常用周期函数的傅里叶级数

结合电子工程(如电源PWM波、EMI滤波、信号处理)的实际应用场景,以下整理6种最常用周期函数 的傅里叶级数展开式、谐波特性及工程应用要点,全部基于周期 TTT(角频率 ω0=2π/T\omega_0 = 2\pi/Tω0=2π/T)、幅值 AAA 的标准波形,公式可直接用于工程计算。

一、傅里叶级数核心形式(回顾)

周期函数 ( f(t) ) 满足狄利克雷条件时,展开式有两种核心形式:

  1. 三角形式 (工程最常用,直观反映谐波分量):
    f(t)=a0+∑n=1∞(ancos⁡(nω0t)+bnsin⁡(nω0t)) f(t) = a_0 + \sum_{n=1}^{\infty} \left( a_n\cos(n\omega_0 t) + b_n\sin(n\omega_0 t) \right) f(t)=a0+n=1∑∞(ancos(nω0t)+bnsin(nω0t))
    • a0a_0a0:直流分量(平均值);an、bna_n、b_nan、bn:n次谐波的余弦/正弦系数。
  2. 幅值-相位形式 (便于分析谐波幅值和相位差):
    f(t)=A0+∑n=1∞Ancos⁡(nω0t−φn) f(t) = A_0 + \sum_{n=1}^{\infty} A_n\cos(n\omega_0 t - \varphi_n) f(t)=A0+n=1∑∞Ancos(nω0t−φn)
    • 关系:A0=a0A_0 = a_0A0=a0,An=an2+bn2A_n = \sqrt{a_n^2 + b_n^2}An=an2+bn2 (n次谐波幅值),φn=arctan⁡(bn/an)\varphi_n = \arctan(b_n/a_n)φn=arctan(bn/an)(相位)。

二、6种常用周期函数的傅里叶级数(工程实用版)

