粉丝7.6万获赞31.8万

大家好啊,讲了这么多期的护理液啊,好像没怎么讲过频谱图是怎么看怎么画的啊,那么这一期呢,我就专门给大家讲讲频谱图的第一印象,他应该怎么看怎么画啊。护理液变换的一大作用啊,就是把一个信号从食欲变换到频率啊。 食欲信号就是看一个信号他的能量啊,随时间变化的波动状况啊,就好比这个信号啊,他是随着时间的流逝而波动增强的。我们得知道一个事实,波他是会叠加的, 同样的波形叠加呢,他只是正幅会变大啊,形状什么的都还能保持啊。但是如果不同的波形叠加起来,那么原来的东西呢,就面目全非了啊,就像声音一样啊, 一个人唱一首歌可能好听,一群人同时唱同一首歌呢,也可能好听,但是如果一群人各唱各的,那场面就堪比稻花香里说丰年了,哈哈。 护理液变换的作用呢,就是把这些叠加的毫不讲理的波给拆了,就像现在的通话降噪功能,虽然你的声音和环静音呢混杂了在一起,但是护理液变换呢,可以把它拆开,再把不属于你的频率成分给打掉啊,然后剩下的再合回去啊,这其实就是滤波的原理了。 说到这我们就明白了,知道一个信号能量在不同频率上的分布有多么的重要了啊。如果你要画出能量在不同频率下的分布,也就是频谱图,那你是不是得把频率作为质变量呀? 好,那我就换一条坐标轴来表示频率。答案,既然是能量在频率上的分布,那么纵坐标呢,就得是能量了, 但是对于波形来讲啊,他的能量是和他的正符的平方成正比的。哎,那我就直接把正符作为重坐标啊,那不也挺直观的吗?假如有一个频谱图是这样的啊,横坐标频率的单位呢,是赫兹啊,他的 间隔为一,就像这样啊,一赫兹,两赫兹,三赫兹,四赫兹啊等等,我们随便挑两个频率来看一下啊。二赫兹的位置高度是三,意思呢,就是组成圆信号的成分里面呢,有一个频率是二赫兹的余弦波形,而且他的正符呢,是三 五赫兹的位置的高度是零点五,意思呢,就是频率是五赫兹的余弦波形呢,他的正幅是零点五啊,大家注意一下啊,频率的间隔呢,主要是和原信号函数的周期是有关的,这个后面会细讲。 于是呢,我们就得到了一个横坐标为频率,重坐标为正符的图像了,这就是最基础的频谱图了。 大家注意到一个事情了没有?政府代表了什么?物理量和他的单位是什么?我没有说,那是因为众坐标这个政府,他所代表的物理量是跟你研究的对象是相关的。如果你研究的信号是声音,那么政府呢,就是声压, 单位是 pass 卡,也可以是相对升压,单位是分贝。如果你研究的是电压信号,那政府代表的就是电压,单位是福特啊。 哎,大家看这个拼补图,这不就是一个函数图像吗?以频率为之变量,然后对应到不同频率上的正符作为函数值。那这个函数值和复理页变换的公式的关系是什么呀?我们是如何由复理页变换得到这些一个个频率上的函数值的呢? 之前说复利业级数的时候讲过,一个普通的函数可以分解成一个个正余弦函数的线性叠加公式呢,是这样的, 大家看这里的 a 一 a 二 a 三等等等等啊,这些是什么来的呀?这其实就是每一个波形的政府呀,就好比三眼 x 是这样的,在它前面乘个二呢,它就变得高一些,乘以三三三 x 呢,就更高了啊。举个简单的例子啊,假如有 有一个函数经过复理液级数的分解之后呢,就变成了这样啊, f t 是等于五扣上 t, 加三,扣上二 t, 加零点四,扣上三 t, 再加二,扣上四 t 的。我们先把横坐标画出来先啊, 扣上 t 呢,他所代表的角频率是一弧度每秒啊,扣上二 t 的角频率是二弧度每秒,然后这个呢,是三弧度每秒啊,等等等等。 至于角频率、弧度每秒跟频率赫兹之间的关系,我在前传中就讲过了,这里呢,就不展开了啊,我们来看一下长竖向,也就是零频率的位置啊,他是零,也就是正幅为零,不用画啊, 一弧度每秒的位置,对应的正幅呢是五,所以呢,我们这里的函数值就是五。二弧度每秒的位置啊,对应的正幅呢是三,所以这里的函数值呢,就是三。以此类推,我们就把其他的都画好啊,这样子呢,平谱图就画出来了。所以大家明白复利业级数 为什么要求 an 了吧,因为它就是频谱图里面的函数值呀。可能有同学就会问啊,如果有正弦像,也就是有 bn 怎么办呀?好比上面的这个例子多了一个 sant 啊,简单习惯上呢,我们会把它们都化成于弦的形式啊, 毕竟 a 零长数项呢,它是由抠三点零作为积德来的啊,我们用辅助角公式处理一下啊,全部都变成了余弦的形式,于是呢,就变成了这个样子啊, ft 是等于根号二十六,抠三点 t 减去零点一九七,后面的呢,照抄下来就行了啊, 刚刚的平谱图呢,就得改改了啊,一弧度每秒的位置的正幅呢,就变成了根号的二十六了。哎,那这个负的零点一九七弧度是什么来的呀?这个其实是他的向位啊,向位是相对原来的位置往前或者往后挪了多少啊,因为对 波形来讲啊,虽然大家都是同样的组成成分,但是你往前挪一点,往后挪一点,他们叠加起来的东西啊,可就大不一样了。你想想,一万个人同时唱一首歌啊,那叫做气势恢宏。如果一万个人各自在不同的时间开始唱,哈哈,那画面简直就太美,不敢多看一眼。 所以呢,我们一般呢,还得再画一个向位谱,来记录一下不同频率成分的向位信息啊。这里呢,只有一弧度每秒的时候啊,有负的零点一九七弧度的向位,其他频率向位为零啊,也就是其他频率呢,都是在初始的位置同时开始正的啊,那么向位谱画出来就是这样的啊。 好,至此呢,我们就完成了对频谱图的第一印象的建立了,我们还可以再深入一点,是不是有同学还发现了,有些频谱图是有负频率的,可你上面的这个频谱图的频率却是从零开始的,非负数。不光这个啊,从上面 频谱图来看啊,频谱图反映的是一个离散的函数,但实际上我们常常看到的频谱图却是连续的,那这又是怎么回事呢?还有一些频谱图,他是对称的,而你上面所讲的这些频谱图啊,他一点也不对称呀。哎,别慌啊,这不才第一印象吗, 不过刚好到了我视频长度的极限啊。当然,这不是我的极限啊。可以下期细说,我们下期见。

今天讲护理液逆变化,经常拆家的朋友呢,应该都知道啊,把东西拆的容易,但要把它再装回去呢,就没那么简单了,别问我是怎么知道的,哈哈,而护理液变化就是这样的一个拆家工具啊,它可以把一个复杂的信号拆开成简单的成分,看看哪里出了问题。 但其实大家平时看的比较多的只是复利业变换的成本,只看到了拆的部分就是这个,而合并回去的部分呢,也就是这个复利业逆变化却常常被忽略,或者是被一笔带过,以至于留下非常多的疑问。最大的疑问莫过于这里的二派分之一,他为什么要在这里除以一个二派呢? 如果我告诉你,逆变换这里其实也可以不用除以二派,甚至除以根号二派也是可以的。首先大家要知道一个事实,食欲信号 f t 经过正变换,可以得到以频率为自变量的频率信号 f omega 频率信号 经过逆变换之后呢,又可以变回去 f t。 所以问题的关键就是要把这个正着推再逆回来这个过程给找出来,而逆变换的奥妙就藏在其中,就好比你在丛林探秘的路上撒下彩色的小石头,最后呢,再顺着小石头回到了原点一样去图即是归图, 那大家再跟着我看看是否能够沿着正变化的采石找到逆变化的归途吧!我们还得回头从复利业级数的复制数形式讲起啊啊,这个在第八集就讲过了, f t 呢,是可以看成是一个系数乘以一个机,再加上另一个系数乘以另一个机,这样的不断不断的累加的啊, 所以这些系数实际上就是频谱里面对应频率的函数值。例如,这是一个周期为二派的函数的复利页结束展开。 c n 呢,在这里是系数,同时也是频谱的函数值。例如一,弧度每秒的频率对应函数值 呢,是 c e。 二,弧度每秒对应的是函数值。 c 啊,它是一个复数来的,包含了幅度和相位的信息。假如求出来的 c e 啊,它是等于三乘以一的 i 三分之 pi 是密,它的模长三可以化为频谱图的众坐标。符角三分之派就可以化为相位谱的众坐标。 所以正变化的任务呢,就是要把这个系数 c n 给求出来。那么 c n 是怎么求出来的呢?我们可以利用负离业计数积的正交性。例如,我想求第二项系数,也就是 c r 的值,只需要左右两边同时乘以 c 二项积的共二一的负 i r t c m。 然后呢,再求积分,因为周期是二派,所以积分的范围是从副派积到派,当然,积分的上下线的差距保证是一个周期就行了啊啊,零到二派也是可以的。好,再看这个积分呢,这里出了 c 二的这一项, 其他项的积分全都是零,而 c 二这里呢,变成了一的零次方,也就是一副派到派的积分,记出来就是霸派。乘以 c 二了一下项,就可以得到 c 二的公式了。 类似的,我们也可以得到 cn 的公式。可能有同学会问啊,这些其他项为什么是零呢?我随便挑两个非共二的基出来算给你们看一下就知道了。例如一的 i 三 t 和一的 i 二 t 这两项相乘,在求积分可以得到啊,这里是一的 i 五 t, 用欧拉公式划开成余弦和正弦两部分,再求积分。 三演的五 t 呢,是积函数,所以这里的积分是零。 cosin 五 t 与 x 轴为长的面积啊,上下刚好是相等的,不难得出结果也是零,所以呢,整个积分的结果就是零,这个其实就是积与积之间的正交性了。这个公式是针对二派周期函数的,如果与函数周期变为任意周期 t 呢,函数周期 的变化,那么组成函数的基也要相应的变化。这个我在第十一集的时候呢讲过了,例如二派周期函数的基,频率间隔呢,是一弧度每秒,所以它的频谱的横坐标呢,就是一二三四一直到 n, 一个频率对应一个基,那它的基呢,就是一的 i n t 次密 周期为 t 的函数基,频率间隔呢,是 up 除以 t 评估的横坐标呢,就是 n 乘以 up 除以 t 了啊,当然,为了书写方便, up 除以 t 呢,可以写成 omega, 那它的基呢,就变成了一的 i n omega teas me。 当然这个 n omega 呢,可以用下标的方式来表示啊,写成 omega n 也行了啊,表示的是第 n 个 omega 的值。 所以呢,针对任意周期 t 函数的 c n 求解公式可以这样写啊,这里的积的共二就变成了一的负 i omega n t 次密积分的上下 线呢,就变成了从负二分之 t 到二分之 t 了。这里就不是除以二派了,而是除以 t 和前面利用正交性来计算的步骤其实是一样的啊,这里除以 t 主要是由积分的上下线的差决定的,这样呢,我们就完成了正变化的步骤了。 好,我们再沿着正边方的路逆着走回去试试啊,西数乘以几,再累加起来就可以变回去食欲的函数 ft 了。我们原封不动的把刚刚求得的西数的式子带回去,那西数乘以几就变成了这个样子。 这里呢,我们可以把 t 分之一提到前面来啊, f t 就变成了这个样子。为了表达的规范,我把这里的 t 改成套啊,实际上呢,是一个意思来的。到这,我们是不是已经把逆变换的路走完了嘞?还没啊,因为这是周期函数的频谱,是离散的。如果是非周期的函数呢?非洲 周期函数实际上可以看成是周期无穷大的情况,也就是 t 趋向于无穷。这里呢,我们可以用一个极限来表示啊, 因为我们要求的是函数在频率中的表现。接下来呢,我们要用频率对周期进行代换。欧米伽恩呢是频谱的横坐标,那横坐标的间隔就是吊塔。欧米伽恩是等于二派除以 t 的,所以 t 分之一呢,就等于吊塔欧米伽恩除以二派。 delta omega n 呢,可以放到后面去。二派分之一是长数,可以提到最前面来,因为 t 趋向于无穷,所以 delta omega n 呢,就是趋向于零的。 那么极限的这里呢,就变成了标塔 omegan 趋向于零了啊,同时这个积分的上下线呢,就变成了负无穷到正无穷了。大家注意看这里啊,极限趋向于零,然后呢, 还搭配着求和高数经常考满分的同学啊,一眼就看出来了,这不就是求定积分吗?啊,这个 delta omega 呢,就变成了 domega, 积分范围是从负无穷积到正无穷的。 好,至此呢,我们就得到了这样的一个公式,它是正着走进丛林,然后再逆着走回来的地图,它就是负离变换公式的完整版。中括号里的内容呢,是正变换,它可以得到频率函数, 当正变换的结果是已知的时候,它可以被写成是 f omega。 这个时候,这个积分就变成了我们所熟知的复利业逆变换的公式了。 角频率的机制引入了 up 积分计算的法则,又告诉我们这个 up 分之一也可以放到中括号里面去的。这个时候呢,正边框就有了 up 分之一,而立边框没有。当然你可以一人分一半啊,每个人都分一个根号 up 分之一,这个就是我 我们前面提到的疑问的答案啊。所以说,护理液变换其实就是一个一体两面的东西,正变换和逆变换应该是一起给的,只给正变换,就好比一个外科医生给你拉开了又不给你缝回去啊。同时提醒一下做科研的同学啊,不要拿别人系统的正变换结果放到自己的系统去做逆变换, 因为你不知道别人系统的 ipad 分之一是怎么分配的,别到时候纠结个两天半也不知道问题出在哪了。好了,这就是复利业逆变换的全部内容啊,我们下期见。


