相对于DTFT他更便于用计算机处理。但是,直至上个世纪.ppt

傅立叶变换是以时间为自变量的“信号”与以频率为自变量的“频谱”函数之间的某种变换关系。 离散傅立叶变换（DFT）则建立离散时域与离散频域之间的关系。 DFT是分析有限长序列的有用工具，在各种信号的处理中起着核心作用。 FFT的出现使DFT对信号处理的发展起了巨大的推动作用。 DFT的实质是有限长序列傅立叶变换的有限点离散采样，使得频域离散化，从而使数字信号处理可以在频域采用数字运算的方法进行。 DFT是现代信号处理桥梁 从傅立叶变换到离散傅立叶变换，及其应用要解决两个问题： 离散与量化， 快速运算。 一．连续时间、连续频率的傅立叶 变换 对称性 二.连续时间、离散频率傅里叶变换 — 傅立叶级数 三．离散时间、连续频率的傅氏变换 ——序列的傅立叶变换 四．离散时间、离散频率的傅立叶变换——DFT 由上述分析可知，要想在时域和频域都是离散的，那么两个域必须是周期的。 对称关系 时域周期性——频域离散性 时域离散性——频域周期性 时域非周期——频域连续性 时域连续性——频域非周期 2.1 离散傅里叶变换（DFT） 则DFS变换对可写为 二、 离散傅里叶变换（DFT） 3、频域上的主值区间与主值序列： （1）DFT的矩阵方程表示 2、DFT特性： 循环移位 圆周移位 循环卷积过程: 有限长序列的线性卷积： 循环卷积： 比较线性卷积与循环卷积 写成闭解形式 可见，当输入频率为qω0时，变换X（K）的N个值中只有 X（q）=N，其余皆为零，如果输入信号为若干个不同频率的信号的组合，经离散傅里叶变换后，不同的k上，X（k）将有一一对应的输出，因此，离散傅里叶变换算法实质上对频率具有选择性。 （8）DFT形式下的Parseval定理 2.2 利用DFT做连续信号的频谱分析 一、利用DFT计算连续信号的频谱分析过程 从图中可以看出，这是一次次的近似过程，首先，用离散采样信号的 DTFT 来近似连续信号 的傅立叶变换 ，其次，将x(n) 截短，这一过程等效于用一矩形序列RN(n)与x(n)相乘，其DTFT为 最后，再对截短的信号作DFT （2）解决办法 在采样前利用一模拟低通滤波器将原始信号的上限频率 限制在采样频率的一半，即加一抗混叠滤波器。 4、 DFT的分辨率 填补零值可以改变对DTFT的采样密度，人们常常有一种误解，认为补零可以提高DFT的频率分辨率。事实上我们通常规定DFT的频率分辨率为 ，这里的N是指信号x(n)的有效长度，而不是补零的长度。不同长度的x(n)其DTFT的结果是不同的；而相同长度的x(n)尽管补零的长度不同其DTFT的结果应是相同的，他们的DFT只是反映了对相同的DTFT采用了不同的采样密度。 参数选择的一般原则： 若已知信号的最高频率 ，为防止混叠，选定采样频率 ； 根据频率分辩率 ，确定所需DFT的长度 (3) 和N确定以后，即可确定相应模拟信号的时间长度 这里T是采样周期。 5、周期信号的谱分析 对于连续的单一频率周期信号 ， 为信号的频率。 可以得到单一谱线的DFT结果，但这是和作DFT时数据的截取长度选得是否恰当有关，截取长度N选得合理， 可完全等于 的采样。 用同样的方法可得到 X0(k)= - X*0(N-k) 即Xo(k)具有共轭反对称特性，称其为X(k)的共轭奇对称分量。 对于纯实数序列 x（n），即x（n）=xr（n），X（k）只有共轭偶对称部分，即X（k）=Xe（k），表明实数序列的DFT满足共轭对称性，利用这一特性，只要知道一半数目的 X（k），就可得到另一半的 X（k），这一特点在DFT运算中可以加以利用，以提高运算效率。 根据x（n）与X（k）的对称性，同样可找到X（k）的实部、虚部与x（n）的共轭偶部与共轭奇部的关系。 分别以xe（n）及x0（n）表示序列x（n）的圆周共轭偶部与圆周共轭奇部： 同样应从圆周意义上理解 x（N-0）=x（0）。 可证明: DFT[xe（n）]=Re[X（k）] DFT[x0（n）]=