§ 3 \S3 §3 连续信号的频域分析
问题引入:已知 L T I LTI LTI 系统的一组输入输出 x ( t ) x(t) x(t) 和 y ( t ) y(t) y(t) ,如何求解 L T I LTI LTI 系统的冲激响应 h ( t ) h(t) h(t) 。
3.1 傅里叶级数
3.1.1 傅里叶级数 & 欧拉-傅里叶公式:
- 正余弦表达形式:
f ( x ) = A 0 + ∑ k = 1 + ∞ A k c o s ( k w 0 x ) + ∑ k = 1 + ∞ B k s i n ( k w 0 x ) f(x)=A_0+\sum^{+\infty}_{k=1}A_kcos(kw_0x)+\sum^{+\infty}_{k=1}B_ksin(kw_0x) f(x)=A0+∑k=1+∞Akcos(kw0x)+∑k=1+∞Bksin(kw0x)
A 0 = 1 T 0 ∫ 0 T 0 f ( x ) d x A k = 2 T 0 ∫ 0 T 0 f ( x ) c o s ( k w 0 x ) d x , k ∈ Z + B k = 2 T 0 ∫ 0 T 0 f ( x ) s i n ( k w 0 x ) d x , k ∈ Z + A_0=\frac1{T_0}\int^{T_0}_0f(x)dx\\ A_k=\frac2{T_0}\int^{T_0}_0f(x)cos(kw_0x)dx,\ k\in Z^+\\ B_k=\frac2{T_0}\int^{T_0}_0f(x)sin(kw_0x)dx,\ k \in Z^+ A0=T01∫0T0f(x)dxAk=T02∫0T0f(x)cos(kw0x)dx, k∈Z+Bk=T02∫0T0f(x)sin(kw0x)dx, k∈Z+
- 复数表达形式:
x ( t ) = ∑ k = − ∞ + ∞ a k e i k w 0 t a k = 1 T 0 ∫ 0 T 0 x ( t ) e − i k w 0 t d t x(t)=\sum^{+\infty}_{k=-\infty}a_ke^{ikw_0t}\\ a_k=\frac1{T_0}\int^{T_0}_0x(t)e^{-ikw_0t}dt x(t)=k=−∞∑+∞akeikw0tak=T01∫0T0x(t)e−ikw0tdt
其中
a
k
a_k
ak 是洛朗级数,
k
∈
Z
k \in Z
k∈Z 。
{
A
k
=
a
k
+
a
−
k
B
k
=
i
(
a
k
−
a
−
k
)
\left\{ \begin{array}{lr} A_k=a_k+a_{-k}\\ B_k=i(a_k-a^{-k}) \end{array} \right.
{Ak=ak+a−kBk=i(ak−a−k)
3.1.2 信号存在傅里叶变换的充要条件
狄利克雷条件:
- 一个周期内绝对可积 ;
- 一个周期内最值有限;
- 一个周期内有有限个第一类间断点
3.2 傅里叶变换
3.2.0 S a ( t ) Sa(t) Sa(t) 函数的性质
S a ( t ) = { 1 t = 0 s i n t t t ≠ 0 Sa(t)= \left\{ \begin{array}{lr} 1 & t=0\\ \frac{sint}t & t\not=0 \end{array} \right. Sa(t)={1tsintt=0t=0
-
是偶函数
-
狄利克雷积分:
∫ 0 + ∞ s i n t t d t = ∫ − ∞ 0 s i n t t d t = π 2 ∫ − ∞ + ∞ s i n t t d t = π \int_{0}^{+\infty}\frac{sint}tdt=\int^{0}_{-\infty}\frac{sint}tdt=\frac{\pi}2\\ \int_{-\infty}^{+\infty}\frac{sint}tdt=\pi ∫0+∞tsintdt=∫−∞0tsintdt=2π∫−∞+∞tsintdt=π -
取极限:
lim w → + ∞ w S a ( w t ) = π δ ( t ) \lim_{w\to+\infty}wSa(wt)=\pi\delta(t) w→+∞limwSa(wt)=πδ(t)
3.2.1 傅里叶变换
- 傅里叶级数向非周期函数的推广。
-
定义 F ( w ) = X ( i w ) = ∫ T 0 x ( t ) e − i w t d t F(w)=X(iw)=\int_{T_0}x(t)e^{-iwt}dt F(w)=X(iw)=∫T0x(t)e−iwtdt ,则有 a k = 1 T 0 X ( i k w 0 ) a_k=\frac1{T_0}X(ikw_0) ak=T01X(ikw0) , x ( t ) = 1 2 π ∑ k = − ∞ + ∞ X ( i k w 0 ) e i k w 0 t w 0 x(t)=\frac1{2\pi}\sum_{k=-\infty}^{+\infty}X(ikw_0)e^{ikw_0t}w_0 x(t)=2π1∑k=−∞+∞X(ikw0)eikw0tw0 。