fmt 福利页变化是我们非常常用的一个功能,今天也跟大家分享一下,我们先给他给一个方波信号,这个方波信号我们先看一下他参数 添加下的频率和幅度值,是一个一兆赫兹五伏的一个防波信号,我们看一下它的 fft 信号是什么样的。 点击 mas 就是数学运算,一般试播器的频谱模式,就在这个数学运算这个按键里面,我们选择 fft 功能,这个就是他的频谱选择原通道一,然后将他的 每格代表的信号我们调小,我们就左右调他的信号,把它调到最合适的位, 哎,他需要出来了,然后铺满屏幕,这是他的频谱的迹象,因为方波我们知道是由一个机波再加他的无数个机字斜波,这个是一兆赫兹,再加他的三倍, 五倍,七倍,这就是三兆、五兆、七兆、九兆等等等等一系列的震弦波信号组成的。其实可以读一下他的分值,我用光标读一下 光标在这里你达到他的分值可以读一下是一个一兆赫兹的幅度值,是一个六点八四 db 的, 然后我们打到第二个,第二个最大值约等于二点九兆,就是约为三兆赫兹对他的三倍,然后第三个 应该是他的五倍,我看是不是五倍,是一个四点九,找盒子是他的五倍的信号,然后下一个七倍。大家有没有观察到这个试播器,其实他的右侧就有一个专门的频谱通道,我们打开他的专门的频谱通道, 他的底噪也是非常低,这个平普通道和我们的平普分析的功能是一样的,当然不是所有的石拨器都有这个平普通道,所以我们一般还是用他的 ft 去测试。感兴趣的话关注安泰小课堂,我们也会为大家介绍更多关于仪器仪表的使用。

上面展示的就是我们要在这期视频中探讨的内容,使用动画的方式来考虑数学中一个超级重要的概念, 复立业变换。对于不熟悉复立业变换的观众来说,我们的首要目标是介绍这个概念。但是即便大家很熟悉复立业变换,我们还是觉得看看每一部分长什么样,既有趣又能加深理解。首先,最核心的例子很经典, 就是分解声音中的频率。但是在这之后,我们还非常想稍微展示一下,这个概念的适用范围远不止声音和频率,他在许多看似无关的数学领域,甚至是物理中都有体现,真是无所不在,令人震惊。直接进入 入主题,现在播放的是纯电音,每秒四百四十块,意思是说,如果大家测量耳机或扬声器附近的气压,把它当成一个关于时间的函数,这个函数也会在他的平衡点附近上下震荡, 每秒产生四百四十次震荡。对于一个更低的音调,比如低音,结构是相同的,只是每秒节拍数变少了。当这两个音同时播放时,大家认为最终的压强时间图像是什么样的? 在任意时刻,压强的变化就是每个音调产生的压强的总和。说实在的,这个东西有点复杂,很难想象在某些时刻,两个峰值相互重合,产生了很高的气压,而在其他时刻,他们又会相 相互抵消。总而言之,大家得到的波浪形压强时间图像并不是纯粹的正弦波,而是更复杂的波形。 当大家加入更多音调时,波形也会越来越复杂。但是就目前来说,他不过就是四个纯音的组合,这个波形的信息量这么少,看着却太过复杂了。 麦克风在记录声音时只能获取不同时刻的气压,他只知道最后的总和。所以核心问题就是大家要如何把一个这样子的信号分解为其中纯音的频率呢?有意思吧, 这些信号加起来的话,他们就全混在一起了,所以把他们再分开,感觉上就像把混合好的不同颜色的颜料分开一样。我们的大致侧 策略是这样的,建造这么一台数学机器,使得他能够区别对待各个不同的频率。 首先简单考虑只有一个频率的信号,假设他每秒只有三拍,我们就能轻松画出他的图像,而且我们只关注这个图像的一部分,在这里我们关注的部分是零到四点五秒。 关键思想在于我们要把这个图像缠绕在一个圆上。具体说说这句话的意思, 想象一个转动的向量,在任意时刻下,他的长度等于这个时刻的图像高度。在图像中,高处的点对应于离远点较远,低处的点对应于离远点较近。 我们现在使用的作图方法是这样的,每过两秒,这个项链就转过一整圈。 在缠绕图像中,这个项链每秒转过半圈,这点很重要。现在有两个不同的频率在起作用,一个是信号的频率,每秒上下震荡三次, 除此之外,另一个是图像缠绕中心圆的频率,目前是每秒旋转半圈,但是我们可以自由的改变第二个频率,比如说我们让他转的快一些,或者让他转的慢一些, 而且缠绕频率决定了缠绕图像的样子,有些缠绕图像可能相当复杂,但是的确很漂亮。要记住重要的一点, 我们所做的就是把信号缠绕在一个圆上。顺便提一句,我们在最上面的图, 图像中画了些竖线,他们是为了标清楚绕着圆旋转了整周时,原始图像中对应的位置。 如果竖线间隔是一点五秒,这就说明旋转一周需要一点五秒。到现在为止,大家可能隐约猜到了缠绕频率和信号频率相等时,会出现特别的情况, 所有高处的点恰好落在圆右侧,而所有低处的点恰好落在圆左侧。但是我们要如何充分利用这一点来建造一台频率分离机呢?那就把这个图像看成一个有质量的东西,比如金属丝, 这个小红点代表的是金属丝的指心。我们改变缠绕频率的时候,图像的缠绕方式会发生变化,至心的位置也会有所摆。 对于大部分缠绕频率来说,图像的风和骨会均匀分布在圆上,导致至心一直待在圆点附近。 但是,当缠绕频率等于信号频率时,也就是等于每秒三拍时, 所有的风落在右边,所有的鼓落在左边,所以至心就会异常偏向右侧。为了刻画这个现象,我们来画一个图,记录每个缠绕频率对应的至心位置。当然了,至心位置是二维的, 需要两个坐标来完整表述,但我们暂时只记录他的横坐标。频率为零时,所有的点都堆在右边,至新的横坐标相对较大,当大家增加缠绕频率时,图像就会平均 分布在圆上,至今的横坐标也就趋向于零,之后他也只是在零附近不停摆动。 但是当频率等于每秒三拍时,会出现一个尖峰,因为图像全都绕在右边, 这就是我们的核心构造。总结一下到目前为止的内容,一个是原始的强度时间图像,一个是二维平面中的缠绕图像。除此 之外,还有一个图像记录了缠绕频率如何影响缠绕图像的指信。差一句,我们回头看看零附近的低频。在新图像中,零附近有个很大的尖峰,他只是因为鱼弦曲线整体上移。 如果我们选择的信号在零附近震荡允许出现负值,那么我们在改变缠绕频率时,至今给缠绕频率图像就只会在三处出现一个尖峰。不过负值考虑起来既奇怪又麻烦,何况这是第一个例子, 所以还是考虑上移的图像了。大家只需要明白,在零附近的尖峰只对应于上移罢了。想要分解频率,我们主要关注的点就是那个在三处的凸起。 我们会将这张图称为原信号的进复理液变换。和真正的复理液变换还是有几点小小的不同的, 过几分钟就讲到了,但大家可能已经看出这个操作是如何帮我们挑出信号的频率来的,再来摆弄摆弄,换一个纯信号来玩玩。就拿这个每秒两拍的稍低频率的吧,施以同样的操作, 绕成一圈,想象几个不同可能的缠绕频率。与此同时,注意盯着窒息在什么地方, 然后一边调整缠绕频率,一边画出至新的坐标。和之前一样,在缠绕频率和信号频率相等时,出现了一个尖峰,这时就是每秒转两圈的时候了。但是真正的关键点,这个机器之所以让人喜闻乐见, 是因为他能读取包含好几个频率的信号,再把不同的频率分出来。就想一下我们刚看到的这两个信号吧,每秒三拍的波和每秒两拍的波倒不到一起,如我们之前所说,这么得到的可就不是个纯鱼闲博了, 而是更复杂的信号。但是想象一下,把这东西扔进我们的缠绕频率机器里去的话,肯定是越绕看上去越复杂的,混乱不堪。然后在每秒二圈的时候,图像整齐排列起来了,再继续 哦,在每秒三圈时,又排的超整齐了。跟我们之前说的一样,绕起来的这个图可能看起来又乱又复杂,但这只不过是把图像绕着圆缠起 起来了罢了,只不过是图像更复杂了,缠绕频率更快了罢了。这有两个不同的尖峰,是因为如果大家拿来两个信号,再分别对他们使用进副理业变换,再把结果加在一起, 得到的结果和先把信号加起来,再进行进复理液变换是一样的。 细心的观众可以停一停,想一想,自己体会一下。我们所言不假,对大家来说,这也是一个不错的挑战。 来看看这个缠绕机内部到底测量的是个啥?这一性质现在对我们是超级有用的,因为对单纯频率的转换,除了在其频率附近会出现一个尖峰以外,其他地方都几乎是零。所以再将两个单纯频率加起来以后,转换 后的图像就在含有输入频率的地方出现小尖峰,这个数学小机器实现的正是我们想要的功能,把原有频率从一团糟里分离出来,使混在一起的颜料相互分离。在继续讲解此操作的完整数学描述之前, 我们来快速看看一个副理业变换特有用的场景音频编辑。比如说大家现在手上有段录音,里面有个超凡的高音消叫,大家想把它过滤出去。首先信号以函数的形式输入,横轴是时间,竖轴是强度, 通过大家的脉每毫秒输入不同的电压。但我们想要以频率的角度来看待这一问题,所以对这一信号做复立业变换,凡人的萧窖看上去就会是某一高频率上的尖峰, 把这个尖峰敲下去,看到的就是大家所原本录下来声音的副立业变换了,只不过没了高音消叫而已。很幸运,我们还有副理业逆变换的概念,就是说能通过复理业变换来推出变换前的信号来。 我们会在下期视频里更多的探讨逆变换。长话短说,对复理液变换再施以复理液变换,得到的就是和原始函数差不多的东西。 差不多吧,这么说是有点骗人,但大方向没错,之所以说有点骗人,主要是因为我们到现在也没说真正的副理业变换是什么样的, 毕竟他比这个至心的还所标的概念要复杂那么一点点。首先把这个绕起来的图再拿出来观察他的至心。哎, 坐标只能反映一半的事实对吧?意思是这东西毕竟是个二维图形,还有歪坐标呢?往往在数学中,无论什么时候处理二维问题的时候,把它看作是负平面都是很方便的,此时至今就是个负数,同时有十步和虚步。 之所以以负数角度看待事物, 而不是简单的说有两个坐标,是因为负数能很好的描述和缠绕旋转等相关的事物。比如说超有名的欧拉公式告诉我们 曲艺的 xs 方,大家就贿赂在从右边开始沿着半径唯一的单位圆逆时针走了 n 个单位长的点上。 