Professional Documents
Culture Documents
DSP3 信号的傅里叶变换
DSP3 信号的傅里叶变换
DSP3 信号的傅里叶变换
换 与傅
3.1 连续信号的傅里叶变换 ; 处立
3.2 理叶
离散信号的傅里叶变换( DTFT );
3.3 抽样定理;
的 变
基换
3.4 离散傅里叶级数( DFS );
本是
3.5 离散傅里叶变换( DFT ); 工信
3.6 用 DFT 计算线性卷积; 具号
3.7 与 DFT 有关的几个问题; 分
3.8 二维傅里叶变换
析
傅立叶变换的几种可能形式
傅立叶变换:以时间为自变量的“信
号”与以频率为自变量的“频谱”函
数之间的一种变换关系
当自变量“时间”和“频率”取连续
或离散值、周期或非周期值时,就形
成不同形式的傅立叶变换对
2
3.1 连续信号的傅立叶变换
1. 连续周期信号的傅立叶变换(傅立叶级数)
3
Dirichlet 条件(充分而不必要)
—— 连续周期信号可展成 Fourier 级数的条
件
任一周期内间断点数目有限
任一周期内极值点数目有限
任一周期内绝对可积,
不满足 Dirichlet
4
FS 傅立叶系数
=< 信号 , 复正弦 > 内积
= 信号在不同频率复正弦
基向量上的投影
T
0
2 2 T
t
k 6
2. 连续非周期信号的傅立叶变换:
FT
——Dirichlet 条件
(从一个周期扩展到无穷区间, L 7
8
x(t )
A
对比
T
0
2 2 T
t
k0
A x (t )
t
0
2 2
9
FT 和 FS 的区别
1. 连续
离散
2. 密度
强度(幅度)
3. 对于非周期信号 对于周期信号
4. 整个区间 一个周期 10
FT 与 FS 的量纲
若 x(t ) 是非周期信号,可以认为:
11
12
有
0 0 频
谱
密
度
13
Parseval 关系(定理)
14
FT 存在的条件:
说法 2 : x(t ) L2
因为 2
Ex x(t ) dt [ x(t ) dt ]2
15
2
因为 Ex x (t ) dt [ 2
x (t ) dt ]
在经典数学的意义上是不可实现
的,
但在引入了奇异函数后可以实现。
17
周期信号
FS
(正交性)
线谱:
无穷小频谱范围,
无穷大频谱密度
18
总结
信号 FT
(时域) (频域)
连续 非周期
周期 离散
连续 非周期
非周期 连续
19
例:令 x (t ) cos(2 f 0t )
求其傅立叶变换。
2
因为: x(t ) dt 所以,严格
意义上的傅立
叶变换不存在,可将其展开为傅立叶级数:
现利用 x(t )将
函数 作
傅立叶变换:
20
dt [e
j t j ( 0 ) t j ( 0 ) t
x(t )e e ]dt
( 0 ) ( 0 )
X (k 0 )
FS
1/ 2 1/ 2
线 1 0 1
k 0
X ( j)
谱 FT
0 0 0
21
时域冲激串的 FT
—— 频域冲激串
22
23
(二)特点
1. x (n) 是离散的,所以变换需要求和;
2. X ( e j
) 是 的连续函数;
是 2
j
3. X ( e ) 的周期函数,周期为
;
24
以矩形脉冲为例 :
时域的离散造成频域的周期延拓
时域的非周期性对应频域的连续性
X(ejω)
x(nT)T S
t -ΩS ΩS Ω
0
注意:若在频域引入冲激函数,
非绝对可和序列的 DTFT 也可能存在
26
27
6. DTFT 是 z z
在单位圆上取值时的
变换
7. 物理意义上, 表示序列的频谱密度
函数,简称频谱, 为数字域频率 ( 单位 rad)
8. 由 x ( n)
可以得到
的幅度谱、相位谱及能量谱,从而实
现离散信号的频频分析
28
9. 反变换
29
四种傅立叶变
换:
1. 连续非周期 连续非周期 () FT
2. 连续周期 离散非周期 () FS
3. 离散非周期 连续周期( ) DTFT
4. 离散周期 离散周期 DFS
切实理解四种 FT 之间的对应关系
30
四种傅立叶变换
31
32
33
3. 奇偶、虚实对称
性
虚实部、幅度谱、相位谱,
都是以 为周期的 的连续函数
34
35
36
( 2 ) DTFT 的对称性
37
( 3 )如果 x(n) 是实信号,
即
共轭对称!
