[Matlab-2]傅里叶级数(Fourier Series)

本文介绍了使用Matlab实现傅里叶级数展开的方法,包括数值法和符号法两种方式,并探讨了不同的实现结构如Loop和矩阵形式。此外,还讨论了吉布斯现象以及傅里叶级数的不同形式。
部署运行你感兴趣的模型镜像

周期延拓

在遇到非周期函数尤其是一段函数时,我们常常将其周期延拓
在这里插入图片描述
在这里插入图片描述
在时域下,表达式为
在这里插入图片描述
如下方波的傅里叶级数为
在这里插入图片描述

数值法实现傅里叶级数展开(Realize Fourier Series with Numeric Method )

Loop形式

% numeric method: loop function, trapz
clear;clf;
T = 2; f = 1/T; w1 = 2*pi*f;
dt = 0.01;
t = -2:dt:2;
tao = -0.5:dt:0.5;
a0 = trapz(tao,tao.^0)/T;
f = a0;
N = input('N=');
an = zeros(1,N);
bn = zeros(1,N);
for n = 1:N
 fcos = 1.*cos(n*w1*tao); an(n)=trapz(tao,fcos)*2/T;
 fsin = 1.*sin(n*w1*tao); bn(n)=trapz(tao,fsin)*2/T;
 f = f+ an(n)*cos(n*w1*t)+bn(n)*sin(n*w1*t);
end
plot(t,f);xlabel('t(s)');ylabel('ft'); grid on;
title(['Numeric Loop with N=' num2str(N)]);

矩阵形式

Matlab在矩阵计算上有着其他软件难以企及的优势,所以通过数学公式变化,我们也可以将其写成矩阵形式
在这里插入图片描述
在这里插入图片描述

% numeric method: matrix calculation
clear; clf;
T = 2; f = 1/T; w1 = 2*pi*f;
dt = 0.01;
t = -2:dt:2;
tao = -0.5:dt:0.5;
a0 = trapz(tao,tao.^0)/T;
N = input('N=');
n = 1:N;
fcos = 1.*cos(n'*w1*tao); an = trapz(tao,fcos,2)*2/T;
fsin = 1.*sin(n'*w1*tao); bn = trapz(tao,fsin,2)*2/T;
f = a0 + an'*cos(n'*w1*t) + bn'*sin(n'*w1*t);
plot(t,f); xlabel('t(s)');ylabel('ft'); grid on;
title(['Numeric Matrix with N=' num2str(N)]);

符号法实现傅里叶级数展开(Realize the Fourier Series with Symbolic Method )

Loop结构

% Symbolic method: loop function, int
clear; clf;
N = input('N=');
syms t1 a0 an bn n
T1 = 2; f = 1/T1; w1 = 2*pi*f;
range = [-0.5,0.5];
a0 = 1/T1*int(t1^0,t1,range);
f = a0;
for n=1:N
 an = 2/T1*int(cos(n*w1*t1),t1,range);
 bn = 2/T1*int(sin(n*w1*t1),t1,range);
 f = f+an*cos(n*w1*t1)+bn*sin(n*w1*t1);
end
fplot(f); xlabel('t');ylabel('y(t)');
title(['Symbolic Loop with N=' num2str(N)]);
axis([-2,2,-0.2,1.2]); grid on;

吉布斯现象(Gibbs Phenomenon)

在进行高阶展开时。我们常常能遇到下面这些问题,在断点处的峰值不随N变大而减小,这就是所谓的吉布斯现象
在这里插入图片描述

不同形式的傅里叶级数

另一种三角形式

在这里插入图片描述

指数形式(complex exponential form)

在这里插入图片描述

三角与指数形式之间的关系

在这里插入图片描述

样例(Sample)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.6

PyTorch 2.6

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值