关于cos(x^2)的傅里叶逆变换（Inverse Fourier Transform）

1. 研究背景

其实就是笔者在经历了 5 门考试后的睡觉前，脑子突然闪过了一个想法，如何把傅里叶变换（Fourier Transform）往更无聊的方向去使用。经过了 3 秒钟的深思熟虑，我决定把 $\cos ({\Omega }^2)$ 这样一个函数进行傅里叶逆变换，看看能不能 自讨苦吃 有新发现。

2. 傅里叶（逆）变换

关于傅里叶变换的历史，在这里就不详细展开说了，如有兴趣，可以透过
百度百科的资料去了解。总体而言，就是表述信号 $x(t)$ 的时域与频域 $X(\Omega )$ 的关系。

1.1 定义

$$\begin{array}{rl}(\text{Fourier Transform})& X(\Omega )={\int }_{-\infty }^{+\infty }x(t)e^{-j\Omega t}dt\\ (\text{Inverse Fourier Transform})& x(t)=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }X(\Omega )e^{j\Omega t}d\Omega \end{array}$$

1.2 性质

以下只介绍两个重要性质：

1.2.1 线性

$$ax(t)+by(t)\to aX(\Omega )+bY(\Omega )$$

1.2.2 微分乘积对偶性

$$\begin{gathered} \frac{dx(t)}{dt}\to j\Omega X(\Omega ) \\ tx(t)\to j\frac{dX(\Omega )}{d\Omega } \end{gathered}$$

3. 函数介绍

$$X(\Omega )=\cos ({\Omega }^2)$$

在信号分析的方面，$X(\Omega )$ 是一个带阻滤波器，对频率 $\Omega =\pm \sqrt{\frac{(2n-1)\pi }{2}}$分量进行过滤，换句话说，$X(\Omega )$ 是这些频率的陷波器。

利用傅里叶逆变换的定义，假设时域信号是 $x(t)$，那么
$$x(t)=\frac{1}{2\pi }{\int }_{-\infty }^{+\infty }\cos ({\Omega }^2)e^{j\Omega t}d\Omega$$

4. 研究方法

对 $X(\Omega )$ 进行 “自组装” 操作，同步 “更新“ 时域 $x(t)$ 的状况。

4.1 自组装

把 $X(\Omega )$ 进行微分操作，得出关于 $X(\Omega )$ 的微分方程；同时，利用傅里叶逆变换的性质，得出每一步操作后的时域信号 $x^{\prime }(t)=f(x(t))$，最后得出关于 $x(t)$ 的微分方程，解出方程的解就是时域信号 $x(t)$ 的表达式。

4.1.1 第一次微分

利用 微分乘积对偶性，对 $X(\Omega )$ 关于 $\Omega$ 进行微分操作
$$j\frac{dX(\Omega )}{d\Omega }=-2\sin ({\Omega }^2)(j\Omega )\text{\hspace{1em}(1)}$$
$$tx(t)=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }[-2\sin ({\Omega }^2)\cdot (j\Omega )]e^{j\Omega t}d\Omega \text{\hspace{1em}(2)}$$

记 $Y(\Omega )=\sin ({\Omega }^2)$，对应的时域信号是 $y(t)$。
再次利用 微分乘积对偶性 ，结合 (2) 式可得 (3) 式
$$\begin{array}{rl}tx(t)& =\frac{1}{2\pi }{\int }_{-\infty }^{\infty }[-2\sin ({\Omega }^2)\cdot (j\Omega )]e^{j\Omega t}d\Omega \\ & =-2\cdot \frac{1}{2\pi }{\int }_{-\infty }^{\infty }[Y(\Omega )\cdot (j\Omega )]e^{j\Omega t}d\Omega \\ & =-2\frac{dy(t)}{dt}\end{array}\text{\hspace{1em}(3)}$$

同时重写 (1) 式可得
$$j\frac{dX(\Omega )}{d\Omega }=-2j\Omega Y(\Omega )\text{\hspace{1em}(4)}$$

4.1.2 第二次微分

由于 $\sin (\cdot )$ 和 $\cos (\cdot )$ 函数存在微分相关性，所以我们对 $Y(\Omega )$ 进行微分。

首先对 $Y(\Omega )$ 进行一次微分
$$j\frac{dY(\Omega )}{d\Omega }=2\cos ({\Omega }^2)(j\Omega )=2j\Omega X(\Omega )\text{\hspace{1em}(5)}$$
利用 “微分乘积对偶性” 可得
$$ty(t)=2\frac{dx(t)}{dt}\text{\hspace{1em}(6)}$$

4.1.3 主项整理

4.1.3.1 频域

以 $X(\Omega )$ 为主项，结合 (3) 式和 (6) 式可得
$$\begin{array}{rl}2\Omega X(\Omega )& =\frac{d}{d\Omega }(Y(\Omega ))\\ & =\frac{d}{d\Omega }\left(-\frac{1}{2\Omega }\frac{dX(\Omega )}{d\Omega }\right)\\ & =-\frac{1}{2}\left(-\frac{1}{{\Omega }^2}\frac{dX(\Omega )}{d\Omega }+\frac{1}{\Omega }\frac{d^{2}X(\Omega )}{d{\Omega }^2}\right)\end{array}$$

整理上式可得
$$\Omega \frac{d^{2}X(\Omega )}{d{\Omega }^2}-$$