比如说大家想要描述一个每秒钟转一圈的旋转,那大家就可以用意的二派 itt 四方来表示, 其中替表示经过的时间,因为半径唯一的单位员来说,二派就是一圈的长度。 不过这看起来有点眼晕,那就要换一个更低也更合理的频率,这时只需要在指数的替前面乘上频率 f 就好。比如说如果 f 十分之一的话, 此项量就每十秒钟转一整圈,因为只有在 t 增长到十的时候,整个指数部分才是二排啊。 如果大家感兴趣的话,我们在另一期视频里蒋乐易的虚束四方为什么长这样的一些直观解释, 就现在而言,我们就拿来用就好。大家现在可能问讲这些干嘛呀?是这样他能给我们一种超棒的方法 来将缠绕图像的思想写成简洁紧凑的公式。首先在复理液变换的语境下,通常认为旋转是沿顺时针方向的, 我们就在指数向前面加个符号吧。现在拿一个描述信号强度和时间关系的函数出来,就比如我们之前用的这个纯鱼弦,不好了,命名为,具体 将这个指数函数乘上 gdt, 意思就是这个旋转的负数依照函数值大小被缩放了, 这样就能将这个长度不断变化的旋转向量看作是在画出缠绕起来的图像,岂不美哉?这么个漂亮的小 公式,就囊括了整个按照可变频率将图像绕圆缠起来的想法。 别忘了,我们要这个缠绕图像的目的是跟踪他的制心,想想用什么公式能捕捉这一特性,先至少估计一下吧。 大家可以试试在原信号上取一堆样本点,看看这些点在绕好的图上处在什么位置,然后取个平均,也就是说,把他们都作为负数加起来, 然后再除一样本点总数,当大家取的点更多,他们也就挨的更近,结果也就越准确。取极限时,不再认为是把一大堆点加起来再除一点数, 而是对函数做积分,再处以时间区间的长度。对负函数做积分,看起来可能怪怪的。对那些见到微积分。

这条视频一定可以让你彻底看懂富力业级数和富力业变换的底层逻辑,并且一辈子也忘不掉。富力业级数是一个超级强大的数学工具,它可以将任意一个周期性的函数拆解为一系列基本的正弦和余弦函数。而对于非周期性函数,我们就需要富力业变换了。 这个公式看起来似乎很复杂,很恐怖,估计很多人上大学的时候根本就没弄明白这条公式的底层逻辑,就光记住一下应付考试了,因为我自己就是他是。其实呢,如果从几何角度来看,福利业级数其实非常容易理解,我讲完以后,你说不定这辈子都很难忘掉了。 我们第一步,先讲清楚副列级数,然后再推广到副列变换。我们看这张图片中黑色的斜线代表的就是一个周期为二派的函数,我们可以用几个正弦函数的和来不断逼近他。第一项 six 是周期为二派 的函数,第二项 si 二 x 是最小周期为派的函数,所以周期也满足二派。后面的 si 三 x、 四 x、 五 x 同样满足周期为二派。这样就保证了把他们加大减减以后,函数周期还是二派, 然后调整他们前面的系数,也就是调整正符,然后取越来越多的像,就可以慢慢逼近原函数了。这个就是富力业级数大体上的一个思路, 然后把周期二派推广到更一般的周期 t, 换成屏幕上的正线和于谦函数就可以了。这个中学的时候都学过,三角函数的最小周期就是二派,除以前面这个系数等于 t 除以 n, 所以复列级数就是这么表示的。 第一项是一个常数,后面就是把无穷多个周期满足 t 的正弦和余弦函数加起来,然后通过前面的富力叶系数来调整正符。别看这个富力叶系数看起来很复杂,其实完全不用死记硬背,我们通过几 合的角度很容易就可以理解。讲这个细数之前,我们先来回答一个很多人都疑惑的问题,忽略级数为什么非得是用正弦和余弦函数来表示,而不是其他的函数呢? 是因为他们是正交的,所以选择他们作为积函数。就像我们熟悉的 x 轴和 y 轴是正交的,我们就可以用一个点在它上面的投影来表示这个点的坐标。中学时候我们都学过,如果两个向量的点击为零,他们之间的夹角为九十度,就说他们是正交的。 而正弦函数和余弦函数可以看成是无限为的。希尔伯特空间中的无限为向量,向量的各个圆就是连续区间内的函数值, 而两个函数之间的内基需要重新定义。有限为项量的内基是这样定义的,项量 u 是 x e y 一项链 v 是 x 二 y 二。项量 u 点成项量 v 就是 x c, x 二加 y 一 y 二。由于函数 的原是连续的,所以函数的内积就需要用到积分了。两个函数相乘,然后再积分算一下,得到正弦和余弦函数的内积为零,因此可以得到他们是正交的。于是富力业级数就可以从几何上来理解了。从几何角度看,富力业级数其实就是告诉我们 函数 fx 可以用这么一组由无限多个三角函数组成的正交机来表示,换句话说就是每一个三角函数都可以看成是一个独立的坐标轴。富力的级数展开就是把函数 fx 投影到这一系列由三角函数构成的坐标轴上面, 这里的系数就代表了函数 f x 在每条坐标轴上的坐标。比方说这个周期为二派的例子中,一 cos x, 三 x cos 二 x, c 二 x 等等就是函数 f x 的基底函数,把它们看成坐标轴前面的系数 a 零、 a 一, b 一、 a 二等等就是坐标, 这么看是不是就很清楚了?那下一个问题就是如何确定这些系数呢?要确定这些系数,其实就是求投影。我们找个简单的例子看一下,假设两个项链 v 一和 v 二是正交的,然后我们现在把另外一个项链 u 投影到这两个项链上, 于是 u 就可以表示为 c 一 v 一加 c 二 v 二,那么 c 一和 c 二就相当于 u 在这个新坐标系上的坐标了。那么怎么求坐标 c 一和 c 二呢?很简单,求 c 一就是 u 点成 v 一,再除以 v 一点成 v 一。这个很容易理解,你稍微算一下就明白了。 那么现在我们把这个公式再拓展到复列级数的情况,就可以求复列系数了。内积在有限为的向量空间中的形式就是点击,而无限为的函数空间中,内积的定义就是刚才说的这个式子了。我们要求 a n 这个系数,就是求函数 f x 在这个余弦 函数上的投影。参考之前向量的例子,分子就是函数 f x 和这个余弦函数的内积分母就是这个余弦函数和自己本身的内积, 于是就得到了 a n 算 b, n 也是一样的。这样你就彻底理解了复列级数了。总结一下就是复列级数可以把一个周期性函数 f x 展开成正弦函数和余弦函数,这些正弦和余弦函数构成了函数 f x 的基函数,复列系数就是基底的坐标。 理解了福利业级数,我们再讲一下如何从福利业级数拓展到福利业变换。福利业级数和福利业变换都可以把食欲转换成频率,不过福利业级数只能处理周期性函数,而福利业变换还可以处理非周期性函数。 所以时与就是函数值随着时间进行变化,而复列级数可以把函数展开成一些不同频率的三角函数之和。于是 把频率作为横坐标,就得到了频率图。比方说这张图前面这个黑色的方波函数可以由后面的三角函数叠加而成。坐标轴的这一面显示的是这个函数值随时间的变化,这个就是所谓的时欲。从另外一面看,则表示这个函数是由哪些频率叠加而成的,这个就叫做频率。 对于周期性函数来说,它的频语是一条条离散的竖线,而随着函数的周期越来越大,频语会变得越来越密。而所谓非周期性函数就可以看成是周期无穷大的函数,这时候频语就变成了连续的曲线。 而复利页变换的用处就是当周期为无穷大的时候,求出上面这根频域曲线。首先我们把复利页级数换一个形式,因为这里面又有重弦函数,又有余弦函数,不方便处理。我们用这个大名鼎鼎的欧拉公式给他表示成复数的形式, 同样可以把这一项看成是正交机,而 c n 则是对应机的坐标,然后令 t 区间于无穷。这么一算就得到了 f omega, 其中 omega 就代表频率,而这个就是所谓的副业变换, 站出来的就是频域曲线。好了,讲完了这条视频真的花了我不少时间和精力看完,帮忙点赞关注给朵小红花,感谢大家的支持!

复立页变换是声学和通信行业中应用非常广的一种方法。今天我们通过一个典型案例,从声音中分解频率信号,来了解它背后的原理。 这是一个国际标准音的声音,频率为四百四十赫兹。在电脑中,他的波形图会像正弦曲线一样震荡,每秒产生四百四十次这样的震荡。 这是另个低点的音调的声音,频率为二百九十三点六赫兹,它每秒的震荡次数会少一些。当我们同时弹奏这两个音调,会得到一个新的波形图,看起来复杂了许多。 在现实生活中,不管外界有多少不同的声源在发出声音,麦克风只会接受到那最终混合之后的波形。 我们将信号随时间的变化称为时域,随频率的变化称为频域。在频域中,我们似乎清晰看到了混合信号的原始组成。关键的问题是如何将一个混合之后的最终声音分解成不同的单频率声音。 那复立页变换可以帮我们解决这个问题,他可以将食欲信号转换到频率信号公式看起来有些复杂,我们可以构造一个数学工具来寻找单频声信号与混合声信号有哪些频率上的关联。 如果我们说一个声音信号每秒震荡三次,他的频率是三赫兹,这可以非常容易的把波形图绘制出来。我们将这段四点五秒的波形图均匀的映射到一个圆上。假如有一个像量沿顺时针方向旋转,旋转的 时间与持续波形图上的时间一致,向量的大小也与波形图上每时每刻所对应的点保持一致,所以波形图上值越大的点,所对应的向量距离也会越大,波形图上值越小的点也就会更加接近原点。 现在我们把波形图上两秒长度的波画到圆周上,也就是零点五圈一秒,他是这个样子的。值得注意的是,这里有两个频率概念,一个是波形本身的频率,另一个是波形图在圆上的播放频率。 这里说的零点五圈一秒,指的是波形图在原上的播放频率。第二个频率,也就是波形图在原上的播放频率,是我们可以自己任意控制的。大家可以看到,随着播放频率不断变化, 我们得到的图形非常复杂,更重要的是我们要弄明白这里到底发生了什么。当我们播放的频率与波形的频率相等的时候,图形会出现一种明显的特殊现象, 就像图中播放频率为三圈一秒的时候,每一圈下来项链的顶点都会落在同样的一个图形上,纵作标志比较大的部分都落到了原型所在的坐标系的右边两项线中,而值比较小的部分都落到了左边两项线中。 也就是说,当播放频率和信号频率一样时,图形的重心相对于原点产生了明显的偏移现象。我们再用一个新的坐标系横轴为我们的播放频率纵轴为图形重心的横坐标,这样可以很轻松的记录各播放频率之下的重心偏移了。 现在将播放频率从零开始逐渐增大,一开始图形的重心是严重向右偏离的,随着频率的逐渐增加,重心才慢慢向原点靠近,在零附近震荡,可以看到频率为三十,坐标系上有明显的凸起。 似乎通过这样的一种扫描器,我们找到了单信号的频率。那么我们到底是如何将持续波形图中的信号分解到不同的频率中去的呢? 现在我们用数学的思维来看看这个扫描器的原理。首先绘制一个由两赫兹信号、三赫兹信号和四赫兹信号混合的波形,选取 t 二到 t 一时间长度映射到原上, 也就是即坐标系上。原波形中替时刻在新坐标系中对应的坐标如下,用同 同样的坐标系记录随着播放频率变化,重心的横坐标随着播放频率从零开始逐渐增大,可以很明显看到频率为二三四十,坐标系上有明显的凸起,这样我们就找到了这些单频率的信号。 数学中通过变换第三个坐标系,这样的变换就是一个近似的复立页变换。复立页变换简单理解就是把复杂的信号考虑成由不同的简单信号组合而成,找出这些基本信号中能量较高信号对应的频率, 从而找出信号中的主要震动频率特点。比如这段声音中包含了高频的噪音,可大家仍然可以关注到声音所传递的主要信息。那么人脑是不是也在对声音信号快速地做一个复利页变换呢?


