第3章1-4 离散傅里叶变换及其快速算法.ppt

第三章 离散傅里叶变换及其快速算法 内容提要 离散傅里叶变换 (Discrete Fourier Transform，DFT)是时间函数是离散的，而且频谱函数也是离散的变换。 3. 1 讨论周期序列的 傅里叶级数及其性质。 3. 2 导出有限长序列的傅里叶表示——离散傅里叶变换，并较详细地 介绍了离散傅里叶变换的基本性质，其中包括循环卷积的重要概念。 3. 3 介绍利用循环卷积 计算线性卷积的方法。 3. 4 讨论频率取样理论。 3. 5 以较大篇幅介绍本章的重点内容—— 快速傅里叶变换的时间抽选算法和频率抽选算法及一些细节上的考虑。 3. 6 介绍变换点数 为合数时的快速傅里叶变换算法。 3. 7 介绍快速傅里叶变换算法的应用实例。 3. 8 介绍线性调频Z变换。（参考） 3.2 离散傅里叶变换及其性质 3.2.1 离散傅里叶变换(DFT) 有限长序列的傅里叶变换称为离散傅里叶变换，简写为DFT。 DFT可以按3个步骤由 DFS推导出来： ①将有限长序列延拓成周期序列； ②求周期序列的DFS； ③从DFS中取出一个周期便得到有限长 序列的DFT。 循环卷积的计算是对序列按循环移位后求对应项的乘积 之和，实际上就是周期卷积取主值。 循环卷积的计算可用图3.6来说明。 在图3.6(a)中，x1(n)的N个值按顺时针方向均匀分布在内圆周上，x2(n)的N个值按反时针方向均匀分布在外圆周上，把内外圆周上对应的数值两两相乘，然后把乘积相加就得到y(0)。若将外圆周顺时针方向转动一格(如图3.6(b)所示)，将内外圆周上对应的数值两两相乘并把乘积相加，便得到y(1)。依次类推，可以得出y(n)的其它值。因此循环卷积也叫做圆卷积。 图3.7表示的是序列x1(n)和x2(n)的4点(即N=4)循环卷积的计算过程。图中，x1(n)=δ(n)+δ(n-1)+δ(n-2)，x2(n)＝δ(n)+1.5δ(n-1)+2δ(n-2)+2.5δ(n-3)。 这一计算过程分5步： (1)周期延拓 (2)折叠 (3)移位和取主值 (4)相乘 (5)相加 考虑到DFT关系的对偶性，可以证明，长为N的两序列之积的DFT等于它们的DFT的循环卷积除以N，即 3种卷积： 线性卷积 线性卷积不受主值区间限制 周期卷积 循环卷积 是周期卷积取主值，在一定条件下与线性卷积相等。 两个长度都为N的因果序列的循环卷积仍是一个长度为N的序列，而它们的线性卷积却是一个长度为2N-1的序列。 3. 3??利用循环卷积计算线性卷积 如果能将线性卷积．转化成循环卷积，那么根据DFT的循环卷积性质，就能够用循环卷积来计算线性卷积，而循环卷积可以用FFT 进行快速计算。因此，首先需要讨论在什么条件下，循环卷积与线性 卷积相等的问题。 在许多实际问题中常需要计算线性卷积，例如一个FIR数字滤波器的输出等于输入与滤波器的单位取样响应的线性卷积。 设x1(n)和x2(n)都是长度为N的有限长因果序列，它们的线性卷积为 它是长为2N-1的序列。 现将x1(n)和x2(n)延长至L(LN)，延长部分(从N到L-1)均填充为零值，计算x1(n)和x2(n)的L点循环卷积，得到 为了下面分析方便，先将x1(n)和x2(n)以L为周期进行延拓，得到两个周期序列 和 它们的周期卷积为 注意到在区间0≤m≤L-1中，x1((m))L=x1(m)；并交换求和次序得 上式表明，x1(n)和x2(n)的周期卷积是它们的线性卷积的周期延拓。对周期卷积取主值，得到循环卷积 因此，x1(n)和x2(n)的循环卷积可被看作是它们的线性卷积的周期延拓的主值。 那么，如何确定延拓的周期L呢？ 因为两个长度为N的序列的线性卷积是一个长度为2N-1的序列，所以 (1)如果L2N-1，则x3(n)的周期延拓必有一部分非零值序列相重叠，从而产生混叠失真，这时L点的循环卷积不等于N点的线性卷积。 (2)如果L≥2N-1，则x3(n)的周期延拓不会产生混叠失真，这时 由此得出结论：两个长度为N的序列的线性卷积可用长度为L的循环卷积来代替，但L必须满足条件 L≥2N-1。这时N到L之间的值用零填充。 如果x1(n)和x2(n)的长度分别为N和M，则L应满足条件L≥M+N-1。 这意味着，对于时间有限信号，可以像频带有限信号进行时域采样而不丢失任何信息一样，可以在频域上进行采 样而不丢失任何信息。这正是傅里叶变换中时域和频域对偶关系的反映，这有着十分重要的意 义。DFT实现了频域离散化，开辟了在频域采用数字技术处理的新领域。