傅里叶变换的物理意义

用三角函数表示周期函数

傅里叶的相关理论始于下面假设:对于周期为1的信号f(t),可以由不同频率的三角函数组成,

f(t)=a02+k=1(akcos(2πkt)+bksin(2πkt))

组成的基础波形为一个信号对,分别为cos(2πt)以及sin(2πt),波形的频率覆盖范围为k=1,2,3,(角频率为2πk),在这些频率上的系数(即振幅)对为(a1,b1),(a2,b2),(a3,b3),

 

 

傅里叶级数

上面的式子可以进一步推导成傅里叶级数形式:

f(t)=k=Cke2πikt

从这个表现形式看出,组成的基础波形为e2πit,波形的频率覆盖范围是k=0,±1,±2,±3,(角频率为2πk),在这些频率上的系数为C0,C±1,C±2,C±3,,这些系数由下面的式子得到:

Ck=01f(t)e2πiktdt

如果我们把记录信号在时间上的值的函数f(t)称作该信号在时域上的表现的话,那么该信号在频率k上的系数Ck就是该信号在频域上的表现。傅里叶系数的物理意义就是信号在对应频率上的振幅。

 

 

傅里叶变换

为了把傅里叶的理论应用到一般信号,我们把周期扩展到T,那么信号f(t)的傅里叶级数变成:

f(t)=limTk=Cke2πikTt

此时的傅里叶系数变成:

Ck=limT1TT2T2f(t)e2πikTtdt

可以看到由于信号f(t)(,)上是可积的,当T被扩展到无穷的时候傅里叶系数Ck被稀释成0了,因此可以认为一般信号在各个频率上的傅里叶系数(振幅)为0。这种结果对于我们进行傅里叶分析是没有用处的,因此有了如下傅里叶变换:

Ff(s)=Ck×T=e2πistf(t)dt

其中s=kT,即原本是离散的频率k被扩展成了覆盖(,)的连续变量s,因此可以得到

f(t)=Ff(s)e2πistds

其中ds=1Ts是可以覆盖所有频率的变量。

Ff(s)就是信号f(t)的傅里叶变换。但此时傅里叶变换不再具有傅里叶系数的物理意义。

 

 

傅里叶变换的物理意义

Plancherel's Formula

Plancherel's Formula有如下定义:

f(t)g(t)¯dt=F(s)G(s)¯ds

证明:

f(t)g(t)¯dt=(F(s)e2πistds)(G(s)e2πistds)¯dt=(F(s)e2πistds)(G(s)¯e2πistds)dt=F(s)G(s)¯e2πi(ss)tdtdsds=F(s)G(s)¯δ(ss)dsdsFe2πist=δ(ss) ,variable is s=F(s)G(s)¯δ(ss)dsds=F(s)G(s)¯dsδ shift theorem

 

Energy Spectral Density

根据Plancherel's Formula,可以得到

|f(t)|2dt=f(t)f(t)¯dt=F(s)F(s)¯ds=|F(s)|2ds

假设有一个物理实验,目的是测量电流通过某个电阻时所产生的能量,已知电阻两端的电势差会随着时间变化,为V(t),电阻的阻抗为R,那么所产生的能量为:

V(t)2Rdt

此时回顾上面所得到的式子

|f(t)|2dt=|F(s)|2ds

首先是等号左边:其中信号f(t)可以认为是电势差随着时间的变化,如果我们忽略电阻抗后,可以认为产生的能量为|f(t)|2dt。等号右边的s,按照我们前面的讨论,s代表的就是频率,因此|F(s)|2可以看作信号的能量在频域上的能量密度函数(Energy Spectral Density)。如下图,宽度为ds的频率所蕴含的能量大小为|F(s)|2ds

image

如果我们对信号进行带通滤波,那么被过滤掉的频率就无法再继续贡献能量,ESD上就会缺少被过滤掉的频率所对应的区域,相应地傅里叶变换也会缺少被过滤掉的频率所对应的区域。

posted @   TaigaComplex  阅读(10586)  评论(0编辑  收藏  举报
编辑推荐:
· 10年+ .NET Coder 心语,封装的思维:从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
阅读排行:
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 地球OL攻略 —— 某应届生求职总结
· 提示词工程——AI应用必不可少的技术
· Open-Sora 2.0 重磅开源!
· 周边上新:园子的第一款马克杯温暖上架
历史上的今天:
2018-01-08 [离散时间信号处理学习笔记] 6. 离散时间傅里叶变换
点击右上角即可分享
微信分享提示