离散周期信号傅里叶级数

最新推荐文章于 2024-04-10 21:23:25 发布

Adagrad

最新推荐文章于 2024-04-10 21:23:25 发布

阅读量5k

点赞数 1

连续信号通常是数学领域里的理论研究对象，而现实生活中我们遇到的信号往往是离散的，且计算机只能处理有限长度的离散信号。所以为了让傅里叶分析解决实际问题，有必要将其推广到离散信号领域。

连续周期信号和离散周期信号如上图所示：左图为连续周期正弦波 $\large x(t)=x(t+T)$ ，其中周期 $\large T=2\pi$ ；右图为左图正弦波的周期离散采样，x[n]=x[x+N]，其中周期N=10。

和连续周期信号傅里叶级数基于一样的猜想，离散周期信号傅里叶级数是想寻得一组不同振幅、不同频率和不同相位的正弦离散函数以表达某离散周期函数。即：

$\large x[n]=C+\sum_{k=1}^{\infty}a_{k}sin(kw_{0}n)+\sum_{k=1}^{\infty}b_{k}cos(kw_{0}n)$

其中 $\large w_{0}=\frac{2\pi}{N}$ 。根据欧拉公式 $\large e^{ix}=cos(x)+isin(x)$ 得：

$\large \left\{\begin{matrix} cos(x)=\frac{e^{ix}+e^{-ix}}{2}\\ sin(x)=\frac{e^{ix}-e^{-ix}}{2i}\\ \end{matrix}\right.$

因此，上式可推导为：

$\large x[n]=C+\sum_{k=1}^{\infty}(a_{k}\frac{e^{ikw_{0}n}-e^{-ikw_{0}n}}{2i}+b_{k}\frac{e^{ikw_{0}n}+e^{-ikw_{0}n}}{2})\\ =C+\sum_{k=1}^{\infty}(\frac{ia_{k}-b_{k}}{2}e^{ikw_{0}n}+\frac{-ia_{k}-b_{k}}{2}e^{-ikw_{0}n})$

令 $\large A_{k}=\frac{ia_{k}-b_{k}}{2}$ 和 $\large B_{k}=\frac{-ia_{k}-b_{k}}{2}$ ，得到x[n]的傅里叶级数复数形式的表达式：

$\large x[n]=Ce^{i0w_{0}n}+\sum_{k=1}^{\infty}A_{k}e^{ikw_{0}n}+\sum_{k=1}^{\infty}B_{k}e^{-ikw_{0}n}=\sum_{k=-\infty}^{\infty}D_{k}e^{ikw_{0}n}$

我们接着观察该级数中的单项 $\large e^{ikw_{0}n}$ ：

$\large \phi _{k}[n]=e^{ikw_{0}n}=e^{ik\frac{2\pi}{N}n},n=0,\pm 1,\pm 2,...$

先说结论： $\large \phi_{k}[n]=\phi_{k+r}N[n]$ ，其中 $\large k=0,\pm1,\pm2,...$ 、 $\large r=0,1,2,...$ 、N为离散信号x[n]的变化周期。证明过程如下：

$\large \phi_{k+r}N[n]=e^{i(k+rN)\frac{2\pi}{N}n}=e^{ik\frac{2\pi}{N}n}e^{ir2\pi n}=e^{ik\frac{2\pi}{N}n}(e^{i2\pi})^{rn}\\ =e^{ik\frac{2\pi}{N}n}(cos(2\pi)+isin(2\pi))^{rn}\\ =e^{ik\frac{2\pi}{N}n}(1)^{rn}\\ =e^{ik\frac{2\pi}{N}n}=\phi_{k}[n]$

因此，得到离散周期信号x[n]的傅里叶级数如下：

$\large x[n]=\sum_{k=<N>}X_{k}e^{ik\frac{2\pi}{N}n}$

给出：

$\large \sum_{n=<N>}e^{ik\frac{2\pi}{N}n}=\left\{\begin{matrix} N,k=0,\pm N,\pm 2N,...\\ 0,otherwise\\ \end{matrix}\right.$

令 $\large S=\sum_{n=<N>}e^{ik\frac{2\pi}{N}n}$ ，过程如下：

$\large S(1^{\frac{k}{n}}-1)=e^{ik\frac{2\pi}{N}}S-S=e^{ik\frac{2\pi}{N}N}-e^{ik\frac{2\pi}{N}0}=e^{ik2\pi}-1=1^k-1=0$

由上式可知，当 $\large k\neq 0,\pm N,\pm 2N,...$ 时：

$\large (1^{\frac{k}{N}}-1)\neq 0$ 且 $\small S=\sum_{n=<N>}e^{ik\frac{2\pi}{N}n}=0$

当 $\large k=0,\pm N,\pm 2N,...$ 时：

$S=\sum_{n=<N>}e^{ik\frac{2\pi}{N}n}=\sum_{n=<N>}(e^{i2\pi})^{\frac{k}{N}n}=\sum_{n=<N>}(1)^{rn}=N,r=0,\pm 1,\pm 2,...$

现在，对离散周期信号x[n]每时刻的信号求和，并乘以 $\small e^{-ir\frac{2\pi}{N}}$ 得：

$\small \sum_{n=<N>}x[n]e^{-ir\frac{2\pi}{N}n}=\sum_{n=<N>}\sum_{k=<N>}X_{k}e^{i(k-r)\frac{2\pi}{N}n}=\sum_{k=<N>}X_{k}\sum_{n=<N>}e^{i(k-r)\frac{2\pi}{N}n}$

由上面给出的公式可以得到，当k-r=0时， $\small \sum_{n=<N>}e^{i(k-r)\frac{2\pi}{N}n}=N$ ；当 $\small k-r\neq 0$ 时， $\small \sum_{n=<N>}e^{i(k-r)\frac{2\pi}{N}n}=0$ 。所以：

$\small \sum_{n=<N>}x[n]e^{-ir\frac{2\pi}{N}}=\sum_{k=<N>}X_{k}\sum_{n=<N>}e^{i(k-r)\frac{2\pi}{N}n}=X_{r}N$

即：

$\small X_{r}=\frac{1}{N}\sum_{n=<N>}x[n]e^{-ir\frac{2\pi}{N}n}$

至此，我们已经得到离散周期信号x[n]的傅里叶级数（如下）：

$\small x[n]=\sum_{k=<N>}X_{k}e^{ik\frac{2\pi}{N}n}$

其中， $\small X_{k}=\frac{1}{N}\sum_{n=N}x[n]e^{-ik\frac{2\pi}{N}n}$

https://blog.csdn.net/u012841922/article/details/84582198

Adagrad

关注

1
点赞
踩
14

收藏

觉得还不错? 一键收藏
1
评论
离散周期信号傅里叶级数

连续信号通常是数学领域里的理论研究对象，而现实生活中我们遇到的信号往往是离散的，且计算机只能处理有限长度的离散信号。所以为了让傅里叶分析解决实际问题，有必要将其推广到离散信号领域。连续周期信号和离散周期信号如上图所示：左图为连续周期正弦波，其中周期；右图为左图正弦波的周期离散采样，x[n]=x[x+N]，其中周期N=10。和连续周期信号傅里叶级数基于一样的猜想，离散周期信号傅里叶级数是想寻...
复制链接

扫一扫