Analiza Sygnałów · kopia z 2026-11-04 · oryginał na wiki

Szereg Fouriera

AS/ Szereg Fouriera

Sygnał okresowy (o okresie \(T\)) można przedstawić w postaci szeregu Fouriera:


\( \displaystyle s(t) =\sum_{n=-\infty}^{+\infty} c_n e^{-i\frac{2\pi n}{T} t}, \)


gdzie

\( \displaystyle c_{n} = \frac{1}{T}\int_{0}^{T} s(t) e^{i \frac{2\pi n}{T} t} d t \)


Dowód: mnożymy obie strony pierwszego równania przez \(e^\frac{2\pi i k t}{T}\) i całkujemy po \(dt\) od \(0\) do \(T\):

\( \displaystyle \int_0^T s(t) e^{{{2\pi i k t}\over{T}}} dt = \sum_{n=-\infty}^{+\infty} \int_0^T c_n e^{i{{2 \pi (k-n)}\over{T}} t}dt \)

Całki po prawej stronie znikają dla \(k \ne n\).

Jedyny niezerowy wyraz dla \(k = n\) wynosi \(\int_0^T c_n dt\), czyli \(c_n T\) (bo \(e^0=1\)), czyli

\( \displaystyle \int_0^T s(t) e^{{{2\pi i k t}\over{T}}} dt = c_n T \)

Oznacza to, że każdą funkcję okresową możemy przedstawić w postaci sumy sinusów i kosinusów (\(e^{i \phi} = \cos(\phi) + i \sin(\phi)\)) z odpowiednimi wagami. Wagi \(c_n\) możemy traktować jako względny udział odpowiadających im częstości.


Tożsamość Parsevala dla szeregów Fouriera

\( \displaystyle \frac{1}{T} \int_0^T \left| s(t) \right|^2 d t = \sum_{n=-\infty}^{\infty} \left| c_n \right|^2 \)


Dowód:

\( \displaystyle \frac{1}{T} \int_0^T \left| s(t) \right|^2 d t = \frac{1}{T} \int_0^T s(t) \overline{s(t)} \,d t \; = \)

\( \displaystyle \frac{1}{T} \int_0^T \left( \sum_{n=-\infty}^{+\infty} c_n e^{-i\frac{2\pi t}{T} n} \right) \left( \sum_{m=-\infty}^{+\infty} \overline{c_m} e^{i\frac{2\pi t}{T} m} \right) d t = \)


\( \left\| \; \int_0^T e^{-i\frac{2\pi t}{T} n} e^{i\frac{2\pi t}{T} m} dt= \int_0^T e^{-i\frac{2\pi t}{T} m-n} dt = \delta_{(m-n)} T \;\right\|\)


\( \displaystyle = \sum_{n = -\infty}^{\infty} c_n \overline{c_n} \;\;= \sum_{n = -\infty}^{\infty} |c_n|^2 \)


Energia, moc, widmo

Jeśli sygnałem będzie np. prąd elektryczny, płynący w obwodzie o jednostkowej oporności w czasie od \(0\) do \(T\), to wytracona przez niego energia wyniesie \(\int_0^T s(t)^2 d t\). Moc to oczywiście energia wytracana w jednostce czasu, czyli \(\frac{1}{T}\int_{0}^{T} | s(t) |^2 d t\). Jak widać z powyższego twierdzenia, dla sygnałów okresowych możemy ją również obliczać jako sumę kwadratów współczynników szeregu Fouriera \(\sum c_n^2\). Pozwala to interpretować \(c_n^2\) jako moc, niesioną przez odpowiadającą mu częstość. Wykres tej wielkości w zależności od częstości nazywamy widmem mocy sygnału. Dla sygnału okresowego widmo mocy będzie dyskretne (patrz rysunek 1).

Wszystko to nie tyczy się li tylko sygnałów czysto okresowych; z sygnału nie-okresowego \(s(t)\), określonego na skończonym przedziale \([0, T]\), możemy utworzyć sygnał okresowy \(s_T(t)\):

Klasyczna rys 1 5.jpg
\(\begin{matrix} s_T(t)=s(t),\;t\in[0,T] \\ s_T(t+nT)=s(t),\;n=1,2,\ldots \end{matrix}\)

tożsamy z \(s(t)\) w przedziale \([0, T]\), który można już przedstawić w postaci sumy 1.


Od góry, kolejno: funkcja \(\Theta\) uzupełniona do funkcji okresowej, pierwszych 30 współczynników szeregu Fouriera, kwadraty współczynników szeregu Fouriera — dyskretne widmo, pierwszy wyraz rozwinięcia Fouriera, sumy pierwszych 10, 50, 500 i 5000 wyrazów rozwinięcia. Jak widać, najtrudniejsza do wyrażenia z pomocą funkcji trygonometrycznych jest nieciągłość funkcji \(\theta(t)\) w punktach \(\left\{\pm \frac{k}{2}, k \in N \right\}\); niejednorodna zbieżność szeregów Fouriera w tych rejonach nosi nazwę efektu Gibbsa.


⬆ ⮕