剖析连续时间傅里叶变换
2016-08-26 13:43
274 查看
前言
学习傅里叶级数之后,我们得到一个结论,任何满足狄利克雷条件(Dirichlet Conditions)的周期信号f(t)可以分解为一串虚指数信号的线性加权和,即傅里叶级数。然而实际上,我们需要处理的信号大多为非周期信号。因此,要想对非周期信号进行频域分析,我们需要得到一个属于非周期信号的“傅里叶级数”。在周期信号的分解中,我们选择信号的分解区间为(a−T/2,a+T/2)。当周期信号的周期T→∞时,周期信号就转换为非周期信号(周期T→∞),此时分解区间为(−∞,+∞)。
为了能够透彻整个傅里叶级数到傅里叶变换的过程,笔者先从黎曼积分讲起。然后再推导非周期信号的傅里叶变换公式。
黎曼积分
黎曼是德国数学家,数学分析大师,物理学家,被后人誉为定积分之父。对数学分析和微分几何做出了重要贡献,其中一些为广义相对论的发展铺平了道路。他的名字出现在黎曼ζ函数,黎曼积分,黎曼几何,黎曼引理,黎曼流形,黎曼映照定理,黎曼-希尔伯特问题,黎曼思路回环矩阵和黎曼曲面中。如何求函数f(t)在区间[a,b]上的面积呢?于是,黎曼想到将区间[a,b]划分为无数个子区间,设第i个区间的宽度为Δxi,然后在该区间上任取一点ξi (ξi∈[xi−1,xi]),用f(ξi)Δxi来表示该小柱条的面积。令λ=max{Δxi},当λ→0时,函数f(t)在区间[a,b]上的面积可以表示为
S=limλ→0∑i=1nf(ξi)Δxi
通常采用等分切割处理,并选择区间最右端的函数值为小柱条的高,因此
S=limn→∞∑i=1nf(a+b−ani)b−an
为了定义这个运算,黎曼翻阅书籍,由于该运算是极限求和,因此选取了求和单词Sum的首字母,并对其进行拉长也就是现在的积分符号∫。因此上式写为
S=∫baf(x)dx
心细的朋友应该会发现,即使λ→0,但还是存在误差,设每一个小柱条与该区间实际面积之差为Δsi,那么总体误差为
ΔS=∑i→∞Δsi
无穷个无穷小之和可能不为无穷小,因此式子的S=∫baf(x)dx的成立还需证明ΔS→0。这种工作一般需要数学家去完成,这里不进行扩展。至此,我们有了极限求和的思想。
再谈傅里叶级数
如图所示,周期性方波信号,其周期为T,单周期内,方波持续时间为2τ,讨论周期T对傅里叶级数Fn的影响。该方波信号的傅里叶级数Fn
Fn=τTSa(nωoτ2)
设τ=1/2,讨论周期T对Fn的影响
【实验程序】
clear all T=2; %信号周期 tau=1/2; %方波持续时间 t=-20*pi:0.01:20*pi; %包络显示范围 wo=2*pi/T; %角频率 nwo=-20*pi:wo:20*pi; % Fn=(tau/T).*sinc(nwo*tau/(2*pi)); %傅里叶级数谱线 f=(tau/T).*sinc(t*tau/(2*pi)); %包络 stem(nwo,Fn) %绘制傅里叶级数谱线 hold on plot(t,f,'--r'); %绘制保罗谱线 hold on title(strcat('T=',num2str(T))); hold on
(1)T=2,ωo=π
(2)T=4,ωo=π/2
(3)T=8,ωo=π/4
(4)T=16,ωo=π/8
(5)T=32,ωo=π/16
从上述实验可以看出,随着周期T的增大,频率谱线之间的间距逐渐减小,谱线的幅度逐渐减小。当T→∞时,频率谱线趋于连续谱线,谱线的幅度趋于0。然而,研究幅度为0的频率谱线是没有意义的,这又要如何处理呢?
从傅里叶级数到傅里叶变换
对于周期T→∞的周期信号f(t),其傅里叶级数为Fn=limT→∞1T∫Tf(t)e−jnωodt
实际信号处理中,f(t)为有限长信号,因此∫Tf(t)e−jnωodt可以看做是一个有界常量,那么
Fn=limT→∞1T∫Tf(t)e−jnωodt就是一个 无穷小量(无穷小乘以有界常量仍为无穷小)。因此,在等式两端同时乘以T,有
TFn=limT→∞∫Tf(t)e−jnωodt
记X(jw)=TFn,当T→∞时,nωo→ω,因此
X(jw)=∫+∞−∞f(t)e−jωtdt
【注】这里为什么要记作X(jw),主要是为了和傅里叶级数Fn相区别,Fn是离散谱线,而X(jw)是连续谱线。另外,傅里叶变换是拉普拉斯变换的特殊形式,即s=(σ+jω)|σ=0时,拉普拉斯变换就转换成了傅里叶变换。
现在推导傅里叶逆变换
f(t)=∑n=−∞+∞Fnejnωot=∑n=−∞+∞X(jω)1Tejnωot=12π[∑n=−∞+∞X(jω)ejnωot]2πT
由于T→∞,因此2πT=wo→dw(这里的ωo就是小柱条的宽),nωo→w,由此前黎曼积分的知识,此时求和变成了积分
f(t)=12π[∑n=−∞+∞X(jω)ejnωot]2πT=12π∫+∞−∞X(jω)ejωtdω
因此,信号f(t)的傅里叶变换对为
f(t)=12π∫+∞−∞X(jω)ejωtdωX(jω)=∫+∞−∞f(t)e−jωtdt
至此,连续时间频域分析得到了统一,我们可以用频域分析法来分析信号。我们称傅里叶级数为频谱,称傅里叶变换为频谱密度,两者统称为频谱。
周期信号的傅里叶变换
一个周期为T的周期函数f(t),可以展开成傅里叶级数f(t)=∑n=−∞+∞Fne−jnωot
对两边取傅里叶变换
F[f(t)]=F[∑n=−∞+∞Fne−jnωot]=∑n=−∞+∞FnF[e−jnωot]
由于F[e−jnωot]=2πδ(ω−ωo),因此
F[f(t)]=2π∑n=−∞+∞Fnδ(ω−ωo)
相关文章推荐
- 傅里叶变换频域分析之连续周期信号的频域分析
- 傅里叶变换时间复杂度
- 傅里叶变换频域分析之连续非周期信号的频域分析
- [置顶] 剖析连续时间傅里叶级数
- 从连续时间傅里叶级数到快速傅里叶变换
- 灰度图像--频域滤波 傅里叶变换之连续周期信号傅里叶级数
- 三大物体识别算法--SIFT/SURF、haar特征、广义hough变换的特性深入剖析
- 图像傅里叶变换
- C语言连续子向量的最大和及时间度量:
- 《数字图像处理》学习笔记(五)--傅里叶变换
- 从头到尾彻底理解傅里叶变换算法、上
- Matlab之快速傅里叶变换
- 剑指offer-5-面试31:连续子数组的最大和(时间效率)
- Visual C++线程同步技术剖析:临界区,时间,信号量,互斥量
- 连续子向量的最大和及时间度量
- 十、从头到尾彻底理解傅里叶变换算法、下
- 数字图像处理学习笔记(1.3)---位图的读写、几何变换、傅里叶变换、直方图均衡
- 终于弄明白了傅里叶变换
- opencv 中 傅里叶变换 FFT
- 傅里叶变换的由来及复数下的傅里叶变换公式证明