傅里叶级数
一种数学概念,它允许将任意函数表示为正弦波与余弦波的和。
Up and Atom · YouTube · 14:47
本视频介绍了傅里叶级数与傅里叶变换的概念,说明适当的周期函数可展开为正弦波与余弦波的叠加;视频直观演示了函数相加的过程,并展示无限多个波的叠加如何逼近方波与锯齿波等复杂形状。 这个180秒的片段通过实际应用,以直观、可视化的方式介绍傅里叶方法。它首先利用三项正弦展开式对比方波与锯齿波,指出其中项系数的不同可用来区分这两种波形。接着将该思想拓展至图像分析与形状识别,以苹果和披萨切片为例加以说明。随后解释:一个信号既可视为振幅随时间变化的函数,也可视为若干频率成分的叠加;并通过滤除不需要的高音成分、再将剩余成分重新合成的方式,演示音频滤波过程。最后,引入傅里叶变换这一工具:它通过对函数进行正弦与余弦波分解,并仅保留振幅—频率对应关系,从而将“振幅—时间”函数映射为“振幅—频率”表示。 此180秒片段通过从频率分量的柱状图表示过渡到显式公式 ,来解释傅里叶变换。它首先表明,方波的前几项傅里叶级数 对应于高度为1, 0、 在频率 1、2 和 3 处。随后,讲解者利用欧拉公式 说明正弦与余弦函数如何进入该变换。在频率为 3 的例题中,视频指出:由于方波在 处与正弦波同相起始,因此该例中可省略余弦项,仅保留 的积分。最后的可视化图示将此乘积解释为一种逐点相关性检验,通过叠加方波与正弦波并聚焦于 处(此处两者取值均为 1)来加以演示。 这段180秒的片段通过方波示例讲解傅里叶分析:首先将方波与逐点相乘,再对这些乘积进行积分,以判断整体相关性;若结果为正,表明该谐波成分存在;归一化后,视频给出系数;接着直观解释为何仅有奇次正弦谐波保留下来、而偶次谐波及余弦项相互抵消;最后将整个过程重新表述为:借助正交的正弦-余弦基,将信号从时域描述转换为频域描述。 本导引段落将算法定义为用于管理复杂过程的逐步指令,并着重说明其在将傅里叶变换应用于视频播放等现实世界数据时的必要性;通过从音频工程到医学成像等实例,展现算法在现代技术中广泛而常被忽视的作用,随后转入面向教育流媒体平台的推广信息。 编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
在学习检查器中查看要点和时刻,或切换阅读标签查看完整笔记。
依据视频画面与讲解整理,并非逐字语音转写。
视频以 Curiosity Stream 和 Nebula 的赞助信息开场。
主持人 Jade 介绍了傅里叶级数与傅里叶变换的主题,并指出:任何函数都可以表示为正弦波与余弦波的和。
Jade 针对人们可能产生的疑虑作出回应——为何能用光滑的正弦波与余弦波来表示具有尖锐拐角的函数(例如方波)?
视频通过在每个 x 值处将两个函数的 y 值相加,解释了将两个函数相加的基本概念,并以 和 为例进行说明。
展示了 与 在 和 。
视频展示了相加后函数的图像,Jade 解释了当原函数同为正值或同为负值时,其和如何变化。
视频演示了通过逐次添加更多振幅更小的项,如何逐步逼近方波,并由此引出傅里叶级数中无穷级数的概念。
视频还给出了另一个例子:利用前几项傅里叶级数逼近锯齿波,其形式为 。
Jade 最后总结了傅里叶级数的实际应用价值,指出在许多现实问题中,一个近似解已足够满足需求。
该片段以一个实际问题开场:假设某个程序被输入两个周期函数,需要将它们区分开来。屏幕上展示的两个示例函数分别是方波与锯齿波。
为回答该问题,视频分别写出每种波形的前几项傅里叶级数:方波显示为,锯齿波显示为。
关键观察结果显而易见:第一和第三个显示的系数相同,但第二个系数不同。因此,在本例中,仅凭项的振幅,程序就足以识别出各自对应的波形。
讲解者随后补充了一个提醒:对于这样一对简单的波形,计算完整的傅里叶级数可能过于费力,并非必要。不过,这种分解思想在更广泛的场景中依然十分有用。
这种更广泛的应用便是模式与形状识别。屏幕将原先的图像替换为一个苹果和一片披萨,解说指出:它们的轮廓也可用同样的技术进行分析,从而判断所呈现的是哪一种物体。
接着,视频直接点明该应用的名称:傅里叶分析是图像分析与形状识别中的重要工具。
下一个概念难点被明确指出:难点不在于分解这一想法本身,而在于如何求出傅里叶级数——即确定哪些波形组合起来能生成目标形状。
视频用多个波形上方的一个问号来形象地展现这一难点,强调无论目标是披萨轮廓还是方波,从波形构造出特定形状都不是一件容易的事。
在着手解决这一更难的问题之前,视频转向傅里叶级数另一项实用特性:函数随时间变化的表示方式,与其作为若干频率之和的表示方式之间的区别。
屏幕上显示一个以时间为横轴的方波;其下方则堆叠着一组彩色正弦波,标注为多个频率之和。这一视觉对比为下一应用做了铺垫。
示例转为音频滤波:设想一段录音中混入了尖锐的高频杂音。若将该录音分解为各频率成分,则可去除不需要的高频项,再将剩余成分重新合成。
动画使该过程变得直观:一个复合波形分裂为若干分量波形,其中部分分量消失,其余分量相加后重建出更干净的信号。
由此引出傅里叶变换——它被介绍为与傅里叶级数相关联的一种工具。视频指出,该变换可用于识别一个函数中包含哪些频率,或哪些正弦与余弦成分。
更重要的是,该变换还能在无需事先写出完整傅里叶级数的前提下,直接剔除选定的频率。这正是刚刚展示的滤波示例背后的数学依据。
最终解释阐明了傅里叶变换最基本“输入—输出”思想:你提供一个振幅随时间变化的函数,该变换则返回同一信息,但以振幅随频率变化的函数形式呈现。
这为何可行?因为该变换将函数分解为正弦波与余弦波。然而,它并不单独显示每一条波,而是以每个频率与其对应振幅配对的方式,给出一种实用的概括。
结尾处的动画将一堆杂乱的正弦波压缩为频率轴上的垂直尖峰。关键在于:频域图像正是这种分解过程的简洁重写,仅保留那些真正重要的频率与振幅。
画面开场是一张白色图表,纵轴标为“幅值”,横轴标为“频率”。若干蓝色竖条位于不同的横坐标位置。旁白解释:每个波动都被压缩成一根竖条——条的高度记录幅值,位置记录频率。这确立了本片段后续内容所采用的基本视觉语言。
镜头拉远,呈现一个标有“傅里叶变换”的红色工具,左右各有一张卡片:左侧卡片标为“时间”,显示一个方波;右侧卡片标为“频率”,显示该竖条图。讲解者总结核心思想:傅里叶变换的输出,是原始时域函数在频域中的视图。其比喻是:同一信号既可描述为随时间变化的波形,也可描述为各频率分量强度的集合。
一位主讲人出现在一台标题为‘方波的傅里叶级数’的显示器旁。屏幕上,公式逐步展开为 ,同时黄色箭头将这些项分别连接至频率为1、2和3处的竖条。推理过程直接明了:系数1在频率1处产生一根高竖条,系数0在频率2处不产生竖条,而系数在频率3处产生一根较矮的竖条。由此,代数级数被转化为一幅频谱图像。
