本文详细探讨了傅里叶变换，从周期信号的三角函数和指数级数展开，到非周期信号的频谱分析，再到常用信号的变换实例。涵盖了傅里叶级数、功率谱、滤波与系统分析，以及取样定理等内容，适合信号处理和工程领域的深入学习。
目录：
四、傅里叶变换
1、引言
2、周期信号傅里叶级数分析
1）三角函数形式傅里叶级数
（1）矢量的正交分解 （2）信号的正交分解 （3）傅里叶级数形式★ （4）狄里克利条件 （5）吉布斯现象
（6）周期信号波形对称性和谐波特性
2）指数函数形式傅里叶级数
3）两种级数展开形式的关系
4）周期信号的频谱
5）单边谱和双边谱的关系
6）周期信号频谱的特点
7）周期信号的功率
3、傅里叶变换★
1）非周期信号的频谱 2）傅里叶变换
4、常用信号的傅里叶变换
1）单边指数函数 2）双边指数函数 3）门函数(矩形脉冲) 4）冲激函数 5）常数“1” 6）符号函数 7）阶跃函数 ε(t) 8）总结
5、傅里叶变换的基本性质
1）线性性质 2）奇偶性 3）对称性 4）尺度变换 5）时移特性 6）频移特性 7）卷积定理 8）时域微积分特性
9）频域微积分特性 10）相关定理
6、能量谱和功率谱
1）能量谱 2）功率谱
7、周期信号的傅里叶变换
1）周期信号的傅里叶变换 2）周期信号傅里叶级数与傅里叶变换的关系
8、LTI系统的频域分析
1）基本信号ejωt作用于LTI系统的响应 2）一般信号f(t)作用于LTI系统的响应 3）傅里叶变换分析法 4）傅里叶级数分析法
5）频率响应函数
9、无失真传输与理想低通滤波
1）无失真传输 2）理想低通滤波器 3）物理可实现系统的条件
10、取样定理
1）信号的取样 2）取样定理(时域) 3）取样定理(频域)
参考
4、数学-三角函数
5、数学的精美之7、欧拉公式
四、傅里叶变换
1、引言
频域分析：傅里叶变换是在傅里叶级数正交函数展开的基础上发展而产生的，也称为傅里叶分析（频域分析）。将信号进行正交分解，即分解为三角函数或复指数函数的组合。
频率分析将时间变量变换成频率变量，揭示了信号内在的频率特性以及信号时间特性与其频率特性之间的密切关系，从而导出了信号频谱带宽以及滤波、调制和频分复用等。
任何一个函数，都可以用很多个正弦波叠加的方式仿造一个一模一样的函数。仿造出来之后，再把这么多正弦波按照频率依次排开。
图4.1.1 时域与频域图形
所以很多在时域看似不可能做到的数学操作，在频域却很容易。这就是需要傅里叶变换的地方。尤其是从某条曲线中去除一些特定的频率成分，这在工程上称为滤波，是信号处理最重要的概念之一，只有在频域才能轻松的做到。
求解微分方程是一件相当麻烦的事情。因为除了要计算加减乘除，还要计算微分、积分。而傅里叶变换则可以让微分和积分在频域中变为乘法和除法，大学数学瞬间变为小学算术。
高中时都学过什么是余弦和正弦。它们将直角三角形的一个角度与两个边长的比值联系起来。另一种理解方式是：余弦和正弦分别是围绕单位圆运动的一个点的x和y坐标。它们是人们能想到的最简单的周期函数之一。
图4.1.2 正弦和余弦函数
余弦和正弦作为绕单位圆运动的点的坐标(此点可以用虚数表示)，由这两个函数组成的和，可以表示任何数学函数。
图4.1.3 欧拉公式(见参考5)
P 点在单位圆的四个象限变动：
图4.1.4 单位圆
图4.1.5 单位圆与正弦
2、周期信号傅里叶级数分析
1）三角函数形式傅里叶级数
（1）矢量的正交分解
图4.2.1 内积为零的原因(向量的点乘与叉乘)
推广到n维空间：n维空间的任一矢量V，可以精确地示为n个正交矢量的线性组合，即：
式中，Vi*Vj = 0(i ≠ j)，第r个分量的系数。
思路：将矢量空间正交分解的概念可推广到信号空间，在信号空间中找到若干个相互正交的信号作为基本信号，使得信号空间中任意信号均可表示成它们的线性组合。
-----------------
（2）信号的正交分解
对于两个连续函数来说，应该如何表示正交呢？
