精华内容
下载资源
问答
  • 傅里叶变换基波
    万次阅读
    2021-03-24 18:53:25

    通俗易懂地理解傅里叶变换

    此处我们不用去讲解复杂的数学知识,原因在于,傅里叶变换的数学知识随处都可以搜索得到,在这里我们着眼于理解傅里叶变换的实际意义以及其内涵。

    简介

    在日常生活中,我们所接触到的世界全都是以时间为轴的,也就是说:我们通常对世界的认知是随着时间的推移,我们的世界也在不断地进行着演化和推进,这就是时域。

    但如果换一种思路来思考问题,即就是说;我们从频域上来看待这个世界,这个世界是静止的。

    举例

    就以我们经常接触到的音乐为例吧,一段音乐可以从时域上分析,那就是说:随着时间的推移,音乐也不断地向前推进,因而也就产生了我们所听到的音乐了。

    同样,我们换一种思路,每一个音乐的声音所对应的其实也就是一个音符而已,如果我们这样来理解音乐的话,那么,音乐其实就是不同音符的组合,通过静态音符的组合,我们得到了时域中的音乐声音了。

    回到傅里叶变换

    现在,我们再来重新审视傅里叶变换,对于一个波来说,在空间中的基波其实是恒定不变的,
    那么,我们就利用这些恒定不变的基波进行线性组合,那么最终得到的就是在时域上的一个最终的合成波了啊。

    总结

    总而言之,傅里叶变换本质上来说,就是把在时间上随时间不断变化的波,变换为了用基波来表示的一个线性组合(注意基波是恒定不变的),然后我们求出每一个基波所占有的比重也就求出了合成波的最后的表达式啦。

    所以,其实,傅里叶变换本质就是将波用基波来表示,所需要求解的其实也就是每一个基波所占有的权重罢了。
    从这个角度来看的话,我们的世界的确又是静止的。

    更多相关内容
  • 傅里叶变换与拉普拉斯变换

    一、基本信号

    1.1信号的分类

            1.1.1确定性信号和随机信号

                    对任意时刻,信号有确定的函数值,称为确定性信号。信号的取值在不同时刻随机变化则成为随机信号。

            1.1.2周期信号与非周期信号

                      按某一固定周期重复出现的信号,可表示为f(t)=f(t+T),其中T的取值为R。例如无电阻损耗的理想LC电路的自然响应。

            1.1.3连续时间信号与离散时间信号

                    连续时间信号:在所有连续时间值上均有定义,简称为连续信号或模拟信号。

                    离散时间信号:仅在一些离散时间点上才有定义,简称为离散信号。

            1.1.4因果信号与非因果信号

                    因果信号:在t< 0时,f(t)=0,则称为因果信号。无记忆系统属于因果信号。

                    非因果信号:周期信号均为非因果信号。

    1.2常用的基本信号

            1.2.1直流信号

                    f(t)=A(-\infty<t< +\infty ),属于非因果信号。

            1.2.2正弦信号

                    f(t)=Asin(wt+\varphi )

            1.2.3单位阶跃信号

                    \varepsilon (t)=\left\{\begin{matrix} 1 (t>0)\\ 0 (t<0) \end{matrix}\right. 

            1.2.4斜坡信号

                    r(t)=\left\{\begin{matrix} t(t\geq 0)\\ 0(t<0) \end{matrix}\right.

            1.2.5实指数信号

                    f(t)=Ae^{-\alpha t}(\alpha >0,t>0),属于因果信号

            1.2.6复指数信号

                    f(t)=Ae^{(\alpha +jw)t},若\alpha =0,则f(t)为虚指数信号,若w=0,则f(t)为实指数。

                    根据欧拉公式,复指数信号又可表示为:f(t)=Ae^{^{\alpha t}}(cos wt+jsin wt)

            1.2.7降正弦函数

                    Sa(t)=\frac{sint}{t}

                    特点:(1)Sa(t)是偶函数;

                               (2)当t=0时,Sa(t)为最大值1;

                               (3)曲线呈震荡衰减,取无穷大时极限为0;

                               (4)\int_{0}^{\infty }Sa(t)dt= \frac{\pi}{2},\int_{-\infty }^{\infty }Sa(t)dt= \pi;

                               (5)sinc(t)的定义:sinc(t)=\frac{sin\pi t}{\pi t}=Sa(\pi t);

    1.3信号的基本处理

            1.3.1相加与相乘

                    相加

                    相乘

            1.3.2反转与延时

                    将自变量t换成-t可得到另一个函数f(-t),称为信号的反转;

                    将自变量t换成t\pm t_{0},t_{0}为正的实常数,可得新信号f(t\pm t_{0}).

            1.3.3压缩与扩展

                     将自变量t换成at可得到另一个函数f(at),a为正实数,则信号f(t)将在时间尺度上压缩或扩展。

            1.3.4微分与积分

                    f(t)的一阶导数:\frac{df(t)}{dt}=f'(t)=f^{(1)}t

                    f(t)的二阶导数:\frac{d^{2}f(t)}{dt^{2}}=f''(t)=f^{(2)}t

                    f(t)的积分表示:y(t)=\int_{-\infty }^{t}f(\tau )d\tau =f^{(-1)}(t)

    1.3单位冲激函数

            1.3.1冲激函数的定义

            冲激函数是一个奇异函数,定义为\begin{cases} \delta (t)=0& t\neq 0 \\ \int_{-\infty }^{\infty }\delta (t)dt=1 \end{cases},解释为在0这一刻瞬间出现又立即消失的信号,且幅值无限大;在其他时刻始终为0.

            阶跃信号与冲激信号的确切关系:单位冲激信号的积分为单位阶跃信号,单位阶跃信号的导数应为单位冲激信号。

         单位冲激函数:   \delta (t)=\frac{d\varepsilon (t)}{dt}\varepsilon (t)=\int_{-\infty }^{t}\delta (\tau )d\tau;

            1.3.2冲激函数的性质

            1.\delta (t)是偶函数:\delta (t)=\delta (-t)

            2.\delta (t)具有取样性;

    二、傅里叶级数

    2.1傅里叶级数

            给定一个周期为T的函数x(t),当周期信号满足狄里赫利条件时,可用傅里叶级数表示。

            狄里赫利条件:(1)在单个周期内只有有限个极大值和极小值,且只有有限个第一类不连续点;

                                     (2)在单个周期内f(t)绝对可积,即\int_{-\pi /2}^{\pi /2}\left | f(t) \right |dt<\infty.

