cos2ω的傅里叶逆变换怎么求 x(t)=cos(2πt)傅里叶变换

f(t)=coswt\u7684\u5085\u91cc\u53f6\u53d8\u6362\u600e\u4e48\u6c42\uff1f\u5728\u7ebf\u7b49

\u6839\u636e\u6b27\u62c9\u516c\u5f0f\uff0ccos\u03c90t=[exp(j\u03c90t)+exp(-j\u03c90t)]/2\u3002\u76f4\u6d41\u4fe1\u53f7\u7684\u5085\u91cc\u53f6\u53d8\u6362\u662f2\u03c0\u03b4(\u03c9)\u3002\u6839\u636e\u9891\u79fb\u6027\u8d28\u53ef\u5f97exp(j\u03c90t)\u7684\u5085\u91cc\u53f6\u53d8\u6362\u662f2\u03c0\u03b4(\u03c9-\u03c90)\u3002
\u518d\u6839\u636e\u7ebf\u6027\u6027\u8d28\uff0c\u53ef\u5f97cos\u03c90t=[exp(j\u03c90t)+exp(-j\u03c90t)]/2\u7684\u5085\u91cc\u53f6\u53d8\u6362\u662f\u03c0\u03b4(\u03c9-\u03c90)+\u03c0\u03b4(\u03c9+\u03c90)\u3002


\u6269\u5c55\u8d44\u6599\uff1a
\u7528\u6570\u5b66\u5f52\u7eb3\u6cd5\u8bc1\u660e
( 1)\u5f53 R= 2\u65f6 \uff0c\u7531\u8bf4\u660e 1,\u8fd9\u4e24\u4e2a\u533a\u57df\u53ef\u60f3\u8c61\u4e3a \u4ee5\u8d64\u9053\u4e3a\u8fb9\u754c\u7684\u4e24\u4e2a\u534a\u7403\u9762 \uff0c\u8d64\u9053\u4e0a\u6709\u4e24\u4e2a\u201c\u9876\u70b9\u201d \u5c06\u8d64\u9053\u5206\u6210\u4e24\u6761\u201c\u8fb9\u754c\u201d\uff0c\u5373 R= 2\uff0cV= 2\uff0cE= 2\uff1b\u4e8e\u662f R+ V- E= 2,\u6b27\u62c9\u5b9a\u7406\u6210\u7acb\u3002
( 2)\u8bbe R= m(m\u2265 2)\u65f6\u6b27\u62c9\u5b9a\u7406\u6210\u7acb \uff0c\u4e0b\u9762\u8bc1\u660e R= m+ 1\u65f6\u6b27\u62c9\u5b9a\u7406\u4e5f\u6210\u7acb \u3002
\u7531\u8bf4\u660e2\uff0c\u5728 R= m+ 1\u7684\u5730\u56fe\u4e0a\u4efb\u9009\u4e00\u4e2a \u533a\u57df X ,\u5219 X \u5fc5\u6709\u4e0e\u5b83\u5982\u6b64\u76f8\u90bb\u7684\u533a\u57df Y \uff0c\u4f7f\u5f97\u5728 \u53bb\u6389 X \u548c Y \u4e4b\u95f4\u7684\u552f\u4e00\u4e00\u6761\u8fb9\u754c\u540e \uff0c\u5730\u56fe\u4e0a\u53ea\u6709 m \u4e2a\u533a\u57df\u4e86\uff1b\u5728\u53bb\u6389 X \u548c Y \u4e4b\u95f4\u7684\u8fb9\u754c\u540e \uff0c\u82e5\u539f\u8be5\u8fb9\u754c\u4e24\u7aef \u7684\u9876\u70b9\u73b0\u5728\u90fd\u8fd8\u662f 3\u6761\u6216 3\u6761\u4ee5\u4e0a\u8fb9\u754c\u7684\u9876\u70b9 \u3002
\u5219 \u8be5\u9876\u70b9\u4fdd\u7559 \uff0c\u540c\u65f6\u5176\u4ed6\u7684\u8fb9\u754c\u6570\u4e0d\u53d8;\u82e5\u539f\u8be5\u8fb9\u754c\u4e00 \u7aef\u6216\u4e24\u7aef\u7684\u9876\u70b9\u73b0\u5728\u6210\u4e3a 2\u6761\u8fb9\u754c\u7684\u9876\u70b9 \uff0c\u5219\u53bb\u6389 \u8be5\u9876\u70b9 ,\u8be5\u9876\u70b9\u4e24\u8fb9\u7684\u4e24\u6761\u8fb9\u754c\u4fbf\u6210\u4e3a\u4e00\u6761\u8fb9\u754c \u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1-\u6b27\u62c9\u516c\u5f0f