• 因此描述实信号频谱分布时可以只需考虑
半个周期数字频率 的范围
38
39
序列傅里叶变换的对称性质
40
4. 时域卷积定理
如果
则:
5. 如果
则:
频域卷积定理!(序列乘积定理 )
41
6. 时域相关定理
互相关:
DTFT
自相关:
能量谱
自相关函数的 DTFT 始终是 的实
42
7. Parseval 定理(能量守恒定理)
2
2
E x x (n) x , x x 2
n
43
j
E x (e )
1 2
2
j
x ( n) X (e ) d
n 2
注意: 上述关系只对能量信号成立
44
45
8. Wiener—Khinchin 定理
对功率信号,其自相关函数定义为:
46
定理: j 2
X 2 N (e )
m
rx (m)e j m
lim
N 2N 1
Px (e j )
1
j
Px Px (e )d
2
47
说明:
P
1. x ( e j
) 在 ~ 内的积分等
j j
于信号的功率,所以称 Px (e ) Ex 为功
(e )
率谱,同理, 为能量谱;
2. Px (e ) 始终是
j
的实函数;
3. 相关函数和功率谱是随机信号分析与处
理的主要工具,它们都需要靠“估计”得
到,这就形成了丰富的“估值理论”。
48
4. j
Px (e ) r (m)ex
j m
m
思考:由功率谱是否可以得到原信号
49
3.2.4 典型序列的 DTFT
幅频?相频?
线性相位
时域实偶,频域偶实
50
例
3.2.3:
1
X ( z) 1
1 az
低通 a>0 a<0
高
通
51
52
基本序列的傅里叶变换
53
作业
P147
T3.1(3)
T3.10
54
(四)应用
例 1 :矩形 1
d (n)
n 0,1,, N 1
窗 0 n为其他值
j N
N 1
1 e
D(e ) e
j j n
j
n 0 1 e
j ( N 1) / 2 sin( N / 2)
e
sin( / 2)
j ( )
e Dg ( ) 线性相位
55
频谱是 ω 的连续周期函数,周期为 2π
D D
d(n) 为实序列,幅频偶对称,相位奇对称
N=5
56
57
2
sin c 函数
N
6
N
4 k
2
2
2
0
k
-2
-0.5 -0.4 -0.3 -0.2 -0.1 0
(a) N=6
0.1 0.2 0.3 0.4 0.5 N
20
15
过零点
10
0
N 越
-5
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
大,主瓣
(b) N=18
越窄 58
xN ( n) x ( n) d ( n)
例 2. 信号截短:
j j j
X N ( e ) X (e ) * D (e )
注意:所有有限长的信号都可看作一
无限长的信号和一矩形窗相乘
的结果。关键是对频
域的影响
令: x(n) cos( 0 n)
则: X (e j ) 是周期的线谱,与 D(e j )
卷积后,频谱将发生失真,影响
其分辨率 (Resolution)
59
两个线谱和 sin c 函数的卷
积:
f1 0.226
f 2 0.274 f1 f2
8
N 31 2
0
0 0.1 0.2 0.3 0.4 0.5
30
20
10
N 51
0
0 0.1 0.2 0.3 0.4 0.5
60
窗函数频谱:
• 最大峰值左、右第一个过零点之间距离称主瓣
• 主瓣外第一个峰值称为(第一)边瓣
• 主瓣的宽度越小越好,边瓣幅度越小越好
•若想分辨出1 , 2 两个谱峰,数据长
度: 4 4 是矩形窗
1 2 ,
N N 主瓣宽度
61
加窗影响
影响 频率分辨率
频谱泄漏:
– 原频谱为 0 处,加窗后不再为 0
– 边瓣越大,衰减越慢,泄漏越严重
62
3.3 连续时间信号的抽样
3.3.1 抽样定理
63
抽样过程方框图
抽样脉冲
p (t)
连续信号经抽样变成抽样信号,再经量化、编
码变成数字信号;数字信号经传输,然后进行
上述过程的逆变换就可恢复出原连续信号
基于上述原理构成的数字通信系统在
很多性能上都要比模拟通信系统优越 64
65
信号抽样的数学模型:
请 p (t ) (t kT )
k
s
掌 FT
握 2
公 P ( j)
Ts
( k )
s
式 ∧
k
的 x(n) xa (t ) p (t )
推 FT 的性质
导
!
