《信号处理原理》第3章 离散时间信号的傅里叶分析-教学课件（非AI生成）.pptx

信号处理原理;2;Q2：频域（频谱）离散化后，

结果频谱对应的信号是什么？;第三章离散时间信号的傅里叶分析;实际信号的特点：

时域：连续时间信号;持续时间较长

频域：频谱是连续的

数字处理设备（计算机）的特点：

存储空间有限---只能存储有限多的数据

离散的时间点

有限长的时间范围

表示空间有限---只能表示有限多的数值

取值在一定精度内

取值在一定范围内;实际信号的特点：

时域：连续时间信号;持续时间较长

频域：频谱是连续的

数字处理设备（计算机）的特点：

存储空间有限---只能存储有限多的数据

离散的时间点

有限长的时间范围

表示空间有限---只能表示有限多的数值

取值在一定精度内

取值在一定范围内;要解决的问题（面临的矛盾）1;如何从抽样信号的频谱恢复原信号的频谱？

抽样信号频谱与原信号频谱是什么关系？

理论上如何恢复？

工程上如何实现？

;抽样信号的频谱如何计算？

得到抽样信号后，如何计算其频谱？

输入：抽样信号（序列）

输出：抽样信号的频谱

在工程实现时，计算机接受的输入是一系列数值

（通常存储在数组中）;当截取一段信号进行频谱分析时，原信号的频谱会发生什么变化？

为什么要对时域信号的一小段进行分析？

信号的持续时间通常会超出设备的处理能力

Q1截取信号会不会影响对信号的分析？

Q2截取信号对原频谱有何影响？;11;;13;如何从有限的离散频谱恢复出抽样信号？

离散频谱值是有限的

恢复抽样信号的计算公式;如何编程实现（如何进行快速计算）?

原因：如果按定义来直接实现，则计算量太大，难以推广，不能广泛应用

包含两个子问题：

（1）如何由离散信号计算离散频谱？

（2）如何由离散频谱恢复离散信号？;16;抽样信号与模拟信号的频谱关系;抽样信号与模拟信号的频谱关系;用序列值计算抽样信号的频谱;用序列值计算抽样信号的频谱;用序列值计算抽样信号的频谱;;离散时间傅里叶变换的定义;;;分析多个序列时，信号采样间隔通常是相同的，因此，序列频谱之间的差异与采样间隔的大小无关。

为方便起见，把采样频率“归一”，即将具体的物理时间抽象为单??时间，在数学上用1表示它?

T（秒）物理时间?

1（?）逻辑时间、数字时间;不同采样间隔的离散信号，频谱函数都是原始频谱的周期重复，决定信号性质的频谱密度分布的形状与重复间隔无关，即序列频谱之间的差异与采样间隔的大小无关。;称时间间隔归一的离散信号（序列）为

“数字信号”

称数字信号（序列）DTFT归一化频谱为

“数字频谱”;数字信号与数字频谱;;频谱函数主周期内的形状，如果不考虑高低变化的话，则形状与采样间隔无关。

采样频率归一化使频谱重复间隔也会统一成2π。考虑到离散信号频谱总是周期的函数，所以研究时可以对采样信号的实际频谱的周期进行抽象化的处理。抽象为2π是很方便的。

在计算机程序中，计算过程可以只考虑数值表示，而不用考虑信号样本间的真实时间间隔。从算法效果上看，这不仅不会影响结果的正确性，反而还会提高算法应用的方便性。;DTFT的性质;平移特性

时域平移

频域平移

反褶、共轭

反褶

共轭

;时域扩展

时域扩展的定义如下

相应的DTFT：

;频域微分(时域线性加权)

卷积定理

时域卷积

频域卷积（注意：频谱是周期的）;针对周期函数的“卷积”定义;周期为N的离散信号x(n),y(n)卷积

周期为T的连续信号x(t),y(t)卷积

在频谱密度函数上的应用;卷积定理

频域卷积;帕斯瓦尔定理;计算机不能保留无限长的时域序列，只能保留有限的时域样本，所以需要作进一步的处理：

同理，计算机也无法保留无限多的频域信息（计算结果），只能保留有限数量的频谱函数值。;回顾：如何求序列的频谱？;理论依据——加窗序列的DTFT;宽为L的矩形窗;加窗对序列DTFT频谱的影响;加窗对序列DTFT频谱的影响;序列DTFT频谱的分辨率;的最小值可以是多大？;加窗对序列DTFT频谱的影响;（1）主瓣宽度(频率分布范围)由窗信号的持续时间(时间长度)唯一决定;（2）窗函数主瓣宽度决定了DTFT频率分辨率---即在加窗的抽样信号中能够区分开的谐波分量的最小频率间隔;加窗影响－结论1;（2）序列加窗后，序列频谱中出现了高频分量。它们是由于矩形窗两个边缘处的突变所造成的。这个现象被称为“频率泄漏”;结束;信号处理原理;DTFT频谱的数值计算;56;57;58;数字序列与数字频谱的关系;60;61;62;63;64;65;66;67;;69;DFT频谱的特点;71;72;73;74;75;76;77;78;79;80;81;82;83;84;85;86;87;88;89;90;91;92;93;94;95;96;97;98;99;100;101;10