首先需要明確傅里葉級數和傅里葉變換的差異。
前者是針對周期函數的傅里葉展開級數,有三種形式(當然,它們是等價的),可以通過三角函數公式和歐拉公式相互轉換。關於傅里葉級數網上有個形象化的解釋:給出一道菜(函數),分析出其包含的食材的種類(頻率)和數量(振幅)。並且再一次把分析出來的結果堆在一起還是原來的那個味道。
傅里葉變換是因爲非周期函數而提出的,分爲傅里葉正變換和反變換,注意傅里葉變換對的意義。但是後來也擴展到了周期函數。
另外最近看到一個說法覺得耳目一新:傅里葉級數展開的係數不過是各分量正交情況下的最小二乘解。說的是大實話,不過我以前就沒能把它和最小二乘聯繫起來。那些年的高數都白學了。
1 複數
不要覺得複數很奇怪,他的涵義是“旋轉”。它跟實數世界溝通的橋樑是歐拉公式,這裏這是形式的轉換,可以認爲歐拉公式是一個穿越門,一個實數世界的三角函數穿過這個門之後就變成了複數世界的一員。仔細想想,三角函數本身表示的就是旋轉在垂直軸上的投影呢,這也就是三角函數和複數可以溝通的原因。
這就是歐拉公式:
據此有:
前面也說了,傅里葉級數有三種形式(當然如果利用歐拉公式和三角函數公式進行轉換,傅里葉變換也是有三種形式的):
其中:最後一種形式的求和範圍變了,奇怪地出現了負頻率這個慕名奇妙的概念,這裏只數學轉換中的trick,也是歐拉公式搞的鬼,稍微試着推推公式,真相就會大白。也正是這個原因,複數形式的頻譜幅度會會是其他形式的一半,因爲它同時包含正負半軸,而能量需要守恆。
2 傅里葉變換
2.1 公式
非週期信號可以看成是週期無限大的信號,經過一些求極限等推導,得到了傅里葉變換對:
對應的也有頻譜圖,但是注意各角頻率的間隔會無限小,最後幅度不再表示頻譜,而是頻譜密度函數。
下圖爲矩形脈衝的圖形及其對應的頻譜:
由上圖可知,雖然矩形脈衝在時域集中於有限的範圍內,然而它的頻譜卻以採樣函數的形式變化,分佈在無限的頻率範圍,但其主要頻率分量幾種在有限範圍內
2.2 SAR成像中用到的傅里葉變換性質
若
則
f ∗ (−t)↔F ∗ (ω) 這在匹配濾波器實現中用到了。則
f(at)↔1∣a∣ F(ωa ) 這是尺度變換特性,可以這樣理解:信號的波形壓縮a 倍a>1 ,信號的變化將會變快a 倍,所以它包含的頻率分量增加a 倍,也就是所頻譜展寬a 倍,根據能量守恆,各頻率分量的大小必然減小a 倍。另外一個角度需要用到簡單的推導,最終會得到B=2πτ ,其中τ,B 分別表示信號的等效時寬和帶寬。這說明若要壓縮信號持續的時間(這正是提高SAR的距離向分辨率需要做到的),則不得不以展寬頻帶做代價。則
f(t+t 0 )↔e jωt 0 F(ω) 這是時移特性,涵義是信號在時域的延遲或者提前僅對應頻域的相位變化。另外就是卷積定理了,即時域的乘積對應頻域的卷積;時域的卷積對應頻域的乘積。
最後稍微提一下這個特性:信號的時域和頻域呈抽樣(離散)和週期(重複)對應關係。也就是信號在時域的抽樣對應着頻域的重複,重複週期對應抽樣間隔
ω s =2πT s ;信號在頻域的抽樣對應時域的重複(週期),週期對應抽樣間隔T 1 =2πω 1
3 相位
在InSAR裏面相位是個非常重要的概念,然而相位這個東西並不太直觀。如果從數學的角度去框住它,也許就不會再困擾我們啦。
無論是傅里葉級數展開還是傅里葉變換,無論是離散還是連續,轉換到頻率域之後都會對應頻率及其對應的振幅和相位。假設說某一頻率對應的係數是
- 振幅:
(a 2 +b 2 ) − − − − − − − √ - 相位:
ϕ= ,具體地,
ϕ=⎧ ⎩ ⎨ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ π2 −π2 0πarctan(ba ) for a=0 for a=0 for b=0 for b=0otherwise b>0b<0a>0a<0
4 還沒有明白的困惑
連續只存在於數學中吧?現實裏面有什麼是連續的嗎?光似乎都不是連續的,時間是連續的嗎?至少當我們來用電腦去處理數據的時候,全部是採樣之後的離散數據,那麼也就是說其實我們用到的只是離散傅里葉變換,連續情況只是充當了理論推導的工具。
書上的解釋說正是因爲這樣離散傅里葉變換和FFT的意義才顯得那樣巨大。後面去學習一下離散傅里葉變換和FFT。
突然發現自己寫的東西估計也只能給自己看了,並不會吸引人。因爲沒有趣,而且知識也沒有循序漸進,所有的說明解釋都是建立的自己的理解之上的,並默認讀者已經讀了跟自己一樣的書,有了同樣的理解,重點部分也只是自己沒有理解的部分。先這樣吧,詳盡有趣而又不失準確性地科普不是我這個階段應該做的事。等到後面自己爬得高了,理解的東西多了,也許可以回過頭來寫些東西。
自己在學習的時候主要參考了鄭君裏的教材,覺得寫得還是挺形象的,有很多圖形和例子。估計對於被動的學習者來說再好的教材也是對牛彈琴,試圖通過一本好書來代替自己的思考是一種深刻的愚昧。
5 關於fft的一些網站和好的帖子
http://zhuanlan.zhihu.com/p/19763358
http://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/