- 信号与系统教程
- 信号与系统首页
- 信号与系统概述
- 信号基本类型
- 信号分类
- 信号基本运算
- 系统分类
- 信号分析
- 傅里叶级数
- 傅里叶级数性质
- 傅里叶级数类型
- 傅里叶变换
- 傅里叶变换性质
- 无失真传输
- 希尔伯特变换
- 卷积与相关
- 信号采样定理
- 信号采样技术
- 拉普拉斯变换
- 拉普拉斯变换性质
- 收敛域
- Z变换
- Z变换性质
- 信号与系统资源
- 信号与系统 - 资源
- 信号与系统 - 讨论
傅里叶变换性质
以下是傅里叶变换的性质
线性性质
$\text{如果}\,\,x (t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega) $
$ \text{&} \,\, y(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} Y(\omega) $
则线性性质表明:
$a x (t) + b y (t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} a X(\omega) + b Y(\omega) $
时移性质
$\text{如果}\, x(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X (\omega)$
则时移性质表明:
$x (t-t_0) \stackrel{\mathrm{F.T}}{\longleftrightarrow} e^{-j\omega t_0 } X(\omega)$
频移性质
$\text{如果}\,\, x(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega)$
则频移性质表明:
$e^{j\omega_0 t} . x (t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega - \omega_0)$
时间反转性质
$ \text{如果}\,\, x(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega)$
则时间反转性质表明:
$ x (-t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(-\omega)$
时间尺度变换性质
$ \text{如果}\,\, x (t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega) $
则时间尺度变换性质表明:
$ x (at) \stackrel{\mathrm{F.T}}{\longleftrightarrow} {1 \over |\,a\,|} X \left( { \omega \over a} \right)$
微分和积分性质
$ If \,\, x (t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega)$
则微分性质表明:
$ {dx (t) \over dt} \stackrel{\mathrm{F.T}}{\longleftrightarrow} j\omega . X(\omega)$
$ {d^n x (t) \over dt^n } \stackrel{\mathrm{F.T}}{\longleftrightarrow} (j \omega)^n . X(\omega) $
积分性质表明:
$ \int x(t) \, dt \stackrel{\mathrm{F.T}}{\longleftrightarrow} {1 \over j \omega} X(\omega) $
$ \iiint ... \int x(t)\, dt \stackrel{\mathrm{F.T}}{\longleftrightarrow} { 1 \over (j\omega)^n} X(\omega) $
乘法和卷积性质
$ \text{如果} \,\, x(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega) $
$ \text{&} \,\,y(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} Y(\omega) $
则乘法性质表明:
$ x(t). y(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} X(\omega)*Y(\omega) $
卷积性质表明:
$ x(t) * y(t) \stackrel{\mathrm{F.T}}{\longleftrightarrow} {1 \over 2 \pi} X(\omega).Y(\omega) $