傅里叶级数到傅里叶变换

傅里叶级数

定义形式

f ( t ) = 1 2 α 0 + ∑ n = 1 ∞ [ α n c o s ( n ω t ) + β n s i n ( n ω t ) ] f(t)=\frac{1}{2}\alpha_0 + \sum_{n=1}^{\infty}[\alpha_ncos(n\omega t)+\beta_n sin(n \omega t)] f(t)=21α0+n=1[αncos(t)+βnsin(t)]
其中 ω = 2 π T \omega = \frac{2\pi}{T} ω=T2π

求解过程

α n = 2 T ∫ − T / 2 T / 2 f ( t ) c o s ( n ω t ) d t \alpha_n=\frac{2}{T}\int_{-T/2}^{T/2}f(t)cos(n\omega t)dt αn=T2T/2T/2f(t)cos(t)dt
β n = 2 T ∫ − T / 2 T / 2 f ( t ) s i n ( n ω t ) d t \beta_n=\frac{2}{T}\int_{-T/2}^{T/2}f(t)sin(n\omega t)dt βn=T2T/2T/2f(t)sin(t)dt

带入欧拉方程

c o s ( n ω t ) = e j n ω t + e − j n ω t 2 cos(n \omega t)=\frac{e^{j n \omega t}+e^{-j n \omega t}}{2} cos(t)=2ejnωt+ejnωt
s i n ( n ω t ) = e j n ω t − e − j n ω t 2 j sin(n \omega t) = \frac{e^{j n \omega t} - e^{-j n \omega t}}{2j} sin(t)=2jejnωtejnωt
上式带入傅里叶级数可得
f ( t ) = α 0 2 + ∑ n = 1 + ∞ ( α n − j β n 2 e j n ω t + α n + j β n 2 e − j n ω t ) f(t)=\frac{\alpha_0}{2} + \sum_{n=1}^{+\infty}\big(\frac{\alpha_n -j \beta_n}{2}e^{j n \omega t} + \frac{\alpha_n+j\beta_n}{2}e^{-j n \omega t}\big) f(t)=2α0+n=1+(2αnjβnejnωt+2αn+jβnejnωt)
= ∑ − ∞ + ∞ ( α n − j β n 2 ) e j n ω t =\sum_{-\infty}^{+\infty}(\frac{\alpha_n-j\beta_n}{2})e^{jn\omega t} =+(2αnjβn)ejnωt
整理得:
f ( t ) = 1 T ∑ − ∞ + ∞ [ ∫ − T / 2 T / 2 f ( τ ) e − j n ω τ d τ ] e j n ω t f(t)=\frac{1}{T}\sum_{-\infty}^{+\infty}[\int_{-T/2}^{T/2}f(\tau)e^{-j n \omega \tau}d\tau]e^{j n \omega t} f(t)=T1+[T/2T/2f(τ)ejnωτdτ]ejnωt

非周期连续函数处理

f f f为非周期函数时可以假设为无穷大
f ( t ) = lim ⁡ T → ∞ 1 T ∑ − ∞ + ∞ [ ∫ − T / 2 T / 2 f ( τ ) e − j n ω τ d τ ] e j n ω t f(t)=\lim_{T \to \infty}\frac{1}{T}\sum_{-\infty}^{+\infty}[\int_{-T/2}^{T/2}f(\tau)e^{-j n \omega \tau}d\tau]e^{j n \omega t} f(t)=TlimT1+[T/2T/2f(τ)ejnωτdτ]ejnωt
= lim ⁡ T → ∞ 1 T ∑ n = − ∞ + ∞ [ F ( ω n ) e j ω n t ] =\lim_{T \to \infty}\frac{1}{T}\sum_{n=-\infty}^{+\infty}[F(\omega_n)e^{j\omega_nt}] =TlimT1n=+[F(ωn)ejωnt]
以为 T = 2 π / ω T=2\pi / \omega T=2π/ω则上式可以表示为
lim ⁡ ω → 0 1 2 π ∑ n = − ∞ + ∞ [ F ( ω n ) e j ω n t ] d ω n \lim _{\omega \to 0}\frac{1}{2\pi}\sum_{n=-\infty}^{+\infty}[F(\omega_n)e^{j\omega_nt}]d\omega_n ω0lim2π1n=+[F(ωn)ejωnt]dωn
= 1 2 π ∫ − ∞ + ∞ F ( ω n ) e j ω n t d ω n =\frac{1}{2\pi}\int_{-\infty}^{+\infty}F(\omega_n)e^{j \omega_n t}d\omega_n =2π1+F(ωn)ejωntdωn

