什么是 Sa 函数？
Sa 函数，通常写作 Sa(x)，是信号处理和数学中一个非常重要的特殊函数。它的定义是：
Sa(x) = sin(x) / x
这个定义适用于所有非零的实数 x。当 x = 0 时，由于分母为零，函数直接计算没有意义。然而，利用洛必达法则或泰勒级数展开，我们可以求出函数在 x = 0 处的极限：
limx→0 (sin(x) / x) = 1
因此，为了使 Sa 函数在 x = 0 处连续，我们定义 Sa(0) = 1。
Sa 函数的图形特征
Sa 函数的图形具有以下显著特征：
- 它是关于 y 轴对称的偶函数，即 Sa(x) = Sa(-x)。
- 在原点处有最大值，Sa(0) = 1。
- 它的零点位于 x = ±π, ±2π, ±3π, …，即所有非零的 π 的整数倍处。这是因为 sin(x) 在这些点上为零，而分母 x 非零。
- 随着 |x| 的增大，函数值的振幅逐渐衰减，因为分母 x 变大，而分子 sin(x) 的取值范围在 -1 到 1 之间。
因此，Sa 函数的图像是一个中心在原点、向两侧振荡衰减的波形。
Sa 函数的傅里叶变换是什么？
Sa 函数的傅里叶变换结果是信号处理中最基础且最重要的变换对之一。对于标准的傅里叶变换定义（例如：F(ω) = ∫-∞∞ f(t)e-jωt dt），函数 f(t) = Sa(t) = sin(t)/t 的傅里叶变换是：
FT{ sin(t)/t } = π * Rect(ω/2)
这里的 Rect(u) 代表矩形函数（Rectangular Function），定义为：
Rect(u) = 1, 当 |u| ≤ 1/2
Rect(u) = 0, 当 |u| > 1/2
因此，Rect(ω/2) 表示一个在频率轴 ω 上，当 |ω/2| ≤ 1/2 时值为 1 的函数，即当 |ω| ≤ 1 时值为 1，其他地方为 0。
变换结果的图形特征（矩形函数）
Sa 函数的傅里叶变换结果 π * Rect(ω/2) 的图形特征是：
- 这是一个在频率轴 ω 上从 -1 到 1 之间具有恒定值 π 的矩形脉冲。
- 在 ω = -1 和 ω = 1 这两个点（被称为截止频率），函数值从 π 陡降到 0。
- 在 |ω| > 1 的所有频率上，函数值为 0。
这意味着 Sa 函数在频域是一个具有有限带宽的信号，其非零频谱仅局限在 -1 到 1 的频率范围内。
Sa 函数的傅里叶变换是如何计算或推导的？
计算 Sa 函数的傅里叶变换可以直接使用傅里叶变换的积分定义进行，但这涉及计算一个广义积分 ∫ sin(t)/t * e-jωt dt，过程相对复杂。更常见和直观的推导方法是利用傅里叶变换的对偶性。
利用对偶性推导
傅里叶变换的对偶性指出：如果函数 f(t) 的傅里叶变换是 F(ω)，即 FT{f(t)} = F(ω)，那么函数 F(t) 的傅里叶变换是 2π * f(-ω)，即 FT{F(t)} = 2π * f(-ω)（对于我们使用的傅里叶变换定义）。
我们已经知道一个非常重要的傅里叶变换对：矩形函数 Rect(t) 的傅里叶变换是 Sa 函数的一个缩放形式。具体来说，对于函数 f(t) = Rect(t/T)（一个在 -T/2 到 T/2 之间值为 1 的矩形），它的傅里叶变换是 F(ω) = T * Sa(ωT/2)。
取 T = 2，则 f(t) = Rect(t/2)（一个在 -1 到 1 之间值为 1 的矩形），它的傅里叶变换是 F(ω) = 2 * Sa(ω * 2 / 2) = 2 * Sa(ω) = 2 * sin(ω)/ω。
现在，我们应用对偶性。我们已知 Rect(t/2) 对应 2 * Sa(ω)。根据对偶性，将时域和频域的函数形式互换，并对频域结果进行处理：
FT{ 2 * Sa(t) } = 2π * Rect(-ω/2)
由于矩形函数 Rect(u) 是一个偶函数，即 Rect(-u) = Rect(u)，所以 Rect(-ω/2) = Rect(ω/2)。
利用傅里叶变换的线性性质（常数因子可以提出）：
2 * FT{ Sa(t) } = 2π * Rect(ω/2)
两边同除以 2，即可得到 Sa 函数的傅里叶变换：
FT{ Sa(t) } = π * Rect(ω/2)
这个推导过程简洁且利用了已知的重要变换对，是理解 Sa 函数傅里叶变换结果的重要方法。
为什么 Sa 函数的傅里叶变换如此重要？
Sa 函数的傅里叶变换结果是一个理想的矩形函数，这一特性使其在理论和实际应用中都具有极其重要的地位。
与理想低通滤波器的关系
在信号处理中，滤波器的频率响应描述了它如何对待不同频率成分的信号。一个理想低通滤波器的频率响应在某个截止频率以下是常数（允许信号通过），而在该截止频率以上是零（完全阻止信号通过）。这正好对应于频域的矩形函数形状。
根据傅里叶变换的性质，滤波器的频率响应是其冲激响应（Impulse Response）的傅里叶变换。如果一个系统的冲激响应是 h(t)，其频率响应是 H(ω) = FT{h(t)}。
因为 FT{ Sa(t) } = π * Rect(ω/2)，形状是一个理想矩形，所以 Sa 函数（或其经过适当缩放和移位的形式）就是理想低通滤波器的冲激响应。一个中心在时域原点的 Sa 函数对应于一个中心在频域原点、具有对称截止频率的理想低通滤波器。
这意味着，理论上，通过一个 Sa 函数形状的系统（其输入输出关系由与 Sa 函数的卷积描述），可以实现对信号的理想低通滤波，只保留低于某个频率成分的信号。
信号抽样理论的基础
Sa 函数及其傅里叶变换的性质是奈奎斯特-香农抽样定理（Nyquist-Shannon Sampling Theorem）的核心。该定理说明，一个带宽有限的信号（其傅里叶变换在一个有限的频率范围内非零）如果以高于其最高频率两倍的速率进行均匀抽样，就可以从这些抽样点无失真地完全恢复原始信号。
在信号恢复（重构）过程中，理论上使用的重构函数正是 Sa 函数。将每个抽样点乘以一个以该抽样时刻为中心、经过适当缩放的 Sa 函数，然后将所有这些函数叠加起来，就可以恢复原始信号。数学上，这对应于将抽样信号（一系列冲激）与 Sa 函数进行卷积。由于 Sa 函数是理想低通滤波器的冲激响应，这从频域上看相当于对周期延拓后的信号频谱进行理想低通滤波，从而提取出原始信号的频谱。
Sa 函数的傅里叶变换在哪些领域有具体应用？
由于其作为理想低通滤波器冲激响应的特性以及与抽样定理的紧密联系，Sa 函数及其傅里叶变换在多个工程和科学领域有着广泛的应用：
信号处理与通信
- 滤波器设计： 虽然理想低通滤波器是不可实现的（因为 Sa 函数延伸到无穷远，且其响应是非因果的），但 Sa 函数是设计实际滤波器（如 FIR 滤波器）的重要理论基础。实际滤波器通常通过截断或加窗处理 Sa 函数的脉冲响应来近似理想特性。
- 信号重构： 在数字信号处理中，从离散样本恢复连续信号时，理论上使用 Sa 函数作为插值核函数。
- 调制解调： 在某些数字通信系统中，信号脉冲的波形设计会考虑 Sa 函数的特性，以减少码间干扰。
图像处理
- 图像插值： 在图像缩放、旋转等几何变换后，需要根据已知像素值估计新位置的像素值。Sa 函数（或其二维形式）可以作为理论上的最优插值核，尽管出于计算效率考虑通常使用其近似（如双三次插值）。
系统分析与设计
- 分析具有矩形频率响应的系统（如许多简单的电子滤波器或信道模型）的时域特性时，Sa 函数作为其逆傅里叶变换结果会自然出现。
其他领域
- 在光学中分析夫琅禾费单缝衍射时，远场衍射图样的光强分布正比于 Sa 函数的平方。
- 在核磁共振（NMR）和医学成像（MRI）中，信号的采集和处理常常涉及到 Sa 函数和其傅里叶变换的性质。
Sa 函数的定义 variants 会影响傅里叶变换吗？
是的，Sa 函数有两种非常常见的定义方式，这会影响其傅里叶变换结果中的缩放因子和频率轴的刻度。
sinc(x) 与 Sa(x) 的区分
除了本文前面使用的 Sa(x) = sin(x) / x 定义外，另一个广泛使用的定义是 sinc(x) 函数（通常称为归一化 Sa 函数或归一化 sinc 函数）：
sinc(x) = sin(πx) / (πx)
同样的，sinc(0) 被定义为 1 以保证连续性。
这两种定义的关系是 sinc(x) = Sa(πx)。它们的零点位置不同：Sa(x) 的零点在 ±π, ±2π, …，而 sinc(x) 的零点在 ±1, ±2, ±3, …。
不同定义下的傅里叶变换结果差异
如果使用 sinc(t) = sin(πt)/(πt) 作为时域函数，其傅里叶变换结果（仍使用 F(ω) = ∫ f(t)e-jωt dt 定义）：
FT{ sin(πt)/(πt) } = Rect(ω/(2π))
这里的矩形函数 Rect(ω/(2π)) 在频率轴 ω 上从 -π 到 π 之间值为 1，其他地方为 0。
如果傅里叶变换使用不同的定义，例如包含 1/(2π) 归一化因子，或者使用频率 f = ω/(2π) 作为变量，变换结果的常数因子和频率轴的刻度会相应改变。例如，如果傅里叶变换定义为 F(f) = ∫ f(t)e-j2πft dt：
FTf{ sin(πt)/(πt) } = Rect(f)
这里的 Rect(f) 在频率轴 f 上从 -1/2 到 1/2 之间值为 1。