66
67
1
j
X (e )
Ts
X
k
a ( j jk s ) / Ts
时域离散 周期延拓,无穷迭加
↓↓
频域周期
迭加
后可
能产
X (e j )
生的
影响
68
j ( ~ ) X a ( j) 相等
若保证 X (e )
则 x ( n) x(t ) 全部信息
保
留
要求:
或 fs 2 fc
即:抽样频率 f s 至少要等于信号最
fc
高频率 的两倍。此即抽样定理。
70
采样周期变化对频谱的影响
1) 当 Ωs 2 Ω c 时, Xs(ej) 是
再现,幅值为原值的 1/Ts
2) 当 Ω s<2 Ω c 时, Xs(ej)
如何保证 fs 2 fc
1. 做频谱分析,了解 X a ( j)
2. 使用抗混迭滤波器,限制 X a ( j)
的范围。
x(t ) x ( n)
H a ( s) A/ D
f s :抽样频率;
f s / 2 :折迭频率 72
3.3.2 如何由 x(n) x(t出
重建 )
j
在满足抽样定理的情况下,X ( e ) 一个
周期 X a ( j)
即等于 ,因此,可截取 73
H ( j) Ts s / 2 其余为零
sin( s t / 2)
h(t ) , sin c
( s t / 2)
j
X a ( j) X (e ) H ( j) | Ts 时域卷积
插值公式 插值
权
函数
sin[ (t nTs ) / Ts ]
xa (t ) x(nTs )
n (t nTs ) / Ts
74
3.4 离散傅立叶级数( DF
S ) ( Discrete Fourier Series )
x (n) x ( n N ) 周期序列
• 周期序列不能进行 Z 变换,因为其在 n=-
到 + 都周而复始永不衰减,即 z 平面上没有收敛
域
• 亦不能 DTFT ,要寻求其它的频域表示方式
• 正像连续时间周期信号可用傅氏级数表达,
周期序列也可用离散的傅氏级数来表示,也即用
75
周期为 N 的正弦序列来表示
76
FS: x (t ) X ( k )e
0
jk 0t
连续、周期
k 离散、非周期
k
2
j nk
X (k 0 )e N
X (k 0 ) 离散、周期
周期: s 2 / Ts 2 N / T N 0
由抽样定理,
求和范围:一个周期!
78
即: x (nTs ) N
是周期的,周期是 Ts ,
间隔是
X (k 0 ) N
是周期的,周期是 0
,间隔是
所以,各取一个周期,有:
N 1 2
j nk
X ( k ) x ( n )e N
k ~
n 0
2
此即 DFS!
