把信号缠到圆上，看质心跑到哪
这一章装好整本书唯一的那台机器。它只有一个动作，而且是一个你可以在脑子里做出来的动作。装完之后，傅里叶变换那个印在教材上、看一眼就想合上书的公式，会变成一句你自己就能写出来的大白话。
手上有一秒钟的信号，它是两个正弦加起来的：一个 3 Hz、振幅 1.0，一个 5 Hz、振幅 0.5。用 256 Hz 采样，一共 256 个数。
接下来这一章会介绍一个动作：把这段信号缠到一个圆上，缠的速度由你定，然后量一量缠出来那条曲线的质心离圆心有多远。
问：如果我用 4 圈/秒去缠（信号里根本没有 4 Hz 这个成分），质心离圆心多远？
问题：怎么查一段信号里有没有 3 Hz
先把问题问清楚。给你一段一秒钟的数据，256 个数，你怎么判断里面有没有「每秒转三圈」这个成分？
一个笨办法是：画出来，用尺子量周期。这在只有一个成分的时候管用，两个成分叠在一起就不行了——你看到的是一条谁也认不出来的曲线。
聪明的办法只有一个动作。把这条曲线缠到一个圆上去。
具体怎么缠：想象你手里有一个转盘，转速由你指定，比如每秒转 3 圈。现在让时间往前走，转盘匀速转；每一刻，你把画笔离转盘中心的距离，设成那一刻的信号值（信号大就往外推，信号小就往里收）。一秒钟走完，笔在转盘上画出一条闭合的花纹。
然后问一个问题：这条花纹的质心，在哪儿？（把花纹想成一根粗细均匀的铁丝，质心就是它的平衡点。）
上面这张图，缠的速度是 3 圈/秒，而信号里确实有 3 Hz。看右边：花纹整体偏向了一侧，质心被拽出圆心 0.5000。
为什么？因为信号里那个 3 Hz 的成分，每秒也正好起伏三次。转盘转到某个特定方向的时候，信号也正好在高点——两者步调完全一致，于是「往外推」这个动作每一圈都发生在同一个方向上。三圈下来，那一侧被推得又胖又远，另一侧被收得又瘦又近。质心当然偏了。
现在换个速度：
同一段信号，改用 4 圈/秒去缠。这一次，「信号在高点」和「转盘在某个方向」这两件事再也对不上了——高点这一圈落在右边，下一圈落在左上，再下一圈落在左下……转完四圈，往外推的力气朝各个方向均匀地分布掉了，互相抵消。
质心回到圆心。本机实算的结果是 4.6 × 10⁻¹⁷——这不是「很小」，这是双精度浮点数里的零（相当于把一米的长度分成一亿亿份取一份）。
「信号里有没有频率 f」这个问题，等价于「用 f 圈/秒把它缠到圆上，质心会不会跑出去」。
跑出去多远 = 这个频率的分量有多强。
跑向哪个方向 = 这个频率的相位。
这就是傅里叶变换。剩下的全是记号。
把这句话写成公式
「缠到圆上」用坐标怎么写？第 1 章已经给了：以 f 圈/秒转，时刻 t 的方向是圆上角度 -2πft 那一点，也就是 e^(-i2πft)（负号表示顺时针，是个约定，写成正号得到的是镜像）。把画笔推到距离 x(t)，那一刻笔尖的位置就是两者相乘：
笔尖位置(t) = x(t) · e^(-i2πft)
└──┬──┘ └────┬────┘
离中心多远 朝哪个方向
「质心」= 把所有时刻的笔尖位置加起来，除以个数：
1 N−1
c(f) = ─ Σ x[n] · e^(-i2πf·n/fs)
N n=0
—— 这就是离散傅里叶变换。全书唯一的公式，没有第二个。
逐个符号翻译一遍：
| 符号 | 它的意思 |
|---|---|
| x[n] | 第 n 个采样值。画笔离中心多远 |
| n/fs | 第 n 个采样发生在第几秒（fs 是采样率） |
| e^(-i2πf·n/fs) | 那一刻转盘朝哪个方向。以 f 圈/秒顺时针转 |
| Σ | 把每一刻的笔尖位置加起来（复数相加就是向量首尾相接） |
| 1/N | 除以点数，把「加起来」变成「平均」，也就是质心 |
| c(f) | 一个复数，也就是平面上的一个点。它的长度是这个频率有多强，它的角度是这个频率的相位 |
课本上写的 DFT 通常不带那个 1/N（numpy.fft.fft 也不带），所以课本的 X[k] 是我们这里 c(f) 的 N 倍。这只是把「质心」换成了「总和」，几何意义一样。本机核对过：fft(x)[3] / 256 与绕圈机器算出来的质心，差 5.6 × 10⁻¹⁶——同一个东西。
