离散信号(七) | 您所在的位置:网站首页 › 指数变换公式推导过程 › 离散信号(七) |
离散傅里叶变换(DFT)
离散信号的傅里叶变换DTFT,它是 Ω \Omega Ω的连续周期函数,尽管在理论上有重要意义,但在实际中往往难于计算,尤其在数字计算机上实现有困难。为此我们需要一种时域和频域都离散的傅里叶变换对,这就是离散傅里叶变换(Discrete Fourier Transformation),简称DFT。DFT的导出有多种方法,比较方便同时物理意义也比较明确的是从离散傅里叶级数(DFS)着手。由于时域和频域都是离散的,因而这种傅里叶变换对有其特殊性质,这些性质使DFT在实际应用中有时会产生误解。DFT有快速计算方法,即快速傅里叶变换(FFT)。 从离散傅里叶级数(DFS)到离散傅里叶变换(DFT)考虑有限长序列 x ( n ) ( 0 ≤ n ≤ N − 1 ) x(n)(0\leq n\leq N-1) x(n)(0≤n≤N−1),将其按周期N进行延拓,得到周期序列 x p ( n ) = ∑ r x ( n + r N ) ( r 为 任 意 整 数 ) x_p(n)=\sum_{r}x(n+rN) \quad (r为任意整数) xp(n)=r∑x(n+rN)(r为任意整数) 我们把 x ( n ) x(n) x(n)称为主值序列,它也是周期序列 x p ( n ) x_p(n) xp(n)的主值区间序列。由于 x p ( n ) x_p(n) xp(n)是周期为N的周期序列,可以展开成离散傅里叶级数DFS X p ( k Ω 0 ) = 1 N ∑ n = 0 N − 1 x p ( n ) e − j k Ω 0 n k = 0 , 1 , 2 , ⋯ , N − 1 X_p(k\Omega_0)=\frac{1}{N}\sum_{n=0}^{N-1}x_p(n)e^{-jk\Omega_0 n} \quad k=0,1,2,\cdots,N-1 Xp(kΩ0)=N1n=0∑N−1xp(n)e−jkΩ0nk=0,1,2,⋯,N−1 X p ( k Ω 0 ) X_p(k\Omega_0) Xp(kΩ0)是周期为N的,离散的,它的反变换为 x p ( n ) = ∑ k = 0 N − 1 X p ( k Ω 0 ) e j k Ω 0 n x_p(n)=\sum_{k=0}^{N-1}X_p(k\Omega_0)e^{jk\Omega_0 n} xp(n)=k=0∑N−1Xp(kΩ0)ejkΩ0n 虽然它也是离散的、周期为N的序列。由于 X p ( k Ω 0 ) X_p(k\Omega_0) Xp(kΩ0)的周期性,我们也可以取它的一个周期为主值区间 ( 0 ≤ k ≤ N − 1 ) (0\leq k\leq N-1) (0≤k≤N−1),主值区间的 X p ( k Ω 0 ) X_p(k\Omega_0) Xp(kΩ0)记为 X ( k Ω 0 ) X(k\Omega_0) X(kΩ0)。当 x p ( n ) x_p(n) xp(n)和 X p ( k Ω 0 ) X_p(k\Omega_0) Xp(kΩ0)都取主值区间序列时,显然有 X ( k Ω 0 ) = 1 N ∑ n = 0 N − 1 x ( n ) e − j k Ω 0 n k = 0 , 1 , 2 , ⋯ , N − 1 (8) X(k\Omega_0)=\frac{1}{N}\sum_{n=0}^{N-1}x(n)e^{-jk\Omega_0 n} \quad k=0,1,2,\cdots, N-1 \tag{8} X(kΩ0)=N1n=0∑N−1x(n)e−jkΩ0nk=0,1,2,⋯,N−1(8) 和 x ( n ) = ∑ k = 0 N − 1 X ( k Ω 0 ) e j k Ω 0 n k = 0 , 1 , 2 , ⋯ , N − 1 (9) x(n)=\sum_{k=0}^{N-1}X(k\Omega_0)e^{jk\Omega_0 n} \quad k=0,1,2,\cdots,N-1 \tag{9} x(n)=k=0∑N−1X(kΩ0)ejkΩ0nk=0,1,2,⋯,N−1(9) 同DTFT一样,非周期序列的傅里叶变换是信号的频谱密度,所以将式(8)乘以N,同时考虑到离散的频谱可用序列来表示,所以定义长度为N的有限长序列 x ( n ) x(n) x(n)的离散傅里叶变换(DFT) X ( k ) X(k) X(k)为 X ( k ) = N X ( k Ω 0 ) = ∑ n = 0 N − 1 x ( n ) e − j k Ω 0 n k = 0 , 1 , 2 , ⋯ , N − 1 (10) X(k)=NX(k\Omega_0)=\sum_{n=0}^{N-1}x(n)e^{-jk\Omega_0 n} \quad k=0,1,2,\cdots, N-1 \tag{10} X(k)=NX(kΩ0)=n=0∑N−1x(n)e−jkΩ0nk=0,1,2,⋯,N−1(10) 并由式(9)和式(10),可得 X ( k ) X(k) X(k)的DFT反变换 x ( n ) = 1 N ∑ k = 0 N − 1 N X ( k Ω 0 ) e j k Ω 0 n = 1 N ∑ k = 0 N − 1 X ( k ) e j k Ω 0 n n = 0 , 1 , 2 , ⋯ , N − 1 (11) x(n)=\frac{1}{N}\sum_{k=0}^{N-1}NX(k\Omega_0)e^{jk\Omega_0 n}=\frac{1}{N}\sum_{k=0}^{N-1}X(k)e^{jk\Omega_0 n} \quad n=0,1,2,\cdots,N-1 \tag{11} x(n)=N1k=0∑N−1NX(kΩ0)ejkΩ0n=N1k=0∑N−1X(k)ejkΩ0nn=0,1,2,⋯,N−1(11) 同样,把满足式(10)和式(11)的 x ( n ) x(n) x(n)和 X ( k ) X(k) X(k)称为离散傅里叶变换(DFT)对,简记为 x ( n ) ↔ D F T X ( k ) x(n)\overset{DFT}{\leftrightarrow}X(k) x(n)↔DFTX(k) 只要从DFS变换对截取序列的主值,就构成了DFT变换对。但是它们在本质意义上还是有区别的,DFS是按傅里叶分析严格定义的,而DFT是一种”借用“的形式,因为我们知道,有限长序列 x ( n ) x(n) x(n)是非周期性的,故它的傅里叶变换是连续的、周期性的,现在,我们人为地把 x ( n ) x(n) x(n)按周期延拓成离散的、周期性的序列 x p ( n ) x_p(n) xp(n),得到离散的、周期性的频率函数 X p ( k Ω 0 ) X_p(k\Omega_0) Xp(kΩ0),然后利用 x ( n ) x(n) x(n)是 x p ( n ) x_p(n) xp(n)的主值序列,借用取主值的方法,得出DFT的定义,这样处理的结果相当于把原来 x ( n ) x(n) x(n)的连续的、周期性的频谱离散化了。事实上,我们完全可以从非周期性序列的傅里叶变换DTFT出发,按采样间隔 Ω 0 = 2 π N \Omega_0=\frac{2\pi}{N} Ω0=N2π实现原连续频域函数 X ( Ω ) X(\Omega) X(Ω)离散化,来得到离散傅里叶变换DFT。 |
CopyRight 2018-2019 实验室设备网 版权所有 |