精华内容
下载资源
问答
  • 在这一篇 BlogBlogBlog 中,博主打算记录一下周期信号傅里叶级数的一些重要性质。在阅读本文之前,请明确一件事情:对于周期信号我们讲的是傅里叶级数展开。对于非周期信号我们讲傅里叶变换。 文章目录一、什么样的...

    在这一篇 B l o g Blog Blog 中,博主打算记录一下周期信号傅里叶级数的一些重要性质。在阅读本文之前,请明确一件事情:对于周期信号我们讲的是傅里叶级数展开。对于非周期信号我们讲傅里叶变换。

    一、什么样的周期信号才能够做傅里叶展开?

    当时傅里叶的论文中有这样一句话:“所有的连续时间信号都能够表示成成谐波关系的复指数信号的加权和”。在当时引来了像拉普拉斯等人的强烈反对。傅里叶认为:对于周期方波信号,只要我取的正弦信号足够多,那么我就一定能够完美地拟合出来。如下图所示:
    在这里插入图片描述
    但实际上并不是这样,无论我们的正弦信号取了多少,在原方波的间断点处不可避免地会出现震荡和超量。超量的幅度并不会随着我们所选取的正弦波的数量增多而减少,选取的正弦波的数量增多只会使得超量的震荡频率更大,并且朝着间断点处压缩。这就是所谓的 “吉布斯现象”。

    那么,到底什么样的连续时间信号才能够展开成傅里叶级数呢?我们下面给出三个条件(其中条件三是狄里克雷第一定理)。连续时间的周期信号只要满足三者之一,就可以展开成傅里叶级数:
    【条件一】:信号全部连续
    【条件二】:信号在一个周期内能量有限: 1 T 0 ∫ T 0 ∣ x ( t ) ∣ 2 d t < ∞ \frac{1}{T_0}\int_{T_0}|x(t)|^2dt <∞ T01T0x(t)2dt<
    【条件三】:信号在一个周期内绝对可积: 1 T 0 ∫ T 0 ∣ x ( t ) ∣ < ∞ \frac{1}{T_0}\int_{T_0}|x(t)|<∞ T01T0x(t)<

    二、周期信号傅里叶级数的重要性质

    2.1 线性

    首先我们给出定义:

    连续时间信号傅里叶级数的线性性:若信号 x 1 ( t ) x_1(t) x1(t)的傅里叶级数是 a k a_k ak,信号 x 2 ( t ) x_2(t) x2(t) 的傅里叶级数是 b k b_k bk,那么,信号 A x 1 ( t ) + B x 2 ( t ) Ax_1(t) + Bx_2(t) Ax1(t)+Bx2(t) 的傅里叶级数就是 A a k + B b k Aa_k + Bb_k Aak+Bbk

    首先,我们先知道求傅里叶系数的过程就是一个积分的过程,如果我们用 ∫ \int 表示计算傅里叶系数(当然这样的写法不够准确,但是为了说明问题暂且先这样用)。

    所以,我们如果对信号 A x 1 ( t ) + B x 2 ( t ) Ax_1(t) + Bx_2(t) Ax1(t)+Bx2(t) 求傅里叶系数: ∫ A x 1 ( t ) + B x 2 ( t ) \int Ax_1(t) + Bx_2(t) Ax1(t)+Bx2(t),就可以这样变换: ∫ A x 1 ( t ) + B x 2 ( t ) = ∫ A x 1 ( t ) + ∫ B x 2 ( t ) = A ∫ x 1 ( t ) + B ∫ x 2 ( t ) \begin{aligned} &\int Ax_1(t) + Bx_2(t) = \int Ax_1(t) + \int Bx_2(t) = A\int x_1(t) + B\int x_2(t) \end{aligned} Ax1(t)+Bx2(t)=Ax1(t)+Bx2(t)=Ax1(t)+Bx2(t)
    而我们知道: a k = ∫ x 1 ( t ) a_k = \int x_1(t) ak=x1(t) b k = ∫ x 2 ( t ) b_k = \int x_2(t) bk=x2(t),所以信号 A x 1 ( t ) + B x 2 ( t ) Ax_1(t) + Bx_2(t) Ax1(t)+Bx2(t) 的傅里叶系数就是: A a k + B b k Aa_k+Bb_k Aak+Bbk

    2.2 时移特性

    我们同样先看定义:

    连续时间信号傅里叶级数的时移特性:假设 x ( t ) x(t) x(t) 的傅里叶系数是 a k a_k ak,那么 x ( t − t 0 ) x(t-t_0) x(tt0) 的傅里叶系数就是 a k e − j k ω 0 t 0 a_ke^{-jkω_0t_0} akejkω0t0,也即是说,时移并不会改变傅里叶级数的幅度,改变的是傅里叶级数的相位。

    首先根据定义,我们可以得到: a k = 1 T 0 ∫ T 0 x ( t ) e − j k ω 0 t d t a_k = \frac{1}{T_0}\int_{T_0}x(t)e^{-jkω_0t}dt ak=T01T0x(t)ejkω0tdt
    下面我们对信号 x ( t − t 0 ) x(t-t_0) x(tt0) 求傅里叶级数:因为 x ( t − t 0 ) x(t-t_0) x(tt0) 只是时移,所以周期并不会改变,仍为 T 0 T_0 T0 1 T 0 ∫ x ( t − t 0 ) e − j k ω 0 t d t = e − j k ω 0 t 0 1 T 0 ∫ x ( t − t 0 ) e − j k ω 0 ( t − t 0 ) d ( t − t 0 ) = e − j k ω 0 t 0 1 T 0 ∫ x ( t ) e − j k ω 0 t d t \begin{aligned} \frac{1}{T_0}\int x(t-t_0)e^{-jkω_0t}dt &= e^{-jkω_0t_0}\frac{1}{T_0}\int x(t-t_0)e^{-jkω_0(t-t_0)}d(t-t_0)\\ &=e^{-jkω_0t_0}\frac{1}{T_0}\int x(t)e^{-jkω_0t}dt \end{aligned} T01x(tt0)ejkω0tdt=ejkω0t0T01x(tt0)ejkω0(tt0)d(tt0)=ejkω0t0T01x(t)ejkω0tdt
    注意:在最后一行我们做了变量代换:令 t = t − t 0 t = t-t_0 t=tt0