场景切换至公式 。白色高亮依次突出各部分。讲解者指出: 是待求解的傅里叶变换, 是原始的时域函数; 下方嵌入一个方波小图,将抽象符号与示例波形联系起来;其余因子——指数函数与积分号——则被介绍为提取频率信息的机制。
为解释正弦与余弦为何出现,视频展示欧拉公式 ,并配以圆周运动示意图,投射出正弦轨迹。下一行将该恒等式代入变换式,得到 。其数学要点在于:复指数核恰好封装了一对三角函数,因此变换积分自然地将信号与余弦及正弦分量进行比对。
课程随后聚焦于频率3,标题为 。画面上方绘有一条频率为3的绿色正弦波,下方是一条橙色方波。旁白解释虚部在一般情形下的必要性:不同相位可能需同时使用两个分量。但针对此方波,讲解者指出它在 处与正弦波同相起始,因此本例中舍去余弦项,公式重写为 。 编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
简化后的被积函数呈现在屏幕上,讲解者逐过程解读 :对每个 x,将方波在该点的高度乘以同一点处正弦波的高度。累积结果被描述为两波之间的相关性度量。画面通过叠加两条曲线并缩放至 加以强化:此处方波标出高度为1,正弦波处于峰值。因此局部乘积为,说明波形匹配如何对积分作出正向贡献。该片段在完成 的完整计算前即结束。
片段开场展示一幅图像:橙色方波与绿色正弦波共同绘制在同一坐标系中;虚线竖直标记标出若干采样点的值;视频在这些点上分别计算两个函数值的乘积;画面上可见的具体示例为、、、和;旁白给出的规则简洁明了:乘积为正表示局部一致,乘积为负表示局部相反,乘积为零表示该点无局部贡献。
随后,主讲人从离散采样点过渡到整个区间;公式被视作对所有逐点乘积进行连续累加的表达形式;蓝色与红色阴影区域在曲线下持续累积,同时一根竖直仪表条实时追踪当前累加总量;这一可视化呈现自然引出下一条规则:若最终累加总量为正,则测试波形与方波整体正相关;若为零,则无净贡献;若为负,则贡献以相反符号计入。 编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
针对本例方波,累加总量为正,因此三阶谐波存在;视频继而给出归一化后的系数:仅取振幅的三分之一;屏幕上显示为,并以圆圈标出其在所列级数表达式中的对应项;此处未推导归一化计算过程,片段直接给出结果,并将其与级数表达式关联起来。 编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
接下来,解释从单个谐波扩展到整个模式。一个展示的级数仅包含奇数次正弦项。旁边标注为‘奇数频率’‘偶数频率’和‘余弦波’的图示面板对此作出解释:对于奇数频率,正相关与负相关的隆起部分无法相互抵消,因此积分值保持为正;对于偶数频率,这些隆起则恰好完全抵消,结果为零。同样的抵消思想随后被用来解释为何该方波级数中不出现余弦项。
在解释完傅里叶级数的情形后,主讲人将思路推广至傅里叶变换:同一相关性计算过程可在任意频率上施行,从而揭示函数中所含的频率成分。视觉表达方式也相应变化——从平面图像转为旋转式的3D风格场景,再转为一把标有‘傅里叶变换’的瑞士军刀式图解。其中一张卡片显示‘振幅 与之对比 时间’,另一张显示‘振幅 与之对比 频率’,概括了从时间域描述向频率域描述的转变。
最后的概念重构是:傅里叶分析类似于在无穷维函数空间中更换基底。正如可用不同坐标系描述同一个向量,也可用两种方式描述同一个函数:一是按其在各个时间点上的振幅,二是按其在各个频率值上的振幅。短片结尾指出,这种做法之所以可行,是因为正弦波与余弦波构成一组正交基底,因而能以类似正交向量张成向量空间的方式,组合表示各类函数。
本片段首先将此前关于向量空间的讨论置于实际背景中。尽管在不同基之间变换函数在数学上十分强大,但讲者指出一个实际局限:纯代数方法要求输入函数具有已知的数学表达式。
在现实场景中——例如播放视频文件——我们极少拥有对信号的完美数学描述;相反,我们处理的是‘原始数据’,这类数据杂乱且复杂。计算机依赖傅里叶变换来处理这些数据,从而实现播放。
为了弥合理想数学与混乱现实之间的鸿沟,我们需要算法。讲者给出了明确定义:算法是一组分步指令,它将一个复杂过程分解为若干细小、可管理的任务。
这一概念与此前的实例相呼应。无论是模式识别还是音频工程,都需要算法才能在真实数据上有效运行。讲者强调,算法在日常生活的诸多方面都悄然运行于幕后。
本片段余下部分作为一段宣传插播。一段纪录片混剪展示了算法的多种应用,包括推荐系统、婚恋匹配、器官移植配型以及物流调度。随后讲者详述了对 CuriosityStream 与 Nebula 平台的赞助合作,并向支持者致谢,结束本视频。
一种数学概念,它允许将任意函数表示为正弦波与余弦波的和。
与傅里叶级数相伴的数学思想,广泛应用于数字音乐、图像识别等领域。
将两个函数相加时,需取它们在某一特定 x 值处的 y 值,并将这两个 y 值相加,所得结果即为新函数在该 x 值处的 y 值。
通过无限多个波的叠加,可以利用傅里叶级数精确表示一个方波。
傅里叶级数同样可用于逼近锯齿波。
该片段通过一个具体对比任务引入傅里叶级数:屏幕上依次展示方波与锯齿波各自前几项正弦项的表示。其中,方波示例为,锯齿波示例为。由于第一项与第三项所显示的系数相同,而第二项不同,因此仅凭项的振幅就足以区分这两种已展示的情形。
在简单波形示例之后,视频将同一思想推广至物体轮廓。苹果与披萨切片作为视觉示例,说明傅里叶分析可通过分析边界结构来辅助比较形状。该片段并未在此推导轮廓算法,而是从概念上将该应用呈现为图像分析与形状识别。
旁白点明主要的实际困难:一旦你接受形状可被分解为若干波这一前提,剩下的挑战便是确定哪些波组合起来才能生成目标形状。多个正弦波上方出现的问号动画,直观地表现了这一反问题——即为特定目标形状选取恰当的频率成分。
该片段对比了描述同一信号的两种方式:一种是振幅随时间变化的函数,由时间轴上的方波图像表示;另一种是将信号视为多种频率的叠加,由下方堆叠的若干彩色正弦波表示。这为从傅里叶级数的直观理解过渡到基于变换的频域分析做好铺垫。
通过一个音频示例,视频说明:如果一段录音中包含不想要的高音成分,我们可以将该信号分解为不同频率的成分,去掉与该音高对应的项,再将剩余项重新合成。结果就是去除了干扰性高频成分的原始录音。这被作为傅里叶式分解的一种直接实际应用来呈现。
