傅里叶变换在工科中的作用

目录

我在学《信号与系统》和《自动控制原理》时,对傅里叶变换的引入其实还是有些不解,教材往往一上来就讲定义、性质、收敛条件,却没先告诉学习者工程上为什么要这么折腾。

傅里叶变换是把“时间轴上的复杂波形”翻译成“频率轴上的配方”:这个信号里有哪些频率、各占多大、相位如何。对线性时不变系统来说,每个频率成分只会被改变幅度和相位,不会变成别的频率。于是时域里很难算的卷积、微分方程,到了频域就变成简单的乘法、代数。


1. 为什么需要傅里叶变换?

现实中的信号很复杂:语音、心电、振动、通信信号、控制误差……系统也很复杂:电路、电机、飞机、机器人。直接看时域波形,经常是一团乱麻。

比如一个线性系统,输入是 x(t)x(t),冲激响应是 h(t)h(t),输出是卷积:

y(t)=x(t)∗h(t) y(t)=x(t)*h(t)

卷积很难直观看,也不太好算。再比如系统常用微分方程描述:

$$ a_2 \frac{d^2y}{dt^2}+a_1\frac{dy}{dt}+a_0y

b_1\frac{dx}{dt}+b_0x $$ 直接解也很烦。

傅里叶变换的思路是: 不要直接研究复杂波形,而是把它拆成一堆正弦波。

就像一首合唱,听到的是一团声音。傅里叶变换相当于一个“棱镜”或“频谱仪”,告诉我们:这里面有低音多少、中音多少、高音多少。每个频率成分的强弱就是幅度谱,时间偏移就是相位谱。


2. 为什么偏偏用正弦波?

因为对线性时不变系统,正弦波是最“听话”的信号。

如果给一个线性时不变系统输入一个正弦:

x(t)=sin⁡(ωt) x(t)=\sin(\omega t)

那么输出仍然是同频率的正弦,只是幅度变了、相位移了:

y(t)=∣H(jω)∣sin⁡(ωt+∠H(jω)) y(t)=|H(j\omega)|\sin(\omega t+\angle H(j\omega))

这里 H(jω)H(j\omega)就是系统频率响应。

也就是说,系统对每个频率只做两件事:

  • 把这个频率的幅度乘以某个倍数;
  • 把这个频率的相位移动某个角度。

它不会把 100 Hz 变成 200 Hz,也不会产生新的频率。这个性质叫:复指数信号是线性时不变系统的特征函数。

这就是傅里叶变换在工科里好用的根本原因。


3. 傅里叶变换的核心作用:换坐标系

傅里叶变换:

X(jω)=∫−∞∞x(t)e−jωtdt X(j\omega)=\int_{-\infty}^{\infty}x(t)e^{-j\omega t}dt

逆变换:

x(t)=12π∫−∞∞X(jω)ejωtdω x(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}X(j\omega)e^{j\omega t}d\omega

你不用被公式吓到,它的工程含义是:

  • x(t)x(t):时域描述,信号随时间怎么变;
  • X(jω)X(j\omega):频域描述,信号由哪些频率组成;
  • 正变换:从时域看频域,做频谱分析;
  • 逆变换:从频域合成回时域,把各频率成分叠加回去。

最重要的性质是卷积定理:

x(t)∗h(t)⟷X(jω)H(jω) x(t)*h(t) \quad \longleftrightarrow \quad X(j\omega)H(j\omega)

时域里讨厌的卷积,频域里变成乘法。

微分:

dx(t)dt⟷jωX(jω) \frac{dx(t)}{dt} \quad \longleftrightarrow \quad j\omega X(j\omega)

时域里的微分方程,频域里变成代数方程。

所以傅里叶变换的本质是:把时域里纠缠在一起的问题,变成频域里各自独立的问题。


4. 在《信号与系统》里,它用来干什么?

