-
背景知识
-
四种基本的傅里叶变换
-
基本思想:将信号表示为不同频率 正弦分量的线性组合
-
正弦信号和复指数时间信号的有用特性
-
相同频率但不同相位的正弦信号的任何线性组合,都是有着相同频率但不同相位,且幅度可能受改变的正弦信号。
-
复指数时间信号不同延迟版本的任何线性组合,等于该信号乘以一个复系数,由复系数决定其幅度和相位的变化。
-
-
四种常用的傅里叶变换
-
-
-
离散傅里叶变换
-
DFT的定义
-
频域抽样的分析:
-
时域抽样导致频域上的周期延拓
-
频域抽样导致时域上的周期延拓
-
-
-
DFT的重要性质
-
DFT的高效实现:FFT
-
比较:直接计算DFT:对于每个𝑘,需要𝑁次复数乘法和𝑁 − 1次复数加法操作;因而总共需要大约𝑁²次操作,利用DFT的快速实现算法:只需要大约𝑁 log2 𝑁 次操作。
-
基本思想:递归地将较长序列的DFT分解为较短序列的DFT
-
例子:
-
计算IDFT:对X[k]进行共轭,然后进行DFT得到再除以n,得到x[n[的共轭,然后取反共轭即可。
-
-
-
DFT的应用
-
频谱分析(使用DFT对连续时间信号的频率成分进行数值分析)
-
步骤:
-
• 第1步:时域抽样(Sample in time),抽样频率𝑓s
-
• 第2步:时域截短(Truncate in time),加窗
-
频谱泄露与频率分辨率的例子:
-
• 第3步:频域抽样(Sample in frequency),求𝑵点DFT
-
-
-
线性卷积(利用DFT来完成卷积的思路):
-
-
从矩阵观点看DFT和FFT