傅里叶分析pdf

A. 傅里叶分析的发展现状

20世纪 20世纪初，H.L.勒贝格引入了新的积分与点集测度的概念，对傅里叶分析的研究产生了深远的影响。这种积分与测度，现在称为勒贝格积分与勒贝格测度，已成为数学各分支中不可缺少的重要概念和工具。勒贝格用他的积分理论，把上面提到的黎曼的工作又推进了一步。例如，根据勒贝格积分的性质，任何勒贝格可积函数的傅里叶级数，不论收敛与否，都可以逐项积分。又例如，对于[0,2π]上勒贝格平方可积的函数，帕舍伐尔等式成立
傅里叶级数，特别是连续函数的傅里叶级数，是否必处处收敛？1876年P.D.G.杜布瓦－雷蒙首先发现，存在连续函数，它的傅里叶级数在某些点上发散；后又证明，连续函数的傅里叶级数可以在一个无穷点集上处处发散。这反面结果的发现提醒人们对傅里叶级数的收敛性应持审慎态度。 进一步的研究导致G.H.哈代以及F.（F.）里斯兄弟建立单位圆上H空间的理论。他们研究了单位圆内使有界的解析函数F(z），这里0<r<1，而p>0。这类函数的全体，称为H空间，它是近代H空间理论的先驱。
通过傅里叶级数刻画函数类是傅里叶分析中的重要课题，着名的帕舍伐尔公式以及里斯-费希尔定理反映了函数类l(0,2π）的特征。如果P≠2，则有以下的豪斯多夫-杨定理。 设1<p≤2,p┡=p/(p-1），如果∈l(0,2π），Cn是的复傅里叶系数，那么
反之，如果{сn}(-∞<n<；∞）是满足的复数列，那么{сn}必为中某函数的傅里叶系数，且。 20世纪50年代以前的重要工作中，还应当提到哈代与李特尔伍德的其他许多贡献。特别是30年代，他们用极大函数研究傅里叶级数，取得了很深刻的结果。极大函数是一种算子，它的定义是极大函数M ()(x）比函数自身要大，用它来控制傅里叶分析中某些算子，可以达到估计其他算子的目的。
50年代以前，傅里叶分析的研究领域基本上限于一维的具体空间，50年代以后的研究，逐渐向多维和抽象空间推广。 积分理论名称：考尔德伦－赞格蒙奇异积分理论
由于偏微分方程等许多数学分支发展的需要，50年代出现的考尔德伦－赞格蒙奇异积分理论，标志了调和分析进入了一个新的历史时期。例如，当∈l(Rn），泊松方程Δu=的基本解u(x）的二阶导函数，在一定条件下（例如具有Lipα连续性），可以表成如下的奇异积分
сn为某常数，仅与维数n有关。积分 ⑻作为勒贝格积分一般是发散的；注意到Ωj(y）在R的单位球面S上的积分为0，可以证明，积分⑻在柯西主值意义下存在，并且作为x的函数是连续的，从而u(x）是泊松方程的解。
考尔德伦、赞格蒙研究了一类相当广泛的奇异积分算子⑼的性质，这里Ω(y) 是具有一定光滑性的零阶齐次函数，且满足条件。他们证明了这种积分算子具有l有界性（p>1）；利用这些性质，可以得到某类微分方程中解的“先验估计”。
h空间理论的近代发展 E.M.施坦、G.韦斯于20世纪60年代，引进了上半空间上的h空间，它们是n=1的推广。当n=1时，h(p>0）空间中的函数在R=(-∞，∞）上的边值函数几乎处处以及在l范数下都存在，施坦、韦斯定义的多维空间，显然是一维h(R崹）空间的推广。人们自然要问，经典的h(R崹）空间中最基本的性质，例如边值函数的存在性等，在多维空间中是否还被保留？施坦、韦斯首先发现，p>(n-1)/n时，答案是肯定的；例如他们证明，若F∈，p>(n-1)/n，那么几乎处处以及在L范数意义下都存在。1964年，考尔德伦、赞格蒙利用高阶梯度概念，原则上把h空间的上述限制p>(n-1)/n放宽为p>0，但他们的方法比较复杂，随着指标p的不同，h空间定义的一致性，当时并不清楚。
70年代初，h空间的近代理论经历了引人注目的发展。D.L.伯克霍尔德、R.F.冈迪、M.L.西尔费斯坦于1971年，首先就一维的情形，证明的充分且必要的条件是，F(x+iy）的实部u(x,y）的角形极大函数，
稍后，C.费弗曼、施坦又把上述特征推广到多维中去，并且进一步指出，当0<p<；∞时，(x）作为中某函数的边值函数的充分且必要的条件是：存在充分光滑的函数φ(x），，使得关于φ的角形极大函数，这样，作为h(R）函数的实变函数论特征，它完全可以脱离泊松核，也无需借助于解析函数或调和函数的概念，而纯粹是实变函数论的一种内在特性的反映，这是出乎人们的想象的。 对于R=(-∞，∞）上定义的非周期可积函数(x），傅里叶积分
代替了傅里叶级数⑴，而称为的傅里叶变换。
