f(t)频谱函数为F(s),求f(3t)

随时间变化的信号要分,周期信号和非周期信号,周期信号的频谱是稳定的,指的是频率值,而非周期的信号频谱是连续的.频谱图上是看不出频率随时间的变化,可在时频分析的图上看出,坐标是t,f,A.

Spectrum transform the process shown in Figure 3,F said that analogue frequency,the actual frequency signal,digital frequency f said that the sampling frequency of the normalized frequency.The center ...

根据傅立叶级数的定义从0到4进行积分就可以了,好久不做这种题了,有些忘了

根据奈奎斯特第二定律（采样定律）,低频信号采样频率fs要大于等于最大频率的2倍.
对于这道题而言,你的最高频率是700Hz（100＋600）,所以
（1）fs>=2f=1400Hz
（2）dt=1/fs=1/1400
（3）1400/100=14

时域的连续的信号的FT一定是非周期的频域信号,方波的FT变化是Sa抽样函数,是非周期的.

频谱周期为1/T,采样间隔为T,频谱周期增大一倍,采样间隔小一倍

产生白噪声的主要噪声源有：电阻器噪声源、饱和二极管噪声源、气体放电管噪声源和固态噪声源.
噪声信号发生器中的变换器可用来改变噪声的频谱特性,概率密度函数和进行频谱搬移.

周期信号的傅里叶级数的意义是信号在每一个离散频率分量处的幅度；
非周期信号的傅里叶变换可以理解为周期无穷大的周期信号的傅里叶级数.这时,离散的频率逐渐变成了连续的频率,某一点频率处的频谱密度值是没有意义的,如同概率密度函数,你只有求那一点附近一小段频率内与频谱密度函数形成的面积值才有意义,才表示了信号在那一频率点的幅度.
具体参考《信号与系统》郑君里版 清华大学出版社 P91,P111

原有模拟信号的频谱只在0到Fh(信号的最高频率）之间,抽样后的频谱则有很多,分别分布在取样频率各次谐波的两侧.

clc; clear ;close all;
T1 = 0.02;
T2 = 0.04;
fs1 = 1/T1;
fs2 = 1/T2;
t1 = 0:T1:20;
t2 = 0:T2:20;
x1 = sin(40*pi*t1);
x2 = sin(40*pi*t2);
y1 = abs(fft(x1));
y2 = abs(fft(x2));
n1 = (1:length(t1))*fs1/length(t1);
n2 = (1:length(t2))*fs2/length(t2);
plot(n1,y1);grid;xlabel('Hz');title('50Hz采样率下的频谱');
figure;plot(n2,y2);grid;xlabel('Hz');title('25Hz采样率下的频谱');
采样率太低,不满足奈奎斯特采样定理,频谱失真.

频率分辨率是能够分辨出频率的最小单位.
举个例子：频谱仪的频率范围是9K-8G.假如分辨率是1K,可以看到9K,10K,11K.的信号参数.如果分辨率是100Hz,则可以看到9K,9.1K,9.2K.的信号参数.
同一台仪器,分辨率越高采样周期越长,采样数据量越大.与采样频率、采样时间间隔关系不大

只要是信号采样都会有截断,一旦截断,就会有频谱泄漏,这无法避免,只能降低,也就是不要剧变截断.

D

给你点思路,要具体算出来我不算了
频域函数的乘积等于时域函数的卷积
Sa(w)在时域的信号是G(t),门函数
cos(2w)在时域的信号是两个冲激
f(t)的结果形式上是门函数向两边搬,具体是什么你自己算吧

tow ways：
1.Matlab；
2.by hand：先做cft(u1),cft(u2)->cft频域卷积性质->对卷积结果作cft的逆变换.

加 我当时也不确定 和做拉氏变换那道题的符号是一样的 我专门对比了几遍。

相同之处：都含有基波与高次谐波分量；
不同之处：方波的奇次谐波含量高；矩形波的偶次谐波含量高,且占空比越偏离0.5偶次谐波含量越高.

属于频谱的线性搬移过程有（A）
A.振幅调制

答案 等于 1
了解 不了解 去找度娘

占空比为50%的方波

你说的没错,进行补零后,傅里叶变换的频率分辨率变小了,由2048/2000变为了2048/2048.

