[傅里葉變換及其應用學習筆記] 十四. 分布傅里葉變換的性質


這份是本人的學習筆記,課程為網易公開課上的斯坦福大學公開課:傅里葉變換及其應用。

 

分布的導數(Derivative of a Distribution)

設有分布$T$,其導數為$T'$

$\begin{align*}
<T',\varphi>
&= \int_{-\infty}^{\infty}T'(x)\varphi(x)dx \\
&= \left[T(x)\varphi(x) \right]_{-\infty}^{\infty}-\int_{-\infty}^{\infty}T(x)\varphi'(x)dx\\
&= 0-\int_{-\infty}^{\infty}T(x)\varphi'(x)dx \quad (\lim_{x\to \pm\infty}\varphi(x)=0)\\
&= -<T,\varphi'>
\end{align*}$

 

由速降函數可知,速降函數的任意階導都比$x$的任意次冪衰減地都快,即速降函數的任意階導都是速降函數。因此$\varphi'\in S$,$<T,\varphi'>$仍然成立。分布的導數$T'$有如下定義:

$<T',\varphi> = –<T,\varphi'>$

 

 

分布導數例子

1. 單位躍階函數(Unit Step function)$U(x)$

$U(x)=\begin{cases}
1 & \text{ , } x>0\\
0 & \text{ , } x\leqslant 0
\end{cases}$

image

$\begin{align*}
<U',\varphi>
&=-<U,\varphi'>\\
&=-\int_{-\infty}^{\infty}U(x)\varphi'(x)dx\\
&=-\int_{0}^{\infty}\varphi'(x)dx\\
&=-\left[\varphi(x) \right]_0^{\infty}\\
&=-(0-\varphi(0)) \quad (\lim_{x\to \pm\infty}\varphi(x)=0)\\
&=\varphi(0)\\
&=<\delta,\varphi>
\end{align*}$

 

因此,

$U'=\delta$

 

2. 有符號函數(Signum function)$sgn(x)$如下

$sgnx=\begin{cases}
1 & \text{ , } x>0 \\
0 & \text{ , } x=0 \\
-1 & \text{ , } x<0
\end{cases}$

image

$\begin{align*}
<sgn',\varphi>
&=-<sgn,\varphi'>\\
&=-\int_{-\infty}^{\infty}sgn(x)\varphi'(x)dx\\
&=-\left(\int_{-\infty}^0-1\varphi'(x)dx+\int_0^{\infty}1\varphi'(x)dx \right )\\
&=-\left(\int_{0}^{\infty}\varphi'(x)dx+\int_{0}^{\infty}1\varphi'(x)dx \right )\\
&=-2[\varphi(x)]_0^{\infty} \\
&=2\varphi(0)\quad (\lim_{x\to\pm\infty}\varphi(x)=0)\\
&=<2\delta,\varphi>
\end{align*}$

 

因此

$sgn'=2\delta$

 

 

分布傅里葉變換的導數定理

與傳統傅里葉變換一樣,分布有如下等式

$\mathcal{F}(T')=2\pi is\mathcal{F}T$

$(\mathcal{F}T)'=\mathcal{F}(-2\pi itT)$

 

與傳統傅里葉變換的導數定理不同的是,這兩個等式是聯合分布於測試函數進行匹配后推導得來的,在這里不再記錄推導過程。

 

導數定理應用的例子

1.求$sgn$的傅里葉變換

$\begin{align*}
\mathcal{F}(sgn)
&= \frac{\mathcal{F}(sgn')}{2\pi is}\\
&= \frac{\mathcal{F}(2\delta)}{2\pi is}\\
&= \frac{2}{2\pi is}\\
&= \frac{1}{\pi is}
\end{align*}$

 

2.求$U$的傅里葉變換

$U=\frac{1}{2}(1+sgn)$

$\mathcal{F}U=\frac{1}{2}\mathcal{F}(1+sgn)=\frac{1}{2}\left(\delta+\frac{1}{\pi is}\right)$

 

在高通濾波器中會用到$U$(單位躍階)這個信號,采用$U$的傅里葉變換將會加快處理過程。

 

 

