傅里叶级数、傅里叶变换、小波变换、离散余弦变换的理解

news2024/11/29 8:40:22

目录

    • 1. 傅里叶级数
    • 2.傅里叶变换

1. 傅里叶级数

功能:能把任意周期性函数展开成一系列正弦、余弦函数的和。

公式:

f ( x ) = a 0 2 + ∑ n = 1 ∞ ( a n cos ⁡ ( 2 π n x T ) + b n sin ⁡ ( 2 π n x T ) ) 傅里叶系数 a n = 2 T ∫ x 0 x 0 + T f ( x ) ⋅ cos ⁡ ( 2 π n x T ) d x , n ∈ { 0 } ⋃ N b n = 2 T ∫ x 0 x 0 + T f ( x ) ⋅ sin ⁡ ( 2 π n x T ) d x , n ∈ N \begin{gathered} f(x)=\frac{a_0}2+\sum_{n=1}^{\infty}\left(a_n\cos(\frac{2\pi nx}T)+b_n\sin(\frac{2\pi nx}T)\right) \\ \text{傅里叶系数} \\ a_{n}=\frac{2}{T}\int_{x_{0}}^{x_{0}+T}f(x)\cdot\cos(\frac{2\pi nx}{T})dx,n\in\{0\}\bigcup\mathbb{N} \\ b_{n}={\frac{2}{T}}\int_{x_{0}}^{x_{0}+T}f(x)\cdot\sin({\frac{2\pi nx}{T}})dx,n\in\mathbb{N} \end{gathered} f(x)=2a0+n=1(ancos(T2πnx)+bnsin(T2πnx))傅里叶系数an=T2x0x0+Tf(x)cos(T2πnx)dx,n{0}Nbn=T2x0x0+Tf(x)sin(T2πnx)dx,nN

比如下图的一个函数能够被一系列周期为2 π \pi π的正弦函数展开:
在这里插入图片描述
加加减减后周期仍是2 π \pi π,调整正弦、余弦函数前面的系数(振幅)就可以慢慢逼近原函数了。

下面我们尝试把周期变成更一般的T,则正弦、余弦函数可写成:
s i n ( 2 π n T x ) c o s ( 2 π n T x ) \begin{array}{l}sin(\frac{2\pi n}Tx)\\\\cos(\frac{2\pi n}Tx)\end{array} sin(T2πnx)cos(T2πnx)

前面的系数( a n , b n a_n, b_n an,bn)我们可以通过几何的角度进行理解:

首先要有个先验知识就是正弦、余弦函数可以看成无限维的向量,并且两个向量的内积为0,即正弦余弦函数是正交的。
在这里插入图片描述
无限维向量内积:
在这里插入图片描述
因此傅里叶变换可看成是由一组正交基构成的:
在这里插入图片描述
每个正交向量就是:{1,0,0},{0,cos(2pi n/T x),0},{0,0,sin(2pin/Tx)}

在这里插入图片描述
那么如何求系数呢 就是这些坐标:
例如:其中c1,c2是坐标
在这里插入图片描述
在这里插入图片描述
扩展到傅里叶:
在这里插入图片描述
bn类似的。

2.傅里叶变换

在这里插入图片描述
随着函数周期变大,频域上的点会越来越密集,若一个非周期函数,则频域图中的点连续:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
而傅里叶变换就是求出当周期无穷大时,对应的这个连续的频域图曲线。

首先把傅里叶级数用欧拉公式换一下:
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
F(w)就是频域曲线。
另外还可以再改造一下,把前面系数移进去:

F ( w ) = ∫ − ∞ + ∞ f ( x ) ⋅ e − j 2 π w x d x F(w)=\int_{-\infty}^{+\infty}f(x)\cdot e^{-j2\pi wx}dx F(w)=+f(x)ej2πwxdx

同理可得二维傅里叶变换:
F ( u , v ) = ∫ − ∞ + ∞ ∫ − ∞ + ∞ f ( x , y ) ⋅ e − j 2 π ( u x + v y ) d x d y F(u, v)=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}f(x,y)\cdot e^{-j2\pi (ux+vy)}dxdy F(u,v)=++f(x,y)ej2π(ux+vy)dxdy
二维傅里叶反变换:
f ( x , y ) = ∫ − ∞ + ∞ ∫ − ∞ + ∞ F ( u , v ) ⋅ e j 2 π ( u x + v y ) d u d v f(x, y)=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}F(u,v)\cdot e^{j2\pi (ux+vy)}dudv f(x,y)=++F(u,v)ej2π(ux+vy)dudv

