6数字信号处理技术2.pptVIP

燕山大学机械学院 6.5 DFT与FFT 　 第六章、数字信号处理技术 1、离散傅立叶变换 离散傅里叶变换（Discrete Fourier Transform）一词是为适应计算机作傅里叶变换运算而引出的一个专用名词。 x(t) 截断、周期延拓 xT(t) 周期信号xT(t)的傅里叶变换： 对周期信号xT(t)采样，将离散序列xT(n),将积分转为集合： 傅里叶变换公式 按上式，用计算机编程很容易计算出指定频率点的值： f=？ //计算的频率点 Fs=5120 N=1024 dt=1.0/Fs pi=3.1415926 XR=0 XI=0 For n=0 To N-1 XR=XR+x(n)*cos(2*pi*f*n*dt)*dt XI=XI+x(n)*sin(2*pi*f*n*dt)*dt Next A=sqr(XR*XR+XI*XI) Q=atn(XI/XR) VBScript 样例 6.5 DFT与FFT 　 展开，得连续傅立叶变换计算公式： 6.5 DFT与FFT 　 连续傅立叶变换编程计算实验： 　 采样信号频谱是一个连续频谱，不可能计算出所有频率点值，X(f)只能离散取值，频率取样间隔定义为： Δf=fs/N 频率取样点为｛0,Δf,2Δf,3Δf,....｝，有： 该公式就是离散傅立叶计算公式(DFT) 6.5 DFT与FFT 　 6.5 DFT与FFT 　 2、快速傅立叶变换 快速傅立叶变换(FFT)是实施离散傅立叶变换的一种有效的算法，通过仔细选择和重新排列中间结果，在速度上较之离散傅立叶变换有明显的优点。 展开各点的DFT计算公式： XR(1)=x(0).cos(2pi*0*1/N)+x(1).cos(2pi*1*1/N)+x(2).cos(2pi*2*1/N)….. XR(2)=x(0).cos(2pi*0*2/N)+x(1).cos(2pi*1*2/N)+x(2).cos(2pi*2*2 /N)….. 其中有大量重复的cos、sin项的计算，FFT的作用就是用技巧减少cos、sin项的重复计算。 当采样点数为1024点,DFT要求一百万次以上计算量，而FFT则只要求10240次。 6.6 栅栏效应与窗函数 　 第六章、数字信号处理技术 1、栅栏效应 采样信号的频谱，为提高计算效率,通常采用FFT算法进行计算，设数据点数为： N = T/dt = T. fs 则计算得到的离散频率点为: Xs(fi) ， fi = i.fs/N , i = 0，1，2，.....，N/2 这就相当于透过栅栏观赏风景，只能看到频谱的一部分，而其它频率点看不见，此种现象被称为栅栏效应。 如果信号中的频率分量与频率取样点不重合，则只能按四舍五入的原则，取相邻的频率取样点谱线值代替。 6.5 DFT与FFT 　 栅栏效应误差实验： 　 6.6 栅栏效应与窗函数 　 2 能量泄漏与栅栏效应的关系 频谱的离散取样造成了栅栏效应，谱峰越尖锐，产生误差的可能性就越大。 例如，余弦信号的频谱为线谱。当信号频率与频谱离散取样点不等时，栅栏效应的误差为无穷大。 实际应用中，由于信号截断的原因，产生了能量泄漏，即使信号频率与频谱离散取样点不相等，也能得到该频率分量的一个近似值。 从这个意义上来说，能量泄漏误差不完全是有害的。如果没有信号时域截断产生的能量泄漏误差，频谱离散取样造成的栅栏效应误差将是不能接受的。 6.6 栅栏效应与窗函数 　 能量泄漏分主瓣泄漏和旁瓣泄漏，主瓣泄漏可以减小因栅栏效应带来的谱峰幅值估计误差，有其好的一面，而旁瓣泄漏则是完全有害的。 6.6 栅栏效应与窗函数 　 3 常用的窗函数 1）矩形窗 2）三角窗 6.6 栅栏效应与窗函数 　 3）汉宁窗 常用窗函数 6.5 DFT与FFT 　 窗函数在减小栅栏效应误差中的作用实验： 　 6.5 DFT与FFT 　 总结： 信号截断?能量泄漏 FFT?栅栏效应 从克服栅栏效应误差的角度看，能量泄漏是有利的。 6.5 DFT与FFT 　 通过加窗加大能量泄漏，减小栅栏效应误差： 加矩形窗 加BlackMan窗 6.6 栅栏效应与窗函数 　 动手做： 设计一个离散傅立叶计算程序，计算方波的频谱。观察栅栏效应带来的计算误差。 6.6 栅栏效应与窗函数 　 思考题： 1.A/D，D/A转换器的主要技术指标有那些 ？ 2.信号量化误差与A/D，D/A转换器位数的关系 ？ 3.采样定理的含义，当不满足采样定理时如何计算 混迭频率 ？ 4.A/D采样为何要加抗混迭滤波器，其作用是