函数在某个区间内部有无穷多个点，无法直接套用内积公式。但可以借鉴积分思想，将函数在一段连续区间分割成一份一份，这样每一份的取值合起来就可以组成一个向量。于是可用向量的内积表示两个函数是否正交，如图4.2.2所示。
图4.2.2 两个函数正交
当分割的区间无限小时，向量变成无限维，于是向量的内积就可以用积分来替代了，所以两个函数的正交其实可以用积分表示。
对于 sin4x 和 sin2x 求不定积分：∫sin(4x)*sin(2x)dx = 1/4*sin(2x)−1/12*sin(6x)+C，再在一个周期(-π,π)区间做定积分，很显然积分值 = 0。如图4.2.3所示，一个周期内其图形处于 X 轴上下方的面积相等，也可得出这两个函数的积分为 0，也就是互相正交。
图4.2.3 积分值为零(m ≠ n)
对于 sin4x 和 sin4x 求不定积分：∫sin(4x)*sin(4x)dx = 1/2*x−1/16*sin(8x)+C，再在在一个周期(-π,π)区间做定积分，很显然积分值 = π。如图4.2.4所示，一个周期内其图形均在 X 轴上方，积分大于 0，也就是不正交。
图4.2.4 积分值非零(m = n)
如图4.2.5的 ∫cosx*sinx*dx、∫cosx*cosx*dx、∫sinx*sinx*dx 的任意两个一个周期内做定积分在 m ≠ n 时值为零，即互相正交。
图4.2.5 完备的正交函数集
图4.2.3与图4.2.4的积分需要用到三角函数及其图像之八、积化和差与和差化积，图4.2.5用到三角函数及其图像之1、通过和差角公式推导。
-----------------
（3）傅里叶级数形式★
考虑到一个函数可以展开成一个多项式的和(比如泰勒展开之8、泰勒Taylor公式及其应用)，可惜多项式并不能直观的表示周期函数。由于正余弦函数是周期函数，可以考虑任意一个周期函数表示成为一系列正余弦函数的和。
将上式进行变换：
教课书中的表示：
现在看到(2)式和(3)式的第一项还是不同的。首先确定
的表达形式，对f(x)进行积分：
上式利用三角函数的正交性，得到了的表达式：
当写成
时，
，此时(2)式和(3)式便可以表示成一样了。接下来的推导中，我们沿用教科书上的表达，即(3)式。 其次我们确定
的表达形式，将(3)式两边乘以cos(mx)，再进行如下积分：
依据三角函数的正交性，可以得到上式的形式。当m = n时：
的三角函数仍然属于不同的，根据三角函数的正交可知结果为0。 对于(5)式，当m = n时，
，则可以表示为：
类似地，可以确定
的表达式：
对于(7)式，当m = n时，
，则的表达式如下：
至此，我们可以对一个周期为 2π 的函数进行傅里叶展开，其形式为：
其中：
个人理解：傅里叶级数本质上就是函数在各个基函数空间下的投影（内积）和。
正弦形式的傅里叶级数，其形式如下图：
将后面的正弦函数展开：Ansin(nωt+Φn) = AnsinΦn*cos(nωt)+AncosΦn*sin(nωt)
令 = A0， = AnsinΦn， = AncosΦn，可得图4.2.6的(1)式。
《高等数学》(上海交大-乐经良)、、的推导：
图4.2.6 a0、an、bn的推导
下面对余弦形式的傅里叶级数进行讲述，其形式如下图：
-----------------
（4）狄里克利条件
- 在定义区间上，f(t)需绝对可积；
- 在任一有限区间中，f(t)只能取有限个极值点；
- 在任何有限区间上，f(t)只能存在有限个第一类间断点。
-----------------
（5）吉布斯现象
图4.2.8 吉布斯现象
用有限项傅里叶级数表示间断点的信号时，在间断点附近不可避免的出现振荡和超量。超量的幅度不会随所取项数的增加而减小，只是随着项数的增多，振荡频率变高，并向间断点处压缩，从而使它所占有的能量减小。
-----------------
（6）周期信号波形对称性和谐波特性
2）指数函数形式傅里叶级数
举例：
3）两种级数展开形式的关系
4）周期信号的频谱
