第三章 离散傅里叶变换(DFT)
合集下载
数字信号第三章 离散傅里叶变换
第三章离散傅里叶变换DFT: Discrete Fourier Transform第三章学习目标z理解傅里叶变换的几种形式z掌握离散傅里叶变换(DFT)及性质，圆周移位、共轭对称性，掌握圆周卷积、线性卷积及两者之间的关系z掌握频域抽样理论z掌握DFT的应用引言DFT要解决两个问题：一是频谱的离散化；二是算法的快速计算(FFT)。
这两个问题都是为了使计算机能够实时处理信号。
Fourier变换的几种可能形式时间函数频率函数连续时间、连续频率—傅里叶变换连续时间、离散频率—傅里叶级数离散时间、连续频率—序列的傅里叶变换可以得出一般的规律：一个域的离散对应另一个域的周期延拓；一个域的连续必定对应另一个域的非周期。
−jwndw e jwn 时域离散、非周期频域连续、周期z 时域周期化→频域离散化z 时域离散化→频域周期化离散连续周期性非周期性引言Fourier变换的几种可能形式时间函数频率函数连续时间、连续频率—傅里叶变换连续时间、离散频率—傅里叶级数离散时间、连续频率—序列的傅里叶变换离散时间、离散频率—周期序列的傅里叶级数由DTFT到DFS离散时间、离散频率的傅立叶级数（DFS）由上述分析可知，对DTFT，要想在频域上离散化，那么在时域上必须作周期延拓。
对长度为M的有限长序列x(n)，以N为周期延拓（N≥M）。
注意：周期序列的离散傅里叶级数（DFS）只对有限长序列作周期延拓或周期序列成立。
……四种傅里叶变换形式的归纳时间函数频率函数连续和非周期非周期和连续连续和周期(T0)非周期和离散(Ω=2π/T)离散(T)和非周期周期(Ωs=2π/T)和连续离散(T)和周期(T0)周期(Ωs=2π/T)和离散(Ω=2π/T)在进行DFS 分析时，时域、频域序列都是无限长的周期序列周期序列实际上只有有限个序列值有意义长度为N 的有限长序列可以看成周期为N 的周期序列的一个周期（主值序列）借助DFS 变换对，取时域、频域的主值序列可以得到一个新的变换—DFT ，即有限长序列的离散傅里叶变换3.1 离散傅里叶变换（DFT ）的定义及物理意义——有限长序列的离散频域表示x(n)的N 点DFT 是¾x(n)的z 变换在单位圆上的N 点等间隔抽样；¾x(n)的DTFT 在区间[0，2π）上的N 点等间隔抽样。
数字信号处理DSP第三章3.2 DFT定义
⎛ 2π j⎜ ⎝ N ⎞ ⎟k ⎠
易知，DFT的变换区间长度N不同， 表示对X(ejω)在区 间［0, 2π］上的采样间隔和采样点数不同， 所以DFT 的变换结果也不同。
jIm(z)
−2 WN −1 WN 0 WN k ＝0 − ( N −2 ) WN
X (ejω)
X (k )
o
Re[z] o π
W
− ( N −3) N
ω
DFT与序列傅里叶变换、Z变换的关系
例1 已知序列x(n)=δ(n)，求它的N点DFT。 解
nk 0 X (k ) = ∑ δ (n)WN = WN =1 n=0 N −1
k=0, 1, …, N-1
对序列δ(n)，不论对它进行多少点的DFT，所得结果 都是一个离散矩形序列。
本节将根据周期序列和有限长序列之间的关系， 由周 期序列的离散傅里叶级数表示，给出有限长序列的离散 频域表示，即离散傅里叶变换（DFT）。
一、预备知识 1、余数运算表达式 如果n=n1+mN， m为整数；则有
((n))N=n1, 0≤n1≤N-1
运算符(( ))N表示n被N除，商为m，余数为n1。 n1是((n))N的解, 或称作取余数，或说n对N取模值，简 称取模值，n模N，(n mod N) 。
周期延拓
长度为M的有限长序列x(n)的N点DFT，是有限长序
~
x(n)
N
~ x (n)
DFS
DFS[ ~ x (n) ]
~ X (k )
% (k ) R (k ) 取主值 X N
