2. 傅里叶 Fourier
2.1. 傅里叶级数
2.1.1. 矢量正交
两正交矢量的内积为零 :
V
1
⃗
⋅
V
2
⃗
=
∣
V
1
∣
⋅
∣
V
2
∣
cos
9
0
∘
=
0
\vec{V_1} \cdot \vec{V_2} = \lvert V_1 \rvert \cdot \lvert V_2\rvert \cos 90^\circ = 0
V 1
⋅ V 2
= ∣ V 1 ∣ ⋅ ∣ V 2 ∣ cos 9 0 ∘ = 0
正交矢量集 : 由两两正交的矢量组成的矢量集合。
矢量正交分解 : 任意
N
N
N 维矢量可有
N
N
N 维度 正交坐标系表示:
V
⃗
=
c
1
V
1
⃗
+
c
2
V
2
⃗
+
⋯
+
c
r
V
r
⃗
+
⋯
+
c
n
V
n
⃗
,
(
V
i
⋅
V
j
=
0
,
i
≠
j
)
\vec{V} = c_1\vec{V_1} + c_2\vec{V_2} + \cdots + c_r\vec{V_r} + \cdots + c_n \vec{V_n}, \, (V_i \cdot V_j = 0, \, i \neq j)
V
= c 1 V 1
+ c 2 V 2
+ ⋯ + c r V r
+ ⋯ + c n V n
, ( V i ⋅ V j = 0 , i = j )
c
r
=
∣
V
∣
cos
θ
r
∣
V
r
∣
=
V
⃗
⋅
V
r
⃗
V
r
⃗
⋅
V
r
⃗
c_r =\frac{\lvert V \rvert \cos \theta_r}{\lvert V_r \rvert} = \frac{\vec{V} \cdot \vec{V_r}}{\vec{V_r}\cdot\vec{V_r}}
c r = ∣ V r ∣ ∣ V ∣ cos θ r = V r
⋅ V r
V
⋅ V r
2.1.2. 信号正交
定义 : 在
(
t
1
,
t
2
)
(t_1,t_2)
( t 1 , t 2 ) 区间的两个函数
φ
1
(
t
)
\varphi_1(t)
φ 1 ( t ) 和
φ
2
(
t
)
\varphi_2(t)
φ 2 ( t ) , 若满足
∫
t
1
t
2
φ
1
(
t
)
φ
2
∗
(
t
)
d
t
=
0
,
(两函数的内积为0)
\int_{t_1}^{t_2} \varphi_1(t) \varphi_2^* (t)d t = 0, \, \text{(两函数的内积为0)}
∫ t 1 t 2 φ 1 ( t ) φ 2 ∗ ( t ) d t = 0 , ( 两函数的内积为 0) 则称
φ
1
(
t
)
\varphi_1(t)
φ 1 ( t ) 和
φ
2
(
t
)
\varphi_2(t)
φ 2 ( t ) 在区间
(
t
1
,
t
2
)
(t_1, t_2)
( t 1 , t 2 ) 内正交
实函数正交
∫
t
1
t
2
φ
1
(
t
)
φ
2
(
t
)
d
t
=
0
,
(两函数的内积为0)
\int_{t_1}^{t_2} \varphi_1(t) \varphi_2 (t)d t = 0, \, \text{(两函数的内积为0)}
∫ t 1 t 2 φ 1 ( t ) φ 2 ( t ) d t = 0 , ( 两函数的内积为 0)
正交函数集 : 若
n
n
n 个函数
φ
1
(
t
)
,
φ
2
(
t
)
,
⋯
,
φ
n
(
t
)
\varphi_1(t), \varphi_2(t), \cdots , \varphi_n(t)
φ 1 ( t ) , φ 2 ( t ) , ⋯ , φ n ( t ) 构成一个函数集, 当这些函数在区间
(
t
1
,
t
2
)
(t_1,t_2)
( t 1 , t 2 ) 内满足
∫
t
i
t
j
φ
1
(
t
)
φ
2
∗
(
t
)
d
t
=
{
0
,
i
≠
j
K
j
≠
0
,
i
=
j
\begin{aligned}\int_{t_i}^{t_j} \varphi_1(t) \varphi_2^* (t)d t ={\begin{cases} 0,\, & i\neq j \\ K_j \neq 0 , \, & i=j \end{cases}}\end{aligned}
∫ t i t j φ 1 ( t ) φ 2 ∗ ( t ) d t = { 0 , K j = 0 , i = j i = j 则称此函数为函数集在区间
(
t
1
,
t
2
)
(t_1,t_2)
( t 1 , t 2 ) 上的正交函数集。
若
K
i
=
1
K_i= 1
K i = 1 , 称为标准正交函数集。
完备正交函数集 : 如果在正交函数集
{
φ
1
(
t
)
,
φ
2
(
t
)
,
⋯
,
φ
n
(
t
)
}
\{ \varphi_1(t), \varphi_2(t), \cdots , \varphi_n(t) \}
{ φ 1 ( t ) , φ 2 ( t ) , ⋯ , φ n ( t ) } 之外,不存在任何函数
φ
(
t
)
(
≠
0
)
\varphi(t) (\neq0)
φ ( t ) ( = 0 ) 满足
∫
t
1
t
2
φ
(
t
)
φ
i
∗
(
t
)
d
t
=
0
,
(
i
=
1
,
2
,
⋯
,
n
)
\int_{t_1}^{t_2} \varphi(t) \varphi_i^* (t)d t = 0, \, (i = 1,2,\cdots, n)
∫ t 1 t 2 φ ( t ) φ i ∗ ( t ) d t = 0 , ( i = 1 , 2 , ⋯ , n ) 则称此函数集为完备正交函数集。
信号的正交分解 : 设由
n
n
n 个函数
φ
1
(
t
)
,
φ
2
(
t
)
,
⋯
,
φ
n
(
t
)
\varphi_1(t), \varphi_2(t), \cdots, \varphi_n(t)
φ 1 ( t ) , φ 2 ( t ) , ⋯ , φ n ( t ) 在区间
(
t
1
,
2
)
(t_1,_2)
( t 1 , 2 ) 构成一个正交函数空间。将任一函数
f
(
t
)
f(t)
f ( t ) 用这
n
n
n 个正交函数的线性组合来近似, 可表示为
f
(
t
)
≈
C
1
φ
1
(
t
)
+
C
2
φ
2
(
t
)
+
⋯
+
C
i
φ
i
(
t
)
+
⋯
+
C
n
φ
n
(
t
)
=
∑
j
=
1
n
C
j
φ
j
(
t
)
f(t) \approx C_1\varphi_1(t) + C_2\varphi_2(t) + \cdots + C_i\varphi_i(t) + \cdots + C_n\varphi_n(t) = \displaystyle \sum^{n}_{j=1} C_j \varphi_j(t)
f ( t ) ≈ C 1 φ 1 ( t ) + C 2 φ 2 ( t ) + ⋯ + C i φ i ( t ) + ⋯ + C n φ n ( t ) = j = 1 ∑ n C j φ j ( t )
