用旋转相量（复指数）叠加合成方波、锯齿波和三角波。实时观察随着谐波数增加信号逐步逼近目标波形的过程，体验吉布斯现象。
方波：
$$x(t) = \frac{4}{\pi}\sum_{n=1,3,5,...}^{}\frac{\sin(n\omega t)}{n}$$只含奇次谐波。不连续点处约9%的吉布斯过冲。
对于周期为 $T$ 的方波信号，其傅里叶级数展开只包含奇数次谐波的正弦分量，振幅与谐波次数成反比衰减：
$$x(t) = \frac{4}{\pi}\sum_{n=1,3,5,\ldots}^{\infty}\frac{\sin(n\omega t)}{n}$$其中，$\omega = 2\pi/T$ 是基波角频率，$n$ 是谐波次数。$4/\pi$ 是缩放系数，确保合成波形的振幅为1。这个公式直观地解释了为什么方波听起来比正弦波更“厚重”——因为它包含了许多高频成分。
更一般地，任何周期信号 $f(t)$ 都可以分解为直流分量、余弦项和正弦项的无限和，这是傅里叶级数的复数形式（指数形式）的基础：
$$f(t) = \sum_{n=-\infty}^{\infty}c_n e^{jn\omega t}$$其中，$c_n$ 是复傅里叶系数，包含了第 $n$ 次谐波的振幅和相位信息。$e^{jn\omega t}$ 正是模拟器中旋转相量所对应的复指数函数，其实部对应余弦，虚部对应正弦。
音频合成与音乐：电子琴和合成器利用傅里叶级数的原理来生成方波、锯齿波和三角波等经典音色。通过调整谐波的成分（就像你在模拟器里做的那样），可以创造出从柔和到尖锐的各种声音。
电力系统谐波分析：电网中的非线性负载（如变频器、整流器）会产生畸变电流，其波形可分解为基波和各次谐波。工程师通过傅里叶分析来评估谐波污染程度，并设计滤波器来消除有害的高次谐波，保证电网质量。
数字信号处理与图像压缩：JPEG图像压缩的核心——离散余弦变换（DCT），其思想就源于傅里叶分析。它将图像块分解为不同频率的余弦波组合，丢弃对人眼不敏感的高频成分，从而实现高效压缩。
机械故障诊断：通过采集旋转机械（如发动机、轴承）的振动信号并进行傅里叶变换，可以得到其频谱。频谱中特定频率成分的异常增大，往往对应着齿轮损坏、轴不平衡等具体故障，是实现预测性维护的关键技术。
开始使用此工具时，有几个容易误解的地方需要注意。首先，人们常认为“只要谐波数N趋于无穷就能得到完美波形”，但对于像方波这样具有陡峭不连续点的波形，吉布斯现象会导致约9%的过冲残留。这在数学上是无法消除的，即使将N设为100或1000也不会改变。在实际工程中，需要将这种“无法完全重现”的特性纳入设计考量。
其次，注意区分“基波频率”与“波形周期”的关系。例如，若基频 $f_1$ 为50Hz，其周期 $T_1$ 即为 $1/50 = 0.02$秒。但合成方波的周期同样为0.02秒——基波完成一个周期的时间，合成波形也恰好完成一个周期。尝试拖动工具中的“基频”滑块，可以观察到相量旋转速度与波形重复速度的联动变化。
最后，实践中存在一个陷阱：“截断误差”。由于用有限项N截断了无穷级数，误差不可避免。例如N=9的方波，相当于忽略了理论公式 $$x_{\text{square}}(t) = \frac{4}{\pi}\sum_{n=1,3,5,...}^{\infty}\frac{\sin(n\omega t)}{n}$$ 中n=17及之后的项。这种误差在平滑的三角波中较小且收敛快，但在方波中容易以振荡（振铃）形式残留。实际信号处理中，需要权衡精度需求与计算成本来确定N值。
傅里叶级数的思想，正是CAE等众多工程领域底层“分解与合成”范式的体现。例如在结构振动分析中，可将发动机或叶片的复杂周期振动通过傅里叶级数分解为频率成分，从而定位“特定转速（如基频的4倍）下发生的共振”，并指导设计改进。
在电磁学与无线通信领域，这更是核心概念。通过傅里叶级数（更广义上是傅里叶变换）分析调制信号的频谱，用以确定带宽、评估高次谐波对其他系统造成的干扰（EMI）。用工具显示锯齿波时，你会发现它包含所有整数次谐波——这正是开关电源噪声分析的直接关联：高速开关的方波会产生大量谐波噪声，因此滤波器设计至关重要。
在声学与语音工程中，乐器的音色或元音的差异本质上取决于基波与谐波的强度比（频谱包络）。合成器正是此工具的直接应用——通过组合方波、三角波等来生成声音。即使是CAE工程师，在产品运行声音模拟或噪声抑制方案设计中，也常常需要运用这一视角。
熟悉此工具后，建议下一步学习“傅里叶变换”。傅里叶级数针对“周期信号”，而傅里叶变换是其扩展版本，可处理“非周期信号”。两者的核心思想同为“波的叠加”，若已在此牢固掌握相量的直观理解，后续学习将事半功倍。
若希望深化数学背景，可探究“正交函数系”的概念。正因为正弦波与余弦波相互“正交”，系数 $a_n$, $b_n$ 才能被独立求解。这与三维空间中x、y、z轴相互正交，使得任意向量可唯一表示为 $(a, b, c)$ 的思路完全一致。
实践性学习方面，推荐尝试使用FFT（快速傅里叶变换）分析仪处理实验数据。将振动传感器或示波器采集的实际波形通过FFT功能分解为频率成分，可切身感受“理论”与“实测”如何衔接。建议先从测量简单正弦波开始，再测量方波并验证是否如理论所示仅出现奇次谐波。通过这样的实践，你将直观体会到本可视化工具所展示的原理如何鲜活地应用于真实的工程世界。