第一章 傅立叶分析简介

1. 1 概述
受到热扩散方程数学模型的启发，著名科学家傅立叶在 1807 年向法国国家科学院提交
的一篇报告中指出，任何周期函数都可以用一系列正弦波来表示。通过一个半世纪的不断完
善与发展，以傅立叶级数以及傅立叶积分理论作为主要研究内容的调和分析理论已经在数
学、物理学以及工程实践中得到广泛应用。本书将要重点介绍的小波理论正是在人们充分研
究了傅立叶分析方法的特点与局限性后建立起来的，因此，结合本书的需要，本章我们介绍
了傅立叶分析的基本概念与基础理论。
首先，通过下面的例子说明傅立叶分析在实际问题中具有广泛的应用特性。
例 1.1 考虑下面的热传导方程

u t ( x, t ) = u xx ( x, t ), 0 < t ,0 ≤ x ≤ π

 u ( x,0) = f ( x), 0≤ x≤π （1.1）
 u (0, t ) = A, u (π , t ) = B.


上述偏微分方程的解 u ( x, t ) 表示长度为 π 的导体在位置 x、时间 t 时的温度。其中 t = 0 时 x

处的初始温度为 f (x) ，而导体的端点 x = 0, x = π 处的温度保持不变，分别为 A 与 B。为了

便于求解，不妨假设 A = B = 0。
下面考虑利用变量分离法求解上述方程，假设解具有形式：

u ( x, t ) = Y ( x)V (t )

其中函数 Y 与 V 分别为关于点 x 与时间 t 的函数，其定义域分别为 0 ≤ t ,0 ≤ x ≤ π 。

将上述表达式代入到（1.1）的第一式直接得到

V / (t ) Y // ( x)
Y ( x)V (t ) = Y ( x)V (t )
/ //
或者等价地 = （1.2）
V (t ) Y ( x)
（1.2）式的第二式中的左右两端分别为 t 与 x 的函数。由于 t 与 x 相互独立，因此存在常数

V / (t ) Y // ( x)
c 使得 = = c 成立。按照上述方程的第一个表达式得到 V (t ) = de ct 对于某个
V (t ) Y ( x)

常数 d 成立。考虑到 V(t)的物理特性，常数 c 不可能为正数（否则 lim | V (t ) |= +∞ ），同

t →∞

− λ2 t
时 c 也不可能为 0（否则 V (t ) = d ），因此存在正数 λ 使得 c = −λ ，即 V (t ) = de
2
。将

之代入（1.2）得

Y // ( x) + λ2Y ( x) = 0,0 ≤ x ≤ π , Y (0) = 0, Y (π ) = 0. （1.3）

解上述微分方程的边值问题得到

Y ( x) = a cos(λx) + b sin(λx) 。
利用边值条件进行检验有 a = Y (0) = 0, 以及 Y (π ) = b sin(λπ ) = 0 知道 λ 必须为正整数，

设为 λ = k ，而对应的系数 b 相应变为 bk ，即 ， Yk ( x) = bk sin( kx) 为方程（1.3）的解。

− λ2 t
注意到对于任意自然数 k， Yk (x) 均满足方程（1.3），结合 V (t ) = de ，得到

u k ( x, t ) = bk e − k t sin(kx)
2

为方程（1.1）的一个解，而一般解通过特解的叠加得到
∞
u ( x, t ) = ∑ bk e − k t sin(kx)
2
（1.4）
k =1

利用 f ( x) = u ( x,0) 以及 （1.4）有

∞
f ( x) = ∑ bk sin(kx) （1.5）
k =1

（1.5）称之为函数 f (x) 的傅立叶级数展开。而系数 bk 由函数 f (x) 确定，至于如何确定将在

下几节加以讨论。
例 1.2 基于傅立叶级数的信号分析方法。

考察正弦波函数 sin(kt ) ，显然，该函数周期为 2π / k ，对应的频率为 k，一般的乐器

发出的声音以及电压等信号都可以通过具有不同频率的正弦波函数叠加来表示。例如，形

如 100 sin(t ) + 3 sin( 20t ) − 0.5 sin(100t ) 的信号在长度为 2π 时间段内分别振动次数为 1，

20 以及 100，其中，频率为 1 的分量振幅最大，达到 100（具有决定性作用）。一般情形下，

信号 f (t ) 可以用下面正弦波的无穷和形式来进行分解

f (t ) ∼ a 0 + ∑ a k cos(kt ) + bk sin(kt ) （1.6）

k

按照（1.6）进行正弦波分解可以很方便的对信号实现压缩与去噪。事实上，由于在实际应

用中碰到的信号其频率均限制在某个特定的范围之内，因此存在自然数 N，当 | k |> N 时满

足 a k = bk = 0 。这表明，如果对于接收到的实际信号实行正弦波叠加分解时出现 | k |> N

而（a k，bk）≠（0，
0）的情况，说明接收信号过程中混入噪声，因此直接设定 a k = bk = 0 ，

则 达 到 去 除 高 频 噪 声 的 目 的 。 另 外 ， 利 用 Remann-Lebesgue 引 理 ， 知 道

lim a k = lim bk = 0 ，这表明一般的实际信号中高频成分随着频率 k 变大时，其值变得

k →∞ k →∞

越来越小，信号主要成分为少数系数（振幅）所控制，因此，设定阈值 ε ，只要

| a k |< ε , | bk |< ε ，则令 a k = bk = 0 ，可以在高保真的前提下达到信号压缩的目的。

 上面两个例子说明了傅立叶级数的应用。但在上述例子中按照傅立叶级数进行展开时

（1.5）中系数 bk 如何确定，例 1 中导体的长度不等于 π

还有一些问题没有得到解决。例如，

时如何求解，信号持续的时间段为一般的 l, l ≤ ∞ 时如何实现分解等，这些问题将在下面的

几节中逐步加以解决。
1. 2 傅立叶级数初步
本节我们讨论函数的傅立叶级数展开问题，首先限制函数的定义区间为 [ −π , π ] ，然后

对一般的区间进行讨论。为此需要建立下面的基本结论。
引理 1.1(三角基函数的正交性质) 由三角基函数组成的集合

cos(2 x) cos( x) 1 sin( x) sin( 2 x)

{L , , , , , ,L}
π π 2π π π

在区间 [ −π , π ] 上正交，即

π
1
π ∫π cos(nx) sin(mx)dx =0, n, m ∈ Z ,
−

π  1, n = m ≥ 1,
1 
∫
π −π
cos(mx) cos(nx)dx =  2, n = m = 0,
0, 其它。

π
1  1, n = k ≥ 1,
π −
∫π sin(mx) sin(nx)dx =0, 其它。
（1.7）

证明 引理的证明需要下面三角函数的积化和差公式

1 1
cos x cos y = [cos( x + y ) + cos( x − y )], sin x sin y = [cos( x − y ) − cos( x + y )],
2 2
1
sin x cos y = [sin( x + y ) + sin( x − y )]
2
因此当 m ≠ n 时有
π π
1
∫−π cos(mx) cos(nx)dx = 2 −∫π[cos(m + n) x + cos(m − n) x]dx
1 sin(m + n) x sin(m − n) x π
= [ + ] | −π = 0.
2 m+n m−n
而当 m = n ≥ 1 时，有
π π
1
∫ cos (nx)dx = ∫π 2 (1 + cos 2nx)dx = π 。
2

−π −

故（1.7）的第二个式子成立。至于其它两个表达式的证明，完全类似，为简便计，略去。
利用引理 1.1，我们证明下述函数的傅立叶展开定理。
 定理 1.1 设定义在区间 [ −π , π ] 上的函数 f (x) 的傅立叶级数展开为

+∞
f ( x) = a 0 + ∑ a k cos(kx) + bk sin( kx) ， （1.8）
k =1

则其傅立叶系数满足
π
1
a0 =
2π ∫π f ( x)dx,
−
（1.9）

π π
1 1
ak =
π ∫
−π
f ( x) cos(kx)dx, bk =
π ∫ f ( x) sin(kx)dx, k = 1,2,3,L
−π
(1.10)

证明 为简单计，只计算系数 a k .

在（1.8）中两边乘上 cos(nx) 实施积分运算并利用引理 1.1 得到

π π +∞

∫ f ( x) cos(nx)dx = ∫ (a0 + ∑ a k cos(kx) + bk sin(kx)) cos(nx)dx

−π −π k =1
π
= a n ∫ cos(nx) cos(nx)dx
−π

= a nπ

因此（1.10）的第一个式子成立，同理得到其它两个式子成立。

需要说明的是，对于定义在区间 [a, a + 2π ] 上的周期为 2π 的函数 G (x) ，可以很容易

a + 2π π
地证明 ∫ G( x)dx = ∫ G( x)dx 。因此利用该式以及（1.9）―(1.10)不难知道定义在任意
a −π

长度为 2π 区间上的周期函数，其傅立叶级数展开与（1.8）相同。

现在讨论定义区间为任意长度 l 时函数的傅立叶级数展开问题。设函数 f (x) 定义在区

间 [a, b], l = b − a 上，为了利用区间 [ −π , π ] 上函数的傅立叶级数展开性质，做线性变换

l a+b
x= t+ ， 则 当 t ∈ [ −π , π ] 时 ， x ∈ [ a, b] ， 此 时 构 造 函 数
2π 2
l a+b
f ( x) = f ( t + ) = F (t ) ，则 F (t ) 为定义在区间 [−π , π ] 上周期为 2π 的函数，利用
2π 2
定理 1.1， F (t ) 存在下面的傅立叶级数展开

+∞
f ( x) = F (t ) = a 0 + ∑ a k cos(kt ) + bk sin( kt )
k =1

其中
 π
1
a0 =
2π ∫ F (t )dt ,
−π

π π
1 1
ak =
π ∫ F (t ) cos(kt )dt , b
−π
k =
π ∫ F (t ) sin(kt )dt , k = 1,2,3,L
−π

2π a+b
由于 t = x− π ，因此有
l l
π b
1 1
a0 =
2π ∫ F (t )dt =
−π
l ∫a
f ( x)dx, （1.11）

π
a+b
b
1 2 2
ak =
π ∫ F (t ) cos(kt )dt =
−π
∫
l a
f ( x) cos( x −
l l
)kπdx,
(1.12)
π
a+b
b
1 2 2
bk = ∫ F (t ) sin(kt )dt = ∫ f ( x) sin( x − )kπdx, k = 1,2,3,L
π −π l a l l
以及
+∞
2 a+b 2 a+b
f ( x) = a 0 + ∑ a k cos( x − )kπ + bk sin( x − )kπ (1.13)
k =1 l l l l
下面我们讨论傅立叶级数（1.8）以及（1.13）的收敛性问题。主要讨论三种收敛性，
分别为逐点收敛、一致收敛以及平均收敛。首先讨论逐点收敛的一个充分条件。

