对数据进行离散傅里叶变换遇到的问题,傅里叶变换的物理意义,

傅里叶变换的本质的可能是不充分了解
傅里叶变换的信号分离是无限的特定正弦/另外的复指数信号,即,该信号可变为一个正弦的形式的总和信号 - 因为它是一个无限的总和多个信号和非周期信号,每个信号的权重都为零 - 但有不同的密度,可以比较概率论概率密度想想 - 下降到每个点的概率是无穷小,但这些无穷小的差异
所以,经过傅立叶变换中,横轴是分离的频率的正弦信号,纵轴对应
/>的加权密度的周期信号,因为确实有一些频率的正弦波成分,可以提取的加权零 - 无限上表现的幅度谱 - 但很明显,这些无限冲激函数的区别
>
已所述傅立叶变换的各种形式的信号与正弦信号表示傅里叶变换,从原始信号中的频率分量,因此,非正弦信号将是不同的 - 是原始信号频率的整数倍.这些高频率的信号被用来的频率和相同的作为原始信号是一个正弦波信号,所以接近原始信号.中的最低频率的频谱的峰值（通常最高幅度）,因此,是原始信号的频率.
傅里叶变换的信号从时域变换到频域,因此拼接在一起的傅里叶变换在时域上的不同频率的信号是没有意义的 - 实际的情况下,我们从时间收集一次时间信号变换,以反映在频域中的信号随着时间的推移的变化.
我可能晦涩的语言,但我已经尽我所能告诉你,我的理解 - 真的希望能对你有用.一直以来,很长一段时间我不知道答案的问题,这个问题的答案的原因,因为我真的学习傅立叶变换和拉普拉斯变换的过程中,受益于 - 他们几乎改变了我的世界的理解.的傅里叶变换值得你心里明白 - 甚至几个月的折腾在这上面是值得的 - 我也想过：计算问题.浙江大学“求”永远鞭策我追求的理论认识 - 最终,经过一番思索痛苦才恍然大悟,原来的座右铭.我建议你?看看在信号与系统课程材料：化学工业出版社的“信号系统”,将帮助.