傅里叶级数详解

首先，推荐一个有意思的视频：【谜之舒适】12分钟的傅立叶级数动画

---

下面进入正文。

周期为$2\pi$的方波函数：

$$z(t)=\{\begin{array}{l}-1，-\pi \le t<0\\ 1，0\le t<\pi \end{array}$$

可以展开为三角函数形式的傅里叶级数：

$$\frac{4}{\pi }\left[\sin t+\frac{1}{3}\sin 3t+\cdots +\frac{1}{2n+1}\sin (2n+1)t+\cdots \right]$$

下图为三角函数形式的傅里叶级数合成方波函数（红色​）的示意图：

为什么可以呢？接下来，我们将详解它的原理：

下文主要分为两个小节，第一节首先介绍了向量的正交分解，然后过渡到函数的正交分解并得出广义傅里叶级数这一概念。基于广义傅里叶级数，第二节首先解释周期函数是如何展开成三角函数的傅里叶级数的，然后由辅助角公式推出其余弦形式，最后根据欧拉公式得出复指数形式的傅里叶级数。

函数分解为正交函数

1 向量的正交分解

（1）向量正交

若两向量$V_1$与$V_2$正交，即夹角为90°：

那么，这两正交向量的内积为零
$$\overrightarrow{V_1}\cdot \overrightarrow{V_2}=|V_1|\cdot |V_2|\cos 90^{\circ }=0$$

（2）正交向量集

由两两正交的向量组成的向量集合。

（3）非正交向量的近似表示及误差

由

$$|c_{12}{V}_2|=|V_1|\cos \theta$$

得：

$$c_{12}=\frac{|V_1|\cos \theta }{|V_2|}=\frac{|V_1|\cdot |V_2|\cos \theta }{|V_2|\cdot V_2|}=\frac{\overrightarrow{V_1}\cdot \overrightarrow{V_2}}{\overrightarrow{V_2}\cdot \overrightarrow{V_2}}$$

用与$V_2$成比例的向量$c_{12}{V}_2$近似地表示$V_1$，则误差向量

$$\overrightarrow{V_e}=\overrightarrow{V_1}-c_{12}\overrightarrow{V_2}$$

显然，当两向量$V_1$与$V_2$正交时，$c_{12}=0$，即$\overrightarrow{V_1}\cdot \overrightarrow{V_2}=0$。

（4）向量正交分解：任意$N$维向量可由$N$维正交坐标系表示。

$$c_1=\frac{|V|\cos {\theta }_1}{|V_1|}=\frac{\overrightarrow{V}\cdot {\overrightarrow{V}}_1}{\overrightarrow{V_1}\cdot {\overrightarrow{V}}_1}$$
$$c_2=\frac{|V|\cos {\theta }_2}{|V_2|}=\frac{\overrightarrow{V}\cdot \overrightarrow{V_2}}{\overrightarrow{V_2}\cdot \overrightarrow{V_2}}$$

$$c_1=\frac{|V|\cos {\theta }_1}{|V_1|}=\frac{\overrightarrow{V}\cdot {\overrightarrow{V}}_1}{\overrightarrow{V_1}\cdot {\overrightarrow{V}}_1}$$
$$c_2=\frac{|V|\cos {\theta }_2}{|V_2|}=\frac{\overrightarrow{V}\cdot \overrightarrow{V_2}}{\overrightarrow{V_2}\cdot \overrightarrow{V_2}}$$

$$c_3=\frac{|V|\cos {\theta }_3}{|V_3|}=\frac{\overrightarrow{V}\cdot \overrightarrow{V_3}}{\overrightarrow{V_3}\cdot \overrightarrow{V_3}}$$

推广到$n$维空间：$n$维空间的任一向量$V$，可以精确地表示为$n$个正交向量的线性组合， 即

$$\overrightarrow{V}=c_1\overrightarrow{V_1}+c_2\overrightarrow{V_2}+\cdots +c_r\overrightarrow{V_r}+\cdots +c_n{\overrightarrow{V}}_n$$

