傅里叶分析公式推导(最简单的傅里叶级数和傅里叶变换)

终于有机会可以把傅里叶分析推导一遍了。其实我对傅里叶变换一直停留在认识层面,今天就要好好梳理一下,为什么这么多人要用它来处理信号,它到底有什么魔力。

好,那我们就从傅里叶级数开始吧。

一、周期信号 x ( t ) x(t) x(t)

傅里叶级数公式: x ( t ) = ∑ k = − ∞ + ∞ a k e j k w 0 t              ( 1 ) x(t) = \sum\limits_{k = - \infty }^{ + \infty } {{a_k}{e^{jk{w_0}t}}} \;\;\;\;\;\; (1) x(t)=k=+akejkw0t1
为什么上述公式需要用 e j k w 0 t {e^{jk{w_0}t}} ejkw0t而不用其他呢?
e j k w 0 t = cos ⁡ ( k w 0 t ) + j sin ⁡ ( k w 0 t ) {e^{jk{w_0}t}}={\cos (k{w_0}t) + j\sin (k{w_0}t)} ejkw0t=cos(kw0t)+jsin(kw0t) 是由不同频率的正弦函数构成的。在自然界中,正弦是最普遍的现象,且易于表达和计算,所以首选是正弦函数。**傅里叶分析的基本思想是想将所有任意复杂的函数,都通用的表示为一组谐波相关的复指数。**对 e j k w 0 t {e^{jk{w_0}t}} ejkw0t在一个周期内进行积分,可以得到
∫ T 0 e j k w 0 t d t = ∫ T 0 ( cos ⁡ ( k w 0 t ) + j sin ⁡ ( k w 0 t ) ) d t = { T 0            k = 0 0                k ≠ 0 \int_{{T_0}} {{e^{jk{w_0}t}}dt = \int_{{T_0}} {(\cos (k{w_0}t) + j\sin (k{w_0}t)} )dt = \left\{ \begin{array}{l} {T_0}\;\;\;\;\;k = 0\\ 0\;\;\;\;\;\;\;k \ne 0 \end{array} \right.} T0ejkw0tdt=T0(cos(kw0t)+jsin(kw0t))dt={T0k=00k=0
积分结果非常的简单。
所以,在傅里叶级数中,只需要求出系数 a k a_k ak就可以了
对于周期函数,
∫ T 0 x ( t ) e − j n w 0 t d t = ∫ T 0 e − j n w 0 t ∑ k = − ∞ + ∞ a k e j k w 0 t d t                                                        = ∑ k = − ∞ + ∞ a k ∫ T 0 e j ( k − n ) w 0 t d t                                                           = { a k T 0            k = n 0                k ≠ n \begin{array}{l} \int_{{T_0}} {x(t){e^{ - jn{w_0}t}}dt} = \int_{{T_0}} {{e^{ - jn{w_0}t}}\sum\limits_{k = - \infty }^{ + \infty } {{a_k}{e^{jk{w_0}t}}} } dt \\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; = \sum\limits_{k = - \infty }^{ + \infty } {{a_k}\int_{{T_0}} {{e^{j(k - n){w_0}t}}} dt} \; \\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;= \left\{ \begin{array}{l} {a_k}{T_0}\;\;\;\;\;k = n\\ 0\;\;\;\;\;\;\;k \ne n \end{array} \right. \end{array} T0x(t)ejnw0tdt=T0ejnw0tk=+akejkw0tdt=k=+akT0ej(kn)w0tdt={akT0k=n0k=n
⇒ a n = 1 T 0 ∫ T 0 x ( t ) e − j n w 0 t d t \Rightarrow {a_n} = \frac{1}{{{T_0}}}\int_{{T_0}} {x(t){e^{ - jn{w_0}t}}dt} an=T01T0x(t)ejnw0tdt

