傅里叶变换中的狄利克雷条件
简 介: 对于傅里叶变换,傅里叶级数分解中存在的狄利克雷条件进行实验展示,说明这些条件是如何影响信号的傅里叶变换结果的。
关键词
: 傅里叶变换,FFT,狄利克雷条件
傅里叶在提出傅里叶级数时坚持认为,任何一个周期信号都可以展开成傅里叶级数,虽然这个结论在当时引起许多争议,但持异议者却不能给出有力的不同论据。直到20年后(1829年)狄利克雷才对这个问题作出了令人信服的回答,狄利克雷认为,只有在满足一定条件时,周期信号才能展开成傅里叶级数。这个条件被称为 狄利克雷条件(Dirichlet Condition) 。
下面对于经常看到的不符合Dirichlet条件的波形,通过FFT来研究使用部分它的系数来合成对应的信号时,随着系数的增加,合成波形的变化规律。
1.有限个间断点
定一个在(0,1)\left( {0,1} \right)(0,1)之内具有无限间断点的函数。从0到1之间每前进当前剩余区间一半的时候,函数值就降低一倍。
![](https://img-blog.csdnimg.cn/20210324000420286.png#pic_center =415x#pic_center =800x)
根据上面的表达式可以绘制出对应的函数,如下图所示。这个函数具有无穷多个间断点,它的面积为:
∫01f(t)dt=12∑n=0∞14n=12⋅11−1/4=23\int_0^1 {f\left( t \right)dt} = {1 \over 2}\sum\limits_{n = 0}^\infty {{1 \over {4^n }} = {1 \over 2} \cdot {1 \over {1 - 1/4}} = {2 \over 3}}∫01f(t)dt=21n=0∑∞4n1=21⋅1−1/41=32
▲ f(t)一个周期内的波形
#------------------------------------------------------------
def setfv(t):tn = len(t)f = zeros(tn)for i in range(20):v = 2**(-i)startn = int(tn - v*tn)f[startn:] = vreturn f
#------------------------------------------------------------
t = linspace(0, 1, 100000)
data = setfv(t)
plt.plot(t, data)
plt.xlabel("t")
plt.ylabel("f(t)")
plt.grid(True)
plt.tight_layout()
plt.show()
将信号抽取100000数据,利用FFT计算对应的离散傅里叶系数。下面绘制出前面200个系数的幅值。可以看到该信号的频谱幅度随着n增加迅速降低到0。
▲ 信号f(t)的FFT前200个系数的幅值
下面给出了利用信号f(t)的前1~200个系数合成信号的过程。可以看到信号在间断点处出现Gibbs过冲现象。但是误差信号还是随着n增加逐步能量降低。
▲ 使用前200个系数合成信号波形
▲ 使用前2000个系数合成信号波形
▲ 使用前20000个系数合成信号波形
2.无限个极值
下面表达式给出了一个在周期(0,1)\left( {0,1} \right)(0,1)内的具有无限多个极大值,极小值的函数:
f1(t)=sin(πt),t∈(0,1)f_1 \left( t \right) = \sin \left( {{\pi \over t}} \right),\,\,t \in \left( {0,1} \right)f1(t)=sin(tπ),t∈(0,1)
▲ 函数sin(pi/t)的信号波形
对这个函数进行离散傅里叶变换(DFT),从0.0001~1之间采集10510^5105个数据的,利用FFT计算DFT的系数,下图绘制了前200个系数的幅值。可以看到它的频率迅速衰减到0。如果jd计算后的系数重新进行逆运算,合成后的波形就会与原来信号保持一致。
▲ sin(pi/t)DFT前200个系数幅值
▲ 使用100000000采样后计算的DFT系数
t = linspace(0.0000000001, 1, 100000000)
data = sin(1/t*pi)
fftdata = fft.fft(data)plt.plot(abs(fftdata[:20000]))
plt.xlabel("k")
plt.ylabel("abs(fft(data))")
plt.grid(True)
plt.tight_layout()
plt.show()
下面分别使用sin(1/t)DFT前面若干系数来合成对应的波形。
fN(t)=real{IFFT[X[m:−m]]}f_N \left( t \right) = real\left\{ {IFFT\left[ {X\left[ {m: - m} \right]} \right]} \right\}fN(t)=real{IFFT[X[m:−m]]}
下图显示了合成系数的个数分别从1演变到300过程中,合成信号波形的变化。毫不夸张的说,这个波形与sin(1/t)之间几乎毫无关系。
▲ 使用sin(pi/t)DFT前200个系数合成信号的波形演变过程
如果将合成系数的数量增加10倍,合成之后的波形在左边的高频波形逐步丰富 ,在右端则会出现越来越高的尖峰。
▲ 使用sin(pi/t)DFT前2000个系数合成信号的波形演变过程
▲ 使用sin(pi/t)DFT前30000个系数合成信号的波形演变过程
3.绝对可积
下图是在(0,1)\left( {0,1} \right)(0,1)之间函数:f(t)=1tf\left( t \right) = {1 \over t}f(t)=t1
