信号与系统sa函数求积分_利用傅立叶变换的对称性,求信号Sa(t)的频谱密度函数！（大学信号与系统）！！！急急急急！！...

展开全部

δ(t)是单位冲激响应32313133353236313431303231363533e59b9ee7ad9431333431363536，当a趋于0时，F(jw)在w=0时为无穷大，在w≠0时为0，但不是单位冲激响应。

傅立叶变换对有多种定义形式，如果采用下列变换对，即：

F(ω)=∫(∞,-∞) f(t)e^(-iωt)dt

f(t) = (1/2π) ∫(∞,-∞) F(ω)e^(iωt)dω

令： f(t)=δ(t)，

那么： ∫(∞,-∞) δ(t)e^(-iωt)dt = 1

而上式的反变换：(1/2π) ∫(∞,-∞)1 e^(iωt)dt = δ(t) //：Dirac δ(t) 函数；

从而得到常数1的傅里叶变换等于：2πδ(t)

扩展资料：

总结：

假设采样频率为Fs，采样点数为N，做FFT之后，某一点n(n从1开始)表示的频率为：Fn=(n-1)*Fs/N；该点的模值除以N/2就是对应该频率下的信号的幅度(对于直流信号是除以N)；该点的相位即是对应该频率下的信号的相位。

相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值，范围从-pi到pi。要精确到xHz，则需要采样长度为1/x秒的信号，并做FFT。

要提高频率分辨率，就需要增加采样点数，这在一些实际的应用中是不现实的，需要在较短的时间内完成分析。

解决这个问题的方法有频率细分法，比较简单的方法是采样比较短时间的信号，然后在后面补充一定数量的0，使其长度达到需要的点数，再做FFT，这在一定程度上能够提高频率分辨力。具体的频率细分法可参考相关文献。