信号与系统（6）- 信号频域研究的思路及正交函数集

正函数交的内容，线性系统的时域分析方法，是将复杂信号分解为简单信号之和，通过求解系统对简单信号的响应进而求解对复杂信号的响应。

在时域中，信号被分解为冲激信号的积分，根据系统对冲激信号的冲激响应，运用卷积求解系统对复杂信号的响应。

而信号的分解不仅仅可以使用冲激信号，也可以使用其它简单信号。**这一部分内容将使用正弦信号将复杂信号进行分解。并且通过对正弦信号响应的求解，进而求解对任意信号的响应。**这样便引出了信号在频域的分析和求解。

在讨论过程中将使用MATLAB进行计算或简单处理，同时可能使用Python对数据进行可视化和进一步处理。

1. 对信号在频域研究的基本思路

和分析求解时域信号的思路相似，信号在频域的分析和求解同样需要解答如下问题：

1. 选取什么子信号？
2. 如何将任意信号分解为一系列正弦信号之和？
3. 如何求解系统对各个子信号的响应？
4. 如何将各个子信号的响应进行叠加，从而合成系统对激励信号的响应？

在这四个问题中，第一个问题已经解答，使用正弦信号，而第三个问题在电路分析课程中也已经解决，即正弦稳态信号的响应，稍后将会进行回顾。所以任务的重点在于回答如何分解以及和成信号，以及如何叠加子信号的响应这两个问题上。其中傅里叶级数、傅里叶变换均在讨论信号的合成与分解，后期的拉普拉斯变换以及Z变换则在讨论信号响应的求解和分析。

2. 正交函数集的相关概念

正交函数集也可以称为标准信号集，是用来方便的分解或表示任意信号的信号集合，即：
$$f(t)=C_1{f}_1(t)+C_2{f}_2(t)+C_3{f}_3(t)+\cdots +C_n{f}_n(t)=\sum _{i=1}^n{C}_i{f}_i(t)$$
其中$f(t)$为原信号，即需要被表达的信号，$f_i(t)$是标准信号集中的信号。

类似于标准矢量基，标准信号集同样需要满足以下三个条件：

1. 归一化：即信号集中的信号$f_i(t)$和$f_j(t)$满足${\int }_{t_1}^{t_2}{f}_i(t)f_j(t)dt=1$，这可以方便在运算过程中对计算进行化简；
2. 正交化：即信号集中的信号$f_i(t)$和$f_j(t)$满足${\int }_{t_1}^{t_2}{f}_i(t)f_j(t)dt=0，i\ne j$，这是为了方便确定组成原信号的子信号的系数，也就是上式的$C_i$。不正交的基信号的系数难以确定，因为每个基信号的系数与其他基信号均有关联。
3. 完备性：可以用这个信号集中不同信号的线性组合表示任意信号。

完备的正交函数集一般包含无穷多个函数，如三角函数集等。但是实际应用中不可能使用无穷多个函数，因此只能使用正交函数集近似的表示任意函数。

那么当子信号前的系数$C_i$为何值时，原信号可以被最好的表达呢？回答这个问题，首先要了解如何评定信号之间的误差。

原函数与通过正交函数集表示的信号之间的误差，使用方均误差表示，即：
$$\overline{{\epsilon }^2(t)}=\frac{1}{t_2-t_1}{\int }_{t_1}^{t_2}{\epsilon }^2(t)dt$$
其中$\epsilon (t)=f(t)-{\sum }_{i=1}^n{C}_i{f}_i(t)$。

通过回顾信号与系统（1）- 信号可知，上式代表着信号在一定时间区间上的功率，因此信号之间的误差，通过功率体现。

为使$\overline{{\epsilon }^2(t)}$最小，通过对$\overline{{\epsilon }^2(t)}=\frac{1}{t_2-t_1}{\int }_{t_1}^{t_2}[(f(t)-{\sum }_{i=1}^n{C}_i{f}_i(t){]}^{2}dt$中系数$C_i$求偏导数，进而求极值可知，当系数$C_i$满足：
$$C_i=\frac{{\int }_{t_1}^{t_2}f(t)f_i(t)dt}{{\int }_{t_1}^{t_2}{f}_i(t)f_i(t)dt}$$
此时的$\overline{{\epsilon }^2(t)}$具有最小值，即误差最小。此时的系数$C_i$也称为最佳系数，$C_i$也称为$f(t)$和$f_i(t)$之间的相似系数。注意：只有$f_i(t)$两两正交时，系数$C_i$才可以通过上式确定。

如果$f(t)$和$f_i(t)$为复函数信号，则信号之间的误差为：
$$\overline{{\epsilon }^2(t)}=\frac{1}{t_2-t_1}{\int }_{t_1}^{t_2}|\epsilon (t){|}^{2}dt=\frac{1}{t_2-t_1}{\int }_{t_1}^{t_2}\epsilon (t)\cdot {\epsilon }^{\ast }(t)dt$$
且最佳系数$C_i$为：
$$C_i=\frac{{\int }_{t_1}^{t_2}f(t)f_i^{\ast }(t)dt}{{\int }_{t_1}^{t_2}{f}_i(t)f_i^{\ast }(t)dt}$$
若$C_i=0$，则称$f(t)$和$f_i(t)$正交。