分布的乘積(multiplication)

函數間是可以相乘的,但是這種算法不能直接移到分布中,即,如果有分布$S,T$,$ST$是未定義的,乘積必須符合某些條件。

 

設有分部$T$,函數$f$

$<Tf,\varphi>=\displaystyle{\int_{-\infty}^{\infty}T(x)f(x)\varphi(x)dx }=<T,f\varphi>$

 

根據上述式子可以得出以下結論

  • 如果$f\varphi$也是測試函數,即$f\varphi\in S$,則$Tf$也是一個分布,該乘積成立。

 

在分布的傅里葉變換導數定理中,我們用到了乘法,也是基於上述結論:

1.

$\mathcal{F}(T')=2\pi is\mathcal{F}T$

 

在等式右邊,分布為$\mathcal{F}T$,函數為$2\pi is$,只有$2\pi is\mathcal{F}T$有意義時,整個式子才有意義,而只有$2\pi is\varphi$為測試函數時,$2\pi is\mathcal{F}T$才有意義。

 

2.

$(\mathcal{F}T)'=\mathcal{F}(-2\pi itT)$

 

等式右邊,分布為$T$,函數為$-2\pi it$,只有$-2\pi itT$有意義時,整個式子才有意義。而又只有$-2\pi it\varphi$是測試函數時,$-2\pi itT$才有意義。

 

 

$\delta$的抽樣特性(sampling property of $\delta$)

設有函數$f$

\begin{align*}
<f\delta,\varphi>
&=<\delta,f\varphi>\\
&=(f\varphi)(0)\\
&=f(0)\varphi(0)\\
&=<f(0)\delta,\varphi>
\end{align*}

 

因此

$f\delta=f(0)\delta$

 

同理有

$f\delta_a=f(a)\delta_a$

 

$\delta$的這種特性被稱為抽樣特性,我們會經常用到這種特性

 

 

分布的卷積(Convolution)

如分布的乘積,分布的卷積也有特定的限制。

 

首先假設有函數$f$與速降函數$\psi$,他們的卷積為$\psi * f$

$\begin{align*}
<\psi*f,\varphi>
&=\int_{-\infty}^{\infty}(\psi*f)(x)\varphi(x)dx\\
&=\int_{-\infty}^{\infty}\left(\int_{-\infty}^{\infty}\psi(x-y)f(y)dy \right)\varphi(x)dx\\
&=\int_{-\infty}^{\infty}\left(\int_{-\infty}^{\infty}\psi(x-y)\varphi(x)dx \right )f(y)dy\\
&=\int_{-\infty}^{\infty}\left(\int_{-\infty}^{\infty}\psi^-(y-x)\varphi(x)dx \right)f(y)dy \quad (\psi(x-y)=\psi(-(y-x))=\psi^-(y-x))\\
&=\int_{-\infty}^{\infty}(\psi^- *\varphi)(y)f(y)dy\\
&=<f,\psi^- *\varphi>
\end{align*}$

 

進一步推導,

$\begin{align*}
\psi^- *\varphi
&=\int_{-\infty}^(\infty)\psi(x-y)\varphi(x)dx\\
&=\int_{-\infty}^{\infty}\psi(u)\varphi(u+y)du \quad(u=x-y)\\
&=<\psi(u),\varphi(u+y)>
\end{align*}$

 

把推導結果代入卷積的推導中,得

$<\psi * f,\varphi>=<f(x),<\psi(y),\varphi(x+y)>>$

 

推廣到一般的分布中,設有分布$S,T$

$<S*T,\varphi>=<S(x),<T(y),\varphi(x+y)>>$

 

分布的卷積成立的條件如下:

  • $<T(y),\varphi(x+y)>$將產生一個變量為$x$的函數,只有當該函數為測試函數時,$S*T$才有意義。

 

 

