文章目录
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 π 2\pi 2π的方波函数:
z ( t ) = { − 1 , − π ≤ t < 0 1 , 0 ≤ t < π z(t)=\begin{cases}-1,-\pi\le t\lt 0\\\quad 1,\quad0\le t\lt \pi\end{cases} z(t)={−1,−π≤t<01,0≤t<π
可以展开为三角函数形式的傅里叶级数:
4 π [ sin t + 1 3 sin 3 t + ⋯ + 1 2 n + 1 sin ( 2 n + 1 ) t + ⋯ ] \frac{4}{\pi}\left[\sin t+\frac{1}{3} \sin 3 t+\cdots+\frac{1}{2 n+1} \sin (2 n+1) t+\cdots\right] π4[sint+31sin3t+⋯+2n+11sin(2n+1)t+⋯]
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
V_1
V1与
V
2
V_2
V2正交,即夹角为90°:
那么,这两正交向量的内积为零
V
1
→
⋅
V
2
→
=
∣
V
1
∣
⋅
∣
V
2
∣
cos
9
0
∘
=
0
\overrightarrow{V_{1}}\cdot \overrightarrow{V_{2}}=|V_{1}| \cdot |V_{2}| \cos 90^{\circ}=0
V1⋅V2=∣V1∣⋅∣V2∣cos90∘=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 θ |c_{12}V_{2}|=|V_{1}| \cos \theta ∣c12V2∣=∣V1∣cosθ
得:
c 12 = ∣ V 1 ∣ cos θ ∣ V 2 ∣ = ∣ V 1 ∣ ⋅ ∣ V 2 ∣ cos θ ∣ V 2 ∣ ⋅ V 2 ∣ = V 1 → ⋅ V 2 → V 2 → ⋅ V 2 → 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}}} c12=∣V2∣∣V1∣cosθ=∣V2∣⋅V2∣∣V1∣⋅∣V2∣cosθ=V2⋅V2V1⋅V2
用与 V 2 V_2 V2成比例的向量 c 12 V 2 c_{12}V_2 c12V2近似地表示 V 1 V_1 V1,则误差向量
V e → = V 1 → − c 12 V 2 → \overrightarrow{V_{e}}= \overrightarrow{V_{1}}-c_{12}\overrightarrow{V_{2}} Ve=V1−c12V2
显然,当两向量 V 1 V_1 V1与 V 2 V_2 V2正交时, c 12 = 0 c_{12}=0 c12=0,即 V 1 → ⋅ V 2 → = 0 \overrightarrow{V_{1}}·\overrightarrow{V_{2}}=0 V1⋅V2=0。
(4)向量正交分解:任意
N
N
N维向量可由
N
N
N维正交坐标系表示。
c
1
=
∣
V
∣
cos
θ
1
∣
V
1
∣
=
V
→
⋅
V
→
1
V
1
→
⋅
V
→
1
c_{1}= \frac{|V| \cos \theta _{1}}{|V_{1}|}= \frac{\overrightarrow{V}\cdot \overrightarrow{V}_{1}}{\overrightarrow{V_{1}}\cdot \overrightarrow{V}_{1}}
c1=∣V1∣∣V∣cosθ1=V1⋅V1V⋅V1
c
2
=
∣
V
∣
cos
θ
2
∣
V
2
∣
=
V
→
⋅
V
2
→
V
2
→
⋅
V
2
→
c_{2}= \frac{|V| \cos \theta _{2}}{|V_{2}|}= \frac{\overrightarrow{V}\cdot \overrightarrow{V_{2}}}{\overrightarrow{V_{2}}\cdot \overrightarrow{V_{2}}}
c2=∣V2∣∣V∣cosθ2=V2⋅V2V⋅V2
c
1
=
∣
V
∣
cos
θ
1
∣
V
1
∣
=
V
→
⋅
V
→
1
V
1
→
⋅
V
→
1