它的面积为无穷大。但是信号的能量为:
Ef=∫01f2(t)dt=∫011t2dt=−1t∣0∞=∞E_f = \int_0^1 {f^2 \left( t \right)dt} = \int_0^1 {{1 \over {t^2 }}dt} = \left. { - {1 \over t}} \right|_0^\infty = \inftyEf=∫01f2(t)dt=∫01t21dt=−t1∣∣∣∣0∞=∞
▲ 信号f(t)在0~1之间的波形
下面使用信号的FFT前20000项系数合成信号,随着n增加合成信号的变化过程。
▲ 使用信号的FFT前20000个系数重新合成信号
▌附件
#!/usr/local/bin/python
# -*- coding: gbk -*-
#============================================================
# TEST1.PY -- by Dr. ZhuoQing 2021-03-23
#
# Note:
#============================================================from headm import *#------------------------------------------------------------def setfv(t):tn = len(t)f = zeros(tn)for i in range(20):v = 2**(-i)startn = int(tn - v*tn)f[startn:] = vreturn f#------------------------------------------------------------
t = linspace(0.0001, 1, 100000)
data = 1/t**2#------------------------------------------------------------#area = sum(data)/len(data)
#printf(area)'''
m = 100plt.draw()
plt.pause(.25)pltgif = PlotGIF()for i in range(200):startm = m * (i+1)dataf = fft.fft(data)dataf[startm:-startm] = 0plt.clf()plt.plot(t, real(fft.ifft(dataf)))plt.xlabel("t")plt.ylabel("ifft(data)")plt.grid(True)plt.title('n = %d'%startm)plt.tight_layout()plt.axis([0, 1, 0, 20])plt.draw()plt.pause(.01)pltgif.append(plt)pltgif.save(r'd:\temp\1.gif')
printf('\a')'''
#------------------------------------------------------------'''datafft = fft.fft(data)plt.plot(abs(datafft[:200]))
plt.xlabel("k")
plt.ylabel("abs(fft(data))")
plt.grid(True)
plt.tight_layout()
plt.show()'''
#------------------------------------------------------------plt.plot(t, data)
plt.xlabel("t")
plt.ylabel("f(t)")
plt.grid(True)
plt.axis([0, 1, 0, 20])
plt.tight_layout()
plt.show()#------------------------------------------------------------#------------------------------------------------------------
# END OF FILE : TEST1.PY
#============================================================
■ 相关文献链接:
- 狄利克雷条件(Dirichlet Condition)
● 相关图表链接:
- f(t)一个周期内的波形
- 信号f(t)的FFT前200个系数的幅值
- 使用前200个系数合成信号波形
- 使用前2000个系数合成信号波形
- 使用前20000个系数合成信号波形
- 函数sin(pi/t)的信号波形
- sin(pi/t)DFT前200个系数幅值
- 使用100000000采样后计算的DFT系数
- 使用sin(pi/t)DFT前200个系数合成信号的波形演变过程
- 使用sin(pi/t)DFT前2000个系数合成信号的波形演变过程
- 使用sin(pi/t)DFT前30000个系数合成信号的波形演变过程
- 信号f(t)在0~1之间的波形
- 使用信号的FFT前20000个系数重新合成信号
傅里叶变换中的狄利克雷条件相关推荐
- 一文教你理解傅里叶变换及MATLAB在求傅里叶变换中的应用
大纲 从积分变换谈起 积分变换的基本概念 积分变换的来源 傅里叶级数 傅里叶级数的相关基础概念 傅里叶级数的基石--三角函数系及其正交性 三角函数系 三角函数系的正交性 傅里叶级数的含义 傅里叶系数的 ...