定理 1.2 假设函数 f (x) 为每个点存在左、右导函数周期为 2π 的分段连续函数，则在点

x 处函数 f (x) 的傅立叶级数收敛到函数

f ( x + 0) + f ( x − 0)
（1.14）
2
证明 首先假设函数 f (x) 在点 x 处连续且存在导数，其部分和为

N
S N ( x) = a 0 + ∑ a k cos(kx) + bk sin(kx)
k =1

利用（1.9）与(1.10)可以将上式等价地表示为
π
1 1 N
+ ∑ cos(kt ) cos(kx) + sin( kt ) sin( kx)]dt
π −∫π
S N ( x) = f (t )[
2 k =1
又由三角求和公式得到
 1 N 1 N
+ ∑ cos(kt ) cos(kx) + sin(kt ) sin(kx) = + ∑ cos k (t − x)
2 k =1 2 k =1
 sin(( N + 1 )(t − x)
 2 , t ≠ x,
=  2 sin(t − x )
2

 N + 1 , t = x.
2
因此
π π
1 sin( N + 1 / 2)(t − x)
S N ( x) =
2π ∫π
−
f (t )(
sin((t − x) / 2)
)dt ≡ ∫ f (t ) PN (t − x)dt
−π
（1.15）

其中

sin( N + 1 / 2) y
PN ( y ) =
2π sin( y / 2)
称之为 Possion 核，显然有
π

−
∫π P N ( y )dy = 1 。 （1.16）

由于 f (x) 以及 PN (x) 以 2π 为周期，因此推得

π π −x
S N ( x) = ∫
−π
f (t ) PN (t − x)dt = ∫ f ( y + x) P
−π − x
N ( y )dy
（1.17）
π
= ∫ f ( y + x) P
−π
N ( y )dy

由（1.16）与(1.17)知道
π
f ( x) − S N ( x) = ∫ [ f ( x) − f ( x + y )]PN ( y )dy
−π
π
1 f ( x) − f ( x + y )
=
2π ∫π (
−
y
) sin[( N + 1 / 2) y ]dy
sin
2
f ( x) − f ( x + y )
记 F ( y) = ，由于 lim F ( y) = 2 f
/
( x) ，这表明 F ( y ) 在区间 [−π , π ]
y y →0
sin
2
上连续，因此利用 Remann-Lebesgue 引理，我们得到
π
f ( x) − f ( x + y )
∫π (
−
y
) sin[( N + 1 / 2) y ]dy → 0( N → ∞)
sin
2

此即 lim S N ( x) = f ( x) ,这便证明了函数连续且导函数存在时傅立叶级数的收敛性定
N →∞

理。
 下面研究 x 为函数 f (x) 的第一类间断点且其左右导函数均存在时的收敛性问题。

sin( N + 1 / 2) y
注意到函数 PN ( y ) = 为偶函数以及（1.16）推得
2π sin( y / 2)

π 0
1
∫P
0
N ( y )dy = ∫π P
−
N ( y )dy = .
2
（1.18）

为了证明定理，下面分别证明
π
f ( x + 0) f ( x − 0)
0

∫
0
f ( y + x) PN ( y )dy →
2
, ∫ f ( y + x) PN ( y )dy →
−π
2
。

利用（1.18），上式等价于
π 0

∫ [ f ( y + x) − f ( x + 0)]P
0
N ( y )dy → 0, ∫ [ f ( y + x) − f ( x − 0)]PN ( y )dy → 0
−π
（1.19）

事实上，构造函数
f ( x + 0) − f ( x + y )
F ( y) = ，
y
sin
2
lim F ( y) = 2 f ( x + 0) ，因此，利用 Remann-Lebesgue 引理，（1.19）的第一个式子
/
则有
y →0

成立，同理可以证明其第二式也成立。

现在我们来讨论傅立叶级数部分和的一致收敛性问题。S n (x) 一致收敛到函数 f (x) 是

指收敛性与收敛速度与点 x 无关，即任给正数 ε > 0 ，存在自然数 N，当项数 n ≥ N 时，

| S n ( x) − f ( x) |< ε 对于任意点 x ∈ [−π , π ] 成立，而一致收敛不成立则意味着存在某个正数

ε > 0 ， 对 于 任 给 的 自 然 数 N ， 都 存 在 项 数 n ≥ N 以 及 x n ∈ [−π , π ] ， 使 得

| S n ( x n ) − f ( x n ) |≥ ε 成立。上面的讨论表明，一致收敛比逐点收敛要求更加严格。1888

年，Michelson 首先发现了函数傅立叶级数逐点收敛但是不一致收敛的例子，1889 年 Gibbs

对此作出了理论上的解释，因此现在将这一现象称之为 Gibbs 现象，下面通过一个具体例子
说明 Gibbs 现象，并给出理论上的结果。

例 1.3 考虑 [ −π , π ] 上的分段连续函数

 π − x,0 ≤ x ≤ π ,
f ( x) = 
− π − x,−π ≤ x < 0.
上述函数在点 x = 0 处间断。下面讨论该函数的傅立叶级数在间断点的收敛性质。

解 不难看出，函数 f (x) 为奇函数，因此其傅立叶展开式系数 bk = 0, k = 1,2, L. 并

且满足
 +∞
sin(kx)
f (x) ∽ 2∑
k =1 k
因此函数与傅立叶级数部分和的残差为
n
sin(kx)
ε n ( x ) = 2∑ − (π − x)
k =1 k
注意到
1
n sin( n + ) x
ε n/ ( x) = 2∑ cos(kx) + 1 = 2 ， ε (0) = −π ，
n
k =1 x
sin( )
2
因此又有
2π 1
sin( n + ) x
2π 2 n +1

∫
εn ( )= 2 dx − π
2n + 1 x
0 sin( )
2
1 t / 2n + 1
实施变量替换 y = ( n + ）x 并利用 lim sin(t / 2n + 1) = 1 成立，有
2 n →∞

π
2π sin y sin( y / 2n + 1)
lim ε n ( ) = 2 lim ∫ • dy − π
n →∞ 2n + 1 n →∞ 0
y y / 2n + 1
π
sin y
= 2∫ dy − π ≈ 0.562
0
y
上面的表达式说明分段函数的傅立叶级数不具有一致收敛性，其残差值 0.562 大约为函数 f(x)

在间断点 x = 0 处跳跃值 f (0 + 0) − f (0 − 0) = 2π 的 9%，一般情形下，我们可以建立下面

的命题。

图 1.1 函数傅立叶级数逼近时 Gibbs 现象描述

命题 1.1 设 f (x) 为周期 2π 的有界变差函数，则对于 f (x) 第一类间断点 x0 ，当

f ( x0 + 0) − f ( x 0 − 0) 为正（负）时，其傅立叶级数在点 x0 + 0 与 x0 − 0 附近时将超过（或

少 于 ） f ( x 0 + 0) 与 少 于 （ 或 超 过 ） f ( x 0 − 0) ， 超 过 或 者 少 于 的 程 度 约 为 跳 跃 度
| f ( x0 + 0) − f ( x 0 − 0) | 的 9%。

关于命题 1.1 的详细证明建议读者阅读更一般的调和分析教材或者参考书。

不难看出，例 1.3 很好地验证了命题 1.1 的正确性，而命题 1.1 说明对于具有第一类间
断点的函数，其傅立叶部分和点收敛而非一致收敛。下面讨论一致收敛条件，为此需要分
段光滑函数的概念。
如果函数每一个点均存在导函数且导函数分段连续，则称之为分段光滑函数，而下面
的定理则给出了一个函数傅立叶级数部分和一致收敛的充分条件。

定理 1.3 分段光滑且以 2π 为周期的函数 f (x) 的傅立叶级数部分和一致收敛到函数

f (x) 。

证明 上述定理的严格证明需要过长的篇幅，为简化证明过程我们将条件放松为函数

f (x) 在区间 x ∈ [−π , π ] 上处处二阶连续可导，而 f (x) 与其二阶导函数 f // ( x) 的傅立叶级

数分别为
f ( x) = ∑ a n cos(nx) + bn sin(nx), f // ( x) = ∑ c n cos(nx) + d n sin( nx)
n n

则直接推导得到

c n = −n 2 a n , d n = − n 2 bn （1.20）

事实上，利用积分的变量替换有
π
1
an =
π ∫ f ( x) cos(nx)dx
−π
π
sin( nx) π 1 sin( nx)
= f ( x) | −π − ∫π f
/
( x) dx
n π −
n
π
1 cos(nx) π cos(nx)
= [ f / ( x) | −π − ∫ f // ( x) dx
nπ n −π
n
1
=− cn
n2
同理可以证明（1.20）的第二个式子成立。

由于假设函数 f (x) 的二阶导函数连续，因此存在常数 M，使得 | f ( x) |≤ M 在

//

x ∈ [−π , π ] 上成立，于是有

π
1
| c n |= ∫π f ( x) cos(nx)dx | ≤ 2 M ,
//
|
π −

类似地 | d n |≤ 2M 成立。

于是函数 f (x) 的傅立叶级数部分和

 N
S N ( x) = a 0 + ∑ a k cos(kx) + bk sin(kx)
k =1

与函数 f (x) 的差（余项）满足

∞
| f ( x) − S N ( x) |=| ∑a
n = N +1
n cos(nx) + bn sin( nx) |
∞
≤ ∑| a
n = N +1
n | + | bn |
（1.21）
∞
|c |+|d |
= ∑ n 2 n
n = N +1 n
∞
1
≤ 4M ∑ 2
n = N +1 n

∞
1
注意到 ∑n
n =1
2
收敛，（1.21）表明函数 f (x) 的傅立叶级数部分和一致收敛到函数 f (x) 。

现在再来讨论函数的平均收敛性问题。

所 谓 函 数 序 列 { f n ( x)} 在 函 数 空 间 L ([−π , π ]) 内 平 均 收 敛 指 的 是 存 在 函 数
2

f ( x) ∈ L2 ([−π , π ]) 使得

lim ∫ | f
n →∞ −π
n ( x) − f ( x) | 2 dx = 0 . (1.22)

