[EE261学习笔记] 4.常用的几个傅里叶变换相关公式

[EE261学习笔记] 4.常用的几个傅里叶变换相关公式在本文开始前,需要说明一点,以下推导出的各项公式,只是为了实际计算中方便,并不都有其对应的物理意义。首先,我们写出符号f−(t)=f(−t)f−(t)=f(−t)f^-(t)=f(-t),显然,对于奇函数而言,f−=−ff−=−ff^-=-f;对于偶函数而言,f−=ff−=ff^-=f。根据前文傅里叶变换推导,我们知道…

大家好,又见面了,我是你们的朋友全栈君。

在本文开始前,需要说明一点,以下推导出的各项公式,只是为了实际计算中方便,并不都有其对应的物理意义。


首先,我们写出符号 f − ( t ) = f ( − t ) f^-(t) = f(-t) f(t)=f(t),显然,对于奇函数而言, f − = − f f^- = -f f=f;对于偶函数而言, f − = f f^- = f f=f
根据前文傅里叶变换推导,我们知道

F f ( s ) = ∫ − ∞ + ∞ e − 2 π i s t f ( t ) d t (1) \mathscr{F}f(s) = \int_{-\infty}^{+\infty} e^{-2\pi ist} f(t)dt\tag1 Ff(s)=+e2πistf(t)dt(1)

F − 1 g ( t ) = ∫ − ∞ + ∞ e 2 π i s t g ( s ) d s (2) \mathscr{F}^{-1}g(t) = \int_{-\infty}^{+\infty} e^{2\pi ist} g(s)ds\tag2 F1g(t)=+e2πistg(s)ds(2)

( 1 ) (1) (1)式,我们有

( F f ) − ( s ) = F f ( − s ) = ∫ − ∞ + ∞ e − 2 π i ( − s ) t f ( t ) d t = ∫ − ∞ + ∞ e 2 π i s t f ( t ) d t (3) \begin{aligned} (\mathscr{F}f)^-(s) = \mathscr{F}f(-s) &= \int_{-\infty}^{+\infty} e^{-2\pi i(-s)t} f(t)dt\\ &= \int_{-\infty}^{+\infty} e^{2\pi ist} f(t)dt\tag3 \end{aligned} (Ff)(s)=Ff(s)=+e2πi(s)tf(t)dt=+e2πistf(t)dt(3)

我们再令 ( 2 ) (2) (2) 式中的 s = t , t = s s=t, t=s s=t,t=s,得到

F − 1 g ( s ) = ∫ − ∞ + ∞ e 2 π i s t g ( t ) d t (4) \mathscr{F}^{-1}g(s) = \int_{-\infty}^{+\infty} e^{2\pi ist} g(t)dt\tag4 F1g(s)=+e2πistg(t)dt(4)

( 3 ) (3) (3) ( 4 ) (4) (4),我们得到

( F f ) − = F − 1 f (5) (\mathscr{F}f)^- = \mathscr{F}^{-1}f \tag5 (Ff)=F1f(5)


再来看另一个变换

F ( f − ) ( s ) = ∫ − ∞ + ∞ e − 2 π i s t f − ( t ) d t = ∫ − ∞ + ∞ e − 2 π i s t f ( − t ) d t \begin{aligned} \mathscr{F}(f^-)(s) &= \int_{-\infty}^{+\infty} e^{-2\pi ist} f^-(t)dt\\ &=\int_{-\infty}^{+\infty} e^{-2\pi ist} f(-t)dt \end{aligned} F(f)(s)=+e2πistf(t)dt=+e2πistf(t)dt

运用换元法,令 u = − t u=-t u=t,我们有:

F ( f − ) ( u ) = ∫ + ∞ − ∞ e − 2 π i ( − u ) t f ( u ) d ( − u ) = ∫ − ∞ + ∞ e 2 π i u t f ( u ) d u = F − 1 f ( u ) \begin{aligned} \mathscr{F}(f^-)(u) &=\int_{+\infty}^{-\infty} e^{-2\pi i(-u)t} f(u)d(-u)\\ &=\int_{-\infty}^{+\infty} e^{2\pi iut} f(u)du\\ &=\mathscr{F}^{-1}f(u) \end{aligned} F(f)(u)=+e2πi(u)tf(u)d(u)=+e2πiutf(u)du=F1f(u)

要注意,等式左边的 F ( f − ) ( u ) \mathscr{F}(f^-)(u) F(f)(u) 中的 ( u ) (u) (u) 仅表示该式是关于 u u u 的函数,因此不用改写为 − u -u u
因此我们有:

F ( f − ) = F − 1 f (6) \mathscr{F}(f^-) = \mathscr{F}^{-1}f \tag6 F(f)=F1f(6)


接下来我们计算 F − 1 ( f − ) \mathscr{F}^{-1}(f^-) F1(f),根据 ( 2 ) (2) (2)式,我们有:

F − 1 f − ( t ) = ∫ − ∞ + ∞ e 2 π i s t f − ( s ) d s = ∫ − ∞ + ∞ e 2 π i s t f ( − s ) d s \begin{aligned} \mathscr{F}^{-1}f^-(t) &= \int_{-\infty}^{+\infty} e^{2\pi ist} f^-(s)ds\\ &=\int_{-\infty}^{+\infty} e^{2\pi ist} f(-s)ds\\ \end{aligned} F1f(t)=+e2πistf(s)ds=+e2πistf(s)ds

同样地,运用换元法,令 u = − s u=-s u=s,我们可以得到

F − 1 f − ( u ) = ∫ + ∞ − ∞ e 2 π i ( − u ) t f ( u ) d ( − u ) = ∫ − ∞ + ∞ e − 2 π i u t f ( u ) d u = F f ( u ) (7) \begin{aligned} \mathscr{F}^{-1}f^-(u) &=\int_{+\infty}^{-\infty} e^{2\pi i(-u)t} f(u)d(-u)\\ &=\int_{-\infty}^{+\infty} e^{-2\pi iut} f(u)du\\ &=\mathscr{F}f(u)\tag7 \end{aligned} F1f(u)=+e2πi(u)tf(u)d(u)=+e2πiutf(u)du=Ff(u)(7)

注意,傅里叶变换满足性质:

F F − 1 f = F − 1 F f = f (8) \mathscr{F}\mathscr{F}^{-1}f = \mathscr{F}^{-1}\mathscr{F}f = f\tag8 FF1f=F1Ff=f(8)

因此,由 ( 8 ) (8) (8) 式,我们可以对 ( 7 ) (7) (7) 式的等号两端同时进行傅里叶变换,得到以下结论:

F F f = f − \mathscr{F}\mathscr{F}f = f^- FFf=f

即,对一个函数进行两次傅里叶变换的结果,等于原函数取反


小结一下本文,并给出一个实际应用:

我们主要得到了以下几个傅里叶变换的实用公式:

( F f ) − = F − 1 f = F ( f − ) \huge (\mathscr{F}f)^- = \mathscr{F}^{-1}f = \mathscr{F}(f^-) (Ff)=F1f=F(f)

F F f = f − \huge \mathscr{F}\mathscr{F}f = f^- FFf=f

其中 f − ( t ) = f ( − t ) f^-(t) = f(-t) f(t)=f(t)。注意这些公式不一定都有相应的物理意义,但是在实际使用中可以大大简化我们的计算量

例:求 s i n c sinc sinc 函数的傅里叶变换

如果直接求解,会变得非常麻烦,于是我们使用上述公式, F F f = f − \mathscr{F}\mathscr{F}f = f^- FFf=f。在之前的讨论中,我们知道对矩形函数,即 Π \Pi Π函数进行傅里叶变换可以得到 s i n c sinc sinc 函数,因此我们有

F s i n c = F F Π = Π − \mathscr{F}sinc = \mathscr{F}\mathscr{F}\Pi = \Pi^- Fsinc=FFΠ=Π

而由 Π \Pi Π 函数的定义,可知它是一个偶函数
因此我们可以直接得出

F s i n c = Π \mathscr{F}sinc = \Pi Fsinc=Π

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/160862.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • linux查看文件位置

    linux查看文件位置1 whereiswhere 命令是定位可执行文件 源代码文件 帮助文件在文件系统中的位置 这些文件的属性应属于原始代码 二进制文件 或是帮助文件 whereis 程序还具有搜索源代码 指定备用搜索路径和搜索不寻常项的能力 如果省略参数 则返回所有信息 test localhost whereisbashb bin bash etc bash bashrc usr share man man1 bash 1 gz 说明 以上输出信息从左至右分别为查询的程序

    2025年12月5日
    5
  • RelativeLayout.LayoutParams

    RelativeLayout.LayoutParams通过id设置相对兄弟元素对齐。<RelativeLayoutxmlns:android="http://schemas.android.com/apk/res/android&qu

    2022年7月1日
    27
  • Vue.js学习的第一天

    Vue.js学习的第一天官网文档地址:传送门一、Vue介绍:1.Vue.js是什么?作者:2014年2月,尤雨溪曾就职于GoogleCreativeLabs和MeteorDevelopmentGroup。Vue(读音/vjuː/,类似于view)是一套用于构建用户界面的渐进式框架。与其它大型框架不同的是,Vue被设计为可以自底向上逐层应用。Vue的核心库只关注视图层,不仅易于上手,还便于与第三方库或既有项目整合。另一方面,当与现代化的工具链以及各种支持类库结合使用时,Vu..

    2022年4月9日
    52
  • checklistbox实现单选

    checklistbox实现单选

    2022年6月16日
    31
  • matlab 汽车振动,matlab在汽车振动分析

    matlab 汽车振动,matlab在汽车振动分析matlab在汽车振动分析Matlab在振动分析中的应用刘迪辉2011-10-20大家学了游泳理论,现在我们借助MATLAB软件,来练习一下游泳!实际问题:客车的振动分析•客车样车路试过程中却出现了令人意想不到的一系列振动问题,主要表现为:(1)汽车起动时发动机抖动厉害;(2)当车速在40km/h左右时,整车有共振现象;(3)当车速在85km/h左右时,…

    2022年10月16日
    2
  • 神经网络——Python实现BP神经网络算法(理论+例子+程序)

    神经网络——Python实现BP神经网络算法(理论+例子+程序)一、基于BP算法的多层感知器模型采用BP算法的多层感知器是至今为止应用最广泛的神经网络,在多层感知器的应用中,以图3-15所示的单隐层网络的应用最为普遍。一般习惯将单隐层前馈网称为三层感知器,所谓三层包括了输入层、隐层和输出层。算法最终结果采用梯度下降法,具体详细过程此处就省略了!二、BP算法的程序实现流程三、标准BP算法的改进——增加动量项标准BP算法在调整权值时,只按t时刻误差的梯度降方向调整,而没有考虑t时刻以前的梯度方向,从而常使训练过程发生振荡,收敛缓慢。为了提

    2025年9月16日
    6

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号