【信号与系统】02 – 傅里叶变换

站长

发表文章数:4263

曹工说Spring Boot源码(14)– AspectJ的Load-Time-Weaving的两种实现方式细细讲解,以及怎么和Spring Instrumentation集成

1. 傅里叶级数

1.1 特征函数

  上篇我们已经知道,LIT系统可以由单位冲激响应\(h(t)\)完全表征,且\(x(t)\)在系统的输出函数是\(x(t)*h(t)\)。这个结论是分析LIT系统的基础理论,甚至我们可以认为,LIT系统至此已经被完全解析了。但不要忘记,解析信号系统的目的,最终是为了分析信号或系统的特性、设计特定系统以处理信号。所以下一步就是要建立分析信号或系统的方法,并搞清系统对信号产生的根本性影响。单位冲激响应\(h(t)\)可视为系统的“固有信号”,所以接下来“信号”就是我们要面对的关键对象。

  信号千变万化,一套完备的“特征”,一般要求它们互相独立、又能完整地表征对象。对待实变量函数,一种典型的思路是建立完备的“特征函数系”,特征函数之间有一定独立性,而任何函数可以被“特征系数”唯一表征。另外LIT是一个线性系统,在线性问题中有一个普遍而有效的思路,它非常类似于线性变换的特征向量理论。就独立性而言,我们希望“特征函数”\(x(t)\)的系统输出有简单的格式\(K(x(t))\cdot x(t)\)。

  为了找到特征函数,我们得回到系统的表征函数\(\int h(\tau)x(t-\tau)\text{d}\tau\)中去。由其形式特点并联想到指数函数的特性,不难发现指数函数\(e^{st}\)满足式(1),以后我们把这样的函数称为LIT系统的特征函数。其中\(H(s)\)仅由系统和\(s\)决定,它是\(e^{st}\)经过系统后的“特征系数”,也被称为系统的特征值。值得提醒的是,\(s\)是在复数域的。复指数函数的一般形式是\(z^t\),但以\(e\)为低的复数表示更便于指数、导数等运算,故这里用\(e^s\)表示复数\(z\)。回顾复数的知识,\(s=\sigma+j\omega\),其中\(e^\sigma\geqslant 0\)是\(z\)的模,\(\omega\)是\(z\)的辐角(顺时针为正向)。

\[e^{st}\to H(s)e^{st},\,(s\in\Bbb{C}),\;\;H(s)=\int_{-\infty}^{\infty}h(\tau)e^{-s\tau}\,\text{d}\tau\tag{1}\]

1.2 三角基波

  特征函数有很多,下面就要挑选合适的做“特征函数系”。当\(\sigma\ne 0\)时,\(e^{st}\)的范数\(e^{\sigma t}\)是无界的,使用起来比较棘手。这里先设\(\sigma=0\),纯虚数指数函数(式(2))将构成我们需要的特征函数系(也叫基波)。函数值\(e^{j\omega t}\)随\(t\)在单位圆上做圆周运动,\(\omega\)是运动的角速度(弧度),运动的周期即为\(2\pi/|\omega|\)。教材里一般把\(\omega\)称为基波频率,而真实的频率其实是\(|\omega|/2\pi\),请注意区分。

\[e^{\text{j}\omega t}=\cos\omega t+j\sin\omega t,\,(\omega\in\Bbb{R});\;\;T=\dfrac{2\pi}{|\omega|}\tag{2}\]

【信号与系统】02 - 傅里叶变换

  \(e^{j\omega t}\)的实部、虚部都是正弦函数(这里不区分正余弦),正弦函数级数的性质已经被深入研究,用它们做基波是很方便的分析工具。傅里叶分析的早期研究对象,就是各种三角级数的收敛性。然而\(e^{j\omega t}\)才是三角函数更本质的形式,而且使用起来更加方便,所以今后我们都用复指数函数作为基波。复数域比实数域完备,所以复数运算更加方便自由,在纯数学上,不会因为一个概念“不够直观”而忽视它的价值。另外,系统的特征值\(H(j\omega)\)又被称为频率响应,它由冲激响应\(h(t)\)所决定,后面将会看到它们的密切关系。

1.3 傅里叶级数

  由于最早研究的函数分解就是三角函数级数,所以分解的对象也限定在了周期函数上。设函数\(x(t)\)的周期为\(T\),角速度为\(\omega_0\),傅里叶级数将它分解为基波频率为\(k\omega_0,(k\in\Bbb{Z})\)的纯虚指数函数的级数(式(3)左)。为了求得系数\(a_k\),可以利用\(\{e^{j\omega t}\}\)对积分运算的“正交性”,验证可有式(3)右成立。式(3)就是傅里叶级数(FS)的完整表达式了,一般记作\(x(t)\overset{FS}\leftrightarrow a_k\),其中\(a_k\)也称为FS的频谱系数

\[x(t)=\sum_{k\in\Bbb{Z}}a_ke^{jk\omega_0 t},\;a_k=\dfrac{1}{T}\int_Tx(\tau)e^{-jk\omega_0\tau}\,\text{d}\tau\tag{3}\]

