连续和离散傅立叶变换总结及推导

连续时间复指数信号ejw0te^{jw_0t}ejw0​t是否为周期信号?x(t)=x(t+T)x(t) = x(t+T)x(t)=x(t+T) 现假设x(t)=ejw0tx(t) = e^{jw_0t}x(t)=ejw0​tejw0t=ejw0(t+T)e^{jw_0t}=e^{jw_0(t+T)}ejw0​t=ejw0​(t+T)当且仅当w0T=2π→T=2πw0w_0T=2\pi\rightarrow T=\frac{2\pi}{w_0}w0​T=2π→T=w0​2π​w0=0w_0
摘要由CSDN通过智能技术生成

连续时间复指数信号

e j w 0 t e^{jw_0t} ejw0t

是否为周期信号? x ( t ) = x ( t + T ) x(t) = x(t+T) x(t)=x(t+T) 现假设 x ( t ) = e j w 0 t x(t) = e^{jw_0t} x(t)=ejw0t
e j w 0 t = e j w 0 ( t + T ) e^{jw_0t}=e^{jw_0(t+T)} ejw0t=ejw0(t+T)
当且仅当 w 0 T = 2 π → T = 2 π w 0 w_0T=2\pi\rightarrow T=\frac{2\pi}{w_0} w0T=2πT=w02π

w 0 = 0 w_0=0 w0=0 无基波周期

w 0 ≠ 0 , T = 2 π w 0 w_0 \neq 0, T=\frac{2\pi}{w_0} w0=0,T=w02π

一组基波 w 0 w_0 w0的整数倍构成的信号:
ϕ k ( t ) = e j k w 0 t k = 0 , ± 1 , ± 2 ⋯ \phi_k(t)=e^{jkw_0t}\quad k=0,\pm1,\pm2\cdots ϕk(t)=ejkw0tk=0,±1,±2
x ( t ) x(t) x(t)信号由若干的复指数信号构成,如
x ( t ) = ∑ k = − ∞ ∞ a k e j k w 0 t x(t) = \sum_{k=-\infty}^{\infty}a_ke^{jkw_0t} x(t)=k=akejkw0t
我们可以得到傅立叶系数 FS
a k = 1 T ∫ T x ( t ) e − j k w 0 t d t a_k=\frac{1}{T}\int_Tx(t)e^{-jkw_0t}dt ak=T1Tx(t)ejkw0tdt
证明过程:
在这里插入图片描述
例题:
在这里插入图片描述
在这里插入图片描述
傅立叶级数的性质
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HqY5z6nt-1599997720789)(/Users/ben/Library/Application Support/typora-user-images/image-20200913125007680.png)]

离散时间复指数信号

e j w 0 n e^{jw_0n} ejw0n

上面 n n n只能取整数。
e j ( w 0 + 2 π ) n = e j 2 π n e j w 0 n = e j w 0 n e^{j(w_0+2\pi)n} = e^{j2\pi n}e^{jw_0n} = e^{jw_0n} ej(w0+2π)n=ej2πnejw0n=ejw0n
上述式子表明 w 0 w_0 w0 w 0 + 2 π w_0 + 2\pi w0+2π 一样,因此 w 0 w_0 w0的不断增加并不是和振荡增加对应
在这里插入图片描述

w 0 = π w_0 = \pi w0=π的时候,有
e j π n = ( e j π ) n = ( − 1 ) n e^{j\pi n} =(e^{j\pi})^n=(-1)^n ejπn=(ejπ)n=(1)n
此时信号在每一点都符号都发生变化。
在这里插入图片描述
是否周期信号? x [ n ] = x [ n + N ] x[n]=x[n+N] x[n]=x[n+N],现 x [ n ] = e j w 0 n x[n]=e^{jw_0n} x[n]=ejw0n
e j w 0 ( n + N ) = e j w 0 n e^{jw_0(n+N)} = e^{jw_0n} ejw0(n+N)=ejw0n
则保证
e j w 0 N = 1 e^{jw_0N} = 1 ejw0N=1

