周期信号的傅里叶级数

周期信号的傅里叶级数

周期信号三角形式的傅里叶级数

1.三角形式的傅里叶级数

系数an, bn称为傅里叶系数

2.狄里赫利(Dirichlet)条件:

条件1:在一个周期内,函数连续或只有有限个第一类间断点;

条件2:在一个周期内,函数极大值和极小值的数目应为有限个;

条件3:在一个周期内,函数绝对可积。

3.余弦形式的傅里叶级数

含义:周期信号可分解为直流和许多余弦分量

例:将图示方波信号f(t)展开为傅里叶级数

解:

4.吉布斯现象

用有限项傅里叶级数表示有间断点的信号时,在间断点附近不可避免的会出现振荡和超调量。超调量的幅度不会随所取项数的增加而减小。只是随着项数的

增多,振荡频率变高,并向间断点处压缩,从而使它所占有的能量减少。

当选取的项数很大时,该超调量趋于一个常数,大约等于总跳变值的9%,并从间断点开始以起伏振荡的形式逐渐衰减下去。这种现象称为吉布斯现象。

周期信号波形对称性和谐波特性

1 . f(t)为偶函数——对称于纵轴 f(t) =f(-t)

2 . f(t)为奇函数——对称于原点 f(t) =-f(-t)

3 . f(t)为奇谐函数——f(t) = –f(t±T/2)

其傅里叶级数中只含奇次谐波分量,而不含偶次谐波分量,即:

4 . f(t)为偶谐函数——f(t) = f(t±T/2)

其傅里叶级数中只含偶次谐波分量,而不含奇次谐波分量,即:

指数形式的傅里叶级数

三角形式的傅里叶级数,含义比较明确,但运算常感不便,因而经常采用指数形式的傅里叶级数。

指数形式的傅里叶级数

复傅里叶系数

表明:任意周期信号f(t)可分解为许多不同频率的虚指数信号之和。

Fn 是频率为nΩ的分量的系数,F0= A0/2为直流分量

例:求如图所示周期信号的指数形式的傅里叶级数

指数形式的傅里叶级数为:

两种傅里叶级数展开形式的关系

三角形式的傅里叶级数:

指数形式的傅里叶级数:

NUM460

个人博客式公众号

用心每一天

### 关于周期信号傅里叶级数表示 #### 三角函数形式的傅里叶级数 周期信号 \( f(t) \),其周期为 \( T_0 \),角频率为 \( \omega_0 = \frac{2\pi}{T_0} \),可以被表达成一系列正弦波和余弦波的线性组合。具体来说,该信号可以用如下公式描述: \[ f(t)=a_{0}+\sum _{{n=1}}^{\infty }\left(a_{n}\cos(n\omega _{0}t)+b_{n}\sin(n\omega _{0}t)\right)[^1] \] 其中, - \( a_0 \) 是直流分量; - \( a_n, b_n \) 称作傅立叶系数。 这些系数可以通过下述积分计算得出: - 对于常数项 \( a_0 \): \[ a_{0}={\frac {1}{T_{0}}}\int _{-{\frac {T_{0}}{2}}}^{+{\frac {T_{0}}{2}}}f(t){\rm {{d}t}}[^1] \] - 正弦/余弦项对应的系数分别为: \[ a_{n}={\frac {2}{T_{0}}}\int _{-{\frac {T_{0}}{2}}}^{+{\frac {T_{0}}{2}}}f(t)\cos(n\omega _{0}t){\rm {{d}t}}, n>0 \] \[ b_{n}={\frac {2}{T_{0}}}\int _{-{\frac {T_{0}}{2}}}^{+{\frac {T_{0}}{2}}}f(t)\sin(n\omega _{0}t){\rm {{d}t}}, n>0 [^1]\] #### 复指数形式的傅里叶级数 除了上述基于实数值的三角函数外,还可以采用更简洁紧凑的形式来表述同样的概念—即通过复数单位圆上的旋转因子 e^(jωt). 这种方式不仅简化了公式的书写而且更容易处理实际应用中的问题. 此时,原始的时间域函数可写作: \[ f(t)=\sum _{{k=-\infty }}^{{+\infty }}c_{k}e^{{jk\omega _{0}t}} [^1]\] 这里引入新的傅里叶系数 \( c_k \), 它们由原来的两个独立变量合成而来,并可通过以下关系获得: \[ c_{k}= {\begin{cases} (a_k-jb_k)/2 & k > 0 \\ a_0 & k = 0\\ (a_{|k|}+jb_{|k|})/2& k<0 \end{cases}} \] 值得注意的是,这种转换使得原本分离存在的正负频谱成分得以统一考虑,从而大大提高了分析效率。 #### 性质说明 周期信号傅里叶级数具有若干重要的特性,比如线性、奇偶虚实对称性和移位定理等[^2]. 特别的,如果一个周期信号满足狄利克雷条件,则它一定能够展开成为绝对且一致收敛的傅里叶级数;反之则可能存在某些特殊情况导致无法正常展开或者即使展开了也不一定能精确还原原信号[^3]. ```python import numpy as np from scipy.integrate import quad def fourier_coefficients(f, period, num_terms): """Calculate Fourier coefficients of the given function.""" omega_0 = 2 * np.pi / period def integrand_cos(x, n): return f(x)*np.cos(n*omega_0*x) def integrand_sin(x, n): return f(x)*np.sin(n*omega_0*x) # Calculate constant term and other terms. a0 = quad(integrand_cos, -period/2., period/2., args=(0))[0]/(period) an = lambda n: quad(integrand_cos, -period/2., period/2., args=(n))[0]*2./period bn = lambda n: quad(integrand_sin, -period/2., period/2., args=(n))[0]*2./period ak = [an(k) for k in range(num_terms)] bk = [bn(k) for k in range(num_terms)] ck_pos = [(ak[k]-bk[k]*1j)/2. for k in range(len(ak))] ck_neg = [(ak[k]+bk[k]*1j)/2. for k in reversed(range(len(bk)))] return {'constant': a0, 'positive_freqs': ck_pos, 'negative_freqs': ck_neg} # Example usage with square wave approximation using first few harmonics square_wave = lambda t : (-1)**((t%(2*np.pi)>np.pi)) coefficients = fourier_coefficients(square_wave, 2.*np.pi, 5) print(coefficients) ```
评论
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