使误差的均方误差
ε
2
‾
=
1
t
2
−
t
1
∫
t
1
t
2
[
f
(
t
)
−
∑
j
=
1
n
C
j
φ
k
(
t
)
]
2
d
t
\overline{\varepsilon^2} = \displaystyle \frac{1}{t_2-t_1} \int_{t_1}^{t_2}\big[f(t)-\sum^n_{j=1} C_j\varphi_k(t)\big]^2 dt
ε 2 = t 2 − t 1 1 ∫ t 1 t 2 [ f ( t ) − j = 1 ∑ n C j φ k ( t ) ] 2 d t 最小, 要令
∂
ε
2
‾
∂
C
i
=
0
\displaystyle\frac{\partial\overline{\varepsilon^2}}{\partial C_i} = 0
∂ C i ∂ ε 2 = 0 即
ε
2
‾
=
1
t
2
−
t
1
[
∫
t
1
t
2
f
2
(
t
)
d
t
−
∑
j
=
1
n
∫
t
1
t
2
[
C
j
φ
j
(
t
)
]
2
d
t
]
≥
0
\displaystyle\overline{\varepsilon^2} = \frac{1}{t_2-t_1}\Big[\int^{t_2}_{t_1} f^2(t)dt - \sum^n_{j=1} \int^{t_2}_{t_1}\big[C_j\varphi_j(t)\big]^2dt\Big]\geq0
ε 2 = t 2 − t 1 1 [ ∫ t 1 t 2 f 2 ( t ) d t − j = 1 ∑ n ∫ t 1 t 2 [ C j φ j ( t ) ] 2 d t ] ≥ 0
可知 在正交函数去近似
f
(
t
)
f(t)
f ( t ) 时, 所取的项数越多, 即
n
n
n 越大, 则均方误差越小。当
n
→
∞
n\to\infty
n → ∞ 时 (完备正交函数集), 均方误差为零。
广义傅里叶系数 :
复变函数:
C
i
=
∫
t
1
t
2
f
(
t
)
φ
i
∗
(
t
)
d
t
∫
t
1
t
2
φ
i
(
t
)
φ
i
∗
(
t
)
d
t
=
1
K
i
∫
t
1
t
2
f
(
t
)
φ
i
∗
(
t
)
d
t
C_i = \displaystyle\frac{\int^{t_2}_{t_1}f(t)\varphi_i^*(t)dt}{\int^{t_2}_{t_1}\varphi_i(t)\varphi_i^*(t)dt} = \frac{1}{K_i}\int^{t_2}_{t_1}f(t)\varphi_i^*(t)dt
C i = ∫ t 1 t 2 φ i ( t ) φ i ∗ ( t ) d t ∫ t 1 t 2 f ( t ) φ i ∗ ( t ) d t = K i 1 ∫ t 1 t 2 f ( t ) φ i ∗ ( t ) d t
帕什瓦尔 Parseval 方程:
∫
t
1
t
2
f
2
(
t
)
d
t
=
∑
i
=
1
∞
∫
t
1
t
2
[
C
i
φ
j
(
t
)
]
2
d
t
\int^{t_2}_{t_1} f^2(t)dt = \sum^\infty_{i=1} \int^{t_2}_{t_1}\big[C_i\varphi_j(t)\big]^2dt
∫ t 1 t 2 f 2 ( t ) d t = i = 1 ∑ ∞ ∫ t 1 t 2 [ C i φ j ( t ) ] 2 d t
物理意义: 在区间
(
t
1
,
t
2
)
(t_1,t_2)
( t 1 , t 2 ) , 信号
f
(
t
)
f(t)
f ( t ) 所含由的能量恒等于此信号在完备正交函数集 中各正交分量能量之和, 即 能量守恒定理 也称 帕什瓦尔定理 。
数学本质: 矢量空间信号正交变换的范数不变性。
2.1.3. 三角函形式
三角函数集
{
1
,
cos
(
n
Ω
t
)
,
sin
(
n
Ω
t
)
,
n
=
1
,
2
,
⋯
}
\{ 1, \cos(n\Omega t), \sin(n\Omega t), n = 1,2,\cdots\}
{ 1 , cos ( n Ω t ) , sin ( n Ω t ) , n = 1 , 2 , ⋯ }
三角形式的傅里叶级数: 设周期信号为
f
(
t
)
f(t)
f ( t ) , 其周期为
T
T
T , 角频率为
Ω
=
2
π
/
T
\Omega = 2\pi/T
Ω = 2 π / T , 当满足 Dirichlet 狄里赫利 条件时, 可展开为
f
(
t
)
=
a
0
2
+
∑
n
=
1
∞
a
n
cos
(
n
Ω
t
)
+
∑
n
=
1
∞
b
n
sin
(
n
Ω
t
)
合并 n 次正余弦分量
→
f
(
t
)
=
A
0
2
+
∑
n
=
1
∞
(
A
n
cos
(
n
Ω
t
)
+
φ
n
)
{
A
n
=
a
n
2
+
b
n
2
φ
n
=
−
arctan
b
n
a
n
{
a
n
=
A
n
cos
φ
n
b
n
=
−
A
n
sin
φ
n
\begin{aligned}f(t) = \displaystyle \frac{a_0}{2} + \sum^\infty_{n=1} a_n \cos(n\Omega t) + \sum^\infty_{n=1} b_n \sin(n\Omega t) \\ \text{合并 n 次正余弦分量} \to f(t) = \frac{A_0}{2} + \sum^\infty_{n=1} \big(A_n \cos(n\Omega t) + \varphi_n\big) \\ \begin{cases} A_n & = \sqrt{a^2_n + b^2_n} \\ \varphi_n & = - \arctan \frac{b_n}{a_n} \end{cases} \begin{cases} a_n & = A_n \cos \varphi_n \\ b_n & = - A_n \sin \varphi_n \end{cases} \end{aligned}
f ( t ) = 2 a 0 + n = 1 ∑ ∞ a n cos ( n Ω t ) + n = 1 ∑ ∞ b n sin ( n Ω t ) 合并 n 次正余弦分量 → f ( t ) = 2 A 0 + n = 1 ∑ ∞ ( A n cos ( n Ω t ) + φ n ) { A n φ n = a n 2 + b n 2
= − arctan a n b n { a n b n = A n cos φ n = − A n sin φ n
系数
a
n
,
b
n
a_n, b_n
a n , b n 称为傅里叶系数
直流分量系数:
a
0
2
=
1
T
∫
−
T
2
T
2
f
(
t
)
d
t