这是接月函数 ft 等于一 t 大于等于零的拉普拉斯变换。小窗介绍的是他在描述简邪运动中作为外部激励函数展示的二维图像 对应视频。在本号的微分方程专栏和复利业变换专栏掌握本篇各个小窗里的内容,对理解本视频的三弟直观解释至关重要。 拉普拉斯变换在工程学、物理学和数学上扮演着非常重要的角色。拉普拉斯变换让我们能够评估一个系统的稳定性和频率响应。 拉普拉斯变幻还为我们提供了一种轻松求解微分方程的方法,把微积分变成了袋数。请大家注意,在本视频中有时间轴拖动的动画,时间轴代表函数输入,自变量替负平面代表两维的 ft 输出。如果再输入 s, 则还需要额外的两维,五维无法展示,所以 s 被设为无数负值中的一个定值,即当成常量。大家看到的螺旋线只是无数条线中的 s 等于此值的一条。 在本视频中,颜色表示一个函数的向位信息, 虚竖的向位,用旋转的白色线与正时轴之间的夹角来表示。 虚数的扶直,用旋转的白色线的长度来表示。这条线是 s 等于零点一加 i 时,函数 e 的 st 四方的图像。当 s 在负平面上任意取值时,对应无数条这样的螺旋线。 在 f, s 等于 s 分之一。这个频域函数中有时也叫 f 域,不存在时间信息,没有时间这个字变量。此函数的输入是一个虚数。虚数的十步和虚不值可以从两个坐标轴上读出, 落下的每颗珍珠代表一个负数。输入击中的点有两个含义,一是代表圆函数与饥函数乘积的积分函数, 二是代表元函数在拉普拉斯变换后输出的 s 与函数的值。此函数的输出也是一个虚数,他由图形的高度和颜色表示,高度由垂直于 于实轴和虚轴的一维轴给出,颜色则代表了第四维。图中每个点的高度代表输出的符值,颜色代表输出的向位。 图中现在看到这个拉普拉斯变换后的函数中,输出和输入完全相等,都为 s。 他的原函数是迪拉克 dlat 函数的一阶导函数,而这个拉普拉斯变换后的函数,他的输出等于输入的导数。前面说了,他的原函数是接月函数。 当 s 为何值时,这个频域函数存在,或者说圆函数的那个积分函数收敛在这里,当 s 的时步大于零时,函数存在。 这个例子中的函数,我们称之为频喻函数。与夏文中的 直遇函数对应, 十月函数就是时间的函数,此时大家看到的是接月函数 ft 等于一。 每个十余函数都有一个相关联的频域函数,他们之间的转换我们称之为拉普拉斯变换。 这种变幻很有美感,但是为了理解他,我们需要先谈谈指数函数的相加。 对于时间的函数来说,变量 s 永远相当于一个长数, ft 等于扶直乘以向位。 如果我们使 s 的虚步变大,白线的旋转会加快,频度会升高,而且幅值也会增大。 如果我们使 s 的时部变大,扶直会升高的比之改变虚步更快。 如果 s 的时部为零,这时是复立业变换,扶直会维持在虚步确定的直上,如果虚步不变,则扶直也不会改变。 我们把我们的函数乘上一个长数, 在这个例子里,不妨设这个长数为十数三, 不过这个长数也可以是一个虚数。 现在来看看,当我们像这样让指数函数相加会发生什么。 所有的波形都可以通过这种指数函数叠加的方式制造出来。 波形的拉普拉斯变换告诉我们每个指数函数要添加多 多少。 如图,我们画一条无限长的直线, 这条线可以在任何位置上。 当这条线固定在一个位置上,每一个这样的点就代表一个指数函数,而这些指数函数就是我们用来叠加生成波形的 复数。 s 就是每个点在实轴和虚轴上的位置。 对于这些点中的每一个,我们加上这个关于时间的指数函数。这里的 s 可以被视为一个长数,用前面大家看到的天上撒下来的珍珠来表示,这是 s。 取一个定值时 e 的 st, 四方的三为图像,一为输入,二为输出。 每颗珍珠放到指数函数异的 st 次方里,再都与一个虚数相乘,这个虚数便是拉普拉斯变换的频域函数的值。用这条珠链上的红珠子表示,红珠子对应图中在这个位置的高度和颜色,代表虚数的浮直和浮角。由于我们有 无穷多个点,每个点代表的是函数,这样的函数相加很容易变成无穷大,除非我们也乘上一个无穷小的数,也就是这些点的间距。 由于这些点的间距接近于零,所有这些指数函数的加和可以表示成这样, 我们将结果乘上图中的这个长数, 就得到了我们关于时间的元函数。这是拉普拉斯逆变换对应的积分,也叫布罗姆维奇积分或富丽叶梅林积分。梅林逆宫式是用线积分得到的实数 c 表示直线的未 位置是 s 的十步,十步不变,在虚步上积分。 由于 c 可以取无穷个值,这条线可以在无穷多个位置,所以有无穷多种方法来创造我们原来的波形,即得到无穷多个元函数。 如果我们把线移动到 s 的时部为零的位置,那这就是一个特殊情况。我们要只用正弦曲线来生成波形,就像复立液变换一样。小窗展示复立液变换的二维图像,与本三维图像描述的是 同一个数学场景,但小窗因为缺少时间轴而借用了副虚轴。动画表现的是一对角速度相反的信号相加,他的虚步互相抵消,只剩下十步叠加后的函数在十轴上震荡。 现在是两对角速度相反的信号相加的动画,小窗也是,但此时主画面的情况跟刚才不同,因为拉普拉斯变换的 s 十步步为零,虽然信号相加时把他的虚布抵消了, 叠加后的函数还是在实轴上震荡,但震荡幅度在发散,这时已经是拉普拉斯变换。小窗的情况则跟前面类似,还是复利液变换 s 时不为零,震荡幅度不会发散。 拉普拉斯变换比复理液变换更具有普遍性,因为用拉普拉斯变换,我们也可以将 垂直随时间变化的丧影曲线叠加。那如果反过来,我们已经知道了我们的波形是什么样的,怎样得到他的拉普拉斯变换呢? 看如下的表达是,我们在长数 s 前面有一个符号, 将这个表达是乘以我们想要找到其拉普拉斯变幻的函数的波形, 在这里是接月函数。 ft 等于一 t 大于等于零,他的定义率在大于等于零,所以为负的情况可以引去。 在这个乘法运算的结果里,每一个时刻是一个用箭头表示的负数, 通过如下方程把所有的箭头加起来就是积分。 结果是一个用白色箭头表示的负数,而这个用白色箭头表示的负数就是我们的波形。再取值为 s 十的拉普拉斯变换。 如果积分的结果为无穷,我们就说在取值为 s 时,波形的拉普拉斯变换不存在。 这种情况是存在的。例如,当这个 s 的实布是一个很大的负数时, 这就是为什么在我们的例子里,当 s 的实布为负数时,拉普拉斯变换不存在。 当决定在哪里划线来恢复我们的原始波形时, 我们需要把它画在对于当前波形拉普拉斯变换存在的地方。

这期视频是我们专门给没有使用过频谱仪的朋友准备的,看完这期视频保证你会用,会看、会分析,看完记得点赞收藏。我们以这台罗德玉石瓦瓷的 fph 系列主持频谱仪为例,首先你拿到一台仪器之后要开机,开机的话我们电源键就不多再介绍了,频谱仪它是一个测量仪器,所以它一定会有一个信号的输入口,这台手持频谱仪的话,它的信号输入口就在它的正上方, 那我们可以看到在这个上面一共有四个接口。首先第一个接口的话,大家可以看一下这个形状,这个接口我们把它称作是 n 型头,可以看到在这个接口下面,呃,它标记了 rf 音 pro, 五十 o 表示意思就是射频输入, 然后阻抗是五十欧,那最大的输入范围是正二十 d b 毫直流输入,最大是五十伏。我们 频谱仪的信号主要就是从我们第一个口这个 n 型头这个口进来的。说到这个输入口,一般这个频谱仪他的输入口都是这种 n 型头,但是如果你的频谱仪他的这个频率比较高的时候, 这个时候他一般会用 sma 的接口,或者是二点九二的,甚至二点四毫米的。第二个接口他是这种口,我们叫做 bnc 口,这个和试播器上的接口是一样的,可以看到这个接口下面他写了 excel trigger in, 就是表示外部出发的一个输入口。第三个是一个耳机接口,因为你可以用频谱仪去听一些广播信号,解调的时候可以听到你所接调的内容。第四个是两个 usb 口, 对于新手来说,我们一定要去注意两个接口,一个是输入口,另外一个是这个 usb 接口,帮助我们导出数据。接着我们来看一下这个屏幕,在这个屏幕上有一个 方格图,这个方格图它其实是一个二维直角坐标系,它的纵轴我们可以看到数字有二十十零负十、负二十。它纵轴表示的是它的功率大小,信号功率大小,那单位一般是 db 毫,你也可以进行修改。横轴它所表示的是频率, 从左至右,他的频率是依次升高的,那我们可以去设置他的中心频率,也就是中间这条线,他 所表示的频率也可以去分别设置最左端和最右端的这个频率大小,最右端你最大,就可以设置到你这台频谱仪的一个上线, 那这台视频谱仪它的话可以设置到二十 g。 我们可以看到左下角有一个 ctrl 实际赫兹,就表示它现在中心频率是实际赫兹。你找到这个横轴的中间,那这条线它的这个频率就是实际赫兹。 然后看到最右边 spa 就是扫宽式一级赫兹,那这个表示的意思就是我从实际赫兹往两边或延伸,总共的宽度是一级赫兹,那你可以算一下,那最左边应该是九点五级赫兹,最右边应该是十点五级赫兹。 呃,那我们现在可以看到在屏幕上他有一个非常宽的一个黄色的线,那这个线表示的意思是底噪,底噪就是这台仪器本身的一个噪声,在当前的设置下,我们可以读取到他的底噪大概是负的六十多。所以呢, 如果你想要测出一个信号,那这个信号你肯定是要大于这个底造的,对不对?他应该在这个底造上突出出来,如果你的信号他的这个幅度小于这个底造的话,那他就无法被测量出来,那你就需要去调整他这个底造大小。那如何调整?可以参考我们之前 r b w w 和 v b w 介绍的视频,那这个就是我们频谱仪最基础的显示和读取的问题,测试问题找安泰。

底液变换红外光溥仪的工作原理,光源发出的光被分数器分为两数,一数经透射到达动静,另一数经反射到达定径。两数光分别经定径和动静反射,再回到分数器动静,以一恒定速度做直线运动, 因而经分数器分数后的两束光形成光潮差,产生干涉。干涉光在分数器汇合后通过用品池, 通过样品后,含有样品信息的干涉光到达检测器,然后通过护理液变化对信号进行处理,最终得到透过率或吸光度随波数或波长的红外吸收光谱图。更多精彩!