- 狄利克雷条件和帕塞瓦尔定理
狄利克雷条件和帕塞瓦尔定理 狄利克雷条件 狄利克雷条件是一个信号存在傅里叶变换的充分不必要条件 该条件包括三个部分: 在一个周期内,连续或只有有限个第一类间断点 在一个周期内,极大值和极小值的数目有限 ...
- mysql按条件提取数据库_SQL中的where条件,在数据库中提取与应用浅析
1 问题描述 一条SQL,在数据库中是如何执行的呢?相信很多人都会对这个问题比较感兴趣.当然,要完整描述一条SQL在数据库中的生命周期,这是一个非常巨大的问题,涵盖了SQL的词法解析.语 ...
- html 判断boolean,js关于if()else{}中的判定条件的认识,各种数据类型转换为Boolean类型的转换规则...
if()中的判断条件其实是转换成Boolean类型对Boolean类型的判断 String类型 var a="test"; if(a){ alert("yes" ...
- 【Groovy】集合遍历 ( 使用集合的 findAll 方法查找集合中符合匹配条件的所有元素 | 代码示例 )
文章目录 一.使用集合的 findAll 方法查找集合中符合匹配条件的所有元素 1.闭包中使用 == 作为 findAll 方法的查找匹配条件 2.闭包中使用 is 作为 findAll 方法的查找匹 ...
- Mybatis多参数封装到map中,多条件查询
1.UserMapper接口 package com.william.dao;import com.william.domain.QueryValueObject; import com.willia ...
- python矩阵中找满足条件的元素_Python 找到列表中满足某些条件的元素方法
Python 找到列表中满足某些条件的元素方法 更新时间:2018年06月26日 11:20:17 作者:CS_network 今天小编就为大家分享一篇Python 找到列表中满足某些条件的元素方法, ...
- 中if判断中文_Excel中的逻辑函数的使用技巧 IF函数中的多条件判断
IF函数的基本结构很简单,真正使用的过程中,在于条件判断的写法,如何构造一个正确判断条件才是关键,也就是下图中A的构造才是IF函数的关键 交集.并集和求反函数应用技巧 常用的逻辑关系有3种,即[与]. ...
- 报表下拉框多选查询及一般在sql中添加查询条件
1.sql SELECT * FROM [销量] where 1=1 ${if(len(销售员1) == 2,"","and 销售员 in (" + 销售员1 ...
最新文章
- 平衡二叉树的构造_LeetCode 题解 | 110.平衡二叉树
- startsWith(),endsWith()的作用,用法,判断字符串a 是不是以字符串b开头或结尾
- C语言string.h常用函数总结
- MP4 info查看moov头位置
- Leaflet中使用leaflet.polylineDecorator插件绘制箭头线及虚线矩形
- hdu-5063 Operation the Sequence
- 光端机安装调试需注意的几大因素
- FreeRTOS空闲任务
- Vue学习--前后端交互
- TensorFlow:曼德布洛特(Mandelbrot)集合
- Oracle获取汉字拼音码
- 测试网卡芯片型号的软件,查看电脑无线网卡型号_查看无线网卡芯片型号
- 从零开始学PCR技术(一):PCR技术简介
- 蓝桥本第九届省赛刷题记录
- sis最新地址获取方法_拳头最新FPS游戏VALORANT资格免费获取方法
- 电子警察的系统结构和功能设计
- scrapy IP代理池 scrapyd spiderkeeper docker flask uwsgi nginx
- 前端理解base64
- 游戏辅助制作核心--植物大战僵尸逆向之自动捡取阳光(二)
- 耳机插入听不到声音或者对方听不见你说话问题
热门文章
- OSPF被隔离的区域
- 将Java程序变成可执行文件的一个简单方法
- 路由器的转发能力PPS
- ubuntu下 mysql数据 自执行备份
- 申请重新邮寄CCNA证书成功!!!!!(转)
- NHibernate2.1新特性之entity-name
- CloudStack集成KVM报NFS错误
- Lync 2013 与 Elastix 2.40 语音通信设置全过程(3)
- 《中国人工智能学会通讯》——11.66 结构属性表示及其在脑影像分析中的应用...
- 《中国人工智能学会通讯》——6.27 超越模式识别