feng

started from 11.28.2025

首页·个人博客

连续时间傅里叶变换

对于一个函数x(t),我们可以通过周期延拓使其变为周期函数,记为\(\tilde{x}(t)\)

Pasted image 20251015175803.png

变成周期以后,我们就可以把它展开为傅里叶级数,而我们展开为傅里叶级数的时候,通常只取一个周期进行分析,于是我们就取原来初始函数的那个周期进行分析,其系数满足

\[a_k=\frac{1}{T}\int_T\tilde{x}(t)e^{-jkw_0t}dt=\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}x(t)e^{-jkw_0t}dt\]

而既然只有一个周期,那上面的式子可以写为

\[a_k=\frac{1}{T}\int_{-\infty}^{\infty}x(t)e^{-jkw_0t}dt=\frac{X(jkw_0)}{T}=\frac{1}{T}X(jw)|_{w=kw_0}\]

其中\(X(jw)=\int_{-\infty}^{\infty}x(t)e^{-jkw_0t}dt\)
对于这个式子,我们从另外一个视角来看:

\[a_k=\frac{X(jkw_0)}{T}\]

我们就可以理解为:\(a_k\)是对\(X(jw)\)做间隔为\(w_0\)的采样.而\(a_k\)是信号的谐波的幅值,所以\(X(jw)\)实际上就是信号的频谱

Pasted image 20251015181001.png

现在,我们得到了\(a_k\)的表达式,那么就可以得到对\(\tilde{x}(t)\)展开为傅里叶级数.

\[\tilde{x}(t)=\sum_{k=-\infty}^{\infty}a_ke^{jkw_0t}=\sum_{k=-\infty}^{\infty}\frac{X(jkw_0)}{T}e^{jkw_0t}=\frac{1}{2\pi}\sum_{k=-\infty}^{\infty}X(jkw_0)e^{jkw_0t}w_0\]

如果我们的\(w_0\to 0\),那么\(a_k\)相当于在对\(X(jw)\)做连续采样,我们的求和就变成积分了,于是得到该式

\[x(t)=\lim_{w_0\to 0}\frac{1}{2\pi}\sum_{k=-\infty}^{\infty}X(jkw_0)e^{jkw_0t}w_0=\frac{1}{2\pi}\int_{-\infty}^{\infty}X(jw)e^{jwt}dw\]

于是我们就得到了傅里叶变换和逆变换

\[\begin{gather}x(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}X(jw)e^{jwt}dw=\mathscr{F}^{-1}[X(jw)\\X(jw)=\int_{-\infty}^{\infty}x(t)e^{-jwt}dt=\mathscr{F}[x(t)]\\x(t)\xleftrightarrow{\text{F}} X(jw)\end{gather}\]

现在我们就可以对比傅里叶级数与傅里叶变换了,傅里叶级数只能处理周期函数;傅里叶变换可以处理非周期函数

Pasted image 20251015193127.png

对于傅里叶变换,如果想要带入这个公式,必须满足迪利克雷收敛条件,即该积分绝对可积,并且间断点有限
e.g
1.\(x(t)=e^{-at}u(t)\),求\(X(jw)\)

\[X(jw)=\int_{-\infty}^{\infty}x(t)e^{-jwt}dt=\int_0^{\infty}e^{-at}e^{-jwt}dt=-\frac{e^{-(a+jw)t}}{a+jw}|_0^{\infty}=\frac{1}{a+jw}\]

从得到的结果来看,\(X(jw)\)含虚数,我们可以从中提取出幅度谱和相位谱

\[|X(jw)|=\frac{1}{\sqrt{a^2+w^2}},\angle X(jw)=-tan^{-1}(\frac{w}{a})\]

Pasted image 20251015193942.png

2.\(x(t)=e^{-a|t|}\),求\(X(jw)\)

\[x(t)=\int_{-\infty}^{0}e^{at}e^{-jwt}dt+\int_0^{\infty}e^{-at}e^{-jwt}dt=\frac{1}{a+jw}+\frac{1}{a-jw}=\frac{2a}{a^2+w^2}\]