为了研究傅立叶级数的平均收敛性质，首先讨论傅立叶基函数的一个投影性质。

设 f ( x) ∈ L ([−π , π ]), PN = span{1, cos(nx), sin( nx),1 ≤ n ≤ N } 为三角基

2
引理 1.2

函数张成的函数空间，则函数 f (x) 的傅立叶级数部分和

N
S N ( x) = a 0 + ∑ a k cos(kx) + bk sin(kx)
k =1

2
在 L 范数的意义下构成 f (x) 在空间 PN 内的最优逼近，即

|| f − S N || L2 = min || f − p || L2 （1.23）
p∈PN

N
证明 设三角多项式 p ∈ PN ，且 p ( x) = c0 + ∑c
k =1
k cos(kx) + d k sin(kx) ，于是
 π N
|| f − p || 2
L2 ([−π ,π ])
= ∫ | f ( x) − (c0 + ∑ ck cos(kx) + d k sin(kx)) |2 dx
−π k =1
π π N π π
= ∫ | f ( x) | 2 dx − 2c0 ∫ f ( x)dx − 2(∑ ck ∫ f ( x) cos(kx)dx + d k ∫ f ( x) sin(kx)dx)
−π −π k =1 −π −π
π π
+ ∑ (c
k , n ≥0
k cn ∫ cos(kx) cos(nx)dx + ck d n ∫ cos(kx) sin(nx)dx)
−π −π
π
+ ∑ d d ∫ sin(kx) sin(nx)dx)
k ,n≥1
k n
π −
π N N N
= ∫ | f ( x) | 2 dx − 2πc0 a0 − 2π ∑ ck ak − 2π ∑ d k bk + 2πc02 + π ∑ (ck2 + d k2 )
−π k =1 k =1 k =1

（1.24）
上式的建立利用了三角基函数的正交特性。

为 了 求 出 函 数 f (x) 在 空 间 PN 内 的 最 优 逼 近 ， 在 （ 1.24 ） 中 将

c k ,0 ≤ k ≤ N − 1, d k ,1 ≤ k ≤ N − 1 看成变量，于是

F (c0 , c1 , L, c N −1 , d1 ,L, d N −1 ) =|| f − p || 2L2 ([ −π ,π ])

构成一个包含 2 N − 1 个变量的二次函数，其极小值可以通过设置偏导数为零得到，即设
∂F (c0 , c1 , L, c N −1 , d1 ,L, d N −1 )
= 0, k = 0,1,2,L, N − 1;
∂c k
（1.25）
∂F (c0 , c1 , L, c N −1 , d1 ,L, d N −1 )
= 0, k = 1,2,L, N − 1.
∂d k
展 开 （ 1.25 ） 得 到 一 个 包 含 2 N − 1 个 变 量 的 线 性 方 程 组 ， 解 此 得 到

c k = a k , k = 0,1,2,L, N − 1; d k = bk , k = 1,2,L , N − 1. 即

|| f − S N || L2 = min || f − p || L2
p∈PN

成立。引理结论成立。
下面我们引入一个函数傅立叶级数部分和的平均收敛定理。

当函数 f ( x) ∈ L ([−π , π ]) 时，其傅立叶级数的部分和平均收敛到函数

2
定理 1.4

f (x) ，即

lim || S n ( x) − f ( x) || L2 ([ −π ,π ]) = 0 （1.26）
n →∞

利用泛函分析的基本知识，对于 f ( x) ∈ L ([−π , π ]) ，存在光滑且以 2π 为周

2
证明
期的函数序列 { f n ( x)} 满足 lim || f − f n || L2 ([ −π ,π ]) = 0. 即，任给 ε > 0, 存在自然数 M，当
n →∞

n ≥ M 时，有 || f − f n || L2 ([ −π ,π ]) < ε 。另一方面，对于函数 f M (x) ，设其傅立叶级数部分

和为 S n (x) ，则利用函数 f M (x) 的光滑特性知道 S n (x) 一致收敛到函数 f M (x) ，此即对于

任意的 ε > 0, 存在自然数 N，当 n ≥ N 时 | S n ( x) − f M ( x) |< ε 在 [ −π , π ] 上一致成立。

于是
π
|| S n ( x) − f M ( x) || 2L2 ([ −π ,π ]) = ∫ ( S n ( x) − f M ( x)) 2 dx < 2πε 2
−π

|| S n ( x) − f M ( x) || L2 ([ −π ,π ]) < 2π ε

因此当 n > N 时，
|| S n ( x) − f ( x) || L2 ([ −π ,π ]) ≤|| S n ( x) − f M ( x) || L2 ([ −π ,π ]) + || f M ( x) − f ( x) || L2 ([ −π ,π ])
< (1 + 2π )ε
定理证毕。

在 应 用 科 学 中 ， 人 们 常 将 定 义 在 集 合 E 上 信 号 f (x) 的 能 量 定 义 为

1
|| f ||= ( ∫ | f ( x) | 2 dx) 2 ，下面的 Parseval 方程说明信号的能量可以通过其傅立叶系数来衡
E

量，并且有下面的定理。

定理 1.5 对于 f ( x) ∈ L ([−π , π ]) ，假设实数与复数形式的傅立叶级数分别为

2

∞
f (x) ∽ a 0 + ∑ a k cos(kx) + bk sin(kx) （1.27）
k =1

与
∞

f (x) ∽ ∑α
k = −∞
k e jkx , j = −1 (1.28)

则对应于（1.27）与（1.28）分别有
π
1 1 ∞
∫−π| ( ) | | 0 | 2 (∑
= + | a k | 2 + | bk | 2 )
2 2
f x dx a （1.29）
2π k =1

与
π ∞
1
2π ∫ | f ( x) | dx =
2
∑| α
k = −∞
k |2 （1.30）
−π
 ∞
更进一步地，如果 g ( x) ∈ L ([−π , π ]) 以及
2
g (x) ∽ ∑β
k = −∞
k e jkx ，则（1.30）变为

π ∞
1 1
2π
< f , g >=
2π ∫ f ( x) g ( x)dx = ∑α
k = −∞
k βk （1.31）
−π

证明 为简便记只证明（1.31）成立，其它两个表达式的证明是类似的。

将函数 f (x) 与 g (x) 的傅立叶级数部分和分别表示为

n n
S n ( x) = ∑α k e jkx
k =− n
与 Gn ( x) = ∑β
k =− n
k e jkx

利用三角基函数的正交性有 < e jnx , e jmx >= 2πδ n ,m ，因此

n n
< S n ( x), Gn ( x) >= ∑ ∑α
k = − nm = − n
k β m < e jkx , e jmx >
n
= 2π ∑α
k =− n
k βk

另一方面，

|< f , g > − < S n , Gn >|=||< f − S n , g > + < S n , g − Gn >|

≤|| f − S n || || g || + || S n || || g − Gn ||

利 用 上 面 的 不 等 式 以 及 定 理 1.4 ， 在 L ([−π , π ]) 的 意 义 下 ， S n ( x) → f ( x) ，
2

Gn ( x) → g ( x)(n → ∞) ，知道（1.31）成立。

特别地，如果将（1.30）的傅立叶级数和进行有限截断，则得到下面的 Bessel 不等式：

π n
1
2π ∫ | f ( x) | dx ≥
2
∑| α
k =− n
k |2 （1.32）
−π

∞
1
现在通过一个数列级数 ∑k
k =1
2
的求和计算来说明 Parseval 等式的应用。

事实上，构造函数 f ( x) = x, x ∈ [ −π , π ] ，该函数为奇函数，其傅立叶级数的系数满

2(−1) k +1
足： a k = 0, bk = , k = 1,2,L ，于是利用（1.30）有
k
π
π2 1 1 ∞ 4 ∞
1 π2
3
=
2π ∫ x dx =
2
∑
2 k =1 k 2
, 即 ∑
k =1 k
2
=
6
.
−π

作为本节的结束，我们介绍一个非负三角函数开平方的定理，该定理在正交小波的
构造中具有重要作用。

N
定理 1.6(Riesz 引理) 设 a n ∈ R, A(ϖ ) = ∑a
n =0
n cos nϖ 是一个非负三角多项式，则

N
存在 N 阶三角多项式 B (ϖ ) = ∑ bn cos nϖ ， bn ∈ R 使得 | B (ϖ ) | 2 = A(ϖ ).
n =0

证明 整个证明是构造性的。将多项式 A(ϖ ) 重新表示为

1 N
A(ϖ ) = a0 + ∑
2 n =1
an (e inϖ + e −inϖ )

1 N −1 1 N−
= e −iNϖ ( ∑
2 n =0
a N −n e inϖ
+ a 0 e iNϖ
+ ∑
2 n =0
an e i ( N + n )ϖ )

iϖ
引进复变量 z = e 的多项式

1 N −1 1 N
PA ( z ) = ∑
2 n =0
a N −n z n
+ a 0 z N
+ ∑
2 n =1
an z N +n

PA (z ) 存在 2N 个零点。下面说明，如果 z 0 是 PA (z ) 的零点，则 z 0−1 , z 0 , z −1 都是 PA (z ) 的零

点。

事实上，由于 a n ∈ R ，因此 PA ( z ) = PA ( z ) ，故 z 0 , z 0 同时为 PA (z ) 的零点。此外，在

iϖ
单位圆 {| z |= 1} 上， A(ϖ ) = A( −ϖ ), PA (e ) = e iNϖ A(ϖ ) ，故有

e 2iNϖ PA (e −iϖ ) = e iNϖ A(−ϖ ) = e iNϖ A(ϖ ) = PA (e iϖ ),

这说明两个多项式 z
2N
PA ( z −1 ) 与 PA (z ) 在单位圆上一致，故处处相等。因此，PA ( z ) = 0 等

−1 −1 −1
价于 PA ( z ) = 0 。但是， a N ≠ 0, 因此 z = 0 不是多项式 PA ( z ) = 0 的根，因此 z 0 , z 0 , z

都是 PA (z ) 的零点。于是

1
PA ( z ) = a N [∏ ( z − rk )( z − rk−1 )][∏ ( z − z j )( z − z −j 1 )( z − z j )( z − z −j 1 )]
2 k j

iϖ iϖ
由于在单位圆上，即 z = e ，有 | (e − z 0 )(e iϖ − z 0−1 ) |=| z 0 | −1 | e iϖ − z 0 | 2 。因此
 1 1
1 −
A(ϖ ) =| A(ϖ ) |=| PA (e iϖ ) |= [( | a N |) 2 ∏ | rk | 2 ∏| z j | −1 ] 2
2 k j

• | ∏ (e iϖ
− rk )∏ (e iϖ
− z j )(e iϖ
− z j ) | =| B(ϖ ) | 2
2

k j

其中
1 1
1 −
B (ϖ ) = ( | a N |) 2 ∏ | rk | 2 ∏| z j | −1 ∏ (e iϖ − rk )∏ (e iϖ − z j )(e iϖ − z j ) |
2 k j k j

