# 把信号卷起来，万物的频率就现形了 有没有一条视频，能让一个从没碰过高数的人，在二十分钟内真正“看懂”傅里叶变换？ 有。3Blue1Brown 频道的《But what is the Fourier Transform? A visual introduction》（但什么是傅里叶变换？一个直观的介绍），2019年上线，到现在仍是全网公认讲傅里叶讲得最漂亮的一条视频，播放量达数千万级（以页面实时数据为准）。它没有堆公式、没有甩定义，而是把一个吓退过无数工科生的积分式，拆成了一台人人都能想象的“绕圈机”。 这条视频值得写给三类人：一是被傅里叶折磨过、只知道“会背不会懂”的工科生；二是通信从业者——你每天调度的 OFDM、你考过的每一门课，底层全是它；三是所有对“不确定性原理”好奇的人——你会惊讶地发现，量子力学里那个著名的测不准，居然就是这条视频上半场的数学直接推出来的。 下面我把它逐段拆开讲。文中哪些是视频本意、哪些是我的延伸补充，都会标注清楚。 ## 视频背景卡片 | 项目 | 内容 | |------|------| | 视频标题 | But what is the Fourier Transform? A visual introduction | | 频道 | 3Blue1Brown（主理人 Grant Sanderson，以动画可视化学数学闻名，订阅数百万级） | | 时长 | 约21分钟 | | 播放量 | 数千万次量级（以页面实时数据为准） | | 上线时间 | 2019年 | | 语言 | 英文（有中文字幕，动画自解说性强，无字幕也能看懂大半） | | 核心主题 | 用“绕圈+质心”的几何直觉，重建傅里叶变换的完整理解，并推出不确定性原理 | --- ## 核心内容拆解 ### 一、开场策略：先把最吓人的公式拍在桌上 视频一开场就做了一件反直觉的事：直接把傅里叶变换的完整公式——带积分、带复指数、带负号的那一大坨——放在屏幕上。作者 Grant 的用意（视频原意，大意如此）是：这个公式几乎所有课本都教过，但绝大多数人学完的感受是“每个符号都认识，合在一起完全不懂”。他承诺，看完这期视频，你会觉得这个公式**本来就该长这样**。 这个开场策略本身就很值得学。它没有回避难点，而是把难点变成悬念。我们平时的讲解习惯是把公式藏到最后，美其名曰“循序渐进”，结果观众全程紧张地等一只靴子落地。3B1B 的做法是：这就是终点站，我带你走过去，你自己会走到。 **我的延伸分析**：这种“先亮终点再走过程”的讲法，本质是把认知负荷前置可视化——你知道自己要去哪，每一步才不会迷路。做技术分享、写文档、讲课，都值得偷这一招。 ### 二、绕圈机：把一段信号卷上圆轮 接下来是全片最核心的比喻（视频原意）：想象把信号图像——比如一段随时间起伏的曲线——**缠绕**到一个圆轮上。 具体怎么做？把时间轴弯成圆周：原信号在时间 t 处的值，决定卷绕后图形上对应点半径的长短。于是原本摊开的一条时间曲线，就变成了缠在圆盘上的一团花纹。 关键来了：**缠绕的快慢（每秒绕几圈）是你自己设定的参数**。你设一个缠绕频率 f，信号就被卷成一种形状；换个 f，又被卷成另一种形状。整个操作就像摇一台手摇卷线机，f 就是你的摇柄转速。 为什么这个操作有魔力？因为每一种卷绕方式，都会给这团花纹算出一个**质心**（center of mass）。而质心的位置，恰恰就是探测信号成分的探针。这一步是全片真正的“aha moment”所在——它把一个积分运算，变成了一个可以动手摇的机械操作。 ### 三、质心：藏在图形重心里的频率探测器 那质心到底怎么探测频率？（视频原意）Grant 用一个例子演示：假设原信号是一条干净的余弦波。 - 当你选的缠绕频率 f **不等于**余弦波的频率时，卷出来的花纹在圆盘上分布得比较对称，正方向的贡献和反方向的贡献互相抵消，质心缩在原点附近，几乎不动。 - 当 f **正好命中**余弦波的频率时，整条曲线被卷成了一团明显偏向一侧的花纹——因为波峰全部被卷到了同一边。质心显著偏移。 也就是说：**质心偏不偏，就是“这个频率在不在信号里”的判决器。**你从低到高连续调节缠绕频率，把每个频率下质心画成一条曲线，这条曲线就是——傅里叶变换。 公式和直觉在这里严丝合缝：视频里那条吓人的积分式，逐项翻译过来就是“信号值 × 旋转因子，再做加权平均”，加权平均求出来的，正是质心。