离散傅里叶级数与离散傅里叶变换

1.离散时间周期信号: 

x[n]=x[n+N];(1)

基波周期:使(1)成立的最小正整数N;

基波频率:\omega_{0}=2\pi /N;(2)

2.复指数信号:

\phi (t)=e^{jk\omega _{0}t};k=0,\pm 1,\pm 2,...(3)

其共轭信号为:

\phi (t)=e^{-jk\omega _{0}t};k=0,\pm 1,\pm 2,...(4)

补充:复指数信号为复数域上的信号,物理层面上不存在与之对应的信号,因此在现实世界常与其共轭信号一起出现使用(如式5)。

e^{jk\omega _{0}t}+e^{-jk\omega _{0}t} =cos(k\omega _{0}t)+jsin(k\omega _{0}t)+cos(-k\omega _{0}t)+jsin(-k\omega _{0}t) =2cos(k\omega _{0}t);(5)

离散复指数信号:

将式3中t替换成n得

\phi _{k}[n]=e^{jk\omega _{0}n};k=0,\pm 1,\pm 2,...(6)

补充:对于以k为变参数、n为自变量的一组离散复指数信号,由定义可知当\omega _{0}=2\pi /N时,\phi _{k+iN}[n]=e^{j(k+iN)\frac{2\pi }{N}n}=e^{jk\frac{2\pi }{N}n}=\phi _{k}[n];因此此时k只需要取[0,N-1]即能包含该组所有离散复指数信号(当然也可以取[3,N+2]等等)。

3.离散傅里叶级数:

考虑用一组离散复指数信号合成一离散时间周期信号,形式如下:

x[n]=\sum_{k}^{}a_{k}\phi _{k}[n]=\sum_{k}^{}a_{k}e^{jk\frac{2\pi }{N}n};(7)

又考虑到k只需要取[0,N-1],因此也可以表示为N项求和的形式,如下:

x[n]=\sum_{k=<N>}^{}a_{k}\phi _{k}[n]=\sum_{k=<N>}^{}a_{k}e^{jk\frac{2\pi }{N}n};(8)

下面求解每一项的系数a_{k}

由式8可得线性方程组:

x[0]=\sum_{k=<N>}^{}a_{k};(9)

x[1]=\sum_{k=<N>}^{}a_{k}e^{jk\frac{2\pi }{N}};(10)

......

x[N-1]=\sum_{k=<N>}^{}a_{k}e^{jk\frac{2\pi }{N}(N-1)};(11)

其为一线性独立的线性方程组,对于比较简单的离散信号,可通过解该方程组求得a_{k}

下面给出上述方程组的通解求解思路:

需知道如下公式:

\sum_{k=<N>}^{}e^{jk\frac{2\pi }{N}n}=\left\{\begin{matrix} N,k=0,\pm N,\pm 2N,...\\ 0, \end{matrix}\right.;(12)

(该式可由复数的几何求和法证明)

对于求某一a_{k},将上述线性方程组每行左右乘以x[n]对应的e^{-jk\frac{2\pi }{N}n}(k,n为已知)后N行求和可得:

\sum_{n=<N>}^{}x[n]e^{-jk\frac{2\pi }{N}n}=0\times a_{\neq k}+Na_{k};(13)

最终可得:

a_{k}=\frac{1}{N}\sum_{n=<N>}^{}x[n]e^{-jk\frac{2\pi }{N}n};(14)

式8和14即为离散傅里叶级数对。

补充:由于离散时间周期信号为实数域上的信号,因此可知a_{-k}=a_{k}^{*};也即a_{N-k}=a_{k}^{*},在频域的幅值特征上体现为局部对称,这一性质将在离散傅里叶变换的实际应用中进一步体现。

4.离散傅里叶变换:

对于非离散周期信号,可以将其视为N为无穷大的周期信号进行分析:

此时可记\omega =\lim_{N\rightarrow \infty }k\frac{2\pi }{N},k=0,\pm 1,\pm 2,...(15)

又由\lim_{N\rightarrow \infty }\frac{1}{N}=\lim_{\omega _{0}\rightarrow0 }\frac{\omega_{0} }{2\pi }=\frac{d\omega }{2\pi };(16)

代入式8和14得

x[n]=\lim_{N\rightarrow \infty }\sum_{k=<N>}^{}a_{k}e^{jk\frac{2\pi }{N}n}=\lim_{N\rightarrow \infty }\sum_{k=<N>}^{}\frac{1}{N}(\sum_{n=<N>}^{}x[n]e^{-jk\frac{2\pi }{N}n})e^{jk\frac{2\pi }{N}n}=\frac{1}{2\pi }\int_{2\pi }^{}(\sum_{n=\infty }^{}x[n]e^{-jwn})e^{jwn}d\omega ;(17)

若记X(e^{j\omega })为离散傅里叶变换,

则由式17可得离散傅里叶变换对:

x[n]=\frac{1}{2\pi }\int_{2\pi }^{}X(e^{j\omega })e^{jwn}d\omega ;(18)

X(e^{j\omega })=\sum_{n=\infty }^{}x[n]e^{-jwn} ;(19)

补充:式17中积分区间为2\pi而非无穷大,因为积分上限为k*dw|_{k=N}=\lim_{N\rightarrow \infty }N*\frac{2\pi }{N}。也可理解为由于其为离散信号,因此\frac{2\pi }{\omega }<1的部分频率细节丢失,因此会复现[0,2\pi ]的频率信息,频域上整体呈现周期特征,但该部分频率特征并没有实际的应用价值。

5.离散傅里叶级数和离散傅里叶变换间的联系:

       离散傅里叶级数更适用于计算离散时间周期信号,离散傅里叶变换则是为了分析一些离散非周期信号。在实际应用中,为了避免计算积分,也可对离散非周期信号两边进行处理,将其看成周期信号,然后使用傅里叶级数的方法进行分析。

       同时离散傅里叶级数也可以看成离散傅里叶级数的特殊情况。在使用傅里叶变换处理离散时间周期信号时,可完全按照傅里叶变换的公式进行计算,不同的是会引入冲击函数。在此补充一个重要积分:

\int_{-\infty }^{+\infty }e^{\pm jwt}dt=2\pi \sigma (w);(20)

关于傅里叶变换还有很多性质,在此不一一赘述,其本质上均是傅里叶运算法则的性质,参考其基本概念将更加便于理解并更好的应用于工程中去。

你可能感兴趣的:(硬件工程)