当前位置: 首页 > news >正文

Fourier傅里叶变换的线性性质和位移性质

Fourier傅里叶变换的线性性质和位移性质

为了阐述方便, 假定在这些性质中, 凡是需要求Fourier变换的函数都满足Fourier积分定理中的条件。在证明这些性质时, 不再重述这些条件。

一、线性性质

F 1 ( ω ) = F [ f 1 ( t ) ] {F_1}(\omega ) = {\mathscr F}[{f_1}(t)] F1(ω)=F[f1(t)], F 2 ( ω ) = F [ f 2 ( t ) ] {F_2}(\omega ) = {\mathscr F}[{f_2}(t)] F2(ω)=F[f2(t)] α \alpha α β \beta β是常数,则:

F [ α f 1 ( t ) + β f 2 ( t ) ] = α F 1 ( ω ) + β F 2 ( ω ) \mathscr F\left[ {\alpha {f_1}(t) + \beta {f_2}(t)} \right] = \alpha {F_1}(\omega ) + \beta {F_2}(\omega ){\rm{ }} F[αf1(t)+βf2(t)]=αF1(ω)+βF2(ω)

这个性质表明了函数线性组合的Fourier变换等于各函数Fourier变换的线性组合. 它的证明只需根据定义就可推出.

Fourier逆变换亦具有类似的线性性质.
F − 1 [ α F 1 ( ω ) + β F 2 ( ω ) ] = α f 1 ( t ) + β f 2 ( t ) \mathscr {F^{ - 1}} \left[ {\alpha {F_1}(\omega ) + \beta {F_2}(\omega )} \right] = \alpha {f_1}(t) + \beta {f_2}(t) F1[αF1(ω)+βF2(ω)]=αf1(t)+βf2(t)

二、 位移性质

F [ f ( t ± t 0 ) ] = e ± j ω t 0 F [ f ( t ) ] \mathscr F\left[ {f(t \pm {t_0})} \right] = {{\rm{e}}^{ \pm {\rm{j}}\omega {t_0}}}{\mathscr F}\left[ {f(t)\,} \right] F[f(t±t0)]=e±jωt0F[f(t)]

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

http://www.lryc.cn/news/163570.html

相关文章:

  • # 磁盘引导方式相关知识之BIOS、msdos、MBR、UEFI、gpt、esp、csm
  • Java中同时POST文件和提交JSON数据的方法
  • 【React】React获取URL参数,根据URL参数隐藏页面元素
  • 第68步 时间序列建模实战:ARIMA建模(Matlab)
  • Gin学习记录3——模版与渲染
  • Python算法练习 9.11
  • 2023年中秋节和国庆节放假几天?用待办软件记录放假安排并提醒
  • 使用Python实现一个完整的声音采样和模拟,使用采样声音播放输入的文字,实现代码进行详细注释,并进行测试
  • 测试----计算机网络
  • SVN 索引版本与打包版本号不匹配
  • HummerRisk V1.4.1 发布
  • php的html实体和字符之间的转换
  • docker-compose deploy 高可用 elasticsearch TLS
  • 让GPT成为您的科研加速器丨GPT引领前沿与应用突破之GPT4科研实践技术与AI绘图
  • 工业互联网的破局密钥——低代码开发
  • JavaScript知识系列(2)每天10个小知识点
  • Kotlin面向对象基础使用方法(继承、接口、Lambda、空指针检查机制等)
  • Android USB电源管理
  • YOLO目标检测——路标数据集+已标注voc和yolo格式标签下载分享
  • Item-Based Recommendations with Hadoop
  • 基于物理层网络编码的相位同步算法matlab仿真
  • 数据结构——七大排序[源码+动图+性能测试]
  • G. The Morning Star
  • 电池的健康状态 SOH 估计
  • Web 安全之 Permissions Policy(权限策略)详解
  • 【黄啊码】nginx如何设置php运行的
  • 无涯教程-JavaScript - ISPMT函数
  • LeetCode 面试题 03.05. 栈排序
  • 构建微服务项目时启动网关服务失败的解决方案
  • 零基础教程:使用yolov8训练无人机VisDrone数据集