English· Español· Deutsch· Nederlands· Français· 日本語· ქართული· 繁體中文· 简体中文· Português· Русский· العربية· हिन्दी· Italiano· 한국어· Polski· Svenska· Türkçe· Українська· Tiếng Việt· Bahasa Indonesia

un

Gast
1 / ?

Funktionen als Vektoren

Die Fourier-Reihe ist nicht nur ein Rechentool — sie ist eine geometrische Operation: orthogonale Projektion einer Funktion auf eine Basis.

Funktionsraum

Die Menge der quadratintegrierbaren Funktionen auf [0,1] bildet einen Vektorraum L²[0,1]. Addition & Skalarmultiplikation funktionieren punktweise. Das innere Produkt zweier Funktionen f, g:

⟨f, g⟩ = ∫₀¹ f(t) · g*(t) dt

wobei g* die komplexe Konjugierte von g ist. Dies erfüllt alle inneren Produktaxiome.

Orthogonalität der Fourier-Basis

Die Funktionen φ_k(t) = e^{i2πkt} bilden eine orthonormale Basis für L²[0,1]:

⟨φ_k, φ_m⟩ = ∫₀¹ e^{i2πkt} · e^{−i2πmt} dt = ∫₀¹ e^{i2π(k−m)t} dt = δ_{km}

(Dies ist 1, wenn k = m, sonst 0 — durch Integration einer reinen Oszillation über eine vollständige Periode.)

Fourier-Koeffizient als inneres Produkt

Der k-te Fourier-Koeffizient von x(t):

c_k = ⟨x, φ_k⟩ = ∫₀¹ x(t) · e^{−i2πkt} dt

Dies ist die Projektion von x auf den Basisvektor φ_k. Der Koeffizient misst, wie viel von φ_k in x vorhanden ist.

Fourier Series as Orthogonal Projection

Projektion auf einen Unterraum

Die Trunkierung einer Fourier-Reihe auf 2N+1 Terme projiziert x auf den Unterraum, der von {φ_{−N}, …, φ_N} aufgespannt wird. Die gekürzte Reihe ist die orthogonale Projektion von x auf diesen endlichdimensionalen Unterraum.

Nach Bessels Ungleichung minimiert die Projektion den L²-Fehler:

‖x − Σ_{k=−N}^{N} c_k φ_k‖² ≤ ‖x − Σ_{k=−N}^{N} a_k φ_k‖² for any choice of a_k

Die Fourier-Trunkierung ist die beste Approximation in L² aus diesem Unterraum. Sie minimiert den mittleren quadratischen Fehler (das Quadrat der L²-Norm der Differenz).

Erklären Sie in geometrischen Begriffen, warum die gekürzte Fourier-Reihe die beste L²-Approximation von x unter Verwendung von höchstens 2N+1 Termen aus der Standard-Fourier-Basis ist. Welche Eigenschaft der Basis macht orthogonale Projektion optimal für die Koeffizienten? Was bedeutet 'beste' in diesem geometrischen Kontext?

Rechteckfenster → Sinc-Kernel

Das Rechteckfenster im Zeitbereich (nur Koeffizienten für |k| ≤ N beibehaltend) entspricht einer Multiplikation mit einer Rechteck-Funktion im Koeffizientenindex.

Multiplikation in einem Bereich entspricht Faltung im anderen Bereich.

Die Fourier-Transformation des Rechteckfensters (im diskreten Koeffizientenraum) ist der Dirichlet-Kernel — eine periodische sinc-ähnliche Funktion:

D_N(f) = Σ_{k=−N}^{N} e^{i2πfk} = sin(π(2N+1)f) / sin(πf)

Wenn wir die Fourier-Reihe kürzen, falten wir die ideale Antwort H_ideal(f) mit D_N(f).

Warum Gibbs auftritt

Der Dirichlet-Kernel hat große Nebenkeulen, die langsam abfallen. In der Nähe einer Sprungstelle in H_ideal(f) klingeln diese Nebenkeulen — sie addieren sich kohärent auf einer Seite des Sprungs und erzeugen den ≈9%-Überschwung.