    2.3 尺度变换

    这个稍微难理解一点点,我们先推导,再给出定义:
    首先对于信号 x ( t ) x(t) x(t) ,我们有: a k = 1 T 0 ∫ T 0 x ( t ) e − j k ω 0 t d t a_k = \frac{1}{T_0}\int_{T_0}x(t)e^{-jkω_0t}dt ak=T01T0x(t)ejkω0tdt
    而我们知道,尺度变换相当于对信号做拉伸或者压缩,自然会改变原信号的周期。例如,如果信号 x ( t ) x(t) x(t) 的周期是 T ,那么信号 x ( a t ) x(at) x(at) 的周期就是 T 1 = T a T_1 = \frac{T}{a} T1=aT。那么角频率就是 ω 1 = a ω 0 ω_1 = aω_0 ω1=aω0。好,下面我们计算 x ( a t ) x(at) x(at) 的傅里叶系数,根据定义,有:
    1 T 1 ∫ T 1 x ( a t ) e − j k ω 1 t d t = a T 0 ∫ T a x ( a t ) e − j k a ω 0 t d t \begin{aligned} \frac{1}{T_1}\int_{T_1}x(at)e^{-jkω_1t}dt&=\frac{a}{T_0}\int_{\frac{T}{a}}x(at)e^{-jkaω_0t}dt \end{aligned} T11T1x(at)ejkω1tdt=T0aaTx(at)ejkaω0tdt
    所以,我们对于计算带时移的周期信号的傅里叶级数,我们首先要做的就是明确这个信号和原本信号周期、角频率之间的关系。然后才能根据定义求解。

    那么,下面我们给出定义:对于带时移的周期信号 x ( a t ) x(at) x(at),其傅里叶级数表示为: b k = a T 0 ∫ T 0 a x ( a t ) e − j k a ω 0 t d t (1) b_k = \frac{a}{T_0}\int_{\frac{T_0}{a}}x(at)e^{-jkaω_0t}dt\tag{1} bk=T0aaT0x(at)ejkaω0tdt(1)
    更进一步讲,如果我们使用 τ τ τ 表示 a t at at,那么,因为我们的积分范围就是在一个周期 T 0 a \frac{T_0}{a} aT0 内,因此,我们知道, t t t 的取值范围是: 0 ≤ t ≤ T 0 a 0 ≤ t ≤ \frac{T_0}{a} 0taT0(当然这个范围并不唯一)。那么 τ τ τ 的取值范围就是 0 ≤ τ ≤ T 0 0 ≤ τ ≤ T_0 0τT0 下面我们就把 τ τ τ 带入(1) 式: b k = a T 0 ∫ T 0 x ( τ ) e j k ω 0 τ d ( τ a )   = 1 a a T 0 ∫ T 0 x ( τ ) e j k ω 0 τ d τ = 1 T 0 ∫ T 0 x ( τ ) e j k ω 0 τ d τ = a k b_k = \frac{a}{T_0}\int_{T_0}x(τ)e^{jkω_0τ}d(\frac{τ}{a})\\ \space\\ =\frac{1}{a}\frac{a}{T_0}\int_{T_0}x(τ)e^{jkω_0τ}dτ = \frac{1}{T_0}\int_{T_0}x(τ)e^{jkω_0τ}dτ = a_k bk=T0aT0x(τ)ejkω0τd(aτ) =a1T0aT0x(τ)ejkω0τdτ=T01T0x(τ)ejkω0τdτ=ak

    2.4 反转

    这里我们直接给出结论:对于周期信号 x ( t ) x(t) x(t),其傅里叶系数是 a k a_k ak。那么其反转信号 x ( − t ) x(-t) x(t) 的傅里叶系数就是 a − k a_{-k} ak,即也是对于 a k a_k ak 的反转。进一步讲,若 x ( t ) x(t) x(t) 是偶信号,那么 a k a_k ak 也是偶的。如果 x ( t ) x(t) x(t)是奇信号,那么 a − k = − a k a_{-k} = -a_k ak=ak

    2.5 时域相乘等价于频域卷积

    我们先给出结论:若 x ( t ) , y ( t ) x(t), y(t) x(t),y(t) 的傅里叶级数分别是 a k , b k a_k, b_k ak,bk,那么有: x ( t ) y ( t ) x(t)y(t) x(t)y(t) 的傅里叶级数就是: a k ∗ b k a_k*b_k akbk
    我们证明一下,直接用求傅里叶系数的公式即可: 1 T ∫ T x ( t ) y ( t ) e − j ω 0 k t d t = 1 T ∫ T ∑ l = − ∞ + ∞ a l e j ω 0 l t y ( t ) e − j ω 0 k t d t = ∑ l = − ∞ + ∞ a l 1 T ∫ T y ( t ) e − j ω 0 ( k − l ) t d t = ∑ l = − ∞ + ∞ a l b k − l = a k ∗ b k \begin{aligned} \frac{1}{T}\int_Tx(t)y(t)e^{-jω_0kt}dt &=\frac{1}{T}\int_T\sum_{l=-∞}^{+∞}a_le^{jω_0lt}y(t)e^{-jω_0kt}dt\\ &=\sum_{l=-∞}^{+∞}a_l\frac{1}{T}\int_Ty(t)e^{-jω_0(k-l)t}dt\\ &=\sum_{l=-∞}^{+∞}a_lb_{k-l} = a_k*b_k \end{aligned} T1Tx(t)y(t)ejω0ktdt=T1Tl=+alejω0lty(t)ejω0ktdt=l=+alT1Ty(t)ejω0(kl)tdt=l=+albkl=akbk