  当然式(3)不是对所有周期函数都成立,狄利克雷条件给出了存在傅里叶级数的充分条件:(1)\(x(t)\)绝对可积;(2)周期内只有有限个起伏;(3)周期内只有有限个不连续点。这个条件包含了非常大范围的函数,因此它有着很广泛的实用价值。值得提醒的是,在不连续点\(t_0\)处,傅里叶级数收敛于\([x(t_0^-)+x(t_0^+)]/2\),但在个别点的误差并不影响FS成为有力的分析工具。从表达式还能知道,相近的两个函数的频谱系数也是相近的,所以频谱系数具有一定“稳定性”。分解级数和积分式不一定存在,但如果一个式子存在,另一个式子也必然是存在的,且都具有唯一性。用带入证明会遇到根本性的困难,我们只能到傅里叶分析里找答案。

  第一次面对FS的结论时,我们不禁想问:这个分解为什么会成立?它有没有更直观的解释?我想这样阐述(瞎说)FS的本质:函数就是一个随时间不断变化的量,这个“变化”可以从宏观到微观去依次去量化。就拿三角级数(4)来说,常数项\(a_0\)度量了\(x(t)\)相对0值的平均变化,去除\(a_0\)后\(a_1\)继续度量每半边的平均变化(左右相等但符号相反,使用三角函数可统一系数),然后再继续度量半边的两个半边,以此类推。显然中心对称的函数都可以做基波,但唯有三角函数简单且有很好的分析性质。

\[x(t)=a_0+a_1\sin\omega_0 t+a_2\sin2\omega_0 t\tag{4}\]

【信号与系统】02 - 傅里叶变换

2. 傅里叶变换

2.1 傅里叶变换

  傅里叶级数有着明显的局限性,最显然的就是它只适用于周期函数,而且如果把频谱系数作为函数的唯一表征,还必须限定在某个周期下。另一个缺陷不太明显但很重要,就是FS的频谱是不连续的,这限制了处理信号的范围。为了得到一般函数\(x(t)\)的频谱,先以\(t=0\)为中心截取长度为\(T\)的片段,然后展开成周期函数\(\tilde{x}(t)\)。对它做FS可以得到式(5),其中\(\{Ta_k\}\)是函数\(X(j\omega)\)上的等间隔点。

Springboot+SpringSecurity实现图片验证码登录问题

\[Ta_k=X(jk\omega_0),\;\;X(j\omega)=\int_Tx(t)e^{-j\omega t}\,\text{d}t\tag{5}\]

【信号与系统】02 - 傅里叶变换

  随着\(T\)逐渐增大直至无穷,\(\tilde{x}(t)\)变成\(x(t)\),\(\{Ta_k\}\)也越发密集直至完全变成函数\(X(j\omega)\)(这当然不是严格的数学证明,但也不失为一个好的直观阐述)。从离散到连续的变化中,\(\omega_0\)变成微分\(\text{d}\omega\),\(a_k\)则变成了\(\dfrac{1}{2\pi}X(j\omega)\,\text{d}\omega\)(因为\(T=2\pi/\omega\))。最终(连加变成积分)\(\tilde{x}(t)\)的FS也变成了\(x(t)\)的傅里叶变换(FT,式(6)),一般记作\(x(t)\overset{F}\leftrightarrow X(j\omega)\),其中\(X(j\omega)\)还是称为频谱系数

\[x(t)=\dfrac{1}{2\pi}\int_{-\infty}^{\infty}X(j\omega)e^{j\omega t}\,\text{d}\omega;\;\;X(j\omega)=\int_{-\infty}^{\infty}x(t)e^{-j\omega t}\,\text{d}t\tag{6}\]

  傅里叶变换也有对应的狄利克雷条件,只需把FS中的“周期内”改成“有限区间内”即可(以下把左式叫分解式、右式叫变换式)。狄利克雷条件是FT积分(处处)收敛的的充分非必要条件,在该条件下的分解式、变换式都是非奇异的。但在奇异函数的概念下,这些积分可以在更大的范围内“存在”,比如\(\delta(t)\)的FT是\(1\),但分解式显然不收敛。所以这里要强调,傅里叶变换的存在性是比收敛性更宽泛的概念,数学上已经证明:分解式、变换式是同时存在的,且互相具有唯一性。

  公式(6)说明了,函数和频谱系数是互相确定的,\(\{e^{j\omega t}\}\)是一个完备的特征函数系。频谱系数可以完全表征一个函数,它一般被称为函数的频域特征,相对而言函数自身则是时域特征。时域、频域是分析信号或系统的两个角度,它们在不同的场景下有各自的长处。对于系统的冲激函数\(h(t)\),从式(1)可知,频率响应函数\(H(j\omega)\)就是\(h(t)\)的傅里叶变换。也就是说,\(h(t),H(j\omega)\)分别是系统的时域、频域表征(后者也被称为系统函数),两者对系统分析都至关重要。