N
是实系数的形如 ∑b e
n =0
n
inϖ
的多项式。

1.3 连续傅立叶变换
在上一节中我们讨论函数的傅立叶级数都是在具有有限周期（尤其是周期为 2π ）的情
形下展开的。但是，无论从理论还是在实践中，对非周期函数性质的讨论都是必要的，因此

本节将研究非周期函数的傅立叶级数的性质，为此首先将函数 f (x) 的周期设为有限数 2l ，

并将讨论的区间限制在 [−l , l ] 上对傅立叶级数进行讨论。

1.3.1 连续傅立叶变换的概念与基本性质

对于区间 [−l , l ] 上的函数 f (x) ，其复数形式的傅立叶级数展开为

∞ l − jkπy
1
f (x) ∽ ∑α
k = −∞
k e jkπx / l
，α k =
2l −∫l
f ( y )e l
dy

将上面两个式子合并为
∞ l
1
f ( x) = ∑ ∫
k = −∞ 2l − l
f ( y )e jkπ ( x − y ) / l dy （ 1.32）

对于定义在实轴上的非周期函数，可以看作为 l → ∞ 后的结果，即
∞ l
1
f ( x) = lim
l →∞
∑
k = −∞ 2l ∫ f ( y )e jkπ ( x − y ) / l dy
−l

kπ π l
1
∫ f ( z )e
jy ( x − z )
定义 yk = , ∆y k = ∆ = y k +1 − y k = 以及 Fl ( y ) = dz ，则上式变为
l l 2π −l

∞
f ( x) = lim ∑ F (y
l →∞ k = −∞
l k )∆y k （1.33）

∞
注意到当 l → ∞ 时，
（1.33）中求和公式的极限（如果存在的话）为 ∫ F ( y)dy ，再对该积
−∞
l

分实施极限与积分的换序并利用（1.33）产生出下面的表达式
 ∞ ∞
1
∫ ∫ f ( y )e
jϖ ( x − y )
f ( x) = dϖdy
2π − ∞− ∞
（1.34）
∞ ∞
1 1
∫( ∫
− jyϖ jϖx
= f ( y )e dy )e dϖ
2π −∞ 2π −∞

在（1.34）中，令
∞
1
∫ f ( y )e
− jyϖ
fˆ (ϖ ) = dy （1.35）
2π −∞

上式称之为函数 f (x) 的傅立叶变换，同时利用（1.34）还有

∞
1
∫ fˆ (ϖ )e
jϖ x
f ( x) = dϖ （1.36）
2π −∞

即函数 f (x) 也可以通过其傅立叶变换得到，并称之为傅立叶反演公式。

通过前面的简单讨论，我们初步建立了当函数具有无限周期时，其傅立叶级数展开可以
通过有限周期函数的傅立叶级数展开并取极限得到，此时的表达式不再为傅立叶级数的形式
而变成形如（1.35）与(1.36)的积分形式，并由此得到傅立叶变换与傅立叶变换反演的概念
和公式。但是需要指出的是，前面的推导过程是缺乏严谨性的。例如，推导过程中要求
∞
f ( x) = lim ∑ F (y
l →∞ k = −∞
l k )∆y k 存在积分与极限顺序可以交换，即

∞ ∞

lim ∫ F ( y)dy = ∫ lim F ( y)dy 。

l →∞ − ∞
l l
− ∞ l →∞

而上述两项要求对于一般的可积函数而言并不成立，因此当上述条件不满足时傅立叶变换或
者其反演都将失去意义，有必要对上述推导过程成立的前提进行详细讨论。
∞
定理 1.7 设 f (x) 为 L 可积（即 | f ( x) | dx < ∞ ）的分段光滑函数，则其傅立叶变换 ∫
1

−∞

∞
1
∫ f ( y )e
− jyϖ
fˆ (ϖ ) = dy (1.37)
2π −∞

有意义，并且函数 f (x) 可以通过其傅立叶反演表示

∞
1
∫ fˆ (ϖ )e
jϖ x
f ( x) = dϖ （1.38）
2π −∞

证明 傅立叶变换（1.37）有意义是显而易见的，因此只需要证明（1.38）成立即可，
结合考虑（1.37）与（1.38），等价于证明
 ∞ ∞
1
∫ ∫ f ( y )e
j ( y − x )ϖ
f ( x) = dydϖ
2π − ∞− ∞
n ∞
1
=
2π lim ∫ ∫ f ( y)[cos( y − x)ϖ + j sin( y − x)ϖ ]dydϖ
n→∞ − n −∞
∞ n
1
=
2π lim ∫ f ( y){ ∫ [cos( y − x)ϖ + j sin( y − x)ϖ ]dϖ }dy
n→∞ −∞
（1.39）
−n
∞
1 sin n( y − x)
π lim ∫
= f ( y )dy
n→∞ −∞
y−x
∞
1 sin nz
π lim ∫
= f ( x + z )dz
n→∞ −∞
z

∞
sin(nz)
注意到对于任意 n ≠ 0 ， ∫
−∞
z
dz = π ，因此

∞ ∞
1 sin(nz ) sin(nz )
f ( x) − ∫ f ( x + z )dz = ∫ ( f ( x) − f ( x + z ))dz
π −∞ z −∞
z

对于固定的点 x ，构造函数

 f ( x) − f ( x + z )
 , z ≠ 0,
F ( z) =  z
 − f / (0), z = 0.

则函数 F (z ) 为实轴上定义的连续函数，因此利用 Riemann-Lebesgue 引理有

lim ∫ F ( z ) sin(nz )dz = 0

n →∞ − ∞

这表明（1.39）成立。

为了与其它书籍上傅立叶变换的表示一致，函数 f 的傅立叶变换记为 fˆ (ϖ ) ≡ ℱ[ f (ϖ)]，

下面根据连续傅立叶变换的定义与记号研究它的一些重要性质。

定理 1.8 设函数 f 与 g 均为定义在实轴上的可积函数，则下面的结论成立：

（1）（傅立叶变换的线性特性）对于任意常数 c ，有
 ℱ [ f + g ] = ℱ [ f ] +ℱ [ g ] ，ℱ [cf ] = c ℱ[ f ]，

−1
ℱ [ f + g ] = ℱ −1 [ f ] + ℱ −1 [ g ]，ℱ −1 [cf ] = c ℱ −1 [ f ]

（2）（傅立叶变换的频率求导）

dn
ℱ[ x f ( x) ]（ϖ ）= j { ℱ [ f ](ϖ )}
n n

dϖ n

（3）（傅立叶变换的时域求导）如果还有 f ( x) = 0 对于充分大的 | x | 成立，则

ℱ[ f
( n)
](ϖ ) = ( jϖ ) n ℱ [ f ](ϖ )

（4）（傅立叶变换的平移特性）对于常数 b,

− jbϖ
ℱ[ f ( x − b) ] = e fˆ (ϖ )

（5）（傅立叶变换的调制特性）对于任意常数 ς ，

jςx
ℱ [e f ( x)](ϖ ) = fˆ (ϖ − ς )

（6）（傅立叶变换的伸缩特性）对于任意非零常数 a，

ℱ [ f ( x / a )](ϖ ) =| a | fˆ ( aϖ )

（7）（傅立叶变换的逆特性）

ℱ [ f ](ϖ ) = f ( −ϖ ) ,因此有 ℱ = I ，这说明ℱ

−1
=ℱ .
2 4 3

(8)（傅立叶变换与 Laplace 变换之间的关系）如果函数 f ( x) = 0, x < 0 ，则

 1
ℱ [ f ](ϖ ) = ℒ [ f ]( jϖ )
2π

其中ℒ [ f ] 表示函数 f 的 Laplace 变换，定义为

∫ f ( x )e
−ϖx
ℒ [ f ](ϖ ) = dx
0

证明 这里我们仅证明性质（4）-（6），其它性质的证明作为练习。 为了证明（4）

x−b
与(6)，我们计算 ℱ [ f ( )](ϖ ) 的值，由于
a

∞
x−b 1 x − b − jxϖ
[ fˆ (
a
)](ϖ ) =
2π
∫ f(
−∞
a
)e dx

∞
1
∫ f (t )e
− j ( at + b )ϖ
= | a | dt
2π −∞
∞
| a | e − jbϖ
∫ f (t )e
− j ( aϖ ) t
= dt
2π −∞

=| a | e − jbϖ fˆ (aϖ )

在上式中分别取 ( a, b) = (1, b), ( a,0) 得到（4）与（6）成立。另外，

∞
1
ℜ[e jςx f ( x)](ϖ ) = ∫ f ( x )e
jςx
e − jxϖ dx
2π −∞
∞
1
∫ f ( x)e
− jx (ϖ −ς )
= dx
2π −∞

= fˆ (ϖ − ς )

上式表明（5）的结论成立。

对于信号处理来说，傅立叶变换的一个最重要的性质便是其卷积特性，下面对此给出讨
论。

设函数 f 与 g 均为定义在实轴上的平方可积函数，则函数 f 与 g 的卷积 f ∗ g 定义为

下列积分运算：
 ∞
( f ∗ g )( x) = ∫ f (t ) g ( x − t )dt
−∞
(1.40)

或者等价定义为

∞
( f ∗ g )( x) = ∫ f ( x − t ) g (t )dt
−∞
(1.41)

定理 1.9(傅立叶变换的卷积性质) 假设 f 与 g 均为定义在实轴上的平方可积函数，

ℱ ( f ∗ g) = 2π fˆ • gˆ （1.42）

以及

−1 1
ℱ ( fˆ • gˆ ) = f ∗g （1.43）
2π

证明 由于（1.42）与(1.43)的证明方法完全相同，因此下面仅给出（1.42）的

证明。

∞
1
∫ ( f ∗ g )( x)e
− jxϖ
ℱ ( f ∗ g )(ϖ ) = dx
2π −∞

∞ ∞
1
∫ ∫ f ( x − y) g ( y)e
− jxϖ
= dydx
2π − ∞− ∞

实行变量替换： x − y = t , y = y ，则上面的两重积分变为

∞ ∞ ∞ ∞
1 1
∫∫ f ( x − y ) g ( y )e − jxϖ dydx = ∫ ∫ f (t ) g ( y)e
− j ( y + t )ϖ
dtdy
2π − ∞− ∞ 2π − ∞− ∞
∞ ∞
1 1
∫ f (t )e ∫ g ( y )e
− jtϖ − jyϖ
= 2π [ dt ][ dy ]
2π −∞ 2π −∞

= 2π fˆ (ϖ ) gˆ (ϖ )
 ∞
1
∫ gˆ (ϖ )e
jϖ x
现在讨论傅立叶变换的保持能量特性。利用反演公式 g ( x) = dϖ ，有
2π −∞