            表示为无穷级数:x(t)=\sum_{-\infty }^{+\infty }a_{k}e^{jkw_{0}t}=\sum_{-\infty }^{+\infty }a_{k}e^{jk(2\pi /T)t};

            基波频率为w_{0},基波周期T=2\pi /w_{0}.

            基波分量:k=\pm 1合在一块称为基波分量或一次谐波分量。

    2.2傅里叶级数的表示形式

            2.1.1三角级数表示

                     三角形式:  f(t)=a_{0}+\sum_{n=1}^{\infty }(a_{n}cos \, nw_{1}t+b_{n}sin\, nw_{1}t);

                    其中w_{1}=2\pi /T为基波角频率,nw_{1}称为n次谐波的频率;a_{0}为直流分量。

                    系数求解:     

                       a_{0}=\frac{1}{T}\int_{-\frac{T }{2}}^{\frac{T}{2}}f(t)dt;a_{n}=\frac{2}{T}\int_{-\frac{T }{2}}^{\frac{T}{2}}f(t)cos\, nw_{1}tdt;b_{n}=\frac{2}{T}\int_{-\frac{T}{2}}^{\frac{T }{2}}f(t)sin\, nw_{1}tdt.

                    系数的求解思路:a_{0}可直接使用在单个周期内进行积分,因为cos与sin在周期内积分为0,a_{n}b_{n}则可以利用三角函数的正交性进行求解,a_{n}直接乘以cos\, nw_{1},除cos\, nw_{1}自身外都可以正交积分为0, b_{n}直接乘以sin \, nw_{1},除sin \, nw_{1}自身外都可以正交积分为0.

                    傅里叶级数又可表示为余弦实函数:f(t)=a_{0}+\sum_{n=1}^{\infty }A_{n}cos(nw_{1}t+\varphi _{n});

                    其中a_{n}=A_{n}cos\varphi _{n},b_{n}=-A_{n}sin\varphi _{n} ;A_{n}=\sqrt{a_{n}^{2}+b_{n}^{2}};\varphi _{n}=-arctan(\frac{b_{n}}{a_{n}}).

            2.1.2复指数级数表示

                    使用欧拉公式将三角形式转换成复指数形式,即

                    f(t)=a_{0}+\sum_{n=1}^{\infty }(a_{n}\frac{e^{jnw_{1}t}+e^{-jnw_{1}t}}{2}+b_{n}\frac{e^{jnw_{1}t}-e^{-jnw_{1}t}}{2j})

                    化简后则有f(t)=a_{0}+\sum_{n=1}^{\infty }(\frac{a_{n}-jb_{n}}{2}e^{jnw_{1}t}+\frac{a_{n}+jb_{n}}{2}e^{-jnw_{1}t}),

                    令F_{0}=a_{0},F_{n}=\frac{a_{n}-jb_{n}}{2},由a_{n}=A_{n}cos\varphi _{n},b_{n}=-A_{n}sin\varphi _{n}

                    可知a_{n}=a_{-n},b_{n}=-b_{-n}

                    可得F_{-n}=\frac{a_{n}+jb_{n}}{2}f(t)=a_{0}+\sum_{n=1}^{\infty }(F_{n }\,e^{jnw_{1}t}+F_{-n }\,e^{-jnw_{1}t})

                    可化简为f(t)=\sum_{-\infty}^{\infty }F_{n }\,e^{jnw_{1}t}

                    其系数为F_{n}=\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}f(t)\,e^{-jnw_{1}t}dt.

                    F_{n}可视为各次谐波nw_{1}的函数,可表示为F_{n}=\left | F_{n} \right |e^{j\varphi _{n}};F_{-n}=\left | F_{n} \right |e^{-j\varphi _{n}},\left | F_{n} \right |为各次谐波的幅度,\varphi _{n}=nw_{1}为其相位。

                    每对频率项可合成一个余弦实数项,即F_{n }\,e^{jnw_{1}t}+F_{-n }\,e^{-jnw_{1}t}=2\left | F_{n} \right |cos(nw_{1}t+\varphi _{n}).各谐波振幅为A_{n}=2\left | F_{n} \right |.

    三、傅里叶变换

    3.1傅里叶变换

            3.1.1 傅里叶变换的定义

            傅里叶变换是一种分析信号的方法,它可分析信号的成分,也可用这些成分合成信号。许多波形可作为信号的成分,比如正弦波、方波、锯齿波等,傅里叶变换用正弦波作为信号的成分。

            3.1.2傅里叶变换的分类

            非周期性连续信号傅里叶变换(Fourier Transform)

            周期性连续信号傅里叶级数(Fourier Series)

            非周期性离散信号离散时域傅里叶变换(Discrete Time Fourier Transform)

            周期性离散信号离散傅里叶变换(Discrete Fourier Transform)

            3.1.3傅里叶级数到傅里叶变换

            正变换的推导:

            已知复指数形式的周期信号有以下关系:f(t)=\sum_{-\infty}^{\infty }F_{n }\,e^{jnw_{1}t}F_{n}=\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}f(t)\,e^{-jnw_{1}t}dt

            而  F_{n}可视为离散值nw_{1}的函数,则F(nw_{1})=F_{n}T=\int_{-\frac{T}{2}}^{\frac{T}{2}}f(t)\,e^{-jnw_{1}t}dt

            当T\rightarrow \infty时,谱线高度F_{n}和谱线间隔w_{1}趋于无穷小,则w_{1}可用dw代替,nw_{1}变为连续变量w,且T=\frac{2\pi }{w_{1}}=\frac{2\pi }{dw};