文章作者为了避免出现数学公式，没有给出这个波的傅里叶级数表达式。而且注意，作者所提的“正弦波”泛指sin cos，所以这里的正弦波其实都是cos
你把它的级数表达式写出来就会发现：1.因为要拟合方波，是个偶函数，所以级数肯定是只由余弦函数组成，正弦部分全为0.
2.。在余弦函数部分，计算可得偶数项又为0（具体没算，我估计是这样）。所谓不需要，其实就是说利用傅里叶公式算出来这些项为0。
至于动态图中的大小圆：
多一个小圆在动，并不是因为周期增加了。
它每一行那个动态图，指的是把这行及上面所有的正弦函数全部加起来后，得到的图像。
为什么这些函数的和的图像可以这样画出来呢？
第一行只有一个圆时好理解。第二行要做出前两个正弦函数的和的图像，那么它每个自变量对应的值，应该是等于第一个圆在此时刻的值，加上第二个圆在此时刻的值，即，取第一个圆上该时刻对应的点为圆心，做第二个圆（半径为振幅），再在第二个圆上找到该时刻对应的点，则该点就是该时刻两个函数的和对应的点。第三四行以此类推。
这样说不知道能不能理解，不懂再追问

原有模拟信号的频谱只在0到Fh(信号的最高频率）之间,抽样后的频谱则有很多,分别分布在取样频率各次谐波的两侧.

这道题的运算关键是三角函数的积化和差公式的应用：
积化和差公式：sinαsinβ=-[cos（α+β）-cos（α-β）]/2
sinα*sinα=-[cos2α-cos（0）]/2=(1-cos2α)/2
因此,f（t）=sinω0t+（1-cos2ω0t）/2
=0.5+sinω0t-0.5*cos2ω0t
sinω0t的傅里叶变换是π/j[ δ（ω-ω0）-δ（ω+ω0) ]
cosω0t的傅里叶变换是π[ δ（ω-ω0）+δ（ω+ω0) ]
常数1的傅里叶变换为2πδ(ω)
因此：
F（ω）=πδ(ω)+π/j[ δ（ω-ω0）-δ（ω+ω0) ]-0.5*π[ δ（ω-ω0）+δ（ω+ω0) ]

显然,X(jw)是两个们函数的卷积,利用傅里叶变换的对称性可以得出Sa(ωτ）的时域,卷积一下就行了,两个们函数用定义很简单.不妨试试.

只有当物体在透镜的前焦面上时,在透镜的后焦面上才得到准确的傅里叶变换.
否则有一个二次位相弯曲因子.

用matlab模拟调频和解调原理

是利用“C ” 乘法器.
频谱线性变换实质上是将输入信号频谱沿频率轴进行不失真的搬移,如振幅调制电解调,混频等.
调制,解调,混频等,需使用非线性电路 .在频域上,属频谱搬移.
根据频谱变换的不同特点,频谱变换电路分为频谱线性变换和频谱非线性变换电路两大类.
频谱非线性变换的作用是输入信号频道进行特定的非线性变换,如频率调制,相位调制等.
频谱搬移要靠非线性器件来实现.
Ps：通过傅里叶变换可以清晰的通过频谱观察到,频谱的搬移过程

焦平面上,垂直于光轴,到透镜中心的距离等于其焦距的平面就是它的频谱面

你可以看下信号系统书.给你举个特例吧.一个冲击函数的频谱是1,1的概念就是遍布整个频域.

当奇异水频率与体内微磁的固有频率相同时,就会达到共振,共振的效果是使振幅增加.从而达到调整纠正的作用.
共振是指一个物理系统在特定频率下,以最大振幅做振动的情形.自然中有许多地方有共振的现象.如：乐器的音响共振、太阳系一些类木行星的卫星之间的轨道共振、电路的共振等等.

在网上找的,还是比较清楚的说明了傅里叶变换在图像中的意义：
在频域中,频率越大说明原始信号变化速度越快；频率越小说明原始信号越平缓.当频率为0时,表示直流信号,没有变化.因此,频率的大小反应了信号的变化快慢.高频分量解释信号的突变部分,而低频分量决定信号的整体形象.
在图像处理中,频域反应了图像在空域灰度变化剧烈程度,也就是图像灰度的变化速度,也就是图像的梯度大小.对图像而言,图像的边缘部分是突变部分,变化较快,因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量.也就是说,傅立叶变换提供另外一个角度来观察图像,可以将图像从灰度分布转化到频率分布上来观察图像的特征.书面一点说就是,傅里叶变换提供了一条从空域到频率自由转换的途径.
另外,关于变换后频谱图像是四角亮的问题,主要是因为变换后的四角位置刚好对应着图像的低频成分,而一般来说图像的能量都集中在低频分量上,因此变换后低频位置处的幅度会大些,显示出来就更亮了.

