频谱的负半轴有什么意义

本文首发于微信公众号“振动信号研究所”

单边谱-三角形式的傅里叶级数

由上篇文章可知一个周期为 T 的信号 f(t) 在区间 (t_0, t_{0+T}) 内可以表示为三角函数集的线性组合,即:

f(t) = frac{a_0}{2}+sum_{n=1}^{infty}a_nrm cos(it n Omega trm) + sum_{n=1}^{infty}it b_nrm sin(it n Omega trm) /

由上篇文章中的系数求解方法可以求得:

a_n = frac{2}{T}int_{t_0}^{t_0+T}f(t)rm cos(it n Omega trm)dt / b_n = frac{2}{T}int_{t_0}^{t_0+T}f(t)rm sin(it n Omega trm)dt /

因为同频率的两个正余弦函数可以合成一个余弦分量,这样会更利于查看同一频率下的信息,所以令:

A_n = sqrt{a_n^2+b_n^2} qquad varphi_n=-rm arctan it frac{b_n}{a_n} /

则这个周期为 T 的信号 f(t) 在区间 (t_0, t_{0+T}) 内的表示可以转换为:

f(t) = frac{A_0}{2}+sum_{n=1}^{infty}A_nrm cos(it n Omega t rm+ varphi_n) /

上式表明,任一周期信号可以表示为一直流分量和一系列谐波分量之和。其中 A_0/2 为直流分量,A_1rm cos(it Omega t rm+ varphi_1) 称为基波分量或一次谐波分量, A_1 为基波振幅, varphi_1 为基波初相位。以此类推,A_nrm cos(it n Omega t rm+ varphi_n) 称为n次谐波分量, A_n 为n次谐波分量的振幅, varphi_n 为n次谐波分量的初相位。

因为 A_n, varphi_n 下标 n 是从0开始递增的,这便是单边谱的由来,是以完备且正交的三角函数集为基对信号进行“投影”得到的系数转化而来的。

建立单边谱与双边谱之间的联系所需要的过渡知识

从上面的论述中容易知道,振幅 A_n 和初相位 varphi_n 与傅里叶系数 a_nb_n 的关系为:

begin{cases} A_n = sqrt{a_n^2+b_n^2} / varphi_n=-rm arctan :it frac{b_n}{a_n} end{cases} 及 begin{cases} a_n = A_n rm :cos :it varphi_n/ b_n = -A_n rm :sin :it varphi_n/ end{cases} /

若将 a_n 表示为 g(n) , b_n 表示为 h(n) , 则有:

g(n)=a_n = frac{2}{T}int_{t_0}^{t_0+T}f(t)rm cos(it n Omega trm)dt / h(n)=b_n = frac{2}{T}int_{t_0}^{t_0+T}f(t)rm sin(it n Omega trm)dt /

则可以看出 g(n) 是关于 n 的偶函数, h(n) 是关于 n 的奇函数,即:

g(n)=g(-n); quad h(-n)=-h(n) /

再把他们表示回来,就是:

a_n=a_{-n}; quad b_{-n}=-b_n /

可以进一步推导出:

A_n=A_{-n}; quad varphi_{-n}=-varphi_n /

为啥要这么整?推导出来这么个东西有意义吗?有,请接着往下看。

双边谱-指数形式的傅里叶级数

上篇文章中介绍了两个最为常用的完备正交函数集,分别是三角函数集 {1, cos(Omega t), cos(2Omega t),…,sin(Omega t), sin(2Omega t),…}, 和虚指数函数集 {e^{jnOmega t}, nin Z} , 它们是两类典型的区间 (t_0, t_0+T)(T=2pi / Omega) 上的完备的正交函数集。我们上面是将一个周期为 T 的信号 f(t) 在区间 (t_0, t_{0+T}) 内表示成了三角函数集的线性组合,那么如果将其表示为虚指数函数集的线性组合,则如下式所示:

f(t) =sum_{n=-infty}^{infty}F_nrm e^{:it j nOmega t} /

式中 F_n 可以通过上篇文章中的公式求解

F_n = frac{int_{t_0}^{t_0+T}f(t)rm (e^{:it j nOmega t})^*rm d it t}{int_{t_0}^{t_0+T}e^{:it j nOmega t}(e^{:it j nOmega t})^*rm d it t}=frac{1}{T}{int_{t_0}^{t_0+T}f(t)e^{:it -j nOmega t}rm d it t} /

