zoukankan      html  css  js  c++  java
  • 连续时间傅里叶变换

    1. 非周期信号的表示:连续时间傅里叶变换

    为了对傅里叶变换的实质进行更深入的了解,我们先从一个连续时间周期方波的傅里叶级数表示着手。即,在一个周期内

    [x(t) = egin{cases} 1, & ext |t| < T_1 \ 0, & ext T_1 < |t| < T/2 end{cases}]

    以周期 (T) 周期重复,如下图所示。

    该方波信号的傅里叶级数系数 (a_k)

    [ ag{1}a_k = frac{2sin(komega_0T_1)}{komega_0T} ]

    式中 (omega_0 = 2pi/T)

    理解(1) 式的另一种方式是把它当作一个包络函数的样本,即

    [ ag{2}Ta_k = frac{2sinomega T_1}{omega}lvert _{omega=komega_0} ]

    这就是,若将 (omega) 看作一个连续变量,则函数 $ {(2sinomega T_1)}/{omega}$ 就代表 (Ta_k) 的包络,这些系数就是在此包络上等间隔取得的样本。而且,若 (T_1) 固定,则 (Ta_k) 的包络就与 (T) 无关,如下图所示。

    从该图可以看出,随着 (T) 增加,该包络就被以愈来愈密集的间隔采样。随着 (T) 变得任意大,原来的周期方波就趋近于一个矩形脉冲(也就是说,在时域保留下的是一个非周期信号,它对应于原方波的一个周期)。

    与此同时,傅里叶级数(乘以 (T) 后)作为包络上的样本也变得愈来愈密集,这从某种意义上来说,随着 (T o infty),傅里叶级数就趋近于这个包络函数。

    这个例子说明了对非周期信号建立傅里叶表示的基本思想,可以把非周期信号当作一个周期任意大的极限来看待

    现在我们来考虑一个信号 (x(t)),它具有有限持续期 (2T_1),从这个周期信号出发,可以构成一个周期信号 ( ilde x(t)),使 (x(t)) 就是 ( ilde x(t)) 的一个周期。当把 (T) 选的比较大时,(x(t)) 就在一个更长的时段上与 ( ilde x(t)) 相一致,并且随着 (T o infty),对任意有限时间值 (t) 而言,( ilde x(t)) 就等于 (x(t))

    在这种情况下,我们考虑将 ( ilde x(t)) 表示成傅里叶级数,将积分区间选为 (-T/2 leqslant t leqslant T/2)

    [ ag{3} ilde x(t) = sum_{k=-infty}^{+infty}a_ke^{jkomega_0t} ]

    [ ag{4}a_k = frac{1}{T}int_{-frac{T}{2}}^{frac{T}{2}} ilde x(t)e^{-jkomega_0t}dt ]

    式中 (omega_0=2pi / T),由于在 (|t|< T/2) 内,( ilde x(t)=x(t)),而在其余地方,(x(t)=0),所以(4)式可以重新写为

    [ ag{5}a_k = frac{1}{T}int_{-frac{T}{2}}^{frac{T}{2}}x(t)e^{-jkomega_0t}dt=frac{1}{T}int_{-infty}^{+infty}x(t)e^{-jkomega_0t}dt ]

    因此,定义 (Ta_k) 的包络 (X(jomega))

    [ ag{6}X(jomega)=int_{-infty}^{+infty}x(t)e^{-jomega t}dt ]

    这时候,系数 (a_k) 可以写为

    [ ag{7}a_k = frac{1}{T}X(jkomega_0) ]

    将(3) 和 (7)结合在一起,( ilde x(t)) 就可以用表示为

    [ ag{8} ilde x(t) = sum_{k=-infty}^{+infty} frac{1}{T}X(jkomega_0)e^{jkomega_0t} = frac{1}{2pi}sum_{k=-infty}^{+infty} X(jkomega_0)e^{jkomega_0t}omega_0 ]

    随着 (T o infty)( ilde x(t)) 趋近于 (x(t)),式(8)的极限就变成 (x(t)) 的表达式。再者,当 (T o infty) 时,有 (omega_0 o 0),式(8)的右边就过渡为一个积分。

    右边的每一项都可以看作是高度为 (X(jkomega_0)e^{jkomega_0t}) 宽度为 (omega_0) 的矩形的面积。式(8)和式(6)就分别变成

    [ ag{9}oxed{ x(t)=frac{1}{2pi}int_{-infty}^{+infty} X(jomega)e^{jomega t}domega} ]

    [ ag{10}oxed{X(jomega)=int_{-infty}^{+infty}x(t)e^{-jomega t}dt} ]

    (9)式和 (10)式被称为傅里叶变换对。函数 (X(jomega)) 称为 (X(t))傅里叶变换或傅里叶积分,也通常被称为频谱,而 (9)式称为傅里叶反变换式

    • 例 1

    • 例 2

    sinc 函数通常所用的形式为

    [ ag{11} sinc( heta)=frac{sinpi heta}{pi heta} ]

