傅里叶变换
如果你了解空间坐标系,那么这篇文章对你了解傅里叶变换会有一些帮助。
傅里叶级数
空间的基本知识
假设一个任意维度n的空间的内积为
<
f
,
g
>
<f,g>
<f,g>,它的一组基底为
x
1
⃗
,
x
2
⃗
,
⋯
,
x
n
⃗
\vec{x_1},\vec{x_2},\cdots,\vec{x_n}
x1,x2,⋯,xn。现在对于任意一个向量
y
⃗
\vec{y}
y。如果上述基底是正交的,那么我们可以将其分解成
y
⃗
=
∑
k
=
0
n
c
k
⋅
x
k
⃗
\vec{y}=\sum_{k=0}^{n}{c_k\cdot\vec{x_k}}
y=k=0∑nck⋅xk
其中:
c
k
=
<
x
k
⃗
,
y
⃗
>
<
x
k
⃗
,
x
k
⃗
>
c_k=\frac{<\vec{x_k},\vec{y}>}{<\vec{x_k},\vec{x_k}>}
ck=<xk,xk><xk,y>
为了方便理解,我们以常见的三维欧氏空间(也就是我们常用的坐标空间)为例:
常用的正交基底向量为x、y、z轴对应的单位向量
i
⃗
,
j
⃗
,
k
⃗
\vec{i},\vec{j},\vec{k}
i,j,k。取任意两个向量
x
1
⃗
=
a
1
i
⃗
+
b
1
j
⃗
+
c
1
k
⃗
⇔
(
a
1
,
b
1
,
c
1
)
、
x
2
⃗
=
a
2
i
⃗
+
b
2
j
⃗
+
c
2
k
⃗
⇔
(
a
2
,
b
2
,
c
2
)
\vec{x_1}=a_1\vec{i}+b_1\vec{j}+c_1\vec{k}\Leftrightarrow(a_1,b_1,c_1)、 \vec{x_2}=a_2\vec{i}+b_2\vec{j}+c_2\vec{k}\Leftrightarrow(a_2,b_2,c_2)
x1=a1i+b1j+c1k⇔(a1,b1,c1)、x2=a2i+b2j+c2k⇔(a2,b2,c2)。
欧氏空间上的内积定义为乘法(不同的正交基的内积为0):
<
x
1
⃗
,
x
2
⃗
>
=
a
1
a
2
+
b
1
b
2
+
c
1
c
2
<\vec{x_1},\vec{x_2}>=a_1a_2+b_1b_2+c_1c_2
<x1,x2>=a1a2+b1b2+c1c2
任取一个向量
v
⃗
=
x
i
⃗
+
y
j
⃗
+
z
k
⃗
\vec{v}=x\vec{i}+y\vec{j}+z\vec{k}
v=xi+yj+zk。它可以表示为:
v
⃗
=
<
v
⃗
,
i
⃗
>
<
i
⃗
,
i
⃗
>
i
⃗
+
<
v
⃗
,
j
⃗
>
<
j
⃗
,
j
⃗
>
j
⃗
+
<
v
⃗
,
k
⃗
>
<
k
⃗
,
k
⃗
>
k
⃗
\vec{v}=\frac{<\vec{v},\vec{i}>}{<\vec{i},\vec{i}>}\vec{i}+ \frac{<\vec{v},\vec{j}>}{<\vec{j},\vec{j}>}\vec{j}+ \frac{<\vec{v},\vec{k}>}{<\vec{k},\vec{k}>}\vec{k}
v=<i,i><v,i>i+<j,j><v,j>j+<k,k><v,k>k
三角级数形式
可以证明定义在内积
<
f
(
t
)
,
g
(
t
)
>
=
1
T
∫
t
0
−
T
2
t
0
+
T
2
(
f
(
t
)
⋅
g
(
t
)
)
d
t
<f(t),g(t)>=\frac{1}{T}\int_{t_0-\frac{T}{2}}^{t_0+\frac{T}{2}}{(f(t)\cdot g(t))dt}
<f(t),g(t)>=T1∫t0−2Tt0+2T(f(t)⋅g(t))dt
上的函数空间的一组完备正交基为
(
1
,
cos
ω
t
,
sin
ω
t
,
cos
2
ω
t
,
sin
2
ω
t
,
⋯
)
(1,\cos{\omega t},\sin{\omega t},\cos{2\omega t},\sin{2\omega t},\cdots)
(1,cosωt,sinωt,cos2ωt,sin2ωt,⋯)。特别地取
t
0
=
0
t_0=0
t0=0
所以一切该空间中的函数
h
(
t
)
h(t)
h(t)必然可以分解成
h
(
t
)
=
c
0
+
∑
k
=
1
∞
(
a
k
cos
k
ω
t
+
b
k
sin
k
ω
t
)
h(t)=c_0+\sum_{k=1}^{\infty}{(a_k\cos{k\omega t}+b_k\sin{k\omega t})}
h(t)=c0+k=1∑∞(akcoskωt+bksinkωt)
其中:
c
0
=
<
f
(
t
)
,
1
>
<
1
,
1
>
=
1
T
∫
−
T
2
+
T
2
h
(
t
)
⋅
1
d
t
1
T
∫
−
T
2
+
T
2
1
⋅
1
d
t
=
1
T
∫
−
T
2
+
T
2
h
(
t
)
d
t
