傅立叶变换及其应用.ppt

傅立叶变换及其应用 为什么要使用傅立叶变换 频谱分析是信号处理的核心 没学微积分就不了解极限的概念，而没学傅立叶变换可能就不清楚世界上还有所谓的“频谱” 傅立叶变换对于问题的简化特别有用，使我们可以从另一个角度处理问题 FFT的出现，使科学分析的许多方面大为改观 背景知识 1、线性系统的基本概念 2、二维卷积 3、傅立叶变换的实质 1. 线性系统 线性系统理论是数字信号分析与处理（当然包括数字图象处理）的理论基础 线性系统可用传递函数来刻画，将其看作黑箱（Black Box），线性系统的输入信号和输出信号之间的关系，在时域可用卷积运算来表达，在频域可直接用乘积来确定： 1.1 线性系统的输入输出关系 时域用卷积运算来表达 频域用乘积表达 2. 二维卷积 对于二维信号，二维卷积定义为 3.傅立叶变换的实质 简单的说，一个波形的傅立叶变换的实质是：把这个波形分解成许多不同频率正弦波之和，且这些正弦波加起来可成为原来的波形。 方程表示为： “任意”的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类，这一想法跟化学上的原子论想法很相似。 如减速机故障时，通过傅里叶变换做频谱分析，根据各级齿轮转速、齿数与杂音频谱中振幅大的对比，可以快速判断哪级齿轮损伤。 在数字图像处理中，周期性的噪声会在傅立叶变换后的频谱图像中产生尖峰信号，由此可快速取得图像中的噪声信息，便于进一步处理。 傅立叶变换应用很广，以上仅仅是其在信号处理系统中的基本应用。 傅立叶变换 1.傅立叶积分： 若对参量f的每一个值，积分都是存在的，则该方程就定义了h(t)的傅立叶变换H(f)。 t代表时间，f代表频率。则该变换实现了将以时间为变量的函数h(t)转换为以频率为变量的函数H(f)，且二者所包含的信息是一致的。（这即为使人们可以从另一个角度研究一个函数的根本依据） 傅立叶变换是频率变量f的一个复函数： R(f)是傅立叶变换的实部，I(f)是傅立叶变换的虚部。 |H(f)|称作h(t)的振幅谱或者傅立叶谱，它由 给出。 θ(f)是傅立叶变换的相角，由 给出。 2. 傅立叶逆变换 逆变换定义为： 该公式使我们可