问题：为什么使用功率作为信号之间的误差？

因为如果仅仅通过信号相减的方式，有时候难以确定信号之间的差异，如下图所示得两个信号：

如果通过幅值确定，在前期，信号$f_1(t)$明显相对基准误差要大，而后期，则明显$f_2(t)$相对基准的误差要大。因此很难判定哪个信号距离基准更近。

3. 正交函数集（标准信号集）和标准矢量基的类比

正交函数集和标准矢量基之间有很多相似点，如下表所示：

运算	矢量	函数
加法：	$\overrightarrow{A_1}+\overrightarrow{A_2}$	$f_1(t)+f_2(t)$
标量乘法：	$C\cdot \vec{A}$	$C\cdot f(t)$
乘法	$\vec{A}\cdot \overrightarrow{A_i}=\mid \vec{A}\mid \overrightarrow{A_i}\mid cos\alpha$	${\int }_{t_1}^{t_2}f(t)f_i(t)dt$
正交性	$\vec{A}\cdot \overrightarrow{A_i}=0$	${\int }_{t_1}^{t_2}f(t)f_i(t)dt=0$
归一性	$\vec{A}=1$	${\int }_{t_1}^{t_2}f(t)f(t)dt=1$
误差	$\epsilon =\vec{A}-\overrightarrow{A_i}$	$\epsilon =f(t)-f_i(t)$
误差代价函数	$\mid \epsilon {\mid }^2$	$\overline{{\epsilon }^2(t)}=\frac{1}{t_2-t_1}{\int }_{t_1}^{t_2}{\epsilon }^2(t)dt$
系数	$C_i=\frac{\vec{A}\cdot \overrightarrow{A_i}}{\overrightarrow{A_i}\cdot \overrightarrow{A_i}}$	$C_i=\frac{{\int }_{t_1}^{t_2}f(t)f_i(t)dt}{{\int }_{t_1}^{t_2}{f}_i(t)f_i(t)dt}$或$C_i=\frac{{\int }_{t_1}^{t_2}f(t)f_i^{\ast }(t)dt}{{\int }_{t_1}^{t_2}{f}_i(t)f_i^{\ast }(t)dt}$

4. 附录：矢量运算的相关内容

4.1 单个矢量基的分解：

假设存在一个矢量$\vec{A}$，以及一个基矢量$\overrightarrow{A_1}$，如下图左边所示:

如果通过基矢量$\overrightarrow{A_1}$表示矢量$\vec{A}$，则需要一个系数$C_1$对基矢量进行缩放，并且存在一个误差$\epsilon$，如上图右边所示，即：
$$\vec{A}=C_1\overrightarrow{A_1}+\vec{\epsilon }$$
由图可知，最小的$\epsilon$为垂线，且该垂线大小为$|\vec{A}|\cdot sin\alpha$，此时：
$$C|\overrightarrow{A_1}|=|\vec{A}|\cdot cos\alpha$$
即，使误差$\epsilon$最小的C为：
$$\begin{array}{rl}C& =\frac{|\vec{A}|\cdot cos\alpha }{|\overrightarrow{A_1}|}\\ & =\frac{|\vec{A}||\overrightarrow{A_1}|\cdot cos\alpha }{|\overrightarrow{A_1}||\overrightarrow{A_1}|\cdot cos0}\\ & =\frac{\vec{A}\cdot \overrightarrow{A_1}}{\overrightarrow{A_1}\cdot \overrightarrow{A_1}}\end{array}$$
其中，C称为矢量$\vec{A}$和$\overrightarrow{A_1}$的相似系数。如果**$C=0$，则意味着两个矢量的夹角$\alpha$为90度，即矢量正交。**在上述的表达中，除非基矢量$\overrightarrow{A_1}$和$\vec{A}$方向重合，即夹角为0，否则总存在一个误差。

4.2 多个矢量基的分解

在基矢量$\overrightarrow{A_1}$的基础上添加一个新的基矢量$\overrightarrow{A_2}$，如下图所示：

由上图左边部分可知，若矢量$\vec{A}$和两个基矢量在同一个平面上，通过平面任意方向的两个基矢量可以没有误差的表示出矢量$\vec{A}$， 即
$$\vec{A}=C_1\overrightarrow{A_1}+C_2\overrightarrow{A_2}$$
但是，由于每个基矢量的系数$C_i$不仅与特定的矢量$\overrightarrow{A_i}$有关，与其他基矢量也有关，很难确定。但是，如果基矢量之间两两正交，如上图右边所示，则可以证明，当：
$$C_1=\frac{\overrightarrow{A_1}\cdot \vec{A}}{\overrightarrow{A_1}\cdot \overrightarrow{A_1}}，C_2=\frac{\overrightarrow{A_2}\cdot \vec{A}}{\overrightarrow{A_2}\cdot \overrightarrow{A_2}}$$
此时可以通过基矢量$\overrightarrow{A_1},\overrightarrow{A_2}$没有误差的表达矢量$\vec{A}$。

扩展到多维基矢量，若基矢量满足两两正交，则：
$$\vec{A}=C_1\overrightarrow{A_1}+C_2\overrightarrow{A_2}+\cdots +C_n\overrightarrow{A_n}=\sum _{i=i}^n{C}_i\overrightarrow{A_i}$$
且系数为
$$C_i=\frac{\overrightarrow{A_i}\cdot \vec{A}}{\overrightarrow{A_i}\cdot \overrightarrow{A_i}}$$
为了简化运算，以及能够使用基矢量表示任意矢量，标准矢量基的定义如下：

1. 归一化：标准矢量基的模等于1——这是为了使得公式的分母可以化简，简化运算；
2. 正交化：标准矢量基两两正交——这是为了便于计算各个矢量基的系数；
3. 完备性：可以不失真的组合出任意矢量——这是将任意矢量分解为基矢量的条件。

5. 总结

了解正交函数集是后续学习傅里叶级数、傅里叶变换的基础数学知识，因为傅里叶级数或傅里叶变换，正是通过一组正弦函数对任意信号进行表示。并且傅里叶级数或傅里叶变换的许多性质和正交性密不可分。

谢谢阅读，若有不当之处欢迎评论批评指正！