大家好啊,我们这期呢,来讲小波变化,小波变化脱单于复理液变化,但是呢,却有着复理液变化不可比拟的优点啊。这一集呢,我会从一个全新的角度,更深入的讲解复理液变化,然后呢,再过渡到小波变化啊,争取一次把原理讲透。 这事呢,我们得从一个很简单的数学概念讲起,内积,也就是点乘,假如这里有两个项量啊,分别是项量 a 长为六,项量 b 长为八,他们之间有着一个夹角六十度啊,他们点乘呢,就是用他们的摩长乘也他们夹角的余弦指啊, 这样子呢,可以得出来一个数值二十四。这样定义有什么用呢?他得出来的数值又说明了什么呢?我们不妨把刚刚的相量的夹角啊,调小到三十度,可以看到啊,相量 b 在相量 a 方向上的投影呢,是变 长了的,而点乘的结果呢,也变成了二十四倍,根号三变大了。大家观察一下啊,角度调整前后的向量 b, 谁和向量 a 更像呀,那自然是夹角更小的那个了啊, 所以点成这样子来定义的一大作用呢,就是可以衡量一个东西和另一个东西他有多像啊,也就是相似度,而点成出来的数值越大啊,相似度呢就越高。 好,这是如果把向量具象化成一个观察者,而观察者呢,只能看到和感知到他自己这个维度方向的东西啊。所以向量 b 在向量 a 的眼里呢,也还是一个向量啊,并且和自己呢是一条线上的。 那么在 a 的眼里, b 限量,它又有多长呢啊,那就得直接算限量 b 在限量 a 的方向上的投影是多少了啊?也就是拿 b 限量的 摩长乘以他们的夹角的余弦,就是 b 乘以扣三的 c 塔啊。如果用上刚刚的点乘的定义呢,就是 a 和 b 点乘啊,再除以一个 a 的摩长,这个呢,就是 b 在 a 上的投影长度了啊,这个很重要啊,但是要用。 如果向量 b 垂直于向量 a, 那么向量 b 在向量 a 上的投影就是零了,他们的点成结果呢,也就是零了,也就是说他们两个一点都不像。如果把向量 a 作为一个观察者,他压根就感知不到向量 b 的存在啊。 而当 c 他角变成钝角的时候,情况又不一样了啊,向量 b 在向量 a 的方向上呢,又重新有了投影啊,只不过方向和刚刚相反了,变成出来,结果呢,也变成了负值,那他们还相似吗?啊,当然相似了,谁说黑粉不是粉呢?哈哈,既然引出了观察者这个概念,那之前的向量 分解就可以从一个全新的角度去看了啊。虽然每一个观察者啊,都只能看到一个片面,但是当我们把所有观察者的结果都综合起来的时候啊,就可以得到真相了啊。例如,对于任意一个销量 m 啊,我们找了两个相互垂直的观察者 i 和 j 啊,他们的长度都是一, 你想看 i 眼里的销量 m, 那我就可以用 m 和 i 进行点乘,假如得到的数值是四, 而想看 j 眼里的向量 m, 那就用 m 和 j 来点成啊。假如结果是三,这个时候呢,向量 m 就可以表示为四 i 加三 j 了啊。可以看出,向量 m 对观察者向量 i 的影响更大,他们也更相似啊, 大家注意到了没,上面的两个观察者 i 和 j 的长度啊,被我定为了一,这其实就是皈依化操作啊,为 什么要皈依化呢?那你总不想作为基准的东西,高矮胖瘦五花八门吧啊,而且皈依化可以保证各个观察者在能量上是一致的啊,毕竟最强王者眼里的世界和我这个纯废黑铁眼里的世界肯定是有区别的啊。 如果你不提前归一,那么后续处理数据呢,又得一个一个来区别对待,那就相当麻烦了。如果作为观察者的向量长度不为一怎么办啊?那他不体面,我们就帮他体面呗啊, 例如 a 向量啊,它的长度不为一的,我们就直接除以它自己的长度,就可以得到归一化后的观察者了啊,其实就是 a 方向的单位向量了, 那刚刚的四 i 加三、 gi 和 g 都是单位销量,也就是规划过的观察者啊。而四和三呢,是投影系数,也就是不同方向观察者眼里看到目标的量是多少啊, 真的就是横看成岭侧成峰啊,远近高低各不同。好,我们再回到刚刚的那个例子啊,在观察者 a 眼里的向量 b 呢,可以这样子来表达了啊, a 点成 b 除以 a 的模啊,得到 b 在 a 上的投影数,然后再乘以 a 的皈依化向量,也就是 a 除以自己的模。 好,我们接下来呢,再把这个式子整理一下,这里呢,就是 a 点成 b 除以 a 模的平方,而这边呢,就是乘以一个单独的 a 项量。 到了这一步呢,我们就可以看出来,观察者他不归一的话呢,那你前面的系数就得归一,而这个 a 点乘 b 除以 a 模的平方呢,就是他的归一化系数了啊。 其实谁皈依啊,都是等价的一句话,小结一下观察者理论呢,就是对于给定的目标,让一群皈依化的观察者 啊,一人抽一人,然后呢,观察者记录下来自己看到的数据,而这些数据呢,就是我们想要的东西了,例如刚刚的四 i 加三 j 四和三就是我们想要的东西啊,所以点成呢,是观察者们了解一个未知事物的手段。那点成具体又是如何计算的呢?怎样算会更方便呢? 接下来,我们把这个点层放到直角坐标系当中去看啊,例如平面向量二一和三四,向量二一的意思呢,就是往 x 方向走两步,往 y 方向呢,走一步啊, 而这个向量点成的计算就简单的多了啊,分别把他们 x 方向的值和 y 方向的值相乘,再相加就可以了啊。那他们点乘的结果呢,就是二乘三加上一乘四等于十, 这个结果和他们的摩长乘以夹角的余弦呢,是一样的哇,你看,把点乘放到坐标系当中啊,计算就简单快捷的多。 而当向量的维度来到三维啊,假如向量 x 呢,是 x 一 x 二, x 三,向量 y 是 y 一, y 二 y 三,他们点成的结果呢,就是 x 一 y 一加 x 二, y 二加 x 三 y 三。 当维度来到我们无法理解的 n 为的时候,点成了规律呢,依然没有变,就是 x 一 y 一加 x 二, y 二,一直加加加加加加到 x n, y n 等等。我们似乎发现了一些不得了的事情啊,如果我们把 n 为 x 项量的这些数均匀的撒到了时间轴 t 上啊,假如我撒向的范围是 t 一到 t 二 哇,这不就是一个定义域从 t 一到 t 二的离散函数吗? s 一, s 二, x 三这些东西啊,都是函数值哎,你看,当这个 n 越来越大,直到无穷的时候,那么洒在 t 轴上的数呢,也就越来越多, 直到把这一段时间轴都占满,中间不留一点空隙啊,那么刚刚的离散函数呢,就变成了连续函数了啊,这个项量我们就可以直接表示成这样子啊, x t t 呢,是属于 t 一到 t 二的 b 区间啊。所以说,一个连续的函数是可以看成一个连续无穷为项量的 啊,这里的定义域呢,是根据实际情况来定的啊,你要是把下面的数字啊,撒满整个时间轴也是 ok 的啊,那定义域就是从负无穷到正无穷嘛啊, 那刚刚两个无穷为向量, x y 的点长就应该这样子求啦, s 一 y 一 s 二 y 二 s n y n 这些不就是对应点的函数值相乘吗? 当他们是连续函数的时候,就直接用两个函数表达是相乘就可以了啊,就是 s t 乘以 y t, 而刚刚的相加的动作在连续函数当中不就是求积分吗?如果定义 域是 t 一到 t 二的 b 区间,那我们就应该是从 t 一积到 t 二啊,式子呢,就变成了这个样子啊。积分实际上就是求和 x 轴围成的面积啊,轴上方的面积呢,是正下方的面积呢是负。例如这个例子啊, 相乘之后,积分上方的面积多一些,那么他们点乘的结果呢,就是正的,又例如三氧 x 和 q 三二 x 在副派到派的范围之内啊,他们相乘之后,上方和下方的面积刚好相等,那他们的点乘呢,就是零了。你可以说啊,从数学上看,三亚的 x 呢,和扣三 x 在副派到派的范围之内一点都不像啊,这就是两个连续函数的点乘的定义了啊。 好,接下来让我们把目光再放回到负离业级数里面来啊,负离业级数是由一系列简单的正余弦函数 作为机的啊,例如二派周期的函数的机呢,就是 cosin 零 t, cosin t, cosin 二 t 啊,三点 t, 三二 t 等等呢啊,其实这些机都是一个个的观察者啊,这些观察者呢,是通过不同频率来进行区分的啊啊,例如一弧度每秒的观察者,两弧度每秒的观察者啊等等啊, 他们可以看到目标函数在自己频率的世界中的投影啊,也就是影响是多少。当然,你也可以说是看看目标函数和观察者自己本身的相似度有多少啊。如果高频的观察者说,啊,你这个函数和我更像啊,那么原函数的高频成分呢,就更多。 例如我有一个二派周期的函数 f t, 我想看一下他和观察者抠三眼 n t 有多像,那我不就直接拿他们两个点乘就可以了吗啊, f t 乘以抠三眼 n t 再求积分,因为这个是个周期函数啊,拿其中一个周期来进 积分就可以了啊,是从复判积到派的啊。如果你还想再进一步看一下 f t 在扣在 n t 上具体的投影是多少的时候呢,那就离不开皈依化的操作了啊,刚刚已经讲过了,要么观察者是皈依的,要么系数是皈依的。 所以我们首先就得来看一下扣在 nt 这个观察者是不是归一了啊。如果是向量的话,看他有没有归一,就直接算他的模长是不是等于一就行了啊,例如向量二一,他的模呢,就是二乘二加上一乘一再开方啊,就是等于根号五的,其实就是勾股定理了啊。 再看深一点呢,其实就是自己和自己点乘呢,再开个方。连续函数不就是连续无穷为限量吗?所以连续函数的摩长呢,就应该是自己和自己点乘啊,也就是 f t 的平方,然后呢再积分,然后呢再开个方啊,就可以了 好,那么刚刚扣上 n t 的摩长呢,就可以这样子来计算了啊。呃,这个比较容易算啊,可以算出来它的结果呢是根号 pa 摩长对于一个连续函数来说呢,就有点怪怪的啊。其实呢,它有另一个名称就叫做二放数。 很明显呢,扣上 nt 这个观察者没有归一啊,因为他模长不为一嘛,所以 ft 在扣上 nt 这个观察者上的具体投影系数呢,你就得归一好,如果要算这个归一划过的系数,那我们前面总结好的公式就起作用了啊, f t 和扣上 n t 两乘再除以摩长的平方啊,那么这个系数呢,就变成了这个样子啊, f t 乘以扣三 n t 从副派积到派啊,这个就是他们点乘嘛,再除以摩长的平方就是除以派啊,就得到了这个公式,各位眼熟吗?对了啊,这个就是我们 之前学的复理页级数求 a n 的公式呀,这样子呢,我们就可以求出圆函数在不同频率下的投影是多少了。 好,接下来我们再进一步到负离页变换的负指数形式,他的基本思想呢,是一样的,只不过观察者由之前的余弦函数变成了现在的一的 iomegat 次密。这个观察者不得了啊,他把原来余弦函数观察者的观察范围呢,由实数域拓展到了带虚数的负数域了啊, 他在负平面和时间轴组成的空间里面呢,是这样子的啊,螺旋前进的啊,欧米杆呢,是旋转的角频率,欧米杆越大,他旋转的就越快啊。 不同的观察者呢,就是根据这种旋转的快慢来进行分类的啊,但大家旋转的半径呢,都是一啊,要注意一下啊,这个一的 i omega t 字密呢,是一个复数来的啊。对于 一个复数啊,假如 a 加 bi 吧,你要算它的摩擦啊,就可以直接用 a 的平方加 b 的平方再开个方啊,也可以用 a 加 bi 乘以 a 减 bi 再开方,而这个 a 减 bi 呢,是 a 加 bi 的共二复数啊,就是十步相等序步互为相反数的啊。 回想刚刚讲过的十函数的模的计算啊,是自己和自己相乘再求积分再开方的,而在负数里面呢,却是自己和自己的共二进行相乘的啊。 所以对于负函数,为了让点乘在负数域,可以实现实数域一样的功能啊。但这个以后会细讲,我们会调整一下负数域点乘的定义啊, 目标函数是乘以观察者的共二函数再进行积分的,而不是乘以这个观察者函数本身啊,所以对于一个目标函数,我们用一的 i omega t 次方啊进行观察,就是拿 f t 和 e 的 i omega t 次方进行点 成,而一的 i omega t 的共二负数呢,是一的负 i omega t 四方,所以说呢,也就是拿 ft 乘以一的负 i omega t 四方再求积分的啊, 那一的 i omega t 四方,这些不同频率的观察者都归一了吗?啊,已经归一了啊,从它的几何意义上来看呢,也能看出来啊,因为它表示的都是半径为一的旋转啊,就是快慢不同而已,所以它的这个摩长呢,也是一用定义计算也可以轻易的算出来它的摩长是一啊,像这样子算啊, 好,这个时候大家再来看一下这个公式,这不就是我们常用的连续函数的负离页变换公式了吗?