傅里叶级数⑴ 和傅里叶积分⑽的具体形式不同，但都反映了一个重要的事实，即它们都把函数分解为许多个分量e(-∞<z<；∞）或e(n=0，±1，±2，…）之和。例如对于傅里叶级数⑴，(x）分解为сne(n=0，±1，±2，…）之和；而傅里叶积分⑽则表明，(x）可以分解为无穷个弮（z)e(-∞<z<；∞）之“和”。分量的系数сn(n=0，±1，±2，…）以及弮（z)(-∞<z<；∞）的确定，也有类似之处。事实上，它们都可以用下面的形式来表达：
。⑾
当为具有2π周期的周期函数时，G=(0，2π），
，测度 是G=[0,2π]上的勒贝格测度，此时，即傅里叶系数⑷；当 为定义在（-∞，∞） 上的非周期函数时，x(t)=(-∞<x<；∞），而是（-∞，∞）上的勒贝格测度，公式⑾即为傅里叶变换。
把函数分解为许多个“特殊”函数{e}之和的思想，启发人们考虑更为深刻的问题。事实上，从群的观点看，无论是周期函数还是非周期函数，它们的定义域都是拓扑群G，就是说，G有一个代数运算，称为群运算，以及与之相协调的极限运算，称为G的拓扑。傅里叶级数或傅里叶积分的任务，正是研究G上定义的函数(x）分解为群上许多“特殊”函数（例如e或e）之和的可能性，以及通过傅里叶系数或傅里叶变换来研究自身的性质。对于一般的拓扑群G，相当于{e}或{e}的“特殊”函数是哪种函数；把这种“特殊”函数x(t）代入公式⑾，又必须确定G上的测度μ，以求出 的傅里叶变换，这是在群上建立傅里叶分析理论所必须解决的两个基本问题。对于直线群R=(-∞，∞），它的 “特殊”函数x(t)=e(-∞<x<；∞）的特殊性，就在于它们满足以下的三个条件：①x(t+s)=x(t)x(s），②|x(t)|=1，③x(t）是t的连续函数。用群表示论的术语来说，条件①、②、③合起来，正好说明x(t）是群R的一个酉表示，而且进一步可以证明，满足①、②、③的不可约的酉表示的全体就是 {e}(-∞<x<；∞）。对圆周群T而言，T的“特殊”函数全体xn(t)=e(n=0，±1，±2，…）除满足①～③以外，还满足条件④xn(2π)=1。从群表示论的观点看，条件①～④合起来，说明T的“特殊”函数正好是群T的酉表示；进一步则可证明，T的一切不可约酉表示正好就是{e|n=0，±1，±2，…}。这样，寻找一般抽象群G上合适的“特殊”函数的问题，就转化为研究和寻找群G上一切不可约酉表示的问题。对于紧群或局部紧的交换群，群表示论的结果已经相当丰富，相应的“特殊”函数的研究也比较成熟。至于既非交换又非紧的拓扑群，寻找相应的“特殊”函数，尚是一个值得探索的难题。
研究拓扑群上的测度是建立群上傅里叶分析的另一个基本课题，因为群上的积分⑾离不开相应的测度。以可加的局部紧拓扑群R=(-∞，∞）为例，经典的勒贝格测度的主要特点是：①R中任一紧集的勒贝格测度必为有限；②R中任何可测集的勒贝格测度关于右（或左）平移是不变的。人们自然要问，一般的拓扑群上，具有①、②两条件的测度（现在称为哈尔测度）是否存在？存在的话，是否唯一？这个问题，自1930年以来，经A.哈尔，A.韦伊以及И。М.盖尔范德等人的努力，已经证明，在局部紧的拓扑群上，满足条件①、②的哈尔测度是一定存在的，并且相互间仅差常数倍。例如，以乘法为群运算的全体正实数构成一拓扑群R，它的拓扑就是欧氏空间的拓扑， 那么测度dμ=xdx就是R上的哈尔测度。这是因为，对于任意的，
这说明测度dμ=xdx关于位移是不变的。如果进一步求出群R的一切不可约酉表示，则经过计算，可以证明R的一切不可约酉表示就是{x|- ∞<t<；∞}。这样，由公式⑾，对于群R上的可积函数(x), 的傅里叶变换。
上式表达的弮（t）正好又是经典的所谓梅林变换M (x），是R.H.梅林19世纪末为研究狄利克雷级数的有关性质时引进的。这个特例说明，群上的傅里叶分析，不仅把梅林变换统一到傅里叶变换中来，更重要的是，群论观点的引入，使得隐藏在某些现象背后的内在联系，被揭示得更清楚更深刻了。 A.Zygmund,Trigonometric Series,2nd ed.,Cam-bridge Univ.Press,Cambridge,1959.
E.M.Stein,Singular Integrals and Differen-tiability Properties of Functions，Princeton Univ. Press,Princeton,1970.
G.M.Stein and G.Weiss，Introction to Fourier Analysis on Euclidean Spaces，Princeton Univ.Press,Princeton,1971.
E.Hewitt and K.A.Ross,Abstract harmonicAnalysisVol.1～2,Springer-Verlag. Berlin,1963.1970.

