3.3-3.4傅立叶级数

合集下载

傅里叶级数的计算方法

傅里叶级数的计算方法

傅里叶级数的计算方法《傅里叶级数计算方法漫谈》嘿,朋友们!今天咱们来聊聊傅里叶级数的计算方法。

这可真是个有趣的玩意儿呢!傅里叶级数啊,就像是一个神秘的魔法盒子,打开它就能看到各种奇妙的变化。

想象一下,你有一段信号,就像是一段旋律,而傅里叶级数就是能把这段旋律分解成一个个简单音符的神奇工具。

要计算傅里叶级数,首先得搞清楚周期。

这就好比你要知道一首曲子是多长时间重复一次一样。

然后呢,就是要找出那些关键的系数,这些系数就像是音符的强度。

比如说,你看那正弦函数和余弦函数,它们就是傅里叶级数里的主角呀!它们在那里跳来跳去,组合出各种不同的信号。

有时候你会觉得它们怎么这么调皮呢,但正是这种调皮才让整个计算过程变得有意思起来。

计算傅里叶级数的时候,可不能马虎哦!要认真对待每一个步骤,就像厨师精心烹饪一道美味佳肴一样。

从选择合适的区间,到计算那些积分,都要一丝不苟。

我记得我第一次接触傅里叶级数计算的时候,那可真是手忙脚乱啊!一会儿忘了这个,一会儿又算错那个。

但是呢,随着不断地练习和琢磨,慢慢地就找到感觉了。

其实啊,这就和我们生活中的很多事情一样。

一开始可能觉得很难,但是只要不放弃,一点点去尝试,总会有收获的。

就像学骑自行车,一开始可能会摔倒,但多摔几次就会骑啦!傅里叶级数的世界是广阔的,它不仅仅是数学里的一个概念,还在很多领域都有重要的应用呢!比如信号处理、图像处理等等。

想象一下,我们的手机通话、电视画面,背后都有傅里叶级数在默默地工作呢!所以啊,大家可别小看了傅里叶级数的计算方法。

它就像一把钥匙,可以打开很多知识的大门。

总之呢,傅里叶级数的计算方法虽然有点复杂,但只要我们有耐心,有兴趣,就一定能掌握它。

让我们一起在这个神奇的世界里畅游吧!。

傅里叶级数公式总结

傅里叶级数公式总结

傅里叶级数公式总结傅里叶级数是一种电磁波、声波等周期性信号的频谱分析方法,通过将一个周期性函数展开成无穷多个正弦和余弦函数的和来描述这个函数。

傅里叶级数公式是傅里叶级数的数学表达式,也是傅里叶分析的核心工具之一。

傅里叶级数公式可以表示为:\[f(x)=\frac{a_{0}}{2}+\sum_{n=1}^{\infty}(a_{n}\cos(\fra c{2\pi n}{T}x)+b_{n}\sin(\frac{2\pi n}{T}x))\]其中,\(f(x)\)是一个周期为\(T\)的函数,\(a_0\)、\(a_n\)、\(b_n\)是系数,可以通过傅里叶级数的积分公式计算得到。