-
令 T 0 T_0 T0 趋于无穷大,此时:
X ( i w ) = ∫ − ∞ + ∞ x ( t ) e − i w t d t X(iw)=\int^{+\infty}_{-\infty}x(t)e^{-iwt}dt X(iw)=∫−∞+∞x(t)e−iwtdtx ( t ) = 1 2 π ∫ − ∞ + ∞ X ( i w ) e i w t d w x(t)=\frac1{2\pi}\int_{-\infty}^{+\infty}X(iw)e^{iwt}dw x(t)=2π1∫−∞+∞X(iw)eiwtdw
即傅里叶正变换和傅里叶逆变换。
-
6 6 6 种典型信号的傅里叶变换:
-
e − α t u ( t ) → F 1 α + i w ( α > 0 ) e − α ∣ t ∣ → F 2 α α 2 + w 2 ( α > 0 ) e^{-\alpha t}u(t)\xrightarrow{\ F\ } \frac1{\alpha+iw} ( \alpha>0 )\\ e^{-\alpha|t|}\xrightarrow{\ F\ }\frac{2\alpha}{\alpha^2+w^2}(\alpha>0) e−αtu(t) F α+iw1(α>0)e−α∣t∣ F α2+w22α(α>0)
-
δ ( t ) → F 1 \delta(t)\xrightarrow{\ F\ }1\\ δ(t) F 1
-
1 → F 2 π δ ( w ) 1\xrightarrow{\ F\ }2\pi \delta(w)\\ 1 F 2πδ(w)
-
{ β ( u ( t + τ 2 ) − u ( t − τ 2 ) ) → F β τ S a ( τ w 2 ) = 2 β s i n ( τ w 2 ) w w 0 π S a ( w 0 t ) = s i n ( w 0 t ) π t → F u ( w + w 0 ) − u ( w − w 0 ) \left\{ \begin{array}{lr} \beta(u(t+\frac\tau2)-u(t-\frac\tau2))\xrightarrow{\ F\ } \beta\tau Sa(\frac{\tau w}2)=\frac{2\beta sin(\frac{\tau w}2)}w\\ \frac{w_0}\pi Sa(w_0t)=\frac{sin(w_0t)}{\pi t}\xrightarrow{\ F\ }u(w+w_0)-u(w-w_0) \end{array} \right. {β(u(t+2τ)−u(t−2τ)) F βτSa(2τw)=w2βsin(2τw)πw0Sa(w0t)=πtsin(w0t) F u(w+w0)−u(w−w0)
方波和 S a ( ∗ ) Sa(*) Sa(∗) 互为傅里叶变换。
从方波向 S a ( w ) Sa(w) Sa(w) 变换, S a ( w ) Sa(w) Sa(w) 的系数是方波的面积。
-
u ( t ) → F 1 i w + π δ ( w ) u(t)\xrightarrow{\ F\ } \frac1{iw}+\pi\delta(w) u(t) F iw1+πδ(w)
-
{ c o s ( w 0 t ) → F π [ δ ( w + w 0 ) + δ ( w − w 0 ) ] s i n ( w 0 t ) → F i π [ δ ( w + w 0 ) − δ ( w − w 0 ) ] \left \{ \begin{array}{lr} cos(w_0 t)\xrightarrow{\ F\ } \pi[\delta(w+w_0)+\delta(w-w_0)]\\ sin(w_0 t)\xrightarrow{\ F\ }i\pi[\delta(w+w_0)-\delta(w-w_0)] \end{array} \right. {cos(w0t) F π[δ(w+w0)+δ(w−w0)]sin(w0t) F iπ[δ(w+w0)−δ(w−w0)]
-
3.3 傅里叶变换的性质
3.3.1 线性,时移,频移,微分,卷积,调制
-
线性性
-
时移性质:
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ } F(w) x(t) F F(w) ,则 x ( t − t 0 ) → F F ( w ) e − i w t 0 x(t-t_0)\xrightarrow{\ F\ }F(w)e^{-iwt_0} x(t−t0) F F(w)e−iwt0 。
-
频移性质:
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ }F(w) x(t) F F(w) ,则 x ( t ) ⋅ e i w 0 t → F F ( w − w 0 ) x(t)\cdot e^{iw_0t}\xrightarrow{\ F\ }F(w-w_0) x(t)⋅eiw0t F F(w−w0) 。
