问fft理解

EN

编辑:对here的概念有一个很好的介绍。

这个问题背后有相当多的数学知识。简而言之，考虑一维函数，例如音频剪辑。傅立叶变换识别该信号中存在的频率。原始音频剪辑中的每个样本都与任意给定时间点的声波振幅相关。相反，傅立叶变换中的每个样本识别特定振荡频率的振幅。例如，1 kHz的纯正弦波将具有在1 kHz标记处具有单个尖峰的傅立叶变换。音波是许多不同正弦波的组合，傅立叶变换隔离了哪些正弦波以及贡献了多少正弦波。(请注意，真正的解释需要深入研究复数，但前面给出了所发生事情的本质)。

图像的傅立叶变换是一维傅立叶变换到二维的简单扩展，并且通过简单地将一维变换应用于图像的每一行，然后变换结果图像的每一列来实现。它产生了本质上相同的东西。平滑的水波沿对角线方向传播的图像将转化为沿同一对角线的一系列尖峰。

傅立叶变换是在连续函数上定义的。FFT是一种有效地计算离散数据集上的傅立叶变换的技术。

Steve Eddins of Mathworks在他的博客上讨论傅立叶变换已经有一段时间了-你应该去here看看。