冲激函数和傅里叶变换
冲激函数具有很好的取样特性,使得其在信号处理、图像处理等方面有着广泛的应用. 在这边文章中,我们介绍冲激函数和它的傅里叶变换. 文章的内容主要参考Rafael C. Gonzalez和Richard E. Woods所著的《数字图像处理》.
1. 冲激函数定义
定义1 连续变量tt在t=0t=0点处的冲激函数δ(t)\delta(t)定义为
δ(t)={∞,0,t=0t≠0\delta(t)=\begin{cases}\infty, & t=0\\ 0, & t\neq 0\end{cases}
其满足等式∫∞−∞δ(t)dt=1.\int^{\infty}_{-\infty}\delta(t)dt=1.
假设f(t)f(t)在t=0t=0处是连续的,则冲激具有如下的取样特性
\int^{\infty}_{-\infty}f(t)\delta(t)dt=f(0).
更一般地,位于任意点 t=t0t=t_0的冲激表示为 δ(t−t0)\delta(t-t_0). 在这种情况下,取样特性为
\int^{\infty}_{-\infty}f(t)\delta(t-t_0)dt=f(t_0).
定义2 对于离散变量xx,单位离散冲激函数δ(x)\delta(x)定义为
δ(x)={1,0,x=1x≠0\delta(x)=\begin{cases}1, & x=1\\ 0, & x\neq 0\end{cases}
其满足等式∑x=−∞∞δ(x)=1.\sum^{\infty}_{x=-\infty}\delta(x)=1.
离散冲激具有取样特性
\sum^{\infty}_{x=-\infty}f(x)\delta(x)=f(0).
更一般地,在 x=x0x=x_0处的取样特性为
\sum^{\infty}_{-\infty}f(x)\delta(x-x_0)=f(x_0).
定义3 冲激串SΔT(t)S_{\Delta T}(t)是无限多个分离的周期为ΔT\Delta T的冲激之和,即
SΔT(t)=∑n=−∞∞δ(t−nΔT)S_{\Delta T}(t)=\sum^{\infty}_{n=-\infty}\delta(t-n\Delta T)
其中,冲激δ(t)\delta(t)可以是连续的或离散的.
2. 傅里叶级数和傅里叶变换
2.1 傅里叶级数
令i2=−1i^2=-1. 函数族{ei2πkt/T}∞k=0\{e^{i2\pi kt/T}\}^{\infty}_{k=0}在区间[−T2,T2][-\frac{T}{2},\frac{T}{2}]上具有如下正交性
\int^{\frac{T}{2}}_{-\frac{T}{2}}e^{i2\pi nt/T}\cdot e^{-i2\pi mt/T}dt=\begin{cases}T,& n=m\\ 0,& n\neq m\end{cases}
据此,我们可以将周期为 TT的函数f(t)f(t)表示为 傅里叶级数的形式.
定义4 假定函数f(t)f(t)为周期为TT的连续函数,则f(t)f(t)可以表示为如下傅里叶级数形式
f(t)=∑n=−∞∞cnei2πnt/Tf(t)=\sum^{\infty}_{n=-\infty}c_n e^{i2\pi nt/T}
其中cn=1T∫T2−T2f(t)e−i2πnt/Tdt,n=0,±1,±2,…c_n=\frac{1}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f(t)e^{-i2\pi nt/T}dt,\quad n=0,\pm1,\pm2,\dots.
