数字信号处理知识点总结（二）：傅里叶级数与变换

本篇文章主要介绍傅里叶级数和傅里叶变换的概念、作用及分类。

1. 分解与变换

对信号进行分解是为了获得比原始信号更容易处理的信号。例如：冲激分解允许一次研究时域信号的一个点，从而能更加简单地通过冲激响应来表征一个线性系统的特性；当输入一个新的信号时，就可以通过卷积的工具得到相应的系统响应。

同理，傅里叶分解中，使用正弦波和余弦波（或称为三角级数）来表征原始信号能更加的简单，因为这两个波形在线性系统中具有正弦保真性（即向一个系统中输入一个正弦信号后，系统必然向外输出一个正弦信号，该信号与原始信号相比，仅有相位和幅值发生变化，而信号的波形和频率仍保持不变）。由此，选择正弦波而没有选择其它的一些简单的波形，如方波和三角波。

信号的分解与变换从两个不同的方向描述了对信号的处理。变换是函数概念的直接扩展，不论是输入还是输出都可以包含多个数值。由此可见，变换在一定程度上比分解的范围更广，在计算机处理的角度上，变换就是一个程序，它将一批数据转变为另外一批数据。

2. 四种傅里叶级数及变换

一般针对周期信号,可以使用成谐波关系的复指数信号的加权和来表示；针对非周期信号，则可以使用不成谐波关系的复指数信号的加权积分来表示。严格上来说前者称为傅里叶级数（成谐次的），后者称为傅里叶变换，因为信号分为连续信号和离散信号，故总共分为四种表示。在不严格的情况下，可以统称为傅里叶变换。

2.1 连续时间傅里叶变换（CTFT）

非周期-连续信号沿正、负无穷方向伸展，并且不会出现周期性的重复。此类信号的变换称为连续时间傅里叶变换。代表信号有指数衰减信号和高斯信号。变换后的频谱是非周期-连续的。（以下所有公式中的ω均为角频率）
正变换：
$$X(j\omega )={\int }_{-\infty }^{+\infty }x(t)e^{-j\omega t}dt\text{\hspace{1em}(1)}$$
逆变换：
$$x(t)=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }X(j\omega )e^{j\omega t}d\omega \text{\hspace{1em}(2)}$$

2.2 连续时间傅里叶级数（CFS）

周期-连续信号按一定时间 间隔从负无穷道正无穷周而复始出现相同的波形。此类信号的分解称为连续时间傅里叶级数。代表信号有正弦波和方波。分解后的频谱是非周期-离散的。
级数表示公式为：
$$x(t)=\sum _{k=-\infty }^{+\infty }{a}_k{e}^{jk\frac{2\pi }{T_0}t}\text{\hspace{1em}(3)}$$
其中，复指数因子ak为：
a k =