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,n 维线性空间中的 n 个线性无关向量构成了该空间的一组基,空间中的任一向量都可以唯一表示为这组基的线性组合。进一步地,如果在线性空间中定义内积运算,就得到了内积空间,内积为零的向量称作正交。

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 [a,b] 上所有平方可积函数按照通常的函数加法与数乘构成的线性空间 R(请读者自行验证这确实是一个线性空间),并定义两个函数的内积为: (1-1)f(x),g(x):=abf(x)g(x)dx 其中 f 表示取 f 的共轭。注意,由于 |f(x)g(x)|12(|f(x)|2+|g(x)|2),所以该积分存在;另外可以验证这确实是一个合法的内积。

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 {φn(x)nN} 构成 R 的一个完备正交基,那么 R 中的任意函数 f(x) 都可以唯一表示为该基的线性组合: (1-2)f(x)=ncnφn(x) 为了计算系数 cn,考虑 f(x)φn(x) 的内积: (1-3)f(x),φn(x)=iciφi(x),φn(x)=cnφn(x),φn(x)

于是: (1-4)cn=f(x),φn(x)φn(x),φn(x) 注意到,给定正交函数系 {φn(x)} 后,式 (1-2) 指示了已知 cnf(x) 的过程,式 (1-4) 则指示了已知 f(x)cn 的过程,因此二者构成一个变换对(1-5)f(x)=ncnφn(x)cn=f(x),φn(x)φn(x),φn(x) 傅里叶级数不过就是取该正交函数系为三角函数系的特殊情形。

傅立叶级数 (FS)

2π 为周期的周期函数

区间 [π,π],利用积化和差公式可以证明,如下的三角函数系两两正交: (2-1){1,cosx,sinx,cos2x,sin2x,,cosnx,sinnx,} 于是根据第一节的内容,[π,π] 上的平方可积函数 f(x) 可以表示为该基的线性组合: (2-2)f(x)=a02+n=1(ancosnx+bnsinnx) 其中系数为: (2-3)a02=f(x),11,1=12πππf(x)dxan=f(x),cosnxcosnx,cosnx=1πππf(x)cosnxdxbn=f(x),sinnxsinnx,sinnx=1πππf(x)sinnxdx

那么 [π,π] 区间之外呢?由于正余弦函数的周期性,我们知道其余部分其实就是 [π,π] 上那一段函数的周期延拓。也就是说,上述公式对于2π 为周期的连续函数 f(x),x(,+) 都是行之有效的。

一般周期函数

更一般地,如果周期函数 为周期 为任意正数),我们只需要相应地改变基函数的周期即可: 那么 可以表示为该基的线性组合: 其中系数为:

复指数形式

看起来比较冗长,因为上文只考虑了实数域;若在复数域上考虑,则可以把它们变得更简洁。利用欧拉公式 ,有: 代入 式得: 其中 表示角频率,且系数为: 这就是傅里叶级数的复指数形式。

当然, 式也可以直接看作是 在下列正交基下的线性组合: 其中系数为:

式一致。

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 . 狄利克雷条件是级数收敛的充分条件

  1. 在任何一个周期中, 只有有限个第一类间断点;
  2. 在任何一个周期中, 包含有限个极值点;
  3. 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 ,它本身就是傅立叶级数的一个基,自然能展开为傅立叶级数,但它明显不是绝对可积的。

时域、频域与可视化

周期函数 可以看作是一个连续的周期信号,自变量是时间,函数值为信号的值(在信号处理相关书籍中一般写作 ),我们称之为信号的时域表示。例如下图是一个周期为 的矩形波:

通过傅里叶级数展开 式,我们把 写作了不同角频率的正余弦信号的线性叠加。理论上,需要无数多个正余弦信号相叠加才能与原信号相等,但实际应用中不可能处理无限多项,只能在 足够大时做一个截断。截断的地方越大,有限项的傅里叶级数就越逼近原函数,如下图所示:

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 就能恢复出 . 考虑到 对应的是角频率为 的正余弦信号,所以我们称这种表示方法为信号的频域表示。为了直观,我们可以画一个直角坐标系,在横坐标为 处画一个高为 的柱子,这样就得到了 分量的直方图;类似地,将 画出来就是 分量的直方图。时域和频域是看待同一个周期函数的两个不同角度,如下图所示:

不过,在信号处理中我们一般绘制的是幅度谱相位谱,二者统称为频谱——其实和画 分量与 分量本质是一样的,只不过幅度和相位更具有物理意义罢了。具体而言,幅度和相位分别为: 进一步地,功率也是一个常用的物理量,因此也有功率谱

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 函数的线性组合 式或 式。那么,非周期函数怎么办呢?

