商品编号：
京 东 价：
[定价：￥]
支　　持：
搭配赠品：
服务支持：
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
液相色谱质谱联用技术在食品和药品分析中的应用
加载中，请稍候...
商品介绍加载中...
扫一扫，精彩好书免费看
京东商城向您保证所售商品均为正品行货，京东自营商品开具机打发票或电子发票。
凭质保证书及京东商城发票，可享受全国联保服务（奢侈品、钟表除外；奢侈品、钟表由京东联系保修，享受法定三包售后服务），与您亲临商场选购的商品享受相同的质量保证。京东商城还为您提供具有竞争力的商品价格和，请您放心购买！
注：因厂家会在没有任何提前通知的情况下更改产品包装、产地或者一些附件，本司不能确保客户收到的货物与商城图片、产地、附件说明完全一致。只能确保为原厂正货！并且保证与当时市场上同样主流新品一致。若本商城没有及时更新，请大家谅解！
权利声明：京东上的所有商品信息、客户评价、商品咨询、网友讨论等内容，是京东重要的经营资源，未经许可，禁止非法转载使用。
注：本站商品信息均来自于合作方，其真实性、准确性和合法性由信息拥有者（合作方）负责。本站不提供任何保证，并不承担任何法律责任。
印刷版次不同，印刷时间和版次以实物为准。
价格说明：
京东价：京东价为商品的销售价，是您最终决定是否购买商品的依据。
划线价：商品展示的划横线价格为参考价，该价格可能是品牌专柜标价、商品吊牌价或由品牌供应商提供的正品零售价（如厂商指导价、建议零售价等）或该商品在京东平台上曾经展示过的销售价；由于地区、时间的差异性和市场行情波动，品牌专柜标价、商品吊牌价等可能会与您购物时展示的不一致，该价格仅供您参考。
折扣：如无特殊说明，折扣指销售商在原价、或划线价（如品牌专柜标价、商品吊牌价、厂商指导价、厂商建议零售价）等某一价格基础上计算出的优惠比例或优惠金额；如有疑问，您可在购买前联系销售商进行咨询。
异常问题：商品促销信息以商品详情页“促销”栏中的信息为准；商品的具体售价以订单结算页价格为准；如您发现活动商品售价或促销信息有异常，建议购买前先联系销售商咨询。
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
加载中，请稍候...
浏览了该商品的用户还浏览了
加载中，请稍候...
七日畅销榜
新书热卖榜
iframe(src='///ns.html?id=GTM-T947SH', height='0', width='0', style='display: visibility:')您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
傅立叶变换离子回旋共振质谱仪在石油组成分析中的应用.pdf12页
本文档一共被下载：
次 ,本文档已强制全文免费阅读，若需下载请自行甄别文档质量。
文档加载中...广告还剩秒
需要金币：80 &&
你可能关注的文档：
··········
··········
第 29卷 第 6期 质 谱 学 报 Vo1．29 No．6 2008年 11月 JournalofChineseMassSpectrometrySociety NOV．2008 傅立叶变换离子 回旋共振质谱仪在石油组成分析中的应用 史 权 ，赵锁奇 ，徐春明 ，侯读杰 1．中国石油大学
北京 重质油 国家重点实验室 ，北京 ．中国地质大学
北京 能源学 院，北京 100083 摘要：傅立叶变换离子回旋共振质谱仪
FT―IcRMS 是一种具有超高质量分辨能力的质谱仪，在石油组分 相对分子质量范围 200~1000u 内，其分辨率能够达到几十万甚至上百万，这种分辨能力可以精确地确定 由c、H、s、N、0以及它们主要同位素所组成的各种元素组合，真正从分子元素组成层次上研究石油组成。 电喷雾
ESI 电离源可以从高浓度复杂烃类基质中选择性地电离石油组分中微量的杂原子极性化合物，ESI 与FT―ICRMS相结合 已经成为重质油非烃化合物分析 的一种重要手段 。本文介绍了FT-ICRMS的基本原 理及近年来的发展趋势，石油组分的电离化方法及数据处理技术，综述了近期利用FT-ICRMS对石油组成 取得的新认识，以及该仪器手段在石油有机地球化学、油田化学、炼油化工等领域的应用情况。尽管在重质 油组成定量分析方面还存在一些技术问题，FT-ICRMS无疑将成为石油化学研究和石油工业生产过程的重 要检测工具 。 关键词：石油；高分辨；质谱 ；FT―ICRMS 中图分类号：O657．63
文献标识码 ：A 文章编号： 7―12 FourierTransform IonCyclotronResonanceM assSpectrometry andItsApplication inPetroleum Analysis SHIQuan ，ZHAO Suo―qi，XUChun-ming，HOU Du―jie 1．StateKeyLaboratoryofHeavyOilProcessing，ChinaUniversityofPetroleum，Beijing102200，China； 2．FacutyofEnergyResources，ChinaUniversityofGeosciences，Beijing100083，China Abstract：Ultrahigh―resolutionfouriertra
正在加载中，请稍后...&&&全站 说: 石化区“我在节能你在哪里”7月底活动结束，8月份公布获奖选手。未参与人员尽快参加。
1天前全站 说: 4天前全站 说: 6天前全站 说: 11天前全站 说: 13天前全站 说: 13天前全站 说: 17天前全站 说: 17天前
查看: 6031|回复: 8
大家有对傅立叶变换了解很深刻的吗？探讨一下
(788576号)
收到鲜花 朵
阅读权限20
主题好友积分
签到天数: 47 天连续签到: 1 天[LV.2]海川新秀&
傅立叶变换一直不是很清楚，在学习信号的传输与应用时，常会用到他，书本上只是简单的公式罗列。讲的并不清楚。不知道各位大侠有没有这方面的高手。
发起有意义的议题
(789587号)
收到鲜花 朵
阅读权限220
主题好友积分
zqwqiwu123的管辖
&成长值: 11349VIP6, 成长值 15000, 距离下一级还需 3651 成长值签到天数: 1028 天连续签到: 1 天[LV.8]以坛为家II&
