信号分析与处理——傅里叶变换性质
傅里叶变换及其应用
傅里叶变换及其应用傅里叶变换（Fourier Transform）是一种重要的数学工具和数学分析方法，广泛应用于信号处理、图像处理、通信系统、量子力学等领域。
通过将一个函数表示成一组正弦和余弦函数的叠加，傅里叶变换能够将时域中的信号转化为频域中的信号，从而使得复杂的信号处理问题变得更加简单。
本文将介绍傅里叶变换的原理、性质以及其在实际应用中的几个重要方面。
一、傅里叶变换的原理和基本定义傅里叶变换是将一个函数f(x)表示成指数函数的叠加的过程。
设f(x)在时域上是以周期T为基本周期的连续函数，那么其傅里叶变换F(k)在频域上将成为以1/T为基本周期的连续函数。
傅里叶变换的基本定义如下：F(k) = ∫[f(x) * e^(-i2πkx/T)]dx其中，i是虚数单位，k是频率变量。
通过这样的变换，我们可以将时域上的函数转换为频域上的函数，从而可以更加清晰地分析信号的频谱特征。
二、傅里叶变换的性质傅里叶变换具有一些重要的性质，这些性质使得傅里叶变换成为一种强大的工具。
1. 线性性质：傅里叶变换具有线性性质，即若f(x)和g(x)的傅里叶变换分别为F(k)和G(k)，则对应线性组合的傅里叶变换为aF(k) +bG(k)，其中a和b为常数。
2. 时移性质：若f(x)的傅里叶变换为F(k)，则f(x - a)的傅里叶变换为e^(-i2πak/T)F(k)，即时域上的平移将对频域上的函数进行相位调制。
3. 频移性质：若f(x)的傅里叶变换为F(k)，则e^(i2πax/T)f(x)的傅里叶变换为F(k - a)，即频域上的平移将对时域上的函数进行相位调制。
4. 尺度变换性质：若f(x)的傅里叶变换为F(k)，则f(ax)的傅里叶变换为1/|a|F(k/a)，即函数在时域上的尺度变换会对频域上的函数进行缩放。
5. 卷积定理：若f(x)和g(x)的傅里叶变换分别为F(k)和G(k)，则f(x) * g(x)的傅里叶变换为F(k)G(k)，即在频域上的乘积等于时域上的卷积。
信号分析与处理——傅里叶变换性质
信号分析与处理——傅里叶变换性质傅里叶变换是信号处理中常用的分析方法，通过将信号在频域上进行分解，可以获得信号的频谱信息，并对信号进行频谱分析，从而实现对信号的处理与改变。
傅里叶变换具有以下几个重要的性质，这些性质对于信号处理的理解和实际应用至关重要。
1.线性性质：傅里叶变换具有线性性质，即对于任意两个信号x(t)和y(t)，以及对应的傅里叶变换X(f)和Y(f)，有以下关系：a) 线性叠加：傅里叶变换对于信号的叠加是可线性的，即如果有h(t) = cx(t) + dy(t)，则H(f) = cX(f) + dY(f)。
b) 变换的线性组合：如果有z(t) = ax(t) + by(t)，则Z(f) =aX(f) + bY(f)。
这种线性性质为信号的分析和处理提供了很大的方便，可以通过分别对不同组成部分进行变换，再进行线性组合，得到最终的处理结果。
2. 平移性质：傅里叶变换具有平移性质，即如果一个信号x(t)的傅里叶变换为X(f)，则x(t - t0)的傅里叶变换为e^(-j2πft0)X(f)，其中t0为平移的时间。
这意味着信号在时域上的平移将对应于频域上的相位变化，而频域上的平移则对应于时域上的相位变化。
4.卷积定理：傅里叶变换还具有卷积定理，即信号的卷积在频域上等于信号的傅里叶变换之积。
具体来说，如果两个信号x(t)和h(t)的傅里叶变换分别为X(f)和H(f)，则它们的卷积y(t)=x(t)*h(t)的傅里叶变换为Y(f)=X(f)×H(f)。
这个性质在实际的信号处理中有着重要的应用。
通过将两个信号在时域上的卷积转化为频域上的乘法操作，可以方便地进行信号处理的设计和实现。
5. Parseval定理：傅里叶变换还具有Parseval定理，即信号的能量在时域和频域上是相等的。
具体来说，如果信号x(t)的傅里叶变换为X(f)，则有∫，x(t)，^2dt = ∫，X(f)，^2df。
这个性质意味着通过傅里叶变换可以实现信号的能量分析和功率谱估计，从而对信号的能量进行定量的测量。
傅里叶变换的基本性质和应用
