数字信号处理 离散傅里叶变换.pptVIP

第3章 离散傅里叶变换(DFT) 本章作为全书的基础，主要学习: (1) DFT的定义； (2) DFT的物理意义； (3) DFT的基本性质以及频域采样； (4)DFT的应用举例等内容。 DFT 的定义 设x(n)是一个长度为M的有限长序列， 则定义x(n)的N点离散傅里叶变换为： 【例】 x(n)=R4(n), 求x(n)的8点和16点DFT。 【解】（1）设变换区间N=8 时，则： 例如，　　　　　　　　　, 则有   所得结果符合下图所示的周期延拓规律。 离散傅里叶变换的基本性质 1 线性性质 如果x1(n)和x2(n)是两个有限长序列， 长度分别为N1和N2,且 y(n)=ax1(n)+bx2(n) 式中a、 b为常数， 即N=max［N1, N2］， 则y(n)的N点DFT为 Y(k)=DFT[y(n)]=aX1(k)+bX2(k), 0≤k≤N-1 其中X1(k)和X2(k)分别为x1(n)和x2(n)的N点DFT。 2 循环移位性质： (1) 序列的循环移位 设x(n)为有限长序列， 长度为N， 则x(n)的循环移位定义为 y(n)=x((n+m))NRN(N) 循环移位过程如下图所示: (2) 时域循环移位定理： 设x(n) 是长度为N的有限长序列， y(n)为x(n)的循环移位， 即 y(n)=x((n+m))NRN(n) 则 Y(k)=DFT［y(n)］ 其中 X(k)=DFT［x(n)］, 0≤k≤N-1。 3 循环卷积定理 有限长序列x1(n)和x2(n)， 长度分别为N1和N2， N=max[N1, N2]。 x1(n)和x2(n)的N点DFT分别为： X1(k)=DFT［x1(n)］ X2(k)=DFT［x2(n)］ 如果 X(k)=X1(k)·X2(k) 则 频域循环卷积定理： 如果 x(n)=x1(n)x2(n) 则 上面矩阵称为x(n)的L点“循环卷积矩阵”，其特点是: 　　（1） 第1行是序列{x(0), x(1), …, x(L－1)}的循环倒相序列。注意，如果x(n)的长度ML，则需要在x(n)末尾补L－M个零后，再形成第一行的循环倒相序列。 　　（2） 第1行以后的各行均是前一行向右循环移1位形成的。 　　（3） 矩阵的各主对角线上的序列值均相等。 　　有了上面介绍的循环卷积矩阵，就可以写出y(n)c的矩阵形式如下: 馆虚距刻盆跨闹稠辐光仆拜鸣抗瘴嘘堡烤确因述畜显遁悟寝怯卒砂蝗画摩数字信号处理 离散傅里叶变换数字信号处理 离散傅里叶变换 * 第7讲 离散傅里叶变换(DFT) 颓娟忆奋碧钩唱幸葬狈兔频辆暖芝故累扩楼宵堵沤搂勇讫梧庆事询秸罚她数字信号处理 离散傅里叶变换数字信号处理 离散傅里叶变换 瘁黍玲枯颠图茂题搓部尸菇炬界擎绽糟积奶唾程杯妙演寺子毋糊旅尼据睬数字信号处理 离散傅里叶变换数字信号处理 离散傅里叶变换 离散傅里叶变换定义 计算机只能处理有限长离散序列，因而无法直接利用ZT与FT进行数值计算。 针对有限长序列, 还有一种更有用的数学变换, 即离散傅里叶变换（Discrete Fourier Transform），使数字信号处理可以在频域采用数字运算的方法进行，大大增加了数字信号处理的灵活性。 玄脂秘折运散惟砒蒜箍寇铝韵转撞琼已县幂稗瞥赶贰技羹擒撑圆袍羹蕊摄数字信号处理 离散傅里叶变换数字信号处理 离散傅里叶变换 DFT的实质：有限长序列傅里叶变换的有限点离散采样，即频域离散化。 DFT有多种快速算法(Fast Fourier Transform), 因此不仅在理论上有重要意义, 在各种数字信号处理算法中亦起着核心作用。从而使信号的实时处理和设备的简化得以实现。 禹斗鉴隶酥尾咙鄂枫育声烫秦柴立蹭菩让穴坠埔找涉沃戮絮者躇斥射幼冗数字信号处理 离散傅里叶变换数字信号处理 离散傅里叶变换 X(k)的离散傅里叶逆变换为： 磨慎倦博蛙联妆羊严揩赴萧拎函粮奎曰白达膏轰督过睁谊优沸铝烘绵孽释数字信号处理 离散傅里叶变换数字信号处理 离散傅里叶变换 对式中，　　　　　，N称为DFT变换区间长度，N≥M。通常称上述二式为离散