式中，$\overrightarrow{V_i}\cdot \overrightarrow{V_j}=0(i\ne j)$，第 $r$ 个分量的系数

$$c_r=\frac{\overrightarrow{V}\cdot \overrightarrow{V_r}}{\overrightarrow{V_r}\cdot {\overrightarrow{V}}_r}$$

下面我们将向量空间正交分解的概念可推广到函数空间：在函数空间找到若干个相互正交的函数作为基本函数，使得函数空间中任意函数均可表示成它们的线性组合。

2 函数的正交分解

（1） 函数正交

定义

在$(t_1,t_2)$区间的两个函数${\phi }_1(t)$和${\phi }_2(t)$，若满足
$${\int }_{t_1}^{t_2}{\phi }_1(t){\phi }_2^{\ast }(t)dt=0，\ast 表示共轭$$

即两函数内积为0，则称${\phi }_1(t)$和${\phi }_2(t)$在区间$(t_1,t_2)$正交。

备注：实数函数的共轭是其本身。

（2）正交函数集

若$n$个函数${\phi }_1(t),{\phi }_2(t),...,{\phi }_n(t)$构成一个函数集，当这些函数在区间$(t_1,t_2)$内满足
$${\int }_{t_1}^{t_2}{\phi }_1(t){\phi }_2^{\ast }(t)dt=\{\begin{array}{c}0,i\ne j\\ K_i\ne 0,i=j\end{array}$$
则称此函数集为区间$(t_1,t_2)$上的正交函数集。

如果$K_i=1$，称为标准正交函数集。

（3）完备正交函数集

如果在正交函数集 { φ 1 ( t ) , φ 2 ( t ) , . . . , φ n ( t ) } \{\varphi_{1}(t), \varphi_{2}(t),...,\varphi _{n}(t) \} {φ1​(t),φ2​(t),...,φn​(t)}之外，不存在任何函数$\phi (t)(\ne 0)$满足：
$${\int }_{t_1}^{t_2}\phi (t){\phi }_i^{\ast }(t)dt=0，(i=1,2,\cdots ,n)$$

则称此函数集为完备正交函数集。

---

（4）函数的正交分解

设有$n$个函数${\phi }_1(t),{\phi }_2(t),\cdots ,{\phi }_n(t)$在区间$(t_1,t_2)$构成要给正交函数空间。将任一函数$f(t)$用这个正交函数的线性组合来近似，可表示为：

$$f(t)\approx C_1{\phi }_1(t)+C_2{\phi }_2(t)+\cdots +C_i{\phi }_i(t)\cdots +C_n{\phi }_n(t)=\sum _{j=1}^n{C}_j{\phi }_j(t)$$

如何找到合适的系数$C_i$，使得函数与近似函数的误差在$(t_1,t_2)$最小呢？

我们可以通过最小化均方误差：
$$\overline{{\epsilon }^2}=\frac{1}{t_2-t_1}{\int }_{t_1}^{t_2}[f(t)-\sum _{j=1}^n{C}_j{\phi }_j(t){]}^{2}dt$$

求系数$C_i$求偏导并令偏导等于零：
$$\frac{\partial {\overline{\epsilon }}^2}{\partial C_i}=\frac{\partial }{\partial C_i}\left\{\frac{1}{t_2-t_1}{\int }_{t_i}^{t_i}[f(t)-\sum _{j=1}^n{C}_j{\phi }_j(t){]}^{2}dt\right\}=0$$

展开被积函数，并求导，只有两项不为0，写为：
$$\frac{\partial }{\partial C_i}\left\{\frac{1}{t_2-t_1}{\int }_{t_i}^t\left[-2C_i{\phi }_i^{\ast }(t)f(t)+C_i^2{\phi }_i(t){\phi }_i^{\ast }(t)\right]dt\right\}=0$$

