1.傅利叶级数
首先从傅利叶级数讲起。傅利叶级数的直观理解借助下图来进行解释。对于图1这样的原始周期信号,它可以分解成3个成谐波关系的正弦信号,如图2、3、4,这3个子信号相加就可以得到原始周期信号。能够表示原始信号的这样一组正弦子信号,就称为傅利叶级数。与原始周期信号的频率相同的分量称为基波,其他分别称为二次、三次等各次谐波。
如何通过原始信号来求的傅利叶级数呢?最基本的公式是这样的:
f
(
t
)
=
a
0
2
+
∑
n
=
1
∞
a
n
c
o
s
(
n
w
0
t
)
+
∑
n
=
1
∞
b
n
s
i
n
(
n
w
0
t
)
(1.1)
f(t)= \frac{a_0}{2} + \displaystyle \sum_{n=1}^\infty a_ncos(nw_0t) + \displaystyle \sum_{n=1}^\infty b_nsin(nw_0t) \tag{1.1}
f(t)=2a0+n=1∑∞ancos(nw0t)+n=1∑∞bnsin(nw0t)(1.1)
a
n
=
2
T
∫
−
T
2
T
2
f
(
t
)
c
o
s
(
n
w
0
t
)
d
t
(1.2)
a_n = \frac 2T \int _{-\frac T2}^{\frac T2} f(t)cos(nw_0t)dt \tag{1.2}
an=T2∫−2T2Tf(t)cos(nw0t)dt(1.2)
b
n
=
2
T
∫
−
T
2
T
2
f
(
t
)
s
i
n
(
n
w
0
t
)
d
t
(1.3)
b_n = \frac 2T \int _{-\frac T2}^{\frac T2} f(t)sin(nw_0t)dt \tag{1.3}
bn=T2∫−2T2Tf(t)sin(nw0t)dt(1.3) 在介绍了上述公式后,我们得到了周期信号的傅利叶级数。基波与谐波有着各自的幅值和相位,把基波与谐波的频率作为横坐标,y轴选择幅度时,得到的是幅度频谱;y轴选择相位时,得到的是相位频谱。
为了表示的方便,可以利用欧拉公式得到指数形式的傅利叶级数。是怎么推导得来的呢?首先我们有如下一组三角函数的替换公式:
s
i
n
(
n
w
0
t
)
=
1
2
j
(
e
j
w
0
t
−
e
−
j
w
0
t
)
(1.4)
sin(nw_0t)= \frac{1}{2j}(e^{jw_0t}-e^{-jw_0t}) \tag{1.4}
sin(nw0t)=2j1(ejw0t−e−jw0t)(1.4)
c
o
s
(
n
w
0
t
)
=
1
2
(
e
j
w
0
t
+
e
−
j
w
0
t
)
(1.5)
cos(nw_0t)= \frac{1}{2}(e^{jw_0t}+e^{-jw_0t}) \tag{1.5}
cos(nw0t)=21(ejw0t+e−jw0t)(1.5) 那么求和项就可以表示成:
∑
n
=
1
∞
a
n
c
o
s
(
n
w
0
t
)
+
∑
n
=
1
∞
b
n
s
i
n
(
n
w
0
t
)
(1.6)
\displaystyle \sum_{n=1}^\infty a_ncos(nw_0t) + \displaystyle \sum_{n=1}^\infty b_nsin(nw_0t) \tag{1.6}
n=1∑∞ancos(nw0t)+n=1∑∞bnsin(nw0t)(1.6)
=
∑
n
=
1
∞
(
1
2
(
a
n
−
j
b
n
)
e
j
n
w
0
t
+
1
2
(
a
n
+
j
b
n
)
e
−
j
n
w
0
t
)
(1.7)
=\displaystyle \sum_{n=1}^\infty(\frac 12(a_n-jb_n)e^{jnw_0t}+\frac 12(a_n+jb_n)e^{-jnw_0t}) \tag{1.7}
=n=1∑∞(21(an−jbn)ejnw0t+21(an+jbn)e−jnw0t)(1.7) 这里的索引是从1到n。我们注意到
a
−
n
=
a
n
a_{-n}=a_n
a−n=an,
b
−
n
=
−
b
n
b_{-n}=-b_n
b−n=−bn。因此
∑
n
=
1
∞
1
2
(
a
n
+
j
b
n
)
e
−
j
n
w
0
t
\displaystyle \sum_{n=1}^\infty\frac 12(a_n+jb_n)e^{-jnw_0t}
n=1∑∞21(an+jbn)e−jnw0t又可以表示成
∑
n
=
−
1
−
∞
1
2
(
a
n
−
j
b
n
)
e
j
n
w
0
t
\displaystyle \sum_{n=-1}^{-\infty}\frac 12(a_n-jb_n)e^{jnw_0t}
n=−1∑−∞21(an−jbn)ejnw0t。这样就可以和前一项统一起来,
f
(
t
)
f(t)
f(t)可以写成:
f
(
t
)
=
∑
n
=
−
∞
∞
1
2
(
a
n
−
j
b
n
)
e
j
n
w
0
t
(1.8)
f(t)=\displaystyle \sum_{n=-\infty}^{\infty}\frac 12(a_n-jb_n)e^{jnw_0t} \tag{1.8}
f(t)=n=−∞∑∞21(an−jbn)ejnw0t(1.8) 令
F
n
=
1
2
(
a
n
−
j
b
n
)
F_n=\frac 12(a_n-jb_n)
Fn=21(an−jbn),那么指数形式的表示方法就显而易见了:
f
(
t
)
=
∑
n
=
−
