最近由于项目需要，花几个小时，了解了傅里叶变换。
从本质上说，“FFT就是强制用一组标准基来拟合采样序列”，本文围绕这个核心思想，解释FFT是什么、如何工作，以及它如何在数字世界中发挥着无所不在的作用。
由于这种基拟合的方法与人工神经网络通用逼近定理有相同之处，接下来我们用一个系列文章来系统讲一下标准基、通用逼近定理、PCA、线性自编码器的联系和应用。
1、什么是“标准基”？——FFT的“乐高积木”
要理解FFT，首先要理解它用来“搭建”世界的“零件”——也就是“标准基”。
1. 一个直观的比喻：乐高积木
想象一下，任何复杂的信号（一段音乐、一张图片、一段脑电波）都是一个用乐高拼成的、形态独特的模型。而“标准基”就是一套官方标准的乐高积木套装，它只包含最基础、最规整的几种方块（如1x1, 1x2, 2x4等）。
FFT所做的，就是拿到那个复杂的模型，然后精确地告诉你：“这个模型是由5个1x1方块、10个1x2方块和8个2x4方块……组成的”。这个过程就是“拟合”，而最终的清单就是“频率分布”。
对于图像、声音等许多自然信号，其能量通常主要集中在低频部分，这部分构成了信号的整体轮廓和结构。而高频部分虽然能量较少，但承载了信号的边缘、细节和突变信息。我们可以通过文章后面的示例图直观感受。
2. 信号处理中的“标准基”
在信号处理的世界里，这套“标准积木”是一系列频率从低到高、形态完美、彼此正交的正弦波和余弦波。
这套“标准基”包含：
- 直流分量 (DC)：频率为0的波，代表信号的平均值。
- 基波：在一个分析窗口内刚好完成1个完整周期的波。
- 谐波：在一个分析窗口内刚好完成2个、3个、4个……整数个周期的波。
3. “标准基”的核心特性：正交性 (Orthogonality)
“标准基”之所以“标准”，最根本的原因在于其正交性。通俗地讲，就是这套“标准尺子”之间互不相关、相互独立。比如，在一个窗口内振动2次的波形，和振动3次的波形，它们的相关性为零。
正交性至关重要，因为它保证了分解结果的唯一性和准确性。当你用“振动2次的标准波”去测量原始信号时，所有其他频率成分的干扰都为零。你测出来的结果，就只代表原始信号中“振动2次”这个频率的强度，干净利落。
2、如何确定“标准基”？——采样点数N的决定性作用
“标准基”并非固定、一成不变，而是和要分析的采样点数（N） 紧密相关。可以说，采样点数N决定了我们使用哪一套“标准基”。
这种决定性关系体现在三个方面：
- 决定了频率分辨率（精细度）：N越大，频率分辨率越高。
- 比喻：N=1024就像一把刻度为“厘米”的尺子，而N=4096就像一把刻度为“毫米”的尺子。
- 公式：
频率分辨率 = 采样率 / N。N越大，能分辨的频率间隔就越小。
- 决定了“标准基”的具体形态：每一个“基波”的定义都与N直接挂钩。
- 一个在1024个点上完成1个周期的波形，和一个在2048个点上完成1个周期的波形，是两个完全不同的波形。改变N，就等于换了一套全新的坐标系。
- 决定了“标准基”的数量：一个N点的FFT，会生成一套包含
N/2 + 1个不同频率的“标准基”。
- N越大，你的“标准基”库里的“零件”种类就越多，分析结果也更丰富。
因此，当你决定要对N个采样点做FFT时，你其实是在说：“请给我一套为N个点量身定做的、正交的‘标准基’来进行测量。”
3、FFT应用框架流程
现在，我们可以构建一个完美的、高度概括的FFT应用框架。无论应用多么复杂，其底层逻辑都万变不离其宗：
1. 获取数据 (Acquire Data)
- 将物理世界的连续信号（声音、光、电信号等）通过传感器和ADC（模数转换器）转换成离散的
采样序列。
