傅里叶级数，傅里叶变换

模拟IC和AI的Learner

已于 2024-09-25 11:44:21 修改

阅读量406

点赞数 4

分类专栏：信号与系统文章标签：傅里叶分析算法机器学习

于 2024-09-08 21:49:11 首次发布

本文链接：https://blog.csdn.net/m0_56997192/article/details/142032245

版权

信号与系统专栏收录该内容

14 篇文章 0 订阅

订阅专栏

先读文章：傅里叶分析之掐死教程（完整版）更新于2014.06.06 - 知乎 (zhihu.com)

欧拉公式： $cos(\theta )+isin(\theta )=e^{i\theta }$ ，表示在复平面单位圆上逆时针旋转 $\theta^{^{\circ}}$ .

$\theta =\omega t\Rightarrow cos(\omega t )+isin(\omega t)=e^{i\omega t }$

傅里叶级数

一、内容：每个周期性函数都可以表示为无穷多个不同频率的正弦函数的叠加。

二、公式：

$f(t)=a_{0}+\sum_{n=1}^{+\infty } \hat{a_{n}}sin(n\omega t+\varphi _{n})=a_{0}+\sum_{n=1}^{+\infty } a_{n}sin(n\omega t)+\sum_{n=1}^{+\infty } b_{n}cos(n\omega t)$

其中 $T_{0}=\frac{2\pi }{\omega }$

$a_{0}=\frac{1}{T_{0}}\int_{0}^{T_{0}}f(t)dt$

$a_{n}=\frac{2}{T_{0}}\int_{0}^{T_{0}}f(t)sin(n\omega t)dt$

$b_{n}=\frac{2}{T_{0}}\int_{0}^{T_{0}}f(t)cos(n\omega t)dt$

三、从时域到频域所保留的三点信息：

（1）频率 $n\omega$

（2）每个频率所在的振幅 $\hat{a_{n}}=\sqrt{a_{n}^{2}+b_{n}^{2}}$

（3）每个频率所在的相位 $\varphi _{n}=arctan\frac{b_{n}}{a_{n}}$

四、正交基为：

（1）1

（2） $sin(n\omega t)$

（3） $cos(n\omega t)$

相互之间的内积（乘积在-pi到pi上的定积分）都等0

五、指数形式的傅里叶级数：

$f(t)=\sum_{n=-\infty }^{+\infty }a_{n}^{'}e^{jn\omega t}$

其中 $T_{0}=\frac{2\pi }{\omega }$

$a_{n}^{'}=\frac{1}{T_{0}}\int_{0}^{T_{0}}f(t)e^{-jn\omega t}dt$

指数形式与标准形式的系数之间的关系：

$\begin{cases} a_{0}=a_{0}^{'}& \text{ } n=0 \\ a_{n}=a_{n}^{'}+a_{-n}^{'}& \text{ } n\neq 0 \\ b_{n}=j(a_{n}^{'}-a_{-n}^{'}) & \text{ } n\neq 0 \end{cases}$

$\begin{cases} a_{0}^{'}=a_{0} & \text{ } \\ a_{n}^{'}=\frac{1}{2}(a_{n}-jb_{n}) & \text{ } \\ a_{-n}^{'}=\frac{1}{2}(a_{n}+jb_{n}) & \text{ } \end{cases}$

傅里叶变换

傅里叶变换公式： $F(j\omega )=\int_{-\infty }^{\infty }f(t)e^{-j\omega t}dt$

这个公式是怎么来的：

我们知道 $f(t)$ 中包含所有频率，每个频率都具有相应相位和振幅，而傅里叶变换的目的就是找到每个频率下的相位和振幅，表示为 $F(\omega )$ 。从上面傅里叶级数的表示公式可以看出，振幅和相位就是通过 $a_{n}$ 和 $b_{n}$ 表示的（ $a_{n}=a\hat{}_{n}cos\varphi _{n}$ ， $b_{n}=a\hat{}_{n}sin\varphi _{n}$ ）。傅里叶变换的公式的目的就是找到每个频率所对应的 $a_{n}$ 和 $b_{n}$ ，从而得到每个频率下的振幅和相位。

$f(t)$ 包含所有频率，每个频率都有一个sin和一个cos（为保证每个频率对应的都有振幅和相位信息） $e^{-i\omega t}$ 仅包含一个频率，由欧拉公式（ $cos(\omega t )-isin(\omega t)=e^{-i\omega t }$ ）可知频率为 $\omega$ . 每个频率分量相互都正交，所以 $e^{-i\omega t}$ 将 $f(t)$ 中频率为 $\omega$ 的部分抽取了出来，最终得到 $a_{n}$ 和 $b_{n}$ 的信息。