∞
∞
F
n
e
j
n
w
0
t
(1.9)
f(t)=\displaystyle \sum_{n=-\infty}^{\infty}F_ne^{jnw_0t} \tag{1.9}
f(t)=n=−∞∑∞Fnejnw0t(1.9) 得到的
F
n
F_n
Fn为信号的频谱,为什么呢?由于
F
n
F_n
Fn为复数,因此可以写成
F
n
=
∣
F
n
∣
e
j
ϕ
n
F_n=|F_n|e^{j\phi_n}
Fn=∣Fn∣ejϕn,其中,
t
a
n
(
ϕ
n
)
=
−
b
n
a
n
tan(\phi_n)=-\frac {b_n}{a_n}
tan(ϕn)=−anbn,也就是复数的虚部比实部,那么
ϕ
n
−
w
\phi_n-w
ϕn−w就是信号的相位谱了。而
F
n
F_n
Fn的模
∣
F
n
∣
|F_n|
∣Fn∣为
1
2
a
2
+
b
2
\frac 12 \sqrt {a^2+b^2}
21a2+b2,又因为
F
n
F_n
Fn的
n
n
n值从
−
∞
-\infty
−∞到
∞
\infty
∞,所以这样表示的是一个双边谱。归纳起来就是,双边谱幅值变为单边谱的一半,相位谱关于原点奇对称。以上便是傅利叶级数相关的主要内容。
2.傅利叶变换
对于周期信号,我们可以对信号进行分解,通过傅利叶级数得到基波和各次谐波。那对于非周期信号呢?自然而然地联想到,非周期信号,其实是周期趋近于无穷大的一个信号。有这样一个规律,基波的频率与原始信号是一致的,设为
w
0
w_0
w0,当原始信号的周期越长,那么
w
0
=
2
π
T
w_0=\frac {2\pi}{T}
w0=T2π反而会变得越小,当周期取到无穷长时,可以将
w
0
w_0
w0视为连续的。因此,不难得出,周期信号的频谱是离散的,而非周期信号的频谱是连续的。下面通过傅利叶级数来推导傅利叶变换的公式。
首先,第1节中式(1.9)介绍了指数形式的傅利叶级数表示方式,其中
F
n
=
1
2
(
a
n
−
j
b
n
)
F_n=\frac 12(a_n-jb_n)
Fn=21(an−jbn),结合公式(1.2)和(1.3),可以得到式(2.1):
F
n
=
1
2
(
a
n
−
b
n
)
=
1
T
∫
−
T
2
T
2
f
(
t
)
(
c
o
s
(
n
w
0
t
)
−
j
s
i
n
(
n
w
0
t
)
)
d
t
=
1
T
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
w
0
t
d
t
F_n=\frac 12(a_n-b_n)=\frac 1T \int _{-\frac T2}^{\frac T2}f(t)(cos(nw_0t)-jsin(nw_0t))dt=\frac 1T \int _{-\frac T2}^{\frac T2}f(t)e^{-jnw_0t}dt
Fn=21(an−bn)=T1∫−2T2Tf(t)(cos(nw0t)−jsin(nw0t))dt=T1∫−2T2Tf(t)e−jnw0tdt 等式两边同时乘以
T
T
T,得到
F
(
n
w
0
)
T
=
2
π
F
(
n
w
0
)
w
0
=
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
w
0
t
d
t
F(nw_0)T=\frac {2 \pi F(nw_0)}{w_0}=\int _{-\frac T2}^{\frac T2}f(t)e^{-jnw_0t}dt
F(nw0)T=w02πF(nw0)=∫−2T2Tf(t)e−jnw0tdt。当
T
T
T趋近于
∞
\infty
∞时,
w
0
w_0
w0非常小,而
n
w
0
nw_0
nw0就可以看成是连续的变量
w
w
w。对该式取极限,并将其记为
F
(
w
)
F(w)
F(w):
F
(
w
)
=
lim
T
→
∞
F
(
n
w
0
)
T
=
lim
w
0
→
0
2
π
F
(
n
w
0
)
w
0
(2.2)
F(w)=\lim _{T \to \infty}F(nw_0)T=\lim _{w_0 \to0}\frac {2\pi F(nw_0)}{w_0} \tag{2.2}
F(w)=T→∞limF(nw0)T=w0→0limw02πF(nw0)(2.2) 将式中的
lim
w
0
→
0
F
(
n
w
0
)
w
0
\lim _{w_0 \to0 }\frac {F(nw_0)}{w_0}
limw0→0w0F(nw0)这一项提取出来,它表示单位频带的频谱值——频谱密度,因此
F
(
w
)
F(w)
F(w)又称为频谱密度函数。现在回到傅利叶变换上来,根据式(2.1)和(2.2),我们可以进一步得到:
F
(
w
)
=
lim
T
→
∞
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
w
0
t
d
t
=
∫
−
∞
∞
f
(
t
)
e
−
j
w
t
d
t
(2.3)
F(w)= \lim _{T \to \infty }\int _{-\frac T2}^{\frac T2}f(t)e^{-jnw_0t}dt=\int _{-\infty }^{\infty}f(t)e^{-jwt}dt \tag{2.3}
F(w)=T→∞lim∫−2T2Tf(t)e−jnw0tdt=∫−∞∞f(t)e−jwtdt(2.3) 从而我们就得到了非周期信号的傅利叶变换公式。