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

gäst
1 / ?

Funktioner som vektorer

Fourier-serien är inte bara ett beräkningsverktyg — det är en geometrisk operation: ortogonal projektion av en funktion på en bas.

Funktionsrum

Mängden av kvadratintegrerbara funktioner på [0,1] bildar ett vektorrum L²[0,1]. Addition & skalär multiplikation fungerar punktvis. Inreprodukten av två funktioner f, g:

⟨f, g⟩ = ∫₀¹ f(t) · g*(t) dt

där g* är det komplexa konjugatet av g. Detta uppfyller alla inneproduktaxiomer.

Ortogonalitet hos Fourier-basen

Funktionerna φ_k(t) = e^{i2πkt} bildar en ortonormal bas för L²[0,1]:

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

(Detta är lika med 1 om k = m, 0 för övrigt — genom att integrera en ren oscillation över en fullständig period.)

Fourier-koefficient som inneprodukt

Den k-te Fourier-koefficienten för x(t):

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

Detta är projektionen av x på basvektorn φ_k. Koefficienten mäter hur mycket av φ_k som finns i x.

Fourier-serien som ortogonal projektion

Projektion på ett delrum

Trunkering av en Fourier-serie till 2N+1 termer projicerar x på delrummet som spänns av {φ_{−N}, …, φ_N}. Den trunkerade serien är den ortogonala projektionen av x på detta ändligt dimensionella delrum.

Enligt Bessels ojämlikhet minimerar projektionen L²-felet:

‖x − Σ_{k=−N}^{N} c_k φ_k‖² ≤ ‖x − Σ_{k=−N}^{N} a_k φ_k‖² för något val av a_k

Fourier-trunkeringen är den bästa approximationen i L² från det delrummet. Den minimerar medelkvadratfelet (L²-normen kvadrerad av differensen).

Förklara i geometriska termer varför den trunkerade Fourier-serien är den bästa L²-approximationen av x med högst 2N+1 termer från standardbasen för Fourier. Vilken egenskap hos basen gör att ortogonal projektion ger optimala koefficienter? Vad betyder 'bäst' i denna geometriska inställning?

Rektangulärt fönster → Sinc-kärna

Det rektangulära fönstret i tidsdomänen (behålla endast koefficienter för |k| ≤ N) motsvarar multiplikation med en rect-funktion i koefficientindexet.

Multiplikation i en domän motsvarar faltning i den andra domänen.

Fourier-transformen av det rektangulära fönstret (i diskret koefficientrum) är Dirichlet-kärnan — en periodisk sinc-liknande funktion:

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

När vi trunkerar Fourier-serien faltar vi den ideala responsen H_ideal(f) med D_N(f).

Varför Gibbs uppstår

Dirichlet-kärnan har stora sidolober som avtar långsamt. Nära en stegdiskontinuitet i H_ideal(f), oscillerar dessa sidolober — de adderas koherent på ena sidan av språnget, vilket producerar det ≈9% överskridandet.

Den matematiska konstanten: ∫₀^π sin(t)/t dt = Si(π) ≈ 1.8519. Gibbs överskridandehöjd = (2/π)·Si(π) − 1 ≈ 0.0895 = 8.95%. Detta är oberoende av N.

Fönstergeometri

Ett smidigt fönster (Hamming, Hann, Kaiser) har en Fourier-transform med lägre sidolober. Faltning av H_ideal(f) med en kärna som har mindre sidolober producerar mindre ringning. Avvägningen: lägre sidolober kommer alltid med ett bredare huvudlobo, vilket gör övergångsbandet bredare.

Gibbs-konstanten

Gibbs överskridande är en bestämd integral, inte en funktion av N.

Det första maximumet för N-termerspartialsumman av en enhetsstegs Fourier-serie uppstår vid f ≈ 1/(2N) från diskontinuiteten. När N → ∞ närmar sig detta maximum 1/(2)·(2/π)·Si(π) ≈ 1.0895.

Överskridandet: 0.0895 eller ungefär 8.95% av språnghöjden.

Gibbs-konstanten (9% överskridande) uppstår från integralen ∫₀^π sin(t)/t dt ≈ 1.8519. Denna integral framträder eftersom partialsumman av en Fourier-serie kan skrivas som en faltning av det ideala steget med Dirichlet-kärnan, & det första maximumet av denna kärnas integral ger överskridandet. Förklara i geometriska termer varför detta överskridande inte kan reduceras genom att ta fler Fourier-termer (större N). Vad skulle du behöva ändra för att minska det?

Fönster som frekvensdömän-kärnor

Varje fönsterfunktion har en Fourier-transform som beskriver kärnan som används för att glatta den ideala frekvensresponsen.

De geometriska nyckelparametrarna för kärnan:

1. Huvudlobbredden: bestämmer övergångsbandbredden (bredare huvudlobo → bredare övergång).

2. Huvudsidelob-nivå: bestämmer genomsläppsband- & spärrband-rippel (lägre sidolober → mindre rippel).

Dessa två parametrar är inte oberoende. För en given fönsterlängd 2N+1 kräver reducering av sidolob-höjd vidgning av huvudlobon — alltid.

Kaisers fönster ger användaren en kontroll (α) för att kontinuerligt avväga mellan sidolob-höjd vs huvudlobo-bredd, istället för att hoppa mellan fasta fönstertyper.

Designinsikt

Övergångsbandbredden ΔF ≈ huvudlobbredd / N. Rippeln δ ≈ sidolob-nivå. Båda formlerna är ungefärliga; Kaisers ekvationer gör dem exakta.

En designer jämför två fönster av samma längd N = 50: ett Hann-fönster (sidolob-nivå ≈ −31 dB) & ett Hamming-fönster (sidolob-nivå ≈ −41 dB). Båda appliceras på samma ideala lågpassfilterdesign. Vilket fönster producerar: (a) mer genomsläppsbands-rippel; (b) ett smalare övergångsband? Motivera varje svar med hjälp av det geometriska förhållandet mellan sidolob-nivå & huvudlobo-bredd.