离散傅里叶变换(DFT)的推导及C语言实现

1、傅里叶变换(FT)

傅里叶变换(连续时间傅里叶变换)是该部分内容的理论基础,回顾一下:

傅里叶变换:

        F(\omega ) = \int_{-\infty }^{+\infty}f(t)e^{-j\omega t}dt

傅里叶逆变换:

        f(t ) = \frac{1}{2\pi }\int_{-\infty }^{+\infty}F(\omega )e^{j\omega t}d\omega

以上是连续时间傅里叶变换,但计算机只能处理离散的数据。因此有了离散傅里叶变换(DFT),下面进行详细推导。


2、离散傅里叶变换(DFT)

2.1 采样和离散时间傅里叶变换(DTFT)

使用采样可将连续域上的数据离散化。信号学科里面使用冲激序列串来对连续信号采样。

有信号f(t),现对其采样。若采样频率为 f_{s},则采样间隔 T_{s} = \frac{1}{f_{s}} ,用以采样的冲激序列串定义为:

        \delta_{s}(t) = \sum_{n=-\infty}^{+\infty}\delta(t-nT_{s})

因此采样后的信号为:

        f_{s}(t)=\sum_{n=-\infty}^{+\infty}f(t)\delta(t-nT_{s})

此时将采样后信号 f_{s}(t) 代入傅里叶变换公式:

        F_s(\omega ) = \int_{-\infty }^{+\infty}\left [ \sum_{n=-\infty}^{+\infty}f(t)\delta(t-nT_{s}) \right ]e^{-j\omega t}dt

交换积分与求和次序:

        F_s(\omega ) = \sum_{n=-\infty}^{+\infty}\int_{-\infty }^{+\infty}f(t)\delta(t-nT_{s})e^{-j\omega t}dt

由 \delta (t) 函数的筛选性 \int_{-\infty}^{+\infty}x(t)\delta (t-t_0{})dt=x(t_0),将上式中 f(t)e^{-j\omega t} 看成x(t), 得到离散时间傅里叶变换(DTFT)

        F_s(\omega ) = \sum_{n=-\infty}^{+\infty}f(nT_{s})e^{-j\omega nT_s}

因为 nT_{s} 表示采样的时间点,所以可令 k = nT_{s},因此离散时间傅里叶变换的更一般形式为:

        F_s(\omega ) = \sum_{k=-\infty}^{+\infty}f(k)e^{-j\omega k}


2.2 离散傅里叶变换(DFT)

2.1中通过采样使得信号在时域离散化,但并不能保证其频域也离散化,同样不利于计算机处理。

由性质:时域离散,频域周期化;频域离散,时域周期化。因此若想让信号在频域也离散,则需要该信号在时域上为周期信号。

但原信号不一定为周期信号。解决方式是周期延拓:截取原无限长信号的N个采样点,假设:

N个采样点为原信号的一个周期;

  离散傅里叶变换(DFT)的推导及C语言实现_第1张图片

② N个采样点外为该N点的周期延拓。

 离散傅里叶变换(DFT)的推导及C语言实现_第2张图片

这样原先的离散非周期信号就变成离散周期信号,因此频域得以离散化。

在上述周期延拓的基础上,假设采样间隔为 T_{s} ,则N个采样点的采样周期 T_{0}=NT_{s},从连续信号f(t)中截取的N个采样点的信号可表示为:

        x(t) = \sum_{n=0}^{N-1}f(t)\delta (t-nT_s)

因为周期延拓,x(t)为是周期信号,周期函数的傅里叶级数为:​ 

        F(k\omega)=\frac{1}{T}\int_{0}^{T}f(t)e^{-jk\omega t}dt 

x(t)代入其中,得:

        X(k\omega)=\frac{1}{T_0}\int_{0}^{T_0}\left [ \sum_{n=0}^{N-1}f(t)\delta (t-nT_s) \right ]e^{-jk\omega_{}t}dt

交换积分与求和次序:

        X(k\omega)=\frac{1}{T_0}\sum_{n=0}^{N-1}\int_{0}^{T_0} f(t)\delta (t-nT_s) e^{-jk\omega_{}t}dt

同理,由 \delta (t) 函数的筛选性,上式变为:

