本課定位前面51~53課完整學(xué)習(xí)周期信號(hào)的傅里葉級(jí)數(shù)所有信號(hào)必須滿足周期性才能拆分為離散倍頻諧波疊加。但現(xiàn)實(shí)AI中絕大多數(shù)數(shù)據(jù)沒(méi)有周期性單張圖片像素分布無(wú)循環(huán)周期完整人聲語(yǔ)音整段音頻不存在重復(fù)循環(huán)波形擴(kuò)散模型隨機(jī)高斯噪聲完全無(wú)周期隨機(jī)信號(hào)傳感器單次短時(shí)采集數(shù)據(jù)。針對(duì)無(wú)周期連續(xù)信號(hào)傅里葉級(jí)數(shù)徹底失效因此本節(jié)課完成關(guān)鍵過(guò)渡將周期信號(hào)的離散傅里葉級(jí)數(shù)通過(guò)周期T趨向無(wú)窮大的極限推導(dǎo)演化出連續(xù)傅里葉變換實(shí)現(xiàn)任意非周期信號(hào)的全局頻域分解。本課緊密綁定AI核心場(chǎng)景圖像頻域?yàn)V波、擴(kuò)散模型噪聲頻域分解、語(yǔ)音特征提取。前置知識(shí)回顧任意周期T三角/復(fù)數(shù)傅里葉級(jí)數(shù)52課奇偶函數(shù)、半周期延拓簡(jiǎn)化計(jì)算53課極限、定積分基礎(chǔ)歐拉公式復(fù)指數(shù)轉(zhuǎn)換關(guān)系。一、傅里葉級(jí)數(shù)到傅里葉變換的極限推導(dǎo)邏輯周期無(wú)窮大的物理意義周期信號(hào)信號(hào)在區(qū)間(-T/2,T/2)存在無(wú)限重復(fù)循環(huán)非周期信號(hào)信號(hào)僅在有限區(qū)間存在其余位置數(shù)值為0等價(jià)于周期T \to \infty 的極限周期信號(hào)。離散頻率→連續(xù)頻率周期T信號(hào)基波角頻率\omega_0\frac{2\pi}{T}有限T頻率點(diǎn)n\omega_0是離散、分隔的獨(dú)立諧波T\to\infty\omega_0 \to 0離散頻率點(diǎn)無(wú)限密集離散頻率變?yōu)檫B續(xù)頻率\omega。復(fù)數(shù)傅里葉系數(shù)極限演化周期T復(fù)數(shù)傅里葉系數(shù)c_n\frac{1}{T}\int_{-T/2}^{T/2} f(t) e^{-in\omega_0 t}dt令 F(\omega)\lim\limits_{T \to \infty} T\cdot c_n代入極限化簡(jiǎn)直接得到傅里葉正變換公式。二、連續(xù)傅里葉變換正反變換完整公式傅里葉正變換時(shí)域→頻域輸入時(shí)域原始非周期信號(hào) f(t)輸出頻域復(fù)函數(shù) F(\omega)稱為f(t)的頻譜F(\omega)\mathcal{F}[f(t)]\int_{-\infty}^{\infty} f(t) \cdot e^{-i\omega t} dt符號(hào)含義t時(shí)域自變量時(shí)間、圖像一維像素坐標(biāo)\omega連續(xù)角頻率F(\omega) 復(fù)數(shù)模|F(\omega)|頻譜振幅輻角\arg F(\omega)相位。傅里葉逆變換頻域→時(shí)域還原原始信號(hào)通過(guò)全部連續(xù)頻率分量疊加復(fù)原時(shí)域原始信號(hào)f(t)\mathcal{F}{-1}[F(\omega)]\frac{1}{2\pi}\int_{-\infty}{\infty} F(\omega) \cdot e^{i\omega t} d\omega傅里葉級(jí)數(shù) vs 傅里葉變換核心區(qū)分項(xiàng)目 傅里葉級(jí)數(shù) 連續(xù)傅里葉變換適用信號(hào) 周期信號(hào) 非周期、有限時(shí)長(zhǎng)信號(hào)頻率特征 離散倍頻 連續(xù)不間斷頻率分解形式 無(wú)窮離散求和 連續(xù)積分輸出結(jié)果 離散復(fù)數(shù)系數(shù) 連續(xù)頻譜函數(shù)AI適用場(chǎng)景 循環(huán)時(shí)序、周期性振動(dòng) 圖片、語(yǔ)音、隨機(jī)噪聲、擴(kuò)散模型三、頻譜F(\omega)核心幾何與工程含義低頻區(qū)間|\omega|極小對(duì)應(yīng)信號(hào)整體輪廓、全局基礎(chǔ)特征圖像中代表大面積明暗、主體外形語(yǔ)音中代表人聲基礎(chǔ)音調(diào)。高頻區(qū)間|\omega|極大對(duì)應(yīng)信號(hào)細(xì)微波動(dòng)、細(xì)節(jié)紋理、噪聲圖像中代表邊緣、紋理、顆粒噪點(diǎn)語(yǔ)音中代表環(huán)境雜音、呼吸噪聲。