在这个公式中,\(a_0\)表示函数的直流分量,即函数在一个周期内的平均值。

而\(a_n\)和\(b_n\)则表示函数在一个周期内的振幅和相位信息。

傅里叶级数公式的意义在于它将一个周期函数分解成许多不同频率的正弦和余弦函数的和。

通过傅里叶级数分析,我们可以得到函数在不同频率上的能量分布情况,从而揭示了周期性信号的频谱特性。

通过傅里叶级数公式,我们可以深入理解周期函数的谐波分量以及它们在函数中的作用。

具体来说,\(a_n\)和\(b_n\)分别对应了频率为\(n/T\)的正弦和余弦波的振幅,而相位则决定了每个谐波分量在函数中的位置。

傅里叶级数公式的应用十分广泛。

在信号处理中,它可以用于滤波、降噪、频谱分析等方面。

在图像处理中,傅里叶级数可以用于图像的频域分析和图像的压缩。

在通信领域,傅里叶级数也被广泛应用于调制解调和信号检测等方面。

总之,傅里叶级数公式是一种重要的数学工具,它能够将周期函数分解成不同频率的正弦和余弦波的和,揭示了周期性信号的频谱特性。

通过傅里叶级数的分析,我们可以更好地理解周期性信号的谐波分量和它们在函数中的作用。

傅里叶级数公式的应用广泛,可以用于信号处理、图像处理、通信等领域,对于这些领域的研究和实际应用具有重要的指导意义。

傅里叶级数公式

傅里叶级数公式

傅里叶级数公式傅里叶级数是一种数学工具,用于将一个周期性函数表示为无限多个简单的正弦和余弦函数的和。

它由法国数学家傅里叶在19世纪中叶发现,并在物理学、工程学和其他领域中得到广泛应用。

本文将介绍傅里叶级数的定义、数学表达式和一些应用示例。

定义给定一个周期为T的函数f(t),其傅里叶级数表示为:傅里叶级数公式傅里叶级数公式其中a0、an和bn是傅里叶系数,可以通过以下公式计算:傅里叶系数公式傅里叶系数公式傅里叶系数公式傅里叶系数公式傅里叶系数公式傅里叶系数公式数学表达式傅里叶级数公式可以进一步简化为以下形式:傅里叶级数公式简化形式傅里叶级数公式简化形式其中cn是复傅里叶系数,可以通过以下公式计算:复傅里叶系数公式复傅里叶系数公式应用示例傅里叶级数在信号处理、图像处理和音频处理等领域中有广泛的应用。

以下是一些傅里叶级数的应用示例:1. 信号分析傅里叶级数可以将任意周期性信号分解为不同频率的正弦和余弦函数的和,从而帮助我们理解信号的频谱特征。

通过计算傅里叶系数,我们可以得到信号在不同频率上的幅度和相位信息。

2. 图像压缩傅里叶级数被广泛用于图像压缩算法中,例如JPEG压缩。

通过将图像转换为频域表示,可以将高频部分压缩或丢弃,从而实现图像的压缩和存储。

3. 音频合成傅里叶级数可以用于合成音频信号。

通过给定一些具有不同频率和幅度的正弦和余弦函数的傅里叶系数,我们可以通过求和运算生成一个新的音频信号。

4. 信号滤波傅里叶级数在信号滤波中也有广泛应用。

通过将信号转换到频域,并在频域对信号进行滤波操作,可以实现去除噪声、降低干扰等效果。

总结傅里叶级数是一种将周期性函数表示为正弦和余弦函数的和的数学工具。

它帮助我们理解信号的频谱特征,进行信号分析、图像压缩、音频合成和信号滤波等应用。

通过计算傅里叶系数,我们可以获得信号在不同频率上的幅度和相位信息。

傅里叶级数在现代科学和工程中具有重要的地位,对于理解和处理周期性信号至关重要。

3.3-周期序列的离散傅立叶级数

3.3-周期序列的离散傅立叶级数
X 1 ( k ) = DFS [ x 1 ( n )]
X 2 ( k ) = DFS [ x 2 ( n )]
线性
~ ~ ~ ~ DFS [ a x 1 ( n ) + b x 2 ( n )] = a X 1 ( k ) + bX 2 ( k )
移位
~ − DFS [ x ( n + m )] = W N mk X ( k ) = e
-N
0 1 ~ x 2 (1 − m ) 2 1
0 1
N-1 N
m
-N
N-1 N
——电子信息工程 电子信息工程 表格法求周期卷积 x1(m) 1 x (n-m) n
2
1 0 0 1 2 1 0
1 0 0 0 1 2 1
1 1 0 0 0 1 2
0 2 1 0 0 0 1
0 1 2 1 0 0 0
y(n) 1 1 3 4 4 3

∑ x(n)z
n=0
N −1
k=0
Re[z]
X ( k ) = X ( z ) | Z =W − k
N
~
为Z变换在单位圆上的抽样 变换在单位圆上的抽样
比较
X ( z) X (e ) X (k )

在整个Z平面上的取值 在整个 平面上的取值 在Z平面单位圆上的取值 平面单位圆上的取值 在Z平面单位圆上离散点的取值 平面单位圆上离散点的取值
m=0 N− 1 N− 1
——电子信息工程 电子信息工程 计算周期卷积的方法
~ y(n) =
m =0