F ( ω n ) = lim ⁡ T → ∞ ∫ − T / 2 + T / 2 f ( τ ) e − j n ω τ d τ = ∫ − ∞ + ∞ f ( τ ) e − j ω n τ d τ F(\omega_n)=\lim_{T \to \infty}\int_{- T/2}^{+T/2}f(\tau)e^{-j n \omega \tau}d\tau=\int_{-\infty}^{+\infty}f(\tau)e^{-j\omega_n \tau}d\tau F(ωn)=TlimT/2+T/2f(τ)ejnωτdτ=+f(τ)ejωnτdτ

非连续函数的采样

采样函数如下所示
f s ( t ) = ∑ n = 0 N f ( t ) δ ( t − n T s ) f_s(t)=\sum_{n=0}^{N} f(t)\delta(t-nT_s) fs(t)=n=0Nf(t)δ(tnTs)
其中 f s f_s fs为采样函数, T s T_s Ts为采样周期。函数周期为 N T s NT_s NTs
对其进行傅里叶变换有如下所示:
F s ( ω ) = ∫ 0 ( N − 1 ) T s [ ∑ n = 0 N − 1 f ( t ) δ ( t − n T s ) ] e − j ω t d t F_s(\omega)=\int_{0}^{(N-1)T_s}[\sum_{n=0}^{N-1} f(t)\delta(t-nT_s)]e^{-j \omega t}dt Fs(ω)=0(N1)Ts[n=0N1f(t)δ(tnTs)]etdt
由上式可知:
F s ( ω ) = ∑ n = 0 N − 1 f ( n T s ) e − j ω n T s F_s(\omega)=\sum_{n=0}^{N-1}f(nT_s)e^{-j\omega nT_s} Fs(ω)=n=0N1f(nTs)ejωnTs
其逆变换如下:
f s ( t ) = 1 N T s ∑ ω [ ∑ n = 0 N − 1 f ( n T s ) e − j ω n T s ] e j ω t f_s(t)=\frac{1}{NT_s}\sum_\omega[\sum_{n=0}^{N-1}f(nT_s)e^{-j\omega nT_s}]e^{j\omega t} fs(t)=NTs1ω[n=0N1f(nTs)ejωnTs]et

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/625104.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

STC8H8K蓝牙智能巡线小车——2. 点亮左右转弯灯与危险报警灯

任务调用示例 RTX 51 TNY 可做多任务调度,API较为简单。 /* 接口API */// 创建任务 extern unsigned char os_create_task (unsigned char task_id); // 结束任务 extern unsigned char os_delete_task (unsigned char task_id);// 等待 extern unsig…

算法训练营Day45(完全背包)

70. 爬楼梯 (进阶) 题目页面 (kamacoder.com) 完全背包的排列问题 import java.util.Scanner; class Main{public static void main(String [] args){Scanner sc new Scanner(System.in);int m,n;while(sc.hasNextInt()){n sc.nextInt();m sc.nextInt…

C++ 类构造函数 析构函数

类的构造函数 类的构造函数是类的一种特殊的成员函数,它会在每次创建类的新对象时执行。 构造函数的名称与类的名称是完全相同的,并且不会返回任何类型,也不会返回 void。构造函数可用于为某些成员变量设置初始值。 下面的实例有助于更好地…

C#学习教程

目录 版本:VS2022 一、C#简介 程序定义: 程序的的作用:

阿里云如何完全卸载阿里云盾(安骑士)并屏蔽阿里云盾IP

事情说明 为什么买了服务器之后明明什么都没有配置,阿里云却会给你推送服务器的危险消息?如何解决这个问题? 原因 阿里云盾(AliYunDun),又名阿里云安骑士,是阿里云自带的云监控软件&#xff…

RTKlib操作手册--使用样例数据演示

简介 RTKLIB(Real-Time Kinematic Library)是一款开源的实时差分全球导航卫星系统(GNSS)软件库。它旨在提供高精度的位置解算,特别是在实时应用中,如精密农业、测绘、无人机导航等领域。 RTKLIB支持多种G…

Python 对象属性和类属性

本篇为Python 面向对象之对象和类属性及动态添加属性和方法的概念、示例的学习笔记。 目录 对象属性与类属性 类属性 对象属性 属性优先级 动态对象属性只针对当前对象 动态添加属性和方法 动态添加属性 动态添加方法 引入方法参数处理库 添加方法 限制动态添加属性…

目标检测数据集 - 人脸检测数据集下载「包含VOC、COCO、YOLO三种格式」

数据集介绍:行人检测数据集,真实场景高质量图片数据,涉及场景丰富,比如校园行人、街景行人、道路行人、遮挡行人、严重遮挡行人数据;适用实际项目应用:公共场所监控场景下行人检测项目,以及作为…

如何写好年终总结?