傅里叶变换的基本性质和应用傅里叶变换，是20世纪初法国数学家傅里叶的发明，是将一个时间函数或空间函数的复杂波形分解成一系列简单的正弦波的工具。
它是信号处理和图像处理领域非常重要的一种数学变换，广泛应用于通信、图像、音频等领域。
一、傅里叶变换的基本概念傅里叶变换是一种将时域信号（即关于时间的函数）转换为频域信号（即关于频率的函数）的数学工具。
在时域中，信号可以表示为一个随着时间变化而变化的函数；在频域中，信号可以表示为它的频谱分布，即各个频率成分的大小。
傅里叶变换是互逆的，也就是说，将一样以频率表示的信号进过傅里叶逆变换，可以得到原始的时域信号。
傅里叶变换和傅里叶逆变换的基本公式分别如下：$$ F(\omega) = \int_{-\infty}^{\infty}f(t)e^{-i\omega t}dt $$$$ f(t) = \frac{1}{2\pi} \int_{-\infty}^{\infty}F(\omega)e^{i\omega t}d\omega $$其中，$f(t)$ 是时域信号，$F(\omega)$ 是频域信号，$\omega$ 是角频率。
傅里叶变换可以看作一种基变换，将时域信号换到频域进行分析，从而可以更好地理解信号的性质。
二、傅里叶变换的基本性质1. 线性性质傅里叶变换是线性的，即对于一个常数乘以一个时域信号进行傅里叶变换，等价于将该常数乘以该信号的傅里叶变换。
即：$$ F(cf(t)) = cF(f(t)) $$其中，$c$ 是常数。
此外，傅里叶变换具有加权叠加的特性，也就是说，将两个时域信号求和再进行傅里叶变换，等价于分别对这两个信号进行傅里叶变换后再相加。
即：$$ F(f(t) + g(t)) = F(f(t)) + F(g(t)) $$2. 时移性质傅里叶变换具有时移性质，也就是说，在时域中将一个信号向右或向左平移 $\tau$ 个单位，它的傅里叶变换相位也会相应发生$\tau$ 的变化。
常用的傅里叶变换
常用的傅里叶变换1. 引言傅里叶变换是一种重要的数学工具，用于将一个函数或信号从时域转换到频域。
它在信号处理、图像处理、通信等领域广泛应用。
本文将介绍傅里叶变换的基本概念、性质和常见应用。
2. 傅里叶级数傅里叶级数是傅里叶变换的基础，它将周期函数表示为一系列正弦和余弦函数的和。
对于周期为T 的函数f(t)，其傅里叶级数表示为：f (t )=a 0+∑(a n cos (2πnt T )+b n sin (2πnt T ))∞n=1 其中，a 0、a n 和b n 是系数，可以通过函数f(t)在一个周期内的积分得到。
傅里叶级数展开了周期函数在频域上的频谱分布。
3. 傅里叶变换傅里叶变换是将非周期函数表示为连续频谱的一种方法。
对于函数f(t)，其傅里叶变换表示为：F (ω)=∫f ∞−∞(t )e −jωt dt其中，F (ω)是函数f(t)的频谱，ω是频率。
傅里叶变换的逆变换为：f (t )=12π∫F ∞−∞(ω)e jωt dω 傅里叶变换将函数从时域转换到频域，可以将信号分解为不同频率的成分，从而方便分析和处理。
4. 傅里叶变换的性质傅里叶变换具有许多重要的性质，其中一些常用的性质包括：•线性性质：傅里叶变换是线性的，即对于常数a 和b ，有F(af (t )+bf (t ))=aF(f (t ))+bF(g (t ))。
• 平移性质：如果f (t )的傅里叶变换为F (ω)，那么f (t −t 0)的傅里叶变换为e −jωt 0F (ω)。
•尺度性质：如果f(t)的傅里叶变换为F(ω)，那么f(at)的傅里叶变换为1 |a|F(ωa)。
•对称性质：如果f(t)是实函数，并且其傅里叶变换为F(ω)，那么F(−ω)为F(ω)的共轭。
这些性质使得傅里叶变换更加灵活和方便，在实际应用中能够简化计算和分析过程。
5. 傅里叶变换的应用傅里叶变换在信号处理、图像处理、通信等领域有广泛的应用。
以下是一些常见的应用：•频谱分析：傅里叶变换可以将信号从时域转换到频域，可以分析信号的频谱分布，帮助理解信号的频率成分和特征。
函数的傅里叶变换和反变换的性质
函数的傅里叶变换和反变换的性质傅里叶变换和反变换是函数分析中非常重要的概念，它们在信号处理和通信领域等多个应用中都有广泛的应用。
在本文中，我们将讨论傅里叶变换和反变换的性质，以期对函数分析、信号处理以及数学等领域更深入的了解。