B. 《重温微积分》pdf下载在线阅读全文，求百度网盘云资源

《重温微积分》（齐民友）电子书网盘下载免费在线阅读

链接:

提取码: apu2

书名：重温微积分

作者：齐民友

豆瓣评分：9.1

出版社：高等教育出版社

出版年份：2004-01-01

页数：549

内容简介：

《重温微积分》根据作者多年来为各种不同程度的大学生和研究生讲课及讨论班上报告的内容整理而成。第一章对极限理论的发展作了历史的回顾。以下六章分别讨论函数、微分学、积分学、傅里叶分析、实分析与点集拓扑学基础以及微分流形理论。每一章都强调有关理论的基本问题、基本理论和基本方法的历史的背景，其与物理科学的内在联系，其现代的发展与陈述方式特别是它与其他数学分支的关系。同时对一些数学和物理学中重要的而学生常常不了解的问题作了阐述。因此，它涉及了除微积分以外的许多数学分支：主要有实和复分析、微分方程、泛函分析、变分法和拓扑学的某些部分。同样对经典物理学-牛顿力学和电磁学作了较深入的讨论。其目的则是引导学生去重新审视和整理自己已学过的数学知识，并为学习新的数学知识——例如数学物理做准备。

《重温微积分》适合于已学过微积分的基本知识的大学生和研究生进一步自学更现代的数学之用，也可以作为讨论班的材料。《重温微积分》还适合需要较多数学的各专业的人员以及高等学校教师参考之用。

C. 傅里叶解析

傅立叶变换
定义
f(t)满足傅立叶积分定理条件时，下图①式的积分运算称为f(t)的傅立叶变换，②式的积分运算叫做F(ω)的傅立叶逆变换。F(ω)叫做f(t)的象函数，f(t)叫做F(ω)的象原函数。 应用

傅里叶变换在物理学、电子类学科、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。
概要介绍
* 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。最初傅里叶分析是作为热过程的解析分析的工具被提出的（参见：林家翘、西格尔着《自然科学中确定性问题的应用数学》，科学出版社，北京。原版书名为 C. C. Lin & L. A. Segel, Mathematics Applied to Deterministic Problems in the Natural Sciences, Macmillan Inc., New York, 1974）。
* 傅里叶变换属于谐波分析。
* 傅里叶变换的逆变换容易求出,而且形式与正变换非常类似;
* 正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取;
* 卷积定理指出:傅里叶变换可以化复杂的卷积运算为简单的乘积运算,从而提供了计算卷积的一种简单手段;
* 离散形式的傅里叶变换可以利用数字计算机快速的算出(其算法称为快速傅里叶变换算法(FFT)).
基本性质
线性性质
两函数之和的傅里叶变换等于各自变换之和。数学描述是：若函数f \left( x\right )和g \left(x \right)的傅里叶变换\mathcal[f]和\mathcal[g]都存在，α 和 β 为任意常系数，则\mathcal[\alpha f+\beta g]=\alpha\mathcal[f]+\beta\mathcal[g]；傅里叶变换算符\mathcal可经归一化成为么正算符；
频移性质
若函数f \left( x\right )存在傅里叶变换，则对任意实数 ω0，函数f(x) e^{i \omega_ x}也存在傅里叶变换，且有\mathcal[f(x)e^{i \omega_ x}]=F(\omega + \omega _0 ) 。式中花体\mathcal是傅里叶变换的作用算子，平体F表示变换的结果（复函数），e 为自然对数的底，i 为虚数单位\sqrt；
微分关系
若函数f \left( x\right )当|x|\rightarrow\infty时的极限为0，而其导函数f'(x)的傅里叶变换存在，则有\mathcal[f'(x)]=-i \omega \mathcal[f(x)] ，即导函数的傅里叶变换等于原函数的傅里叶变换乘以因子 �6�1 iω 。更一般地，若f(\pm\infty)=f'(\pm\infty)=\ldots=f^{(k-1)}(\pm\infty)=0，且\mathcal[f^{(k)}(x)]存在，则\mathcal[f^{(k)}(x)]=(-i \omega)^ \mathcal[f] ，即 k 阶导数的傅里叶变换等于原函数的傅里叶变换乘以因子( �6�1 iω)k。
卷积特性
若函数f \left( x\right )及g \left( x\right )都在(-\infty,+\infty)上绝对可积，则卷积函数f*g=\int_{-\infty}^{+\infty} f(x-\xi)g(\xi)d\xi的傅里叶变换存在，且\mathcal[f*g]=\mathcal[f]\cdot\mathcal[g] 。卷积性质的逆形式为\mathcal^[F(\omega)G(\omega)]=\mathcal^[F(\omega)]*\mathcal^[G(\omega)] ，即两个函数乘积的傅里叶逆变换等于它们各自的傅里叶逆变换的卷积。
Parseval定理
若函数f \left( x\right )可积且平方可积，则\int_{-\infty}^{+\infty} f^2 (x)dx = \frac{2\pi}\int_{-\infty}^{+\infty} |F(\omega)|^d\omega 。其中 F(ω) 是 f(x) 的傅里叶变换。
傅里叶变换的不同变种
连续傅里叶变换
主条目：连续傅立叶变换
一般情况下,若“傅立叶变换”一词的前面未加任何限定语，则指的是“连续傅里叶变换”。“连续傅里叶变换”将平方可积的函数f(t) 表示成复指数函数的积分或级数形式。
f(t) = \mathcal^[F(\omega)] = \frac{\sqrt{2\pi}} \int\limits_{-\infty}^\infty F(\omega) e^{i\omega t}\,d\omega.
上式其实表示的是连续傅里叶变换的逆变换，即将时间域的函数f(t)表示为频率域的函数F(ω)的积分。反过来,其正变换恰好是将频率域的函数F(ω)表示为时间域的函数f(t)的积分形式。一般可称函数f(t)为原函数,而称函数F(ω)为傅里叶变换的像函数,原函数和像函数构成一个傅立叶变换对(transform pair)。
一种对连续傅里叶变换的推广称为分数傅里叶变换（Fractional Fourier Transform）。
当f(t)为奇函数(或偶函数)时,其余弦(或正弦)分量将消亡,而可以称这时的变换为余弦转换(cosine transform) 或 正弦转换(sine transform).
另一个值得注意的性质是,当f(t) 为纯实函数时,F(�6�1ω) = F(ω)*成立.
傅里叶级数
主条目：傅里叶级数
连续形式的傅里叶变换其实是傅里叶级数的推广，因为积分其实是一种极限形式的求和算子而已。对于周期函数，其傅里叶级数是存在的：
f(x) = \sum_{n=-\infty}^{\infty} F_n \,e^ ,
其中Fn 为复振幅。对于实值函数，函数的傅里叶级数可以写成：
f(x) = \fraca_0 + \sum_{n=1}^\infty\left[a_n\cos(nx)+b_n\sin(nx)\right],
其中an和bn是实频率分量的振幅。
离散时间傅里叶变换
主条目：离散时间傅里叶变换
离散傅里叶变换是离散时间傅里叶变换（DTFT）的特例（有时作为后者的近似）。DTFT在时域上离散，在频域上则是周期的。DTFT可以被看作是傅里叶级数的逆。

