【数字信号处理】序列傅里叶变换 ( 基本序列的傅里叶变换 | 求 a^nu(n) 的傅里叶变换 )
一、求 a^nu(n) 傅里叶变换
求 a n u ( n ) a^nu(n) anu(n) 的傅里叶变换 S F T [ a n u ( n ) ] SFT[a^nu(n)] SFT[anu(n)] ?
其中 ∣ a ∣ ≤ 1 |a| \leq 1 ∣a∣≤1 ;
1、傅里叶变换与反变换公式介绍
傅里叶变换 : 时域 " 离散非周期 " 信号 , 其频域就是 " 连续周期 " 的 , 其频域 可以 展开成一个 " 正交函数的无穷级数加权和 " , 如下公式
X ( e j ω ) = ∑ n = − ∞ + ∞ x ( n ) e − j ω n X(e^{j\omega}) = \sum_{n=-\infty}^{+\infty} x(n) e^{-j \omega n} X(ejω)=n=−∞∑+∞x(n)e−jωn
傅里叶反变换 : 利用 " 正交函数 " 可以推导出 " 傅里叶反变换 " , 即 根据 傅里叶变换 推导 序列 ;
x ( n ) = 1 2 π ∫ − π π X ( e j ω ) e j ω k d ω x(n) = \cfrac{1}{2\pi} \int_{-\pi} ^\pi X( e^{j \omega } )e^{j \omega k} d \omega x(n)=2π1∫−ππX(ejω)ejωkdω
2、求 a^nu(n) 的傅里叶变换推导过程
将
a n u ( n ) a^nu(n) anu(n)
序列 , 直接带入到
X ( e j ω ) = ∑ n = − ∞ + ∞ x ( n ) e − j ω n X(e^{j\omega}) = \sum_{n=-\infty}^{+\infty} x(n) e^{-j \omega n} X(ejω)=n=−∞∑+∞x(n)e−jωn
傅里叶变换公式中 , 可得到 :
X ( e j ω ) = ∑ n = 0 + ∞ a n e − j ω n X(e^{j\omega}) = \sum_{n=0}^{+\infty} a^n e^{-j \omega n} X(ejω)=n=0∑+∞ane−jωn
根据 " 等比级数求和 " 公式 , 可以得到
X ( e j ω ) = 1 1 − a e − j ω X(e^{j\omega}) = \cfrac{1}{1-ae^{-j \omega}} X(ejω)=1−ae−jω1
相关文章
- 由中序序列和后序序列确定一棵二叉树
- Java实现 LeetCode 761 特殊的二进制序列(括号问题)
- Java实现P2102 -- 正整数序列
- Java实现 蓝桥杯VIP 算法训练 摆动序列
- 【二叉树】106. 从中序与后序遍历序列构造二叉树 【中等】
- PromQL 标签过滤时间序列
- 编程笔试(解析及代码实现):求和为N的正整数序列之实现一个函数,输入为一个正整数N (比如100),输出为所有和等于N的[连续]正整数序列
- 【华为云技术分享】序列特征的处理方法之一:基于注意力机制方法
- 【关于时间序列的ML】项目 1 :使用 Python 进行 Covid-19 病例 预测
- 【Seq2Seq】卷积序列到序列学习
- 递归求最长子序列长度
- 【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质示例 | 证明 共轭对称序列 x_e(n) 的 傅里叶变换 是 原序列傅里叶变换 的实部 )
- 【数字信号处理】序列傅里叶变换 ( 基本序列的傅里叶变换 | 求 1 的傅里叶变换 )
- 【数字信号处理】序列傅里叶变换 ( 狄义赫利条件 | 序列傅里叶变换定义 )
- 【数字信号处理】基本序列 ( 实指数序列 | 收敛序列 | 发散序列 )
- 【数字信号处理】基本序列 ( 单位阶跃序列 | 单位阶跃序列与单位脉冲序列关系 | 矩形序列 | 矩形序列与单位阶跃序列关系 | 矩形序列作用 )
- 【数字信号处理】基本序列 ( 基本序列列举 | 单位脉冲序列 | 单位脉冲函数 | 离散单位脉冲函数 | 单位脉冲函数 与 离散单位脉冲函数的区别 )
- 128. 最长连续序列
- VL28—输入序列不连续的序列检测(移位寄存器实现):输入信号data,检测data是data_valid,但data_valid要有信号过来指定data有效,当输入数据是0110时,match=1。
- C++基本序列式容器
- 判断子序列
- 通过fastaread读取DNA序列并进行检测matlab仿真