我们积分出来的结果呢,通常是一个关于频率 omega 的负函数,而这个负函数的模呢啊,就加个绝对值啊,就可以理解为我们前面所说过的投影数,也就是该频率 下的震动的幅度,所以一般的幅度谱呢,就是以这个为中坐标的啊。而把具体的频率欧米伽值啊带入到这个负函数里面去呢,除了可以得到该频率下的幅度以外啊,还可以得到他的负角信息,也就是信号的向位信息啊,这个我会在负离业系列里面细讲啊, 如此看来,护理液变换真的就是一个完美的可爱的理论呀。然而事情呢,并非我们想象般的那么美好啊,其实成也萧何败也萧何,问题呢,就出现在了观察者的身上,我们看一下 eiomega t 这个观察者, 他在时间轴上是无穷无尽的,这会出现什么问题呢?不妨拿他在实数域的投影扣上 n t 来说明啊,如果我们的目标函数是长这样的,可以明显看出来啊,在前面一小段震动的频率是非常高的,而后面时间的 震动呢,几乎都是低频的震动,这个时候,我派一个高频观察者来对这个函数进行观察,你要是问这个观察者啊,请问他和你像吗?啊,他就回答,像,很像啊,具体有多像呢,他也都能给出一个数值给你啊。如果你再问一句,在什么时间段最像呀?啊?这个观察者就会一脸懵逼的说, 啊,时间?什么时间呢?因为对于这个观察者来说,他是在整个时间轴展开的无穷无尽的,观察者一变呢,就是整个时间轴一起变的啊, 他说的所有事情都是不分时间的,就好像我理解不了有钱人搬砖是不是用金手套的那样啊,哈哈,既然是这样子,发现问题咱就解决问题啊,我们可以试着把观察者给改造一下啊,把观察者局限在一个小段时间里, cosin n t 呢,再乘以一个衰减系数,例如一的负 a x 平方私密啊,像这样子,这个衰减过的观察者在时间轴上就不再是无穷无尽的啦,它其实呢,就是把它给局域化了啊,方便表达。我们可以把这个观察者呢写作 five t 啊,它就是一个关于 t 的函数啊, 这个时候,我可以让这个观察者顺着时间轴去巡逻,去观察目标函数,然后呢,再把不同的时间点观察到的结果反馈给我就行了,就像刚刚那个前面高频,后面低频的信号,那么高频的观察者呢,就可以知道前面时间段的信号跟他像,但是后面低频的跟他不像啊。 那我是如何让他顺着时间轴去巡逻的呢?还记得以前学过的函数的平移吧,左加右减那个啊,我们只需要给观察者的 t 减去一个数字啊,假如是数字 b 吧啊,当 b 变化的时候,那整个观察者呢,就沿着时间轴跑起来了, 像这个样子啊,这个 b 呢,也可以被称之为平移因子,不同的 b 值对应着不同的时间点啊。那么还有个问题,观察者的高低频是怎么控制的呀?因为我想让不同频率的观察者去巡逻啊,像这种比较胖的就是中心频率低, 像这种瘦的呢,就是中心频率高啊,还是回想以前的函数图像的伸缩啊,让刚刚的函数 five 的 t 减 b 里面再除以一个系数 a, 哎,你看,随着 a 的变化,他也变胖变瘦的啊,所以只要你控制了 a 的大小,就能控制观察者频率的高低了啊。所以说 a 呢,也叫做尺度因子。 好,接下来该观察者上场了啊,左边呢是目标函数啊,长成这个样子啊,右边是记录观察结果的啊,这个方向是 b 的值, 告诉我观察者在时间轴上移动了多少啊,他反映的呢,就是时间的信息,而这个方向是尺度因子。 aa 绝对值越小呢,代表频率就越高啊。好,首先是第一个观察者上场啊,你看他相当的瘦,也就是高频, 一路走来呢,都没发现目标函数有一丁点和自己相似的啊。所以这边记录啊,直接就是一条数值为零的直线,好到下一个频率稍低一点的观察者上场啊。 所以第二个记录的频率呢,应该是在轴的这个位置的啊,也是同样的,和他相似度高的部分呢,数值波动就越高,当然,如果不怎么像的啊,那就数值就接近于零啊。如是重复, 你看,一个一个的这样寻过来呢,我们就可以得到了一个既有时间信息又有频率信息的函数图像了啊,明显可以看到,这是一个关于 a 和 b, 也就是平移因子和 这个尺度因子的二元函数的图像。这个图像呢,是三维的啊,你可以在这个图上啊,得到任意频率在任意时间点的数值啊,就好比这个图, 可以看到这个时间点的这一个频率的能量是比较多的。讲道理啊,小波变换能够同时得到时间和频率的信息,是不是说就解决了视频不确定性的制约了呢啊?并没有啊, 实际上食品的不确定性是由数学的本质确定的,和工具、技术、资源通通无关啊,这个以后会细讲。 以上的理论呢,就是小波变换了啊,而这些一系列在时间轴上做了局划的观察者呢,就是小波了啊。哎,别说,还挺形象啊,那小波是不是都长这样呢啊?那倒也不是,小波函数其实是一个非常庞大的家族啊,根据应用场景 和所需的特性不同呢,所选的小波也就不同,就好比刚刚举例用到的是 moleth 小波啊,还有哈尔小波啊,墨西哥冒小波等等等等啊,这个以后我会专门做视频讲小波是如何选取的啊,我们按前面的理解,把小波变换的公式写一下吧。好吧,先是 f t 是目标函数啊, 小波函数变着胖瘦顺着时间走,和目标函数进行扁乘 f t 啊,乘以这个 five t 减 b 除以 a, 再求积分啊,积分是从负无穷积到正无穷的啊, 得到的结果呢,是一个关于时间和频率的二元函数,也就是关于平移因子和尺度因子的这个二元函数,你想要得到具体的数值,把具体的 a 跟 b 值带进去就可以了啊,等等,还有个问题啊,你看这个观察者和这个观察者,他和时间轴为 起来的面积不一样,也就说这些不同胖瘦的观察者的能量不一致,所以还是得要做规划才行啊,在他前面除以一个根号 a 的绝对值啊, 观察者变瘦的同时呢,就会变高了啊,这样子就可以保证不同观察者的能量是一致的了。这个数学的证明呢,以后再讲啊,大家要注意啊,小拨函数也是一个负函数来的,实际上呢,他是长这个样子的啊, 所以真正的小波变换的公式啊,这里乘以的是小波函数的共二函数,这就是小波变换的公式啦。 哎,大家最后看一下这里的操作,在时间轴上滚动着去和别人相乘,求积分哎,这不就是卷机吗?而小波函数就是卷机盒呀,当然,这个卷机呢,我后面会专门出视频讲啊。 以上呢,就是从负理变换到小波变换,从原理到公式的内容啊,小波变换就这样学完了吗? oh you have no idea。 我的朋友啊。哦,好嘞啊,偷懒去了,我们下期见。

叙述曾被认为是不属于这个世界的东西啊,但是却在后来的计算机、通信、医疗、化学、光学等等领域啊,大放异彩,甚至还在量子力学领域被证明了是超越了数学工具的存在啊,极有可能是物理现实。 那虚数又是如何被应用到这些领域的呢?其实啊,这些通常都和复利业变换有关系。这期呢,我就来讲一下复利业变换与虚数的梦幻联动啊,复利业极速在复数域的展开。 复利业级数的思想呢,就是把复杂的周期波形分解成了多个高矮胖瘦不同的正余弦波形啊,演示一下,我随便换一个波形 哎,在右边呢,他就被分解成了很多个正于弦波形啊,这里呢,可以控制这些正于弦波形的个数啊,个数越多,合起来的形状呢就越精细。这些正于弦波形呢,我们就称之为组成这个函数的基 数学表达式。是这样的啊,正于弦波形可以组成一个复杂的函数。这个事情呢,在我们学了欧拉公式之后就变得更有趣了, 因为它可以让我们升高一个维度去看这些函数。欧拉公司把指数函数、虚数、正余弦函数都关联了起来了,它其实是描述了一个在负平面上旋转的动作。 这个在前传中以及在虚数的那期视频里面呢,有讲过啊,例如三乘以一的 i 三分之拍次密啊,表示的是负平面上以三为半径,逆时针旋转了六十度。 当我们升高维度把时间可视化成一条轴的时候,旋转的动作呢,就变成了螺旋形。从侧面看,这个螺旋就可以看到正弦波形了,而变换九十度,从上面俯视啊,就可以看到余弦波形,所以说三眼和扣三眼他是有着九十 十度的相对差的啊,那是不是说非常复杂的信号波动?我们换了个维度去看他,他其实就是一个特殊的转圈圈的动作而已啊,的确是的啊,再来看这个例子, 你看这个原时间轴变化的信号啊,上上下下有点复杂,我们开启上帝视角,我们在正面看到了一个什么东西啊,在正面看到的竟然是一个笔页啊,这个笔页从正面视角去分解了呢,其实就是很多个转圈圈的动作, 当然在这个视角之下啊,是迎着时间轴的箭头去看的啊,时间轴是看不见的啊,其实这也可以一定程度说明了时频不确定性啊。 看这个有时间轴的信号啊,你可以随意看到立即秒的信号的正负是多少,也就是他在时间上给你留了痕迹,但是转圈圈的动作转过去就转过去了,在时间上 没有留下痕迹给你,你能清楚看到的只是这个圈它大不大,以及它转的快不快啊。 按这样看,我们是可以把转圈圈,也就是一的 ic 塔次方作为函数分解的基,如果把时间 t 作为变量,那么 c 塔呢,是等于欧米伽乘以 t 的,那这个一的 ic 塔次方呢,就变成了一的 iomegat 次方, 欧米伽呢,是角频率,欧米伽的绝对值越大啊,那他就转的越快。如果角频率是正的,那他就是逆时针旋转。如果角频率是负的啊,他就是顺时针旋转啊。 用一的 i 欧米卡 t 四方作为机的话,它是通过转圈圈的快慢对这些机进行分类的。这里呢,有一组非常经典的机啊,一的 i t, 一的 i 二 t, 一的 i 三 t 一直到一的 i n t, 然后呢,一的 i 负一 t, 一的 i 负二 t, 一直到一的 i 负 n t 啊,以此类推, 这主机呢,可以合成一个以二派为周期的函数。关于和函数的周期性和频率的关系啊,在系列视频的第五集讲过了,不记得的同学呢,可以回头看一下啊。举个具体的例子来讲一下这个转圈圈的动作。 r 乘以一的 i omega t 次方啊,它表示的是以 r 为半径, omega 为角频率的逆时针旋转啊, 因为当 t 等于零的时候啊,也就是刚开始转的时候呢, omega t 是等于零的,也就是说这个旋转呢,是从零度开始转的, 如果他旋转的起始角度不是零呢,也就是他的出项不为零怎么办啊,这也简单啊,给这里加个角度就行了啊啊,乘以一的 iomega t 加阿尔法次方,当 t 等于零的时候,这个复数呢,就变成了啊,乘以一的 i 阿法次方了啊,他的初始香味就是阿法了,也就是从角度阿罗法的 位置再开始旋转化减一下啊,他就变成了这个样子啊,乘以一的 i r 法次方,再乘以一的 i omega 提示方, 所以时数阿罗表示了旋转的半径。一的 i r 法次方呢,这个复数表示了其实的位置,欧米伽表示了旋转的快慢和方向, 而 r 乘以 e i r 法次方呢,可以看成是一个长数,我们就把它写成是 c 吧。那么这个旋转的式子呢,就被简化成了 c 乘以 e 的 i omega t 次方, 那么一个周期为二派的函数 f t 啊,就可以这样分解了啊。那你刚刚所讲的每一项基前面呢,都应该有一个系数, c, 这个系数啊,一般是一个负数来的啊,如果虚步为零,也就是 c 是实数的时候,这一项的出项位呢,就是零了啊。这么多个系数,我们得写一个下 标来做一下区别啊。那么当欧米伽等于零的时候,就作为 d 零项吧啊,那它就是 c 零,欧米伽等于一,那就是 c 一,然后 c 二 c 三,一直到 cn, 以此类退啊。负频率这边也一样啊, c 负一, c 负二, c 负三,一直到 c 的负 n 项。可能有同学会对这里的 c 的负 n 项比较疑惑, 其实呢,我们看到 c n 可以把它理解成一个数列的通向,就像我们以前高中学的 a n 一样啊,数列呢,其实是一个离散的函数, n 可以看作是这个函数的自变量啊,当我们允许自变量取负数的时候,不就可以有负 n 项了吗? 所以说这个表达式呢,就变成了这个样子啊,我之前讲过了求和符号,而这个式子呢,可以用求和符号缩列成这样, f t 等于 c n 乘以一的 i n t c e n 的取值呢,是从负五 到正无穷大。大家对比一下我在第二集中讲过的复利液级数的式子,你看三角级数的形式啊,他是既有三眼,他又有勾三眼啊,而这里呢,一个一的 i n t 次密搞定,要想复利液极速分解成功,那你就需要把各项的系数 a n, b n 都求出来了, 而在这里的复指数形式呢,只需要求一个 c n 就可以了, c n 怎么求呢?后面会讲啊,不得不说欧拉真神。 最后说一下转圈圈的表达式加起来是怎样的场景表达式的每一项啊,其实就是一个复数,而复数相加呢,在负平面上其实就是向量叠加的效果啊,大家不妨看一下这个 四加三 i 加上一加二 i, 它是等于五加五 i 的,可以看到它是遵循平行四边形法则的,当然也可以看成是三角形法则,意思也就是在一个项 相量的末端,作为另一个相量的起始端连接到一起,那连接的最末端所指向的地方呢,就是相加的结果了。 例如三乘以一的 i 负一 t 次方,加上一的 i 负二 t 次方,它的运动呢,可以表示成,先是一条长为三的杆,一端定数,以一弧度每秒的速度顺时针旋转啊,然后在可以旋转的端点再钉上一条长为一的杆,以二弧度每秒的速度啊,也是顺时针旋转啊。 这个连杆末端画出来的蓝色轨迹就是这两个复数叠加的结果了,然后大家可以按这个规律不断的往连杆的末端继续叠加,继续叠加啊,就可以表示多项复数相加的结果了。你看这个笔页不就出来了吗?嗯哼, 又例如,大家看一下这个啊,你们看到了什么呀,可以大声的说出来,哎,好啊,既然大家教的这么真诚,那我下一期就 用数学来证明,其实复理业级数的三角函数分解和负指数分解呢,是等价的,并且给大家讲讲细数 c n 计算公式的来龙去脉,然后你们就会明白为什么我之前说复理业变换是公额对称的了。好了,这期讲到这,我们下期见。