\u5982\u56fe\u6240\u793a\uff1a

cos2ω的傅里叶逆变换可以利用傅里叶变化的对称性质。

f(w)=cos(2w);

可以变成f(t)=cos(2t);

再对f(t)进行傅里叶变化f[f(t)]=pi*[σ(w+2)+σ(w-2)]=2pi*f(-w);

f(-w)=0.5*[σ(w+2)+σ(w-2)];

进行变化f(w)=0.5[σ(-w+2)+σ(-w-2)],最后将w变成t变量;

cos2ω的傅里叶逆变换就是1/2[δ(t+2)+δ(t-2)]。

扩展资料:

傅里叶变换的性质:

1、尺度变换性质

若函数f(x)的傅里叶变换为F(x),则对任意的非零实数a,函数fa(x)=f(ax)的傅里叶变换Fa(w)存在,且等于F(aw)=1/a*F(w/a)。

对于a>0的情形,上式表明,若将f(x)的图像沿横轴方向压缩a倍,则其傅里叶变换的图像将沿横轴方向展宽a倍,同时高度变为原来的1/a。对于a<0的情形,还会使得傅里叶变换的图像关于纵轴做镜像对称。

2、对称性

若函数f(x)的傅里叶变换为F(x),则存在F(F(x))=2πf(-w)。

3、傅里叶级数和傅里叶变换其实就是之前讨论的特征值与特征向量的问题。分解信号的方法是无穷的,但分解信号的目的是为了更加简单地处理原来的信号。这样,用正余弦来表示原信号会更加简单,因为正余弦拥有原信号所不具有的性质:正弦曲线保真度。且只有正弦曲线才拥有这样的性质。



用对称原则
cos2t傅里叶变换是π[δ(ω+2)+δ(ω-2)]
那么cos2ω的傅里叶逆变换就是1/2[δ(t+2)+δ(t-2)]

