由之前的内容信号与系统(1)-信号可知道,信号的功率P可以通过以下等式计算:
P
=
1
t
2
−
t
1
∫
t
1
t
2
f
2
(
t
)
d
t
P=\frac{1}{t_2-t_1}\int_{t_1}^{t_2}f^2(t)dt
P=t2−t11∫t1t2f2(t)dt
若将信号
f
(
t
)
f(t)
f(t)通过正交函数集表示:
f
(
t
)
=
∑
i
=
−
∞
+
∞
[
C
i
f
i
(
t
)
]
f(t)=\sum_{i=-\infty}^{+\infty}[C_if_i(t)]
f(t)=i=−∞∑+∞[Cifi(t)]
则功率的计算方式为:
P
=
1
t
2
−
t
1
∫
t
1
t
2
f
2
(
t
)
d
t
=
1
t
2
−
t
1
∫
t
1
t
2
[
∑
i
=
−
∞
+
∞
[
C
i
f
i
(
t
)
]
]
2
d
t
=
1
t
2
−
t
1
∫
t
1
t
2
∑
n
=
−
∞
+
∞
[
C
i
f
i
(
t
)
]
2
d
t
=
∑
n
=
−
∞
+
∞
1
t
2
−
t
1
∫
t
1
t
2
[
C
i
f
i
(
t
)
]
2
d
t
=
∑
i
P
i
\begin{aligned} P&=\frac{1}{t_2-t_1}\int_{t_1}^{t_2}f^2(t)dt \\&=\frac{1}{t_2-t_1}\int_{t_1}^{t_2}[\sum_{i=-\infty}^{+\infty}[C_if_i(t)]]^2dt \\&=\frac{1}{t_2-t_1}\int_{t_1}^{t_2}\sum_{n=-\infty}^{+\infty}[C_if_i(t)]^2dt \\&=\sum_{n=-\infty}^{+\infty}\frac{1}{t_2-t_1}\int_{t_1}^{t_2}[C_if_i(t)]^2dt \\&=\sum_i P_i \end{aligned}
P=t2−t11∫t1t2f2(t)dt=t2−t11∫t1t2[i=−∞∑+∞[Cifi(t)]]2dt=t2−t11∫t1t2n=−∞∑+∞[Cifi(t)]2dt=n=−∞∑+∞t2−t11∫t1t2[Cifi(t)]2dt=i∑Pi
其中
P
i
=
1
t
2
−
t
1
∫
t
1
t
2
[
C
i
f
i
(
t
)
]
2
d
t
P_i=\frac{1}{t_2-t_1}\int_{t_1}^{t_2}[C_if_i(t)]^2dt
Pi=t2−t11∫t1t2[Cifi(t)]2dt为正交信号分量的功率。
由此可以得到Parseval定理:信号的功率等于信号在完备正交函数集中分解后各个子信号功率的和。
注意:信号在非正交函数集中分解后,信号的功率并不满足叠加性(如泰勒级数展开)。
问题:如果使用傅里叶级数对信号进行展开,由于不可能取无穷多项级数,所以通过Parseval定理计算的功率有误差该怎么办?
记通过傅里叶级数展开的信号为
f
N
(
t
)
f_N(t)
fN(t),表示傅里叶级数展开到第N项的信号,原信号为
f
(
t
)
f(t)
f(t),则:
f
N
(
t
)
=
a
0
2
+
∑
n
=
1
+
∞
[
a
n
c
o
s
(
n
Ω
t
)
+
b
n
s
i
n
(
n
Ω
t
)
]
f_N(t)= \frac{a_0}{2}+\sum_{n=1}^{+\infty}[a_ncos(n\Omega t)+b_nsin(n\Omega t)]
fN(t)=2a0+n=1∑+∞[ancos(nΩt)+bnsin(nΩt)]
误差
ε
N
(
t
)
\varepsilon_N(t)
εN(t)为:
ε
N
(
t
)
=
f
(
t
)
−
f
N
(
t
)
=
∑
i
=
N
+
1
∞
[
a
i
c
o
s
(
i
Ω
t
)
+
b
i
s
i
n
(
i
Ω
t
)
]
\begin{aligned} \varepsilon_N(t)&=f(t)-f_N(t) \\&=\sum_{i=N+1}^{\infty}[a_icos(i\Omega t)+b_isin(i\Omega t)] \end{aligned}
εN(t)=f(t)−fN(t)=i=N+1∑∞[aicos(iΩt)+bisin(iΩt)]
由信号与系统(6)- 信号的频域研究思路以及正交函数集可知,信号的误差计算为方均值:
ε
N
(
t
)
‾
=
∫
t
1
t
2
ε
N
2
(
t
)
d
t
=
∑
i
=
N
+
1
∞
1
2
(
a
i
2
+
b
i
2
)
\begin{aligned} \overline{\varepsilon_N(t)}&=\int_{t_1}^{t_2}\varepsilon_N^2(t)dt \\&=\sum_{i=N+1}^{\infty}\frac{1}{2}(a_i^2+b_i^2) \end{aligned}
εN(t)=∫t1t2εN2(t)dt=i=N+1∑∞21(ai2+bi2)
通过有限项傅里叶级数表示的信号功率为
P
N
P_N
PN,即:
P
N
=
∑
i
=
0
N
P
i
=
P
−
∑
i
=
N
+
1
∞
P
i
=
P
−
∑
i
=
N
+
1
∞
1
2
(
a
i
2
+
b
i
2
)
=
P
−
ε
N
(
t
)
‾
\begin{aligned} P_N&=\sum_{i=0}^{N}P_i \\&=P-\sum_{i=N+1}^{\infty}P_i \\&=P -\sum_{i=N+1}^{\infty}\frac{1}{2}(a_i^2+b_i^2) \\&=P - \overline{\varepsilon_N(t)} \end{aligned}
PN=i=0∑NPi=P−i=N+1∑∞Pi=P−i=N+1∑∞21(ai2+bi2)=P−εN(t)
P是信号没有误差的功率。
因此,通过有限项傅里叶级数展开的信号
f
N
(
t
)
f_N(t)
fN(t)和原信号
f
(
t
)
f(t)
f(t)之间的功率误差为:
P
−
P
N
=
ε
N
(
t
)
‾
P-P_N=\overline{\varepsilon_N(t)}
P−PN=εN(t)
也就是说,用有限项的傅里叶级数逼近一个信号的时候,这个信号的功率的误差就等于逼近N项的方均误差。