【信号与系统】科普系列

声明：非原创，到bilibili上看的视频，名叫‘信号与系统科普系列’，随手点开看的，但觉得讲得特别好，就做了一个笔记。

物理现象和数学工具，数学是一个工具，比如sin，cos函数用来研究声光电磁就非常得心顺手，
比如电路基础里面描述电容电感的性质会用到虚数，虚数就是一个工具，你首先得非常理解虚数这个概念。
再比如，这里的信号与系统就要用到傅里叶级数这个工具，所以你得知道什么是傅里叶级数，然后再通过傅里叶级数引出傅里叶变换，再引出离散傅里叶变换。
另外，数、形是不分的，就是数的意义一定可以用几何形来表示的，所以当你不知道比如虚数的意思，就画出来吧，帮助理解。

• 傅里叶变换Fourier Transform
• 

• 傅里叶变换，一个正变换，一个逆变换，是整个信号学的基础
  傅里叶变换的作用就是把信号从时域变换到频域，逆变换就是将信号从频域变换到时域。

信号是可以用函数表达式表示的
函数也是有是否正交这个概念的，如果两个函数的周期范围内的定积分等于0，那么这两个函数是正交的。
所以正弦函数和余弦函数是正交的，也就是：sinxcosx在0-2Π内的积分等于0。
任何复杂信号都可以看作是许多基本信号的叠加。
所以任何复杂信号都可以表示成多个基本信号的叠加。

• 正弦信号，正弦函数可以看作最简单的一个波，用正弦函数来表示：
• 

A表示信号的幅值，w是频率，t可以看作一个函数的自变量，y是因变量。
所以这是一个波的时域表达式。 

 

左图是一个波形的时域图形，当这个波不变的时候，那就是它的w定下来了，所以一个已知波的频域图就是一条竖线。
傅里叶变换就是把一个信号从时域变换到频域，从左图变到右图。
时域和频域是一个物理的两个角度，当我们从时域这个角度研究不出啥东西时，我们可以换一个角度：从频域的角度去看看这个波，或许有新发现。
比如我们经常要对信号进行处理，比如要过滤掉一些我们不想要的频率，如果把信号用频域描述，就可以非常简单的过滤掉了。
最直观的比喻就是：时域就相当于一杯饮料，频域就相当于这个饮料的配料表。如下图所示： 

• 滤波器 

左上是一个杂乱无章的波形，假如是一个带有噪音的声音波形，但噪音的频率和声音的频率是不一样的，所以经过傅里叶变换后，这个波形被分离成5个频率，假如声音信号的频率是第一个频率，我们就可以把其他频率过滤掉，只留下第一个频率，然后在通过傅里叶逆变换，就是左下的波形信号，就是一个相对完整的声音信号了。这就是降噪的最简单的应用了。

• 傅里叶级数的本质
  假如我们现在有两个基本的信号，而且这两个信号还是正交的，那我们就可以用这个两个信号组合出任意一个信号。思来想去，正弦信号和余弦信号作为基本信号最合适。
  所以，任何信号都可以看做是由正弦信号和余弦信号的基础上产生的，我们只要改变它的幅值和频率就可以了。
  下面从图形上直观的看看：
• 

sinwt和coswt的相位始终是差90度。c的长度是可以通过a,b来调节的，θ角(相位)也是可以调节的。所以只要我们通过调节a,b就可以得到任意一个幅度和相位的正弦信号，但是这个信号的频率都是w。
但是看看我们的方波，看看方波的频率： 

左边是方波的时域图，右边是方波的频域图，可见，方波的频域图竟然是一个趋于连续的曲线，就是说方波的频域包含了各种频域

那么如果我们把所有的正弦信号和余弦信号的不同频率都组合在一起，是不是理论上就可以组成我们想要的任意信号了呢？是的，这就是傅里叶变换。

 上面的表达式就是傅里叶变换，就是任意一个复杂的信号都可以表示成上面的级数，就是穷举出所有的幅值和所有的频率
所以只要我们能知道一个信号的的a0,an,bn,w,我们就可以把这个信号准确表达出来。

• 傅里叶级数的推导

 就是一个正弦函数只和自身是非正交的，和其他所有频率的函数都是正交的。
所以，我们只要两边都乘以一个sinnx,或者cosnx就可以解出an,bn了： 

 就把所有所有的系数都求出来了

• 傅里叶变换的推导
  傅里叶级数是用来引出傅里叶变换的，而傅里叶变换是整个信号学的基础，深刻理解了傅里叶变换就会对后面的拉普拉斯变换和离散傅里叶变换的理解就会非常游刃有余。
  前置知识：虚数的表示和欧拉公式
• 

 三角函数形式的傅里叶级数：表达式非常清晰，就是一个时域信号是由不同频率的正弦函数组成的，就是有无数个不同频率的正弦函数一起组成一个级数累加起来就可以得到一个任意的周期函数：

 指数形式的傅里叶级数：其实和三角函数形式的傅里叶级数是同一个东西，只是表示不一样，指数形式没有三角函数形式直观，但指数形式最大的好处就是计算方便

下面是指数形式傅里叶级数的系数Fn，它就相当于频谱中的每一根谱线的高度。 至于从三角函数形式到指数形式的推导过程以及系数的推导要参考郑君里版本的P96页，这里只是结论。
傅里叶级数变换的是一些周期信号，而我们现实中遇到的更多的是非周期信号，因此要使用傅里叶变换对非周期信号进行频域转换。而非周期信号可以看成周期无限大的周期信号，所以：

系数Fn是和T1相关的，而T1趋于无穷大，Fn就趋向于0。当时域信号是一个非周期信号时，或者周期无限大的周期信号时，这个信号的频谱图就是一个连续的图形，可以看成有无数根频谱线组成。
从另外一个角度看：因为信号的总能量是一定的，而这固定的总能量要分布在无限多的谱线上，那每根谱线的是趋近于0的。而趋于0的频谱线毫无意义，所以我们让趋于0的频谱线乘以一个无穷大的数T1，就得到这个信号的频谱密度函数F(w),也叫概率密度函数，这个函数就是傅里叶变换的表达式：

• 举个例子：把方波信号转换到频域： 
• 

小结：
时域周期，频域离散
时域非周期， 频域连续
时域离散，频域周期
时域连续，频域非周期