Pasted image 20251015200508.png

3.\(x(t)=\delta(t)\),求\(X(jw)\)

\[X(jw)=\int_{-\infty}^{\infty}\delta(t)e^{-jwt}dt=1\]

该题说明,单位脉冲的频域是1.
4.\(x(t)=\begin{cases}1,|t|<T_1\\0,|t|>T_1\end{cases}\),求\(X(jw)\)

\[X(jw)=\int_{-\infty}^{\infty}x(t)e^{-jwt}dt=\int_{-T_1}^{T_1}e^{-jwt}dt=\frac{e^{jwT_1}-e^{-jwT_1}}{jw}=\frac{2sin(wT_1)}{w}=2T_1sinc(\frac{wT_1}{\pi})\]

注:\(sinc(x)=\frac{sin(\pi x)}{\pi x}\)

Pasted image 20251015201829.png

5.\(X(jw)=\begin{cases}1,|w|<W\\0,|w|>W\end{cases}\),求\(x(t)\)
利用傅里叶逆变换

\[x(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}X(jw)e^{jwt}dw=\frac{1}{2\pi}\int_{-W}^{W}e^{jwt}dw=\frac{sin(Wt)}{\pi t}=\frac{W}{\pi}sinc(\frac{Wt}{\pi})\]


对比该题和上一题可以发现,\(x(t)\)和\(X(jw)\)之间是存在对偶关系的.
6.\(X(jw)=2\pi\delta(w-w_0)\),求\(x(t)\)

\[x(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}2\pi\delta(w-w_0)e^{jwt}dw=e^{jw_0t}\]

由对称性可知\(e^{jw_0t}\xleftrightarrow{\text{F}}2\pi\delta(w-w_0)\)
7.\(x_1(t)=cosw_0t\),\(x_2(t)=sinw_0t\),求\(X(jw)\)

\[\begin{gather}X_1(jw)=cosw_0t=\frac{e^{jw_0t}+e^{-jw_0t}}{2}\leftrightarrow\pi[\delta(w-w_0)+\delta(w+w_0)]\\X_2(jw)=sinw_0t=\frac{e^{jw_0t}+e^{-jw_0t}}{2j}=\frac{\pi}{j}[\delta(w-w_0)+\delta(w+w_0)]\end{gather}\]

由该式可以看出:\(cosw_0t\)与\(sinw_0t\)只有相位上的差距

Pasted image 20251015223615.png

8.\(p(t)=\sum_{k=-\infty}^{\infty}\delta(t-kT)\),求\(P(jw)\)
注意该函数时域上是一个冲激串,是不满足绝对可积的,所以只能从定义从头开始.

\[a_k=\frac{1}{T}\int_Tp(t)e^{-jkw_0t}dt=\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}\delta(t)e^{-jkw_0t}dt=\frac{1}{T}\]

所以\(p(t)\)可以展开为傅里叶级数

\[p(t)=\sum_{k=-\infty}^{\infty}\frac{1}{T}e^{jw_0kt}\]

所以

\[P(jw)=\mathscr{F}(p(t))=\sum_{k=-\infty}^{\infty}\frac{1}{T}\mathscr{F}(e^{jw_0kt})\]

而对于\(e^{jw_0kt}\),其傅里叶变换后结果为\(2\pi\delta(w-kw_0)\),所以

\[P(jw)=\sum_{k=-\infty}^{\infty}\frac{2\pi}{T}\delta(w-kw_0)=\sum_{k=-\infty}^{\infty}w_0\delta(w-kw_0)\]


9.\(x(t)=sgn(t)=\begin{cases}1,t>0\\-1,t>0\end{cases}=u(t)-u(-t)\),求\(X(jw)\)
该函数因为不满足绝对可积,所以只能从侧面入手.我们知道

\[x(t)=e^{\alpha|t|}=e^{\alpha t}u(t)+e^{-\alpha t}u(-t)\xleftrightarrow{\text F}\frac{1}{a+jw}+\frac{1}{a-jw}\]

