信号与系统(10)- 周期性信号的频谱
周期性函数可以在傅里叶级数中展开,也就是说,如果给定了各个频率分量的幅度和相位,则可以确定原信号。频谱是信号的一种图形表示方法,它将各个频率分量上的系数关系用图形的方法表示出来,用来说明信号的特性。并且后续可以给信号处理带来很多便利。频谱图由两个部分组成:振幅频谱和相位频谱。振幅频谱用来表示信号含有的各个频率分量的幅度,其横坐标为频率,纵坐标为各个对应频率分量的幅度;相位频谱用来表示含有各个频率分
周期性函数可以在傅里叶级数中展开,也就是说,如果给定了各个频率分量的幅度和相位,则可以确定原信号。频谱是信号的一种图形表示方法,它将各个频率分量上的系数关系用图形的方法表示出来,用来说明信号的特性。并且后续可以给信号处理带来很多便利。
频谱图由两个部分组成:振幅频谱和相位频谱。
-
振幅频谱用来表示信号含有的各个频率分量的幅度,其横坐标为频率,纵坐标为各个对应频率分量的幅度;
-
相位频谱用来表示含有各个频率分量的相位。其横坐标为频率,纵坐标为各个对应频率分量的相位。
傅里叶级数分为实数形式的傅里叶级数以及复数形式的傅里叶级数,因此,傅里叶级数的频谱对应的也有两种形式。
本篇文章中所用到的图像来自于东南大学孟桥老师的课件,感谢老师对学生的耐心讲解。
1. 实数形式傅里叶级数对应的频谱
由实数形式傅里叶级数:
f
(
t
)
=
a
0
2
+
∑
n
=
1
+
∞
A
n
c
o
s
(
n
Ω
t
+
φ
n
)
A
n
=
a
n
2
+
b
n
2
,
φ
n
=
−
a
r
c
t
a
n
b
n
a
n
\begin{aligned} f(t)&=\frac{a_0}{2}+\sum_{n=1}^{+\infty}A_ncos(n\Omega t + \varphi_n) \\A_n &= \sqrt{a_n^2+b_n^2}, \\\varphi_n &= -arctan\frac{b_n}{a_n} \end{aligned}
f(t)Anφn=2a0+n=1∑+∞Ancos(nΩt+φn)=an2+bn2,=−arctananbn
其对应的频谱图示意图如下:
由于这种形式的傅里叶级数中的级数 n n n一定大于等于,因此这种频谱的横坐标仅有正数,这种频谱也称为单边频谱。
比如周期性方波的频谱,其傅里叶级数为:
f
(
t
)
=
4
π
[
s
i
n
(
Ω
t
)
+
1
3
s
i
n
(
3
Ω
t
)
+
1
5
s
i
n
(
5
Ω
t
)
+
⋯
+
1
n
s
i
n
(
n
Ω
t
)
]
,
n
为
奇
数
f(t) = \frac{4}{\pi}[sin(\Omega t)+\frac{1}{3}sin(3\Omega t)+\frac{1}{5}sin(5\Omega t)+\cdots + \frac{1}{n}sin(n\Omega t)], n为奇数
f(t)=π4[sin(Ωt)+31sin(3Ωt)+51sin(5Ωt)+⋯+n1sin(nΩt)],n为奇数
即:
a
n
=
2
T
∫
0
T
f
(
t
)
c
o
s
(
n
Ω
t
)
d
t
=
0
a_n=\frac{2}{T}\int_{0}^{T}f(t)cos(n\Omega t)dt=0
an=T2∫0Tf(t)cos(nΩt)dt=0
b n = 2 T ∫ 0 T f ( t ) s i n ( n Ω t ) d t = { 4 n π , n 为 奇 数 0 , n 为 偶 数 b_n=\frac{2}{T}\int_{0}^{T}f(t)sin(n\Omega t)dt=\left\{ \begin{aligned} &\frac{4}{n\pi}&, \space \space &n为奇数 \\&0&, \space \space &n为偶数 \end{aligned} \right. bn=T2∫0Tf(t)sin(nΩt)dt=⎩⎨⎧nπ40, , n为奇数n为偶数
所以:
A
n
=
a
n
2
+
b
n
2
=
{
4
n
π
当
n
为
奇
数
0
当
n
为
偶
数
A_n = \sqrt{a_n^2+b_n^2}=\left\{ \begin{aligned} &\frac{4}{n\pi}\space \space \space&当n为奇数 \\&0\space \space \space&当n为偶数 \\ \end{aligned} \right.