一、傅里叶变换的性质傅里叶变换的定义是：任何函数可以表示成以时间为自变量的正弦和余弦函数的无穷级数的形式。
也就是说，将任何函数分解成一系列的正弦和余弦函数后，我们就可以用傅里叶变换来进行函数的处理和操作。
傅里叶变换可以分为离散和连续两种形式，而它们都具有一些很重要的性质。
下面将分别介绍这些性质：1. 线性性傅里叶变换具有线性性，也就是说如果对于两个函数 f(t) 和g(t)，它们的傅里叶变换分别是F(ω) 和G(ω)，那么对于函数 a ×f(t) + b × g(t)（其中 a 和 b 是任意实数），它的傅里叶变换就是 a × F(ω) + b × G(ω)。
2. 卷积定理卷积定理说明了傅里叶变换中频域的卷积运算可以通过时域中的乘积运算来实现。
如果函数 f(t) 和 g(t) 的傅里叶变换分别是F(ω) 和G(ω)，那么它们在时域的卷积 f(t) * g(t) 的傅里叶变换就是F(ω) × G(ω)。
3. 改变函数的时间和频率如果函数 f(t) 的傅里叶变换是F(ω)，而f(t − τ) 表示 f(t) 向右平移τ 个单位，那么f(t − τ) 的傅里叶变换就是F(ω) × e^{- iωτ}。
同样的道理，如果 f(t) 的傅里叶变换是F(ω)，而 f(at) 表示将 f(t) 的时间宽度缩小到原来的 a 倍，那么 f(at) 的傅里叶变换就是 (1/a) ×F(ω/a)。
二、傅里叶反变换的性质与傅里叶变换相对应的是傅里叶反变换，它可以将函数由频域转换到时域。
傅里叶反变换的定义是：如果一个函数的傅里叶变换为F(ω)，那么它的傅里叶反变换就是：f(t) = (1/2π) × ∫_{-∞}^{∞} F(ω) e^{iωt} dω同样的，傅里叶反变换也有一些很重要的性质：1. 线性性傅里叶反变换与傅里叶变换一样具有线性性，也就是说，如果一个函数的傅里叶变换为F(ω)，而另一个函数的傅里叶变换为G(ω)，那么对于函数a × F(ω) +b × G(ω)，它的傅里叶反变换就是a × f(t) + b × g(t)。
傅里叶级数与傅里叶变换
傅里叶级数与傅里叶变换傅里叶级数和傅里叶变换是数学中重要的概念，广泛应用于信号处理、图像处理、通信系统等领域。
它们为我们理解和分析周期信号以及非周期信号提供了有效的数学工具。
本文将分别介绍傅里叶级数和傅里叶变换的基本概念、性质和应用。
一、傅里叶级数傅里叶级数是指将一个周期函数表示成一系列正弦和余弦函数的和。
它的基本思想是利用正弦和余弦函数的基本频率，将一个周期函数分解成多个不同频率的谐波分量，从而得到函数的频谱内容。
在数学上，傅里叶级数表示为：\[f(t) = \sum_{n=-\infty}^{\infty}c_ne^{i \omega_n t}\]其中，$c_n$代表系数，$e^{i \omega_n t}$是正弦和余弦函数的复数形式，$\omega_n$是频率。
将周期函数用傅里叶级数表示的好处是，可以通过调整系数来控制频谱内容，进而实现信号的滤波、合成等操作。
傅里叶级数的性质包括线性性、对称性、频谱零点等。
线性性意味着可以将不同的周期函数的傅里叶级数叠加在一起，得到它们的叠加函数的傅里叶级数。
对称性则表示实函数的傅里叶级数中系数满足一定的对称关系。
频谱零点表示在某些特殊条件下，函数的傅里叶级数中某些频率的系数为零。
傅里叶级数的应用广泛，例如在音频信号处理中，利用它可以进行音乐合成、乐音分析和音频压缩等操作。
此外，在图像处理领域，傅里叶级数被广泛应用于图像滤波、增强、噪声消除等方面。
二、傅里叶变换傅里叶变换是傅里叶级数的推广，用于处理非周期信号。
它将时域的信号转换为频域的信号，从而可以对信号进行频谱分析和处理。
傅里叶变换的定义为：\[F(\omega) = \int_{-\infty}^{\infty}f(t)e^{-i \omega t}dt\]其中，$F(\omega)$表示信号的频域表示，$f(t)$为时域信号，$\omega$为连续的角频率。
傅里叶变换可以将时域的信号分解成不同频率的复指数函数，并用复数表示频谱信息。
傅里叶级数的性质及其在信号处理中的应用
傅里叶级数的性质及其在信号处理中的应用1. 傅里叶级数的概念和基本性质傅里叶级数是指任意周期函数可以表示为一组正弦和余弦函数的无穷级数。
