数字信号处理离散傅里叶变换性质与应用.pptVIP

285 内 容 7.1 频域取样:离散傅里叶变换 ； 7.2 DFT的性质 ； 7.3 基于DFT的线性滤波方法 ； 7.4 用DFT做信号频率分析； 7.5 小结。 . 2 离散傅里叶变换 一般说来，当 具有无限时宽时，等间隔频率样本 ，不一定能惟一地表示原序列 。而频率样本，对应于周期为N的周期序列 ，其中， 为 程度的混叠形式. 4 DFT与其他变换的关系 (1)与周期序列傅里叶级数系数的关系 基本周期为 的周期序列 ,它的DFS表示式为 (2)与非周期序列傅里叶变换的关系 (3)与 变换的关系 4. 与连续时间信号傅里叶级数系数的关系 1 周期性、线性性和对称性 (1)周期性 (2)线性性 (3)序列的循环对称性 排列在圆周线上的序列的偶对称、奇对称及反转的定义 序列为循环偶对称序列: 序列为循环奇对称: 圆上零点反转序列: 偶序列、奇序列 2 两个DFT的积和循环卷积 循环卷积 7.3 基于DFT的线性滤波方法 已经证实：系统的输出谱 ,输出序列可以利用傅里叶反变换从它的谱中得到。但计算机只能存储和处理离散频率上量，这些计算不能在数字计算机上完成。 DFT非常适宜在数字计算机上计算，基于DFT的频域方法在计算上比时域卷积方法更加有效。 DFT为有限时宽序列在频域提供了离散频率表达方式，研究它作为计算工具用于线性系统分析，特别是用于线性滤波是很有意义的。 主要内容 1. DFT在线性滤波中的应用 2 长数据序列的滤波 7.5 离散余弦变换 1. FDCT 2. IDCT 3. DCT是正交变换 1. Forward DCT 令 是 点的 的偶对称延拓，定义为 序列 关于半采样点 偶对称。 2 IDCT 的逆DFT为 例7.5.1 已知离散时间正弦信号 例题75.2 利用斜升信号 ，比较DFT和DCT的能量积聚特性。 DCT系数比DFT有更好的“能量积聚” ，意味着可以用更少数目的DCT系数来表示序列 。 从统计角度来看，用于信号压缩的最优正交变换是Karhunan-Loeve（KL）变换和Hotelling变换。KL变换有两个最优特点：1）它可以是任何数目的保留系数的重建误差大到最小；2）它会产生一组不相关的变换系数。 KL变换是由输入序列的协方差矩阵的特征矢量定义的。 对于符合差分方程的信号 ，DCT提供了该信号KL变换得很好的近似。 Left--- linear convolution; right---- circular convolution ( P=11,L=15 ) 线性与圆周卷积 N=L=15 线性与圆周卷积 线性与圆周卷积 线性与圆周卷积 2 长数据序列的滤波 主要思想：将信号分成长度为L的数据块.由于滤波是线性的, 可以利用DFT每次处理相继数组中的一个,然后将输出数组衔 接在一起,最终形成总的输出序列。 ? 重叠相加法(Overlap-add method) 重叠保留法(Overlap-save method) (1). 重叠保留法 输入数据组的长度, DFT和IDFT的长度为 N=L+M-1 由于混叠的原因,抛弃前 个数据,余下 的 个数据构成了来自线性卷积所应有的结果。 2.重叠相加方法 输入数据组的长度为 , DFT和IDFT的长度 。对每一数组,附加 个零并计算点DFT,数组可表示为 7.4 用DFT做信号频率分析 在实践中,只能用有限数据记录来近似表达信号的谱。 N=2048 因泄漏效应, 加窗不仅扭曲了谱估计,而且也降低了谱分辨率,窗的主瓣宽度限制了分辨不同频率的谱线的能力。 窗函数的长度对分辨率的影响 减少泄漏，可选择一个与矩形窗相比在频域旁瓣较小的数据窗,可通过增加窗的主瓣宽度为代价来减少旁瓣数目. 找一个 的正交变换，以余弦序列线性组合的形式来表示一个实序列 。 通过对序列作偶延拓，再计算 点DFT，可推导出使用任何N点是序列的离散余弦变换（DCT）。 的2N点DFT为 将第二个球和变量换成 如果定义DCT为： 很容易证明： 是实数，而 是复数。 从偶延拓