傅里叶变换被介绍为与傅里叶级数相关联的一种工具。本片段中,它的作用是识别函数中存在哪些频率,或哪些正弦与余弦成分。视频还强调:即使不先显式构造完整的傅里叶级数,该变换也能去除选定的频率。
最后一张概念卡片将该变换解释为一种表示形式之间的映射:输入是一个“振幅–时间”函数;输出则是同一信息,但以“振幅–频率”的形式表达。其视觉隐喻是一台机器——它接收一幅时域图像,并输出一幅谱线图,仅凭频率与振幅就概括出整个分解结果。
类型:定义。每个正弦分量均被一根竖条替代;竖条高度编码幅值,位置编码频率。这是本片段全程采用的视觉惯例,用以将波的叠加转化为类似频谱的图像。依据:00:00-00:13。与后文方波示例相关联,见00:23-00:57。
类型:定义。视频指出,变换输出并非一个全新且无关的对象,而是同一时域函数在频率坐标下的另一种表示形式。瑞士军刀式图示将一张‘时间’卡片与一张‘频率’卡片进行对比。依据:00:14-00:22。
类型:公式。屏幕上显示了截断后的方波级数,旁白依次指出各项预期形式;随后,系数规律被映射为位于频率1、2和3处的柱状图。依据:00:23-00:57。前提知识:理解来自00:00-00:13的柱状图编码方式。
类型:公式。主讲人将变换呈现为时域函数与复指数函数乘积的积分形式;旁白明确指出为所求输出,为原始时域函数;该片段未说明积分上下限或归一化约定。依据:00:58-00:98。
类型:公式。变换中的指数因子借助欧拉恒等式重写,从而清晰表明:一个复指数同时包含余弦部分与正弦部分。伴随代数推导出现的是圆周运动图示。依据:00:99-00:112。
类型:公式。应用欧拉公式后,变换被重写为被积函数显式包含[]的形式;这是在‘频率-3’示例前采用的中间表达式。依据:00:113-00:129。依赖于前两张知识卡片。
类型:方法。旁白指出,一般情况下需保留虚部以处理相位差;但本方波在处起始,与正弦波同相,因此仅在此示例中,余弦贡献被舍去,而正弦贡献被视为所关注的实部成分。依据:00:130-00:163。该简化仅适用于本例,并非普适规则。 画面以 表示只含正弦的积分。这是教学简写,不能与完整复数变换划等号:奇对称使余弦部分为零,但正弦部分仍带 -i。一个周期内 ,而 。
类型:方法。简化后的被积函数 解释为在同一横坐标 x 处,将方波的高度与正弦波的高度相乘。累加结果被解释为衡量这两个波形之间的相关程度。在 处放大的图像显示,两者的高度均为 1,因此该处的局部乘积为 1。依据:00:156-00:179。
类型:例题。问题:判断频率为 3 的正弦波是否对方波有贡献,以及贡献程度如何。视频片段中写出 ,利用相位观察将被积函数简化为 ,叠绘两个波形图像,并在 处图示其乘积。本片段未完成该积分的最终数值计算。依据:00:130-00:179。 画面以 表示只含正弦的积分。这是教学简写,不能与完整复数变换划等号:奇对称使余弦部分为零,但正弦部分仍带 -i。一个周期内 ,而 。
类型:误解。公式 仅在针对该方波的特殊相位论证之后才出现。视频本身明确指出,在具有一般相位的普遍情形下,虚部成分是存在的。依据:00:130-00:163。 编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
视频首先逐样本讲解相关性概念。在每个标出的处,它将方波值与正弦波值相乘:乘积为正,表示两波在此处局部一致;乘积为负,表示二者局部相反;乘积为零,则意味着其中一个因子为零。屏幕上的示例使这一概念具体化:、、、和。
在展示逐点乘积之后,短片将积分定义为对所有这些逐点乘积进行连续累加的结果。蓝色与红色阴影区域以及移动的计量条共同可视化了这一累积过程。最终结果的符号则总结了两波在整个区间上的总体关系。 画面以 表示只含正弦的积分。这是教学简写,不能与完整复数变换划等号:奇对称使余弦部分为零,但正弦部分仍带 -i。一个周期内 ,而 。
按知识点查看条件、步骤和证据。补充解释与视频直接内容分别标明。
表达式 显示在图像上。
讲解员说:“如果正弦函数 x 长这样……”
变量 x 的正弦函数。
实数。
表达式 显示在图像上。
讲解员说:“而正弦函数 3x 长这样……”
3 倍变量 x 的正弦函数。
实数。
x 轴刻度标签中使用符号 (例如 、)。
数学常数 π。
实数。
表达式 显示为 与 相加的结果。
2的平方根。
实数。
x 出现在正弦项内部,例如 、 和 。
x
显示的三角函数项中的变量;视频中将其视为正弦函数的自变量。
未明确说明。
所有显示的级数项均使用 sin,例如 和 。
正弦函数被用作所展示傅里叶级数示例的基本构成单元。
作用于括号内所示的实数值自变量。
方波表达式显示为 。
1, 0,
所展示方波近似中前三个正弦项的系数。
仅显示有限项的部分和。
锯齿波表达式显示为 。
1, -\frac{1}{2},
所展示锯齿波近似中前三个正弦项的系数。
仅显示有限项的部分和。
上方图像的横轴标注为“TIME”。
TIME
时域显示中横轴的标签。
图像坐标轴标签。
纵轴标签“AMPLITUDE”同时出现在输入图像和输出频谱图像上。
AMPLITUDE
在显示的振幅-时间图像与振幅-频率图像中,纵轴的标签。
图像坐标轴标签。
输出图像的横轴标注为“FREQUENCY”。
FREQUENCY
在显示的频域输出中,横轴的标签。
图像坐标轴标签。
条形图的纵轴标注为“振幅”。
说话人指出,每个波形都坍缩为一个条形,该条形在 y 轴上表示其振幅。
AMPLITUDE
所显示的类频谱条形图中的纵坐标;它表示与每个频率分量相关联的大小或强度。
图表上非负的视觉刻度;未显示具体的数值单位。
画外音说道:“这被称为傅里叶级数……”
屏幕上出现文字“FOURIER SERIES”。
一种数学概念,它允许任意函数表示为正弦波与余弦波之和。
画外音说道:“……它,连同另一个相关概念——傅里叶变换……”
屏幕上出现文字“FOURIER TRANSFORM”。
傅里叶级数的一个相关数学概念,广泛应用于数字音乐、图像识别等领域。
屏幕上出现文字“ADDING FUNCTIONS TOGETHER”。
画外音通过取两个函数在每个x值处的y值并将其相加,来解释函数相加的原理。
将两个函数相加时,需取每个函数在某一特定 x 值处的 y 值,并将它们相加,从而得到新函数在该 x 值处的 y 值。
说话人指出,方波与锯齿波可通过其傅里叶级数的前几项加以区分。
两个有限的正弦和式写在波形图下方。
本片段中,傅里叶级数被以操作性方式呈现:将一个周期性波形分解为若干正弦项,每一项具有特定的振幅。所展示的示例通过仅列出前几项来比较两种波形,而非推导这些项。