其基本性质包括：(1) 周期性：傅里叶级数适用于周期函数，具有相同周期的函数可以进行傅里叶级数分解。
(2) 奇偶对称性：若函数f(t)是周期为T的偶函数，那么其傅里叶级数中只包含余弦项；若函数f(t)是周期为T的奇函数，则其傅里叶级数中只包含正弦项。
(3) 线性叠加性：两个函数的傅里叶级数之和等于它们分别的傅里叶级数之和。
(4) 傅里叶级数解析式：傅里叶级数的解析式可以通过计算求得，其中包含一系列系数，称为傅里叶系数。
2. 傅里叶级数的应用(1) 信号分析：傅里叶级数可以将一个周期信号分解为一系列正弦和余弦函数的叠加，从而揭示了信号的频谱特性。
通过傅里叶级数的分析，我们可以得到信号的幅度谱、相位谱等信息，进而进行频域滤波、频率分析、谱估计等处理。
(2) 信号合成：傅里叶级数可以将一组频域上的若干分量信号合成为一个周期性信号。
这对于合成音频信号、图像信号、视频信号等具有重要意义，可以实现信号的压缩和还原。
(3) 信号滤波：傅里叶级数允许我们将信号在频域上进行滤波处理，通过消除或削弱特定频率成分，实现降噪、去除干扰和信号增强等目的。
傅里叶滤波器在音频处理、图像处理、通信系统等领域得到广泛应用。
(4) 信号压缩：通过傅里叶级数的分析，我们可以得到信号的频域表示，进而根据频域系数的大小选择保留重要的频率成分，舍弃次要的频率成分，从而实现信号的压缩。
傅里叶级数压缩在图像和音频压缩领域有广泛的应用。
(5) 信号重构：傅里叶级数的逆变换可以将信号从频域重构到时域，从而实现信号的还原。
通过选择适当的傅里叶系数，可以恢复出原始信号，实现信号的解压缩或恢复。
(6) 信号处理算法：傅里叶级数为很多信号处理算法提供了基础。
例如，快速傅里叶变换（FFT）是一种高效计算傅里叶级数的方法，广泛应用于信号处理、图像处理、语音识别等领域。
付立叶变换及其性质
傅里叶变换的性质这里主要介绍二维离散傅里叶变换（DFT ，discrete FT ）中的几个常用性质（可分离线、周期性和共轭对称性、平移性、旋转性质、卷积与相关定理）：可分离性二维离散傅立叶变换DFT 可分离性的基本思想是二维DFT 可分离为两次一维DFT 。
因此可以用通过计算两次一维的FFT 来得到二维快速傅立叶变换FFT 算法 。
根据快速傅里叶变换的计算要求，需要图像的行列数均满足2的n 次，如果不满足，在计算FFT 之前先要对图像补零以满足2的n 次。
一个M 行N 列的二维图像f(x,y)，先按行对列变量y 做一次长度为N 的一维离散傅里叶变换，再将计算结果按列向对变量x 做一次长度为M 傅里叶变换就可以得到该图像的傅里叶变换结果，如下式所示：()()()()∑∑-=-=-⎥⎥⎦⎤⎢⎢⎣⎡-=10102exp 2exp ,1,M x N y M ux j N vy j y x f MN v u F ππ 将上式分解开来就是如下两部分，首先得到F(x,v)再由F(x,v)得到F(u,v)：∑-=-=-=101...10]/2exp[),(1),(N y N v N vy j y x f N v x F ，，，π∑-=-=-=101,...,1,0,]/2exp[),(1),(N x M v u M ux j v x F M v u F πu=0,1,2,…M-1；v=0,1,2,...N-1计算过程如下图所示：每一行有N 个点，对每一行的一维N 点序列进行离散傅里叶变换得到F(x,u)，再对得到F(x,u)按列向对每一列做M 点的离散傅里叶变换，就可以得到二维图像f(x,y)的离散傅里叶变换F(u,v)同样，做傅里叶逆变换时，先对列向做一维傅里叶逆变换，再对行做一维逆傅里叶变换，如下式所示：()()()()∑∑-=-=⎥⎦⎤⎢⎣⎡=10102exp 2exp ,,M u N v M ux j N vy j v u F y x f ππ x=0,1,2,…M-1；y=0,1,2,...N-1周期性和共轭对称性由傅里叶变换的基本性质可以知道，离散信号的频谱具有周期性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1. 线性 2. 奇偶性 3. 对偶性 4. 尺度变换特性 5. 时移特性
6.
