Ch3B 2

NTHUOCW
25粉絲
2024年2月7日
[音樂]
所以呃你
得到的是
這樣的所以你有這個
嗯讓我們說呃 2 T1 超過
t 一個
符號
Omega T1 超過 Omega T1 好吧,所以
零點不是
Pi 的整數倍,你現在的零點是
pi 與 T1 的整數倍
好吧,所以你的峯值是 2t1 超過
T 並且你有一個
像這樣的同步函數
好吧 好吧,就像我說的,
我們得到的 AK 就像
在 2 pi/
t
k 採樣,所以你知道怎麼做 你
採樣信號的速度取決於
你選擇這個大寫 T 的大小 好吧,所以在
這個呃第一個例子中,就在
第一個例子中,
這是 t
等於 4
T1 的例子 好吧 t 等於 4 T1 所以如果你把它插入
對,所以在這種情況下,您
在
pi
超過
2t1
K 進行採樣,所以這是 pi/ T1,所以您在這裏
進行採樣,這裏,這裏,
這裏,這裏,
所以我們在這些點進行採樣,
好的,依此
類推,您可以看到這個 正是
你得到的正確結果,所以這是 a
z
A1 這是
A2
A3 A4 等等
好吧現在在這裏你有 t 等於 8
T1
好吧這意味着你
在呃採樣 pi 超過 4
T1 好吧
K 對,所以這意味着要在 T1
上到達點 pi,
再到達點 pi/ T1 K
已經是 4 好吧,所以對於 k 等於 1,
您在這裏採樣 k = 2 K = 3 4 5 6 7 8 9
10 等等好吧,
你可以看到這確實是
我們通過在紫色點採樣得到的結果,
所以這是 a0 1 2 3 4 到
零,右邊 a z A1 2 3 4 到零,好的,依此
類推,這樣 你增加了這個
資本
T ,
當你增加了這個資本 T ,
你就增加了
這些方波的間隔,你
增加了這些方波的間隔,所以當你增加了
這些方
波的間隔,你就會知道更密集
這個 uh 同步函數的更密集的樣本好吧,所以
這裏
還有 t 等於 16
T1 的情況,在這種情況下,你
在 pi 上採樣超過 8 T1
K 好吧,呃,你將得到兩倍
於 uh 的樣本密度 這種
情況好吧,所以你得到的東西
看起來越來越相似,
越來越像實際的
連續時間同步
函數
好吧,所以你知道這可能
在這一點上不太清楚,但這個概念
將在下一章中使用 展示
如何將四級數
表達式擴展到 AP 週期
信號 好吧,當您擴展到 AP
週期信號 好吧,如果您
只想找到
方波而不是週期方波的 foror 級數表示,
那麼它
本質上是相同的 選擇
週期大寫
T 趨向無窮大的週期方波 好吧,當
大寫 T 趨向無窮大時,您實際上是在
以無限 uh
密度對同步函數進行無限採樣 好吧,所以這個呃我只是想
呃在這裏瀏覽一下這個例子 但
稍後呃在下一章你會
明白爲什麼這個概念會變得
有用
好吧好吧那麼呃我們到目前爲止還有什麼
問題嘿
[音樂]
等等呃
[音樂]
好吧
好吧系列
表示線性梳找到
係數
現在 呃 所以
AK
[音樂]
所以
系列 呃 T 複數指數
複數指數
JK
呃哈
好吧 好吧
係數 1/ T 在一個
週期 x 的積分 t
複數指數 複數共
軛 e 到 J K 歐米加
T comp 指數
複數共軛
好吧 comple
好吧 Miss
def
好的,好的,所以呃,到目前爲止,
呃,我們已經展示瞭如何找到週期信號的
四年系列代表
表示(如果它
存在),
現在好吧,呃,
好吧,如果你有一組
諧波相關的呃復
指數 那麼你可以構造一個
非常大的信號 X of T 集合,
你可以用這個來表示
序列
表示,但問題是你
知道如果給你一些任意的
週期信號,那麼 foror 序列
表示是否
存在,所以如果你是 給定這些
諧波相關的復
指數,然後通過採用不同的
線性組合,您可以構造
許多不同的信號,但這
並不意味着任何週期信號都
可以寫在這個
表達式中,好吧,
所以我們需要
進一步分析或討論的是 你知道
這個前級數列
表示對於任意信號的有效性,
例如
我們在前面的例子中剛剛給出的這個週期性方波,
所以爲了討論
這個四年級數表示對於
任意週期信號 X of t 的有效性,
讓我們從 取
近似值,該近似值等於
這四個系列的總和,僅
在有限數量的項上讓我們說
大寫的N項好吧,所以您可以將
其稱爲您的系列的截斷,
我們只是將其截斷以讓您知道
呃大寫 N 所以我們用
t 的 x 子大寫 N 來表示
好吧所以假設我們將
t 的 x 子大寫 N 作爲 T 的
週期信號 X 的近似值
好吧那麼我們可以將
近似誤差定義爲
T 的實際信號 X 與
t 的近似值 x sub n 之間的差異
好吧,我們可以將
一個週期內的誤差能量定義爲
積分 好吧 作爲
該近似誤差的絕對平方的積分
好吧,所以再次 uh 到 爲了你知道,
檢查你知道的
一般週期信號的級數表示的有效性,我們首先
採用 t 的截斷 fous 級數 x sub n
好吧,作爲 T 的 X 的近似值,
然後我們可以定義
這
兩個的誤差 誤差的um作爲
實際信號和T
