离散时间信号的傅立叶变换.pptVIP

第二章 离散时间信号的傅立叶分析 2.2 离散时间傅立叶变换DTFT DTFT性质 对称关系 复序列的对称性质： 实数序列的对称性质 DTFT的计算 在DTFT计算中有如下局限性： 2.3 离散傅立叶变换 写成矩阵形式： 循环时移和循环卷积 定义有限长序列x[n]的循环时移为 循环卷积定义 DFT的性质： DFT与序列的DTFT和Z变换的关系 三者关系图 举例 2.4 用DFT作为DTFT的估计 DTFT的收敛条件 2、能量有限信号 吉布斯现象 3、既不绝对可和也不是能量有限的序列 2.5 使用DFT的频谱估计 加窗对频谱的影响 1、加窗导致分辨率下降 加窗导致分辨率下降 2、加窗导致频谱泄露 各种窗函数 举例： 加汉明窗图 增加DFT点数 放大图 频谱估计过程 通过插值由DFT获得傅立叶变换 插值表达式满足如下条件 2.6 用DFT做卷积 举例： 循环卷积： 举例： 基于DFT的线性卷积实现 长数据序列的卷积 分段卷积 分段处理 重叠相加法 重叠保留法 重叠保留法 2.7 离散余弦变换 ＤＣＴ－１型 ＤＣＴ－２ 音频信号DCT 有两种方法来实现压缩： 2.8 快速傅立叶变换FFT 基－2 按时间抽取的FFT 蝶形算子 8点DFT分解 8点FFT蝶形图 基－2 按频率抽取的FFT 序列重新排列 FFT的计算量 傅立叶变换的几种形式 　　在许多数据压缩的应用中，ＤＣＴ－２优于ＤＦＴ，这是因为它具有一种通常称为“能量压缩”的性质。特别是，有限长序列的ＤＣＴ－２的系数通常比ＤＦＴ更多的集中在较低序号的部分。 步骤：1、信号分成若干块，长度为N； 2、每块分别做DCT； 这样处理后，函数值比较大的都集中在一定区域。 1、忽略所有低于门限的系数； 2、采用一些技巧对信号进行编码。 N点DFT合计计算次数： 实数乘法： 4N2 实数加法： 2N2＋2N(N－1) DFT计算量： 　DFT计算量大，很难“实时”应用。分析发现DFT中包含有大量的重复运算。W矩阵中有N2个元素，由于WN的周期性，只有N个独立的值。 对于4点的DFT，W矩阵如下： 令N＝2M，M为正整数，将x[n]按奇、偶分成两组。偶数序号为2m，奇数序号为2m＋1， 结论：将长度为N的序列x[n]的DFT分解为两个长度为N/2的DFT 之和。如此循环，可以将DFT分解成最终的2点DFT。 2点的DFT： 有4个2点DFT构成的8点DFT 偶序号频率： 对DTFT采样后弦波信号的DFT 截短后的弦波信号的DTFT 频率分辨率：所用的算法能将信号中两个靠得很近的谱峰保持分开的能力。 因为对一个连续信号的抽样，峰值不一定正好就是抽样点，有可能在左边，也有可能在右边。 若DFT X[k]在k0处有峰值，而实际峰值所对应的数字频率并不确定，取值范围为 窗函数频谱的旁瓣对频率分辨率也有影响。旁瓣有可能会掩盖较弱的频率分量。称为频谱泄漏。 主瓣的宽度可以通过增大 N 来缩小，而旁瓣的最大幅度并不随N 的增大而下降。唯一的解决方法是使用能够减小旁瓣影响的窗函数。矩形窗在数值上存在突变，这势必产生较大的高频分量，因此旁瓣较大。 常用的窗函数有：矩形窗、三角窗、汉宁窗、汉明窗和布莱克曼窗。 理想的窗函数是主瓣窄，旁瓣小。这样对序列加窗后的分辨率下降影响最小，频谱泄漏最少。 主瓣宽4π/N 第一旁瓣－13dB 矩形窗 主瓣宽8π/N 第一旁瓣－32dB 主瓣宽8π/N 第一旁瓣－27dB Hanning窗 三角形窗 主瓣宽16π/N 第一旁瓣 -58dB 主瓣宽8π/N 第一旁瓣 -43dB Blackman窗 Hamming窗 分析：x[n]中两个主要频率非常接近，另一个频率分量的幅度较小。512点加矩形窗DFT见下图。 矩形窗具有较高的旁瓣和较宽的主瓣。加窗后分辨率降低，无法分辨两个接近的频率，旁瓣的影响淹没了幅度较小的频率分量。 512点Hamming窗 汉明窗的旁瓣较小，所以幅度较小的频率分量显示出来了，但是两个很接近的频率还是不能分辨出来。 2048点hamming窗 增加DFT点数，幅度较小频率分量已经凸现出来，放大该图形，可以看出两个相近的频率分量。 2048点hamming窗放大的结果 Hamming窗的旁瓣较小，同时，随着N的增大，主瓣宽度越来越小，所以可以将相近的频率分量分辨出来。 连续时间信号 傅立叶变换（