为什么傅里叶变换后通常会忽略相位信息?
我在一个教程 [ref: FFT Tutorial ] 中读到,相位的解释通常具有挑战性,因此科学家不会展示它或将其用于分析。我想知道什么时候可以自信地忽略相位信息而不会丢失他/她的判断中的关键信息。
为什么傅里叶变换后通常会忽略相位信息?
我在一个教程 [ref: FFT Tutorial ] 中读到,相位的解释通常具有挑战性,因此科学家不会展示它或将其用于分析。我想知道什么时候可以自信地忽略相位信息而不会丢失他/她的判断中的关键信息。
简单的说:
对于基本用途,例如测量不同频率分量的相对能量,相位几乎没有用处。由于波往往会持续多个样本,因此滑动/重叠版本可以帮助检索特征的时间/定位。
然而,相位包含很多信息,尤其是图像,并且可能对感知起着重要作用(例如相位信息对于识别自然图像的重要性)。相位的重要性在许多作品中都得到认可,例如The Importance of Phase in Image Processing,它仍然是一个活跃的话题。多尺度相位可以检测起始点、轮廓,而相位系数的分布可以用于纹理检索。计算的相位被包裹在和,并且以 2D 或 3D 形式展开它似乎仍然具有挑战性。因此,有些人采用比傅里叶基更局部的复杂变换,如滤波器组或“小波”,以在正确的尺度上捕获相位信息。
使用或不使用相位取决于它是否有用,是否对某些科学家“具有挑战性”。
随机意见:在某些领域,例如廉价的单声道音频再现,大多数人类听众无法检测到许多声音类型的频谱相位变化(几乎与频谱幅度的变化一样),因此在某些类型中可以忽略相位信息分析或处理,但仍然可以获得有用的结果(尤其是在廉价计算能力时代之前)。
然而,在其他音频领域,如声纳成像、波束控制等,相位至关重要,因此不容忽视。
随机意见:在其他工程领域,传感器引入了太多未校准的相位失真,以至于计算受污染的相位结果并没有提供太多有用的信息(也许直到发明/设计了更好的校准测量系统)。