函数类型 波形核心特征 傅里叶级数展开式 谐波特性(工程关键) 典型应用场景
1. 方波(占空比50%) 周期 TTT,幅值 ±A\pm A±A(对称),无过渡区(理想方波) f(t)=4Aπ∑k=0∞12k+1sin⁡((2k+1)ω0t)f(t) = \frac{4A}{\pi} \sum_{k=0}^{\infty} \frac{1}{2k+1} \sin\left((2k+1)\omega_0 t\right)f(t)=π4Ak=0∑∞2k+11sin((2k+1)ω0t) - 无直流、无偶次谐波,仅含奇次正弦谐波 ; - 谐波幅值与次数成反比(An∝1/nA_n \propto 1/nAn∝1/n),衰减慢。 逆变器输出、数字逻辑信号、方波振荡器
2. 方波(占空比 DDD) 周期 TTT,高电平 AAA、低电平 000,占空比 D=t高/TD = t_{高}/TD=t高/T(0<D<10<D<10<D<1) f(t)=AD+2Aπ∑n=1∞sin⁡(nπD)ncos⁡(nω0t−nπD)f(t) = AD + \frac{2A}{\pi} \sum_{n=1}^{\infty} \frac{\sin(n\pi D)}{n} \cos\left(n\omega_0 t - n\pi D\right)f(t)=AD+π2An=1∑∞nsin(nπD)cos(nω0t−nπD) - 含直流分量 ADADAD,偶次/奇次谐波均存在; - 占空比 D=50%D=50\%D=50% 时退化为对称方波(偶次谐波抵消)。 PWM调制信号(开关电源核心)
3. 三角波(对称) 周期 TTT,幅值 AAA,线性上升/下降(无突变),正负半周对称 f(t)=A2+4Aπ2∑k=0∞(−1)k(2k+1)2cos⁡((2k+1)ω0t)f(t) = \frac{A}{2} + \frac{4A}{\pi^2} \sum_{k=0}^{\infty} \frac{(-1)^k}{(2k+1)^2} \cos\left((2k+1)\omega_0 t\right)f(t)=2A+π24Ak=0∑∞(2k+1)2(−1)kcos((2k+1)ω0t) - 含直流分量,仅含奇次余弦谐波 ; - 谐波幅值与次数平方成反比(An∝1/n2A_n \propto 1/n^2An∝1/n2),衰减极快。 低谐波信号源、函数发生器输出
4. 锯齿波(上升沿线性) 周期 TTT,幅值AAA,线性上升至 AAA 后突变归零 f(t)=A2−Aπ∑n=1∞1nsin⁡(nω0t)f(t) = \frac{A}{2} - \frac{A}{\pi} \sum_{n=1}^{\infty} \frac{1}{n} \sin\left(n\omega_0 t\right)f(t)=2A−πAn=1∑∞n1sin(nω0t) - 含直流分量,含所有整数次正弦谐波 ; - 谐波幅值与次数成反比(An∝1/nA_n \propto 1/nAn∝1/n),衰减慢。 时序控制信号、ADC/DAC参考信号
5. 半波整流波(正弦) 周期 TTT,仅保留正弦波正半周(幅值 AAA),负半周为 000 f(t)=Aπ+A2sin⁡ω0t−2Aπ∑k=1∞cos⁡(2kω0t)4k2−1f(t) = \frac{A}{\pi} + \frac{A}{2}\sin\omega_0 t - \frac{2A}{\pi} \sum_{k=1}^{\infty} \frac{\cos(2k\omega_0 t)}{4k^2 - 1}f(t)=πA+2Asinω0t−π2Ak=1∑∞4k2−1cos(2kω0t) - 含直流分量,含基波、偶次余弦谐波 ; - 谐波幅值衰减较快(An∝1/n2A_n \propto 1/n^2An∝1/n2)。 未滤波的半波整流电源输出
6. 全波整流波(正弦) 周期 T/2T/2T/2(原正弦波周期的1/2),正负半周均整流为正(幅值 AAA) f(t)=2Aπ−4Aπ∑k=1∞cos⁡(2kω0t)4k2−1f(t) = \frac{2A}{\pi} - \frac{4A}{\pi} \sum_{k=1}^{\infty} \frac{\cos(2k\omega_0 t)}{4k^2 - 1}f(t)=π2A−π4Ak=1∑∞4k2−1cos(2kω0t) - 含直流分量,无基波(原基波变为新基波的2倍),仅含偶次谐波 ; - 谐波衰减快,波形更接近直流。 全波整流电源输出(如桥堆整流)

三、工程应用关键结论(直接指导设计)

  1. 谐波衰减速度决定滤波难度

    • 三角波、全波整流波:谐波衰减快(1/n21/n^21/n2),只需简单RC/LC滤波即可获得平稳信号;
    • 方波、锯齿波:谐波衰减慢(1/n1/n1/n),需多级滤波或高阶滤波器(如π型滤波)抑制高次谐波(如开关电源的EMI滤波)。
  2. 对称性简化设计

    • 偶函数(如三角波、对称方波):仅含直流和余弦谐波(bn=0b_n=0bn=0);
    • 奇函数(如50%占空比对称方波):仅含正弦谐波(a0=an=0a_0=a_n=0a0=an=0);
    • 奇谐对称(f(t+T/2)=−f(t)f(t+T/2) = -f(t)f(t+T/2)=−f(t)):无偶次谐波(如50%占空比方波)。
  3. PWM波的特殊处理

    • 开关电源中PWM波是"变占空比方波",其谐波幅值与占空比 DDD 相关:D=50%D=50\%D=50% 时谐波最少,DDD 偏离50%越多,偶次谐波越显著;
    • 工程中可通过调整占空比(如接近50%)或增加开关频率(ω0\omega_0ω0 增大),降低滤波难度。
  4. 高次谐波的取舍原则