频移特性
7.
微分特性
8.
积分特性
9. 帕斯瓦尔定理
10. 卷积定理
1、线性（叠加性）
若:
x1 (t) X1 ()
x2 (t) X 2 ()
则: a1x1 (t) a2 x2 (t) a1 X 1 () a2 X 2 ()
Sa(t0
)e
j t0 2
2
由积分性质，可得 的x频2 (谱t)为
X 2 ()
X1() j
X1(0) ()
又因为： 所以得：
X1(0) 1
X 2 ()
1
Sa(
t0
)e
j
t0 2
j 2
()
9、帕斯瓦尔定理
若: x(t) X ()
则:
x(t) 2 dt 1 X () 2 d
2
式(2-100)为有限能量信号的帕斯瓦尔公式
2
)
由线性和时移特性，有:
X
2
()
3Sa(
3
2
)
X
()
1 2
e
j
5 2
X 1 ( )
e
j 5 2
X
2
()
e
j 5 2
1 2
Sa(
2
)
3Sa( 3
2
)
例：求三脉冲信号的频谱
g (t为)P36页的标准矩形脉冲信号
求如下三脉冲信号的频谱函数
x(t) g(t) g(t T ) g(t T )
解：
X () G()(1 e jT e jT ) G()(1 2 cosT ) E Sa( )(1 2 cosT )
X() Re()
即：当 x为(t实) 偶函数， 其频谱函数为实函数
加上前面关于实函数情况的结论，综合得到：
当 x(为t)实偶函数， 其频谱函数为实偶函数
例：
x(t) e t ( t )
实偶函数
X
()
2 2
2
() 0
实偶函数
x(t) X ()
0
t
0
3）当 x为(t实) 奇函数的情况下
由：
e ，对应j于0t 在频域将原信号的频谱右移 ，即往高频 0
在时域将信号乘以因子
段平移 0
e ，对应j于0t在频域将原信号的频谱左移 ，即往低频 0
这种频谱搬移，就是通信工程中常用的幅度调制技术的理论本质
幅度调制技术简称调幅技术，即：将被调制信号
波信号)c，o得s到0调t 制信号：
x(t) cos 0t
F[dx(t)] j X ()
dt
所以有:
X ( ) 1 Sa( )[2 j sin( )] Sa2( )
j
4
42
4
2/
0
4
4
8、积分特性
若: x(t) X 则:
如果 X ，则有0 : 0
t x( )d X () X (0) ()
j
t x( )d X ()
j
证明: p53 自己阅读
X ()
由傅里叶变换的定义，有
X ()
x(t) e jtdt
x(t) costdt j
x(t)sin tdt
显然：频谱函数的实部和虚部分别为 ：
Re() x(t) costdt
Im() x(t)sin tdt
频谱函数的幅度和相位分别为
（2-87）
X R2 I 2
2
若取 E 1,/ 2 ，则 2
F[g(t)] Sa()
由对偶性，得：
F[Sa(t)]
2
g()
0
1 1
otherwise
g(t)
1/2
0
1
1
t
1 Sa(t)
0
t
1 X() Sa()
0
2 g()
1 0 1
4、尺度变换特性
若 x(t)F X
证明略，（p48） 含义：
则 x(at) 1 X
例：求x(t)的傅立叶变换
2
x(t)
1
t
2
2
x(t)
[u(t
2
)
u(t
2
)]
[u(t
)
u(t
)]
已知矩形脉冲信号的傅立叶变换为：
X1() E Sa( / 2)
利用线性性质可得：
X () [Sa( / 2) 2Sa()]
2、 奇偶性
无论x(t)是实函数还是复函数，都有下面结论：
若:
x(t)F X ()
2 )
2
Sa 2 (
2
)
图2-55说明了该例中 ，各种时域曲线、频 谱曲线的对应关系：
（2）频域卷积定理
