这份是本人的学习笔记，课程为网易公开课上的斯坦福大学公开课：傅里叶变换及其应用。
卷积在滤波中的应用
浑浊度（Turbidity）研究是关于测量水的清澈度的研究。大致方法是把光传感器放置到深水区域，然后测量光线的昏暗程度，测量出来的值将随时间变化。
（由于没有真实数据，下面用mathematica比较粗糙地模拟水域的浑浊度数据）
能看到信号主要集中在低频，我们需要把毛刺去除，也就是把高频去除，在频域进行低通滤波（Low Pass Filtering）
滤波后的波形如下
频域运算：$pi_{2 u_c} F(s)$；时域运算为卷积：$2 u_c sinc(2 u_c t)*f(t)$。
滤波概念
滤波（Filtering）通常等同于卷积，滤波是由滤波器实现的。
滤波器（Filter）是一个输入可变的函数（信号）与一个固定的函数（信号）进行卷积运算的系统。这个固定的信号叫做脉冲响应（impulse response）。
$g quad = quad f qquad * qquad h$
$qquad output qquad input qquad impulse response$
卷积是在时域的表示方法，一般来说，频域的运算会比时域简单许多，因为频域只需执行相乘运算。
$G(s) = F(s)H(s)$
$H(s)$被称为传递函数（transfer function），在设计滤波器时通常是设计合适的传递函数$H(s)$。
下面是比较常用的滤波器。
低通滤波器（low pass filter），常用于图像压缩。
高通滤波器（high pass filter），常用于边缘检测（edge detection）
带通滤波器（band pass filter）
卷积的含义
教授认为只需要从频域理解为函数的相乘即可，而在时域上不需要去具象化卷积。（I think it is equally idiotic to try to visualize convolution. I think the way to visualize convolution, if there is a way, is to think in terms of multiplying in the frequency domain.）
卷积的性质
一般来说$f*g$通常比单独的$f$和$g$更加平滑。
如：矩形函数$Pi$是不连续的，两个$Pi$函数的卷积是三角函数$Lambda$，是连续的。
$mathcal{F}(Pi * Pi) = (mathcal{F} Pi)(mathcal{F} Pi) = sinc^2 = mathcal{F} Lambda$
傅里叶导数定理
对原函数进行微分后，它的傅里叶变换等于其原函数的傅里叶变换乘以$2pi is$
$mathcal{F}(f')(s) = 2pi is(mathcal{F} f)(s)$
证明过程如下：
傅里叶逆变换有：
$f(t) = displaystyle{int_{-infty}^{infty} F(s)e^{2pi ist}ds }$
对其求微分，
$egin{align*}
frac{partial f}{partial t}
&= int_{-infty}^{infty}F(s)(2pi ise^{2pi ist})ds \
&= int_{-infty}^{infty}(2pi isF(s))e^{2pi ist}ds \
end{align*}$
则有$f'$与$2pi isF(s)$为傅里叶变换的关系
$f' leftrightarrow 2pi isF(s)$
推广开来有
$mathcal{F}(f^n)(s) = (2pi is)^n(mathcal{F} f)(s)$
无限长柱上的热方程
$U(x,t)$表示时间$t$，位置$x$上的温度。
已知初始温度为$U(x,0) = f(x)$，热方程为$U_t = frac{1}{2}U_{xx}$。
$U(x,t)$的求解过程如下：
对位置变量进行$x$求傅里叶变换，假设变换的结果为$U(s,t)$。
对热方程等号左边进行傅里叶变换，
$egin{align*}
mathcal{F}(U_t)
&= int_{-infty}^{infty}e^{-2pi isx} frac{partial}{partial t}U(x,t)dx \
&= frac{partial}{partial t}int_{-infty}^{infty} e^{-2pi isx}U(x,t)dx \
&= frac{partial}{partial t}U(s,t)
end{align*}$
对热方程等号右边进行傅里叶变换，
$mathcal{F}(frac{1}{2}U_{xx}) = frac{1}{2}(2pi is)^2U(s,t) = –2pi ^2s^2U(s,t)$
即有
$frac{partial}{partial t}U(s,t) = –2pi^2s^2U(s,t)$
求偏微分方程，得
$U(s,t) = U(s,0)e^{-2pi^2s^2t}$
$U(s,0) = displaystyle{int_{-infty}^{infty}U(x,0)e^{-2pi isx}dx=int_{-infty}^{infty}f(x)e^{-2pi isx}dx = F(s) }$
把$U(s,0)$的结果代入$U(s,t)$，得
$U(s,t) = F(s)e^{-2pi ^2s^2t}$
转换为卷积格式
$e^{-2pi ^2s^2t} = mathcal{F}(frac{1}{sqrt{2pi t}}e^{frac{x^2}{2t}})$
$egin{align*}
U(s,t)
&= F(s)e^{-2pi ^2s^2t}\
&= (mathcal{F} f)(mathcal{F} (frac{1}{sqrt{2pi t}}e^{frac{x^2}{2t}}))\
&= mathcal{F}(f* frac{1}{sqrt{2pi t}}e^{frac{x^2}{2t}})
end{align*}$
$U(x,t) = f(x) * frac{1}{sqrt{2pi t}}e^{frac{x^2}{2t}}$