01 频率不是音高，是每秒转几圈

▷ 先猜一下

下面四样东西：

① 一段三分钟的录音　② 一张 4000 × 3000 的照片　③ 一年的股票收盘价　④ 一块硅晶体的 X 射线衍射图样

问：其中哪几样可以用这本书里这一台机器去分析？（注意，问的不是「哪几样有人这么做过」，而是「哪几样在数学上用的是同一个变换」。）

A 只有 ①。傅里叶是做音频的，别的都是打比方 B ① 和 ③。它们都是「一条随时间变化的曲线」，②④ 不是时间序列 C ①②③。照片可以看成二维的信号，但 ④ 是物理现象，不是数据处理 D 四样全部，而且是字面意义上的同一台机器

先把「波」这个词扔掉

打开任何一本教材，第一页画的都是一条起起伏伏的线，旁边写着「正弦波」。这个图害人不浅，因为它让人以为正弦是一种形状。

正弦不是形状。正弦是影子。

拿一个点，让它在一个圆上匀速转圈。盯着它的高度看——只看高度，不看左右——你会看见这个高度先升到顶，再降到底，再升回来。把这个高度随时间画出来，那就是正弦曲线。

换句话说：

sin(θ) 和 cos(θ) 不是「两个三角函数」，
是圆上那一点的两个坐标：

    圆上转到角度 θ 的那一点  =  ( cos θ , sin θ )
                                  └──┬──┘  └──┬──┘
                                   横坐标    纵坐标

所以：
    「一条 3 Hz 的正弦曲线」  =  「一个每秒转 3 圈的点的纵坐标」

这不是一个比喻，是定义。中学课本先教三角形再教圆，所以大部分人脑子里 sin 是「对边比斜边」；但在这本书之后的所有页里，sin 和 cos 就是圆上那个点的两个坐标，没有别的意思。

于是「频率」这个词的意思也跟着变了：

◆ 主线

频率 = 每秒转几圈。单位 Hz 的字面意思就是「每秒几次」，而这个「次」指的是转完一整圈。

3 Hz 就是每秒转三圈；转一圈要 1/3 秒；转到 1/12 秒的时候，已经走完了一圈的四分之一，也就是 90°——这时候纵坐标（正弦）正好在最高点 1.000000，横坐标（余弦）正好是 0.000000。

这本书往后所有的内容，都是这一句话的展开：任何变化的东西，都可以写成一堆匀速旋转的和。「分析一个信号」的全部意思，就是「查出里面有哪些转速，各转得多快多大」。

为什么非得说「旋转」，说「正弦」不行吗

行，但会漏掉一半，而且漏掉的正好是最要紧的那一半。

一个匀速旋转，需要三个数才能描述清楚：转速（每秒几圈）、半径（转得多大）、起始角（时钟归零的那一刻，它站在哪儿）。

如果你只盯着影子看，第三个数就变得很别扭——它变成了「这条正弦曲线在时间轴上被推了多远」。教材管它叫相位，然后大多数人就把它当成一个可以忽略的技术细节。第 4 章会给出一个实验，说明这个「技术细节」里藏着一张图几乎全部的内容。

说「旋转」的第二个好处，是它自然地要求你用两个数记住一个状态（横坐标和纵坐标）。而「一个数记住两件事」这件事，数学里早就有专门的工具，叫复数。

✎ 术语正名

复数在这本书里没有任何神秘的意思。它就是平面上的一个点，写成 a + bi 的时候，a 是横坐标，b 是纵坐标。「虚数」这个译名是历史事故（英文 imaginary 同样是笛卡尔当年的贬义词），它一点也不比负数更虚。

复数唯一比「一对实数」多出来的本事是：它自带一套乘法，而这套乘法的几何意义正好就是「旋转 + 缩放」。两个复数相乘，角度相加，长度相乘。这就是它在这本书里出现的全部理由。

于是那个吓人的记号 e^(iθ)，意思只是「圆上角度为 θ 的那一点」：

e^(iθ) = cos θ + i · sin θ        ← 圆上的点，横坐标 cos θ，纵坐标 sin θ

θ = π 的时候，那一点转到了圆的最左边，坐标是 (−1, 0)：
    e^(iπ) = −1        本机现算 cos(π) + 1 = 0.0e+0