Grant 在视频里管这个未归一化的版本叫“近似变换”（大意），真正的傅里叶变换只是多了归一化处理。看到这里你会明白：**公式不是被背下来的，是被“摇”出来的。** ### 四、欧拉公式登场：e 进来救场 绕圈机讲完，视频把主角 e^{2πift} 请上台（视频原意）。很多人对欧拉公式的恐惧源于把它当成需要“证明”的结论，而这条视频的处理方式极聪明：**别管证明，先看它画画。** e^{2πit} 画出来是什么？一个在复平面上匀速旋转的单位向量——转一圈，就是一次完整的振动。于是“乘以 e^{-2πift}”这个看似抽象的操作，物理意义就是“按频率 f 把信号往反方向卷”。上一节的绕圈机，数学化身就是这个复指数。 几个细节视频里交代得很清楚（视频原意）：负号代表卷绕方向；除以时间段是求真正的平均（质心归一化）；不同教材里正负号和 2π 的位置各不相同，那只是记号约定之争，本质完全一样。 **我的延伸分析**：这是全片方法论上最值得抄的一课——**当公式吓人时，先给它找一个物理化身**。复数、卷积、傅里叶、拉普拉斯，凡是让工科生头疼的概念，几乎都有一个“可摇动的机械版本”。先建立化身，再回到符号，符号才不会变成天书。 ### 五、不确定性原理：同一套数学的惊天推论 如果说上半场是“把公式讲懂”，下半场就是全片真正的王炸：**不确定性原理（uncertainty principle）**。 视频里的推理（视频原意）大致是：拿一个在时间上极其尖锐的信号——一个窄窄的尖峰——去做傅里叶变换，你会得到一条在频率上铺得极开的曲线；反过来，把信号在频率上收得极窄，它在时间上就摊成一片。**时间上的集中和频率上的集中，是一对不可兼得的跷跷板。**用高斯函数演示最清楚：时间域越瘦的高斯，频率域就越胖，二者乘积有个下限。 这不是数值计算的巧合，是波的本性。随后视频把这只手伸进了量子力学：德布罗意告诉我们粒子也是波，动量对应空间频率，于是“位置测得越准、动量就越不准”的海森堡不确定性原理（Δx·Δp ≥ ℏ/2）**不需要任何量子玄学，光靠这一集的波数学就能推出来**。 **我的延伸分析**：这是我认为全网对“不确定性”最去魅化的讲法。多数科普把它讲成“观测扰动了系统”，制造神秘感；而这条视频告诉你：它就是时频跷跷板，和量子没关系也能成立——丢一颗石子进水里，波纹越窄，你能数清它的波长吗？数不清的。波都这样，粒子不例外。 ### 六、视频没讲但必须补的：FFT，让傅里叶跑遍世界（延伸） 诚实地说，这条视频有一处留白：它通篇讲的是连续信号的傅里叶变换，完全没有提计算机世界里的离散版本——DFT 和 **FFT（快速傅里叶变换）**。这是我的补充。 现实中的信号都是采样后的离散点，对应的运算叫离散傅里叶变换（DFT）。暴力算 DFT 的复杂度是 N²，而 1965 年 Cooley 和 Tukey 发表的 FFT 算法把它降到 N·log N——N 越大省得越恐怖。顺带一提，据数学史考证，高斯早在 1805 年就手工发现过同类方法，只是没赶上好时代。FFT 被公认为二十世纪最重要的算法之一，没有它，你的手机每秒做几百万次频域变换、OFDM 调制、JPEG 解码，电早就不够用了。 LTE 和 5G NR 的物理层用的是 OFDM：发射机把几百个子载波的“频域数据”一次性丢进 IFFT，直接得到“时域波形”。可以说，**你刷短视频的每一毫秒，都在跑傅里叶变换。** ### 七、为什么八年过去它还是最好的入门（延伸点评） 2019 年到 2026 年，讲傅里叶的视频出了无数条，为什么我仍推荐这条？三个原因。 第一，**比喻闭环**。“绕圈—质心—频谱”是一条从头贯到尾的单一比喻，不是东拼西凑的类比串烧。好的可视化不是画得多炫，而是**一个比喻扛全场**。 第二，**尺度完整**。它不止教你懂一个工具，还顺手掀开了量子力学一角，让你看到数学的“越界杀伤力”——一个信号处理的直觉，直接通到物理基本原理。 第三，**诚实的留白**。视频结尾明确告诉你这只是一个直观介绍，正经使用还要学离散版本和更多细节。不装全知，反而让人信任。 ## 知识结构图 ```mermaid flowchart TD S["任意信号
随时间起伏"] --> W["缠绕：按频率 f
把信号卷上圆轮"] W --> C{"看质心位置"} C -->|"f 不是成分"| O["正负抵消
质心缩在原点"] C -->|"f 命中成分"| P["波形甩向一侧