c_0=\frac{<f(t),1>}{<1,1>}= \frac{\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)\cdot 1dt}} {\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{1\cdot 1dt}}= \frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)dt}
c0=<1,1><f(t),1>=T1∫−2T+2T1⋅1dtT1∫−2T+2Th(t)⋅1dt=T1∫−2T+2Th(t)dt
a
k
=
<
f
(
t
)
,
cos
k
ω
t
>
<
cos
k
ω
t
,
cos
k
ω
t
>
=
1
T
∫
−
T
2
+
T
2
h
(
t
)
cos
k
ω
t
d
t
1
T
∫
−
T
2
+
T
2
cos
k
ω
t
⋅
cos
k
ω
t
d
t
=
2
T
∫
−
T
2
+
T
2
h
(
t
)
cos
k
ω
t
d
t
a_k=\frac{<f(t),\cos{k\omega t}>}{<\cos{k\omega t},\cos{k\omega t}>}= \frac{\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)\cos{k\omega t}dt}} {\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{\cos{k\omega t}\cdot \cos{k\omega t}dt}}= \frac{2}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)\cos{k\omega t}dt}
ak=<coskωt,coskωt><f(t),coskωt>=T1∫−2T+2Tcoskωt⋅coskωtdtT1∫−2T+2Th(t)coskωtdt=T2∫−2T+2Th(t)coskωtdt
b
k
=
<
f
(
t
)
,
sin
k
ω
t
>
<
sin
k
ω
t
,
sin
k
ω
t
>
=
1
T
∫
−
T
2
+
T
2
h
(
t
)
sin
k
ω
t
d
t
1
T
∫
−
T
2
+
T
2
sin
k
ω
t
⋅
sin
k
ω
t
d
t
=
2
T
∫
−
T
2
+
T
2
h
(
t
)
sin
k
ω
t
d
t
b_k=\frac{<f(t),\sin{k\omega t}>}{<\sin{k\omega t},\sin{k\omega t}>}= \frac{\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)\sin{k\omega t}dt}} {\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{\sin{k\omega t}\cdot \sin{k\omega t}dt}}= \frac{2}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)\sin{k\omega t}dt}
bk=<sinkωt,sinkωt><f(t),sinkωt>=T1∫−2T+2Tsinkωt⋅sinkωtdtT1∫−2T+2Th(t)sinkωtdt=T2∫−2T+2Th(t)sinkωtdt
指数形式
我们引入复数域函数:
cos
x
=
e
j
x
+
e
−
j
x
2
\cos{x}=\frac{e^{jx}+e^{-jx}}{2}
cosx=2ejx+e−jx、
sin
x
=
e
j
x
−
e
−
j
x
2
j
\sin{x}=\frac{e^{jx}-e^{-jx}}{2j}
sinx=2jejx−e−jx代入三角级数形式。
h
(
t
)
=
c
0
+
∑
k
=
1
∞
(
a
k
cos
k
ω
t
+
b
k
sin
k
ω
t
)
h(t)=c_0+\sum_{k=1}^{\infty}{(a_k\cos{k\omega t}+b_k\sin{k\omega t})}
h(t)=c0+k=1∑∞(akcoskωt+bksinkωt)
⇒
h
(
t
)
=
e
0
ω
t
+
∑
k
=
1
∞
(
a
k
e
j
k
ω
t
+
e
−
j
k
ω
t
2
+
b
k
e
j
k
ω
t
−
e
−
j
k
ω
t
2
j
)
\Rightarrow h(t)=e^{0\omega t}+\sum_{k=1}^{\infty}{(a_k\frac{e^{jk\omega t}+e^{-jk\omega t}}{2}+b_k\frac{e^{jk\omega t}-e^{-jk\omega t}}{2j})}
⇒h(t)=e0ωt+k=1∑∞(ak2ejkωt+e−jkωt+bk2jejkωt−e−jkωt)
=
e
0
ω
t
+
∑
k
=
1
∞
(
a
k
−
j
b
k
2
e
j
k
ω
t
+
a
k