就是信号的频率成分分布.前提是采样率及抽样率符合那奎斯特采样频率.
若不符合,频谱发生混叠,抽样信号的频谱中所含频率成分将不能真实实际信号.

妊娠30周以后,当脐动脉的S/D>3.0,PI>1.7,RI>0.7时多发生胎儿宫内窘迫
PI：脐动脉血流的搏动指数
RI：脐动脉血流的阻力指数
SD：脐动脉血流速度峰谷比
孕28周后S/D应小于3,RI应小于0.8
孕36～37周以后监测,脐动脉血流阻抗分三级.
1级:S/D值3.0,但4.0,将导致围产儿预后不良

你可以查阅信号与系统第二版,邓君里.课本第128页.网上有电子版课本
1、F(w)=∫ f(t)e* dt ,积分范围是从-∞到+∞,e的指数是-jwt.就是傅里叶变换的表达式.
此表达式就是一个自变量为w的函数,然后把W=0带入上式,变成F(0)=∫ f(t) dt,就是对f(t)从-∞到+∞的积分,由于f(t)的t的范围为-1到1,则积分范围变成-1到1,积分的物理意义就是:函数f(t)所围成的面积.在这里是三角形的面积.
2、f(t)=(2π的倒数)* ∫ F(W)e*dw,其中e的指数是jwt.这是一个关于t的函数,把t=0带入,f(0)=(2π的倒数)*∫ F(w)dw,其中e*jwt变成为1.则F(W)函数从-∞到+∞的积分等于f(t)在t=0出的值f(0)的2π倍.
这个题的目的是想告诉我们:在通讯系统中,通信速度和占频带宽度是一对矛盾的.
因此考题可能会出：请用傅里叶变换知识,解释一下通讯速度和占频带宽度是一对矛盾的.（答案就是系统与系统,第二版,邓君里版,128-129页)

时域乘上一个cos(w0t),相当于在频域卷积冲击(1/2)*[delta(w-w0)+delta(w+w0)]
也就是频谱的线性搬移

还有积分了,仔细看看福利叶变换的基础,卷积部分,以及最简单的窗口函数

没有问题,t=0时刻的输出就是f(0),但是输入的是一个时间的函数f(t),输出也是一个时间的函数,根据线性时不变的假设,输出是系统响应delta(t)和输入f(t)卷积的结果,即delta(t)*f(t)=f(t),因此输出也是f(t).
从频域解释就更加清楚,delta(t)的傅立叶变换是常数1,根据时域卷积对应频域相乘,输出的频谱就是输入的频谱,因此输出等于输入.

绘制其频谱图 /////
我去叫其他人帮忙

频谱是一种资源.
目前从长波到微波有大量应用,不加以规范和限制,会造成很大混乱.
比如：世界上基本规定了调幅收音机中频465KHz,调频10,7MHz,电视38MHz,等,如果在这个频段上有发射,就会干扰可以接收到的有关无线电设备.

对f(t)来说：f=fs
则f(t/2)的奈奎斯取样频率为：fs/2
f(2t)的奈奎斯取样频率：2fs

根据采样定理,采样频率必须大于信号的最高频率2倍以上才不至于引起混叠,因此混叠是由于采样频率不足引起的.
要想不产生信号混叠：
1.提高采样频率到最高信号频率的2倍以上；
2.采样前加抗混滤波器（低通）,把高频信号和噪声滤掉,但需要知道和保留有用的信号的最高频率是多少才能设置滤波器的截止频率.

额.
个人认为这里的十字不是伪逆,（或者有的书上叫“广义逆矩阵”）
我学的时候也是用十字表示伪逆,但是协方差矩阵应该跟伪逆没半点联系.
可能你看到的十字是共轭转置的意思吧,这样就说的通了.其实我们常用H表示共轭转置,就是Hermite的意思.但是我确实是看到过有的论文上,用十字表示共轭转置的,是工科的论文,不是纯搞数学的,所以符号用的不严谨.
希望你结合实际案例看看,我个人认为,此处是共轭转置的意思,是不规范的写法,会让人误解为伪逆.