c_{1}= \frac{|V| \cos \theta _{1}}{|V_{1}|}= \frac{\overrightarrow{V}\cdot \overrightarrow{V}_{1}}{\overrightarrow{V_{1}}\cdot \overrightarrow{V}_{1}}
c1=∣V1∣∣V∣cosθ1=V1⋅V1V⋅V1
c
2
=
∣
V
∣
cos
θ
2
∣
V
2
∣
=
V
→
⋅
V
2
→
V
2
→
⋅
V
2
→
c_{2}= \frac{|V| \cos \theta _{2}}{|V_{2}|}= \frac{\overrightarrow{V}\cdot \overrightarrow{V_{2}}}{\overrightarrow{V_{2}}\cdot \overrightarrow{V_{2}}}
c2=∣V2∣∣V∣cosθ2=V2⋅V2V⋅V2
c 3 = ∣ V ∣ cos θ 3 ∣ V 3 ∣ = V → ⋅ V 3 → V 3 → ⋅ V 3 → c_{3}= \frac{|V| \cos \theta _{3}}{|V_{3}|}= \frac{\overrightarrow{V}\cdot \overrightarrow{V_{3}}}{\overrightarrow{V_{3}}\cdot \overrightarrow{V_{3}}} c3=∣V3∣∣V∣cosθ3=V3⋅V3V⋅V3
推广到 n n n维空间: n n n维空间的任一向量 V V V,可以精确地表示为 n n n个正交向量的线性组合, 即
V → = c 1 V 1 → + c 2 V 2 → + ⋯ + c r V r → + ⋯ + c n V → n \overrightarrow{V}=c_{1}\overrightarrow{V_{1}}+c_{2}\overrightarrow{V_{2}}+ \cdots +c_{r}\overrightarrow{V_{r}}+ \cdots +c_{n}\overrightarrow{V}_{n} V=c1V1+c2V2+⋯+crVr+⋯+cnVn
式中, V i → ⋅ V j → = 0 ( i ≠ j ) \overrightarrow{V_i}·\overrightarrow{V_j}=0 (i≠j) Vi⋅Vj=0(i=j),第 r r r 个分量的系数
c r = V → ⋅ V r → V r → ⋅ V → r c_{r}= \frac{\overrightarrow{V}\cdot \overrightarrow{V_{r}}}{\overrightarrow{V_{r}}\cdot\overrightarrow{V}_{r}} cr=Vr⋅VrV⋅Vr
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
)
(t_1,t_2)
(t1,t2)区间的两个函数
φ
1
(
t
)
\varphi_1(t)
φ1(t)和
φ
2
(
t
)
\varphi_2(t)
φ2(t),若满足
∫
t
1
t
2
φ
1
(
t
)
φ
2
∗
(
t
)
d
t
=
0
,
∗
表
示
共
轭
\int_{t_{1}}^{t_{2}}\varphi _{1}(t)\varphi _{2}^*(t)dt=0,*表示共轭
∫t1t2φ1(t)φ2∗(t)dt=0,∗表示共轭
即两函数内积为0,则称 φ 1 ( t ) \varphi _{1}(t) φ1(t)和 φ 2 ( t ) \varphi _{2}(t) φ2(t)在区间 ( t 1 , t 2 ) (t_1,t_2) (t1,t2)正交。
备注:实数函数的共轭是其本身。
(2)正交函数集
若
n
n
n个函数
φ
1
(
t
)
,
φ
2
(
t
)
,
.
.
.
,
φ
n
(
t
)
\varphi_{1}(t), \varphi_{2}(t),...,\varphi _{n}(t)
φ1(t),φ2(t),...,φn(t)构成一个函数集,当这些函数在区间
(
t
1
,
t
2
)
(t_1,t_2)
(t1,t2)内满足
∫
t
1
t
2
φ
1
(
t
)
φ
2
∗
(
t
)
d
t
=
{
0
,
i
≠
j
K
i
≠
0
,
i
=
j
\int_{t_{1}}^{t_{2}}\varphi _{1}(t)\varphi _{2}^*(t)dt=\left\{ \begin{matrix} 0, \quad i \neq j \\ K_{i}\neq 0, \quad i=j \\ \end{matrix} \right.
