Gibbs现象（Gibbs Phenomenon）最初数学上的定义

Gibbs现象（Gibbs Phenomenon）是周期性信号的傅里叶级数展开时出现的一种现象。当一个周期函数在不连续点附近被其傅里叶级数的部分和近似时，近似值会在不连续点处产生过冲（overshoot）和欠冲（undershoot），即使增加更多的谐波项，这些过冲和下冲的幅度也不会减小，而是会趋近于一个固定的百分比，大约是不连续跳跃幅度的9%左右。

当选取的傅里叶级数的项数N增加时，合成的波形虽然更逼近原函数，但在不连续点附近会出现一个固定高度的过冲，N越大，过冲的最大值越靠近不连续点，但其峰值并不下降，而是大约等于原函数在不连续点处跳变值的9%，且在不连续点两侧呈现衰减振荡的形式。

当使用有限项傅里叶级数来近似一个具有不连续点（例如阶跃变化）的周期函数时，即使随着更多项被添加到级数中，该近似在不连续点附近会显示出过冲和振铃效应。这种现象被称为吉布斯现象。

吉布斯现象的数学证明涉及傅里叶级数和傅里叶变换的基本理论。为了简化讨论，我们考虑一个周期性的方波信号，并分析其傅里叶级数展开。这个方波可以被看作是理想低通滤波器在时域中的单位脉冲响应（sinc函数）的离散版本。

方波的傅里叶级数表示

假设有一个周期为$2L$ 的方波函数$f(t)$，它在一个周期内的定义如下：

$$f(t)=\{\begin{array}{ll}A,& -L<t<0\\ -A,& 0<t<L\end{array}$$

其中$A$ 是方波的振幅。该方波的傅里叶级数展开为：

$$f(t)=\frac{4A}{\pi }\left(\sin \left(\frac{\pi t}{L}\right)+\frac{1}{3}\sin \left(3\frac{\pi t}{L}\right)+\frac{1}{5}\sin \left(5\frac{\pi t}{L}\right)+\cdots \right)$$

这实际上是一个只包含奇次谐波的正弦级数，因为方波是奇函数。

吉布斯现象的证明

对于任意有限个数$N$ 的傅里叶级数部分和$S_N(t)$，我们可以写成：

$$S_N(t)=\frac{4A}{\pi }\sum _{n=1,3,5,...}^N\frac{1}{n}\sin \left(n\frac{\pi t}{L}\right)$$

当我们在不连续点附近考察$S_N(t)$，即$t$ 接近于$0$ 或$L$ 时，会发现随着$N$ 的增加，$S_N(t)$ 在不连续点附近的振荡变得更加复杂，但过冲量趋于稳定，不会随$N$ 增加而减少。

过冲量的计算

吉布斯现象的一个关键特性是，在不连续点处的最大过冲量大约是原始跳跃幅度的9%左右。这个结果可以通过积分来严格证明。对于方波，跳跃幅度为$2A$，因此过冲量约为$0.09\times 2A=0.18A$。

考虑在$t=0$ 处的过冲情况，使用傅里叶级数的性质，我们知道在不连续点附近，$S_N(t)$ 可以用积分形式表示：

$$S_N(t)=\frac{2A}{\pi }{\int }_0^{\pi N/L}\frac{\sin x}{x}dx$$

这里$x=n\pi t/L$。根据积分的性质，特别是 sinc 函数的积分，我们知道：

$$\underset{N\to \infty }{\lim }{\int }_0^{\pi N/L}\frac{\sin x}{x}dx=\frac{\pi }{2}$$

这意味着在极限情况下，$S_N(t)$ 将达到最大值$A$ 的位置超过实际值，具体地：

$$S_N(t)\approx A\left(1+\frac{0.18}{\pi /2}\right)=A(1+0.18\times \frac{2}{\pi })\approx 1.0896A$$

因此，过冲量大约为$0.0896A$ 或者说是原跳跃幅度$2A$ 的约9%。

结论

通过上述推导，我们可以看到即使当我们增加了更多的傅里叶级数项，过冲量仍然保持不变，这就是吉布斯现象的本质。这种现象表明了傅里叶级数在逼近具有不连续性的函数时所固有的局限性。