分布的卷積定理

我們在分析傳統傅里葉變換的卷積定理的時候,是結合卷積與傅里葉變換一起討論的。在分布中,通常也會把卷積與傅里葉變換一起討論。

$\begin{align*}
<\mathcal{F}(S*T),\varphi>
&=<S*T,\mathcal{F}\varphi>\\
&=<S,T^-*\mathcal{F}\varphi> \quad (T^-*\varphi\ make\ sence \Rightarrow T^-*\mathcal{F}\varphi \ make\ sence)\\
&=<S,\mathcal{F}\mathcal{F}T*\mathcal{F}\varphi> \quad (Fourier\ Transform\ Duality)\\
&=<S,\mathcal{F}(\mathcal{F}T\cdot\varphi)>\\
&=<\mathcal{F}S,\mathcal{F}T\cdot\varphi>\\
&=<\mathcal{F}S\mathcal{F}T,\varphi>
\end{align*}$

 

因此

$\mathcal{F}(S*T)=\mathcal{F}S\mathcal{F}T$

 

該定理成立的條件與卷積成立的條件一致,即$T^-$與速降函數進行卷積后仍然是速降函數。

 

 

$\delta$的平移特性

設有函數$f$,$f$與$\delta$進行卷積

$\begin{align*}
<f*\delta,\varphi>
&=<f(x),<\delta(y),\varphi(x+y)>>\\
&=<f(x),\varphi(x+0)>\\
&=<f(x),\varphi(x)>\\
&=<f,\varphi>
\end{align*}$

 

因此

$f* \delta = f$

 

$f$與$\delta_a$進行卷積

$\begin{align*}
<f*\delta_a,\varphi>
&=<f(x),<\delta_a(y),\varphi(x+y)>>\\
&=<f(x),\varphi(x+a)>\\
&=\int_{-\infty}^{\infty}f(x)\varphi(x+a)dx\\
&=\int_{-\infty}^{\infty}f(u-a)\varphi(u)du \quad (u=x+a)\\
&=<f(u-a),\varphi>
\end{align*}$

 

$f$與$\delta_a$進行卷積會導致$f$右移$a$個單位

$f(x)* \delta_a(x) = f(x-a)$

 

同理可以推導出

$\delta* \delta=\delta$

$\delta_a * \delta_b = \delta_{a+b}$

 

 

$\delta$的縮放特性

$\delta(x)$是集中於一點的脈沖函數,因此按照我們主觀的印象來說,無論怎么在$x$軸對其縮放,都還是原來的脈沖函數,但是事實並不是這樣的,我們可以觀察下面的推理過程

 

當$a>0$

$\begin{align*}
<\delta(ax),\varphi(x)>
&=\int_{-\infty}^{\infty}\delta(ax)\varphi(x)dx\\
&=\int_{-\infty}^{\infty}\delta(u)\varphi(\frac{u}{a})d(\frac{u}{a}) \quad (u=ax)\\
&=\frac{1}{a}\int_{-\infty}^{\infty}\delta(u)\varphi(\frac{u}{a})du\\
&=\frac{1}{a}<\delta(u),\varphi(\frac{u}{a})>\\
&=\frac{1}{a}\varphi(0)\\
&=<\frac{1}{a}\delta(x),\varphi(x)>
\end{align*}$

 

當$a<0$

$\begin{align*}
<\delta(ax),\varphi(x)>
&=\int_{-\infty}^{\infty}\delta(ax)\varphi(x)dx\\
&=\int_{-\infty}^{\infty}\delta(u)\varphi(\frac{u}{a})d(\frac{u}{a}) \quad (u=ax)\\
&=\frac{1}{a}\int_{\infty}^{-\infty}\delta(u)\varphi(\frac{u}{a})du\\
&=-\frac{1}{a}\int_{-\infty}^{\infty}\delta(u)\varphi(\frac{u}{a})du\\
&=-\frac{1}{a}<\delta(u),\varphi(\frac{u}{a})>\\
&=-\frac{1}{a}\varphi(0)\\
&=<-\frac{1}{a}\delta(x),\varphi(x)>\\
\end{align*}$

 

因此

$\delta(ax)=\frac{1}{|a|}\delta$

 

結果顯示我們在橫軸對脈沖函數縮放,其縮放的結果會反映到縱軸上。

 

注:本節課的所有推導都是為了引出$\delta$的相關特性,而我們在后面會經常用到這些性質。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM