傅里叶级数、傅里叶变换简记

最新推荐文章于 2020-12-21 08:12:23 发布

Feynman1999

最新推荐文章于 2020-12-21 08:12:23 发布

阅读量5.6k

点赞数 3

分类专栏： ----------- 数学 -----------

本文链接：https://blog.csdn.net/Feynman1999/article/details/80214106

版权

----------- 数学 ----------- 专栏收录该内容

18 篇文章 0 订阅

订阅专栏

傅里叶级数（Fourier series）

任何周期函数都可以写成三角函数之和

①

首先常函数也是周期函数，且其周期是任意实数，分解可能需要它

②

任意函数都可以分解为奇偶函数之和

f (x) = f ( x ) + f ( - x ) 2 + f ( x ) - f ( - x ) 2

$f(x)=\frac{f(x)+f(-x)}{2}+\frac{f(x)-f(-x)}{2}$

sin(x) s i n ( x ) $sin(x)$ 和

cos(x) c o s ( x ) $cos(x)$ 是奇函数和偶函数

③

$f(x)$ 周期为T， $sin(\frac{2\pi n}{T}x)$ ， $cos(\frac{2\pi n}{T}x)$ ， $n∈\mathbb{N}$ 这些函数周期都可以为T

通过调整这一堆周期函数的振幅，再加上常函数，就可以组合成 $f(x)$

f(x)=C+∑n=1∞(ansin(2πnTx)+bncos(2πnTx)),C∈\R f ( x ) = C + ∑ n = 1 ∞ ( a n s i n ( 2 π n T x ) + b n c o s ( 2 π n T x ) ) , C ∈ \R

$f(x)=C+\sum_{n=1}^{\infty}(a_nsin(\frac{2\pi n}{T}x)+b_ncos(\frac{2\pi n}{T}x)),C∈\R$
下面问题是如何确定

C,an,bn C , a n , b n $C,a_n,b_n$

借助复数，我们可以更简洁地表达一些东西，尤其涉及到旋转操作 ，下面对其做一些介绍

首先，先考虑复平面上的 $e^{it}$

很自然,t每过 $2\pi$ 旋转一圈

加个 $w$ ，即 $e^{iwt}$ ，改变旋转的周期

把虚部展开（时域），就是 $t\sim sin(wt)$ 的图像

总的来说，可以将 $e^{iwt},sin(wt),cos(wt)$ 视为向量

现在假设有函数 $g(t)=sin(t)+sin(2t)$

先介绍向量点积

函数向量点积的定义是 $f(x)\cdot g(x)=\int_0^Tf(x)g(x)dx$

其中T是周期

根据点积的定义，可以得到 $sin(t)*sin(2t)=\int_0^{2\pi}sin(t)sin(2t)=0$

由点积的几何意义，说明了这两个函数向量线性无关，是正交基

于是可以将 $g(t)$ 理解成 $g(t)=1*sin(t)+1*sin(2t)$

即在该正交基下坐标是(1,1)

如何求正交基坐标呢？

再看个例子，假设 $\vec{w}=2\vec{u}+3\vec{v}$

其中 $\vec{u}=\binom{-1}{1}$ $\vec{v}=\binom{1}{1}$ 显然这两个向量是正交基

w的在基下的坐标为(2,3)

计算方法是（以在基 $\vec{u}$ 示例）

$\frac{\vec{w_{}}\cdot \vec{u_{}}}{\vec{u_{}}\cdot \vec{u_{}}}=\frac{(1,5)\cdot (-1,1)}{(-1,1)\cdot (-1,1)}=2\$

上面方法可以类比到 $sin(nt)$

$g(t)=sin(t)+sin(2t)$

$g(t)$ 在 $sin(t)$ 下的坐标为

$\frac{g(t)\cdot sin(t)}{sin(t)\cdot sin(t)}=\frac{\int _{0}^{2\pi }g(x)sin(x)dx}{\int _{0}^{2\pi }sin^2(x)dx}=1\$

更一般的

f(x)=C+∑n=1∞(ansin(2πnTx)+bncos(2πnTx)),C∈\R f ( x ) = C + ∑ n = 1 ∞ ( a n s i n ( 2 π n T x ) + b n c o s ( 2 π n T x ) ) , C ∈ \R

$f(x)=C+\sum_{n=1}^{\infty}(a_nsin(\frac{2\pi n}{T}x)+b_ncos(\frac{2\pi n}{T}x)),C∈\R$
即

$\displaystyle f(x)=\underbrace{C}_{åŸº1ä¸‹çš„åæ ‡}\cdot 1+\sum _{{n=1}}^{\infty }\left(\underbrace{a_{n}}_{å¯¹åº”åŸºçš„åæ ‡}cos({\frac{2\pi n}{T}x})+\underbrace{b_{n}}_{å¯¹åº”åŸºçš„åæ ‡}sin({\frac{2\pi n}{T}x})\right)\$

