最后更新: 2025-08-01 08:05 查看: 90 次纠错评论(0) 课件开VIP

傅里叶变换背景13-傅里叶级数与傅里叶变换的关系

## 傅里叶级数与傅里叶变换的关系
本文严密推导并详细闸述了傅里叶变换和傅里叶级数之间的关系，总结本文推导出的公式的主要作用如下：
（1）已知周期信号的傅里叶级数，可以快速求出其傅里叶变换。
（2）已知周期信号 $f_T(t)$ 一个周期内的截断函数 $f_0(t)$ 的傅里叶变换，可以快速求出 $f_T(t)$的傅里叶变换。
（3）已知周期信号 $f_T(t)$ 一个周期内的截断函数 $f_0(t)$ 的傅里叶变换，也可以快速求出 $f_T(t)$ 的傅里叶级数。

1．公式回顾
我们知道，周期信号可以分解成三角函数集或虚指数函数集的线性组合（傅里叶级数），进而可以得到单边谱或双边谱，但是非周期信号却不能用傅里叶级数来表示。在傅里叶变换那点事这篇文章中，我们通过把非周期信号看成是周期无穷大的周期信号，从傅里叶级数推导出了傅里叶变换，现在来回顾一下：

对周期为 $T$ 的信号进行分解得到的傅里叶级数的系数 $F_n$ 可以表示为下式

$$
F_n=\frac{1}{T} \int_{-\frac{T}{2}}^{\frac{T}{2}} f(t) e^{-j n \Omega t} d t
$$

通过把非周期信号看成是周期无穷大的周期信号，得到的傅里叶变换的系数 $F(j \omega)$ 可以表示为下式：

$$
F(j \omega)=\lim _{T \rightarrow \infty} F_n T
$$

$F(j \omega)$ 其实代表的是频谱密度函数 ${ }^{+}$，简称频谱。这便是公式上的联系。

2．周期信号的傅里叶变换
从前面系列的文章中，我们知道对于周期信号，我们可以求傅里叶级数得到频谱；对于非周期信号（满足狄利克雷条件 ${ }^{+}$为前提），我们可以求傅里叶变换得到频谱。但是，对于周期信号，我们能不能求其傅里叶变换呢？

根据公式回顾，可以这么想：对于周期信号，通过傅里叶级数得到的频谱为离散谱，其中任意一根频谱，对应的值肯定是常数。根据公式 $F(j \omega)=\lim _{T \rightarrow \infty} F_n T$ ，那么周期信号的通过傅里叶变换得到的系数也一定为离散谱，且对任一频谱，其值为无穷大。无穷大究竟为多大呢？仅仅通过这个公式好像无法得到周期信号的傅里叶变换的系数的具体表达式。

只要思想不滑坡，办法总比困难多，下面我们就通过傅里叶变换的性质来求：
假设一周期信号 $f_T(t)$ 的傅里叶级数可以表示为：

$$
f_T(t)=\sum_{n=-\infty}^{\infty} F_n e^{j n \Omega t}
$$

其中，$F_n$ 可以通过下式求得：

$$
F_n=\frac{1}{T} \int_{-\frac{T}{2}}^{\frac{T}{2}} f_T(t) e^{-j n \Omega t} d t
$$

根据傅里叶变换的线性性质，可以求得 $f_T(t)$ 的傅里叶变换为：

$$
\begin{aligned}
F\left[f_T(t)\right] & =F\left[\sum_{n=-\infty}^{\infty} F_n e^{j n \Omega t}\right] \\
& =\sum_{n=-\infty}^{\infty} F_n F\left[e^{j n \Omega t}\right] \\
& =\sum_{n=-\infty}^{\infty} F_n 2 \pi \delta(\omega-n \Omega) \\
& =2 \pi \sum_{n=-\infty}^{\infty} F_n \delta(\omega-n \Omega)
\end{aligned}
$$

上式推导过程中用到了傅里叶变换的频移性质，即：

$$
\because \quad 1 \longleftrightarrow 2 \pi \delta(\omega)
$$

$$
\therefore \quad e^{j \omega_0 t} \longleftrightarrow 2 \pi \delta\left(\omega-\omega_0\right)
$$

