函数空间与傅丽叶变换.docx

函数空间与傅里叶变换 以前学习傅里叶变换的时候，觉得好神奇啊，把时域变换到频域，一下子就把信号的一些本质揭示出来了。但是心中对到底如何解释这个傅里叶变换，还是有点似是而非的感觉。一直到前些天思考图形匹配问题的时候才发现原来这个东西跟函数空间有这么大关系。Eureka！ 为了说明这个关系，我先解释一下什么是函数空间。大家不要被这个“高深”的术语吓到，其实思想虽然很抽象，但是很简单。 首先说一下空间。空间这个概念是数学抽象出来描述具有某些特殊性质和结构（具体说是哪些，请自行Google）的集合。学过线性代数的人都知道线性空间（好吧，数学老师告诉我们要是想装X就说矢量空间）的概念。其实这个矢量的概念是非常广的，可以是一维的数，可以是多维的向量，还可以是矩阵，甚至可以是函数。所以我们先说线性空间，也就是向量（或者是矩阵）组成的空间。在这里我要着重强调一下元素的概念。初高中的时候，我们主要在数轴上进行一些研究，元素就是一个个的数，这很好理解。后来学习了线性空间，元素就是一个个向量。你要说向量里面是什么，对不起，基本元素就是向量，不再往下分了。这就跟人口普查一样，统计一下全国有多少个人，但是人体器官呢？细胞呢？基因呢？虽然人是由他们组成的，但是这些都不是人，我们是不管的。理解这个思想是很重要的。空间中还有一个很重要的概念是基。为什么要有基？是为了更好的描述空间。比如说三维空间，怎么描述它？这个空间里面的元素的个数是不可数的（也就是和自然数集找不到一一对应的关系），所以一一列出来是不可能的。数学家想出了一个很好的办法，用任意三个不共面向量的线性组合来表示这个空间中的任意一个元素。 理解了这两个概念来转而理解函数空间的概念还稍显不够，其实线性空间还有很多东西可以讲讲（好吧，话匣子一打开就刹不住了）。前两天，有个师弟在问矩阵课程里所提的加法、乘法问题。数学家对什么是加法，什么是乘法都做了定义（老规矩，自行Google），为什么呢？举一个编程里面的例子就明白了。现在假设我要编写一个C++程序，定义一个类，比如说这个类就是字符串类，可以对这个字符串类进行一些操作。我用这个类声明三个变量，然后让第三个变量等于前两个变量“相加”。这时候是不是就得思考，这里的“相加”是什么意思呢？自然界貌似没有一个直接的概念来理解这个“相加”。所以定义这个“加法”就很有意义了。如果你能接受连加法、乘法都可以“随意”定义，再来说角度、距离、范数和内积就比较好接受了。具体的今天就不说了，不过基本的道理一样，数学家先把这几个概念进行了定义（Google去吧），凡是满足定义的都可以被称作相应的概念。这些概念跟空间的标准正交基有关系，就不多说了。 终于可以说说函数空间了（汗），一句话，组成这个空间的元素都是满足一定条件的函数（啥条件，Google吧少年）。咦，这也行？这当然行！那函数自变量、因变量呢？请看上上一段。一定要记住，这个函数空间里面所有的元素都是函数！而且这个空间其实是无穷维的，基有无穷多个。 为了说明傅里叶变换和函数空间的关系，先说信号这个词在数学上的对应概念是什么。一维的信号只有一个自变量，一般是时间，因变量是幅度。二维的情况呢，拿图像来说，可以看成自变量是位置坐标，因变量是灰度（颜色）。这样一来是不是就有点眉目了？信号在数学上的对应概念是函数！这些函数属于某一个内积空间（为什么要说是内积空间，因为在内积空间里面可以考虑角度问题，更明确的说是正交问题），撇开具体的函数空间不谈，单单来看这样一个函数空间的基。这样的基其实是有无穷多的，只要能保证可以利用每一组基的线性组合来表示出所有的函数就可以了。傅里叶变换就是给出了一组基，要求求出利用每个基线性组合成这一信号（函数）的组合系数，或者说是在这组基下的坐标！ 傅里叶变换的美妙之处就在于这组基取得实在是太好了。为什么呢，首先他们是正交的（当然你可以取不同的内积让其他不同的一组基正交），更主要的是它还和自然界的情况有着微妙的联系。自然界中的水波、音波、电磁波等等，如果用数学抽象，显然是三角函数。在振荡电路、模拟通信等等领域中，使用三角函数形式的波形的好处也是非常多的。可以看到，傅里叶变换在一维信号处理领域获得了很大的成功。需要指出的是，傅里叶变换在二维信号处理领域，比如说图像处理领域的缺点就很多了。直观上，图像的周期现象似乎不是那么明显。而且从一维情况转换到二维情况，复杂度增加的不是几倍的关系。但是如果你要跟我提物质波，那我就无话可说了。傅里叶变换在图像处理领域的地位完全不能和其在一维处理领域的地位相比，该是时候找出更适用的一组基了。 由于作者本人不懂小波变换（Wavelet Transform），所以不好拿它和傅里叶变换进行比较，这也是作者比较遗憾的事。希望这篇文章可以抛砖引玉，大家提出更精彩的论述。傅立叶级数（Fouri