周期函数的傅里叶变换
傅里叶变换最开始需要从傅里叶级数开始讲起
-
傅里叶级数
一个周期信号(f(t)), 周期为(T), 角频率为 (w_0 = 2pi f_0 = frac{2pi}{T}),可以展开成如下形式:
[egin{align*} 三角函数基的傅里叶展开: f(t) &= a_0 + a_1cos w_0 t + a_2cos 2w_0 t + a_3cos 3w_0 t + ... \ & hspace{1.2cm} + b_1sin w_0 t + b_2sin 2w_0 t + b_3sin 3w_0 t + ... \ &= a_0 + sum_{n=1}^{infty}(a_ncos nw_0t+b_nsin nw_0t) end{align*} ]
从含义上理解,我们知道是用无限个缩放周期去拟合这个模拟函数,如下图:
但从数学上解释,仔细观察,就知道就可以体会到(f(t))在(cosnw_0 t)以及(sin nw_0t)做分解,之所以能这么分解是因为正余弦组成了一组正交基
介绍正交基之前要先知道函数的正交性: 高中知识告诉我们 一个二维空间的向量是由x, y轴的单位向量(vec{x}=(1,0), vec{y}=(0,1))构成,这俩个向量具有正交性,因为它们的内积(投影)为:(vec{x} · vec{y}= 1 * 0 + 0 * 1 = 0), 同样把正交扩展至函数,当函数的内积如果为0那么两个函数正交,比如说两个函数 (f(x) 和 g(x)), 那么$ int_{-infty}^{+infty}f(x)g(x)dx = 0$, 则它们正交,向量空间的内积是对应每一维相乘然后算总和,而函数可以微分化后看成无线维,所以函数的内积运算是积分
(cosnw_0 t)以及(sin nw_0t)实际上构成的正交函数,它们之中任意两个内积为0(很好证明),所以可以用他们来做基分量然后组合成(f(t))
由于这组正交函数所对应的定义域(x in[-infty, +infty]), 值域(f(x) in[-infty, +infty]), 所以可以进行线性组合为(f(t)),同时这组三角函数的角频率必为(w_0)倍数,很好理解,是因为需要同倍数周期的函数进行叠加, 而(a_n, b_n)可以理解成这些维度的系数,或者说(f(t))在这些维度上的投影,要想确定这些值实际上是一个投影的过程,将会在下面得到
- 复指数形式的傅里叶级数
为什么要引入这个复指数基,逻辑是这样子的,对于一个普通周期函数
如果单纯用余弦/正弦函数去表示的话,θ无法表示出来的, 因为相位θ的存在,正确的构造思路应该是从这个高中公式开始去入手构造,那么就有正余弦了:
所以需要搞一个sin和cos同时构成的基序列,使得相位θ存在,这是三角基傅里叶级数为什么既有正弦也有余弦的原因(虽然正弦和余弦是可以转换的)
而复指数傅里叶级数,则是说既然你同时要有(acos{x} + bsin{x}),但是两个东西我看着碍眼,我可以利用欧拉公式(e^{ix} = cos x + jsin x)一个去表示你这两个东西,只要把(e^{ix})系数构造好,那就可以(jsinx)转成(bsinx),这就是它的思想。
所以我们更习惯使用下面这么一组复指数正交基去表示,其中(j)是虚数单位也就是我们常见的(i)
这组正交基的定义域(x in[-infty, +infty]), 值域(f(x)) 除了是([-infty, +infty]), 同时还在一个复数空间上,所以用来表示一个实数空间的东西没有问题(三维变量表示二维变量,只需要把多出的维度消除掉即可), 在这组正交基下,(f(t))可以在区间([-frac{T}{2}, frac{T}{2}])展开成如下形式:
- 投影的计算
我们知道(c_k)相当于f(t)在各个分量上的系数,或者说f(t)在(e^{jnw_0t})上的投影,投影的计算方式在二维向量中内积已经做过计算:
所以在函数上也是一样的定义,内积的值/基分量,对于(C_k)的值如下:
其中有两个细节,一是复数的乘法是乘以第二个乘数的共轭的,所以看到(e^{jkw_0t})变成了(e^{-jkw_0t}), 第二是关于被除数({<e^{jkw_0t}, e^{jkw_0t}>})的理解上,因为我们这里算的是以(e^{jkw_0t})为基的系数,所以除的是(e^{jkw_0t})的内基,而不是一个(e^{jkw_0t})
-
总结
到这里其实就很明确了,一个周期为T的函数,可以由周期为nT(n= ..., -3, -2, -1, 0 1, 2, 3, ...)的正余弦周期函数组合构成,为了表示方便所以用复指数(e^{jkw_0t})方式去代替这些正余弦,而要求这些分量的系数,实际上就是求f(t)在这些基上投影,计算方式是(frac{f(t)与积分量的内积}{基分量与基分量的内积}), 所以往往能看到这东西(f(t)e^{-jnw_0t}), 它实际上就是:f(t)与积分量的内积
非周期函数的傅里叶变换
在上一节已经知道了,对于周期函数(f(t))在区间([-frac{T}{2}, frac{T}{2}]) 做傅里叶展开得
对于非周期函数,可以认为(T→infty),此时(w_0 = frac{2pi}{T} →) 0, 所以微分化后,可以认为是(w=kw_0, w_0 = Delta w), 此时
将(c_n)代入2.1得
由于(Delta w,T→infty),
(F(w))描述的就是(f(t)在e^{-jwt}分量处的系数 · 2pi(因为2pi被提出去了)), 是函数与在该正交分量相关性,通过(f(t))得到F(w)的过程也被称之为傅里叶变换,(F(w))又被称之为f(t)的频谱密度, 而对于原来的周期函数(C_n),因为其分量的频率不是连续的,所以将(c_n)称为频谱(与概率分布函数和概率密度函数的概念一致)
离散时间傅里叶变换
对于一个周期函数(x(n)), 我们知道其傅里叶变换,但是如果对其进行采样后,它的频率的求解该怎么做呢?
它的公式如下:
离散时间傅里叶级数的公式很好理解,和傅里叶级数一样,就是计算投影的过程,但是现在函数点变成了取样点了( ilde{x}(k)) 其它点都没有都是0,所以不用放过来; 然后基分量(e^{-jkfrac{2pi}{N}n})和过去的(e^{-jtw_0n}) 发生了形式上符号上发生了一点变化,但本质没有区别,右上角的构成仍然是虚数 · 自变量 · 角频率· 扩充倍数,唯一有变化的是角频率这个地方,其它都是一样的,角频率在这里被定义成了(frac{2pi}{N}), 而且N还是一个变量,表示的是取样点的数量,角频率(w_0)必须要和原函数保持一直,在这里取了(N)个点,它们可能如上图属于多个周期里面,也可能都在一个周期里面,那么这个时候角频率的范围就在([frac{2pi}{N}, 2pi]),所以就将角频率对在了最小的(frac{2pi}{N})