    2.6 周期卷积定理(和2.5 对偶)

    对于连续时间的、周期相同的周期信号 x ( t ) , y ( t ) x(t), y(t) x(t),y(t),我们在一个周期内的卷积,就等于它们对应的傅里叶级数相乘,再乘上周期。表述为: ∫ T x ( τ ) y ( t − τ ) d τ = T a k b k \int_Tx(τ)y(t-τ)dτ = Ta_kb_k Tx(τ)y(tτ)dτ=Takbk

    2.7 共轭以及共轭对称性

    首先我们看看第一个结论:假设周期信号 x ( t ) x(t) x(t) 的傅里叶级数是 a k a_k ak,那么,如果取 x ( t ) x(t) x(t) 的共轭: x ∗ ( t ) x^*(t) x(t),那么这个共轭信号 x ∗ ( t ) x^*(t) x(t) 的傅里叶系数就应该要对 a k a_k ak 取共轭,并且进行反转,即: a − k ∗ a^*_{-k} ak
    用数学语言表述即为: x ( t ) F S ↔ a k   x ∗ ( t ) F S ↔ a − k ∗ x(t) \quad\underleftrightarrow{FS} \quad a_k\\ \space\\ x^*(t)\quad \underleftrightarrow{FS}\quad a^*_{-k} x(t) FSak x(t) FSak

    更进一步:如果 x ( t ) x(t) x(t) 是实信号,即 x ( t ) = x ∗ ( t ) x(t) = x^*(t) x(t)=x(t),那么应有: a k = a − k ∗ a_k = a^*_{-k} ak=ak不过我们更常用的是: a k ∗ = a − k a_k^* = a_{-k} ak=ak

    下面的几个推导大家需要跟上,否则可能会造成混乱:
    【1】若 x ( t ) x(t) x(t) 是实信号,而且是偶函数,即 x ( t ) = x ( − t ) x(t) = x(-t) x(t)=x(t)。那么因为 x ( − t ) x(-t) x(t) 的傅里叶级数应该是 a − k a_{-k} ak。所以应有: a k = a − k a_k = a_{-k} ak=ak,同时,我们根据 x ( t ) x(t) x(t) 是实信号,又可以得到: a k = a − k ∗ a_k = a^*_{-k} ak=ak综上,我们得到了一串等式: a k = a − k = a − k ∗ a_k = a_{-k} = a^*_{-k} ak=ak=ak。前面一个等号说明 a k a_k ak 也是偶的、后面的等号说明 a k a_{k} ak 是实的。 即若 x ( t ) x(t) x(t) 是实偶函数,那么其频谱将会是实偶函数

    【2】若 x ( t ) x(t) x(t) 是实信号,同时又是奇函数 x ( t ) = − x ( − t ) x(t) = -x(-t) x(t)=x(t),因为 − x ( − t ) -x(-t) x(t) 的傅里叶级数是 − a − k -a_{-k} ak。所以我们也可以得到一串等式: a k = − a − k = a − k ∗ a_k = -a_{-k} = a^*_{-k} ak=ak=ak。前一个等号表示 a k a_k ak 是奇函数、后一个等号表示 a k a_k ak 是纯虚数,因此,若 x ( t ) x(t) x(t) 是实奇函数,那么其频谱 a k a_k ak 将会是纯虚奇函数。

    【补充点】: x ( t ) x(t) x(t) 信号偶分量的傅里叶级数是 a k a_k ak 的实部,即: R e { a k } Re\{a_k\} Re{ak} x ( t ) x(t) x(t) 的奇分量的傅里叶级数是 a k a_k ak 的虚部,即: j I m { a k } j Im\{a_k\} jIm{ak}。下面给出信号奇分量和偶分量的求法: E v { x ( t ) } = x ( t ) + x ( − t ) 2   O d { x ( t ) } = x ( t ) − x ( − t ) 2 Ev\{x(t)\} = \frac{x(t) + x(-t)}{2} \\ \space\\ Od\{x(t)\} = \frac{x(t) - x(-t)}{2} Ev{x(t)}=2x(t)+x(t) Od{x(t)}=2x(t)x(t)

    2.8 微分性

    我们先给出结论: x ( t ) x(t) x(t) 的傅里叶级数是 a k a_k ak,那么 ∂ x ( t ) ∂ t \frac{\partial{x(t)}}{\partial t} tx(t) 的傅里叶系数就是: a k j ω 0 t a_k jω_0t akjω0t

    下面给出证明:我们先从 x ( t ) x(t) x(t) 的傅里叶展开表达式入手。由于: x ( t ) = ∑ k = − ∞ + ∞ a k e j k ω 0 t x(t) = \sum_{k=-∞}^{+∞}a_ke^{jkω_0t} x(t)=k=+akejkω0t
    下面我们直接对等式两边求导,得: ∂ x ( t ) ∂ t = ∑ k = − ∞ + ∞ ( a k j k ω 0 )   e j k ω 0 t \frac{\partial{x(t)}}{\partial t} = \sum_{k=-∞}^{+∞}(a_kjkω_0)\space e^{jkω_0t} tx(t)=k=+(akjkω0) ejkω0t
    因此,新的傅里叶系数就是: a k j k ω 0 a_k jkω_0 akjkω0

