GCN与图谱理论（一）：信号的正交分解 与 傅里叶变换

零、回顾信号的正交分解与傅里叶变换

要深入理解图网络与图谱理论，就需要先对谱理论深刻理解，本节从正交分解出发，回顾傅里叶变换的相关内容

以往知识传送门：

完备正交集，函数/信号的正交分解

傅里叶级数（Fourier Series）

傅里叶变换、傅里叶变换的推导（Continuous Time Fourier Transform）

一、 回顾广义傅里叶级数的相关理论：

所谓级数就是无限项的数列求和的函数，广义傅里叶级数做的事情就是把任意信号表示成无限个基信号的和。

广义傅里叶级数：

任何一个信号f(t)都能在区间(t1,t2)内精确表示成完备正交函数集中函数的线性组合，即：

其中Ci为加权系数，其值为：

其中Ci就是广义傅里叶级数的傅里叶系数。

回忆投影公式，向量b在向量a上的投影可以用向量积的方式表示：

即用向量的积除以投影向量的模长表示投影，而傅里叶展开就相当于将信号f(t)投影在完备正交函数集的各个函数上。

 

二、傅里叶级数

（一）中给出了广义傅里叶级数的系数的表达式，本节给出两个最常用的完备正交函数集，以此构成广义傅里叶级数。

※若选用三角函数集，那么广义傅里叶级数可写作：

其级数的表达式为：

其系数为：

※若选用指数函数集，那么广义傅里叶级数可写作：

其傅里叶系数为：

以上两种广义傅里叶级数都称为傅里叶级数。

同样利用投影的思想，因为这两种“基函数”的模都是1，函数在其上的投影相当于直接与其相乘，据此，傅里叶级数的表达式更容易记忆。

 

三、傅里叶变换

傅里叶级数是无穷项函数的加和，是离散的，这节我们从离散的傅里叶级数推导到连续的傅里叶变换。

当周期信号的周期T趋于无穷大，那么此时因为

Ω代表谱线的间隔，趋于无限小，那么离散变为连续：求和变积分、Ω变dω、nΩ变ω。那么傅里叶级数和其系数变为：

            ①

                                  ②

①式称为傅里叶变换，②式称为傅里叶反变换。

 

傅里叶变换是傅里叶级数的连续形式，其本质还是函数在基函数的投影。

傅里叶级数表示，信号可由无穷个傅里叶系数乘以基函数的加和表示，基函数的变量是离散变量n，n∈Z。

傅里叶变换表示（②式），信号可由频谱对频率ω在-∞到∞的积分，基函数的变量是连续变量ω，ω∈(-∞,∞)。