数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)

DTFT与DFT、DFS的详细讲解以及FFT算法

  • DTFT与DFT、DFS的区别在哪里呢?
  • 离散傅里叶级数DFS
  • 离散傅里叶变换DFT
  • 有限长序列的线性卷积和循环卷积
  • 利用DFT做连续信号的频谱分析
  • 对截短的信号做DFT,这一过程中会遇到的一些问题
    • 混叠
    • 泄漏
    • 栅栏效应
    • DFT的分辨率
  • 傅里叶变换的快速算法FFT(按时间抽取,以2为基数的)

DTFT与DFT、DFS的区别在哪里呢?

DFT是对DTFT的一个离散化
下面这个网址对DTFT与DFT有很好的解释
https://www.zhihu.com/question/23137926?sort=created
链接: link.
总结:根据前面的学习,对一些信号采样然后进行DTFT之后,得到的信号在频域上还是连续的(也就是对于我们归一化之后的角频率w还是连续的,是以2pi为周期的,以pi为对称中心),这样对于计算机来说还是没有办法处理的,所以再在频域内对其采样,采样之后的得到的就是DFT。
DFS是对于时域是离散的周期信号来说的,DFS与DFT的区别就是相对于我们之前时域连续信号中的傅里叶级数与傅里叶变换

离散傅里叶级数DFS

一个周期为N的周期序列,即x(n)=x(n+kN),k为任意整数,N为周期
**周期序列不能进行Z变换,因为其在负无穷到正无穷都周而复始永不衰减,即Z平面上没有收敛域。**但是正象连续时间周期信号可用傅氏级数表示,周期序列也可用离散的傅里叶级数来表示,也即用周期为N的正弦序列及其谐波来表示。
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第1张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第2张图片
DFS的主要特性:
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第3张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第4张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第5张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第6张图片

离散傅里叶变换DFT

周期序列实际上只有有限个序列值有意义,因此他的许多特征可推广到有限常序列上。
周期序列的主值区间与主值序列:
对于周期序列x(n),定义其第一个周期n=0~N-1,为x(n)的主值区间,主值区间上的序列为主值序列

有限长序列的线性卷积和循环卷积

线性卷积:
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第7张图片
循环卷积:要求两个序列的长度是相同的,如果不相同则在两个序列后面加上0补齐,在添0之后两个序列的长度应该均为N+M-1
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第8张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第9张图片
其中f(n)就是线性卷积,也就是说x(n)、y(n)周期延拓后的周期卷积,是x(n)、y(n)线性卷积的周期延拓,周期为L。

利用DFT做连续信号的频谱分析

利用DFT做连续信号的频谱分析:从图中可以看出这是一次次的近似过程
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第10张图片

对截短的信号做DFT,这一过程中会遇到的一些问题

混叠

对来纳许信号Xa(t)进行信号处理前,要进行采样:采样序列的频谱是被采样模拟信号频谱的周期延拓,当采样频率不满足奈奎斯特采样定理时,就会发生频谱的混叠,使得采样后的序列信号的频谱不能真实的反应原信号的频谱。
在这里插入图片描述

泄漏

处理实际信号序列x(n)时,一般总要将它阶段为一有限长序列,长为N点,相当于乘以一个矩形窗w(n)=RN(N).矩形窗函数,其频谱有主瓣(在频谱图上就是最中间那个面积为正,面积的最大的那个部分),也有许多副瓣(旁瓣,旁边那两个面积为负的部分),窗口越大,主瓣越窄,当窗口趋于无穷大时,就是一个冲击函数。
根据理论分析,一个时间有限的信号其频带宽度为无限,一个时间无限的信号其频带宽度则为有限。对一个时间无限的信号虽然信号的频带有限,但是在实际DFT运算中,时间长度总是取有限值,在将信号截短过程中,出现了分散的扩展谱线的现象,称为频谱泄露或功率泄漏。
信号截短,相当于将信号x(n)乘以一宽度为N的矩形函数,截短后的信号频谱是原有信号的频谱与矩形序列的频率响应卷积的结果,在矩形函数频谱的作用下,使得截断后的信号出现了较大的波动和频谱扩展,即产生了频谱泄露或功率泄漏的现象,给频谱分析带来了误差,截短的长度N增加,泄漏误差就越小,否则泄露误差就增大。

栅栏效应

DFT是对单位圆上Z变换的均匀采样,所以它不可能将频谱视为一个连续的函数,从某种意义上讲,用DFT观察频谱就如同通过一个栅栏来观看景色一样,只能在离散点上看到真实的频谱,这样一些频谱的峰点或谷点就可能被“尖桩的栅栏”挡住,也就是正好落在两个离散采样点之间,不能被观察到。
减少栅栏效应的一个方法就是在原序列的末端补一些0值,从而变动DFT的点数,这一方法实际上是人为地改变了对真实频谱采样地点数和位置,相当于搬动了尖端栅栏地位置,从而使频谱地峰点和谷点暴露出来

DFT的分辨率

数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第11张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第12张图片

傅里叶变换的快速算法FFT(按时间抽取,以2为基数的)

一个偶数的N点的DFT,可以将它分为两部分,可以将他分为两部分一部分是偶数项,一部分是奇数项,分别做N/2点的DFT,然后再通过蝶形运算把它复合起来,得到前一半的DFT结果和后一半的DFT结果,这样就把一个N点的DFT化成了两个N/2点的DFT。
N是2的M次方,所以可以一直分知道分为只有两个
具体的可以看书 数字信号处理吴镇杨的2.3.1
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第13张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第14张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第15张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第16张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第17张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第18张图片
数字信号处理(DTFT与DFT、DFS的详细讲解以及FFT算法)_第19张图片
特点:
1.蝶形:具有M列蝶形,每一列应该有N/2个蝶形,所以总共有MN/2个蝶形。
每一个蝶形相当于只有一个乘法,两个加法,所以总的乘法运算量为N/2
M,总的加法的运算量为M*N个
2.原位计算:根据DFT我们要计算一个x(k)=n从0到N的x(n)*w,也就是计算一个x(k),要和其他的所有x(n)都有关系,而使用FFT,则在计算完一次之后就可以把原来的数据抛弃了。
3.乱序:看上面那个按时间抽取的8点FFT,可以看到他的顺序就乱了,因为他要分奇偶,连续分奇偶之后顺序就乱了。
但是可以发现一个神奇的地方就是我们把这个顺序按二进制写出来以后,然后再以中间那位为中心进行反转,得到的就是按顺序排列的二进制数
4.蝶形的规律
每个蝶形的取数间隔是2的i-1次方,其中i指的是第i列,加权因子的个数也是随着蝶形的增加随之增加。

你可能感兴趣的:(DTFT,fft,数字信号处理,fft,dfs,dtft)