N −1
~ (m ) x (n − m ) = x (n) ∗ x (n) ~ ~ ~ x1 2 1 2

DSP 3.1~3.4傅立叶级数

DSP  3.1~3.4傅立叶级数

N 1
nk N


7
nk x ( n )W 8
n0

W8
n0
nk
1 e
j
2 8
k
e
j
2 8
2k
e
j
2 8
3k
X (0) 4 X (4) 0
X (1) 1 j X (5) 1
j
2 1
2 1
X (2) 0 X (6) 0
j 2 6
10 e
j 2 6
n0 2 j 2k 6
3k
6e
4k
10 e
j
2 6
5k
X (0 ) 6 0 X (3) 0
X (1) 9 j 3 3 X (4) 3 j 3
X (2) 3 j 3 X (5) 9 j 3 3
X k 与 DTFT的 关 系 :
N 1 N 1
X (e
jw
)
n0

x (n )e
jwn

n0

~ ( n ) e jwn x
~ jw X ( k ) X (e ) |w 2 k
N
X ( k ) 可看作是对 x ( n ) 的一个周期 x(n)作DTFT变换,然后以 2 N 为
时域连续函数造成频域是非周期的谱,而频域 的离散对应时域是周期函数。
但愿人长久 千里共婵娟
6
澡身浴德 修业及时
离散时间、连续频率—序列的傅里叶变换

X (e
j
)
n


x (n )e

周期信号的傅里叶级数表

周期信号的傅里叶级数表
17
分量e j0t 可表示为
1
0
cos 0t
1 2
(e
j0t
e
j0tபைடு நூலகம்
)
表示为
1
1
2
2
0 0 0
因此,当把周期信号 x(t)表示为傅里叶级数
x(t) ake jk0t时,就可以将 x(t) 表示为 k
a1a0 a1
a3a2
a2 a3
0 0
这样绘出的图
称为频谱图
18
频谱图其实就是将 a随k 频率的分布表示出来,
14
有 x(t) ake jk0t , k 0, 1, 2
k
显然 x(也t)是以
为2周 期的。该级数就是傅里叶级
0
数, 称为a傅k 立叶级数的系数。
这表明用傅里叶级数可以表示连续时间周期信号,
即: 连续时间周期信号可以分解成无数多个复指数谐 波分量。
例1:
x(t)
cos 0t
1 e j0t 2
6
3.1历史的回顾 (A Historical Perspective)
任何科学理论, 科学方法的建立都是经过许多人 不懈的努力而得来的, 其中有争论, 还有人为之献 出了生命。历史的经验告诉我们, 要想在科学的 领域有所建树,必须倾心尽力为之奋斗。今天我 们将要学习的傅立叶分析法,也经历了曲折漫长 的发展过程,刚刚发布这一理论时,有人反对, 也有人认为不可思议。但在今天,这一分析方法 在许多领域已发挥了巨大的作用。
即: x(t) akeskt
k
同理: x(n)
ak
Z
n k
k
y(t) ak H (sk )eskt
k

周期信号的傅里叶级数表

周期信号的傅里叶级数表

傅里叶级数与复变函数的关系
傅里叶级数可以看作是复数域中的三角函数,即复数域中的正弦和余弦。在复数域中,正弦和余弦函数表现为复指数函数的 形式。
复数的使用使得傅里叶级数的系数可以表示为实数,从而简化了计算。此外,复数的共轭也提供了相位信息,这在信号处理 中非常重要。
傅里叶级数与小波分析的关系
小波分析是傅里叶分析的进一步发展,它提供了更灵活的时频分析工具。小波变 换可以看作是傅里叶变换的一种扩展,它允许我们在不同的频率段使用不同的基 本函数。
三角函数形式
傅里叶级数的另一种表示形式,利用三角函数来表示周期信号。
傅里叶级数的三角函数形式
01
02
03
正弦形式
余弦形式
系数
傅里叶级数的正弦函数形式,用 于表示只包含正弦波的周期信号。
傅里叶级数的余弦函数形式,用 于表示只包含余弦波的周期信号。
在傅里叶级数中,每个正弦或余 弦函数都对应一个系数,表示该 函数在周期信号中的贡献程度。
03
傅里叶级数的性质
傅里叶级数的收敛性
傅里叶级数在数学上具有收敛性,意味着它可以将一个 周期函数表示为无穷级数,每个项都是正弦或余弦函数。
收敛的速度取决于函数的特性,例如,对于具有快速衰 减的周期函数,傅里叶级数收敛得更快。
傅里叶级数的对称性
傅里叶级数的对称性质是指,对于一个周期函数,其傅里叶级数的正弦和余弦项具有对称性。 这意味着,对于一个给定的周期函数,其傅里叶级数的正弦和余弦项的系数是相同的。
周期信号的傅里叶级 数表
目录
• 傅里叶级数简介 • 周期信号的傅里叶级数表示 • 傅里叶级数的性质 • 傅里叶级数的应用实例 • 傅里叶级数与其他数学工具的关系
01

