几个基本公式
基本信号的傅里叶变换
以下是冲击信号、直流信号、虚指数信号的傅里叶变换
F(δ(t))=1F(1)=2πδ(ω)F(δ(t−T))=exp(−jωT)F(exp(jw0t))=2πδ(w−w0)
冲击信号作用
相乘:
F(t)=f(t)δ(t)=f(0)δ(t)∫∞−∞F(t)dt=f(0)f(t)δ(t−T)=f(T)
卷积:
F(t)=f(t)∗δ(t)=∫∞−∞f(t−τ)δ(τ)dτ=f(t)∫∞−∞δ(τ)dτ=f(t)f(t)∗δ(t−T)=f(t−T)
信号采样
S(t)=∞∑−∞δ(t−nTs)xs(t)=x(t)S(t)=∞∑−∞[xs(nTs)δ(t−nTs)]
信号周期延拓
P(t)=∞∑−∞δ(t−nT0)˜x(t)=x(t)∗P(t)=∞∑−∞[x(t)∗δ(t−nT0)]=∞∑−∞[x(t−nT0)]
信号采样的频域情况
由傅里叶变换性质 时域乘积等于频域卷积,我们考虑采样信号的傅里叶变换:
F(S(t))=F(Fs[˜S(t)])
其中Fs表示周期信号的傅里叶级数,对于˜S(t) 而言,其傅里叶级数的各项系数是:
Cn=1Ts∫Ts2−Ts2[˜S(t)exp(−jnωst)]dt=1Ts∫Ts2−Ts2[∑δ(t−kTs)exp(−jnωst)]dt
因为积分周期[−Ts2,Ts2] 内只有一个冲击信号δ(t),所以上公式可以写为:
Cn=1Ts∫Ts2−Ts2[δ(t)exp(−jnωst)]dt=1Ts
因此信号S(t)就可以写作:
S(t)=∞∑n=−∞[Cnexp(jnwst)]=1Ts∞∑n=−∞exp(jnwst)
现在对S(t)做傅里叶变换:
F(ω)=1Ts∫∞−∞[∞∑n=−∞exp(jnwst)]exp(−jwt)dt=1Ts∞∑n=−∞[∫∞−∞e−j[w−nws]tdt]=1Ts∑δ(w−nws)
或者,根据F的线性性质,也可以这么来看:
F(S(t))=1Ts∑F[exp(jnwst)]=2πTs∑δ(w−nws)
设原信号的傅里叶变换是x(w);现在,再根据傅里叶变换的性质,可以得出:
xs(t)=x(t)S(t)F[xs(t)]=F[x(t)]∗F[S(t)]=KF[x(t)]∗∑δ(w−ws)=K∑x(w−nws)
上式中,K表示缩放系数。
这个结果表明了,时域的采样等于频域的周期化。这里有两个重要的结论:
- 对于非带限信号,其频域周期化后一定存在混叠,故而不可能恢复
- 对于带限信号,要避免混叠, 必须要满足−wc+ws>wc 即 ws>2wc,采样频率必须是信号带宽的2倍
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 地球OL攻略 —— 某应届生求职总结
· 周边上新:园子的第一款马克杯温暖上架
· Open-Sora 2.0 重磅开源!
· 提示词工程——AI应用必不可少的技术
· .NET周刊【3月第1期 2025-03-02】