距离上次更新已经 2087 天了,文章内容可能已经过时。

课程主页:https://see.stanford.edu/Course/EE261

这次回顾第十四讲,这一讲介绍分布的傅里叶变换的性质。

导数定理

回顾函数的傅里叶变换的导数公式

f(t)2πisF(s) and 2πitf(t)F(s)

其中

f(t)F(s)

现在考虑分布的情形:

FT,φ=T,Fφ=T,(Fφ)=T,F(2πisφ) (from the second formula above) =FT,2πisφ (moving F back over to T)=2πisFT,φ

所以

FT=2πisFT

类似的,我们有

(FT),φ=FT,φ=T,F(φ)=T,2πisFφ (from the first formula for functions) =2πisT,Fφ=F(2πisT),φ

所以

(FT)=F(2πisT)
例子

考虑sign

Fsgn=2Fδ=2

另一方面,由导数公式可得

Fsgn=2πisFsgn

因此

2πisFsgn=2Fsgn=1πis

实际上我们有更强的结论,原因如下。

注意到如果sT=0,那么

2πisFsgn=2+sT

由之前结论可得

T=cδ

因此

Fsgn=1πis+cδ

但一般情形下,我们主要使用

Fsgn=1πis

对上式两边取傅里叶变换可得

F(1x)=πiFFsgn s=πi sgn (s)

因为

H(t)=12(1+sgnt)

所以

FH=12(δ+1πis)

平移

首先给出如下记号

(τbφ)(x)=φ(xb)

因为

τbf,φ=(τbf)(x)φ(x)dx=f(x)(τbφ)(x)dx=f,τbφ

我们按如下方式定义τbT

τbT,φ=T,τbφ

来看一个具体例子

τaδ,φ=δ,τaφ=(τaφ)(0)=φ(a)=δa,φ

所以

τaδ=δa

接着讨论平移定理

平移定理
F(τbT)=e2πibxFT

证明:

首先

F(τbT),φ=τbT,Fφ=T,τbFφ

其次

τb(Fφ)(s)=Fφ(s+b)=e2πi(s+b)xφ(x)dx=e2πisxe2πibxφ(x)dx=F(e2πibxφ)(s)

所以

F(τbT),φ=T,τbFφ=T,F(e2πibxφ)=FT,e2πibxφ=e2πibxFT,φ

所以

F(τbT)=e2πibxFT

可以利用该定理推导Fδa

Fδa=Fτaδ=e2πiasFδ=e2πisa

伸缩

定义

(σaφ)(x)=φ(ax)

注意到

σafφ=(σaf)(x)φ(x)dx=f(x)1|a|(σ1/aφ)(x)dx=f,1|a|(σ1/aφ)

我们按如下方式定义σaT

σaT,φ=T,1|a|σ1/aφ

δ伸缩:

σaδ,φ=δ,1|a|σ1/aφ=1|a|(σ1/aφ)(0)=1|a|φ(0/a)=1|a|φ(0)=1|a|δ,φ

所以

σaδ=1|a|δ

接着讨论伸缩定理

伸缩定理
F(σaT)=1|a|σ1/a(FT)

证明:

首先

F(σaT),φ=σaT,Fφ=T,1|a|σ1/aFφ

其次

1|a|(σ1/aFφ)(s)=1|a|Fφ(sa)=F(σaφ)(s)

所以

F(σaT),φ=T,1|a|σ1/aFφ=T,F(σaφ)=FT,σaφ=1|a|σ1/a(FT),φ

F(σaT)=1|a|σ1/a(FT)

卷积

首先考虑如下事实

ψf,φ=(ψf)(x)φ(x)dx=(ψ(xy)f(y)dy)φ(x)dx=ψ(xy)φ(x)f(y)dydx=(ψ(xy)φ(x)dx)f(y)dy=f,ψφ

由此给出分布T和测试函数ψ的卷积的定义

ψT,φ=T,ψφ

首先讨论δ函数的卷积,结论如下

ψδ=ψ

证明

ψδ,φ=δ,ψφ=(ψφ)(0)=ψ(y)φ(y)dy=ψ(y)φ(y)dy=ψ,φ

接着介绍卷积定理:

卷积定理
F(ψT)=(Fψ)(FT)F(ψT)=FψFT

证明:

结论1:

F(ψT),φ=ψT,Fφ=T,ψFφ=T,FFψFφ=T,F(Fψφ)=FT,Fψφ=(Fψ)(FT),φ

从而

F(ψT)=(Fψ)(FT)

结论2:

F(ψT),φ=ψT,Fφ=T,ψFφ=T,FFψFφ=T,F(Fψφ)=FT,(Fψ)φ)=FψFT,φ

所以

F(ψT)=FψFT

分布的卷积可以参考课本193页,这里只给出定义

ST,φ=S(y),T(x),φ(x+y)
例1
δδ=δ

证明:

δδ,φ=δ(y),δ(x),φ(x+y)=δ(y),φ(y)=φ(0)=δ,φ
例2
δaδb=δa+b

证明:

δaδb,φ=δa(y),δb(x),φ(x+y)=δa(y),φ(b+y)=φ(b+a)=δa+b,φ
卷积的导数

注意到我们有

(fg)(x)=ddxf(u)g(xu)du=f(u)ddxg(xu)du=f(u)g(xu)du=(fg)(x)

上式说明卷积可以让函数变得更光滑。

更一般的,我们有

(fg)(n)(x)=(fg(n))(x)

特别的,我们有

δ(n)f=f(n)

δ函数

δ函数有如下性质

δφ=φφδ=φ(0)δ

更一般的,我们有

δ(xb)φ(x)=φ(xb)δ(xb)φ(x)=φ(b)δ(xb)

滤波

这一部分对之前介绍的滤波进行补充。

低滤波

频域

Low(s)=Π2νc(s)=Π(s2νc)={1|s|<νc0|s|νc

时域

low(t)=2νcsinc(2νct)
高滤波

频域

High(s)=1Low(s)=1Π2νc(s)

时域

high(t)=δ(t)2νcsinc(2νct)

假设输入为v(t),那么

w(t)=(highv)(t)=(δ(t)2νcsinc(2νct))v(t)=v(t)2νcsinc(2νc(ts))v(s)ds
Notch滤波

频域

Notch(s)=1(Low(sν0)+Low(s+ν0))

时域

notch(t)=δ(t)(e2πiν0tlow(t)+e2πiν0tlow(t))=δ(t)4νccos(2πν0t)sinc(2νct)

假设输入为v(t),那么

w(t)=(δ(t)4νccos(2πν0t)sinc(2νct))v(t)=v(t)4νccos(2πν0(ts))sinc(2νc(ts))v(s)ds