1. 常见的傅里叶变换对
1.1. 矩形脉冲相关
矩形脉冲信号
Gτ(t)↔τSa(τ2w)
采样信号
Sa(wct)↔πwcG2wc(w)
三角脉冲信号
∧2τ(t)↔τSa2(τw2)
【注意】
- Gτ(t) 和 ∧2τ(t) 的下标表示的非0区间的长度;
- 三角脉冲信号与矩形脉冲信号的关系:∧2τ(t)=1τGτ(t)∗Gτ(t)
- 通过傅氏变换的 对称性 和 时域卷积定理 可以证明以上式子。
1.2. 阶跃信号相关
单位阶跃信号
u(t)↔1jw+πδ(w)
单位斜坡信号
tu(t)↔jddw(1jw+πδ(w))=−1w2+jπδ′(w)
【注意】
- 阶跃信号不满足绝对可积的条件,但是引入冲激函数后仍具有傅氏变换;
- u(t) 是一个积分器,即 ∫t−∞f(τ)dτ=f(t)∗u(t);
1.3. 冲激信号相关
单位冲激信号
δ(t)↔1δ(t−t0)↔e−jwt0
冲激信号的 k 阶导数
δ(k)(n)↔(jw)k
当某个信号的傅氏变换存在 常数 或者 正幂次项 (可以带个相位),则表示该信号包含冲激或冲激导数的形式。
1.4. 直流信号
1↔2πδ(w)tn↔2πjnδ(n)(w)
当某个信号的傅氏变换包含 冲激 或其 冲激导数形式,表示给信号可能存在直流分量或者正幂次项。
1.5. 指数信号
(0 < a < 1)
单边指数信号
因果型:e−atu(t)↔1a+jw
非因果型:eatu(−t)↔1a−jw
双边指数信号
偶对称型:
e−a|t|=e−atu(t)+eatu(−t)↔2aa2+w2
奇对称型:
e−atu(t)−eatu(−t)↔−2jwa2+w2
指数调频信号
e−atsin(w0t)u(t)↔w0(a+jw)2+w20e−atcos(w0t)u(t)↔a+jw(a+jw)2+w20
频域微分特性
tn−1(n−1)!e−atu(t)↔1(a+jw)n
谐振信号
虚指数信号
ejw0t↔2πδ(w−w0)e−jw0t↔2πδ(w+w0)
三角信号
cos(w0t)=12(ejw0t+e−jw0t)↔π[δ(w−w0)+δ(w+w0)]sin(w0t)=12j(ejw0t−e−jw0t)↔πj[δ(jw−jw0)−δ(jw+jw0)]
调频信号
f(t)cos(w0t)↔12[F(jw−jw0)+F(jw+jw0)]f(t)sin(w0t)↔12j[F(jw−jw0)−F(jw+jw0)]
1.6. 符号函数相关
sgn(t)↔2jw
对称性
1t↔jπsgn(w)
时域微分特性
1t2↔πwsgn(w)=π|w|
本文作者:Wreng
本文链接:https://www.cnblogs.com/wreng/p/15304127.html
版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
【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