(数字信号处理)第2章离散傅里叶变换.ppt

2. 时域圆周移位定理 设x(n)是长度为N的有限长序列，y(n)为x(n)圆周移位，即 则圆周移位后的DFT为 证 利用周期序列的移位性质加以证明。 再利用DFS和DFT关系 这表明，有限长序列的圆周移位在离散频域中引入一个和频率成正比的线性相移 ，而对频谱的幅度没有影响。 3. 频域圆周移位定理 对于频域有限长序列X(k)，也可看成是分布在一个N等分的圆周上，所以对于X(k)的圆周移位，利用频域与时域的对偶关系，可以证明以下性质： 若 则 这就是调制特性。它说明，时域序列的调制等效于频域的圆周移位。 2.5.3 圆周卷积 设x1(n)和x2(n)都是点数为N的有限长序列（0≤n≤N-1），且有： 若 则 一般称式(2-41)所表示的运算为x1(n)和x2(n)的N点圆周卷积。 下面先证明式(2-41)，再说明其计算方法。 证 这个卷积相当于周期序列 和  作周期卷积后再取其主值序列。 先将Y(k)周期延拓， 即 根据DFS的周期卷积公式 由于0≤m≤N-1 为主值区间， ， 因此 将 式经过简单换元，也可证明 卷积过程可以用图2-15来表示。圆周卷积过程中，求和变量为m, n为参变量。先将x2(m)周期化，形成x2((m))N，再反转形成x2((-m))N，取主值序列则得到x2((-m))NRN(m)，通常称之为x2(m)的圆周反转。对x2(m)的圆周反转序列圆周右移n，形成x2((n-m))NRN(m)，当n=0,1,2,…,N-1时，分别将x1(m)与x2((n-m))NRN(m)相乘，并在m=0 到N-1 区间内求和，便得到圆周卷积y(n)。 可以看出,它和周期卷积过程是一样的，只不过这里要取主值序列。特别要注意，两个长度小于等于N的序列的N点圆周卷积长度仍为N，这与一般的线性卷积不同。圆周卷积用符号○来表示。 圆周内的N表示所作的是N点圆周卷积。 N 图 2-15 圆周卷积过程示意图 图 2-15 圆周卷积过程示意图 N 或 N N 利用时域与频域的对称性，可以证明频域圆周卷积定理（请读者自己证明）： 若 x1(n)，x2(n)皆为N点有限长序列，则 即时域序列相乘，乘积的DFT等于各个DFT的圆周卷积再乘以1/N。 2.5.4 有限长序列的线性卷积与圆周卷积 时域圆周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）（见第3章）， 因此圆周卷积与线性卷积相比，计算速度可以大大加快。 但是实际问题大多总是要求解线性卷积。例如，信号通过线性时不变系统，其输出就是输入信号与系统的单位脉冲响应的线性卷积， 如果信号以及系统的单位脉冲响应都是有限长序列， 那么是否能用圆周卷积运算来代替线性卷积运算而不失真呢？下面就来讨论这个问题。 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）先看它们的线性卷积 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 (2-43) 将两个不等式相加，得到 0≤n≤N1+N2-2 在上述区间外，不是x1(m)=0就是x2(n-m)=0，因而y1(n)=0。所以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。例如，图2-16 中，x1(n)为N1=4 的矩形序列（图2-16（a）），x2(n)为N2=5 的矩形序列（图2-16（b）），则它们的线性卷积y1(n)为N=N1+N2-1=8 点的有限长序列（图 2-16（c））。 （2）我们再来看x1(n)与x2(n)的圆周卷积。先假设进行L点的圆周卷积，再讨论L取何值时，圆周卷积才能代表线性卷积。 设y(n)=x1(n)○x2(n)是两序列的L点圆周卷积，L≥max［N1, N2］，这就要将x1(n)与x2(n)都看成是L点的序列。在这L个序列值中，x1(n)只有前N1个是非零值，后L-N1个均为补充的零值。同样， x2(n)只有前N2个是非零值，后L-N2个均为补充的零值。则 L L （2-44） 为了分析其圆周卷积，我们先将序列x1(n)与x2(n)以L为周期进行周期延拓 它们的周期卷积序列为 （2-45）