传说中「最美的公式」在这里只是一句大白话：转半圈，到对面。

往后看到 e^(-i2πft)，就在心里念成：「一个每秒转 f 圈、正在往顺时针方向转的点，此刻在哪儿」。整本书里它不表示别的意思。

你以为它是 X，其实它是 Y

这一节是整本书的地图。左边是大多数人默认的理解，右边是学完这本书之后会换上的那个。如果你只带走一样东西，带走这张表。

你以为它是 X	其实它是 Y
傅里叶变换是「分解成正弦波」	是换一套坐标系。就像把「东北方向 5 米」写成「东 3 米、北 4 米」——数据一个比特都没变，只是换了一组基准方向来记它
频域是给同一份数据换一种画法	是给它换一个乘法变简单的地方。时域里那个又慢又拧巴的卷积，到了频域就是逐点相乘。这是全书唯一值得跑一趟的理由（第 14 章）
频率就是音高	频率是每秒转几圈。音高是人耳对它取对数之后的感受；而在图像里，「频率」跟时间和听觉都没有半点关系
采样率越高越好，是精度问题	是阈值问题。低于两倍带宽，信息不可逆地丢掉；达到了，就一点都不丢（第 5 章，实测重建误差 3.86 × 10⁻¹³）
采样丢掉的高频「没了」	没有没，它换了个身份混进低频里，而且事后没有任何算法能把它认出来（第 6 章）
频谱上那些毛刺是噪声	很多时候是你把信号剪断这个动作本身造出来的。一个绝对纯净的音，能糊到 41 根谱线上去（第 8 章）
幅度谱是信号的「特征」	幅度谱丢掉了一半信息，而且丢的是更重要的那一半。把两张图的相位互换，你会看见换脸（第 4 章）
「测不准原理」是量子力学的性质	是傅里叶的性质。任何一对互为傅里叶变换的量都逃不掉，量子力学只是把单位换成了动量和位置（第 10 章）
滤波是「把某些频率删掉」	是拿频谱去乘一条曲线。而理想的那条曲线（通带 1、阻带 0）对应的时域动作需要用到未来，所以造不出来（第 15 章）
信号弱到淹没在噪声里就没救了	只要你手里有它的样板，相关一遍就能捞出来。GPS 的信号到你手机时比噪声弱几百倍（第 16 章）
FFT 是傅里叶变换的一种	FFT 不是一种变换，是算同一个变换的一个快法。结果一模一样，只是从 6.2 小时变成 29 毫秒（第 17 章）
中心极限定理是概率论的定理	它可以用傅里叶一行证明：概率密度相加就是卷积，卷积就是频域相乘，而反复相乘会把任何东西压成高斯（第 19 章）

这张表里每一行，后面都有一整章。

为什么这台机器能同时对付照片和晶体

回到开头那个问题。答案是 D：四样全部，而且不是「打比方」的同一台，是同一个公式、同一段代码、同一个 fft() 调用。原因在于：这台机器根本不关心横轴是什么。

录音：横轴是时间（秒），「频率」的单位是 Hz（每秒几圈）。
照片：横轴是位置（像素），「频率」的单位是每毫米几圈——衡量的是明暗变化有多密。一大片天空是低频，一件条纹衬衫是高频。第 18 章会用真实的 JPEG 数据把这件事做完。
股价：横轴是天。「频率」的单位是每年几圈，正好对应「季节性」这个词。
晶体衍射：这一个最有意思，因为这里没有人在算傅里叶变换——是物理本身在算。X 射线穿过晶体后落在底片上的图样，就是晶体内部电子密度的傅里叶变换。1953 年那张著名的 51 号照片，就是 DNA 的傅里叶变换；沃森和克里克要做的事，是把它逆变换回去。第 19 章会回到这里。

把横轴换成任何东西，只要「平移它一下，规则不变」（往后挪一秒和往后挪一天没有本质区别，往右挪一个像素和往右挪十个像素也没有），这台机器就成立。第 19 章会说清楚，这个「平移不变」才是它真正的入场券——它甚至可以用在一个群上，而那正是 Shor 算法拆大整数的那一步。

⌨ 自己跑一遍

这本书里最短的一个实验：给四个数做傅里叶变换，看看出来的是什么。

import numpy as np
print(np.fft.fft([1, 2, 3, 4]))

会打出：

[10.+0.j  -2.+2.j  -2.+0.j  -2.-2.j]

四个数进去，四个复数出来。第一个 10 是 1+2+3+4——第 0 根谱线永远是所有样本的和（转速为 0 的那个「旋转」根本不转，于是「缠一圈取平均」就退化成了直接求和）。剩下三个是转速 1、2、3 圈的那三个分量。第 2 章会让你能一眼看出这四个数是怎么来的。

没装 numpy 也行，浏览器控制台里两行就能算完这个四点变换：

const x = [1, 2, 3, 4], N = 4;
for (let k = 0; k < N; k++) {
  let re = 0, im = 0;
  for (let n = 0; n < N; n++) {
    const a = -2 * Math.PI * k * n / N;
    re += x[n] * Math.cos(a);
    im += x[n] * Math.sin(a);
  }
  console.log(k, re.toFixed(3), im.toFixed(3));
}

python3 -c "import numpy as np; print(np.fft.fft([1,2,3,4]))"