令a=0,于是可以得到

\[x(t)=u(t)+u(-t)=\frac{2}{jw}\]

Pasted image 20251017203023.png

10.\(x(t)=1\),求\(X(jw)\).
已知\(e^{jw_0t}\xleftrightarrow{F}2\pi\delta(w-w_0)\)
令\(w_0=0\),所以

\[1\xleftrightarrow{F}2\pi\delta(w)\]

此外,我们还知道

\[x(t)=\begin{cases}1,|t|<T_1\\0,|t|>T_1\end{cases}\xleftrightarrow{F}2T_1sinc(\frac{wT_1}{\pi})\]

如果\(\lim_{T_1\to\infty}\),\(x(t)=1\),其对应的傅里叶变换的结果为

\[\lim_{T_1\to\infty}2T_1sinc(\frac{wT_1}{\pi})=2T_1\frac{sin(wT_1)}{wT_1}\]

显然,只有当\(w=0\)时极限存在,结果为

\[\frac{2sin(wT_1)}{w}=2\pi\delta(w)\]

11.\(x(t)=u(t)\),求\(X(jw)\)

\[u(t)=\frac{sgn(t)+1}{2},sgn(t)\xleftrightarrow{F}\frac{2}{jw}\]

所以\(\mathscr{F}[u(t)]=\frac{1}{jw}+\pi\delta(w)\)

连续时间傅里叶变换的性质

1.线性\(Ax(t)+By(t)\xleftrightarrow{F}AX(jw)+BY(jw)\)
2.时移\(x_1(t)=x(t-t_0)\xleftrightarrow{F}X_1(jw)=e^{-jwt_0}X(jw)\)
证明

\[X_1(jw)=\int_{-\infty}^{\infty} x(t-t_0)e^{-jw(t-t_0)}e^{-jwt_0}dt=e^{-jwt_0}X(jw)\]

由此可以推出

\[\delta(t)\xrightarrow{F}1\Rightarrow \delta(t-t_0)\leftrightarrow e^{-jwt_0}\]

例:\(x(t)\)为下图,求\(X(jw)\)

可以把该信号视为两个方波的叠加,

\[g(t)=\begin{cases}1,|t|<T_1\\0,|t|>T_1\end{cases}\xleftrightarrow{F}G(jw)=\frac{2sin(wT_1)}{w}\]

所以\(x(t)=g(t-2.5)|_{T=1.5}+g(t-2.5)_{T=0.5}\)代入可得

\[X(jw)=e^{-2.5jw}[\frac{2sin1.5w}{w}+\frac{2sin0.5w}{w}]\]

3.频移:\(x_1(t)=e^{jw_0t}x(t)\xleftrightarrow{F}X_1(jw)=X(j(w-w_0))\)

\[X_1(jw)=\int_{-\infty}^{\infty}x(t)e^{jw_0t}e^{-jwt}dt=\int_{-\infty}^{\infty}x(t)e^{j(w-w_0)t}dt=X((w-w_0)j)\]

4.时间收缩与频率收缩:\(x(at)\xleftrightarrow{F}\frac{1}{|a|}X(\frac{jw}{a})\)

\[\mathscr{F}[x(at)]=\int_{-\infty}^{\infty}x(at)e^{-jwt}dt=\int^{\infty}_{-\infty}x(\tau)e^{-jw\frac{\tau}{a}}d\frac{\tau}{a}=\frac{1}{a}\int^{\infty}_{-\infty}x(\tau)e^{-j\frac{w}{a}\tau}d\tau=\frac{1}{|a|}X(\frac{jw}{a})\]

当\(0<a<1\)时,在时域上是拓展的,在频域上是收缩的;当\(a>1\)时,在时域上收缩,在频域上拓展

Pasted image 20251018130416.png

5.时间翻转:\(x(-t)\xleftrightarrow{F}X(-jw)\).
将上式的a带入-1可得结果.利用该性质,可以推导

\[x(t)=e^{-a|t|}=e^{-at}u(t)+e^{at}u(-t)\leftrightarrow\frac{1}{a+jw}+\frac{1}{a-jw}=\frac{2a}{a^2+w^2}\]