1 N 1 j nk
x ( n ) X ( k )e N
n ~
○N k 0(定标因子)
• 定义 n=0 到 N-1 的周期区间为 的主值区
间
• 主值区间内的 N 个样本值组成的有限长序列 79
80
例 已知一余弦离散时间信号
,分别求出当( 1 ) 及
(2) 时,该序列的 DFS 。
解 ( 1 )若 ,则
是无理数,所以该正弦序列不是周期序
列,因而不能展开为傅里叶级数。
(2) ,序列是周期为 N=6 的
周期序列,信号可写为
81
5
~
所以 X (k ) DFS[ ~
x (n)] ~ k
kn
x (n)W6
,
n 0 2
WN exp( j )
N
序列的频谱的一个周期为
~ ~ ~ ~
X (0) X (2) X (3) X (4) 0
~ ~
X (1) X (5) 3
… … …
-1 0 1 5 0 1 2 3 4 5 6
82
83
例 设 {··· , 0 , 1 , 2 , 3 , 0 , 1 , 2 , 3 , ···}
是一个以 N= 4 为周期的周期序列,求离散傅里叶级数
解:
但 DFT 并不是“第五种”傅立叶变
换! 86
●
将有限长序列 延拓成周
期序列
●
离散傅立叶变换隐含着周期性
- DFS 和有限长序列的 DFT 在本质上没有区别
- 前者是后者的周期延拓。后者是前者取主值的结果
87
3.5 离散傅立叶变换( DF
T )(Discrete Fourier Transform)
分析式
N 1
X (k ) x(n)WN ,
nk j 2 / N
WN e W 因子
n 0
N 点 DFT 的变换
综合式 1 N 1
核
X (k )W
nk
x ( n) N n, k 0,1, , N 1
N k 0
DFT 变换对左右两边都是离散的,有限长,
可方便地实现频谱分析。注意它们均来自
DFS, 即 x(n) X (k )和 都是隐
含周期的! 88
称旋转因子(W 因子) WNm 1
( a )对称性:
( b )周期性: , 为整数
( c )换底:当 为整数时,
有
( d )几个特殊值:
N j 2 N /2 j
W e
N 1, W
N e 1
WNN / 4 j, WN3 N / 4 j, WNN / 2 r WNN / 2WNr WNr
89
90
N
N
经过截断、抽样和延拓,信号时域和频域都是离散、周期的
94
DFT
的
图
形 ○
ωs=2π
解
释
95
Z 变换、 DTFT 、 DFT 的取值范
围
96
x(n), n 0,1, , N 1
j
N 1
z e , or
X (e ) x (n)e
j j n
n 0 r 1
N 1 2
j nk
X ( k ) x ( n )e N
2
k
n0 N
比较三
个式子
97
单位圆上的 ZT 就是 DTFT
序列 x(n) 的 N 点 DFT 相当于在 x(n)
的 z 变换的单位圆上进行 N 点等间隔
取样,第一个取样点应取在 z= 1 处
X(k) 是 x(n) 的 DTFT X(e jω) 在一个周
期 [0, 2π] 上的 N 点等间隔取样
N N 1
1 z X (k )
X ( z)
N
1 e
k 0
j 2 k / N
z 1
98
DTFT
99
N
100
DFT 的性质:
1. 线性
设 x1(n) 和 x2(n) 长度分别为 N1 和 N2 ,
取 N ≥ max[N1 , N2] ,则
0≤k≤ N - 1
注意:如果 N1 和 N2 不相等,则以 N 为
DFT 变换长度时,其中相对较短的序列就
通过补零增加到长度为 N 101
2. 正交性 W 0
W0 W0 W0
0
W W1 W 2
W N 1
W N [W nk ] W 0 W2 W4 W 2( N _1)
0 ( N 1)( N 1)
W W N 1 W 2( N 1)
W
正交阵
核函数的正交性
1 1 1
X WN x, WN WN , x WN X
N 102
4*4 的 DFT 矩阵:对称阵,正交阵( N=
4)
103
3. 循环移位(圆周移位)
有限长序列 x(n) 的圆周移位:以它的长度 N 为
周期,延拓成周期序列 ,并将周期序列
进行移位,然后取主值区间( n=0 到 N-1 )上
的序列值。
• 时域循环移位定理
km
DFT[ x(n m)] W X (k )
km
DFT[ x(n m)] W X (k ) 104
x (n)
N
x (n 2)
105
N 1 2
j nk
X (k ) x (n m)e N
, let : n m r
n 0
N 1 m 2
j ( r m ) k
r m
x ( r )e N
2 2
N 1 j rk N 1 m j rk
x ( r )e
mk
W N
N
x ( r )e N
r m rN
WN mk X (k )
N 1 2 N 1 m 2 N 1 2
j rk j rk j rk
x ( r )e
r m
N
r N
x ( r )e N
x ( r )e
r 0
N
106
107
4. 奇、偶、虚、实对称性质
DFT 的反褶(新解释):
先把有限长序列周期延拓,再作相应反褶,最后
取主值区间的序列作为最终结果。 x(-n)=x(N-n)
反褶(时间翻转性)和共轭性(反转定理)
时域 频域 公式
反褶 反褶 DFT[x(-n)]=X(-k)
* *
共轭 共轭+反褶 DFT[x (n)]=X (-k)
共轭+反褶 共轭 DFT[x*(-n)]=X*(k)
108
109
x ( n) 为实序列:
X (k ) X (k ) X ( N k ) 共轭对称
X R (k ) X R (k ) X R ( N k )
X I (k ) X I (k ) X I ( N k )
X (k ) X ( N k )
arg X (k ) arg X ( k )
110
111
———— 虚、实部均 偶对称————
———— 虚、实部均 奇对称————
112
例:试利用 DFT 的对称特性求 和 的 DFT 。
解:设
因为
所以
113
而因为
所以
114
5. Parseval’s 定理
2 2
N 1
1 N 1
n0
x ( n)
N
X (k )
k 0
形式不同
反映了信号在一个域及其变换域中的
能量守恒原理
115
两个序列的 Parseval 定理( P149, T3.18 )
证明:
若 y(n)=x(n), 则
即
116
6. 循环卷积(圆卷积)
x(n), h(n) 都是 N 点序列
线性卷积
y (n) x(k )h(n k ), y (n) : 2 N 1
k 0
119
为什么有循环卷积
DFT 对应周期信号,所以 x (n) h(n) ,y (n)
及 都是周期的!序列移位
有移进也有移出!