\displaystyle\frac{a_0}{2} = \frac{1}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f(t)dt
2 a 0 = T 1 ∫ − 2 T 2 T f ( t ) d t
余弦分量系数:
a
n
=
2
T
∫
−
T
2
T
2
f
(
t
)
cos
(
n
Ω
t
)
d
t
\displaystyle a_n = \frac{2}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f(t)\cos(n\Omega t)dt
a n = T 2 ∫ − 2 T 2 T f ( t ) cos ( n Ω t ) d t
正弦分量系数:
b
n
=
2
T
∫
−
T
2
T
2
f
(
t
)
sin
(
n
Ω
t
)
d
t
\displaystyle b_n = \frac{2}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f(t)\sin(n\Omega t)dt
b n = T 2 ∫ − 2 T 2 T f ( t ) sin ( n Ω t ) d t
直流分量
A
0
/
2
A_0/2
A 0 / 2 , 基波 (一次谐波)
A
1
cos
(
Ω
t
+
φ
1
)
A_1 \cos(\Omega t + \varphi_1)
A 1 cos ( Ω t + φ 1 ) , n次谐波
A
n
cos
(
n
Ω
t
+
φ
n
)
A_n \cos(n \Omega t + \varphi_n)
A n cos ( n Ω t + φ n )
Dirichlet 狄里赫利 条件 :
f(x) must absolutely integrable over a period. 在单个周期内绝对可积
∫
0
T
∣
f
(
t
)
∣
d
t
<
∞
\int^T_0 \lvert f(t) \rvert dt < \infty
∫ 0 T ∣ f ( t ) ∣ d t < ∞
f(x) must have a finite number of exterma in any given interval, i.e. there must be a finite number of maxima and minima in the interval. 在一个周期内,函数有有限个极大值或极小值。
f(x) must have a finite number of discontinues in any given interval, however the discontinuity cannot be infinite. 函数在任意有限区间内连续,或只有有限个第一类间断点
f(x) must be bounded.
谐波特性:
f
(
t
)
f(t)
f ( t ) 为偶函数
(
f
(
t
)
=
f
(
−
t
)
)
\big(f(t)=f(-t)\big)
( f ( t ) = f ( − t ) ) 时,
b
n
=
0
b_n = 0
b n = 0 展开为余弦 级数
f
(
t
)
f(t)
f ( t ) 为奇函数
(
f
(
t
)
=
−
f
(
−
t
)
)
\big(f(t)=-f(-t)\big)
( f ( t ) = − f ( − t ) ) 时,
a
n
=
0
a_n = 0
a n = 0 展开为正弦 级数
f
(
t
)
f(t)
f ( t ) 为奇谐函数
(
f
(
t
)
=
−
f
(
t
±
T
/
2
)
)
\big(f(t)=-f(t\pm T/2)\big)
( f ( t ) = − f ( t ± T / 2 ) ) 时,
a
i
=
b
i
=
0
,
(
i
=
0
,
2
,
4
,
⋯
)
a_i= b_i = 0, \, (i=0,2,4,\cdots)
a i = b i = 0 , ( i = 0 , 2 , 4 , ⋯ ) 展开级数只含奇次谐波分量,不含偶次谐波分量。
f
(
t
)
f(t)
f ( t ) 为偶谐函数
(
f
(
t
)
=
f
(
t
±
T
/
2
)
)
\big(f(t)=f(t\pm T/2)\big)
( f ( t ) = f ( t ± T / 2 ) ) 时,
a
i
=
b
i
=
0
,
(
i
=
1
,
3
,
5
,
⋯
)
a_i= b_i = 0, \, (i=1,3,5,\cdots)
a i = b i = 0 , ( i = 1 , 3 , 5 , ⋯ ) 展开级数只含偶次谐波分量,不含奇次谐波分量。
例:图示方波信号f(t) 为奇谐函数 展开为傅里叶级数 解得:
f
(
t
)
=
0
+
4
π
∑
i
=
0
n
[
1
1
+
2
i
sin
(
(
1
+
2
i
)
Ω
t
)
]
,
Ω
=
2
π
T
,
T
=
2
\displaystyle f(t) = 0 + \frac{4}{\pi} \sum^n_{i=0}\big[\frac{1}{1+2i}\sin{\big((1+2i)\Omega t\big)}\big], \, \Omega = \frac{2\pi}{T}, \, T=2
f ( t ) = 0 + π 4 i = 0 ∑ n [ 1 + 2 i 1 sin ( ( 1 + 2 i ) Ω t ) ] , Ω = T 2 π , T = 2
吉布斯现象 : 在有限项 傅里叶级数表示有间断点 的信号时, 在间断点附近不可避免的会出现震荡 和超调量 。超调量的幅度不会随所取项数的增加而减小。只是随着项数的增多, 震荡频率变高, 并向间断点处压缩, 从而使它所占有的能量减小。当选取的项数很大时, 该超调量趋近于一个常数, 大约等于总跳变值的9% , 并从间断点开始以起伏震荡的形式逐渐衰减下去。
2.1.4. 指数形式
欧拉公式 Euler’s formula :
e
±
j
t
=
cos
(
t
)
±
j
sin
(
t
)
e^{\pm jt} = \cos(t) \pm j\sin(t)
e ± j t = cos ( t ) ± j sin ( t )
指数形式 : 利用欧拉公式可得
f
(
t
)
=
A
0
2
+
∑
n
=
1
∞
(
A
n
cos
(
n
Ω
t
)
+
φ
n
)
=
1
2
∑
n
=
−
∞
∞
A
n
e
j
φ
n
e
j
n
Ω
t
=
∑
n
=
−
∞
∞
e
j
n
Ω
t
F
n
,
(
F
n
=
1
2
A
n
e
j
φ
n
=
∣
F
n
∣
e
j
φ
n
=
1
2
(
a
n
−
j
b
n
)
)
\begin{aligned}\displaystyle f(t) & = \frac{A_0}{2} + \sum^\infty_{n=1} \big(A_n \cos(n\Omega t) + \varphi_n\big)\\ & = \frac{1}{2}\sum^{\infty}_{n=-\infty} A_n e^{j\varphi_n}e^{jn\Omega t} \\ & = \sum^{\infty}_{n=-\infty}e^{jn\Omega t} F_n, \, \big(F_n = \frac{1}{2} A_n e^{j\varphi_n} = \lvert F_n \rvert e^{j\varphi_n} = \frac{1}{2}(a_n-j b_n)\big) \end{aligned}
