作者:aminzeng2022
目录
2. 傅里叶变换
2.1 向量基
2.2 正变换
2.3 反变换
2.4 时域和频域分析
2.5 复数表达式
2.6复指数向量基
2. 傅里叶变换
傅里叶级数也是一组完备的正交向量基(以下简称傅氏向量基),一些连续可积的向量(函数)可以通过向傅氏向量基投影来实现变换,即傅里叶变换。
再次强调,函数也是特殊的向量!连续函数在某个区间可得到无穷个函数值,这些有序值就是一个向量。
2.1 向量基
傅里叶变换的向量基为:
1、cosx、sinx、cos(2x)、sin2x、cos(3x)、sin(3x)、⋯⋯。
傅氏向量基的维数为无穷维,具有正交性、完备性特点,但不具备归一性,进行傅氏变换时应进行归一化处理。
傅氏向量基中的向量为函数,在一个周期内[-π,+π]连续取值,其维数也是无穷维。
- 正交性
在[-π,+π]上,傅氏向量基中任意两个向量的点积都为零,即两两正交,如下:
其中,k、n不相等,取值1、2、3、⋯。
- 归一性
上面提到,傅氏向量基中的向量的大小不为1,如下:
对向量基进行归一化处理,得到归一化后的傅氏向量基为:
、、、、、
- 完备性
通过对傅里叶变换求极限,可以证明当n→∞时,
所以说明傅氏向量基是完备的,通过傅氏向量基进行变换不存在误差。此证明过程略,感举趣的朋友可以自行在网上查找。
2.2 正变换
变换即是将某个向量从一个坐标系(向量基1)投影到另一个坐标系(向量基2)上得到新的坐标值的过程。
在傅里叶变换中,需变换的向量为函数f(x),函数定义在x域上,傅氏向量基也定义在x域上,因此可以开展投影操作。向量f(x)在傅氏向量基上的投影值依次为:
对投影:
对投影:
对投影:
所以傅立叶变换为:
简化后得到:
其中系数:
所以f(x)在傅氏向量基上的坐标为:
2.3 反变换
根据图1.7知道,进行反变换要捋清两组向量基(坐标系)之间的关系和坐标值,设向量g在原坐标系向量基中表示为f(x),即g= f(x),正反变换分析如下:
- 正变换:傅里叶变换,将向量g在原坐标系中的坐标值(f(x))投影在傅氏向量基(在原坐标系中表示为1、cosx、sinx、⋯⋯),得到向量g在傅氏向量基中的坐标值(a0、a1、b1、⋯⋯);
- 反变换:傅里叶逆变换,将向量g在傅氏向量基中的坐标值(a0、a1、b1、⋯⋯)投影在原坐标系向量基(在傅氏向量基中表示为1、cosx、sinx、⋯⋯),得到向量g在原坐标系中的坐标值(f(x))。
理解的难点就在于“原坐标系向量基在傅氏向量基中表示为1、cosx、sinx、⋯⋯”。理解如下:
- 因为g在原坐标系向量基中表示为f(x),即g= f(x),也即g= f(x)∙1,坐标值是f(x),所以1就是向量基;
- 原坐标系向量基1投影到傅氏向量基上,得到1、cosx、sinx、⋯⋯;
- 所以原坐标系向量基在傅氏向量基上的坐标值也为1、cosx、sinx、⋯⋯,与傅氏向量基在原坐标系上的表达式相同。
所以傅里叶反变换为:
傅里叶正反变换的表达形式好像是一样的,但其实不同,正变换是求坐标值a0、a1、b1等,而反变换是求f(x),这一点不分清容易搞蒙。
2.4 时域和频域分析
向量g= f(x)是在x域上的表达式,若令x(x=ωt)表示时间,那就是时间域上的表达式,向量,为表达简洁,还是令g= f(t)。
设向量周期为T,角频率为ω=2π/T,因x∈[-π,+π],所以t∈[-T/2,+T/2],对傅氏坐标值进行适当变换后得到:
得到傅里叶变换为:
对上式进行解读:
- f(t)表示一个周期信号随时间变化的函数;
- 为一个常数;
- cosnωt为一个余弦信号,角频率为nω,角频率是原函数的n倍;
- sinnωt为一个正弦信号,角频率为nω,角频率是原函数的n倍;
- 傅里叶变换将一个周期信号分解为:常量(a0)+ a1×余弦信号(1倍频)+ b1×正弦信号(1倍频)+ a2×余弦信号(2倍频)+ b2×正弦信号(2倍频)+⋯⋯;
通过信号分解,可看出原信号中所含不同频率正余弦信号的比重(见图2.1),这在信号处理、控制等各领域应用十分广泛。本文目的只是帮助理解傅氏变换,对此不作深入分析。
图2.1 傅里叶时域频域分析示意(图片来自网络)
2.5 复数表达式
为提高傅氏变换的普适性,利用了欧拉公式对傅氏变换进行变形。
欧拉公式:
代入傅氏变换得:
因和对称,在-∞~+∞求和得到:
再将欧拉公式代入坐标值求解得到变换系数:
所以可以将统一为如下形式:
若将T→∞,上式可运用于非周期函数,此时:
令:
该表达式用于求信号当中不同频率的分量,是傅里叶正变换。
将代入得到:
该表达式用于根据频率分量求信号时间域表达式,是傅里叶反变换。
2.6复指数向量基
回过头看表达式,是否很像函数向量在向量基上的投影,真实情况也确实如此。
复指数向量基:
⋯⋯、、、、、、、、⋯⋯
简写为,n为整数,特别注意n取值范围是-∞~+∞,若只取正整数就不具有完备性了。
- 正交性
证明复指数向量基正交性之前,需将根深蒂固的实数域概念扩展到复数域,以前的实数可看成虚部为零的复数。复数的投影(也就是复数的内积运算)跟实数有较大差异,具体如下:
复数z1:z1=a1+b1i;
共轭复数:;
复数z2:;
共轭复数:
复数z1和z2的内积为:
若复数z1和z2正交(垂直),则:;
复指数的共轭复数:
下面证明复指数的正交性:
复指数的向量内积:
当m≠n时:
当m=n时:
所以复指数向量基是两两正交的。
- 归一化
复数向量的大小也称为模,计算方法如下:
所以复指数向量基的大小为:
归一化后得到复指数向量基:
⋯⋯、、、、、、、、⋯⋯
- 完备性
因复指数向量基与傅氏向量基是对应的,所以复指数向量基也是完备的。
完备性证明省略。
- 正变换
正变换是求每个向量基的投影分量。
频率为nω项:
所以:
当T→∞时:
- 反变换
将所有频率项加在一起,就可得到时域函数向量,但要注意向量基应是时域向量基(=1)在复指数向量基上的表示。
将1依次向复指数向量基投影(求内积)得到:
在n>0时:
在n<0时:
两部分加在一起后再加上n=0的项,就得到:
当T→∞时,频率分辨率很小,用dω表示,写成积分形式:文章来源:https://www.toymoban.com/news/detail-441449.html
文章来源地址https://www.toymoban.com/news/detail-441449.html
到了这里,关于从根上彻底理解各种变换之二:傅里叶变换的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!