DFT[x(n)]N
注：以上定义中N长度没有限制！
有限长序列x(n)的N点DFT—即DFT正变换公式
X (k ) = DFT[ x(n)]N = ∑ xN (n)W ， 0 ≤ k ≤ N − 1
易知，DFT的变换区间长度N不同， 表示对X(ejω)在区 间［0, 2π］上的采样间隔和采样点数不同， 所以DFT 的变换结果也不同。
jIm(z)
−2 WN −1 WN 0 WN k ＝0 − ( N −2 ) WN
X (ejω)
X (k )
o
Re[z] o π
W
− ( N −3) N
ω
DFT与序列傅里叶变换、Z变换的关系
例1 已知序列x(n)=δ(n)，求它的N点DFT。 解
nk 0 X (k ) = ∑ δ (n)WN = WN =1 n=0 N −1
k=0, 1, …, N-1
对序列δ(n)，不论对它进行多少点的DFT，所得结果 都是一个离散矩形序列。
本节将根据周期序列和有限长序列之间的关系， 由周 期序列的离散傅里叶级数表示，给出有限长序列的离散 频域表示，即离散傅里叶变换（DFT）。
一、预备知识 1、余数运算表达式 如果n=n1+mN， m为整数；则有
((n))N=n1, 0≤n1≤N-1
运算符(( ))N表示n被N除，商为m，余数为n1。 n1是((n))N的解, 或称作取余数，或说n对N取模值，简 称取模值，n模N，(n mod N) 。
周期延拓
长度为M的有限长序列x(n)的N点DFT，是有限长序
~
x(n)
N
~ x (n)
DFS
DFS[ ~ x (n) ]
~ X (k )
% (k ) R (k ) 取主值 X N
DFT[x(n)]N
注：以上定义中N长度没有限制！
有限长序列x(n)的N点DFT—即DFT正变换公式
X (k ) = DFT[ x(n)]N = ∑ xN (n)W ， 0 ≤ k ≤ N − 1
离散傅里叶变换(DFT)
移位 设x(n)为有限长序列， 长度为N， 则x(n)的循环移 位定义为 y(n)=x((n+m))NRN(N) (3.2.2)
~
将 x(n)以N为周期进行周期延拓得到 x(n) = x(( n)) N 将
~
x(n) = x((n)) N 左移m位得到 x(n + m)
(3.2.4)
例： ( n) = 3e n , o ≤ n ≤ 15 ，求 f ( n) = x(( n + 5))15 R15 (n) x
的16点离散傅立叶变换DFT。
N=16; n=0:N-1; xn=3*exp(n); m=5; fn=xn(mod((n+m),N)+1); XK=fft(xn, N); subplot(2, 2, 1); stem(n,xn); subplot(2, 2, 2); stem(n,abs(XK)); FK=fft(fn,N); subplot(2, 2, 3); stem(n,fn); subplot(2, 2, 4); stem(n,abs(FK));
x(n)为长度为N的有限长序列
x(n) 是长度为N的有限长序列x(n)的周期延拓序列
x (n ) =
~
~
m =∞
∑
∞
x ( n + mN )
(3.1.5) (3.1.6)
x (n ) = x ( n ) RN (n )
~
~
主值区间：周期序列 x( n) 从n=0到N-1的第一个周期。
~
主值序列：而主值区间上的序列称为 x( n) 的主值序列。
m
~2 m )) N) R x 2 (( (( m )) N ( n ) x (m x
2
~
将 x(n)以N为周期进行周期延拓得到 x(n) = x(( n)) N 将
~
x(n) = x((n)) N 左移m位得到 x(n + m)
(3.2.4)
例： ( n) = 3e n , o ≤ n ≤ 15 ，求 f ( n) = x(( n + 5))15 R15 (n) x
