- 訊號與系統教程
- 訊號與系統首頁
- 訊號與系統概述
- 訊號基本型別
- 訊號分類
- 訊號基本運算
- 系統分類
- 訊號分析
- 傅立葉級數
- 傅立葉級數性質
- 傅立葉級數型別
- 傅立葉變換
- 傅立葉變換性質
- 無失真傳輸
- 希爾伯特變換
- 卷積和相關
- 訊號取樣定理
- 訊號取樣技術
- 拉普拉斯變換
- 拉普拉斯變換性質
- 收斂域
- Z變換
- Z變換性質
- 訊號與系統資源
- 訊號與系統 - 資源
- 訊號與系統 - 討論
傅立葉變換
傅立葉級數的主要缺點是,它僅適用於週期訊號。一些自然產生的訊號,例如非週期或非週期訊號,我們無法使用傅立葉級數來表示。為了克服這一缺點,傅立葉開發了一個數學模型,用於在時域(或空間域)和頻域之間轉換訊號,反之亦然,這被稱為“傅立葉變換”。
傅立葉變換在物理學和工程學中有很多應用,例如線性時不變系統的分析、雷達、天文學、訊號處理等。
從傅立葉級數推導傅立葉變換
考慮一個週期為T的週期訊號f(t)。f(t)的復傅立葉級數表示為
$$ f(t) = \sum_{k=-\infty}^{\infty} a_k e^{jk\omega_0 t} $$
$$ \quad \quad \quad \quad \quad = \sum_{k=-\infty}^{\infty} a_k e^{j {2\pi \over T_0} kt} ... ... (1) $$
令${1 \over T_0} = \Delta f$,則公式1變為
$f(t) = \sum_{k=-\infty}^{\infty} a_k e^{j2\pi k \Delta ft} ... ... (2) $
但你知道
$a_k = {1\over T_0} \int_{t_0}^{t_0+T} f(t) e^{-j k\omega_0 t} dt$
代入公式2。
(2) $ \Rightarrow f(t) = \Sigma_{k=-\infty}^{\infty} {1 \over T_0} \int_{t_0}^{t_0+T} f(t) e^{-j k\omega_0 t} dt\, e^{j2\pi k \Delta ft} $
令$t_0={T\over2}$
$ = \Sigma_{k=-\infty}^{\infty} [ \int_{-T\over2}^{T\over2} f(t) e^{-j2 \pi k \Delta ft} dt ] \, e^{j2 \pi k \Delta ft}.\Delta f $
當$T \to \infty$時,$\Delta f$接近微分$df$,$k \Delta f$變為連續變數$f$,求和變為積分
$$ f(t) = lim_{T \to \infty} \left\{ \Sigma_{k=-\infty}^{\infty} [ \int_{-T\over2}^{T\over2} f(t) e^{-j2 \pi k \Delta ft} dt ] \, e^{j2 \pi k \Delta ft}.\Delta f \right\} $$
$$ = \int_{-\infty}^{\infty} [ \int_{-\infty}^{\infty}\,f(t) e^{-j2\pi ft} dt] e^{j2\pi ft} df $$
$$f(t) = \int_{-\infty}^{\infty}\, F[\omega] e^{j\omega t} d \omega$$
$\text{其中}\,F[\omega] = [ \int_{-\infty}^{\infty}\, f(t) e^{-j2 \pi ft} dt]$
訊號的傅立葉變換$$f(t) = F[\omega] = [\int_{-\infty}^{\infty}\, f(t) e^{-j\omega t} dt]$$
傅立葉逆變換為$$f(t) = \int_{-\infty}^{\infty}\,F[\omega] e^{j\omega t} d \omega$$
基本函式的傅立葉變換
讓我們瞭解一下基本函式的傅立葉變換
門函式的傅立葉變換
$$F[\omega] = AT Sa({\omega T \over 2})$$
衝激函式的傅立葉變換
$FT [\omega(t) ] = [\int_{- \infty}^{\infty} \delta (t) e^{-j\omega t} dt] $
$\quad \quad \quad \quad = e^{-j\omega t}\, |\, t = 0 $
$\quad \quad \quad \quad = e^{0} = 1 $
$\quad \therefore \delta (\omega) = 1 $
單位階躍函式的傅立葉變換
$U(\omega) = \pi \delta (\omega)+1/j\omega$
指數函式的傅立葉變換
$ e^{-at}u(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} 1/(a+jω)$
$ e^{-at}u(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} 1/(a+j\omega )$
$ e^{-a\,|\,t\,|} \stackrel{\mathrm{F.T}}{\longleftrightarrow} {2a \over {a^2+ω^2}}$
$ e^{j \omega_0 t} \stackrel{\mathrm{F.T}}{\longleftrightarrow} \delta (\omega - \omega_0)$
符號函式的傅立葉變換
$ sgn(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} {2 \over j \omega }$
傅立葉變換存在的條件
只有當函式滿足狄利克雷條件時,任何函式f(t)才能用傅立葉變換表示。即
函式f(t)具有有限個最大值和最小值。
在給定的時間間隔內,訊號f(t)必須具有有限個不連續點。
它在給定的時間間隔內必須是絕對可積的,即
$ \int_{-\infty}^{\infty}\, |\, f(t) | \, dt < \infty $
離散時間傅立葉變換 (DTFT)
離散時間傅立葉變換(DTFT)或離散時間序列x[n]的傅立葉變換是根據復指數序列$e^{j\omega n}$表示該序列。
DTFT序列x[n]由下式給出
$$ X(\omega) = \Sigma_{n= -\infty}^{\infty} x(n)e^{-j \omega n} \,\, ...\,... (1) $$
這裡,X(ω)是實頻率變數ω的複函式,可以寫成
$$ X(\omega) = X_{re}(\omega) + jX_{img}(\omega) $$
其中Xre(ω),Ximg(ω)分別是X(ω)的實部和虛部。
$$ X_{re}(\omega) = |\, X(\omega) | \cos\theta(\omega) $$
$$ X_{img}(\omega) = |\, X(\omega) | \sin\theta(\omega) $$
$$ |X(\omega) |^2 = |\, X_{re} (\omega) |^2+ |\,X_{im} (\omega) |^2 $$
並且X(ω)也可以表示為$ X(\omega) = |\,X(\omega) | e^{j\theta (ω)} $
其中$\theta(\omega) = arg{X(\omega) } $
$|\,X(\omega) |, \theta(\omega)$稱為X(ω)的幅度譜和相位譜。
離散時間傅立葉逆變換
$$ x(n) = { 1 \over 2\pi} \int_{-\pi}^{\pi} X(\omega) e^{j \omega n} d\omega \,\, ...\,... (2)$$
收斂條件
公式1中的無限級數可能收斂也可能不收斂。x(n)是絕對可和的。
$$ \text{當}\,\, \sum_{n=-\infty}^{\infty} |\, x(n)|\, < \infty $$
絕對可和序列總是具有有限能量,但有限能量序列不一定是絕對可和的。