            即可推导出F(w)=\int_{-\infty }^{\infty }f(t)e^{-jwt}dt;同时F(w)=\lim_{T\rightarrow \infty }F_{n}T=\frac{2\pi F_{n} }{dw},可见F(w)相当于单位频率所占的幅度,具有密度的意义,一般情况下为连续谱。

            反变换的推导:

             根据上面的公式可得F_{n}又可表示为:F_{n}=\frac{dw }{2\pi}F(w),再代入到f(t)F_{n}的表达式中可得,同时将nw_{1}换成w,求和变成积分

            可得:f(t)=\frac{1}{2\pi }\int_{-\infty }^{\infty }F(w)e^{jwt}dw

             3.1.4连续傅里叶变换的正反变换

            正变换:F(w)=\int_{-\infty }^{\infty }f(t)e^{-jwt}dt;F(w)=\wp [f(t)]

            反变换:f(t)=\frac{1}{2\pi }\int_{-\infty }^{\infty }F(w)e^{jwt}dw;f(t)=\wp ^{-1}[F(w)]

            3.1.5离散傅里叶变换的正反变换

            正变换:X(e^{jw})=\sum_{-\infty }^{\infty}x[n]e^{-jwn}

            反变换:x[n]=\frac{1}{2\pi }\int_{2\pi }^{}X(e^{jw})e^{jwn}dw

            3.1.6F(w)的复指数表现形式

            频谱函数F(w)一般为w的复函数,则可将F(w)记为F(jw),则可写成F()=\left | F(w) \right |e^{j\varphi (w)};

            \left | F(w) \right |为幅度频谱,是偶函数,\varphi (w)为相位频谱,是奇函数;

            F(w)=\int_{-\infty }^{\infty }f(t)e^{-jwt}dt=\int_{-\infty }^{\infty }f(t)cos\, wtdt-j\int_{-\infty }^{\infty }f(t)sin\, wtdt=R(w)-jX(w);

            其中R(w)=\int_{-\infty }^{\infty }f(t)cos\, wtdt; X(w)=\int_{-\infty }^{\infty }f(t)sin\, wtdt

           可得  \left | F(w) \right |=\sqrt{R^{2}(w)+X^{2}(w)}\varphi (w)=-arctan[\frac{X(w)}{R(w)}];

    3.2常用信号的傅里叶变换

            3.2.1门信号的傅里叶变换

                    门函数:幅度为1,宽度为\tau的单个矩形脉冲,记为g_{\tau }(t)=\left\{\begin{matrix} 1\, (\left | t \right |<\frac{\tau }{2})\\ 0\, (\left | t \right |>\frac{\tau }{2}) \end{matrix}\right.;

                    F(w)=\int_{-\infty }^{\infty }g_{\tau }(t)e^{-jwt}dt=\int_{-\frac{\tau }{2}}^{\frac{\tau }{2}}e^{-jwt}dt=\frac{e^{-j\frac{w\tau }{2}}-e^{j\frac{w\tau }{2}}}{-jw}=\frac{2sin(\frac{w\tau }{2})}{w}=\tau \frac{sin\frac{w\tau }{2}}{\frac{w\tau }{2}};

                    令Sa(\frac{w\tau }{2})=\frac{sin(\frac{w\tau }{2})}{\frac{w\tau }{2}},则频谱为F(w)=\tau Sa(\frac{w\tau }{2});

            3.2.2冲激信号的傅里叶变换

                    F(w)=\int_{-\infty }^{\infty }\delta (t)e^{-jwt}dt=1,有变换对\delta (t)\leftrightarrow 1,可见冲激信号的频谱为均匀谱。

            3.2.3直流信号的傅里叶变换

                    设直流信号f(t)=1,则有\delta (t)=\delta (-t)=\frac{1}{2\pi }\int_{-\infty }^{\infty }1\cdot e^{-jwt}dw,可推出\int_{-\infty }^{\infty }1\cdot e^{-jwt}dt=2\pi \delta (w);即1\leftrightarrow 2\pi\delta (w);

            3.2.4指数信号的傅里叶变换

                    设单边指数信号为f(t)=e^{-at},F(w)=\int_{0}^{\infty }e^{-\alpha t}\cdot e^{-jwt}dt=\int_{0}^{\infty }e^{-(\alpha +jw)t}dt=\frac{1}{\alpha +jw};

                    变换对:e^{-\alpha t}\varepsilon (t)\leftrightarrow \frac{1}{\alpha +jw};

            3.2.5符号信号的傅里叶变换

                    符号函数定义为:sgn(t)=\left\{\begin{matrix} 1\, (t>0)\\ -1\, (t<0) \end{matrix}\right.,由于不满足绝对可积条件,所以只能视为双边指数函数在0这一点的极限,即sgn(t)=\lim_{\alpha \rightarrow 0}e^{-\alpha t}\varepsilon (t)+\lim_{\alpha \rightarrow 0}-(e^{-\alpha t})\varepsilon (-t),则频谱为F(w)=\lim_{\alpha \rightarrow 0}(\frac{1}{\alpha +jw}-\frac{1}{\alpha -jw})=\frac{2}{jw};

            3.2.6阶跃信号的傅里叶变换

                    单位阶跃函数可以用直流信号和符号函数表示为:\varepsilon (t)=\frac{1}{2}+\frac{1}{2}sgn(t),频谱可化为\varepsilon (t)\leftrightarrow \pi \delta (w)+\frac{1}{jw};

    3.3傅里叶变换的性质

            3.3.1线性性质

                    因为傅里叶变换本身就是线性变换,所以满足线性关系。

            3.3.2脉冲展缩与频带变化

                    已知f(t)\leftrightarrow F(w),则f(at)\leftrightarrow \frac{1}{\left | a \right |}F(\frac{w}{a}),表明了信号时域波形的压缩,对应其频谱图形的的扩展;信号时域波形的扩展对应其频谱图形的压缩,且展缩倍数一致。

            3.3.3延时与相位移动

                    f(t)延时t_{0}后,其对应的幅度频谱保持不变,但相位频谱中所有分量的相位均滞后wt_{0}.