    利用微分型,我们一样可以计算出连续时间周期矩形信号的频谱。这里不详细展开,但是提几个突破口:

    1. 对周期矩形信号求导,将会得到有上有下的单位冲激函数。
    2. 周期为 T 的单位冲激函数串的傅里叶系数的幅值都是 a k = 1 T a_k = \frac{1}{T} ak=T1
    3. 有上有下的单位冲激函数是可以写成单位冲激函数串右移 T 1 T_1 T1 和左移 T 1 T_1 T1 的差值。再利用傅里叶系数时移的特点,即可求出周期矩形信号的频谱。

    三、帕斯瓦尔定理

    这个定理的表示简单,但是证明是比较困难的。下面我们直接给出:
    对于一个周期信号的平均功率的计算,可以把它的所有傅里叶系数的平方加起来。
    1 T ∫ T ∣ x ( t ) ∣ 2 d t = ∑ k = − ∞ + ∞ ∣ a k ∣ 2 \frac{1}{T}\int_{T}|x(t)|^2dt = \sum_{k=-∞}^{+∞}|a_k|^2 T1Tx(t)2dt=k=+ak2

    同时,我们也引入周期信号功率谱的概念:周期信号的 ∣ a k ∣ 2 |a_k|^2 ak2 随着 k ω 0 kω_0 kω0 变化的情况称为功率谱。 对应地,非周期信号还有功率谱密度,我们以后再来介绍。

    展开全文
  • 方波信号为:傅里叶级数展开为:程序运行结果:程序代码:clearx = -6:0.01:6;T = 4;f = x;for N = 1:length(f)temp = rem(abs(x(N)),T);if temp>1 && temp<3f(N) = 0;elsef(N) = 1;endend% f(x) = 1/...

    方波信号为:

    6ab5f70956805a875af88bb6e8ef4d68.png

    傅里叶级数展开为:

    5b5bf89236fb0c42ae6f2b0ace3c03ad.gif

    程序运行结果:

    2519473c567cd8d744d2d4c037497e11.png

    程序代码:

    clear

    x = -6:0.01:6;

    T = 4;

    f = x;

    for N = 1:length(f)

    temp = rem(abs(x(N)),T);

    if temp>1 && temp<3

    f(N) = 0;

    else

    f(N) = 1;

    end

    end

    % f(x) = 1/2 + sum(g(k,x)) (k=1,2,3,4......)

    % g(k,x) = sinc(k/2)*cos(k*pi/2*x)

    % MATLAB build-in function: sinc(x) = sin(x*pi)/(x*pi)

    count = 9;

    y = zeros(count, length(x));

    for N = 1:count

    k = 2*N-1;

    if N==1

    y(N,:) = 0.5 + sinc(k/2)*cos(k*pi/2*x);

    else

    y(N,:) = y(N-1,:) + sinc(k/2)*cos(k*pi/2*x);

    end

    end

    row = ceil(sqrt(count));

    colomn = ceil(count/row);

    for N=1:count

    subplot(row,colomn,N);

    plot(x,f,'k');

    hold on

    h = plot(x,y(N,:),'r');

    title(strcat(num2str(2*N-1),' harmonic'));

    end

    ROM存储1&sol;4周期正弦信号构造DDS

    上周的时候,老师让编写一个简单的dds程序,本文说明了整个过程中我遇到问题以及一些个人的思考.初次接触FPGA,如有问题请多多指教~ 1.几个疑问,解决和没有解决的. 为何采用ROM而不是直接采用DD ...

    &lbrack;转&rsqb; Matlab中给信号加高斯白噪声的方法

    MATLAB中产生高斯白噪声非常方便,可以直接应用两个函数,一个是WGN,另一个是AWGN.WGN用于产生高斯白噪声,AWGN则用于在某一信号中加入高斯白噪声. 1. WGN:产生高斯白噪声 y = ...

    【MATLAB】画信号频谱的子函数

    输入信号序列和采样率,该子函数可以画出该信号的频谱图. function [f,spec,NFFT]=spec_fft_plot(sample,L,Fs) % 输入数据说明: % sample:信号序 ...

    MATLAB信号与系统分析(五)&mdash&semi;&mdash&semi;连续时间信号的频谱分析

    一.实验目的: 1.掌握傅立叶级数(FS),学会分析连续时间周期信号的频谱分析及MATLAB实现: 2.掌握傅立叶变换(FT),了解傅立叶变换的性质以及MATLAB实现. 二.利用符号运算求傅里叶级数 ...

    MATLAB信号与系统分析(一)&mdash&semi;&mdash&semi;连续时间信号与系统的时域分析

    一.连续时间信号的表示: 1.向量表示法: 在MATLAB中,是用连续信号在等时间间隔点的样值来近似表示连续信号,当取样时间间隔足够小时,这些离散的样值就能较好地近似出连续信号. 对于连续时间信号f( ...

    MATLAB信号与系统分析(二)&mdash&semi;&mdash&semi;离散时间信号与系统的时域分析

    一.离散信号的表示 1.一个离散信号需要用两个向量来表示: (1)离散信号的幅值 (2)离散信号的位置信息 2.用MATLAB实现离散信号的可视化 (1)不能利用符号运算来表示 (2)绘制离散信号一般 ...