在线时间达到2400小时，可以直接领取本徽章。
TA在日09时14分获得了这枚徽章。 []
已提交版主身份信息登记
TA在日15时10分获得了这枚徽章。 []
海川社区常住居民 在海川签到500天 可领本徽章
TA在日12时43分获得了这枚徽章。 []
2013年海川十佳会员 及 十佳版主
最佳技术参与者 均可佩戴本徽章。
TA在日21时10分获得了这枚徽章。 []
申领前提条件为5威望，对海川热心参与的会员
TA在日08时42分获得了这枚徽章。 []
发帖数超过2099个即可自领本徽章
TA在日08时57分获得了这枚徽章。 []
WALL•E的日记
WALL•E的主页广播相册喜欢二手活动发豆邮【纯技术帖】为什么要进行傅立叶变换？傅立叶变换究竟有何意义？如何用Matlab实现快速傅立叶变换？
写在最前面：本文是我阅读了多篇相关文章后对它们进行分析重组整合而得，绝大部分内容非我所原创。在此向多位原创作者致敬！！！一、傅立叶变换的由来关于傅立叶变换，无论是书本还是在网上可以很容易找到关于傅立叶变换的描述，但是大都是些故弄玄虚的文章，太过抽象，尽是一些让人看了就望而生畏的公式的罗列，让人很难能够从感性上得到理解，最近，我偶尔从网上看到一个关于数字信号处理的电子书籍，是一个叫Steven W. Smith, Ph.D.外国人写的，写得非常浅显，里面有七章由浅入深地专门讲述关于离散信号的傅立叶变换，虽然是英文文档，我还是硬着头皮看完了有关傅立叶变换的有关内容，看了有茅塞顿开的感觉，在此把我从中得到的理解拿出来跟大家分享，希望很多被傅立叶变换迷惑的朋友能够得到一点启发，这电子书籍是免费的，有兴趣的朋友也可以从网上下载下来看一下，URL地址是：&&要理解傅立叶变换，确实需要一定的耐心，别一下子想着傅立叶变换是怎么变换的，当然，也需要一定的高等数学基础，最基本的是级数变换，其中傅立叶级数变换是傅立叶变换的基础公式。二、傅立叶变换的提出让我们先看看为什么会有傅立叶变换？傅立叶是一位法国数学家和物理学家的名字，英语原名是Jean Baptiste Joseph Fourier(), Fourier对热传递很感兴趣，于1807年在法国科学学会上发表了一篇论文，运用正弦曲线来描述温度分布，论文里有个在当时具有争议性的决断：任何连续周期信号可以由一组适当的正弦曲线组合而成。当时审查这个论文的人，其中有两位是历史上著名的数学家拉格朗日(Joseph Louis Lagrange, )和拉普拉斯(Pierre Simon de Laplace, )，当拉普拉斯和其它审查者投票通过并要发表这个论文时，拉格朗日坚决反对，在近50年的时间里，拉格朗日坚持认为傅立叶的方法无法表示带有棱角的信号，如在方波中出现非连续变化斜率。法国科学学会屈服于拉格朗日的威望，拒绝了傅立叶的工作，幸运的是，傅立叶还有其它事情可忙，他参加了**运动，随拿破仑远征埃及，法国大革命后因会被推上断头台而一直在逃避。直到拉格朗日死后15年这个论文才被发表出来。谁是对的呢？拉格朗日是对的：正弦曲线无法组合成一个带有棱角的信号。但是，我们可以用正弦曲线来非常逼近地表示它，逼近到两种表示方法不存在能量差别，基于此，傅立叶是对的。为什么我们要用正弦曲线来代替原来的曲线呢？如我们也还可以用方波或三角波来代替呀，分解信号的方法是无穷的，但分解信号的目的是为了更加简单地处理原来的信号。用正余弦来表示原信号会更加简单，因为正余弦拥有原信号所不具有的性质：正弦曲线保真度。一个正弦曲线信号输入后，输出的仍是正弦曲线，只有幅度和相位可能发生变化，但是频率和波的形状仍是一样的。且只有正弦曲线才拥有这样的性质，正因如此我们才不用方波或三角波来表示。三、傅立叶变换分类根据原信号的不同类型，我们可以把傅立叶变换分为四种类别：11非周期性连续信号傅立叶变换（Fourier Transform）2&&周期性连续信号傅立叶级数(Fourier Series)3非周期性离散信号离散时域傅立叶变换（Discrete Time Fourier Transform）4周期性离散信号离散傅立叶变换(Discrete Fourier Transform)非周期性连续信号傅立叶变换（Fourier Transform）2周期性连续信号傅立叶级数(Fourier Series)3非周期性离散信号离散时域傅立叶变换（Discrete Time Fourier Transform）4周期性离散信号离散傅立叶变换(Discrete Fourier Transform)下图是四种原信号图例： 这四种傅立叶变换都是针对正无穷大和负无穷大的信号，即信号的的长度是无穷大的，我们知道这对于计算机处理来说是不可能的，那么有没有针对长度有限的傅立叶变换呢？没有。因为正余弦波被定义成从负无穷小到正无穷大，我们无法把一个长度无限的信号组合成长度有限的信号。面对这种困难，方法是把长度有限的信号表示成长度无限的信号，可以把信号无限地从左右进行延伸，延伸的部分用零来表示，这样，这个信号就可以被看成是非周期性离解信号，我们就可以用到离散时域傅立叶变换的方法。还有，也可以把信号用复制的方法进行延伸，这样信号就变成了周期性离解信号，这时我们就可以用离散傅立叶变换方法进行变换。这里我们要学的是离散信号，对于连续信号我们不作讨论，因为计算机只能处理离散的数值信号，我们的最终目的是运用计算机来处理信号的。但是对于非周期性的信号，我们需要用无穷多不同频率的正弦曲线来表示，这对于计算机来说是不可能实现的。所以对于离散信号的变换只有离散傅立叶变换（DFT）才能被适用，对于计算机来说只有离散的和有限长度的数据才能被处理，对于其它的变换类型只有在数学演算中才能用到，在计算机面前我们只能用DFT方法，后面我们要理解的也正是DFT方法。这里要理解的是我们使用周期性的信号目的是为了能够用数学方法来解决问题，至于考虑周期性信号是从哪里得到或怎样得到是无意义的。每种傅立叶变换都分成实数和复数两种方法，对于实数方法是最好理解的，但是复数方法就相对复杂许多了，需要懂得有关复数的理论知识，不过，如果理解了实数离散傅立叶变换(real DFT)，再去理解复数傅立叶就更容易了，所以我们先把复数的傅立叶放到一边去，先来理解实数傅立叶变换，在后面我们会先讲讲关于复数的基本理论，然后在理解了实数傅立叶变换的基础上再来理解复数傅立叶变换。