3.1
注 展开为三角级数后, 基波频率即所有角频率的最大公约数, 基波周期即所有周期的最小公倍数.
3.2
周期矩形脉冲
三角形式
指数形式
周期半正弦波
3.3 不想做, 以后再说.
三角形式
指数形式
3.4 略.
3.5 ⭐️
所有只含有奇次谐波的余弦分量. (基波?)
只含有奇次谐波的正弦分量. (基波?)
只含有奇次谐波.
只含有正弦分量.
只含有直流与偶次谐波的余弦分量.
只含有直流与偶次谐波的正弦分量.
3.6
稳态时电容两端电压
直流分量即
信号的基波为
幅度为 0.754679 V, 电容电压幅度为 0.639017 V.
信号的五次谐波为
幅度为 0.128352 V, 电容电压幅度为 0.0389310 V.
电容电压与信号电压相应分量的比值
直流分量: 1.
基波分量: 0.8467.
五次谐波: 0.3033.
因此该电路构成低通滤波器, 滤去信号中的高频分量.
注 标答第一问错了吧...
x1f[t_] := Which[
2 t < 0, 0,
3 True, t / 500
4] (* [-T/2, T/2] 的信号, 我们不关心其它处的取值 *)
5
6Subscript[a, 5] = FourierCosCoefficient[
7 f[t], t, 5,
8 FourierParameters -> {1, 2 Pi / 1000}
9] (* 信号的五次谐波余弦系数 *)
10
11Subscript[b, 5] = FourierSinCoefficient[
12 f[t], t, 5,
13 FourierParameters -> {1, 2 Pi / 1000}
14] (* 信号的五次谐波正弦系数 *)
15
16Subscript[u, C, 5] = N[
17 Sqrt[Subscript[a, 5]^2 + Subscript[b, 5]^2]
18 10^4/(10 Pi) / Sqrt[10^6 + (10^4/(10 Pi))^2]
19] (* 电容电压的五次谐波幅度 *)
3.7
思路一 (由定义)
思路二 (由性质)
这两个结果是一样的.
思路一 (由定义)
思路二 (由性质)
评价是不如用定义.
3.8
注
对于矩形信号的叠加, 带宽即时域
是答案错了, 还是我算错了?
3.9
注
答案中将
注意从 时域乘积 -> 频域卷积, 需要除以 2π.
3.10
思路一: 由冲激函数的性质,
思路二: 由
思路一: 由
思路二: 由冲激函数性质,
由
由
3.11
由尺度性质与时移性质, 得到
3.12
由
由
由上一题,
3.13
备注
门函数
三角波
之所以将三角波定义在该区间, 而不是
是因为在卷积上形式简洁, 在傅里叶变换上形式统一:
附门函数与三角波及其傅里叶变换的 Mathematica 绘图代码:
xxxxxxxxxx
211Plot[
2 {HeavisidePi[t], HeavisideLambda[t]}, {t, -1, 1},
3 GridLines -> Automatic,
4 PlotLegends -> LineLegend["Expressions"]
5] (* 门函数与三角波 *)
6Plot[
7 {FourierTransform[
8 HeavisidePi[t], t, \[Omega],
9 FourierParameters -> {1, -1}
10 ], FourierTransform[
11 HeavisideLambda[t], t, \[Omega],
12 FourierParameters -> {1, -1}
13 ]}, {\[Omega], -10 Pi, 10 Pi},
14 PlotRange -> All,
15 PlotLegends -> LineLegend[{
16 "\[ScriptCapitalF][\!\(\*SubscriptBox[\(G\), \
17 \(\[Tau]\)]\)(t)](\[Omega])",
18 "\[ScriptCapitalF][\!\(\*SubscriptBox[\(T\), \
19 \(\[Tau]\)]\)(t)](\[Omega])"
20 }]
21] (* 傅里叶变换 *)
3.14
思路一: 由奇偶性质, 傅里叶变换的实部只含偶分量, 故为
思路二:
注
附绘图代码:
xxxxxxxxxx
171f[t_] := 2 HeavisideLambda[(t - 1) / 2]
2
3Plot[
4 (f[t] + f[-t])/2, {t, -2, 2},
5 GridLines -> Automatic
6] (* f(t) 的偶分量 *)
7
8Plot[
9 InverseFourierTransform[
10 Real[FourierTransform[
11 f[t], t, \[Omega],
12 FourierParameters -> {1, -1}
13 ]], \[Omega], t,
14 FourierParameters -> {1, -1}
15 ], {t, -2, 2},
16 GridLines -> Automatic
17] (* 第四问; 算了这样计算量有点大, 直接绘 f[t+1] 吧 *)
3.15
思路一: 由微分性质,
思路二: 也可以使用频域卷积,
由冲激函数高阶导数的抽样性质,
由对称性质,
由频域卷积,
类似第一问,
由尺度性质,
由微分性质
时域微分:
频域微分:
由尺度性质与时移性质,
由前两问与第五问思路,
频域微分:
尺度与时移:
由尺度性质与时移性质,
注
标答第二问复制错了.
其它结果与标答一致, 注意到
3.16 ⭐️
已知
以及
于是
由定义,
由时移性质,
考虑第二项, 记
如果我们能求出
那么我们就可以得到
一种思路是直接换元, 上式
但是该积分发散 (不定积分也不可由初等函数表示).
另一种思路是由
但是该积分同样发散.
好, 这个路子走不通, 我们另寻他路.
将原式改写为
太乐了, 看仔细点, 这个式子取极限后对于任意非零
由
由
思路一:
于是由冲激函数定义,
于是
思路二:
注
做题前记:
我不喜欢增加参数后计算傅里叶变换, 然后取极限的方法.