视频展示了一个截断的三项示例。
本片段中未写出完整的通用傅里叶级数公式。
主讲人介绍了一种与傅里叶级数相关联的工具——傅里叶变换。
一幅标有“FOURIER TRANSFORM”的瑞士军刀式图示出现。
傅里叶变换被描述为一种与傅里叶级数相关联的工具,它能识别一个函数中包含哪些频率,或哪些正弦与余弦成分;还能在不先写出完整傅里叶级数的前提下,去除选定的频率。
这是一个入门性的口头定义,并非正式的变换公式。
该片段未陈述该变换的精确数学定义。
主讲人说:你把一个振幅关于时间的函数输入进去,它就会输出同一个函数,但表示为振幅关于频率的函数。
一幅“振幅–时间”图像进入一台机器,而一幅“振幅–频率”的尖峰图像从中输出。
该片段将傅里叶变换解释为一种映射:从时域表示(振幅随时间变化)映射到频域表示(振幅随频率变化)。其视觉隐喻是一台机器,输入一张图像,输出另一张图像,用以概括其中所含的各频率成分。
该解释侧重概念性与图形化。
未展示任何显式的变换公式。
主讲人:“此处,我们只是将每个波形压缩为一个竖条,该竖条在 y 轴上表示其振幅,在 x 轴上表示其频率。”
坐标轴分别为‘振幅’和‘频率’的条形图。
该片段将傅里叶级数的常见视觉编码定义为彼此分离的竖直条形:每一条代表一个正弦分量,其高度等于振幅,其水平位置等于频率。这种表示法被呈现为将每个波形压缩为单个标记后观察该级数的标准方式。
适用于所展示的、分解为各个独立波形的过程。
该片段展示的是离散的条形,而非连续谱。
主讲人:“傅里叶变换的输出,不过是原始时域函数在频域中的视图而已。”
多功能工具图以‘时间’卡片与‘频率’卡片作对比。
视频指出,傅里叶变换并不会生成一个无关的对象;它只是将同一底层信号重新组织为频域中的描述。视觉隐喻将时域波形置于一侧,频域柱状图置于另一侧,而变换则作为二者之间的工具。
用于片段中展示的时域函数。
以概念性概述的形式呈现,而非带有前提条件的定理。
说话者列举了‘sin x、零乘以 sin 二x,以及三分之一乘以 sin 三x’。
屏幕标题为‘方波的傅里叶级数’,公式逐步展开为 。
黄色箭头将第一项、第二项和第三项分别连接至频率为1、2和3处的柱子。
所显示的级数被截断为前几项;该片段中未写出完整的无穷级数。
对于方波示例,片段将傅里叶级数的开头写为 。视觉映射表明:系数1对应于频率1处的一根高柱子,系数0对应于频率2处无柱子,而系数对应于频率3处的一根较短柱子。
仅针对片段中方波示例。
仅显示前几项。
显示的公式为 。
主讲人指出 是傅里叶变换, 是时域函数。
视频片段中未说明积分上下限、归一化因子或函数空间假设。
视频通过紧凑公式 引入该变换,并解释各符号含义: 是所求的频域输出, 是原始时域函数,而对复指数函数的积分运算是提取级数信息的操作。
本课中呈现的傅里叶变换数学表达式。
视频片段未明确说明收敛条件。
显示文字 ,并标注为“欧拉公式”。
主讲人指出,欧拉公式使我们能用正弦波与余弦波来表示该指数函数。
视频利用欧拉公式解释为何傅里叶变换的核函数(即复指数)包含傅里叶分析中出现的正弦与余弦成分;通过将 改写为 ,可看出该变换被积函数同时包含余弦部分与正弦部分。
应用于傅里叶变换被积函数中的指数因子。
代入步骤显示为 。
引入欧拉公式后,视频直接将其代入变换式,使被积函数变为 乘以括号内的表达式 。这明确揭示了正弦波与余弦波是如何进入变换计算的。
直接由前一个展示的变换公式及欧拉恒等式得出。
仅凭该第二项的振幅值,程序便能分辨出是哪一个。
第二项系数在视觉上不同:方波对应0,锯齿波对应-\frac{1}{2}。
对于本片段中展示的三项有限和示例,方波与锯齿波的第二项正弦函数系数不同,因此仅凭该系数即可判定当前表示的是二者中的哪一函数。
仅比较所显示的前三项。
该论断仅适用于本片段中所展示的具体示例。
针对本小节中所展示的两个有限和。
这一思想可推广至一般的模式与形状识别……傅里叶分析是图像分析与形状识别中的重要工具。
苹果与披萨切片的图像依次出现,旁注文字为“IMAGE ANALYSIS SHAPE RECOGNITION”。
视频指出,傅里叶级数的思想不仅可用于比较简单波形,还可拓展至图像分析与形状识别中的轮廓分析。
这些物体通过其轮廓来处理。
该片段给出的是概念性应用,而非具体演算的算法。
该片段以口头方式陈述了一般性应用主张。
它可以用来筛选出哪些频率……参与傅里叶级数;更强大之处在于,它甚至无需先求出傅里叶级数,就能筛选并去除函数中的某些频率……
傅里叶变换既可用于检测函数中存在哪些频率成分,也可在不先显式构造完整傅里叶级数的前提下,去除所选定的频率。
该函数被表示为一种可将频率成分分离出来的形式。
该片段以音频为例,在概念层面演示了这一思想,而非进行形式化推导。
本片段中将其表述为傅里叶变换的一项通用能力。
这是因为傅里叶变换将函数分解为正弦波与余弦波,但我们真正关心的只是振幅与频率的配对关系。
视频指出,傅里叶变换之所以能给出振幅随频率变化的描述,是因为它将输入函数分解为正弦波和余弦波,而屏幕上显示的摘要仅保留了振幅与频率的配对关系。
输入是一个适合进行正弦式分解的函数。
该片段未说明收敛条件或所采用的具体变换约定。
对屏幕上所展示的变换概念的一般性解释性陈述。
讲解者说:“傅里叶变换的输出,不过是原时域函数在频域中的视图。”
时域卡片与频域卡片分别显示在傅里叶变换工具的两侧。
傅里叶变换的输出是原始时域函数在频域中的表示。
本片段中讨论的函数是屏幕上显示的时域函数。
针对本节所讨论的示例函数。
说话者期望听到“sin x,零乘以 sin 二x,以及三分之一乘以 sin 三x。”
屏幕上显示的表达式为 。
该片段并未证明系数,而是直接给出了该示例的系数。
对于方波示例,屏幕上首次显示的傅里叶级数各项为 、 和 () 。
该函数即屏幕上标题为‘方波的傅里叶级数’所展示的方波。
针对屏幕上所展示示例的前几项。
屏幕上显示的恒等式为 。
主讲人指出,欧拉公式告诉我们,可以用正弦波和余弦波来表示指数函数。
傅里叶变换中的复指数因子满足 。
将 i 标准解释为虚数单位。
ω 和 x 是公式中显示的变量。
针对公式中出现的符号变量 ω 和 x。
主讲人指出,方波在 处与所有正弦波同相起始,因此‘我们可以省略余弦项,并将正弦项视作实部。’
公式由 变为 。
该片段将此作为示例的简化处理,而非一个经过充分论证的一般性定理。
在频率为3的所示方波示例中,余弦分量被舍去,而正弦分量被视作实部。
方波在 处与正弦波同相起始。
该示例仅限于所展示的实部分析。
本片段中展示的是频率为3的特定方波示例。