∫t1t2φ1(t)φ2∗(t)dt={0,i=jKi=0,i=j
则称此函数集为区间
(
t
1
,
t
2
)
(t_1,t_2)
(t1,t2)上的正交函数集。
如果 K i = 1 K_i=1 Ki=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
φ
(
t
)
(
≠
0
)
\varphi(t)(\not=0)
φ(t)(=0)满足:
∫
t
1
t
2
φ
(
t
)
φ
i
∗
(
t
)
d
t
=
0
,
(
i
=
1
,
2
,
⋯
,
n
)
\int_{t_{1}}^{t_{2}}\varphi(t)\varphi _{i}^{*}(t)dt=0,(i=1,2, \cdots ,n)
∫t1t2φ(t)φi∗(t)dt=0,(i=1,2,⋯,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 n n个函数 φ 1 ( t ) , φ 2 ( t ) , ⋯ , φ n ( t ) \varphi_{1}(t), \varphi _{2}(t), \cdots , \varphi _{n}(t) φ1(t),φ2(t),⋯,φn(t)在区间 ( t 1 , t 2 ) (t_1,t_2) (t1,t2)构成要给正交函数空间。将任一函数 f ( t ) f(t) f(t)用这个正交函数的线性组合来近似,可表示为:
f ( t ) ≈ C 1 φ 1 ( t ) + C 2 φ 2 ( t ) + ⋯ + C i φ i ( t ) ⋯ + C n φ n ( t ) = ∑ j = 1 n C j φ j ( t ) f(t)\approx C_{1}\varphi _{1}(t)+C_{2}\varphi _{2}(t)+ \cdots +C_{i}\varphi _{i}(t)\cdots +C_{n}\varphi _{n}(t)= \sum _{j=1}^{n}C_{j}\varphi _{j}(t) f(t)≈C1φ1(t)+C2φ2(t)+⋯+Ciφi(t)⋯+Cnφn(t)=j=1∑nCjφj(t)
如何找到合适的系数 C i C_i Ci,使得函数与近似函数的误差在 ( t 1 , t 2 ) (t_1,t_2) (t1,t2)最小呢?
我们可以通过最小化均方误差:
ε
2
‾
=
1
t
2
−
t
1
∫
t
1
t
2
[
f
(
t
)
−
∑
j
=
1
n
C
j
φ
j
(
t
)
]
2
d
t
\overline{\varepsilon ^{2}}= \frac{1}{t_{2}-t_{1}}\int _{t_{1}}^{t_{2}}[ f(t)- \sum _{j=1}^{n}C_{j}\varphi _{j}(t)] ^{2}dt
ε2=t2−t11∫t1t2[f(t)−j=1∑nCjφj(t)]2dt
求系数
C
i
C_i
Ci求偏导并令偏导等于零:
∂
ε
‾
2
∂
C
i
=
∂
∂
C
i
{
1
t
2
−
t
1
∫
t
i
t
i
[
f
(
t
)
−
∑
j
=
1
n
C
j
φ
j
(
t
)
]
2
d
t
}
=
0
\frac{\partial \overline{\varepsilon}^{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}\varphi _{j}(t)] ^{2}dt \right\} =0
∂Ci∂ε2=∂Ci∂{t2−t11∫titi[f(t)−j=1∑nCjφj(t)]2dt}=0
展开被积函数,并求导,只有两项不为0,写为:
∂
∂
C
i
{
1
t
2
−
t
1
∫
t
i
t
[
−
2
C
i
φ
i
∗
(
t
)
f
(
t
)
+
C
i
2
φ
i
(
t
)
φ
i
∗
(
t
)
]
d
t
}
=
0
\frac{\partial}{\partial C_{i}}\left\{ \frac{1}{t_{2}-t_{1}}\int _{t_{i}}^{t}\left[ -2C_{i}\varphi _{i}^{*}(t)f(t)+C_{i}^{2}\varphi _{i}(t)\varphi _{i}^{*}(t)\right] dt \right\} =0
∂Ci∂{t2−t11∫tit[−2Ciφi∗(t)f(t)+Ci2φi(t)φi∗(t)]dt}=0
即:
−
2
∫
t
1
t
2
f
(
t
)
φ
i
∗
(
t
)
d
t
+
2
C
i
∫
t
1
t
2
φ
i
(
t
)
φ
i
∗
(
t
)
d
t
=
0
-2 \int _{t_{1}}^{t_{2}}f(t)\varphi _{i}^{*}(t)dt+2C_{i}\int _{t_{1}}^{t_{2}}\varphi _{i}(t)\varphi _{i}^{*}(t)dt=0
−2∫t1t2f(t)φi∗(t)dt+2Ci∫t1t2φi(t)φi∗(t)dt=0
求得:
C
i
=
∫
t
1
t
2
f
(
t
)
φ
i
∗
(
t
)
d
t
∫
t
1
t
2
φ
i
(
t
)
φ
i
∗
(
t
)
d
t
=
1
K
i
∫
t
1
t
2
f
(
t
)
φ
i
∗
