Az elektrotechnikában Fourier sorozatot és harmonikus komponenseket (frekvencia spektrum) használnak. Elméletileg a függvény más sorozatok felhasználásával más komponensekre bontható

Fentebb azt látjuk, hogy a függvények hatványsorokba való kiterjesztése lehetővé teszi ezen függvények hozzávetőleges értékeinek a szükséges pontossággal történő kiszámítását. De sok olyan funkció van, amely nem bővül hatványsorokká (Taylor vagy Maclaurin sorozat), mert a függvényekkel szemben támasztott követelmények meglehetősen szigorúak (a függvénynek végtelenül differenciálhatónak kell lennie stb.). Ezért más típusú funkcionális sorozatokat is alkalmaznak, amelyekbe a bővítési feltételek kevésbé megterhelőek. Ezek a sorok tartalmazzák trigonometrikus sorozat.

Meghatározás: trigonometrikus sorozat A következő alakú funkcionális sorozat:, (1)

ahol konstans számok vannak:

A trigonometrikus sorozat együtthatói.

Az (1) sorozat minden tagja funkcionális, nem periódusos, és közös minimális periódusuk van 2p. Ez azt jelenti, hogy ha az f(x) függvényt trigonometrikus sorozattá (1) bővítjük, pl. ez ennek a sorozatnak az összege, akkor ennek a függvénynek magának kell lennie az (1) sorozat összegének csak valamilyen 2p hosszúságú intervallumban.

A trigonometrikus sorozat főbb tulajdonságai a trigonometrikus függvényrendszer fő tulajdonságából következnek. Stochala egy meghatározás.

Meghatározás: A j1(x), j2(x),...,j3(x)... függvények végtelen rendszere szegmensen definiált nevezzük merőleges ezen a szakaszon ha az alábbi feltételek teljesülnek:
m¹n-re;

bármely n.

Tétel: A trigonometrikus függvények rendszere merőleges a [-p,p] intervallumon.

Bizonyíték: Ellenőriznünk kell az előző definíció 1) és 2) feltételét.

1) Tekintsük az integrálokat:

Alkalmazzuk a trigonometrikus képleteket:

Nyilvánvalóan segítségükkel az összes korábbi integrál a forma integráljaira redukálódik:
és

Számoljuk ki őket.

;

Így az ortogonalitás első követelménye teljesül.

2)
;

a második követelmény pedig teljesül h. stb.

Trigonometrikus Fourier sorozat.

Legyen egy 2p periódusú f(x) periodikus függvény egy trigonometrikus sorozat összege.
(1).

minden x-re valamilyen 2p hosszúságú intervallumból. De az S(x) sorozat összege 2p periódusú periodikus függvény. Ezért f(x) és S(x) értéke a teljes számegyenesen (-¥, +¥) egybeesik. Ezért elegendő az (1) egyenlőséget tanulmányozni valamilyen 2p hosszúságú intervallumon, általában [-p,p] .

Legyen tehát f(x) az (1) sorozat összege a [-p,p]-on, és ezen felül tegyük fel, hogy tagonként integrálható, tehát szegmens. Ez például akkor lehetséges, ha az (1) sorozat együtthatóinak numerikus sorozata abszolút konvergál, azaz. sorozat konvergál

(2).

Ebben az esetben az (1) függvénysor tagjai abszolút értékben nem haladják meg a (2) sorozat megfelelő tagjait, ami az (1) sorozat egyenletes konvergenciáját jelenti, és így annak lehetőségét, hogy nem. -term integráció [-p,p] felett.

Ezt használjuk az a 0 együttható kiszámításához. A [-p,p] egyenlőtlenség (1) mindkét részét tagonként integráljuk:

A trigonometrikus függvények ortogonalitási tulajdonsága szerint minden jobb oldali integrál nullával egyenlő, kivéve az elsőt. Ezért:
, ahol
(3).

A /k¹0/-hez való a kiszámításához az (1) mindkét oldalát megszorozzuk coskx-el. Az így kapott sorozat is egyenletesen konvergál a [-p,p]-re, hiszen ½coskx1£1, és terminusonként integrálható [-p,p] fölé.

Ugyanazon ortogonalitási tulajdonság alapján a jobb oldali integrálok mindegyike egyenlő nullával, kivéve a k-t tartalmazót.

Akkor
. Ahol

(4).

Ha (1) mindkét oldalát megszorozzuk sin kx-el, és az eredményül kapott egyenlőséget integráljuk a -val, megkapjuk
. Ahol

(5).

A (3)-(5) képletekkel számított együtthatókat hívjuk

Fourier-együtthatók az f(x) függvényre és az (1) trigonometrikus sorozatra ezekkel az együtthatókkal - a Fourier-függvény (x) mellett.

Meg kell jegyezni, hogy korántsem mindig lehetséges az (1) sorozat terminusonkénti integrálása. Ezért formálisan lehetséges a Fourier-együtthatók kiszámítása, a Fourier-sorok összeállítása (1), de nem garantálható, hogy ez a sorozat egyáltalán konvergál; és ha konvergál, akkor az összege f(x) függvénye. Ilyen esetekben az egyenlőség (1) helyett a „levelezésben” állapodtunk meg:

A Fourier-sorok közelítésének lehetősége lineáris jel esetén a nem folytonos periodikus elemek esetén szükséges függvények felépítéséhez. Ennek a módszernek a lehetőségei ezek megalkotására és felbontására a Fourier-sor véges összegeinek felhasználásával, amelyeket különféle tudományok számos problémájának megoldására használnak, mint például a fizika, a szeizmológia stb. Az óceán árapály-folyamatait, a naptevékenységet az oszcillációs folyamatok, az ezen átalakulások által leírt funkciók expanziója útján tekintjük. A számítástechnika fejlődésével a Fourier-sorokat egyre összetettebb problémák megoldására kezdték alkalmazni, és ennek köszönhetően is lehetővé vált ezen átalakítások felhasználása a közvetett tudományokban, mint például az orvostudomány, a kémia. A Fourier-transzformációt valós és komplex formában is leírják, a második eloszlás lehetővé tette az áttörést az űrkutatásban. Ennek a munkának az eredménye a Fourier-sorok alkalmazása egy nem folytonos függvény linearizálására és a sorozat együtthatóinak számának kiválasztása a sorozatnak a függvényre való pontosabb rákényszerítése érdekében. Sőt, ha a bővítést Fourier-sorban használjuk, ez a függvény megszűnik nem folytonos, és már kellően kicsinél a használt függvény jó közelítését hajtja végre.

Fourier sorozat

Fourier transzformáció

fázisspektrum.

1. Alašeeva E.A., Rogova N.V. Numerikus módszer az elektrodinamikai feladat megoldására a vékonyhuzalos közelítésben. Tudomány és béke. International Scientific Journal, No. 8(12), 2014. Volgograd 1. kötet. pp.17-19.

