Đại diện loạt Fourier


7

Về mặt khái niệm khi chúng ta muốn biểu diễn một chuỗi peroidic, ví dụ như một chuỗi xung, chúng ta tìm thấy các hệ số Fourier và có được một đại diện trong miền thời gian.

Tuy nhiên, điều gì là sai về mặt khái niệm với việc sử dụng một hàm vô hạn của các hàm chỉnh lưu thời gian để biểu diễn nó?


Xin lỗi tôi đã có một vấn đề định dạng, vì vậy tôi đang đặt vấn đề này ở bài viết dưới cùng ...

Phương pháp của tôi là như vậy:

Giả sử chúng ta có một xung định kỳ x(t) như vậy mà x(t)=1 cho 0<t<T0 cho T<t<Tp; do đóx(t) có một khoảng thời gian Tp.

Tìm hệ số phạm vi Ck thông qua:

Ck=1Tpx(t)ej2πktTp

trong hơn 1 khoảng thời gian và do đó chúng ta có thể biểu diễn x (t) là:

x(t)=kCkej2πktTp

và thực hiện biến đổi Fourier, chúng ta sẽ nhận được mẫu này:

X(f)=kCkδ(fkfp)

đó là rời rạc.

Tuy nhiên nếu chúng ta xem xét x(t) thuộc dạng này:

x(t)=nrect(tnTpT)

Áp dụng biến đổi fourier của x(t) để có được (trong mẫu):

X(f)=sincejW
- (2)

trong đó chân thành () là do FT của orth và e ^ (- j * W) xuất hiện do tính chất dịch chuyển thời gian của FT.

So sánh X (f) trong (1) và (2), chúng ta thấy rằng 1 là rời rạc và khác liên tục.

Tuy nhiên, chúng đến từ cùng một x (t), vì vậy đây không phải là một mâu thuẫn sao?

Xin lôi vi bai đăng dai.


6
Không có gì sai khi sử dụng các hàm chỉnh lưu thay đổi theo thời gian và các hàm này thực sự trực giao. Trong thực tế, xử lý tín hiệu thời gian rời rạc có hiệu lực thay thế tín hiệu thông thấp bằng một chuỗi số là biên độ của các hàm chỉnh lưu thay đổi thời gian này, và thậm chí còn hơn thế nếu bạn nghĩ về các mạch giữ mẫu thay thế một cách hiệu quả dạng sóng thời gian liên tục với một loạt các chuyển động theo thời gian với biên độ khác nhau và là dạng chuyển đổi D / A đơn giản (nhưng không hoàn hảo) ở đầu kia.
Dilip Sarwate

3
@Johntan Biến đổi Z về cơ bản chỉ là tổng của các hàm chỉnh lưu thời gian.
Jim Clay

1
Bạn có thể tạo ra một sóng vuông bằng cách tính tổng số sóng hình sin vô hạn và bạn có thể tạo ra một sóng hình sin bằng cách tính tổng số lượng sóng vuông vô hạn.
endolith


Bạn có thể sử dụng biến đổi sóng con Haar trực giao để phân tách tín hiệu thành sóng vuông ở các tỷ lệ khác nhau.
Spacey

Câu trả lời:


5

Tuy nhiên, điều gì là sai về mặt khái niệm với việc sử dụng một hàm vô hạn của các hàm chỉnh lưu thời gian để biểu diễn nó?

Không có gì sai về mặt khái niệm với nó. Biến đổi Fourier phân tách tín hiệu thành một tổng số các hình sin phức tạp, nhưng bạn cũng có thể phân tách tín hiệu thành nhiều thứ khác, có thể hữu ích hơn trong một số ứng dụng nhất định. Chẳng hạn, biến đổi sóng con Haar phá vỡ tín hiệu một tổng các xung hình chữ nhật:

nhập mô tả hình ảnh ở đây nguồn

Chúng tôi sử dụng sin trong nhiều ứng dụng vì nó có ý nghĩa nhất trong các ứng dụng đó. Chẳng hạn, tại sao chúng ta hầu như luôn phân tách tín hiệu âm thanh thành các hình sin? Bởi vì ốc tai của chúng tôi làm điều tương tự:

nhập mô tả hình ảnh ở đây


Sơ đồ rất đẹp của tai trong - về những hình ảnh bên phải - chúng có hiển thị nơi các bước sóng nhất định cộng hưởng không?
Spacey

@Mohammad: Tôi không chắc những gì bên phải được hiển thị. Chỉ cần tần số thấp được phát hiện bởi các tế bào tóc sâu bên trong ốc tai?
endolith

4

Lý do chính cho điều đó là một loạt các cosin và sin tạo thành một cơ sở trực giao. Sau đó, bạn có thể sử dụng nó để thể hiện nó trong "không gian" khác (ví dụ "không gian" tần số).

