傅里叶变换(连续谱)

[!] 以下笔记内容可能会出现部分错误的地方，恳请各位师生批评指正，谢谢！

部分内容摘录自Wiki

主要内容

连续傅里叶变换
连续傅里叶变换的性质

连续傅里叶变换

傅里叶变换源自对傅里叶技术的研究。在对傅里叶级数的研究中，复杂的周期函数可以用一系列简单的正弦、余弦波之和表示。傅里叶变换是对傅里叶级数的扩展，由它表示的周期函数趋近于无穷。（即非周期函数）

1 推导

在之前提到过，对于一个周期为 T T T 的周期函数 f T ( t ) f_T(t) fT(t) ，假若它满足狄利克雷条件，那么它就可以展开为傅里叶级数 f T ( t ) = ∑ n = − ∞ ∞ c n e i n ω t , c n = 1 T ∫ − T 2 T 2 f T ( τ ) e − i n ω τ d τ (1-1-1) f_T(t)=\sum^\infin_{n=-\infin}c_ne^{in\omega t},c_n=\frac{1}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f_T(\tau)e^{-in\omega \tau}d\tau\tag{1-1-1} fT(t)=n=−∞∑∞cneinωt,cn=T1∫−2T2TfT(τ)e−inωτdτ(1-1-1)其中 ω = 2 π T \omega=\frac{2\pi}{T} ω=T2π。
对于一般的非周期函数，我们可以认为它的周期为无穷大，即 T → ∞ T\rightarrow\infin T→∞，此时将会有 ω → 0 \omega \rightarrow 0 ω→0，此时的频谱将会非常的稠密。即 Δ ω = ( n + 1 ) ω − n ω = ω = 2 π T → 0 \Delta\omega = (n+1)\omega-n\omega=\omega=\frac{2\pi}{T}\rightarrow 0 Δω=(n+1)ω−nω=ω=T2π→0
将(1-1)式进行化简，有
f T ( t ) = ∑ n = − ∞ ∞ [ 1 T ∫ − T 2 T 2 f T ( τ ) e − i n ω τ d τ ] e i n ω t = ∑ n = − ∞ ∞ [ Δ ω 2 π ∫ − T 2 T 2 f T ( τ ) e − i n ω τ d τ ] e i n ω t = 1 2 π ∑ n = − ∞ ∞ [ ∫ − T 2 T 2 f T ( τ ) e − i n ω τ d τ ] e i n ω t Δ ω f_{T}(t)=\sum^\infin_{n=-\infin}[\frac{1}{T}\int^{\frac{T}{2}}_{-\frac{T}{2}}f_T(\tau)e^{-in\omega \tau}d\tau]e^{in\omega t} \\ =\sum^\infin_{n=-\infin}[\frac{\Delta\omega}{2\pi}\int^{\frac{T}{2}}_{-\frac{T}{2}}f_T(\tau)e^{-in\omega \tau}d\tau]e^{in\omega t}\\=\frac{1}{2\pi}\sum^\infin_{n=-\infin}[\int^{\frac{T}{2}}_{-\frac{T}{2}}f_T(\tau)e^{-in\omega \tau}d\tau]e^{in\omega t}\Delta\omega fT(t)=n=−∞∑∞[T1∫−2T2TfT(τ)e−inωτdτ]einωt=n=−∞∑∞[2πΔω∫−2T2TfT(τ)e−inωτdτ]einωt=2π1n=−∞∑∞[∫−2T2TfT(τ)e−inωτdτ]einωtΔω令 F T ( n ω ) = ∫ − T 2 T 2 f T ( τ ) e − i n ω τ d τ F_T(n\omega)=\int^{\frac{T}{2}}_{-\frac{T}{2}}f_T(\tau)e^{-in\omega \tau}d\tau FT(nω)=∫−2T2TfT(τ)e−inωτdτ即有 f T ( t ) = 1 2 π ∑ n = − ∞ ∞ F T ( n ω ) e i n ω t Δ ω (1-1-2) f_T(t)=\frac{1}{2\pi}\sum^\infin_{n=-\infin}F_T(n\omega)e^{in\omega t}\Delta\omega\tag{1-1-2} fT(t)=2π1n=−∞∑∞FT(nω)einωtΔω(1-1-2)显然，(1-2)满足定积分的定义式¹ f ( x ) = ∑ i = 1 n f ( t i ) Δ x f(x)=\sum^{n}_{i=1}f(t_i)\Delta x f(x)=i=1∑nf(ti)Δx
令 ω n = n ω \omega_n=n\omega ωn=nω，当积分 ∫ − ∞ + ∞ F ( ω ) e i ω t d ω \int^{+\infin}_{-\infin}F(\omega)e^{i\omega t}d\omega ∫−∞+∞F(ω)eiωtdω存在时，有 f ( t ) = 1 2 π ∫ − ∞ + ∞ F ( ω ) e i ω t d ω (1-1-3) f(t)=\frac{1}{2\pi}\int^{+\infin}_{-\infin}F(\omega)e^{i\omega t}d\omega\tag{1-1-3} f(t)=2π1∫−∞+∞F(ω)eiωtdω(1-1-3)
同理，当积分 ∫ − ∞ + ∞ f ( τ ) e − i ω τ d τ \int^{+\infin}_{-\infin}f(\tau)e^{-i\omega \tau}d\tau ∫−∞+∞f(τ)e−iωτdτ存在时,有 F ( ω ) = ∫ − ∞ + ∞ f ( τ ) e − i ω τ d τ (1-1-4) F(\omega)=\int^{+\infin}_{-\infin}f(\tau)e^{-i\omega\tau}d\tau\tag{1-1-4} F(ω)=∫−∞+∞f(τ)e−iωτdτ(1-1-4)

