跳至主要內容

幾個常用函數

Jia-Yin大约 2 分鐘

rect 函數

定義 rect(t) 函數如下:

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}

其圖形如下圖所示,由於形狀像帽子,我們有時也將其稱為帽子函數 Π(t)\Pi(t)

rect(t)
rect(t)

sinc 函數

定義 sinc(t) 函數如下:

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}

其圖形如下圖所示:

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), 兩者互為傅立葉轉換對的關係。

δ\delta 函數

定義 δ(t)\delta(t) 函數為

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

這裡 rect(t)\text{rect}(t) 是矩形函數,當 12t12-\frac{1}{2} \leq t \leq \frac{1}{2} 時為 1,其他情況為 0,也可以記為 Π(t)\Pi(t)。當 ϵ\epsilon 趨近於 0 時,矩形函數的寬度也趨近於0,高度則趨近於 \infty,但仍保持其積分值為 1,如下圖所示:

 函數的一種表達方式
δ(t)\delta(t) 函數的一種表達方式

δ(t)\delta(t) 有許多重要的特性與應用,以下是本單元會用到的幾個:

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 函數 (梳子函數)

定義 comb 函數如下:

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

或者將其簡寫為 ШT(t)\text{Ш}_T(t),圖形如下:

 函數
ШT(t)\text{Ш}_T(t) 函數

ШT(t)\text{Ш}_T(t) 為週期性函數,可以求出其傅立葉級數 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}

進一步可以得到:

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*}

故梳子函數的傅立葉轉換仍為梳子函數,但 δ\delta 函數之間的寬度在時域和頻域成反比,高度也會有所變化,如下圖所示:

 的傅立葉轉換
ШT(t)\text{Ш}_T(t) 的傅立葉轉換

練習 2

本頁的說明內容,許多地方並沒有詳細推導其中的過程。請使用生成式 AI 找出推導過程,並仔細檢查以確認其推導無誤。可以將過程複製下來,或者直接分享生成式 AI 的互動連結。