还有，这里我们所要说的变换(transform)虽然是数学意义上的变换，但跟函数变换是不同的，函数变换是符合一一映射准则的，对于离散数字信号处理（DSP），有许多的变换：傅立叶变换、拉普拉斯变换、Z变换、希尔伯特变换、离散余弦变换等，这些都扩展了函数变换的定义，允许输入和输出有多种的值，简单地说变换就是把一堆的数据变成另一堆的数据的方法。四、傅立叶变换的物理意义傅立叶变换是数字信号处理领域一种很重要的算法。要知道傅立叶变换算法的意义，首先要了解傅立叶原理的意义。傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。和傅立叶变换算法对应的是反傅立叶变换算法。该反变换从本质上说也是一种累加处理，这样就可以将单独改变的正弦波信号转换成一个信号。因此，可以说，傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），可以利用一些工具对这些频域信号进行处理、加工。最后还可以利用傅立叶反变换将这些频域信号转换成时域信号。从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。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。在数学领域，尽管最初傅立叶分析是作为热过程的解析分析的工具，但是其思想方法仍然具有典型的还原论和分析主义的特征。&任意&的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类：1. 傅立叶变换是线性算子,若赋予适当的范数,它还是酉算子;2. 傅立叶变换的逆变换容易求出,而且形式与正变换非常类似;3. 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;4. 离散形式的傅立叶的物理系统内,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;5. 著名的卷积定理指出:傅立叶变换可以化复变换可以利用数字计算机快速的算出(其算法称为快速傅立叶变换算法(FFT))。正是由于上述的良好性质,傅里叶变换在物理学、数论、组合数学、信号处理、概率、统计、密码学、声学、光学等领域都有着广泛的应用。五、图像傅立叶变换的物理意义图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，也叫功率图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。对频谱移频到原点以后，可以看出图像的频率分布是以原点为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰。另外我还想说明以下几点： 1、图像经过二维傅立叶变换后，其变换系数矩阵表明： 若变换矩阵Fn原点设在中心，其频谱能量集中分布在变换系数短阵的中心附近(图中阴影区)。若所用的二维傅立叶变换矩阵Fn的原点设在左上角，那么图像信号能量将集中在系数矩阵的四个角上。这是由二维傅立叶变换本身性质决定的。同时也表明一股图像能量集中低频区域。 2 、变换之后的图像在原点平移之前四角是低频，最亮，平移之后中间部分是低频，最亮，亮度大说明低频的能量大（幅角比较大）。六、一个关于实数离散傅立叶变换(Real DFT)的例子先来看一个变换实例，一个原始信号的长度是16，于是可以把这个信号分解9个余弦波和9个正弦波（一个长度为N的信号可以分解成N/2+1个正余弦信号，这是为什么呢？结合下面的18个正余弦图,我想从计算机处理精度上就不难理解，一个长度为N的信号，最多只能有N/2+1个不同频率，再多的频率就超过了计算机所能所处理的精度范围），如下图：9个正弦信号：9个余弦信号：把以上所有信号相加即可得到原始信号，至于是怎么分别变换出9种不同频率信号的，我们先不急，先看看对于以上的变换结果，在程序中又是该怎么表示的，我们可以看看下面这个示例图：上图中左边表示时域中的信号，右边是频域信号表示方法，从左向右表示正向转换(Forward DFT)，从右向左表示逆向转换(Inverse DFT)，用小写x[]表示信号在每个时间点上的幅度值数组, 用大写X[]表示每种频率的副度值数组, 因为有N/2+1种频率，所以该数组长度为N/2+1，X[]数组又分两种，一种是表示余弦波的不同频率幅度值：Re X[]，另一种是表示正弦波的不同频率幅度值：Im X[]，Re是实数(Real)的意思，Im是虚数(Imagine)的意思，采用复数的表示方法把正余弦波组合起来进行表示，但这里我们不考虑复数的其它作用，只记住是一种组合方法而已，目的是为了便于表达（在后面我们会知道，复数形式的傅立叶变换长度是N，而不是N/2+1）。七、用Matlab实现快速傅立叶变换FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。另外，FFT可以将一个信号的频谱提取出来，这在频谱分析方面也是经常用的。 虽然很多人都知道FFT是什么，可以用来做什么，怎么去做，但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。 现在就根据实际经验来说说FFT结果的具体物理意义。一个模拟信号，经过ADC采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍，这些我就不在此啰嗦了。 采样得到的数字信号，就可以做FFT变换了。N个采样点，经过FFT之后，就可以得到N个点的FFT结果。为了方便进行FFT运算，通常N取2的整数次方。 假设采样频率为Fs，信号频率F，采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。具体跟原始信号的幅度有什么关系呢？假设原始信号的峰值为A，那么FFT的结果的每个点（除了第一个点直流分量之外）的模值就是A的N/2倍。而第一个点就是直流分量，它的模值就是直流分量的N倍。而每个点的相位呢，就是在该频率下的信号的相位。第一个点表示直流分量（即0Hz），而最后一个点N的再下一个点（实际上这个点是不存在的，这里是假设的第N+1个点，也可以看做是将第一个点分做两半分，另一半移到最后）则表示采样频率Fs，这中间被N-1个点平均分成N等份，每个点的频率依次增加。