Fourier Transform 1 (FS, FT)
内积空间与正交基
在线性代数相关课程中我们学过,
在更高阶的课程中,我们将上述有限维线性空间扩展到无穷维的情形,例如函数空间。然而,当空间维数从有限扩展到无穷时,许多结论需要小心推广。例如,无穷维空间中不一定存在一组基,使得任意向量都可以由基向量线性表示(更准确的说,由基向量的线性组合以任意精度逼近)。假若这样的基确实存在,我们称之为完备的。幸运的是,本文并不需要考虑不完备的情形。
具体地,让我们考察区间
在内积空间中,正交是非常好的性质,向量关于正交基的坐标(即组合系数)可以简单地推导出来。具体而言,设正交函数系
于是:
傅立叶级数 (FS)
以 为周期的周期函数
在区间
那么
一般周期函数
更一般地,如果周期函数
复指数形式
式
当然,
与
狄利克雷条件
傅立叶级数是一个无穷级数,因此一个重要的问题是,级数是否收敛于
- 在任何一个周期中,
只有有限个第一类间断点; - 在任何一个周期中,
包含有限个极值点; - 在任何一个周期中,
都绝对可积。
值得注意的是,狄利克雷条件只是充分条件,存在可以展开为傅立叶级数的函数不满足这些条件。最简单的例子就是正弦函数
时域、频域与可视化
周期函数
通过傅里叶级数展开
由于这些正余弦信号是指定的,因此我们只需要计算出前面的系数
不过,在信号处理中我们一般绘制的是幅度谱和相位谱,二者统称为频谱——其实和画
傅里叶变换 (FT)
周期延拓+取极限
通过傅里叶级数,我们将周期函数表达为了不同角频率的
考虑一个有限长的函数
那么,当周期趋近于无限大时,相邻小拷贝之间的距离就被无限拉大,我们构造的周期函数就趋近于原本的函数。
下面我们从
极限求和的形式让我们非常想将其变成积分。根据黎曼积分的定义:
这里
狄利克雷条件
傅立叶变换是一个无穷积分,自然也要考虑其收敛问题。与傅里叶级数类似,傅立叶变换存在的充分条件是狄利克雷条件:
具有有限个第一类间断点; 具有有限个极值点; 绝对可积。
仍然需要注意狄利克雷条件只是充分条件,不满足这些条件的函数仍然可能具有傅立叶变换,可以参考本节末尾给出的常见傅立叶变换对。
直观理解与可视化
根据上面的推导过程,我们知道傅里叶变换就是周期延拓+傅里叶级数取极限。当
等价形式
虽然
然后再令
另一种更简单的变量代换的方式是令
常用性质
记
线性性:
证明:
平移性质:
证明:
缩放性质:设
证明:若
共轭对称性:若
证明:
若
对偶性(互易性):
证明:对逆傅里叶变换
微分关系:
证明:
卷积定理:卷积的定义:
证明时域卷积定理:
常见变换对
单边指数函数:
推导:
双边指数函数:
推导:
矩形信号:
推导:
符号函数:
推导:符号函数不是绝对可积的,不满足狄利克雷条件,但也存在傅立叶变换。直接计算会发现结果不收敛,因此这里采用一个技巧:先计算
冲激函数(Dirac
Dirac
由筛选性质易知 Dirac
常函数:
推导:由于
阶跃函数:
推导:阶跃函数是常函数和符号函数的线性函数,根据傅立叶变换的线性性易得结论。
一般周期函数:周期函数不是绝对可积的,不满足狄利克雷条件,直接计算其傅立叶变换可能不收敛,对此可以采用如下方式计算。
设周期函数
参考资料
- Rafael C. Gonzalez. Digital Image Processing, Fourth Edition. ↩︎
- John G. Proakis and Dimitris G. Manolakis. Digital Signal Processing: Principles, Algorithms, and Applications, Fourth Edition. ↩︎
- 傅里叶级数和傅里叶变换是什么关系? - 马同学的回答 - 知乎 https://www.zhihu.com/question/21665935/answer/358423678 ↩︎
- 傅里叶级数和傅里叶变换是什么关系? - Hsuty的回答 - 知乎 https://www.zhihu.com/question/21665935/answer/2367861632 ↩︎
- 傅里叶级数和傅里叶变换是什么关系? - Jason Huang的回答 - 知乎 https://www.zhihu.com/question/21665935/answer/49282739 ↩︎
- 傅里叶系列(二)傅里叶变换的推导 - leinlin的文章 - 知乎 https://zhuanlan.zhihu.com/p/41875010 ↩︎
- 积分变换(3)——傅里叶变换的性质 - tetradecane的文章 - 知乎 https://zhuanlan.zhihu.com/p/108803395 ↩︎
- Vinson88. 常用傅里叶变换对. 博客园. https://www.cnblogs.com/vinsonnotes/articles/15874610.html ↩︎