拓展:
x ( t ) c o s ( w 0 t ) → F 1 2 [ F ( w + w 0 ) + F ( w − w 0 ) ] x ( t ) s i n ( w 0 t ) → F i 2 [ F ( w + w 0 ) − F ( w − w 0 ) ] x(t)cos(w_0t)\xrightarrow{\ F\ }\frac12[F(w+w_0)+F(w-w_0)]\\ x(t)sin(w_0t)\xrightarrow{\ F\ }\frac i2[F(w+w_0)-F(w-w_0)] x(t)cos(w0t) F 21[F(w+w0)+F(w−w0)]x(t)sin(w0t) F 2i[F(w+w0)−F(w−w0)] -
微分性质:
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ }F(w) x(t) F F(w) ,则 d n x ( t ) d t n → F ( i w ) n F ( w ) \frac{d^nx(t)}{dt^n} \xrightarrow{\ F\ }(iw)^nF(w) dtndnx(t) F (iw)nF(w) 。
拓展:频域微分
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ }F(w) x(t) F F(w) ,则 t x ( t ) → F i d F ( w ) d w tx(t)\xrightarrow{\ F\ }i\frac{dF(w)}{dw} tx(t) F idwdF(w)
例如: t e − α t u ( t ) → F 1 ( α + i w ) 2 te^{-\alpha t}u(t)\xrightarrow{\ F\ }\frac1{(\alpha+iw)^2} te−αtu(t) F (α+iw)21
-
时域卷积性质:
若 x 1 ( t ) → F F 1 ( w ) x_1(t)\xrightarrow{\ F\ }F_1(w) x1(t) F F1(w) , x 2 ( t ) → F F 2 ( w ) x_2(t)\xrightarrow{\ F\ }F_2(w) x2(t) F F2(w) ,则有:
x 1 ( t ) ∗ x 2 ( t ) → F F 1 ( w ) ⋅ F 2 ( w ) x_1(t)*x2(t)\xrightarrow{\ F\ }F_1(w)\cdot F_2(w) x1(t)∗x2(t) F F1(w)⋅F2(w)
概括为——时域卷积等于频域相乘。 -
积分性质:
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ }F(w) x(t) F F(w) ,则:
∫ − ∞ t x ( τ ) d τ = x ( t ) ∗ u ( t ) → F F ( w ) [ 1 i w + π δ ( w ) ] \int_{-\infty}^{t}x(\tau)d\tau=x(t)*u(t)\xrightarrow{\ F\ }F(w)[\frac1{iw}+\pi\delta(w)] ∫−∞tx(τ)dτ=x(t)∗u(t) F F(w)[iw1+πδ(w)] -
频域卷积性质(调制性质):
若 x 1 ( t ) → F F 1 ( w ) x_1(t)\xrightarrow{\ F\ }F_1(w) x1(t) F F1(w) , x 2 ( t ) → F F 2 ( w ) x_2(t)\xrightarrow{\ F\ }F_2(w) x2(t) F F2(w) ,则有:
x 1 ( t ) ⋅ x 2 ( t ) → F 1 2 π F 1 ( w ) ∗ F 2 ( w ) x_1(t)\cdot x_2(t)\xrightarrow{\ F\ }\frac1{2\pi}F_1(w)*F_2(w) x1(t)⋅x2(t) F 2π1F1(w)∗F2(w)
概括为——时域相乘等于 1 2 π \frac1{2\pi} 2π1 频域卷积。
3.3.2 应用:信号的调制与解调
-
信号的调制:
y ( t ) = ∑ i = 1 N x i ( t ) c o s ( w c i t ) y(t)=\sum^{N}_{i=1}x_i(t)cos(w_{c_i}t) y(t)=i=1∑Nxi(t)cos(wcit)
其中 x ( i ) x(i) x(i) 是角频率在 ( − w 0 , w 0 ) (-w_0, w_0) (−w0,w0) 的带限信号。 -
信号的解调:
x i ( t ) = [ y ( t ) c o s ( w c i t ) ] ∗ 2 s i n ( w p t ) π t , i ∈ [ 1 , n ] x_i(t)=[y(t)cos(w_{c_i}t)]*\frac{2sin(w_pt)}{\pi t},\ i \in [1,n] xi(t)=[y(t)cos(wcit)]∗πt2sin(wpt), i∈[1,n]