(
t
)
d
t
C_{i}= \frac{\int_{t_1}^{t_{2}}f(t)\varphi _{i}^{*}(t)dt}{\int _{t_1}^{t_{2}}\varphi _{i}(t)\varphi _{i}^{*}(t)dt}= \frac{1}{K_{i}}\int _{t_1}^{t_{2}}f(t)\varphi _{i}^{*}(t)dt
Ci=∫t1t2φi(t)φi∗(t)dt∫t1t2f(t)φi∗(t)dt=Ki1∫t1t2f(t)φi∗(t)dt
可以证明,当所取的项数越多,即 n n n越大时,均方误差越小,当 n → ∞ n\rightarrow \infty n→∞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
φ
1
(
t
)
+
C
2
φ
2
(
t
)
+
⋯
+
C
i
φ
i
(
t
)
+
⋯
=
∑
i
=
1
∞
C
i
φ
i
(
t
)
f(t)=C_{1}\varphi _{1}(t)+C_{2}\varphi _{2}(t)+ \cdots +C_{i}\varphi _{i}(t)+ \cdots = \sum _{i=1}^{\infty}C_{i}\varphi _{i}(t)
f(t)=C1φ1(t)+C2φ2(t)+⋯+Ciφi(t)+⋯=i=1∑∞Ciφi(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
=
∫
t
1
t
2
f
(
t
)
φ
i
∗
(
t
)
d
t
∫
t
1
t
2
φ
i
(
t
)
φ
i
∗
(
t
)
d
t
=
1
K
i
∫
t
1
t
2
f
(
t
)
φ
i
∗
(
t
)
d
t
C_{i}= \frac{\int_{t_1}^{t_{2}}f(t)\varphi _{i}^{*}(t)dt}{\int _{t_1}^{t_{2}}\varphi _{i}(t)\varphi _{i}^{*}(t)dt}= \frac{1}{K_{i}}\int _{t_1}^{t_{2}}f(t)\varphi _{i}^{*}(t)dt
Ci=∫t1t2φi(t)φi∗(t)dt∫t1t2f(t)φi∗(t)dt=Ki1∫t1t2f(t)φi∗(t)dt
备注: ∗ * ∗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 π / Ω ) (t_{0},t_{0}+T)(T=2 \pi / \Omega) (t0,t0+T)(T=2π/Ω)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: { e j n Ω t , n = ± 1 , ± 2 , ⋯ } \left\{e^{jn \Omega t}, n=\pm 1, \pm 2, \cdots \right\} {ejnΩt,n=±1,±2,⋯}
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 φ i ( t ) \varphi_i(t) φi(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
)
f(t)
f(t),其周期为
T
T
T,角频率(基波频率)
Ω
=
2
π
/
T
\Omega=2\pi/T
Ω=2π/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
)
=
a
0
2
+
∑
n
=
1
∞
a
n
cos
(
n
Ω
t
)
+
∑
n
=
1
∞
b
n
sin
(
n
Ω
t
)
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)=2a0+n=1∑∞ancos(nΩt)+n=1∑∞bnsin(nΩt)
系数 a n , b n a_n, b_n an,bn称为傅里叶系数。
由广义傅里叶级数的系数公式:
C i = ∫ t 1 t 2 f ( t ) φ i ∗ ( t ) d t ∫ t 1 t 2 φ i ( t ) φ i ∗ ( t ) d t = 1 K i ∫ t 1 t 2 f ( t ) φ i ∗ ( t ) d t C_{i}= \frac{\int_{t_1}^{t_{2}}f(t)\varphi _{i}^{*}(t)dt}{\int _{t_1}^{t_{2}}\varphi _{i}(t)\varphi _{i}^{*}(t)dt}= \frac{1}{K_{i}}\int _{t_1}^{t_{2}}f(t)\varphi _{i}^{*}(t)dt Ci=∫t1t2φi(t)φi∗(t)dt∫t1t2f(t)φi∗(t)dt=Ki1∫t1t2f(t)φi∗(t)dt
可以求得 a n , b n a_n,b_n an,bn。
(1)求 K i K_i Ki
对于正交函数集中的1(实际上是
cos
(
0
Ω
t
)
=
1
\cos(0\Omega t)=1
cos(0Ωt)=1):
K
i
=
∫
−
T
2
T
2
1
×
1
d
t
=
T