的16点离散傅立叶变换DFT。
N=16; n=0:N-1; xn=3*exp(n); m=5; fn=xn(mod((n+m),N)+1); XK=fft(xn, N); subplot(2, 2, 1); stem(n,xn); subplot(2, 2, 2); stem(n,abs(XK)); FK=fft(fn,N); subplot(2, 2, 3); stem(n,fn); subplot(2, 2, 4); stem(n,abs(FK));
x(n)为长度为N的有限长序列
x(n) 是长度为N的有限长序列x(n)的周期延拓序列
x (n ) =
~
~
m =∞
∑
∞
x ( n + mN )
(3.1.5) (3.1.6)
x (n ) = x ( n ) RN (n )
~
~
主值区间：周期序列 x( n) 从n=0到N-1的第一个周期。
~
主值序列：而主值区间上的序列称为 x( n) 的主值序列。
m
~2 m )) N) R x 2 (( (( m )) N ( n ) x (m x
2
离散傅里叶变换(DFT)
第3章 离散傅里叶变换(DFT)
3.2 离散傅里叶变换的基本性质
一. 基本概念
1. 序列的圆周移位 序列x(n)，长度为N，则x(n)的圆周移位定义为：
y(n) x((n m))N RN (n) circshift(a,[0,-1])
循环移位过程：
x(n) 周期延拓 x(n) x((n))N 左移m位
x(n), n 0,1, , N 1
N 1
X (z) ZT [x(n)] x(n)zn
n0 N 1
, X (k) DFT[x(n)] x(n)WNkn
n0
比较上面二式可得关系式:
0 k N-1
X (k ) X ( z) , j2 k ze N
0 k N-1
(3.1.3)
序列x(n)的N点DFT是 x(n)的Z变换在单位圆上的N点等间隔采样
(4) 周期为N 的离散周期信号
DFS
N 1
j 2 nk
X (k) x(n)e N
n0
x(n)
1
N 1
j 2 nk
X (k)e N
N k0
k ~ n ~
时域离散周期频域周期离散。频谱特点:周期为N的离散谱
第3章 离散傅里叶变换(DFT)
四种傅立叶变换:
1. 连续非周期 2. 连续周期 3. 离散非周期 4. 离散周期
m0
yc (n) y(n qN )RN (n)
q
序列的N点圆周卷积是序列线性卷积(以N为周期)周
期延拓序列的主值序列。故，当N≥[N1+N2-1]时，线性 卷积与圆周卷积相同。
圆周卷积 是针对DFT引出的一种表示方法
两序列长度必须等，不等时按要求补零
第三章离散傅里叶变换及其快速计算方法(DFT、FFT)
X (e jw )
（2）Z 变换 -- 提供任意序列的 z 域表示。
n
x( n)e jnw
X (z)
n
x ( n) z n
这两种变换有两个共同特征：
（1）变换适合于无限长序列 （2）它们是连续变量 ω 或 z 的函数
华北电力大学自动化系
3
3.1 问题的提出：可计算性
X (z)
而对于
n
x ( n) z n
n
x ( n) z n
找不到衰减因子使它绝对可和（收敛）。为此，定义新函 数，其 Z 变换：
华北电力大学自动化系
15
DFS 定义：正变换
X ( z)
n
x ( n) z n ~ ( n ) z n x
华北电力大学自动化系
6
3.1 问题的提出：傅里叶变换的四种形式 （3）
2. 周期连续时间信号：傅里叶级数 FS
~ (t ) x X (n 0 )
t T
时域周期频域离散
0
2 T
x(t)
~
n -
X(n 0 )e jn0t
时域连续函数造成频域是非周期的谱。 频域的离散对应时域是周期函数。
X (e jT )
T T
X (e jT )e jnT d
