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 / ?
terug naar lessen

Functies als vectoren

De Fourierserie is niet alleen een rekenkundig hulpmiddel — het is een geometrische operatie: orthogonale projectie van een functie op een basis.

Functieruimte

De verzameling van kwadratisch integreerbare functies op [0,1] vormt een vectorruimte L²[0,1]. Optelling & scalaire vermenigvuldiging werken puntsgewijs. Het inproduct van twee functies f, g:

⟨f, g⟩ = ∫₀¹ f(t) · g*(t) dt

waarbij g* de complex geconjugeerde van g is. Dit voldoet aan alle inproductaxioma's.

Orthogonaliteit van de Fourier-basis

De functies φ_k(t) = e^{i2πkt} vormen een orthonormale basis voor L²[0,1]:

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

(Dit is 1 als k = m, anders 0 — door een zuivere oscillatie over een volledige periode te integreren.)

Fouriercoëfficiënt als inproduct

De k-de Fouriercoëfficiënt van x(t):

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

Dit is de projectie van x op de basisvector φ_k. De coëfficiënt meet hoeveel van φ_k aanwezig is in x.

Fourierserie als orthogonale projectie

Projectie op een deelruimte

Het afkappen van een Fourierserie tot 2N+1 termen projecteert x op de deelruimte opgespannen door {φ_{−N}, …, φ_N}. De afgekapte serie is de orthogonale projectie van x op deze eindigdimensionale deelruimte.

Volgens de ongelijkheid van Bessel minimaliseert de projectie de L² fout:

‖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

De Fourierafkapping is de beste benadering in L² uit die deelruimte. Het minimaliseert de gemiddelde kwadratische fout (het kwadraat van de L² norm van het verschil).

Leg uit in geometrische termen waarom de afgekapte Fourierserie de beste L²-benadering is voor x met maximaal 2N+1 termen uit de standaard Fourier-basis. Welke eigenschap van de basis zorgt ervoor dat orthogonale projectie de optimale coëfficiënten oplevert? Wat betekent 'best' in deze geometrische instelling?

Rechthoekig venster → Sinc kernel

Het rechthoekige venster in het tijddomein (waarbij alleen coëfficiënten voor |k| ≤ N worden behouden) komt overeen met vermenigvuldiging met een rechthoekfunctie in de coëfficiëntenindex.

Vermenigvuldiging in één domein komt overeen met convolutie in het andere domein.

De Fourier-transformatie van het rechthoekige venster (in discrete coëfficiëntenruimte) is de Dirichlet-kernel — een periodieke sinc-achtige functie:

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

Wanneer we de Fourierserie afkappen, convolueren we de ideale respons H_ideal(f) met D_N(f).

Waarom Gibbs optreedt

De Dirichlet-kernel heeft grote zijlobben die langzaam afnemen. Dicht bij een stap-discontinuïteit in H_ideal(f) oscilleren deze zijlobben — ze voegen coherent toe aan één kant van de sprong en veroorzaken ongeveer 9% overshoot.

De wiskundige constante: ∫₀^π sin(t)/t dt = Si(π) ≈ 1,8519. De overshoot-hoogte van Gibbs = (2/π)·Si(π) − 1 ≈ 0,0895 = 8,95%. Dit is onafhankelijk van N.

Venstergeometrie

Een glad venster (Hamming, Hann, Kaiser) heeft een Fourier-transformatie met lagere zijlobben. Het convolueren van H_ideal(f) met een kernel die kleinere zijlobben heeft, veroorzaakt minder oscillatie. De afweging: lagere zijlobben gaan altijd gepaard met een bredere hoofdlob, waardoor de overgangsband verbreed wordt.

De constante van Gibbs

De overshoot van Gibbs is een bepaalde integraal, geen functie van N.

Het eerste maximum van de N-term partiële Fouriersom van een eenheidsstap treedt op bij f ≈ 1/(2N) van de discontinuïteit. Als N → ∞, nadert dit maximum 1/(2)·(2/π)·Si(π) ≈ 1,0895.

De overshoot: 0,0895 of ongeveer 8,95% van de spronghoogte.

De constante van Gibbs (9% overshoot) ontstaat uit de integraal ∫₀^π sin(t)/t dt ≈ 1,8519. Deze integraal verschijnt omdat de partiële som van een Fourierserie kan worden geschreven als een convolutie van de ideale stap met de Dirichlet-kernel, en het eerste maximum van die kernelintegraal geeft de overshoot. Leg uit in geometrische termen waarom deze overshoot niet kan worden gereduceerd door meer Fouriertermen (groter N) te nemen. Wat zou je moeten veranderen om het te verminderen?

Vensters als frequentiedomein-kernels

Elke vensterfunctie heeft een Fourier-transformatie die de kernel beschrijft die wordt gebruikt om de ideale frequentierespons glad te maken.

De belangrijkste geometrische parameters van de kernel:

1. Breedte van de hoofdlob: bepaalt de breedte van de overgangsband (bredere hoofdlob → bredere overgang).

2. Piekzijlobniveau: bepaalt de pas- en stopbandrimpel (lagere zijlobben → minder rimpel).

Deze twee parameters zijn niet onafhankelijk. Voor een gegeven vensterbreedte 2N+1 vereist het verlagen van de zijlob-hoogte verbreding van de hoofdlob — altijd.

Kaisers venster geeft de gebruiker één knop (α) om continu tussen zijlob-hoogte en hoofdlobbredte te ruilen, in plaats van tussen vaste vestertypen te springen.

Ontwerperinzicht

De breedte van de overgangsband ΔF ≈ breedte van de hoofdlob / N. De rimpel δ ≈ zijlobniveau. Beide formules zijn benaderend; Kaisers vergelijkingen maken ze exact.

Een ontwerper vergelijkt twee vensters van dezelfde lengte N = 50: een Hann-venster (zijlobniveau ≈ −31 dB) en een Hamming-venster (zijlobniveau ≈ −41 dB). Beide worden toegepast op hetzelfde ideale laagdoorlaatfilterconcept. Welk venster produceert: (a) meer pasbandrimpel; (b) een smalere overgangsband? Rechtvaardigen elk antwoord met behulp van de geometrische relatie tussen zijlobniveau en breedte van de hoofdlob.