2 定理

若 f ( t ) f(t) f(t) 在无限区间 ( − ∞ , + ∞ ) (-\infin,+\infin) (−∞,+∞)上有：
( 1 ) 在任一个有限区间上 f ( t ) 满足狄利克雷条件； ( 2 ) 在无穷区间上绝对可积，即 ∫ − ∞ + ∞ ∣ f ( t ) ∣ d t 存在 ; (1)在任一个有限区间上 f(t) 满足狄利克雷条件；\\(2)在无穷区间上绝对可积，即 \int^{+\infin}_{-\infin}|f(t)|dt 存在; (1)在任一个有限区间上f(t)满足狄利克雷条件；(2)在无穷区间上绝对可积，即∫−∞+∞∣f(t)∣dt存在;则有 f ( t ) = 1 2 π ∫ − ∞ + ∞ F ( ω ) e i ω t d ω (1-2-1a) f(t)=\frac{1}{2\pi}\int^{+\infin}_{-\infin}F(\omega)e^{i\omega t}d\omega\tag{1-2-1a} f(t)=2π1∫−∞+∞F(ω)eiωtdω(1-2-1a)其中 F ( ω ) = ∫ − ∞ + ∞ f ( τ ) e − i ω τ d τ (1-2-1b) F(\omega)=\int^{+\infin}_{-\infin}f(\tau)e^{-i\omega\tau}d\tau\tag{1-2-1b} F(ω)=∫−∞+∞f(τ)e−iωτdτ(1-2-1b)
(1-2-1a)称为 f ( t ) f(t) f(t)的傅里叶正变换， F ( ω ) F(\omega) F(ω) 称为 f ( t ) f(t) f(t) 的象函数，记作 F ( ω ) = F [ f ( t ) ] F(\omega)=F[f(t)] F(ω)=F[f(t)]。
(1-2-1b)称为 F ( ω ) F(\omega) F(ω)的傅里叶逆变换， f ( t ) f(t) f(t)称为 F ( ω ) F(\omega) F(ω)的象原函数，记作 f ( t ) = F − 1 [ F ( ω ) ] f(t)=F^{-1}[F(\omega)] f(t)=F−1[F(ω)]。