K_i=\int _{-\frac{T}{2}}^{\frac{T}{2}}1\times 1dt=T
Ki=∫−2T2T1×1dt=T
备注:半角公式: sin 2 x 2 = 1 − cos x 2 \sin ^{2} \frac{x}{2}=\frac{1-\cos x}{2} sin22x=21−cosx; cos 2 x 2 = 1 + cos x 2 \quad \cos ^{2} \frac{x}{2}=\frac{1+\cos x}{2} cos22x=21+cosx
对于正交函数集中的余弦 cos ( n Ω t ) \cos(n \Omega t) cos(nΩt),由半角公式可得:
K i = ∫ − T 2 T 2 cos ( n Ω t ) ⋅ cos ( n Ω t ) d t = ∫ − T 2 T 2 1 + cos ( 2 n Ω t ) 2 d t = T / 2 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 Ki=∫−2T2Tcos(nΩt)⋅cos(nΩt)dt=∫−2T2T21+cos(2nΩt)dt=T/2
同理,对于正交函数集中的正弦 sin ( n Ω t ) \sin(n \Omega t) sin(nΩt):
K i = ∫ − T 2 T 2 sin ( n Ω t ) ⋅ sin ( n Ω t ) d t = ∫ − T 2 T 2 1 − cos ( 2 n Ω t ) 2 d t = T / 2 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 Ki=∫−2T2Tsin(nΩt)⋅sin(nΩt)dt=∫−2T2T21−cos(2nΩt)dt=T/2
(2)得到系数:
a
0
2
=
1
T
∫
−
T
2
T
2
f
(
t
)
d
t
\frac{a_{0}}{2}= \frac{1}{T}\int _{- \frac{T}{2}}^{\frac{T}{2}}f(t)dt
2a0=T1∫−2T2Tf(t)dt
备注:写成
a
0
2
\frac{a_{0}}{2}
2a0是为了使得
a
0
a_0
a0可以并入
a
n
a_n
an的表达式,因为1对应的
K
i
K_i
Ki与其他不同。
a
n
=
2
T
∫
−
T
2
T
2
f
(
t
)
cos
(
n
Ω
t
)
d
t
a_{n}= \frac{2}{T}\int _{- \frac{T}{2}}^{\frac{T}{2}}f(t)\cos(n \Omega t)dt
an=T2∫−2T2Tf(t)cos(nΩt)dt
b
n
=
2
T
∫
T
2
T
2
f
(
t
)
sin
(
n
Ω
t
)
d
t
b_{n}= \frac{2}{T}\int _{\frac{T}{2}}^{\frac{T}{2}}f(t)\sin(n \Omega t)dt
bn=T2∫2T2Tf(t)sin(nΩt)dt
备注:积分区间不一定要 [ − T 2 , T 2 ] [-\frac{T}{2},\frac{T}{2}] [−2T,2T],只要是个整周期区间就行,比如 [ 0 , T ] [0,T] [0,T]
备注: a n a_n an为关于 n n n的偶函数, b n b_n bn为关于 n n 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 a_n=0 an=0为关于 n n n的奇函数,可以直接得出 a n = 0 a_n=0 an=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 = a 2 + b 2 cos ( x + ϕ ) , 其中 tan ϕ = − a / b a\sin x+b\cos x=\sqrt{a^2+b^2} \cos ({x}+\phi), \quad \text { 其中 } \tan \phi=-a / b asinx+bcosx=a2+b2cos(x+ϕ), 其中 tanϕ=−a/b
由辅助角公式,将傅里叶级数
f
(
t
)
=
a
0
2
+
∑
n
=
1
∞
a
n
cos
(
n
Ω
t
)
+
∑
n
=
1
∞
b
n
sin
(
n
Ω
t
)
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)=2a0+n=1∑∞ancos(nΩt)+n=1∑∞bnsin(nΩt)
n n n次正余弦分量合并,得到:
f
(
t
)
=
A
0
2
+
∑
n
=
1
∞
A
n
cos
(
n
Ω
t
+
φ
n
)
f(t)= \frac{A_{0}}{2}+ \sum _{n=1}^{\infty}A_{n}\cos(n \Omega t+ \varphi _{n})
f(t)=2A0+n=1∑∞Ancos(nΩt+φn)
其中
{
A
n
=
a
n
2
+
b
n
2
φ
n
=
−
arctan
b
n
a
n
\left\{ \begin{matrix} A_{n}= \sqrt{a_{n}^{2}+b_{n}^{2}}\\ \varphi _{n}=- \arctan \frac{b_{n}}{a_{n}}\\ \end{matrix} \right.
