数学的另一种打开方式 VOL. 01

Fourier Transform

傅里叶变换

复杂的信号,
简单的波。

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。

从直觉开始探索

不用先读懂公式
先看见,再理解。

波形合成实验
LIVE EXPLORATION
几个简单的正弦波,能拼出什么?
FIG. 01
旋转向量合成信号复平面时间 t →
频域 · 相对基频振幅每一根线,都是一种频率
1f₀3f₀5f₀7f₀9f₀11f₀13f₀15f₀17f₀19f₀21f₀23f₀
谐波数量04 / 12

拖动滑块,观察谐波越多,波形如何逐渐成形。

虚线为目标,实线为近似

傅里叶级数 · f₀ 为基频;方波、三角波只取奇次谐波。

01 / THE BIG IDEA

同一个世界,两种观察方式。

时域告诉你“何时变化”,
频域告诉你“由什么组成”。

TIME DOMAIN

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 →
换个视角
FREQUENCY DOMAIN

频域:看组成的成分

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。

f₀3f₀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

用旋转,找到隐藏的频率。

试着把探针调到 2 Hz 和 5 Hz,
观察平均向量如何变化。

X(f) = ∫−∞+∞ x(t) e−i2πft dt

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。

x(t) 原始信号e−i2πft 按频率 f 旋转∫ … dt 沿时间累加X(f) 振幅与相位信息
FREQUENCY DETECTOR

让信号绕一个圈。

x(t) = cos(2π · 2t) + 0.5 sin(2π · 5t)
01 / 旋转后的轨迹ReIm 绿色向量 = 所有采样点的平均
02 / 每个频率留下多少?00.250.501234567频率 / Hz|C₂(f)| · 平均向量长度观察 2 秒 · 512 个等间隔样本
试探频率
2.00 Hz
0 Hz7 Hz
平均向量长度0.500

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

亲手调一段信号。

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。

SIGNAL MIXER
成分 11 Hz
振幅 A1.00
相位 φ0°
成分 23 Hz
振幅 A0.40
相位 φ0°
成分 35 Hz
振幅 A0.20
相位 φ0°
时域 / 合成后的信号观察 2 秒
-4040s0.5s1s1.5s2s
白线:合成信号彩线:各个正弦分量
频域 / 振幅与相位固定频率 1、3、5 Hz
1.00
1 Hzφ 0°
0.40
3 Hzφ 0°
0.20
5 Hzφ 0°

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

从一个公式,到你的每一天。

声音处理

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

图像处理

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

无线通信

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
把频谱的变化,听出来

如果移除高频,
声音会怎样?

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。

点击后播放,建议从较小音量开始。
FIG. 03
220 Hz 保留660 Hz 保留1100 Hz 保留
截止频率700 Hz
200 Hz1500 Hz

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

把几个容易混淆的概念,理清楚。

FOURIER SERIES

傅里叶级数

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。

FOURIER TRANSFORM

傅里叶变换

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。

DFT

离散傅里叶变换

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。

FFT

快速傅里叶变换

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。

为什么方波拐角处总有“小尖峰”?+

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。

采样越多,频谱就一定更精细吗?+

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。

只保存振幅谱,可以还原声音吗?+

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。