这里 F_n 称为复傅里叶系数。因为 F_n 中的下标 n 是从负无穷到正无穷的,固以虚指数函数集为基对信号进行“投影”得到的系数便构成了双边谱。

单边谱与双边谱的区别和联系

通过世界上最完美的欧拉公式对 F_n 进行转换,有:

begin{align*} F_n &= frac{1}{T}{int_{t_0}^{t_0+T}f(t)e^{:it -j nOmega t}rm d it t} / &=frac{1}{T}{int_{t_0}^{t_0+T}f(t)rm cos(it nOmega t)rm d it t}-jcdot frac{1}{T}{int_{t_0}^{t_0+T}f(t)rm sin(it nOmega t)rm d it t} / &= frac{1}{2}a_n – frac{1}{2}jcdot b_n/ &=frac{1}{2}A_n rm :cos :it varphi_n rm + frac{1}{2}j cdot A_n rm :sin :it varphi_n/ &=frac{1}{2}A_n e^{:it j varphi_n} end{align*} /

而这里在下标 n>0 时,上式中的 A_n, varphi_n 便是单边谱中得到的 A_n, varphi_n ,即在正频率部分,单边谱对应的幅值是双边谱的两倍,且单边谱与双边谱相位一致。根据上述过渡知识中的公式 A_n=A_{-n}; quad varphi_{-n}=-varphi_n ,可以知道在下标 n<0 时,双边谱的负频率部分的幅值与双边谱正频率部分的幅值关于y轴呈轴对称,而相位关系是关于0点呈中心对称。在0频率处的直流分量,单边谱和双边谱的幅值是一样的(直流分量应不存在相位值的概念,但一般会对此值置零)。

所以,如果计算出了单边谱,只需要进行简单的转换就能转成双边谱,反之亦然。

下图给出某周期信号的单边谱与双边谱,可以很直观的展现出单边谱与双边谱之间的区别与联系:

image-20220905142714794

小结

介绍到这里,可以知道单边谱和双边谱仅仅是对同一种东西的两种不同形式的表达,就像是我们用公里可以度量距离,也可以用英里来度量距离一样。而双边谱由于计算起来更方便(后面出的文章中应该能够感受到方便在何处),所以在计算过程中被更广泛的采用。

发表回复

相关推荐

二次互反律回顧

仍然是因為研究代數數論的需要,讓我重新回到這個經典問題,該定律在數論歷史上發揮著極其巨大的影響力。正如某位數學傢所說...

· 3秒前

走进首尔大学:韩国第一名校,世界TOP 50 !

“首尔大学是韩国第一名校,亚洲排名前十,培养了无数顶尖人才。今天跟着我们一起走进韩国首尔大学,了解详细信息吧!”

· 4秒前

輕量預算如何玩轉流量?QQ系流量創新玩法大盤點!

在遊戲市場競爭持續白熱化的當下,如何高效率且高質量的買量,已成為每個廠商必修的課題,尤其是隨著遊戲買量單價的持續攀高...

· 9秒前

点评一下国军各主力军战斗力

1945年到1949年国军号称最多的时候组建了158个步兵军,这些军实力差异很大,战斗力也参差不齐,我挑了几个我认为有一定战斗 ...

· 12秒前

3D打印技术之FDM

3D打印技术之FDM FDM是“Fused Deposition Modeling”的简写形式,即为熔融沉积成型,这种快速原型工艺是一种不依靠激光 ...

· 14秒前