当前位置: 首页 > news >正文

傅里叶变换究竟是什么玩意 以及 这些公式究竟是怎么来的 第四章 比较用正弦和复指数来表示频率

    首先我要声明一下,这一章可以看也可以不看,都无所谓!但最好看一下最后面给的一个结论和解释。

    写这一章只是为了知识的完整性,尽管可能有些人会对这一章的某些概念产生疑问,在这里我会用最简单的方式去阐述复指数和正弦信号之间的关系。

    考察我们之前分解的一个信号:

    

    要注意的是,这里的分解是变为了正弦波分解,而没有在复指数域进行分解,我们把上面的分解转为指数域:

    \frac{1}{2i}\left \{ e^{jt}-e^{-jt} \right \}+\frac{1}{3} \frac{1}{2i}\left \{ e^{3jt}-e^{-3jt} \right \}+\frac{1}{5} \frac{1}{2i}\left \{ e^{5jt}-e^{-5jt} \right \}+\frac{1}{7} \frac{1}{2i}\left \{ e^{7jt}-e^{-7jt} \right \}

     

    注意这里的i代表幅值是复数。

    现在出现了一个问题:有一个实数域的信号,可以分解为一堆正弦波相加,也可以分解为一堆复指数信号相加,那分解出来的这两中信号的形式之间有什么关系呢

    考察信号的共轭表示:

    x = a+bi ,  x 的共轭 x^{*} 就表示为x^{*}=a-bi 。

    则可以知道实数的共轭是它本身。所以说: (公式如果懒得看可以直接看下面的结论)

    x(t)=\sum_{k=-\infty}^{+\infty}a_{k}e^{jk\omega_{0}t}    ,     x(t)=x^{*}(t)=\sum_{k=-\infty}^{+\infty}a^{*}_{k}e^{-jk\omega_{0}t}

    用-k代替k,可以得到:

    x(t)=x^{*}(t)=\sum_{k=-\infty}^{+\infty}a^{*}_{-k}e^{jk\omega_{0}t}

    比较一下,我们就发现:a_{k}=a_{-k}^{*},即它们互为共轭,联想一下之前我们所有的分解的信号,不都是符合这种形式吗?

    同时,也就是说,

    a^{*}_{k}e^{-jk\omega_{0}t} 与 a_{k}e^{jk\omega_{0}t} 也是互为共轭的。我们对x(t)再进行一些转化:

    因为两个互为共轭的数相加等于其实数部分的两倍:\left\( a+bi \right\)+\left\( a-bi \right\)=2a ,用Re{x(t)}代表x(t)的实数部分,则

    x(t)=a_{0}+ \sum_{k=-\infty}^{+\infty}2Re\left\( a_{k}e^{jk\omega_{0}t}\right\)

    最后就得到了高数课本上通用的一个公式

    x(t)=a_{0}+ 2\sum_{k=-\infty}^{+\infty}A_{k}cos{ \left\( k\omega_{0}t+\theta_{k} \right\) }   要注意这里的A_{k}不一定是实数。

 

    最后提一句:其实不管分解成复指数还是指数,我们都应该明白,我们在意的是它的频域分量,也就是在每个频率的幅值的大小。因为分解为复指数以后,频率的幅值在k和-k上互为共轭,用模 \sqrt{a^{2}+b^{2}} 表示它的幅值,如果分解出来的信号中,频率为k\omega_{0}的信号,a_{k} 可以表示为 a+bi ,  a_{-k}可以表示为a-bi ,则频率 k\omega_{0} 在±k的地方的幅值是一样的。

    因为以后我们所有的信号频率分解都是分解为复指数的形式,所以大家可以简单地理解为,该函数在频率为k\omega_{0}的分量的系数是a_{k}a_{-k},它们的幅值是相等的,都代表了k\omega_{0}频率的幅值(所以以后为了方便描述我们就直接拿系数a_{k}代表k\omega_{0}处的幅值了)。