即：
$$-2{\int }_{t_1}^{t_2}f(t){\phi }_i^{\ast }(t)dt+2C_i{\int }_{t_1}^{t_2}{\phi }_i(t){\phi }_i^{\ast }(t)dt=0$$
求得：
$$C_i=\frac{{\int }_{t_1}^{t_2}f(t){\phi }_i^{\ast }(t)dt}{{\int }_{t_1}^{t_2}{\phi }_i(t){\phi }_i^{\ast }(t)dt}=\frac{1}{K_i}{\int }_{t_1}^{t_2}f(t){\phi }_i^{\ast }(t)dt$$

可以证明，当所取的项数越多，即$n$越大时，均方误差越小，当$n\to \infty$时（成为完备正交函数集），均方误差为零。

结论：

任意函数可以表示为无穷多个正交函数的和：
$$f(t)=C_1{\phi }_1(t)+C_2{\phi }_2(t)+\cdots +C_i{\phi }_i(t)+\cdots =\sum _{i=1}^{\infty }{C}_i{\phi }_i(t)$$

上式称为函数的正交展开式，也称为广义傅里叶级数。

其系数为：
$$C_i=\frac{{\int }_{t_1}^{t_2}f(t){\phi }_i^{\ast }(t)dt}{{\int }_{t_1}^{t_2}{\phi }_i(t){\phi }_i^{\ast }(t)dt}=\frac{1}{K_i}{\int }_{t_1}^{t_2}f(t){\phi }_i^{\ast }(t)dt$$

备注：$\ast$表示共轭，实数函数的共轭是其本身。

周期函数的傅里叶级数

在一个周期$(t_0,t_0+T)(T=2\pi /\Omega )$上的完备正交函数集有：

• 三角函数集： { 1 , cos ⁡ ( n Ω t ) , sin ⁡ ( n Ω t ) , n = 1 , 2 , … } \left\{1, \cos(n \Omega t), \sin(n \Omega t),n=1,2, \ldots \right\} {1,cos(nΩt),sin(nΩt),n=1,2,…}

• 虚指数函数集：$\left\{e^{jn\Omega t},n=\pm 1,\pm 2,\cdots \right\}$

1 周期函数三角形式的傅里叶级数

1.1 三角形式的傅里叶级数

广义傅里叶级数的${\phi }_i(t)$选择三角函数：

{ 1 , cos ⁡ ( n Ω t ) , sin ⁡ ( n Ω t ) , n = 1 , 2 , … } \left\{1, \cos(n \Omega t), \sin(n \Omega t),n=1,2, \ldots \right\} {1,cos(nΩt),sin(nΩt),n=1,2,…}

设周期函数$f(t)$，其周期为$T$，角频率（基波频率）$\Omega =2\pi /T$，当它满足狄里赫利(Dirichlet)条件（见附录）时，可展开为三角形式的傅里叶级数。
$$f(t)=\frac{a_0}{2}+\sum _{n=1}^{\infty }{a}_n\cos (n\Omega t)+\sum _{n=1}^{\infty }{b}_n\sin (n\Omega t)$$

系数$a_n,b_n$称为傅里叶系数。

由广义傅里叶级数的系数公式：

$$C_i=\frac{{\int }_{t_1}^{t_2}f(t){\phi }_i^{\ast }(t)dt}{{\int }_{t_1}^{t_2}{\phi }_i(t){\phi }_i^{\ast }(t)dt}=\frac{1}{K_i}{\int }_{t_1}^{t_2}f(t){\phi }_i^{\ast }(t)dt$$

可以求得$a_n,b_n$。

（1）求$K_i$

对于正交函数集中的1（实际上是$\cos (0\Omega t)=1$）：
$$K_i={\int }_{-\frac{T}{2}}^{\frac{T}{2}}1\times 1dt=T$$

备注：半角公式：${\sin }^2\frac{x}{2}=\frac{1-\cos x}{2}$；${\cos }^2\frac{x}{2}=\frac{1+\cos x}{2}$