w 0 N = 2 π m w_0 N = 2\pi m w0N=2πm

N = 2 π m w 0 N=\frac{2\pi m}{w_0} N=w02πm
N N N为整数,则 w 0 2 π = m N \frac{w_0}{2\pi}=\frac{m}{N} 2πw0=Nm为有理数,则该信号为周期。若 m m m N N N无公因子,则周期为 N N N
在这里插入图片描述
在这里插入图片描述
比较:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-u9AeV1xz-1599997720793)(/Users/ben/Library/Application Support/typora-user-images/image-20200913132312856.png)]
我们现在构建一组基波周期为 N N N的离散信号为
ϕ k [ n ] = e j k w 0 n = e j k 2 π N n k = 0 , ± 1 , ± 2 , ⋯ \phi_k[n] = e^{jkw_0n}=e^{jk\frac{2\pi}{N}n}\quad k=0,\pm1,\pm2,\cdots ϕk[n]=ejkw0n=ejkN2πnk=0,±1,±2,

x [ n ] = ∑ k a k ϕ k [ n ] = ∑ k a k e j k w 0 n = ∑ k a k e j k 2 π N n x[n]=\sum_ka_k\phi_k[n]=\sum_ka_ke^{jkw_0n}=\sum_ka_ke^{jk\frac{2\pi}{N}n} x[n]=kakϕk[n]=kakejkw0n=kakejkN2πn
由于有 ϕ k [ n ] = ϕ k + r N [ n ] \phi_k[n]=\phi_{k+rN}[n] ϕk[n]=ϕk+rN[n],则 k k k只在 N N N个相继值区间频率是不相同的, k k k可取 0 , ⋯   , N − 1 0,\cdots,N-1 0,,N1,也可以取 3 , 4 , ⋯   , N + 2 3,4,\cdots,N+2 3,4,,N+2


x [ n ] = ∑ k = 0 N − 1 a k ϕ k [ n ] = ∑ k = 0 N − 1 a k e j k w 0 n = ∑ k = 0 N − 1 a k e j k 2 π N n x[n] = \sum_{k=0}^{N-1}a_k\phi_k[n]=\sum_{k=0}^{N-1}a_ke^{jkw_0n}=\sum_{k=0}^{N-1}a_ke^{jk\frac{2\pi}{N}n} x[n]=k=0N1akϕk[n]=k=0N1akejkw0n=k=0N1akejkN2πn
我们可以计算出离散时间傅立叶系数DFS:
a k = 1 N ∑ n = 0 N − 1 x [ n ] e − j k w 0 n − ∞ < k < ∞ a_k = \frac{1}{N}\sum_{n=0}^{N-1}x[n]e^{-jkw_0n}\quad -\infty < k < \infty ak=N1n=0N1x[n]ejkw0n<k<
证明过程:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K6KSHzKW-1599997720794)(/Users/ben/Library/Application Support/typora-user-images/image-20200913133748997.png)]
例题:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tUYLG2VR-1599997720795)(/Users/ben/Library/Application Support/typora-user-images/image-20200913133842677.png)]
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vpbZJxqx-1599997720795)(/Users/ben/Library/Application Support/typora-user-images/image-20200913135419642.png)]
离散时间傅立叶级数性质
在这里插入图片描述

连续时间傅立叶变换(FT)

非周期信号:

周期矩形波:
在这里插入图片描述
a k = 1 T S a ( 2 k π w 0 T 1 ) a_k = \frac{1}{T}Sa(\frac{2k\pi w_0}{T_1}) ak=T1Sa(T12kπw0)

T a k = S a ( 2 π w T 1 ) Ta_k = Sa(\frac{2\pi w}{T_1}) Tak=Sa(T12πw)

我们可以将式(17)看成式(18)的包络函数的样本。
在这里插入图片描述

我们先把周期信号表示成
x ~ ( t ) = ∑ k = − ∞ ∞ a k e j k w 0 t \tilde{x}(t) = \sum_{k=-\infty}^{\infty}a_ke^{jkw_0t} x~(t)=k=

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值