2.6 傅里叶变换的性质
2.6.1线性
若信号和的傅里叶变换分别为和，
则对于任意的常数a和b，有
将其推广，若,则
其中为常数，n为正整数。
由傅里叶变换的定义式很容易证明线性性质.
显然傅里叶变换也是一种线性运算，在第一章我们已经知道了，线性有两个含义：均匀性和叠加性。均匀性表明，若信号乘以常数a，则信号的傅里叶变换也乘以相同的常数a，即
叠加性表明，几个信号之和的傅里叶变换等于各个信号的傅里叶变换之和
2.6.2 反褶与共轭性
设f(t)的傅里叶变换为，下面我们来讨论信号反褶、共轭以及既反褶又共轭后，新信号的傅里叶变换。
（1）反褶
f(-t)是f(t)的反褶，其傅里叶变换为
（2）共轭
（3）既反褶又共轭
本性质还可利用前两条性质来证明：
设g(t)=f(-t)，h(t)=g*(t)，则
在上面三条性质的证明中，并没有特别指明f(t)是实函数还是复函数，因此,无论f(t)为实信号还是复信号，其傅里叶变换都满足下面三条性质
2.6.3 奇偶虚实性
已知f(t)的傅里叶变换为。在一般情况下，是复函数，因此可以把它表示成模与相位或者实部与虚部两部分，即
根据定义，上式还可以写成
下面根据f(t)的虚实性来讨论F()的虚实性。
(1) f(t)为实函数
对比式(2-33)与(2-34)，由FT的唯一性可得
（1.1）f(t)是实的偶函数，即f(t)=f(-t)
X()的积分项是奇函数，而奇函数在对称区间内的积分为零，故
这时X()=0，于是
可见，若f(t)是实偶函数，则F()也是实偶函数，即
左边反褶，右边共轭
（1.2）f(t)是实的奇函数，即-f(t)=f(-t)
R()的积分项是奇函数，而奇函数在对称区间内的积分为零，故
这时R()=0，于是
几种常见函数的傅里叶变换及推导
傅里叶变换是数学中一种非常重要的变换方法，它可以将一个函数在时域（或空域）中的表达转换为频域中的表达。在信号处理、图像处理、通信等领域中被广泛应用。本文将介绍几种常见函数的傅里叶变换及推导过程。
1. 方波函数的傅里叶变换
方波函数是一种周期函数，它在每个周期内以不同的幅度交替出现。方波函数的傅里叶变换可以通过将方波函数表示为一系列正弦函数的和来推导得到。假设方波函数为f(t)，其周期为T，傅里叶变换为F(ω)。根据傅里叶级数展开的性质，方波函数可以表示为：
f(t) = (1/2) + (2/π)sin(ωt) + (2/π)sin(2ωt) + (2/π)sin(3ωt) + ...
其中，ω = 2π/T是方波函数的角频率。根据傅里叶变换的定义，可以得到方波函数的傅里叶变换为：
F(ω) = (1/2)δ(ω) + (1/2π)[δ(ω-ω0) - δ(ω+ω0)] + (1/2π)[δ(ω-2ω0) - δ(ω+2ω0)] + (1/2π)[δ(ω-3ω0) - δ(ω+3ω0)] + ...
其中，δ(ω)是狄拉克函数，表示单位冲激函数。傅里叶变换的结果是一系列的冲激函数，每个冲激函数对应一个正弦函数的频谱分量。
2. 高斯函数的傅里叶变换 高斯函数是一种常用的连续函数，其在数学和物理学中有广泛的应用。高斯函数的傅里叶变换可以通过将高斯函数表示为指数函数的平方和来推导得到。假设高斯函数为f(t)，傅里叶变换为F(ω)。根据高斯函数的定义，可以得到：
f(t) = e^(-αt^2)
其中，α是常数。根据傅里叶变换的定义，可以得到高斯函数的傅里叶变换为：
F(ω) = √(π/α)e^(-ω^2/(4α))
高斯函数的傅里叶变换仍然是一个高斯函数，只是幅度和频率发生了变化。
3. 矩形函数的傅里叶变换
矩形函数是一种常见的函数，它在一个有限区间内的值为常数，而在其他区间内的值为零。矩形函数的傅里叶变换可以通过将矩形函数表示为两个单位阶跃函数的差来推导得到。假设矩形函数为f(t)，其宽度为2a，傅里叶变换为F(ω)。根据矩形函数的定义，可以得到：
- 1 - 傅里叶变换通俗理解