        X(k\omega)=\frac{1}{T_0}\sum_{n=0}^{N-1}f(nT_s)e^{-jk\omega nT_s}

因为T_{0}=NT_{s}\omega =\frac{2\pi }{T0}=\frac{2\pi }{NT_{s}},代入上式:

        X(k\omega)=\frac{1}{NT_{s}}\sum_{n=0}^{N-1}f(nT_s)e^{-j\frac{2\pi }{N} kn}

x[n]=f(nT_s)X(k\omega)T_s=X[k],得离散傅里叶变换(DFT)的表达式为:

        X[k]=\sum_{n=0}^{N-1}x[n]e^{-j\frac{2\pi }{N} kn},  0\leq k< N 且 k\in Z

离散傅里叶逆变换(IDFT)的表达式为:

        x[n]=\frac{1}{N}\sum_{n=0}^{N-1}X[k]e^{j\frac{2\pi }{N} kn}

注意:为了满足正逆变换的自洽,\frac{1}{N}放在正逆变换其中之一前就可以,通常放在逆变换前。

补充:令W_{N}^{kn}=e^{-j\frac{2\pi }{N} kn},则:

        X[k]=\sum_{n=0}^{N-1}x[n]W_{N}^{kn}


2.3 离散傅里叶变换(DFT)的C语言实现

根据上述推导出的公式,很容易编码实现。如下:

#include 
#include 
#include 

#define PI 3.141593

double realComput(double xn[], int ndft, int k);
double imageComput(double xn[], int ndft, int k);

typedef struct {
	double real;
	double image;
} Complex;

Complex* dft(double x[], int ndft) {
	Complex* dftRes = (Complex*)malloc(ndft * sizeof(Complex));
	if (dftRes == NULL) {
		return;
	}

	for (int i = 0; i < ndft; ++i) {
		dftRes[i].real = realComput(x, ndft, i);
		dftRes[i].image = imageComput(x, ndft, i);
		// printf("%lf + %lfi\n", dftRes[i].real, dftRes[i].image);
	}
	return dftRes;
}

double realComput(double xn[], int ndft, int k) {
	double realPart = 0;
	for (int i = 0; i < ndft; ++i) {
		realPart += xn[i] * cos(2 * PI / ndft * k * i);
	}
	return realPart;
}

double imageComput(double xn[], int ndft, int k) {
	double imagePart = 0;
	for (int i = 0; i < ndft; ++i) {
		imagePart -= xn[i] * sin(2 * PI / ndft * k * i);
	}
	return imagePart;
}

double* ampSpectrum(Complex* dftRes, int ndft) {
	double* amp = (double*)malloc(sizeof(double) * ndft);
	if (amp == NULL) {
		return;
	}
	for (int i = 0; i < ndft; ++i) {
		amp[i] = sqrt(dftRes[i].real * dftRes[i].real+ dftRes[i].image* dftRes[i].image);
	}
	return amp;
}

double* phaseSpectrum(Complex* dftRes, int ndft) {
	double* phase = (double*)malloc(sizeof(double) * ndft);
	if (phase == NULL) {
		return;
	}
	for (int i = 0; i < ndft; ++i) {
		phase[i] = atan2(dftRes[i].image, dftRes[i].real);
	}
	return phase;
}

void testDFT() {
	double xn[] = { 1, 2, 3, 4, 6, 41, 0, 855, 954, -1 };
	int ndft = sizeof(xn) / sizeof(double);
	Complex* dftRes = dft(xn, ndft);

	double* ampRes = ampSpectrum(dftRes, ndft);
	double* phaRes = phaseSpectrum(dftRes, ndft);

	for (int i = 0; i < ndft; ++i) {
		printf("%lf + %lfi\n", dftRes[i].real, dftRes[i].image);
	}
	printf("\n");

	for (int i = 0; i < ndft; ++i) {
		printf("%lf, ", ampRes[i]);
	}
	printf("\n");

	for (int i = 0; i < ndft; ++i) {
		printf("%lf, ", phaRes[i]);
	}
	printf("\n");

	free(dftRes);
	free(ampRes);
	free(phaRes);
}

int main() {
	testDFT();
	return 0;
}

运行结果:

离散傅里叶变换(DFT)的推导及C语言实现_第3张图片

暂未发现问题。

你可能感兴趣的:(傅里叶分析,傅里叶变换,离散傅里叶变换,DFT)