第2章 数学基础回顾：三角函数、傅里叶变换与采样定理

做余弦响应校正，说白了就是在跟信号打交道。而信号处理这行，绕不开三个数学工具：三角函数、傅里叶变换、采样定理。我当年刚接触这领域时，总觉得这些理论离实际很远，直到第一次在项目中看到频谱混叠把信号搞得面目全非……嗯，从那以后我再也不敢轻视这些基础了。

2.1 三角函数回顾

余弦响应校正的核心对象就是余弦信号。它的数学表达式很简单：

x(t) = A · cos(2πft + φ)

其中：

• A — 幅度，决定了信号的强弱
• f — 频率，单位Hz，表示每秒振荡次数
• φ — 初始相位，单位弧度
• t — 时间变量

你想想看，一个余弦信号其实就三个参数。但在实际系统中，幅度和相位恰恰是我们要校正的对象。传感器、放大器、滤波器都会改变这两个参数，这就是「响应」的由来。

三角函数还有几个重要性质，做校正时经常用到：

• 正交性： ∫cos(mωt)·cos(nωt)dt 在 m≠n 时为0。这是傅里叶变换能分解信号的基础。
• 和差化积： 两个余弦相乘，可以变成两个余弦相加。调制解调全靠这个。
• 周期性： cos(θ+2π) = cosθ。采样时如果频率超过一半采样率，就会「伪装」成低频信号。

2.2 傅里叶变换基础

傅里叶变换是信号处理的「透视眼」。时域里乱糟糟的信号，转到频域一看，每个频率分量清清楚楚。

连续傅里叶变换的公式：

X(f) = ∫ x(t) · e^(-j2πft) dt

逆变换：

x(t) = ∫ X(f) · e^(j2πft) df

说白了，就是把信号分解成不同频率的余弦波之和。每个频率分量有自己的幅度和相位——这正是余弦响应校正要处理的对象。

我在项目中遇到过一件事：一个传感器在10kHz附近有谐振峰，幅度响应不平坦。如果不做校正，测量结果偏差很大。用傅里叶变换分析出频率响应，再设计一个逆滤波器，问题就解决了。

离散傅里叶变换（DFT）是实际计算用的版本：

X[k] = Σ x[n] · e^(-j2πkn/N),  k=0,1,...,N-1

快速傅里叶变换（FFT）是DFT的高效算法。现在做实时校正，基本都用FFT。

2.3 采样定理

采样定理，也叫奈奎斯特-香农定理。它说：要无失真地恢复一个连续信号，采样频率必须大于信号最高频率的两倍。

fs > 2·fmax

为什么会这样？

你想想看，采样就是在时间轴上「打点」。如果采样太慢，高频信号会「伪装」成低频信号——这就是混叠。混叠一旦发生，就再也分不开了。

采样定理在实际应用中有几个要点：

• 抗混叠滤波器： 采样前必须用低通滤波器把高于 fs/2 的频率成分滤掉。这是硬件设计的基本功。
• 工程裕量： 理论上是 fs > 2fmax，实际中我一般取 fs ≥ 5fmax，留足余量。
• 带通采样： 如果信号是窄带的，可以用带通采样，采样率可以低于2fmax，但需要满足特定条件。

下面这张图展示了采样定理的核心逻辑：

2.4 三个工具的关系

三角函数、傅里叶变换、采样定理，这三者在余弦响应校正中是怎么配合的？

• 三角函数 描述信号本身——余弦波是基本构建块
• 傅里叶变换 把信号拆成不同频率的余弦波，分析系统对每个频率的响应
• 采样定理 保证离散化后的信号还能代表原来的连续信号

我个人的工作流程是这样的：先用傅里叶变换分析系统的频率响应，得到幅度和相位曲线；然后根据采样定理确定合适的采样率；最后用三角函数模型设计校正滤波器。每一步都离不开这些基础。