    Linux系统编程(24)——信号的生命周期

    信号生命周期为从信号发送到信号处理函数的执行完毕. 对于一个完整的信号生命周期(从信号发送到相应的处理函数执行完毕)来说,可以分为三个重要的阶段,这三个阶段由四个重要事件来刻画:信号诞生:信号在进程中 ...

    信号与系统实验序章0——MATLAB基础命令入门

    本次开启新的系列,关于用Matlab实现常见信号和函数的生成和变换. 同时如果没有MATLAB基础,那么可以跟着本文一步一步学习Matlab的相关操作,本文旨在记录在信号与系统课程中MATLAB的学习 ...

    MATLAB基本使用及SIMULINK建模仿真实验

    MATLAB基本使用及SIMULINK建模仿真实验 这是我总结的操作方法: 1 )  M脚本文件的编写 1.新建M-file: 2.输入指令: 3.保存(注意:保存路径需要与工作路径一致) 2 )在S ...

    随机推荐

    Instruments&lowbar;Activity Monitor使用入门

    Activity Monitor,官方解释为:(活动监视器)即实时显示CPU.内存和网络的使用情况,记录由虚拟内存大小测量的系统负载.用一句大白话来说,Activity Monitor类似Window ...

    Add Digits

    Given a non-negative integer num, repeatedly add all its digits until the result has only one digit. ...

    Linux TOP命令详解

    先来看一下执行以后的结果: 各项数值的含义如下: 第一行是任务队列信息. :: 当前时间 up days,: 系统运行时间,格式为天,时:分 user 当前登录用户数 load average: 0. ...

    合并傻子&sol;&sol;区间dp

    P1062 合并傻子 时间: 1000ms / 空间: 131072KiB / Java类名: Main 背景 从前有一堆傻子,钟某人要合并他们~但是,合并傻子是要掉RP的...... 描述 在一个园 ...

    careercup-排序和查找 11&period;1

    11.1 给定两个排序后的数组A和B,其中A的末端有足够的缓冲空间容纳B.编写一个方法,将B合并入A并排序. 解法: 已知数组A末端有足够的缓冲,不需要再分配额外空间.程序的处理逻辑很简单,就是逐一比 ...

    设计模式六大原则——迪米特法则(LoD)

    1.背景 在图书馆借书.刚開始的时候,直接跑到对应的楼层去,到里面去转,去找要借的书,在里面溜达半天才干找到:后来知道图书馆有一个电脑查询处.然后直接在电脑上输入想要借的书,电脑就会显示你想要借的书的 ...

    2&period;bootstrap-全局css

    1.Bootstrap 网格系统 Bootstrap 提供了一套响应式.移动设备优先的流式网格系统,随着屏幕或视口(viewport)尺寸的增加,系统会自动分为最多12列. 1.基本的网格结构 下面是 ...

    MongoDB 组合多个条件查询(&dollar;and、&dollar;in、&dollar;gte、&dollar;lte)

    一,问题描述 数据格式: id, timeStamp,count 条件1:查询 某个时间段 内的数据: timeStamp BETWEEN startTime AND endTime.比如 timeS ...

    派生 de rive

    ''' de rive 派生 python2 (经典类|新式类) python3 (新式类) 1. What is derive? 什么是派生? 派生:子类定义自己新的属性,如果与父类同名,以子类自己 ...

    POJ 2502 Subway &sol; NBUT 1440 Subway &sol; SCU 2186 Subway(图论,最短距离)

    POJ 2502 Subway / NBUT 1440 Subway / SCU 2186 Subway(图论,最短距离) Description You have just moved from a ...

    展开全文
  • 周期信号傅里叶级数展开

    千次阅读 2020-04-17 16:03:34
    将一个周期信号分解为一个直流分量和一系列复指数信号分量之和的过程被称为傅里叶级数展开周期信号f(t)f(t)f(t)的傅里叶级数展开式为:f(t)=∑k=−∞∞ckejkw0tf(t)=\sum_{k=-\infin}^{\infin}c_ke^{jkw_0t}f(t)=...

    傅里叶级数展开的定义

    将一个周期信号分解为一个直流分量和一系列复指数信号分量之和的过程被称为傅里叶级数展开。
    周期信号 f ( t ) f(t) f(t)的傅里叶级数展开式为: f ( t ) = ∑ k = − ∞ ∞ c k e j k w 0 t f(t)=\sum_{k=-\infin}^{\infin}c_ke^{jkw_0t} f(t)=k=ckejkw0t
    其中:
    w 0 : w 0 = 2 π T w_0:w_0=\frac{2\pi}{T} w0:w0=T2π,周期 T T T确定了 w 0 w_0 w0就确定了

    c k c_k ck:傅里叶系数, c 0 c_0 c0就是直流分量

    傅里叶级数展开的几何意义

    傅里叶级数展开的本质就是用一系列角速度为 w = k w 0 w=kw_0 w=kw0的旋转向量 c k e j k w 0 t c_ke^{jkw_0t} ckejkw0t来合成周期信号。旋转向量在 t = 0 t=0 t=0时刻对应的向量就是傅里叶系数 c k c_k ck
    如下图所示:
    在这里插入图片描述

    傅里叶系数的计算公式

    傅里叶系数的计算公式如下: c k = 1 T ∫ − T / 2 T / 2 f ( t ) e − j k w 0 t d t   ( k = 0 , ± 1 , ± 2 , . . . ) c_k=\frac{1}{T}\int_{-T/2}^{T/2}f(t)e^{-jkw_0t}dt\, (k=0,\pm1,\pm 2,...) ck=T1T/2T/2f(t)ejkw0tdt(k=0,±1,±2,...)
    这个公式是怎么得来的呢?