http://ke..com/view/191871.htm

D. 简单理解傅里叶级数(Fourier Series)

从我们出生，我们看到的世界都以时间贯穿，股票的走势、人的身高、汽车的轨迹都会随着时间发生改变。 这种以时间作为参照来观察动态世界的方法我们称其为时域分析 。而我们也想当然的认为，世间万物都在随着时间不停的改变，并且永远不会静止下来。但如果我告诉你，用另一种方法来观察世界的话，你会发现世界是永恒不变的，你会不会觉得我疯了？我没有疯，这个静止的世界就叫做频域。

还是举个栗子并且有图有真相才好理解。

如果我说我能用前面说的正弦曲线波叠加出一个带 90 度角的矩形波来，你会相信吗？你不会，就像当年的我一样。但是看看下图：

第一幅图是一个郁闷的正弦波 cos（x）

第二幅图是 2 个卖萌的正弦波的叠加 cos (x) +a.cos (3x)

第三幅图是 4 个发春的正弦波的叠加

第四幅图是 10 个便秘的正弦波的叠加

随着正弦波数量逐渐的增长，他们最终会叠加成一个标准的矩形，大家从中体会到了什么道理？（只要努力，弯的都能掰直！）

随着叠加的递增，所有正弦波中上升的部分逐渐让原本缓慢增加的曲线不断变陡，而所有正弦波中下降的部分又抵消了上升到最高处时继续上升的部分使其变为水平线。一个矩形就这么叠加而成了。但是要多少个正弦波叠加起来才能形成一个标准 90 度角的矩形波呢？不幸的告诉大家，答案是无穷多个。（上帝：我能让你们猜着我？）

不仅仅是矩形，你能想到的任何波形都是可以如此方法用正弦波叠加起来的。这是没有接触过傅里叶分析的人在直觉上的第一个难点，但是一旦接受了这样的设定，游戏就开始有意思起来了。

还是上图的正弦波累加成矩形波，我们换一个角度来看看：

在这几幅图中，最前面黑色的线就是所有正弦波叠加而成的总和，也就是越来越接近矩形波的那个图形。而后面依不同颜色排列而成的正弦波就是组合为矩形波的各个分量。这些正弦波按照频率从低到高从前向后排列开来，而每一个波的振幅都是不同的。一定有细心的读者发现了，每两个正弦波之间都还有一条直线，那并不是分割线，而是振幅为 0 的正弦波！也就是说，为了组成特殊的曲线，有些正弦波成分是不需要的。