f ( t ) = 2 A 0 + n = 1 ∑ ∞ ( A n cos ( n Ω t ) + φ n ) = 2 1 n = − ∞ ∑ ∞ A n e j φ n e j n Ω t = n = − ∞ ∑ ∞ e j n Ω t F n , ( F n = 2 1 A n e j φ n = ∣ F n ∣ e j φ n = 2 1 ( a n − j b n ) )
复傅里叶系数 简称 傅里叶系数 为
F
n
F_n
F n :
利用欧拉公式可得
F
n
=
1
T
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
Ω
t
d
t
\displaystyle F_n = \frac{1}{T} \int^{\frac{T}{2}}_{-\frac{T}{2}} f(t) e^{-jn\Omega t} dt
F n = T 1 ∫ − 2 T 2 T f ( t ) e − j n Ω t d t
2.1.5. 频谱
频谱分类
直流分量
幅度
相位
n
单边谱
A
0
/
2
A_0/2
A 0 / 2
A
n
A_n
A n
φ
n
\varphi_n
φ n
n
=
0
,
1
,
2
,
⋯
n=0,1,2,\cdots
n = 0 , 1 , 2 , ⋯
多边谱
F
0
F_0
F 0
∣
F
n
∣
\lvert F_n\rvert
∣ F n ∣
φ
n
\varphi_n
φ n
n
=
0
,
±
1
,
±
2
,
⋯
n=0,\pm1,\pm2,\cdots
n = 0 , ± 1 , ± 2 , ⋯
∣
F
n
∣
\lvert F_n \rvert
∣ F n ∣ 是
n
n
n 的偶 函数, 双边幅度谱的谱线高度为单边幅度谱的一半,关于纵轴对称; 而直流分量值不变。
φ
n
\varphi_n
φ n 是
n
n
n 的奇 函数,双边相位谱可以由单边相位谱直接关于零点奇对称。
2.1.6. Sa 函数
Sa
(
x
)
=
sin
(
x
)
x
\text{Sa}(x) = \displaystyle\frac{\sin(x)}{x}
Sa ( x ) = x sin ( x )
对于脉冲幅度为
1
1
1 , 宽度为
τ
\tau
τ , 周期为
T
T
T 的周期矩形脉冲 ,
F
n
=
1
T
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
Ω
t
d
t
=
1
T
∫
−
T
2
T
2
e
−
j
n
Ω
t
d
t
=
τ
T
Sa
(
n
Ω
τ
2
)
\begin{aligned}F_n &= \displaystyle \frac{1}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f(t) e^{-jn\Omega t} dt \\ &= \frac{1}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}e^{-jn\Omega t} dt \\ &= \frac{\tau}{T}\text{Sa}\big(\frac{n\Omega \tau}{2}\big)\end{aligned}
F n = T 1 ∫ − 2 T 2 T f ( t ) e − j n Ω t d t = T 1 ∫ − 2 T 2 T e − j n Ω t d t = T τ Sa ( 2 n Ω τ )
用 Python 画出
T
=
4
τ
,
Ω
=
2
π
τ
T=4\tau, \displaystyle\Omega=\frac{2\pi}{\tau}
T = 4 τ , Ω = τ 2 π 的频谱
F
n
F_n
F n
import numpy as np
import matplotlib. pyplot as plt
import scipy. signal as sg
def Sa ( x) :
return np. divide( np. sin( x) , x) if x != 0 else 1
def F_n ( T, ns, tau) :
omega = 2 * np. pi/ T
return np. array( [ round ( np. divide( tau, T) * Sa( np. divide( n* omega* tau, 2 ) ) , 6 ) for n in ns] )
n = np. linspace( - 12 , 12 , 25 )
y = F_n( 8 * np. pi, n, 2 * np. pi)
plt. stem( n, y, '-' , label= 'f' , markerfmt= 'C3o' , use_line_collection= True )
plt. xticks( n[ : : 4 ] , [ fr'${i*4}\Omega$' for i in range ( - 3 , 4 ) ] )
plt. title( r'FIG. 2.1: $T=4\tau, \Omega = 2\pi/\tau$' )
plt. show( )
2.1.7. 频谱特点
周期信号频谱的特点
离散性: 以基频
Ω
\Omega
Ω 为间隔的若干离散谱线组成;
谐波性: 谱线仅含有基频
Ω
\Omega
Ω 的整数倍分量;
收敛性: 整体趋势减小。
T
T
T 不变,
τ
\tau
τ 变小
谱线间隔
Ω
\Omega
Ω 不变
幅度下降
零点右移动, 两零点间谱线数目
T
/
τ
T/\tau
T / τ 增加
τ
\tau
τ 不变,
T
T
T 变大
谱线间隔
Ω
\Omega
Ω 变小,
幅度下降,
频谱变密。
当
T
→
∞
T \to \infty
T → ∞ 时, 谱线间隔
Ω
=
2
π
/
T
→
0
\Omega = 2\pi/T \to 0
Ω = 2 π / T → 0 , 谱线幅度
→
0
\to 0
→ 0 , 周期信号的离散频谱 过渡为非周期信号 的连续频谱 。
频谱密度函数:
F
n
=
1
T
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
Ω
t
d
t
T
→
∞
时
Ω
→
d
Ω
(无穷小量)
n
Ω
→
ω
(离散
→
连续)
F
(
j
ω
)
=
lim
T
→
∞
F
n
T
(单位频率上的频谱)
=
lim
T
→
∞
∫
−
T
2
T
2
f
(
t
)
e
−
j
n
Ω
t
d
t
=
∫
−
∞
∞
f
(
t
)
e
−
j
ω
t
d
t