2.2 傅里叶变换
定义5 连续函数f(t)f(t)的傅里变换为
f(t)−→FF(μ)=∫∞−∞f(t)e−i2πμtdtf(t)\xrightarrow{\mathcal{F}}F(\mu)=\int^{\infty}_{-\infty}f(t)e^{-i2\pi\mu t}dt
相反地,给定F(μ)F(\mu),我们可以通过傅里逆变换得到f(t)f(t)F(μ)−→−−F−1f(t)=∫∞−∞F(μ)ei2πμtdμF(\mu)\xrightarrow{\mathcal{F}^{-1}}f(t)=\int^{\infty}_{-\infty}F(\mu)e^{i2\pi\mu t}d\mu
由傅里叶变换和傅里叶逆变换的对称性,我们得到如下性质
性质1 >
f(t)−→FF(μ)−→Ff(−t)f(t)\xrightarrow{\mathcal{F}}F(\mu)\xrightarrow{\mathcal{F}}f(-t)
3. 冲激和冲激串的傅里叶变换
3.1 冲激的傅里叶变换
位于原点的冲激函数δ(t)\delta(t)(见定义1)的傅里叶变换为
F(\mu)=\int^{\infty}_{-\infty}\delta(t)e^{-i2\pi\mu t}dt=\int^{\infty}_{-\infty}e^{-i2\pi\mu t}\delta(t)dt=e^{-i2\pi\mu 0}=e^{0}=1
类似地,位于t=t0t=t_0处的冲激δ(t−t0)\delta(t-t_0)的傅里叶变换为
F(\mu)=\int^{\infty}_{-\infty}\delta(t-t_0)e^{-i2\pi\mu t}dt=\int^{\infty}_{-\infty}e^{-i2\pi\mu t}\delta(t-t_0)dt=e^{-i2\pi\mu t_0}
由前面的性质1 和冲激的性质,我们可以得到如下性质
性质2
F(ei2πμt0)=δ(−t+t0)=δ(t−t0)\mathcal{F}(e^{i2\pi\mu t_0})=\delta(-t+t_0)=\delta(t-t_0)
3.2 冲激串的傅里叶变换
冲激串SΔT(t)S_{\Delta T}(t)(见定义3)是周期为ΔT\Delta T的函数,可以表示为如下傅里叶级数(见定义4)
S_{\Delta T}(t)=\sum^{\infty}_{n=-\infty}c_n e^{i2\pi nt/\Delta T}
其中
c_n=\frac{1}{\Delta T}\int^{\frac{\Delta T}{2}}_{-\frac{\Delta T}{2}}S_{\Delta T}(t)e^{-i2\pi nt/\Delta T}dt
由于在区间[−ΔT2,ΔT2][-\frac{\Delta T}{2},\frac{\Delta T}{2}]的积分仅包含位于原点的冲激δ(t)\delta(t),因此
c_n=\frac{1}{\Delta T}\int^{\frac{\Delta T}{2}}_{-\frac{\Delta T}{2}}S_{\Delta T}(t)e^{-i2\pi nt/\Delta T}dt=\frac{1}{\Delta T}e^0=\frac{1}{\Delta T}
从而得到冲激串的傅里叶级数
S_{\Delta T}(t)=\frac{1}{\Delta T}\sum^{\infty}_{n=-\infty}e^{i2\pi nt/\Delta T}
进一步地,由性质2可知
\mathcal{F}(e^{i2\pi nt/\Delta T})=\delta(\mu-\frac{n}{\Delta T})
因此,冲激串SΔT(t)S_{\Delta T}(t)的傅里叶变换S(μ)S(\mu)为
S(\mu)=\mathcal{F}(S_{\Delta T}(t))=\frac{1}{\Delta T}\sum^{\infty}_{n=-\infty}\mathcal{F}(e^{i2\pi nt/\Delta T})=\frac{1}{\Delta T}\sum^{\infty}_{n=-\infty}\delta(\mu-\frac{n}{\Delta T})
这个结果说明,周期为ΔT\Delta T的冲激串的傅里叶变换仍为冲激串,其周期为1ΔT\frac{1}{\Delta T}.
冲激函数和傅里叶变换相关推荐
- 傅里叶变换、离散傅里叶变换(DFT)、快速傅里叶变换(FFT)详解
前置知识 以下内容参考<复变函数与积分变换>,如果对积分变换有所了解,完全可以跳过忽略 复数的三角表达式如下 Z=r(cosθ+isinθ)Z=r(cos\theta+isin\theta ...
- 冲激串函数的傅里叶变换还是冲激串函数!?
文章目录 引言 原始解法 我的思考 另 引言 我们都知道,冲激函数的傅里叶变换是一个单频的三角函数,所以从书上看到"冲激串函数的傅里叶变换还是冲激串函数"这个结论的时候非常震惊.从 ...
- 浅谈一下光学合成孔径技术的原理(一)
这段时间在调研光学合成孔径相关的文献,所以想简单写写,就当是学习过程中的一篇笔记.因个人能力有限,有不正确的地方也欢迎读者批评指正. 最近正好看到一篇论文: 大口径光学合成孔径成像技术发展现状http ...