例如某点n所表示的频率为：Fn=(n-1)*Fs/N。由上面的公式可以看出，Fn所能分辨到频率为为Fs/N，如果采样频率Fs为1024Hz，采样点数为1024点，则可以分辨到1Hz。1024Hz的采样率采样1024点，刚好是1秒，也就是说，采样1秒时间的信号并做FFT，则结果可以分析到1Hz，如果采样2秒时间的信号并做FFT，则结果可以分析到0.5Hz。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。频率分辨率和采样时间是倒数关系。 假设FFT之后某点n用复数a+bi表示，那么这个复数的模就是An=根号a*a+b*b，相位就是Pn=atan2(b,a)。根据以上的结果，就可以计算出n点（n≠1，且n&=N/2）对应的信号的表达式为：An/(N/2)*cos(2*pi*Fn*t+Pn)，即2*An/N*cos(2*pi*Fn*t+Pn)。对于n=1点的信号，是直流分量，幅度即为A1/N。由于FFT结果的对称性，通常我们只使用前半部分的结果，即小于采样频率一半的结果。 下面以一个实际的信号来做说明。假设我们有一个信号，它含有2V的直流分量，频率为50Hz、相位为-30度、幅度为3V的交流信号，以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下：S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180)。式中cos参数为弧度，所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样，总共采样256点。按照我们上面的分析，Fn=(n-1)*Fs/N，我们可以知道，每两个点之间的间距就是1Hz，第n个点的频率就是n-1。我们的信号有3个频率：0Hz、50Hz、75Hz，应该分别在第1个点、第51个点、第76个点上出现峰值，其它各点应该接近0。实际情况如何呢？我们来看看FFT的结果的模值如图所示。从图中我们可以看到，在第1点、第51点、和第76点附近有比较大的值。我们分别将这三个点附近的数据拿上来细看： 1点： 512+0i 2点： -2.6195E-14 - 1.点： -2.8586E-14 - 1.点：-6.2076E-13 - 2.点：332.55 - 192i 52点：-1.6707E-12 - 1.点：-2..点：3.4315E-12 + 192i 77点：-3..5609E-13i 很明显，1点、51点、76点的值都比较大，它附近的点值都很小，可以认为是0，即在那些频率点上的信号幅度为0。接着，我们来计算各点的幅度值。分别计算这三个点的模值，结果如下： 1点： 512 51点：384 76点：192 按照公式，可以计算出直流分量为：512/N=512/256=2；50Hz信号的幅度为：384/(N/2)=384/(256/2)=3；75Hz信号的幅度为192/(N/2)=192/(256/2)=1.5。可见，从频谱分析出来的幅度是正确的。 然后再来计算相位信息。直流信号没有相位可言，不用管它。先计算50Hz信号的相位，atan2(-192, 332.55)=-0.5236,结果是弧度，换算为角度就是180*(-0.5236)/pi=-30.0001。再计算75Hz信号的相位，atan2(192, 3..5708弧度，换算成角度就是180*1.5708/pi=90.0002。可见，相位也是对的。根据FFT结果以及上面的分析计算，我们就可以写出信号的表达式了，它就是我们开始提供的信号。总结：假设采样频率为Fs，采样点数为N，做FFT之后，某一点n（n从1开始）表示的频率为：Fn=(n-1)*Fs/N；该点的模值除以N/2就是对应该频率下的信号的幅度（对于直流信号是除以N）；该点的相位即是对应该频率下的信号的相位。相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值，范围从-pi到pi。要精确到xHz，则需要采样长度为1/x秒的信号，并做FFT。要提高频率分辨率，就需要增加采样点数，这在一些实际的应用中是不现实的，需要在较短的时间内完成分析。解决这个问题的方法有频率细分法，比较简单的方法是采样比较短时间的信号，然后在后面补充一定数量的0，使其长度达到需要的点数，再做FFT，这在一定程度上能够提高频率分辨力。具体的频率细分法可参考相关文献。
(789587号)
收到鲜花 朵
阅读权限220
zqwqiwu123的管辖
&成长值: 11349VIP6, 成长值 15000, 距离下一级还需 3651 成长值签到天数: 1028 天连续签到: 1 天[LV.8]以坛为家II&
在线时间达到2400小时，可以直接领取本徽章。
TA在日09时14分获得了这枚徽章。 []
已提交版主身份信息登记
TA在日15时10分获得了这枚徽章。 []
海川社区常住居民 在海川签到500天 可领本徽章
TA在日12时43分获得了这枚徽章。 []
2013年海川十佳会员 及 十佳版主
最佳技术参与者 均可佩戴本徽章。
TA在日21时10分获得了这枚徽章。 []
申领前提条件为5威望，对海川热心参与的会员
TA在日08时42分获得了这枚徽章。 []
发帖数超过2099个即可自领本徽章
TA在日08时57分获得了这枚徽章。 []
(789587号)
收到鲜花 朵
阅读权限220
主题好友积分
zqwqiwu123的管辖
&成长值: 11349VIP6, 成长值 15000, 距离下一级还需 3651 成长值签到天数: 1028 天连续签到: 1 天[LV.8]以坛为家II&
在线时间达到2400小时，可以直接领取本徽章。
TA在日09时14分获得了这枚徽章。 []
已提交版主身份信息登记
TA在日15时10分获得了这枚徽章。 []
海川社区常住居民 在海川签到500天 可领本徽章
TA在日12时43分获得了这枚徽章。 []
2013年海川十佳会员 及 十佳版主
最佳技术参与者 均可佩戴本徽章。
TA在日21时10分获得了这枚徽章。 []
申领前提条件为5威望，对海川热心参与的会员
TA在日08时42分获得了这枚徽章。 []
发帖数超过2099个即可自领本徽章
TA在日08时57分获得了这枚徽章。 []
　　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。 　　①&&傅里叶变换
