《数字信号处理》课件第3章 (2).ppt

Re［x(n)］的离散傅里叶变换为Xep(k)，Im［x(n)］的离散傅里叶变换为Xop(k)。与此相似，xep(n)的离散傅里叶变换为Re［X(k)］，xop(n)的离散傅里叶变换为Im［X(k)］。而且，当x(n)为实序列时，还可推得Re［X(k)］与|X(k)|为周期偶序列，而Im［X(k)］与arg［X(k)］将是周期奇序列。同时，Re［X(k)］为xep(n)的离散傅里叶变换及Im［X(k)］为xop(n)的离散傅里叶变换。3.7.4循环卷积在3.2节的讨论中，我们知道，两个周期序列的离散傅里叶级数的系数之积相当于该序列间的周期性卷积。在这里，我们讨论两个时宽为N的有限长序列x1(n)与x2(n)。它们的离散傅里叶变换分别为X1(k)与X2(k)，希望确定另一个序列x3(n)，其离散傅里叶变换X3(k)应满足X3(k)=X1(k)X2(k)。为了求得x3(n)，我们可以利用3.3节中的周期卷积的结果，即此时的x3(n)将可视为的一个周期，也即(3-45)当然也可以表示成上式就是两个序列x1(n)和x2(n)的N点的循环卷积，通常还表示成Ｎ(3-46)(3-47)循环卷积显然与我们以前讨论的线性卷积不同。由式（1-20）所示的线性卷积可以理解为将一个序列先作卷折及线性位移，并与另一个序列相乘，然后再将乘积求和;所得的新序列的长度则为两序列的长度之和减去一，用在这里则为2N-1。基于周期卷积基础之上的循环卷积当然与之有别，它所得的序列长度应为N而非2N-1。为了进一步熟悉循环卷积的具体运算，我们仍从式（3-47）和式（3-46）开始，即此时的(3-48)计算循环卷积时，显然可以将两序列都先周期化，并按周期卷积定义计算周期卷积，然后取一个周期确定。但在实际计算时，有时考虑到它最终只取一个周期，即m只取到0～N-1，而且其中的x1((m))N又是不作移动的，所以也可以只将x2(n)周期化。因此式（3-48）可以写成(3-49)于是，在对式（3-49）作具体计算时，它与一般的线性卷积在形式上已无重大区别，因而也可直接表示成(3-50)图3.11循环卷积的具体计算图3.11循环卷积的具体计算此后，我们只需将x2(m)卷折及周期化成由图3.11（c）所示的x2(－m)N的形式，并将其按不同的n作相应的位移，以构成不同的x2((n-m))N，图（d）列出了n=1的x2((n-m))N的情形。接着，再如式（3-49）所示那样，令其与x1(m)相乘并且求和，进而确定由图3.11（e）所示的x3(n)的最终结果。当然，计算式（3-48）时，不按式（3-49）那样将x2(n)周期化，而是仅把x1(n)周期化，结果也是一样的，此时的循环卷积形式为(3-51)为了对循环卷积与线性卷积的实质及异同有更好的理解，我们将式（3-51）所示的用以计算循环卷积的表示式以图3.12的框图代替。图3.12实现式(3-51)运算的原理框图图中所示的PN(n)及x2(n)分别代表各单元的单位采样响应。PN(n)可表示成图3.13所示的形式，它完成输入信号周期化的作用。图3.13周期序列PN(n)示意图我们知道，改变线性级联系统中有关单元的顺序，其系统函数并不改变。所以图3.14与图3.12应该等效。图3.14图3.12的另一种表示图中的表示x1(n)与x2(n)的线性卷积，即经PN(n)周期化后再由RN(n)取其一个周期得到x1(n)与x2(n)的循环卷积x3(n)。讨论至此，难免会有这样的疑问，就是先将线性卷积的结果以N为周期实现周期化，然后又以N为长度截取其一个周期，这多不多余？如果多余，该步骤应该可以省掉。不过，真的省掉以后，它将表明两个序列的循环卷积与线性卷积完全一样，这当然又有问题了。为了使进一步的讨论更加直观和简便，我们设此时的x1(n)与x2(n)完全一样，它们如图3.15(a)所示。图3.15实现循环卷积计算的图3.14的具体过程图3.15实现循环卷积计算的图3.14的具体过程图3.15表明，由x1(n)与x2(n)完成的线性卷积的长度为2N-1，它显然比N要长，用实现周期为N的周期化时，将如图3.15（c）所示那样发生信号的“混叠”，而我们所求的循环卷积x3(n)就是在此基础上截取一个周期得到的，它与无疑有别。这表明图3.14中所作的周期化后再截取一个周期的步骤并非多余。那么，到底在什么情况下序列的循环卷积会与线性卷积相同呢？通过上述讨论，我们不难发现，如果在实现线性卷积的