            3.3.4调制与频谱搬移

                    调制:乘以e^{jwt}将信号抬升至高频区间;

                    解调:乘以e^{-jwt}将信号搬移到低频区间;

                    频谱搬移:f(t)e^{jwt}\leftrightarrow F(w-w_{0})

            3.3.5时-频对称性

                    信号的时域变化与其频谱特性之间存在一定的对称性,若f(t)\leftrightarrow F(w),则有F(t)\leftrightarrow 2\pi f(-w);它表明了若函数f(t)的频谱为F(w),则时间信号F(t)=F(w)|_{w=t}对应的频谱为2\pi f(-w)=2\pi f(t)|_{t=-w};

            3.3.6卷积定理

                    f_{1}(t)\ast f_{2}(t)\leftrightarrow F_{1}(w)\cdot F_{2}(w),时域的卷积对应频域函数的相乘;

                    f_{1}(t)\cdot f_{2}(t)\leftrightarrow \frac{1}{2\pi }F_{1}(w)\ast F_{2}(w),时域相乘对应频域卷积。

            3.3.7时域微分

                    若f(t)\leftrightarrow F(w),则有\frac{df(t)}{dt}\leftrightarrow jwF(w);推广可得\frac{d^{n}f(t)}{dt^{n}}\leftrightarrow (jw)^{n}F(w)

            3.3.8时域积分

                    若f(t)\leftrightarrow F(w),则有\int_{-\infty }^{t}f(\tau )d\tau \leftrightarrow \pi F(0)\delta (w)+\frac{F(w)}{jw};

    四、拉普拉斯变换

    4.1拉普拉斯变换

            4.1.1拉普拉斯变换的定义

                    拉普拉斯正变换的推导:已知傅里叶变换为F(w)=\int_{-\infty }^{\infty }f(t)e^{-jwt}dt,乘以收敛因子e^{-\sigma t},\sigma为实常数,则有F(w)=\int_{-\infty }^{\infty }f(t)e^{-(\sigma +jw)t}dt;

                    令复频率s=\sigma +jw,则有F(s)=\int_{-\infty }^{\infty }f(t)e^{-st}dt,F(s)称为信号f(t)的双边拉普拉斯变换,简称双边拉氏变换。

                    拉普拉斯反变换的推导:f(t)e^{-\sigma t}=\frac{1}{2\pi }\int_{-\infty }^{\infty }F(s)e^{jwt}dw,利用了傅里叶变换的频谱搬移性质。再同乘以e^{\sigma t},可得f(t)=\frac{1}{2\pi }\int_{-\infty }^{\infty }F(s)e^{(\sigma +jw)t}dw,因为s=\sigma +jw,且\sigma为实常数,则有ds=jdw,当w=\pm \infty时,有s=\sigma \pm j\infty,从而f(t)=\frac{1}{2\pi j}\int_{\sigma -j\infty }^{\sigma +j\infty }F(w)e^{-st}dt

            4.1.2傅里叶到拉普拉斯

                    由于傅里叶变换需要满足狄里赫利条件,但大部分函数都是不满足其绝对可积条件的,所以采用一个衰减函数使其满足其绝对可积。

    4.2常用信号的拉普拉斯变换

     

    4.3拉普拉斯变换的性质

            4.3.1线性性质

                    满足可加性与齐次性:a_{1}f_{1}(t)+a_{2}f_{2}(t)\leftrightarrow a_{1}F_{1}(s)+a_{2}F_{2}(s)

            4.3.2延时性质

                    f(t-t_{0})\varepsilon (t-t_{0})\leftrightarrow F(s)e^{-st_{0}}

                    从t=0开始的周期信号的拉氏变换等于其第一周期波形的拉氏变换乘以\frac{1}{1-e^{-sT}};

                    即F(s)=F_{1}(s)\frac{1}{1-e^{-sT}}

            4.3.3微分定理

                    若f(t)\leftrightarrow F(s),则有f^{'}(t)\leftrightarrow sF(s)-f(0_{-});f^{''}(t)=s^{2}F(s)-sf(0_{-})-f(0_{-});

                    若f(t)为有始函数,则f(0_{-}),则有f^{'}(t)\leftrightarrow sF(s);f^{''}(t)\leftrightarrow s^{n}F(s).

            4.3.4积分定理

                    若f(t)\leftrightarrow F(s),\int_{0_{-}}^{t}f(\tau )d\tau \leftrightarrow \frac{F(s)}{s};

            4.2.5卷积定理

                    f_{1}(t)\ast f_{2}(t)\leftrightarrow F_{1}(s)\cdot F_{2}(s)

            4.2.6初值与终值定理

                    若信号在0处不含冲激函数,则初值定理为f(0_{+})=\lim_{s\rightarrow \infty }sF(s),中值定理为f(\infty)=\lim_{s\rightarrow 0_{+} }sF(s).

    五、附录

    5.1.1傅里叶变换的性质

    5.1.2周期信号的傅里叶变换

    5.1.3非周期信号的傅里叶变换

    展开全文
  • 傅里叶变换

    2020-06-14 13:19:30
    根据傅里叶级数的原理,周期函数都可以展开为常数与一组具有共同周期的正弦函数和余弦函数之和。 上式称为f(t)的傅里叶级数,其中,ω=2π/T。 n=0,1,2,3,…。 n=1,2,3,4,…。 在间断点处,...

    https://www.jianshu.com/p/d30230dcc443

    根据傅里叶级数的原理,周期函数都可以展开为常数与一组具有共同周期的正弦函数余弦函数之和。

    上式称为f(t)的傅里叶级数,其中,ω=2π/T

    n=0,1,2,3,…。

    n=1,2,3,4,…。

    间断点处,下式成立:

    a0/2为信号f(t)的直流分量

    c1为基波幅值cnn谐波的幅值。c1有时也称一次谐波的幅值。a0/2有时也称0次谐波的幅值。

    谐波的频率必然也等于基波的频率的整数倍,基波频率3倍的波称之为三次谐波,基波频率5倍的波称之为五次谐波,以此类推。不管几次谐波,他们都是正弦波

    高于基波频率的谐波,称为高次谐波,高次谐波的频率是基波频率的整数倍。或者说频率为基波频率2倍以上的正弦波均为高次谐波。

          

     

