《希尔伯特变换与傅立叶变换.docVIP

在数学与信号处理的领域中，一个实数值函数的希尔伯特转换(Hilbert transform)——在此标示为——是将信号与做卷积，以得到。因此，希尔伯特转换结果可以被解读为输入是的线性非时变系统(linear time invariant system)的输出，而此一系统的脉冲响应为。这是一项有用的数学，用在描述一个以实数值载波做调制的信号之复数包络(complex envelope)，出现在通讯理论（应用方面的详述请见下文。） 希尔伯特转换是以著名数学家大卫·希尔伯特(David Hilbert)来命名。 希尔伯特转换定义如下： 其中 并考虑此积分为柯西主值(Cauchy principal value)，其避免掉在以及等处的奇点。 另外要指出的是： 若，则可被定义，且属于；其中。 频率响应 希尔伯特转换之频率响应由傅立叶变换给出： , ? 其中 是傅立叶变换， i?(有时写作j?)是虚数单位， 是角频率，以及 即为符号函数。 既然： , 希尔伯特转换会将负频率成分偏移+90°，而正频率成分偏移?90°。 反（逆）希尔伯特转换 我们也注意到：。因此将上面方程式乘上，可得到： 从中，可以看出反（逆）希尔伯特转换 傅里叶变换（Fourier变换）是一种线性的积分变换。因其基本思想首先由法国学者约瑟夫·傅里叶系统地提出，所以以其名字来命名以示纪念。 傅里叶变换在物理学、声学、光学、结构动力学、量子力学、数论、组合数学、概率论、统计学、信号处理、密码学、海洋学、通讯、金融等领域都有着广泛的应用。例如在信号处理中，傅里叶变换的典型用途是将信号分解成振幅分量和频率分量。 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。最初傅里叶分析是作为热过程的解析分析的工具被提出的[1]。 傅里叶变换属于谐波分析。 傅里叶变换的逆变换容易求出，而且形式与正变换非常类似。 正弦基函数是微分运算的本征函数，从而使得线性微分方程的求解可以转化为常系数的代数方程的求解。在线性时不变的物理系统内，频率是个不变的性质，从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号的响应来获取。 卷积定理指出：傅里叶变换可以化复杂的卷积运算为简单的乘积运算，从而提供了计算卷积的一种简单手段。 离散形式的傅里叶变换可以利用数字计算机快速的实现（其算法称为快速傅里叶变换算法（FFT））。 线性性质 两函数之和的傅里叶变换等于各自变换之和。数学描述是：若函数和的傅里叶变换和都存在，和为任意常系数，则；傅里叶变换算符可经归一化成为幺正算符。 平移性质 若函数存在傅里叶变换，则对任意实数，函数也存在傅里叶变换，且有。式中花体是傅里叶变换的作用算子，平体F表示变换的结果（复函数），e?为自然对数的底，i?为虚数单位。 微分关系 若函数当时的极限为0，而其导函数的傅里叶变换存在，则有，即导函数的傅里叶变换等于原函数的傅里叶变换乘以因子。更一般地，若，且存在，则，即k?阶导数的傅里叶变换等于原函数的傅里叶变换乘以因子。 卷积特性 若函数及都在上绝对可积，则卷积函数（或者）的傅里叶变换存在，且。卷积性质的逆形式为，即两个函数卷积的傅里叶逆变换等于它们各自的傅里叶逆变换的乘积乘以。 帕塞瓦尔定理 若函数可积且平方可积，则。其中F(ω)?是f(x)?的傅里叶变换。 更一般化而言，若函数和皆平方可积，则。其中F(ω)?和G(ω)?分别是f(x)?和g(x)?的傅里叶变换, *代表复共轭。 连续傅里叶变换 一般情况下，若“傅里叶变换”一词不加任何限定语，则指的是“连续傅里叶变换”(连续函数的傅里叶变换)。连续傅里叶变换将平方可积的函数f（t）表示成复指数函数的积分或级数形式。 这是将频率域的函数F(ω)表示为时间域的函数f（t）的积分形式。 连续傅里叶变换的逆变换 (inverse Fourier transform)为 即将时间域的函数f（t）表示为频率域的函数F(ω)的积分。 一般可称函数f（t）为原函数，而称函数F(ω)为傅里叶变换的像函数，原函数和像函数构成一个傅里叶变换对（transform pair）。 除此之外，还有其它型式的变换对，以下两种型式亦常被使用。在通讯或是讯号处理方面，常以来代换，而形成新的变换对: 或者是因系数重分配而得到新的变换对： 一种对连续傅里叶变换的推广称为分数傅里叶变换（Fractional Fourier Transform）。 当f（t）为偶函数（或奇函数）时，其正弦（或余弦）分量将消亡，而可以称这时的变换为余弦转换（cosine transform）或正弦转换（sin