二离散频域分析.pptVIP

6.1 周期信号的离散时间傅里叶级数 对于一周期为T的连续周期信号f(t)，若满足狄里赫利条件，则可将f(t)展开成指数形式的傅立叶级数，即 Fn也称为f(k)的频谱系数。通常Fn是一个关于n的复函数。Fn与f(k)构成离散信号DFS变换对。 通常将Fn中的n从0到N-1取值的周期称为f(k)频谱的主值周期，或简称为主周期。 总结 离散周期信号频谱特点：离散的；周期的、周期为N。 由频谱图，可见： 谱线间隔可表示为： 谱线第一零点： 谱线最大强度： 由谱线图分析： 当N不变，N1变大时：谱线间隔Ω不变，第1零点位置变小 当N1不变，N变大时：第1零点位置不变，谱线间隔变小即谱线变密集了 当周期N无限增大直到无穷大时，周期信号→非周期信号。 习题：已知周期序列如下图所示，求该信号的傅立叶级数Fn。 6.2 非周期信号的离散时间傅里叶变换 1、非周期信号的离散时间傅立叶变换DTFT 连续非周期信号傅立叶变换定义为： 同样： 注意：DTFT的定义式是一个无穷级数，只有当其收敛了，定义式才有意义。收敛条件(f(k)绝对可和)为： 以上节偶对称周期矩形脉冲序列为例求其傅立叶变换。 由上面结果可画出其频谱，由频谱图可见， 非周期离散信号谱图特点： 连续谱； 周期谱，周期为2π 。 四类信号应用的数学工具和其频谱特点 结论 总之，时域抽样的结果得到频率域的周期延拓，而频域上抽样的结果得到时间域的周期函数。 总结 由此可见，F(n)为f(k)的离散时间傅立叶变换F(ejw)在区间[0,2π]上的N点等间隔抽样。这就是DFT的物理意义。 可见，计算一个F(1)的值需要8次(即N次)乘法运算,和7次(即N-1次)复数加法运算。那么,所有的F(n)就要N2次复数乘法运算及N(N-1)次复数加法运算。 当N很大时,运算量将是惊人的,如N=1024,则要完成1048576 次(一百多万次)运算。这样,难以到实时处理。 改进的途径 由矩阵运算式可发现 W0=1，因此第一行与第一列W和f(k)的乘是可省略的。 [W] 矩阵是对称的，计算量可省一半。 W还是周期的。 W的周期性 离散傅立叶变换的matlab实现 离散傅立叶变换及其反变换的扩展函数: dft(fk,N)和idft(Fn,N) 注意：若f1(k)的长度为N1，f2(k)的长度为N2，假如 N1=N2=N，则N3=N； 若N1≠N2，则N3=max(N1,N2)。计算时均按 N=N3考虑，小于N的序列补零。 例：求图示两序列的4点和6点循环卷积。 思考：计算上例中两序列的线卷积，比较圆卷积结果，说明线卷积与圆卷积之间有什么关系？ 结论：通常情况下，线卷积结果与圆卷积结果不同。只有当圆卷积的长度Ｌ大于等于Ｎ＋Ｍ－１时，圆卷积与线卷积的结果相等。 Matlab数字信号处理工具箱的circonvt函数实现序列时域循环卷积。 6.7 快速傅里叶变换(FFT)简介 1. 的特性 1)周期性 4-2 改进的途径 如：N=4时，有W0， W1 ， W2 ， W3 有： 同样 N=8时，有W0， W1 ，……， W7 有： 利用上述特性,可以将有些项合并,并将DFT分解为短序列,从而降低运算次数,提高运算速度.1965年,库利(cooley)和图基(Tukey)首先提出FFT算法.对于N点DFT,仅需(N/2)log2N 次复数乘法运算.例如N=1024=210 时，需要(1024/2)log2210 =512*10=5120次。5120/1048576=4.88‰ ,速度提高200倍。 FFT算法的实质 在时域上连续地将大点数序列的DFT分解为奇数和偶数两组进行小点数DFT运算，直至不必再分解时为止。 由于是在时域分解，所以经常将其称为“按时间抽取的快速傅立叶变换”。 4-3 按时间抽取(DIT)的FFT算法 2、基2-FFT算法 1）、先将f(k)按k的奇偶分为两组作DFT。设N=2L ,若f(k)实际长度不足时,可补些零。这样有: k为偶数时: k为奇数时: 其中, 2）、两点结论: (1) F1(n),F2(n)均为N/2点的DFT。 (2) 只能确定出 F(n)的 n=0，1，2，…,N/2-1 个， 即前一半的结果。 实现上式运算的流图称作蝶形运算, （N/2个蝶形) 总结： N点DFT可由两个N/2点的DFT来计算，进一步一个N/2点DFT又可由两个N/4点的DFT来计算，依此类推下去，至F1(n)和F2(n)为f(k)。由此可得8点信号的FFT蝶形运算，并可求出F(n)各