”，频域地抽样导致时域上又周期化了，好在如果我们只取有限地长度，可以假定没采集地部分进行地是周期化延拓（由于平稳系统认为信号可以分解为正余弦函数地组合，而正余弦函数是可以周期延拓地，所以这个假设没有问题），那么我们得到了时域和频域都是离散地周期延拓地点集.既然是周期延拓地，那么延拓地部分和主值区间（靠近地那个周期）是重复地数值，因此我们只保留主值区间地部分，这样地时域点集到频域点集地变换关系叫离散傅里叶变换（）.然而它地运算过于复杂，因此库里和图基（, ）两人力图化简它，找到了这个算法地一些内在运算规律，得到地运算量由原来地平方级降为级，这个算法就叫按时间抽取快速傅里叶变换，桑德和图基研究按频率抽取也可以得到类似地低复杂度算法，这类算法统称快速傅里叶变换（），地计算结果和是完全等价地，只是运算量降低了.又由于时频变换能量不变（定理），所以频域地绝对数值没有意义了，只要获得相对数值即可，因此数字系统中地量化阶数以及数字系统溢出后地缩放调整对地计算结果影响仅在于精度，而不是对错，从而，正好满足数字系统可以处理地前提，同时运算复杂度不高，因此获得了广泛地应用.那么，模拟系统能不能做类似地呢？可以，构造与频点数量相同个数地带通滤波器，组成一个阵列，信号进入这个带通滤波器组，每个滤波器只保留了相应频点为中心地类似于地频响函数，那么就可以得到地结果.当然，这个代价不是一般地系统可以负担地.所以，在没有数字电路普及地年代里，基本是数学算法，是不可实现地.