二维离散傅里叶变换:
F ( u , v ) = ∑ m = 0 M − 1 ∑ n = 0 N − 1 f ( x , y ) ⋅ e − j 2 π ( u x / M + u y / N )   F(u, v) = \sum_{m=0}^{M-1} \sum_{n=0}^{N-1} f(x, y) \cdot e^{-j 2\pi(ux/M + uy/N)} \ F(u,v)=m=0M1n=0N1f(x,y)ej2π(ux/M+uy/N) 

  f ( x , y ) = 1 M N ∑ u = 0 M − 1 ∑ v = 0 N − 1 F ( u , v ) ⋅ e j 2 π ( u x / M + u y / N )   \ f(x, y) = \frac{1}{MN} \sum_{u=0}^{M-1} \sum_{v=0}^{N-1} F(u, v) \cdot e^{j 2\pi(ux/M + uy/N)} \  f(x,y)=MN1u=0M1v=0N1F(u,v)ej2π(ux/M+uy/N) 

  1. 小波变换

暂时放个链接在这小波变换

  1. 离散余弦变换
    离散余弦变换其实就是傅里叶变换的实数部分
    F ( u , v ) = λ ( u ) λ ( v ) ∑ x = 0 N 1 − 1 ∑ y = 0 N 2 − 1 f ( x , y ) cos ⁡ ( π u 2 x + 1 2 N 1 ) cos ⁡ ( π v 2 y + 1 2 N 2 ) λ ( ω ) = { 1 N , i f   ω = 0 2 N , o t h e r w i s e \begin{aligned}F(u,v)&=\lambda(u)\lambda(v)\sum_{x=0}^{N_1-1}\sum_{y=0}^{N_2-1}f(x,y)\cos\left(\pi u\frac{2x+1}{2N_1}\right)\cos\left(\pi v\frac{2y+1}{2N_2}\right)\\\\\lambda(\omega)&=\begin{cases}\sqrt{\frac1N},&\mathrm{if~}\omega=0\\\sqrt{\frac2N},&\mathrm{otherwise}&\end{cases}\end{aligned} F(u,v)λ(ω)=λ(u)λ(v)x=0N11y=0N21f(x,y)cos(πu2N12x+1)cos(πv2N22y+1)= N1 ,N2 ,if ω=0otherwise

f ( x , y ) = ∑ u = 0 N 1 − 1 ∑ v = 0 N 2 − 1 λ ( u ) λ ( v ) F ( u , v ) cos ⁡ ( π u 2 x + 1 2 N 1 ) cos ⁡ ( π v 2 y + 1 2 N 2 ) \begin{aligned}f(x,y) & =\sum_{u=0}^{N_1-1}\sum_{v=0}^{N_2-1}\lambda(u)\lambda(v)F(u,v)\cos\left(\pi u\frac{2x+1}{2N1}\right)\cos\left(\pi v\frac{2y+1}{2N2}\right)\end{aligned} f(x,y)=u=0N11v=0N21λ(u)λ(v)F(u,v)cos(πu2N12x+1)cos(πv2N22y+1)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1356501.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

即时设计:一键查看设计稿与页面差异,让设计师的工作更便捷高效

设计稿走查 在设计工作中,对设计稿和实际页面进行对比是必不可少的环节。然而,传统的对比方式往往耗时耗力,无法精确测量差异。为了解决这个问题,我们推出了一款强大的工具,它可以通过图片对比,轻松查看设…

【ESP32接入语言大模型之通义千问】

1. 通义千问 讲解视频: ESP32接入语言大模型之通义千问 随着人工智能技术的不断发展,自然语言处理领域也得到了广泛的关注和应用。通义千问由阿里云开发,目标是帮助用户获得准确、有用的信息,解决他们的问题和困惑,也…

Debian12使用Xshell连接失败解决办法详细

1、Debian开启ssh服务 sudo apt update -y sudo apt install ssh2、编辑配置文件 # 安装vim sudo apt install vimvim /etc/ssh/sshd_config3、将#PermitRootLogin prohibit-password的注释去掉,设置为yes 4、将#PasswordAuthentication no的注释去掉,…

爬虫工具(tkinter+scrapy+pyinstaller)

需求介绍输入:关键字文件,每一行数据为一爬取单元。若一行存在多个and关系的关键字 ,则用|隔开处理:爬取访问6个网站的推送,获取推送内容的标题,发布时间,来源,正文第一段&#xff0…

进程和计划任务-------后续(二)

一、进程管理 1.进程启动---------- 前台启动与后台启动 进程需要手动启动 前台启动(运行):通过终端启动,且启动后一直占据终端(影响当先终端的操作) 后台启动:可通过终端启动,但启…