　　②&&傅里叶逆变换
　　Fourier transform或Transformée de Fourier有多个中文译名，常见的有“傅里叶变换”、“傅立叶变换”、“付立叶变换”、“傅里叶转换”、“傅氏转换”、“傅氏变换”、等等。为方便起见，本文统一写作“傅里叶变换”。
　　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谱——显示与频率对应的幅值大小）。
　　* 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地算出（其算法称为快速傅里叶变换算法（FFT)).[1]编辑本段特点与性质基本性质
　　线性性质线性linear，指量与量之间按比例、成直线的关系，在数学上可以理解为一阶导数为常数的函数；非线性non-linear则指不按比例、不成直线的关系，一阶导数不为常数。　如问：两个眼睛的视敏度是一个眼睛的几倍？很容易想到的是两倍，可实际是 6－10倍！这就是非线性。激光也是非线性的！天体运动存在混沌；电、光与声波的振荡，会突陷混沌；地磁场在400万年间，方向突变16次，也是由于混沌。甚至人类自己，原来都是非线性的：与传统的想法相反，健康人的脑电图和心脏跳动并不是规则的，而是混沌的，混沌正是生命力的表现，混沌系统对外界的刺激反应，比非混沌系统快。　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；
　　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；
　　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 − 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（ − iω）k。
　　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，同时还有两个函数卷积的傅里叶逆变换等于它们各自的傅里叶逆变换的乘积。
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。编辑本段特殊变换连续傅立叶变换
　　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“连续傅立叶变换”。“连续傅立叶变换”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（ω）] = \frac{\sqrt{2π}} \int\limits_{-\infty}^\infty F（ω） e^{iωt}\,dω. 　　上式其实表示的是连续傅立叶变换的逆变换，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）为傅立叶变换的像函数，原函数和像函数构成一个傅立叶变换对（transform pair）。 　　一种对连续傅立叶变换的推广称为分数傅立叶变换（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(−ω） = F（ω）*成立。
傅立叶级数
　　主条目：傅立叶级数 　　连续形式的傅立叶变换其实是傅立叶级数的推广，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，其傅立叶级数是存在的： 　　f(x) = \sum_{n=-\infty}^{\infty} F_n \,e^, 　　其中Fn 为复振幅。对于实值函数，函数的傅立叶级数可以写成： 　　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。 　　离散时间傅立叶变换 　　主条目：离散时间傅立叶变换 　　离散傅立叶变换是离散时间傅立叶变换（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可以被看作是傅立叶级数的逆。
离散傅立叶变换
　　主条目：离散傅立叶变换 。 　　为了在科学计算和数字信号处理等领域使用计算机进行傅立叶变换，必须将函数xn 定义在离散点而非连续域内，且须满足有限性或周期性条件。这种情况下，使用离散傅立叶变换，将函数 xn 表示为下面的求和形式： 　　x_n = \frac1 \sum_{k=0}^ X_k e^{i\frac{2\pi} kn} \qquad n = 0,\dots,N-1 　　其中Xk是傅立叶振幅。直接使用这个公式计算的计算复杂度为\mathcal(n^2），而快速傅立叶变换（FFT）可以将复杂度改进为\mathcal(n \log n）。计算复杂度的降低以及数字电路计算能力的发展使得DFT成为在信号处理领域十分实用且重要的方法。 　　在阿贝尔群上的统一描述。 　　以上各种傅立叶变换可以被更统一的表述成任意局部紧致的阿贝尔群上的傅立叶变换。这一问题属于调和分析的范畴。在调和分析中，一个变换从一个群变换到它的对偶群（dual group）。此外，将傅立叶变换与卷积相联系的卷积定理在调和分析中也有类似的结论。傅立叶变换的广义理论基础参见庞特里雅金对偶性（英文版）中的介绍。
时频分析变换
　　主条目：时频分析变换 。 　　小波变换，chirplet转换和分数傅立叶转换试图得到时间信号的频率信息。同时解析频率和时间的能力在数学上受不确定性原理的限制。 　　傅立叶变换家族。 　　下表列出了傅立叶变换家族的成员. 容易发现，函数在时（频）域的离散对应于其像函数在频（时）域的周期性.反之连续则意味着在对应域的信号的非周期性. 　　变换 时间域 频率域
连续傅立叶变换 连续， 非周期性 连续， 非周期性
傅立叶级数 连续， 周期性 离散， 非周期性
离散时间傅立叶变换 离散， 非周期性 连续， 周期性
离散傅立叶变换 离散， 周期性 离散， 周期性
