信号处理实战：5种常见信号的傅里叶变换速查手册（附MATLAB验证代码）

信号处理实战：5种常见信号的傅里叶变换速查手册（附MATLAB验证代码）

很多工程师和学生在学习信号与系统时，都会遇到一个共同的困境：公式推导得头头是道，一到实际项目里，面对一个具体的信号，却不知道它的频谱长什么样，或者理论结果和仿真对不上号。我自己在早期做通信系统仿真时，就经常卡在“这个脉冲的频谱公式是什么来着？”或者“为什么我仿出来的幅频特性和书上画的不一样？”这类问题上。后来我发现，与其死记硬背一长串公式，不如建立一个清晰的“信号-频谱”映射库，并掌握一套用MATLAB快速验证的方法。这篇文章，就是把我这些年积累的实战经验整理成册，重点不是复述教材，而是告诉你，在真实的工程开发或数据分析中，如何快速定位、应用并验证这五种最核心信号的傅里叶变换。

这份手册面向的是已经了解傅里叶变换基本概念，但需要在项目开发、算法调试或学术研究中快速应用的电子工程师、通信算法工程师以及相关专业的高年级学生。我们将聚焦于五个工程中极其常见且具有代表性的信号：矩形脉冲、单位冲激、复指数衰减、正弦/余弦以及符号函数。对于每一种信号，我们不仅会回顾其频谱的数学表达式，更重要的是，我会分享如何在MATLAB中准确地生成信号、计算其离散傅里叶变换（DFT/FFT），并通过技巧性的后处理，让仿真结果无限逼近理论上的连续时间傅里叶变换（CTFT），从而解决“理论不会用”的痛点。你会发现，掌握了这套方法，频谱分析将从一个抽象的理论概念，变成一个可以直观操作和验证的实用工具。

1. 工程基石：矩形脉冲与Sa函数频谱

在数字通信、雷达信号处理或任何涉及信号截断的场景里，矩形脉冲（Rectangular Pulse）几乎无处不在。比如，你用一个有限时间长度的窗去采样一段信号，这个窗本身就是一个矩形脉冲。它的频谱特性直接决定了信号截断后带来的频谱泄漏程度。

矩形脉冲的数学定义很简单：在时间区间 [-τ/2, τ/2] 内幅度为 A，其余时间为0。它的连续时间傅里叶变换（CTFT）是一个经典的Sa函数（抽样函数），其表达式为：

X(jω) = Aτ * Sa(ωτ/2) = Aτ * [sin(ωτ/2) / (ωτ/2)]

这个公式的优美之处在于，它明确揭示了时域宽度 τ 与频域主瓣宽度之间的反比关系：τ 越大（脉冲越宽），频谱的主瓣就越窄；反之，τ 越小（脉冲越窄），频谱就展得越宽。这是一个非常基础的时频权衡关系。

注意：在MATLAB中，没有内置的 sinc 函数默认定义是 sin(πx)/(πx)，这与我们工程上常用的 Sa(x) = sin(x)/x 有所不同。计算时需特别注意换算。

理论公式记住了，但在MATLAB里怎么验证呢？直接对连续的矩形脉冲做CTFT是不可能的，我们必须通过离散化来逼近。这里的关键在于理解“如何设置仿真参数才能让离散结果足够接近理论连续谱”。以下是一个完整的验证步骤和代码示例：

% 矩形脉冲频谱验证
clear; close all; clc;

% 1. 定义参数
A = 2;          % 脉冲幅度
tau = 3;        % 脉冲宽度（秒）
fs = 100;       % 采样率 (Hz)，必须足够高以满足奈奎斯特条件
T_total = 10;   % 总仿真时间（秒），要远大于脉冲宽度以近似无限长时域

% 2. 生成时间序列和矩形脉冲信号
t = -T_total/2 : 1/fs : T_total/2; % 时间向量，以0为中心
rect_pulse = A * (abs(t) <= tau/2); % 生成矩形脉冲

% 3. 计算DFT（使用FFT）并调整以获得双边频谱
N = length(rect_pulse);          % 信号点数
f = (-N/2 : N/2-1) * (fs / N);   % 频率向量（Hz）
X = fftshift(fft(rect_pulse, N)) / fs; % FFT并归一化，近似CTFT

