1楼：y狼仔
首先变换后的频率 能够看出 这个产品的性能主要，或者说平均是以一个怎样频率在波动。
第二如果想要减少这个波动，变换后乘上一个低通滤波器的频谱，达到切掉曲线高频的成分的目的，以减少时间轴上的原曲线的波动。
2楼：敏敏的马仔
变换意味着在不同频率的分量大小。
减小波动就是加低通滤波器，保留低频分量，过滤掉高频分量。
傅里叶变换的意义
3楼：匿名用户
傅立叶变换，表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。
傅里叶级数和傅里叶变换其实就是我们之前讨论的特征值与特征向量的问题。分解信号的方法是无穷的，但分解信号的目的是为了更加简单地处理原来的信号。
扩展资料
傅里叶变换的应用：
1、傅里叶变换是线性算子，若赋予适当的范数，它还是酉算子；
2、傅里叶变换的逆变换容易求出，而且形式与正变换非常类似；
4、著名的卷积定理指出：傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段；
5、离散形式的傅里叶变换可以利用数字计算机快速的算出（其算法称为快速傅里叶变换算法（fft))。
4楼：匿名用户
傅氏变换是将时域信号f(t)变换为频域函数f(ω)，即换个变量看信号变化规律。虚数单位( j )不可测量，可测量的是模函数丨f(ω)丨及幅角函数φ(ω)。
5楼：沐若溪
傅里叶变换的意义：将时域问题转换到频域中解答，从而简化了问题的处理
6楼：匿名用户
您对于傅里叶变换恐怕并不十分理解
傅里叶变换的实质是将一个信号分离为无穷多多正弦/复指数信号的加成，也就是说，把信号变成正弦信号相加的形式——既然是无穷多个信号相加，那对于非周期信号来说，每个信号的加权应该都是零——但有密度上的差别，你可以对比概率论中的概率密度来思考一下——落到每一个点的概率都是无限小，但这些无限小是有差别的
所以，傅里叶变换之后，横坐标即为分离出的正弦信号的频率，纵坐标对应的是加权密度
对于周期信号来说，因为确实可以提取出某些频率的正弦波成分，所以其加权不为零——在幅度谱上，表现为无限大——但这些无限大显然是有区别的，所以我们用冲激函数表示
已经说过，傅里叶变换是把各种形式的信号用正弦信号表示，因此非正弦信号进行傅里叶变换，会得到与原信号频率不同的成分——都是原信号频率的整数倍。这些高频信号是用来修饰频率与原信号相同的正弦信号，使之趋近于原信号的。所以说，频谱上频率最低的一个峰（往往是幅度上最高的），就是原信号频率。
傅里叶变换把信号由时域转为频域，因此把不同频率的信号在时域上拼接起来进行傅里叶变换是没有意义的——实际情况下，我们隔一段时间采集一次信号进行变换，才能体现出信号在频域上随时间的变化。
我的语言可能比较晦涩，但我已尽我所能向你讲述我的一点理解——真心希望能对你有用。我已经很久没在知道上回答过问题了，之所以回答这个问题，是因为我本人在学习傅里叶变换及拉普拉斯变换的过程中着实受益匪浅——它们几乎改变了我对世界的认识。傅里叶变换值得你用心去理解——哪怕苦苦思索几个月也是值得的——我当初也想过：
只要会算题就行。但浙大校训“求是”时时刻刻鞭策着我追求对理论的理解——最终经过很痛苦的一番思索才恍然大悟。建议你看一下我们信号与系统课程的教材：