- 随机过程基础4--非平稳过程
1,平稳就代表随机过程在某一方面具有不变性.随着时间的偏移某一方面保持不变.所以会有很多种平稳随机过程. 最熟悉的宽平稳就是,一阶均值保持不变,二阶自相关函数与时间也无关.之前学习的性质,从频域分析都 ...
- 从0.5开始推导奈奎斯特采样定理
本文的目的是整理一下奈奎斯特采样定理的推导.因为本人数学比较菜,所以仅供参考.之所以说是从0.5开始推导,是因为我们需要一些基础的铺垫,例如傅里叶级数和傅里叶变换,而这些东西我暂时不会推,只能当工具先 ...
- SCNU网工通信原理期末复习
通信原理期末复习 ID3902009 纯手敲好累啊-,敲完感觉自己期末考试又行了hihi 其实我的MD转PDF版本会更加好看一点 我的PDF版本在这,点击跳转 离散信息的平均信息量 H = ∑ i = ...
- 傅里叶变换中的特征函数以及一些冲激函数的性质
傅里叶变换中的特征函数以及一些冲激函数的性质 前言 正文 附录1 前言 这是自己的通过一些困惑,查了资料,然后整理的.数学表达上可能不完备,主要是记录一个思路. 正文 傅里叶变换相当于把信号映射到ex ...
- 三角波的傅里叶变换对_《傅里叶光学(一)》 复数、特殊函数和冲激函数
<傅里叶光学>系列的文章旨在记录.分享笔者的学习过程,作为这一系列的开篇文章,本文主要介绍了复数的概念和性质,常用的特殊函数以及冲激函数的性质. 复数 1. 复数的介绍 在许多应用中,用复 ...
- 周期信号的傅里叶变换(精彩)
你没有看错,周期信号的傅里叶变换,以前,我们都是讨论周期信号的傅里叶级数表示,以及非周期信号的傅里叶变换. 如果能够在一个统一的框架内讨论周期和非周期信号,岂不快哉! 这的确是可以实现的,在引入了冲激 ...
- 信号公式汇总之傅里叶变换
傅里叶级数 f(t)=a0+∑n=1∞[ancos(nω1t)+bnsin(nω1t)]f(t)=a_0+\sum_{n=1}^{\infty}{[a_ncos(n\omega_1t)+b_nsin( ...
最新文章
- GitHub免费支持CI/CD了,开发测试部署高度自动化,支持各种语言,网友:第三方凉凉...
- mysql每学科前两名 having_mysql 分组查询前n条数据
- Dubbo注解版配置
- java h5在线音频_[语音技术]java+H5的录音类实例(1)
- 从一个小故事聊聊字符编码那些事
- jieba分词太慢,怎么办?找jieba_fast
- 在我还是14岁的时候那会学C++
- 给ABBYY添加图像的方法
- python描述符详解_Python描述符 (descriptor) 详解
- C++算法学习(力扣:1091. 二进制矩阵中的最短路径)
- Excel GET.DOCUMENT说明
- hwaddr和macaddr的区别
- 2021东北四省赛J. Transform(空间几何)
- 微信h5分享好友和朋友圈功能
- HDU-4477 Cut the rope II 递推
- bat表白脚本(变色桃心+vbs问答)
- burp suite抓包中文乱码
- 使用RRDTOOL进行绘图
- java 如何建立servlet_Servlet怎么新建
- 如何在网页标题上添加图片
热门文章
- HTML学生个人网站作业设计:电影网站设计——橙色国外电影(13页) HTML+CSS+JavaScript 简单DIV布局个人介绍网页模板代码 DW学生个人网站制作成品下载
- 自己写了个cgi-bin,报错!
- Java中PDF转WORD
- 服务器文件mdf,升级 .mdf 文件 - Visual Studio (Windows) | Microsoft Docs
- 数据分析师工作的一点点感悟
- LoadRunner 录制IE 8卡死
- 如何避免服务器被恶意网络攻击
- 常见电容器图片_常用电容器大全 (附图片)
- 详解基于深度学习的伪装目标检测
- zblog怎么定位html代码,zblog模板修改常用调用标签代码