讲解者指出,将方波每个 y 值与正弦波对应位置的 y 值相乘,可反映两列波的相关程度。
放大后的图像使两条曲线在 处对齐。
该片段未在口头描述之外,以解析方式定义相关性。
在相同 x 处,将方波值与正弦波值相乘,所得量的累积结果反映了两列波的相关程度。
两列波在相同的 x 值处取值。
该示例使用了方波和频率为3的正弦波。
针对所演示的逐点运算过程。
“若该和为正,则这些波整体上呈正相关,此正弦波便出现在该方波的傅里叶级数中。”
该片段未说明归一化常数或严格定理所需的完整系数公式。
对于方波示例,若为正,则对的傅里叶级数有贡献。
是视频片段中展示的方波。
积分在所显示的周期上进行。
针对视频中讨论的具体例子。
“如果和为零,则这些波完全不相关,该波对构成方波没有任何贡献。”
作为针对该例子的解释性陈述提出,而非带有前提条件的严格形式化定理。
如果累积积分值为零,则被测试的波不参与方波的分解。
被测试的波与同一方波在所显示区间上进行比较。
针对视频片段中的例子。
“如果和为负,则这些波整体呈反相关……因此正弦波的负值将进入傅里叶级数。”
视频片段未通过代数符号约定进一步展示,仅作口头解释。
如果累积积分结果为负,则该贡献值为被测试正弦波的相反数。
与视频片段中相同的方波示例,以及相同的积分解释。
针对视频片段中的示例。
讲解者说明:随着所加项数增多,所得图像越来越趋近于方波。
动画演示了正弦波之和逐步形成方波形状的过程。
从一个基本正弦波开始。
可视化演示。
叠加一个频率更高、振幅更小的正弦波。
可视化演示。
继续添加更多项(正弦波)。
讲解者的说明。
通过叠加无穷多个正弦波,便可利用傅里叶级数精确表示一个方波。
讲解者介绍了另一个例子:锯齿波的傅里叶级数。
屏幕上显示公式:。
动画展示了这些项的和逐渐形成锯齿波的过程。
给出了锯齿波傅里叶级数的前几项。
屏幕上显示的公式。
持续添加项,观察锯齿波逐步成形。
讲解者的解说与可视化演示。
傅里叶级数同样可以用来近似锯齿波。
方波项与锯齿波项并排写出。
方波行中的系数0与锯齿波行中的被圈出。
方波示例由屏幕上所显示的前三项正弦项构成。
直接在屏幕上显示并口头说出。
锯齿波示例由其屏幕上所显示的前三项正弦项构成。
直接在屏幕上显示并口头说出。
第二项系数不同,而第一项和第三项显示的系数相同。
对两个显示公式的比较。
由于在所示截断中仅有第二项系数不同,因此仅凭该系数就足以区分这两个显示的情形。
公式展示后,说话人立即作出此说明。
对于视频片段中给出的这三个具体项示例, 项的振幅差异为方波与锯齿波提供了一种简单的判别方式。
说话人描述了移除与高音调声音相关的各项,再将剩余各项重新求和的过程。
一个波形被分解为多个不同颜色的正弦分量,移除其中若干分量后再重新合成。
录音被视为若干频率分量之和。
这是对视频片段中所展示视觉分解的标准解释;屏幕上并未写出确切的符号表达式。
说话人指出,可以去掉对应于干扰性高音调声音的各项。
音频中直接陈述。
剩余的成分被重新组合,以重建一个去噪后的信号。
音频中直接陈述,并由动画图示说明。
该片段将滤波呈现为:从一个分解结果中移除选定的频率成分,然后将其余成分重新组合。
说话者指出,该变换将一个振幅关于时间的函数,输出为同一个函数的振幅关于频率的形式。
一幅时域图像进入一个机器,一幅尖峰频谱从中输出。
起始对象是一幅展示振幅随时间变化的图像。
显示在左侧知识卡片上,并在音频中命名。
中间步骤以一个处理装置的视觉形式呈现。
在动画中展示。
结果是一幅图像,其横轴为频率,纵轴刻度记录振幅。
显示在右侧知识卡片上,并在音频中解释。
视频片段指出,这一堆杂乱的正弦波与余弦波被重新用仅有的这两个性质来表达。
在结尾旁白中陈述。
该变换被呈现为:将随时间变化的波形描述,转换为随频率变化的紧凑频谱描述。
动画序列依次显示:,接着 ,最后 。
讲解者说明,欧拉公式正是正弦波与余弦波进入傅里叶变换公式的来源。
从屏幕上显示的傅里叶变换公式出发。
视频中给出的定义。
利用欧拉公式重写指数因子。
视频片段中陈述的欧拉公式。
将欧拉展开式代入被积函数,替换其中的 。
直接进行代数代入。
应用欧拉公式后,傅里叶变换的被积函数显式地同时包含一个余弦项和一个正弦项。
黄色箭头将 、 和 分别连接至频率为 1、2 和 3 处的柱状图。
讲解者指出:sin x 在其对应频率处幅值较大,sin 2x 在其对应频率处幅值为零,sin 3x 在其对应频率处出现较小的尖峰。
该片段通过可视化方式将系数映射为柱状图高度,但并未从第一性原理出发推导这些系数。
第一项的系数为1,对应频率1处最高的柱状图。
显示公式加箭头动画。
第二项的系数为0,对应频率2处柱状图的缺失。
显示公式加箭头动画。
第三项的系数为,对应频率3处较矮的柱状图。
显示公式加箭头动画。
截断的方波级数通过将每一项系数与其对应频率处柱状图的高度相匹配,转化为频域柱状图。
标题先显示 ,随后显示 。
讲解者指出,方波在 处与正弦波同相起始,因此可省略余弦项,并将正弦项视作实部。
放大后的图像展示了在 处的逐点乘法。
该化简过程是针对具体示例呈现的,而非以完全一般化的推导形式给出。
编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
从欧拉代换后在频率3处计算的变换开始。
显示的示例公式。
利用解说中陈述的相位观察,为此例中忽略余弦项提供依据。
视频片段中明确的口头假设。
舍去余弦项,保留正弦项作为所关注的实部。
本方波示例中所陈述的简化形式。
将剩余被积函数解释为:同一横坐标 x 处,方波高度与正弦波高度的逐点乘积。
解说说明了该乘法过程。
对于所展示的、频率为3的方波示例,视频将变换问题简化为研究累积乘积 ,将其作为相关性度量。 画面以 表示只含正弦的积分。这是教学简写,不能与完整复数变换划等号:奇对称使余弦部分为零,但正弦部分仍带 -i。一个周期内 ,而 。
主讲人先解释逐点乘法,随后指出积分是求和的连续形式,并对整体符号作出解释。
逐点乘积与积分公式均被展示出来。
阴影区域与动态仪表盘共同可视化地呈现累积过程。
该推导以直观、可视的方式展开,而非形式化证明。
编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
在每个采样位置,将方波值与正弦波值相乘。
直接通过屏幕上的乘积(如、和)展示。
正值乘积表示局部一致,负值乘积表示局部对立,零值则表示无局部贡献。
主讲人在开场讲解中明确指出。
将所有这些局部贡献在区间上连续累加。
主讲人称积分为求和的连续版本。
累积总量的符号表明:测试波形与方波整体呈正相关、不相关还是负相关。