化学工业出版社的《信号与系统》，会有所帮助。
7楼：封海峰
我认为其还有更深层次的意义，主要的论述如下：
根据现在的弦理论，构成各种粒子的基本单元为高维度下震动的弦；
震动就得有频率；
量子力学理论告诉我们能量是不连续的；能量是一份一份的，其大小是由频率决定
相对论告诉我们，能量与质量是相等；
宏观时间的光学、声学、运动学，是微观的统计结果那么宏观世界的事件发生习惯上以时间顺序进行排序，即对于无规律性的波动而言在时间轴上描述变的十分困难；但是当换种角度看问题，宏观时间的构成是由微观世界的不同的大量的粒子叠加而成，粒子是以不同频率震动的，拿对这些不同的震动进行统计的叠加得到的就是时域与频域的转化关系。
我想这就是傅里叶变换的自然哲学意义吧
什么是频域？什么是时域？傅里叶变换是什么意思？我知道傅里叶级数的概念。
8楼：匿名用户
时域 domain of time 是指信号随时间的变化过程。
波形 wave form 显示信号的时域特征，包括采样时间、每个采样点值和峰－峰值等。
频域 domain of frequency 是指信号在频谱上的分布和变化过程。
频谱 spectrum plot 频谱显示信号的频域（频率）特征，包括采样时间、通频、一倍频及其谐波的幅值等。
傅里叶变换 fourier transform 将原来难以处理的时域信号（波形）转换成了易于分析的频域信号（信号的频谱）
傅里叶变换的意义和实际应用。
9楼：匿名用户
傅里叶变换的实质是将一个信号分离为无穷多多正弦/复指数信号的加成，也就是说，把信号变成正弦信号相加的形式——既然是无穷多个信号相加，那对于非周期信号来说，每个信号的加权应该都是零——但有密度上的差别，你可以对比概率论中的概率密度来思考一下——落到每一个点的概率都是无限小，但这些无限小是有差别的
所以，傅里叶变换之后，横坐标即为分离出的正弦信号的频率，纵坐标对应的是加权密度
对于周期信号来说，因为确实可以提取出某些频率的正弦波成分，所以其加权不为零——在幅度谱上，表现为无限大——但这些无限大显然是有区别的，所以我们用冲激函数表示
傅里叶变换是把各种形式的信号用正弦信号表示，因此非正弦信号进行傅里叶变换，会得到与原信号频率不同的成分——都是原信号频率的整数倍。这些高频信号是用来修饰频率与原信号相同的正弦信号，使之趋近于原信号的。所以说，频谱上频率最低的一个峰（往往是幅度上最高的），就是原信号频率。
傅里叶变换把信号由时域转为频域，因此把不同频率的信号在时域上拼接起来进行傅里叶变换是没有意义的——实际情况下，我们隔一段时间采集一次信号进行变换，才能体现出信号在频域上随时间的变化。
对采集的加速度计信号 进行傅里叶变化 横纵坐标代表什么意义 对加速度信号进行频域分析有什么意义？
10楼：匿名用户
对于加速度信号，采集出来的数据都是时域函数（就是加速度的大小随时间而变化），进行傅里叶变换之后就可以将信号从时域变换到频域分析，变化后的表达式是关于频率的函数，就是x（f），这个表达式在图形上表示要分实部和虚部两幅图（还可以画相位图），不管是怎么样的图，它的横坐标都是频率，而不再是时间了。这样做的好处就是你可以看出各个频率作用下的幅值，相位等参数对整个信号的影响大小。然后确定主要频率，之后的滤波会把不重要的频段信号屏蔽掉，只获取需要的信息就行!