6.共轭与对称性\(x^*(t)\xleftrightarrow{F}X^*(-jw)\)

\[\mathscr{F[x^*(t)]}=\int_{-\infty}^{\infty}x^*(t)e^{-jwt}dt=(\int_{-\infty}^{\infty}x(t)e^{jwt}dt)^*=X^*(-jw)\]

如果\(x(t)\)是实信号,则有\(x^*(t)=x(t)\Rightarrow X^*(-jw)=X(jw)\),而\(x(t)\)可以被写为一个奇函数和一个偶函数的和,于是有

\[x(t)=x_e(t)+x_o(t)\Rightarrow\begin{cases}x_e(t)\xleftrightarrow{F}Re[X(jw)]\\x_0(t)=\xleftrightarrow{F}jIm[X(jw)]\end{cases}\]

证明如下:

\[\begin{gather}x_e(t)=\frac{1}{2}[x(t)+x(-t)]\Rightarrow F[x_e(t)]=\frac{1}{2}\{X(jw)+X(-jw)\}=\frac{1}{2}\{X(jw)+X^*(jw)\}=Re\{X(jw)\}\\x_o(t)=\frac{1}{2}[x(t)-x(-t)]\Rightarrow F[x_o(t)]=\frac{1}{2}\{X(jw)-X(-jw)\}=\frac{1}{2}\{X(jw)-X^*(jw)\}=jIm\{X(jw)\}\end{gather}\]

如果\(x(t)\)是实偶的,那么\(X(jw)\)也是实偶的

\[\left. \begin{aligned} x(t) &= x^*(t) \implies X^*(j\omega) = X(-j\omega) \\ x(t) &= x(-t) \implies X(j\omega) = X(-j\omega) \end{aligned} \right\} \implies X^*(j\omega) = X(j\omega)\]

如果\(x(t)\)是实奇的,那么\(X(jw)\)是虚奇的.

\[\left.\begin{aligned}x(t)&=x^*(t)\Rightarrow X^*(jw)=X(-jw)\\x(t)&=-x(t)\Rightarrow X(jw)=-X(jw)\end{aligned}\right\}\Rightarrow X(-jw)=-X(jw),X^*(jw)=X(jw)\]

例:已知一个实,因果的信号\(x(t)\)和它的频率响应\(X(jw)\),并且\(Re[X(jw)]=cos(2w)\),试求出\(x(t)\)
因为\(x(t)\)是实信号,所以\(X(jw)=X^*(-jw)\),

\[x_{even}\xleftrightarrow{F}Re\{X(jw)\}=cos2w=\frac{1}{2}(e^{j2w}+e^{-j2w})\]

所以

\[x_{even}(t)=\frac{\delta(t+2)+\delta(t-2)}{2}\]

#不懂

7.微分性:\(\frac{d}{dx}x(t)\xleftrightarrow{F}jwX(jw)\)

\[\frac{d}{dx}x(t)=\frac{d}{dt}[\frac{1}{2\pi}\int_{-\infty}^{\infty}X(jw)e^{jwt}dw]=\frac{1}{2\pi}\int_{-\infty}^{\infty}X(jw)[\frac{d}{dt}e^{jwt}]dw=\frac{1}{2\pi}\int_{-\infty}^{\infty}jwX(jw)e^{jwt}dw\]

8.积分性\(\int_{-\infty}^tx(\tau)d\tau\xleftrightarrow{F}\frac{1}{jw}X(jw)+\pi X(0)\delta(w)\)

\[\mathscr{F}[\int_{-\infty}^tx(\tau)d\tau]=\mathscr{F}[x(t)*u(t)]=\mathscr{F}[x(t)]\mathscr{F}[u(t)]=X(jw)[\pi\delta(w)+\frac{1}{jw}]=\frac{1}{jw}X(jw)+\pi X(0)\delta(w)\]