\begin{aligned}F_n &= \displaystyle \frac{1}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f(t) e^{-jn\Omega t} dt \\ T & \to \infty \, \text{时} \\ \Omega & \to d \Omega \; \text{(无穷小量)} \\ n\Omega &\to \omega \; \text{(离散}\to \text{连续)} \\ F(j\omega) & = \lim_{T\to\infty} F_nT \; \text{(单位频率上的频谱)} \\ &= \lim_{T\to\infty}\int^{\frac{T}{2}}_{-\frac{T}{2}}f(t) e^{-jn\Omega t} dt \\ &=\int^{\infty}_{-\infty} f(t) e^{-j\omega t} dt \end{aligned}
F n T Ω n Ω F ( j ω ) = T 1 ∫ − 2 T 2 T f ( t ) e − j n Ω t d t → ∞ 时 → d Ω ( 无穷小量 ) → ω ( 离散 → 连续 ) = T → ∞ lim F n T ( 单位频率上的频谱 ) = T → ∞ lim ∫ − 2 T 2 T f ( t ) e − j n Ω t d t = ∫ − ∞ ∞ f ( t ) e − j ω t d t
F
(
j
ω
)
F(j\omega)
F ( j ω ) 称为频谱密度函数,简称频谱密度 或频谱 。
收敛性分析:
振幅是收敛的: 信号的能量主要集中在低频分量中
收敛具有不同速度: 信号连续光滑, 幅度谱快速衰减。
方波的幅度谱 按照
1
n
\frac{1}{n}
n 1 缓慢衰减 三角波的幅度谱 按照
1
n
2
\frac{1}{n^2}
n 2 1 缓慢衰减
2.1.8. 周期信号的功率
周期信号一般为功率信号, 其平均功率为:
P
=
1
T
∫
−
τ
2
τ
2
f
2
(
t
)
d
t
=
1
T
∫
−
τ
2
τ
2
[
A
0
2
+
∑
n
=
1
∞
(
A
n
cos
(
n
Ω
t
)
+
φ
n
)
]
2
d
t
=
A
0
2
2
+
∑
n
=
1
∞
1
2
A
n
2
=
∣
F
0
∣
2
+
2
∑
n
=
1
∞
∣
F
n
∣
2
=
∑
n
=
−
∞
∞
∣
F
n
∣
2
\begin{aligned}P & =\frac{1}{T} \int^{\frac{\tau}{2}}_{-\frac{\tau}{2}}f^2(t)dt \\ &=\frac{1}{T} \int^{\frac{\tau}{2}}_{-\frac{\tau}{2}} \Big[ \frac{A_0}{2} + \sum^\infty_{n=1} \big(A_n \cos(n\Omega t) + \varphi_n\big)\Big]^2 dt \\ &= \frac{A_0}{2}^2 + \sum^\infty_{n=1} \frac{1}{2} A_n^2\\ &= \lvert F_0 \rvert ^2 + 2 \sum^\infty_{n=1} \lvert F_n\rvert^2 \\ &= \sum^\infty_{n=-\infty} \lvert F_n\rvert^2 \end{aligned}
P = T 1 ∫ − 2 τ 2 τ f 2 ( t ) d t = T 1 ∫ − 2 τ 2 τ [ 2 A 0 + n = 1 ∑ ∞ ( A n cos ( n Ω t ) + φ n ) ] 2 d t = 2 A 0 2 + n = 1 ∑ ∞ 2 1 A n 2 = ∣ F 0 ∣ 2 + 2 n = 1 ∑ ∞ ∣ F n ∣ 2 = n = − ∞ ∑ ∞ ∣ F n ∣ 2
这是 帕斯瓦尔定理(Parseval’s theorem) 在傅里叶级数情况下的具体体现。
含义: 周期信号平均功率
=
=
= 直流和谐波分量平均功率之和。
表明: 对于周期信号, 在时域中求得的信号功率与在频率中求得的信号功率相等。
2.1.9. 频带宽度
在满足一定失真条件下, 信号可以用某段频率范围的信号来表示, 此频率范围称为频段宽度。
第一个零点 (例图 FIG 2.1
[
−
4
Ω
,
4
Ω
]
[-4\Omega, 4\Omega]
[ − 4 Ω , 4 Ω ] ) 集中了信号 绝大部分能量 (平均功率)由频谱的收敛性 可知,信号的功率集中在低频段。
例图中 第一个零点以内各分量的功率占总功率 约 90.3%
一般把第一个零点作为信号的频带宽度。记为:
B
ω
=
2
π
τ
B_\omega = \frac{2\pi}{\tau}
B ω = τ 2 π or
B
f
=
1
τ
B_f = \frac{1}{\tau}
B f = τ 1 宽度与脉冲成反比。
对于一般周期信号,将幅度下降为
1
10
∣
F
n
∣
max
\frac{1}{10}\lvert F_n\rvert _{\text{max}}
1 0 1 ∣ F n ∣ max 的频率区间定义为频带宽度。
系统的通频带
>
>
> 信号的带宽,才能不失真。
2.2. 傅里叶变换
f
(
t
)
⟷
F
(
j
ω
)
f(t) \longleftrightarrow F(j\omega)
f ( t ) ⟷ F ( j ω )
F
(
j
ω
)
=
∫
−
∞
∞
f
(
t
)
e
−
j
ω
t
d
t
=
F
[
f
(
t
)
]
F(j\omega) =\int^{\infty}_{-\infty} f(t) e^{-j\omega t} dt = \mathfrak{F}\big[f(t)\big]
F ( j ω ) = ∫ − ∞ ∞ f ( t ) e − j ω t d t = F [ f ( t ) ]
f
(
t
)
=
1
2
π
∫
−
∞
∞
F
(
j
ω
)
e
j
ω
t
d
ω
=
F
−
1
[
F
(
j
ω
)
]
f(t) =\displaystyle \frac{1}{2\pi} \int^{\infty}_{-\infty} F(j\omega) e^{j\omega t} d\omega = \mathfrak{F}^{-1}\big[F(j\omega)\big]
f ( t ) = 2 π 1 ∫ − ∞ ∞ F ( j ω ) e j ω t d ω = F − 1 [ F ( j ω ) ]
F
(
j
ω
)
F(j\omega)
F ( j ω ) 称为
f
(
t
)
f(t)
f ( t ) 的傅里叶变换
F
(
j
ω
)
F(j\omega)
F ( j ω ) 一般是复函数,写为
F
(
j
ω
)
=
∣
F
(
j
ω
)
∣
e
j
φ
(
ω
)
F(j\omega) = \lvert F(j\omega)\rvert e^{j\varphi(\omega)}