这是我的一点认识，希望能帮到lz
傅里叶变换是用来做什么的，具体举例一下应用？
11楼：喵喵喵
本质上讲，傅里叶变换，是把一个复杂事物，拆解成一堆标准化的简单事物的方法。拿声音举例，我们知道声音是物体振动发出的，它是一种波，通过空气或其他介质进行传播。
如果用声波记录仪记录并显示这些波的振动形式，会发现生活中的绝大部分的声音是都是非常复杂甚至杂乱无章的。
扩展资料
根据原信号的不同类型，我们可以把傅里叶变换分为四种类别：
1、非周期性连续信号傅里叶变换（fourier transform）
2、周期性连续信号傅里叶级数(fourier series)
3、非周期性离散信号离散时域傅里叶变换（discrete time fourier transform）
4、周期性离散信号离散傅里叶变换(discrete fourier transform)
12楼：七情
我通信的 可以给你通俗的说一下 傅里叶变换。举个例子先，你看一场nba比赛咋看？直接看直播不是；但是另外一种情况，我们还看这些东西，比如那些统计数据，得分，篮板，助攻，盖帽啥的。
其实这些统计数据相当于从另外一种方法诠释了这场比赛。同理，对一个信号，我们一般看到的仅仅是它的时域波形，但在很多情况下，仅仅了解时域波形不足以了解这个函数的全部信息，因而我们需要从另外一个维度去看这个信号。傅里叶变换就是从频域看这个信号。
而时域和频域转化的落脚点就是那两个经典的公式。举个经典的例子，函数f=cos(2πt)，时域图像，就是一个余弦，你能从函数图像直接看到啥？最大值最小值 周期。。。
再看他的傅里叶变换后的函数图像，仅仅是两个尖脉冲，这两个脉冲只在特定的频率处有值。我们从中可以明确看到这个函数的频率信息。对于复杂的信号，更是如此。
简单应用，滤波。。。举个简单例子，假如有两个信号f=cos(2πt)和f=cos(2000πt)，但是现在两个信号混叠在一起，我们要把他们分离。对他们各自进行傅里叶变换后。
很明显两个信号在频域特征特别容易分离，我们依据这个，适当采用滤波器。就能进行分离。复杂信号也是如此。
说的有点啰嗦了。。。。
在数字图像处理中，空间域也可以通过傅里叶变换转到频率域。对于这一点不太理解，频域不是和时域是一对吗 15
13楼：匿名用户
时域描述信号随时间变化 频域描述信号随频率变化 是从不同角度研究信号
14楼：匿名用户
我的看法是，空间域是图像坐标那种，时域是跟时间相关。一维的时候是信号处理是频域和时域，二维就有坐标了，多了空间域。
matlab对一张图像做傅里叶变换fft的意义，已经图像功率谱绘制
15楼：匿名用户
冈萨雷斯版《图像处理》里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。
傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。
图像傅立叶变换的物理意义
图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。
傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。
换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数
傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提梯度？
因为实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。
这样通过观察傅立叶变换后的频谱图，也叫功率图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。对频谱移频到原点以后，可以看出图像的频率分布是以原点为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰
另外我还想说明以下几点：
1、图像经过二维傅立叶变换后，其变换系数矩阵表明：
若变换矩阵fn原点设在中心，其频谱能量集中分布在变换系数短阵的中心附近(图中阴影区)。若所用的二维傅立叶变换矩阵fn的原点设在左上角，那么图像信号能量将集中在系数矩阵的四个角上。这是由二维傅立叶变换本身性质决定的。
同时也表明一股图像能量集中低频区域。
2 、变换之后的图像在原点平移之前四角是低频，最亮，平移之后中间部分是低频，最亮，亮度大说明低频的能量大（幅角比较大）
可见光的频率的含义是什么？电磁波的波长，频率含义是什么
1楼 匿名用户 可见光是电磁波的一种，因而和电磁波的频率含义一致 波长指重复单元的最小长度，频率指1秒内有多少个重复单元 2楼 频率是波长的倒数。一般我们讲光的特性时用波长表示。可见光的波长在4000至7800埃之间 1埃 0 1纳米 。 电磁波的波长，频率，周期的概念？ 3楼 介质不变电磁波波长 ...
复数信号的fft变换的物理意义是什么
1楼 取好个名字 您对于傅里叶变换恐怕并不十分理解 傅里叶变换的实质是将一个信号分离为无穷多多正弦 复指数信号的加成 也就是说 把信号变成正弦信号相加的形式 既然是无穷多个信号相加 那对于非周期信号来说 每个信号的加权应该都是零 但有密度上的差别 你可以对比概率论中的概率密度来思考一下 落到每一个点...
数学函数求导等于0有什么含义,函数f(x)的导数等于0的意义是什么？
1楼 蓓儿悦月子中心 一阶导数等于零表示函数斜率固定。 二阶导数没有特别的几何意义，通常可以根据二阶导数的符号变化，判断函数曲线的凹凸性及拐点，或用来判断所求驻点是否是极值点并且取得极大还是极小。二阶导数等于零说明此为函数的极点。 数学函数求导等于0有什么含义 2楼 匿名用户 如果函数y f x 在...