把速度从 0 扫到 8
机器装好了，现在把缠绕速度从 0 一路扫过去，每个速度记一个质心长度。同一段「3 Hz 振幅 1.0 + 5 Hz 振幅 0.5」的信号，本机实算：
缠绕速度 质心到圆心的距离 |c| ──────────────────────────────────────── 0 圈/秒 4.0 × 10⁻¹⁷ 1 圈/秒 3.8 × 10⁻¹⁷ 2 圈/秒 2.2 × 10⁻¹⁷ 3 圈/秒 0.5000 ←── 在这儿 4 圈/秒 4.6 × 10⁻¹⁷ 5 圈/秒 0.2500 ←── 也在这儿 6 圈/秒 1.3 × 10⁻¹⁶ 7 圈/秒 4.2 × 10⁻¹⁷ 8 圈/秒 2.9 × 10⁻¹⁷ ──────────────────────────────────────── 不是 3 和 5 的那些，最大的一个是 1.3 × 10⁻¹⁶。
把这张表画成柱状图，就是你在无数音乐播放器里见过的那个东西：
请注意两件事。
第一，那些「没有」的频率，答案不是「比较小」，是零。10⁻¹⁷ 和 0.5 之间隔着十七个数量级。这不是一台「大致能分辨」的机器，是一台精确的机器。它为什么能这么干净，是下一章的全部内容。
第二，3 Hz 的振幅明明是 1.0，为什么质心只有 0.5000？这不是误差，是一个必须现在就说清楚的事：一个实数的正弦，在这台机器眼里，其实是两个反向旋转的和。
e^(iθ) + e^(-iθ)
cos θ = ─────────────────
2
一个逆时针转的点，加上一个顺时针转的点，
两个纵坐标永远反号、互相抵消，只剩下横坐标的两倍。
于是一个振幅 1.0 的实正弦，
它的「能量」被平分给了 +3 圈/秒 和 −3 圈/秒 两个转速，
每边各拿 0.5。
所以这台机器如实地报告了 0.5000。要拿回振幅，得把两边加起来，也就是乘 2。这是新手最常犯的一个数值错误，下面「✗ 这个直觉是错的」专门讲它。
顺手记一个数：3.5 圈/秒
表里都是整数速度。试试非整数的：用 3.5 圈/秒去缠同一段信号（信号里当然没有 3.5 Hz），质心是
|c| at 3.5 圈/秒 = 0.2315
不是 10⁻¹⁷，是 0.2315——将近 3 Hz 那根线的一半。信号里明明没有 3.5 Hz，机器却报了一个不小的数。
这不是 bug，而且它一点也不冤枉：问题出在「一秒钟」这个边界上。为什么会这样、以及它会造成多大的麻烦，是第 8 章的全部内容。现在只要记住这个数：0.2315。它是这本书里第一个账单。
整台机器，十四行，零依赖。wind(x, fs, f) 就是上面那个公式。
import math
def wind(x, fs, f):
"""把 x 以 f 圈/秒缠到圆上，返回质心 (实部, 虚部)"""
sr = si = 0.0
for n, v in enumerate(x):
a = -2 * math.pi * f * n / fs
sr += v * math.cos(a)
si += v * math.sin(a)
return sr / len(x), si / len(x)
fs = 256
x = [math.sin(2*math.pi*3*n/fs) + 0.5*math.sin(2*math.pi*5*n/fs)
for n in range(fs)]
for f in range(9):
re, im = wind(x, fs, f)
print(f, '%.4f' % math.hypot(re, im))
打出来的就是上面那张表。想验证它和标准实现是同一个东西：
import numpy as np X = np.fft.fft(x) / len(x) print(abs(X[3]), abs(X[5])) # 0.5000000000000002 0.2500000000000001
把 range(9) 换成小数（比如 [3.5]），就能看到那个 0.2315。
