Stanford EE261, Fourier Transform and its applications. 讲解非常好，基本每一步都在进行数学推导。同时给出热力学，光学，成像的具体应用实例。最近才的部分也包含在对一维到多维傅里叶变换的应用。 无信号与系统基础的话，也可在这本书中找到对于线性系统的讲述。
1.首先回顾一下一维FT
通俗来讲，一维傅里叶变换是将一个一维的信号分解成若干个三角波。
对于一个三角波而言，需要三个参数来确定它：频率,幅度 A ，相位。因此在频域中，一维坐标代表频率，而每个坐标对应的函数值也就是是一个复数，其中它的幅度就是这个频率三角波的幅度 A ，相位就是 。下图右侧展现的只是幅度图，在信号处理中用到更多的也是幅度图。
2.类比：从一维到二维
一维信号是一个序列，FT将其分解成若干个一维的简单函数（三角波）之和。二维的信号可以说是一个图片，类比一维，那二维FT是不是将一
由于水声环境时变特性,在水声信道中进行正交频分复用(orthogonal frequency division multiplexing,OFDM)信号传输,子载波间的正交性易受到破坏,从而产生载波间干扰,使得水声通信的误码率性能变差。针对这个问题,提出一种适用于水下时变信道的自适应OFDM均衡算法,该算法采用滑动窗口进行子块短时傅里叶变换获得接收信号的二维时频谱,进而对该二维时频谱进行自适应时-频域联合合并均衡。该自适应均衡算法中采用最小均方误差算法跟踪信道时变特性,并通过自适应判决反馈均衡更
