傅里叶变换：被否决的论文统治了整个数字世界

波形合成器

选一种目标波形，拖动滑块增加谐波数量，看正弦波如何一步步逼近它。

谐波数量 1

RMSE — 保留能量 — 频率分量 —

观察

拖动滑块到 1，看第一个正弦波和方波的差距。逐步增加到 5、10、20——你会看到逼近速度越来越慢，边角处总有「超调」（Gibbs 现象）。这解释了为什么 JPEG 在锐利边缘容易出现色块。

音色实验

同一个音高（440Hz），谐波配方不同 = 音色不同。点击听对比，感受「频率的配方」。

纯正弦波

方波音色

锯齿波音色

三角波音色

为什么同一个「do」听起来不一样

钢琴和小提琴弹同一个音，频率相同（都是 440Hz），但钢琴的泛音比例偏向奇次谐波，小提琴的高次泛音更丰富。你听到的「音色」，就是傅里叶级数的系数配方。

JPEG 压缩原理

JPEG 的核心是 DCT（离散余弦变换）——傅里叶变换的表亲。拖动质量滑块，看同一张图片保留多少频率信息。

JPEG 质量 50%

原图

压缩后 · 保留 — 的频率系数

非零系数 — 压缩比 — PSNR — dB

为什么能压缩

人眼对高频细节不敏感（你很难分辨「第 47 次谐波」存不存在）。DCT 变换后，大量高频系数接近零，量化舍去后图片体积大幅缩小，但视觉差异很小。质量调到 10% 以下你才会明显看到色块——那就是信息真的丢太多了。

从「荒谬」到「无处不在」

一个被院士否决的理论，如何用 200 年征服了整个技术世界。

1807

傅里叶向法国科学院提交论文《热的传播》，声称任意函数都能分解为正弦波叠加。审稿人拉格朗日当场否定：「不可能。」论文未获发表。

1822

傅里叶绕过审稿流程，以专著形式出版《热的解析理论》(Théorie analytique de la chaleur)。数学界开始正视这套方法。

1965

Cooley 与 Tukey 发表快速傅里叶变换算法（FFT），将 N 个点的计算复杂度从 O(N²) 降至 O(N log N)。傅里叶变换从理论走向实时计算。

1992

JPEG 标准正式发布（ITU-T T.81），核心算法 DCT 直接源于傅里叶变换。此后每一张数码照片都在执行这个运算。

2024

全球每天产生约 1.4 万亿张图片（来源：Photutorial, 2024 估算），每一张经过 DCT 压缩。5G 信号用 OFDM 调制（本质是逆 FFT），WiFi 6 同理。手机芯片里集成了专用 FFT 硬件加速器。

傅里叶变换的征服版图

图片压缩

JPEG / HEIF / WebP 的核心——DCT 变换后丢弃人眼不敏感的高频分量

1992 年至今

音频编码

MP3 / AAC / Opus 用 MDCT 分析频率，只保留人耳能听到的部分

1993 年至今

无线通信

4G/5G 的 OFDM 调制 = 逆 FFT。你的手机每秒执行数十亿次傅里叶变换

2009 年至今

医学成像

CT 和 MRI 的图像重建依赖 2D/3D 傅里叶变换，从频率域还原空间信息

1971 年至今

AI / 信号处理

语音识别的梅尔频谱图、图像去噪的频域滤波，都建立在 FFT 基础上

2012 年至今

天文观测

射电望远镜阵列用 FFT 合成图像。2019 年首张黑洞照片的核心算法之一

1974 年至今

傅里叶变换实验室