An=an2+bn2=⎩⎨⎧nπ4 0 当n为奇数当n为偶数
φ n = − a r c t a n b n a n = { − π 2 当 n 为 奇 数 0 当 n 为 偶 数 \varphi_n = -arctan\frac{b_n}{a_n}=\left\{ \begin{aligned} &-\frac{\pi}{2}\space \space \space&当n为奇数 \\&0\space \space \space&当n为偶数 \\ \end{aligned} \right. φn=−arctananbn=⎩⎨⎧−2π 0 当n为奇数当n为偶数
由此可以做出其频谱:
在频谱中,横坐标表示的谐波的次数,但是更常见的,横坐标使用各个正弦分量的实际频率来表示。
单边频谱的特点:
- 在横坐标为0的点上,即直流分量上,幅度频谱中表示的直流分量幅值是真实信号幅值的两倍。即:频谱上在 ω = 0 \omega=0 ω=0的点上信号的实际的直流分量幅值应该是频谱中显示的幅值的一半。
- 如果仅观察幅值随频率的变化趋势,则无考虑。
2. 复指数形式傅里叶级数对应的频谱
由复指数形式的傅里叶级数:
f
(
t
)
=
∑
n
=
−
∞
+
∞
[
C
n
⋅
e
j
(
n
Ω
t
)
]
f(t)=\sum_{n=-\infty}^{+\infty}[C_n\cdot e^{j(n\Omega t)}]
f(t)=n=−∞∑+∞[Cn⋅ej(nΩt)]
其中:
C
n
=
∫
t
1
t
2
f
(
t
)
⋅
(
e
j
n
Ω
t
)
∗
∫
t
1
t
2
(
e
j
n
Ω
t
)
(
e
j
n
Ω
t
)
∗
=
1
T
∫
t
1
t
2
f
(
t
)
e
−
j
n
Ω
t
d
t
C_n=\frac{\int_{t_1}^{t_2}f(t)\cdot (e^{j{n\Omega t}})^*}{\int_{t_1}^{t_2}(e^{j{n\Omega t}})(e^{j{n\Omega t}})^*} = \frac{1}{T}\int_{t_1}^{t_2}f(t)e^{-jn\Omega t}dt
Cn=∫t1t2(ejnΩt)(ejnΩt)∗∫t1t2f(t)⋅(ejnΩt)∗=T1∫t1t2f(t)e−jnΩtdt
其对应的频谱的幅值和相位为:
幅
值
:
∣
C
n
∣
相
位
:
a
n
g
(
C
n
)
\begin{aligned} &幅值:|C_n| \\&相位:ang(C_n) \end{aligned}
幅值:∣Cn∣相位:ang(Cn)
由于这种形式的傅里叶级数中的
n
n
n存在正值,也存在幅值,因此这种形式的频谱在
n
≥
0
和
n
<
0
n\geq0 \space 和 n<0
n≥0 和n<0都有意义,这种频谱也称为双边频谱
同样以周期性方波的频谱为例:
C
n
=
−
j
b
n
2
=
{
−
j
2
n
π
当
n
为
奇
数
0
当
n
为
偶
数
C_n=-j\frac{b_n}{2}=\left \{ \begin{aligned} &-j\frac{2}{n\pi} \space \space \space&当n为奇数 \\&0\space \space \space&当n为偶数 \end{aligned} \right.
Cn=−j2bn=⎩⎨⎧−jnπ2 0 当n为奇数当n为偶数
其频谱如下:
双边频谱的特点:
- 从频谱图中观察可知:对于周期方波这个实数信号而言,其幅值是偶对称,而相位是奇对称。这与在信号与系统(9) 的分析吻合。单边频谱无法体现这一点。
- 通常来说,由于实数信号的幅度频谱具备对称性,因此只需要观察 n ≥ 0 n\geq0 n≥0部分即可,其幅值形状与单边频谱类似,但是幅值上是单边频谱显示幅值的一半,相位频谱与单边频谱相同。
- 单边频谱在物理上容易理解,而双边频谱对于信号处理会有计算上的优势,所以双边频谱是重点。
- 双边频谱在 ω = 0 \omega = 0 ω=0的点上的幅值,即直流信号,其大小直接表示了信号的直流分量的大小,不需要其他处理。这要比单边频谱更方便。
3. 周期信号频谱有什么特点?
- 离散性:其线条不是连续的
- 谐波性:线条仅仅出现在基波频率 Ω \Omega Ω的整数倍点上
- 收敛性:实际信号的幅频特性总是随着频率趋向无穷大而趋向于零
4. 周期信号的时域特性如何对应到频域特性?
周期信号的时域特性也就是信号的周期、脉冲宽度、幅值等,如何反应到频域特性如幅值、相位、谱线间隔、收敛性等呢?由于上述周期性方波信号的傅里叶级数展开后,其频谱无法体现时域信号中的参数,因此这里引入新的例子:周期性方波脉冲,即:
f
(
t
)
=
{
A
,
−
τ
2
+
k
T
≤
t
≤
τ
2
+
k
T
0
,
其
他
f(t)=\left\{ \begin{aligned} A,\space \space \space & -\frac{\tau}{2}+kT \leq t\leq\frac{\tau}{2}+kT \\0, \space \space \space &其他 \end{aligned} \right.
f(t)=⎩⎨⎧A, 0, −2τ+kT≤t≤2τ+kT其他
其图像如下所示:
其中 τ \tau τ是脉冲的宽度,T是周期,幅值是A。
经过傅里叶级数展开后,其系数为:
C
n
=
{
2
A
n
Ω
T
s
i
n
(
n
Ω
τ
2
)
n
≠
0
2
A
τ
T
n
=
0
C_n=\left\{ \begin{aligned} &\frac{2A}{n\Omega T}sin(\frac{n\Omega \tau}{2}) \space\space\space &n\neq0 \\&\frac{2A\tau}{T}\space \space\space&n=0 \end{aligned} \right.