主讲人口头陈述,同时仪表盘与阴影区域演示累积过程。
该积分汇总了与之间的整体相关性,其符号决定了该正弦分量如何进入方波分解。 画面以 表示只含正弦的积分。这是教学简写,不能与完整复数变换划等号:奇对称使余弦部分为零,但正弦部分仍带 -i。一个周期内 ,而 。
讲解者指出:对于每个周期,奇频率对应的相关峰总比反相关峰多两个,而偶频率则完全抵消;并进一步说明这正是为何不出现余弦波的原因。
「奇频率」「偶频率」和「余弦波」三个面板展示了彩色峰形图案。
该论证是视觉化且定性的;屏幕上未写出任何形式化的对称性方程。
在奇频率正弦测试中,彩色相关区域在一个周期内无法相互平衡。
在「奇频率」面板中展示,并以口头方式陈述。
由于这种不平衡持续存在,累积积分值保持为正。
讲解者称,该和总是加总为一个正数。
在偶频率正弦测试中,蓝色区域与红色区域的面积相等。
在「偶频率」面板中展示,并以口头方式陈述。
精确抵消使得总相关性为零。
主讲人指出,这将留下一个和为零的结果。
同样的相消逻辑也适用于余弦波。
该结论紧接在偶数频率解释之后直接给出,并由「余弦波」面板加以图示。
方波仅保留奇数次正弦项,因为奇次谐波在此例中产生净正相关,而偶次谐波与余弦项则相互抵消为零。
讲解者逐步演示如何将 与 在特定点(例如 和 )处相加。
屏幕上展示了计算式:1/sqrt(2) + 1/sqrt(2) = sqrt(2) 以及 。
演示如何将两个正弦函数相加。
等于
求和函数 在若干特定点处的值。
在 处分别计算两个函数的值。
讲解员的解说与可视化演示。
将对应的 y 值相加。
函数相加的方法。
在 处分别计算两个函数的值。
讲解员的解说与可视化演示。
将对应的 y 值相加。
函数相加的方法。
所得函数在 √ 处的值为 0,在 处的值为 。
对所得图像上所绘点的直观验证。
例如,如果我们有这两个函数,并想编写一个程序来区分它们。
两个有限的正弦级数和均显示在波形图下方。
给定两个周期性波形,从它们所展示的傅里叶级数项中确定一个简单特征,使程序能据此区分二者。
一张标注为“方波”的方波图像。
一张标注为“锯齿波”的锯齿波图像。
方波的部分和:。
锯齿波的部分和:。
找出所展示的系数中,哪一个差异足够显著,可作为判别依据。
写出视频片段中展示的方波近似式。
直接显示并口述。
写出视频片段中展示的锯齿波近似式。
直接显示并口述。
比较 项的系数。
第一和第三个显示的系数一致,而第二个不同。
利用第二项的振幅:方波示例的系数为 0,而锯齿波示例的系数为 -\frac{1}{2}。
屏幕上的两个圆圈恰好强调了这两个第二项系数,与口述结论一致。
如果你取两个物体,比如一个苹果和一片披萨,就可以用这种技术分析它们的轮廓,从而分辨出各自是什么。
苹果和披萨片出现时,画面上同时显示文字“图像分析 形状识别”。
解释如何将波形比较的思想从简单图像推广到识别不同物体。
一个苹果的图像。
一片披萨的图像。
该陈述指出,轮廓可以使用这种技术进行分析。
说明该方法在形状识别中的概念性应用。
该片段提出将相同的分解思想应用于轮廓,而不仅限于1D波形。
以口头陈述方式表达,并通过苹果/披萨图像加以图示。
不同的轮廓应产生不同的成分模式,从而实现对形状的区分。
隐含于‘分辨出哪个是哪个’这一短语中。
该技术可应用于物体轮廓,以实现图像分析与形状识别,例如通过区分苹果与披萨片来说明。
屏幕明确将该应用标注为‘图像分析 形状识别’。
现在想象一下,你有一段录音,其中包含一段你想去除的高音;你只需去掉与该高音相关的求和项,再将剩余项重新相加,即可得到去除了干扰高音的原始录音。
一个波形被拆分为若干正弦成分,随后在某些成分消失后重新组合。
给定一段包含不需要的高音的录音,请描述如何利用傅里叶式分解来去除它。
一段包含混合频率的录制信号。
一个需要被去除的、令人分心的高音成分。
生成同一段录音,但不含该不需要的高音。
将信号表示为若干正弦成分的和。
由说话人陈述并以视觉方式呈现。
定位对应于不需要的频率范围的成分。
在音频中直接陈述。
舍弃不需要的成分,并将剩余成分重新合成。
在音频中直接陈述,并通过动画加以说明。
去除与高音相关的频率成分,并将剩余成分重新合成,从而恢复不含该干扰的录音。
动画展示了各组成波形逐渐消失,而剩余波形被重新构建出来。
主讲人提问:频率为3的波是否用于构成该方波,以及需要多少。
显示的公式:,随后是 。
图示显示一条频率为3的绿色正弦波和一条橙色方波;放大视图标出 及方波高度1。
该片段未在提供的180秒内完成积分的数值计算。
编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
判断频率为3的正弦波是否存在于该方波示例中,以及它所占的比重。
目标函数 是屏幕上显示的方波。
所测试的频率是3。
该方波在 处与正弦波同相起始。
在 处,方波的值为1。
将频率3处的变换简化为具体乘积 ,并把该乘积解释为一种相关性检验。
用欧拉展开后的被积函数写出频率3处的傅里叶变换。
将 直接代入屏幕上显示的一般公式。
由于方波被设定为在 处与正弦波同相起始,本课舍弃余弦分量,而将正弦分量保留为实部。
主讲人针对本例明确给出的化简步骤。
该示例积分被重写为方波与正弦波逐点乘积的积分。
相位说明之后,屏幕上显示代数化简过程。
在放大后的示例点 处,方波的高度为 1,正弦波的高度也为 1,因此它们的乘积为 1。
图中标注了 和方波电平 1;正弦值由所显示的频率为 3 的波形及标准三角学得出。
视频将逐点乘积的累积结果解释为:反映两列波‘同步程度’的高低,即它们的相关性强弱。
旁白明确给出了这一解释。
在此片段中,演算示例确立了如下结论:对测试频率 3 的检验归结为对 的积分;而在 处,所显示的两列波均取值为 1,因此它们的逐点乘积为 1。 的最终数值结果在所提供片段中未完成。 画面以 表示只含正弦的积分。这是教学简写,不能与完整复数变换划等号:奇对称使余弦部分为零,但正弦部分仍带 -i。一个周期内 ,而 。
该片段中可获得的验证是视觉化且不完整的:图像显示在 处两波对齐,方波电平标注为 1,且正弦曲线在该处达到峰值。片段结束前未展示积分计算的完整过程。
可见的乘积:、、、、。
虚线垂直标记标出了叠加的方波与正弦波上采样点的位置。
主讲人口述正乘积、负乘积与零乘积的含义。
该片段并未展示完整的积分计算过程,仅呈现了具有代表性的逐点采样。
图示如何通过方波与在若干选定位置处的乘积,读取局部相关性。
橙色方波,其幅值水平为和。
绿色测试波。
采样位置包括、、、和。
确定这些采样点处逐点乘积的符号与数值。
在处,两个波形均为,因此乘积为正向最大值。
直接显示在屏幕上,并在音频中同步复述。
在处,方波仍为,而正弦波约为,得到一个较小的正值乘积。
以数值形式显示在屏幕上。
在处,方波为,而正弦波约为,得到一个负值乘积。
以数值形式显示在屏幕上。
在处,正弦波穿过零点,因此乘积为零。
以数值形式显示在屏幕上。
在处,两个波形均为,因此乘积再次为正。
以数值形式显示在屏幕上。
各乘积分别为高亮采样点处的、、、和。
每个数值均与屏幕上的算术运算结果一致,也与橙色曲线和绿色曲线在标记的位置处的相对高度一致。
说话人指出求和结果为正,归一化后该值为三分之一,并提及前一个例子中的项。
屏幕上显示,下方级数中被圈出。
绿色正弦波在视觉上振幅减小,以表示对应系数。
归一化计算过程本身未展示,仅陈述了结果。
编辑校正:视频把正弦相关积分标作 ,但完整的复数傅里叶系数还含有 -i 因子,并依赖归一化约定。对于 [-π,π] 上振幅为 ±1 的奇方波,、;画面中的 是 的相对比例,不是未经归一化的积分值。
在相关性检验之后,确定方波傅里叶级数中使用了多少比例的。
的相关积分结果为正。
视频中给出的归一化系数为。
求三次谐波对方波级数的贡献。
正的累积相关性表明存在于该分解之中。
说话人在仪表指针升入正值区域后陈述。
归一化后,所用的量为其振幅的三分之一。
明确口述并在屏幕上显示为。
因此,级数中的三次谐波项为。
与屏幕上显示的傅里叶级数中带圆圈的项一致。
对应的式子为: 画面以 表示只含正弦的积分。这是教学简写,不能与完整复数变换划等号:奇对称使余弦部分为零,但正弦部分仍带 -i。一个周期内 ,而 。
该结果与屏幕上显示的级数表达式以及说话人对先前例题的口头对比相符。
黄色方波绘制在蓝色网格背景上。
方波
网格
方波的绘制
网格背景
展示了傅里叶级数将要逼近的目标形状。
先显示两个正弦波,再逐点计算它们的和,并画出所得波形。
波形
3x 的正弦波
合成后的波形
网格
各单独波形的绘制
在特定点处求和的计算
合成波形的绘制
网格背景
直观地演示了将两个函数相加的过程。
锯齿波由多个正弦波叠加而成。
锯齿波
网格
锯齿波的逐步绘制
网格背景
展示了傅里叶级数在逼近另一种波形中的另一个应用。
屏幕上显示‘实际应用’和‘辨别差异’两行文字,位于两张标注了名称的波形图上方。
主讲人站在显示器旁。
标题文字为‘实际应用’。
文字为‘辨别差异’。
方波图形。
锯齿波图形。
标题文字淡出,让位于两张波形图。
‘方波’与‘锯齿波’标签依次显现。
画面保持主讲人加显示器的讲解形式。
两张波形图并排呈现,便于对比。
画面提示本节将比较两个周期函数,并探讨如何区分它们。
正弦和表达式逐项显示在各自波形图下方。
第二项的系数在序列末尾附近被圆圈标出。
方波公式行。
锯齿波公式行。
围绕系数的高亮圆圈。
每个公式均逐项构建而成。
方波公式行中的系数0被高亮显示。
锯齿波公式行中的系数被高亮显示。
两个公式均保持为三项正弦和形式。
波形图始终位于各自对应公式的上方。
动画将注意力引导至叙述中用作判别依据的单一系数差异上。
苹果与披萨切片图像取代了波形图,随后出现文字“图像分析:形状识别”。
苹果图像。
披萨切片图像。
文字“图像分析:形状识别”。
屏幕从函数图像切换为实物照片。
应用说明文字出现在物体下方。
该片段持续将本主题呈现为傅里叶思想的一种实际应用。
视觉过渡将示例的范围从1D信号拓展至2D形状分析。
多个黄色类正弦曲线与一个大型蓝色问号叠加在方波背景之上。
大型蓝色问号。
多条黄色正弦曲线。
背景中为方波轮廓。
画面从实物照片切换为多种波形与一个问号的合成图像。
画面仍聚焦于分解为波动成分的过程。
该视觉呈现强调了一个尚未解决的实际问题:如何确定哪些波动组合起来能构成目标形状。
上方图表标注为“时间”,下方图表标注为“多种频率之和”。
上方的方波图。
下方的多色正弦曲线图。
标注“时间”与“多种频率之和”。
单个时域波形与其下方堆叠排列的各组成频率配对显示。
两张图具有相同的解释目的:将一个波形与其构成的波动成分关联起来。
该可视化效果将一个随时间变化的函数,与其作为多个频率叠加的表示形式进行对比。
一条绿色波形被分解为若干条彩色正弦波,其中部分成分消失,剩余部分再重新组合。
绿色合成波形。
多条彩色的成分波。
播放线沿波形横向移动。
合成信号分离为各个成分。
选定的成分消失。
剩余成分相加,重构出一条经净化的波形。
整个过程始终处于同一信号滤波示例中。
该动画演示了从录音中选择性地去除特定频率成分。
一把标有“傅里叶变换”的红色小刀,化身为一台机器:它接收一张“振幅 vs 时间”卡片,并输出一张“振幅 vs 频率”卡片。
一把标有“傅里叶变换”的红色瑞士军刀风格图示。
机器面板。
“振幅 vs 时间”输入卡片。
“振幅 vs 频率”输出卡片。
叠加的正弦波坍缩为尖峰。
小刀隐喻过渡为机器操作界面。
一幅时域图像进入该机器。
一幅频域尖峰图像从中输出。
多条正弦/余弦曲线被压缩为振幅–频率柱状图。
核心信息始终是:从波形描述转换为频谱描述。
该序列将傅里叶变换直观地呈现为一种装置,它将相同的信息重新表达在频域中。
白色面板上,坐标轴分别标注为“幅值”和“频率”;若干不同高度的蓝色竖直条形位于多个水平位置。
这些条形被呈现为各单个波形的压缩表示。
条形的确切数值高度未作标注。
纵轴标注为“振幅”
横轴标注为“频率”
蓝色垂直条形
初始画面将条形图作为主要关注对象进行突出显示。
横坐标继续表示频率。
纵坐标继续表示振幅。
动画将一组波的叠加转化为一幅稀疏的频谱图:每个波对应一根条形,其高度编码振幅,其位置编码频率。
标有“傅里叶变换”的红色工具位于一张显示方波的“时域”卡片与一张显示条形图的“频域”卡片之间。
镜头拉远,展现完整的类比图景。
“傅里叶变换”工具
显示方波的“时域”卡片
频率卡片,带柱状图
视图从单独的频率图表扩展为时域与频域显示之间的对比。
左侧卡片仍为时域波形。
右侧卡片仍为频域柱状图表示。
该隐喻将变换呈现为一种单一仪器,可在两种等价的描述视角之间翻译同一信号。
更强大的是,它可用于提取并滤除函数中的特定频率……甚至无需事先求出其傅里叶级数。
人们可能认为,只有在显式构造出某个函数的傅里叶级数之后,傅里叶变换才真正有用。
该片段明确指出:傅里叶变换可在无需预先求出傅里叶级数的前提下,提取并滤除特定频率。
这是因为傅里叶变换将函数分解为正弦波与余弦波,但我们真正关心的只是振幅与频率之间的配对关系。
输出的频谱可能被误认为仅仅是输入图像的一种美化重绘。