2. Vorobjov N.N. Sorelmélet. Szerk. Nauka, Fizikai és matematikai irodalom főkiadása, M., 1979, -408 p.

3. Kalinina V.N., Pankin V.F. Matek statisztika. - M.: Felsőiskola, 2001.

4. R. Edwards Fourier sorozat modern előadásmódban. Szerk. Világ. 2 kötetben. 1. kötet, 1985. 362 oldal

5. Sigorsky V.P. Mérnök matematikai apparátusa. Szerk. 2. sztereotip. "Technika", 1997. – 768 p.

Egy adott periódusú, tetszőlegesen felvett függvény sorozatként való ábrázolását Fourier-sornak nevezzük. Az ortogonális bázis kiterjesztése egy általános kifejezés erre a megoldásra. A függvények bővítése a Fourier-sorokban meglehetősen hatékony eszköz különféle problémák megoldására. Mert ennek a transzformációnak a tulajdonságai jól ismertek és tanulmányozhatók az integrálás, differenciálás, valamint a kifejezés argumentumhoz és konvolúcióhoz viszonyított eltolásakor. Az a személy, aki nem ismeri a magasabb matematikát, valamint a francia Fourier tudós munkáit, valószínűleg nem fogja megérteni, mik ezek a „sorozatok”, és mire valók. Ez a Fourier-transzformáció életünk nagyon sűrű részévé vált. Nemcsak matematikusok használják, hanem fizikusok, vegyészek, orvosok, csillagászok, szeizmológusok, oceanográfusok és még sokan mások.

A Fourier-sorokat számos alkalmazott probléma megoldására használják. A Fourier-transzformáció végrehajtható analitikai, numerikus és egyéb módszerekkel. Az olyan folyamatok, mint az óceán árapálya és a naptevékenységi ciklusok előtti fényhullámok, a Fourier-sorozatban szereplő oszcillációs folyamatok numerikus kiterjesztésének módjára utalnak. Ezekkel a matematikai technikákkal lehetőség nyílik olyan függvények elemzésére, amelyek bármilyen oszcillációs folyamatot szinuszos komponensek sorozataként ábrázolnak, amelyek a minimumtól a maximumig haladnak, és fordítva. A Fourier-transzformáció egy olyan függvény, amely leírja az adott frekvenciának megfelelő szinuszok fázisát és amplitúdóját. Ezt az átalakítást nagyon összetett egyenletek megoldására használják, amelyek hő-, fény- vagy elektromos energia hatására fellépő dinamikus folyamatokat írnak le. Ezenkívül a Fourier-sorok lehetővé teszik az állandó komponensek elkülönítését komplex oszcillációs jelekben, ami lehetővé tette a kapott kísérleti megfigyelések helyes értelmezését az orvostudományban, a kémiában és a csillagászatban.

A technológia növekedésével, i.e. a számítógép megjelenése és fejlődése új szintre emelte a Fourier-transzformációt. Ez a technika a tudomány és a technológia szinte minden területén szilárdan beépült. Ilyen például a digitális audio- és videojel. Ami a tudományos folyamat növekedésének és a Fourier-sorok alkalmazásának vizuális megvalósítása lett. Így a Fourier-sor összetett formában lehetővé tette az áttörést a világűr tanulmányozásában. Ezen kívül hatással volt a félvezető anyagok és a plazma fizikájának, a mikrohullámú akusztikának, az oceanográfiának, a radarnak, a szeizmológiának a tanulmányozására.

Tekintsük egy periodikus jel fázisspektrumát, amelyet a következő kifejezés határozza meg:

ahol a és a szimbólumok az érték képzeletbeli és valós részét jelölik szögletes zárójelben.

Ha megszorozzuk egy K valós állandó értékkel, akkor a Fourier-sor kiterjesztése a következő formában jelenik meg:

Az (1) kifejezésből az következik, hogy a fázis Fourier-spektrum a következő tulajdonságokkal rendelkezik:

1) egy függvény, azaz a teljesítményspektrumtól eltérően, amely nem függ -től, , változik, amikor a jelet eltoljuk az időtengely mentén;

2) nem függ K-tól, azaz invariáns a jel erősítésére vagy csillapítására, míg a teljesítményspektrum K függvénye.

3) azaz n páratlan függvénye.

Jegyzet. A fenti okfejtés geometriai értelmezése alapján a teljesítményspektrum és a fázisspektrum a következőképpen fejezhető ki:

Mert a

majd a (2)-ból és (3)-ból az következik, hogy az amplitúdó (vagy teljesítményspektrum) és fázisspektrumok ismerete esetén egyedileg visszanyerhető.

Vegyünk egy példát. Kapunk egy funkciót közte

A Fourier-sorozat általános képe:

Cserélje ki értékeinket és kapja meg:

Cseréld be az értékeidet és szerezd meg.

A jelspektrum megszerzésének (számításának) feladata sok esetben a következő. Létezik egy ADC, amely Fd mintavételi frekvenciával a T idő alatt a bemenetére érkező folyamatos jelet N darab digitális leolvasásra alakítja. Ezután a leolvasási tömb egy bizonyos programba kerül, amely N/2-t ad ki néhány számértékből (a programozó, aki internetről húzvaírt egy programot, azt állítja, hogy az elvégzi a Fourier-transzformációt).

Annak ellenőrzésére, hogy a program megfelelően működik-e, összeállítunk egy leolvasási tömböt két sin(10*2*pi*x)+0.5*sin(5*2*pi*x) szinusz összegeként, és becsúsztatjuk a program. A program a következőket rajzolta:

1. ábra A jel időfüggvényének grafikonja

2. ábra A jelspektrum grafikonja

A spektrumgrafikonon két pálca (harmonikus) található, 0,5 V és 10 Hz amplitúdójú - 1 V amplitúdójú, mindezt úgy, mint az eredeti jel képletében. Minden rendben, ügyes programozó! A program megfelelően működik.

Ez azt jelenti, hogy ha két szinuszos keverékből valós jelet viszünk az ADC bemenetére, akkor hasonló, két harmonikusból álló spektrumot kapunk.

Összesen, a miénk igazi mért jel, időtartam 5 mp, az ADC digitalizálta, azaz képviseli diszkrét számít, van diszkrét nem periodikus spektrum.

Matematikai szempontból - hány hiba van ebben a mondatban?Most az illetékesek úgy döntöttek, hogy úgy döntöttünk, hogy az 5 másodperc túl hosszú, mérjük meg a jelet 0,5 másodpercben.
3. ábra: sin(10*2*pi*x)+0,5*sin(5*2*pi*x) függvény grafikonja 0,5 másodperces mérési időszakra

4. ábra Funkcióspektrum

Valami nem stimmel! A 10 Hz-es felharmonikus rendesen megrajzolódik, de az 5 Hz-es pálca helyett több érthetetlen harmonikus is megjelent. Az interneten nézzük, mit és hogyan...

Azt mondják, hogy nullákat kell hozzáadni a minta végéhez, és a spektrum normális lesz.

5. ábra Kész nullák 5 másodpercig

6. ábra Megkaptuk a spektrumot

Még mindig nem az, ami 5 másodpercnél volt. Az elmélettel kell foglalkozni. Menjünk-hoz Wikipédia- tudásforrás.

