Professional Documents
Culture Documents
傅里叶分析
傅里叶分析
傅里叶分析
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.
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 )
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)
− 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
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,
− 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
下几节加以讨论。
例 1.2 基于傅立叶级数的信号分析方法。
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
信号 f (t ) 可以用下面正弦波的无穷和形式来进行分解
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
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
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
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
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 .
π 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。
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。
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。
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)
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。
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
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。
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)
的命题。
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%。
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
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。
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。
∞
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。
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
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。
f (x) ,即
lim || S n ( x) − f ( x) || L2 ([ −π ,π ]) = 0 (1.26)
n →∞
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。
∞
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。
n n
S n ( x) = ∑α k e jkx
k =− n
与 Gn ( x) = ∑β
k =− n
k e jkx
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,
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。
∞
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
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
iϖ
单位圆 {| z |= 1} 上, A(ϖ ) = A( −ϖ ), PA (e ) = e iNϖ A(ϖ ) ,故有
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
1.3.1 连续傅立叶变换的概念与基本性质
∞ 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 −∞
∞
1
∫ fˆ (ϖ )e
jϖ x
f ( x) = dϖ (1.36)
2π −∞
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
∞ ∞
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 −∞
∞
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.
这表明(1.39)成立。
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。
(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
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 ( 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 )
∞
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。
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
−1 −1
〈ℱ [ f ],ℱ [ g ]〉L2 = < f , g > L2 (1.45)
特别地,有 Plancherel 等式
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
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
程为:
|| 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
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
∞ 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。
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
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)
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
∞ 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 )
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。
∫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 )
∫δ ( x − x0 ) f ( x)dx = (−1) n f ( n ) ( x0 )
( n)
−∞
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。
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 )
∞ ∞
Lf (u ) = ∫ f (t ) Lδ (u − t )dt = ∫ f (t ) Lδ (u − t )dt = h ∗ f (u ) .
−∞ −∞
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
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
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 .
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
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。
L 构成因果滤波器。
∞
( Lf )(t ) = ( f ∗ h)(t ) = ∫ f ( x)h(t − x)dx
−∞
∞
( Lf )(t ) = ( f ∗ h)(t ) = ∫ f ( x)h(t − x)dx
0
∞
1
∫ h(t )e
− jtϖ
hˆ(ϖ ) = dt
2π 0
1
= ℒ [h(t )]( jϖ )
2π
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
限信号。一般的,带限信号按照下列方式定义。
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
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。
∞ 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。
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
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
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,
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。
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。
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
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。
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
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
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
1
∫ xf ( x) f ' ( x)dx = − 2 ∫ f
2
( x)dx (1.60)
R R
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
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
]
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。
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 ]
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
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 ]
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
−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。
−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 .
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 .
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
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
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
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
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
题。
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
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。