∞
〈ℱ[ f ]，ℱ[ g ]〉 L2 = ∫ fˆ ( x) gˆ ( x)dx
−∞

∞ ∞
1
∫ ∫ f (t )e
− jtx
= dtgˆ ( x)dx
2π − ∞− ∞
∞ ∞
1
= ∫ f (t )[ ∫ gˆe
jtx
dx]dt
−∞ 2π −∞
∞
= ∫ f (t ) g (t )dt
−∞

=< f , g > L2

上述公式可以 总结成下面的定理。

定理 1.10 假设 f 与 g 均为定义在实轴上的平方可积函数，则

〈ℱ[ f ]，ℱ[ g ]〉 L2 = < f , g > L2 （1.44）

−1 −1
〈ℱ [ f ]，ℱ [ g ]〉L2 = < f , g > L2 （1.45）

特别地，有 Plancherel 等式

||ℱ[ f ]|| L2 =|| f || L2 （1.46）

公式（1.46）表明，对于能量有限的信号，经过傅立叶变换之后其能量将保持不变。

1
需要指出的是，傅立叶变换的定义以及反演存在的条件都是在 L ( R ) 上讨论的（见定

理 1.7），而内积性质的讨论则限制在空间 L ( R) 上，由于 L ( R) ≠ L ( R) ，因此当函数

2 1 2

f ∈ L2 ( R) 但 f ∉ L1 ( R) 时，则函数 f 的傅立叶变换及其逆变换不能通过（1.37）与（1.38）

来 定 义 。 例 如 ， 区 间 [−1,1] 上 的 特 征 函 数 f ( x) = χ [ −1,1) 的 傅 立 叶 变 换 存 在 并 且 为
 2 sin ϖ
fˆ (ϖ ) = ，显然， fˆ ∈ L ( R ) 而 fˆ ∉ L ( R ) ，即其傅立叶逆变换不能通过（1.38） 得
2 1

ϖ
到，但是另一方面，能量有限信号 f ∈ L ( R ) 具有非常广泛的应用，因此有必要将傅立叶变
2

换推广到能量有限空间 L ( R) .具体做法是利用 L ( R ) ∩ L ( R ) 在 L ( R) 内稠密的性质，通

2 1 2 2

过空间 L ( R ) ∩ L ( R ) 中函数的傅立叶变换的极限来定义 f ∈ L ( R ) 的傅立叶变换。具体过

1 2 2

程为：

设 { f n } ∈ L ( R ) ∩ L ( R ) ，并且 − f || L2 ( R ) = 0 ，由于 { f n } 为空间 L2 ( R) 内

1 2
lim || f
n →∞
n

的收敛序列，因此它构成一个完备序列，对于充分大的自然数 N，当 n, m ≥ N 时，范数

|| f n − f m || L2 ( R ) 任 意 小 ， 另 外 ， 由 于 { f n } ∈ L1 ( R ) ∩ L2 ( R) ， fˆn , fˆm 存 在 ， 因 此 利 用

Plancherel 等式 || f n − f m ||= 2π || fˆn − fˆm || 知道 { fˆn } 也构成一个完备序列，因此存在

一 个 函 数 fˆ ∈ L ( R ) 使 得 lim || fˆ − fˆ ||= 0 ， 于 是 可 以 利 用 fˆ ∈ L2 ( R) 作 为 函 数
2
n
n →∞

f ∈ L2 ( R) 的傅立叶变换。按照上述方法，我们可以定义所有能量有限信号的傅立叶变换。

下面给出出现在傅立叶变换计算中的一些常见的例子，这些例子可以用来简要说明傅立
叶变换的重要性质。

区间 [ −T , T ] 上的特征函数 f ( x) = χ [ −T ,T ) ( x) ，其傅立叶变换为：

2 sin(Tϖ )
T
1
∫e
− jxϖ
fˆ (ϖ ) = dx =
2π −T πϖ

− x2
高斯函数 f ( x ) = e 是一个具有无穷次可微的快速衰减函数，直接验证该函数的傅立

叶变换 fˆ (ϖ ) 满足微分方程 2 fˆ (ϖ ) + ϖfˆ (ϖ ) = 0 ，利用该微分方程以及初始条件 ：

/

∞ ϖ2
1 2 2 −
∫e 求解得到 fˆ (ϖ ) =
− x2
fˆ (0) = dx = e 4
，这表明高斯函数的傅立叶变换
2π −∞
2 2
仍然是高斯函数，同样具有快速衰减特性。

− ( a − jb ) x 2
作类似计算可以求得高斯鸣叫 f ( x ) = e 的傅立叶变换满足：
 ( a + jb )ϖ 2
−
1
fˆ (ϖ ) = e 4 ( a 2 +b 2 )
。
2(a − jb)

上述两个高斯类函数有一个共同点：函数以及傅立叶变换同时快速衰减，但是在任意区间均
不等于零。

由于高斯函数的快速衰减特性，因此在信号处理应用中为了对信号的局部特征进行分析
经常将高斯函数作用到待分析的局部区域，这样做相当与对信号实现加权，主要权重集中在
需要分析的局部区域，离开感兴趣区域越远，权重越小，从而大大提高了分析的准确度。但
是，由于高斯函数及其傅立叶变换永远不能为零，因此利用高斯函数对信号局部特征的分析
不可能是精确的。为了对局部信息进行精确分析，人们希望能够找到具有快速衰减、充分光
滑并能够保证函数以及傅立叶变换同时只在有限区域取非零函数值（称之为具有有限支集特
征）的函数。但是下面的定理说明上述函数是不存在的。

定理 1.11 如果函数 f ≠ 0 具有有限支集，则 fˆ (ϖ ) 不可能在某个区间上为 0，类似

地，如果 fˆ (ϖ ) ≠ 0 具有有限支集，则 f 不可能在某个区间上为 0。

证明 只证明定理的第一部分，第二部分的证明方法完全是类似的。设函数 f ≠ 0 的支

∞ b
1 1
∫ f ( x)e − jxϖ dx = ∫ f ( x )e
− jxϖ
集区间为 [a, b] ，于是 fˆ (ϖ ) = dx ，因此若存在区
2π −∞ 2π a

c + 2d
间 [c, d ] 使得 fˆ (ϖ ) = 0 ，取 t = ，则 fˆ (ϖ ) 在 t 处的 n 次导函数满足：
3

b
1
fˆ ( n ) (t ) = ∫ (− jx) f ( x)e − jtx dx = 0, n = 0,1,2,3, L
n

2π a

于是对于任意ϖ ，有

b
1
fˆ (ϖ ) = ∫ f ( x )e e − j (ϖ −t ) x dx
− jtx

2π a

(− jx) n (ϖ − t ) n
b ∞
1
= ∫ ∑
2π a n =0 n!
f ( x)e − jtx dx

∞
(ϖ − t ) n
b
=∑ ∫ (− jx) n f ( x)e − jtx dx
n =0 n! a
=0

由于上式对于任意的ϖ 成立，利用傅立叶变换的反演公式，得到 f ( x) ≡ 0 ，矛盾，因此 f ( x)

与 fˆ (ϖ ) 不可能同时具有有限支集。

1.3.2 傅立叶变换与线性滤波器

诸如信号去噪、传输等经典的信号处理过程全部通过线性时不变算子实现，而线性时不
变算子本质上由广义函数 δ 确定，因此本节首先讨论了 δ 函数的概念与基本性质，然后研
究傅立叶变换与线性时不变系统的关系，并对因果滤波器进行了较详细的讨论。

设区间 I τ = ( x 0 − τ , x0 + τ ) ，引进脉冲函数
gτ ( x ) 为

 1
 , x ∈ Iτ ;
gτ ( x) = | I τ |
 0, 其他。
（1.47）

下面的图 1.2 描述了 x0 = 0 取 τ 值时，脉冲函数

gτ ( x) 的图形。

gτ ( x )
1
Iτ

−
Iτ
2
Iτ
2
x

图 1.2 脉冲函数
gτ ( x) 的图形

则显然有

∞ x0 +τ
1
∫ gτ ( x − x
−∞
0 )dx = ∫ τ 2τ dx = 1
x0 −

此即
 ∞

lim
τ
∫ gτ ( x − x
→0 − ∞
0 )dx = 1

再取任一 x0 处连续的函数 f ( x) ，利用积分中值定理则有

∞ x0 +τ
1
∫ gτ ( x − x0 ) f ( x)dx =
−∞
2τ ∫ τf ( x)dx =
x0 −
f (ξ )

其中 ξ ∈ ( x0 − τ , x0 + τ ) 。若令 τ → 0 则有

lim
τ
∫ gτ ( x − x
→0 − ∞
0 ) f ( x)dx = f ( x 0 )

现在令 τ → 0 ，并用 δ ( x − x0 ) 表示由

gτ ( x) 所得到的极限函数，称为 δ 函数。该函数具有

下面典型的运算性质：

∫ δ (x − x
−∞
0 )dx = 1 （1.48）

对任意一 x0 处连续的函数 f ( x) ，有

∫ δ (x − x
−∞
0 ) f ( x)dx = f ( x 0 ) (1.49)

它们是由前面的两个对应表达式在积分号下形式地求极限给出。

当函数 f ( x) 存在连续导函数时，可以引进 δ 函数的导函数，

∫δ ( x − x0 ) f ( x)dx = − f / ( x0 )
/

−∞

这个定义与把 δ 函数看作普通函数来运算的结果是相同的。因为由分步积分方法有
 ∞

∫δ ( x − x0 ) f ( x)dx = δ ( x − x 0 ) f ( x) | ∞−∞
/

−∞
∞
− ∫ δ ( x − x0 ) f / ( x)dx
−∞

= − f / ( x0 )

递推地可以建立 δ 函数的 n 阶导数为：

∫δ ( x − x0 ) f ( x)dx = (−1) n f ( n ) ( x0 )
( n)

−∞

其中函数 f ( x) 为任意在 x = x 0 有连续 n 阶导数的函数。

利用上述同样的方法，我们还可以导出下列结果：

1） 对于任意连续函数 g ( x) ， g ( x)δ ( x − x0 ) = g ( x0 )δ ( x − x 0 )

1
2） δ ( ax) = δ ( x), (a ≠ 0)
|a|

3） δ ( x − x0 , y − y 0 , z − z 0 ) = δ ( x − x 0 )δ ( y − y 0 )δ ( z − z 0 )

− jϖx0
4）ℱ[ δ ( x − x0 )] = e ，特别地，ℱ[ δ ( x)] = 1.