有朋友说前面几集的负离业变换的内容啊,调子起高了啊,那我这集再通俗一点,讲一下负离业技术的想法,然后呢,再带大家用这个想法实现一个非常帅气的科研工程,再来谈谈负离业变换的一些限制。和迪丽克雷的工作 生活中的水波纹相遇是会叠加的,正与线波形呢,也一样,例如波风遇上波风,波形就会变得更高,波谷遇到波谷,波形就会变得更低,而波风遇到波谷的时候呢,就会相消变平。 所以说,给你一条奇奇怪怪的曲线去模仿,你可以用一大堆正语旋拨型,慢慢的去叠加,一直叠到你想要的形状,这个过程呢,我们就叫做你和 反过来的。给你一条复杂的曲线,也可以分拆成一条条简单的政权曲线,这就是负离业技术理论的想法啊,这个想法看似简单,但是用它却可以实现非常不可思议的东西啊。那大家跟我一起来 啊,假如我手头有一个很厉害的化学样品,想要研究它,却又不知道它是什么成分结构,突然搞化学的兄弟告诉我啊,化学物质会吸收红外线呦。哎,感觉可以用红外来搞搞事情啊, 一束红外线其实就是电磁波了啊。从波形上来讲呢,它很复杂,但是用护理液的观点,波形的最基本的构成的形态就是正线波形,主要就是看你拿多少个高矮胖瘦不同的正线波形来叠它而已。那我可以从哪个角度去描述这个红外呢? 瘦的呢,就是相对高频,胖的是相对低频啊,我把他们从瘦到胖的顺序进行排列,瘦的在左,胖的在右,把这个作为横坐标,然后再把他们的高矮给描出来。 哎,我们就得到了红外的频谱图了啊。这个时候,搞化学的兄弟又告诉我,不同的化学结构吸收的红外的胖瘦是不一样的,而且呢,吸收的量也不一样,看来化学结构也 减瘦啊,哈哈,例如这个碳氧双剑,他就喜欢瘦的,而碳氧单件呢,就喜欢胖的啊,哎,听到这思路就来了, 用一束红外线照射样品,然后把透过去的红外收集起来,用护理液变换制作成频谱,再和刚刚的完整的频谱对比一下,就像脸明侧一样,看一下谁缺席了,就知道哪些频率的波被吸收了,因为不同的化学结构,吸收的频率和比例是不一样的。 这样呢,我们就可以反向分析出来这个化学样品的成分和结构是什么了。这个其实是负离页红外光谱仪的原理啊, 这么厉害的理论,却不能用横空出世来形容,因为他经历太多的波折了。一八零七年,富里夜向巴黎科学院递交了相关想法的论文。热的传播在评审的时候是得到了较多大佬的认同啊,其中也包括了拉普拉斯,但是拉格朗日却只否定了态度,认为 这种做法是不严密的。其实这也不算是刻意针对护理液吧,我们来思考一下啊,假如你的目标函数是一个断开的函数,或者像这种有人有脚的函数呢?一堆连续的正于弦函数加起来还是连续的,你怎么能你和断开的函数呢? 而光滑的函数又是如何去叠出这种有棱有角的形状的呢?这些问题一时之间也没有得到完美的解决,所以说拉格朗日的质疑也不无道理。 现实情况,很多周期函数的确是无法做富力业技术展开的,所幸的是,富力业的工作并没有因此而被埋没,反而随着时间的流逝,越来越多数学家意识到了富力业技术的潜力,大家也愿意为富力业技术理论的严密化去努力, 其中以迪丽克雷的工作最为重要。迪丽克雷给出了几个条件啊来回应了上面的疑问,认为如果同时满足这几个条件的函数,就一定能够展开成负离页级数,这也被称为迪丽 克雷充分条件。他的数学证明过程就比较长,比较复杂,这里就不细讲了,只对这几个条件做解释。当然,在此之前,你得先明白一个事情,为什么他叫充分条件。迪丽克雷的工作说白了就是排雷,也就是某个条件,哪怕只有一个情况是不 ok 的,他就会被排除掉。 剩下百分百 ok 的条件呢,就会被铺成一条路,你沿着这条路就一定能够走到富力业技术展开的结果上。 你不想走迪丽克雷指出的名路,走别的路也是有可能走到目的地的,但不保证啊。所以说,迪丽克雷指的路对于目的地来说呢,很充分,但不是必要的路径,所以他也被称为负离业技术展开的充分,而非必要条件啊。 接下来,我用我的话来对这些条件重新做一下阐述,可能顺序上和教材有点不一样啊。首先,周期内断开的函数是可以拟合的,但是你不能乱断。假设 fx 是以二派为周期的函数, 你看,像这种本来光滑的函数啊,中间突然有一个点很调皮跳起来了啊。这类间断点呢,叫做可去间断点,用正于弦极速来,你和这个曲线是没问题的啊,例如这个函数,我们不断的用正于弦函数叠上去,慢慢的,慢慢的,蓝色这条线呢,就会越来越接近红色这条线,直到完全的重合。 但是这个调皮的点呢,负离页级数是不管的,他会收敛于这个断点的左右极限。通俗点理解呢,就是负离页级数拟合出来的函数,会直接把这个断开的点给补上,使他光滑。 那忽略掉这个点有什么影响吗?在实际科研应用中呢,基本没有影响啊,就相当于是个小灶点而已啊,如果说不是一个点调皮而已,整根线都挺调皮的,哈哈。像这样分成了两段断开的地方呢,叫做跳跃间断点。这种曲线,负离页极速也能拟合。随着叠加的正于斜函数增加,可以看到在连续处,蓝 蓝色的线是逐渐趋向于原函数的线的。而在断开的位置呢,负离页极速的值是取断开地方的中间的位置的。数学表达是是这样的啊,也就是说,负离页极速会收敛于跳跃间断点左右极限的算出平均值的啊。上面提到的可去间断点和跳跃间断点都被统称为第一类间断点。 哎,是不是说只要是第一类间断点都可以做副业级数展开呢啊,等等,先别急啊,第一类间断点是没问题的,但是你不能在一个周期之内无限的断。 我们来看一下这个例子,例如这个信号在一个周期内像这样衰减,信号强度和持续时间都会衰减为原来的一半,一直一直无限的衰减下去。啊,这里和康托集呢,有点像啊,也是无限的细分下去, 那么这里就会出现了无穷多个跳跃间断点。刚刚说过了,在跳跃间断点处,负离页极速是不等于原函数的,是取断点 中间的,值得。如果你有无穷多个跳跃间断点,就意味着一个周期内负离页级数合成的函数就会有无穷多个不符合元函数的点,就相当于告诉我你画的东西都挺好,就是有无穷多个地方不符合要求而已。哈哈, 不能无穷多的。除了第一类间断点,还有极值点。极值点呢,就是这种凸起的山峰,或者是凹下去的山谷。这个条件的限制,迪丽克雷的意图也很明显,就是不让你的目标函数无穷的上下增大,例如这个函数塞眼 x 分之一再 x 等于零处呢,是断点 在零的附近,他是上上下下无穷的,真当的你根本确定不了左右极限是多少妇女业级数在这个地方呢,也是根本收敛不了的。所以在一个周期内只能有有限个极致点啊。那咱不搞无穷断点了,也不搞无穷,真当了偶尔上下天可以吗?啊?像这样也不行,为什么?因为这种断点之下, 一端是无穷,一端是有限数字的话,负离页极数不知道瘦脸在哪啊。首先,无穷大他不是实数,不能简单的做数字运算。其次,从图像上看,无穷远和零的位置,他的中间到底是哪呀?你确定不下来?感觉说中间位在无穷远好像也没有毛病啊,所以说,负离页极速也不知道瘦脸在哪比较好啊。 那如果说像这种一边上天一边下地的可以吗?也不行,因为正无穷加富无穷可不等于零啊,这里的负离业级数也还是收敛不了 这种不能上天下地的限制。还有一种叫法,就是要在周期内绝对可积,意思就是你这个信号函数的绝对值在计算周期之内与 x 轴为程的面积得小于无穷。 像这个面积是无穷的,那他就不符合绝对可寄,而这个面积是有限的,就符合绝对可寄。以上呢,就是迪丽克雷关于负离业技术收敛的充分条件的表述了。 再强调一次,想要走上迪丽克雷指出的路,以上的条件光符合其中一个是不行的,得全部都符合上。看完上面的表述,感觉他都在告诉我们四个字,有界有限。 其实啊,这就是迪丽克雷充分条件的现代的表述啊,我们甚至可以根据这个表述搞出一个不符合迪丽克雷条件,但却又存在负离耶极速展开的函数啊。就拿刚刚这个无穷正当的三 x 分之一为例, 我在他前面乘以一个 x 的三次方,另一,于是负一道一啊,他在零的附近虽然存在着五千多个几十点,违反了迪丽克雷充分条件,但是正当的幅度却逐渐的靠近零,他的变化呢,就是有界的。因此,这个函数的负离页极速展开是存在的啊。最后,虽然负离页极速展开的充要条件还是没有找到, 但是这个充分条件的给出已经是非常巨大的进步了,对现代数学也有着非常大的启发。接下来我们就该谈谈负离业技术在研究问题时的缺陷以及解决办法了啊,我们下期见。

这里我们有一个矩形函数,下面是他关联的复利业变换扶植图,看起来像正弦曲线。对于第一次看到这个等式的同学来说,积分看起来很可怕,尤其是他的指数像,里面还包含了虚数。爱,我们先把爱从指数上拿下来, 以便我们可以看清楚这个变换的几何直观仪。我们可以使用欧拉公式,将一的负 iomaxt 次方展开成 coson 负 olagt 加 i 乘以丧硬负 omaxt 余弦中的符号可以被省略,把正弦里的符号移到前面,稍微简化一下, 我们用它替换积分中的易得负 iomaxt 次方。将函数 ft 分别乘到里面去,最后把积分写成两个积分,一个是元函数乘以扣分,另一个是元函数乘以 cit 到积分符号的前面去。现在我们可以直观的理解这个方程了,将圆函数乘以具有相同任意角频率的余弦和正弦曲线。不管要积函数长什么样,两个积分分别对应两条曲线下的面积, 而且这两个面积分别对应某个负数的十步和虚补。虚数单位挨乘以的后面这项是虚补。该负数的扶直就是该特定 olagat 处的复利业变换的扶直角度是对应的相位,我们扫描角频率并跟踪该扶直和相位时, 这个三角形会跟着改变,我们就得到了整个复利业变换。把积分对应的面积值分别等于一个直角,三角形的两条直角边的长度,扶直和向位就此而来。顺便说一下,积分出来的这些面积值可以是负, 我们把它放到单位原理来看会更清楚,相位可以为正,也可以为负或大于九十度等等。这将告诉我们这些面积中哪些实际上是负值的,我们稍后会看到,但在这里让我们先来看一个例子。 我们将举行函数放回顶部,将举行函数乘以 office 的余弦和正弦,这样我们就可以看到为什么这是复利液变换的符值, 他是欧美给的一个函数。为了分别说明函数的余弦和正弦部分,我们先在左右两边绘制一样的矩形函数,把他的实线变成点线。等会三角函数我们也用虚线来画, 当 omex 等于三时,把 cos 三 t 画在左边,三三 t 画在右边。因为矩形函数在矩形框两侧之外的区域的函数值都是零, 矩形函数与三角函数相乘的积在这些区域也等于零。我们将函数积等于零的图像引去,因为矩形函数的值为一,所以他与三角函数的乘积就等于三角函数本身。所以复立业变换就是算出这些三角函数曲线下的面积, 再用左右两图的面积算出复利业变换的福值。右侧图 x 轴下方的面积为负,所以三函数的面积为零。左侧图 cos 函数的面积经过求定积分计算得到约为零点六六。