2014-1012第3章 离散傅里叶变换(dft).ppt

由此可见，循环卷积既可在时域直接计算，也可以在频域计算，其计算框图如下图示。由于DFT有快速算法FFT，当N很大时，在频域计算的速度快得多，因而常用DFT(FFT)计算循环卷积。 图 3.4.1 用DFT计算循环卷积 L点的DFT运算！ 在实际应用中，为了分析时域离散线性非移变系统或者对序列进行滤波处理等，需要计算两个序列的线性卷积！为了提高运算速度，也希望用DFT计算线性卷积。 存在的矛盾：DFT只能直接用来计算循环卷积! 为此需要导出线性卷积和循环卷积之间的关系以及循环卷积与线性卷积相等的条件。 假设h(n)和x(n)都是有限长序列，长度分别是N和M。 它们的线性卷积和循环卷积分别表示如下： (3.4.1) (3.4.2) 其中， L≥max［N, M］ 对照式(3.4.1)可以看出， 上式中 (3.4.3) 利用周期延拓概念 那么，循环卷积和线性卷积之间的关系即可以确定出来！ 线性卷积周期延拓为循环卷积；循环卷积即为该周期信号的主值序列！ 周期延拓 图 3.4.2 线性卷积与循环卷积 重叠时哪些点是不同的？哪些点是相同的？ 用DFT计算线性卷积框图 N点序列 M点序列 优点：当两个序列长度相当时，运算量小 缺点：当两个序列长度相差较大时，运算量及存储量、时延的问题 当其中一个序列无穷长时? 设序列h(n)长度为N，x(n)为无限长序列。将x(n)均匀分段， 每段长度取M， 则 于是， h(n)与x(n)的线性卷积可表示为 (3.4.4) 图 3.4.4 重叠相加法卷积示意图 3. 用DFT对序列进行谱分析 非周期序列： 我们已知道单位圆上的Z变换就是序列傅里叶变换，即 DFT是其DTFT的等间隔采样，在满足频域采样定理时原始信号可以恢复出来！ 对周期为N的周期序列 ，其频谱函数为 用DFT的隐含周期性知道， 截取 的主值序列x(n)= RN(n)， 并进行N点DFT得到 其中 如果截取长度M等于 (n)的整数个周期， 即M=mN，m为正整数，则 令n=n’ +rN, r=0, 1, …, m-1, n′=0, 1, …, N-1,则 因为 k/m=整数 k/m≠整数 在任意周期内求和 如果周期序列的周期预先不知道，可先截取M进行DFT， 即 再将截取长度扩大一倍， 截取 k/m=整数 k/m≠整数 例： x(n)为周期序列，周期N=14 所以抽样点数至少为14点。 或者因为频率分量分别为500、600、700Hz； 得F0=100HZ——最大公约数 N=fs/F0=1400/100=14 所以最少记录点数N=14。 T0=NT=512*(1/3000)=0.17 利用DFT可将时域难以辨识的小信号在频域轻易辨别出来 K f 对一个连续时间信号xa(t)采样1秒得到一个4096个采样点的序列： （1）若采样后没有发生频谱混叠，xa(t)的最高截止频率是多少？ （2）若计算采样信号的4096点DFT，频率采样值X(k)两点之间的模拟频率间隔是多少Hz？ 思考题 END OF CHAPTER 3 单位圆与非单位圆采样 线性卷积具有重要的物理意义（求解LTI系统输出），循环卷积不具有此物理意义； 时域循环卷积在频域上相当于两序列的DFT的乘积，而计算DFT可以采用它的快速算法——快速傅里叶变换（FFT）， 因此循环卷积与线性卷积相比，计算速度可以大大加快； 如果信号以及系统的单位脉冲响应都是有限长序列， 那么是否能用求解循环卷积来代替线性卷积运算而不失真呢？ 时间反转且线性移位 循环的作时间反转且相对第一个序列循环移位 3、有限长序列的线性卷积与循环卷积关系 设x1(n)是N1点的有限长序列（0≤n≤N1-1），x2(n)是N2点的有限长序列（0≤n≤N2-1）。 （1）线性卷积 x1(m)的非零区间为 0≤m≤N1-1 x2(n-m)的非零区间为 0≤n-m≤N2-1 y1(n)是N1+N2-1 点有限长序列，即线性卷积的长度等于参与卷积的两序列的长度之和减1。 （2）x1(n)与x2(n)的循环卷积。 进行N点的循环卷积，讨论N取何值时，循环卷积才能代表线性卷积？ N≥max［N1, N2］ N N 循环卷积正是周期卷积取主值序列 循环卷积等于线性卷积以循环卷积点数N为周期的周期延拓序列的主值序列 N≥N1+N2-1，循环卷积等于线性卷积； NN1+N2-1，线性卷积延拓发生混叠，两者部分相等（N1+N2