若:
x1(t ) X1( )
x2 (t ) X2( )
则:
x1 (t) x2 (t)
1
2
X1 ()
X 2 ()
上式表明: 两信号在时域的相乘对应于在频域中它们频谱的卷积
利用频域卷积定理也可以很容易导出：
Re() x(t) costdt
奇
Im() x(t)sin tdt 偶
可知：
Re() 0
X() Im()
即：当 x为(t实) 奇函数， 其频谱函数为虚函数
加上前面关于实函数情况的结论，综合得到：
当 x(为t)实奇函数， 其频谱函数为虚奇函数
例：
x(t)
eat eat
(t 0) (t 0)
实奇函数
X
()
2 j 2
2
虚奇函数
x(t)
0
t
X ()
j
3、对偶性
若 x(t) X 则
X t 2x()
证明：由傅立叶反变换式
x(t) 1 X ()e jt d
2
自变量t变成-t
x(t) 1 X ()e jt d
2
将t和ω互换
x() 1 X (t)e jt dt
2
x() 1 X (t)e jt dt
t0
则在频域中，信号的幅度频谱不变，而相位频谱产生 (或
t0
)的变化。
t0
例2-11 求图2-46(a)表示的信号的频谱。
(a)
(b)
(c)
解: (a) 可看成是(b)和(c)所示的信号的组合
x(t)
1 2
x1(t
5) 2
x2
(t
5) 2
x1(t), x2 (t) 的频谱函数分别为：
X1()
Sa(
X R2 I 2
arctan
I R
X X
即：当 x为(t实) 函数， 其频谱函数的幅度为偶函数 其频谱函数的相位为奇函数
2）当 x为(t实) 偶函数的情况下
由：
Re() x(t) costdt
偶
Im() x(t)sin tdt 奇
可知：
Im() 0
时域卷积定理表明，两个信号在时域的卷积积分，对应了频域中该两信号频谱 的乘积，由此可以把时域的卷积运算转换为频域的乘法运算，简化了运算过程
例：求两个矩形脉冲卷积后的频谱
x1(t )
2/
x2 (t )
2/
/ 4 / 4
/ 4 / 4
矩形脉冲的表达式为
x1 (t )
x2 (t )
0
2
/
t /4 t /4
dt
d n x(t) j n X
dt n
例：求三角脉冲的频谱
x(t)
1
2
0
方法一：代入定义计算
方法二：利用微分性质计算
2
t
x(t)
1 微分
2
0
2
t
2
2
0
2
dx(t) dt
2t
F[
dx(t ) ] dt
Sa(
4
)
e
j
4
j
e 4
Sa( )[2 j sin其频谱函数为：
乘以正弦信号x(t) (常称载
F[x(t) cos0t]
1[X 2
(
0 )
X
(
0 )]
原频谱 X (一分) 为二，各向左、右移动
的形式保持不变。
，在移动过程中0 幅度谱
举例说明其体现在频谱图上的效果
G() Sa( )
2
X () Sa(( 0 ) ) Sa(( 0) )
2
2
2
2
为什么要对信号进行调制？？
7、微分特性
若:
x(t) X
则:
d n x(t) j n X
dt n
证明：由傅立叶反变换定义
x(t) 1 X ()e jt d
2
两边对t求导，有：
dx(t) 1 X ( ) j e jtd
dt 2
所以有： 以此类推，有：
F[dx(t)] j X ()
压缩
x(2t)
1
/4 0 /4 t
2X (2)
2
0
1 2
X ( )
2
扩展
2
0
4
4
图2-50表示了单位矩形脉冲信号尺度变换(
)前后的时a域波形3 及其频谱。
2-50
5、时移特性
若:
x(t)F X
则: x(t t0 ) Fe jt0 X
式（2-92）的含义为：
(2-92)
信号在时域中沿时间轴右移（或左移）
2
6、频移特性