前面三个结果是显然的，下面给出结论 4）的简要证明。

∞
事实上，ℱ[ gτ ( x − x0 )] = ∫ gτ ( x − x
−∞
0 )e − jxω dx

x0 +τ
1
∫ τe
− jxϖ
= dx
2τ x0 −

sin(τϖ )
= e − jx0ω
τω

令 τ → 0 并在积分号下形式地求极限得到结论 4）。
 δ 函数又称为 Dirac Delta 函数，它是由英国著名的物理学家，量子力学创始人之一，
1933 年诺贝尔奖获得者 P.A.M.Dirac(狄拉克)为处理脉冲信号而提出的，Dirac 意识到 δ 函
数不是通常意义下的普通函数，因为

 0, x ≠ x0
δ ( x − x0 ) = 
∞, x = x0

但是运算性质（1.48）与 (1.49)成立。

上个世纪 30―40 年代 Dirac 及其追随者利用 δ 函数正确解决了大量物理中的问题，

但由于没有一种严格的数学理论解释，因此经常受到传统数学家的嘲笑。1940 年，法国数
学家，广义函数的创始人之一，1950 年 Fields 奖获得者 Laurent Schwartz(许瓦茨)严格证
明了应用 δ 函数的正确性，从而圆满的回答了为什么使用 δ 函数总是正确的。

下面利用 δ 函数来研究线性时不变算子的性质。

利用（1.49）有

∫ δ (u − t ) f (t )dt =
−∞
f (u )

由算子 L 的线性性与连续性可得

∞
Lf (u ) = ∫ f (t ) Lδ (u − t )dt
−∞

记 h 为 L 的脉冲响应，即

h(u ) = Lδ (u )

由 L 的时不变性可以得到 Lδ (u − t ) = h(u − t ) ，因此

∞ ∞
Lf (u ) = ∫ f (t ) Lδ (u − t )dt = ∫ f (t ) Lδ (u − t )dt = h ∗ f (u ) .
−∞ −∞

这样，一个时不变线性滤波器过程等价于与脉冲响应实施卷积。因此函数 h(t ) 也称之为脉

冲响应函数。
 上述讨论可以总结为如下的定理。

定理 1.12 设 L 为线性时不变变换，则存在可积函数 h 使得

L( f ) = f ∗ h （1.50）

jtϖ
对所有分段连续信号 f (t ) 成立。特别地，对于 f (t ) = e ，由（1.50）得到

L(e jtϖ ) = 2π hˆ(ϖ )e jϖt （1.51）

jtϖ
(1．51)表明，对于纯频率信号 f (t ) = e ， 2π hˆ(ϖ ) 作为其对应的特征值，构成响

jtϖ
应的幅度，因此 hˆ(ϖ ) 也称为系统函数（传输函数）。另外，由于复正弦波 f (t ) = e 作为

线性时不变系统的特征向量，使我们可以将任何信号分解成这些特征向量的和，从而保证直

接用特征向量 2π hˆ(ϖ ) 去表示 L( f ).

利用定理 1.12,线性时不变滤波器的设计等价于构造一个脉冲响应函数 h 满足：

L( f ) = f ∗ h

由于信号分析与去噪等信号处理过程中经常需要构造除去高频信号（经常表现为噪声）的低
通滤波器，下面我们对低通滤波器作出初步的讨论。

对（1.50）两端实施傅立叶变换得到

ℱ L[ f ](ϖ ) = 2π fˆ (ϖ )hˆ(ϖ )

当我们需要抑制高频噪声时，一个非常自然的想法是将信号 f 中高于某个指定频率 V 的信

号去掉，此时非常的简便做法是设置脉冲响应函数 h 为

 1
 , | ϖ |≤ V ,
hV (ϖ ) =  2π
ˆ （1.52）
0, | ϖ |> V .

当将上述脉冲响应函数作用到信号 f 时，信号中频率成分高于 V 的部分将变为 0，这似乎

是一种理想的低通滤波器。下面将看到，这种滤波器存在严重的缺陷。

事实上，利用傅立叶反演公式我们可以求得

hV (t ) = ℱ −1 [hˆV ]

∞
1
=
2π
∫ hˆ
−∞
V (ϖ )e jϖt dϖ

V
1
∫e
jϖt
= dϖ
2π −V .
e jVt − e − jVt
=
2 jtπ
sin(Vt )
=
πt

如果利用上面的脉冲响应函数对输入信号：

 1, 0 ≤ t ≤ T,
f T (t ) = 
0, t < 0 或者 t > T .

进行滤波，则经过滤波处理后的输出信号满足：

( Lf T )(t ) = ( f T ∗ hV )(t )
∞
= ∫f
−∞
T ( x)hV (t − x)dx

sin(V (t − x))
T
=∫ dx
0
π (t − x )
Vt
1 sin u
= ∫
π V (t −T ) u
du

1
= {Si (Vt ) − Si (V (t − T ))}
π

x
sin u
其中 Si ( x) = ∫
0
u
du. 上述输出信号的图形见下面的图 1.3。不难看出，当 t < 0 时已经开

始输出信号，由于 t < 0 时， f T (t ) = 0 ，因此采用(1.52)定义的脉冲响应函数进行滤波时在

输入信号到达之前已经存在信号输出，与实际情形不符合。因果滤波器作为一种更符合实际
的滤波器而得到广泛应用。

图 1.3 输出信号 Lf T (t )

定义 1.6 当输入信号到达后才产生输出信号时，其对应的滤波器称之为因果滤波器。

下面的定理完全刻画了因果滤波器的本质特征。

定理 1.13 设 L 为具有响应函数 h 的时不变滤波器，则当且仅当 h(t ) = 0, t < 0 成立时，

L 构成因果滤波器。

证明 我们只证明当 h(t ) = 0, t < 0 成立时，L 构成因果滤波器。

首先设输入信号 f (t ) 满足 f (t ) = 0, t < 0 ，于是

∞
( Lf )(t ) = ( f ∗ h)(t ) = ∫ f ( x)h(t − x)dx
−∞

注意到 f (t ) = 0, t < 0 ，上述积分又可以等价表示为

∞
( Lf )(t ) = ( f ∗ h)(t ) = ∫ f ( x)h(t − x)dx
0

由于上述积分区间为 x ≥ 0 ，因此当 t < 0 时，t − x < 0, h(t − x) = 0 ，这表明 ( Lf )(t ) = 0 对

于 t < 0 成立。即当输入信号没有达到时没有输出信号产生。

如果输入信号 f (t ) = 0, t < a, a > 0 成立，下面需要证明 ( Lf )(t ) = 0 对于 t < a 成立。

此时，构造函数 g (t ) = f (t + a ) ，则 f (t ) = g (t − a ) = g a (t ), g (t ) = 0, t < 0 ，利用前面的

讨论有 ( Lg )(t ) = 0, t < 0 成立，同时利用 L 的线性时不变性质还有

( Lf )(t ) = ( Lg a )(t ) = ( Lg )(t − a)

这表明当 t < a 时必有 ( Lf )(t ) = 0 。证毕。

对于因果滤波器 h(t ) ，其傅立叶变换可以表示为

∞
1
∫ h(t )e
− jtϖ
hˆ(ϖ ) = dt
2π 0

1
= ℒ [h(t )]( jϖ ）
2π

其中ℒ为定理 1.8 中定义的 Laplace 变换。

1.4 采样定理与测不准原理

在实际的信号处理应用中，主要频率位于有限的区间内。首先假设信号的傅立叶变换

在区间 [ −Ω, Ω] 外为 0（此类信号称之为频率带限信号），例如，电话信号是一种典型的带

限信号。一般的，带限信号按照下列方式定义。

定义 1.7 如果存在常数 Ω > 0 使得

fˆ (ϖ ) = 0, | ϖ |> Ω （1.53）

Ω
成立，则称 f (t ) 为频率带限信号。当 Ω 为满足上述等式的最小频率时， υ = 称之为
2π
 Ω
Nyquist 频率，而 2υ = 称之为 Nyquist 速率。
π

定理 1.13(Shannon-Whittaker 采样定理) 假设 fˆ (ϖ ) 是分段光滑的连续函数，并

且 fˆ (ϖ ) = 0 对 于 某 个 正 数 Ω 当 | ϖ |> Ω 时 成 立 ， 则 f = ℱ
−1
[ fˆ ] 可 以 通 过 采 样 点
nπ
tn = , n = 0,±1,±2,L 的函数值 f (t n ) 完全而唯一地确定，并可以通过下列级数展开得
Ω
到

∞
nπ sin(Ωt − nπ )
f (t ) = ∑
n = −∞
f(
Ω
)
Ωt − nπ
(1.54)

并且上面的级数一致收敛。

证明 在区间 [ −Ω, Ω] 上对函数 fˆ (ϖ ) 实施傅立叶级数展开

∞ jkπϖ Ω jkπϖ
1 −
fˆ (ϖ ) = ∑ ck e
k = −∞
Ω
, ck = ∫
2Ω − Ω
fˆ (ϖ )e Ω
dϖ

由于 fˆ (ϖ ) = 0, | ϖ |> Ω 成立，因此上式中的第二个等式又可以表示为

∞ jkπϖ
2π 1 −
ck =
2Ω 2π
∫
−∞
fˆ (ϖ )e Ω
dϖ

2π kπ
= f (− )
2Ω Ω

因此又有

jkπϖ
2π ∞
kπ
fˆ (ϖ ) =
2Ω
∑
k = −∞
f ( − )e
Ω
Ω

（1.55）
jkπϖ
2π ∞
kπ −
=
2Ω
∑
k = −∞
f ( )e
Ω
Ω

由于 fˆ (ϖ ) 为分段光滑的连续函数，因此级数（1.55）一致收敛，而利用傅立叶变换的反

演公式又得到
 ∞
1
∫ fˆ (ϖ )e
jϖ t
f (t ) = dϖ
2π −∞
Ω
1
∫ fˆ (ϖ )e
jϖ t
= dϖ
2π −Ω
Ω jkπϖ
2π ∞
kπ 1 − + jϖ t
=
2Ω
∑
k = −∞
f(
Ω
)
2π
∫ e Ω
dϖ
−Ω

1 ∞
kπ 2Ω sin(tΩ − kπ )
= ∑ f( )
2Ω k = −∞ Ω tΩ − kπ
∞
kπ sin(tΩ − kπ )
= ∑
k = −∞
f(
Ω
)
tΩ − kπ

定理结论成立。

1 1
在（1.54）中右端系数衰减主要取决于 = O( ) ，这说明该级数的收敛速度
tΩ − nπ n
1
是非常慢的，为了提高级数的收敛速度，人们自然想到将系数的阶提高到 O ( α ), α > 1 ，
n
为达到此目的，经常通过加密采样点（过采样—oversampling）来提高收敛速度。下面举