2. Folyamatos függvény és ábrázolása Fourier-sorral

Matematikailag a T másodperc időtartamú jelünk egy bizonyos f(x) függvény, amely a (0, T) intervallumon adott (X ebben az esetben az idő). Egy ilyen függvény mindig ábrázolható a következő alakú harmonikus függvények (szinusz vagy koszinusz) összegeként:

(1), ahol:

k - trigonometrikus függvényszám (harmonikus komponens száma, harmonikus szám) T - szegmens, ahol a függvény definiálva van (jel időtartama) Ak - a k-adik harmonikus komponens amplitúdója, θk - a k-a harmonikus komponens kezdeti fázisa

Mit jelent "egy függvényt sorozat összegeként ábrázolni"? Ez azt jelenti, hogy a Fourier-sor harmonikus összetevőinek értékeit minden ponton összeadva megkapjuk a függvényünk értékét ezen a ponton.

(Szigorúbban elmondható, hogy a sorozat szórása az f(x) függvénytől nullára hajlamos lesz, de a standard konvergencia ellenére a függvény Fourier-sorának általában nem kell pontszerűen konvergálnia hozzá. Lásd https: //ru.wikipedia.org/ wiki/Fourier_Series.)

Ezt a sorozatot így is írhatjuk:

(2), ahol , k-edik komplex amplitúdó.

Az (1) és (3) együtthatók közötti kapcsolatot a következő képletekkel fejezzük ki:

Megjegyzendő, hogy a Fourier-sor mindhárom ábrázolása teljesen egyenértékű. Néha, amikor Fourier-sorokkal dolgozunk, kényelmesebb az imaginárius argumentum kitevőit használni a szinuszok és koszinuszok helyett, vagyis a Fourier-transzformációt komplex formában használni. De célszerű az (1) képletet használni, ahol a Fourier-sort koszinuszhullámok összegeként ábrázoljuk a megfelelő amplitúdókkal és fázisokkal. Mindenesetre helytelen azt állítani, hogy a valós jel Fourier-transzformációjának eredménye a harmonikusok komplex amplitúdója lesz. Ahogy a wiki helyesen mondja: "A Fourier-transzformáció (ℱ) egy olyan művelet, amely egy valós változó egyik függvényét képezi le egy másik, szintén valós változó függvényére."

Teljes: A jelek spektrális elemzésének matematikai alapja a Fourier-transzformáció.

A Fourier-transzformáció lehetővé teszi, hogy a (0, T) szakaszon definiált folytonos f(x) (jel) függvényt bizonyos amplitúdójú trigonometrikus függvények (szinusz és/vagy koszinusz) végtelen számú (végtelen sorozatának) összegeként ábrázoljunk. és fázisok, a (0, T) szakaszon is figyelembe véve. Az ilyen sorozatot Fourier-sorozatnak nevezik.

Megjegyezzük még néhány pontot, amelyek megértése szükséges a Fourier-transzformáció helyes alkalmazásához a jelanalízishez. Ha figyelembe vesszük a Fourier-sort (a szinuszok összegét) a teljes X-tengelyen, akkor láthatjuk, hogy a (0, T) szakaszon kívül a Fourier-sor által reprezentált függvény periodikusan megismétli függvényünket.

Például a 7. ábra grafikonján az eredeti függvény a szegmensen van definiálva (-T \ 2, + T \ 2), a Fourier-sor pedig a teljes x tengelyen meghatározott periodikus függvényt reprezentál.

Ennek az az oka, hogy maguk a szinuszosok periodikus függvények, és összegük periodikus függvény lesz.

7. ábra Egy nem periodikus eredeti függvény ábrázolása Fourier-sorral

Ilyen módon:

A kezdeti függvényünk folytonos, nem periodikus, egy bizonyos T hosszúságú szegmensre definiálva. Ennek a függvénynek a spektruma diszkrét, vagyis harmonikus komponensek végtelen sorozataként – a Fourier-sorként – jelenítjük meg. Valójában egy bizonyos periodikus függvényt a Fourier-sor határoz meg, amely egybeesik a miénkkel a (0, T) szakaszon, de ez a periodicitás számunkra nem lényeges.

A harmonikus komponensek periódusai annak a (0, T) szakasznak a többszörösei, amelyen az eredeti f(x) függvény definiálva van. Más szavakkal, a harmonikus periódusok a jelmérés időtartamának többszörösei. Például a Fourier-sor első harmonikusának periódusa megegyezik azzal a T intervallummal, amelyen az f(x) függvény definiálva van. A Fourier-sor második harmonikusának periódusa megegyezik a T/2 intervallummal. És így tovább (lásd 8. ábra).

8. ábra A Fourier-sor harmonikus komponenseinek periódusai (frekvenciái) (itt T=2π)

Ennek megfelelően a harmonikus komponensek frekvenciái 1/T többszörösei. Azaz az Fk harmonikus komponensek frekvenciája egyenlő Fk= k\T-vel, ahol k 0-tól ∞-ig terjed, például k=0 F0=0; k=1 F1=1\T; k=2 F2=2\T; k=3 F3=3\T;… Fk= k\T (nulla frekvencián - állandó komponens).

Legyen eredeti függvényünk egy T=1 mp-ig rögzített jel. Ekkor az első harmonikus periódusa egyenlő lesz a jelünk időtartamával T1=T=1 sec, a harmonikus frekvenciája pedig 1 Hz. A második harmonikus periódusa egyenlő lesz a jel időtartamának osztva 2-vel (T2=T/2=0,5 mp), a frekvencia pedig 2 Hz. A harmadik harmonikusnál T3=T/3 sec és a frekvencia 3 Hz. Stb.

A harmonikusok közötti lépés ebben az esetben 1 Hz.

Így egy 1 mp időtartamú jel harmonikus komponensekre bontható (spektrum előállításához), 1 Hz frekvenciafelbontással. A felbontás 2-szeres 0,5 Hz-re növeléséhez a mérés időtartamát 2-szeresére kell növelni - legfeljebb 2 másodpercig. Egy 10 másodperces jelet harmonikus komponensekre lehet bontani (spektrum előállításához), 0,1 Hz frekvenciafelbontással. Nincs más mód a frekvenciafelbontás növelésére.

Van mód a jel időtartamának mesterséges növelésére úgy, hogy nullákat adunk a minták tömbjéhez. De nem növeli a valós frekvenciafelbontást.

3. Diszkrét jelek és diszkrét Fourier transzformáció

A digitális technika fejlődésével a mérési adatok (jelek) tárolásának módjai is megváltoztak. Ha korábban a jelet magnóra lehetett rögzíteni és szalagon analóg formában tárolni, akkor most a jelek digitalizálásra kerültek, és a számítógép memóriájában lévő fájlokban, számok (számlálások) halmazaként tárolódnak.

A jel mérésének és digitalizálásának szokásos sémája a következő.

9. ábra A mérőcsatorna vázlata

A mérőátalakító jele T időtartam alatt érkezik meg az ADC-hez. A T idő alatt kapott jelminták (minta) átvitelre kerülnek a számítógépre és a memóriában tárolódnak.

