傅里叶变换 · 从入门到精通
傅里叶变换给了我们一副「频率眼镜」——任何信号都能拆成若干正弦波的和, 于是「这段声音里有哪些频率」「这张图的细节藏在哪」这类问题,便由难化易。本系列沿一条主线把它讲透: 从正弦积木出发,经傅里叶级数(周期信号 = 谐波和)、复指数(旋转向量的几何), 走到离散世界的 DFT 与让它快到能实时的 FFT,最后用采样定理划清边界、落到真实应用。
每页都能拖动滑块 / 单步推进:看正弦如何叠加、谐波如何逼近方波、旋转向量如何描出波形、 缠绕探针如何在频谱上标出尖峰、蝶形网络如何把 O(N²) 降为 O(N log N)。
正弦波与「叠加」：一切的积木
傅里叶的世界观：任何信号 = 若干正弦之和。先理解单个正弦的三个参数——振幅 / 频率 / 相位，再手动把几个正弦逐点相加合成复杂波，顺带观察拍频、动手逼近方波，为傅里叶级数做铺垫。
傅里叶级数：把方波堆出来
反过来：给定周期波形，算出「该用哪些谐波、各占多少」。拖谐波个数 N 看部分和逼近方波 / 锯齿 / 三角，看右侧系数频谱，观察角点处永不消失的 Gibbs 过冲，理解「系数衰减快慢 = 信号光滑程度」。
旋转的向量：复指数 e^(iθ)
换个视角：sin / cos 是同一个匀速旋转向量的两个投影。看单个旋转向量如何扫出正弦，再把多个不同转速的向量首尾相接（本轮 epicycle）描出方波——这正是 f(t)=Σ cₖe^(ikωt) 的图景。
DFT：逐个频率「探针」
真实数据是离散样本。DFT 把 N 个时域样本变成 N 个频域复数：每个 X[k] 是把信号缠绕在转速 k 的圆上的合矢量。单步逐 bin 探测，看缠绕图与幅度谱同步建起，理解 DC、共轭对称、相位，以及它为何是 O(N²)。
FFT：从 O(N²) 到 O(N log N)
20 世纪最重要的算法之一。按奇 / 偶分治把 N 点 DFT 拆成两个 N/2 点，用旋转因子合并（蝶形）。在 N=8 的完整蝶形网络上单步看 a± W·b、位反转 bit-reversal、原地计算，对比真实加速倍数。
采样、Nyquist 与混叠
把连续世界离散化的代价。拖频率越过 Nyquist (fs/2) 看高频折叠成幻影低频（混叠）；再看窗口不是整周期时能量泄漏成一片，以及 Hann / Hamming 加窗如何压低裙边——分辨率与泄漏的取舍。
它究竟应用在哪里
EQ / 频谱仪 / 降噪、MP3 与 AAC(MDCT)、JPEG 的 DCT 与频域滤波、Wi-Fi / 5G 的 OFDM、FFT 大整数与多项式乘法、谱方法解 PDE、MRI 的 k-space……每个都对应本系列学过的一块积木。