3 解释

与周期函数展开成傅里叶级数的本质相同，傅里叶变换也是将函数在时域和频域之间进行转换，其中 f ( t ) f(t) f(t)对应了在时域中函数的模型， F ( ω ) F(\omega) F(ω)则对应了在频域中的模型。
由于 Δ ω → 0 \Delta\omega\rightarrow0 Δω→0，因此 F ( ω ) F(\omega) F(ω)在频域中是连续的，而不是若干个狄拉克 δ \delta δ函数的线性组合。
可以将傅里叶变换看作是傅里叶展开的拓展情况。
因为公式中带有了 e i t e^{it} eit，因此可以使用复平面的思路来理解傅里叶变换：把 e − i ω t e^{-i\omega t} e−iωt看作是角速度为 ω \omega ω的逆时针旋转轨迹，乘上 f ( t ) f(t) f(t)后则变成了一个由 ω \omega ω决定的周期旋转轨迹。积分看作是把轨迹上所有的点进行累加。当旋转轨迹比较杂乱的时候，对应着 F ( ω ) F(\omega) F(ω)较小(因为在这时可以看作轨迹中的点平均分布在复平面原点周围，因此它们将会相互抵消)；当旋转轨迹比较规则的时候， F ( ω ) F(\omega) F(ω)会变得极大。

连续傅里叶变换的性质

傅里叶具有着许多优良的性质，这些性质使得它在工程中被广泛应用。²

1 线性性质

两个函数的傅里叶变换等于各自变换之和，即 F [ α f + β g ] = α F [ f ] + β F [ g ] \mathscr{F}[\alpha f + \beta g]=\alpha\mathscr{F}[f]+\beta\mathscr{F}[g] F[αf+βg]=αF[f]+βF[g]

1.1 证明

假设函数 f ( x ) f(x) f(x)和 g ( x ) g(x) g(x)的傅里叶变换 F [ f ] \mathscr{F}[f] F[f]和 F [ g ] \mathscr{F}[g] F[g]存在， α \alpha α和 β \beta β为任意常数，有： F [ α f ] = ∫ − ∞ + ∞ α f ( τ ) e − i ω τ d τ = α ∫ − ∞ + ∞ f ( τ ) e − i ω τ d τ = α F [ f ] \mathscr{F}[\alpha f]=\int^{+\infin}_{-\infin}\alpha f(\tau)e^{-i\omega\tau}d\tau\\=\alpha\int^{+\infin}_{-\infin}f(\tau)e^{-i\omega\tau}d\tau=\alpha\mathscr{F}[f] F[αf]=∫−∞+∞αf(τ)e−iωτdτ=α∫−∞+∞f(τ)e−iωτdτ=αF[f]同理 F [ β g ] = β F [ g ] \mathscr{F}[\beta g]=\beta\mathscr{F}[g] F[βg]=βF[g]
因此有 F [ α f + β g ] = ∫ − ∞ + ∞ [ α f ( τ ) + β g ( τ ) ] e − i ω τ d τ = ∫ − ∞ + ∞ α f ( τ ) e − i ω τ d τ + ∫ − ∞ + ∞ β g ( τ ) e − i ω τ d τ = F [ α f ] + F [ β g ] = α F [ f ] + β F [ g ] \mathscr{F}[\alpha f+\beta g]=\int^{+\infin}_{-\infin}[\alpha f(\tau)+\beta g(\tau)]e^{-i\omega\tau}d\tau\\=\int^{+\infin}_{-\infin}\alpha f(\tau)e^{-i\omega\tau}d\tau+\int^{+\infin}_{-\infin}\beta g(\tau)e^{-i\omega\tau}d\tau\\=\mathscr{F}[\alpha f]+\mathscr{F}[\beta g]\\=\alpha\mathscr{F}[f]+\beta\mathscr{F}[g] F[αf+βg]=∫−∞+∞[αf(τ)+βg(τ)]e−iωτdτ=∫−∞+∞αf(τ)e−iωτdτ+∫−∞+∞βg(τ)e−iωτdτ=F[αf]+F[βg]=αF[f]+βF[g]

1.2 拓展

傅里叶变换算符 F \mathscr{F} F有着线性性质，因此具有线性代数里面的一点特征：如 F { F − 1 [ f ] } = f \mathscr{F}\{\mathscr{F}^{-1}[f]\}=f F{F−1[f]}=f。