信号时域乘以载波,相当于频域卷积两个冲激函数;之后卷积低通滤波器,相当于频域乘以门函数,达到筛选频率的效果。
-
限制条件:
{ w 0 < w p < ∣ w c i − w c j ∣ − w 0 w 0 < ∣ w c i − w c j ∣ 2 \left \{ \begin{array}{lr} w_0<w_p<|w_{c_i}-w_{c_j}|-w_0\\ w_0<\frac{|w_{c_i}-w_{c_j}|}2 \end{array} \right. {w0<wp<∣wci−wcj∣−w0w0<2∣wci−wcj∣
3.3.3 尺度变换,共轭对称,对偶,帕斯瓦尔定理
-
时间与频率的尺度变换:
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ }F(w) x(t) F F(w) ,则: x ( a t ) → F 1 ∣ a ∣ F ( w / a ) x(at)\xrightarrow{\ F\ } \frac1{|a|}F(w/a) x(at) F ∣a∣1F(w/a) 。
时域与频域的伸缩变换刚好相反。
-
对偶性:
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ }F(w) x(t) F F(w) ,则: F ( t ) → F 2 π x ( − w ) F(t)\xrightarrow{\ F\ }2\pi x(-w) F(t) F 2πx(−w)
例:希尔伯特变换 1 π t → F 2 i [ u ( − w ) − 1 2 ] = i ⋅ s g n ( − w ) \frac1{\pi t}\xrightarrow{\ F\ }2i[u(-w)-\frac12]=i\cdot sgn(-w) πt1 F 2i[u(−w)−21]=i⋅sgn(−w)
第一步:
{ u ( t ) → F 1 i w + π δ ( w ) 1 2 → F π δ ( w ) ⇒ u ( t ) − 1 2 → F − 1 i w i π [ u ( t ) − 1 2 ] → F 1 π w \left\{ \begin{array}{lr} u(t)\xrightarrow{\ F\ }\frac1{iw}+\pi\delta(w)\\ \frac12\xrightarrow{\ F\ }\pi\delta(w) \end{array} \right. \Rightarrow\ u(t)-\frac12\xrightarrow{\ F\ }-\frac1{iw} \\ \frac i\pi[u(t)-\frac12]\xrightarrow{\ F\ }\frac1{\pi w} {u(t) F iw1+πδ(w)21 F πδ(w)⇒ u(t)−21 F −iw1πi[u(t)−21] F πw1
第二步,利用对偶性质:
1 π t → F 2 i [ u ( − w ) − 1 2 ] \frac1{\pi t}\xrightarrow{\ F\ }2i[u(-w)-\frac12] πt1 F 2i[u(−w)−21] -
帕斯瓦尔定理:
若 x ( t ) → F F ( w ) x(t)\xrightarrow{\ F\ }F(w) x(t) F F(w) ,则:
∫ − ∞ + ∞ ∣ x ( t ) ∣ 2 d t = 1 2 π ∫ − ∞ + ∞ ∣ F ( w ) ∣ 2 d w \int_{-\infty}^{+\infty}|x(t)|^2dt=\frac1{2\pi}\int_{-\infty}^{+\infty}|F(w)|^2dw ∫−∞+∞∣x(t)∣2dt=2π1∫−∞+∞∣F(w)∣2dw
傅里叶变换能量守恒。 -
共轭 & 共轭对称:
(1) 实偶对实偶,实奇对虚奇;
(2) 实函数 x ( t ) x(t) x(t) 对应的傅里叶变换 X ( j w ) X(jw) X(jw) 实部偶函数,虚部奇函数;
(3) 实函数 x ( t ) x(t) x(t) 对应的傅里叶变换 X ( j w ) X(jw) X(jw) 幅频特性偶函数,相频特性奇函数。
虚输入信号只有理论意义,可以拆解成实部和虚部两个实函数。
3.3.4 周期信号的傅里叶变换
-
联系 周期函数 傅里叶变换和傅里叶级数的公式:
a k = 1 T X ( j k w 0 ) a_k=\frac 1TX(jkw_0) ak=T1X(jkw0)其中 X ( j w ) X(jw) X(jw) 是 x ( t ) x(t) x(t) 一个周期的傅里叶变换。
-
周期信号的傅里叶变换:
F ( w ) = 2 π ∑ k = − ∞ + ∞ a k δ ( w − k w 0 ) F(w)=2\pi\sum^{+\infty}_{k=-\infty}a_k\delta(w-kw_0) F(w)=2πk=−∞∑+∞akδ(w−kw0)
e g . eg. eg. 周期冲激串:傅里叶变换后还是冲激串。
