《数字信号处理教学课件》傅里叶变换.ppt

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。 FT DTFT 对 FT: 设 长度为 ，则 的分辨率 主瓣宽度反比于时间长度 对 DTFT: 设抽样间隔为 ， 则 主瓣宽度反比于时间长度 对矩形窗， ，其他类型的窗函数， 这为数据长度的选择提供了依据。 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： “物理分辨率”：取决于信号的有效长度。 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 两个线谱和 函数的卷积： 窗函数频谱： 峰值左、右第一个过零点之间的距离称为主瓣，主瓣外第一个峰值称为边瓣。我们希望主瓣的宽度越小越好，边瓣的幅度越小越好。若想分辨出  两个谱峰，数据的长度： 是矩形窗主瓣的宽度 例3: 低通 高通 相频 3.3 抽样定理 现研究信号抽样的数学模型： 请掌握公式的推导！ FT DTFT的性质 周期延拓，无穷迭加 迭加后可能产生的影响 或 要求： 若保证 相等 则 可 保 留 全部信息 即：抽样频率 至少要等于信号最高频率 的两倍。此即抽样定理。 Nyquist 抽样定理，或 Shannon 抽样定理 如何保证 1. 做频谱分析，了解 的行为； 2. 使用抗混迭滤波器，限制 的范围。 ：抽样频率； ：折迭频率； 如果抽样频率不满足要求，将出现频谱的混 迭（Aliasing), 将无法恢复原信号。 如何由 重建出 工程上： 使用 D/A 转换器； 在满足抽样定理的情况下， 的一个周期即等于 ，因此，可截取之。 理论上： 导出如下： 其余为零 插值函数 插值公式 权 如何对 作频谱分析 因为 是离散的，故频谱是周期的； 因为 是周期的，故频谱是离散的； 即： 的频谱应是离散的、且是周期的。 但： 是功率信号，不能直接作DTFT； 3.4 离散傅立叶级数（DFS） 周期序列 离散、非周期 FS: 离散化 离散、周期 周期 即： 是周期的，周期是 ，间隔是 是周期的，周期是 ，间隔是 所以，各取一个周期，有： 此即DFS! DFS 中， 仍取无穷长，实际上没必要！ 改 为 此即 DFT ! 从实际上，当我们在计算机上实现信号的频谱分析时，要求：时域、频域都是离散的；时域、频域都是有限长； FT、FS、 DTFT、 DFS 都不符合要求 但利用DFS的时域、频域的周期性，各 取一个周期，就形成新的变换对： 从原理上， 和 的各自一个周期即可表示完整的序列； 但DFT并不是“第五种”傅立叶变换！ 为什么要由DFS过渡到DFT？ 这一对式子，左、右两边都是离散的，有限长，因此可方便地用来实现频谱分析。 但使用时，一定要想到，它们均来自DFS, 即 和 都是周期的！ 3.5 离散傅立叶变换（DFT） DFT 的图形解