离散傅立叶变换课件.pptVIP

Ch3 DSP Fourier transformation (FT) Z transformation (ZT) Digital filters IIR (infinite impulse response), FIR (finite impulse response), Ch3.1 DFT(discrete Fourier transformation) (离散傅立叶变换) 傅立叶分析 傅立叶分析: 建立以时间为自变量的‘信号’和以频率为自变量的‘频谱函数’之间的某种关系, 1822年, 法国科学家 Fourier(1, 2)提出, 基本思想: 任意函数可分解为无穷多个不同频率正弦信号的和, 即频谱分析。 连续周期函数的FT x(t), 周期T, ?0为基频, k?0为第k次谐波频率, X(k?0)称为x(t)的k次谐波处的Fourier系数, 连续的非周期函数的FT x(t), 非周期, 引入频谱密度概念X(jΩ), 二者的区别 X(j?): 是?的连续函数, X(k? 0)是?的离散函数, X(j?): 谱密度的概念, X(k? 0): 谐波幅度的概念, T ? 无穷, ? 0?0, ? 0: 基波频率, k ? 0:k次谐波 离散时间非周期信号的FT(DTFT) x(n), 频率连续, X(ej?)的周期为2?, 信号从连续域换到离散域以后，其频率从-inf to +inf 映射到0 to 2π的有限范围. 离散时间周期信号的FT x(n)=x(n+N), T=NTs, Ts: sampling period, Q: k is a sequence number, what does it stand for in terms of frequency? 离散时间周期信号的IFT x(n)=x(n+N), T=NTs, Ts: sampling period, 离散周期序列的傅里叶级数(DFS) x(n)=x(n+N)，习惯上， 以上两式称为离散周期序列的傅立叶级数（DFS），在时域周期为NTs、频域的周期?s = 2π/Ts=N ?0，并离散， DFT 在DFS的基础上, 只对时域和频域取一个周期, 构成离散傅立叶变换对，即DFT, Four FT FT, t, f 皆连续 t: 连续, f: 离散, DTFT: t:离散, f:连续, DFT: t:离散, f:离散, 四种变换的比较 P58 DFT的另一种表示 x(n), 离散FT(DFT)的用法 对常遇到的非周期序列, 有限长或无限, 只能作DTFT, 即连续频谱, X(ej?), 不拟在计算机上做数值计算, 实际中, 把N点序列视为一周期序列的一个周期,再做DFT, 若x(n)有限, 长度N, 若x(n)无限, 可用矩形窗截成长度N的序列, X(k)只是x(n)的FT在某种程度上的近似, X(k)是x(n)频谱(DTFT)的抽样值。 离散FT(DFT)的计算 从定义可知, 求出一点X(k), N次复数乘法, 求出N点X(k), N2次复数乘法, DFT、DTFT、ZT的关系 x(n), DFT、DTFT、ZT的关系 X(ej?) 只在z单位圆上取值, X(k)是在z单位圆上N个等间距点上的取值, X(z)可由X(k)来表示, DFT、DTFT的关系 N点序列的连续谱X(ej?)可由N点DFT系数X(k)来表示, DFT的性质(1) 线性: 圆周移位特性 长度为N的序列x(n), 位移m位后再取其主值区间序列, 表示为 移位特性: 圆周位移(circular shift) 序列的圆周m位移, x(n)的N点样点顺序排列在N等分的圆周上并旋转m点的结果, 右图表示m=1的圆周位移的结果, 线性卷积 定义： 卷积运算满足交换律、结合律和分配律： 卷积定理 两个函数乘积的傅立叶变换是它们各自傅立叶变换的卷积；两个函数卷积的傅立叶变换是它们各自傅立叶变换的乘积， 圆周位移与线性位移的区别 DFT的性质(2) 圆周卷积(circular convolution)特性 圆周卷积和线性卷积的区别, 线卷, 两个序列可不等长, 圆卷要求等长, 长度: 线卷, M+N-1, 圆卷, N 一般地, 二者结果不等, 当把两个序列的长度补零至(M+N-1), 圆卷的结果和线卷一致, 线性卷积和圆周卷积的区别 循环卷积的计算 DFT的性质(3) 奇偶性, x(n)为实序列时, X(k)的实部偶对称, 虚部奇对称, 即对于N/2点, |X(k)|为半周偶对称, arg[X(k)]为半周奇对称, X(k)=X*(N-k) DFT的奇