    • 将傅里叶级数展开式中 k = m k=m k=m那一项单独列出来: f ( t ) = ∑ k = − ∞ ∞ c k e j k w 0 t = c m e j m w 0 t + ∑ k = − ∞ , k ≠ m ∞ c k e j k w 0 t f(t)=\sum_{k=-\infin}^{\infin}c_ke^{jkw_0t}=c_me^{jmw_0t}+\sum_{k=-\infin,k\neq m}^{\infin}c_ke^{jkw_0t} f(t)=k=ckejkw0t=cmejmw0t+k=,k=mckejkw0t
    • 两端乘以 e − j m w 0 t e^{-jmw_0t} ejmw0t: f ( t ) e − j m w 0 t = c m e j m w 0 t e − j m w 0 t + ∑ k = − ∞ , k ≠ m ∞ c k e j k w 0 t e − j m w 0 t = c m + ∑ k = − ∞ , k ≠ m ∞ c k e j ( k − m ) w 0 t f(t)e^{-jmw_0t}=c_me^{jmw_0t}e^{-jmw_0t}+\sum_{k=-\infin,k\neq m}^{\infin}c_ke^{jkw_0t}e^{-jmw_0t}=c_m+\sum_{k=-\infin,k\neq m}^{\infin}c_ke^{j(k-m)w_0t} f(t)ejmw0t=cmejmw0tejmw0t+k=,k=mckejkw0tejmw0t=cm+k=,k=mckej(km)w0t
    • 在基波周期内对两端进行积分: ∫ − T / 2 T / 2 f ( t ) e − j m w 0 t d t   = ∫ − T / 2 T / 2 c m d t   + ∫ − T / 2 T / 2 ∑ k = − ∞ , k ≠ m ∞ c k e j ( k − m ) w 0 t d t   \int_{-T/2}^{T/2}f(t)e^{-jmw_0t}dt\,=\int_{-T/2}^{T/2}c_mdt\,+\int_{-T/2}^{T/2}\sum_{k=-\infin,k\neq m}^{\infin}c_ke^{j(k-m)w_0t}dt\, T/2T/2f(t)ejmw0tdt=T/2T/2cmdt+T/2T/2k=,k=mckej(km)w0tdt
      根据复指数信号的正交性,上式中求和项的积分为0,因此:
      ∫ − T / 2 T / 2 f ( t ) e − j m w 0 t d t   = ∫ − T / 2 T / 2 c m d t   = c m T \int_{-T/2}^{T/2}f(t)e^{-jmw_0t}dt\,=\int_{-T/2}^{T/2}c_mdt\,=c_mT T/2T/2f(t)ejmw0tdt=T/2T/2cmdt=cmT
    • 求出 c m c_m cm:
      c m = 1 T ∫ − T / 2 T / 2 f ( t ) e − j m w 0 t d t   c_m=\frac{1}{T} \int_{-T/2}^{T/2}f(t)e^{-jmw_0t}dt\, cm=T1T/2T/2f(t)ejmw0tdt

    方波信号的傅里叶系数

    在这里插入图片描述
    方波信号 x ( t ) x(t) x(t)周期为 T T T,幅度为1,脉宽为 τ \tau τ,对方波来说,占空比为 1 / 2 1/2 1/2,因此 T = 2 τ T=2\tau T=2τ

    -先求 c 0 c_0 c0
    c 0 = 1 T ∫ − τ / 2 τ / 2 x ( t ) d t   = 1 T ∫ − τ / 2 τ / 2 1 d t   = 0.5 c_0=\frac{1}{T}\int_{-\tau /2}^{\tau /2}x(t)dt\,=\frac{1}{T}\int_{-\tau /2}^{\tau /2}1dt\,=0.5 c0=T1τ/2τ/2x(t)dt=T1τ/2τ/21dt=0.5

    • 再来求 c k c_k ck
      c k = 1 T ∫ − T / 2 T / 2 x ( t ) e − j k w 0 t d t   = 1 T ∫ − T / 2 T / 2 ( cos ⁡ k w 0 t   − j sin ⁡ k w 0 t ) d t   = 1 T ∫ − T / 2 T / 2 cos ⁡ k w 0 t   d t   − j 1 T ∫ − T / 2 T / 2 sin ⁡ k w 0 t   d t   = 1 T ∫ − T / 2 T / 2 cos ⁡ k w 0 t   d t   = 2 k w 0 T ∫ 0 T / 2 cos ⁡ k w 0 t   d ( k w 0 t )   = s i n ( k w 0 τ / 2 ) k w 0 T / 2 c_k=\frac{1}{T} \int_{-T/2}^{T/2}x(t)e^{-jkw_0t}dt\,=\frac{1}{T} \int_{-T/2}^{T/2}(\cos{kw_0t\,}-j\sin{kw_0t})dt\,\\ =\frac{1}{T} \int_{-T/2}^{T/2}\cos{kw_0t\,}dt\,-j\frac{1}{T} \int_{-T/2}^{T/2}\sin{kw_0t\,}dt\,\\ =\frac{1}{T} \int_{-T/2}^{T/2}\cos{kw_0t\,}dt\,\\ =\frac{2}{kw_0T} \int_{0}^{T/2}\cos{kw_0t\,}d(kw_0t)\,\\=\frac{sin(kw_0\tau /2)}{kw_0T/2} ck=T1T/2T/2x(t)ejkw0tdt=T1T/2T/2(coskw0tjsinkw0t)dt=T1T/2T/2coskw0tdtjT1T/2T/2sinkw0tdt=T1T/2T/2coskw0tdt=kw0T20T/2coskw0td(kw0t)=kw0T/2sin(kw0τ/2)
      由: w 0 = 2 π / T w_0=2\pi/T w0=2π/T,得: w 0 T = 2 π w_0T=2\pi w0T=2π
      又因为: T = 2 τ T=2\tau T=2τ,所以: w 0 2 τ = 2 π w_02\tau=2\pi w02τ=2π,得到: w 0 τ = π w_0\tau =\pi w0τ=π
      得:
      c k = 1 2 s i n ( k π / 2 ) k π / 2 = 1 2 s i n c ( k 2 ) c_k=\frac{1}{2}\frac{sin(k\pi /2)}{k \pi/2}=\frac{1}{2} sinc(\frac{k}{2}) ck=21kπ/2sin(kπ/2)=21sinc(2k)