循环矩阵
120
循环卷积的特点
( A )循环卷积隐含着周期性
( B )循环卷积在主值区间进行
( C )循环卷积与有限长序列线性卷积关系:
两个长度为
N 序列的循环卷积长度仍为 N 。
但线性卷积不只限制在主值区间进行,且
两个长度均为 N 的有限长序列进行线性卷
积,其结果长度为 2N-1
在一定条件下,可以利用循环卷积求序列
的线性卷积 121
122
123
线性卷积与循环卷积相比较:
线性卷积后序列长度为 N1+N2-1 ,循环卷积
N2 ]
124
由上题结果可推出:循环卷积是线性卷积以 N
3.6 用 DFT 计算线性卷
积x(n), n 0,1,, N 1
都是非周期
h(n), n 0,1, , M 1
y ( n) x ( n ) h ( n) x ( k ) h( n k )
k
L N M 1 DFT 有
如何用 DFT 来实现 快速算法
存在什么矛盾
125
126
x ( n) L N M 1 h( n)
n 0,1, , N 1
y ( n) n 0,1, , M 1
零补 y ( n) x ( n) h ( n) 补
零
x(n) h(n) h(n)
x(n)
n 0,1, , L 1 n 0,1, , L 1
IDFT
DFT DFT
Y (k ) X (k ) H (k )
X (k ) H (k )
相乘
k 0,1, , L 1 k 0,1, , L 1
127
作业 1
P149
T 3.19 (1)
(2)
(3) 通过 DFT 计算 y(n)
128
3.6.2 长序列卷积的计算:
x ( n) y ( n)
h( n)
数字信号处理要求“实时实现”,即信号进来
后,经处理后马上输出出去。然而:
y ( n) x ( n) h( n ) x ( k )h (n k )
k
x ( n) 没有全部进入,如何实现卷积
全部进入再卷积,又如何保证实时实现
129
关键是将 x(n) h( n)
分段和
卷积
x ( n) : N
h( n) : M
y ( n) : N M 1
将 x ( n) L
分成 K N/L
段,每段长
130
3.7 与 DFT 有关的几个问
题
一、分辨率
频率分辨率:通过频域窗观察到的频率宽度;
时间分辨率:通过时域窗观察到的时间宽度;
窗函数的“宽度”越小越好!
