信号处理及信号分析.ppt

典型信号及其傅里叶变换 门函数 门函数的傅里叶变换 门函数的频谱 单边指数函数 单边指数函数的傅里叶变换 单边指数函数的频谱 偶双边指数函数 偶双边指数函数的傅里叶变换 偶双边指数函数的频谱图 奇双边指数函数 奇双边指数函数的傅里叶变换 奇双边指数函数的频谱图 4.4.3 奇异函数的傅里叶变换 冲激函数的频谱 单位直流信号 　不满足绝对可积条件，但其傅里叶变换存在。 单位直流信号的傅里叶变换 　因为 　由傅里叶变换的唯一性可知：　　　　　 单位直流信号的频谱 　　　　1 ? 2 ?? (?) 单位符号函数 符号函数为奇双边指数函数的极限 符号函数的傅里叶变换是奇双边指数函数的傅里叶变换之极限 阶跃函数 　　　阶跃函数可表示成直流信号与符号函数之和 阶跃函数的傅里叶变换 4.5 傅里叶变换的性质 线性 奇偶性 对称性 尺度变换 时移特性 频移特性 卷积定理 时域微分和积分 频域微分和积分 一．卷积定义（Convolution） 二．卷积计算 三．卷积特性 4.2.1直接计算DFT的特点及减少运算量的基本途径 运算量 设序列点数 N = 2M，M 为整数。若不满足，则补零 则x(n)的DFT: a,两点结论: (1) X (k),X (k)均为N/2点的DFT。 (2) X(k)=X (k)+W X (k)只能确定出 X(k)的k= 个； 即前一半的结果。 e. N/2分解后的运算量： 这样逐级分解，直到2点DFT 当N = 8时，即分解到X3(k)，X4(k)，X5(k)，X6(k)，k = 0, 1 当N = 2M时，共有M级蝶形，每级N / 2个蝶形，每个蝶形有在1次复数乘法，2次复数加法。 矩形窗：B=4π/N??A=-13dB??D=-6dB/oct三角窗：B=8π/N??A=-27dB? ?D=-12dB/oct汉宁窗：B=8π/N??A=-32dB? ?D=-18dB/oct海明窗：B=8π/N??A=-43dB? ?D=-6dB/oct布莱克曼窗：B=12π/N??A=-58dB??D=-18dB/oct 几种很常用的窗函数的优缺点： 如何选择窗函数 对于窗函数的选择，应考虑被分析信号的性质与处理要求。 如果仅要求精确读出主瓣频率，而不考虑幅值精度，则可选用主瓣宽度比较窄而便于分辨的矩形窗，例如测量物体的自振频率等； 如果分析窄带信号，且有较强的干扰噪声，则应选用旁瓣幅度小的窗函数，如汉宁窗、三角窗等； 对于随时间按指数衰减的函数，可采用指数窗来提高信噪比。 B：主瓣宽度； A：旁瓣最大峰值； D:旁瓣峰值渐进衰减速度 s=sin(2*pi*2.58*t)+sin(2*pi*3.28*t)+sin(2*pi*5.38*t);N=100,100+50,100+100,100+150 1. DFT的运算量及特点 N (N – 1) N 2 N个X(k) (N点DFT) N – 1 N 一个X(k) 复数加法 复数乘法 2N+2 (N – 1)=2 (2N – 1) 4N 一个X (k) 2N (2N – 1) 4N 2 N个X (k) (N点DFT) 2 一次复加 2 4 一次复乘 实数加法 实数乘法 将序列x(n)按n的奇偶分成两组： N为2的整数幂的FFT算法称基-2FFT算法。 n为偶数时: n为奇数时: 2. FFT算法原理 其中, 1 2 1 2 k N 同理, 这就是说,X1(k),X2(k)的后一半,分别 等于其前一半的值。 b.X(k)的后一半的确定 由于 （周期性）,所以: 可见,X(k)的后一半，也完全由X1(k), X2 (k)的前一半所确定。 * N点的DFT可由两个N/2点的DFT来计算。 又由于 所以： 实现上式运算的流图称作蝶形运算 前一半 c.蝶形运算 后一半 （N/2个蝶形) (前一半) (后一半) 1 1 1 1 -1 由X1(k)、X 2(k)表示X(k)的运算是一种特殊的运算-碟形运算 蝶形运算符号 x1(0)=x(0) x1(1)=x(2) N/2点 x1(2)=x(4) DFT x1(3)=x(6) x2(0)