视频字幕
傅利叶变换是数学和工程学中的一个重要工具，它能够将时域中的信号转换为频域中的表示。简单来说，任何复杂的信号都可以看作是许多不同频率的正弦波和余弦波的叠加。傅利叶变换就是帮助我们找出这些组成成分的数学方法。
如图所示，左侧是一个简单的正弦波在时域中的表示，它随时间变化。通过傅利叶变换，我们可以得到右侧的频域表示，显示这个信号只包含一个特定频率的分量。这种从时域到频域的转换，让我们能够从全新的角度分析和理解信号的特性。
傅利叶变换的数学推导始于傅利叶级数。对于周期函数，我们可以将其表示为正弦和余弦函数的无穷级数。当我们考虑非周期函数时，可以将其看作周期趋于无穷大的周期函数的极限情况。
现在让我们观察当周期T逐渐增大时会发生什么。随着周期的增加，频谱中的离散谱线变得越来越密集，最终当周期趋于无穷时，离散谱线变成了连续的频谱，这就导出了傅利叶变换的公式。
这样我们就得到了傅利叶变换的正变换公式和逆变换公式。正变换将时域函数转换为频域函数，而逆变换则将频域函数还原为时域函数。这一对变换公式构成了傅利叶分析的数学基础。
从几何角度理解，傅利叶变换可以看作是将信号投影到不同频率的基函数上。每个复杂的信号都可以分解为多个简单正弦波的叠加。让我们通过一个具体例子来看看这个过程。
首先我们有一个基础的正弦波分量，频率为1。在频域中，这对应着频率为1处的一个峰值。现在让我们逐步添加更多的频率分量，观察信号是如何构建的。
现在让我们看看当所有这些分量叠加在一起时会发生什么。红色的曲线就是所有频率分量的合成结果。这展示了叠加原理：复杂信号是简单正弦波的线性组合。傅利叶变换的逆过程就是这样重构原始信号的。
傅利叶变换具有许多重要的数学性质，这些性质在信号处理和工程应用中非常有用。让我们逐一了解这些关键性质。首先是线性性质，它表明傅利叶变换是一个线性算子。
接下来是时移性质。当我们在时域中平移信号时，频域中的幅度谱保持不变，但会产生相位变化。让我们看看当信号向右平移时会发生什么。
频移性质展示了时域调制对频域的影响。当我们用复指数函数调制信号时，频谱会发生平移。这在通信系统中的调制解调过程中非常重要。
尺度变换性质揭示了时域和频域之间的对偶关系。当时域信号被压缩时，频域信号会被拉伸，反之亦然。这体现了时间分辨率和频率分辨率之间的权衡关系。最后，卷积定理是信号处理中最重要的性质之一。
让我们通过几个典型的函数变换对来深入理解傅利叶变换。这些经典的变换对在信号处理中经常遇到，它们展示了时域和频域之间的重要关系。
首先看矩形脉冲函数，它在时域中是一个有限宽度的矩形，而在频域中对应的是sinc函数。注意观察：时域中的矩形越窄，频域中的sinc函数就越宽。这完美地体现了时域和频域的对偶性。
接下来是高斯函数，它具有一个非常特殊的性质：高斯函数的傅利叶变换仍然是高斯函数。这种自相似性使得高斯函数在概率论和信号处理中都有重要应用。
最后是指数衰减函数，它的傅利叶变换是洛伦兹函数。现在让我们总结时域和频域的对偶性：时域越窄，频域越宽；时域越宽，频域越窄。这个原理在量子力学中被称为不确定性原理，在信号处理中同样适用。