曲曲的秘密学术基地

纯化欲望、坚持严肃性

欢迎!我是曲泽慧(@zququ),目前在深圳(ICBI,BCBDI,SIAT)任职助理研究员。


病毒学、免疫学及结构生物学背景,可以在 RG 上找到我已发表的论文

本站自2019年7月已访问web counter

Parseval 定理的数学推导

Parseval 描述信号在时域以及频域上有着相同的能量这一关系,数学表达为:

$$ \mathfrak{F}{\lbrace x(t) \rbrace} = X(f) $$

$$ \int_{-\infty}^{\infty} \lvert x(t)\rvert ^2 \mathrm{d}t = \int_{-\infty}^{\infty} \lvert X(f)\rvert ^2 \mathrm{d}f $$

定义一组可以在时域与频域相互转换的信号关系式,为了证明这一点,分别表示在时域和频域上的能量:

$$ X(f) = \int_{-\infty}^{\infty} x(t) e^{-j2\pi ft}\mathrm{d}t $$

$$ x(t) = \int_{-\infty}^{\infty} X(f) e^{-j2\pi ft}\mathrm{d}f $$

带入能量方程:

$$ \begin{aligned} E_{x} &= \int_{-\infty}^{\infty} \lvert x(t) \rvert^2 = \int_{-\infty}^{\infty} \lvert \int_{-\infty}^{\infty} X(t)e^{-j2\pi ft}\mathrm{d}f\rvert^2 \mathrm{d}t \\ &= \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}\left(X(f)X^*(f’)\cdot e^{j2\pi(f-f’)t}\mathrm{d}t\right)\mathrm{d}f\mathrm{d}f’ \end{aligned} $$

观察其中的指数项,

$$ \int_{-\infty}^{\infty}e^{j2\pi(f-f’)t} = \int_{-\infty}^{\infty}\cos{\left(2\pi(f-f’)t + j\sin{\left(2\pi(f-f’)t\right)}\right) } $$

由于正弦与余弦函数在完整周期中积分为0,可以得知满足狄拉克函数条件:

$$ \delta(t) = \begin{cases} \infty && f -f’=0 \\ \\ 0 && otherwise \end{cases} $$

这样原式化为:

$$ E_{x} = \int_{-\infty}^{\infty}\int_{-\infty}^{\infty} X(f)X^*(f’)\delta(f-f’)\mathrm{d}f\mathrm{d}f’ $$

又因为对于含有狄拉克函数的方式有以下关系:

$$ \int_{-\infty}^{\infty}g(f’)\delta(f-f’)\mathrm{d}f’ = g(f) $$

可以得出

$$ E_{x} = \int_{-\infty}^{\infty}X(f)X^*(f)\mathrm{d}f = E_{X} $$

Last One

My lldb cheat sheet

Do my summarize about the official tutorial Command structure Program loading Settings breakpoint Breakpoint names Setting watchpoints Starting or attaching to your program Controlling your program Exa...…

c/c++More
Next One

EM算法的直觉推导

贝叶斯估计 E-step 与完全数据对数似然 (L 函数) Jenson 不等式 Jenson 不等式证明 E-step 与 Q 函数 M-step 混合系数 $\pi_k$ 的求解 EM 算法(Expectation-Maximization algorithm)是一种最大期望算法。主要包括 E-step 和 M-step 两部分,通过反复迭代来获得相关参数 $\theta$ 的估计。贝叶斯估计对于 EM 算法中需要利...…

mathMore