傅里叶与调和分析

傅里叶变换

傅里叶级数把周期函数拆成整数频率处的离散音。但单个不重复的脉冲——整条实轴上的函数——怎么办?当周期拉伸到无穷,分立的频率融合成连续统,系数之和变为积分。傅里叶变换便是其结果:它把函数分解成连续的频率谱,告诉你它含有每种频率多少。

对实轴上的可积函数 f,一种常见约定将其变换定义为 f-hat(xi) = 在全体实数上 integral of f(x) e^{-2*pi*i*x*xi} dx。变量 xi 是频率;f-hat(xi) 是一个复数,其大小是该频率的振幅,其相位是其时序。该变换把困难的分析运算变为简单的代数运算:求导变为乘以 xi,卷积变为普通乘法。

一个根本特征是不确定性原理:一个函数和它的变换不能同时尖锐地集中。x 中的窄峰在频率中铺展成宽带,反之亦然——挤压一个就拉伸另一个。这不是某个例子的怪癖,而是一条定理(例如由海森堡的不等式精确化),它支撑着从量子力学到信号处理的一切。还须注意约定各异:2*pi 的位置和指数中的符号因作者而异,故公式须连同其归一化一并阅读。

高斯函数是它自身的变换:取 f(x) = e^{-pi x^2},可算得 f-hat(xi) = e^{-pi xi^2}。这种自相似正是高斯函数为不确定性原理的极值函数的原因——它们在 x 与 xi 中同时尽可能地集中。

相比之下,矩形脉冲变换为 sinc 函数——时间上尖锐,频率上无限铺展。