对于正交函数集中的余弦$\cos (n\Omega t)$，由半角公式可得：

$$K_i={\int }_{-\frac{T}{2}}^{\frac{T}{2}}\cos (n\Omega t)\cdot \cos (n\Omega t)dt={\int }_{-\frac{T}{2}}^{\frac{T}{2}}\frac{1+\cos (2n\Omega t)}{2}dt=T/2$$

同理，对于正交函数集中的正弦$\sin (n\Omega t)$：

$$K_i={\int }_{-\frac{T}{2}}^{\frac{T}{2}}\sin (n\Omega t)\cdot \sin (n\Omega t)dt={\int }_{-\frac{T}{2}}^{\frac{T}{2}}\frac{1-\cos (2n\Omega t)}{2}dt=T/2$$

（2）得到系数：
$$\frac{a_0}{2}=\frac{1}{T}{\int }_{-\frac{T}{2}}^{\frac{T}{2}}f(t)dt$$
备注：写成$\frac{a_0}{2}$是为了使得$a_0$可以并入$a_n$的表达式，因为1对应的$K_i$与其他不同。

$$a_n=\frac{2}{T}{\int }_{-\frac{T}{2}}^{\frac{T}{2}}f(t)\cos (n\Omega t)dt$$
$$b_n=\frac{2}{T}{\int }_{\frac{T}{2}}^{\frac{T}{2}}f(t)\sin (n\Omega t)dt$$

备注：积分区间不一定要$[-\frac{T}{2},\frac{T}{2}]$，只要是个整周期区间就行，比如$[0,T]$

备注：$a_n$为关于$n$的偶函数，$b_n$为关于$n$的奇函数。

下面给出与文章开头的图相对应的一个例子。

备注：实际上，$a_n=0$为关于$n$的奇函数，可以直接得出$a_n=0$

1.2 余弦形式的傅里叶级数

备注：辅助角公式：

$$a\sin x+b\cos x=\sqrt{a^2+b^2}\cos (x+\varphi ),\text{ 其中 }\tan \varphi =-a/b$$

由辅助角公式，将傅里叶级数
$$f(t)=\frac{a_0}{2}+\sum _{n=1}^{\infty }{a}_n\cos (n\Omega t)+\sum _{n=1}^{\infty }{b}_n\sin (n\Omega t)$$

$n$次正余弦分量合并，得到：

$$f(t)=\frac{A_0}{2}+\sum _{n=1}^{\infty }{A}_n\cos (n\Omega t+{\phi }_n)$$
其中
$$\{\begin{array}{c}{A}_n=\sqrt{a_n^2+b_n^2}\\ {\phi }_n=-\arctan \frac{b_n}{a_n}\end{array}$$

$$\{\begin{array}{c}{a}_n=A_n\cos {\phi }_n\\ b_n=-A_n\sin {\phi }_n\end{array}$$

2 复指数形式的傅里叶级数

备注：欧拉公式：

$$e^{jx}=\cos x+j\sin x$$

$$\sin x=\frac{e^{jx}-e^{-jx}}{2j}$$

$$\cos x=\frac{e^{jx}+e^{-jx}}{2}$$

三角形式的傅里叶级数含义比较明确，但不太方便我们进行运算，因而将其变换为复指数形式的傅里叶级数。

由欧拉公式可得：

$$f(t)=\frac{A_0}{2}+\sum _{n=1}^{\infty }{A}_n\cos (n\Omega t+{\phi }_n)$$
$$=\frac{A_0}{2}+\sum _{n=1}^{\infty }\frac{A_n}{2}\left[e^{j(n\Omega t+{\phi }_n)}+e^{-j(n\Omega t+{\phi }_n)}\right]$$

$$=\frac{A_0}{2}+\frac{1}{2}\sum _{n=1}^{\infty }{A}_n{e}^{j{\phi }_n}{e}^{jn\Omega t}+\frac{1}{2}\sum _{n=1}^{\infty }{A}_n{e}^{-j{\phi }_n}{e}^{-jn\Omega t}$$