2. 核心变换 (Core Transformation)
- 对这个
采样序列进行FFT运算，也就是用标准基拟合。这个过程的本质是一次坐标系变换，将信号从“时间-振幅”坐标系，变换到“频率-能量/相位”坐标系，最终得到频率分布（频谱）。
3. 应用实现 (Implement Application)
- 在频域上对这个
频率分布进行解读和处理。这是所有魔法发生的地方。在频域，很多在时域上看起来极其复杂的问题，会变得出奇地简单。处理完毕后，往往会通过逆傅里叶变换（IFFT）再转换回时域信号。
4、框架应用——FFT在真实世界中的应用
让我们用几个案例来感受下FFT的实际应用价值。
案例一：音乐均衡器 (EQ)
采样序列：录制一段音乐，得到音频采样点。
标准基拟合：对音频做FFT，得到各频率（低音、中音、高音）的能量分布。
3. 解读和处理
- 解读：发现人声所在的1kHz频段能量偏低。
- 处理：在频谱上，将1kHz频段的数值乘以一个大于1的系数，实现增强。然后IFFT回时域播放，人声就更突出了。
案例二：音频降噪（消除电流声）
采样序列：录制一段含有“嗡嗡”电流声的语音。
标准基拟合：对音频做FFT，得到频谱。
3. 解读和处理
- 解读：在频谱图上发现一个非常尖锐的峰值，精确地出现在50Hz（或60Hz）。
- 处理：像做外科手术一样，将这个50Hz频率点的数值直接设为0。然后IFFT回时域，恼人的“嗡嗡”声就消失了。
案例三：听歌识曲（如Shazam）
采样序列：手机录制一小段正在播放的音乐。
标准基拟合：随时间推移，不断对音频片段做FFT，形成一张时频谱（Spectrogram）。
3. 解读和处理
- 解读：算法在时频谱上寻找能量最强的“峰值点”。
- 处理：将这些峰值点的时间和频率信息组合成一个独特的“指纹”，上传至云端与海量歌曲指纹库进行高速比对，匹配成功后返回歌曲信息。
案例四：JPEG图像压缩
采样序列：将图片分割成8x8的像素块，每个块的亮度值就是一个二维采样序列。（实际使用DCT，FFT的近亲）
标准基拟合：对像素块做变换，得到一个8x8的频率系数矩阵。低频代表平滑区域，高频代表边缘和细节。
3. 解读和处理
- 解读：人眼对高频细节（微小的亮度变化）不敏感。
- 处理：直接丢弃掉大部分高频系数，或用很低的精度来存储它们，只保留重要的低频系数。这使得存储数据量大大减少，实现压缩。
对于图像，可以从 https://monman53.github.io/2dfft/ 直观体验（自己可以上传图片），下面是2个具体的示例。 示例1：原始图像及对应的频谱图：
我们只选低频部分看（频谱图的中间是低频，越向外频率越高；左边图像为Inverse FFT还原图，也就是利用右边的有效频谱进行图像还原）：
再单看上面低频部分之外的部分：
通过对比可以看出，图片的主要信息集中在低频部分，需要进行图片压缩的时候，只保留一定部分的低频就可以做到了（音频压缩的原理类似）。
示例二：原始图像（背景有规律的横纹）及频谱图：
从频谱图可以看到，纵轴上有一些亮点，我们猜测是背景横线的频谱（理论上也是如此），接下来把几个点mask掉：
可以看到，基本起到了去除背景横线的效果。工程上，利用程序来自动化判断处理，就可以有效解决此类的图片背景噪音。
结语
FFT远不止是一个复杂的数学公式，它是一种强大的思维方式。它让我们能够将信号从我们熟悉但难以处理的时域，切换到一个抽象但问题迎刃而解的频域。
通过理解“标准基”的构成、确定方式及其核心的“正交性”，我们就能深刻领会“强制用标准基拟合采样序列”这句话的内涵。而掌握了“采样-变换-处理”的流程框架，就拥有了一把解锁整个数字信号处理世界的钥匙。