F ( j ω ) = ∣ F ( j ω ) ∣ e j φ ( ω )
∣
F
(
j
ω
)
∣
∼
ω
\lvert F(j\omega)\rvert \sim \omega
∣ F ( j ω ) ∣ ∼ ω 幅度频谱,频率
ω
\omega
ω 的偶函数
∣
φ
(
ω
)
∣
∼
ω
\lvert \varphi(\omega)\rvert \sim \omega
∣ φ ( ω ) ∣ ∼ ω 相位频谱,频率
ω
\omega
ω 的奇函数
Remark:
函数
f
(
t
)
f(t)
f ( t ) 的傅里叶变换存在的充分条件:
∫
−
∞
∞
∣
f
(
t
)
∣
d
t
<
∞
\int^{\infty}_{-\infty} \lvert f(t)\rvert dt < \infty
∫ − ∞ ∞ ∣ f ( t ) ∣ d t < ∞
下列关系还可方便计算一些积分:
F
(
0
)
=
∫
−
∞
∞
f
(
t
)
d
t
F(0) = \int^{\infty}_{-\infty} f(t) dt
F ( 0 ) = ∫ − ∞ ∞ f ( t ) d t
f
(
0
)
=
1
2
π
∫
−
∞
∞
F
(
j
ω
)
d
ω
f(0) = \frac{1}{2\pi} \int^{\infty}_{-\infty} F(j\omega) d\omega
f ( 0 ) = 2 π 1 ∫ − ∞ ∞ F ( j ω ) d ω
2.2.1. 常用函数的傅里叶变换
单边指数函数
f
(
t
)
=
e
−
α
t
ε
(
t
)
=
{
e
−
α
t
t
>
0
0
t
<
0
α
>
0
\begin{aligned} f(t) = e^{-\alpha t} \varepsilon(t) = \begin{cases} e^{-\alpha t} \; & t>0 \\ 0 \; & t<0 \end{cases}\; \alpha>0 \end{aligned}
f ( t ) = e − α t ε ( t ) = { e − α t 0 t > 0 t < 0 α > 0
F
(
j
ω
)
=
1
α
+
j
ω
\begin{aligned} F(j\omega) = \displaystyle \frac{1}{\alpha + j\omega} \end{aligned}
F ( j ω ) = α + j ω 1
双边指数函数
f
(
t
)
=
e
−
α
∣
t
∣
=
{
e
−
α
t
t
>
0
e
α
t
t
<
0
α
>
0
\begin{aligned} f(t) = e^{-\alpha \lvert t\rvert} = \begin{cases} e^{-\alpha t} \; & t>0 \\ e^{\alpha t} \; & t<0 \end{cases}\; \alpha>0 \end{aligned}
f ( t ) = e − α ∣ t ∣ = { e − α t e α t t > 0 t < 0 α > 0
F
(
j
ω
)
=
2
α
α
2
+
ω
2
\begin{aligned} F(j\omega) = \displaystyle \frac{2\alpha}{\alpha^2 + \omega^2} \end{aligned}
F ( j ω ) = α 2 + ω 2 2 α
门函数(矩形脉冲)
g
τ
g_\tau
g τ
g
τ
(
t
)
=
{
1
∣
t
∣
≤
τ
2
0
∣
t
∣
>
τ
2
\begin{aligned} g_\tau(t) = \begin{cases}1 \; & \lvert t\rvert \leq \frac{\tau}{2} \\ 0 \; & \lvert t\rvert > \frac{\tau}{2} \end{cases} \end{aligned}
g τ ( t ) = { 1 0 ∣ t ∣ ≤ 2 τ ∣ t ∣ > 2 τ
F
(
j
ω
)
=
τ
Sa
⟮
ω
τ
2
⟯
\begin{aligned} F(j\omega) = \tau \text{Sa} \Big\lgroup \displaystyle \frac{\omega\tau}{2} \Big\rgroup \end{aligned}
F ( j ω ) = τ Sa ⎩ ⎧ 2 ω τ ⎭ ⎫
冲激函数
δ
,
δ
′
,
δ
(
n
)
\delta, \delta^\prime, \delta^{(n)}
δ , δ ′ , δ ( n )
f
(
t
)
⟵
⟶
F
(
j
ω
)
δ
⟵
⟶
1
δ
′
⟵
⟶
j
ω
δ
(
n
)
⟵
⟶
(
j
ω
)
n
\begin{aligned} f(t) \longleftarrow& \longrightarrow F(j\omega) \\ \delta \longleftarrow& \longrightarrow 1 \\ \delta^\prime \longleftarrow& \longrightarrow j\omega \\ \delta^{(n)} \longleftarrow& \longrightarrow (j\omega)^n \end{aligned}
f ( t ) ⟵ δ ⟵ δ ′ ⟵ δ ( n ) ⟵ ⟶ F ( j ω ) ⟶ 1 ⟶ j ω ⟶ ( j ω ) n
常数 1
1
⟵
⟶
2
π
δ
(
ω
)
\begin{aligned}1 \longleftarrow& \longrightarrow 2\pi\delta{(\omega)} \end{aligned}
1 ⟵ ⟶ 2 π δ ( ω )
符号函数
sgn
(
t
)
⟵
⟶
2
j
ω
\begin{aligned} \text{sgn}(t)\longleftarrow& \longrightarrow \frac{2}{j\omega} \end{aligned}
sgn ( t ) ⟵ ⟶ j ω 2
sgn
(
t
)
=
{
−
1
t
<
0
1
t
>
0
\begin{aligned} \text{sgn}(t) = \begin{cases}-1 \; & t<0 \\ 1 \; & t>0 \end{cases} \end{aligned}
sgn ( t ) = { − 1 1 t < 0 t > 0
阶跃函数
ε
\varepsilon
ε
ε
(
t
)
⟵
⟶
π
δ
(
ω
)
+
1
j
ω
\begin{aligned} \varepsilon(t)\longleftarrow& \longrightarrow \pi \delta(\omega) + \frac{1}{j\omega} \end{aligned}
ε ( t ) ⟵ ⟶ π δ ( ω ) + j ω 1
ε
(
t
)
=
{
0
t
<
0
1
t
>
0
=
1
2
+
1
2
sgn
(
t
)
