第九章离散傅立叶变换及其快速算法ppt.ppt

2、 二维离散余弦变换 1. 正变换 F(0,0) F(u,0) F(0,v) F(u,v) 2. 反变换 3. 举例 DCT 图像经DCT后, 能量集中于频率平面的左上角。 DCT用于图像数据压缩。 3、离散余弦变换的矩阵算法 一维离散余弦变换： 正变换： 反变换： 二维离散余弦变换： 正变换： 反变换： C为离散余弦变换矩阵，CT为C的转置矩阵 变换矩阵C为： 当N=2时，变换矩阵C为： 当N=4时，变换矩阵C为： 离散余弦变换的矩阵算法举例： 已知： 用矩阵算法求其DCT。 由此例可看出：DCT将能量集中于频率平面的左上角。 * * * * * * * * * * * 1. 线性卷积 实际应用中一般以线性卷积和相关运算处理为依据，如一个FIR数字滤波器的输出等于输入与滤波器的单位取样响应的线性卷积。——DFT计算循环卷积 DFT的快速算法FFT的出现， 使DFT在数字通信、 语言信号处理、 图像处理、 功率谱估计、 仿真、 系统分析、 雷达理论、 光学、 医学、 地震以及数值分析等各个领域都得到广泛应用。 3. 信号频谱分析 2. 快速相关（功率谱计算） §9.7离散傅里叶变换的应用 线性卷积 线性卷积不受主值区间限制 循环卷积 在一定条件下与线性卷积相等。 两个长度都为N的因果序列的循环卷积仍是一个长度为N的序列，而它们的线性卷积却是一个长度为2N-1的序列。 1、利用循环卷积计算线性卷积 如果能将线性卷积．转化成循环卷积，那么根据DFT的循环卷积性质，就能够用循环卷积来计算线性卷积，而循环卷积可以用FFT 进行快速计算。因此，首先需要讨论在什么条件下，循环卷积与线性 卷积相等的问题。 设h(n)和x(n)分别是长度为N和M的有限长序列，它们的线性卷积和循环卷积分别为 其中，L=max[N,M] 所以 对照线性卷积的公式，可以看出 因 为 yc(n)是yl(n)以L为周期的周期延拓序列的主值序列。而yl(n)是个长度为N+M-1的序列，所以 (1)如果LN+M-1，则yl(n)周期延拓必有一部分非零值序列相重叠，从而产生混叠失真，这时L点的循环卷积不等于线性卷积。 (2)如果L≥N+M-1，则yl(n)的周期延拓不会产生混叠失真，这时 由此得出结论：两个长度为分别为N和M的序列的线性卷积可用长度为L的循环卷积来代替，但L必须满足条件 L≥ M+N-1 。这时N/M到L之间的值用零填充。 即 线性卷积与循环卷积 用DFT计算线性卷积框图 2、用DFT对信号进行谱分析 所谓信号的谱分析就是计算信号的频谱，包括振幅谱、相位谱和功率谱。处理对象：连续信号和离散信号。 用DFT对连续信号进行谱分析（近似分析） 设连续信号xa(t)（经预滤波和截取处理的有限长带限信号）持续时间为Tp， 最高频率为fc， 如图3.4.5所示。 xa(t)的傅里叶变换为 对xa(t)以采样间隔T≤1/2fc(即fs=1/T≥2fc)采样得x(n)= xa(nT)。 x(n)的傅里叶变换为X(ejω). X(ejω)与 的关系为 X(n)的长度为 将 代入 X(n)的N点DFT 代入式（3.4.6），可得 所以，令 可得 F表示对模拟信号的频谱的采样间隔，称为频率分辨率，即频域取样中两相邻点间的频率间隔。 说明：由上式可得，对连续信号采样并进行DFT再乘以T，就可近似得到模拟信号频谱的周期延拓函数在第一个周期[0,Fs]上的N点等间隔采样。 结论： 对满足假设的持续时间有限的带限信号，在满足时域采样定理时， 包含了模拟信号频谱的全部信号，可由X(k）恢复 。 缺点： 栅栏效应 对持续时间有限的带限信号 连续信号谱分析的参数选择原则： 关心的问题：谱分析范围[0,Fs/2]和频率分辨率F 为避免频谱混叠现象，Fs 2fc 谱分辨率F=Fs/N, 若N不变，要提高频谱分辨率，必须降低Fs 若Fs不变，为提高频谱分辨率，可增加采样点数N，即增加观察时间Tp。 选取原则： （一） 一维离散Walsh变换(WT) 1. 定义 正变换: 反变换: 注意: Walsh正、反变换的变换核都一样！ §9.8沃尔什(Walsh)变换及其应用实例 2.一维离散Walsh变换的矩阵算法 正变换: 展开： 令： IWT： WT： (1/N可以忽略不写) 注意: （1）正反变换的变换矩阵W都一样； （2）W代表Walsh序的Walsh矩阵。 注意: 当变换矩阵为Hadamard矩阵HN时,称为Hadam