这里，不同频率的正弦波我们成为频率分量。
好了，关键的地方来了！！
如果我们把第一个频率最低的频率分量看作“1”，我们就有了构建频域的最基本单元。对于我们最常见的有理数轴，数字“1”就是有理数轴的基本单元。

（好吧，数学称法为——基。在那个年代，这个字还没有其他奇怪的解释，后面还有正交基这样的词汇我会说吗?）
时域的基本单元就是“1”秒，如果我们将一个角频率为ω0的正弦波cos（ω0t）看做基础，那么频域的基本单元就是ω0。
有了“1”，还要有“0”才能构成世界，那么频域的“0”是什么呢？cos（0t）就是一个周期无限长的正弦波，也就是一条直线！所以在频域，0 频率也被称为直流分量，在傅里叶级数的叠加中，它仅仅影响全部波形相对于数轴整体向上或是向下而不改变波的形状。

接下来，让我们回到初中，回忆一下已经死去的八戒，啊不，已经死去的老师是怎么定义正弦波的吧。

正弦波就是一个圆周运动在一条直线上的投影。所以频域的基本单元也可以理解为一个始终在旋转的圆。

介绍完了频域的基本组成单元，我们就可以看一看一个矩形波，在频域里的另一个模样了：

这就是矩形波在频域的样子，是不是完全认不出来了？教科书一般就给到这里然后留给了读者无穷的遐想，以及无穷的吐槽，其实教科书只要补一张图就足够了：频域图像，也就是俗称的频谱，就是—

再清楚一点：

老实说，在我学傅里叶变换时，维基的这个图还没有出现，那时我就想到了这种表达方法，而且，后面还会加入维基没有表示出来的另一个谱——相位谱。

但是在讲相位谱之前，我们先回顾一下刚刚的这个例子究竟意味着什么。记得前面说过的那句“世界是静止的”吗？估计好多人对这句话都已经吐槽半天了。想象一下，世界上每一个看似混乱的表象，实际都是一条时间轴上不规则的曲线，但实际这些曲线都是由这些无穷无尽的正弦波组成。我们看似不规律的事情反而是规律的正弦波在时域上的投影，而正弦波又是一个旋转的圆在直线上的投影。那么你的脑海中会产生一个什么画面呢？

我们眼中的世界就像皮影戏的大幕布，幕布的后面有无数的齿轮，大齿轮带动小齿轮，小齿轮再带动更小的。在最外面的小齿轮上有一个小人——那就是我们自己。我们只看到这个小人毫无规律的在幕布前表演，却无法预测他下一步会去哪。而幕布后面的齿轮却永远一直那样不停的旋转，永不停歇。这样说来有些宿命论的感觉。说实话，这种对人生的描绘是我一个朋友在我们都是高中生的时候感叹的，当时想想似懂非懂，直到有一天我学到了傅里叶级数……

上一章的关键词是：从侧面看。这一章的关键词是：从下面看。

在这一章最开始，我想先回答很多人的一个问题：傅里叶分析究竟是干什么用的？这段相对比较枯燥，已经知道了的同学可以直接跳到下一个分割线。

先说一个最直接的用途。无论听广播还是看电视，我们一定对一个词不陌生——频道。频道频道，就是频率的通道，不同的频道就是将不同的频率作为一个通道来进行信息传输。下面大家尝试一件事：

先在纸上画一个sin（x），不一定标准，意思差不多就行。不是很难吧。好，接下去画一个sin（3x）+sin（5x）的图形。别说标准不标准了，曲线什么时候上升什么时候下降你都不一定画的对吧？

好，画不出来不要紧，我把sin（3x）+sin（5x）的曲线给你，但是前提是你不知道这个曲线的方程式，现在需要你把sin（5x）给我从图里拿出去，看看剩下的是什么。这基本是不可能做到的。但是在频域呢？则简单的很，无非就是几条竖线而已。

所以很多在时域看似不可能做到的数学操作，在频域相反很容易。这就是需要傅里叶变换的地方。尤其是从某条曲线中去除一些特定的频率成分，这在工程上称为 滤波 ，是信号处理最重要的概念之一，只有在频域才能轻松的做到。

再说一个更重要，但是稍微复杂一点的用途——求解微分方程。（这段有点难度，看不懂的可以直接跳过这段）微分方程的重要性不用我过多介绍了。各行各业都用的到。但是求解微分方程却是一件相当麻烦的事情。因为除了要计算加减乘除，还要计算微分积分。而傅里叶变换则可以让微分和积分在频域中变为乘法和除法，大学数学瞬间变小学算术有没有。

傅里叶分析当然还有其他更重要的用途，我们随着讲随着提。

下面我们继续说相位谱：

通过时域到频域的变换，我们得到了一个从侧面看的频谱，但是这个频谱并没有包含时域中全部的信息。因为频谱只代表每一个对应的正弦波的振幅是多少，而没有提到相位。基础的正弦波A.sin(wt+θ)中，振幅，频率，相位缺一不可，不同相位决定了波的位置，所以对于频域分析，仅仅有频谱（振幅谱）是不够的，我们还需要一个相位谱。那么这个相位谱在哪呢？我们看下图，这次为了避免图片太混论，我们用7个波叠加的图。