10. ábra Digitalizált jel - N leolvasás érkezett T időben

Milyen követelmények vonatkoznak a jeldigitalizálási paraméterekre? A bemeneti analóg jelet diszkrét kóddá (digitális jellé) alakító eszközt analóg-digitális átalakítónak (ADC, angol Analog-to-digital converter, ADC) (Wiki) nevezzük.

Az ADC egyik fő paramétere a maximális mintavételezési frekvencia (vagy mintavételezési frekvencia, angolul sample rate) - a mintavételezés során időben folyamatos jelből történő mintavétel gyakorisága. Hertzben mérve. ((Wiki))

A Kotelnyikov-tétel szerint, ha egy folytonos jelnek az Fmax frekvencia által korlátozott spektruma van, akkor az időközönként vett diszkrét mintáiból teljesen és egyedileg visszaállítható. , azaz frekvenciával Fd ≥ 2*Fmax, ahol Fd - mintavételi frekvencia; Fmax - a jel spektrumának maximális frekvenciája. Más szavakkal, a jel mintavételezési gyakoriságának (ADC mintavételezési frekvenciának) legalább kétszerese a mérni kívánt jel maximális frekvenciájának.

És mi történik, ha a Kotelnyikov-tétel által megköveteltnél alacsonyabb frekvenciával mérünk?

Ilyenkor az "aliasing" (más néven stroboszkópos effektus, moaré effektus) hatása lép fel, mely során a digitalizálás után a nagyfrekvenciás jelből egy valójában nem létező alacsony frekvenciájú jel alakul át. ábrán. 11 magas frekvenciájú vörös szinuszhullám az igazi jel. Az alacsonyabb frekvenciájú kék szinuszhullám egy áljel, amely abból adódik, hogy egy nagyfrekvenciás jel több mint fél periódusának van ideje a mintavételezési idő alatt.

Rizs. 11. Hamis alacsony frekvenciájú jel megjelenése, ha a mintavételezési frekvencia nem elég magas

Az aliasing hatásának elkerülése érdekében az ADC - LPF (low-pass filter) elé egy speciális élsimító szűrőt helyeznek el, amely az ADC mintavételi frekvenciájának fele alatti frekvenciákat engedi át, és levágja a magasabb frekvenciákat.

Egy jel spektrumának kiszámításához a diszkrét mintákból a diszkrét Fourier transzformációt (DFT) használjuk. Még egyszer megjegyezzük, hogy a diszkrét jel spektrumát "definíció szerint" az Fmax frekvencia korlátozza, amely kevesebb, mint az Fd mintavételi frekvencia fele. Ezért egy diszkrét jel spektruma véges számú harmonikus összegével ábrázolható, ellentétben a folytonos jel Fourier-sorának végtelen összegével, amelynek spektruma korlátlan lehet. A Kotelnyikov-tétel szerint a maximális harmonikus frekvenciának olyannak kell lennie, hogy legalább két mintát vegyen figyelembe, tehát a harmonikusok száma megegyezik a diszkrét jel mintáinak felével. Vagyis ha N minta van a mintában, akkor a spektrum harmonikusainak száma N/2 lesz.

Tekintsük most a diszkrét Fourier transzformációt (DFT).

Összehasonlítás a Fourier sorozattal

azt látjuk, hogy egybeesnek, kivéve, hogy a DFT-ben az idő diszkrét, és a harmonikusok száma N/2-re korlátozódik - a minták számának felére.

A DFT képleteket dimenzió nélküli k, s egész változókba írjuk, ahol k a jelminták száma, s a spektrális komponensek száma. Az s értéke a harmonikus teljes rezgésének számát mutatja a T periódusban (a jelmérés időtartama). A diszkrét Fourier-transzformációt a harmonikusok amplitúdóinak és fázisainak numerikus megkeresésére használjuk, pl. "a számítógépen"

Visszatérve az elején elért eredményekhez. Ahogy fentebb említettük, ha egy nem periódusos függvényt (a jelünket) Fourier-sorrá bővítjük, az így kapott Fourier-sor valójában egy T periódusú periodikus függvénynek felel meg (12. ábra).

12. ábra f(x) periódusos függvény Т0 periódussal, Т>T0 mérési periódussal

Ahogy a 12. ábrán látható, az f(x) függvény periodikus Т0 periódussal. Tekintettel azonban arra, hogy a T mérési minta időtartama nem esik egybe a T0 függvény periódusával, a Fourier-sorként kapott függvény a T pontban szakadást mutat. nagyszámú nagyfrekvenciás harmonikust tartalmaznak. Ha a T mérési minta időtartama egybeesne a T0 függvény periódusával, akkor a Fourier-transzformáció után kapott spektrumban csak az első harmonikus (a minta időtartamával megegyező periódusú szinusz) lenne jelen, mivel az f függvény (x) egy szinuszos.

Vagyis a DFT program "nem tudja", hogy a jelünk egy "szinuszhullám darabja", hanem egy periodikus függvényt próbál sorozatként ábrázolni, amiben az egyes darabok inkonzisztenciája miatt rés van. a szinuszhullám.

Ennek eredményeként harmonikusok jelennek meg a spektrumban, amelyek összességében a függvény formáját kell, hogy képviseljék, beleértve ezt a megszakadást is.

Így a jel "helyes" spektrumának megszerzéséhez, amely több, különböző periódusú szinusz összege, szükséges, hogy minden szinuszos periódusok egész száma illeszkedjen a jel mérési periódusára. A gyakorlatban ez a feltétel a jelmérés kellően hosszú időtartamára teljesíthető.

13. ábra Példa a sebességváltó kinematikai hibája jelének funkciójára és spektrumára

Rövidebb időtartammal a kép "rosszabbul" fog kinézni:

14. ábra Példa a forgórész vibrációs jelének funkciójára és spektrumára

A gyakorlatban nehéz lehet megérteni, hol vannak a „valódi komponensek” és hol vannak a „műtermékek”, amelyeket a komponensek periódusainak nem sokfélesége és a jelminta időtartama vagy a jelminta „ugrásai és törései” okoznak. a hullámforma. Természetesen a „valódi komponensek” és a „termékek” szavakat nem hiába idézzük. A sok harmonikus jelenléte a spektrumgráfon nem jelenti azt, hogy a jelünk valójában ezekből „áll”. Ez olyan, mintha azt gondolnánk, hogy a 7-es szám a 3-as és a 4-es számokból áll. A 7-es szám ábrázolható a 3-as és a 4-es számok összegeként – ez így van.

Így a mi jelünk is... vagy inkább nem is „a mi jelünk”, hanem a jelünk megismétlésével összeállított periodikus függvény (mintavételezés) bizonyos amplitúdójú és fázisú harmonikusok (szinuszoidok) összegeként ábrázolható. De sok esetben, ami a gyakorlat szempontjából fontos (lásd a fenti ábrákat), valóban lehetséges a spektrumban kapott harmonikusokat olyan valós folyamatokhoz kapcsolni, amelyek ciklikus jellegűek, és jelentősen hozzájárulnak a jel alakjához.

