侵权投诉
技术:
GPU/CPU 传感器 基础元器件 网络通信 显示 交互技术 电源管理 材料 操作系统 APP 云技术 大数据 人工智能 制造 其它
应用:
可穿戴设备 智能家居 VR/AR 机器人 无人机 手机数码 汽车 平衡车/自行车 医疗健康 运动设备 美颜塑身 早教/玩具 安防监控 智能照明 其它
订阅
纠错
加入自媒体

信号在脑子里面应该是什么样的?

电容的阻抗1/jwC来源

为了明白这个,我们需要了解电容的阻抗1/jwc是怎么来的,下面就来简单推导一下,也不复杂。

首先需要用到电容的本质特性公式,I=Cdu/dt,这个公式是由电容的定义得来的,可以理解为公理,不需要证明。不过我并没有找到从这个公式直接推导出阻抗的过程(直接解方程的方式),如果有同学能够找到推导过程,麻烦在底下讨论区留言谢谢。

间接的方法是下面这样的:

逻辑是这样的,先假设电压是正弦波,那么可以推得电流表达式,然后用电压除以电流,就可以得到阻抗为1/jwc。如果没有了电压是正弦波的假设,那么就推不出来阻抗值。所以说电容的阻抗是1/jwc,这是有前提条件的,那就是只能是正弦波。

同样的道理,电感的阻抗jwL,也是对正弦波来说的。

傅里叶变换

再回我们的目的:如何知道方波的通过这个电路之后的精确波形?

既然正弦波在电容上的阻抗是确定的,那么能不能用正弦波来表示方波呢?当然是可以的,大名在外的傅里叶变换就是干这个事情的。

事实上,方波可以由无穷多的正弦波叠加而成,我做了个小视频,下面给同学们动态展示一下。

既然方波可以由一系列频率不同的正弦波叠加而成,在其中某个确定的频率w下,电容的阻抗就是1/jwC,那么我们就可以知道这个频率正弦波通过上面电路的波形。如果我们分别列出所有频率通过电路的之后的波形,然后再把它们相加起来,是不是就能得到方波通过电路之后的精确波形呢?

事实就是如此,这也是我们分析电信号的正确方法,需要我们通过傅里叶级数展开,将其视为各个正弦波分量的叠加。

之所以要分解,因为有这个好处:分解之后,三大基础元件里面的电感和电容,其阻抗就是确定的,我们可以把其当作电阻来看待,阻值分别是jwL和1/jwc,分析电路就显得更加简单。

我们常说,傅里叶变换是将时域信号变到频域上面。现在应该能明白为什么要这么做了吧?

通过上面的过程,这样做的原因,就是因为如果不变到频域,我们没法得到其通过这个RC电路之后的波形。而把它变到频域上面,我们就能处理了,先转换为各个频率分量,也就是傅里叶变换,分别通过RC电路,再变回来(波形再叠加起来),就又回到了时域,得到了我们想要的信号。

信号在脑子里的正确姿势

尽管我们上面只是分析了方波的情况,事实上,实际电路中的各种信号,不管是规则的还是不规则的,周期信号还是脉冲信号,都是可以通过傅里叶展开。因此,我们在处理电信号的时候,它在我们头脑中的图景应该是一个个不同频率正弦波的叠加。

傅里叶级数展开式本身确实是令人头大,不过我们并不总是要去代公式精确计算。尽管我们接触到的电信号各种频率分量很丰富,但是我们抓住主要的就行了,其它的频率分量可以忽略掉。还是拿方波来说,从上面的视频看出,其实我们只需要取前面的几次谐波,合成的方波形状就已经很好了,无穷多次谐波只是让这个方波更完美。

另外值得一提的是,傅里叶变换的思想其实应用非常广泛,不管你有没有学过,其实已经大都接触过了。

比如我们都知道人声频率范围是300Hz-3.4Khz。下面是一段人的录音,咱们不能直接看出来它的频率是多少吧,它就是个非周期的连续信号,显得杂乱无章。这个300Hz-3.4Khz说的意思就是,将这一段信号用傅里叶级数展开,里面会有比较多的频率分量,但是这些分量都落在300Hz-3.4Khz之间,而知道了这些,我们就可以去设计针对这个频率的滤波器来降低噪音。

这也能说明,傅里叶变换,让我们把看起来杂乱无章的音频信号,变得可以处理了。

结语

硬件设计中,电感电容总归是有的,也正是因为它们的存在,信号在我们头脑中,应该分解为一个个频率的正弦波分量进行处理,处理完再叠加。

上面这些内容,是我个人分析电路,分析信号的一点浅见,希望对同学们有所帮助。傅里叶变换,对于我们分析信号还是很重要的,或多或少都需要了解下。


<上一页  1  2  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

智能硬件 猎头职位 更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号