傅里叶级数收敛定理
傅里叶级数听起来像是把一根琴弦扯断成无数根琴弦弹出的艺术。只要一段波形是有限长的，它实际上就藏着一套密码——正弦和余弦波。我们不去死磕长篇大论，直接看它的内在结构：把时间轴切成无限小的片段，将每一段振幅打包，在频率轴上铺展开。想象用锤子敲击函数 f(x)，加上光滑窗口，它就变成有限长度信号。傅里叶级数收敛定理正是描述这种分解在何种条件下精确还原原函数。
傅里叶级数收敛定理的经典表述离不开狄利克雷条件。函数在周期内必须分段连续、只有有限个极值点及有限个第一类间断点。满足这些，傅里叶级数在连续点收敛于函数值，在跳跃间断点收敛于左右极限的平均值。这是物理信号最常见的状态。
即使傅里叶级数收敛定理保证逐点收敛，在间断点附近也会出现约9%的过冲，这就是吉布斯现象。无论取多少项，峰值误差不消失，只是宽度变窄。这在图像锐化、滤波器设计中至关重要。
在能量有限信号中，傅里叶级数在均方意义下收敛，即误差的平方积分趋于零。这允许我们处理更广泛的函数，即使逐点不收敛，频谱能量仍能完整表达。现代数字信号处理大量依赖此性质。
段10秒、44.1kHz采样的录音，直接画频谱会发现低频峰高耸，高频能量极低。傅里叶级数收敛定理揭示：能量并非平均分配，低频往往统治物理信号。系数 aₙ 代表第n次谐波强度，n越大频率越高，强度通常衰减。这正是离散频率能量趋于零的原因。
频域重组核心：只需知道信号“指纹”峰值即可重建波形，傅里叶级数系数就是离散频谱样本。
Hz附近巨大能量峰代表人声基频，傅里叶级数提取主要峰值重建语音。
JPEG利用离散余弦变换(DCT)，与傅里叶级数紧密相关，丢弃高频系数。
机械故障诊断通过频谱尖峰定位异常谐波，收敛定理保证分解可靠性。
电网中50Hz基波叠加奇次谐波，傅里叶级数收敛定理保证我们能精确分解出3次、5次谐波幅值。实际测量中，使用加窗FFT减少频谱泄漏，窗函数相当于对信号进行平滑截断。若电流波形存在间断跳跃，吉布斯现象会导致谐波计算出现虚假高频，必须用相位校正。
傅里叶级数的复数形式：cₙ = (1/T)∫f(t)e^{-jnωt}dt。收敛定理要求系数平方可和，物理上对应有限功率信号。对于连续时间周期信号，指数基函数正交性完美成立。
当函数满足狄利克雷条件，级数在连续点收敛，且可逐项积分。
钢琴琴弦振动包含基频与泛音列，傅里叶级数自然描述音色。不同乐器同一音高，因谐波相对强度不同而区分。
OFDM系统利用正交子载波，本质是傅里叶级数的离散实现，收敛特性确保子信道无干扰。
EEG信号分解为δ、θ、α等频段，傅里叶级数收敛定理支持短时平稳假设下的频谱估计。