AI核心操作邏輯頻域直接修改F(\omega)濾除高頻分量圖像模糊降噪、音頻去雜音濾除低頻分量提取圖像邊緣、分離語(yǔ)音細(xì)節(jié)音色縮放頻譜幅度圖像亮度對(duì)比度調(diào)整、音頻音量均衡。四、基礎(chǔ)函數(shù)傅里葉變換實(shí)戰(zhàn)例題例題矩形窗函數(shù)圖像、短時(shí)音頻最常用時(shí)域矩形函數(shù)僅在[-a,a]有數(shù)值1其余區(qū)域?yàn)?f(t)\begin{cases}1,\quad |t|a \0,\quad |t|a\end{cases}步驟1代入傅里葉正變換積分F(\omega)\int_{-a}^{a} 1\cdot e^{-i\omega t}dt步驟2利用歐拉公式拆分積分并求解F(\omega)\frac{2\sin(a\omega)}{\omega}2a\cdot \text{sinc}(a\omega)AI工程解讀所有短時(shí)截取信號(hào)20ms音頻、局部圖像塊都是矩形窗截?cái)嘈盘?hào)頻譜為sinc函數(shù)天然伴隨高頻旁瓣也是圖像壓縮、音頻分幀產(chǎn)生細(xì)微失真的底層數(shù)學(xué)原因。五、傅里葉變換核心基礎(chǔ)性質(zhì)AI頻域運(yùn)算必備線性疊加性質(zhì)\mathcal{F}[a\cdot f_1(t)b\cdot f_2(t)]aF_1(\omega)bF_2(\omega)意義信號(hào)疊加后的頻譜各自頻譜加權(quán)疊加。AI應(yīng)用擴(kuò)散模型噪聲原圖信號(hào)頻域可分開(kāi)處理兩者分量。時(shí)移性質(zhì)信號(hào)時(shí)域平移\mathcal{F}[f(t-t_0)]F(\omega)\cdot e^{-i\omega t_0}意義信號(hào)左右移動(dòng)頻譜振幅不變僅相位發(fā)生偏移。AI應(yīng)用圖像平移、音頻時(shí)間偏移不改變紋理/音色特征。頻移性質(zhì)頻譜整體偏移\mathcal{F}[f(t)e^{i\omega_0 t}]F(\omega-\omega_0)AI應(yīng)用語(yǔ)音變調(diào)、圖像頻域特征偏移增強(qiáng)。六、AI大模型全場(chǎng)景落地應(yīng)用應(yīng)用1二維圖像頻域處理計(jì)算機(jī)視覺(jué)基礎(chǔ)單張圖片無(wú)周期性二維傅里葉變換將像素矩陣轉(zhuǎn)為二維頻譜低頻對(duì)應(yīng)畫面主體輪廓高頻對(duì)應(yīng)邊緣噪點(diǎn)。降噪直接置零高頻頻譜分量圖像壓縮舍棄幅值極小的高頻頻譜大幅降低存儲(chǔ)體積。應(yīng)用2擴(kuò)散生成模型噪聲分解擴(kuò)散模型的隨機(jī)高斯噪聲為非周期連續(xù)信號(hào)通過(guò)傅里葉變換拆分高低頻噪聲分量前向擴(kuò)散不斷疊加高頻噪聲反向生成逐步剔除多余高頻噪聲還原清晰圖像。應(yīng)用3語(yǔ)音大模型特征提取單段人聲音頻無(wú)固定周期傅里葉變換提取頻譜特征分離人聲低頻基頻與環(huán)境高頻噪聲用于語(yǔ)音識(shí)別、AI語(yǔ)音合成。應(yīng)用4時(shí)序非周期數(shù)據(jù)預(yù)測(cè)單次設(shè)備故障短時(shí)采集數(shù)據(jù)、一次性流量數(shù)據(jù)無(wú)循環(huán)周期傅里葉變換提取隱藏波動(dòng)特征輔助時(shí)序預(yù)測(cè)模型提升精度。七、本課核心總結(jié)傅里葉變換由周期信號(hào)傅里葉級(jí)數(shù)取周期T→∞極限推導(dǎo)而來(lái)專門處理無(wú)周期連續(xù)信號(hào)正變換實(shí)現(xiàn)時(shí)域信號(hào)轉(zhuǎn)為連續(xù)頻域頻譜逆變換可通過(guò)頻譜完整還原原始時(shí)域信號(hào)頻譜F(\omega)的模代表各頻率分量強(qiáng)弱低頻對(duì)應(yīng)整體輪廓高頻對(duì)應(yīng)細(xì)節(jié)與噪聲線性、時(shí)移、頻移三大基礎(chǔ)性質(zhì)是AI圖像、語(yǔ)音、擴(kuò)散模型頻域運(yùn)算的核心工具傅里葉級(jí)數(shù)處理周期循環(huán)數(shù)據(jù)傅里葉變換處理圖像、語(yǔ)音、隨機(jī)噪聲等非周期AI數(shù)據(jù)二者形成完整頻域數(shù)學(xué)工具鏈。本課金句周期無(wú)窮消解離散諧波極限演化誕生連續(xù)傅里葉變換時(shí)域信號(hào)轉(zhuǎn)入連續(xù)頻域高低頻分離實(shí)現(xiàn)圖像、擴(kuò)散噪聲的精細(xì)化處理。下節(jié)課預(yù)告第55課離散傅里葉變換DFT適配計(jì)算機(jī)數(shù)字像素、數(shù)字音頻離散采樣數(shù)據(jù)打通工程可代碼實(shí)現(xiàn)的頻域計(jì)算工具。