傅立叶变换的基本思想首先由法国学者傅立叶系统提出，所以以其名字来命名以示纪念。 　　从现代数学的眼光来看，傅立叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。 　　傅立叶变换属于调和分析的内容。&分析&二字，就是&条分缕析&。通过对函数的&条分缕析&来达到对复杂函数的深入理解和研究。从哲学上看，&分析主义&和&还原主义&，就是通过对事物内部适当的分析达到增进对其本质理解的目的。比如近代原子论试图把世界上所有物质的本源分析为原子，而原子不过数百种而已，相对物质世界的无限丰富，这种分析和分类无疑为认识事物的各种性质提供了很好的手段。编辑本段电子技术领域上的应用　　尽管最初傅立叶分析是作为热过程的解析分析的工具，但是其思想方法仍然具有典型的还原论和分析主义的特征。&任意&的函数通过一定的分解，都能够表示为正弦函数的线性组合的形式，而正弦函数在物理上是被充分研究而相对简单的函数类，这一想法跟化学上的原子论想法何其相似！奇妙的是，现代数学发现傅立叶变换具有非常好的性质，使得它如此的好用和有用，让人不得不感叹造物的神奇： 　　1. 傅立叶变换是线性算子，若赋予适当的范数，它还是酉算子； 　　2. 傅立叶变换的逆变换容易求出，而且形式与正变换非常类似； 　　3. 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； 　　4. 著名的卷积定理指出：傅立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； 　　5. 离散形式的傅立叶变换可以利用数字计算机快速的算出（其算法称为快速傅立叶变换算法（FFT)). 　　正是由于上述的良好性质，傅里叶变换在物理学、数论、组合数学、信号处理、概率、统计、密码学、声学、光学等领域都有着广泛的应用。 　　有関傅立叶变换的FPGA实现 　　傅立叶变换是数字信号处理中的基本操作，广泛应用于表述及分析离散时域信号领域。但由于其运算量与变换点数N的平方成正比关系，因此，在N较大时，直接应用DFT算法进行谱变换是不切合实际的。然而，快速傅立叶变换技术的出现使情况发生了根本性的变化。本文主要描述了采用FPGA来实现2k/4k/8k点FFT的设计方法。
　　一般情况下，N点的傅立叶变换对为： 　　其中，WN=exp（－2pi/N)。X(k）和x(n）都为复数。与之相对的快速傅立叶变换有很多种，如DIT（时域抽取法）、DIF（频域抽取法）、Cooley－Tukey和Winograd等。对于2n傅立叶变换，Cooley－Tukey算法可导出DIT和DIF算法。本文运用的基本思想是Cooley－Tukey算法，即将高点数的傅立叶变换通过多重低点数傅立叶变换来实现。虽然DIT与DIF有差别，但由于它们在本质上都是一种基于标号分解的算法，故在运算量和算法复杂性等方面完全一样，而没有性能上的优劣之分，所以可以根据需要任取其中一种，本文主要以DIT方法为对象来讨论。 　　N=8192点DFT的运算表达式为： 　　式中，m=(4n1+n2)()(n=4n1+n2，k=）其中n1和k2可取0,1，．．．，2047,k1和n2可取0,1,2,3。 　　由式（3）可知，8k傅立叶变换可由4×2k的傅立叶变换构成。同理，4k傅立叶变换可由2×2k的傅立叶变换构成。而2k傅立叶变换可由128×16的傅立叶变换构成。128的傅立叶变换可进一步由16×8的傅立叶变换构成，归根结底，整个傅立叶变换可由基2、基4的傅立叶变换构成。2k的FFT可以通过5个基4和1个基2变换来实现；4k的FFT变换可通过6个基4变换来实现；8k的FFT可以通过6个基4和1个基2变换来实现。也就是说：FFT的基本结构可由基2/4模块、复数乘法器、存储单元和存储器控制模块构成，其整体结构如图1所示。 　　图1中，RAM用来存储输入数据、运算过程中的中间结果以及运算完成后的数据，ROM用来存储旋转因子表。蝶形运算单元即为基2/4模块，控制模块可用于产生控制时序及地址信号，以控制中间运算过程及最后输出结果。
蝶形运算器的实现
　　基4和基2的信号流如图2所示。图中，若A=r0+j*i0，B=r1+j*i1，C=r2+j*i2，D=r3+j*i3是要进行变换的信号，Wk0=c0+j*s0=1，Wk1=c1+j*s1，Wk2=c2+j*s2，Wk3=c3+j*s3为旋转因子，将其分别代入图2中的基4蝶形运算单元，则有： 　　A′=[r0+(r1×c1－i1×s1)+(r2×c2－i2×s2)+(r3×c3－i3×s3)]+j[i0+(i1×c1+r1×s1)+(i2×c2+r2×s2)+(i3×c3+r3×s3)]? （4） 　　B′=[r0+(i1×c1+r1×s1）－（r2×c2－i2×s2）－（i3×c3+r3×s3)]+j[i0－（r1×c1－i1×s1）－（i2×c2+r2×s2)+(r3×c3－i3×s3)] (5） 　　C′=[r0－（r1×c1－i1×s1)+(r2×c2－i2×s2）－（r3×c3－i3×s3)]+j[i0－（i1×c1+r1×s1)+(i2×c2+r2×s2）－（i3×c3+r3×s3)] （6） 　　D′=[r0－（i1×c1+r1×s1）－（r2×c2－i2×s2)+(i3×c3+r3×s3)]+j[i0+(r1×c1－i1×s1）－（i2×c2+r2×s2）－（r3×c3－i3×s3)]? （7） 　　而在基2蝶形中，Wk0和Wk2的值均为1，这样，将A，B，C和D的表达式代入图2中的基2运算的四个等式中，则有： 　　A′=r0+(r1×c1－i1×s1)+j[i0+(i1×c1+r1×s1)]? （8） 　　B′=r0－ (r1×c1－i1×s1)+j[i0－（i1×c1+r1×s1)] （9） 　　C′=r2+(r3×c3－i3×s3)+j[i0+(i3×c3+r3×s3)]? （10） 　　D′=r2－（r3×c3－i3×s3)+j[i0－（i3×c3+r3×s3)]? （11） 　　在上述式（4）～（11）中有很多类同项，如i1×c1+r1×s1和r1×c1－i1×s1等，它们仅仅是加减号的不同，其结构和运算均类似，这就为简化电路提供了可能。同时，在蝶形运算中，复数乘法可以由实数乘法以一定的格式来表示，这也为设计复数乘法器提供了一种实现的途径。 　　以基4为例，在其运算单元中，实际上只需做三个复数乘法运算，即只须计算BWk1、CWk2和DWk3的值即可，这样在一个基4蝶形单元里面，最多只需要3个复数乘法器就可以了。在实际过程中，在不提高时钟频率下，只要将时序控制好?便可利用流水线（Pipeline）技术并只用一个复数乘法器就可完成这三个复数乘法，大大节省了硬件资源。 　　图2 基2和基4蝶形算法的信号流图