傅里叶级数 公式

傅里叶级数 公式

傅里叶级数公式傅里叶级数是一种用正弦函数和余弦函数表示周期函数的方法。

它由法国数学家傅里叶在19世纪提出,被广泛应用于信号处理、物理学、工程学等领域。

傅里叶级数的公式如下:\[f(x) = \frac{a_0}{2} + \sum_{n=1}^{\infty} (a_n \cos(nx) + b_n \sin(nx))\]在这个公式中,\(f(x)\)表示周期为\(2\pi\)的函数,\(a_0\)表示函数的直流分量,\(a_n\)和\(b_n\)分别表示函数的交流分量的系数。

傅里叶级数的优点在于可以将任意周期函数分解为一系列简单的正弦函数和余弦函数,从而更好地理解和分析周期性现象。

对于一个周期为\(2\pi\)的函数\(f(x)\),我们可以通过计算其在一个周期内的积分来求解傅里叶系数。

具体的计算方法如下:\[a_0 = \frac{1}{\pi} \int_{-\pi}^{\pi} f(x)dx\]\[a_n = \frac{1}{\pi} \int_{-\pi}^{\pi} f(x)\cos(nx)dx\]\[b_n = \frac{1}{\pi} \int_{-\pi}^{\pi} f(x)\sin(nx)dx\]通过计算这些积分,我们可以得到傅里叶级数的系数。

根据这些系数,我们可以重新构造出原函数\(f(x)\)的近似值。

当我们取无限多个正弦函数和余弦函数时,傅里叶级数的近似值将趋近于原函数。

傅里叶级数的应用非常广泛。

在信号处理领域,傅里叶级数可以用来分析和合成信号。

通过将信号分解为一系列正弦函数和余弦函数,我们可以更好地理解信号的频谱特性,从而设计出更好的信号处理算法。

在物理学中,傅里叶级数可以用来描述波动现象,如声波、光波等。

通过将波动现象分解为一系列正弦函数和余弦函数,我们可以更好地理解波动的性质和传播规律。

在工程学中,傅里叶级数可以用来分析和设计电路、通信系统等。

通过将电路和信号分解为一系列正弦函数和余弦函数,我们可以更好地理解电路和信号的行为,从而设计出更好的工程方案。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

a (ω )

ω 的偶函数。 的偶函数。
ϕ (ω ) 和 jb(ω ) 为
ω的奇函数。 的奇函数。
补充:复数谱(又称为幅相频谱) 补充:复数谱(又称为幅相频谱)
复数谱的图形通常用横轴表示实部, 复数谱的图形通常用横轴表示实部,纵轴表示 虚部。频率作为参变数,给定一个频率值, 虚部。频率作为参变数,给定一个频率值,便 可得到曲线上一点。 可得到曲线上一点。
1

