傅里叶变换详解：原理、应用与信号分解

本文为工程与科学领域分析信号的基石技术——傅里叶变换提供清晰、专业的概述。

傅里叶变换以法国数学家约瑟夫·傅里叶命名，是一种揭示函数频率成分的数学方法。对电气工程师而言，它最常应用于时域信号——描述电压、电流或其他随时间变化的可测量量的波形。

虽然电压或电流随时间变化的示波器波形直观易懂，但这并非唯一有用的表达方式。在许多设计场景中——尤其是射频和通信领域——工程师需要从纯正弦波角度理解信号的周期性行为，因为正弦波是"纯"频率唯一的数学表达。

傅里叶变换通过将信号分解为构成频率的正弦波及其幅度和相位，揭示了信号的基本周期性。这种分解至关重要：它让我们能将复杂波形视为简单正弦波的叠加。

例如，周期为T、幅度为A的交流耦合方波可表示为奇次谐波的无限级数：

\[f_{square}(t)=\frac{4A}{\pi}\sum_{k\in\{1,3,5,...\}}\frac{1}{k}\sin\left(\frac{2\pi kt}{T}\right)\]

用基波频率f重写可得更直观的形式：

\[f_{square}(t)=\frac{4A}{\pi}\Bigl(\sin(2\pi ft)+\tfrac{1}{3}\sin(6\pi ft)+\tfrac{1}{5}\sin(10\pi ft)+\dots\Bigr)\]

附图展示了方波（蓝色）与前八个正弦波，以及重建波形确认级数还原了原始波形。

傅里叶变换详解：原理、应用与信号分解

计算傅里叶变换时，我们从时域函数f(t)出发，得到频域函数F(\omega)，其中\omega为角频率。在特定频率（如100 rad/s）处评估F(\omega)，可得该频率下正弦波在f(t)中的幅度与相位。

变换本质上是复值的，因此需通过额外计算提取幅度和相位。实际工程中，工程师常用复系数幅度(\sqrt{a^2+b^2})分析频率成分，特别是在采样数据上使用离散傅里叶变换（DFT）时。

频谱图——幅度随频率变化的图表——广泛见于数据手册、测试报告和教科书。下图展示了幅度1 V、基频1 Hz的交流耦合方波谐波频谱。

傅里叶变换详解：原理、应用与信号分解

虽然大多数工程师依赖软件工具进行傅里叶分析，但理解底层数学极具价值。信号f(t)的连续时间傅里叶变换定义为：

\[F(\omega) = \int_{-\infty}^{\infty} f(t) e^{-j\omega t}\,dt\]

对于离散时间信号，DFT用有限求和替代积分，直接得出代表频谱的复系数。

本文概述了傅里叶变换的核心原理，从正弦波分解到实际频谱可视化。该变换是现代信号处理的基石，也是滤波器设计、调制和谱估计等高级主题的入门。