例:\(x(t)\)如下图所示,求其\(X(jw)\)

Pasted image 20251115092919.png

#不懂
我们知道对单周期方波进行积分得到的就是三角波,而方波的傅里叶变换为\(X(jw)=\frac{2sin(wT_1)}{w}\),然后在对其积分可以得到解,考虑如下图所示方波

\[g(t)=\begin{cases}1,|t|<1\\0,other\end{cases}\xleftrightarrow{F}G(jw)=\frac{2sinw}{w}\]

所以

\[\frac{d}{dx}g(t)=jwG(jw)\]

然后再用微分
9.对偶性

Pasted image 20251113184052.png

#不懂
例:考虑信号\(r(t)=\frac{sin(Wt)}{\pi t}\)的傅里叶变换

\[x(t)=\begin{cases}1,|t|<T\\0,other\end{cases}\xleftrightarrow{F}X(jw)=\frac{2sinwT}{w}\]

将\(r(t)\)改写为\(r(t)=\frac{1}{2\pi}\frac{2sin(tW)}{t}\)由对偶性可知

\[X(jt)\xleftrightarrow{F}2\pi x(-w)\]

所以

\[\frac{2sin(tW)}{t}\xleftrightarrow{F}x(t)=2\pi\begin{cases}1,|w|<W\\0,other\end{cases}\]

所以

\[R(jw)=\begin{cases}1,|w|<W\\0,other\end{cases}\]

考虑\(g(t)=\frac{2}{1+t^2}\)的傅里叶变换

\[x(t)=e^{-a|t|}\xleftrightarrow{F}X(jw)=\frac{2a}{a^2+w^2}\]

令a=1,则有

\[x(t)=e^{-|t|}\xleftrightarrow{F}X(jw)=\frac{2}{1+w^2}\]

由对偶性\(X(jt)\xleftrightarrow{F}2\pi x(-w)\)可知

\[X(jw)=2\pi e^{-|w|}\]

10.帕斯卡关系.\(\int_{-\infty}^{\infty}|x(t)|^2dt=\frac{1}{2\pi}\int_{-\infty}^{\infty}|X(jw)|^2dw\)

\[\begin{aligned}\int_{-\infty}^{\infty}x(t)x^*(t)dt&=\int_{-\infty}^{\infty}x(t)[\frac{1}{2\pi}\int_{-\infty}^{\infty}X^*(jw)e^{-jwt}dw]dt\\&=\frac{1}{2\pi}\int_{-\infty}^{\infty}X^*(jw)(\int_{-\infty}^{\infty}x(t)e^{-jwt}dt)dw\\&=\frac{1}{2\pi}\int_{-\infty}^{\infty}|X(jw)|^2dw\end{aligned}\]

例.计算\(x(t)=\frac{sin(Wt)}{\pi t}\)的总能量
已知\(X(jw)=\begin{cases}1,|w|<W\\0,other\end{cases}\)

\[E=\int_{-\infty}^{\infty}x(t)^2dt=\frac{1}{2\pi}\int_{-\infty}^{\infty}|X(jw)|^2dw=\frac{W}{\pi}\]

计算积分\(\int_{-\infty}^{\infty}\frac{sin^2aw}{w^2}dw\)
该式子可以视为\(\int_{-\infty}^{\infty}|X(jw)|^2dw,其中X(jw)=\frac{sin(aw)}{w}\)

\[x(t)=\begin{cases}1,|t|<a\\0,|t|>a\end{cases}\xleftrightarrow{F}X(jw)=\frac{2sin(aw)}{w}\]

所以

\[\int_{-\infty}^{\infty}|x(t)|^2dt=\frac{1}{2\pi}\int_{-\infty}^{\infty}|X(jw)|^2dw\]

其中

\[\int_{-\infty}^{\infty}|x(t)|^2dt=2a\]