    高次谐波

    1、概念:对于任意一复合周bai期振动函数duy(T)按傅氏级数分解表示为:第一项称均值或直zhi流分量,第二项为基波或基dao本振动,第三项称二次谐波,依此类推或把二次谐波以后的统称为高次谐波。

    2、危害

    (1)电力电子设备通常靠精确电源零交叉原理或电压波形的形态来控制和操作,若电压有谐波成分时,零交叉移动、波形改变、以致造成许多误动作。

    (2)高次谐波还会对电脑、通信、设备电视及音响设备、载波遥控设备等产生干扰,使通信中断,产生杂讯,甚至发生误动作,另外还会对照明设备产生影响。

    (3)当高次谐波产生时,由于频率增大,电容器阻抗瞬间减小,涌入大量电流,因而导致过热、甚至损坏电容器,还有可能发生共振,产生振动和噪声,甚至爆炸。

    展开全文
  • 傅里叶变换(一)——认识傅里叶变换

    万次阅读 多人点赞 2018-05-29 22:36:07
    注:本文为博主参考书籍和他人文章并加上自己的理解所编,作为学习笔记使用并将其分享出去供大家学习。若涉及到引用您的文章内容请评论区告知!...一、什么是傅里叶变换   时域及频域  在讲...

    注:本文为博主参考书籍和他人文章并加上自己的理解所编,作为学习笔记使用并将其分享出去供大家学习。若涉及到引用您的文章内容请评论区告知!如有错误欢迎指正! 

    参考文章:https://zhuanlan.zhihu.com/p/19763358

    p.s.本文无论是cos还是sin,都统一用“正弦波”(Sine Wave)一词来代表简谐波。

    一、什么是傅里叶变换

     

    时域及频域

        在讲解傅里叶变换之前,我们需要先来了解一下时域和频域的概念。

        从我们出生,我们看到的世界都以时间贯穿,股票的走势、人的身高、汽车的轨迹都会随着时间发生改变。这种以时间作为参照来观察动态世界的方法我们称其为时域分析。而我们也想当然的认为,世间万物都在随着时间不停的改变,并且永远不会静止下来。但如果我告诉你,用另一种方法来观察世界的话,你会发现世界是永恒不变的,你会不会觉得我疯了?我没有疯,这个静止的世界就叫做频域。

        我们举一个例子:假如一段音乐的曲调类似于某种正弦波的形式,那么从时域来看它的曲调时高时低在不停地变化着,而当我们从频域的角度看则可以认为它只是静止在那里的一个音符(本人不懂音乐,这样写纯粹为了帮助理解)。

        这里 借用别人的一句话:

    你眼中看似落叶纷飞变化无常的世界,实际只是躺在上帝怀中一份早已谱好的乐章。

        所以实际上时域是以时间为横坐标,时域分析就是观察一件事物随时间的变化规律。而频域则是以频率为横坐标,频域分析(频谱分析)就是在观察一件事物在不同频率上的分布情况。

     

    为什么要进行频域分析   

         信号不只和时间有关,还和频率有关,在不同频率下信号的响应是不一样的,所以就要知道信号随着频率是怎么变化的。

     

        还有信号的计算,在时间域内往往要解微分方程,而用傅立叶和拉普拉斯变换复频域后就变成了代数方程,求解起来很方便。
        从频谱图上可以看到幅值相位随着频率变化是如何响应的

     

        也可以求出系统的截止频率

        无需求解微分方程,图解(频率特性图)法,间接揭示系统性能并指明改进性能的方向和易于实验分析.可推广应用于某些非线性系统(如含有延迟环节的系统)以及可方便设计出能有效抑制噪声的系统。

    傅里叶分析

        那我们不禁会产生一个疑问,如果我们需要分析的这个信号是没有规律即不是正弦信号的话,我们该如何从频域的角度去做分析呢?

        这时我们的傅里叶同学提出来:任何连续周期信号都可以由一组适当的正弦曲线组合而成。虽然正弦曲线无法组合成一个带有棱角的信号。但是,我们可以用正弦曲线来非常逼近地表示它,逼近到两种表示方法不存在能量差别。

        这里引用别人的一张图:

        随着正弦波数量逐渐的增长,他们最终会叠加成一个标准的矩形。

        不仅仅是矩形,你能想到的任何波形都是可以如此方法用正弦波叠加起来的,前提是要正弦波足够的多。

        为什么我们要用正弦曲线来代替原来的曲线呢?如我们也还可以用方波或三角波来代替呀,分解信号的方法是无穷多的,但分解信号的目的是为了更加简单地处理原来的信号。
        用正余弦来表示原信号会更加简单,因为正余弦拥有原信号所不具有的性质:正弦曲线保真度。一个正余弦曲线信号输入后,输出的仍是正余弦曲线,只有幅度和相位可能发生变化,但是频率和波的形状仍是一样的。且只有正余弦曲线才拥有这样的性质,正因如此我们才不用方波或三角波来表示。

        傅里叶变换使一种线性的积分变换,这种变换是从时间转换为频率的变换或其相互转换。那么为什么要使用傅里叶变化呢?它可以很容易的将信号分解为频域里各种不同频率的信号,又由于频域分析具有很多时域所不具有的特点,故可以比较方便的对原信号进行分析。

    分解的思路

    1.常数项

        对于某些常数函数或者含有其他附加量的原函数,还需要附加常数项。

    2.周期不变

        假设原函数的周期为T,我们通过怎样的合理分解能使的分解出的各函数可以仍然合并出一个周期为T的函数呢?