先求 反变换吧,f(t)=[求和 n从负无穷大到正无穷大]δ(t-n*pi)
把它展开=傅里叶级数,再做傅里叶变换得到另一种形式的F(jw),则F(jw)的图是 周期冲激串,周期=2,强度=2

这个还得从定义着手去理解,功率谱密度：对于具有连续频谱和有限平均功率的信号或噪声,表示其频谱分量的单位带宽功率的频率函数.
频谱分析：对信号进行傅里叶变换,用该方法对振动的信号进行分解,并按频率顺序展开,使其成为频率的函数,进而在频率域中对信号进行研究和处理的一种过程.
随机过程(Stochastic Process)是一连串随机事件动态关系的定量描述.
功率谱密度是一种概率统计方法,是对随机变量均方值的量度.一般用于随机振动分析,连续瞬态响应只能通过概率分布函数进行描述,即出现某水平响应所对应的概率.
频谱分析是将信号在时间域中的波形转变为频率域的频谱,进而可以对信号的信息作定量解释.
由二的分析可知,频谱分析往往是对于一些波信号进行研究的方法,通常不适合分析具有概率性质的随机变量的研究,而功率谱密度分析是适合的工具.

举个例子：
lambda = 2;
r = poissrnd(lambda,10000,1);
mean(r) % 均值
var(r) % 方差
y = poisspdf(r,lambda); % 概率密度
...功率谱应该可以用psd函数,自相关用xcorr,画图用plot...
依次往下算就是了.