2 平移性质

若函数 f ( t ) f(t) f(t) 存在傅里叶变换，则对任意实数 ω 0 \omega_0 ω0 ，函数 f ( t ) e i ω 0 t f(t)e^{i\omega_0t} f(t)eiω0t也存在傅里叶变换，且有 F [ f ( t ) e i ω 0 t ] = F ( ω − ω 0 ) \mathscr{F}[f(t)e^{i\omega_0t}]={F}(\omega-\omega_0) F[f(t)eiω0t]=F(ω−ω0)

2.1 证明

对于函数 f ( t ) e i ω 0 t f(t)e^{i\omega_0t} f(t)eiω0t，有 F [ f ( t ) e i ω 0 t ] = ∫ − ∞ + ∞ f ( t ) e i ω 0 t e − i ω t d t = ∫ − ∞ + ∞ f ( t ) e − i ( ω − ω 0 ) t d t = F ( ω − ω 0 ) \mathscr{F}[f(t)e^{i\omega_0t}]=\int^{+\infin}_{-\infin}f(t)e^{i\omega_0t}e^{-i\omega t}dt\\=\int^{+\infin}_{-\infin}f(t)e^{-i(\omega-\omega_0)t}dt\\=F(\omega-\omega_0) F[f(t)eiω0t]=∫−∞+∞f(t)eiω0te−iωtdt=∫−∞+∞f(t)e−i(ω−ω0)tdt=F(ω−ω0)

2.2 拓展

容易得到傅里叶变换的另一种平移性质 F [ f ( t + t 0 ) ] = e i ω t 0 F ( ω ) \mathscr{F}[f(t+t_0)]=e^{i\omega t_0}{F}(\omega) F[f(t+t0)]=eiωt0F(ω)

3 伸缩性质

F [ f ( a t ) ] = 1 ∣ a ∣ F ( ω a ) , a ≠ 0 \mathscr{F}[f(at)]=\frac{1}{|a|}F(\frac{\omega}{a}),a\neq0 F[f(at)]=∣a∣1F(aω),a=0

3.1 证明

F [ f ( a t ) ] = ∫ − ∞ + ∞ f ( a t ) e − i ω t d t = 1 a ∫ − ∞ + ∞ f ( a t ) e − i ω a a a t d t = 1 a F ( ω a ) \mathscr{F}[f(at)]=\int^{+\infin}_{-\infin}f(at)e^{-i\omega t}dt\\=\frac{1}{a}\int^{+\infin}_{-\infin}f(at)e^{-i\frac{\omega}{a} aat}dt\\=\frac{1}{a}F(\frac{\omega}{a}) F[f(at)]=∫−∞+∞f(at)e−iωtdt=a1∫−∞+∞f(at)e−iaωaatdt=a1F(aω)由积分区间的对称性可得 F [ f ( a t ) ] = 1 ∣ a ∣ F ( ω a ) \mathscr{F}[f(at)]=\frac{1}{|a|}F(\frac{\omega}{a}) F[f(at)]=∣a∣1F(aω)

4 微分性质

如果 f ( t ) f(t) f(t)在 ( − ∞ , + ∞ ) (-\infin,+\infin) (−∞,+∞)上连续或只有有限个可去间断点，且当 ∣ t ∣ → ∞ |t|\rightarrow\infin ∣t∣→∞时， f ( t ) → 0 f(t)\rightarrow 0 f(t)→0，则 F [ f ′ ( t ) ] = i ω F [ f ( t ) ] \mathscr{F}[f'(t)]=i\omega\mathscr{F}[f(t)] F[f′(t)]=iωF[f(t)]

4.1 证明

(1) 由在复平面的函数求导等于原方程乘以 i ω i\omega iω可以得出。
(2) F [ f ′ ( t ) ] = ∫ − ∞ + ∞ f ′ ( t ) e − i ω t d t = f ( t ) e − i ω t ∣ − ∞ + ∞ + i ω ∫ − ∞ + ∞ f ( t ) e − i ω t d t = i ω F [ f ( t ) ] \mathscr{F}[f'(t)]=\int^{+\infin}_{-\infin}f'(t)e^{-i\omega t}dt\\=f(t)e^{-i\omega t}|^{+\infin}_{-\infin}+i\omega\int^{+\infin}_{-\infin}f(t)e^{-i\omega t}dt\\=i\omega\mathscr{F}[f(t)] F[f′(t)]=∫−∞+∞f′(t)e−iωtdt=f(t)e−iωt∣−∞+∞+iω∫−∞+∞f(t)e−iωtdt=iωF[f(t)]