\begin{aligned} \varepsilon(t) = \begin{cases}0 \; & t<0 \\ 1 \; & t>0 \end{cases} \; = \frac{1}{2} + \frac{1}{2} \text{sgn}(t) \end{aligned}
ε ( t ) = { 0 1 t < 0 t > 0 = 2 1 + 2 1 sgn ( t )
2.2.2. 常用函数的傅里叶变换汇总
f
(
t
)
⟵
⟶
F
(
j
ω
)
1
⟵
⟶
2
π
δ
(
ω
)
e
−
α
t
ε
(
t
)
⟵
⟶
1
α
+
j
ω
e
−
α
∣
t
∣
⟵
⟶
2
α
α
2
+
ω
2
g
τ
(
t
)
⟵
⟶
τ
Sa
⟮
ω
τ
2
⟯
δ
⟵
⟶
1
δ
′
⟵
⟶
j
ω
δ
(
n
)
⟵
⟶
(
j
ω
)
n
ε
(
t
)
⟵
⟶
π
δ
(
ω
)
+
1
j
ω
sgn
(
t
)
⟵
⟶
2
j
ω
cos
ω
0
t
⟵
⟶
π
[
δ
(
ω
+
ω
0
)
+
δ
(
ω
−
ω
0
)
]
sin
ω
0
t
⟵
⟶
j
π
[
δ
(
ω
+
ω
0
)
−
δ
(
ω
−
ω
0
)
]
\begin{aligned} \displaystyle f(t) \longleftarrow& \longrightarrow F(j\omega) \\ 1 \longleftarrow& \longrightarrow 2\pi\delta{(\omega)}\\ e^{-\alpha t} \varepsilon(t)\longleftarrow& \longrightarrow \frac{1}{\alpha + j\omega}\\ e^{-\alpha \lvert t\rvert} \longleftarrow& \longrightarrow \frac{2\alpha}{\alpha^2 + \omega^2} \\ g_\tau(t) \longleftarrow& \longrightarrow \tau \text{Sa} \Big\lgroup \displaystyle \frac{\omega\tau}{2} \Big\rgroup\\ \delta \longleftarrow& \longrightarrow 1 \\ \delta^\prime \longleftarrow& \longrightarrow j\omega \\ \delta^{(n)} \longleftarrow& \longrightarrow (j\omega)^n \\ \varepsilon(t)\longleftarrow& \longrightarrow \pi \delta(\omega) + \frac{1}{j\omega}\\ \text{sgn}(t)\longleftarrow& \longrightarrow \frac{2}{j\omega}\\ \cos \omega_0 t \longleftarrow& \longrightarrow \pi \big[ \delta(\omega + \omega_0) + \delta(\omega-\omega_0)\big] \\ \sin \omega_0 t \longleftarrow& \longrightarrow j\pi \big[ \delta(\omega + \omega_0) - \delta(\omega-\omega_0)\big] \\ \end{aligned}
f ( t ) ⟵ 1 ⟵ e − α t ε ( t ) ⟵ e − α ∣ t ∣ ⟵ g τ ( t ) ⟵ δ ⟵ δ ′ ⟵ δ ( n ) ⟵ ε ( t ) ⟵ sgn ( t ) ⟵ cos ω 0 t ⟵ sin ω 0 t ⟵ ⟶ F ( j ω ) ⟶ 2 π δ ( ω ) ⟶ α + j ω 1 ⟶ α 2 + ω 2 2 α ⟶ τ Sa ⎩ ⎧ 2 ω τ ⎭ ⎫ ⟶ 1 ⟶ j ω ⟶ ( j ω ) n ⟶ π δ ( ω ) + j ω 1 ⟶ j ω 2 ⟶ π [ δ ( ω + ω 0 ) + δ ( ω − ω 0 ) ] ⟶ j π [ δ ( ω + ω 0 ) − δ ( ω − ω 0 ) ]
2.2.3. 性质
线性性质
if
f
1
(
t
)
↔
F
1
(
j
ω
)
f_1(t) \leftrightarrow F_1(j\omega)
f 1 ( t ) ↔ F 1 ( j ω ) ,
f
2
(
t
)
↔
F
2
(
j
ω
)
f_2(t) \leftrightarrow F_2(j\omega)
f 2 ( t ) ↔ F 2 ( j ω ) then
a
⋅
f
1
+
b
⋅
f
2
↔
a
⋅
F
1
+
b
⋅
F
2
a\cdot f_1 + b\cdot f_2 \leftrightarrow a\cdot F_1 + b \cdot F_2
a ⋅ f 1 + b ⋅ f 2 ↔ a ⋅ F 1 + b ⋅ F 2
奇偶性
if
f
(
t
)
↔
F
(
j
ω
)
f(t) \leftrightarrow F(j\omega)
f ( t ) ↔ F ( j ω ) then
f
(
−
t
)
↔
F
(
−
j
ω
)
f(-t) \leftrightarrow F(-j\omega)
f ( − t ) ↔ F ( − j ω )
若
f
(
t
)
f(t)
f ( t ) 为实偶函数,
F
(
j
ω
)
F(j\omega)
F ( j ω ) 为实偶函数 若
f
(
t
)
f(t)
f ( t ) 为实奇函数,
F
(
j
ω
)
F(j\omega)
F ( j ω ) 为实奇函数
尺度变换
if
f
(
t
)
↔
F
(
j
ω
)
f(t) \leftrightarrow F(j\omega)
f ( t ) ↔ F ( j ω ) then
f
(
α
t
)
↔
1
∣
α
∣
F
(
j
ω
α
)
,
α
f(\alpha t) \leftrightarrow \frac{1}{\lvert \alpha \rvert}F(j\frac{\omega}{\alpha}), \alpha
f ( α t ) ↔ ∣ α ∣ 1 F ( j α ω ) , α 为非零实数
0
<
α
<
1
0<\alpha<1
0 < α < 1 时域扩展,频带压缩
α
>
1
\alpha>1
α > 1 时域压缩,频域扩展
α
\alpha
α 倍
Remark:
信号的持续时间与信号占有频带成反比,有时为加速信号的传递,要将信号持续时间压缩,则要以展开频带为代价。
对称性
if
f
(
t
)
↔
F
(
j
ω
)
,
(
t
→
−
ω
,
ω
→
t
)
f(t) \leftrightarrow F(j\omega), (\; t\to -\omega, \; \omega \to t)
f ( t ) ↔ F ( j ω ) , ( t → − ω , ω → t ) then
F
(
j
t
)
↔