Néhány eredmény

1. Az ADC által digitalizált, azaz diszkrét minták halmazával (N darab) ábrázolt valós mért, T sec időtartamú jel diszkrét nem periodikus spektrummal rendelkezik, amelyet felharmonikusok halmaza képvisel (N/2 darab). ).

2. A jelet valós értékek halmaza, spektrumát pedig valós értékek halmaza képviseli. A harmonikus frekvenciák pozitívak. Az, hogy a matematikusok számára kényelmesebb a spektrumot komplex formában negatív frekvenciák segítségével ábrázolni, nem jelenti azt, hogy „ez helyes” és „mindig így kell csinálni”.

3. A T időintervallumban mért jelet csak a T időintervallum határozza meg. Hogy mi történt a jel mérésének megkezdése előtt, és mi lesz ezután - ezt a tudomány nem ismeri. És a mi esetünkben - ez nem érdekes. Az időkorlátos jel DFT-je adja meg "valódi" spektrumát, abban az értelemben, hogy bizonyos feltételek mellett lehetővé teszi összetevői amplitúdójának és frekvenciájának kiszámítását.

Használt anyagok és egyéb hasznos anyagok.

A FourierScope egy program rádiójelek létrehozására és spektrális elemzésére. A Graph egy nyílt forráskódú program matematikai grafikonok készítésére. DISZKRÉT FOURIER-TRANSZFORMÁCIÓ – HOGYAN KÉSZÜLT Diszkrét Fourier-transzformáció (DFT)

A 10. fejezet ismerteti a Fourier-sor alkalmazását egy húr rugalmas rezgésének vizsgálatára. Ebben a fejezetben megvizsgáljuk a gerendák rugalmas hajlításának néhány kérdését.

A Fourier-sorok alkalmazása rugalmas testek statikai problémáinak megoldására a következő séma szerint történik.

Mindenekelőtt fizikai megfontolások alapján olyan összefüggést vezetünk le, amely a deformált test geometriai állapotát leíró függvényt összekapcsolja a testre ható terhelésekkel. Ez az arány általánosságban magában az állapotfüggvényen kívül tartalmazza annak származékait, valamint néhány integráljellemzőt is.

Ezután a test geometriai körvonalai és a mozgását korlátozó kinematikai feltételek alapján kiválasztunk egy ortogonális függvényrendszert, amely szerint a megadott állapotfüggvény Fourier-sorrá bővül.

Ennek a Fourier-sornak a származtatott relációba való behelyettesítése a két Fourier-sor azonos egyenlőségéhez vezet, amelyből a 9. fejezet 14. szakaszának 2. Tételével át lehet térni az azonos függvények együtthatóinak egyenlőségére. Ezekből az utolsó egyenlőségekből ki lehet számítani a Fourier-együtthatók értékeit, és így leírni a deformált test állapotát.

A Fourier-sornak a hajlítást jellemző relációba való behelyettesítésének ezt a folyamatát kellő körültekintéssel kell végrehajtani, mert ennek során többször is tagonként kell megkülönböztetni a Fourier-sorokat, amelyek együtthatóit csak utólag számítjuk ki. Győződjön meg ennek a megkülönböztetésnek a jogosságáról, azaz (lásd az 5. fejezet 10. §-át) az összeállított sorozatok egységes konvergenciájáról

egy differenciálható sorozat származékos tagjaiból, eleve elég nehéz. Ezért az egyes konkrét problémák megoldása során hozzávetőlegesen a következőképpen érvelünk.

Először is feltételezzük, hogy az eddig ismeretlen együtthatókkal írt Fourier-sorok (az 5. fejezet 10. §-ának tétele értelmében) tagonként a szükséges számú alkalommal differenciálhatók. A deriváltok kiírásával és a kapott egyenletek megoldásával megtaláljuk a számunkra érdekes Fourier-együtthatókat. Ez azt jelenti, hogy ha a Fourier-sor alkalmas a tagok közötti differenciálásra (sőt, ahányszor szükséges), akkor egészen határozott, amit a közelben találtunk. Ha most a kapott együtthatók figyelembevételéből látható, hogy ez a megszerkesztett, jól definiált sorozat valóban tagonként differenciálható, akkor ezen a sorozaton minden ténylegesen végrehajtott művelet jogos volt, és a talált Fourier-együtthatók a kívántakat. Ha kiderül, hogy nem differenciálható sorozatot kapunk, akkor ez azt jelenti, hogy a vele korábban végrehajtott műveletek matematikailag hibásak voltak, és az ezek alapján kapott eredmény ésszerűtlen, bár valószínűleg helyes. A következőkben mindkét típusú eredményre tekintünk példákat.

Amik már nagyon elege vannak. És úgy érzem, eljött az a pillanat, amikor az elmélet stratégiai tartalékaiból új konzerveket kell kinyerni. Lehetséges más módon a függvényt sorozattá bővíteni? Például egy egyenes szakaszt szinuszokkal és koszinuszokkal kifejezni? Hihetetlennek tűnik, de ezek a látszólag távoli funkciók alkalmasak rá
"újraegyesülés". Az ismert elméleti és gyakorlati fokozatokon kívül más megközelítések is léteznek a függvény sorozattá bővítésére.

Ebben a leckében megismerkedünk a trigonometrikus Fourier-sorral, érintjük konvergenciájának és összegének kérdését, és természetesen számos példát elemezünk a függvények Fourier-sorokká bővítésére. Őszintén szerettem volna a cikket „Fourier Series for Dummies”-nek nevezni, de ez ravaszság lenne, mivel a problémák megoldásához a matematikai elemzés más szakaszainak ismeretére és némi gyakorlati tapasztalatra van szükség. Ezért a preambulum az űrhajósok képzésére fog hasonlítani =)

Először is, az oldal anyagainak tanulmányozását kiváló formában kell megközelíteni. Álmos, kipihent és józan. Erős érzelmek nélkül a hörcsög törött mancsáról és rögeszmés gondolatok nélkül az akváriumi halak életének nehézségeiről. A Fourier-sorozat a megértés szempontjából nem nehéz, azonban a gyakorlati feladatok egyszerűen fokozott figyelemkoncentrációt igényelnek - ideális esetben teljesen el kell hagyni a külső ingereket. A helyzetet súlyosbítja, hogy nincs egyszerű módja a megoldás és a válasz ellenőrzésének. Így, ha egészségi állapota átlag alatti, akkor jobb, ha valami egyszerűbbet csinál. Igazság.

Másodszor, az űrbe repülés előtt meg kell vizsgálni az űrhajó műszerfalát. Kezdjük azoknak a függvényeknek az értékeivel, amelyekre rá kell kattintani a gépen:

Bármilyen természeti értékhez:

egy) . Valójában a szinuszos "villog" az x tengelyen minden "pi"-n keresztül:
. Az argumentum negatív értékei esetén az eredmény természetesen ugyanaz lesz: .