Die mathematische Konstante: ∫₀^π sin(t)/t dt = Si(π) ≈ 1.8519. Die Gibbs-Überschwunghöhe = (2/π)·Si(π) − 1 ≈ 0.0895 = 8.95%. Dies ist unabhängig von N.

Fenstergeometrie

Ein glattes Fenster (Hamming, Hann, Kaiser) hat eine Fourier-Transformation mit niedrigeren Nebenkeulen. Die Faltung von H_ideal(f) mit einem Kernel, der kleinere Nebenkeulen hat, erzeugt weniger Klingeln. Der Kompromiss: niedrigere Nebenkeulen gehen immer mit einer breiteren Hauptkeule einher und verbreitern das Übergangband.

Die Gibbs-Konstante

Der Gibbs-Überschwung ist ein bestimmtes Integral, keine Funktion von N.

Das erste Maximum der N-Term-Partial-Fourier-Summe eines Einheitsschritts tritt bei f ≈ 1/(2N) von der Sprungstelle auf. Wenn N → ∞, nähert sich dieses Maximum 1/(2)·(2/π)·Si(π) ≈ 1.0895.

Der Überschwung: 0.0895 oder ungefähr 8.95% der Sprunghöhe.

Die Gibbs-Konstante (9%-Überschwung) ergibt sich aus dem Integral ∫₀^π sin(t)/t dt ≈ 1.8519. Dieses Integral erscheint, weil die Partialsumme einer Fourier-Reihe als Faltung des idealen Schritts mit dem Dirichlet-Kernel geschrieben werden kann, & das erste Maximum dieses Kernel-Integrals gibt den Überschwung. Erklären Sie in geometrischen Begriffen, warum dieser Überschwung nicht durch Hinzufügen weiterer Fourier-Terme (größeres N) reduziert werden kann. Was müssten Sie ändern, um ihn zu reduzieren?

Fenster als Frequenzbereich-Kernel

Jede Fensterfunktion hat eine Fourier-Transformation, die den Kernel beschreibt, der zur Glättung der idealen Frequenzantwort verwendet wird.

Die wichtigsten geometrischen Parameter des Kernels:

1. Hauptkeule-Breite: bestimmt die Breite des Übergangsbands (breitere Hauptkeule → breiterer Übergang).

2. Peak-Nebenkeulen-Pegel: bestimmt die Durchlass- & Sperrband-Welligkeit (niedrigere Nebenkeulen → weniger Welligkeit).

Diese beiden Parameter sind nicht unabhängig. Für eine gegebene Fensterlänge 2N+1 erfordert die Reduzierung der Nebenkeulen-Höhe immer eine Verbreiterung der Hauptkeule.

Kaisers Fenster gibt dem Benutzer einen Regler (α), um kontinuierlich zwischen Nebenkeulen-Höhe & Hauptkeule-Breite zu wechseln, anstatt zwischen festen Fenstertypen zu springen.

Design-Einblick

Die Übergangsbandbreite ΔF ≈ Hauptkeule-Breite / N. Die Welligkeit δ ≈ Nebenkeulen-Pegel. Beide Formeln sind ungefähr; Kaisers Gleichungen machen sie exakt.

Ein Designer vergleicht zwei Fenster der gleichen Länge N = 50: ein Hann-Fenster (Nebenkeulen-Pegel ≈ −31 dB) & ein Hamming-Fenster (Nebenkeulen-Pegel ≈ −41 dB). Beide werden auf das gleiche ideale Tiefpassfilter-Design angewendet. Welches Fenster erzeugt: (a) mehr Durchlassband-Welligkeit; (b) ein schmaleres Übergangband? Begründen Sie jede Antwort mit der geometrischen Beziehung zwischen Nebenkeulen-Pegel & Hauptkeule-Breite.