% 4. 计算理论频谱 (Sa函数)
omega = 2 * pi * f; % 角频率 (rad/s)
% 注意：避免除零，使用 sinc 函数定义进行转换
% 理论值: X_theory = A * tau * sin(omega*tau/2) ./ (omega*tau/2)
% 利用关系: sin(x)/x = π * sinc(x/π)
X_theory = A * tau * pi * sinc(omega*tau/(2*pi)); % 使用MATLAB sinc函数
X_theory(isnan(X_theory)) = A * tau; % 处理 omega=0 处的极限值（主瓣峰值）

% 5. 绘图对比
figure('Position', [100, 100, 1200, 500]);

subplot(1,2,1);
plot(t, rect_pulse, 'LineWidth', 2);
xlabel('时间 t (秒)'); ylabel('幅度');
title('时域矩形脉冲');
grid on; xlim([-5, 5]);

subplot(1,2,2);
plot(f, abs(X), 'b-', 'LineWidth', 1.5, 'DisplayName', 'MATLAB FFT结果');
hold on;
plot(f, abs(X_theory), 'r--', 'LineWidth', 2, 'DisplayName', '理论频谱 (Sa函数)');
xlabel('频率 f (Hz)'); ylabel('幅度谱 |X(f)|');
title('频域幅度谱对比');
legend('Location', 'best'); grid on;
xlim([-5, 5]); % 聚焦在主瓣和几个旁瓣

运行这段代码，你会看到仿真得到的幅度谱（蓝色实线）与红色的理论Sa函数曲线几乎完全重合。这里有几个实操要点决定了成败：

• 采样率 fs：必须远高于信号最高频率分量。对于矩形脉冲，理论上频谱无限宽，但能量主要集中在主瓣内。通常 fs 至少是 (10/tau) 的几倍以上，才能较好地捕捉频谱形状。
• 总时长 T_total：必须足够长，使得信号在时间轴两端基本衰减到零。这模拟了信号在无限时域上的积分，是DFT逼近CTFT的前提。如果 T_total 太小，会因时域截断引入额外的频谱泄漏。
• 归一化因子 /fs：对FFT结果除以采样率 fs，是将基于离散样本的求和近似还原为连续时间积分的关键一步，使得FFT结果的幅度量纲与CTFT理论值匹配。
• 频率向量 f 的生成：使用 fftshift 和正确的频率向量计算，是获得以零频为中心的双边频谱的标准做法。

通过这个案例，你不仅验证了公式，更重要的是掌握了一套从连续理论到离散仿真的通用方法。下次当你需要分析一个门控信号或者评估窗函数性能时，就可以直接套用这个流程。

2. 理想采样与频域冲击：单位冲激与常数信号

单位冲激函数 δ(t) 和常数信号 1 构成了傅里叶变换中另一对极具对称美的组合。它们在理论上代表了两种极端：无限的时间集中和无限的频率集中。在工程上，δ(t) 常用来模拟理想的瞬时冲击或采样操作，而常数信号则代表直流分量。

它们的变换对非常简洁：

• 时域冲激，频域平坦：δ(t) ⇔ 1 这意味着一个理想的时间点冲击包含了所有频率成分，且每个频率分量的幅度和相位都相同（均为1）。这解释了为什么用脉冲去激励一个系统，可以测出该系统的频率响应（冲激响应）。
• 时域平坦，频域冲激：1 ⇔ 2πδ(ω) 一个幅度恒为1的直流信号，其能量全部集中在零频处，在频域表现为一个强度为 2π 的冲激函数。这里的 2π 因子来源于我们使用角频率 ω（rad/s）的定义。

在MATLAB中，我们无法真正生成连续的 δ(t)，但可以通过一个幅度很大、宽度很窄的矩形脉冲来近似。验证这对变换的关键，在于观察当脉冲宽度趋于无限窄时，其频谱如何趋于平坦。下面我们通过一个动态演示来观察这个极限过程：

% 观察冲激函数近似及其频谱变化
figure('Position', [100, 100, 10