04 快速傅里叶变换.ppt

数字信号处理 回顾 为了分析连续信号频谱，需要使用DFT来逼近连续时间信号的傅里叶变换。但由于DFT要对连续信号进行采样和截断等处理，因此，常产生误差分析，体现在三个方面。 混叠现象：由于不满足抽样定理而引起； 截断效应：由于序列截断引起； 栅栏效应：由于对频谱的有限点采样引起。 回顾 —— 频谱混叠 回顾 —— 频谱混叠 原因：时域采样不满足奈奎斯特准则： 其中 为抽样频率， 为信号最高频率。 此条件只规定了 的下限，其上限要受频率分辨率（抽样间隔） 的约束。 也可表示为记录长度的倒数，即： 其中， 为抽样点数。 回顾 —— 频谱混叠 需要注意的是： 当 给定时, 若为了避免混叠现象而一味提高抽样频率 , 导致 增加，即导致频率分辨能力下降; 反之, 若打算要提高频率分辨率即减小 , 则导致减小 , 最终必须减小信号的高频容量。 显然，针对高频容量 与频率分辨率 , 想保持其中一个不变而使另一个性能得以提高的唯一办法是： 增加记录长度内的点数N, 即： 这是未采用任何特殊数据处理（例如加窗）情况下，为实现基本DFT算法所必须满足的基本条件。 回顾 —— 截断效应 窗函数不可能取无限宽，即其频谱不可能为一冲激函数，信号的频谱与窗函数的卷积必然产生拖尾、变宽的现象，从而造成截断效应 。如下图所示。 回顾 —— 栅栏效应 N点DFT是在区间[0, 2?]上的N点等间隔采样，采样点之间的频谱函数值是不知道的，就好像从N+1个栅栏缝隙中观看信号的频谱特性，得到的是N个缝隙中看到的频谱函数值，这种现象称为栅栏效应。 原因：对信号的频谱进行有限点采样； 后果：栅栏效应可能漏掉（挡住）大的频谱分量； 措施：对原序列补0，增大N，以增加采样点。 回顾 —— 栅栏效应 减小栅栏效应的一个方法是，在所取数据的末端添加一些零值点，使一个周期内点数增加, 但是不改变原有的记录数据。 这种方法相当于加长了周期T0，T0增加, 使得频域抽样间隔变小, 从而能保持原来频谱形式不变的情况下使谱线变密, 也就使频谱抽样点数增加。 这样，原来看不到的频谱分量就有可能看到了。 回顾 —— 栅栏效应 回顾 —— 栅栏效应 注意： 补加零点以改变周期时, 所用窗函数宽度却不能变。亦即必须按数据记录原长来选择窗函数, 而不能按补了零值点后的长度来选择窗函数。 即：“先加窗, 再补零。” 回顾 —— 分辨率 一般来说，信号长度 越长，抽样点数 越大，则 越小，即分辨力越强。但此处的 是指实际的信号长度， 是指这个长度上的抽样点数，而不是进行补零等辅助措施后的信号长度及抽样点数。 例 2：—— 分辨率 已知某信号如下： 假设最高频率 ，请用 对其抽样，并观察其频谱情况。 例 2：—— 分辨率 clear all; L=256; % 信号长度 N=256; % DFT点数 n=[0:1:L-1]; f1=2;f2=2.02;f3=2.07 x=sin(2*pi*f1*0.1*n)+sin(2*pi*f2*0.1*n)+sin(2*pi*f3*0.1*n); subplot(2,1,1);stem(x); title([x(n) 信号长度 tp= num2str(L)]); X=fft(x,N);Xk=abs(X(1:N/2)); k=0:1:N/2-1;w=2*pi/N*k; subplot(2,1,2);plot(5*w/pi,Xk/N); title([DFT 点数N= num2str(N)]); axis([1,3,0,1]); 例 2：—— 分辨率 clear all; L=1024; % 信号长度 N=1024; % DFT点数 …… 回顾 —— 分辨率 注意（2）：并非补零后就能提高频率分辨率 ！！！ 设原数据长度T1，抽样点数N1，补零后的数据长度T2，抽样点数N2，则： 例 3：—— 分辨率 求出序列x(n)=cos(0.48πn)+cos(0.52πn)基于有限个样点n=10的频谱; 求n=100时，取x(n)的前10个，后90个设为零，得到x(n)的频谱; 增加x(n)有效的样点数，取100个样点得到x(n)的频谱。 例 3：—— 分辨率 x(n)基于10个样点的频谱 figure(1) n=[0:1:99]; x=cos(0.48*pi*n)+cos(0.52*pi*n); n1=[0:1:9];y1=x(1:1:10); subplot(2,1,1);stem(n1,y1);title(signal x(