　　FFT变换后输出的结果通常为一特定的倒序。因此，几级变换后对地址的控制必须准确无误。 　　倒序的规律是和分解的方式密切相关的，以基8为例，其基本倒序规则如下： 　　基8可以用2×2×2三级基2变换来表示，则其输入顺序则可用二进制序列（n1 n2 n3）来表示，变换结束后，其顺序将变为（n3 n2 n1），如：X?011　→ x?110　，即输入顺序为3，输出时顺序变为6。 　　更进一步，对于基16的变换，可由2×2×2×2，4×4，4×2×2等形式来构成，相对于不同的分解形式，往往会有不同的倒序方式。以4×4为例，其输入顺序可以用二进制序列（n1 n2 n3n4）来表示变换结束后，其顺序可变为（（n3 n4）（n1 n2）），如：X?0111　→ x?1101　。即输入顺序为7，输出时顺序变为13。 　　在2k/4k/8k的傅立叶变换中，由于要经过多次的基4和基2运算，因此，从每次运算完成后到进入下一次运算前，应对运算的结果进行倒序，以保证运算的正确性。
　　N点傅立叶变换的旋转因子有着明显的周期性和对称性。其周期性表现为： 　　FFT之所以可使运算效率得到提高，就是利用了对称性和周期性把长序列的DFT逐级分解成几个序列的DFT，并最终以短点数变换来实现长点数变换。 　　根据旋转因子的对称性和周期性，在利用ROM存储旋转因子时，可以只存储旋转因子表的一部分，而在读出时增加读出地址及符号的控制，这样可以正确实现FFT。因此，充分利用旋转因子的性质，可节省70%以上存储单元。 　　实际上，由于旋转因子可分解为正、余弦函数的组合，故ROM中存的值为正、余弦函数值的组合。对2k/4k/8k的傅立叶变换来说，只是对一个周期进行不同的分割。由于8k变换的旋转因子包括了2k/4k的所有因子，因此，实现时只要对读ROM的地址进行控制，即可实现2k/4k/8k变换的通用。
存储器的控制
　　因FFT是为时序电路而设计的，因此，控制信号要包括时序的控制信号及存储器的读写地址，并产生各种辅助的指示信号。同时在计算模块的内部，为保证高速，所有的乘法器都须始终保持较高的利用率。这意味着在每一个时钟来临时都要向这些单元输入新的操作数，而这一切都需要控制信号的紧密配合。 　　为了实现FFT的流形运算，在运算的同时，存储器也要接收数据。这可以采用乒乓RAM的方法来完成。这种方式决定了实现FFT运算的最大时间。对于4k操作，其接收时间为4096个数据周期,这样FFT的最大运算时间就是4096个数据周期。另外，由于输入数据是以一定的时钟为周期依次输入的，故在进行内部运算时，可以用较高的内部时钟进行运算，然后再存入RAM依次输出。 　　为节省资源，可对存储数据RAM采用原址读出原址写入的方法，即在进行下一级变换的同时，首先应将结果回写到读出数据的RAM存贮器中；而对于ROM，则应采用与运算的数据相对应的方法来读出存储器中旋转因子的值。 　　在2k/4k/8k傅立叶变换中，要实现通用性，控制器是最主要的模块。2k、4k、8k变换具有不同的内部运算时间和存储器地址，在设计中，针对不同的点数应设计不同的存储器存取地址，同时，在完成变换后，还要对开始输出有用信号的时刻进行指示。
硬件的选择
　　本设计的硬件实现选用的是现场可编程门阵列（FPGA）来满足较高速度的需要。本系统在设计时选用的是ALTERA公司的STRATIX芯片，该芯片中包含有DSP单元，可以完成较为耗费资源的乘法器单元。同时，该器件也包含有大量存储单元，从而可保证旋转因子的精度。 　　除了一些专用引脚外，FPGA上几乎所有的引脚均可供用户使用，这使得FPGA信号处理方案具有非常好的I/O带宽。大量的I/O引脚和多块存储器可使设计获得优越的并行处理性能。其独立的存储块可作为输入/工作存储区和结果的缓存区，这使得I/O可与FFT计算同时进行。在实现的时间方面，该设计能在4096个时钟周期内完成一个4096点的FFT。若采用10MHz的输入时钟，其变换时间在200μs左右。而由于最新的FPGA使用了MultiTrack互连技术，故可在250MHz以下频率稳定地工作，同时，FFT的实现时间也可以大大缩小。 　　FFT运算结果的精度与输入数据的位数及运算过程中的位数有关，同时和数据的表示形式也有很大关系。一般来说，浮点方式比定点方式精度高。而在定点计算中，存储器数据的位数越大，运算精度越高，使用的存储单元和逻辑单元也越多。在实际应用中，应根据实际情况折衷选择精度和资源。本设计通过MATLAB进行仿真证明：其实现的变换结果与MATLAB工具箱中的FFT函数相比，信噪比可以达到65db以上，完全可以满足一般工程的实际应用要求。编辑本段相关书籍相关书籍1
&&基于HWW分析法”的傅立叶变换的解析
　　书名：《基于”HWW“分析法的傅里叶变换解析》 　　作者：刘里鹏 　　出版社：华中理工大学出版社 　　ISBN：8 　　上架时间： 　　出版日期：2009 年12月 　　开本：16开 　　页码：135 　　版次：1-1
　　书名：傅里叶变换　 　　ISBN：5　 　　作者：冷建华　 　　定价：25元　 　　出版日期：　 　　出版社：清华大学出版社 　　图书简介 　　本书将散见于不同书籍中的有关傅里叶变换的内容汇集在一起，全面完整地论述了傅里叶变换的理论和方法，全书共分9章。在第1章信号基本概念的基础上，第2章介绍了连续傅里叶级数变换和连续傅里叶变换，第3章介绍了拉普拉斯变换，第4章介绍了离散傅里叶级数变换和序列傅里叶变换，第5章介绍了Z变换，第6章介绍了离散傅里叶变换。在介绍了所有7种傅里叶变换后，第7章和第8章集中介绍了离散傅里叶交换的各种快速算法。最后一章简要地介绍了一般的变换理论以及一般变换的主要应用。　本书对从事通信、雷达、声纳、导航、遥测、遥感、遥控以及各种信号处理工作的信息科学和技术工作的学者、研究人员以及初学者将是一本好的参考书。 　　前言 　　傅里叶变换是大家所熟悉的一种变换，又是一种令人感到陌生的变换！随着信号从模拟信号到数字信号，信号处理从模拟信号处理到数字信号处理，18世纪末和19世纪初诞生的傅里叶变换发生了巨大的变化。 　　傅里叶变换的丰富和发展，极大地促进了信息科学的丰富和发展。现代的信息科学和技术离不开傅里叶变换的理论和方法。 　　可惜的是，傅里叶变换理论和方法的介绍分散在不同的书籍中。