--------------------------------
5）单边谱和双边谱的关系
帕斯瓦尔等式：
6）周期信号频谱的特点
7）周期信号的功率
3、傅里叶变换★
1）非周期信号的频谱
非周期信号可以看作周期为无穷大的周期信号。
T→∞ 时，f(t)：周期信号→非周期信号；谱线间隔 Ω=2π/T→0，谱线幅度 τ/T→0，周期信号的离散频谱过渡为非周期信号的连续频谱。
注意：虽然各频率分量的幅度趋近于无穷小，但无穷小量之间仍有相对大小差别。故引入频谱密度函数，把 Fn 放大无穷大倍即乘以 T。
F(jω) 称为频谱密度函数，简称频谱密度或频谱(虽然简称为频谱，但也是经过放大无穷倍后的频谱)，单位频率上的频谱。
F(jω) 与 Fn 是不在一个层次上的，Fn 是实际频谱的强度，F(jω) 是放大无穷倍后强度，但二者都反映了频谱的大小。
--------------------------------
2）傅里叶变换
4、常用信号的傅里叶变换
1）单边指数函数
2）双边指数函数
3）门函数(矩形脉冲)
4）冲激函数
5）常数“1”
有些函数(如 1，u(t)等)不满足绝对可积这一充分条件，直接用定义式不易求解。可构造一函数序列 {undefinedfn(t)} 逼近 f(t) ，即
而 fn(t) 满足绝对可积条件，并且 {undefinedfn(t)} 的傅里叶变换所形成的序列 {undefinedFn(jω)} 是极限收敛的。则 f(t) 的傅里叶变换 F(jω) 为
这样定义的傅里叶变换也称为广义傅里叶变换。
e^(-αt)，α 趋于无穷，其值为 1。
F(jω) 在 ω = 0 时无穷大，ω = 0 时为 0，故 F(jω) 是一个冲激函数，通过求 [−∞，∞ ] 的积分可以求得其面积为 2π，而 δ(ω) 面积为 1，故 F(jω)=2πδ(ω)。
另一种求法： δ(ω) 代入反变换定义式，有
6）符号函数
7）阶跃函数 ε(t)
8）总结
5、傅里叶变换的基本性质
1）线性性质
2）奇偶性
3）对称性质
4）尺度变换
5）时移特性
6）频移特性
7）卷积定理
8）时域微积分特性
9）频域微积分特性
10）相关定理
6、能量谱和功率谱
1）能量谱
2）功率谱
白噪声功率谱密度的估计：
对于随机信号，由于不能直接用频谱表示，但是可以利用自相关函数求其功率谱密度，借助功率谱描述。
随机信号的频域特性。白噪声是一种典型的随机信号。
白噪声 (white noise) 是指功率谱密度在整个频域内均匀分布的随机噪声。
通信中的白噪声主要包含三类：
（1）无源器件,如电阻、馈线等类导体中电子布朗运动引起的热噪声；
（2）有源器件,如真空电子管和半导体器件中由于电子发射的不均匀性引起的散粒噪声；
（3）宇宙天体辐射波对接收机形成的宇宙噪声。其中前两类是主要的。
例：利用MATLAB产生白噪声并进行功率谱密度估计。
%生成高斯白噪声序列
randn('state',0)
NFFT=1024; %NFFT为取样点数
Fs=10000; %Fs为取样频率
t=(0:NFFT-1)/Fs; %时间
y=randn(NFFT,1); %产生高斯白噪声，2*pi为其功率。
figure(1);
subplot(3,1,1); plot(t,y); grid on; title('白噪声波形');
%计算白噪声的自相关函数
[cory,lags]=xcorr(y,200,'unbiased'); %自相关函数(无偏差的)， cory为自相关函数，
lag为自相关函数的长度。
subplot(3,1,2);
plot(lags,cory); grid on; title('白噪声相关函数');
%估计功率谱密度
f=fft(cory); %对自相关系数进行傅里叶变换：即功率谱密度。
k=abs(f); % k是cory傅里叶变换的幅值。
fl=(0:length(k)-1)*Fs/length(k); %fl为fc的长度。