nω1
3.相位的确定 相位的确定 2π ω1 = 代入 Cn 可知 T1
E nπτ Fn = sin ( p103 − 104) nπ T1
当角度
nπτ T1
在第一、 在第一、二象限时Fn 为正实数
即相位为零。 即相位为零。 nπτ 当角度 在第三、 在第三、四象限时 Fn 为负实数 T1 即相位为
B.关于连续谱的说明 关于连续谱的说明 具有离散频谱的信号, 具有离散频谱的信号,其能量集中在一些谐波分 量中。 量中。 具有连续频谱的信号, 具有连续频谱的信号,其能量分布在所有的频率 每一频率分量包含的能量则为无穷小量。 中,每一频率分量包含的能量则为无穷小量。
ω1 =
T1
nω1τ ∞ sin Eτ 2 e jnω1t f (t ) = ∑ nω1τ T1 n = −∞ 2
2.画频谱图 2.画频谱图
的表达式可知, 由复振幅 Fn 的表达式可知,频谱谱线顶点的联线所
sin x 的形式----称为抽样函数。 ----称为抽样函数 的形式----称为抽样函数。 构成的包络是 x
1.离散性 2.谐波性 3.收敛性 2π 离散性 谐波性 收敛性
τ
4.频带问题 频带问题(p164. 3-17) 频带问题 a.对于单调衰减的信号,把零频率到谐 对于单调衰减的信号, 对于单调衰减的信号 波幅度降到最大值十分之一的那个频率 1 间频带, 间频带,称为信号的带宽 10
f1 b.对于周期过零的信号常认为包络线第 对于周期过零的信号常认为包络线第
π
二.结论 结论
1.频谱是离散的 两谱线间的距离为 ω1 = T 频谱是离散的,两谱线间的距离为 频谱是离散的 1 Eτ 变大时, 变大时, 2.由 F0 = 变大、 由 知,当E变大、 当 变大 T1 则各次谐波的幅度愈大. 则各次谐波的幅度愈大 T1变大时 则谐波幅度愈小 变大时,则谐波幅度愈小 则谐波幅度愈小. nω1τ 2π = mπ 或 nω1 = m 3.当 当 时,谱线的 2 τ 包络经过零值。 包络经过零值。
找出谐波次数为零的点(即包络与横轴的交点) 1. 找出谐波次数为零的点(即包络与横轴的交点)
2 Eτ 包络线方程为 an = T1
sin
ωτ
2
ωτ
2
sin
ωτ
2 =0
与横轴的交点由下式决定: 与横轴的交点由下式决定: 即:
ωτ
2
ωτ
2
= π ,2π ,3π L
2π 4π 6π
ω = ω0 =
τ τ τ
f (t ) = a0 + ∑ an cos(nω1t + ϕ )
n =1

2 an = ∫ T1
f (t )e
− jnω1t
2 − jnω1t dt = ∫ Ee dt T1
T 2 T − 2
n ω 1τ sin 2 Eτ 2 ] = 2 E τ S a( n ω 1τ ) = [ n ω 1τ T1 T1 2 2 周期矩形脉冲频谱的数学表达式
§ 3.3典型周期信号的傅里叶级数
•周期矩形脉冲信号 周期矩形脉冲信号 •周期锯齿脉冲信号 周期锯齿脉冲信号 •周期三角脉冲信号 周期三角脉冲信号 •周期半波余弦信号 周期半波余弦信号 •周期全波余弦信号 周期全波余弦信号 我们重点讨论周期矩形脉冲信号的频谱, 我们重点讨论周期矩形脉冲信号的频谱,由 此得出的某些结论,适用于所有的周期信号。 此得出的某些结论,适用于所有的周期信号。
1 ∆f = ∆τ
一个零点以上的谐波可以忽略不计. 一个零点以上的谐波可以忽略不计
[例题 例题] 试求周期矩形脉冲信号在其有效 例题 带宽(0~2π/τ)内谐波分量所具有的平均功率 带宽 π τ 内谐波分量所具有的平均功率 占整个信号平均功率的百分比。其中E=1, 占整个信号平均功率的百分比。其中 , T=1/4,τ=1/20。 , 。
1.定义:令 定义: 定义
F ( jω) = lim FnT = lim 2π
T →∞ Ω→0
ω1
Fn
(T =

ω1
)
a. lim TFn = lim ∫
T →∞
T 2 T T →∞ − 2
f (t )e
− jnω1t
dt
b.这样定义能确切的反映信号的频谱分布特性。 这样定义能确切的反映信号的频谱分布特性。 这样定义能确切的反映信号的频谱分布特性 各个频率分量振幅之间的相对比例关系是固定不 变的。 变的。
f (t )e
jnω1t
− jnω1t
dt
∑F e
无限多个无穷小量之和仍可等于一个有限量。 无限多个无穷小量之和仍可等于一个有限量。
结论: 结论:信号的频谱分布是不会随着信号的周期
的无限增大而消失的。 的无限增大而消失的。 信号的频谱分布仍然存在。 T → ∞ 时,信号的频谱分布仍然存在。
二.频谱密度函数 频谱密度函数
b(ω ) Q = −ωT a (ω ) ω = ±∞ K ∴ a (ω ) = b(ω ) 2 [ ] +1 a (ω )
2 2
b(ω )
ω =0
1 K 2
a (ω )
1 2 2 K 2 a (ω ) + b (ω ) − Ka (ω ) = 0 [a(ω) − K] + b (ω) = ( ) 2 2
一.周期矩形脉冲信号的频谱分析
f (t ) =
E
0
nT1 −
nT1 +
τ
2
2
< t < nT1 +τ2 Nhomakorabeaτ
2
τ
< t < (n + 1)T1 −