    说道这里,关于什么是频率的问题基本上已经说完了。我不得不说,这一章和上一章是傅里叶变换中最难理解的部分,所以大家如果还没有彻底弄明白也没有任何关系,后面的关于傅里叶变换的内容将会非常容易理解。如果你对上面的内容觉得复数域难以理解,那么我就给出一个更简单的解释:

    我们求出来的复指数表示形式中,我们可以把每个频率在 k\omega_{0} 和 -k\omega_{0} 的复指数a_{k}e^{jk\omega_{0}t}a_{-k}e^{-jk\omega_{0}t}合成为A_{k}cos{ \left\( k\omega_{0}t+\theta_{k} \right\) },于是这里的 A_{k} 就是该信号的k\omega_{0}频率的幅值。鉴于这种关系,我们就令模相同的a_{k}a_{-k}作为信号在k\omega_{0}处的幅值了。

    

 

 

相关文章:

  • 傅里叶变换究竟是什么玩意 以及 这些公式究竟是怎么来的 第五章 傅里叶开始变换了
  • 傅里叶变换究竟是什么玩意 以及 这些公式究竟是怎么来的 第六章 非周期信号的傅里叶变换
  • 傅里叶变换究竟是什么玩意 以及 这些公式究竟是怎么来的 结语
  • XML语言数据读写理解1
  • XML语言数据读写理解2
  • XML语言数据读写理解3
  • XML语言数据读写理解4
  • XML语言数据读写理解5
  • XML语言数据读写理解6
  • XML语言数据读写理解7
  • XML语言数据读写理解8
  • XML语言数据读写理解9
  • XML语言数据读写理解10
  • 简易的QT输出调试器
  • 简易的QT输出调试器2
  • 【译】React性能工程(下) -- 深入研究React性能调试
  • angular学习第一篇-----环境搭建
  • CSS实用技巧干货
  • GitUp, 你不可错过的秀外慧中的git工具
  • JavaScript 无符号位移运算符 三个大于号 的使用方法
  • Linux各目录及每个目录的详细介绍
  • Python - 闭包Closure
  • Python进阶细节
  • Quartz实现数据同步 | 从0开始构建SpringCloud微服务(3)
  • Spring框架之我见(三)——IOC、AOP
  • Terraform入门 - 1. 安装Terraform
  • 基于阿里云移动推送的移动应用推送模式最佳实践
  • 聊聊directory traversal attack
  • 前端_面试
  • 推荐一个React的管理后台框架
  • 我的业余项目总结
  • 一个项目push到多个远程Git仓库
  • 第二十章:异步和文件I/O.(二十三)
  • 哈罗单车融资几十亿元,蚂蚁金服与春华资本加持 ...
  • # 学号 2017-2018-20172309 《程序设计与数据结构》实验三报告
  • #1014 : Trie树
  • (13)Latex:基于ΤΕΧ的自动排版系统——写论文必备
  • (3)选择元素——(17)练习(Exercises)
  • (cos^2 X)的定积分,求积分 ∫sin^2(x) dx
  • (附源码)python房屋租赁管理系统 毕业设计 745613
  • (附源码)springboot电竞专题网站 毕业设计 641314
  • (附源码)计算机毕业设计SSM保险客户管理系统
  • (六) ES6 新特性 —— 迭代器(iterator)
  • (三)elasticsearch 源码之启动流程分析
  • (四) 虚拟摄像头vivi体验
  • (循环依赖问题)学习spring的第九天
  • (转)人的集合论——移山之道
  • 、写入Shellcode到注册表上线
  • .Net Core缓存组件(MemoryCache)源码解析
  • ::before和::after 常见的用法
  • @RequestParam详解
  • [Android Pro] android 混淆文件project.properties和proguard-project.txt
  • [Assignment] C++1
  • [AX]AX2012 SSRS报表Drill through action
  • [C++] 统计程序耗时