matlab实现傅里叶变换.docxVIP

（ 1）原理 正交级数的展开是其理论基础！ 将一个在时域收敛的函数展开成一系列不同频率谐波的叠加， 从而达到解决周期函数问题的目的。 在此基础上进行推广， 从而可以对一个非周期函数进行时频变换。 从分析的角度看，他是用简单的函数去逼近（或代替）复杂函数，从几何的角度 看，它是以一族正交函数为基向量， 将函数空间进行正交分解， 相应的系数即为坐标。从变幻的角度的看， 他建立了周期函数与序列之间的对应关系； 而从物理意义上看，他将信号分解为一些列的简谐波的复合，从而建立了频谱理论。 当然 Fourier 积分建立在傅氏积分基础上， 一个函数除了要满足狄氏条件外， 一般来说还要在积分域上绝对可积，才有古典意义下的傅氏变换。引入衰减因子 e^(-st) ，从而有了 Laplace 变换。（好像走远了）。 （ 2）计算方法 连续傅里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。 这是将频率域的函数 F( ω) 表示为时间域的函数 f （t ）的积分形式。 连续傅里叶变换的逆变换 (inverse Fourier transform) 为 即将时间域的函数 f （t ）表示为频率域的函数 F( ω) 的积分。 一般可称函数 f （t ）为原函数，而称函数 F( ω ) 为傅里叶变换的像函数，原函数和像函数构成一个傅里叶变换对（ transform pair ）。 二、傅立叶变换的应用； DFT在诸多多领域中有着重要应用，下面仅是颉取的几个例子。需要指出的 是，所有 DFT的实际应用都依赖于计算离散傅里叶变换及其逆变换的快速算法，即快速傅里叶变换（快速傅里叶变换（即 FFT）是计算离散傅里叶变换及其逆变换的快速算法。）。 （ 1）、频谱分析 DFT是连续傅里叶变换的近似。 因此可以对连续信号 x(t) 均匀采样并截断以得到有限长的离 散序列，对这一序列作离散傅里叶变换，可以分析连续信号 x(t) 频谱的性质。前面还提到 DFT应用于频谱分析需要注意的两个问题： 即采样可能导致信号混叠和截断信号引起的频谱 泄漏。 可以通过选择适当的采样频率 （见奈奎斯特频率） 消减混叠。选择适当的序列长度并 加窗可以抑制频谱泄漏。 （ 2）、数据压缩 由于人类感官的分辨能力存在极限，因此很多有损压缩算法利用这一点将语音、 音频、图像、视频等信号的高频部分除去。高频信号对应于信号的细节，滤除高 频信号可以在人类感官可以接受的范围内获得很高的压缩比。 这一去除高频分量 的处理就是通过离散傅里叶变换完成的。 将时域或空域的信号转换到频域， 仅储 存或传输较低频率上的系数，在解压缩端采用逆变换即可重建信号。 3）、 OFDM OFDM（正交频分复用）在宽带无线通信中有重要的应用。这种技术将带宽为 N 个等间隔的子载波，可以证明这些子载波相互正交。尤其重要的是， OFDM调制 可以由 IDFT 实现，而解调可以由 DFT实现。 OFDM还利用 DFT的移位性质，在每 个帧头部加上循环前缀（ Cyclic Prefix ），使得只要信道延时小于循环前缀的长 度，就能消除信道延时对传输的影响。 三、傅里叶变换的本质； 傅里叶变换的公式为 F ( ) f (t )e j t dt 可以把傅里叶变换也成另外一种形式： F ( ) 1 f (t), e j t 2 可以看出， 傅里叶变换的本质是内积， 三角函数是完备的正交函数集， 不同频率的三角 函数的之间的内积为 0，只有频率相等的三角函数做内积时，才不为 0。 e j 1 t , ej 2 t e j ( 12 )t dt 2 ( 12 ) 下面从公式解释下傅里叶变换的意义 因为傅里叶变换的本质是内积， 所以 f(t) 和 e j t 求内积的时候， 只有 f(t) 中频率为 的 分量才会有内积的结果， 其余分量的内积为 0。可以理解为 f(t) 在 e j t 上的投影， 积分值是 时间从负无穷到正无穷的积分， 就是把信号每个时间在 的分量叠加起来， 可以理解为 f(t) 在 ej t 上的投影的叠加，叠加的结果就是频率为 的分量，也就形成了频谱。 傅里叶逆变换的公式为 f (t ) 1 F ( )e j t d 2 下面从公式分析下傅里叶逆变换的意义 傅里叶逆变换就是傅里叶变换的逆过程，在 F ( ) 和 e j t 求内积的时候， F ( ) 只有 t 时刻的分量内积才会有结果，其余时间分量内积结果为 0，同样积分值是频率从负无穷到正 无穷的积分， 就是把信号在每个频率在 t 时刻上的分量叠加起来， 叠加的结果就是 f(t) 在 t 时刻的值，这就回到了我们观察信号最初的时域。 对一个信号做傅里叶变换， 然后直接做逆变换，