1.频率的概念就是从机械旋转运动来的, 定义为角速度,对于周期运动,角速度也就是角频率.通常 θ 以反时针为正,因此转动的正频率是反时针旋转角速度,负频率就是顺时针旋转角速度.这就是它的物理意义,正、负号不影响它的物理意义.
2.电的单位向量（电压或电流）围绕原点的转动,可以用 表示,这是在电路中都清楚的. θ 的正负所代表的物理意义从未有什么争议,它的导数 的物理意义不言自明,取正取负都不影响定义,为什么取负就会失去物理意义了呢?
3.在信号与系统课程中,为了简化问题,便于初学者掌握概念,开宗明义地把研究范围限定于实信号 f(t) ,也就是在电压旋转向量 中,只研究它在实平面或虚平面上的一个投影-sin( ω t)或cos( ω t),研究复信号 的特性与只研究实信号sin( ω t)或cos( ω t) 是两个不同的层次.前者是反映信号在空间的全面特性,后者只研究了信号在一个平面（x-t或y-t x-t或y-t θ ,更看不到 ω ,只有在x-y平面上才能看到这两个参数.
4.同样,用 或sin( ω t)或cos( ω t)作为核来做傅立叶变换所得的结果也是前者全面,后者片面.对实信号做傅立叶变换时,如果按指数 求,我们将得到双边频谱.以角频率为 Ω 的余弦信号为例,它有具有位于 ±Ω 两处的,幅度各为0.
5,相角为零的频率特性.它的几何关系可以用右图表示.两个长度为0.5的向量,分别以 ±Ω 等速转动,它们的合成向量就是沿实轴方向的余弦向量.而沿虚轴方向的信号为零.可见必须有负频率的向量存在,才可能构成纯粹的实信号.所以欧拉公式 是有其明确的几何意义（即物理意义）的.在我写的《数字信号处理—MATLAB释义与实现》中给出了动画,并给出了正、负数字频率的几何解释.
5.了解了正余弦信号中包括正负双边频谱,不仅有物理意义,而且具有重要的工程价值.例如,可以根据这个概念来构成旋转电磁场,设计电动机.上面给出了单位余弦波在正负两个频率上有幅度相等,相角相均为零的两根谱线；同样,单位正弦波在同样正负两个频率上也有幅度相等的谱线,不过它们的相角分别为 ±π /2.用立体图表示如图3(a).如果把正弦和余弦两个信号的正频率频谱设计得相等相反,则把它们合成以后,就只剩下负频率的频谱,它就构成一个单纯负向旋转的电信号.为此可以把正弦信号在空间上转动 π /2,使它的正频率谱线恰好与余弦信号的正频率谱线反向,这样两个信号的合成（见图3 (b)）就成为一个只有负频率谱线的信号,当然它在时域必然是复数信号,怎么可能是没有物理意义的东西呢?常用的二相异步电机就是这样负向转动的.而要使该电机正转,则要使两者的负频率频谱互相抵消,只保留其正频率频谱.
6.实信号的正负频谱是奇对称的.如果它的单边频带宽W,考虑到负频率频谱,实际占的频谱区域就是 ± W,所以通信中要传输这样的信号就需要占用2W的频带宽度.为了节省频带,人们就发明了Hilbert变换,它可以把信号的正频率频谱移相负90度,把负频率频谱移相90度,然后再将这个信号移相90度与原信号相加,使两者的负频率频谱互相抵消,正频率频谱加倍,构成一个没有负频率频谱的复信号.（如同上面所说的二相异步电机那样）.这个复信号的带宽就只占W了.用这个方法,使频带节约了一半.在这里,我们看到负频率频谱的重要性,在传送信号时.它是不可或缺的部分.另外,也看到负频率频谱与复信号的密切关系.
7.多普勒频率又是一个负频率的实例,如果信号的发射源向我们运动而来,那么多普勒频率就是正频率；如果信号的发射源向我们远离而去,那么多普勒频率就是负频率,在这里正负频率都是有明确物理意义的.虽然多普勒频率是一种差频,它仍然符合上述的原理,在实信号域只能求出多普勒频率的大小,但检测不出它的正负.要得到负频率,必须从复信号域考虑,利用信号实部和虚部的相位关系来判断,从而找到相应的原理和设备框图.
8 .负频率频谱的物理意义往往不为某些人们理解,其主要原因是他们忘记了实数信号平面内研究问题的局限性.因为在信号与系统课程中研究的信号通常只限于实信号.从实信号的x-t的波形图上根本看不出频率的转向和正负,频率只能表现为每秒信号重复的次数.分不清正负就以为是正频率,只是一种习惯性的思维方法而已.科学地说,转角和频率的正负,必须在x-y平面或三维信号空间中才能观察到.因为观察的方法不对,看不到其意义,从而否认它的存在,这是认识论上的错误,不是科学的方法.这就和“瞎子摸象”的故事所说的那样,摸象腿的人否认象有鼻子,毛病出在他的验证方法.他老想在象腿（实信号域）上找到象鼻子（负频率）,当然也永远找不到.正确的方法是必须换一个角度,摸别的部位（复信号域）,才能得到全面的知识.
9 .某些人不承认负频率还是由于固执地坚持 ” 频率是每秒钟循环的次数 ” 的陈旧概念,其实频率的概念是不断发展充实的.从傅立叶变换的核 已经可以清楚地看到它用到的是角频率即角速度的概念,单位是弧度/秒,而且具有明确的方向和正负号.而进入到数字信号处理时频率又进一步发展为数字频率,它的单位是弧度,取值范围是[- π , π ].它的物理意义已变为两次采样时刻之间向量转过的角度,在文献[1]中对此有详细的说明.如果停留在 ” 每秒次数 ” 的旧概念上,那就永远无法接受新的事物.