subplot(3,1,3)
plot(fl,k); grid on; title('白噪声功率谱'); 
7、周期信号的傅里叶变换
1）周期信号的傅里叶变换
2）周期信号傅里叶级数与傅里叶变换的关系
8、LTI系统的频域分析
思考问题：
* 一般信号的分解？傅里叶级数？傅里叶变换？
* 基本信号的响应？e jnΩt？ejωt？
* 一般信号的响应？傅里叶级数？傅里叶变换？
* 频域分析？数学工具？原理？步骤？优缺点？
2）一般信号f(t)作用于LTI系统的响应
3）傅里叶变换分析法
4）傅里叶级数分析法
5）频率响应函数
9、无失真传输与理想低通滤波
1）无失真传输
2）理想低通滤波器
3）物理可实现系统的条件
说明：
(1)物理可实现系统时域特性表明，响应不应在激励作用之前出现；
(2)对于物理可实现系统,可以允许 H(jω) 特性在某些不连续的频率点上为 0，但不允许在一个有限频带内为 0。按此原理，理想低通、理想高通、理想带通、理想带阻等理想滤波器都是不可实现的；
(3)佩利-维纳准则要求可实现的幅度特性其总的衰减不能过于迅速；
(4)佩利-维纳准则是系统物理可实现的必要条件，而不是充分条件。
案例：二次抑制载波振幅调制接收系统
10、取样定理
1）信号的取样
2）取样定理(时域)
3）取样定理(频域)
Matlab 实现 Sa 信号的采样和恢复
例：信号 Sa(t) 作为被采样信号，信号带宽 B = 1, 采样频率 ωs = 2B，此频率下的采样为 Nyquist 采样，对采样及恢复过程用 Matlab 进行仿真。
解：
B=1; %信号带宽
wc=B; %滤波器截止频率
Ts=pi/B; %采样间隔
ws=2*pi/Ts %采样角频率
N=100; %滤波器时域采样点数
n=-N:N;
nTs=n.*Ts; %采样数据的采样时间
fs=sinc(nTs/pi); %函数的采样点
Dt=0.005; %恢复信号的采样间隔
t=-15:Dt:15; %恢复信号的范围
fa=fs*Ts*wc/pi*sinc((wc/pi)*(ones(length(nTs),1)*t-nTs'*ones(1,length(t))));
%信号重构
error=abs(fa-sinc(t/pi)); %求重构信号与原信号的归一化误差
从误差图形中可以看到，用采样信号恢复的信号与原始信号的误差是极小的，而且这种误差来自于计算过程的数值计算误差。表明：对一个信号进行 Nyquist 采样后，能够无误差地从采样信号中恢复出原信号。
应用案例：CD 数字录音系统
CD 数字录音系统:
(1) 麦克风采集声音信号，并输出模拟电信号，即麦克风实现声电转换的功能;
(2) 模拟低通滤波器对来自麦克风的模拟信号进行滤波，滤除高频噪声;
(3) 为了便于后续的数字处理，需要对模拟信号进行采样保持;
(4) 将模拟信号进行采样以后得到的信号一般称为离散信号。离散信号需要进行模数转换(Analog Digital Convert, ADC)，得到数字信号，这个过程称为量化；
(5) 将数字信号编码、调制、同步处理后刻入 CD。
关键问题：CD 系统如何选择采样率？
CD 系统的设计目标是期望能够记录下人类听觉系统所能听到的所有声音 ，其频率范围是 20Hz～20KHz；由时域采样定理知道，采样频率要达到原始信号的 2 倍。这就是图中采样率是 44.1KHz 的原因，采用 44.1KHz 而不是 40KHz 是为了留有一定余量。当然，采样频率越大越有利于完美再现原始信号，但过高的采样率将导致数据量过大。
参考
1、傅立叶变换的直观解释
2、微积分基础2-积分篇
3、微积分基础3-微分方程
4、数学-三角函数
5、数学的精美之7、欧拉公式
6、傅里叶级数与其变换超推导
苦尽甘来终有时，一路向阳待花期。觉得不错，动动发财的小手点个赞哦！
扫一扫
414
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
