傅里叶变换这事儿，说白了就是把事儿拆得碎碎念再拼回来，要么反过来把一堆杂音听成旋律。
那会儿学这玩意儿，总喜爱跟着一本厚厚的书，从定义到性质，从收敛定理到分布理论，像读 scripture 一样背下来。但目前的我，认定那些公式堆叠在中间，像是一座座孤岛，看着就累。还不如翻书，不如直接上手按计算器，试错着摸门道。 想象一下，你手里有一把锤子，锤头是个函数，比如 $f(x) = (x-1)^4$，这玩意儿在 $x=1$ 处是个尖刺，像个“冲劲十足”的小卒子。
你想看它的能量谱，也就是傅里叶变换 $hat{f}(omega)$。直接算积分忒慢，还好办出错，干脆拿个计算器，设 $x = 1 + r$，把积分里的项展开，逐项积分。$(x-1)^4$ 的展开是$x^4-4x^3+6x^2-4x+1$。 算完系数发现挺有意思，$C_0 = 1$，这说明啥？说明平均高度是 1。再看更高次项，$C_4$ 出现了，$C_6$ 也出来了，它们加起来正好等于 2。
这对应到物理图像上，就是那个尖刺的能量被“平均”到了频率上。
最有趣的是 $C_{1/2}$，它不是整数，是个 $1/2$。
这时候我突然想，要是我把 $x$ 换成 $sin(y)/y$，要么拿个 $(x-1)^2$ 这种偶次函数去凑，能不能把那些分数项消掉？ 试试。设 $f(x) = (x-1)^2$，展开是 $x^2-2x+1$。系数分别为 $1, -2, 1$。前两项正好互为反之数，一正一负抵消。
这样所有的 $C_k$ 都归零了。啥意思？意思就是那个“尖刺”的反射波，正好和前面的原始波面对面撞上了，互相抵消，总能量只剩下一点点 $C_0$。
这说明啥？说明不同的频率分量之间，有时候没法共存，有时候会形成“量子干涉”，让某些频率彻底消亡。
这就是频域卷积的魔术。 再来个例子，$f(x) = e^{3x}$，这在 $x to -infty$ 时是发散的，但在 $x to +infty$ 时也是无限大的。
这玩意儿在积分里会出费事，得加上收敛因子 $e^{-varepsilon x}$ 让它收敛。算完系数，$C_1$ 特别怪，它是一个无穷大，$infty$。
这对应到现实世界，就是信号在工夫轴上无限延伸，能量密度在某个频率上变成了无穷大。
这时候傅里叶变换不再是一般/平平函数，得变成广义函数，叫“分布”。
这玩意儿听着抽象，实际上就是数学上的“极限”，告诉我们要小心处理那些不收敛的信号。 说到收敛，它不一直稳定的。
比如信号 $f(t) = sin(2pi t)$，这是个完美的周期波。
要是把它傅里叶变换，你会发现它分解成 1 个 $delta$ 函数和 1 个 $delta(omega - 2pi)$ 和 1 个 $delta(omega + 2pi)$。
什么的，不对，$sin$ 是奇函数，变换后应当是偶函数。$delta(t)$ 是偶的，$delta(omega)$ 也是偶的。$delta(t)$ 的变换是 1，$delta(omega)$ 的变换是 1（常数）。
那 $2pi t$ 的变换是 $2pi j$，奇偶不对。啊，我算错了，$sin$ 的变换是 $2pi$ 个冲激。重点来了：要是信号是单边的，比如 $f(t) = e^{-t} u(t)$，它不能做双边傅里叶变换，出于左边是空的，没法对称。得用单边傅里叶变换，要么加 $e^{-varepsilon |t|}$。
这提醒我，傅里叶变换不是万能神药，选对工具比公式本身更关键。 还有啊，不同函数之间能混在一起做变换吗？比如两个函数 $f_1$ 和 $f_2$，能不能算 $(f_1 f_2)(x)$ 的变换？根据卷积定理，这正是频域乘法，$hat{f}_1 cdot hat{f}_2$。
这忒撇脱了。
举个例子，信号 $f_1(t) = delta(t-a)$ 是个冲激，变换后是 $e^{-jomega a}$，这是个纯相位，幅度是 1，频率搬移。$f_2(t) = e^{-t} u(t)$ 前面提过，变换是个 $frac{1}{(omega+a)^2+1}$ 这种分式。乘积就是 $frac{e^{-jomega a}}{(omega+a)^2+1}$。
这在实际工程中，就是信号处理里的常见波形，比如带通滤波器的响应，就是几个指数和这个乘积样子的叠加。 还有，带宽的概念。
要是一个函数能量聚拢在 $[-W, W]$ 之间，它的变换范围就是 $[-2pi W, 2pi W]$。
要是带宽无限，变换就是常数。
这就像光，窄带的颜色是单一的尖峰，宽带的颜色是一团晕轮。傅里叶分析就是负责把光拆解成不同颜色的光，要么把声音拆解成不同音调的乐器。 最终说说反过来的。你有了频域的数据，比如一个漂亮的矩形窗，然后倒回去做逆变傅里叶变换，你能拿到啥？你拿到的是 sinc 函数。$f(t) = text{sinc}(a t)$。
这就是信号传输中常见的延迟要么相位畸变难题。带宽越窄，频谱越平坦，时域越宽，恢复越准，但需求更大的采样率（奈奎斯特采样定理）。带宽无限，时域变成无穷大的脉冲。 有时候我们还会遇到不清楚的难题，就是说，有时候同一个信号，用不同的方式算傅里叶变换，结局不一样。
这是出于我们在定义变换的时候，引入了 $1/sqrt{2pi}$ 要么 $1/sqrt{2}$ 的归一化因子，要么把工夫轴平移了。但物理意义是一样的，就是能量不变，只是坐标准度变了。
这就像尺子量同一根木头，量出来长度可能差一点点，但实际对象没变。 总而言之，傅里叶变换就是场。它不告诉你具体哪位是哪位，它只告诉你能量分布在哪些频率上，还有这些频率之间如何互动。
有时候互相抵消，有时候互相增强，有时候变成无穷大，有时候变成常数。理解它，就是理解信号在时域和频域之间那种神秘的舞蹈。别管那些教科书上的死记硬背，去感受那个积分过程在脑子里跳动，去感受那些冲激函数背后隐藏的波动规律，你会发现这玩意儿比公式好用多了。
