《男女频谱识别.docVIP

男女频谱识别 1. DFT总结（离散傅里叶变换） DFT的定义是针对任意的离散序列中的有限个离散抽样的，它并不要求该序列具有周期性。 由DFT求出的离散谱是离散的周期函数，周期为、离散间隔为。离散谱关于变元k的周期为N。 如果称离散谱经过IDFT所得到的序列为重建信号，，则重建信号是离散的周期函数，周期为(对应离散谱的离散间隔的倒数)、离散间隔为(对应离散谱周期的倒数)。 经IDFT重建信号的基频就是频域的离散间隔，或时域周期的倒数，为。 实序列的离散谱关于原点和(如果N是偶数)是共轭对称和幅度对称的。因此，真正有用的频谱信息可以从0~范围获得，从低频到高频。 在时域和频域范围内的N点分别是各自的主值区间或主值周期。 DFT性质 线性性：对任意常数 ()，有 奇偶虚实性： DFT的反褶、平移：先把有限长序列周期延拓，再作相应反褶或平移，最后取主值区间的序列作为最终结果。 DFT有如下的奇偶虚实特性： 奇奇；偶偶；实偶实偶；实奇虚奇； 实 (实偶) + j(实奇)；实 (实偶)·EXP(实奇)。 反褶和共轭性： 时域 频域 反褶 反褶 共轭 共轭＋反褶 共轭＋反褶 共轭 对偶性： 把离散谱序列当成时域序列进行DFT，结果是原时域序列反褶的N倍； 如果原序列具有偶对称性，则DFT结果是原时域序列的N倍。 时移性：。序列的时移不影响DFT离散谱的幅度。 频移性： 时域离散圆卷积定理： 圆卷积：周期均为N的序列与之间的圆卷积为 仍是n的序列，周期为N。 非周期序列之间只可能存在线卷积，不存在圆卷积；周期序列之间存在圆卷积，但不存在线卷积。 频域离散圆卷积定理： 时域离散圆相关定理： 周期为N的序列和的圆相关： 是n的序列，周期为N。 。其中表示按k进行DFT运算。 帕斯瓦尔定理： 2.FFT（离散傅氏变换的快速算法） FFT（Fast Fourier Transformation），即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的 FFT算法图(Bufferfly算法) FFT算法图(Bufferfly算法) 发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。 设x(n)为N项的复数序列，由DFT变换，任一X（m）的计算都需要N次复数乘法和N-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出N项复数序列的X（m）,即N点DFT变换大约就需要N^2次运算。当N=1024点甚至更多的时候，需要N2=1048576次运算，在FFT中，利用WN的周期性和对称性，把一个N项序列（设N=2k,k为正整数），分为两个N/2项的子序列，每个N/2点DFT变换需要（N/2）2次运算，再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样变换以后，总的运算次数就变成N+2*（N/2)^2=N+（N^2）/2。继续上面的例子，N=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的DFT运算单元，那么N点的DFT变换就只需要Nlog2N次的运算，N在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是FFT的优越性。 2.源码表示 在C环境下的源码源码（1）：//快速傅立叶变换 // 入口参数： // l: l=0, 傅立叶变换;l=1, 逆傅立叶变换 // il: il=0,不计算傅立叶变换或逆变换模和幅角；il=1,计算模和幅角 // n: 输入的点数，为偶数，一般为32，64，128，...,1024等 // k: 满足n=2^k(k0),实质上k是n个采样数据可以分解为偶次幂和奇次幂的次数 // pr[]: l=0时，存放N点采样数据的实部 // l=1时, 存放傅立叶变换的N个实部 // pi[]: l=0时，存放N点采样数据的虚部 // l=1时, 存放傅立叶变换的N个虚部 // // 出口参数： // fr[]: l=0, 返回傅立叶变换的实部 // l=1, 返回逆傅立叶变换的实部 // fi[]: l=0, 返回傅立叶变换的虚部 // l=1, 返回逆傅立叶变换的虚部 // pr[]: il=1,i=0 时，返回傅立叶变换的模 // il=1,i=1 时，返回逆傅立叶变换的模 // pi[]: il=1,i=0 时，返回傅立叶变换的辐角 // il=1