傅叶尔转换（Fouier Transform）.docVIP

傅葉爾轉換(Fourier Transform) 李家同 暨南國際大學資訊工程系 rctlee@ncnu.edu.tw 在通訊理論中 , 傅葉爾轉換(Fourier Transform)扮演了極重要的角色 , 我們幾乎可以說沒有傅葉爾轉換 , 就不可能有我們現在的通訊。 傅葉爾轉換究竟是什麼? 如果我們用非常正式的數學方式來解釋它 , 大家就看不懂了 , 因此我在這裡設法用非正式的方式來解釋。 首先,請看圖一 , 圖一所表示的是一個cosine函數 , 各位可以看出來 , 在 圖一. 頻率為3 的cosine函數 一秒內,這個函數變換了3次,所以我們說這是一個頻率為3的cosine函數。 請各位再看圖二 , 這個訊號既不是cosine , 也不是sine , 它究竟是什麼呢? 圖二. 一個訊號 如果我們用傅葉爾轉換來分析這個訊號 , 你就可以得到圖三。 圖三. 上圖訊號的傅葉爾轉換頻譜 圖三什麼意義呢? 我們可以發現圖三是左右對稱的 , 而圖三所給的資訊只要看左邊的部份就可以。 在左邊,我們可以看到兩個尖端 , 一個在頻率f =7的地方 , 一個在頻率f =15的地方 , 換句話說 , 圖二的這個訊號其實是兩個訊號的和: 大概說起來 , 傅葉爾轉換的理論是說,任何一個訊號 , 都是一大堆cosine函數的和。 為了避免太抽象的數字理論 , 我在這篇文章介紹的是離散傅葉爾轉換(Discreate Fourier Transform)。 假設我們的訊號是 , 我們在一秒鐘內 , 對 取樣n次 , 我們就可以得到 , 其中 我們再將送進離散傅葉爾轉換 , 如圖四所示: 圖四. 離散傅葉爾轉換 代表什麼呢? 以下的式子就說明一切: for t = 0,1,2,…,n-1 (1) 很可能是一個複數,如2+3j ,是一個變數,如果,。 式(1)中的代表頻率 , 式(1)表示 由n/2個cosine函數所組成 , 這些函數的頻率為, , 每一個函數的大小是 , 大 , 代表這個頻率為的cosine函數份量很大 , 小 , 表這個頻率為的cosine函數微不足道。 因此 , 我們可以說 , 傅葉爾轉換 , 是一種分析的工具 , 我們可以利用傅葉爾轉換來看任何一個訊號內究竟有什麼樣的訊號。 現在請看圖五, 圖五 一秒鐘的音樂訊號 圖五的訊號是一秒鐘的音樂訊號 , 對於我們來說 , 這當然是一頭霧水, 不知道這個訊號葫蘆裡賣什麼藥 , 圖六是圖五訊號的離散傅葉爾轉換頻譜。 圖六 一秒鐘的音樂訊號的離散傅葉爾轉換頻譜 讀者可以看到真正重要的頻率集中在3000Hertz之前 , 我們幾乎可以說, 3000Hertz以後的訊號是不太重要的。 我也要強調離散傅葉爾轉換有一個對稱性 , 各位讀者只需要看8192hertz以前的頻率就能夠了 , 大於8192Hertz的頻率一概是多餘的。 我們並不能說公式(1)是對所有的t都是對的 , 只能說對於是有效的 , 如果將代入公式(1)就不一定對了。 如果我們的n取樣非常大 , 我們幾乎可以說公式(1)對於相當多的t值 , 都是對的。 傅葉爾轉換的一個特色是所謂的反轉傅葉爾轉換(Inverse Fourier Transform), 離散傅葉爾轉換也有反轉離散傅葉爾轉換(Inverse Discrete Fourier Transform)。 圖七顯示反轉離散傅葉爾轉換的功能, 圖七. 反轉離散傅葉爾轉換 從數學的觀點來看 , 反轉離散傅葉爾轉換幾乎完全像離散傅葉爾轉換。 離散傅葉爾轉換將一個與時間的訊號轉換到頻率的領域 , 讓我們知道這個訊號各個頻率的訊號有多強。 反轉傅葉爾轉換則將各個頻率的大小轉換成原來的訊號。 圖八就是圖六的反轉 , 也就是說 , 當我們將圖六的頻率輸入到反轉離散傅業爾轉換 , 我們就會得到原來的訓號。 如果我們只顧到圖六中訊號強的頻率 , 情形如何呢? 圖八. 反轉離散傅葉爾轉換的結果 圖九就是一個例子 , 我們將圖六中大小小於10的頻率去掉 , 再利用反轉離散傅葉爾轉換 , 就可以得到圖九 , 讀者可以看出圖九幾乎和圖五一模一樣。 圖九. 去掉小於10 的反轉離散傅葉爾轉換的結果 現在我們再考慮一個問題 , 經由傅葉爾轉換以後 , 我們可以知道我們人聲音的頻率大概低於3000Hertz , 我們又知道一個訊號的波長可用以下的公式求得: (2) 公式(2)中的是光速 , 等於m/sec , 就是頻率 , 以= 3000Hertz為例 ,