一个例子给以说明。

例 1.4 假设信号 f 为满足条件 fˆ (ϖ ) = 0 对于某个正数 Ω 当 | ϖ |> Ω 时成立的带限

nπ nπ
有限信号，取 a > 1 ，利用采样点 , n = 0,±1,±2,L 及其采样值 f ( ) 表示原信号 f 。
aΩ aΩ

解 首先作函数 fˆ (ϖ ) 的傅立叶级数展开并按照采样定理 1.12 的推导得到

jnπϖ
∞ − π nπ
fˆ (ϖ ) = ∑ cn e
n = −∞
aΩ
, cn = f( )
2π aΩ aΩ
（1.56）

构造函数 Wa (t ) 的傅立叶变换满足


 1, ϖ ∈ [−Ω, Ω]

 ϖ a
Wˆ a (ϖ ) =  + ,ϖ ∈ [−aΩ,−Ω)
 ( a − 1) Ω a − 1
− ϖ a
 (a − 1)Ω + a − 1 ,ϖ ∈ [Ω, aΩ)

直接计算它的逆傅立叶变换得到

2 (cos(Ωt ) − cos(aΩt )
Wa (t ) =
π (a − 1)Ωt 2

由于 fˆ (ϖ ) = 0 对于正数 Ω 当 | ϖ |> Ω 时成立，于是等价地表示 fˆ (ϖ ) = fˆ (ϖ )Wˆ a (ϖ ) ，对

该等式两端实施傅立叶逆变换并利用傅立叶变换的卷积性质，有

f (t ) = ℱ −1 [ fˆ (ϖ )Wˆ a (ϖ )]

= ( f ∗ Wa )(t )

∞
= ∫ f (t − x)W
−∞
a ( x)dx

将（1.56）关于函数 f 的傅立叶级数展开式代入上式并整理得到

∞
π nπ nπ
f (t ) = ∑
n = −∞
f ( )Wa (t −
2π aΩ aΩ aΩ
) （1.57）

nπ 1
注意到对于固定的 t ，Wa (t − ) = O( 2 ) ，这说明按照(1.57)可以较快地重构原始信号。
aΩ n
但是，需要注意的是此时采样点数比按照 Shannon 采样定理所要求的有较大幅度的增加，

例如，当 a = 2 时采样点数增加一倍。现在的问题是：是否可以使用少于 Shannon 采样定

理所要求的采样点数就能够完全确定信号？回答是否定的。当采样点数低于 Nyquist 速率

时，按照（1.54）得到的信号不仅损失原始信号的高频分量，这些高频分量的能量将折叠

到低频成分中去从而导致混叠（aliasing）现象的产生。

另外，在我们所讨论的采样定理中所限制的区间为 [ −Ω, Ω] ，如果 fˆ (ϖ ) ≠ 0 仅对于区

a +b
− jt
间 [a, b] 成立，定义函数 g (t ) = e 2
f (t ) ，利用定理 1.7(5)傅立叶变换的调制特性，有
a+b b−a b−a
gˆ (ϖ ) = fˆ (ϖ + ) ，于是函数 gˆ (ϖ ) = 0, | ϖ |> 成立，因此只要取 Ω = ，则
2 2 2
可以利用 Shannon 采样定理对函数 g (t ) 实施重构，即

∞
nπ sin(Ωt − nπ )
g (t ) = ∑ g( Ω )
n = −∞ Ωt − nπ

于是

a +b ∞
nπ sin(Ωt − nπ )
∑ g( Ω )
jt
f (t ) = e 2

n = −∞ Ωt − nπ
a +b n ( a + b )π
∞
nπ − j sin(Ωt − nπ )
∑
jt
=e 2
f( )e 2Ω

n = −∞ Ω Ωt − nπ

上式给出了更一般形式的采样定理。

在信号处理过程中，人们经常希望找到这样一个函数 f (t ) ，使得 f (t ) 的能量集中在局

部时间上，而 f (t ) 的傅立叶变换 fˆ 的能量也集中在某个小的局部频率范围内。下面将要讨

论的测不准原理告诉我们，上述两项要求均要达到理想的效果是不可能的。事实上，对于给

定的函数 f (t ) ，为了减少其在时间域上的能量分布范围，在能量不变的情形下可以采用时

1 t
间域上的伸缩变化来实现。取 a < 1 ， f a (t ) = f ( ) ，此时 || f a || 2L2 =|| f || 2L2 ，而 f a 的
a a

傅立叶变换为 a fˆ ( aϖ ) 。所以虽然 f a 的时间局部性变得更加突出，但是带来的是频率局

部特征的降低，这说明时间局部性与频率局部特性相互排斥。Heisenberg 测不准原理从理

论上给出了时间域与频率域相互制约的关系。该原理在量子力学中的解释为：粒子的位置与
2
动量同时度量时频的测不准性。一个一维粒子的状态可以通过一个 L ( R ) 中的波函数 f (t )

| f (t ) | 2
来描述。位于 t 位置的粒子的概率密度为 ；当粒子的动量为 ϖ 时的概率密度为
|| f || 2

| fˆ (ϖ ) | 2
。该粒子的平均位置为
2π || f || 2

∞
1
u= ∫ t | f (t ) | dt
2

|| f || 2 −∞
其平均动量为

∞
1
2 ∫
ξ= ϖ | fˆ (ϖ ) | 2 dϖ
2π || f || −∞

围绕这些平均值的方差分别为

∞
1
σ t2 = ∫ (t − u)
2
| f (t ) | 2 dt
|| f || 2 −∞

∞
1
σϖ = ∫ (ϖ − ξ ) | fˆ (ϖ ) | 2 dϖ
2 2

2π || f || 2 −∞

σ t 越大，自由粒子位置的不确定性就越大，同样地，σ ω 越大，自由粒子动量的不确定性也

越大。

定理 1.14(Heisenberg 测不准原理) f ∈ L ( R ) 的时频变差满足不等式

2

1
σ tσ ϖ ≥ （1.58）
2

jξt −b ( t −u ) 2
当且仅当 f (t ) = ae 时， a ≠ 0, b ∈ R 时，（1.58）中的等号成立。

证明 不失一般性，可以假设 u = ξ = 0 ，于是

∫x | f ( x) | 2 dx ∫ ϖ 2 | fˆ (ϖ ) | 2 dϖ
2

σ t2σ ϖ2 = R R
（1.59）
|| f || || fˆ || 22
2
2

由于 ( f ' ˆ) = i ϖ fˆ 以及 Parseval 等式： || f || 2 =

ˆ 2π || f ||2 ，我们得到

2 2
∫ϖ | fˆ (ϖ ) | dϖ = ∫ | ( f ' ˆ)(ϖ ) | dϖ = 2π ∫ | f ' ( x) | 2 dx
2

R R R
将上式以及

∫ | fˆ (ϖ ) | dϖ = 2π ∫ | f ( x) | 2 dx
2

R R

代入到 （1.59）中直接得到

∫x | f ( x) | 2 dx ∫ | f ' ( x) | 2 dx
2

σ t2σ ϖ2 = R R
4
|| f ||2

另一方面，

d d 2
( xf 2 ( x)) = f 2 ( x) + x f ( x) ∈ L( R )
dx dx

从上式可以推得：当 x → ±∞ 时， xf ( x) 均存在极限，设 lim ( xf 2 ( x)) = C1 ,

2
x → −∞

lim ( xf 2 ( x)) = C 2 。
x → +∞

如果 C1 ≠ 0, 则

C1
f 2 ( x) ~ ( x → −∞) ，
x

此与 f ( x) ∈ L ( R ) 矛盾，因此必有 C1 = 0.
2 1

类似可以推得 C 2 = 0. 即 lim xf ( x) = 0, 利用该式以及分步积分公式直接得到

2
| x| → ∞

1
∫ xf ( x) f ' ( x)dx = − 2 ∫ f
2
( x)dx （1.60）
R R

将（1.60）代入如下的 SchwarzCauchy 不等式

1
( ∫ f 2 ( x)dx) 2 =( ∫ xf ( x) f ' ( x)dx) 2 ≤ ∫ | x | 2 | f ( x) | 2 dx ∫ | f ' ( x) | 2 dx
4 R R R R
将上式代入（1.58）得到: 4σ t σ ϖ ≥ 1 ,当且仅当 f (t ) = −2btf (t ) 时，即存在 a ≠ 0 使得
2 2 /

f (t ) = ae − bt 。于是定理得到证明。
2

1.5 离散傅立叶变换及其快速算法

前面所讨论的傅立叶变换以及傅立叶级数对于连续信号的分析与处理都是非常有用的，
但是，在实际应用中信号的形式大都以离散（采样）的形式出现，因此，寻求傅立叶变换的
离散化形式是必要的。这一节我们将介绍离散傅立叶变换的概念，并介绍了在信号处理领域
中具有广泛影响同时对小波快速计算设计具有直接启发意义的快速傅立叶变换算法。

1.5.1 离散傅立叶变换（DFT）的基本概念与性质

为了引入离散傅立叶变换（DFT）的概念，我们考虑区间 [0,2π ) 上的函数 f (x) ，并按

2π
1 2π
照梯形法则对积分
2π ∫ f ( x)dx 取步长 h =
0
n
进行数值积分，于是

2π
1 1 2π f (0) 2π 2 × 2π 2(n − 1)π f (2π )
2π ∫ f ( x)dx ≈ 2π
0
n
[
2
+ f( )+ f(
n n
) +L+ f (
n
)+
2
]

如果 f (x) 为周期 2π 的信号，则上式变为

2π
1 1 n −1 2kπ
2π ∫ f ( x)dx ≈ ∑ f( n )
n k =0
0

特别地，函数的第 m 个傅立叶系数近似地表示为

2π 2πmkj
1 1 n −1 2kπ −
αm = ∫ f (t )e
− jmt
dt ≈ ∑ f ( )e n
2π 0
n k =0 n

1 n −1
αm ≈ ∑
n k =0
y k Wnmk , m = 0,1,2,L, n − 1.
 2πj
2kπ −
其中 y k = f ( ),Wn = e n
为 n 次单位根。
n

∞
一般情形下，设输入的离散信号 x = {x k }k = −∞ 为一个有限周期的信号，可以定义该序

列的离散傅立叶变换如下：

∞
定义 1.8 设 x = {x k }k = −∞ 为一个有限周期 n 的信号，其离散傅立叶变换（DFT）

（ℱ n {x}m = xˆ m ）定义为

n −1
xˆ m = ∑ x k Wnmk , m = 0,1,2,L, n − 1. （1.61）
k =0

2πj
−
其中 Wn = e n
为 n 次单位根。

如果设置 n 维向量 X = ( x 0 , x1 , L , x n −1 ) , Xˆ = ( xˆ 0 , xˆ1 , L , xˆ n −1 ) ，则上面定义的 DFT

T T

有可以通过矩阵形式来表达：

Xˆ = Fn X

其中 n 阶矩阵 Fn 满足：

1 1 1 L 1 
1 Wn Wn2 L W n −1 
 n 
Fn = 1 Wn2×1 Wn2×2 L W n
2×( n −1)

 
M M M O M 
1 Wn( n −1)×1
Wn −1)×2
( n
L Wn( n −1)×( n −1) 

DFT 的概念除了按照上述的方式引入外，还可以通过最小二乘估计得到。

1
∫π f ( x)e
−ixϖ
事实上，对 fˆ (ϖ ) = dx ，如果采用等间距采样，其采样点数为 N，输
2π [ 0, 2 ]

入时域信号为 f k ，要求输出频率信号为 fˆk 。为了利用采样点 f k 得到尽可能符合准确的输出

值 fˆk ，下面根据 f k 拟合出 f 的最佳逼近多项式 S (x) ，然后在傅立叶积分中利用 S (x) 代替

f (x) ，从而得到 fˆk 。下面简要讨论 S (x) 与 fˆk 的求法。
2 kπ 2 k •2π 2 k •( N −1)π
i i i
给定一组正交基：Φ k = {1, e N
,e N
, L, e N
}, k = 0,1,2,L, N − 1. 直接验证向

1, k = l ;
量满足内积关系： < Φ k , Φ l >= Nδ k ,l I N ，其中 I N 为 N 阶单位矩阵， δ k ,l = 
0, k ≠ l.