《高等数学》仅从数学的角度，在级数的章节中讨论了连续傅里叶级数。《复变函数》也仅从数学的角度，介绍了拉普拉斯变换。《积分变换》只介绍连续时间信号的傅里叶变换和拉普拉斯变换。《数字信号处理》仅介绍离散时间信号的傅里叶变换。《电路、信号与系统》除了介绍连续时间信号的傅里叶变换外，对离散时间信号的傅里叶变换，仅涉及了一个Z变换，而对离散时间信号的离散傅里叶级数变换、离散傅里叶变换和序列傅里叶变换，并没有作进一步的介绍。 　　由于傅里叶变换的理论和方法散见在不同的书籍中，使一些概念和术语名出多门。同一个概念在不同的书籍中有时使用不同的名称，而傅里叶变换家族的不同成员在不同的书籍中有时却有着相同的名称，这给读者，尤其是初学者的学习造成了不少困难。由于傅里叶变换的不同成员在不同的书籍中讨论，使读者对傅里叶变换只有一些零碎的部分知识，无法从整体上去把握这种重要的变换。 　　本书是一本全面完整论述傅里叶变换理论和方法的书。在本书中，不仅介绍连续时间信号的傅里叶变换，如连续傅里叶级数变换、连续傅里叶变换和拉普拉斯变换，而且介绍离散时间信号的傅里叶变换，如离散傅里叶级数变换、序列傅里叶变换、Z变换和离散傅里叶变换。本书详细地给出了这七种傅里叶变换的定义、性质和计算，讨论了其间的相互关系，介绍了离散傅里叶变换的各种快速算法（FFT算法）。最后，从傅里叶变换出发，本书简要地介绍了一般的变换理论以及一般变换的应用。 　　本书对从事通信、雷达、声纳、导航、遥测、遥感、遥控以及各种信号处理工作的信息科学和技术工作的学者、研究人员以及初学者将是一本好的参考书、一本可供入门的教材。 　　鉴于作者水平有限，错误之处，请读者指正。 　　著 者 　　　[2]
1．&&林家翘、西格尔．《自然科学中确定性问题的应用数学》（《C. C. Lin & L. A. Segel,Mathematics Applied to Deterministic Problems in the Natural Sciences,Macmillan Inc.,New York）．北京：科学出版社，1974．
2．&&图书信息 ．清华大学出版社[引用日期 ]．
扩展阅读：
维基百科：
Kaka Abel的博客：
开放分类：
数学，信号处理
我来完善 “傅立叶变换”相关词条：
拉普拉斯变换质谱时频分析坐标变换离散余弦变换采样定理小波变换线性时不变系统连续小波变换
拉普拉斯变换 质谱 时频分析 坐标变换 离散余弦变换 采样定理 小波变换 线性时不变系统 连续小波变换
百度百科中的词条正文与判断内容均由用户提供，不代表百度百科立场。如果您需要解决具体问题（如法律、医学等领域），建议您咨询相关领域专业人士。
1247本词条对我有帮助
(702048号)
收到鲜花 朵
阅读权限40
主题好友积分
签到天数: 104 天连续签到: 1 天[LV.4]海川常住居民I&
不过是一种变量的替换，可推广到所有互成倒数的两个变量的替换上，常用的是频率*周期=2PAI
(258872号)
收到鲜花 朵
阅读权限40
主题好友积分
签到天数: 192 天连续签到: 1 天[LV.5]海川常住居民II&
唉，学的时候就没认真。现在早忘求了。
(788576号)
收到鲜花 朵
阅读权限20
主题好友积分
签到天数: 47 天连续签到: 1 天[LV.2]海川新秀&
zqwqiwu123 发表于
　　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 ...
我已经在网上查了好多资料，包括你这篇文章。但是理解起来还是有一定的难度，现在感觉数学真是高深莫测啊，数学也是别的学科的基础。像牛顿，爱因斯坦、霍金都有非凡的数学能力。真是天才啊。我现在有现成的资料都这么难理解，真不知道，当初那些数学家是怎么研究出来的。他们真乃神人啊，向他们致敬！
同意你的观点
(429461号)
收到鲜花 朵
阅读权限180
主题好友积分
签到天数: 1764 天连续签到: 1 天[LV.9]以坛为家III&
最佳应助（答案）100次的会员，可自领本徽章。代表成为海川自由应助团队的正式一员的象征。
TA在日17时20分获得了这枚徽章。 []
热心参与帮助他人，---- 应助（最佳答案-5次）数在50次以上的可自动领取本徽章
TA在日13时16分获得了这枚徽章。 []
2013年海川十佳会员 及 十佳版主
最佳技术参与者 均可佩戴本徽章。
TA在日21时08分获得了这枚徽章。 []
海川社区常住居民 在海川签到500天 可领本徽章
TA在日00时25分获得了这枚徽章。 []
申领前提条件为5威望，对海川热心参与的会员
TA在日18时24分获得了这枚徽章。 []
在线时间达到2400小时，可以直接领取本徽章。
TA在日17时23分获得了这枚徽章。 []
发帖数超过2099个即可自领本徽章
TA在日17时22分获得了这枚徽章。 []
本帖最后由 qugd 于
21:58 编辑
傅立叶变换是一种算法，简单地说是基于将周期性函数解析为某几个独立函数的和这么一种数学算法。经常用于信号处理过程，如一些调谐的电气信号、红外光谱吸收信号等。这种算法有正、逆两种不同的变换。
这个算法在没有高速的计算工具时，其计算量是手工难以完成的。自从上世纪80年代个人计算机普及后，首先从无线电信号处理得到实际应用，再有就是在红外光谱分析中得到更为顺利的应用，后来在一些仪器仪表的调谐信号处理中也广泛得到应用。
我学红外的时候大概看过，也是根本不明白，因为数学基础的原因（这需要二类数学以上的基础），只是知道这个东西需要用计算机算，手算的话估计得累死也不清楚是怎么算出来的。
找了点这方面的资料，大家有兴趣可以下载了看一下。特别有兴趣的，建议找本数学系的教科书吧，我说不明白。
下载后请修改文件后缀为.ppt，即可阅读。
(1.69 MB, 下载次数: 12)
21:58 上传
点击文件名下载附件
恭喜进入研究院深造，更造福更多海友。。。
(788576号)
收到鲜花 朵
阅读权限20
主题好友积分
签到天数: 47 天连续签到: 1 天[LV.2]海川新秀&
qugd 发表于
傅立叶变换是一种算法，简单地说是基于将周期性函数解析为某几个独立函数的和这么一种数学算法。经常用于信 ...
谢谢了，我下载看看。
海川化工论坛网化工技术交流第一站，共同学习 共同提高!
广告投放与宣传
违规贴举报删除请联系邮箱：
丰行天下-海川化工论坛 版权所有--- Powered by