     

        我们通过思考,比如说T/2的周期也为T。很显然对于一般的,如果f(x)的周期为T,那么

    这些函数的周期都为T。我们将这些函数进行加减得到的结果函数周期仍然为T。

    3.振幅调整

        通过上面的分析,我们得到了一堆周期为T的函数。接下来我们就需要用这一对的函数的某些来逼近原函数,比如先用一个周期刚好为T的函数(基波/一次谐波)来与原函数作比较,假设该函数比原函数看起来要低一些,那我我们可以试图给这个函数进行放大,即前面加上一个大于1的系数。此时如果某些地方超出了原函数,我们就需要减去一个较小周期的函数。这样经过不断地加加减减就会越来越接近原函数了。

    4.总结

        综上,我们可以构造一个三角函数之和:

    其中C称为f(x)的直流分量,an和bn分别为余弦函数和正弦函数的赋值增益。(这个式子就是后边要讲的傅里叶级数的一般形式的转换函数)

      

    二、傅里叶变换的类型  

        按原始信号的不同可以将傅里叶变换分为四类:

    1、非周期性连续信号        傅立叶变换(FT) 
    2、周期性连续信号           傅立叶级数(FS) 
    3、非周期性离散信号        离散时域傅立叶变换(DTFT) 

    4、周期性离散信号           离散傅立叶变换(DFT) 

        如上,容易发现:函数在时(频)域的离散对应于其像函数在频(时)域的周期性。反之连续则意味着在对应域的信号的非周期性。也就是说,时间上的离散性对应着频率上的周期性。同时,注意,离散时间傅里叶变换,时间离散,频率不离散,它在频域依然是连续的。

     

    阅读建议:下面的顺序是为了和上面的列举有所对应,阅读的话建议先阅读傅里叶级数然后再阅读连续傅里叶变换。

    1、连续傅里叶变换(FT)

    傅里叶变换的频谱

        通过和傅里叶级数的图比较,大家应该可以理解如何从离散谱变成了连续谱的了吧?原来离散谱的叠加,变成了连续谱的累积。所以在计算上也从求和符号变成了积分符号。

    欧拉公式

        在进行下面的讲解之前,我们需要复习一下之前高中学过的数学知识:欧拉公式生气

        虚数i这个概念大家在高中就接触过,但那时我们只知道它是-1的平方根,可是它真正的意义是什么呢?

        这里有一条数轴,在数轴上有一个红色的线段,它的长度是1。当它乘以3的时候,它的长度发生了变化,变成了蓝色的线段,而当它乘以-1的时候,就变成了绿色的线段,或者说线段在数轴上围绕原点旋转了180度。

        我们知道乘-1其实就是乘了两次 i使线段旋转了180度,那么乘一次 i 呢——答案很简单——旋转了90度。

        同时,我们获得了一个垂直的虚数轴。实数轴与虚数轴共同构成了一个复数的平面,也称复平面。这样我们就了解到,乘虚数i的一个功能——旋转。

        现在,就有请宇宙第一耍帅公式欧拉公式隆重登场——

        这个公式在数学领域的意义要远大于傅里叶分析,但是称它为宇宙第一耍帅公式是因为它的特殊形式——当x等于Pi的时候。

        这个公式关键的作用,是将正弦波统一成了简单的指数形式。我们来看看图像上的涵义:

        欧拉公式所描绘的,是一个随着时间变化,在复平面上做圆周运动的点,随着时间的改变,在时间轴上就成了一条螺旋线。如果只看它的实数部分,也就是螺旋线在左侧的投影,就是一个最基础的余弦函数。而右侧的投影则是一个正弦函数。

    指数形式的傅里叶变换

        有了欧拉公式的帮助,我们便知道:正弦波的叠加,也可以理解为螺旋线的叠加在实数空间的投影。

        那么我们就可以很容易的从实数域扩展到复数域。

        这个像大海螺一样的图,为了方便观看,仅仅展示了其中正频率的部分,负频率的部分没有显示出来。

        如果你认真去看,海螺图上的每一条螺旋线都是可以清楚的看到的,每一条螺旋线都有着不同的振幅(旋转半径),频率(旋转周期)以及相位。而将所有螺旋线连成平面,就是这幅海螺图了。

     

        连续形式的傅里叶变换其实是傅里叶级数 (Fourier series)的推广,因为积分其实是一种极限形式的求和算子而已。一般情况下,若“傅里叶变换”一词不加任何限定语,则指的是“连续傅里叶变换”。连续傅里叶变换将平方可积的函数f(t)表示成复指数函数的积分或级数形式

    这是将频域的函数F(ω)表示为时域的函数f(t)的积分形式。

        ①平方可积函数:平方可积函数是绝对值平方的积分为有限值的实值或副值可测函数,又称二次积分函数。一个等价的定义是,函数本身的平方(而非它的绝对值)是勒贝格可积的。想要使其为真,实部的正和负的部分的积分都必须是有限的,虚部也是如此。若,则我们说f在实直线(-∞,+∞)上是平方可积的。平方可积一词也可以用于有限区间。

        ②级数是指将数列的项依次用加号连接起来的函数。级数理论是分析学的一个分支;它与另一个分支微积分一起作为基础知识和工具出现在其余各分支中。二者共同以极限为基本工具,分别从离散与连续连个方面,结合起来研究分析学的对象,即变量之间的依赖关系——函数。S=∑u(n)称为级数的部分和,u(n)称为级数的通项。

        连续傅里叶变换的逆变换为:

    即将时域的函数f(t)表示为频域的函数F(ω)的积分。

        一般可称函数f(t)为原函数,而称函数F(ω)为傅里叶变换的像函数,原函数和像函数构成一个傅里叶变换对。

        除此之外,还有其它型式的变换对,以下两种型式亦常被使用。在通信或是信号处理方面,常以来代换,而形成新的变换对:

        一种对连续傅里叶变换的推广称为分数傅里叶变换(Fractional Fourier Transform)。分数傅里叶变换(fractional Fourier transform,FRFT)指的就是傅里叶变换(Fourier transform,FT)的广义化。

    分数傅里叶变换的物理意义即做傅里叶变换 a 次,其中 a 不一定要为整数;而做了分数傅里叶变换之后,信号或输入函数便会出现在介于时域(time domain)与频域(frequency domain)之间的分数域(fractional domain)。

        当f(t)为偶函数(或奇函数)时,其正弦(或余弦)分量将消亡,而可以称这时的变换为余弦变换(cosine transform)或正弦变换(sine transform)。