的n的截斷系列X之間的差異,
因此
如果存在T
的X的年份系列表示,
那麼您期望隨着大寫N變爲無窮
大,
差異應該爲零
好嗎 所以你希望當大寫 N 趨向
無窮大時你知道 T 的 x sub n
變得越來越像 T 的 X 並且
最終變得
相同 現在你怎麼知道
正確指定這兩個信號的正確含義是什麼 同樣的
權利,如何量化兩個
相同的信號好吧,所以一種方法是呃,通過
檢查隨着大寫
N 趨向無窮大,誤差能量是否變爲零
好吧,現在呃,我們不打算
通過數學
證明這些結果的複雜性是好的,但我們
只是要在這裏說明結果,
好的,現在假設
您使用誤差的能量來
測量 T 的兩個信號 X 和
T 的 x sub n 的接近程度
現在,對於有限資本 N 或
有限資本
N,您實際上可以正確地證明,這在
問題
366 中,
如果您根據這裏的公式選擇 AK,則誤差中的能量會最小化,
事實上,如果您
根據這裏的公式選擇 AK,那麼誤差的能量會最小化。
你得到的正是四年
級數
係數,所以這說明
即使 n 是有限的,如果你
想找到一個
截斷的 fer 級數表示,
在最小化空氣能量方面最接近 T 的 X,
那麼最好的選擇 是選擇 AK
作爲四年
係數
好吧,所以這實際上並不難
證明,嗯,我將在作業中給出這個呃,
但本質上你如何證明
這一點,你
只需將這個
表達式插入這個 e 大寫字母 N 對,
所以你只需將這個表達式代入 E
Capital N,這樣 E Capital N 將是
這些線性組合係數的函數,
好吧,假設你
知道
這是 e Capital N,這是一個
權利,所以這將是一個二次
函數 看起來像
這樣,所以如果你想找到
最小化 en n 的 AK,你要做的就是
取
AK 的值,我們稱其爲 AK 星,
此時 n
相對於 AK 的導數等於
零 好吧,爲了找到這
一點,你需要對 AK 求 En n 的導數
並將其設置爲零
好吧,如果你這樣做,你將能夠
發現 AK 應該是你的
級數
係數 好吧,所以這就是什麼
你可以在家庭作業中做一些事情,
嗯,好吧,但是我想
在這裏提到的一點是,你知道如果你
想找到一個
截斷的截斷的截斷的序列
來近似 T 的信號 X,
那麼選擇
最小化的線性係數 誤差
能量將是福里爾級數
uh
係數
好吧,那麼如果你能
證明這一點那麼如果你能證明
如果
uh 如果期望 uh 如果隨着
大寫 N 趨向無窮大,誤差能量
接近零,那麼就會存在
這個
週期信號 X 的 F 級數表示可以,那麼
週期信號 X 通常何時有 fre
級數表示,實際上,當 n 趨向
無窮大時,能量 n 趨於零的每個連續週期信號
都有一個四級數
表示,所以 它有一個四級
數表示,從某種意義上說,
四級數表示有一個
錯誤好吧呃與
T的實際信號X有一個錯誤呃H
在能量上爲零好吧
好吧所以嗯如果你有
足夠的數學背景 好吧,
這本質上是說 T 的 x sub n
在 L2 中收斂到 t uh 的 X,所以這是 L2
收斂 好吧,但這只是針對
那些你知道的人,呃,也許
在實際分析中有一些背景,呃,沒有
必要,不是 沒有必要 uh to uh
知道這一點,但這只是一種
收斂 um to uh 聲稱 PR
級數
表示是一個 um
是 uh 存在於這個週期
信號 X
通常
好吧,現在什麼時候這是真的,
所以無需證明 uh 所以 實際上,呃,
可以證明在
單個週期內具有有限能量的所有周期信號,
即呃,如果這是
真的,那麼隨着
大寫 N 趨向無窮大,誤差能量會趨於零,
好吧,所以這對於所有具有有限能量的週期信號都是正確的
單個
週期內的能量 好吧,所以如果您正在考慮
收斂,從某種意義上說,
對於這兩個信號,誤差能量爲零,
那麼您可以說,
對於所有具有有限
能量的週期信號,前級數表示都存在 在一個
時期內,所以你知道這已經
包括了我們感興趣的幾乎所有信號,
現在我只想
在這裏指出,這種
收斂並不
意味着 X of
t
uh 好吧,並不意味着
這並不意味着 x sub
對於所有 t,T 的 n 收斂到 t 的 X
好吧,所以這有點不同,
這只是
說,差異的能量
爲零,因爲大寫 N 趨於無窮大,
好吧,所以事實上,你可能知道
某些 求和中的點,
使得值偏離 T 的 X,
但是當您進行積分時,這些點並不重要,
因爲這些點上的面積
爲零,
好吧,所以這在數學上
涉及更多,但從工程
角度來看,這可能是
對我們來說並不那麼重要,因爲
物理系統中真正重要的是
系統如何響應信號的能量,
所以如果你有這些,你就知道嗯,
你知道這些典型的情況,在這些情況下
你知道某些存在
價值偏差的點,但是
能量爲零,那麼這
在實踐中可能對我們來說並不重要 好吧
好吧所以這是一種
um 聲稱 T 的週期信號 X 是否存在級數表示的一種方式
好吧,這就是這種
存在 uh 就是
所謂的 L2
收斂,
現在我們也可以從
所謂的“
你知道,幾乎無處不在的收斂”的意義上來看待這種收斂