由于计算机无法处理无限长的函数,所以要进行截断。
现要处理非周期函数,利用上面周期函数得到的结论进行进一步的推导。

定义部分时间函数:
x N ( t ) = ∑ k = − N N a k e j k w 0 t {x_N}(t) = \sum\limits_{k = - N}^N {{a_k}{e^{jk{w_0}t}}} xN(t)=k=NNakejkw0t
N → ∞ N \to \infty N时, x N ( t ) {x_N}(t) xN(t)是否和 x ( t ) x(t) x(t)一致。这里引出狄利赫里条件,即
①在一个周期内,间断点数目有限,且为第一类间断点;
②在一个周期内,极大值极小值数目有限;
③在一个周期内,信号能量有限。
所以说,信号在每个连续点上都可以和 x ( t ) x(t) x(t)一致。在不连续点处,会有误差,这是吉布斯效应,如下图所示。
在这里插入图片描述

二、非周期信号 x ( t ) x(t) x(t)

在这里插入图片描述
T 0 T_0 T0为周期,将它复制成周期信号 x ~ ( t ) \tilde x(t) x~(t) x ~ ( t ) = x ( t ) , ∣ t ∣ < T 0 2 \tilde{x}(t)=x(t),|t|<\frac{T_{0}}{2} x~(t)=x(t),t<2T0。随着 T 0 T_0 T0趋近于无穷,周期信号会变成非周期信号,即 x ~ ( t ) = x ( t ) \tilde x(t)=x(t) x~(t)=x(t),两者可以相互转换,为下面的推导打下了基础。
对于周期信号 x ~ ( t ) \tilde x(t) x~(t)来说,根据公式(1)可以得到
x ~ ( t ) = ∑ k = − ∞ + ∞ a k e j k w 0 t                    ( 2 ) \tilde x(t) = \sum\limits_{k = - \infty }^{ + \infty } {{a_k}{e^{jk{w_0}t}}}\;\;\;\;\;\;\;\;\;(2) x~(t)=k=+akejkw0t2
那么, a k = 1 T 0 ∫ − T 0 / 2 T 0 / 2 x ~ ( t ) e − j k w 0 t d t {a_k} = \frac{1}{{{T_0}}}\int_{ - {T_0}/2}^{{T_0}/2} {\tilde x(t){e^{ - jk{w_0}t}}dt} ak=T01T0/2T0/2x~(t)ejkw0tdt
即,当 T 0 → ∞ {T_0} \to \infty T0时, a k = 1 T 0 ∫ − ∞ ∞ x ( t ) e − j k w 0 t d t {a_k} = \frac{1}{{{T_0}}}\int_{ - \infty }^\infty {x(t){e^{ - jk{w_0}t}}dt} ak=T01x(t)ejkw0tdt

定义傅里叶变换: X ( w ) = ∫ − ∞ ∞ x ( t ) e − j w t d t ⇒ X ( w ) = T 0 a k ( w = k w 0 ) X(w) = \int_{ - \infty }^\infty {x(t){e^{ - jwt}}dt} \Rightarrow X(w)= T_0a_k (w = k{w_0}) X(w)=x(t)ejwtdtX(w)=T0ak(w=kw0)
那么, a k = 1 T 0 X ( w ) {a_k}=\frac{1}{T_0}X(w) ak=T01X(w)。将该式带入式(2)得,
x ~ ( t ) = ∑ k = − ∞ + ∞ a k e j k w 0 t                  = ∑ k = − ∞ + ∞ 1 T 0 X ( k w 0 ) e j k w 0 t                  = ∑ k = − ∞ + ∞ w 0 2 π X ( k w 0 ) e j k w 0 t \begin{array}{l} \tilde x(t) = \sum\limits_{k = - \infty }^{ + \infty } {{a_k}{e^{jk{w_0}t}}} \\\;\;\;\;\;\;\;\;{\rm{ = }}\sum\limits_{k = - \infty }^{ + \infty } {\frac{1}{{{T_0}}}X(k{w_0}){e^{jk{w_0}t}}} \\\;\;\;\;\;\;\;\; = \sum\limits_{k = - \infty }^{ + \infty }\frac{{w_0}}{{2\pi }} {X(k{w_0}){e^{jk{w_0}t}}} \end{array} x~(t)=k=+akejkw0t=k=+T01X(kw0)ejkw0t=k=+2πw0X(kw0)ejkw0t

