[ MATLAB ] 傅里叶变换（二）：傅里叶级数（复指数表示）

前言

在上一篇文章中，我们已经了解了傅里叶级数的正余弦表示，详情可以参考[ MATLAB ] 傅里叶变换（一）：傅里叶级数（正余弦表示）。
周期信号$x(t)$，可以由正余弦函数线性表示。根据定义，需要计算直流分量$a_0$，各谐波幅度$a_n$以及$b_n$。显然，这需要三个表达式。然而，我们比较懒，希望只用一个表达式，就可以表示出$a_0,a_n,b_n$的含义。因此，我们需要引入FS的复指数表示。

理论回顾

这里我们不再赘述正余弦$\to$ 复指数的推导过程，核心依据是欧拉公式$e^{j\theta }=\cos \theta +\sin \theta$，详细过程铁子们可以去查阅参考书或者其他博文。直接给出结论：若$x(t)$是周期性连续时间信号，设$x(t)$周期为$T$，模拟角频率${\Omega }_0=\frac{2\pi }{T}$，模拟频率$F_0=\frac{1}{T}=\frac{{\Omega }_0}{2\pi }$，则$x(t)$可以由复指数求和表示：
$$反变换：x\left(t\right)=\sum _{k=-\infty }^{\infty }X\left(jk{\Omega }_0\right)e^{jk{\Omega }_{0}t}$$
相应地，正变换为：
$$正变换：X\left(jk{\Omega }_0\right)=\frac{1}{T}\underset{0}{\overset{T}{\int }}x\left(t\right)e^{-jk{\Omega }_{0}t}dt$$
观察反变换（Eq1），铁子们自然会产生两个问题：(1) 为什么会出现负频率？(2) 为什么会出现复数? 产生这两个问题的原因自然是，在实际生活中，不存在负频率和复数。对此，将在下一小节，通过Matlab仿真对理论进行梳理解答。

仿真验证

• 步骤1：实现连续周期信号$x(t)$

与[ MATLAB ] 傅里叶变换（一）：傅里叶级数（正余弦表示）中类似，我们对周期时间$x(t)$的相关要求进行松弛：(1) 周期信号：定义域无穷$\to$定义域包含整数个周期；(2) 连续信号：连续时间变量 $\to$ 符号变量。

syms t;  % 连续时间变量
T = 2;  % 周期
periodic_signal = rectangularPulse(t)+rectangularPulse(t-T)+rectangularPulse(t-2*T);  % 周期信号
ezplot(periodic_signal,[-0.5, -0.5+3*T]);  % 绘制周期信号

• 步骤2：复指数定义近似

首先，通过正变换计算得出$X\left(jk{\Omega }_0\right)$；然后，得出$X\left(jk{\Omega }_0\right)$的幅值+相位；接着，计算各谐波（余弦函数），$X$的相位为谐波相位，$X$的幅值乘2是谐波的振幅；最后，各谐波分量相加得出近似信号。

n = [8 32];  %　谐波次数
signal_approximates = sym('c',[1,length(n)]);  % 不同谐波次数的近似信号
idx = 1;
for n_temp=n
    components = sym('c',[1,n_temp+1]);  % 分量矩阵
    for ii=0:n_temp
        X_n = 1/T*int(periodic_signal*exp(-1i*ii*2*pi/T*t),0,T);  % 正变换
        X_n_abs = abs(X_n);  % 幅值（经过搬移）
        X_n_angle = angle(X_n);  % 相位
        if ii==0
            components(ii+1) = X_n_abs*cos(ii*2*pi/T*t+X_n_angle);  % 直流分量(未经历搬移)
        else
            components(ii+1) = 2*X_n_abs*cos(ii*2*pi/T*t+X_n_angle);  % 各次谐波(经历搬移，所以线性组合时需要加倍)
        end
    end
    signal_approximates(idx) = sum(sum(components));  % 线性组合，近似原信号x(t)
    idx = idx+1;
end

步骤3：绘制信号图像，验证近似结果

subplot(3,1,1);ezplot(periodic_signal,[-0.5, -0.5+3*T]);
title('(a)原周期信号x(t)');
subplot(3,1,2);ezplot(signal_approximates(1),[-0.5, -0.5+3*T]);
hold on
subplot(3,1,2);ezplot(periodic_signal,[-0.5, -0.5+3*T]);
title('(b)复指数近似,项数等于8');legend("周期信号x(t)","复指数近似")
subplot(3,1,3);ezplot(signal_approximates(2),[-0.5, -0.5+3*T]);
hold on
subplot(3,1,3);ezplot(periodic_signal,[-0.5, -0.5+3*T]);
title('(c)复指数近似,项数等于32');legend("周期信号x(t)","复指数近似")

显然，随着谐波项数的增加，近似信号愈发逼近原始信号，验证成功。

仿真总结

1. 复数的意义？余弦函数两大特征(幅值+相位)，一个复数即可包含这两个要素，最终能够用一个表达式统一正余弦定义中的三个式子，更加精炼简洁。
2. 为什么会出现负频率和复数？数学运算的结果，没有实际物理意义。
3. 复频谱经历了频谱搬移，即$X\left(jk{\Omega }_0\right)$幅值乘以2，才是余弦信号的幅值。
4. 到此，我们已经详细分析了FS的两种形式（正余弦，复指数），但是其变换对象全部都是周期信号。然而，在实际生活中，非周期信号更为常见。对此，傅里叶变换（FT） 的引入成为必然，这将在下一篇文章中进行介绍。

创作不易，希望铁子们可以给出宝贵的建议，这将是我这个小菜猫不断前进的动力，谢谢！