2). De ezt nem mindenki tudta. A "pi en" koszinusz a "villogó fény" megfelelője:

Egy negatív érv nem változtat az eseten: .

Talán elég.

És harmadszor, kedves űrhajós alakulat, képesnek kell lennie arra, hogy ... egyesít.
Főleg persze függvényt hozzon differenciáljel alá, részenként integrálniés jó viszonyban lenni vele Newton-Leibniz képlet. Kezdjük a fontos repülés előtti gyakorlatokkal. Erősen nem ajánlom kihagyását, nehogy később nulla gravitációban ellaposodjon:

1. példa

Határozott integrálok kiszámítása

ahol természeti értékeket vesz.

Megoldás: az integráció az "x" változón keresztül történik, és ebben a szakaszban az "en" diszkrét változót állandónak tekintjük. Minden integrálban vigye a függvényt a differenciál jele alá:

A megoldás rövid változata, amelyre jó lenne lőni, így néz ki:

Hozzászokni:

A fennmaradó négy pont önmaga. Igyekezzen lelkiismeretesen kezelni a feladatot, és az integrálokat röviden rendezni. Az óra végén mintamegoldások.

MINŐSÉGI gyakorlat után szkafandert vettünk fel
és készülj a kezdésre!

Egy függvény kiterjesztése egy Fourier-sorban az intervallumon

Tekintsünk egy olyan függvényt eltökélt legalábbis az intervallumon (és esetleg nagyobb intervallumon). Ha ez a függvény integrálható a szegmensbe, akkor trigonometrikussá bővíthető Fourier sorozat:
, hol vannak az ún Fourier-együtthatók.

Ebben az esetben hívják a számot bomlási időszak, és a szám az felezési idejű bomlás.

Nyilvánvaló, hogy általános esetben a Fourier-sor szinuszokból és koszinuszokból áll:

Valóban, írjuk le részletesen:

A sorozat nulla tagját általában így írják.

A Fourier-együtthatókat a következő képletekkel számítjuk ki:

Tökéletesen megértem, hogy az új kifejezések még mindig homályosak a téma tanulmányozására kezdők számára: bomlási időszak, fél ciklus, Fourier-együtthatókés mások. Ne essen pánikba, ez nem hasonlítható össze az űrséta előtti izgalommal. Találjunk ki mindent a legközelebbi példában, amelynek végrehajtása előtt logikus, hogy sürgető gyakorlati kérdéseket teszünk fel:

Mit kell tennie a következő feladatokban?

Bontsa ki a függvényt Fourier-sorba. Ezenkívül gyakran meg kell rajzolni egy függvény grafikonját, egy sorozat összegének grafikonját, egy részösszeget, és kifinomult professzori fantáziák esetén valami mást kell tenni.

Hogyan lehet egy függvényt Fourier-sorrá bővíteni?

Lényegében meg kell találni Fourier-együtthatók, azaz hármat állítson össze és számoljon ki határozott integrálok.

Kérjük, másolja be a füzetébe a Fourier-sorozat általános formáját és a három munkaképletet. Nagyon örülök, hogy az oldal látogatói közül néhányan a szemem láttára valósul meg gyerekkori álma, hogy űrhajós legyen =)

2. példa

Bontsa ki a függvényt egy Fourier-sorozattá az intervallumon. Készítsen grafikont, egy sorozat összegének és egy részösszegének grafikonját.

Megoldás: a feladat első része a függvény kiterjesztése Fourier-sorba.

Az eleje szabványos, feltétlenül írja le, hogy:

Ebben a problémában a terjeszkedési időszak , félidőszak .

Kibővítjük a függvényt egy Fourier-sorral az intervallumon:

A megfelelő képletek segítségével megtaláljuk Fourier-együtthatók. Most hármat kell összeállítanunk és kiszámítanunk határozott integrálok. A kényelem kedvéért számozom a pontokat:

1) Az első integrál a legegyszerűbb, de ehhez már kell egy szem és egy szem:

2) A második képletet használjuk:

Ez az integrál jól ismert és darabonként veszi:

Amikor használtan találták egy függvény differenciáljel alá hozásának módszere.

A vizsgált feladatban kényelmesebb azonnal használni egy meghatározott integrálban lévő részek szerinti integrálási képlet :

Egy-két technikai megjegyzés. Először is a képlet alkalmazása után a teljes kifejezést nagy zárójelek közé kell tenni, mivel az eredeti integrál előtt van egy konstans. Ne veszítsük el! A zárójelek bármelyik további lépésnél nyithatók, én a legutolsó kanyarnál tettem. Az első "darabban" rendkívüli pontosságot mutatunk a helyettesítésben, amint látható, a konstans nem működik, és az integráció határai behelyettesítésre kerülnek a termékbe. Ezt a műveletet szögletes zárójelek jelölik. Nos, a képlet második "darabjának" integrálját jól ismered az edzésfeladatból ;-)

És ami a legfontosabb - a figyelem végső koncentrációja!

3) Keressük a harmadik Fourier-együtthatót:

Az előző integrál rokonát kapjuk, ami szintén alkatrészekkel integrálva:

Ez a példa egy kicsit bonyolultabb, lépésről lépésre leírom a további lépéseket:

(1) A teljes kifejezés nagy zárójelben van.. Nem akartam unalmasnak tűnni, túl gyakran veszítik el az állandót.

(2) Ebben az esetben azonnal kibővítettem azokat a nagy zárójeleket. Speciális figyelem az első „darabnak” szenteljük: az állandó füstölgés a pálya szélén, és nem vesz részt a termékbe való integráció (és ) határainak helyettesítésében. Tekintettel a rekord zűrzavarára, ezt a műveletet ismét ajánlatos szögletes zárójelben kiemelni. A második "darabbal" minden egyszerűbb: itt a tört nagy zárójelek nyitása után jelent meg, a konstans pedig - az ismerős integrál integrálása eredményeként ;-)

(3) Szögletes zárójelben transzformációt végzünk, a jobb oldali integrálban pedig behelyettesítjük az integrálás határait.

(4) A szögletes zárójelekből kivesszük a „villogót”: , ezután kinyitjuk a belső zárójeleket: .

(5) A zárójelben szereplő 1-et és -1-et töröljük, végső egyszerűsítéseket végzünk.

Végül megtalálta mindhárom Fourier-együtthatót:

Helyettesítsd be őket a képletbe :

Ne felejtsd el kettéosztani. Az utolsó lépésben a konstans ("mínusz kettő"), amely nem függ az "en"-től, kikerül az összegből.

Így megkaptuk a függvény kiterjesztését egy Fourier-sorban a következő intervallumon:

Vizsgáljuk meg a Fourier-sorok konvergenciájának kérdését. Külön kifejtem az elméletet Dirichlet-tétel, szó szerint "az ujjakon", tehát ha szigorú megfogalmazásokra van szüksége, kérjük, olvassa el a kalkulus tankönyvet (például Bohan 2. kötete; vagy Fichtenholtz 3. kötete, de abban nehezebb).