考虑一个有限长的函数 ,将其以 为周期进行周期延拓,得到周期函数 ,如图所示:

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 的傅立叶级数展开入手: 由于在 上有 ,因此 式可以写作: 又由于在 ,所以上式的积分上下限可以换成无穷: 于是乎:

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: 稍微改写一下: 对比 式,可以发现 就是被积变量,紫色部分(关于 的函数)就是被积函数,因此:

这里 式就是傅里叶变换,它将信号从时域表示转换到频域表示; 式就是傅里叶逆变换,它将信号从频域表示转换到时域表示。二者构成一个傅里叶变换对,记作: 有时我们也用一个符号 来表示傅里叶变换, 表示傅里叶逆变换,即:

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:

  1. 具有有限个第一类间断点;
  2. 具有有限个极值点;
  3. 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 时,傅里叶级数中离散可数的角频率 变成了连续变量 ,相当于原本是用离散可数个正余弦信号去逼近原信号,现在变成了用“连续个”信号去逼近(从自然语言的角度而言,量词“个”就隐含了离散可数的意思,所以这句话比较抽象)。从频谱图上看,相当于每一条“柱子”越来越靠近,最终连成一个连续的函数,也就是 的图像,如下图所示:

等价形式

虽然 式和 式互为逆变换,但一个有系数一个没有系数,形式不是很对称,对强迫症不友好。不过好在做一点变量代换就可以解决这个问题:令 (黑色是原来的变量,蓝色是代换后的变量),那么:

然后再令 ,那么: 这样逆变换 和正变换 的形式就非常对称了。

另一种更简单的变量代换的方式是令 ,那么: 这样得到的变换对形式也是对称的。不同的书上可能会采用不同的形式,但它们本质都是等价的。

常用性质

,FT 具有以下常用性质。

线性性

证明: 证毕。

平移性质

证明: 证毕。

缩放性质:设 为非零常实数,则:

证明:若 ,则: 的情形类似。证毕。

共轭对称性:若 实函数,则 是共轭对称的(实部偶函数,虚部奇函数),即:

证明:

虚函数,则 是共轭反对称的(实部奇函数,虚部偶函数),即: 证明类似,略去。

对偶性(互易性)

证明:对逆傅里叶变换 式做变量代换:,有: 证毕。

微分关系

证明: 对比傅立叶逆变换形式,可知: 另一式同理可证。证毕。

卷积定理:卷积的定义: 时域与频域卷积定理: 即时域上的卷积等价于频域上的乘积,时域上的乘积等价于频域上的卷积。

证明时域卷积定理: 证明频域卷积定理: 两边同时做傅里叶变换即证。

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 的傅立叶变换,再令 .

冲激函数(Dirac 函数):Dirac 函数有助于将离散的序列表示为连续的函数,让我们能够用统一的形式同时表达离散和连续的情形。不严谨地说,它定义为在零点处的一个冲激: 但要满足: 这个限制条件也使得 Dirac 函数成为一个合法的概率分布,因此它可以通过使某些概率分布(如正态分布)的方差参数趋向于 达到。

Dirac 函数具备筛选性质,这是我们能将离散序列表达为连续函数的基础: 或更一般地: 筛选性质也被称为取样性质,因为上式相当于从 中取样了 .

由筛选性质易知 Dirac 函数的傅里叶变换为: 特别地,当 时,有:

常函数

推导:由于 ,根据对偶性 式即可得到结论。

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 的周期为 ,角频率为 ,则首先即将其展开为傅立叶级数 ,于是根据线性性,可以逐项做傅立叶变换: 又因为 ,根据对偶性,有 . 令 ,则 ,代入上式得:

参考资料

  1. Rafael C. Gonzalez. Digital Image Processing, Fourth Edition. ↩︎
  2. John G. Proakis and Dimitris G. Manolakis. Digital Signal Processing: Principles, Algorithms, and Applications, Fourth Edition. ↩︎
  3. 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 ↩︎
  4. 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 ↩︎
  5. 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 ↩︎
  6. 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 ↩︎
  7. 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 ↩︎
  8. Vinson88. 常用傅里叶变换对. 博客园. https://www.cnblogs.com/vinsonnotes/articles/15874610.html ↩︎

Fourier Transform 1 (FS, FT)
https://xyfjason.github.io/blog-main/2023/12/27/Fourier-Transform-1-FS-FT/
作者
xyfJASON
发布于
2023年12月27日
许可协议