4.2 拓展

由(1)可得 F [ f ( n ) ( t ) ] = ( i ω ) n F [ f ( t ) ] = ( i ω ) n F ( ω ) \mathscr{F}[f^{(n)}(t)]=(i\omega)^n\mathscr{F}[f(t)]=(i\omega)^nF(\omega) F[f(n)(t)]=(iω)nF[f(t)]=(iω)nF(ω)
对 F ( ω ) F(\omega) F(ω)求导，有 F ′ ( ω ) = d d ω ∫ − ∞ + ∞ f ( t ) e − i ω t d t = F [ − i t f ( t ) ] F'(\omega)=\frac{d}{d\omega}\int^{+\infin}_{-\infin}f(t)e^{-i\omega t}dt=\mathscr{F}[-itf(t)] F′(ω)=dωd∫−∞+∞f(t)e−iωtdt=F[−itf(t)]一般地，有 d n d ω n F ( ω ) = F [ ( − i t ) n f ( t ) ] \frac{d^n}{d\omega^n}F(\omega)=\mathscr{F}[(-it)^nf(t)] dωndnF(ω)=F[(−it)nf(t)]

5 积分性质

如果当 t → ∞ t\rightarrow\infin t→∞时， ∫ − ∞ t f ( t ) d t → 0 \int^{t}_{-\infin}f(t)dt\rightarrow0 ∫−∞tf(t)dt→0，则有 F [ ∫ − ∞ t f ( t ) d t ] = 1 i ω F [ f ( t ) ] \mathscr{F}[\int^t_{-\infin}f(t)dt]=\frac{1}{i\omega}\mathscr{F}[f(t)] F[∫−∞tf(t)dt]=iω1F[f(t)]

5.1 证明

(1)由在复平面的函数积分等于原方程乘以 1 i ω \frac{1}{i\omega} iω1得出。
(2) F [ d d t ∫ − ∞ t f ( t ) d t ] = F [ f ( t ) ] \mathscr{F}[\frac{d}{dt}\int^{t}_{-\infin}f(t)dt]=\mathscr{F}[f(t)] F[dtd∫−∞tf(t)dt]=F[f(t)]由微分性质可得 F [ d d t ∫ − ∞ t f ( t ) d t ] = i ω F [ ∫ − ∞ t f ( t ) d t ] \mathscr{F}[\frac{d}{dt}\int^{t}_{-\infin}f(t)dt]=i\omega\mathscr{F}[\int^t_{-\infin}f(t)dt] F[dtd∫−∞tf(t)dt]=iωF[∫−∞tf(t)dt]所以有 F [ f ( t ) ] = i ω F [ ∫ − ∞ t f ( t ) d t ] \mathscr{F}[f(t)]=i\omega\mathscr{F}[\int^t_{-\infin}f(t)dt] F[f(t)]=iωF[∫−∞tf(t)dt]移项后得到 F [ ∫ − ∞ t f ( t ) d t ] = 1 i ω F [ f ( t ) ] \mathscr{F}[\int^t_{-\infin}f(t)dt]=\frac{1}{i\omega}\mathscr{F}[f(t)] F[∫−∞tf(t)dt]=iω1F[f(t)]

6 卷积性质

6.1 卷积

卷积是一种通过两个函数 f f f和 g g g生成第三个函数的一种算子，表征函数 f f f与经过翻转和平移的 g g g的乘积函数所围成的曲边梯形面积。
对于R上可积函数 f ( x ) f(x) f(x)与 g ( x ) g(x) g(x)，其卷积为 ( f ∗ g ) ( t ) = ∫ − ∞ + ∞ f ( τ ) g ( t − τ ) d τ (f*g)(t)=\int^{+\infin }_{-\infin}f(\tau)g(t-\tau)d\tau (f∗g)(t)=∫−∞+∞f(τ)g(t−τ)dτ

