通信基础概念（四）傅立叶变换

傅立叶级数与傅立叶变换

      \;\;\,\quad 傅立叶级数/变换的作用是求时域信号的频域表示，傅立叶级数作用于周期信号，而对于非周期信号可以使用傅立叶变换，而在引入冲激函数$\delta (t)$之后就可以对周期信号也做傅立叶变换。

      \;\;\,\quad 傅立叶级数。在上一篇文章中，我们讨论了相关和正交的概念——相关函数用内积用来表述计算两个信号的相似性；用正交性来尽可能简单地描述地描述信号。从这点出发，结合前人研究的经验，傅立叶想到使用三角函数去描述周期信号（后面拓展到非周期信号），将一个周期信号用三角函数的加权和表示，这就是傅立叶级数/变换的来源。
      \;\;\,\quad 可以证明， { 1 , cos ⁡ ( x ) , sin ⁡ ( x ) , cos ⁡ ( 2 x ) , sin ⁡ ( 2 x ) , . . . } \{1,\cos(x),\sin(x),\cos(2x),\sin(2x),...\} {1,cos(x),sin(x),cos(2x),sin(2x),...}是一个完备正交函数集¹，傅立叶将用这个函数集去对信号进行分解。上一篇文章说了，可以把一个信号表示为函数集内各个函数的加权和，即下式。那么问题来了，系数$c_i$怎么求呢？
$$f(x)=\sum _{i=1}^n{c}_i{g}_i(x)$$       \;\;\,\quad 这就要用到相关了。理所当然地，既然是信号分解，那系数就应该表示在这个“方向”上投影的大小（如果不好理解，想想高中物理中，对力的正交分解）。而相关性就是用投影的大小表示的，你说巧不巧。既然这样，那这个系数$c_i$就很好求了！大概应该长这样：
$$c_i={\int }_{-\infty }^{\infty }f(t)g_i(t)dt$$       \;\;\,\quad 嗯，这么看，$g_i(t)$有了，$c_i$怎么算也知道了，可以把傅立叶放出来了。
$$\begin{gathered} \mathbf{f}(\mathbf{t})={\mathbf{a}}_0+\sum _{\mathbf{n}=1}^{\infty }{\mathbf{a}}_{\mathbf{n}}\cos (\mathbf{n}{\mathbf{\omega }}_{\mathbf{n}}\mathbf{t})+{\mathbf{b}}_{\mathbf{n}}\sin (\mathbf{n}{\mathbf{\omega }}_{\mathbf{n}}\mathbf{t}) \\ 其中，a_0=\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)\times 1dt（直流分量） \\ {a}_n=\frac{\text{2}}{T}{\int }_{t_0}^{t_0+T}f(t)\cos (n{\omega }_{1}t)dt（余弦分量） \\ {b}_n=\frac{\text{2}}{T}{\int }_{t_0}^{t_0+T}f(t)\sin (n{\omega }_{1}t)dt（正弦分量） \\ {t}_0任取，T为信号周期，\omega 为角频率，\omega =2\pi f=\frac{2\pi }{T} \end{gathered}$$       \;\;\,\quad 看上去像是这么一回事儿，但是怎么多了个$\frac{1}{T}$，甚至还有$\frac{\text{2}}{T}$呢？为了公平起见，取平均。如果不取平均，周期越长的信号积分值可能会越大，对周期短的信号不公平。那分子上的“2”又是从哪里冒出来的呢？这是个好问题！那不如再问多一个问题，为啥求和的范围是$n=1$到$\infty$呢？好像没有规定$n$不能为负数吧？不对，$n$怎么可能是负数！如果$n$是负数那岂不是出现了负频率了？那么问题又来了，负频率真的不存在么，如果存在它有什么意义呢？如果想深究，请看附录²，我们就暂且承认它存在吧。引入了负频率之后就很好解释了，本来应该是${\sum }_{-\infty }^{\infty }$的，但是这么巧，对我们用到的实信号而言，正负频率系数是相同的，为了计算方便就取一半，${\sum }_{n=1}^{\infty }$，同时系数乘以2，完事儿~