        这个很好理解,不过这里还是给出它的证明过程:我们可以先设f(t)=e^jωt,那么f(-t)=e^-jωt。根据欧拉公式我们可以得到f(t)= e^jωt=cos(ωt)+jsin(ωt)。根据(f(t)+ f(-t))/2= cos(ωt),若f(t)为偶函数则得到f(t)= cos(ωt);根据(f(t)-f(-t))/2=jsin(ωt)若f(t)为奇函数则得到f(t)= jsin(ωt)。

    2、傅里叶级数(FS)

    傅里叶级数的频谱

        还是上图的正弦波累加成矩形波,我们换一个角度来看看:

     

        在这几幅图中,最前面黑色的线就是所有正弦波叠加而成的总和,也就是越来越接近矩形波的那个图形。而后面依不同颜色排列而成的正弦波就是组合为矩形波的各个分量。这些正弦波按照频率从低到高从前向后排列开来,而每一个波的振幅都是不同的。一定有细心的读者发现了,每两个正弦波之间都还有一条直线,那并不是分割线,而是振幅为0的正弦波!也就是说,为了组成特殊的曲线,有些正弦波成分是不需要的。

        这里,不同频率的正弦波我们称为频率分量。   

        如果我们把第一个频率最低的频率分量看作“1”,我们就有了构建频域的最基本单元。对于我们最常见的有理数轴,数字“1”就是有理数轴的基本单元。时域的基本单元就是“1秒”,如果我们将一个角频率为\omega_{0}的正弦波cos(\omega_{0}t)看作基础,那么频域的基本单元就是\omega_{0}

        有了“1”,还要有“0”才能构成世界,那么频域的“0”是什么呢?cos(0t)就是一个周期无限长的正弦波,也就是一条直线!所以在频域,0频率也被称为直流分量,在傅里叶级数的叠加中,它仅仅影响全部波形相对于数轴整体向上或是向下而不改变波的形状。

        正弦波就是一个圆周运动在一条直线上的投影。

        所以频域的基本单元也可以理解为一个始终在旋转的圆。圆的半径取决于振幅的大小,圆的转速取决于频率频率大小。

        介绍完了频域的基本组成单元,我们就可以看一看一个矩形波,在频域里的模样了:

    可以看出有些项的振幅是0,也就对应了图中的彩色直线。振幅为0的正弦波。

    傅里叶级数的相位谱

        通过时域到频域的变换,我们得到了一个从侧面看的频谱,但是这个频谱并没有包含时域中全部的信息。因为频谱只代表每一个对应的正弦波的振幅是多少,而没有提到相位。基础的正弦波A.sin(wt+θ)中,振幅,频率,相位缺一不可,不同相位决定了波的位置,所以对于频域分析,仅仅有频谱(振幅谱)是不够的,我们还需要一个相位谱。那么这个相位谱在哪呢?我们看下图,这次为了避免图片太混论,我们用7个波叠加的图。

        鉴于正弦波是周期的,我们需要设定一个用来标记正弦波位置的东西。在图中就是那些小红点。小红点是距离频率轴最近的波峰,而这个波峰所处的位置离频率轴有多远呢?为了看的更清楚,我们将红色的点投影到下平面,投影点我们用粉色点来表示。当然,这些粉色的点只标注了波峰距离频率轴的距离,并不是相位。

        这里需要纠正一个概念:时间差并不是相位差。如果将全部周期看作2Pi或者360度的话,相位差则是时间差在一个周期中所占的比例。我们将时间差除周期再乘2Pi,就得到了相位差。

        在完整的立体图中,我们将投影得到的时间差依次除以所在频率的周期,就得到了最下面的相位谱。所以,频谱是从侧面看,相位谱是从下面看。

     

        对于周期函数,其傅里叶级数是存在的:(注:以下公式均假设原周期函数的周期为2π,关于傅里叶级数的更详细的解释会出现在后期的深入傅里叶级数一篇文章中)

    其中Fn为复幅度。对于实值函数,函数的傅里叶级数可以写成:

    其中an和bn是实频率分量的幅度。

    3、离散时域傅里叶变换(序列的傅里叶变换 DTFT)

        离散傅里叶变换是离散时域傅里叶变换(DTFT)的特例(有时作为后者的近似)。DTFT在时域上离散,在频域上则是周期的。DTFT可以被看作是傅里叶级数的逆变换。

    4、离散傅里叶变换(DFT)

        离散傅里叶变换(DFT),是连续傅里叶变换在时域和频域上都离散的形式,且时域和频域都是周期性的。在形式上,变换两端(时域和频域上)的序列是有限长的,而实际上这两组序列都应当被认为是离散周期信号的主值序列。即使对有限长的离散信号作DFT,也应当将其看作经过周期延拓成为周期信号再作变换。在实际应用中通常采用快速傅里叶变换以高效计算DFT。

        为了在科学计算和数字信号处理等领域使用计算机进行傅里叶变换,必须将函数xn定义在离散点而非连续域内,且须满足有限性或周期性条件。这种情况下,使用离散傅里叶变换(DFT),将函数xn表示为下面的求和形式:

        其中Xk是傅里叶幅度。直接使用这个公式计算的计算复杂度为O(n*n),而快速傅里叶变换(FFT)可以将复杂度改进为O(n*lgn)。(后面会具体阐述FFT是如何将复杂度降为O(n*lgn)的。)计算复杂度的降低以及数字电路计算能力的发展使得DFT成为在信号处理领域十分实用且重要的方法。

    展开全文
  • 文章目录周期信号的傅里叶变换1 周期信号的傅里叶变换2 周期信号傅里叶级数与傅里叶变换的关系 周期信号的傅里叶变换 1 周期信号的傅里叶变换 建立一个可以分析周期和非周期信号的统一方法。 正、余弦信号的傅里叶...
  • %求第(k,l)个傅里叶基函数在(x,y)处的值。为可视化虚部也看做实数 end end fprintf('%d',k) fprintf('%d\n',l) colormap('Cool');%选择色调,这里为Cool imagesc(A); % 由A(x,y)的值确定颜色 %set(gca,'...
  • 如何求傅里叶变换