在线跑：python.org/shell（numpy 未必有）或任意浏览器按 F12 打开控制台，上面那段 JS 直接粘。

▸ 在现实里

你今天已经用过这台机器至少几百次，只是它没告诉你：

你听的每一秒音乐。MP3 / AAC / Opus 全都在频域里工作——它们扔掉的不是「小的样本」，是「你听不见的频率分量」。第 11 章会说清楚它们怎么切段。
你手机的每一格信号。4G / 5G / Wi-Fi 用的 OFDM，字面意思是「正交频分复用」，整条空口协议就架在第 3 章那条正交性上。
你相册里的每一张 JPEG。它把图切成 8 × 8 的小块，每块做一次余弦变换，然后按频率高低分配比特。第 18 章会拿 JPEG 标准里那块著名的方块从头算一遍。
医院里的每一次 MRI。核磁共振机器直接采集的就是频域数据（业内叫 k-空间），你看到的那张脑片是逆变换出来的。它比 CT 更依赖这本书的第 7 章：扫得越久，分辨率越高。
电网。50 Hz 或 60 Hz 是全国电网同步转动的转速；调度中心盯着的那个数字，就是这个转速的实时估计。

✗ 这个直觉是错的

「频率就是音高。频率高 = 声音尖。」

在纯音上，这句话成立。问题是现实里几乎没有纯音。

拿小提琴和长笛同时拉一个 440 Hz 的 A：它们的基频完全一样，你却一耳朵能分开——差别全在那一串泛音的强弱比例上，也就是频谱的形状，不是频谱的位置。

更远一点：把 440 Hz 和 880 Hz 放在一起，人耳听到的是「同一个音高了八度」，而在这台机器眼里，它们只是两个不同的转速，一个是另一个的两倍，没有任何特殊地位。「八度」是听觉系统的事，不是频率的事。

最要命的是：在一张照片上，「高频」指的是明暗变化很密——那里既没有时间，也没有声音，「音高」这个词一点意义都没有。判据是：频率永远是「每单位横轴转几圈」，横轴是什么，这个词就是什么单位。

◇ 揭晓

正确答案是 D：四样全部，而且是同一个变换、同一段代码。

A 「傅里叶是做音频的」——这是最常见的误会，来源是教材第一页那张正弦波图。这台机器不关心横轴是什么，只要求「平移它一下规则不变」。它在图像、晶体学、概率论、量子力学里的分量，加起来比在音频里重得多。 B 「②④ 不是时间序列」——对，但这不构成障碍。照片是二维的，做法是先对每一行做一次一维变换，再对每一列做一次，两步就完事（第 4 章的那个实验就是这么算的）。多一个维度只是多一遍循环。 C 「④ 是物理现象不是数据处理」——恰恰相反，这是四样里最纯粹的一个。没有人在那里算傅里叶变换，是自然界在算：远场衍射图样在数学上就是孔径的傅里叶变换。这是这本书最深的一层——它不只是一种分析方法，它是波这种东西的行为方式本身。

⟳ 换个域看

这一栏会在每一章末尾出现，把刚讲完的东西在另一个域里重讲一遍。二十遍之后，「换个地方看」会从一个技巧变成一种下意识。

一段 3 Hz 的正弦，是一条上下起伏的曲线；你要用几百个采样点才能把它记下来。同一个东西，是一根立在 3 的位置上的线；你只要记三个数：位置 3、高度（半径）、起始角。

请注意这里发生了什么：同一份信息，一边要几百个数，另一边要三个数。压缩、去噪、滤波、识别——这本书后面所有的好处，根子上都是这一句话。反过来也一样成立：有些东西在时域里三个数就够（比如「第 500 个样本处有一记敲击」），到了频域反而要一千个数。没有哪个域天然更好，只有「对这份数据哪个域更省」。第 12 章会把这句话变成一张具体的账单。

这一章的一句话

正弦不是一种形状，是一个匀速旋转的影子；频率不是音高，是每秒转几圈。剩下十九章讲的，都是「怎么查出里面有哪些转速」，以及现实每次修正这个问题时开出的账单。

下一章装那台机器。它只有一个动作：把信号缠到一个圆上，然后取平均。用它去查同一段信号里有没有 3 Hz，答案是 0.5000；去查有没有 4 Hz，答案是 4.6 × 10⁻¹⁷。这两个数之间那十七个数量级的鸿沟，就是整本书站着的地基。