第三章:3.5 傅里叶变换

推导过程

由前面的分析可知,信号的周期越大,在频域上离散的信号就越来越密,当信号的周期趋近于无穷大的时候,离散信号就趋近于连续信号(T趋于无穷大的时候谱线高度的降低,在这里没有体现出来)

第三章:3.5 傅里叶变换_第1张图片

如图所示,当周期趋于零的时候w1也趋于零。离散的间隔逐渐减小。此时频谱的幅度也是趋于零的,为了方便分析。我们对公式进行一些变换,作出一个比值关系(之前的无穷乘零无法算)。定义新的F(w)称为频谱密度。即是单位频谱范围内谱线的多少,以后我们都称之为频谱函数。

第三章:3.5 傅里叶变换_第2张图片

与傅里叶变换类似,我们给出傅里叶反变换的推导过程

第三章:3.5 傅里叶变换_第3张图片

我出门现在来看一下傅里叶变换的性质,对于F(-w)而言,它实际上相当于对 ejwt 取了一个共轭,如果想要把共轭符号提到积分号的外面,需要对积分内的所有函数都取共轭才可以实现。又因为系统本身是实函数的条件,因此f(t)取共轭和不取共轭都是一样的。所以积分内又得到了F(w),积分外有一个共轭

由此,我们得到了共轭对称性

第三章:3.5 傅里叶变换_第4张图片

第三章:3.5 傅里叶变换_第5张图片

对称性分析

第三章:3.5 傅里叶变换_第6张图片

我们讲解傅里叶变换的对称性有什么用呢?其中一种最基本的用法就是简化对一些信号的求解,我们举一个例子

如图所示,比起直接计算,我们利用对称性可以更容易得到十分优美的结果

第三章:3.5 傅里叶变换_第7张图片

以后的学中我们还会多次用到傅里叶变换的对称性

有没有一个信号可以只经过一次傅里叶变换,就可以得到自身函数形式相同的频谱呢?(和自身之相差一个常量)。如果存在的话,这个函数,就是傅里叶变换的特征函数。对应的常数就是改变换对应的特征值

还记得我们在典型信号中所学到的特征函数吗?我们举几个例子

第三章:3.5 傅里叶变换_第8张图片

变换存在条件

第三章:3.5 傅里叶变换_第9张图片

如图所示,对于这样的限制条件。显然像是单位阶跃信号等这样的常用信号是无法进行傅里叶变换的,这将大大限制傅里叶变换的使用。为此我们需要一种新的定义

第三章:3.5 傅里叶变换_第10张图片

如图所示,这样我们就根据广义傅里叶变换求出了这个问题,具体证明过程我们不再讨论,另外这个结论我们根据傅里叶变换的对称性也可以得到

练习题

第三章:3.5 傅里叶变换_第11张图片

如图所示,此处的cos(2t)显然w=2,没有w=0的分量。所以频谱中没有w=0所对应的分量

第三章:3.5 傅里叶变换_第12张图片

一道值得注意的练习题

第三章:3.5 傅里叶变换_第13张图片

关于这道题我们关于频域的计算最好将t当做一个常量。频域计算不要将时间分开,最好将时间看成是静止的,因此不要将积分割裂开来讨论。算积分可以分为小于零和大于零进行考虑。但是最后积分的结果要进行叠加。如下图所示的计算时错误的,应该这样算

第三章:3.5 傅里叶变换_第14张图片

第三章:3.5 傅里叶变换_第15张图片

这道题我不会

第三章:3.5 傅里叶变换_第16张图片

你可能感兴趣的:(信号与系统)