      \;\;\,\quad 傅立叶级数的“简单”表示。傅立叶级数的原理其实就是上面所说的，把原信号正交分解，再求系数。只不过，在一个式子里面即有cos也有sin，写起来有点长。人是很懒的，能不能少写点呢？这就要用到高中所学的cos和sin的合并公式了，傅立叶级数就可以写成
$$\begin{gathered} \mathbf{f}(\mathbf{t})={\mathbf{c}}_0+\sum _{\mathbf{n}=1}^{\infty }{\mathbf{c}}_{\mathbf{n}}\cos (\mathbf{n}{\mathbf{\omega }}_{\mathbf{n}}\mathbf{t}+{\mathbf{\phi }}_{\mathbf{n}}) \\ 其中，c_0=a_0，c_n^2=a_n^2+b_n^2，{\phi }_n=\arctan (-\frac{b_n}{a_n}) \end{gathered}$$       \;\;\,\quad 能不能再简单点呢？那就引入复频率吧！欧拉老爷子曾经说过， $e^{ix}=\cos (x)+i\sin (x)$，再做一个$x=n\omega t$的变量代换，然后我们得到了指数形式的傅立叶级数：
$$\begin{gathered} \mathbf{f}(\mathbf{t})=\sum _{\mathbf{n}=-\infty }^{\infty }{\mathbf{F}}_{\mathbf{n}}{\mathbf{e}}^{\mathbf{j}{\mathbf{\omega }}_{\mathbf{n}}\mathbf{t}} \\ 其中，F_n=\frac{1}{T}{\int }_{t_0}^{t_0+T}f(t)e^{\text{-}j{\omega }_{n}t}dt \end{gathered}$$       \;\;\,\quad 多简洁！注意，积分是${\sum }_{-\infty }^{\infty }$，包括了负频率，因此$F_n$是$\frac{1}{T}$，非常直观。诶不对！为什么求$F_n$时做相关运算的复指数信号是负值（$\text{-}j{\omega }_{n}t$）？这是因为它是个复信号，在上一篇文章附录我们专门提到过，对复能量信号求相关，要对$f_2$求共轭，$R_{12}(\tau )={\int }_{-\infty }^{+\infty }{f}_1(t)\cdot f_2^{\ast }(t-\tau )dt$，而$e^{j{\omega }_{n}t}$的共轭就是$e^{\text{-}j{\omega }_{n}t}$。这样来看这条式子就很好理解了。其中$F_n$是复振幅，前面的$a_n,b_n,c_n$都是实数。由这个$F_n$我们可以得到$f(t)$的双边频谱（范围从$-\infty$到$\infty$），但是由于$F_n$是复数，画图的时候我们只能画出它的绝对值$|F_n|$，这是需要注意的（除非画三维频谱图）。

      \;\;\,\quad 傅立叶变换。有了指数形式的傅立叶级数的认识，理解傅立叶变化就简单多了。周期信号的频谱是离散的，只有特定频点（谐波的整数倍）有值；而非周期信号的频谱是连续的，没有特定的谐波频率，所以要把指数形式的傅立叶级数的求和换为积分，由此，我们就得到傅立叶变换和逆变换的公式：
$$\begin{gathered} F(\omega )=\mathcal{F}[f(t)]={\int }_{-\infty }^{+\infty }f(t)e^{\text{-}j{\omega }_{n}t}dt \\ f(t)={\mathcal{F}}^{-1}[F(\omega )]=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }F(\omega )e^{j{\omega }_{n}t}d\omega \end{gathered}$$       \;\;\,\quad p.s. $F(\omega )$可能在别的书上表示为$F(j\omega ),F(e^{j\omega })$
      \;\;\,\quad 可能你们还想问，$\frac{1}{T}$怎么不见了，怎么又出来了个$\frac{1}{2\pi }$，emmm这其实是个数学问题，大概意思是来源于$\omega =\frac{2\pi }{T}$，详细证明请看奥本海姆《信号与系统》第四章。这篇文章主要内容是讲它核心运算的意义，将原时域上表示的信号与频域信号做内积，投影到频域的各个频点上。

      \;\;\,\quad 至此，对傅立叶级数和傅立叶变换的讨论就结束了。³我是使用相关和正交的概念来对他们进行讨论的，与从三角函数讲起的文章⁴相比，这种思路更容易拓展到拉普拉斯变换、z变换，甚至拓展到自己想要的域上面的变换。

      \;\;\,\quad 如果本文有不严谨和不科学的地方，欢迎指出！谢谢各位捧场！

---

1. 正交函数集指的是对集合内的每个函数，两两正交，即$⟨g_i,g_j⟩=0(i̸=j)$。完备正交函数集，指的是这个集合满足，找不到其他函数，即不在这个函数集内，还能和该集合内的函数正交。详情见郑君里《信号与系统》第六章。 ↩︎

2. 负频率这东西，看起来像是欧拉老头子引入的，只有数学上的意义。由于我们平时看到的信号都是实信号，不好理解这怎么能是负的，其实只是我们的视角问题。回忆一下复数的幅角表示，$c=a+jb=A{e}^{j\theta }$，$\theta$为正时角度为正逆时针转，负数为顺时针转，而角频率$\omega$就是对$\theta$求导得到的，负频率就意味着它的“转动方向”是顺时针。这在机械和控制理论上用得可能会更多。由于比较抽象，可以参考别人对负频率的解释加以理解：链接1，链接2，链接3 ↩︎

3. 这篇文章经过了三篇文章的铺垫：什么是信号，信号的观测域，相关与正交。（不要脸地打个小广告） ↩︎

4. 并不是说从三角函数讲起不好，我只是提供了另外一种思路。在写完本文后，我又查了一下网上讲傅立叶变换的文章，这一篇讲解得非常地生动形象（主要是配了很多图），推荐大家去看一下。看待一个事物的方法不止一种，多看，多学，多想会更有帮助。 ↩︎