左右两面积相加的和等于零点六六。虚步为零, 复数的虚步为零时,球模不需要勾股定理及欧美格等于三十,复利业变换的幅值等于零点六六。后面我们要做的就是按前面这样扫描所有欧美格的取值 和跟踪那些相关的区域的面积,这便得到整个复利业变换的福值。注意,当我们倒退一点时,可以看到右边的图总是面积等于零, 因为三应函数关于圆点对称, t 的取值关于外轴对称,无论 omaig 取啥值,正弦值的积分正负面积总是会抵消积分等于零。实际上屏幕底端绘制的是以这两个面积值为值的无 max 的函数。 在现在这种情况下, coson 函数的积分就是富丽叶变换的全部内容。这里有两点比较有趣, 一个是 omaga 等于零时对应的 y 坐标实际上告诉了我们元函数及矩形函数的面积。原因是当 omagl 等于零时,扣算函数等于一,我们正好得到元函数 ft 的积分。无论 ft 是多少,跟萨影相乘后都等于零,所以右图的值被忽略。当 omax 等于零时,实际上我们只是在计算原始曲线 ft 的面积。 我们可以看到原始函数的矩形图像和他下面的面积。再看一下当欧美噶等于二派时的图像。在下端的扶直图上的对应扶直为零, 符值为零,意味着如果我们将原始函数乘以缴平率等于二拍时的余弦或正弦,将会得到积分为零的结果及面积为零。 左图显示蓝色负面积终于大到正好抵消绿色的正面积,我们继续增加 omg 的值, 左侧的面积又从净腹直变为净正直,中间跨过零点。因为虚步永远为零,所以扶直图仅使用左侧的实函数的实数进行绘图,不必考虑虚 十步就是扶直,很直观。我们再用一个稍微复杂的圆函数来代替举行函数。看一下跟上面同样的过程, 应用复利业变换,我们将原函数乘以欧美格 t 的余弦和正弦。当欧美格等于零时,左边只剩下函数本身,右边的 y 等于零。用积分算出左侧的面积为零点零三八,右边为零,带入勾股定理公式, 算出符值,并绘制等于零时的符值,扫描欧美格从零到十的所有取值,计算出符值,在屏幕下方画出他的富丽叶变换符值图, 此时虚布的积分不再为零,但勾股定理计算出的符值仍是实数。他等于下方图像中特定欧美给值 对应的 y 坐标。 omager 为负值时,图像会沿外轴对称,这是最终的复立业变换。扶直图意为输入,意为输出的扶直图不能反应向位。向位是这个三角形的角度, 他的两条直角边等于左右两边曲线的积分得到的面积值。如果相位接近九十度,就像现在图上所示,说明左侧圆函数乘以 coson olagt 的曲线下面积比右侧圆函数乘以三 omagt 的曲线下面积小的多。底边的长度与高相比显得非常小。 我们现在画一个相位图,当 omager 等于十时,相位大约等于负八十度。为啥有个符号?因为三角形的高对应的那个虚步的值有一个符号,这个角度在单位圆的第四象限相位图上,负八十度对应负的纵轴作 标连续改变。欧美噶,我们通过动画可以看到更直观的效果。当向位大约为四十五度或负四十五度时,左右两边的面积的绝对值大致相同,这是对应一个等边直角。三角形底边和高几乎相等。 当相位变为零或接近于零时,右侧的三诺 maxt 曲线下曲线下的面积将等于零或趋向于零。 三角形的高为零或趋向于零。继续移动,欧美感向位进入零度到一百八十度之间的正直, 这时三 enomaige 图区线下的面积为近负面积转到扶直图,他告诉我们左右两边的面积组合起来的大小。 把左右两边的面积做直角。三角形的直角边时,向位图告诉我们左边的面积与右边的面积相 比有多大,并且左右的面积都可以取负数。将扶直图和向位图结合起来看,才是复利业变换的完整图像。 现在我们来思考一下 cocex 从负无穷大到无穷大的整个曲线下的面积是多少。也许我们可以说他不存在,因为随着 x 从正负两个方向离开远点,该面积在正负之间切换,开始面积是零, 变到二,然后变到负二,永远这样震荡下去,政府抵消。 我们可以认为这个 x 从复无穷到正无穷的面积是零。如果两个余弦函数相乘会怎么样呢? 我们把两个周期不同的鱼弦相承,得到一条波形有较大差别的曲线,但即使这样,面积仍是在两个 有限制之间震荡。把图像向右移动,我们会看到有些区域的绿色面积多,有些区域的蓝色面积多。面积在蓝色和绿色之间不断来回移动,所以我们还是可以认为面积的和等于零。 当我们慢慢改变其中一个鱼弦曲线的周期时,总面积还是会保持等于零,因为面积在蓝绿之间震荡,暂时还不会发散,缴平率达到三十,面积看起来好像要发散,但实际上还是表现出了周期性。 只有当两个 ctrl 算函数的缴频率相等时,即都等于拍 x, 图形才会在都升到 x 轴的上方,这是面积等于无穷大,因为函数变成了 closs 的平方。这就是为什么我们现在求得的富力 变换都是正直的原因。再看一个例子,舍友 coson 派,我们把它分别成以 coson、 olagx 和 saomagx, 并跟踪每个相乘函数的面积。先看与丧影相乘的函数,当欧 magel 增加时,绿色和蓝色区域总是相等的, 曲线总是关于圆点对称,因此即视角频率相同,面积也为零,所以我们不用考虑赛的成绩。 现在看与 cocon 相乘的函数,当 omex 等于零时,因为对称性,蓝绿抵消面积为零,把它画到复立业变换的符值图上。等于零的值我们后面不再画出, 我们开始改变欧美给的取值。前面已经讲过,面积在绿蓝之间震荡,最终结果都为零,但在等于拍时,总面积突然跳到无穷大,我们 在扶直图上用箭头把它表示出来。这是当 omag 等于拍时才会有的扶直,说明元函数含有 omag 等于拍的角频率。其他 olaga 取值的复利业变换对应的面积都为零,扶直也为零。 考虑偶函数的对称性, cosmix 的最终复利页变换在复拍处也有一个无穷大的符值。 这就是副理业分析的强大之处。他有点像在扫描原始信号中包括的正弦函数, 当元函数中没有对应正弦成分时,他就输出零,但是一旦他找到了正确的频率,他就会输出一个无限大的尖峰。好像是在告诉我们,嗨,原始信号有 cosplax 在里面, 所以实际上我们要做的就是寻找输出无限大面积的欧美感,因为他就是信号中的正弦曲线的 频率。再看一个例子,我们有一个更复杂的函数,我们要对他应用复理液变换。我们可以将其作为四个独立的积分,每一项乘以 coconomagt。 当 omagam 没有扫描到匹配项时,面积等于零。 但是一旦我们的扫描已找到匹配下,我们就会得到一个瞬间变成无限大的面积。这种情况会出现四次,告诉我们元函数中含有四个不同的正弦曲线。这种情况当然很容易看出,曲线是由四种正弦曲线相加组成的, 他们就写在函数表达室里。但是如果给大家一个方波,他所包含的正弦曲线就不是那么显然的了。 对于我们的扫描仪来说,却很容易知道他包含了什么。我们把方波表示成函数 ft, 然后扫描他包含的 信号。扫描 omag, 向寻找面积等于无限大的值代入零,扣算零等于一,我们乘以一,这是球员函数的积分。蓝色和绿色相等,总面积为零, 增加 off。 图像有点凌乱,但没关系,我们没有在横向滚动屏幕,因为情况是一样的, 这里蓝色和绿色面积会全部抵消,面积等于零。当欧麦克等于拍时,我们突然得到一个无限大的面积,这意味着我们发现了第一个构成方波的正弦曲线。乍一看对我们来说是隐藏的,但富丽叶变幻发现了他, 这不是元函数中唯一的正弦曲线。我们现在继续扫描,我们现在直接跳到拍的整数倍。先是 offer 等于二派,面积还是等于零?大家仔细观察, 蓝色和绿色区域确实抵消了,但是当我们到达三派时,有一种蓝色多于绿色的连续图案,所以我们得到负无限大的面积。这意味着还有一个 coson 三派替也是方拨函数的组成部分,负面积的系数为负。 当我们继续扫描,结果发现只有基数乘以派,会给出一个无限大的面积。这意味着方波函数可以通过将无限多的余弦曲线相加来创建 这种模式就是副理业级数背后的基本思路。最后几分钟的视频都是关于周期函数的零面积或无限大面积的, 我们需要回到视频开始介绍的举行函数的情况。当我们得到菲林有限面积时,是否有更深层次的真相?在举行函数 的面积连续变化的过程中,我们也可以说,当 omex 等于三时,我们的扫描仪发现 cosen 三 t 也是组成矩形函数的成分。要这个结论成立,唯一的条件是他应该有一个无限大的面积, 即当举行函数乘以 cos 三 t, 要得到无限大面积的积分。如果我们让政府无限接近到零,那么我们至少可以得到一个有限的面积。当我们把这种视为极限时, 可以看到实际上 casen 三 t 也是组成我们的矩形函数的成分。无限小的增加 offige, 即只增加一点点,比如增加到三点一,我们仍然可以得到一个非零的有限面积。 这意味着我们的函数还含有 coson 三点一 t, 只是他的阵幅也无限小,仅有一个无限小的系数。 omax 取每个 实数都会是这种情况,这意味着我们必须将无穷多个无限小的正线连续谱求和才能得到举行函数。现在用直观的动态视觉效果来展示他。跟前面的尖峰画面不一样,我们展示一个连续直谱图, 代表了系数都取一十欧美噶扫过所有实数,构成我们信号的所有正弦曲线的符值。视频最开始时展示的这个动画强调了如何把无限多个正弦函数加和构建一个实数有限函数。 到这里,我们其实已经把拉普拉斯变换的完整视频做出来了,大家感觉很突然,因为他们其实非常相似。 富丽叶变换和拉普拉斯变换最大的区别是拉普拉斯的这个 s 是什么? s 等于 lfr 加 iomex, 我们将其带。

护理液变换的应用可以说是渗透到了我们生活中的每一个角落,可不止科研呦。这次我再拿一个很常见但却很容易被忽略的东西来讲讲啊,某个东西的价格受供求关系的影响和环境的变化,东西的价格往往都不是一成不变的, 变得厉害的甚至一天一个价啊。我们把时间展开一条轴,然后把不同时间点的价格描出来啊,然后再连起来,于是呢,就得到了一个随时间变化而波动的价格图。 如果说某个东西的价格是这样的,几乎毫无规律可言啊,前几天都还在节节翻身,今天下午就突然来了个这个九十度下跌啊。 通过复利页分析啊,得知其中的分量呢是长这样的,频率高,波动的幅度也高,那就证明了这个东西的价格存在着较短时间内的大起大落,不靠谱啊!上面所讲的价格随时间的波动图,我们通常称呼这一类为时 预信号,他可以分解成多个不同频率的正弦分量。假设我分解出来的分量频率分别是一七八九、赫兹,我这里的横坐标呢,是频率啊,刚刚的分量就在对应的位置上画一条不同高度的线,这条线的高度呢,就表示了他的波动幅度啊,我们就得到了一个平谱图, 这一条一条的呢,就叫做平谱线。大家发现了一个问题,没有这些谱线啊,都是离散的,一条条分开的。好,接下来我再告诉大家一个关于谱线的秘密啊,用 t 分之一来计算频率的间隔啊!我们发现了,当周期越长,谱线呢就越密集, 那像第二个东西的价格波动啊,他就根本不可能有重复的周期可言的,他就是定义在整个时数域的非周期函数。那怎么办呀?这种情况我们就把他当做周期是无穷大的不就行。 周期 t 无穷大,那 t 分之一呢?就无穷小,那普线之间的间隔就无穷小,间隔无穷小不就是连续了吗?所以非周期函数频率的存在啊,是连续的,这里有一段声音的信号,他是关于时间的非周期信号。那你看他的频谱就是右边的这个连续的啊。 黑体向外辐射的能量就是随时间变化的,非洲际函数在不同的频率下只能一份一份的发射。例如一赫兹的能量,你要么就来一份,要么就来 n 份,你是不能来零点几份一赫兹的能量的啊,每一份的能量的大小呢,就是普朗克长量乘以频率,这就是量子的由来。 于是乎就有不少人认为能量就是不连续的。那我们应该怎么去看这个问题呢?啊?我提供另一个思路给大家看一下啊,虽然每个频率下只能一份一份的发射和吸收,但是频率的变化却是连续的,一赫兹到两赫兹之间,他还可以 有一点一赫兹,一点零一赫兹,一点零零零零零零一赫兹等等等等,无穷无尽。也就是说你不能有零点几份的一赫兹的能量,但是你可以有一份或者是好多份零点几赫兹的能量啊。 那这个时候我们对能量不连续的说法是不是就有了更深刻的认识呢?好了,这期讲到这,每周三晚十点直播,给大家用理科思维读一本好书,我们下期见!