傅里叶变换（FT）、离散傅里叶变换（DFT）和快速傅里叶变换（FFT）

最新推荐文章于 2026-03-31 02:36:22 发布

原创

最新推荐文章于 2026-03-31 02:36:22 发布 · 5.4k 阅读

一、傅里叶变换（Fourier Transform, FT）

核心思想： 傅里叶变换是一种数学工具，它告诉我们如何将任意一个满足一定条件的连续时间信号 $x (t)$ （通常描述信号随时间变化的样子，也叫时域），分解成一系列不同频率的正弦和余弦波（也叫复指数波 $ejωte^{j\omega t}$ ）的叠加。分解后得到的函数 $X(ω)X(\omega)$ 描述的是构成原始信号的那些正弦波的幅度和相位随频率 $ω\omega$ 分布的信息，这个分布通常称为信号的频谱或频域表示。

公式与符号含义：

连续时间傅里叶变换 (CTFT)：
$X(\omega) = \int_{-\infty}^{\infty} x(t) e^{-j\omega t} dt$
- $x (t)$ : 待分析的连续时间信号（时域函数）。
- $X(ω)X(\omega)$ : 变换后的结果，即信号的连续频谱（频域函数）。
- $ω\omega$ (rad/s): 角频率（也称为连续频率变量）。 $ω=2πf\omega = 2\pi f$ ，其中 $f$ 是以 Hz 为单位的频率。
- $j$ : 虚数单位（ $j^2 = -1$ ）。
- $e−jωte^{-j\omega t}$ : 复指数核（也称为基本函数）。它的实部是 $cos⁡(ωt)\cos(\omega t)$ ，虚部是 $−sin⁡(ωt)-\sin(\omega t)$ 。FT 本质上是在计算信号 $x (t)$ 与所有不同频率 $ω\omega$ 的这个复指数核的内积（类似投影），这个内积值 $X(ω)X(\omega)$ 就代表了频率为 $ω\omega$ 的复指数波在构成 $x (t)$ 中的幅度和相位信息。
- $∫−∞∞dt\int_{-\infty}^{\infty} dt$ : 表示对所有时间 $t$ 进行积分。这意味着 FT 需要知道整个时间轴上的信号值。
连续时间傅里叶逆变换 (ICTFT)：
$\frac{1}{2\pi} \int_{-\infty}^{\infty} X(\omega) e^{j\omega t} d\omega$
- 这个公式说明了如何从频谱 $X(ω)X(\omega)$ 完美地重建回原始时域信号 $x (t)$ 。它表明 $x (t)$ 是频率为 $ω\omega$ 的复指数波 $ejωte^{j\omega t}$ 的加权叠加，而权重因子正是 $X(ω)X(\omega)$ （再乘以 $1/2π1/2\pi$ ）。

特点：

连续性： 处理对象是连续时间信号 $x (t)$ 。
连续性： 结果是连续频谱 $X(ω)X(\omega)$ （频率变量 $ω\omega$ 连续变化）。
无限性： 积分区间覆盖整个时间轴（ $−∞-\infty$ 到 $∞\infty$ ）和整个频率轴（ $−∞-\infty$ 到 $∞\infty$ ）。
理论基础： 是分析连续信号频域特征的基础理论框架。
局限性： 在计算机中无法直接应用，因为计算机只能处理有限的、离散的数据点（采样信号）。自然界和模拟电路中的信号满足连续性要求。