深入理解傅里叶变换（三）

前情提要

傅里叶变换的公式：
$$\hat{F}(f)=\int f(t)e^{-i2\pi ft}dt$$
傅里叶逆变换的公式：
$$f(t)=\int \hat{F}(f)e^{i2\pi ft}df$$

之前我们遇到的问题是：直接用傅里叶逆变换的公式得到的重建信号，幅值要远远大于原始信号。

• 重建信号
  
• 原始信号
  

现在可以告诉大家原因：用计算机做的傅里叶变换本质上是离散傅里叶变换，因此要重建信号，也应该用离散傅里叶逆变换。

离散傅里叶变换

傅里叶变换的公式 $\hat{F}(f)=\int f(t)e^{-i2\pi ft}dt$ 中的 $f(t)$ 表示连续的时序信号，在计算机中会被离散化，即：采样->量化->编码。下图中的T为采样周期，即计算机中每个采样点的间隔时间，数字化之后 $f(t)$ 会变成 $x(n)$，$x(n)=f(nT)$。

接下来一步一步将傅里叶变换的公式也离散化：

• 公式中的信号的符号要变成离散的形式，并且积分符号要变成求和符号
  $$\hat{X}(f)=\sum _{n}x(n)e^{-i2\pi fn}$$
  于是，原始信号和 $e^{-i2\pi fn}$ 信号都变成了离散形式，变成了可以用下边n访问的一个数组。
• 还有两个问题：
  1. 原始信号在时序上是无穷的，如何在计算机中表示原始信号？
  2. 需要选择不同频率的 $e^{-i2\pi fn}$ 信号，找出对应的最佳振幅和初相，而这些可能的频率也是无穷多个的，如何在计算机中得到这些不同频率的 $e^{-i2\pi fn}$ 信号呢？
• 办法还是有的：
  1. 假设需要分解的原始信号的频率在一段有限时序区间内是非零的。这个好理解，一首3分钟的歌曲应该已经具有足够的信息，用于频率分解。