3. 傅里叶变换入门：从时域到频域，频谱的概念
好，咱们进入第三个话题。前面聊了采样和混叠，说白了都是在时域里打转。但信号处理真正的精髓，藏在频域里。今天我就带你推开这扇门——傅里叶变换。
你可能听过这个名字，觉得它高深莫测。其实没那么玄乎。傅里叶变换干的事，用一句话就能说清楚：把一个信号，从“随时间变化”的样子，变成“随频率变化”的样子。
嗯，这里要注意：信号还是那个信号，只是换了个角度看它。
3.1 时域 vs 频域：两个不同的视角
咱们先打个比方。你听一首交响乐，耳朵听到的是各种乐器同时发出的声音，混在一起——这就是时域。但如果你看乐谱，每个音符写在不同的五线谱位置上，高音在上，低音在下——这就是频域。
时域信号，横轴是时间，纵轴是幅度。你看到的是波形上下跳动。
频域信号，横轴是频率，纵轴是幅度（或相位）。你看到的是不同频率成分有多强。
我刚开始学的时候，总觉得频域是凭空变出来的。后来在项目里调试一个音频降噪算法，才真正体会到：时域里看着乱糟糟的噪声，一转到频域，哪些是噪声、哪些是人声，清清楚楚。
核心思想：任何一个时域信号，都可以分解成若干个不同频率、不同幅度、不同相位的正弦波之和。
3.2 傅里叶变换的数学形式
公式不长，但第一次看可能会懵。别怕，咱们拆开看。
连续傅里叶变换（CTFT）：
X(f) = ∫ x(t) · e^(-j2πft) dt
其中：
x(t) —— 时域信号
X(f) —— 频域信号（频谱）
f —— 频率
j —— 虚数单位这个公式在干什么？说白了，就是拿一个已知频率的正弦波（e^(-j2πft)），去和原始信号做“匹配”。匹配得越好，那个频率上的幅度就越大。
我个人的习惯是：先别纠结虚数 j 和指数 e，你就把它当成一个“频率探测器”。
小技巧：如果你觉得连续傅里叶变换太抽象，可以先理解离散傅里叶变换（DFT）。实际工程中，我们处理的都是离散采样数据，DFT 才是真正用的工具。
3.3 频谱：频域里的“身份证”
频谱，就是信号在频域里的表示。它包含两部分：
- 幅度谱：每个频率成分的强度（大小）
- 相位谱：每个频率成分的起始位置（偏移）
大多数时候，我们更关心幅度谱。比如你看一个音频信号的频谱，低频能量高，说明声音低沉；高频能量高，说明声音尖锐。
我曾经在做一个振动监测项目时，设备老是莫名其妙报警。时域波形看不出问题，一转频谱，发现 50Hz 处有个尖峰——原来是工频干扰。加个陷波滤波器，问题就解决了。你看，频域视角多重要。
3.4 一个简单的例子：正弦波与方波
咱们用代码来感受一下。假设有一个 100Hz 的正弦波，它的频谱长什么样？
import numpy as np
import matplotlib.pyplot as plt
# 生成一个 100Hz 的正弦波
fs = 1000 # 采样率 1000Hz
t = np.arange(0, 1, 1/fs)
f0 = 100 # 信号频率 100Hz
x = np.sin(2 * np.pi * f0 * t)
# 做傅里叶变换
X = np.fft.fft(x)
freqs = np.fft.fftfreq(len(x), 1/fs)
# 只取正频率部分
half = len(X)//2
X_mag = np.abs(X[:half])
freqs = freqs[:half]
# 画图
plt.figure(figsize=(10, 4))
plt.subplot(1,2,1)
plt.plot(t[:200], x[:200])
plt.title('时域波形')
plt.xlabel('时间 (s)')
plt.ylabel('幅度')
plt.subplot(1,2,2)
plt.stem(freqs, X_mag)
plt.title('幅度谱')
plt.xlabel('频率 (Hz)')
plt.ylabel('幅度')
plt.xlim(0, 200)
plt.show()运行这段代码，你会看到：时域里是一条正弦波，频域里在 100Hz 处有一根竖线。干净利落。
那方波呢？方波在频域里就不是一根线了，而是一系列奇次谐波（100Hz、300Hz、500Hz...），幅度逐渐衰减。这就是为什么方波听起来比正弦波“刺耳”——因为高频成分多。
注意：实际工程中，我们处理的信号往往不是纯正弦波或方波。但无论多复杂的信号，傅里叶变换都能把它拆成一系列正弦波。这就是它的威力所在。
3.5 傅里叶变换与采样的关系
你可能会问：傅里叶变换和采样定理有什么关系？
关系大了。采样定理告诉我们：采样率必须大于信号最高频率的两倍。为什么？因为如果采样率不够，高频成分会“伪装”成低频成分，在频谱里出现虚假的峰值——这就是混叠。
换句话说，采样定理保证了频谱的正确性。没有它，你看到的频谱就是错的。
我记得有一次帮同事排查一个数据采集系统的问题。他采的信号是 1kHz 的正弦波，采样率设了 1.5kHz。结果频谱里除了 1kHz，还多了一个 500Hz 的峰。他以为是信号本身有问题。我说：你算算，1.5 - 1 = 0.5，这不就是混叠吗？把采样率提到 2.5kHz 以上，那个假峰就消失了。
一句话总结：傅里叶变换是连接时域和频域的桥梁。采样定理是保证这座桥不走样的护栏。
3.6 本章知识结构图
下面我用一张 SVG 图，把本章的核心逻辑串起来。你看完应该能有个整体印象。
这张图里，左边是时域，右边是频域，中间是傅里叶变换这座桥。下面三个应用——频谱分析、滤波设计、采样定理——都是这座桥上的“交通规则”。
好了，这一章就到这里。你只要记住：傅里叶变换不是魔法，它只是换了个角度看信号。下一章咱们会深入离散傅里叶变换，看看实际工程中怎么用代码算频谱。
公众号：蓝海资料掘金营，微信 deep3321