    • 实际计算中,当谐波幅值低于基波幅值的1%~5%时,可忽略该次及更高次谐波(工程精度足够);
    • 例:方波的7次谐波幅值仅为基波的1/7≈14%,11次谐波约9%,需保留至15次以上才能保证波形近似度。

四、快速计算工具(工程捷径)

  1. 直流分量 a0a_0a0:直接等于函数在一个周期内的平均值(无需积分);

    • 例:50%占空比方波(±A\pm A±A)的平均值为0,故 a0=0a_0=0a0=0;
    • 例:占空比 D=30%D=30\%D=30% 的方波(高电平 AAA),平均值为 0.3A0.3A0.3A,故 a0=0.3Aa_0=0.3Aa0=0.3A。
  2. 系数速查:若已知函数对称性,可直接排除部分系数(如奇函数 a0=an=0a_0=a_n=0a0=an=0),仅计算剩余系数。

五、周期为奇函数和偶函数的傅里叶级数

核心结论

  • 偶函数 :其傅里叶级数只包含余弦项(包括直流项 a₀)
    • 数学表达:f(t) = a₀ + Σ [aₙ · cos(nω₁t)] (n从1到∞)
  • 奇函数 :其傅里叶级数只包含正弦项
    • 数学表达:f(t) = Σ [bₙ · sin(nω₁t)] (n从1到∞)

这个特性极大地简化了计算过程,因为只需要计算一半的系数即可。


详细推导与解释

我们回顾一下傅里叶系数的通用计算公式(周期 T,基波角频率 ω₁ = 2π/T):

  • 直流分量 (a₀)a₀ = (1/T) ∫ f(t) dt (积分区间为一个完整周期)
  • 余弦系数 (aₙ)aₙ = (2/T) ∫ f(t) · cos(nω₁t) dt
  • 正弦系数 (bₙ)bₙ = (2/T) ∫ f(t) · sin(nω₁t) dt
1. 偶函数的傅里叶级数

定义 :如果对于所有 t,都满足 f(-t) = f(t),则函数 f(t) 是偶函数。其波形关于 y 轴对称。

特性推导

  • 对于 a₀ :由于 f(t) 在一个对称区间 [-T/2, T/2] 上的积分为正,所以 a₀ ≠ 0
  • 对于 aₙ :被积函数是 f(t) · cos(nω₁t)
    • f(t) 是偶函数。
    • cos(nω₁t) 也是偶函数(因为 cos(-θ) = cos(θ))。
    • 偶函数 × 偶函数 = 偶函数
    • 偶函数在对称区间 [-T/2, T/2] 上的积分等于它在 [0, T/2] 上积分的两倍。这使得计算更简单。
  • 对于 bₙ :被积函数是 f(t) · sin(nω₁t)
    • f(t) 是偶函数。
    • sin(nω₁t) 是奇函数(因为 sin(-θ) = -sin(θ))。
    • 偶函数 × 奇函数 = 奇函数
    • 奇函数在对称区间 [-T/2, T/2] 上的积分恒等于 0
    • 因此,bₙ = 0

结论 :偶函数的傅里叶级数中所有 bₙ 都为零,只剩下直流项和余弦项。

示例f(t) = |sin(t)|(周期为 π)

  • 这是一个偶函数。
  • 它的傅里叶级数只包含直流项和余弦项:f(t) = (2/π) - (4/π) · [cos(2t)/3 + cos(4t)/15 + ...]
2. 奇函数的傅里叶级数

定义 :如果对于所有 t,都满足 f(-t) = -f(t),则函数 f(t) 是奇函数。其波形关于原点对称(原点是拐点)。

特性推导

  • 对于 a₀ :由于 f(t) 在一个对称区间 [-T/2, T/2] 上的正负面积相互抵消,所以 a₀ = 0
  • 对于 aₙ :被积函数是 f(t) · cos(nω₁t)
    • f(t) 是奇函数。
    • cos(nω₁t) 是偶函数。
    • 奇函数 × 偶函数 = 奇函数
    • 奇函数在对称区间上的积分为零。
    • 因此,aₙ = 0
  • 对于 bₙ :被积函数是 f(t) · sin(nω₁t)
    • f(t) 是奇函数。
    • sin(nω₁t) 也是奇函数。
    • 奇函数 × 奇函数 = 偶函数
    • 偶函数在对称区间上的积分可以简化为两倍的正半轴积分。