10.我认为,“×××只有数学意义,没有物理意义”这样的话,在哲学上是不对的.教师和科学工作者在任何情况下都不该这么认识,更不能写在书上和幻灯片上.数学是更抽象、更深刻地描述物理现象的工具,其中通常包含了极为重要的结果,而物理是实证的科学,有时限于条件,人们暂时还认识不到其物理意义.数学超前物理是科学史上多次出现的现象,比如虚数、非欧氏几何、.等.这时应该努力去理解它,认识它,而不是轻易地放弃它.给学生讲课时,只能说“我们目前还没有想通×××的物理意义”,自己没想通,没找到的事物,不能说它不存在.这是我自己探索科学的座右铭,也希望青年师生有这种钻研精神.
11 .这个问题的提出,是因为我在旁听“信号与系统”课程时,在老师的幻灯片上看到了“关于双边谱,负频率只有数学意义,没有物理意义”的提法.我觉得这是个大问题,恐怕不是一个老师的想法.回来一问,果然如此.据说也不单是我们学校的问题,有的教材上甚至都这么写.讨论这个问题,不仅是理论上的探讨,对于提高教学质量是有重大意义的.
今天,信息技术如此的发展,很大程度是由于深入大量地开发频谱资源的结果.在同学刚进入这个资源库的时候,我们要引导他们对这个宝藏发生极大的兴趣,非常珍惜这个宝藏,去深钻,去挖掘.不能轻率地、毫无根据地一句话就把它一半扔掉了.
在入门的时候,当然不可能把我上面说的概念统统灌输给学生,要顺序渐进.但老师首先要有更宽广的知识面和更科学的思维方法,教出的学生的才会具备更多的想象力和创造性.所以我希望教信号与系统课和信号处理课的老师参与这个讨论.特别希望听到有论据的反面意见.
[1] 陈怀琛,数字信号处理教程—MATLAB释义与实现,电子工业出版社,2004年10月 《MATLAB及其在理工课程中的应用指南》（十一五规划版） 第9章 在信号与系统中的应用 9.4 频谱及其几何意义 频谱分析是信号与系统课程中最重要的内容之一,许多读者在学习中感到抽象,往往只能从数学上承认时域信号与它的频谱之间的变换关系,而没有理解它的物理意义.用MATLAB可以帮助读者建立形象的几何概念,真正掌握它.首先来看欧拉公式,它是以最简明的方式建立了信号频域与时域的关系： 它说明一个最简单的实余弦信号可以由正、负两个 Ω 0频率分量合成.在复平面上,正的 Ω 0对应于反时针旋转的向量,负的 Ω 0对应于顺时针旋转的向量,当这两个向量的幅度相同,而相角符号相反时,就合成为一个在实轴上的向量.它的相角为零,大小按正弦变化,形成了实信号cos Ω 0t.（如图9-11所示）.推而广之,任何实周期信号必然具有正、负两组频频率的频谱成分,正、负频率频谱的幅度对称而相位反对称,或者说,是共轭的.如果频谱不止这两项,而是有四项或更多,它们的合成仍然可以用几何动画来表示.可以把每个频谱看作一根长度等于频谱幅度、按频率 Ω 旋转的杆件,频谱的相加等价于多节杆件首尾相接,杆件末端的轨迹就描述了生成的时域波形.因为这个端点是在平面上运动,所以它将产生复信号,在实轴和虚轴上的投影分别为实信号和虚信号.
【例9-4-1】设计一个演示程序,它能把四个用户任意给定集总频谱合成并生成对应的时域信号.
建模 按上述多节杆合成模型程序设计包括三个主要部分：
（1）各频谱分量的输入,包括其幅度和频率（有正负号）；
（2）将各分量当作转动的杆件首尾相接；
（3）记录多节杆系末端的轨迹画出图形.
MATLAB程序exn941 %
（1）给频谱向量赋值 N=input('N(输入向量个数,限定N不大于4)= '); for i=1:N i,a(i)=input('振幅a(i)= '); w(i)=input('角频率w(i)='); end %
（2）将各个频谱向量相加合成并画图 % 此处应该把各时刻的图形转为动画,此处省略了动画的语句） t=0:0.1:20;lt=length(t); figure(2) ,subplot(2,2,1),plot(real(q(4,:)),imag(q(4,:))),grid on a(1)=1,w(1)=-1； a(2)=1,w(2)=--1； a(3)=0.5,w(3)=3； a(4)=0.5,w(1)=-4；在此处,为了显示复信号,我们有意把输入频谱设成不对称的.
于是读者将看到四节杆的运动动画,并得到杆系及其端点在复平面上的轨迹,如图9-12,改变了比例尺的轨迹见图9-13子图(a).将它在x,y两方向的投影与时间轴的关系画在子图(b)和(c)中,我们就得到信号与系统课程中常见的实信号曲线. 输入频谱的幅度可以是负数,也可以是虚数,甚至可以是复数,它不仅反映了频谱的大小,还反映了该向量的起始相位；频谱的频率则只能是可正可负的实数,正频率和负频率以及在该频率上频谱的意义在此不言自明.
读者可以做各种各样的试验,例如当两组频率具有倍频关系时,得到的是周期信号,如果频率比是任意小数,那将得出非周期的信号；另外,这样的演示只适用于集总频谱,对于分布的频谱密度,就要把它想象为若干小的集总频谱的叠合.总支有了这样的形象演示,可以大大扩展时