绘制下面信号的波形图,给出N=10、N=100、N=500合成波形以及展开成傅里叶三角级数之前的波形。
在这个表达式中,ω0 是基波频率。为了绘制波形,选择一个特定的 ω0(比如 2π,这样 ω0t 就是角频率),然后对于不同的 N 值(10, 100, 500),计算合成波形。
首先,绘制原始信号的波形,即没有展开成傅里叶三角级数之前的波形。在这种情况下,信号简化为 cos(ω0t)。然后,我们将绘制 N=10、N=100、和 N=500 时的合成波形图。
设置 ω0=2π,并在一个周期内绘制这些波形。
源代码:
import numpy as np
import matplotlib.pyplot as plt
# 设置matplotlib以使用支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
def fourier_series_approximation(t, w0, N):
"""计算傅里叶级数的近似值"""
x_t = np.zeros_like(t)
for n in range(1, N + 1):
x_t += (1/n) * np.sin(n * np.pi / 2) * np.cos(n * w0 * t)
return x_t
# 设置基波频率和时间范围
w0 = 2 * np.pi
t = np.linspace(0, 1, 1000) # 在一个周期内均匀分布的时间点
# 原始信号(未展开为傅里叶级数前的信号)
x_original = np.cos(w0 * t)
# 不同N值的合成波形
N_values = [10, 100, 500]
x_approximations = [fourier_series_approximation(t, w0, N) for N in N_values]
# 绘制波形图
plt.figure(figsize=(12, 8))
plt.subplot(2, 2, 1)
plt.plot(t, x_original, label='原始信号')
plt.title('原始信号(未展开为傅里叶级数)')
plt.xlabel('时间')
plt.ylabel('振幅')
for i, N in enumerate(N_values):
plt.subplot(2, 2, i + 2)
plt.plot(t, x_approximations[i], label=f'N = {N}')
plt.title(f'傅里叶级数近似(N = {N})')
plt.xlabel('时间')
plt.ylabel('振幅')
plt.tight_layout()
plt.show()
运行结果:
在这些波形图中,可以看到:
- 第一个图展示了原始信号 )x(t)=cos(ω0t) 在一个周期内的波形,这是在没有将其展开成傅里叶三角级数之前的情况。
- 接下来的三个图分别显示了N=10,N=100,和 N=500 时的傅里叶级数近似波形。随着N 的增加,我们可以看到近似波形逐渐接近原始信号的形状。