希
望 窗函数的“宽度”能随信号的
变化
自适应调整! 131
频率分辨率广义定义:将信号中两个靠得
很近的谱峰(频率分量)区分开的能力,
也称物理分辨率、频率分辨力
• 取决于信号的长度及频谱分析的算法
• 时间和频率是描述信号的主要物理量,通
过傅里叶变换相联系。研究频率分辨率一
定要研究傅里叶变换
狭义定义: DFT 的一种频谱分析性能,
指某点数条件下 DFT 所表示的最小频率
间隔,也称计算分辨率 132
FT DTFT
N 1 2
j nk
X ( k ) x ( n )e N
k 0,1, N 1
n 0
DFT
2
1 N 1 j nk
x ( n)
N
X ( k )e
k 0
N
n 0,1, , N 1
133
物理分辨率 —— 对 FT: 设 长度为
,则
的分辨率(主瓣决 2
定) d (t )
A
D ( j )
2
sin(T / 2)
AT T
T / 2 T / 2 T 2
t
于主
时瓣
间宽
长度
度反
134
比
对 DTFT: 设抽样间隔为 , 数据长
则
于主
2
-2
-0.5 -0.4 -0.3 -0.2 -0.1 0
(a) N=6
0.1 0.2 0.3 0.4 0.5 时瓣
20
间宽
长度
15
10
度反
5
-5
-0.5 -0.4 -0.3 -0.2 -0.1 0
(b) N=18
0.1 0.2 0.3 0.4 0.5
比
135
用计算机分析和处理信号时,信号总
是有限长,其长度即是窗函数的宽度,要想分
1,2
辨出
处的两个频谱,数据长度 M
必须满足:
对矩形窗,k 1 ,其他类型窗 k 1
函数,
2
“ 物理分辨率”:取
决于信号的有效长度
136
主瓣的另一种定义
幅平方降到最大值的 0.5 (即 -3d
B )时频谱的宽度
对于矩形窗,这一宽度约为 2π/ T
137
狭义分辨率 —— 对 DFT:
N 1 2
j nk
X ( k ) x ( n )e N
k 0,1, N 1
n 0
2
1 N 1 j nk
x ( n)
N
X ( k )e
k 0
N
n 0,1, , N 1
fN f s N
此为 X (k ) 相邻两点的频率间隔,也
f1 , f 2
是最大分辨“细胞”。若要分辨出
f1 f 2
处的两个谱线, fN 必须大于138
例 3.7.1 :
x(n) sin(2 f1 n f s ) sin(2 f 2 n f s ) sin(2 f 3 n f s )
f1 2 Hz, f 2 2.02 Hz, f 3 2.07 Hz, f s 10 Hz,
试确定将三个谱峰分开所需数据长度。
本例中,最小的
f f 2 f1 0.02 Hz
2 f f s 2 0.002
(主瓣:采用过零点定义) 139
由
即要想分辨出这三个谱峰,数据长度 M 至少
要大于 1000 ,从 DFT 的角度看
若令 N 1024
则计算分辨率
f N f s N 10 1024 0.00976 Hz
140
下图, M 分别等于 256 和 1024 ,可
见, M = 256
时无法分辨三个谱峰
150
100
50
0
1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.5
Hz
600
400
200
0
1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.5
Hz
141
使用 DFT 的步骤:
由信号的最高频率 f c fs
确定抽样频率
;
要根据分辨率的要求确定模拟信号的长度T
,
T
若 可以无限长,则
根据计算分辨率需要,确定 数据长度 N
;
根据 DFT 的结果,再适当调整参数
DFT 和线性卷积是信号处理中两个最重要的基
本运算,有快速算法,且二者是“相通”的
142
不变,若增加
N N f
, ?
“ 计算分辨
率”
如何增加数据的点数 N N
1. 提高抽样率;
能提高分辨率吗
2. 在数据后面补零
不能提
高分辨
率
143
二、补零问题
数据后补零的影响:为什么要补零?
不能提高物理分辨率,未增加数据有效长度!
数据过短,补零后可起到一定的插值作用
(提高计算分辨率)
使数据长度为 2 的整次幂,有利于 FFT
例 3.7.3 :
x(n) sin(2 f1 n f s ) sin(2 f 2 n f s ) sin(2 f 3 n f s )
f1 2.67 Hz,
f 2 3.75Hz, f 3 6.75Hz, f s 20 Hz,
j
X (e ) 在正频率处应该有三根谱线。
144
令 N 16
145
N 16(前 8 根谱线) 补 N 个零
(?)
