🗒️DFT
2023-11-14
| 2024-7-26
Words 2060Read Time 6 min
💡
DFS的定义、性质 DFT的定义、性质 频域抽样定理与使用DFT分析信号频谱
DFT 离散傅立叶变换,时域离散周期,频域周期离散.

周期序列的DFS

DFT根植于DFS (离散傅立叶级数)。
将周期为N的序列记为:
其DFS:
由于离散信号的频域周期化,DFS只能取出N个独立的谐波分量。
定义旋转因子:, 则DFS可以写为:
DFS与Z变换的关系:
序列的DFS可以看作是:
  1. 对周期序列取出一个周期
  1. 进行Z变换
  1. 在单位圆上对Z变换等间隔抽样
DFS的性质:
  1. 线性
  1. 序列的移位
  1. 调制特性
  1. 对偶性 , 将DFS直接再次代入DFS计算:
  1. 周期卷积和:
    1. 对比线性卷积:. 参与周期卷积的序列都是周期序列。卷积只在一个周期上进行。

离散傅立叶变换DFT

将有限长序列以N为周期延拓
  • 主值区间:的第一个周期对应的区间,
  • 主值序列:的主值序列
  • 取不同的r时,x(n+rN)彼此不重叠,因此可以用主值序列来表示周期序列的值。 可以记为, 其意义是:可以将任意一个n通过对N取余而转化到主值区间(n=0~N-1)。 例如n=25,N=9,则
同理,频域的周期序列也可以看作有限长序列的周期延拓。主值序列、主值周期、用主值序列表示周期序列的方法与时域相同。
推广DFS,原本考虑的是一个周期序列,现在考虑x(n)和X(k)两个主值序列,即得到DFT的定义
其中
DFT与DTFT的关系
N点DFT是DTFT在区间 上的N点等间隔抽样
DFT与Z变换的关系
N点DFT是Z变换在单位圆上的N点等间隔抽样

DFT的性质

  1. 线性
  1. 循环移位,或称圆周移位: 从一侧移位出去的点,又从另一侧移位进来。 例如,周期为N的序列,向左圆周移位m位:
    1. 时域循环移位定理:时域循环移位后,频谱相位移动,幅值不变。
    2. 频域循环移位定理:
  1. 共轭对称性:
    1. 周期序列可以分解为共轭对称分量和共轭反对称分量
    2. 有限长序列可以分解为圆周共轭对称分量与圆周共轭反对称分量
      • 共轭对称性的二级结论:
        • 如果, 则
        • 如果, 则
        • 序列实部的DFT=序列DFT的圆周共轭对称分量 如果, 则
        • 序列虚部的DFT=序列DFT的圆周共轭反对称分量 如果, 则
        • 当x(n)是实序列时,其DFT是圆周共轭对称的。没有圆周共轭反对称分量。
        • 当x(n)是纯虚序列时,其DFT是圆周共轭反对称的。没有圆周共轭对称分量。
  1. 圆周卷积和
      • 时域卷积定理
        • 均为长度为N的有限长序列,分别为对应的DFT。如果, 则:
      • 其中的卷积运算叫做圆周卷积。其步骤(L点):
        • 1)若两个序列不等长,补零使之等长 2)周期延拓,将两个序列变成周期序列(周期为L点) 3)翻褶(以0为轴翻褶),取主值序列(取L点) 4)圆周移位 5)相乘相加
          例题:求两个序列的4点圆周卷积
          notion image
      • 线性卷积与圆周卷积的关系:
        • 的长度为的长度为。将两个序列补零到L点。然后以L点周期延拓,得到
          进行线性卷积: 「注:线性卷积原本求和是从-inf到+inf,但考虑到是两个从0开始的有限长序列,因此只需要计算, 而L一定同时大于等于两个序列的长度,因此计算0~L-1也是可以的」
          进行周期卷积:
          圆周卷积是周期卷积的主值序列,因此:圆周卷积是线性卷积的周期延拓序列的主值序列。即计算L点的圆周卷积,先计算线性卷积,然后以L为周期延拓,再取主值区间。
          由于L点圆周卷积只有L位,为了保证线性卷积中的所有值都被保留了下来,要求.
          如果L不满足以上的要求,那么在进行线性卷积的周期延拓时会出现时域的混叠。

频域抽样定理

求DFS(DFT)实际就是在进行频域抽样。
由频域抽样恢复序列:
设非周期序列x(n), 其Z变换X(z),在单位圆上等间隔抽样N个点(相当于周期延拓后DFS):
对抽样而来的序列进行IDFS:
由于
所以
可见,在频域抽样而来的序列转换到时域相当于非周期序列的周期延拓。
因此为了保证周期延拓后信号不发生混叠,采样过程还需要满足频域采样定理:
若序列x(n)长度为M,则只有当频域采样点数时,才有IDFT[X(k)]=x(n). 否则将产生时域混叠现象。

用DFT对信号进行频谱分析

本质是使用DFT逼近FT。因此目的是从连续时间非周期信号→频谱。
notion image
分为三步:
  1. 时域抽样
    1. 采样间隔(时间),采样频率(频率) 时域抽样后可以使用DTFT变换到频域。此时得到的频谱是原信号频谱的周期延拓。
  1. 时域截短
    1. 记录信号的长度(时间),采样点数(数量) 使用窗函数来进行时域截短。 时域截短后可以使用DTFT变换到频域。此时得到的频谱是[原信号频谱的周期延拓]与[所使用的窗函数频谱]的卷积。
  1. 频域抽样
    1. 频域采样间隔(频率)「频率分辨率」 对时域截短后对应的频谱进行抽样,此时得到的频谱可以用于逼近原信号的频谱。
近似逼近的FT:
为了保证结果没有失真,需要满足:
1)时域抽样 2)频域抽样 3)采样点数
在使用DFT进行频谱分析的时候,可能存在一些问题:
  • 频谱泄漏问题 时域截短后,频域与所用的窗函数卷积,使得频谱变宽、拖尾。
    • notion image
      通过增加采样点数N、更换窗函数缓慢截短改善
  • 栅栏效应 频域抽样后,只剩下离散点的信息。对于未采样时刻其频谱未知。就像透过栅栏在观察一样。
    • notion image
特别感谢:康文静老师、程佩清老师
 
  • DSP
  • ZT and DTFTFFT
    Loading...