鉴于正弦波是周期的，我们需要设定一个用来标记正弦波位置的东西。在图中就是那些小红点。小红点是距离频率轴最近的波峰，而这个波峰所处的位置离频率轴有多远呢？为了看的更清楚，我们将红色的点投影到下平面，投影点我们用粉色点来表示。当然，这些粉色的点只标注了波峰距离频率轴的距离，并不是相位。

在完整的立体图中，我们将投影得到的时间差依次除以所在频率的周期，就得到了最下面的相位谱。所以，频谱是从侧面看，相位谱是从下面看。下次偷看女生裙底被发现的话，可以告诉她：“对不起，我只是想看看你的相位谱。”

注意到，相位谱中的相位除了0，就是Pi。因为cos（t+Pi）=-cos（t），所以实际上相位为Pi的波只是上下翻转了而已。对于周期方波的傅里叶级数，这样的相位谱已经是很简单的了。另外值得注意的是，由于cos（t+2Pi）=cos（t），所以相位差是周期的，pi和3pi，5pi，7pi都是相同的相位。人为定义相位谱的值域为(-pi，pi]，所以图中的相位差均为Pi。
最后来一张大集合：

傅里叶变换实际上是对一个周期无限大的函数进行傅里叶变换。

所以说，钢琴谱其实并非一个连续的频谱，而是很多在时间上离散的频率，但是这样的一个贴切的比喻真的是很难找出第二个来了。

因此在傅里叶变换在频域上就从离散谱变成了连续谱。那么连续谱是什么样子呢？
你见过大海么？

为了方便大家对比，我们这次从另一个角度来看频谱，还是傅里叶级数中用到最多的那幅图，我们从频率较高的方向看。

以上是离散谱，那么连续谱是什么样子呢？

尽情的发挥你的想象，想象这些离散的正弦波离得越来越近，逐渐变得连续……

直到变得像波涛起伏的大海：

很抱歉，为了能让这些波浪更清晰的看到，我没有选用正确的计算参数，而是选择了一些让图片更美观的参数，不然这图看起来就像屎一样了。

不过通过这样两幅图去比较，大家应该可以理解如何从离散谱变成了连续谱的了吧？原来离散谱的叠加，变成了连续谱的累积。所以在计算上也从求和符号变成了积分符号。

不过，这个故事还没有讲完，接下去，我保证让你看到一幅比上图更美丽壮观的图片，但是这里需要介绍到一个数学工具才能然故事继续，这个工具就是——

虚数i这个概念大家在高中就接触过，但那时我们只知道它是-1 的平方根，可是它真正的意义是什么呢?

这里有一条数轴，在数轴上有一个红色的线段，它的长度是1。当它乘以 3 的时候，它的长度发生了变化，变成了蓝色的线段，而当它乘以-1 的时候，就变成了绿色的线段，或者说线段在数轴上围绕原点旋转了 180 度。

我们知道乘-1 其实就是乘了两次 i 使线段旋转了 180 度，那么乘一次 i 呢——答案很简单——旋转了 90 度。

同时，我们获得了一个垂直的虚数轴。实数轴与虚数轴共同构成了一个复数的平面，也称复平面。这样我们就了解到，乘虚数i的一个功能——旋转。
现在，就有请宇宙第一耍帅公式欧拉公式隆重登场——

这个公式在数学领域的意义要远大于傅里叶分析，但是乘它为宇宙第一耍帅公式是因为它的特殊形式——当x等于 Pi 的时候。

经常有理工科的学生为了跟妹子表现自己的学术功底，用这个公式来给妹子解释数学之美：”石榴姐你看，这个公式里既有自然底数e，自然数 1 和0，虚数i还有圆周率 pi，它是这么简洁，这么美丽啊！“但是姑娘们心里往往只有一句话：”臭屌丝……“

这个公式关键的作用，是将正弦波统一成了简单的指数形式。我们来看看图像上的涵义：

欧拉公式所描绘的，是一个随着时间变化，在复平面上做圆周运动的点，随着时间的改变，在时间轴上就成了一条螺旋线。如果只看它的实数部分，也就是螺旋线在左侧的投影，就是一个最基础的余弦函数。而右侧的投影则是一个正弦函数。

关于复数更深的理解，大家可以参考：

复数的物理意义是什么？

这里不需要讲的太复杂，足够让大家理解后面的内容就可以了。

有了欧拉公式的帮助，我们便知道：正弦波的叠加，也可以理解为螺旋线的叠加在实数空间的投影。而螺旋线的叠加如果用一个形象的栗子来理解是什么呢？

光波
高中时我们就学过，自然光是由不同颜色的光叠加而成的，而最着名的实验就是牛顿师傅的三棱镜实验：

所以其实我们在很早就接触到了光的频谱，只是并没有了解频谱更重要的意义。
但不同的是，傅里叶变换出来的频谱不仅仅是可见光这样频率范围有限的叠加，而是频率从 0 到无穷所有频率的组合。