不是说技巧性强, 它的技巧很明确, 一般是这两个路子:
通过乘上诸如
通过乘上诸如
问题是我认为一些情况下, 这样做并不严谨. 比如利用单边指数函数取极限, 我们需要证明含参反常积分一致收敛之后, 才能交换极限与积分的运算次序. 而这实际上是做不到的 (在普通的高等数学的意义下).
诸如冲激函数, 它们本身并不是数学分析中允许存在的函数; 它们在泛函分析中通过广义函数以积分的形式定义. 对于符号函数、直流函数、阶跃函数等, 我们完全可以绕开 (或者说间接地使用) 傅里叶变换中的柯西主值积分, 而只使用冲激函数与傅里叶变换的性质, 去求解它们的傅里叶变换.
这样做不仅有可能 (这么说是因为我没有学过泛函分析与广义函数论) 更加严谨, 而且在推导上更加简便, 即使记不住结论, 也可以轻松推得, 又何乐而不为呢?
做题后记:
作者有使用第二种方法算过吗? 我表示怀疑. 思路看起来没什么问题, 但是难以实践.
第四种方法, 如果使用频移特性, 结果将会出错, 为什么?
如果说条件不适用, 什么条件不适用?
3.17
3.18
与 1 类似.
图略.
3.19
注 ⭐️
对于时域的理想抽样, 首先傅里叶级数展开抽样脉冲信号,
于是抽样信号的傅里叶变换为
记
临界采样角频率
奈奎斯特抽样频率
奈奎斯特抽样间隔
一些常用信号的奈奎斯特抽样频率与间隔:
3.20
略.
略.
xxxxxxxxxx
51Plot[
2 Sum[
3 Sinc[(\[Omega] - 8 n Pi)/2]^2, {n, -3, 3}
4 ], {\[Omega], -16 Pi, 16 Pi}
5] (* 1; 2、3 略 *)
3.21
注
奈奎斯特频率一般用
注意
3.22
周期梯形, 周期为 6000 π, 幅度为 1/2000.
注 标答中的幅度似乎有误.
3.23
3.24
问: 是否会发生混叠?
答: 当采样周期小于等于奈奎斯特周期时, 不会发生混叠.
因此
问: 采样信号的频谱?
答: 可以由以下代码绘制:
xxxxxxxxxx
111Plot[
2 {
3 Sum[HeavisideLambda[(\[Omega] - 16 n)/4], {n, -5, 5}],
4 Sum[HeavisideLambda[(\[Omega] - 16 n)/8], {n, -5, 5}],
5 Sum[HeavisideLambda[(\[Omega] - 16 n)/16]/2, {n, -5, 5}]
6 }, {\[Omega], -32, 32},
7 PlotLegends -> {
8 "\!\(\*SubscriptBox[\(x\), \(s\)]\)(t/2)",
9 "\!\(\*SubscriptBox[\(x\), \(s\)]\)(t)",
10 "\!\(\*SubscriptBox[\(x\), \(2\)]\)(2t)"}
11]
3.25
3.26
如果认为低通滤波器滤除的频率包含
注
第一问中认为临界采样时, 低通滤波器无法保留临界频率的信号, 所以也会发生混叠. ⭐️
标答中
3.27
无需:
3.28
由
当
3.29
略.
有失真.
3.30
备注 第一题标答分子应为
3.31
3.32
3.33
3.34
xxxxxxxxxx
71Plot[
2 {
3 HeavisidePi[\[Omega]/(2 Pi)],
4 2 Sinc[\[Omega]] HeavisidePi[\[Omega]/(2 Pi)]
5 }, {\[Omega], -Pi, Pi},
6 PlotLegends -> "Expressions"
7]
3.35
法一:利用卷积定理(难)
法二:直接求解卷积(易)
法一:利用卷积定理(易)
法二:直接求解卷积(难)
备注 ⭐️
两种方法都要试一试,没有哪种方法一定是最优的.
抽样函数的卷积为
xxxxxxxxxx
161(* graph of Sa(t) and Si(t) *)
2Plot[
3 {Sinc[t], SinIntegral[t]},
4 {t, -2 Pi, 2 Pi},
5 PlotLegends -> "Expressions"
6]
7
8(* Question 1: Method 1 (failed) *)
9V = (1/(I \[Omega]) + Pi DiracDelta[\[Omega]]) (E^(-I \[Omega] T) - 1) E^(-I \[Omega] Subscript[t, 0]) HeavisidePi[t/2]
10InverseFourierTransform[
11 V, \[Omega], t,
12 FourierParameters -> {1, -1}
13]
14
15(* Question 2: Method 2 (failed; calculation aborted) *)
16Convolve[Sinc[t], Sinc[t], t, x]
3.36
输出信号的象函数:
3.37
滤波器输入信号的象函数:
滤波器输出信号的象函数:
于是输出信号在时域为:
3.38
滤波器输入信号的象函数:
输出信号的象函数:
输出信号的时域为:
3.39
x
101(* 1 *)
2Y = FourierTransform[
3 (5 + 2 Cos[10 t] + 3 Cos[20 t]) Cos[200 t], t, \[Omega],
4 FourierParameters -> {1, -1}
5]
6
7(* 2 *)
8Y = FourierTransform[
9 Sin[t]/t Cos[3 t], t, \[Omega],
10 FourierParameters -> {1, -1}
11]
12Plot[Y, {\[Omega], -5, 5}]
3.40
能保证,因为系统中只涉及实值信号的卷积:
由系统框图得到
备注 第一问解答中的表达式仅作说明使用,如果给出激励信号,不建议使用该式计算,而应作傅里叶变换后利用第二问中得到的表达式.
警告 该题无法使用采样定理或理想低通滤波器中的结论,而应该用采样定理的推导思路去分析系统框图.