{An=an2+bn2φn=−arctananbn
{ a n = A n cos φ n b n = − A n sin φ n \left\{ \begin{matrix} a_{n}=A_{n}\cos \varphi _{n}\\ b_{n}=-A_{n}\sin \varphi _{n}\\ \end{matrix} \right. {an=Ancosφnbn=−Ansinφn
2 复指数形式的傅里叶级数
备注:欧拉公式:
e j x = cos x + j sin x e^{jx}=\cos x+j\sin x ejx=cosx+jsinx
sin x = e j x − e − j x 2 j \sin x=\frac{e^{jx}-e^{-jx}}{2j} sinx=2jejx−e−jx
cos x = e j x + e − j x 2 \cos x=\frac{e^{jx}+e^{-jx}}{2} cosx=2ejx+e−jx
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
)
=
A
0
2
+
∑
n
=
1
∞
A
n
cos
(
n
Ω
t
+
φ
n
)
f(t)= \frac{A_{0}}{2}+ \sum _{n=1}^{\infty}A_{n}\cos(n \Omega t+ \varphi _{n})
f(t)=2A0+n=1∑∞Ancos(nΩt+φn)
=
A
0
2
+
∑
n
=
1
∞
A
n
2
[
e
j
(
n
Ω
t
+
φ
n
)
+
e
−
j
(
n
Ω
t
+
φ
n
)
]
= \frac{A_{0}}{2}+ \sum _{n=1}^{\infty}\frac{A_{n}}{2}\left[ e^{j(n \Omega t+ \varphi _{n})}+e^{-j(n \Omega t+ \varphi _{n})}\right]
=2A0+n=1∑∞2An[ej(nΩt+φn)+e−j(nΩt+φn)]
= A 0 2 + 1 2 ∑ n = 1 ∞ A n e j φ n e j n Ω t + 1 2 ∑ n = 1 ∞ A n e − j φ n e − j n Ω t = \frac{A_{0}}{2}+ \frac{1}{2}\sum _{n=1}^{\infty}A_{n}e^{j \varphi _{n}}e^{jn\Omega t}+\textcolor{blue}{ \frac{1}{2}\sum _{n=1}^{\infty}A_{n}e^{-j \varphi _{n}}e^{-jn\Omega t}} =2A0+21n=1∑∞AnejφnejnΩt+21n=1∑∞Ane−jφne−jnΩt
对蓝色部分的公式进行参数变换:
−
n
→
n
-n\rightarrow n
−n→n
A
−
n
=
A
n
A_{-n}=A_n
A−n=An
φ
−
n
→
−
φ
n
\varphi_{-n}\rightarrow -\varphi_n
φ−n→−φn
得到:
1 2 ∑ n = 1 ∞ A n e − j φ n e − j n Ω t → 1 2 ∑ n = − 1 − ∞ A n e j φ n e j n Ω t \frac{1}{2}\sum _{n=1}^{\infty}A_{n}e^{-j \varphi _{n}}e^{-jn\Omega t}\rightarrow \textcolor{blue}{\frac{1}{2}\sum _{n=-1}^{-\infty}A_{n}e^{j \varphi _{n}}e^{jn\Omega t}} 21n=1∑∞Ane−jφne−jnΩt→21n=−1∑−∞AnejφnejnΩt
变换后的公式为:
f ( t ) = 1 2 ∑ n = − ∞ ∞ A n e j φ n e j n Ω t f(t)= \frac{1}{2}\sum _{n=- \infty}^{\infty}A_{n}e^{j \varphi _{n}}e^{jn \Omega t} f(t)=21n=−∞∑∞AnejφnejnΩt
其中 e j n Ω t \mathrm{e}^{j n \Omega t} ejnΩt为复指数函数, A n = a n 2 + b n 2 A_{n}= \sqrt{a_{n}^{2}+b_{n}^{2}} An=an2+bn2, φ n = − arctan b n a n \varphi _{n}=- \arctan \frac{b_{n}}{a_{n}} φn=−arctananbn。
A n A_n An为偶函数, φ n \varphi_n φn为奇函数。
令复数 1 2 A n e j φ n = ∣ F n ∣ e j φ n = F n \frac{1}{2}A_{n}e^{j \varphi _{n}}=|F_{n}|e^{j \varphi _{n}}=F_{n} 21Anejφn=∣Fn∣ejφn=Fn,称 F n F_n Fn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