    周期矩形信号的傅里叶级数

    在方波信号的傅里叶系数推导过程中,我们用 τ \tau τ表示脉冲的宽度,用 T T T表示脉冲的周期,得出傅里叶系数的表达式:
    c k = s i n ( k w 0 τ / 2 ) k w 0 T / 2 c_k=\frac{sin(kw_0\tau /2)}{kw_0T/2} ck=kw0T/2sin(kw0τ/2)
    回顾整个推导过程可以发现,这个结果对幅值为1,脉冲为 τ \tau τ,周期为 T T T的周期矩形信号也是适用的。
    因为: w 0 = 2 π / T w_0=2\pi/T w0=2π/T,所以: w 0 = 2 π w_0=2\pi w0=2π
    假定占空比为 1 / n 1/n 1/n,即: T = n τ T=n\tau T=nτ,所以: w 0 n τ = 2 π w_0n\tau=2\pi w0nτ=2π,得到: w 0 τ = 2 π / n w_0\tau=2\pi/n w0τ=2π/n,代入上面的傅里叶系数表达式,得到:
    c k = 1 n s i n ( k π / n ) k π / n = 1 n s i n c ( k n ) c_k=\frac{1}{n}\frac{sin(k\pi /n)}{k\pi/n}=\frac{1}{n}sinc(\frac{k}{n}) ck=n1kπ/nsin(kπ/n)=n1sinc(nk)

    展开全文
  • 方波信号傅里叶级数展开

    万次阅读 多人点赞 2020-04-07 17:30:06
    周期信号可以进行傅里叶级数展开 在研究非周期信号傅里叶变换之前 首先应掌握傅里叶级数的三种表述形式: 三角函数形式 谐波形式 指数形式 并根据定义式求出傅里叶系数: 以周期性的方波信号为例,掌握傅里叶...

    傅里叶级数


    周期信号可以进行傅里叶级数展开
    在这里插入图片描述

    在研究非周期信号的傅里叶变换之前

    首先应掌握傅里叶级数的三种表述形式:
    三角函数形式
    谐波形式
    指数形式

    并根据定义式求出傅里叶系数:

    以周期性的方波信号为例,掌握傅里叶级数展开:

    推导过程:



    实验验证


    得到解析式后,可以用MATLAB仿真一下试试效果如何,

    代码示例:

    clc,clear;
    x = linspace(0,10*pi,1000);
    y=4/pi.*sin(0.5.*x); %E=2, w=0.5
    for n = 2:10
        y = y + 4/pi.*(1/(2.*n-1).*sin((2.*n-1).*0.5.*x))
    end
    plot(x,y)
    set(gca,'xticklabel',{'0';'\pi';'2\pi';'10\pi'});%关联的标签,用cell指定刻度标签,这里不再详细标注坐标来了
    

    最高10次谐波效果:

    最高15次谐波效果:

    最高150次谐波效果:

    可以发现,n取得越高,效果越逼近于方波,但边角处明显有突出的毛刺,这也称之为吉布斯现象

    将具有不连续点的周期函数(如矩形脉冲)进行傅立叶级数展开后,选取有限项进行合成。当选取的项数越多,在所合成的波形中出现的峰起越靠近原信号的不连续点。当选取的项数很大时,该峰起值趋于一个常数,大约等于总跳变值的9%。

    当最高为1000次谐波时,还算比较平滑。

    以上是时域上观察周期信号的傅里叶级数展开,在频域上则是展开式中的各频率信号对应的谐波成分,频域图像就像五线谱一样,每一根谱线对应一个频率,而时域图像就像是这个音符对应的频率的波形
    在这里插入图片描述

    Portal:

    数字信号处理手绘笔记005——DFS与DTFT的详细关系

    展开全文
  • 非正弦周期信号傅里叶级数展开式 标准信号的生成 方波:x1=square(2pi4t); Duty cycle is 50%(default);Frequency is 4Hz x2=square(2pi4t,75);Duty cycle is 75%;Frequency is 4Hz 三角波:x=sawtooth(2pi3t); ...
  • MATLAB实现周期信号傅里叶级数展开

    万次阅读 多人点赞 2019-03-02 21:01:01
    MATLAB小白,不足之处还请多指教! 设周期函数的波形为: 求该周期信号傅里叶级数展开式,并画出傅里叶展开后的波形 ...通过求出傅里叶级数的系数,带入傅里叶级数展开式的式子,就可以求出周期信号傅里叶级数展...
  • 周期信号傅里叶级数展开分析(利用MATLAB)

    千次阅读 热门讨论 2020-11-07 08:18:31
    1.掌握周期信号傅里叶级数分析的理论方法。 2.用MATLAB实现周期信号的傅里叶级数分解与综合。 3.用MATLAB实现周期信号的单边频谱及双边频谱。 4.周期信号频谱与脉冲宽度和周期T之间的关系 二、实验内容 2、 ...
  • Matlab 周期方波信号傅里叶级数展开