T 0 → ∞ ⇒ w 0 → 0 , w 0 → d w , ∑ → ∫ , x ~ ( t ) → x ( t ) {T_0} \to \infty \Rightarrow {w_0} \to 0,{w_0} \to dw,\sum {} \to \int {},\tilde x(t) \to x(t) T0w00,w0dw,,x~(t)x(t)( w w w变得很小,频域就变成函数了)
所以, x ( t ) = 1 2 π ∫ − ∞ + ∞ X ( w ) e j w t d w x(t) = \frac{1}{{2\pi }}\int_{ - \infty }^{ + \infty } {X(w){e^{jwt}}dw} x(t)=2π1+X(w)ejwtdw

综上所述,
傅里叶级数:
a k = 1 T 0 ∫ T 0 x ( t ) e − j k w 0 t d t {a_k} = \frac{1}{{{T_0}}}\int_{{T_0}} {x(t){e^{ - jk{w_0}t}}dt} ak=T01T0x(t)ejkw0tdt
x ( t ) = ∑ k = − ∞ + ∞ a k e j k w 0 t x(t) = \sum\limits_{k = - \infty }^{ + \infty } {{a_k}{e^{jk{w_0}t}}} x(t)=k=+akejkw0t

傅里叶变换:
X ( w ) = ∫ − ∞ ∞ x ( t ) e − j w t d t X(w) = \int_{ - \infty }^\infty {x(t){e^{ - jwt}}dt} X(w)=x(t)ejwtdt
x ( t ) = 1 2 π ∫ − ∞ + ∞ X ( w ) e j w t d w x(t) = \frac{1}{{2\pi }}\int_{ - \infty }^{ + \infty } {X(w){e^{jwt}}dw} x(t)=2π1+X(w)ejwtdw

(PS:什么是频域?它是一种坐标系,只不过其空间中只有正弦函数。是构造出来的非真实空间。整正弦波是对频域的描述。因为任何时域波形都可以用正弦波表示。)

  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
傅里叶变换推导过程可以通过以下步骤来理解: 1. 傅里叶变换认为一个周期函数(信号)可以通过多个周期函数(基函数)相加而合成,其中基函数是一组特殊的函数(三角函数)作为正交基。这样,任意函数(信号)f(t)可以表示为基函数的线性组合。 2. 傅里叶变换的目的是将时域上的信号转换为频域上的信号。在频域中,我们可以更简单地处理一些在时域中不易处理的问题。 3. 傅里叶变换公式可以通过将周期函数的展开系数Ck除以周期T来得到。当T趋近于无穷时,频谱间隔越来越近,最终频谱变为连续的。 4. 为了得到傅里叶变换的结果,我们可以将一个非周期函数看作是一个周期函数的一部分。然而,当T趋近于无穷时,展开系数Ck会趋向于零,使得整个傅里叶系数公式失去意义。 5. 为了解决这个问题,我们可以从另一个角度来看待傅里叶变换。我们将展开系数Ck除以周期T的部分去掉,得到一个关于k/T的函数gf(k/T)。当T趋近于无穷时,k/T这个离散变量之间越来越趋近,函数gf(k/T)就从离散的变为连续的。 6. 我们将k/T连续变量设为s,这样关于f(t)的傅里叶级数可以看作是无数个连续的gf(s)e^2πist的累加和。乘以1/T并将累加和转换为积分,最终得到了傅里叶变换公式傅里叶变换公式推导过程可以总结为:将周期函数展开为基函数的线性组合,将展开系数除以周期T得到关于k/T的函数,当T趋近于无穷时,函数从离散的变为连续的,将离散变量k/T设为s,得到无数个连续的gf(s)e^2πist的累加和,乘以1/T并将累加和转换为积分,最终得到傅里叶变换公式

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值