  狄利克雷条件是FT收敛的充分而非必要条件,鉴于FS和FT的关系,下面来讨论怎样把FS纳入FT中去。其实FT的频谱系数\(X(j\omega)\)是不同基波的“密度”函数,\(e^{j\omega t}\)在分解中的“份量”是\(\dfrac{1}{2\pi}X(j\omega)\,\text{d}\omega\)。反观FS的频谱系数\(a_k\),\(e^{jk\omega_0}\)提供的“份量”就是\(a_k\),它在FT中的“密度”应当是\(2\pi a_k\delta(\omega-k\omega_0)\)。综合便有了FS的FT格式(式(7)),它其实就是周期函数的傅里叶变换。

\[X(j\omega)=\sum_{k\in\Bbb{Z}}2\pi a_k\delta(\omega-k\omega_0)\tag{7}\]

2.2 拉普拉斯变换

  傅里叶变换的收敛性对函数有一定要求,比如函数一定要是有界的,这将限制对很多信号和系统的讨论。尤其在做系统的定性分析时,我们希望面对一个更大的系统空间进行系统设计。另一方面,LIT的特征函数\(e^{st}\)中的\(s\)可取遍整个复数域,而FT的基波\(e^{j\omega t}\)仅仅是\(s=\sigma+j\omega\)取虚轴而建立的函数系。为了研究用一般的\(e^{st}\)为基波的分解,可以考虑在FT两边同时乘上函数\(e^{\sigma t}\)(式(8)),其中\(\sigma\)是一个定值。

\[x(t)e^{\sigma t}=\dfrac{1}{2\pi}\int_{-\infty}^{\infty}X(j\omega)e^{(\sigma+j\omega)t}\,\text{d}\omega\tag{8}\]

  式(8)其实就是\(x(t)e^{\sigma t}\)在函数系\(\{e^{(\sigma+j\omega)t}\}\)下的分解,由于\(\sigma\)是一个定值,\(s\)取在某条跟虚轴平行的直线上。一般地,式(9)被称为拉普拉斯变换(LT),并计作\(x(t)\overset{L}{\leftrightarrow}X(s)\),它和FT显然有关系式(10)。\(H(s)\)可以视为函数的\(s\)特征,它是对频域的扩充,在系统分析中也将起到更大的作用。还是得强调一下,虽然\(X(s)\)的定义域可以是整个复数域,但在某个具体的拉普拉斯变换中,\(s\)仅在一条虚轴平行线上(\(\sigma\)是定值)。课本中将逆变换写成了复数在曲线上的微分,我觉得对本课程没有意义。

\[x(t)=\dfrac{1}{2\pi}\int_{-\infty}^{\infty}X(s)e^{st}\,\text{d}\omega;\;\;X(s)=\int_{-\infty}^{\infty}x(t)e^{-st}\,\text{d}t\tag{9}\]

\[x(t)\overset{L}{\leftrightarrow}X(\sigma+j\omega)\;\;\Leftrightarrow\;\;x(t)e^{-\sigma t}\overset{F}{\leftrightarrow}X(j\omega)\tag{10}\]

  对于一个函数\(x(t)\)和固定的\(\sigma\),如果LT对所有的\(\omega\)都收敛,那么称\(x(t)\)的LT在\(\sigma\)处收敛。那些收敛的\(\sigma\)称为LT的收敛域(ROC),但要注意,收敛域外的某个具体\(s\)处,LT积分也可能收敛。课本上以\(s\)定义收敛域,其实并无本质区别,因为LT总是定义在整条虚轴平行线上的。如果\(x(t)\)有限持续(\(|t|>T\)后为0),积分总是收敛的,它的ROC是整个复平面。如果\(x(t)\)左边有限持续(右边信号),考察\(x(t)e^{-\sigma t}\)的绝对可积性,如果在\(\sigma_0\)处绝对可积,则易证在\(\sigma>\sigma_0\)上都可积,从而ROC为右半平面。同样道理,左边信号的ROC就是左半平面。而一般的双边信号,可将其分割为左右两部分,结合刚才的结论可知,ROC是一个带状区域。

  以上左/右平面、带状区域的边界是否收敛视情况而定,而且边界本身可能是不存在的(无穷大小),以下不再说明。冲激响应\(h(t)\)的拉普拉斯变换\(H(s)\)是系统的\(s\)域特征,它还是被称为系统函数,其ROC与系统性质有着一些关联。比如因果系统的冲击响应是一个右边信号,从而系统函数的ROC必定是右半平面。还有一个稳定系统的冲激响应是绝对可积的,从而它的傅里叶变换收敛,也就是说系统函数的ROC必须包含虚轴。

堆栈里的悄悄话——智能指针

未经允许不得转载作者:站长, 转载或复制请以 超链接形式 并注明出处 xss云之家-资源网,新人技术交流平台,一个湖北娃的个人博客
原文地址:《【信号与系统】02 – 傅里叶变换》 发布于2020-02-08

分享到:
赞(0) 打赏 生成海报

长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

投稿赚钱
2020年在家赚取零花钱
切换注册

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录
切换登录

注册