【KingbaseES】实现MySql函数Median

本方法只支持在聚合函数窗口中调用 不支持在GROUP BY中使用,使用plsql写的玩意新能都会稍微差一些 建议使用原生方法修改 CREATE OR REPLACE FUNCTION _final_median(numeric[])RETURNS numeric AS $$SELECT AVG(val)FROM (SELECT valFROM unnest($1) valORDER BY …

vue保姆级教程----深入了解 Vue3路由守卫

📢 鸿蒙专栏:想学鸿蒙的,冲 📢 C语言专栏:想学C语言的,冲 📢 VUE专栏:想学VUE的,冲这里 📢 CSS专栏:想学CSS的,冲这里 &#x1f4…

Power Automate删除SharePoint Online或OneDrive for Business文件版本历史

SharePoint Online和OneDrive for Business支持版本控制,可以保留文件的版本历史,方便用户随时查看和恢复以前的版本。但该功能也会占用大量SharePoint Online或OneDrive for Business存储空间。官方删除版本历史的方法无法批量操作,故今天提…

【linux学习】个人计算机架构

1. 个人计算机架构 个人计算机的架构通常是x86架构,主流的x86架构的CPU供应商主要为Intel。下图为Intel的主机板。 图1.1 主机板及其各组件 主机板上包括的组件有:CPU、主内存(RAM)、磁盘设备(IDE/SATA)、…

03-微服务-Ribbon负载均衡

Ribbon负载均衡 1.1.负载均衡原理 SpringCloud底层其实是利用了一个名为Ribbon的组件,来实现负载均衡功能的。 那么我们发出的请求明明是http://userservice/user/1,怎么变成了http://localhost:8081的呢? 1.2.源码跟踪 为什么我们只输入…

2007-2019年中国人口与就业统计年鉴, pdf、xls不定,多项指标可查,可预览后下载

数据名称: 中国人口与就业统计年鉴 数据格式: pdf、xls不定 数据时间: 2007-2019年 数据几何类型: 文本 数据坐标系: —— 数据来源:国家统计局 数据字段: —— 数据预览 目录第一部分 综合数据1-1 分地区年末人口数1-2 按性别分人口数1-3 人口年龄结构…

深入理解CRON表达式:时间调度的艺术

😄 19年之后由于某些原因断更了三年,23年重新扬帆起航,推出更多优质博文,希望大家多多支持~ 🌷 古之立大事者,不惟有超世之才,亦必有坚忍不拔之志 🎐 个人CSND主页——Mi…

解析《个人信息保护法》实施以来主要的变化

文章目录 前言一、二十一部配套的立法二、数据入表三、跨境规则转向四、未成年个人信息保护五、数据交易六、监管创新七、执法全覆盖八、地方聚焦场景执法九、个人信息保护诉讼十、个人信息保护公益诉讼十一、包容审慎十二、双清单上线十三、外部独立监督机构十四、个性化推荐便…

Unity中URP下的线性雾

文章目录 前言一、线性雾 雾效因子二、MixFog1、ComputeFogIntensity 雾效强度计算2、雾效颜色混合 lerp(fogColor, fragColor, fogIntensity); 前言 在之前的文章中,我们实现了URP下的雾效支持。 Unity中URP下的添加雾效支持 在上一篇文章中,我们解析了 URP 下统…

多技术融合在生态系统服务功能社会价值评估中的应用及论文写作、拓展分析

生态系统服务是人类从自然界中获得的直接或间接惠益,可分为供给服务、文化服务、调节服务和支持服务4类,对提升人类福祉具有重大意义,且被视为连接社会与生态系统的桥梁。自从启动千年生态系统评估项目(Millennium Ecosystem Asse…

Springboot通过profiles切换不同环境使用的配置

文章目录 简介1.通过分隔符隔离2.通过使用不同的配置文件区分3.测试 简介 一个项目从开发到上线一般要经过几个环境, dev测试环境-uat预生产环境-prod生产环境,每个环境的使用的数据库或者配置不同,这时候可以通过下面两种方式区分配置,达到快速切换的效…

node.js安装web3.js

第一步 node.js和npm 首先你需要有node.js和npm 可参考菜鸟教程 第二步 初始化nodejs项目 在项目文件夹打开命令行,输入 npm init -y此代码意为创建一个nodejs项目,默认配置。 然后安装web3.js,命令行输入安装命令 npm install web3npm会…

手把手教你在Ubuntu22上安装VideoRetalking

VideoReTalking是一种新系统,可以根据输入音频编辑真实世界的谈话头部视频的面孔,即使具有不同的情感,也能生成高质量和口型同步的输出视频。我们的系统将这个目标分解为三个连续的任务: (1)具有规范表情的…

印象笔记04: 如何将印象笔记超级会员价值最大化利用?

印象笔记04: 如何将印象笔记超级会员价值最大化利用? 为什么有这个问题 我不知道有没有人一开始接触印象笔记觉得非常好。奈何只能两个设备同步,局限太多。而会员活动比较优惠——就开了会员。而且我开了十年……。只能开发一下看看怎么最大…

Midjourney表情包制作及变现最全教程

盘点Midijourney(AIGF)热门赚米方法,总有一种适合你之AI绘画操作技巧及变现渠道剖析 【表情包制作】 首先我们对表情包制作进行详细的讲解: 当使用 Midjourney(AIGF) 绘画来制作表情包时,你可以…