也就是说向量 $f(x)$ 是以下正交基的线性组合：（注意不是3个额，n越大，拟合越精确）

${ 1,cos({\frac{2\pi n}{T}x}),sin({\frac{2\pi n}{T}x})} \$

于是可以得到

$a_ n=\frac{\int _{0}^{T}f(x)cos({\frac{2\pi n}{T}x})dx}{\int _{0}^{T}cos^2({\frac{2\pi n}{T}x})dx}=\frac{2}{T}\int _{0}^{T}f(x)cos({\frac{2\pi n}{T}x})dx\$

$b_ n=\frac{\int _{0}^{T}f(x)sin({\frac{2\pi n}{T}x})dx}{\int _{0}^{T}sin^2({\frac{2\pi n}{T}x})dx}=\frac{2}{T}\int _{0}^{T}f(x)sin({\frac{2\pi n}{T}x})dx\$

$C$ 也可以通过点积求出

C = \frac{\int_{0}^{T} f (x) d x}{\int_{0}^{T} 1 * 1 d x} = \frac{\int_{0}^{T} f (x) d x}{T}

$C=\frac{\int_0^Tf(x)dx}{\int_0^T1*1dx}=\frac{\int_0^Tf(x)dx}{T}$
即

C=a0/2 C = a 0 / 2 $C=a_0/2$

即最终结果为

$\displaystyle f(x)={\frac{a_{0}}{2}}+\sum _{{n=1}}^{\infty }\left(a_{n}\cos ({\tfrac {2\pi nx}{T}})+b_{n}\sin ({\tfrac {2\pi nx}{T}})\right)\$

其中

$\displaystyle a_{n}={\frac{2}{T}}\int _{{x_{0}}}^{{x_{0}+T}}f(x)\cdot \cos ({\tfrac {2\pi nx}{T}})\ dx, n\in { 0} \cup \mathbb {N}\ b_{n}={\frac{2}{T}}\int _{{x_{0}}}^{{x_{0}+T}}f(x)\cdot \sin ({\tfrac {2\pi nx}{T}})\ dx, n\in \mathbb {N} \$

上面的傅里叶级数，可以写成复数的形式

根据欧拉公式 $e^{i\theta}=cos\theta+isin\theta$

可以推出

$\sin \theta ={\frac{e^{{i\theta }}-e^{{-i\theta }}}{2i}} \ \cos \theta ={\frac{e^{{i\theta }}+e^{{-i\theta }}}{2}}$

可以写出傅立叶级数的另外一种形式：

$\displaystyle f(x)=\sum _{{n=-\infty }}^{\infty }c_{n}\cdot e^{{i{\tfrac {2\pi nx}{T}}}}\$

其中

$\displaystyle c_{n}={\frac{1}{T}}\int _{{x_{0}}}^{{x_{0}+T}}f(x)\cdot e^{{-i{\tfrac {2\pi nx}{T}}}}\ dx\$

解读：

$\displaystyle f(x)=\sum _{{n=-\infty}}^{\infty}\underbrace{c_{n}}_{å¯¹åº”åŸºçš„åæ ‡}\cdot \underbrace{e^{{i{\tfrac {2\pi nx}{T}}}}}_{æ£äº¤åŸº}\$

对于复数函数，定义的点积为：

$f(x)\cdot g(x)=\int _{0}^{T}\overline{f(x)}g(x)dx\$

其中， f(x),g(x) 为复数函数， $\overline{f(x)}$ 是 f(x) 的共轭，所以 c_ n 的代数表达式中有一个负号。

这样定义点积是为了保证：

$\vec{x}\cdot \vec{x}\geq 0\$

傅里叶级数的拟合

n越大，更高频率的函数参与，拟合度越高

频域图高度则代表在这个频率上的振幅，也就是这个基上的坐标分量

傅里叶变换（Fourier transform）

https://www.bilibili.com/video/av19141078?from=search&seid=12296262967335268730

参考：马同学 3Blue1Brown

Feynman1999

关注

3
点赞
踩
11

收藏

觉得还不错? 一键收藏
0
评论
傅里叶级数、傅里叶变换简记

傅里叶级数（Fourier series）任何周期函数都可以写成三角函数之和①首先常函数也是周期函数，且其周期是任意实数，分解可能需要它②任意函数都可以分解为奇偶函数之和 f(x)=f(x)+f(−x)2+f(x)−f(−x)2f(x)=f(x)+f(−x)2+f(x)−f(−x)2f(x)=\frac{f(x)+f(-x)}{2}+\frac{f(x)-f(-x)}{2}...
复制链接

扫一扫