主要干这些事:

  1. 频谱分析 看一个信号包含哪些频率,能量集中在哪。比如音频降噪、振动故障诊断。

  2. 求线性系统响应 系统冲激响应 h(t)h(t) 的傅里叶变换是 H(jω)H(j\omega)。 输入频谱乘以系统频率响应,再逆变换,就得到输出。 即:

    Y(jω)=X(jω)H(jω) Y(j\omega)=X(j\omega)H(j\omega)
  3. 滤波器设计 滤波器就是“频率选择器”。 低通:保留低频,去掉高频。 高通:保留高频,去掉低频。 带通:只留某个频段。 在频域看,就是让 H(jω)H(j\omega) 在某些频率大,某些频率小。

  4. 采样定理 为什么采样频率要大于信号最高频率的两倍? 因为采样会在频域产生频谱搬移和混叠。用傅里叶看一目了然。

  5. 调制与通信 把语音低频信号搬到高频载波上发射,就是频域搬移。 解调就是再搬回来。

  6. FFT 快速算法 工程里真正算频谱常用 FFT。它是傅里叶变换的快速实现,所以手机、雷达、5G、图像处理里到处都有。


5. 在《自动控制原理》里,它用来干什么?

自动控制里,傅里叶变换的思想主要体现在频率响应法。通常先有拉普拉斯传递函数 G(s)G(s),然后令:

s=jω s=j\omega

得到频率响应:

G(jω) G(j\omega)

它表示系统对不同频率正弦输入的稳态响应。

自动控制里最常用的工具:

  • Bode 图:幅频特性 + 相频特性;
  • Nyquist 图:用开环频率响应判断闭环稳定性;
  • 相位裕度、增益裕度:判断系统稳不稳、鲁棒性够不够;
  • 带宽:决定系统响应快不快;
  • 低频增益:决定稳态误差小不小;
  • 高频衰减:决定抗噪声能力。

通俗说:

  • 低频增益大:系统跟得准,稳态误差小;
  • 带宽大:响应快,但容易把高频噪声放进来;
  • 相位裕度大:系统稳定,不容易振荡;
  • 高频衰减快:噪声不容易传进来。

控制器设计也常看频域。比如 PID 调参,本质上是在调整不同频率段的增益和相位:

  • 比例 P:整体增益;
  • 积分 I:提高低频增益,减小稳态误差;
  • 微分 D:提高高频相位,增加阻尼,但会放大噪声。

所以自动控制里,傅里叶变换/频率响应的作用就是: 把“系统稳不稳、快不快、准不准、抗不抗噪”变成看幅频和相频曲线。


6. 傅里叶变换和拉普拉斯变换什么关系?

自动控制里更常见的是拉普拉斯变换:

s=σ+jω s=\sigma+j\omega

傅里叶变换其实是拉普拉斯变换在虚轴上的特殊情况:

s=jω s=j\omega
  • 拉普拉斯变换:能处理初始条件、暂态、不稳定系统,适合求完整响应和传递函数;
  • 傅里叶变换:更侧重稳态频率成分,适合频谱分析、频率响应。

控制里经常这样用: 先用拉普拉斯得到传递函数 G(s)G(s),再令 s=jωs=j\omega 看频率响应,画 Bode 图。所以两者不是对立,而是配合。


7. 最通俗的比喻

把信号看成一首复杂的合唱。

  • 时域:你听到的是一团总声音;
  • 傅里叶变换:告诉你每个音高分别有多响、延迟多少;
  • 线性系统:一个调音台,对每个频率旋钮调音量、调延迟;
  • 频域输出:每个频率分别调完后再混回去;
  • 卷积:时域里“整体混在一起算”,很麻烦;
  • 频域乘法:每个频率单独乘一下,很简单。

自动控制里,调音台如果某些频率放大太猛、相位又延迟太多,就会啸叫、振荡。Bode 图、Nyquist 图就是在看这个调音台会不会失控。


总结

引入傅里叶变换,不是因为数学家喜欢积分,而是因为工程上需要一个更简单的视角:

复杂信号 = 很多正弦波的叠加。 线性时不变系统 = 对每个正弦波只改幅度和相位。 所以时域卷积 = 频域乘法;时域微分方程 = 频域代数方程。

它在《信号与系统》里用于频谱分析、滤波、采样、调制、求响应; 在《自动控制原理》里用于频率响应、Bode 图、Nyquist 判据、稳定裕度、带宽和控制器设计。 傅里叶变换是工程上的“频率翻译器”,把时域里难缠的问题,翻译成频域里简单独立的问题。