python3 -c "import math;fs=256;x=[math.sin(2*math.pi*3*n/fs) for n in range(fs)];print(sum(x[n]*math.cos(-2*math.pi*3*n/fs) for n in range(fs))/fs)"
在线跑：python.org/shell。要看动画版的同一件事，3Blue1Brown 的《But what is the Fourier Transform?》把「缠绕」这个画面做成了视频，是这个直觉在中文互联网之外最出名的一次讲述。
- 吉他调音 App。它做的事和上面那十四行一模一样：录一小段，扫一遍转速，看质心在哪儿最长，再把那个频率换算成音名。唯一的额外工作是第 7 章的分辨率问题——要区分 440 Hz 和 442 Hz，它必须至少听你半秒。
- 手表上的心率。光电传感器采到的是一条被运动噪声糟蹋得看不出形状的曲线。绕一圈，在 0.8–3 Hz（48–180 次/分）这段里找最长的质心，就是心率。
- 电网频率监测。调度中心要知道电网现在是 49.98 Hz 还是 50.02 Hz——那 0.04 Hz 的偏差意味着全国发电和用电之间差了几百兆瓦。这需要极高的频率精度，也就是第 7 章会讲的：只能靠看得更久。
- 听歌识曲。Shazam 的第一步就是把音频切段做变换，取每段里质心最长的几个频率当「指纹」。它不存音频，只存这些峰的位置和时间差。
「频谱图上那根线有多高，对应的正弦就有多大振幅。」
差一个因子，而且这个因子取决于你用的是哪个库、有没有除以 N、信号是实数还是复数。上面那段信号里 3 Hz 的振幅是 1.0，而质心长度是 0.5000；如果用 numpy.fft.fft 且不除以 N，那根线的高度是 128.0。三个数，同一个东西。
规矩是这样的：numpy.fft.fft 不除以 N（所以幅度正比于点数）；除以 N 之后，一个实正弦的能量被平分到 +f 和 −f 两根线上，所以还要再乘 2 才是振幅。至于「−f 那根线在哪」——它在数组的后半段，X[N-k] 就是 X[k] 的共轭。
判据是：任何时候拿到一个频谱，先用一个你完全知道答案的信号标定一遍。喂一个振幅正好 1.0 的正弦进去，看看出来的那根线有多高，把比例记下来。这一步花三十秒，能省掉后面几个小时的困惑。
正确答案是 C：4.6 × 10⁻¹⁷，浮点意义上的严格零。
A 「3 和 5 都在旁边，总会蹭上一点」——这个直觉在连续的世界里是对的，在这里错，而且错的原因很有意思：它之所以严格为零，是因为记录长度正好是一秒，而 3 Hz、4 Hz、5 Hz 在一秒里都正好转了整数圈。整数圈是一切干净的前提。把记录长度改成 1.13 秒，A 立刻就对了——那正是第 8 章要收拾的烂摊子。 B 「肯定不是零，信号在那儿摆着」——信号在那儿，但它在 4 圈/秒这个方向上的投影是零。就像一根竖直的杆子有长度，但它在水平方向上的影子长度是严格的零，不是「很小」。下一章会说明，这个「投影为零」是一条可以证明的恒等式，不是巧合。 D 「取决于起始相位」——起始相位会改变质心跑向哪个方向，但改不了它跑多远。这正是幅度谱不随时移改变的原因，第 4 章会实测这一条：把信号整体平移 5 个采样，幅度谱的最大变化是 4.4 × 10⁻¹⁶，而相位每一根都变了。这一章真正的成果不是那个公式，是那个动作。往后每次看到一个吓人的积分号，都可以先问一句：这是在把什么东西缠到什么上面，然后取平均？——傅里叶级数、拉普拉斯变换、z 变换、特征函数、矩母函数，全都能用这一句话破开。它们的区别只在于缠的是什么样的圈（或者螺旋）。
这一章的一句话
把信号缠到圆上，质心跑出去多远，那个频率就有多强——傅里叶变换从头到尾只做这一件事，剩下的全部都是记号、快法和现实开出的账单。
下一章补上这台机器唯一的漏洞：凭什么「缠错速度」就一定严格抵消？如果不严格，那 3 Hz 的答案里就会混进 5 Hz 的一部分，整台机器立刻报废。这一条叫正交性。本机把 64 点里全部 2016 对不同频率两两算了一遍内积，最大的一个残留是 1.6 × 10⁻¹³——而这个数还不是数学上的误差，是浮点数自己的锅。