跳至主要內容

几个常用函数

Jia-Yin大约 2 分钟

rect 函数

定义 rect(t) 函数如下:

rect(t)={1,if t<1212,if t=12(optional condition)0,if t>12 \text{rect}(t) = \begin{cases} 1, & \text{if } |t| < \frac{1}{2} \\ \frac{1}{2}, & \text{if } |t| = \frac{1}{2} \quad (\text{optional condition}) \\ 0, & \text{if } |t| > \frac{1}{2} \end{cases}

其图形如下图所示,由于形状像帽子,我们有时也将其称为帽子函数 Π(t)\Pi(t)

rect(t)
rect(t)

sinc 函数

定义 sinc(t) 函数如下:

sinc(t)={sin(πt)πt,if t01,if t=0 \text{sinc}(t) = \begin{cases} \frac{\sin(\pi t)}{\pi t}, & \text{if } t \neq 0 \\ 1, & \text{if } t = 0 \end{cases}

其图形如下图所示:

sinc(t)
sinc(t)

注意: F{Π(t)}=sinc(f)\mathcal{F}\{\Pi(t)\} = \text{sinc}(f)F{sinc(t)}=Π(f)\mathcal{F}\{\text{sinc}(t)\} = \Pi(f), 两者互为傅立叶变换对的关系。

δ\delta 函数

定义 δ(t)\delta(t) 函数为

δ(t)=limϵ0 12ϵ rect(t2ϵ) \delta(t) = \lim_{\epsilon \to 0}\ \frac{1}{2\epsilon}\ \text{rect}\left(\frac{t}{2\epsilon}\right)

这里 rect(t)\text{rect}(t) 是矩形函数,当 12t12-\frac{1}{2} \leq t \leq \frac{1}{2} 时为 1,其他情况为 0,也可以记为 Π(t)\Pi(t)。当 ϵ\epsilon 趋近于 0 时,矩形函数的宽度也趋近于0,高度则趋近于 \infty,但仍保持其积分值为 1,如下图所示:

 函数的一种表达方式
δ(t)\delta(t) 函数的一种表达方式

δ(t)\delta(t) 有许多重要的特性与应用,以下是本单元会用到的几个:

F{δ(t)}=1 \mathcal{F}\{\delta(t)\} = 1

F{1}=δ(f) \mathcal{F}\{1\} = \delta(f)

F{ej2πf0t}=δ(ff0) \mathcal{F}\{e^{j2\pi f_0t} \} = \delta(f-f_0)

f(t)δ(tt0)=f(tτ)δ(τt0)dτ=f(tt0) \begin{align*} f(t) * \delta(t-t_0) &= \int_{-\infty}^{\infty} f(t-\tau) \delta(\tau - t_0) \, d\tau \\ &= f(t-t_0) \end{align*}

comb 函数 (梳子函数)

定义 comb 函数如下:

combT(t)=n=δ(tnT) \text{comb}_T(t) = \sum_{n=-\infty}^{\infty} \delta(t - nT)

或者将其简写为 ШT(t)\text{Ш}_T(t),图形如下:

 函数
ШT(t)\text{Ш}_T(t) 函数

ШT(t)\text{Ш}_T(t) 为周期性函数,可以求出其傅立叶级数 cn=1/Tc_n=1/T,故

ШT(t)=n=1T ej2πnt/T \text{Ш}_T(t) = \sum_{n=-\infty}^{\infty} \frac1T\ e^{j 2 \pi nt/T}

进一步可以得到:

F{ШT(t)}=1Tn=δ(fn/T)=1T Ш1T(f) \begin{align*} \mathcal{F}\{\text{Ш}_T(t)\} &= \frac{1}{T} \sum_{n=-\infty}^{\infty} \delta(f-n/T) \\ &= \frac{1}{T}\ \text{Ш}_{\frac{1}{T}}(f) \end{align*}

故梳子函数的傅立叶变换仍为梳子函数,但 δ\delta 函数之间的宽度在时域和频域成反比,高度也会有所变化,如下图所示:

 的傅立叶变换
ШT(t)\text{Ш}_T(t) 的傅立叶变换

练习 2

本页的说明内容,许多地方并没有详细推导其中的过程。请使用生成式 AI 找出推导过程,并仔细检查以确认其推导无误。可以将过程复制下来,或者直接分享生成式 AI 的互动连结。