离散付里叶变换及其快速算法重点.ppt

第二章 离散傅里叶变换及其快速算法 §2.1 离散傅里叶变换（DFT） 则DFS变换对可写为 §2.1.2 离散傅里叶变换（DFT） 频域上的主值区间与主值序列： DFT的矩阵方程表示 DFT特性： 循环移位 圆周移位 循环卷积过程: 有限长序列的线性卷积： 循环卷积： 比较线性卷积与循环卷积 （8）DFT形式下的Parseval定理 2.2 利用DFT做连续信号的频谱分析 (4) DFT的分辨率 填补零值可以改变对DTFT的采样密度，人们常常有一种误解，认为补零可以提高DFT的频率分辨率。事实上我们通常规定DFT的频率分辨率为 ，这里的N是指信号x(n)的有效长度，而不是补零的长度。不同长度的x(n)其DTFT的结果是不同的；而相同长度的x(n)尽管补零的长度不同其DTFT的结果应是相同的，他们的DFT只是反映了对相同的DTFT采用了不同的采样密度。 参数选择的一般原则： 若已知信号的最高频率 ，为防止混叠，选定采样频率 ； 根据频率分辩率 ，确定所需DFT的长度 (3) 和N确定以后，即可确定相应模拟信号的时间长度 这里T是采样周期。 (5)周期信号的谱分析 对于连续的单一频率周期信号 ， 为信号的频率。 可以得到单一谱线的DFT结果，但这是和作DFT时数据的截取长度选得是否恰当有关，截取长度N选得合理， 可完全等于 的采样。 ? （3）栅栏效应 N点DFT是在频率区间 [0，2π] 上对信号频谱进行N点等间隔采样，得到的是若干个离散的频谱点 X（k），且它们限制在基频的整数倍上，这就好像在栅栏的一边通过缝隙看另一边的景象一样，只能在离散点处看到真实的景象，其余部分频谱成分被遮挡， 所以称之为栅栏效应。 减小栅栏效应方法：尾部补零，使谱线变密，增加频域采样点数，原来漏掉的某些频谱分量就可能被检测出来。 证：利用周期序列的移位特性： 实际上，利用WN-mk的周期性，将f(n)=x((n+m))NRN(n)代入DFT定义式，同样很容易证明。 序列循环移位后的DFT为 F（k）=DFT[f（n）]= x（k） 同样，对于频域有限长序列X(k)的循环移位，有如下反变换特性： IDFT[X((k+l))NRN(k)]= x（n） （3）循环卷积 若 F（k）=X（k）Y（k） 则 或 证：这个卷积可看作是周期序列 卷积后再取其主值序列。将F（k）周期延拓，得： 则根据DFS的周期卷积公式： 因0≤m≤N-1时，x((m))N=x(m)，因此 经过简单的换元可证明： 这一卷积过程与周期卷积比较，过程是一样的，只是这里只取结果的主值序列，由于卷积过程只在主值区间0≤m≤N-1内进行，所以 实际上就是 y（m）的圆周移位，称为“循环卷积”，习惯上常用符号“?”表示循环卷积，以区别于线性卷积。 1）由有限长序列 x(n)、y(n) 构造周期序列 2）计算周期卷积 3）卷积 结果取主值 同样，若 f(n)=x(n)y(n)， 则 （4）有限长序列的线性卷积与循环卷积（循环卷积的应用） 实际问题的大多数是求解线性卷积，如信号 x（n）通过系统 h（n），其输出就是线性卷积 y（n）=x（n）*h（n）。而循环卷积比起线性卷积，在运算速度上有很大的优越性，它可以采用快速傅里叶变换（FFT）技术，若能利用循环卷积求线性卷积，会带来很大的方便。 现在我们来讨论上述 x（n）与h（n）的线性卷积，如果 x（n）、h（n）为有限长序列，则在什么条件下能用循环卷积代替而不产生失真。 假定 x（n）为有限长序列，长度为N， y（n）为有限长序列，长度为M， 它们的线性卷积f（n）=x（n）*y（n）也应是有限长序列。 因 x（m）的非零区间： 0≤m≤N-1， y(n-m)的非零区间： 0≤n-m≤M-1， 这两个不等式相加，得： 0≤n≤N+M-2， 在这区间以外不是x（m）=0，就是y（n-m）=0，因而f（n）=0。因此，f（n）是一个长度为N+M-1的有限长序列。