视频字幕
傅里叶变换是信号处理领域的核心数学工具。它建立了时域和频域之间的桥梁。在时域中，我们观察信号随时间的变化，就像这个正弦波一样。而频域则揭示了信号包含哪些频率成分。傅里叶变换的神奇之处在于，任何复杂的信号都可以分解为不同频率正弦波的叠加。这为我们分析和处理各种信号提供了强大的工具。
让我们看看信号的频率分解。任何复杂的信号都可以表示为多个不同频率正弦波的叠加。这里我们看到一个基频正弦波，加上它的三次谐波和五次谐波。当这些分量叠加在一起时，就形成了一个更复杂的合成信号。这正是傅里叶变换的核心思想：将复杂信号分解为简单的频率分量。
现在让我们看看频域表示。在频域中，横轴表示频率，纵轴表示各频率分量的幅度。刚才的复合信号在频域中表现为三个离散的峰值，分别对应基频、三次谐波和五次谐波。每个峰的高度反映了该频率分量在原信号中的强度。这种表示方法让我们能够一眼看出信号包含哪些频率成分。
对于更复杂的连续信号，比如方波，其频谱包含无穷多个奇次谐波分量。我们可以看到，方波在频域中表现为一系列递减的谱线。信号的形状和其频谱之间存在对偶关系：时域中越尖锐的信号，频域中越宽；时域中越宽的信号，频域中越窄。这就是著名的时频不确定性原理。
傅里叶变换在现代科技中有着极其广泛的应用。在音频处理方面，MP3压缩、噪声去除、音效处理都离不开频域分析。在图像处理领域，JPEG压缩、边缘检测、图像滤波都基于二维傅里叶变换。通信系统中的调制解调、信道分析也大量使用频域技术。此外，在科学计算中，傅里叶变换还用于数值微分、求解偏微分方程等。可以说，傅里叶变换是现代数字信号处理的基石。
现在我们来看单一正弦波的频谱分析。正弦波由振幅A、角频率ω和初相位φ三个参数决定。在时域中，我们看到的是随时间变化的波形。而在频域中，单一正弦波表现为一条位于对应频率处的谱线，谱线的高度代表振幅。当我们改变正弦波的频率时，频域中的谱线位置也会相应移动。当改变振幅时，谱线的高度也会发生变化。这建立了时域和频域之间的直接对应关系。
现在我们来看复合信号的分解。这里有三个不同频率的正弦波分量：基频分量、三次谐波和五次谐波，它们具有不同的振幅。当这些分量叠加在一起时，就形成了一个复杂的合成信号。在频域中，我们可以清楚地看到三个离散的谱线，分别对应三个频率分量。每个谱线的高度反映了对应分量的振幅大小。这完美地展示了傅里叶变换如何将复杂的时域信号分解为简单的频率分量。
方波是一个典型的非正弦周期信号，它的傅里叶级数展开只包含奇次谐波分量。方波可以表示为无穷级数的和，其中每一项都是正弦函数，频率为基频的奇数倍，幅度按1/n的规律递减。我们可以看到，当只用第一项近似时，得到的是一个简单的正弦波。随着加入更多的谐波分量，合成的波形越来越接近理想的方波。在频谱中，我们看到一系列递减的谱线，对应各个奇次谐波分量。