傅里叶变换（简称Fouriertransform）是一种数学变换，它是把一个时间序列的信号变换成一种频率特征的表示，它已成为信号处理的重要技术手段，是现代信号处理和信道分析的基础。立叶变换广泛用于声学、信号处理、智能控制等领域。是一种研究时间域信号的频率域特性的工具，它可以把一个时间序列的信号（或者其它序列）变换成一组由频率和幅度组成的复数信号，从而在频率域上去描述时域信号的幅度与频率的分布特点。
在传统的数学上，傅里叶变换的定义是把一个函数在时间域上的函数值转换为它在频率域上的复变函数值。谓频率域，是指当我们把时域上的函数用角频率ω表示时，这个函数就变成了频率域上的函数。是一种从时空域到频率域的变换，是基于函数在时域上的函数值变换到在频率域上的函数值。 也就是把函数在时间域上的函数值转换为它在频率域上的复变函数值。
傅里叶变换是一种基于函数在时域上的函数值变换到在频率域上的函数值的过程，它可以将信号从时域变换到频域，这样就可以使用频域的分析来处理信号，而不需要考虑时域的变化情况。傅里叶变换的基本思想是，任何一个信号都可以看作一系列正弦波的和。但是实际上，傅里叶变换有多种形式，比如离散傅立叶变换、快速傅立叶变换等，这些变换都可以把时域上的信号转换到频域上。
一般情况下，傅里叶变换可以用来分析信号的频率组成，分解出低频成分和高频成分，从而判断信号的特性。还可以用来过滤不需要 - 2 - 的信号，为信号处理提供有效的方法。 例如，傅里叶变换可以把时域信号中的低频成分过滤掉，然后再进行高频信号的处理，从而可以获得较好的结果。
傅里叶变换也可以用来估计不可测量的频率参数，例如相位和幅度，从而可以用来推断信号的结构特性。样还可以用来估计时间滞后性及其影响，这在多媒体信号处理中尤为重要。
因此我们可以看出，傅里叶变换在信号处理上拥有很强的功能，不但可以把信号从时域转换成频域，还能用来获取信号的特征分析，精确估计信号的参数等。已经成为信号处理和信道分析的基础技术手段，不论是在通信领域还是声学领域都表现出了非常优秀的作用。
高等数学 傅里叶变换
傅里叶变换是数学中一种重要的变换方法，它在信号处理、图像处理以及物理学等领域中具有广泛的应用。傅里叶变换可以将一个函数表示成一组正弦和余弦函数的叠加，从而使得我们可以更好地理解和分析这个函数的频谱特性。
傅里叶变换的基本思想是将一个函数表示成一系列正弦和余弦函数的叠加。这些正弦和余弦函数的频率从低到高依次递增，而且每个频率的振幅和相位都可以通过傅里叶变换得到。通过傅里叶变换，我们可以将一个函数从时域（时间域）转换到频域，从而更好地理解和分析函数的频率特性。
傅里叶变换的数学表达式是一个积分形式，其中包含了函数的频率、振幅和相位信息。这个积分式的具体形式可以通过对函数进行积分得到，但在实际应用中，我们通常使用计算机来进行数值计算。通过计算机的计算能力，我们可以快速、准确地得到函数的傅里叶变换结果。
傅里叶变换在信号处理中有着广泛的应用。在通信领域，我们可以将一个信号进行傅里叶变换，得到它的频谱图，从而可以分析信号的频率成分和频谱特性。这对于信号的传输和处理非常重要。在图像处理中，傅里叶变换可以将一个图像表示成一组不同频率的正弦和余弦函数的叠加，从而可以进行图像的增强、滤波和压缩等操作。
傅里叶变换在物理学中也有广泛的应用。在量子力学中，傅里叶变换被用于描述波函数的频率特性。在光学中，傅里叶变换可以将一个光学信号表示成一组不同频率的正弦和余弦函数的叠加，从而可以分析光的频谱特性和相位特性。
傅里叶变换还有许多其他的应用。在音频处理中，傅里叶变换可以用于音频信号的分析和合成。在机器学习中，傅里叶变换可以用于特征提取和模式识别。在金融领域，傅里叶变换可以用于时间序列分析和预测。
傅里叶变换是一种非常重要的数学工具，它可以将一个函数从时域转换到频域，从而更好地理解和分析函数的频率特性。傅里叶变换在信号处理、图像处理以及物理学等领域中有着广泛的应用。通过傅里叶变换，我们可以从一个全新的角度来观察和理解函数的性质，并且可以应用这些性质来解决实际问题。傅里叶变换的应用不仅仅局限于数学领域，它也在许多其他领域中发挥着重要的作用，对于推动科学技术的发展起到了重要的推动作用。