    千次阅读 2019-01-15 11:12:56
    具体求傅里叶变换,有成熟的函数可供调用。本文只讲述如何理解傅里叶变换的思想。如果你掌握了这个思想,不用再记公式,也不用去调用什么函数,自己编个简单程序就可实现。就算你不会编程,只要你学过三角函数,至少...
  • 用DFT 函数计算电压u, 电流i的基波(f1=50 Hz)的有效值和相位; 用FFT函数分别计算电压u和电流i 所包含的直流,基波和谐波的有效值和初相角; 可计算基波(f1=50 Hz)和各次谐波的功率p和功率因数con?.
  • Matlab模拟傅里叶变换

    2021-04-21 19:32:11
    傅里叶变换是我们最早开始接触的时频域变换方法,虽然经常使用,知道怎么用纸笔计算,但是还从来没有在电脑中模拟过,正好现在开始学习数字信号处理,借着这个机会再学习如何在电脑上模拟傅里叶变换。以下大部分内容...
  • 傅里叶变换的核心是从时域到频域的变换,而这种变换是通过一组特殊的正交基来实现的。傅立叶变换使我们能通过频率成分来分析一个函数。任何信号(如图像信号)都可以表示成一系列正弦信号的叠加。傅立叶变换在实际中...
  • 如何使用 python 实现快速的傅里叶变换 首先对信号进行 scipy 中的 fft 变换,得到和原始信号相同长度的变换结果 fft_y, 这个结果包含振幅和相位信息 变换得到的结果包含相位谱和振幅谱,通过 abs(fft_y) 可以直接...
  • 最近在看《信号与系统》,连续傅里叶级数和离散傅里叶级数中,离散傅里叶级数的谐波信号种类是有限的,而连续时间信号的傅里叶级数的谐波信号就有无数个,这个让我很不解。  后来经过公式推导,确实是如此,但还是...
  • f(t)=f(t+T) F0=1/T为基波频率 满足狄利赫里条件则周期信号可以展开为三角函数的线性组合 (1) 在一个周期内,函数f(t)为连续或只含有有限个第一类间断点; (2) 在一个周期内,函数f(t)的极值点为有限个; ...
  • 傅里叶变换的推导

    千次阅读 2019-12-29 14:19:49
    首先,隆重推出傅里叶级数的公式,不过这个东西属于“文物”级别的,诞生于19 世纪初,因为傅里叶...一打开《信号与系统》、《锁相环原理》等书籍,动不动就跳出一个“傅里叶级数”或“傅里叶变换”,弄一长串公式,...
  • 傅里叶变换就是这么简单?

    万次阅读 多人点赞 2018-10-23 16:19:23
    学习傅里叶变换需要面对大量的数学公式,数学功底较差的同学听到傅里叶变换就头疼。事实上,许多数学功底好的数字信号处理专业的同学也不一定理解傅里叶变换的真实含义,不能做到学以致用! 事实上,傅里叶变换的相关...
  • 傅里叶级数 傅里叶生于1768年,死于1830年。傅里叶级数在数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学等领域都有着广泛的应用.傅里叶级数的公式: 1、把一个周期函数表示成三角级数:  ...
  • 【算法】离散傅里叶变换(DFT)

    千次阅读 2022-04-13 13:53:21
    说明:上图结果证明了离散傅里叶变化是对FT变化在区间(0,2*pi)的等间距N点采样 四、窗函数与频谱泄露-STFT短时傅里叶变换 参考:动手实践–窗函数与频谱泄漏 在上一篇文章中,离散傅里叶变换 (DFT)为我们提供了一...
  • 匿名用户1级2016-12-02 回答我看你对于傅里叶变换可能并不是十分理解,初学者吧。。。傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。傅里叶变换的实质是将一个...
  • 共回答了18个问题采纳率:83.3%我看你对于傅里叶变换可能并不是十分理解,初学者吧.傅里叶变换是一种特殊的积分变换.它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分.傅里叶变换的实质是将一个信号...
  • 傅里叶变换零基础学习记录

    多人点赞 2019-07-01 11:10:37
    2 如何求傅里叶变换 TODO2.1 傅里叶变换的分类2.2 欧拉公式2.3 离散傅里叶变换 DFT3.4 快速傅里叶变换 FFT3 傅里叶变换的应用 TODO参考文献 1 不谈数学公式,说明傅里叶变换的前世今生 傅里叶变换需要面对大量数学...
  • 结合SAR简单介绍傅里叶变换
  • 1、FFT,分析基波的参与时间对傅里叶变换的影响 基波为4个余弦波,用matlab程序控制其参与输入信号的增益。 当增益为1,4基波全时参与时,输入信号为: 注意:FFT后在Vector Scope显示每帧的频率图时,应设置...
  • 目录前言非周期信号傅里叶变换表示的导出非周期信号的傅里叶变换与周期信号的傅里叶级数系数之间的关系前言前面我们讲了,周期信号作为复指数信号线性组合的表示,即连续周期信号的傅里叶级数表示与离散周期信号的...
  • 数学之美—细数 傅里叶变换 原理

    千次阅读 2021-07-28 14:52:41
    三、傅里叶变换(FT)的引出 四、DTFT、DFT、FFT的引出 第一次认识傅里叶(Fourier)是在大二那年的《信号与系统》课上,当时学这门课也不知道有啥用,听的也是一愣一愣的。。最后也仅仅是达到了期末前三天记了点...
  • 从信号处理认识傅里叶变换

    千次阅读 2021-12-21 18:01:01
    1. 傅里叶级数 2. 傅里叶变换
  • 通过傅里叶级数展开,将周期信号分解为一系列“加权”的正弦信号的叠加,对傅里叶级数展开各个频率分量的系数CnC_nCn​,通过将周期信号的周期趋近无穷大,进而得到了非周期信号的傅里叶变换F(jω)F(j\omega)F(jω)...
  • 利用傅里叶变换提取信号的主要成分、消除噪音
  • 其实傅里叶变换的物理意义,无需多讲,就是把非周期信号,用无限的周期正余弦函数进行叠加,来表示我们所需要的时域的函数。我先上图,关于定义什么的大家都知道,不多说。 做傅里叶变换的目的是因为 很多在时域内...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 678
精华内容 271
关键字:

傅里叶变换基波