2.4 2.5离散时间信号和系统频域描述 .ppt

2.4离散时间信号和系统的频域描述 2.4.1 离散时间信号的傅立叶变换 连续时间信号傅立叶变换: 序列的傅立叶变换的两个特点: (1) (2) 序列的傅立叶变换性质： 习题： P.87 2.1（2）, 2.2(2) P.87 2.7(4),2.8(3) P.89 2.14(8),2.17,2.18 P.90 2.21(1) P.90 2.23(4),2.33 2.5 信号的取样 2.5.2 离散时间信号的取样 2.5.3 信号的抽取和内插 1.抽取也称减取样,时域图形压缩,频域图形展宽;如果信号频谱太宽,可以先通过低通滤波器,将信号的频谱限制才能做减取样,目的为减少数据量,以便存储. 2.插值也称增取样,增加时域数据量可以压缩频带,以便传输时压缩带宽. 模拟信号经取样变为离散时间信号后．是否台失掉一些信息呢?信号的频谱会发生怎样的变化?不丢失信息应满足什么条件?下面就来回答这些问题。 首先我们看时域上情况， 取样过程看成是脉冲调幅过程 这里是信号重建当中滤波器的内容。 频率混叠均产生在fs /2附近 这可看做是一个信号调制的过程，即 离散时间信号的取样过程如图2．28所示，取样后得到的序列x_p(n)称为离散时间取样序列，它在取样周期N的整数倍点上的取样值等于原来的序列值，而在这些点之间的取样值都为零，即 注意这里的作业是否和讲课内容一致，需要根据新教材加以修改 前面介绍的都是离散时间信号和系统在时间域当中的分析，基本框架和连续信号类似，就是微分方程变成差分方程，卷积积分变成线性卷积 下面引入频域当中的描述 对于信号来说，也是如此，时域较为直观，但是频域上的应用很多，比如通信当中的调频 例子：人是社会关系的总和。张三教育背景是是华师物电学院2005级通信班学生， 户籍是广东省河源市和平县下车镇中心街， 这两种描述都体现了这个对象的某方面信息，可以唯一确定它，而且可以用于不同的用途 比如杨振宁和翁帆，人眼很容易看出不是一代人 但是计算机如何识别年龄：把面部图像看作数字信号。可以在空间域上看肤色是否深，但是不很准确；通常看皮肤是否松弛，这可以看作频率域分析。 对于连续信号，...表示的是信号的频率谱 通过傅立叶变换和逆变换，时域和频域建立了一一对应的关系 除了ft，还有其他变换比如gabor,wavelet， 基本框架一样：都具有正逆变换，可以理解为按照正交基展开，理论上很严谨 Ft优点：有直观的物理意义，有快速ft的计算 学习各类变换的意义：科研上推广得到其他理论；应用中可以找不同问题尝试效果如何 方法如果能够建立相应的理论，就比较容易得到推广，比如中医就不好量化分析，所以不受西方承认 形式上很象，只是把积分改成求和，t改成n, 但是注意自变量当中的两个\omega意义不同 从表达式可以看出，频率谱是周期函数,因此逆变换的公式也不同 也可以把表达式理解成为傅立叶级数展开式 注意这里也用到了无穷项等比数列的公式，但是针对复数数列。 可以看出频率谱的周期性，所以只需要看一个周期内形状即可 给出性质2的证明，就是频率谱关于\omega的共轭性 应该介绍这几种性质的背景和应用 （3）对应于调频 注意，卷积是在一个周期内进行 2009.09.21讲到这里 便于分析实序列的频率谱分析，只要考虑0－\pi即可 关于对称性的意义，参见 （原创）DFT的计算量及对称性（图） - 周法哲的日志 - 网易博客.htm 主要是可以应用到频谱分析中，可以节省存贮空间,说明意义，比如千年虫问题。 另外，fft的算法中也利用了这个性质，从而降低了计算量 dtft的性质证明比较简单，主要是利用定义的展开式直接证明， 卷积和乘积性质利用了交换求和，积分的顺序的技巧，基本思路和联系时间信号的ft类似， 利用交换求和顺序证明，类似连续信号当中的交换积分顺序 前面介绍的序列傅立叶变换的性质，都是为了了解当时间域或者频域当中信号发生改变，相应的另一个域如何改变，这在证明和计算当中意义重大，否则的话，每次信号有所改变，都按照定义重新计算，重复工作太多 整理接着讨论信号在时域和频域当中的对称性的问题 首先引入两个定义。。。 后面我们可以看到实序列的ft具有共轭对称性，这对于快速算法的实现很重要 刚才讲的是序列的对称性。 类似序列的情况，序列的傅立叶变换，连续函数...也可以分解成… 公式类似 与序列的情况一样，若傅里叶变换是共扼对称的实函数，则它是频率的偶函数，即若X(eP)是共