A feladat második részében grafikont, sorozatösszeggráfot és részösszeggráfot kell rajzolni.

A függvény grafikonja a szokásos egyenes vonal a síkon, amely fekete pontozott vonallal van megrajzolva:

A sorozat összegével foglalkozunk. Mint tudják, a funkcionális sorozatok függvényekhez konvergálnak. Esetünkben a felépített Fourier-sor "x" tetszőleges értékére a pirossal jelzett függvényhez konvergál. Ez a funkció alá tartozik 1. típusú szünetek pontokban , hanem bennük is definiálva (piros pontok a rajzon)

Ilyen módon: . Könnyen belátható, hogy jelentősen eltér az eredeti függvénytől, ezért a jelölésben egyenlőségjel helyett tildát használnak.

Vizsgáljuk meg azt az algoritmust, amellyel kényelmesen meg lehet alkotni egy sorozat összegét.

A központi intervallumon a Fourier-sor magához a függvényhez konvergál (a központi piros szegmens egybeesik a lineáris függvény fekete pontozott vonalával).

Most beszéljünk egy kicsit a figyelembe vett trigonometrikus bővítés természetéről. Fourier sorozat csak periodikus függvények (konstans, szinusz és koszinusz) szerepelnek, tehát a sorozat összege szintén periodikus függvény.

Mit jelent ez a mi konkrét példánkban? Ez pedig azt jelenti, hogy a sorozat összege –szükségszerűen időszakos az intervallum piros szakaszát pedig végtelenül meg kell ismételni a bal és a jobb oldalon.

Azt hiszem, most végre világossá vált a "bomlási időszak" kifejezés jelentése. Egyszerűen fogalmazva, minden alkalommal, amikor a helyzet újra és újra megismétlődik.

A gyakorlatban általában elegendő három dekompozíciós periódus ábrázolása, ahogy az a rajzon is történik. Nos, és még több "csonk" a szomszédos időszakokról - hogy egyértelmű legyen, hogy a diagram folytatódik.

Különösen érdekesek 1. típusú folytonossági pontok. Ilyen pontokon a Fourier-sor izolált értékekhez konvergál, amelyek pontosan a folytonossági "ugrás" közepén helyezkednek el (piros pontok a rajzon). Hogyan lehet megtalálni ezeknek a pontoknak az ordinátáját? Először keressük meg a "felső emelet" ordinátáját: ehhez kiszámítjuk a függvény értékét a központi bővítési periódus jobb szélső pontjában: . Az „alsó emelet” ordinátájának kiszámításához a legegyszerűbb módja annak, hogy ugyanazon periódus bal szélső értékét vegyük: . Az átlagérték ordinátája a "felső és alsó" összegének számtani közepe: . Jó az a tény, hogy a rajz elkészítésekor azonnal látni fogod, hogy a közepe jól vagy rosszul van-e kiszámolva.

Szerkesszük meg a sorozat részösszegét, és egyúttal ismételjük meg a „konvergencia” kifejezés jelentését. Az indíték a kb. leckéből ismert a számsor összege. Ismertesse részletesen gazdagságunkat:

Részösszeg elkészítéséhez a sorozat nullát + további két tagját kell felírni. vagyis

A rajzon a függvény grafikonja zölden látható, és mint látható, elég szorosan körbeveszi a teljes összeget. Ha a sorozat öt tagjának részösszegét vesszük figyelembe, akkor ennek a függvénynek a grafikonja még pontosabban közelíti a piros vonalakat, ha száz tag van, akkor a „zöld kígyó” valójában teljesen összeolvad a piros szegmensekkel, stb. Így a Fourier-sor konvergál az összegéhez.

Érdekes megjegyezni, hogy bármely részösszeg folyamatos funkció, de a sorozat teljes összege még mindig nem folyamatos.

A gyakorlatban nem ritka a részösszeg gráf felépítése. Hogyan kell csinálni? Esetünkben figyelembe kell venni a szegmens függvényét, kiszámítani az értékeit a szegmens végén és a közbenső pontokon (minél több pontot vesz figyelembe, annál pontosabb lesz a grafikon). Ezután jelölje meg ezeket a pontokat a rajzon, és óvatosan rajzoljon egy grafikont a periódusra, majd „másolja” azt szomszédos intervallumokra. Hogyan másképp? Hiszen a közelítés is periodikus függvény ... ... a grafikonja valahogy egy orvosi eszköz kijelzőjén egyenletes szívritmusra emlékeztet.

Természetesen nem túl kényelmes az építkezés, mivel rendkívül óvatosnak kell lennie, legalább fél milliméteres pontossággal. A rajzolással ellentmondó olvasóknak azonban örömet okozok - egy "igazi" feladatnál messze nem mindig kell rajzolni, valahol az esetek 50%-ában szükséges a funkciót Fourier-sorossá bővíteni, és ez az azt.

A rajz elkészítése után teljesítjük a feladatot:

Válasz:

Sok feladatnál a funkció szenved 1. típusú szakadás közvetlenül a bomlási perióduson:

3. példa

Bontsa ki egy Fourier-sorozatban az intervallumon megadott függvényt. Rajzolja fel a függvény és a sorozatok összegének grafikonját!

A javasolt függvény darabonként van megadva (és ne feledje, csak a szegmensben)és elviselni 1. típusú szakadás pontban. Ki lehet számítani a Fourier-együtthatókat? Nincs mit. A függvény bal és jobb része is integrálható a saját intervallumán, ezért a három képletben szereplő integrálokat két integrál összegeként kell ábrázolni. Nézzük meg például, hogyan történik ez nulla együttható esetén:

A második integrál nullának bizonyult, ami csökkentette a munkát, de ez nem mindig van így.

Két másik Fourier-együttható is hasonlóan van felírva.

Hogyan lehet megjeleníteni egy sorozat összegét? A bal oldali intervallumon egy egyenes szakaszt rajzolunk, az intervallumon pedig egy egyenes szakaszt (a tengelyszakaszt jelölje ki félkövérrel). Azaz a bővítési intervallumon a sorozat összege három "rossz" pont kivételével mindenhol egybeesik a függvénnyel. A függvény diszkontinuitási pontján a Fourier-sor egy izolált értékhez konvergál, amely pontosan a diszkontinuitás „ugrásának” közepén helyezkedik el. Nem nehéz szóban látni: bal oldali határ:, jobb oldali határ: és nyilvánvalóan a felezőpont ordinátája 0,5.

Az összeg periodicitása miatt a képet szomszédos periódusokra kell „szorozni”, különösen, ugyanazt ábrázolni a és intervallumokon. Ebben az esetben a pontokban a Fourier-sor a medián értékekhez konvergál.

Valójában nincs itt semmi új.

Próbálja meg egyedül megoldani ezt a problémát. Hozzávetőleges minta finom tervezésről és rajzról a lecke végén.

Függvény kiterjesztése Fourier-sorban tetszőleges perióduson

Egy tetszőleges kiterjesztési periódus esetén, ahol az "el" bármely pozitív szám, a Fourier-sor és a Fourier-együttható képlete egy kicsit bonyolultabb szinusz- és koszinusz argumentumban különbözik:

Ha , akkor megkapjuk annak az intervallumnak a képleteit, amellyel indultunk.

