第三章离散时间信号的傅里叶变换方案.ppt

所以，若信号是有限时宽的，那么在频域必然是无限带宽的，反之亦然。这一现象也可从加窗的角度来理解，即矩形窗的频谱是无限宽的。这一现象，来自傅立叶变换的性质： FT FT 做 DFT 时，总不可避免的取有限长，“有限 长”带来了 对 的近似。 要求： 1. 由图3.7.3，搞清（3.7.8) ~ (3.7.14)式的含义； 总结在导出DFT的过程中，有几个“周期延拓”？ 3. 理解例 3.7.4 和例 3.7.5; 4. 思考：什么情况下， 是 的准 确抽样？（3.3.3 正弦信号的抽样讨论） DFT的性质： 2. 正交性 正交阵 3. 循环移位 为实序列： 4. 奇、偶、虚、实对称性质 复序列 纯虚序列 5. Parseval’s 定理 6.循环卷积 线性卷积 都是 点序列 当和DFT联系起来时，注意到 都是以 为周期的周期序列。移位时移进也有出 。 信号在一个域及其对应的变换域中的能量守恒原理 循环卷积定义为： 点序列 循环卷积定理 N N DFT对应周期信号，所以， ， 及 都是周期的！ 循环矩阵 为什么有循环卷积？ 3.6 用 DFT 计算线性卷积 都是非周期 如何用DFT来实现 DFT有快速算法 存在什么矛盾 DFT对应循环卷积 补零 补零 DFT DFT 相乘 IDFT 例： 没有全部进入，如何实现卷积 全部进入再卷积，又如何保证实时实现 长序列卷积的计算： 数字信号处理的优势是“实时实现”，即信号进来后，经处理后马上输出出去。然而： 关键是将 分段和 卷积 将 分成 段，每段长 Overlap — add method 叠接相加法 Overlap — save method 叠接舍去法 自己看书及使用MATLAB文件来掌握 另外： 较短（FIR：长度在20～50之间，IIR: 尽管无限长，但有限长度要小于50）， 可能很长，也不适宜直接卷积。 一、分辨率 分辨率问题是信号处理中的基本问题，包括频率分辨率和时间分辨率。 频率分辨率：通过频域窗观察到的频率宽度； 时间分辨率：通过时域窗观察到的时间宽度； 3.7 与DFT有关的几个问题 窗函数的“宽度”越小越好！ 窗函数的“宽度”能随信号的变化 自适应当调整！ 希望 频率分辨率又可定义为：将信号中两个靠的很近的谱峰区分开的能力。 频率分辨率：一是取决于信号的长度，二是取决于频谱分析的算法。 时间和频率是描述信号的两个主要物理量，它们通过傅里叶变换相联系。 对 FT: 设 长度为 ，则 的分辨率 主瓣宽度反比于时间长度 主瓣宽度反比于时间长度 对 DTFT: 设抽样间隔为 ， 则 用计算机分析和处理信号时，信号总是有限长，其长度即是矩形窗的宽度，要想分辨出 处的两个频谱，数据长度必须满足： 这为数据长度的选择提供了依据。 “物理分辨率”：取决于信号的有效长度。 对矩形窗， ，其他类型的窗函数， 主瓣宽度的另一定义：3dB带宽 的幅平方降到0.5（即3dB时频谱的宽度） 对矩形窗，这一宽度约为 频率分辨率限制为： 物理分辨率 不够小？ 增加的信号的长度N 对DFT: 此为 相邻两点的频率间隔，也是最大 分辨“细胞”。若要分辨出 处的两个谱 峰， 必须大于 。 例： 试确定将三个谱峰分开所需要的数据的长度。 在本例中，最小的 由 有 即要想分辨出这三个谱峰，数据的长度至少 要大于1000，从DFT的角度看 若令 则 下图， 分别等于256和1024，可见， 时无法分辨三个谱峰。 使用DFT的步骤： DFT和线性卷积是信号处理中两个最重要的基本运算，有快速算法，且二者是“相通”的。 不变，若增加 , “计算分辨率” 不能提高分辨率！ 不能提高分辨率，没有增加数