簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

傅里葉變換的作用是把我們從時域移到頻域 。

簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

介紹傅立葉變換是歷史上最深刻的數學見解之一,但遺憾的是,它的意義卻深深地埋藏在一些荒謬的方程式中 。
傅立葉變換是一種將一些東方風險網絡分解成一串正弦波的方法 。像往常一樣,這個名字來自一位生活在很久以前的數學家 。他的名字叫傅立葉 。
用數學術語來說,傅里葉變換是一種將信號轉換成其分量和頻率的技術 。
傅立葉變換不僅廣泛應用于信號處理(無線電、聲音等) 。),但也用于圖像分析(例如傅立葉變換) 。邊緣檢測、圖像濾波、圖像重建和圖像壓縮 。一個例子:透射電子顯微鏡圖像的傅立葉變換有助于啟動網絡檢查樣本的周期性 。周期性-指示模式 。數據的傅立葉變換可以擴展關于分析樣本的可訪問信息 。為了更好地理解它,考慮信號x(t):
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

如果我們對另一個信號做同樣的操作,選擇同樣的時間點,我們將測量它的振幅 。
考慮另一個信號y(t):
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

【簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律】當我們同時發送這兩個信號或將它們相加時會發生什么?
當我們同時傳輸這兩個信號時,我們會得到一個新的信號,它是這兩個信號幅度的總和 。這是因為這兩個信號加在一起 。
將兩個信號相加:z(t)= x(t)+ y(t)
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

如果只給定一個信號(x(t)和y(t)的和),我們能恢復原來的信號x(t)和y(t)嗎?
是的 。這是傅里葉變換的功能 。它吸收信號并將其分解成其組成頻率 。
在我們的例子中,傅里葉變換將把信號z(t)分解成它的分量頻率,例如信號x(t)和y(t) 。
傅里葉變換的作用是把我們從時域移到頻域 。
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

如果有人懷疑,是不是應該從頻域回到時域?
我們可以用傅里葉逆變換(IFT)來實現它 。
"時域中的任何連續信號都可以用無限多的正弦波來唯一地表示."
這是什么意思?這意味著,如果我們有某個函數產生的信號,那么x(t)可以提出另一個函數,而f(t)例如:
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

因此,無論信號有多強,我們都可以找到一個函數f(t),它是無窮多個正弦曲線的和,實際上可以完美地表示信號 。
現在的問題是如何找到上述公式中的系數,因為這些值將決定輸出的形狀,從而決定信號的形狀 。
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

因此,為了獲得這些系數,我們使用傅里葉變換,傅里葉變換的結果是一組系數 。因此,我們用X(w)表示傅里葉系數,它是頻率的函數,通過求解以下積分得到:
將創業網絡傅里葉變換成不定積分;
X(w):傅里葉變換x(t):傅里葉逆變換
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

傅里葉變換和逆傅里葉變換同樣,當我們實際求解上述積分時,我們會在下面的位置得到這些復數A和B對應的所需系數 。
連續傅里葉變換將無限持續時間的時域信號轉換成由無限個正弦波組成的連續頻譜 。事實上,我們正在處理離散采樣的信號,通常是定期、有限持續時間或周期性的 。因此,經典的傅里葉變換算法可以表示為離散傅里葉變換(DFT),它將函數的等距樣本的有限序列變換為離散時間的等距樣本的等長序列傅里葉變換:
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

文章插圖

因此,這本質上是一個離散傅里葉變換 。我們可以進行這種計算,并將產生一個復數,形式為傅立葉級數中有兩個系數a+ib 。
現在,我們知道如何對信號進行采樣,以及如何應用離散傅里葉變換 。我們最不想做的就是去掉復數I,因為它不支持的mllib或systemML使用了一些叫做歐拉公式的規則:
簡潔透徹講解傅立葉變換及其在AI中的應用 什么是傅立葉定律

推薦閱讀