质心明显偏移"] O --> SP["换个频率逐个试探
扫出完整频谱"] P --> SP SP --> A1["音频：均衡与降噪"] SP --> A2["图像：JPEG 压缩"] SP --> A3["通信：OFDM 调制"] SP --> A4["物理：不确定性原理"] A4 --> Q["时间越尖锐
频率越铺开"] ``` ## 实战启示 **如果你是通信工程师**，这条视频直接解释你饭碗里的两个日常。其一，OFDM 里子载波间隔和符号时长为什么成倒数——那就是时频跷跷板：符号越长，子载波越窄，频谱越省；5G NR 设计 15kHz×2ⁿ 的可扩展参数集（numerology），本质就是把这对跷跷板做成了可配置旋钮，大间隔抗多普勒给高铁用，小间隔抗多径给广覆盖用。学完“绕圈机”，参数集配置题不再靠背。其二，你做频谱分析时窗函数的时宽和频率分辨率的取舍，同一套数学，同一道枷锁。 **如果你是普通读者**，至少能看穿三件日常用品的真身：音乐播放器里的 EQ 均衡器，就是把歌拆到频域再调各段增益；降噪耳机是实时估计环境噪声的频谱、再反向播放抵消；JPEG 压缩把图片切成小块做离散余弦变换、扔掉人眼不敏感的高频成分——你手机里那些“文件不大的照片”，都是傅里叶思想的产物。 **如果你带团队做讲解或教学**，抄它的方法论：先亮终点、一个比喻扛全场、给公式找物理化身、诚实交代留白。这套组合拳放进任何一门硬核课里都成立。 一句话方法论总结：**换个坐标系看问题**。当一件事在原坐标系里纠缠不清时，找到那个让它“各归各位”的坐标——对信号是频率域，对很多职场和工程难题，也一样。 ## 延伸学习路径 1. **3Blue1Brown 官网与频道**（3blue1brown.com）——同系列《But what is a neural network?》（神经网络入门，即“认出手写数字”那一集）是同款讲法的又一神作。 2. **Stanford EE261 公开课**《The Fourier Transform and its Applications》（主讲 Brad Osgood，YouTube 可搜）——想正经补数学 rigor 的工科生首选，和这条视频正好一软一硬。 3. **书：Ronald Bracewell《The Fourier Transform and Its Applications》**——傅里叶应用的经典参考书，工程视角。 4. **Wikipedia：Fourier transform 与 Uncertainty principle 词条**——查记号约定、看 FFT 历史的最快入口。 5. **动手实验**：用 Python 的 `numpy.fft` 对一段音乐做 FFT，亲眼看频谱跳出来——绕圈机摇过一次，就忘不掉了。 ## 一句话总结 它把信号处理里最难懂的一个公式，变成了一台任何人都能上手摇的绕圈机——摇完之后你收获的不只是一个知识点，而是“原来复杂事物可以拆成纯净成分”的世界观。 ## 参考来源 1. [But what is the Fourier Transform? A visual introduction](https://www.youtube.com/watch?v=spUNpyF58BY) — 本文深读的核心视频（3Blue1Brown，2019） 2. [3Blue1Brown 频道](https://www.youtube.com/@3blue1brown) — Grant Sanderson 的数学可视化频道 3. [Fourier transform - Wikipedia](https://en.wikipedia.org/wiki/Fourier_transform) — 记号约定与变换家族速查 4. [Uncertainty principle - Wikipedia](https://en.wikipedia.org/wiki/Uncertainty_principle) — 时频不确定性与量子力学的关系 5. Stanford EE261: The Fourier Transform and its Applications — Brad Osgood 公开课（YouTube 可搜） --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。