---

对蓝色部分的公式进行参数变换：
$$-n\to n$$
$$A_{-n}=A_n$$
$${\phi }_{-n}\to -{\phi }_n$$
得到：

$$\frac{1}{2}\sum _{n=1}^{\infty }{A}_n{e}^{-j{\phi }_n}{e}^{-jn\Omega t}\to \frac{1}{2}\sum _{n=-1}^{-\infty }{A}_n{e}^{j{\phi }_n}{e}^{jn\Omega t}$$

---

变换后的公式为：

$$f(t)=\frac{1}{2}\sum _{n=-\infty }^{\infty }{A}_n{e}^{j{\phi }_n}{e}^{jn\Omega t}$$

其中${\mathrm{e}}^{jn\Omega t}$为复指数函数， $A_n=\sqrt{a_n^2+b_n^2}$，${\phi }_n=-\arctan \frac{b_n}{a_n}$。

$A_n$为偶函数，${\phi }_n$为奇函数。

令复数$\frac{1}{2}{A}_n{e}^{j{\phi }_n}=|F_n|e^{j{\phi }_n}=F_n$，称$F_n$为复傅里叶系数，简称傅里叶系数。

得到指数形式的傅里叶级数：

$$f(t)=\sum _{n=-\infty }^{\infty }{F}_n{e}^{jn\Omega t}$$
表明：任意周期函数$f(t)$可分解为许多不同频率的虚指数函数之和。 $F_n$是频率为$n\Omega$的分量的系数，$F_0=A_0/2$为直流分量。

复傅里叶系数$F_n$的求解公式：
$$F_n=\frac{1}{2}{A}_n{e}^{j{\phi }_n}=\frac{1}{2}(A_n\cos {\phi }_n+j{A}_n\sin {\phi }_n)=\frac{1}{2}(a_n-j{b}_n)$$
$$=\frac{1}{T}{\int }_{-\frac{T}{2}}^{\frac{T}{2}}f(t)\cos (n\Omega t)dt-j\frac{1}{T}{\int }_{-\frac{T}{2}}^{\frac{T}{2}}f(t)\sin (n\Omega t)dt$$
$$=\frac{1}{T}{\int }_{-\frac{T}{2}}^{\frac{T}{2}}f(t)e^{-jn\Omega t}dt$$

3 三种展开方式关系总结

三角形式的傅里叶级数：

$$f(t)=\frac{a_0}{2}+\sum _{n=1}^{\infty }{a}_n\cos (n\Omega t)+\sum _{n=1}^{\infty }{b}_n\sin (n\Omega t)$$
$$f(t)=\frac{A_0}{2}+\sum _{n=1}^{\infty }{A}_n\cos (n\Omega t+{\phi }_n)$$

$$\{\begin{array}{c}{A}_n=\sqrt{a_n^2+b_n^2}\\ {\phi }_n=-\arctan \frac{b_n}{a_n}\end{array}$$

$$\{\begin{array}{c}{a}_n=A_n\cos {\phi }_n\\ b_n=-A_n\sin {\phi }_n\end{array}$$

指数形式的傅里叶级数：

$$f(t)=\sum _{n=-\infty }^{\infty }{F}_n{e}^{jn\Omega t}$$

$$F_n=|F_n|e^{j{\phi }_n}=\frac{1}{2}{A}_n{e}^{j{\phi }_n}=\frac{1}{2}(A_n\cos {\phi }_n+j{A}_n\sin {\phi }_n)=\frac{1}{2}(a_n-j{b}_n)$$
$$A_n=2|F_n|$$

附 ：狄里赫利(Dirichlet)条件

条件1：在一个周期内，函数连续或只有有限个第一类间断点(间断点左右极限都存在)；

反例（无限个第一类间断点）：

条件2：在一个周期内，函数极大值和极小值的数目应为有限个；

反例：

条件3：在一个周期内，函数绝对可积。

反例：

参考：

国家精品课程：信号与系统 ，中国大学MOOC，郭宝龙，朱娟娟

十分感谢三连支持！最靓的公式送给最靓的你：

$$e^{i\pi }+1=0$$