虽然本人数学不是很好！但是计算机这个专业里离不开数学，所以数学还得好好学！ 在这里介绍最常用的数学知识！就是我们在图像分析，嵌入式，通信都会用到的傅立叶变换！
下面做个简要的入门介绍把！
傅里叶变换在物理学、数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学、海洋学、结构动力学等领域都有着广泛的应用（例如在信号处理中，傅里叶变换的典型用途是将信号分解成幅值分量和频率分量）。
傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。
傅里叶变换是一种解决问题的方法，一种工具，一种看待问题的角度。理解的关键是：一个连续的信号可以看作是一个个小信号的叠加，从时域叠加与从频域叠加都可以组成原来的信号，将信号这么分解后有助于处理。
我们原来对一个信号其实是从时间的角度去理解的，不知不觉中，其实是按照时间把信号进行分割，每一部分只是一个时间点对应一个信号值，一个信号是一组这样的分量的叠加。傅里叶变换后，其实还是个叠加问题，只不过是从频率的角度去叠加，只不过每个小信号是一个时间域上覆盖整个区间的信号，但他确有固定的周期，或者说，给了一个周期，我们就能画出一个整个区间上的分信号，那么给定一组周期值（或频率值），我们就可以画出其对应的曲线，就像给出时域上每一点的信号值一样，不过如果信号是周期的话 ，频域的更简单，只需要几个甚至一个就可以了，时域则需要整个时间轴上每一点都映射出一个函数值。
傅里叶变换就是将一个信号的时域表示形式映射到一个频域表示形式；逆傅里叶变换恰好相反。这都是一个信号的不同表示形式。它的公式会用就可以，当然把证明看懂了更好。
对一个信号做傅里叶变换，可以得到其频域特性，包括幅度和相位两个方面。幅度是表示这个频率分量的大小，那么相位呢，它有什么物理意义？频域的相位与时域的相位有关系吗？信号前一段的相位（频域）与后一段的相位的变化是否与信号的频率成正比关系。
傅里叶变换就是把一个信号，分解成无数的正弦波（或者余弦波）信号。也就是说，用无数的正弦波，可以合成任何你所需要的信号。
想一想这个问题：给你很多正弦信号，你怎样才能合成你需要的信号呢？答案是要两个条件，一个是每个正弦波的幅度，另一个就是每个正弦波之间的相位差。所以现在应该明白了吧，频域上的相位，就是每个正弦波之间的相位。
傅里叶变换用于信号的频率域分析，一般我们把电信号描述成时间域的数学模型，而数字信号处理对信号的频率特性更感兴趣，而通过傅立叶变换很容易得到信号的频率域特性。
傅里叶变换简单通俗理解就是把看似杂乱无章的信号考虑成由一定振幅、相位、频率的基本正弦（余弦）信号组合而成，傅里叶变换的目的就是找出这些基本正弦（余弦）信号中振幅较大（能量较高）信号对应的频率，从而找出杂乱无章的信号中的主要振动频率特点。如减速机故障时，通过傅里叶变换做频谱分析，根据各级齿轮转速、齿数与杂音频谱中振幅大的对比，可以快速判断哪级齿轮损伤。
傅立叶变换的不同变种
连续傅立叶变换
主条目：连续傅立叶变换 一般情况下,若“傅立叶变换”一词的前面未加任何限定语，则指的是“连续傅立叶变换”。“连续傅立叶变换”将平方可积的函数f(t) 表示成复指数函数的积分或级数形式。 f(t) = \mathcal^[F(ω)] = \frac{\sqrt{2π}} \int\limits_{-\infty}^\infty F(ω) e^{iωt}\,dω. 上式其实表示的是连续傅立叶变换的逆变换，即将时间域的函数f(t)表示为频率域的函数F(ω)的积分。反过来,其正变换恰好是将频率域的函数F(ω)表示为时间域的函数f(t)的积分形式。一般可称函数f(t)为原函数,而称函数F(ω)为傅立叶变换的像函数,原函数和像函数构成一个傅立叶变换对(transform pair)。 一种对连续傅立叶变换的推广称为分数傅立叶变换（Fractional Fourier Transform）。 当f(t)为奇函数(或偶函数)时,其余弦(或正弦)分量将消亡,而可以称这时的变换为余弦转换(cosine transform) 或 正弦转换(sine transform). 另一个值得注意的性质是,当f(t) 为纯实函数时,F(−ω) = F(ω)*成立.