8 8
6 6
4 4
2 2
0 0
0 5 10 0 5 10
Hz Hz
10 10
8 8 三
6 6 个
4 4 正
2 2
弦
0 0
0 5 10 0 5 10
Hz Hz
补 7 N 个零 补 29 N 个零 146
作业 2 :
设长度为 4 的矩形窗为
x(n)=R4(n) ,求 x(n) 的 DTFT ,
以及 4 点、 8 点、 16 点
DFT ( 16 点的写出表达式即可),
并画出幅频响应示意图
147
三、 DFT 对 FT 的近 准 X (k )
似 确
抽 的
原: xa (t ) 频谱: X a ( j) 样 是
? 否
x
抽样: a ( n ) X a (频 j
e ) X a ( j)
是
谱:
截短延拓: x( n) X
频(k )
谱:
只要满足抽样定理;
做 DFT 时数据长度保证所需的频率分辨率,
X
则(k ) X a ( j) 是
的极好近似 148
为什么 X (k ) 不是
X a ( j) 的
准确抽样
关键取决于信号时宽-带宽的不定原理:
2 2 2
t E t | x(t ) | dt
1
信号的时宽
2 2 2
1
2 E | X ( | d 信号的带宽
t 信号时宽-带宽积
t 1
2 Uncertainty Principle
或: t f 1
4
149
• 若信号是有限时宽的,那么在频域必然是无
限带宽的,反之亦然。
• 从加窗角度来理解:矩形窗频谱是无限宽的
• 这一现象,来自傅立叶变换的性质:
x(t ) FT X ( j)
1
x(at ) FT X ( j a)
a
做 DFT 时,总不可避免的取有限长,“有
限 X (k ) X a ( j)
长”带来了 对 150
DFT
的
图
形 ○
ωs=2π
解
释
151
要求:
1. 由图 3.7.3 ,搞清( 3.7.8) ~ (3.7.14) 式的含义;
1
j
X a (e ) Ts
Ts
X
l
a ( j jl s )
j j j
X (e ) X a ( e ) D ( e )
j
X N ( k ) X (e ) 2 k 0,1, , N 1
k
N
X (k ) X N (k lN ) k 0,1, , N 1
l
xa (n) xa (t ) t nTs n , ,
问题的关键是由于正弦信号是
一类特殊的信号,特殊在它是单频率信号,
带宽为零,所以要单独考虑。
几点建议:
1. 抽样频率应为正弦频率的整数倍;
2. 抽样点数应包含整周期,数据长度
最好是 2 的整次幂;
3. 每个周期最好是四个点或更多;
4. 数据后不要补零。
按以上要求,对离散正弦信号做 DFT
得到的频谱正好是线谱,完全等同于
连续正弦信号的线谱。
过程分析:
1. 正弦信号截短为长度 T ,频谱为两个中
心在土 Ω0 处的 sinc 函数的叠加,过零点土 Ω0
+2kπ/T ,若 T=mT0 ,则过零点为土 Ω0 +kΩ0 /m ,
则 2 个 sinc 函数的过零点相重合,且原点处频谱
=0 ;
2. DFT 频域抽样,一个频域周期 N 个抽样
点,谱线间隔 2π/N ,那么抽样点除了落在土 ω0
处,其余均落在过零点处
⸫ 对离散正弦信号做 土DFTω0 +2kπ/N
得到的频谱!无频谱
泄露!!
正好是线谱,完全等同于连续正弦信号的
线谱 158
3.8 二维傅立叶变换
多用于图像处理:
159
N1 1 N 2 1
x(n , n ) z z
n1 n2
X ( z1 , z2 ) 1 2 1 2
n1 0 n2 0
N1 1 N 2 1
X (e j1
,e j 2
) x(n , n )e
n1 0 n2 0
1 2
j1n1 j 2 n2
e
N1 1 N 2 1
x(n , n )W
n1k1 n2 k2
X (k1 , k2 ) 1 2 N1 WN 2
n1 0 n2 0
时域窗 频谱
161
教材
图像工程(第 3 或 4 版)
上册:图像处理
章毓晋,清华大学
中册:图像分析
下册:图像理解
162
与本章有关的 MATLAB 文件
fftfilt.m 用叠接相加法实现卷积。格式是
y=fftfilt(h,x) 或 y=fftfilt(h, x , N)
记 x ( n) N x h( n) ,
的长度为 M 的长
度为 。 若采用第一个调用方式,程序自
x动地确定对
( n) L N
N 分段的长度
(L M ) 及做 FFT 的长度
, 显然,
Nx / L
是最接近 的 2 的整次
幂。分的段数 163