news 2026/5/4 20:32:39

傅里叶变换(三)调制与载波

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
傅里叶变换(三)调制与载波

调制(modified)是指一个信号控制或改变另一个信号。比如……想象一下你有一个载波(carrier wave),规律稳定的振荡,然后你根据另一个信号改变它的特性。

所以,“f(t)f(t)f(t)sin⁡(ωt)\sin(\omega t)sin(ωt)调制”意味着:

  • sin⁡(ωt)\sin(\omega t)sin(ωt)像纯正弦波一样规律地振荡

  • f(t)f(t)f(t)控制着该正弦波的振幅(高度)

在每个时刻ttt,将它们相乘:f(t)⋅sin⁡(ωt)f(t) \cdot \sin(\omega t)f(t)sin(ωt)

如果f(t)f(t)f(t)是常数(例如,f(t)=1f(t) = 1f(t)=1),则只会得到纯正弦波sin⁡(ωt)\sin(\omega t)sin(ωt),一个规则的正弦波。

但如果f(t)f(t)f(t)变化,变大或变小,那么正弦波的振幅也会相应地增大或减小。正弦波被f(t)f(t)f(t)“塑形”或“调制”。

载波其实就是一个基本的、规律的振荡信号。就像纯正弦波:sin⁡(ωt)\sin(\omega t)sin(ωt)。它通过改变自身的特性来“承载”信息。

你可以这样理解:无线电广播就利用了载波。有一个以特定频率(比如 101.5 FM)振荡的基础信号,然后通过调制,改变它的振幅或频率,来编码音乐或语音。不过,就我们讨论傅里叶变换而言,你其实不必纠结于“载波”这个技术术语。

关键在于:“调制”的意思就是“乘以”或“通过某种方式整形”。

所以f(t)⋅sin⁡(ωt)f(t) \cdot \sin(\omega t)f(t)sin(ωt),函数f(t)f(t)f(t)决定了正弦波在每个时刻的幅度大小。

ttt−∞-\infty变化到∞\infty时,点f(t)e−iωtf(t)e^{-i\omega t}f(t)et在复平面上会呈现出一些奇特的路径。实部是f(t)cos⁡(ωt)f(t)\cos(\omega t)f(t)cos(ωt),虚部是f(t)sin⁡(ωt)f(t)\sin(\omega t)f(t)sin(ωt)

因此,投影到实轴上:得到f(t)f(t)f(t)cos⁡(ωt)\cos(\omega t)cos(ωt)调制,根据fff的不同,它看起来可能是螺旋状或振荡状。

投影到虚轴上:f(t)f(t)f(t)sin⁡(ωt)\sin(\omega t)sin(ωt)调制,呈现出“栅栏”状。

好,精彩的部分来了:

给波形添加信息(调制):

你取一个载波,比如以某个高频ωc\omega_cωc振荡的sin⁡(ωct)\sin(\omega_c t)sin(ωct),然后根据你的信号f(t)f(t)f(t)对其进行调制。

对于幅度调制(调幅广播):将它们相乘:f(t)⋅sin⁡(ωct)f(t) \cdot \sin(\omega_c t)f(t)sin(ωct)

现在载波的振幅由你的信息信号f(t)f(t)f(t)控制。

获取信息(解调):

这就是傅里叶变换的用武之地!

当你接收到调制信号时,你可以使用傅里叶变换来查看“其中包含哪些频率?”变换会显示特定频率的峰值,而从这些峰值中,你可以提取原始信息f(t)f(t)f(t)

这就像:载波是一个高频容器,你的信息通过对其进行整形而承载其中,而傅里叶变换则让你能够窥探容器内部,了解其中的内容。

这正是无线电的工作原理!你的音乐信号调制一个频率为(例如)101.5 MHz 的载波。无线电接收器使用类似傅里叶变换的运算来提取该频率,从而还原你的音乐。

为什么傅里叶变换如此强大?它是解锁隐藏在振荡信号中的信息的关键!

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/18 0:25:25

音轨分割模SAM-Audio优化版:消费级GPU运行;2025儿童AI硬件图谱:290亿市场规模与高退货率博弈丨日报

开发者朋友们大家好: 这里是 「RTE 开发者日报」 ,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE(Real-Time Engagement) 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「…

作者头像 李华
网站建设 2026/4/30 22:54:09

Java毕业设计:导师模棱两可修改建议「精准解读+落地方案」

前言在Java毕业设计开发过程中,绝大多数同学都会遇到导师给出模糊修改建议的情况,如“代码可读性优化”“逻辑健壮性提升”“功能丰富度不足”等。这类表述没有明确的修改方向,往往导致开发人员陷入反复修改、效率低下的困境。本文结合Java毕…

作者头像 李华
网站建设 2026/5/3 8:26:35

基于TensorRT的大模型推理压测报告模板分享

基于TensorRT的大模型推理压测实践与深度解析 在大模型落地日益加速的今天,推理性能不再只是“锦上添花”的优化项,而是决定服务能否上线的关键瓶颈。一个千亿参数的语言模型,若单次推理耗时超过500毫秒,在高并发场景下可能直接导…

作者头像 李华
网站建设 2026/4/26 21:42:02

大模型Token计费精度提升:基于TensorRT时间戳

大模型Token计费精度提升:基于TensorRT时间戳 在AI服务日益普及的今天,企业对大模型推理成本的控制变得前所未有的敏感。尤其在云平台或私有化部署场景中,如何公平、准确地计量每个请求的实际资源消耗,已成为构建可信AI服务体系的…

作者头像 李华
网站建设 2026/5/2 21:44:41

AI销冠系统是什么?数字员工带来的效率提升有哪些优势?

数字员工作为AI销冠系统的重要组成部分,通过自动化处理日常业务任务,为企业带来了显著的优化效果。这些智能工具不仅能够高效执行重复性工作,还可处理海量客户信息,以快速回应客户需求。通过数字员工的引入,企业能够降…

作者头像 李华
网站建设 2026/5/2 5:11:55

品味如何规模化:结合AI的抽象方法论

品味的规模化本质是将主观审美转化为可复制、可扩展的系统能力。在AI时代,这一过程可以通过算法、数据和系统化的思维实现,同时保持对人性的深刻理解。以下是结合AI的抽象方法,不依赖现实案例:**一、构建AI驱动的品味量化体系&…

作者头像 李华