e的–jwt次方积分

你问的这一步：

$${\int }_{-\infty }^{\infty }{e}^{i2\pi (\nu -\mu )t}dt=\delta (\mu -\nu )$$

为什么这个积分结果是一个狄拉克冲激函数（δ函数），我们可以从函数行为分析和广义函数理论两个角度来解释。

---

🔍 一、函数行为分析：为什么趋近于 0？

考虑积分：

$$I(\mu )={\int }_{-\infty }^{\infty }{e}^{i2\pi (\nu -\mu )t}dt$$

令 $\omega =\nu -\mu$，则：

• 如果 $\omega =0$，即$\mu =\nu$，那么积分变成：
  $${\int }_{-\infty }^{\infty }1dt=\infty$$
  发散。

• 如果 $\omega \ne 0$，那么$e^{i2\pi \omega t}$ 是一个快速振荡的复指数函数。它在正负方向上无限振荡，积分时正负部分互相抵消，导致：
  $${\int }_{-\infty }^{\infty }{e}^{i2\pi \omega t}dt\to 0$$

这个“趋近于 0”不是严格意义上的数值，而是指在积分意义下趋近于 0。

---

📐 二、广义函数解释：为什么是 δ 函数？

在广义函数（distribution）理论中，我们不直接计算这个积分，而是看它对测试函数 $\varphi (\mu )$的作用：

$${\int }_{-\infty }^{\infty }\left({\int }_{-\infty }^{\infty }{e}^{i2\pi (\nu -\mu )t}dt\right)\varphi (\mu )d\mu$$

交换积分顺序后变成：

$${\int }_{-\infty }^{\infty }\varphi (\mu )\left({\int }_{-\infty }^{\infty }{e}^{i2\pi (\nu -\mu )t}dt\right)d\mu$$

这个表达式在 $\mu =\nu$附近有贡献，在其他地方趋近于 0，因此它的作用等价于：$\varphi (\nu )$

这正是 δ 函数的定义：

$${\int }_{-\infty }^{\infty }\delta (\mu -\nu )\varphi (\mu )d\mu =\varphi (\nu )$$

所以我们说：

$${\int }_{-\infty }^{\infty }{e}^{i2\pi (\nu -\mu )t}dt=\delta (\mu -\nu )$$

不是一个传统意义上的积分结果，而是一个广义函数等价。

---

📊 数值逼近：能不能算出来？

你可以用数值逼近来验证这个结论。例如，考虑有限区间上的积分：

$$I_M(\omega )={\int }_{-M}^M{e}^{i2\pi \omega t}dt=\frac{\sin (2\pi M\omega )}{\pi \omega }$$

这个函数就是著名的 sinc 函数：

$$I_M(\omega )=2M\cdot \text{sinc}(2M\omega )$$

当 $M\to \infty$，这个函数趋近于 δ 函数的逼近形式。

---

例子

我们来进行一次数学上的频谱卷积推导，解释两个余弦光栅在空间域相乘后，频域中为什么会出现 9 个频率点，并给出具体的计算过程。

---

🎯 问题设定

你有两个二维余弦光栅：

• ( g_1(x, y) = \cos(2\pi f_1 \cdot p_1(x, y)) )
• ( g_2(x, y) = \cos(2\pi f_2 \cdot p_2(x, y)) )

其中：

• ( p_1(x, y) = x \cos\theta_1 + y \sin\theta_1 )
• ( p_2(x, y) = x \cos\theta_2 + y \sin\theta_2 )

这两个光栅分别在方向 ( \theta_1 ) 和 ( \theta_2 ) 上具有频率 ( f_1 ) 和 ( f_2 )。

---

📐 傅里叶变换结果（单个余弦）

二维余弦函数的傅里叶变换是两个对称的脉冲：

[
\mathcal{F}\left[\cos(2\pi f \cdot p(x, y))\right] = \frac{1}{2} \left[ \delta(\vec{u} - \vec{f}) + \delta(\vec{u} + \vec{f}) \right]
]

其中：

• ( \vec{f} = f \cdot (\cos\theta, \sin\theta) )
• ( \vec{u} = (u, v) ) 是频域坐标

所以：

• ( g_1 ) 的频谱有两个点：( \pm \vec{f}_1 = \pm f_1 (\cos\theta_1, \sin\theta_1) )
• ( g_2 ) 的频谱有两个点：( \pm \vec{f}_2 = \pm f_2 (\cos\theta_2, \sin\theta_2) )

---

🔄 卷积过程数学推导

空间域乘积：

[
g(x, y) = g_1(x, y) \cdot g_2(x, y)
]

频域变换：

[
G(u, v) = G_1(u, v) * G_2(u, v)
]

其中 ( * ) 是二维卷积。

由于 ( G_1 ) 和 ( G_2 ) 都是由两个 Dirac 脉冲组成，卷积结果是所有频率点的向量和：

[
\text{卷积结果频率点} = { \vec{f}_1 + \vec{f}_2, \vec{f}_1 - \vec{f}_2, -\vec{f}_1 + \vec{f}_2, -\vec{f}_1 - \vec{f}_2, \vec{f}_1, -\vec{f}_1, \vec{f}_2, -\vec{f}_2, \vec{0} }
]

共 9 个点。

---

📌 示例计算（freq = 10，角度 = 0° 和 90°）

• ( \vec{f}_1 = 10 \cdot (\cos 0°, \sin 0°) = (10, 0) )
• ( \vec{f}_2 = 10 \cdot (\cos 90°, \sin 90°) = (0, 10) )

频率点计算如下：

点编号	计算公式	频率坐标
1	( \vec{f}_1 + \vec{f}_2 )	(10, 10)
2	( \vec{f}_1 - \vec{f}_2 )	(10, -10)
3	( -\vec{f}_1 + \vec{f}_2 )	(-10, 10)
4	( -\vec{f}_1 - \vec{f}_2 )	(-10, -10)
5	( \vec{f}_1 )	(10, 0)
6	( -\vec{f}_1 )	(-10, 0)
7	( \vec{f}_2 )	(0, 10)
8	( -\vec{f}_2 )	(0, -10)
9	( \vec{0} )	(0, 0)

这些就是你在频谱图中看到的 9 个亮点。

---

🧠 总结

• 每个余弦光栅 → 2 个频率点
• 空间乘法 → 频域卷积 → 所有频率点组合
• 卷积结果 → 9 个频率点（包括中心点）

我们来一步步推导二维余弦光栅函数：

[
g(x, y) = \cos\left(2\pi f (x \cos\theta + y \sin\theta)\right)
]

的二维傅里叶变换。

---

🧮 Step 1: 向量形式表达

定义方向向量：

[
\vec{f} = f (\cos\theta, \sin\theta), \quad \vec{r} = (x, y)
]

则：

[
g(x, y) = \cos(2\pi \vec{f} \cdot \vec{r})
]

这是一个在方向 ( \vec{f} ) 上的二维余弦波。

---

📊 Step 2: 使用余弦的傅里叶变换性质

余弦函数是两个复指数的和：

[
\cos(2\pi \vec{f} \cdot \vec{r}) = \frac{1}{2} \left( e^{j 2\pi \vec{f} \cdot \vec{r}} + e^{-j 2\pi \vec{f} \cdot \vec{r}} \right)
]

根据傅里叶变换性质：

[
\mathcal{F}\left[e^{j 2\pi \vec{f} \cdot \vec{r}}\right] = \delta(\vec{u} - \vec{f}), \quad
\mathcal{F}\left[e^{-j 2\pi \vec{f} \cdot \vec{r}}\right] = \delta(\vec{u} + \vec{f})
]

所以：

[
\mathcal{F}[g(x, y)] = \frac{1}{2} \left[ \delta(\vec{u} - \vec{f}) + \delta(\vec{u} + \vec{f}) \right]
]

---

📐 Step 3: 写出具体频率坐标

将 ( \vec{f} = f (\cos\theta, \sin\theta) ) 代入：

[
\mathcal{F}[g(x, y)] = \frac{1}{2} \left[
\delta(u - f\cos\theta, v - f\sin\theta) +
\delta(u + f\cos\theta, v + f\sin\theta)
\right]
]

这表示频域中有两个脉冲点，分别位于：

• ( (u, v) = (f\cos\theta, f\sin\theta) )
• ( (u, v) = (-f\cos\theta, -f\sin\theta) )

---

📌 结论

二维余弦光栅的傅里叶变换是两个对称的频率点：

• 方向由角度 ( \theta ) 决定
• 距离原点的距离为频率 ( f )

这也解释了你在频谱图中看到的两个亮点，它们是余弦波在频域中的能量集中点。

---

如果你想进一步推导多个余弦光栅的乘积 ( g_1(x, y) \cdot g_2(x, y) ) 的傅里叶变换，我们可以继续用卷积定理来构建频率点分布。要不要继续？

 import numpy as np
import matplotlib.pyplot as plt
from numpy.fft import fft2, fftshift
# https://blog.csdn.net/weixin_47618517/article/details/127730507
# 图像尺寸
size = 100

# 余弦光栅参数
freq1 = 10  # 第一个光栅频率
freq2 = 10  # 第二个光栅频率
angle1 = 0  # 第一个光栅角度（度）
angle2 = 90  # 第二个光栅角度（度）

def generate_grating(freq, angle_deg, size):
    angle_rad = np.deg2rad(angle_deg)#角度转弧度
    x = np.arange(size)
    y = np.arange(size)
    X, Y = np.meshgrid(x, y)
    # print("X:\n", X)
    # print("Y:\n", Y)
    # 方向投影
    projection = X * np.cos(angle_rad) + Y * np.sin(angle_rad)
    # print("projection:\n", projection)
    return 1 +1 * np.cos(2 * np.pi * freq * projection / size)# T = size / freq

# 生成两个光栅
grating1 = generate_grating(freq1, angle1, size)
# print("grating1:\n", grating1)
grating2 = generate_grating(freq2, angle2, size)
# print("grating2:\n", grating2)
# 空间域乘法（模拟墨水叠加）
combined = grating1 * grating2

# 频域分析
spectrumgrating1 = np.abs(fftshift(fft2(grating1)))
spectrumgrating2 = np.abs(fftshift(fft2(grating2)))
spectrumcombined = np.abs(fftshift(fft2(combined)))

# 可视化
fig, axs = plt.subplots(3, 2, figsize=(80, 80))
axs[0,0].imshow(grating1, cmap='gray')
axs[0,0].set_title(f'Grating 1 ({angle1}°)')
axs[0,1].imshow(np.log1p(spectrumgrating1), cmap='gray')
axs[0,1].set_title("Fourier Spectrum of Grating 1")

axs[1,0].imshow(grating2, cmap='gray')
axs[1,0].set_title(f'Grating 2 ({angle2}°)')
axs[1,1].imshow(np.log1p(spectrumgrating2), cmap='gray')
axs[1,1].set_title("Fourier Spectrum of Grating 2")

axs[2,0].imshow(combined, cmap='gray')
axs[2,0].set_title(f'combined Grating ({angle1}° + {angle2}°)')
axs[2,1].imshow(np.log1p(spectrumcombined), cmap='gray')
axs[2,1].set_title("Fourier Spectrum of combined Grating")

 
plt.tight_layout()
plt.subplots_adjust(hspace=0.2)  # 增加子图之间的垂直间距
plt.show()