傅里叶变换、拉普拉斯变换、z变换（一）

最新推荐文章于 2024-05-03 16:04:41 发布

victor-f

最新推荐文章于 2024-05-03 16:04:41 发布

阅读量943

点赞数 13

文章标签：人工智能算法机器学习

本文链接：https://blog.csdn.net/qq_45579489/article/details/136844418

版权

周期对应离散

非周期 对应连续

离散对应周期可以理解为：一个连续信号与理想冲激串信号进行时域相乘，即频域卷积，由于冲激串的频域也是冲激串，所以会造成一个周期性的现象。换而言之，离散的周期性是由采样信号带来的。

傅里叶级数

傅里叶级数的内涵其实是所有的周期信号都可以用三角信号合成。

1、2pi周期

将周期 $T=2\pi$ 的函数 $f(x)$ 可以表示为jiantou

公式（a）

$a_{n},b_{n}$ 可以如下计算：

2、一般周期

当周期 $T=2l$ 时，通过如下代换构造 $f(z)$ ，其周期为 $T=2\pi$ 。

则函数 $f(x)$ 可以表示为

3、复数形式

欧拉公式

⬇

周期频谱

1、单边频谱和双边频谱是描述同一个信号的不同方式，通过两种频谱都可以获得信号的全部信息。

2、频谱

幅度谱:幅值与频率的关系叫做幅度频谱

相位谱:相位与频率的关系叫做相位频谱

1、单边频谱

公式b可以化为仅有余弦函数的形式

定义角频率为

进一步将 $x$ 替换为 $t$ ， $f(t)$ 可以表示为

可以看出，任意周期的函数可以表示为一系列不同频率下，确定幅值、相位的余弦函数的代数和。这些余弦函数的角频率分别为： $w,2w,3w,...$ ，幅值 $A_{n}$ 和相位 $\Phi _{n}$ 随角频率变化。

以角频率为横坐标，画出这些余弦函数的幅值和相位，这就是函数 $f(t)$ 的频谱。其

由于此时频率不含负数，所以称为单边频谱。

2、双边频谱

基于欧拉公式，公式c可以表示为

系数 $c_{n}$ 是一个复数，作出它的幅值和相位与频率之间的关系，同样能够得到函数的频谱。

由于此时的频率存在负数，因此称为双边频谱。

非周期频谱

非周期信号可以认为其周期为无穷大，即 $T=2l\rightarrow \infty$ ,则任意两谱线之间的间距 $\frac{\pi }{l}$ 趋向0，则频谱连续。

类比周期信号的傅里叶级数，非周期信号的傅里叶级数（并无这个概念）可以表示为

则傅里叶逆变换可以表示为

脉冲信号频谱

1、矩形信号

傅里叶变换：

频谱（包含幅度与相位）：

非原点矩形信号

$F(w)=E\tau Sa(\frac{w\tau}{2})*e^{jwT_{0}}$

$T_{0}$ 为矩形波偏离的位置。

2、理想脉冲信号

原点冲激

非原点冲激

3、脉冲串信号

脉冲串信号为周期信号，先将其转换为傅里叶级数形式，然后，对该形式进行傅里叶变换。

冲激串的频谱依然为冲激串

时域间隔即时域周期为： $T$

频域间隔即频域周期为： $\Omega =\frac{2\pi}{T}$

对于非脉冲串的离散信号而言，其时域间隔和频域间隔分别为

时域间隔： $\Delta t=T_{s}=\frac{1}{N*\Delta f}=\frac{1}{B}$

频域间隔: $\Delta f=\frac{1}{N*T_{s}}=\frac{1}{T}$

其中 $B$ 为频谱带宽， $T$ 为离散信号的时域周期， $T_{s}$ 为采样信号的周期，即两个时域采样点之间的间隔。

傅里叶变换

傅里叶变换需要满足狄利克雷条件。

1、绝对可积→周期信号没有傅里叶变换

2、

离散傅里叶变换

1、离散傅里叶变换（DFT）

离散傅里叶变换主要用于计算机实现对信息的处理，由于计算机只能处理有限长度的离散数据，而周期序列的离散傅里叶级数恰好满足这些特征：只需要对计算机输入在信号的一个周期 $T$ 内采样得到的 $N$ 个数据点（采样周期为 $T_{s}$ ），周期离散信号可以表示为

不同于连续信号的傅里叶级数，这里频点间距由 $\frac{2\pi }{T}$ 转为 $\frac{2\pi }{N}$ 。由模拟域转换到数字域了，连续信号的频点间距即为其角频率，而数字域的频点间距需要进行一个相应的换算，即

$w=\frac{2\pi}{T}=\frac{2\pi}{N}*\frac{1}{T_{s}}$

离散傅里叶变换可以定义为

逆变换为

由公式可以得出一个周期内的采样点数越多，频谱分辨率越小，即参与DFT的点数越多，频谱分辨率越精确。

2、快速傅里叶变换

快速傅里叶变换（FFT）利用了虚指数项的对称性等特点，对离散傅里叶变换（DFT）的计算实现了简化，从而提高计算机的求解速度，其计算结果与离散傅里叶变换（DFT）是完全一致的。本节介绍一种快速傅里叶变换的算法，它适用于序列的周期为2的整数次幂（ $N=2^{l}$ ）的情况。

首先将离散傅里叶变换中的奇数项和偶数项分离

上式中，将原周期序列中的奇数项和偶数项分别看作以 N/2 为周期的两个新序列，那么当 n的取值范围为 0∼N/2−1 时，上式中的两个求和项显然满足离散傅里叶变换的定义式，即：

此时，就将 N 个数据点的离散傅里叶变换(N点 DFT)，转化为了两个 N/2 个数据点的离散傅里叶变换，但考虑到 n 的取值范围，显然只计算出了“ N点 DFT ”的前半部分，还需要找到后半部分的值。根据虚指数的对称性：

“ N点 DFT”后半部分的值为：

因此，“ N点 DFT ”的计算结果可以用奇偶分离后两个“ N/2 点 DFT ”的计算结果来表示，以 N=8 为例，画出示意图：

对于“ N/2 点 DFT ”还可以对该序列继续进行奇偶分离，将其简化为“ N/4 点 DFT”：

继续进行奇偶分离，直至分解为“ 1 点 DFT”：

根据定义，原“ N 点 DFT ”的计算量为： $N^2$ 次复数乘法运算和 N(N−1) 次加法运算：

而参考前述示意图，当 $N=2^l$ 时，奇偶分离后的快速傅里叶变换（ N 点 FFT ）包含 $l$ 级，每级进行 N/2 次复数乘法和 N次加法运算，显然计算得到了简化。

周期信号的单边频谱与双边频谱 - 知乎 (zhihu.com)

快速傅里叶变换（FFT）基本原理与应用实例 - 知乎 (zhihu.com)