吉布斯现象

定义

吉布斯现象是傅里叶级数的有限项部分和在跳跃间断点附近表现出的过冲与下冲振荡。设周期函数在某点有高度为 c 的跳跃，取级数前 N 项相加得到部分和，随着 N 增大，部分和会在跳变两侧反复起伏，峰值超过函数在该处的取值。^[1][2]

过冲的极限幅度约为跳变高度的 8.95%，通常粗略地说成约 9%，而且它不会因为项数增加而减小；随项数改变的只是振荡的分布，振荡区域不断向间断点收缩、宽度变窄。^[2][3]

在间断点处，级数收敛为该点左极限与右极限的算术平均值；在函数连续的点上则收敛到函数值本身。这种收敛是逐点收敛而不是一致收敛，这正是过冲能够长期存在的原因。^[4][5]

原理

傅里叶级数的部分和可以写成原函数与狄利克雷核的卷积，即 $S_N(x)=(f*D_N)(x)$。狄利克雷核带有正负交替的旁瓣，与含跳跃的函数卷积后，便在跳变两侧造成过冲和下冲。从频率角度看，只保留有限个频率分量相当于一次理想低通滤波，理想低通对阶跃信号的响应为 sinc 型函数，其旁瓣正是振铃的来源。^[5][6]

以周期方波为例，设 $f(x)=1\ (0<x<\pi)$、$f(x)=-1\ (-\pi<x<0)$，其傅里叶级数为 $\frac{4}{\pi}\left(\sin x+\frac{\sin 3x}{3}+\frac{\sin 5x}{5}+\cdots\right)$。取前有限项时，部分和在跳变附近最高可达约 1.089，比真值 1 高出约 0.089；该跳变的高度为 2，因此相对过冲约为 8.95%。^[2]

过冲的极限值可用正弦积分刻画：当跳变高度为 c 时，过冲量约为 $c\left(\frac{2}{\pi}\int_0^{\pi}\frac{\sin t}{t}dt-1\right)$，括号内的常数约为 0.0895，与跳变大小成正比。^[4][7]

发展历程

1848 年，英国数学家亨利·威尔布拉汉姆（Henry Wilbraham）在《剑桥与都柏林数学杂志》发表论文，已经指出傅里叶级数在间断点附近会过冲，并给出了约为跳变 9% 的极限值。这篇文章在当时没有引起注意，随后被遗忘近半个世纪。^[8][9]

1898 年，美国物理学家阿尔伯特·迈克耳孙（Albert Michelson）与同事斯特拉顿制成机械谐波分析仪，用其合成方波时在跳变处看到持续的过冲，怀疑是仪器误差，并致信《自然》询问原因；英国数学家洛夫（A. E. H. Love）随后撰文指出其推理有误。1898 年末至 1899 年，美国物理学家乔赛亚·威拉德·吉布斯（Josiah Willard Gibbs）先后在《自然》发表信件，说明这是傅里叶级数逼近跳跃函数时固有的数学现象，并给出约 8.9% 的过冲估计。^[8][9][5]

1906 年，美国数学家马克西姆·博赫（Maxime Böcher）对该现象给出严格分析，并正式使用“吉布斯现象”这一名称，同时指出威尔布拉汉姆更早的贡献。此后，研究者发现同类过冲还出现在正交多项式展开、小波展开与谱方法等多种逼近工具中。^[9][7]

应用

在信号处理中，吉布斯现象表现为振铃伪影。理想低通滤波器等效于对高频成分做截断，阶跃信号通过后会在边缘出现过冲和逐渐衰减的振荡；与此对偶，直接截断一段时域信号也会使频域边缘发生畸变。^[6]

在图像压缩中，以 JPEG 为代表的算法会舍弃高频分量，重建时锐利边缘附近出现类似回声的过冲与振铃，通常称为蚊式噪声。^[10]

在医学影像中，磁共振成像由有限采样的 k 空间数据经傅里叶逆变换重建，空间频率的突然截断会在组织边界附近产生周期性吉布斯振铃伪影，容易被误认为病变。增加采集矩阵或缩小视野可以减轻这种伪影，预加窗（如乘以高斯函数）也能抑制振铃，但会降低点扩散函数所决定的分辨率。^[11][10]

在数值计算与地球物理研究中，谱方法用球谐函数等平滑基函数表示含陡峭地形或间断的物理场，截断展开会在间断两侧生成虚假的过冲与欠冲；地形高程数据的平滑插值同样会出现类似振荡，并可能在后续处理中传播为新的误差。^[10][12]

局限

该现象无法通过单纯增加项数消除：项数增加只让过冲位置更靠近间断点、宽度更窄，幅度始终保持在跳变的一成左右。相应地，含跳跃函数的傅里叶级数不能一致收敛，只能在均方意义下收敛。^[4]

对于真正离散的信号，情况有所不同：当补足最后一个频率分量后，过冲会消失，因此该问题主要出现在连续信号或频率被截断的重建过程中。^[6]

各类抑制手段都伴随代价。使用费耶尔核等非负核求和（如费耶尔求和、切萨罗求和）能够消除过冲，但会使边缘变模糊；加窗滤波同样以损失高频细节为代价；盖根鲍尔重构等分段方法精度更高，却需要先检测间断位置且计算量较大。^[4][5]

需要注意的是，改用其他正交基函数并不能自动避免这一现象：在勒让德、埃尔米特、拉盖尔等多项式的展开中同样存在吉布斯现象，而且对应的过冲常数与傅里叶情形相同。^[7]

参见

• 傅里叶级数 —— 吉布斯现象即其有限项部分和逼近跳跃函数时在间断点附近产生的过冲现象。

• 狄利克雷核 —— 傅里叶部分和可表示为它与原函数的卷积，其旁瓣是过冲的直接来源。

• 方波 —— 最常用于演示吉布斯现象的周期函数。

• 低通滤波器 —— 理想低通对阶跃信号的响应同样出现振铃，与吉布斯现象同源。

• 费耶尔核 —— 使用这类非负核求和可以消除过冲，代价是边缘变模糊。

• 磁共振成像 —— k 空间数据截断会在图像边缘产生吉布斯振铃伪影。