• •

• • •
τ
2
τ
2
T
1.求f(t)的复数振幅和展开成傅立叶级数 1.求f(t)的复数振幅和展开成傅立叶级数
(3P90 (3-5)
T 2 T − 2
Fn
1 25

2
− 40π
40π
nω 0
周期信号的功率谱
三.
τ
T1
的比值改变时,对频谱结构的影响。 的比值改变时,对频谱结构的影响。
P105.图(3-11)和p106.图(3-12) 图 和 图 - )
τ 1.T1不变,变 不变,
a.QT 不变, ω1不变, 不变, ∴ 不变, 1 即谱线的疏密不变 b. ↓, 则 n的 敛 度 慢 τ F 收 速 变 2. 不 , 1变 τ 变 T 时
a.F ( jω ) 代表了信号中各频率分量振幅的相对
大小。 大小。
2.几点说明 几点说明
b.各频率分量的实际振幅为 各频率分量的实际振幅为 是无穷小量。 是无穷小量。
2 | F ( jω ) | | F ( jω ) | dω = T π
具有单位频率振幅的量纲。 C. F ( jω ) 具有单位频率振幅的量纲。
1 f (t ) = 2π



−∞
F (ω )e dω
− jωt
jωt
反变换 正变换
F ( jω ) = ∫ f (t )e
−∞
dt
2.几点说明: 几点说明: 几点说明 a.正变换给出了非周期信号的频谱的数学表达式。 正变换给出了非周期信号的频谱的数学表达式。 正变换给出了非周期信号的频谱的数学表达式 时间函数f(t)可以表示为频率在区间 时间函数 可以表示为频率在区间( −∞ < ω < ∞ ) 内的指数函数的连续和。 内的指数函数的连续和。 傅立叶变换提供了信号的频率描述和时间描述之 间相互变换的工具。正变换通常叫做分析运算, 间相互变换的工具。正变换通常叫做分析运算, 反变换通常叫做综合运算。 反变换通常叫做综合运算。
上式中n=0, 上式中n=0,则为不定式利用罗必塔法则 n=0
a0
n ω 1τ sin 1 2Eτ 2 ] = Eτ = lim [ n ω 1τ 2 n → 0 T1 T1 2
nω 1τ ∞ sin Eτ 2 cos nω t ] ∴ f (t ) = [1 + 2∑ 1 nω1τ T1 n =1 2 2π
一.问题的提出 问题的提出
1.从物理概念考虑:信号的能量存在,其频谱 从物理概念考虑:信号的能量存在, 从物理概念考虑 分布的规律就存在。 分布的规律就存在。 2.从数学角度来看: 从数学角度来看: 从数学角度来看
T 2 T − 2
n
1 Fn = lim ∫ T →∞ T
f (t ) =
∞ n = −∞
π 2 τ 变 b. 不 , 不 , 变 τ
a.T ↑, ω ↓,∴谱 密 线 集 1 1
包 线 零 位 不 络 的 值 置 变
c.T1 → ∞时,时域波形和频谱结构会发生什么变化呢?
§ 3.4傅立叶变换 傅立叶变换
一.频谱密度函数 频谱密度函数 二.非周期信号的频谱分析 傅立叶变换 非周期信号的频谱分析----傅立叶变换 非周期信号的频谱分析 三.傅立叶积分的其他形式 傅立叶积分的其他形式 四.傅立叶变换的存在 傅立叶变换的存在 五.周期和非周期矩形脉冲信号频谱的对比 周期和非周期矩形脉冲信号频谱的对比
d.F( jω) =| F( jω) | e
相关文档
最新文档