Những thứ khác, chỉ để hiểu những thứ khác liên quan đến loạt Fourier và Tranform:

Một sin hoặc cos chỉ là 2 hàm delta trong biểu diễn tần số (Biến đổi Fourier). Một chức năng chỉnh lưu, có một biểu diễn chức năng đồng bộ hóa (điều đó hoàn toàn lấp đầy tất cả các spectra).

Sau đó, bằng cách sử dụng biểu diễn Fourier theo tần số, bạn có thể dễ dàng diễn giải các thành phần tần số của tín hiệu của mình và lọc theo đó.

Một điều khác để hiểu rõ hơn về việc sử dụng các hệ số Fourier, là để hiểu mối quan hệ giữa biến đổi Fourier và các hệ số đó ( Giải thích1 , Giải thích2 ).

Chúng tôi sử dụng chuỗi Fourier cho các chức năng định kỳ và Biến đổi Fourier cho mọi thứ.


Cảm ơn bạn đã giải thích của bạn. Vì vậy, thêm vào, nếu chúng ta xem xét phổ tần số bằng cách sử dụng 2 biểu diễn tương tự, chúng ta sẽ kết thúc với phổ tần số riêng biệt (nếu chúng ta xem xét các hàm delta) và mặt khác là phổ liên tục (nếu chúng ta xem xét hàm chân). Có phải nó không mâu thuẫn?
John tan

2
Cho đến khi bạn hiểu khá rõ các hệ số Fourier, v.v., tôi sẽ không trộn lẫn liên tục (Fourier Trans.) Và rời rạc (DFT). Bạn có thể viết các bước bạn đang làm?
Luis Andrés García

Chúng ta có thể sử dụng chuỗi Fourier để xấp xỉ các hàm định kỳ bằng cách tạo một phần mở rộng định kỳ.
Emre

0

Xin lỗi tôi có một vấn đề định dạng, vì vậy tôi đang đặt nó ở bài dưới cùng.

Phương pháp của tôi là như vậy:

Giả sử chúng ta có một xung định kỳ x(t) như vậy mà x(t)=1 cho 0<t<T0 cho T<t<Tp; do đóx(t) có một khoảng thời gian Tp.

Tìm hệ số phạm vi Ck thông qua:

Ck=1/TpT(x(t)e(j2pikt/Tp))

và do đó chúng ta có thể đại diện x(t) như:

x(t)=(Cke(j2pikt/Tp))
trên tất cả int k

và thực hiện chuyển đổi fourier, chúng ta sẽ có được hình thức này:

X(f)=(Ckδ(fkfp))
trên tất cả int k - (1)

đó là rời rạc.

Tuy nhiên nếu chúng ta coi x (t) là dạng này:

x(t)=(rect[(tnTp)/T])

Áp dụng biến đổi fourier của x (t) để có được (dưới dạng):

X(f)=[since(jW)]
- (2)

trong đó chân thành () là do FT của trực tràng và e(jW) đi ra do tài sản thay đổi thời gian của FT.

So sánh X(f) trong (1) và (2), chúng ta thấy rằng 1 là rời rạc và liên tục khác.

Tuy nhiên họ đến từ cùng x(t)Vì vậy, đây không phải là một mâu thuẫn?

Xin lôi vi bai đăng dai.


Của bạn X(f)sai; bạn đang thiếu các yếu tố củaTp trong lập luận của số mũ cũng như trong những gì bạn viết đơn giản như sinc. Nếu bạn làm đúng, bạn sẽ có được tổng số vô số các hàm số mũ cung cấp cho bạn các xung có độ lớn khác nhau. Không có biến đổi Fourier của các hàm tuần hoàn trừ khi bạn thừa nhận các hàm tổng quát hoặc phân phối như các nhà toán học gọi chúng, hoặc các xung hoặc "hàm delta" như các kỹ sư muốn nói. Bạn sử dụngF(sum)=sum Fmà cần biện minh nếu tổng là vô hạn.
Dilip Sarwate
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.