    2. 周期信号的傅里叶变换

    考虑一个信号 (x(t)),其傅里叶变换 (X(jomega)) 是一个面积为 (2pi),出现在 (omega = omega_0)处的单独的一个冲激,即

    [ ag{12} X(jomega) = 2pidelta(omega-omega_0) ]

    为了求出与 (X(jomega)) 对应的 (x(t)),可以应用式(9)的反变换公式得到

    [ ag{13}x(t)=frac{1}{2pi}int_{-infty}^{+infty} 2pidelta(omega-omega_0)e^{jomega t}domega=e^{jomega_0 t} ]

    将上面的结果再加以推广,如果 (X(jomega)) 是在频率上等间隔的一组冲激函数的线性组合,即

    [ ag{14} X(jomega) = sum_{k=-infty}^{+infty}2pi a_kdelta(omega-komega_0) ]

    那么利用式(9),可得

    [ ag{15} x(t) = sum_{k=-infty}^{+infty}a_ke^{jkomega_0 t} ]

    可以看出,式(15)就是一个周期信号所给出的傅里叶级数表示。因此,一个傅里叶级数系数为 ({a_k}) 的周期信号的傅里叶变换,可以看成是出现在成谐波关系的频率上的一串冲激函数,发生于第 (k) 次谐波频率 (komega_0) 上的冲激函数的面积是第 (k) 个傅里叶级数系数 (a_k)({2pi}) 倍。

    3. 连续时间傅里叶变换性质

    为了方便,我们将 (x(t))(X(jomega)) 这一对傅里叶变换用下列符号表示

    [x(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X(jomega) ]

    3.1. 线性

    [x(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X(jomega) ]

    [y(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} Y(jomega) ]

    [ ag{16} oxed{ ax(t)+by(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} aX(jomega)+bY(jomega)} ]

    3.2. 时移性质

    [x(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X(jomega) ]

    [ ag{17} oxed{ x(t-t_0) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} e^{-jomega t_0}X(jomega)} ]

    这个性质说明:信号在时间上移位,并不改变它的傅里叶变换的模。

    3.3. 共轭及共轭对称性

    [x(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X(jomega) ]

    [ ag{18} oxed{ x^*(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X^*(-jomega)} ]

    共轭性质就能证明,若 (x(t)) 为实函数,那么 (X(jomega)) 就具有共轭对称性,即

    [ ag{19} oxed{ X(-jomega) = X^*(jomega) qquad [x(t) 为实]} ]

    这就是说,傅里叶变换的实部是频率的偶函数,而虚部则是频率的奇函数

    3.4. 微分和积分

    [ ag{20} oxed{ frac{dx(t)}{dt} overset{{displaystyle {mathcal {F}}}}{leftrightarrow} jomega X(jomega)} ]

    [ ag{21} oxed{ int_{-infty}^{t}x( au)d au overset{{displaystyle {mathcal {F}}}}{leftrightarrow} frac{1} {jomega} X(jomega)+pi X(0)delta(omega)}]

    3.5. 时间与频率的尺度变换

    [x(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X(jomega) ]

    [ ag{22} oxed{ x(at) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} frac{1}{|a|}X(frac{jomega}{a})} ]

    若令 (a=-1),则有

    [ ag{23} oxed{ x(-t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X(-jomega)} ]

    3.6. 对偶性

    3.7. 帕斯瓦尔定理

    [x(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} X(jomega) ]

    [ ag{24} oxed{int_{-infty}^{+infty}|x(t)|^2dt =frac{1}{2pi}int_{-infty}^{+infty}|X(jomega)|^2domega } ]

    3.8. 卷积性质

    [ ag{25} oxed{y(t)=h(t)*x(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} Y(jomega)=H(jomega)X(jomega)}]

    两个信号在时域内的卷积就等于它们傅里叶变换的乘积。

    3.9. 相乘性质

    [ ag{27} oxed{r(t)=s(t)p(t) overset{{displaystyle {mathcal {F}}}}{leftrightarrow} R(jomega)=frac{1}{2pi}[S(jomega)*P(jomega)]} ]

    两个信号在时域内的相乘就对应于频域内的卷积。

    4. 傅里叶变换性质和基本傅里叶变化列表


    获取更多精彩,请关注「seniusen」!

  • 相关阅读:
    cudnn的下载地址
    rbg大神的主页
    ubuntu16.04上安装深度学习基本框架caffe2 pytorch tensorflow opencv
    linux sublime python
    ubuntu打开终端多开标签的快捷键是ctrl+ shift+ T 对比ctrl+ alt+ T 另外窗口打开一个终端
    在ubuntu1604上使用aria2下载coco数据集效率非常高
    MS coco数据集下载
    qtav----ffmeg在ubuntu和win10上的编译和运行
    论文预印版本的网站 https://arxiv.org/
    pip或者anacnda安装opencv以及opencv-contrib
  • 原文地址:https://www.cnblogs.com/seniusen/p/9900066.html
Copyright © 2011-2022 走看看