)
=
∑
n
=
−
∞
∞
F
n
e
j
n
Ω
t
f(t)= \sum _{n=- \infty}^{\infty}F_{n}e^{jn \Omega t}
f(t)=n=−∞∑∞FnejnΩt
表明:任意周期函数
f
(
t
)
f(t)
f(t)可分解为许多不同频率的虚指数函数之和。
F
n
F_n
Fn是频率为
n
Ω
nΩ
nΩ的分量的系数,
F
0
=
A
0
/
2
F_0= A_0/2
F0=A0/2为直流分量。
复傅里叶系数
F
n
F_n
Fn的求解公式:
F
n
=
1
2
A
n
e
j
φ
n
=
1
2
(
A
n
cos
φ
n
+
j
A
n
sin
φ
n
)
=
1
2
(
a
n
−
j
b
n
)
F_{n}= \frac{1}{2}A_{n}e^{j \varphi _{n}}= \frac{1}{2}(A_{n}\cos \varphi _{n}+jA_{n}\sin \varphi _{n})= \frac{1}{2}(a_{n}-jb_{n})
Fn=21Anejφn=21(Ancosφn+jAnsinφn)=21(an−jbn)
=
1
T
∫
−
T
2
T
2
f
(
t
)
cos
(
n
Ω
t
)
d
t
−
j
1
T
∫
−
T
2
T
2
f
(
t
)
sin
(
n
Ω
t
)
d
t
= \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
=T1∫−2T2Tf(t)cos(nΩt)dt−jT1∫−2T2Tf(t)sin(nΩt)dt
=
1
T
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
Ω
t
d
t
= \textcolor{blue}{\frac{1}{T}\int _{-\frac{T}{2}}^{\frac{T}{2}}f(t)e^{-jn\Omega t}dt}
=T1∫−2T2Tf(t)e−jnΩtdt
3 三种展开方式关系总结
三角形式的傅里叶级数:
f
(
t
)
=
a
0
2
+
∑
n
=
1
∞
a
n
cos
(
n
Ω
t
)
+
∑
n
=
1
∞
b
n
sin
(
n
Ω
t
)
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)=2a0+n=1∑∞ancos(nΩt)+n=1∑∞bnsin(nΩt)
f
(
t
)
=
A
0
2
+
∑
n
=
1
∞
A
n
cos
(
n
Ω
t
+
φ
n
)
f(t)= \frac{A_{0}}{2}+ \sum _{n=1}^{\infty}A_{n}\cos(n \Omega t+ \varphi _{n})
f(t)=2A0+n=1∑∞Ancos(nΩt+φn)
{ A n = a n 2 + b n 2 φ n = − arctan b n a n \left\{ \begin{matrix} A_{n}= \sqrt{a_{n}^{2}+b_{n}^{2}}\\ \varphi _{n}=- \arctan \frac{b_{n}}{a_{n}}\\ \end{matrix} \right. {An=an2+bn2φn=−arctananbn
{ a n = A n cos φ n b n = − A n sin φ n \left\{ \begin{matrix} a_{n}=A_{n}\cos \varphi _{n}\\ b_{n}=-A_{n}\sin \varphi _{n}\\ \end{matrix} \right. {an=Ancosφnbn=−Ansinφn
指数形式的傅里叶级数:
f ( t ) = ∑ n = − ∞ ∞ F n e j n Ω t f(t)= \sum _{n=- \infty}^{\infty}F_{n}e^{jn \Omega t} f(t)=n=−∞∑∞FnejnΩt
F
n
=
∣
F
n
∣
e
j
φ
n
=
1
2
A
n
e
j
φ
n
=
1
2
(
A
n
cos
φ
n
+
j
A
n
sin
φ
n
)
=
1
2
(
a
n
−
j
b
n
)
F_{n}=|F_{n}|e^{j \varphi _{n}}= \frac{1}{2}A_{n}e^{j \varphi _{n}}= \frac{1}{2}(A_{n}\cos \varphi _{n}+jA_{n}\sin \varphi _{n})= \frac{1}{2}(a_{n}-jb_{n})
Fn=∣Fn∣ejφn=21Anejφn=21(Ancosφn+jAnsinφn)=21(an−jbn)
A
n
=
2
∣
F
n
∣
A_n=2|F_n|
An=2∣Fn∣
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 π + 1 = 0 e^{i\pi}+1=0 eiπ+1=0