  • cos2蠅鐨勫倕閲屽彾閫嗗彉鎹㈡庝箞姹?
    绛旓細cos2蠅鐨勫倕閲屽彾閫嗗彉鎹㈠氨鏄1锛2锛晃达紙t锛2锛夛紜未锛坱锛2锛夛冀銆
  • 姹傚倕绔嬪彾閫嗗彉鎹浠(t)
    绛旓細鐢ㄥ绉板師鍒 cos2t鍌呴噷鍙跺彉鎹㈡槸蟺[未(蠅+2)+未(蠅-2)] 閭d箞cos2蠅鐨勫倕閲屽彾閫嗗彉鎹灏辨槸1/2[未(t+2)+未(t-2)]
  • 鍌呴噷鍙跺彉鎹㈢殑閫嗗彉鎹㈡庝箞姹?
    绛旓細1.鍌呴噷鍙跺彉鎹㈢殑閫嗗彉鎹㈠彲浠ラ氳繃鍒╃敤鍌呴噷鍙跺彉鎹㈢殑瀵圭О鎬ц川鏉ユ眰寰銆傚鏋滀竴涓嚱鏁癴(w)绛変簬cos(2w)锛岄偅涔堝畠鐨勫倕閲屽彾鍙樻崲f(t)绛変簬cos(2t)銆2.鎺ヤ笅鏉ワ紝鎴戜滑瀵筬(t)杩涜鍌呴噷鍙跺彉鎹紝寰楀埌f[f(t)]绛変簬pi涔樹互[蟽(w+2)+蟽(w-2)]锛屽叾涓冩槸鍗曚綅闃惰穬鍑芥暟銆傜敱浜巉(w)绛変簬0.5涔樹互[蟽(w+2)+蟽(w...
  • 淇″彿涓庣郴缁熺殑涓涓,鍌呴噷鍙堕嗗彉鎹鐨,鐭ラ亾F(w)=cos(2w),姹俧(t),瑕佸叿 ...
    绛旓細鍙互鍒╃敤鍌呴噷鍙跺彉鍖栫殑瀵圭О鎬ц川鐜板湪鐭ラ亾F锛坵锛=cos锛2w锛夛紱閭d箞鍙互鍙樻垚F锛坱锛=cos锛2t锛夛紱鍐嶅F锛坱锛夎繘琛屽倕閲屽彾鍙樺寲F[F锛坱锛塢=pi*[蟽锛坵+2锛+蟽(w-2)]=2pi*f(-w);鎵浠锛-w锛=0.5*[蟽(w+2)+蟽(w-2)];鍦ㄨ繘琛屽彉鍖杅锛坵锛=0.5[蟽(-w+2)+蟽锛-w-2锛塢锛涙渶鍚庤W鍙樻垚t...
  • 浣欏鸡鍑芥暟鐨勫倕绔嬪彾閫嗗彉鎹㈡庝箞姹?
    绛旓細cosw=(e^-jw+e^jw)/2 鍚庨潰鐢ㄩ绉绘ц川灏辫浜嗐傜粨鏋滃簲璇ユ槸[delta(t-w)+delta(t+w)]/2
  • sin鍜cos鐨勫倕閲屽彾鍙樻崲鏄粈涔?
    绛旓細鍙樻崲鍏紡锛歠(t)=cos(wot) F锛蠅锛=蟺[ 未锛埾-蠅0锛夛耿 未锛埾+蠅0锛塢銆俧(t)=sin(wot) F锛埾夛級=蟺/j[ 未锛埾-蠅0锛夛紞未锛埾+蠅0) ]銆鍌呯珛鍙跺彉鎹锛岃〃绀鸿兘灏嗘弧瓒充竴瀹氭潯浠剁殑鏌愪釜鍑芥暟琛ㄧず鎴愪笁瑙掑嚱鏁帮紙姝e鸡鍜/鎴栦綑寮﹀嚱鏁帮級鎴栬呭畠浠殑绉垎鐨勭嚎鎬х粍鍚堛傚湪涓嶅悓鐨勭爺绌堕鍩燂紝鍌呯珛鍙跺彉鎹...
  • 鍌呴噷鍙跺彉鎹㈡庝箞姹?
    绛旓細绂绘暎鍌呴噷鍙跺彉鎹甯哥敤鍏紡琛ㄦ槸锛cos蠅bai0t=[exp(j蠅0t)+exp(-j蠅0t)]/2銆傚倕閲屽彾鍙樻崲锛岃〃绀鸿兘灏嗘弧瓒充竴瀹氭潯浠剁殑鏌愪釜鍑芥暟琛ㄧず鎴愪笁瑙掑嚱鏁帮紙姝e鸡鍜/鎴栦綑寮﹀嚱鏁帮級鎴栬呭畠浠殑绉垎鐨勭嚎鎬х粍鍚堛傚湪涓嶅悓鐨勭爺绌堕鍩燂紝鍌呯珛鍙跺彉鎹鍏锋湁澶氱涓嶅悓鐨勫彉浣撳舰寮忥紝濡傝繛缁倕閲屽彾鍙樻崲鍜岀鏁e倕閲屽彾鍙樻崲銆傛渶鍒濆倕閲屽彾鍒嗘瀽...
  • 鍦鍌呴噷鍙堕嗗彉鎹涓繖涓姝(濡傚浘)鏄濡備綍寰楀埌鐨,姝ラ璇︾粏鐐
    绛旓細濡傛灉|t|>a>0, 閭d箞 sin(aw)*cos(tw) = sin[(|t|+a)w]/2 + sin[(|t|-a)w]/2, 杩欓噷|t|+a>0, |t|-a>0,鏁呭浘涓殑绉垎寮=1,濡傛灉0<|t|0, |t|-a<0, 鏁呭拰寮1鐨勭Н鍒嗕笌鍜屽紡2鐨绉垎浜掍负鐩稿弽鏁帮紝鏁呭浘涓殑绉垎寮=0,
  • 姹傝В鍌呴噷鍙鍙樺寲!!!
    绛旓細杩欎釜鍦版柟鐢ㄥ埌鐨勬槸鍌呴噷鍙跺彉鎹㈢殑棰戠Щ鐗规 鍙﹀杩欎釜棰樼洰杩樺彲浠ョ敤鏃跺煙鐩镐箻瀵瑰簲浜庨鍩熷嵎绉殑鎬ц川鏉ヨВ鍐 cos(w0t)↔蟺[未(蠅-蠅0)+未(蠅+蠅0)]F(蠅)=U(蠅)鍗风Н蟺[未(蠅-蠅0)+未(蠅+蠅0)]/2蟺 鍩烘湰鐨勫倕閲屽彾鍙樻崲瀵瑰拰鍌呴噷鍙跺彉鎹㈢殑鍗佷簩涓ц川涓瀹氳鐔熻 鎴戝彲浠ュ府鍔╀綘锛屼綘鍏堣缃垜鏈浣...
  • 鍌呴噷鍙堕嗗彉鎹
    绛旓細閫嗗彉鎹=-e^(-1/2*x)+e^(-1/3*x)寰垎鏂圭▼鐨勮В涓猴細e^(-1/2*x)*C2+e^(-1/3*x)*C1-1/10*cos(x)-1/10*sin(x)
  • 本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网