    千次阅读 2019-09-24 23:14:14
    傅里叶级数展开为: 程序运行结果: 程序代码: 1 clear 2 3 x = -6:0.01:6; 4 T = 4; 5 6 f = x; 7 for N = 1:length(f) 8 temp = rem(abs(x(N)),T); 9 if temp>1 && tem.....
  • 周期延拓 周期为2l的周期函数展开傅里叶级数 几个常见脉冲信号傅里叶级数
  • 离散周期信号傅里叶级数
  • 连续周期信号傅里叶级数
  • 周期函数的傅里叶级数展开

    千次阅读 2020-02-04 18:15:44
    周期函数的傅里叶级数展开周期函数 周期函数 周期函数表达式为: f(x) = f(x + kT) (k = 1,2,3…) 如果该周期函数满足狄利赫里条件,那么该周期可以展开为傅里叶级数: f(t)=a02+∑n=1∞(a0cos⁡(nω1t)+bnsin...
  • 连续时间周期信号傅里叶级数 掌握连续时间周期信号傅里叶级数展开和合成,理解吉布斯现象,掌握周期矩形脉冲信号的频谱及不同周期、脉冲宽度对周期信号频谱的影响。
  • 周期信号傅里叶级数公式

    千次阅读 2018-05-04 15:54:13
    连续周期信号 x(t)=∑−∞+∞akejkw0t=∑−∞+∞akejk(2π/T)tak=1T∫Tx(t)e−jkw0tdt=1T∫Tx(t)e−jk(2π/T)tdtx(t)=∑−∞+∞akejkw0t=∑−∞+∞akejk(2π/T)tak=1T∫Tx(t)e−jkw0tdt=1T∫Tx(t)e−jk(2π/T)tdtx...
  • 周期信号傅里叶级数表示,讲义ppt 详细讲解傅里叶级数的相关知识
  • 法国数学家傅里叶在提出傅里叶级数的时候认为,任何一个周期信号都可以展开傅里叶级数,之后,这个结论再一次的被补充,只有在满足狄利克雷条件时,周期信号才能够展开傅里叶级数 狄利克雷条件: 1. 在一个周期...
  • 离散时间周期信号傅里叶级数

    千次阅读 2020-01-16 11:39:55
    离散复指数信号的重复性 由于ej(w0+2π)n=ej2πnejw0n=ejw0ne^{j(w_0+2\pi)n}=e^{j2\pi n}e^{jw_0n}=e^{jw_0n}ej(w0​+2π)n=ej2πnejw0​n=ejw0​n,所以具有频率w0w_0w0​和w0±2π,w0±4π,...w0±2kπw_0\pm2\pi...
  • Matlab——周期信号傅里叶级数

    千次阅读 2020-11-07 20:58:19
    通信系统中利用信号来传递信息,确定信号是时间的确定函数。通信系统中的通信信道及其收发设备中的很多部分可以等效成...如果周期信号在一个周期内可积,则可以通过傅里叶级数展开周期信号傅里叶级数展开如式 ...
  • 本节是傅里叶级数的练习。推导了几个典型周期信号傅里叶级数
  • 周期信号傅里叶级数

    千次阅读 2018-05-29 23:19:05
    周期信号傅里叶级数周期信号三角形式的傅里叶级数1.三角形式的傅里叶级数系数an, bn称为傅里叶系数2.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...
  • (转自他人理解) 还仅仅是一个公式的由来 需要补点积以及线性代数的知识和高数中傅里叶级数章节 转载于:https://www.cnblogs.com/bebox/p/8996681.html
  • 离散周期信号傅里叶级数(DFS)

    万次阅读 多人点赞 2018-07-18 23:42:41
    这篇文章的思路是按照与连续时间周期信号傅里叶级数一致的,看完这篇博文的基础上,再看离散时间复指数序列的周期性质,了解了离散时间复指数序列的周期性后,就可以很简单地理解离散周期信号傅里叶级数了,这都...
  • 连续时间周期信号傅里叶级数表示 周期信号 成谐波关系的复指数信号集 傅里叶级数表示 傅里叶级数系数或频谱系数 傅里叶级数系数或频谱系数的确定 前序: 本博文上承接上篇博文:线性时不变系统(LTI)对复...
  • 三角形式的傅里叶级数 ...设周期信号f(t)f(t)f(t),其周期为TTT,角频率Ω=2π/T\Omega=2\pi/TΩ=2π/T,当满足狄里赫利条件时,可展开为三角形式的傅里叶级数。 f(t)=a02+∑n=1∞ancos(nΩt)+∑n=1∞bnsin(nΩt)f(t
  • 信号与系统——周期信号傅里叶级数表示(离散时间)
  • 我们讨论的是信号,首先面临的是什么是信号,或者我们将要讨论的具体“信号”代表的是什么,其实我认为信号就是函数,之所以不称他为函数,是因为他是一种特殊的函数----它携带了信息,所以信号就是携带了信息的函数...
  • 实验三周期信号的傅里叶级数分析及MATLAB实现一、实验目的:1.利用MATLAB实现周期信号的分解与合成,并图示仿真结果;...二、实验内容9.1(a):程序:display('Please input the value of m(傅里叶级数展开项数)...
  • 连续信号的频域分析 由信号正交分解的思想可知,由于三角函数集是完备正交函数集,任意信号都可以分解为三角函数表达形式,...周期信号的频谱分析 周期信号: x(t)=x(t+mT)m=0,±1,±2,⋯ x(t)=x(t+mT) \quad m=0,\pm1

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,436
精华内容 574
关键字:

周期信号的傅里叶级数展开