第2章 离散傅里叶变换和快速算法.pptVIP

第2章 离散傅里叶变换和快速算法 2.1 离散傅里叶变换 2.2 利用DFT做连续信号的频谱分析 2.3 快速傅里叶变换 2.4 关于FFT应用中的问题 2.1 离散傅里叶变换 序列的傅里叶变换可以用来分析连续时间信号的频谱，但是，它不能让计算机用来计算信号的频谱。为什么呢？ 真正的傅里叶变换有4种： CTFS给连续周期信号用， CTFT给连续非周期信号用， DTFS给离散周期信号用， DTFT给离散非周期信号用。 2.1.1 离散傅里叶级数 离散傅里叶级数的定义： 它们的物理意义是什么呢？ 离散傅里叶级数是用在周期序列的，其x(n)和X(k)都是离散值，都具有周期性。 怎么知道它们有周期性呢？ 离散傅里叶级数的定义是怎么来的？ 离散傅里叶级数的定义是这么来的： DFS的性质： 线性性质、序列移位性质、共轭对称性质等都和DTFT的相同。 共轭对称的定义是f(t)=f*(-t)， 共轭反对称的定义是f(t)=-f*(-t)。 共轭对称性的说明： 若复数序列x(n)的共轭序列是x*(n)，则它的离散傅里叶级数的系数 怎么证明它呢？ 进一步可以得到实数序列的DFS是共轭对称的，即 怎么证明它呢？ 周期序列也有卷积运算，其的卷积范围是一个时序周期， 不过要注意的是：参加卷积的两个周期序列的周期必须相等。 周期序列也有卷积定理，即 请注意DFS和DTFT的性质不同之处： （1）DFS的频率变量是离散的，DTFT的频率变量是连续的； （2）DFS的卷积范围是有限的，DTFT的卷积范围是无限的。 这种区别意味着什么？从数字信号处理的角度来看。 2.1.2 离散傅里变换 离散傅里叶级数是用在周期序列的，而大部分的序列是非周期的，实际应用中，我们处理信号时是分段处理的。怎么办？ 人为地将周期信号的主值区间的序列看作是一个非周期信号，看作是被分析的信号的一部分。 这种做法就是离散傅里叶变换的精神。离散傅里叶变换是离散傅里叶级数的特例。 离散傅里叶变换的定义： WN是什么？它的物理意义是什么？有什么用？ 离散傅里叶变换和离散傅里叶级数的区别在DFT的： （1）取值范围，n和k均在0~N-1； （2）书写方法，RN(n)和RN(k); （3）计算方法，先把序列当作周期序列计算，然后再限制周期序列的范围。 例1（书上第51页） 求x={1+j2, 2+j2, j, 1+j}的离散傅里叶变换。 解：方法一，按定义来计算。 方法二，按矩阵来计算。设x和X都是列向量。 方法一和方法二有什么关系？ 方法三，按MATLAB来计算。 如果x和X都是列向量的话，则 X=WN*x， 其中WN=exp(-j2π/Nk’n)，这时k和n都是行向量。 请注意(4+j6)和(4.000+6.000i)的区别。 对于有限长序列的离散傅里叶变换，其性质和离散傅里叶级数的相同，只是注意取主值的限制就可以了。 例如： （1）线性性质，注意它们的长度。 （2）移位性质，注意它们的移位。 （3）循环卷积，注意它们的主值范围。 例2（书上第54页）设x5(n)=x5(n)=R5(n)。求两个序列的5点长循环卷积和10点长循环卷积y(n)。 解： （1）5点的循环卷积： 方法一，按循环卷积的定义计算；可以心算吗？ 方法二，按循环卷积定理计算。可以心算吗？ （2）10点的循环卷积： 方法一，按循环卷积的定义计算；可以心算吗？ 方法二，按循环卷积定理计算。可以心算吗？ 循环卷积的长度N和线性卷积的长度(N1+N2-1)有什么关系？ 为什么要提这个问题？ 因为长度为N1的序列x1(n)和长度为N2的序列x2(n)的线性卷积 而长度为N1的序列x1(n)和长度为N2的序列x2(n)的N点长循环卷积（N≥N1和N2） yL(n)和yC(n) 的关系 说明了什么？ 这个关系N≥(N1+N2-1)有什么用？ 四种傅里叶变换的频率关系（物理意义）： （1）当作周期函数的成分的正弦波是 ， （2）当作非周期函数的成分的正弦波是 ， （3）当作周期序列的成分的正弦波是 ， （4）当作非周期序列的成分的正弦波是 。 周期函数的谐波频率与周期序列的谐波频率是否对等呢？ 由于离散傅里叶级数的定义是： 所以，只有当周期函数x(t)的周期T0=NT时，周期函数x(t)和周期序列x(n)的谐波角频率才有对等的关系。 傅里叶变换在信号压缩中的应用： 假设在时间[0，2π]内有一个信号， 如果想压缩它的90%数据，请问该用什么方法进行压缩呢？ t=linspace(0,2*pi,2^8); y=e