6.2 数学表达

F [ f ( t ) ∗ g ( t ) ] = F ( ω ) G ( ω ) (2-6-1a) \mathscr{F}[f(t)*g(t)]=F(\omega)G(\omega)\tag{2-6-1a} F[f(t)∗g(t)]=F(ω)G(ω)(2-6-1a)
F [ f ( t ) g ( t ) ] = F ( ω ) ∗ G ( ω ) (2-6-1b) \mathscr{F}[f(t)g(t)]=F(\omega)*G(\omega)\tag{2-6-1b} F[f(t)g(t)]=F(ω)∗G(ω)(2-6-1b)

6.3 解释

从(2-6-1a)可以看出，时域卷积在频域中表示为频域相乘。从(2-6-1b)可以看成，频域卷积能够表示为时域相乘。使用这种性质，可以制作出一些保留特定频率的滤波器；在卷积神经网络中的卷积层也是运用了这种思想来提取图像中特定的特征。

这里只是为了直观对比而进行了简化，实际上积分的定义有着非常复杂和严谨的过程！ ↩︎
在这里使用了 F F F和 F \mathscr{F} F两种表述，前者为傅里叶变换后的象函数，后者为傅里叶变换运算符，不严谨的来讲在某些地方两者表达的是同一个内容，因此在这里可能会出现混用的情况。 ↩︎

谱分析——连续傅里叶变换相关推荐

【OpenCV 例程200篇】73. 二维连续傅里叶变换
[OpenCV 例程200篇]73. 二维连续傅里叶变换欢迎关注『OpenCV 例程200篇』系列,持续更新中欢迎关注『Python小白的OpenCV学习课』系列,持续更新中 2.1 二维 ...
《信号与系统》——连续傅里叶变换与拉布拉斯变换专题
公众号公式总结信号与系统:研究时域连续的模拟信号一.线性时不变系统(LTI) 3.1 我们研究的是什么信号 LTI系统卷积.微分方程.差分方程系统函数 3.3常见的RC滤波器与电路高通滤波 ...
连续傅里叶变换和离散傅里叶变换的关系
今天复习了一下连续傅里叶变换和离散傅里叶变换的关系. 定义一个间隔为a的无限冲激序列串函数S(ta)=∑n=−∞∞δ(na−t)=∑n=−∞∞δ(a(n−ta))=∑n=−∞∞1aδ(n−ta)S(\ ...
【 MATLAB 】使用 MATLAB 实现模拟信号的近似及其连续傅里叶变换
严格来说,利用MATLAB是不可能用来分析模拟信号的.然而,如果有足够小的时间增量在足够细的栅格上对采样而产生一种平滑的图,并有足够大的时间来展示所有的模式,那么就能对模拟信号作近似分析.令是栅格间隔 ...
常用函数的连续傅里叶变换对
本文整理了一些常用函数的傅里叶变换,方便自己以后查找,也希望对大家有用 1.连续函数傅里叶正反变换公式: 2.脉冲函数的正反傅里叶变换公式: 3.单位阶跃函数的正反傅里叶变换公式: 4.指数函数(单 ...
连续和离散的傅里叶变换
文章目录连续傅里叶变换和逆变换 e − ∣ t ∣ 2 \frac{e^{-|t|}}{2} 2e−∣t∣的傅里叶变换! cacni 连续傅里叶变换和逆变换 F ( w ) = F [ f ( t ...
快速傅里叶c51语言程序,快速傅里叶变换及其C程序
变换常常可以简化问题的分析和求解过程.人们常会在这样那样的场合使用这一技巧.在科学研究的许多领域,人们发现傅里叶变换(FT)对于问题的求解和简化特别有用. 傅里叶变换方法又称为谱分析方法,具有普适性. ...
快速傅里叶变换（FFT）算法【详解】
快速傅里叶变换(Fast Fourier Transform)是信号处理与数据分析领域里最重要的算法之一.我打开一本老旧的算法书,欣赏了JW Cooley 和 John Tukey 在1965年的文章 ...
【 MATLAB 】模拟信号采样及离散时间傅里叶变换（DTFT）案例分析
这篇博文中使用的模拟信号为上篇博文:[ MATLAB ]使用 MATLAB 实现模拟信号的近似及其连续傅里叶变换中使用的模拟信号: 为了研究在频域数量上的采样效果,对该信号使用两种不同的采样频率采样 ...

谱分析——连续傅里叶变换