1 N −1 ikx
设 S ( x) = ∑ ck e ，利用正交基 {Φ k } 求解下列二次规划问题：
N k =0

N −1
2nπ 2
min
ck ∈R , 0≤ k ≤ N −1
F (c0 , c1 ,L, c N −1 ) = min
ck ∈R , 0≤ k ≤ N −1
∑[ f
n =0
n − S(
N
)] （1.62）

求解（1.62）得到

N −1 2π
−
ck = ∑ f nWNnk , k = 0,1,2,L, N − 1;WN = e
i
N
（1.63）
n =0

现在利用 S (x) 的定义，以及由（1.63）得到的系数值 ck 来近似计算 fˆk 。

将（1.63）中的系数值代入多项式函数 S (x) 中，并利用 S (x) 作为 f ( x ) 的近似，则有

N −1
1 1 1 N −1
fˆl = ∫ S ( x)e −ilx dx =
2π [ −2π , 2π ] 2 Nπ
∑c ∫e
k =0
k
i ( k −l ) x
dx = ∑
N n =0
f nWNnl （1.64）
π π [ −2 , 2 ]

（1．64）即为通常意义的离散傅立叶变换（DFT）,其中输入 { f n } 与输出 { fˆl }

除开常数因子外，

分别为信号的时域与频域信息。特别地，如果采用其他的正交基，利用最小二乘逼近则得到
各种不同意义的离散正交变换，例如，离散余弦变换（DCT,一共 4 种），离散正弦变换（DST,
一共 4 种），离散 Hartley 变换（DHT）以及离散 Walsh 变换（含离散 Hadmard 变换）等。

关于 DFT 的逆变换，同样存在与连续傅立叶变换之逆变换的类似性质。具体地说，有

定理 1.15 假设 x = {x k } 为周期为 n 的序列，其离散傅立叶变换（DFT）为 x̂ = ℱ n (x) ，

−1
则它的逆傅立叶变换 x = ℱ n ( xˆ ) 满足
 1 n −1
xm = ∑ xˆ kWn−km , m = 0,1,2,L, n − 1.
n k =0
(1.65)

证明 利用基函数 Wn 的正交特性

1 n −1 lk − mk 1 n −1 ( l − m ) k 1, l = m
∑ W n Wn = n ∑ Wn =
n k =0 k =0 0, 其它

并将表达式（1.61）代入（1.65）的右端直接计算得到（1.65）的等式成立。

而对于序列的离散傅立叶变换（DFT），还存在下面的简单性质。

定理 1.16 DFT 存在下列性质：

−1
1） （平移性） 如果 {x k } 为周期是 n 的序列，z k = x k +1 ，则ℱ[ z ] m = Wn ℱ [ x] m .

2） （卷积特性）设周期为 n 的两个序列 {x}, { y} 的卷积定义为

n −1
[ x ∗ y ] k = ∑ x m y k − m , k = 0,1,2,L , n − 1,
m =0

则有

ℱ [ x ∗ y ] k = ℱ [ x] k ℱ [ y] k .

3)（对称性）如果 {x k } 为周期是 n 的实数序列，则有

ℱ [ x] n − k = ℱ [ x] k .

1.5.2 离散傅立叶变换（DFT）的快速算法（FFT）

根据离散傅立叶变换的定义（1.61）知道，n 点的离散傅立叶变换（DFT）直接计算需

要的乘法与加法运算次数分别为 n 与 n − n ，
2 2
如果输入的信号采样点数目达到一定数量时，
其运算量将变得不可接受，例如，取 n = 1024 ，则直接计算运算量高达 2 ，从而使得实
20

时处理变得困难。发展出高效的离散傅立叶变换（DFT）算法具有非常重要的意义。1965

年，Cooley-Turkey 提出了一种 DFT 的快速算法，对于点数 n = 2 , t ≥ 1 的 DFT，其运算

t

量从 n 降低到 O ( n log 2 n) ，他们所提出的 FFT 技术的思想是：将 n 点 DFT 看成一个规模

2

n
为 n 的问题，将之分解为两个同等类型而规模减半为 子问题，在分解的过程中降低计算
2
复杂性。例如，计算 a (b1 + b2 + L bn ) = ab1 + ab2 + L abn 时，如果按照左端只需要 1 个

乘法，但是按照右端计算则需要 n 个乘法。此时，我们说右端存在冗余计算。而

Cooley-Turkey 提出的 FFT 算法（常称之为基-2 算法）正是在将大规模的问题分解为小

规模的问题中不断减少冗余运算而得到的。目前，关于各种 FFT 算法的描述很多，针对不

同长度、不同数据类型人们提出了形形色色的 FFT 算法，但是，这些算法都可以看成对基

-2FFT 算法的改进。另一方面，基-2FFT 算法的思想在信号处理的算法设计以及小波中著

名的 Mallat 分解算法的产生都具有非常重要的启示作用。因此，下面我们描述基-2 FFT 算

法过程。

N −1
序列 {x n }n =0 （ N = 2 ）的 DFT 定义为
t

N −1
Xk = ∑xW
n=0
n N
nk
, k = 0 ,1, 2 , L , N − 1 . （1.66）

N −1
首先将输入的时间信号 {x n }n =0 按照输入下标进行组合，并利用 W N = W N 得到
2

N N
−1 −1
2 2
X k = ∑ x 2 nW Nnk + W Nk ∑ x 2 n +1W Nnk , k = 0,1,2, L , N − 1.
n =0 2 n =0 2

N
N N N
将上式输出下标分成 k = 0,1,2, L , − 1 与 k = , +1,L, N −1两个部分，并利用 W N2 = −1
2 2 2
N
以及 W 2
N /2 = 1 得到
  N
−1
N
−1
 X = 2 2

 k ∑
x 2 nW N + W N ∑ x 2 n +1W Nnk ,
nk k

n =0 n =0 N
 N
2
N
2
k = 0,1,2,L , − 1. （1.64）
−1 −1 2
 2 2
 X N = ∑ x 2 nW N − W N ∑ x 2 n +1W N ,
nk k nk

 k + 2 n =0 2 n =0 2

N
上式为两个规模为 的 DFT。现在讨论在分解过程中所需要的运算量。
2

设 M ( N ), A( N ) 分别表示 n 点 DFT 所需要的乘法和加法次数，注意到 k = 0 时(1.64)

中所对应的项不需要乘法，因此此时满足

 N N
M ( N ) = 2 M ( 2 ) + 2 − 1
 N
（1.65）
 A( N ) = 2 A( ) + N
 2

N N2 N
如果 点的 DFT 直接计算，则按照（1.65）得到 N 点 DFT 的乘法次数为 + −1，
2 2 2

比直接计算 N 点 DFT 时运算量减少约一半左右。经过分析不难看出，运算量的减少正是在

N
点的 DFT 进行分解，直到得
k
（1.64）中提出冗余因子 W N 后得到的，因此，如果继续对
2
N
到 个 2 点 DFT 时才停止，则由于 M ( 2) = 0, A( 2) = 2 ，对（1.65）直接递推得到
2

N
M (N ) = log 2 N − N + 1, A( N ) = N log 2 N （1.66）
2

图 1.4 画出了 8 点 DFT 的基-2FFT 计算过程流程图。

 图 1.4 8 点 FFT 流程图

下面考虑如何利用 DFT 近似计算定义在区间 [a, b] 上函数 f (t ) 的连续傅立叶变换的问

题。

将区间 [a, b] 进行 N 等分，由于实际问题中一般为有限时间信号，因此还可以假设

f (t ) = 0, t ∉ [a, b] 中成立，另外，为了简单记，假设信号具有周期性，即，f (a ) = f (b)（注：

此种假设在利用傅立叶变换重构信号时可能由于产生 Gibbs 现象而带来信号间断的情形发

生）。由于 f (t ) 的傅立叶变换满足

b
1
∫ f (t )e
− jϖ t
fˆ (ϖ ) = dt
2π a

为了利用 DFT 进行近似计算，将区间 [a, b] 变换到 [0,2π ] 是有必要的，具体做法是设

t−a
θ = 2π ，则当 t ∈ [ a, b] 时， θ ∈ [0,2π ] ，而
b−a

2π ( b − a )θ
b−a − jϖ ( a + )
fˆ (ϖ ) =
(2π ) 3
∫0
f (a + (b − a )θ /(2π )e 2π
dθ

2π ( b − a )θ
(b − a)e − jaϖ − jϖ
=
(2π ) 3
∫
0
f (a + (b − a)θ /(2π )e 2π
dθ

因此如果定义函数
 (b − a)θ 2πk
g (θ ) = f (a + ),ϖ k =
2π b−a

则 fˆ (ϖ k ) 具有形式

b − a − jϖ k a
fˆ (ϖ k ) = e gˆ k
2π

其中 ĝ k 为函数 g 的第 k 个傅立叶级数系数。进一步地，设

2π b−a
x m = g (m ) = f (a + m ), m = 0,1,2, L, n − 1
n n

b − a − jϖ k a
其 DFT 为 x̂ k ，则又可以推出 fˆ (ϖ k ) ≈ e xˆ k 。即可以利用 DFT 近似计算任意
n 2π

区间上函数的傅立叶变换。