+
j
b
k
2
e
−
j
k
ω
t
)
=e^{0\omega t}+\sum_{k=1}^{\infty}{(\frac{a_k-jb_k}{2}e^{jk\omega t}+\frac{a_k+jb_k}{2}e^{-jk\omega t})}
=e0ωt+k=1∑∞(2ak−jbkejkωt+2ak+jbke−jkωt)
=
∑
k
=
−
∞
∞
c
k
e
j
k
ω
t
=\sum_{k=-\infty}^{\infty}{c_k e^{jk\omega t}}
=k=−∞∑∞ckejkωt
其中:
c
0
=
1
T
∫
−
T
2
+
T
2
h
(
t
)
d
t
,
c_0=\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)dt},
c0=T1∫−2T+2Th(t)dt,
c
k
=
a
k
−
j
b
k
2
=
2
T
∫
−
T
2
+
T
2
h
(
t
)
2
(
cos
k
ω
t
−
j
sin
k
ω
t
)
d
t
c_k=\frac{a_k-jb_k}{2}=\frac{2}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}\frac{h(t)}{2}{(\cos{k\omega t}-j\sin{k\omega t})dt}
ck=2ak−jbk=T2∫−2T+2T2h(t)(coskωt−jsinkωt)dt
=
1
T
∫
−
T
2
+
T
2
h
(
t
)
e
−
j
k
ω
t
d
t
(
k
=
±
1
,
±
2
,
⋯
)
=\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)e^{-jk\omega t}dt} (k=\pm1,\pm2,\cdots)
=T1∫−2T+2Th(t)e−jkωtdt(k=±1,±2,⋯)
我们可以发现,我们可以统一
c
0
,
c
k
(
k
=
1
,
2
,
⋯
)
c_0,c_k(k=1,2,\cdots)
c0,ck(k=1,2,⋯)的形式。我们关心这个空间上的坐标值,也就是
c
k
c_k
ck的值。我们将
c
k
=
1
T
∫
−
T
2
+
T
2
h
(
t
)
e
−
j
k
ω
t
d
t
(
k
=
0
,
±
1
,
±
2
,
⋯
)
c_k=\frac{1}{T}\int_{-\frac{T}{2}}^{+\frac{T}{2}}{h(t)e^{-jk\omega t}dt} (k=0,\pm1,\pm2,\cdots)
ck=T1∫−2T+2Th(t)e−jkωtdt(k=0,±1,±2,⋯)称为傅里叶级数。这个公式为我们推导出傅里叶变换提供了基础。
从傅里叶级数到傅里叶变换
我们考虑周期为
T
T
T,脉冲宽度为
τ
(
τ
<
T
)
\tau(\tau<T)
τ(τ<T)的周期方形脉冲序列。我们固定
τ
\tau
τ不变,将T进行拉伸。
对于傅里叶级数的系数:
F
n
=
1
T
∫
−
T
2
T
2
f
(
t
)
e
j
n
Ω
t
F_n=\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}{ f(t)e^{jn\Omega t}}
Fn=T1∫−2T2Tf(t)ejnΩt
我们把求频谱密度函数的过程称为“傅里叶变换”。需要注意的是,我们在这里的举例——矩形脉冲序列是特殊的例子(一个脉冲的长度是固定的)。这也是为什么我们把积分上下限拓宽成
−
∞
→
+
∞
-\infty\to+\infty
−∞→+∞而不是固定长度
−
τ
2
→
τ
2
-\frac{\tau}{2}\to\frac{\tau}{2}
−2τ→2τ不变的缘故。
对于更平凡的例子——无限长,非周期的信号。我们也是把它当作周期无限长的信号,只不过它的信号在单个周期内不具备有限非零长度罢了。
- 傅里叶变换的推导,暂时搁置。
- 于2020/11/14完成
双边谱和单边谱
单边谱:我们在三角函数的基础上,进行和差公式的反应用得到的包含幅值-角度的傅里叶级数。得到的只有正半部分的频谱图称为“单边谱”
双边谱:我们在三角函数的基础上,引入欧拉公式,得到的具有更整洁的形式的指数型傅里叶变换。得到的既有正又有负
示例分析
示例1
对于周期信号的傅里叶级数,如果使用双边级数谱和傅里叶双边变换:有:
f
T
(
t
)
=
∑
n
=
−
∞
+
∞
F
n
e
j
n
Ω
t
↔
F
T
(
ω
)
=
2
π
∑
n
=
−
∞
+
∞
F
n
δ
(
ω
−
n
Ω
)
f_T(t)=\sum_{n=-\infty}^{+\infty}{F_ne^{jn\Omega t}}\leftrightarrow F_T(\omega)=2\pi \sum_{n=-\infty}^{+\infty}{F_n\delta(\omega-n\Omega)}
fT(t)=n=−∞∑+∞FnejnΩt↔FT(ω)=2πn=−∞∑+∞Fnδ(ω−nΩ)