这里，我们可以用两种方法来理解正弦波：

第一种前面已经讲过了，就是螺旋线在实轴的投影。

另一种需要借助欧拉公式的另一种形式去理解：

将以上两式相加再除2，得到：

这个式子可以怎么理解呢？

我们刚才讲过，e^(it)可以理解为一条逆时针旋转的螺旋线，那么 e^(-it)则可以理解为一条顺时针旋转的螺旋线。而 cos (t)则是这两条旋转方向不同的螺旋线叠加的一半，因为这两条螺旋线的虚数部分相互抵消掉了！
举个例子的话，就是极化方向不同的两束光波，磁场抵消，电场加倍。
这里，逆时针旋转的我们称为正频率，而顺时针旋转的我们称为负频率（注意不是复频率）。

好了，刚才我们已经看到了大海——连续的傅里叶变换频谱，现在想一想，连续的螺旋线会是什么样子：

想象一下再往下翻：

是不是很漂亮？

你猜猜，这个图形在时域是什么样子？

哈哈，是不是觉得被狠狠扇了一个耳光。数学就是这么一个把简单的问题搞得很复杂的东西。

顺便说一句，那个像大海螺一样的图，为了方便观看，我仅仅展示了其中正频率的部分，负频率的部分没有显示出来。

如果你认真去看，海螺图上的每一条螺旋线都是可以清楚的看到的，每一条螺旋线都有着不同的振幅（旋转半径），频率（旋转周期）以及相位。而将所有螺旋线连成平面，就是这幅海螺图了。

好了，讲到这里，相信大家对傅里叶变换以及傅里叶级数都有了一个形象的理解了，我们最后用一张图来总结一下：

好了，傅里叶的故事终于讲完了，下面来讲讲我的故事：

这篇文章第一次被卸下来的地方你们绝对猜不到在哪，是在一张高数考试的卷子上。当时为了刷分，我重修了高数（上），但是后来时间紧压根没复习，所以我就抱着裸考的心态去了考场。但是到了考场我突然意识到，无论如何我都不会比上次考的更好了，所以干脆写一些自己对于数学的想法吧。于是用了一个小时左右的时间在试卷上洋洋洒洒写了本文的第一草稿。

你们猜我的了多少分？

6 分

没错，就是这个数字。而这 6 分的成绩是因为最后我实在无聊，把选择题全部填上了C，应该是中了两道，得到了这宝贵的 6 分。说真的，我很希望那张卷子还在，但是应该不太可能了。

那么你们猜猜我第一次信号与系统考了多少分呢？

45 分

没错，刚刚够参加补考的。但是我心一横没去考，决定重修。因为那个学期在忙其他事情，学习真的就抛在脑后了。但是我知道这是一门很重要的课，无论如何我要吃透它。说真的，信号与系统这门课几乎是大部分工科课程的基础，尤其是通信专业。

在重修的过程中，我仔细分析了每一个公式，试图给这个公式以一个直观的理解。虽然我知道对于研究数学的人来说，这样的学习方法完全没有前途可言，因为随着概念愈加抽象，维度越来越高，这种图像或者模型理解法将完全丧失作用。但是对于一个工科生来说，足够了。

后来来了德国，这边学校要求我重修信号与系统时，我彻底无语了。但是没办法，德国人有时对中国人就是有种藐视，觉得你的教育不靠谱。所以没办法，再来一遍吧。

这次，我考了满分，而及格率只有一半。

老实说，数学工具对于工科生和对于理科生来说，意义是完全不同的。工科生只要理解了，会用，会查，就足够了。但是很多高校却将这些重要的数学课程教给数学系的老师去教。这样就出现一个问题，数学老师讲得天花乱坠，又是推理又是证明，但是学生心里就只有一句话：学这货到底干嘛用的？

缺少了目标的教育是彻底的失败。

在开始学习一门数学工具的时候，学生完全不知道这个工具的作用，现实涵义。而教材上有只有晦涩难懂，定语就二十几个字的概念以及看了就眼晕的公式。能学出兴趣来就怪了！

好在我很幸运，遇到了大连海事大学的吴楠老师。他的课全程来看是两条线索，一条从上而下，一条从下而上。先将本门课程的意义，然后指出这门课程中会遇到哪样的问题，让学生知道自己学习的某种知识在现实中扮演的角色。然后再从基础讲起，梳理知识树，直到延伸到另一条线索中提出的问题，完美的衔接在一起！

这样的教学模式，我想才是大学里应该出现的。

最后，写给所有给我点赞并留言的同学。真的谢谢大家的支持，也很抱歉不能一一回复。因为知乎专栏的留言要逐次加载，为了看到最后一条要点很多次加载。当然我都坚持看完了，只是没办法一一回复。

