时域:看变化的过程
像聆听一段和弦,看到的是所有声音叠加后的整体。横轴是时间,纵轴是信号的大小。
时间 / TIME →Fourier Transform
一段音乐、一张照片、一束无线电波。
换到频率的视角,发现复杂背后的秩序。
不用先读懂公式
先看见,再理解。
拖动滑块,观察谐波越多,波形如何逐渐成形。
傅里叶级数 · f₀ 为基频;方波、三角波只取奇次谐波。
01 / THE BIG IDEA
时域告诉你“何时变化”,
频域告诉你“由什么组成”。
像聆听一段和弦,看到的是所有声音叠加后的整体。横轴是时间,纵轴是信号的大小。
时间 / TIME →像辨认和弦里的每一个音符。横轴是频率,峰的高度表示对应成分的振幅。
频率 / FREQUENCY →这里展示的是振幅谱。完整重建信号,还需要各个频率的相位信息。
02 / UNDER THE HOOD
试着把探针调到 2 Hz 和 5 Hz,
观察平均向量如何变化。
把信号和一个旋转的“探针”相乘,再累加。
频率匹配时,结果更容易累积;不匹配时,往往互相抵消。
2 Hz 成分:振幅 1,平均向量长度约 0.5
演示计算 C₂(f) = ½ ∫₀² x(t)e−i2πftdt 的采样近似,保留信号正负号。它是有限窗、归一化的变换;窗长会带来谱泄漏,所以不匹配频率的结果也可能不为零。匹配时稳定的是平均向量,轨迹仍在旋转。
03 / MAKE IT YOURS
振幅决定“有多少”,相位决定“从哪开始”。
调节频域的成分,观察时域如何回应。
试一试:只改变 3 Hz 的相位。频谱柱子的高度不变,白色波形却变了。
合成关系:x(t) = Σ Aₖ sin(2πfₖt + φₖ)。这里显示的是正弦分量的振幅与起始相位;振幅为零时,相位不影响结果。
04 / OUT IN THE WORLD
把声音分成不同频率,就能均衡音色、识别音高,或削弱特定频段的噪声。
音乐 · 语音 · 音频分析图像也有空间频率。缓慢变化的区域对应低频,细节与边缘通常包含更多高频。
去噪 · 模糊 · 图像重建让信息搭乘不同频率的载波。频率分析帮助接收端分离信道,解读传来的信号。
Wi-Fi · 广播 · OFDM这个声音由 220、660 和 1100 Hz 的正弦波组成。用理想低通保留截止频率以下的成分,再重新合成。
本实验使用理想频率截断。真实滤波器通常有渐变的过渡带。
KEEP EXPLORING
面向周期信号。用基频及其整数倍频率的正弦、余弦或复指数叠加表示。
用连续频率变量描述信号的频率组成。上面的积分公式采用 Hz 作为频率单位。
把 N 个采样值变成 N 个复数频率系数。频点间隔 Δf = fₛ/N = 1/T。
高效计算 DFT 的算法。典型复杂度为 O(N log N),结果仍是同一个 DFT。
这是吉布斯现象。对幅值 ±1、占空比 50% 的零均值方波,奇次谐波振幅为 4/(πn)。加入更多谐波会让跳变附近的振铃区域变窄,但峰值过冲不会完全消失;在跳变点,级数趋近两侧极限的平均值。
频点间隔取决于观察时长 T:Δf = 1/T。固定时长下提高采样率,会提高可表示的最高频率,但不会缩小频点间隔。为避免混叠,采样前应限制带宽,采样率需高于最高频率的两倍;补零只让频谱显示更密。
通常不可以。相位记录各频率成分在时间上的相对位置。只保留振幅会丢失这些关系;完整的复数傅里叶系数同时包含振幅和相位,才能进行对应的逆变换。