所以原式

\[\frac{2}{\pi}\int_{-\infty}^{\infty}|X(jw)|^2dw=2a\Rightarrow \int_{-\infty}^{\infty}|X(jw)|^2dw=\pi a\]

计算积分\(\int_{-\infty}^{\infty}\frac{1}{(a^2+w^2)^2}dw\)
考虑

\[x(t)=e^{-|a|t}\xleftrightarrow{F}X(jw)=\frac{2a}{a^2+w^2}\]

所以

\[\frac{1}{4a^2}\int_{-\infty}^{\infty}\frac{4a^2}{(a^2+w^2)^2}dw=\frac{\pi}{2a^2}\int_{-\infty}^{\infty}|e^{-a|t|}|^2dt=\frac{\pi}{2a^3}\]

11.卷积性质.\(x_1(t)*x_2(t)\xleftrightarrow{F}X_1(jw)X_2(jw)\)

\[\begin{aligned}\mathscr{F}[x_1(t)*x_2(t)]&=\int^{\infty}_{-\infty}\int^{\infty}_{-\infty}[x_1(\tau)x_2(t-\tau)d\tau] e^{-jwt}dt\\&=\int^{\infty}_{-\infty}x_1(\tau)\int^{\infty}_{-\infty}[x_2(t-\tau)e^{-jw(t-\tau)}dt]e^{-jw\tau}d\tau\\&=X_2(jw)\int_{-\infty}^{\infty}x_1(\tau)e^{-jw\tau}d\tau\\&=X_1(jw)X_2(jw)\end{aligned}\]

例:考虑微分器的频率响应

\[y(t)=x(t)*h(t)=\frac{d}{dt}x(t)\Rightarrow Y(jw)=X(jw)H(jw)=jwX(jw)\]

所以

\[H(jw)=jw\]

调制性质

一个信号乘以另一个信号可以被认为是使用一个信号来缩放或调制另一个信号的幅度。因此,两个信号的乘积为通常被称为幅度调制(AM)。其分析方法如下

\[\begin{aligned}&x(t)y(t)\overset{F}{\operatorname*{\longleftrightarrow}}\frac{1}{2\pi}X(j\omega)*Y(j\omega)=\frac{1}{2\pi}\int_{-\infty}^{+\infty}X(j\theta)Y(j(\omega-\theta))d\theta\\&x(t)*y(t)\overset{F}{\operatorname*{\longleftrightarrow}}X(j\omega)Y(j\omega)\end{aligned}\]

考虑如下信号\(r(t)=s(t)\mathrm{cos}\omega_0t\),\(s(t)\)频谱如下图

Pasted image 20260110171438.png

对\(cosw_0t\)做傅里叶变换可以得到

\[P(j\omega)=\pi\delta(\omega-\omega_0)+\pi\delta(\omega+\omega_0)\]

频域进行相乘得到\(R(j\omega)=\frac1{2\pi}S(j\omega)*P(j\omega)=\frac12S[j(\omega-\omega_0)]+\frac12S[j(\omega+\omega_0)]\)

Pasted image 20260110171555.png

这个过程就是AM调制,现在我要还原我本身的信号,考虑\(g(t)=r(t)cosw_0t\).\(r(t)\)的频谱已知,为

\[R(j\omega)=\frac12S[j(\omega-\omega_0)]+\frac12S[j(\omega+\omega_0)]\]

那么和上面一样的分析方法

\[\begin{aligned}G(j\omega)&=\frac12R[j(\omega-\omega_0)]+\frac12R[j(\omega+\omega_0)]\\&=\frac12S(j\omega)+\frac14S[j(\omega-2\omega_0)]+\frac14S[j(\omega+2\omega_0)]\end{aligned}\]


我们发现我们原本信号的频谱(\(S(jw)\))又出现了,此时只需要再过一个低通滤波就完成了我们信号的解调.

Pasted image 20260110173308.png

总结

Pasted image 20251114103712.png
Pasted image 20251114103745.png
Pasted image 20251114102421.png
← 上一篇:
下一篇: →