因此，在讨论 Sa/sinc 函数的傅里叶变换时，明确使用的函数定义和傅里叶变换定义是至关重要的，因为它们直接影响变换结果的具体形式。
Sa 函数的参数变化如何影响其傅里叶变换结果？
考虑更一般形式的 Sa 函数，例如 sin(at)/t，其中 a 是一个正的常数。这相当于对基本的 sin(t)/t 函数在时域进行了缩放。
我们知道傅里叶变换的缩放性质：如果 FT{f(t)} = F(ω)，那么对于常数 a ≠ 0，有 FT{f(at)} = (1/|a|) * F(ω/a)。
然而，sin(at)/t 并不是简单的 Sa(at)。它是 Sa(at)/a * a = Sa(at)/a * a… (Oops, this is `sin(at)/(at) * a = a * sinc_unnormalized(at)`). Let’s rethink the scaling.
Correct scaling: f(t) = sin(t)/t, F(ω) = π Rect(ω/2).
Consider g(t) = sin(at)/t. We can write g(t) = a * [sin(at)/(at)] = a * Sa(at) using the definition Sa(x) = sin(x)/x.
No, that’s not right. sin(at)/t = sin(at)/((at)/a) = a * sin(at)/(at) = a * Sa(at) is incorrect.
Let’s write g(t) = sin(at)/t. The scaling property is for the argument of the function. Let’s consider the original pair: Rect(t/T) <-> T * Sa(ωT/2).
Using duality: T * Sa(tT/2) <-> 2π * Rect(ω/T).
Let tT/2 = u, so t = 2u/T. We want Sa(u). Let T/2 = 1, so T=2.
2 * Sa(t) <-> 2π * Rect(ω/2), which gives Sa(t) <-> π * Rect(ω/2).
Now consider sin(at)/t. This is f(t) = sin(at)/t. We know FT{ sin(bt)/t } = π Rect(ω/(2b)).
So for sin(at)/t, the parameter b=a.
FT{ sin(at)/t } = π * Rect(ω/(2a))
这里的 Rect(ω/(2a)) 是一个在频率轴 ω 上从 -a 到 a 之间值为 1 的矩形。
这意味着 Sa 函数 sin(at)/t 的傅里叶变换是一个中心在零频率、宽度为 2a、高度为 π 的矩形脉冲。
时域宽度与频域宽度的关系
观察这个结果：
- 当 a 增大时，函数 sin(at)/t 在时域的零点变得更密集（第一个零点在 t = ±π/a）。Sa 函数的主瓣（第一个零点之间的部分）变窄，振荡变快。
- 对应的傅里叶变换 π * Rect(ω/(2a)) 的宽度是 2a。当 a 增大时，频域矩形的宽度也增大。
这体现了傅里叶变换的一个基本性质：时域信号越窄，频域信号越宽；时域信号越宽，频域信号越窄。 Sa 函数和矩形函数这对变换是展示这种时域-频域宽度反比关系的最经典例子之一。
Sa 函数的傅里叶变换结果“占用了”多少频率范围？
正如前面提到的，Sa 函数 sin(at)/t 的傅里叶变换是 π * Rect(ω/(2a))。这个矩形函数在 ω 轴上仅在区间 [-a, a] 上有非零值，其高度为 π。
频域上的有限带宽特性
这表明 Sa 函数是一个理想的带宽有限信号。它“占用”的频率范围是 [-a, a]。信号的带宽通常定义为非零频谱所占据的频率范围的宽度。对于 sin(at)/t，其双边带宽（包括正负频率）是 2a，单边带宽（仅考虑正频率）是 a。
例如，对于最基本的 Sa(t) = sin(t)/t（即 a=1），其傅里叶变换是 π * Rect(ω/2)，它在 [-1, 1] 范围内非零。所以 sin(t)/t 的带宽是 2（以弧度每秒为单位）。
这种完美的有限带宽特性在数学上非常理想化。在实际系统中，没有任何物理信号或系统的频谱是严格的矩形，因此也没有信号是真正意义上的无限时长的 Sa 函数或者严格带宽有限的。然而，Sa 函数作为这些理想特性的代表，为我们分析和设计实际系统提供了一个重要的理论模型和基准。