2
π
f
(
−
ω
)
F(j t) \leftrightarrow 2\pi f(-\omega)
F ( j t ) ↔ 2 π f ( − ω )
时移性
t
0
t_0
t 0
if
f
(
t
)
↔
F
(
j
ω
)
f(t) \leftrightarrow F(j\omega)
f ( t ) ↔ F ( j ω ) then
f
(
t
±
t
0
)
↔
e
±
j
ω
t
0
F
(
j
ω
)
,
t
0
f(t \pm t_0) \leftrightarrow e^{\pm j \omega t_0}F(j\omega), \; t_0
f ( t ± t 0 ) ↔ e ± j ω t 0 F ( j ω ) , t 0 为实常数
if
F
(
j
ω
)
=
∣
F
(
j
ω
)
∣
e
j
φ
(
ω
)
F(j\omega) = \lvert F(j\omega)\rvert e^{j \varphi(\omega)}
F ( j ω ) = ∣ F ( j ω ) ∣ e j φ ( ω ) then
f
(
t
±
t
0
)
↔
∣
F
(
j
ω
)
∣
e
j
[
φ
(
ω
)
±
ω
t
0
]
,
t
0
f(t \pm t_0) \leftrightarrow \lvert F(j\omega)\rvert e^{j[\varphi(\omega)\pm \omega t_0]}, \; t_0
f ( t ± t 0 ) ↔ ∣ F ( j ω ) ∣ e j [ φ ( ω ) ± ω t 0 ] , t 0 为实常数
Remark:
幅度频谱无变化,只影响相位频谱,相移
±
ω
t
0
\pm \omega t_0
± ω t 0
频移性
ω
0
\omega_0
ω 0
if
f
(
t
)
↔
F
(
j
ω
)
f(t) \leftrightarrow F(j\omega)
f ( t ) ↔ F ( j ω ) then
e
∓
j
ω
0
t
f
(
t
)
↔
F
[
j
(
ω
±
ω
0
)
]
,
ω
0
e^{\mp j\omega_0 t}f(t)\leftrightarrow F\big[j(\omega\pm\omega_0)\big], \; \omega_0
e ∓ j ω 0 t f ( t ) ↔ F [ j ( ω ± ω 0 ) ] , ω 0 为实常数。
频移特性的实质是频谱搬移 ,它是通信理论中信号调制 与解调 的理论基础。
cos
(
ω
0
t
)
\cos(\omega_0 t)
cos ( ω 0 t ) 调制信号——载波
ω
0
\omega_0
ω 0 调制频率 —— 载频
2.2.4. 卷积定理
时域卷积:
if
f
1
(
t
)
↔
F
1
(
j
ω
)
,
f
2
(
t
)
↔
F
2
(
j
ω
)
f_1(t) \leftrightarrow F_1(j\omega), \;f_2(t) \leftrightarrow F_2(j\omega)
f 1 ( t ) ↔ F 1 ( j ω ) , f 2 ( t ) ↔ F 2 ( j ω )
then
f
1
(
t
)
⋆
f
2
(
t
)
⟷
F
1
(
j
ω
)
F
2
(
j
ω
)
f_1(t) \star f_2(t) \longleftrightarrow F_1(j\omega) F_2(j\omega)
f 1 ( t ) ⋆ f 2 ( t ) ⟷ F 1 ( j ω ) F 2 ( j ω )
频域卷积:
if
f
1
(
t
)
↔
F
1
(
j
ω
)
,
f
2
(
t
)
↔
F
2
(
j
ω
)
f_1(t) \leftrightarrow F_1(j\omega), \;f_2(t) \leftrightarrow F_2(j\omega)
f 1 ( t ) ↔ F 1 ( j ω ) , f 2 ( t ) ↔ F 2 ( j ω )
then
f
1
(
t
)
f
2
(
t
)
⟷
1
2
π
F
1
(
j
ω
)
⋆
F
2
(
j
ω
)
\displaystyle f_1(t) f_2(t) \longleftrightarrow \frac{1}{2\pi}F_1(j\omega)\star F_2(j\omega)
f 1 ( t ) f 2 ( t ) ⟷ 2 π 1 F 1 ( j ω ) ⋆ F 2 ( j ω )
2.2.5. 微积分特性
时域微分:
f
(
n
)
(
t
)
⟷
(
j
ω
)
n
F
(
j
ω
)
f^{(n)} (t) \longleftrightarrow (j\omega)^n F(j\omega)
f ( n ) ( t ) ⟷ ( j ω ) n F ( j ω )
时域积分:
∫
−
∞
t
f
(
x
)
d
x
⟷
π
F
(
0
)
δ
(
ω
)
+
F
(
j
ω
)
j
ω
F
(
0
)
=
F
(
j
ω
)
∣
ω
=
0
=
∫
−
∞
∞
f
(
t
)
d
t
\begin{aligned}\displaystyle \int^{t}_{-\infty} f(x) dx \longleftrightarrow \pi F(0)\delta(\omega) + \frac{F(j\omega)}{j\omega} \\ F(0) = F(j\omega)\Big\vert_{\omega = 0} = \int^{\infty}_{-\infty}f(t)dt \end{aligned}
∫ − ∞ t f ( x ) d x ⟷ π F ( 0 ) δ ( ω ) + j ω F ( j ω ) F ( 0 ) = F ( j ω ) ∣ ∣ ∣ ω = 0 = ∫ − ∞ ∞ f ( t ) d t
频域微分:
(
−
j
t
)
n
f
(
t
)
⟷
F
(
n
)
(
j
ω
)
(-jt)^n f (t) \longleftrightarrow F^{(n)}(j\omega)
( − j t ) n f ( t ) ⟷ F ( n ) ( j ω )
频域积分:
π
f
(
0
)
δ
(
t
)
+
f
(
t
)
−
j
t
⟷
∫
−
∞
ω
F
(
j
x
)
d
x
f
(
0
)
=
1
2
π
∫
−
∞
∞
F
(
j
ω
)
d
ω
\begin{aligned}\displaystyle \pi f(0)\delta(t) + \frac{f(t)}{-jt} \longleftrightarrow \int^{\omega}_{-\infty}F(jx)dx \\ f(0) = \frac{1}{2\pi}\int^{\infty}_{-\infty}F(j\omega)d\omega \end{aligned}
π f ( 0 ) δ ( t ) + − j t f ( t ) ⟷ ∫ − ∞ ω F ( j x ) d x f ( 0 ) = 2 π 1 ∫ − ∞ ∞ F ( j ω ) d ω
2.2.6. 相关定理