该片段解释道:输出结果通过保留振幅—频率配对关系,而非全部繁杂的正弦与余弦波集合,来概括底层的正弦—余弦分解。
讲解者指出,虚部的存在是为了处理一般情况——此时可能需要不同的相位,但该方波在 处与正弦波同相位起始。
有人可能从简化公式 推断:傅里叶核中的余弦部分总可忽略。
该片段明确将此项省略与该方波示例在 处的相位关系联系起来,并指出虚部在一般情况下是必需的。
讲解者指出,每个波形已被压缩为一根柱状条,代表其振幅与频率。
有人可能误将这些柱条本身视作原始波形,而非将其理解为各分量振幅与频率的压缩指示。
视频将柱条呈现为一种压缩表示:每根柱条编码一个分量在某一频率处的振幅,而非该波形在时间域上的完整形状。
讲解者称输出结果‘不过是原时间域函数的一种频率域视角’。
人们可能会认为傅里叶变换生成了一个全新的、与原函数无关的函数,而非对原函数进行另一种表达。
该片段将傅里叶变换框定为同一底层函数从时域到频域的表示方式转换。
讲述者区分了局部乘法运算的结果与后续基于积分的整体判断。
部分样本乘积为正,部分为负,还有一个为零,然后才将它们累加求和。
有人可能认为,单个正样本或负样本就能判断两列波是否全局相关。
视频将局部逐点乘积与积分区分开来,而积分会累加所有贡献,以确定整体相关性。
讲解者指出,偶数频率的正向和负向波峰恰好完全抵消,最终总和为零。
「偶数频率」面板展示了颜色相反、彼此匹配的区域。
有人可能假设偶数频率仍有少量贡献,只是比奇数频率的贡献更小。
在此方波示例中,偶数频率的贡献并非仅变小,而是恰好完全抵消为零。
讲解者起初将基变换这一概念称为“术语堆砌”,随后通过类比向量空间中的基变换与正交基,逐步展开解释。
有人听到“在无穷维空间中改变基”时,可能只觉得这是抽象的行话。
该片段从操作层面加以解释:同一函数不再用时间点上的幅值描述,而是改用正弦与余弦分量重新表述。
讲述者提到,傅里叶级数与傅里叶变换广泛存在于从数字音乐、量子力学到图像识别等各个领域。
傅里叶级数与傅里叶变换在众多领域中具有广泛的应用。
有一种与傅里叶级数相关联的工具,称为傅里叶变换。
该片段在讲解完波形的傅里叶级数分解之后,才引入傅里叶变换,并将其呈现为与前述概念相关联的一种工具。
音频滤波示例之后,紧接着说明傅里叶变换可以提取并滤除特定频率。
该变换被呈现为从录音中去除不需要的频率成分的实际机制。
但这一思想可推广至一般的模式与形状识别。
用于比较波形的相同分解思想,在本片段中被拓展至图像分析与形状识别中的轮廓分析。
该视频将一幅“振幅–时间”图像与一幅“振幅–频率”图像并列展示。
本片段对比了信号在时域中的描述与其经变换所得的频域描述。
起始的条形图随后通过箭头与显式项 、 和 相关联。
方波的傅里叶级数各项通过将每个系数映射为其对应频率处条形的高度,转化为条形图形式。
说话者称 是傅里叶变换,我们由此得到傅里叶级数。
频域条形图视图在正式的变换公式之前被引入。
该片段并未提供从积分变换到离散级数的严格推导。
正式的变换公式被呈现为一种底层运算,它生成了此前所展示的那种频域条形图概要。
将欧拉恒等式代入变换的被积函数中。
利用欧拉公式解释为何傅里叶变换中的指数核包含正弦与余弦分量。
屏幕上显示的推演过程依次为: → 展开后的积分。
展开后的被积函数在将欧拉恒等式代入指数因子后,即等价于原始的变换公式。
含 ω 的一般展开式被特化为频率3,再简化为仅含正弦函数的被积表达式。
例题将一般欧拉展开变换应用于方波的特定情形:。
主讲人将 解释为衡量两列波之间相关程度的量。
逐点乘积的相关性解释,是理解频率为3的方波示例所采用的概念性方法。
时间卡与频率卡被置于傅里叶变换工具的两侧。
该片段将原始时域波形与其频域柱状图表示并置对比,展现同一信号的两种不同视角。
讲述者引入了傅里叶级数的概念。
讲述者解释了如何将函数相加。
仅凭第二项的振幅值,程序便能分辨出二者各自为何。
它们的轮廓可通过该技术进行分析,从而分辨出各自为何物
去掉与高音声音相关联的求和项
你将振幅关于时间的函数输入其中,它便输出同一函数的振幅关于频率的表达形式
我们真正关心的只是振幅与频率的配对关系。
主讲人解释:柱状图中的竖条代表振幅与频率。
主讲人将傅里叶变换的输出概括为一种频域视角。
显示的级数为 。
箭头将 与频率为2处缺失的柱状图连接起来。
显示公式 。
已覆盖 · 视频中所有数学内容均已提取完毕。
已覆盖 · 片头标题与并排波形设置引出了对比问题。
已覆盖 · 两个有限的正弦级数被展示出来,并逐项进行比较。
已覆盖 · 讲述者从波形对比推广到基于轮廓的形状识别。
已覆盖 · 旁白强调了确定哪些波叠加后能形成目标形状的困难性。
已覆盖 · 一个时域方波与多个频率叠加而成的波形形成对比。
已覆盖 · 音频滤波示例展示了如何去除不需要的频率成分并重建信号。
已覆盖 · 傅里叶变换被介绍为一种与傅里叶级数相关联的工具。
已覆盖 · 该变换被解释为将振幅随时间变化的信息转换为振幅随频率变化的信息。
已覆盖 · 最后一秒延续了相同的频域概括,未引入任何新的、独立的数学事件。
已覆盖 · 开启柱状图,并口头解释振幅-频率表示法。
已覆盖 · 用瑞士军刀作比喻,对比时域视图与频域视图。
已覆盖 · 方波级数各项及其到频谱柱状图的动态映射。
已覆盖 · 展示并口头解析公式 。
已覆盖 · 欧拉公式及其在变换被积函数中的代入。
已覆盖 · 设置频率为3的示例,同时显示正弦波与方波图像。
已覆盖 · 化简为 ,叠加图形,并在 处放大展示逐点乘积。
已覆盖 · 开场动画通过方波与的逐点乘积,并辅以具体数值示例加以说明。
已覆盖 · 主讲人将积分引入为一种连续求和,并解释结果为正值、零或负值的含义。
已覆盖 · 该片段给出归一化系数,并将其与屏幕上显示的傅里叶级数项关联起来。
已覆盖 · 视觉对比解释了为何奇次正弦谐波保留下来,而偶次谐波及余弦项相互抵消。
已覆盖 · 主讲人推广至傅里叶变换,并将整个过程重新表述为从时间域到频率域的基变换。
已覆盖 · 结语说明:正弦波与余弦波构成一组正交基,从而支持用频率方式描述信号。
已覆盖 · 介绍在不同基之间变换函数的实用性,以及仅靠纯代数方法处理问题的局限性——若缺乏对输入函数的数学描述,则无法进行有效分析。
已覆盖 · 解释现实世界数据的杂乱性如何需要借助算法来应对,特别指出视频播放中对傅里叶变换的应用。
已覆盖 · 算法的正式定义:即把复杂过程分解为逐步执行的指令;并强调其在模式识别与音频工程中的必要性。
已覆盖 · CuriosityStream 与 Nebula 平台的推广环节,包含一系列算法应用的画面集锦及片尾字幕。本段未呈现任何新的数学定义或推导。