Cn=⎩⎪⎪⎨⎪⎪⎧nΩT2Asin(2nΩτ) T2Aτ n=0n=0
观察上式可知,系数
C
n
C_n
Cn可以用抽样函数将
n
≠
0
n\neq0
n=0和
n
=
0
n=0
n=0统一起来,即:
C
n
=
{
2
A
n
Ω
T
s
i
n
(
n
Ω
τ
2
)
n
≠
0
2
A
τ
T
n
=
0
}
=
A
τ
T
S
a
(
n
Ω
τ
2
)
C_n= \left\{ \begin{aligned} &\frac{2A}{n\Omega T}sin(\frac{n\Omega \tau}{2}) \space\space\space &n\neq0 \\&\frac{2A\tau}{T}\space \space\space&n=0 \end{aligned} \right\} =\frac{A\tau}{T}Sa(\frac{n\Omega \tau}{2})
Cn=⎩⎪⎪⎨⎪⎪⎧nΩT2Asin(2nΩτ) T2Aτ n=0n=0⎭⎪⎪⎬⎪⎪⎫=TAτSa(2nΩτ)
其中
S
a
(
x
)
=
s
i
n
x
x
Sa(x)=\frac{sinx}{x}
Sa(x)=xsinx,是抽样函数。
通过上式画出周期方波脉冲信号的频谱如下:
下面将通过改变时域中信号参数,观察频谱的变化,进而得出结论
-
改变周期方波信号的周期T,保持脉冲宽度,其频谱变化如下:
从上述频谱中可以观察出3点:
- 谱线密度随着周期T的增加而增加,即随着T的增大,相邻谱线之间的间距越小。这是因为频率 f = 1 T f=\frac{1}{T} f=T1,且 Ω = 2 π T \Omega = \frac{2\pi}{T} Ω=T2π的原因。很显然当T增加时, n Ω n\Omega nΩ将变小,因此谱线之间的间距变小。
- 谱线的幅值逐渐降低。观察 C n = A τ T S a ( n Ω τ 2 ) C_n=\frac{A\tau}{T}Sa(\frac{n\Omega \tau}{2}) Cn=TAτSa(2nΩτ)可知,当T增大时,其幅值 A τ T \frac{A\tau}{T} TAτ将减小。
- 不论T增大还是减小,谱线的包络线形状上保持不变,因为Sa函数除幅值外没有变化。
因此可以得出结论:信号周期加大,对增幅的收敛性没有影响,但是会使谱线的密度加大。当T趋近于无穷大时,信号成为非周期信号,谱线幅值无穷小,谱线密度加大,谱线称为连续谱线。
-
改变周期方波信号的脉冲宽度 τ \tau τ,保持周期不变,其频谱变化如下:
观察谱线可以看出:
- 随着脉冲宽度下降,由 C n = A τ T S a ( n Ω τ 2 ) C_n=\frac{A\tau}{T}Sa(\frac{n\Omega \tau}{2}) Cn=TAτSa(2nΩτ)可知,Sa函数的尺度扩大,即零点的出现逐渐向后推迟。
- 收敛性变差,这是因为Sa函数的尺度逐渐变大导致的。
- 谱线的间隔不变,因为Sa函数中自变量的$n\Omega $没有改变。
因此可以得出结论:信号的宽度变小,信号的收敛性变差,谱线的间隔不变,且信号的能量向高频扩散。
问题:什么是信号的频带?
由于信号在频谱上的收敛性,可以将信号分量主要集中的频率区间作为主要研究对象,用来研究信号的特性,这部分频率区间称为信号的频带
定义频带有很多种方式,如:
- 以信号最大幅度的1/10为限,其它部分忽略不计。
- 以信号振幅频谱中的第一个过零点为限,零点以外部分忽略不计。
- 以包含信号总能量的90%处为限,其余部分忽略不计。
如果信号的边沿变化的越快,则信号的频带越宽,也就是说包含的交流分量在幅值上随着频率的增加收敛的更慢。
问题:周期方波脉冲的幅值为什么出现了负值?
事实上,对于复指数形式的傅里叶级数的频谱而言,其幅值应该为 C n C_n Cn的绝对值,即 ∣ C n ∣ |C_n| ∣Cn∣来表示。但是由复变函数相关的内容可知,虚数往往意味着旋转,通常在复平面上,纵轴为虚轴坐标,横轴为实数坐标。对于一个实数信号来说,其幅值为实数,其幅值对应的相位只可能出现在实数坐标上,即相位仅可能是 π \pi π或 − π -\pi −π。因此,对于实数信号而言,仅需关心相位的符号即可。而Sa函数中,正好体现了幅值分量对应的相位符号。因此,可以用一副频谱图,体现相位、相位大小以及幅值大小等信息,无需再对相位进行求解。
谢谢阅读,如有不当之处,请批评指正!
更多推荐
所有评论(0)