什么是吉布斯现象

1. 什么是吉布斯现象

• 1. 什么是吉布斯现象
  • 1.1. 什么吉布斯现象？
  • 1.2. 吉布斯现象形成的原因？
  • 1.3. 如何减小吉布斯现象？

---

1.1. 什么吉布斯现象？

矛盾性：在时域描述一个不连续的信号要求信号的有无穷的频率成分，但实际情况中不可能采样到无穷的频率成分。

实际中的信号采样系统只能采样一定的频率范围，对不连续信号（或有无穷频率成分的信号）采样将会存在频率截断。

频率截断会引起时域信号在不连续处产生“振铃效应”，这个现象成为吉布斯现象。

吉布斯现象：由于频率截断现象，具有无穷频率分量的信号在时域的不连续处会产生“振铃效应”。

• 对连续时间周期信号可以进行傅里叶级数展开，如果只取其中的前有限项，将得到信号的一个最小均方误差逼近。当项目增至无穷时，这个逼近在均方意义上收敛于原信号，但并不是一致收敛的。对于信号的跳变点，傅里叶级数的部分和将在该点附近出现波动，如将其输入理想低通滤波器，则相当于对其频率作了截断，将会出现类似的效果。
• Gibbs 现象的产生有两个条件：(1) 对信号频谱的锐截止；(2) 原信号存在跳变点

1.2. 吉布斯现象形成的原因？

吉布斯现象形成的原因是：频率截断。

“频率截断”可以简单地理解为一个理想的低通滤波器（截止频率为$w_c$），如下图所示：

幅频特性	相频特性

低通滤波器只保留$|w|\le w_c$的频率成分，因此输入信号的高频部分将被截断，丢失了部分频率信息势必会在时域上产生一定的影响。

下面将分别考虑低通滤波器对单位阶跃信号，矩形脉冲信号，周期矩形脉冲信号的响应来分析吉布斯现象：

低通滤波器的单位阶跃响应

理想的低通滤波器的频率响应为

$$H(jw)=G_{2w_c}(w)e^{-jw{t}_d}$$

则单位阶跃响应为

$$\begin{array}{rl}S(jw)& =H(jw)\mathcal{F}(u(t))\\ & =G_{2w_c}(w)e^{-jw{t}_d}\cdot [\pi \delta (w)+\frac{1}{jw}]\end{array}$$

为求输出信号的时域波形，进行傅里叶反变换，有

$$\begin{array}{rl}s(t)& ={\mathcal{F}}^{-1}(S(jw))\\ & =\frac{1}{2\pi }{\int }_{-w_c}^{w_c}[\pi \delta (w)+\frac{1}{jw}]e^{-jw{t}_d}\cdot e^{jwt}\mathrm{d}\mathrm{w}\\ & =\frac{1}{2}+{\int }_{-w_c}^{w_c}\frac{1}{jw}{e}^{jw(t-t_d)}\mathrm{d}\mathrm{w}\\ & =\frac{1}{2}+\frac{1}{2\pi }{\int }_{-w_c}^{w_c}\frac{1}{jw}\cos [w(t-t_d)]\mathrm{d}\mathrm{w}+\frac{1}{2\pi }{\int }_{-w_c}^{w_c}\frac{1}{w}\sin [w(t-t_d)]\mathrm{d}\mathrm{w}\\ & =\frac{1}{2}+\frac{1}{\pi }{\int }_0^{w_c}\frac{1}{w}\sin [w(t-t_d)]\mathrm{d}\mathrm{w}\\ & =\frac{1}{2}+\frac{1}{\pi }{\int }_0^{w_c(t-t_d)}\frac{\sin x}{x}dx\end{array}$$

其中上式的积分部分称为正弦积分。输出信号的时域波形如图所示，它具有以下特点：

理想低通滤波器的单位阶跃响应

1. 输出波形存在吉布斯波纹，它的振荡频率等于$\frac{2\pi }{w_c}$；
2. 上升沿之前存在一个幅度最大的负向振峰（预冲），在上升之后存在一个幅度最大的正向振峰（过冲）。无论截止频率$w_c$多大，只要$w_c<\infty$，过冲和预冲的幅度总是稳定值的9%；
3. 上升沿从预冲到过冲的时间与截止频率有关，即$t_r=\frac{2\pi }{w_c}$，即$w_c$越大，上升越快，吉布斯波纹振荡越明显（趋于无穷时，相当于阶跃）

低通滤波器对矩形脉冲信号的响应

矩形脉冲信号可以看成两个阶跃信号的相减，故输出信号可以看成低通滤波器的两个阶跃响应之差，易想象同样存在吉布斯现象。

$$G_{\tau }(t)=u(t)-u(t-\tau )$$

低通滤波器对周期矩形脉冲信号的响应

设周期方波信号的周期为$T=2\tau$，则周期方波信号可以表示为

$$f(t)=2G_{\tau }(t)\ast {\delta }_{2\tau }(t)-1$$

其频谱为（$\Omega =\frac{2\pi }{2\tau }=\frac{\pi }{\tau }$）

$$\begin{array}{rl}F(jw)& =2\tau Sa(\frac{\tau }{2}w)\Omega {\delta }_{{}_{\Omega }}(w)-2\pi \delta (w)\\ & =\sum _{\genfrac{}{}{0ex}{}{n=-\infty }{n\ne 0}}^{n=+\infty }2\pi Sa(\frac{n\pi }{2})\delta (w-n\Omega )\end{array}$$

显然，则是一个偶函数（$F(jw)$为纯实数），也是一个奇谐函数（只有奇次谐波分量）。再考虑理想低通滤波器，其输出相应相当于只取$|w|<w_c$的频率分量，可以发现：

1. 当$w_c\gg \Omega$ 时，输出信号较为接近原输入信号，但是在不连续处存在预冲和过冲现象；
2. 随着$w_c$逐渐减小，上升沿变得缓慢（陡度降低），吉布斯波纹周期变长；
3. 当$w_c$接近$\Omega$时，输出信号退化为频率等于基频$\Omega$的正弦波。

1.3. 如何减小吉布斯现象？

1. 低通滤波器对信号频谱进行频域加窗，频窗有限引起时域的吉布斯波纹，可以考虑其它的频窗，如三角窗等
2. 另外，对时域加窗（时域截断）也会出现的吉布斯波纹，因此需要选择好合适的窗函数。