结论 :奇函数的傅里叶级数中所有 a₀aₙ 都为零,只剩下正弦项。

示例f(t) = sin(t)

  • 这是一个标准的奇函数。
  • 它的傅里叶级数就是它本身:f(t) = sin(t),即 b₁ = 1,其他 bₙ = 0

总结与对比表格

特性 偶函数 奇函数
定义 f(-t) = f(t) f(-t) = -f(t)
波形对称性 关于 y 轴对称 关于原点对称
傅里叶级数形式 a₀ + Σ aₙ cos(nω₁t) Σ bₙ sin(nω₁t)
直流分量 (a₀) 不为零 恒为零
余弦系数 (aₙ) 不为零 恒为零
正弦系数 (bₙ) 恒为零 不为零
计算简化 只需计算 a₀aₙ,积分区间可减半为 [0, T/2] 只需计算 bₙ,积分区间可减半为 [0, T/2]

重要补充:非奇非偶函数的处理技巧

如果一个函数既不是奇函数也不是偶函数,但具有某种对称性,我们可以通过函数变换将其转化为奇函数或偶函数,从而简化计算。

  1. 分解为奇偶部分 :任何函数都可以唯一地分解成一个偶函数和一个奇函数的和。
    f(t) = [f(t) + f(-t)]/2 + [f(t) - f(-t)]/2
  • 第一部分是偶函数,第二部分是奇函数。
  • 可以分别对这两部分进行傅里叶展开,然后相加。
  1. 时移操作 :如果函数关于某个垂直线 t = t₀ 对称,可以通过时移 τ = t - t₀ 将其变为偶函数或奇函数。
  • 例如,一个周期为 T 的方波,如果它在 [0, T/2] 为高电平,在 [T/2, T] 为低电平,它关于点 (T/4, 0.5) 中心对称,但既不是奇也不是偶。如果我们将其向左移动 T/4,它就变成了一个标准的奇函数,此时就可以用奇函数的公式进行计算。

掌握奇偶函数的傅里叶级数特性,是进行频谱分析和信号处理的一项基本技能,可以避免大量不必要的计算。

相关推荐
乾元16 小时前
IoT 大量接入场景下的网络切片与安全隔离——AI 驱动的策略生成、验证与落地工程
运维·网络·人工智能·物联网·网络协议·安全
杰瑞不懂代码16 小时前
PCM均匀量化与μ-law非均匀量化的仿真对比:误差特性与SNR分析
人工智能·matlab·语音识别·pcm·均匀量化·非均匀量化
万岳科技程序员小金16 小时前
低成本开发考试刷题APP/小程序:在线教育系统源码的正确打开方式
人工智能·在线教育系统源码·教育app开发·教育软件开发·教育小程序开发·刷题考试系统源码·刷题考试小程序
中国云报17 小时前
Why Not?亚马逊云科技以AI全栈革新解锁数智化新可能
大数据·人工智能·科技
后端小张17 小时前
【AI 学习】AI提示词工程:从入门到实战的全栈指南
java·人工智能·深度学习·学习·语言模型·prompt·知识图谱
海雅达手持终端PDA17 小时前
基于海雅达HDT500的零售电商UHF RFID移动应用创新与实战案例
大数据·人工智能·零售
戴西软件17 小时前
戴西发布 DLM许可证加密防护软件V4.2让工业软件授权迈入并发调度与精细治理时代
运维·服务器·网络·数据库·人工智能·安全·云计算
不惑_17 小时前
通俗理解经典CNN架构:VGGNet
人工智能·神经网络·cnn
没学上了18 小时前
MNIST
人工智能