A probléma megoldásának algoritmusa és elvei teljesen megmaradnak, de a számítások technikai összetettsége nő:

4. példa

Bontsa ki a függvényt Fourier-sorba, és ábrázolja az összeget.

Megoldás: valójában a 3. példa analógja 1. típusú szakadás pontban. Ebben a problémában a terjeszkedési időszak , félidőszak . A függvény csak a fél intervallumon van definiálva, de ez nem változtat a dolgokon - fontos, hogy a függvény mindkét része integrálható legyen.

Bővítsük ki a függvényt Fourier-sorba:

Mivel a függvény nem folytonos az origóban, minden Fourier-együtthatót nyilvánvalóan két integrál összegeként kell felírni:

1) Leírom az első integrált a lehető legrészletesebben:

2) Óvatosan nézzen bele a Hold felszínébe:

Második integrál részekre szedni:

Mire kell nagyon odafigyelni, miután a megoldás folytatását csillaggal nyitjuk?

Először is, nem veszítjük el az első integrált , ahol azonnal végrehajtjuk a differenciálmű jele alá hozva. Másodszor, ne felejtsd el a balszerencsés állandót a nagy zárójelek előtt és ne keveredjen össze a jelek a képlet használatakor . A nagy konzolokat végül is kényelmesebb azonnal kinyitni a következő lépésben.

A többi már technika kérdése, csak az integrálok megoldásában való elégtelen tapasztalat okozhat nehézséget.

Igen, nem hiába háborodtak fel a francia matematikus Fourier jeles kollégái - hogyan merte a függvényeket trigonometrikus sorozatokra bontani?! =) Egyébként valószínűleg mindenkit érdekel a szóban forgó feladat gyakorlati jelentése. Fourier maga is dolgozott a hővezetés matematikai modelljén, majd a róla elnevezett sorozatot számos periodikus folyamat tanulmányozására kezdték használni, amelyek látszólag láthatatlanok a külvilágban. Most egyébként azon kaptam magam, hogy nem véletlenül hasonlítottam össze a második példa grafikonját egy periodikus szívritmussal. A gyakorlati alkalmazással ismerkedhetnek meg az érdeklődők Fourier transzformációk harmadik fél forrásaiból. ... Bár jobb, ha nem – első szerelemként emlékeznek rá =)

3) Tekintettel a többször említett gyenge láncszemekre, a harmadik együtthatóval foglalkozunk:

Integrálás részenként:

A talált Fourier-együtthatókat behelyettesítjük a képletbe , ne felejtsük el kettéosztani a nulla együtthatót:

Ábrázoljuk a sorozat összegét. Röviden ismételjük meg az eljárást: az intervallumra építünk egy sort, az intervallumra pedig egy sort. Az "x" nulla értékével egy pontot teszünk a rés "ugrásának" közepére, és "megismételjük" a diagramot a szomszédos időszakokra:

A periódusok "csomópontjain" az összeg egyenlő lesz a rés "ugrásának" felezőpontjaival is.

Kész. Emlékeztetlek arra, hogy maga a függvény feltételesen csak a félintervallumon van definiálva, és nyilvánvalóan egybeesik az intervallumokon lévő sorozatok összegével

Válasz:

Néha egy darabonként adott függvény is folyamatos a bővítési perióduson. A legegyszerűbb példa: . Megoldás (Lásd Bohan 2. kötet) ugyanaz, mint az előző két példában: annak ellenére funkció folytonossága pontban minden Fourier-együttható két integrál összegeként van kifejezve.

A szakítási intervallumban 1. típusú folytonossági pontokés/vagy a grafikon "csomópontja" több is lehet (kettő, három és általában bármelyik végsőösszeg). Ha egy függvény minden alkatrészre integrálható, akkor Fourier sorozatban is bővíthető. De gyakorlati tapasztalatból nem emlékszem ilyen bádogra. Mindazonáltal vannak bonyolultabb feladatok is, mint amit csak gondoltunk, és a cikk végén mindenki számára elérhetők a megnövekedett összetettségű Fourier-sorozatra mutató hivatkozások.

Addig is lazítsunk, dőljünk hátra székünkben, és elmélkedjünk a csillagok végtelen kiterjedésén:

5. példa

Bontsa ki a függvényt Fourier-sorrá az intervallumon, és ábrázolja a sorozat összegét.

Ebben a feladatban a függvény folyamatos a bontási félintervallumon, ami leegyszerűsíti a megoldást. Minden nagyon hasonló a 2. példához. Az űrhajó elől nem szabadulhatsz meg - dönteni kell =) Tervezési minta az óra végén, az órarend mellékelve.

Páros és páratlan függvények Fourier-soros kiterjesztése

Páros és páratlan függvényekkel a probléma megoldásának folyamata észrevehetően leegyszerűsödik. És ezért. Térjünk vissza a függvény kiterjesztéséhez egy Fourier-sorban "két pi" perióduson. és tetszőleges időszak "két sör" .

Tegyük fel, hogy a függvényünk páros. A sorozat általános kifejezése, mint látható, páros koszinuszokat és páratlan szinuszokat tartalmaz. És ha felbontunk egy PÁROS függvényt, akkor miért kellenek páratlan szinuszok?! Állítsuk vissza a szükségtelen együtthatót: .

Ily módon egy páros függvény csak koszinuszokban bővül Fourier-sorrá:

Mert a páros függvények integráljai A nullához képest szimmetrikus integrációs szegmens felett megduplázható, akkor a Fourier-együttható többi része is egyszerűsödik.

Terjedelemhez:

Tetszőleges intervallumhoz:

A tankönyvpéldák, amelyek szinte minden számítástechnikai tankönyvben megtalálhatók, tartalmazzák a páros függvények kiterjesztését . Ezenkívül személyes praxisomban többször is találkoztak:

6. példa

Adott egy függvény. Kívánt:

1) bontsa ki a függvényt egy Fourier-sorba a ponttal, ahol egy tetszőleges pozitív szám;

2) írja fel az intervallum bővítését, építsen fel egy függvényt, és ábrázolja a sorozat teljes összegét.

Megoldás: az első bekezdésben a probléma általános megoldását javasoljuk, és ez nagyon kényelmes! Szükség lesz – csak helyettesítse az értékét.

1) Ebben a feladatban a terjeszkedési periódus , félidőszak . A további cselekvések során, különösen az integráció során, az "el" állandónak számít

A függvény páros, ami azt jelenti, hogy csak koszinuszokban bővül Fourier-sorrá: .

Fourier-együtthatókat keresünk a képletekkel . Ügyeljen abszolút előnyeikre. Először is az integrációt a bővítés pozitív szegmensén hajtjuk végre, ami azt jelenti, hogy biztonságosan megszabadulunk a modultól , figyelembe véve csak az "x"-et két darabból. Másodszor pedig az integráció észrevehetően leegyszerűsödik.