前面有读者留言问年终总结要怎么写,我一听你要聊这个我可不困了,这活我熟啊,谁不知道我厂是 PPT 之王。先来一套打法闭环方法论,再来一套赋能抓手组合拳,如此这般,便可笑傲于江湖。 玩笑归玩笑&#xff0c…

常用界面设计组件 —— 字符串与输入输出组件(QT)

2.2 字符串与输入输出组件2.2.1 字符串与数值之间的转换2.2.2 QString的常用功能 2.2 字符串与输入输出组件 2.2.1 字符串与数值之间的转换 界面设计时使用最多的组件恐怕就是QLabel和 QLineEdit了,QLabel用于显示字符串,QLineEdit用于 显示和输入字符…

MetaGPT-打卡day01

MetaGPT是一个基于大型语言模型(LLMs)的多智能体协作框架。它利用SOP(Standard Operating Procedures,标准作业程序)来协调基于大语言模型的多智能体系统,从而实现元编程技术。该框架使用智能体模拟了一个虚…

程序员必备的面试技巧:从忍者到铁金刚的华丽转变

在科技世界的江湖中,程序员作为武林高手,面试是他们闯荡江湖的一场重要考验。在这场考验中,我们需要像忍者一样灵活,像侦探一样聪明,还要像无敌铁金刚一样坚定。本文将带你探索程序员必备的面试技巧,助你书…

ioDraw在线图表工具 - 轻松制作专业图表,只需3步!

还在花大量时间手动画图表?还在为图表样式而烦恼?ioDraw为你提供一站式解决方案!ioDraw在线图表工具实现了AI自动生成图表,让你轻松制作专业图表,只需3步! 1. 录入数据 只需将你的数据告诉ioDraw AI助手&…

最新版Navicat的安装与激活

最新版Navicat的安装与激活 图文教程链接:图文教程视频教程链接:视频教程此教程适用于Navicat161之后版本的激活,Navicat161之后的版本暂时无法通过注册机的方式进行激活,如需通过注册机激活Navicat161及之前的版本,请…

[Docker] Dockerfile

文章目录 什么是 Dockerfile?使用 Dockerfile 定制镜像开始构建镜像上下文路径 指令详解COPYADDCMDENTRYPOINTENVARGVOLUMEEXPOSEWORKDIRUSERHEALTHCHECKONBUILD 什么是 Dockerfile? Dockerfile 是一个用来构建镜像的文本文件,文本内容包含了…

Pandas实战100例 | 案例 52: 重命名列

案例 52: 重命名列 知识点讲解 在数据处理过程中,有时需要更改 DataFrame 中的列名。Pandas 提供了 rename 方法来轻松实现列的重命名。 重命名列: 使用 rename 方法并通过 columns 参数传递一个字典,可以将旧列名映射到新列名。 示例代码 # 准备数…

Spring Boot异常处理!!!

SpringBoot默认的处理异常的机制:SpringBoot 默认的已经提供了一套处理异常的机制。一旦程序中出现了异常 SpringBoot 会向/error 的 url 发送请求。在 springBoot 中提供了一个叫 BasicErrorController 来处理/error 请求,然后跳转到默认显示异常的页面…

【mysql 插入数据问题】MySQL插入数据阻塞问题及优化方案

摘要:本文主要介绍了MySQL数据库在插入数据时出现阻塞的常见原因,以及如何查看和优化这些问题。通过分析慢查询日志、优化索引、优化数据类型、批量插入等手段,可以有效地提高MySQL数据库的插入性能。 一、引言 MySQL作为一款广泛应用于各类项…

用Pytorch实现线性回归模型

目录 回顾Pytorch实现步骤1. 准备数据2. 设计模型class LinearModel代码 3. 构造损失函数和优化器4. 训练过程5. 输出和测试完整代码 练习 回顾 前面已经学习过线性模型相关的内容,实现线性模型的过程并没有使用到Pytorch。 这节课主要是利用Pytorch实现线性模型。…

Pandas实战100例 | 案例 51: 日期时间过滤

案例 51: 日期时间过滤 知识点讲解 当你的 DataFrame 包含 datetime 类型的列时,你可以基于日期时间条件过滤数据。这在处理时间序列数据时特别有用。 日期时间过滤: 使用布尔索引,可以根据日期时间条件过滤数据。 示例代码 # 准备数据和示例代码的…