本文只是介绍了一种对傅里叶分析新颖的理解方法，对于求学，还是要踏踏实实弄清楚公式和概念，学习，真的没有捷径。但至少通过本文，我希望可以让这条漫长的路变得有意思一些。

最后，祝大家都能在学习中找到乐趣…

E. 哪位大佬有 《[漫画傅里叶解析].（日）》电子版书籍百度网盘资源下载

《[漫画傅里叶解析].（日）》网络网盘txt 最新全集下载

链接:

提取码:4zae

《漫画傅里叶解析》是2009年8月1日科学出版社出版的图书，作者是涉谷道雄，漫画绘制是HaruseHiroki，漫画编制是株式会社TRENO-PRO，翻译是陈芳。

F. 傅里叶分析在电力系统的应用有哪些能举例子吗

一个主要的应用就是电力系统之中谐波分析。

传统的谐波分析理论基础是傅里叶分析，随着计算机、微处理器的广泛应用，数字技术在这一领域越来越多地被采用出现了离散采样的傅里叶变换（DFT），电力系统的谐波分析目前大多是通过该方法实现的。

电力系统谐波测试：

基于傅里叶变换的谐波测量。基于傅里叶变换的谐波测量是当今应用最多也是最广泛的一种方法。使用此方法测量谐波精度较高功能较多使用方便。

其缺点是需要一定时间的电流值，且需进行两次变换计算量大计算时间长，从而使得检测时间较长检测结果实时性较差。

而且在采样过程中当信号频率和采样频率不一致时使用该方法会产生频谱泄漏效应和栅栏效应使计算出的信号参数即频率、幅值和相位）不准确尤其是相位的误差很大无法满足测量精度的要求因此必须对算法进行改进加快测量数度。

(6)傅里叶分析pdf扩展阅读：

基于DFT的谐波分析原理就是把时域信号变换到频域相当于使数据样本通过一个梳状滤波器各滤波器的中心频率恰好是各次谐波的中心点理论上只要满足这一条件就能保证各次谐波的准确测量。

电力系统中的电压与电流为周期函数且满足荻里赫利条件，因此可将电压和电流分解为傅里叶级数形式，从而可以求出基波分量以及各次谐波分量。

G. 傅里叶分析

姓名：宫松涛

学号：19021210927

【嵌牛导读】傅里叶分析不仅仅是一个数学工具，更是一种可以彻底颠覆一个人以前世界观的思维模式。但不幸的是，傅里叶分析的公式看起来太复杂了，所以很多大一新生上来就懵圈并从此对它深恶痛绝。老实说，这么有意思的东西居然成了大学里的杀手课程，不得不归咎于编教材的人实在是太严肃了。所以这篇文章来解释傅里叶分析，有可能的话高中生都能看懂的那种。所以，不管读到这里的您从事何种工作，我保证您都能看懂，并且一定将体会到通过傅里叶分析看到世界另一个样子时的快感。至于对于已经有一定基础的朋友，也希望不要看到会的地方就急忙往后翻，仔细读一定会有新的发现。

【嵌牛提问】如何理解傅里叶变换？

【嵌牛正文】

一、什么是频域

从我们出生，我们看到的世界都以时间贯穿，股票的走势、人的身高、汽车的轨迹都会随着时间发生改变。这种以时间作为参照来观察动态世界的方法我们称其为时域分析。而我们也想当然的认为，世间万物都在随着时间不停的改变，并且永远不会静止下来。但如果我告诉你，用另一种方法来观察世界的话，你会发现世界是永恒不变的，你会不会觉得我疯了？我没有疯，这个静止的世界就叫做频域。

先举一个 公式上并非很恰当 ，但意义上再贴切不过的例子：

在你的理解中，一段音乐是什么呢？

这是我们对音乐最普遍的理解，一个随着时间变化的震动。但我相信对于乐器小能手们来说，音乐更直观的理解是这样的：

好的！下课，同学们再见。

是的，其实这一段写到这里已经可以结束了。上图是音乐在时域的样子，而下图则是音乐在频域的样子。所以频域这一概念对大家都从不陌生，只是从来没意识到而已。

现在我们可以回过头来重新看看一开始那句痴人说梦般的话：世界是永恒的。

将以上两图简化：

时域：

频域：

在时域，我们观察到钢琴的琴弦一会上一会下的摆动，就如同一支股票的走势；而在频域，只有那一个永恒的音符。

所以

你眼中看似落叶纷飞变化无常的世界，实际只是躺在上帝怀中一份早已谱好的乐章。

抱歉，这不是一句鸡汤文，而是黑板上确凿的公式：傅里叶同学告诉我们，任何周期函数，都可以看作是不同振幅，不同相位正弦波的叠加。在第一个例子里我们可以理解为，利用对不同琴键不同力度，不同时间点的敲击，可以组合出任何一首乐曲。

而贯穿时域与频域的方法之一，就是传中说的傅里叶分析。傅里叶分析可分为傅里叶级数（Fourier Serie）和傅里叶变换(Fourier Transformation)，我们从简单的开始谈起。