δ T ( t ) = ∑ k = − ∞ + ∞ δ ( t − k T ) ↓ F X ( j w ) = 1 T ∑ k = − ∞ + ∞ δ ( w − k w 0 ) \delta_T(t)=\sum_{k=-\infty}^{+\infty}\delta(t-kT)\\ \downarrow{F}\\X(jw)=\frac1T\sum_{k=-\infty}^{+\infty}\delta(w-kw_0) δT(t)=k=−∞∑+∞δ(t−kT)↓FX(jw)=T1k=−∞∑+∞δ(w−kw0)
3.4 理想低通滤波器
3.4.1定义
x ( t ) x(t) x(t) 对应的傅里叶变换 X ( j w ) X(jw) X(jw) 在频域上表现为单脉冲方波,即为理想低通滤波器。
冲激响应: h ( t ) = s i n ( w c t ) π t h(t)=\frac{sin(w_ct)}{\pi t} h(t)=πtsin(wct) 。
3.4.2 缺点:
- 非因果系统,因此做不出 实时 系统;
- 振铃效应:理想的低通滤波器会把陡峭的上升信号,转化成逐渐衰减的波纹传递至无穷远。(增加主瓣面积,可以减弱振铃效应,基于理想低通滤波器设计的其他滤波器就基于这一原理)
3.4.3 理想低通滤波器的阶跃响应
记 S i ( t ) = ∫ 0 x s i n τ τ d τ Si(t)=\int^x_0\frac{sin\tau}\tau d\tau Si(t)=∫0xτsinτdτ ,
则响应 y ( t ) = ∫ − ∞ t s i n ( w c t ) π τ d τ = 1 2 + 1 π S i ( w c t ) y(t)=\int^t_{-\infty}\frac{sin(w_ct)}{\pi \tau}d\tau=\frac12+\frac1\pi Si(w_c t) y(t)=∫−∞tπτsin(wct)dτ=21+π1Si(wct) 。
3.4.4 与其他理想滤波器的关系:
下面用 X ( j w ; w 1 ) X(jw;w_1) X(jw;w1) 表示带宽为 w 1 w_1 w1 的低通滤波器的频域函数。
- 高通滤波器: 1 − X ( j w ; w 1 ) 1-X(jw;w_1) 1−X(jw;w1)
- 带通滤波器: X ( j w ; w 1 ) − X ( j w ; w 2 ) , w 1 > w 2 X(jw;w_1)-X(jw;w_2),\ w_1>w_2 X(jw;w1)−X(jw;w2), w1>w2
- 带阻滤波器: 1 − [ X ( j w ; w 1 ) − X ( j w ; w 2 ) ] , w 1 > w 2 1-[X(jw;w_1)-X(jw;w_2)],\ w_1>w_2 1−[X(jw;w1)−X(jw;w2)], w1>w2
*3.5 补充内容
3.5.1 二维信号的傅里叶变换
3.5.2 不常见的傅里叶变换
-
双边指数信号:
x ( t ) = e − α ∣ t ∣ x(t)=e^{-\alpha|t|} x(t)=e−α∣t∣ ,对应频域上 X ( j w ) = 2 α α 2 + w 2 X(jw)=\frac{2\alpha}{\alpha^2+w^2} X(jw)=α2+w22α 。
-
高斯脉冲信号:
x ( t ) = E e − ( t / τ ) 2 x(t)=Ee^{-(t/\tau)^2} x(t)=Ee−(t/τ)2 ,对应频域上 X ( j w ) = π E τ b e − ( w τ 2 ) 2 X(jw)=\sqrt{\pi}E\tau be^{-(\frac{w\tau}2)^2} X(jw)=πEτbe−(2wτ)2 。
-
半波余弦信号:
x ( t ) = { E c o s ( π t τ ) ∣ t ∣ < τ 2 0 ∣ t ∣ > τ 2 x(t)= \left \{ \begin{array}{lr} Ecos(\frac{\pi t}\tau) & |t|<\frac{\tau}{2}\\ 0 & |t|>\frac\tau2 \end{array} \right. x(t)={Ecos(τπt)0∣t∣<2τ∣t∣>2τ对应频域上 X ( j w ) = 2 E τ π c o s ( w τ 2 ) 1 − ( w τ π ) 2 X(jw)=\frac{2E\tau}\pi\frac{cos(\frac{w\tau}2)}{1-(\frac{w\tau}\pi)^2} X(jw)=π2Eτ1−(πwτ)2cos(2wτ) 。
-
奇对称斜线:
x ( t ) = E T t ( − T < t < T ) x(t)=\frac ETt (-T<t<T) x(t)=TEt(−T<t<T) ,对应频域上 X ( j w ) = j E T [ 2 s i n ( w T ) w 2 − 2 T w c o s ( w T ) ] X(jw)=j\frac ET[\frac{2sin(wT)}{w^2}-2\frac Twcos(wT)] X(jw)=jTE[w22sin(wT)−2wTcos(wT)] 。