傅立叶级数
主条目：傅立叶级数 连续形式的傅立叶变换其实是傅立叶级数的推广，因为积分其实是一种极限形式的求和算子而已。对于周期函数，其傅立叶级数是存在的： f(x) = \sum_{n=-\infty}^{\infty} F_n \,e^ , 其中Fn 为复振幅。对于实值函数，函数的傅立叶级数可以写成： f(x) = \fraca_0 + \sum_{n=1}^\infty\left[a_n\cos(nx)+b_n\sin(nx)\right], 其中an和bn是实频率分量的振幅。 离散时间傅立叶变换 主条目：离散时间傅立叶变换 离散傅立叶变换是离散时间傅立叶变换（DTFT）的特例（有时作为后者的近似）。DTFT在时域上离散，在频域上则是周期的。DTFT可以被看作是傅立叶级数的逆。
离散傅立叶变换
主条目：离散傅立叶变换 为了在科学计算和数字信号处理等领域使用计算机进行傅立叶变换，必须将函数xn 定义在离散点而非连续域内，且须满足有限性或周期性条件。这种情况下, 使用离散傅立叶变换，将函数 xn 表示为下面的求和形式： x_n = \frac1 \sum_{k=0}^ X_k e^{i\frac{2\pi} kn} \qquad n = 0,\dots,N-1 其中Xk是傅立叶振幅。直接使用这个公式计算的计算复杂度为\mathcal(n^2)，而快速傅立叶变换（FFT）可以将复杂度改进为\mathcal(n \log n)。计算复杂度的降低以及数字电路计算能力的发展使得DFT成为在信号处理领域十分实用且重要的方法。 在阿贝尔群上的统一描述 以上各种傅立叶变换可以被更统一的表述成任意局部紧致的阿贝尔群上的傅立叶变换。这一问题属于调和分析的范畴。在调和分析中, 一个变换从一个群变换到它的对偶群(dual group)。此外，将傅立叶变换与卷积相联系的卷积定理在调和分析中也有类似的结论。傅立叶变换的广义理论基础参见庞特里雅金对偶性（英文版）中的介绍。
时频分析变换
主条目：时频分析变换 小波变换，chirplet转换和分数傅立叶转换试图得到时间信号的频率信息。同时解析频率和时间的能力在数学上受不确定性原理的限制。 傅立叶变换家族 下表列出了傅立叶变换家族的成员. 容易发现,函数在时(频)域的离散对应于其像函数在频(时)域的周期性.反之连续则意味着在对应域的信号的非周期性. 变换 时间域 频率域
连续傅立叶变换 连续， 非周期性 连续， 非周期性
傅立叶级数 连续， 周期性 离散， 非周期性
离散时间傅立叶变换 离散， 非周期性 连续， 周期性
离散傅立叶变换 离散， 周期性 离散， 周期性
傅立叶变换的基本思想首先由法国学者傅立叶系统提出，所以以其名字来命名以示纪念。 从现代数学的眼光来看，傅立叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。 傅立叶变换属于调和分析的内容。"分析"二字，就是"条分缕析"。通过对函数的"条分缕析"来达到对复杂函数的深入理解和研究。从哲学上看，"分析主义"和"还原主义"，就是通过对事物内部适当的分析达到增进对其本质理解的目的。比如近代原子论试图把世界上所有物质的本源分析为原子，而原子不过数百种而已，相对物质世界的无限丰富，这种分析和分类无疑为认识事物的各种性质提供了很好的手段。
当然要想在程序里面灵活运用傅立叶变换还要下很大的功夫！至少要理解好！