芯耀
与非AI
437
在信号分析与处理领域，时域与频域是描述信号特性的两大维度。时域测量关注信号幅度随时间的变化，直观但难以区分干扰与失真；频域测量则通过频率轴展示信号成分，能精准识别有用信号与无用信号。
傅里叶级数作为连接时域与频域的核心理论，将周期信号分解为不同频率的正弦波分量，为频谱分析奠定了数学基础。
一、傅里叶级数：周期信号的时域-频域转换工具
傅里叶级数的核心思想是：任何周期信号均可表示为直流分量与一系列正弦、余弦分量的叠加。这一理论解决了时域无法区分干扰信号的问题，使频域测量成为可能。
周期信号的傅里叶级数展开
对于周期为( T )的信号( f(t) )，其傅里叶级数展开式为：
$$ f(t) = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[ a_n \cos(n\omega t) + b_n \sin(n\omega t) \right] $$
其中，𝜔=2𝜋𝑓0=2𝜋𝑇ω=2πf0=T/2π为基波角频率，f0= 1/T为基波频率。
展开式中的系数由以下公式计算：
直流系数（反映信号直流分量）：
余弦分量系数（反映余弦分量的幅值）：
正弦分量系数（反映正弦分量的幅值）：
这些系数通过在一个周期内对信号与对应正弦/余弦函数的乘积积分得到，直观反映了各频率分量的幅值。
复数形式的傅里叶级数
为简化计算，傅里叶级数可表示为复数形式：
$$ y(t) = \sum_{n=-\infty}^{\infty} c_n e^{j2\pi n f t} $$
其中，复系数( c_n )的计算公式为：
$$ c_n = \frac{1}{T} \int_{-T/2}^{T/2} y(t) e^{-j2\pi n f t} dt $$
复数形式将正弦与余弦分量合并为单一指数项，便于频谱分析。
通过幅度和相位，可将展开式改写为：
$$ f(t) = \frac{a_0}{2} + \sum_{n=1}^{\infty} A_n \cos(n\omega t - \varphi_n) $$
其中，( A_n)为各频率分量的幅值，( φ n )为初始相位。
二、周期信号的频谱特点
根据傅里叶级数，周期信号的频谱具有以下关键特性：
离散型：频谱由离散谱线组成
周期信号的频谱是离散的，由无穷多个冲激函数（谱线）构成。每条谱线对应一个频率分量，频率为基波频率的整数倍( n f_0，n = 0, 1, 2, ……）。例如，方波信号的频谱包含基波( f_0 ）、三次谐波( 3f_0 ）、五次谐波( 5f_0 ）等，无中间频率分量。
谐波性：仅基频整数倍频率有分量
周期信号的频谱仅包含基波频率的整数倍频率，即谐波频率。这是周期信号的本质特征，也是傅里叶级数“谐波”名称的由来。例如，50 Hz的周期信号，其频谱仅包含50 Hz、100 Hz、150 Hz等谐波分量。
收敛性：高次谐波幅度逐渐减小
随着谐波次数( n )增大，各次谐波的幅度( A_n )逐渐减小。这是因为实际信号的能量主要集中在低频分量，高次谐波的贡献随频率升高而减弱。例如，正弦波的频谱仅包含基波分量（( n=1 )），而方波的频谱中，高次谐波的幅度随( n )增大而按( 1/n )衰减。
周期与谱线间隔的关系：周期越大，谱线越密集
周期信号的谱线间隔为基波频率( f_0 = 1/T )。周期( T )越大，基波频率( f_0 )越小，谱线间隔越窄，频谱越密集。当周期( T → ∞)（即信号变为非周期信号）时，离散谱线演变为连续谱，此时傅里叶级数退化为傅里叶变换。
三、傅里叶级数的工程应用
傅里叶级数不仅是理论工具，更是现代电子工程的核心技术，广泛应用于通信、雷达、电子测试等领域。
通信系统：调制与解调的基础
在通信系统中，载波信号（如正弦波）的傅里叶级数展开用于调制（如AM、FM）。例如，AM调制将基带信号与载波相乘，其频谱为基带信号频谱的搬移，通过傅里叶级数可分析调制后的信号成分，检测干扰或失真。此外，解调过程中，通过频谱分析可恢复基带信号，确保通信质量。
雷达系统：目标识别与参数测量
雷达通过发射周期脉冲信号，接收目标反射的回波信号。脉冲信号的频谱分析（基于傅里叶级数）可用于：
- 测量目标距离：通过频谱中的基波频率与谐波分量的关系，计算信号传播时间；识别目标特性：不同目标的反射信号频谱不同，通过频谱特征可区分飞机、船只等目标；抑制干扰：通过频域滤波，去除杂波干扰，提高雷达探测精度。
电子测试：频谱分析仪的核心原理
频谱分析仪是电子测试的常用工具，其工作原理基于傅里叶级数。仪器将时域信号转换为频域，显示信号的频率成分、幅度和相位。例如，在电源设计中，通过频谱分析可检测电源的谐波失真（如50 Hz电源的3次、5次谐波），确保设备兼容性；在射频电路测试中，可测量信号的频谱纯度，优化电路性能。
