But what is the Fourier Transform? A visual introduction.
3Blue1Brown在 YouTube 播放 ↗
字幕解读
Grant Sanderson 以声音混合解释傅里叶变换：把信号按不同频率绕到圆上，追踪向量中心质量；当绕行频率匹配信号频率时出现峰值，混合信号的频率因此可被分离。复数表示同时保留两个坐标，积分表达整个绕行过程。视频还展示滤除高频噪声的思路，并强调这里先讲直觉版，完整理论更复杂。
英文字幕轨道 · 引文按字幕原文展示，可点时间戳回看片段。
内容要点
- 傅里叶变换将时域信号映射为频率函数，纯频率会在匹配位置产生峰值。
- 多频信号的变换遵循可加性，因此混合后的峰值仍揭示原始成分。
- 复数积分可理解为绕行曲线的中心质量，频谱编辑可通过压低对应频率实现滤波。
视频章节 6
- 傅里叶变换的目标
- 声音与频率混合
- 把信号绕到圆上
- 中心质量与频率峰值
- 分离混合频率与滤波
- 复数积分与完整公式
具体观点与证据 3
频率分析之所以能拆开叠加信号，是因为变换保留加法：先叠加再变换等于分别变换后相加。
片中先用中心质量类比说明线性，随后补全真正的傅里叶积分。
first added up the signals and then applied this almost Fourier transform.实际傅里叶变换使用积分，而非除以时间长度的平均，因此持续更久的匹配频率会产生更大幅值。
讨论有限时间窗与片中采用的归一化约定。
just don't divide out by the time interval. The Fourier transform is just傅里叶变换的输出是复数，仅画实部会丢失另一维信息，不能把图中的横坐标当成完整变换。
本片的初始可视化只绘制了实部。
The output of this function is a complex number,补充字幕原文 2
单一频率经过变换后，除其对应频率位置外基本抵消。
the transform of a pure frequency is close to zero变换能够从复杂叠加信号中分离出原始频率成分。
It pulls out the original frequencies from their jumbled up sums解读边界
演讲先构造的是“almost Fourier transform”，其中心质量直觉省略了实际变换的归一化等细节；完整公式适用条件与反变换性质留待后续讲解。
相关视频与证据 1
流程上的前后衔接先理解频率分量，再区分采样与量化
傅里叶变换演示如何从混合信号中分离频率成分；数字音频演示强调采样与量化是不同步骤；连读可避免把频谱分析、采样重建和量化误差混为一谈。
But what is the Fourier Transform? A visual introduction.
傅里叶变换从混合信号中抽出原始频率。
It pulls out the original frequencies from their jumbled up sumsD/A and A/D | Digital Show and Tell (Monty Montgomery @ xiph.org) ↗
音频数字化先采样，再量化；量化引入噪声。
the sampling step is perfect it loses nothing▶ 9:38–9:47 · 观看片段适用边界 两支视频的教学重点不同；傅里叶变换本身并不保证任意采样信号都能无损重建。