傅里叶级数752369.ppt

4.1 週期函數之近似 (Approximating Periodic Functions) 我們考慮以時間為獨立變數的函數；例如，函數x(t) , t 表示時間。然而這一章中我們將導出，非以時間為獨立變數也成立的函數的結果。 週期函數 (Periodic Functions) 若函數週期為T，在所有的時間t 中， ，則為週期函數。 週期函數有下列性質 假設週期函數存在於所有的時間t； 方程式中，我們沒有限制時間t 的範圍。 一函數為週期函數，其週期為T，其週期也是nT，其中n為任意整數。因此對一週期函數 其中n為任意整數。 我們定義基本週期為：滿足 ， T 0 ，之最小的T值。基本頻率 (fundamental period) 定義為： 。T0 之單位為秒， 之單位為徑度 / 秒，f0 之單位為赫茲 (Hz)。 週期函數之近似 (Approximating Periodic Functions) 考慮圖4.1之週期信號，若此函數為一穩定LTI系統之輸入信號，我們可以在有適當的準確性之下，以弦波函數近似此信號，如圖4.2。 近似函數時，我們通常選擇 “最佳” 的弦波函數，引號中最佳的意思是，我們可以任意定義，找到最好的近似。 近似圖4.2之 x(t) 時，我們定義近似之誤差為 一個常被用來最小化的函數為均方差 (mean-square error)。  函數J [ e(t)]稱為代價函數 (cost function)。結果使得沒有其他的數值，會比 最小化所得到的，有更小的誤差函數。 利用萊布尼茲公式 (Leibnitiz’s rule)，並且令其結果為0解之得到  其他誤差函數在最小化過程中可以得到合理的結果，如平均誤差；然而我們選擇均方差，因為它的數學比較容易處理，且能引導我們至傅立葉級數。 圖4.3(c) 說明了最小化時，我們使用均方差 ，而不用平均誤差的原因。原因是大的負誤差值被大的正誤差值消去。然而均方差之函數值為正值，它們不會相互抵消。 4.2 傅立葉級數 (Fourier Series) 已知一實數週期信號x(t)，此信號之調和級數 (harmonic series) 定義為其頻率w0稱為基本頻率或第一調和 (first harmonic)，kw0頻率稱為第k調和。 上式的和稱為傅立葉級數之複指數型式 (complex exponential form) 或簡稱為指數型式；Ck係數稱為傅立葉係數。 C-k等於Ck的共軛複數。係數可以表示為對於一已知的k值，式中頻率皆為kw0的兩項之和為 可以得出 我們定義係數Ak與Bk 得到三角型式 (trigonomet-ric form) 之傅立葉級數 傅立葉係數 (Fourier Coefficients) 基本週期為T0，積分的上下限為t1至t1+T0，其中t1為任意值。我們將T0標示於下限的位置，上限空白表示這個積分： C0是信號x(t)的平均值。由電路分析，此平均值也稱為DC值。 Ex 4.1 方波之傅立葉級數：我們現在計算方波的傅立葉係數。因 為  故方波之指數型式之傅立葉級數為 第二種顯示週期信號之頻率內容的方式，為傅立葉係數Ck圖形，此圖以|Ck|與θk作為線譜，對正與負頻率同時繪圖。 Ex 4.3 脈衝函數之傅立葉級數 Ex 4.4 列矩形脈波之頻譜 圖4.9中列矩形脈波之頻譜將被繪出，此波型常在工程中出現。 Sinc(x) 函數經常在信號與系統分析中出現；我們現在更深入研究此函數。定義如前所述，sinc(x)函數在x=0時之值為1。在 時，在sin(x)為0時，其值為0，即在 , , …時。sinc(x)之數量與角度的特性繪於圖4.11中。 4.4 傅立葉級數之性質 (Properties of Fourier Series) 任何滿足狄里切利條件 (Dirichlet condition) 的單值函 數，可以展開為傅立葉級數。狄里切利條件為 x(t) 在一個週期中，具有有限多個不連續點。 在一個週期中，具有