05快速傅里叶变换.pptVIP

* （2） 栅栏效应 ? 利用FFT计算频谱，只给出离散点ωk=2πk/N或Ωk=2πk/(NT)上的频谱取样值，也就是只给出了基频F的整数倍的频谱值，而不可能得到连续频谱函数， 这就像通过一个“栅栏”观看信号频谱，所以只能在离散点上看到信号频谱， 这种现象称之为“栅栏效应”, 如图5-18 所示。这时，如果在两个离散的谱线之间有一个特别大的频谱分量，就无法检测出来了。 减小栅栏效应的一个方法就是要使频域取样更密，即增加频域取样点数N，在不改变时域数据的情况下，必然是在数据末端添加一些零值点，使一个周期内的点数增加，但并不改变原有的记录数据。频谱取样为2πk/N，N增加，必然使样点间距更近（单位圆上样点更多），谱线更密，谱线变密后原来看不到的谱分量就有可能看到了。 注意，补零以改变计算FFT的周期时，所用窗函数的宽度不能改变。换句话说，必须按照数据记录的原来的实际长度选择窗函数， 而不能按照补了零值点后的长度来选择窗函数。补零不能提高频率分辨率，这是因为数据的实际长度仍为补零前的数据长度。 5.6.1 利用FFT对信号进行谱分析 * 图 5-18 栅栏效应 5.6.1 利用FFT对信号进行谱分析 * （3） 频谱泄漏 对信号进行FFT计算，首先必须使其变成有限时宽的信号，这就相当于信号在时域乘一个窗函数如矩形窗，窗内数据并不改变。时域相乘即v(n)=x(n)·w(n)， 加窗对频域的影响，可用式（5-30）卷积公式表示 卷积的结果，造成所得到的频谱V(ejω)与原来的频谱X(ejω)不相同，有失真。这种失真最主要的是造成频谱的“扩散”（拖尾、 变宽），这就是所谓的“频谱泄漏”。 由上可知，泄漏是由于我们截取有限长信号所造成的。对具有单一谱线的正弦波来说，它必须是无限长的。也就是说，如果我们输入信号是无限长的，那么FFT就能计算出完全正确的单一线频谱。可是我们不可能这么做，而只能取有限长记录样本。如果在该有限长记录样本中，正弦信号又不是整数个周期时，就会产生泄漏。 5.6.1 利用FFT对信号进行谱分析 * 例如，一个周期为N=16的余弦信号x(n)=cos(6πn／16）截取一个周期长度的信号即x1(n)=cos(6πn/16)R16(n), 其16点FFT的频谱图见 5-19（a)所示，若截取的长度为13，则其16点FFT的频谱图见 5-19(b)所示。 由此可见，频谱不再是单一的谱线，它的能量散布到整个频谱的各处。 这种能量散布到其他谱线位置的现象即为“频谱泄漏”。 5.6.1 利用FFT对信号进行谱分析 图5-19 16点FFT的频谱图 （a） （b） * 应该说明，泄漏也会造成混叠，因为泄漏将会导致频谱的扩展， 从而使最高频率有可能超过折叠频率（fs/2），造成频率响应的混叠失真。  泄漏造成的后果是降低频谱的分辨率。此外，由于在主谱线两边形成很多旁瓣，引起不同频率分量间的干扰(简称谱间干扰)， 特别是强信号谱的旁瓣可能湮没弱信号的主谱线，或者把强信号谱的旁瓣误认为是另一信号的谱线，从而造成假信号，这样就会使谱分析产生较大偏差。 在进行FFT运算时，时域截断是必然的，从而频谱泄漏和谱间干扰也是不可避免的。为尽量减小泄漏和谱间干扰的影响，需增加窗的时域宽度(频域主瓣变窄)，但这又导致运算量及存储量的增加；其次，数据不要突然截断，也就是不要加矩形窗，而是加各种缓变的窗（例如：三角形窗、升余弦窗、改进的升余弦窗等），使得窗谱的旁瓣能量更小，卷积后造成的泄漏减小，这个问题在FIR滤波器设计一章（第7章）中将会讨论到。 5.6.1 利用FFT对信号进行谱分析 * 例5-2 已知信号x(t)=0.15 sin(2πf1t)+sin(2πf2t)-0.1sin(2πf3t)，其中, f1=1Hz， f2=2 Hz，f3=3Hz。 x(t)包含三个正弦波，但从时域波形图5-26（a）来看，似乎是一个正弦信号，很难看到小信号的存在， 因为它被大信号所掩盖。 取fs=32 Hz作频谱分析。 解 因fs=32 Hz，故 该信号为周期信号，其周期为N=32。现对x(n)作32点的离散傅里叶变换(DFT)，其幅度特性|X(k)|如图5-20(b)所示。图中仅给出了k=0, 1, …, 15的结果。k=16, 17, …, 32的结果可由|X(N-k)|=|X(k)|得出。因N=32, 故频率分辨率F=fs/N=1Hz。 由图5-20(b) 可知, k=1, 2, 3所对应的频谱即为频率f1=1 Hz，f2=2 Hz, f3=3H