因此，如果我们已经求得了周期信号的傅里叶级数，便可以得到其傅里叶变换：

$$
f_T(t)=\sum_{n=-\infty}^{\infty} F_n e^{j n \Omega t} \longleftrightarrow \longrightarrow F_T(j \omega)=2 \pi \sum_{n=-\infty}^{\infty} F_n \delta(\omega-n \Omega)
$$

举个例子吧，如果周期信号为矩形脉冲信号，则原信号，傅里叶级数对应的频谱、傅里叶变换对应的频谱分别如下图所示：

![图片](/uploads/2025-07/7f6bff.jpg)

3. 傅里叶级数与傅里叶变换的关系
3.1 梳状函数的频谱图仍然是梳状函数
在求关系之前，我们先介绍一个比较经典的周期函数，人称梳状函数，其形似梳，故得名，图如下：

![图片](/uploads/2025-07/a93f32.jpg)
 
 其表达式也很简单，为：

$$
\delta_T(t)=\sum_{m=-\infty}^{\infty} \delta(t-m T)
$$

我们很容易求得该周期信号的傅里叶级数：

$$
F_n=\frac{1}{T} \int_{-\frac{T}{2}}^{\frac{T}{2}} f(t) e^{-j n \Omega t} d t=\frac{1}{T}
$$

通过本文上面得到的公式，可以得到该周期信号的傅里叶变换为：

$$
\delta_T(t) \longleftrightarrow 2 \pi \sum_{n=-\infty}^{\infty} \frac{1}{T} \delta(\omega-n \Omega)=\Omega \sum_{n=-\infty}^{\infty} \delta(\omega-n \Omega)=\Omega \delta_{\Omega}(\omega)
$$

所以其频谱图如下，依旧是梳状函数：

![图片](/uploads/2025-07/080108.jpg)
 
 3.2 梳状函数与别的函数卷积的结果一定是周期信号

梳状函数与任意信号 $f(t)$ 的卷积结果 $g(t)$ 一定是周期信号，证明如下：

$$
g(t)=f(t) * \delta_T(t)=f(t) * \sum_{m=-\infty}^{\infty} \delta(t-m T)=\sum_{m=-\infty}^{\infty} f(t-m T)
$$

因为上式中 $m$ 取值为整数，所以对于任意自变量 $t$ ，都有 $g(t)=g(t+T)$ ，即 $g(t)$ 是周期函数。

不仅如此，我们很容易知道任意周期信号 $f_T(t)$（周期为 $T$ ）可以通过其一个周期内的截断函数 $f_0(t)$ 与 $\delta_T(t)$ 的卷积得到：

$$
f_T(t)=\delta_T(t) * f_0(t)
$$

由于时域卷积等于频域相乘，所以周期信号 $f_T(t)$ 的傅里叶变换还可以这么得到：

$$
F_T(j \omega)=\Omega \delta_{\Omega}(\omega) F_0(j \omega)=\Omega \sum_{n=-\infty}^{\infty} F_0(j n \Omega) \delta(\omega-n \Omega)
$$

因此，如果我们已知周期信号 $f_T(t)$ 一个周期内的截断函数 $f_0(t)$ 的傅里叶变换，可以快速求出 $f_T(t)$ 的傅里叶变换。
3.3 傅里叶级数与傅里叶变换的关系

通过本文第 2 节，我们得到：

$$
F_T(j \omega)=2 \pi \sum_{n=-\infty}^{\infty} F_n \delta(\omega-n \Omega)
$$

通过本文3．2节，我们得到：

$$
F_T(j \omega)=\Omega \sum_{n=-\infty}^{\infty} F_0(j n \Omega) \delta(\omega-n \Omega)
$$

对比上面的两个式子，可以得到：

$$
F_n=\frac{\Omega}{2 \pi} F_0(j n \Omega)=\frac{1}{T} F_0\left(j \frac{2 n \pi}{T}\right)
$$

因此，如果我们已知周期信号 $f_T(t)$ 一个周期内的截断函数 $f_0(t)$ 的傅里叶变换，也可以快速求出 $f_T(t)$ 的傅里叶级数。

https://zhuanlan.zhihu.com/p/581622508

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：傅里叶变换的积分特性

下一篇：傅里叶变换10-频移特性与解调制与解调

本文对您是否有用？有用 (0) 无用 (0)