取样定理
n
x(nT )e jnT
1 X ( 0 ) T n
时域的离散化造成频域的周期延拓 时域的非周期对应于频域的连续
华北电力大学自动化系
8
第3章 离散傅里叶变换(DFT)C
(3.4.9)
def 1 ' 1 ' X (k ) X a f k k X a kF f = T T NT T
p
k 0,1, 2,, N 1
由此可得： ' kF =TX (k ) T DFT[ x(n)] X a N
k 0,1, 2,, N 1
解：
1 1 Tp 0.1 s F 10
因此Tp min=0.1 s。因为要求Fs≥2fc，所以
Tmax
N min
1 1 0.2 103 s 2 f c 2 2500 2 f c 2 2500 500 F 10
第3章 离散傅里叶变换(DFT)
为使用DFT的快速算法FFT，希望N符合2的整数幂，为此 选用N =512点。 为使频率分辨率提高1倍，即F=5 Hz，要求：
说明了X(k)与Xa(jΩ)的关系. 为了符合一般的频谱描述习惯，以频率f为自变量
第3章 离散傅里叶变换(DFT)
令：
X a' ( f ) X a j X a j2πf 2 πf ' 2πf Xa ( f ) X X a a 2 πf
第3章 离散傅里叶变换(DFT)
x ( n) 如果 ~ 的周期预先不知道，可先截取M点进行DFT，即
(n) RM (n) xM (n) x X M (k ) DFT[ xM (n)]
再将截取长度扩大1倍，截取
0 k M 1
（3.4.18）
x (n)的频谱结构，只是在k=im 由此可见，XM(k)也能表示 ~ (i) ，表示 ~ x (n) 的i次谐波谱线，其幅度扩 时，X (im) mX
《离散傅里叶变换-第三章》
( ∑ X ()W ( k ∑ XX kk ) = ∑ xxnnW ) ==∑ eex ( n= W )e
n0 0 = kn 8 7
3
3
2π − j kn 8
3 − j kπ 8
(2) 设变换区间N=16， 则
X(k) = ∑ x(n)W
n= 0
3π k −j 16
π
N= 0 = n0 0
2 = ∑ e, k = 0,1, ⋅ ⋅ ⋅, 7 π N =0 sin( k ) 8
2. 时域循环移位定理 设x(n)是长度为N的有限长序列，y(n)为x(n)的循环移位，即： y(n)=x((n+m))NRN(n) 则: Y(k)=DFT[y(n)]=W-kmNX(k) 其中:X(k)=DFT[x(n)], 0≤k≤N-1
kn 证明： Y ( k ) = DFT [ y (n )] = x (( n + m )) N RN (n )WN ∑ N− 令n+m=n′，则有1 n =0 N −1
~
~ ∞
x (n ) =
m =−∞
∑
x ( n + mN )
(3.1.5)
(3.1.6) ••
~
x (n ) ••
0
••
N-1
•
n
x (n ) = x ( n ) ⋅ RN (n )
~
~
••
••
~(n ) x
•• •
0
••
•
••
•• •
~
••
N-1
•
n
一般定义周期序列 x(n) 中从n=0到N-1的第一个周期为 x(n)的主 n) x(n) (3.1.7) x( 值区间，而主值区间上的序列称为x(n) 的主值序列。(3.1.7) x(n)
n0 0 = kn 8 7
3
3
2π − j kn 8
3 − j kπ 8
(2) 设变换区间N=16， 则
X(k) = ∑ x(n)W
n= 0
3π k −j 16
π
N= 0 = n0 0
2 = ∑ e, k = 0,1, ⋅ ⋅ ⋅, 7 π N =0 sin( k ) 8
2. 时域循环移位定理 设x(n)是长度为N的有限长序列，y(n)为x(n)的循环移位，即： y(n)=x((n+m))NRN(n) 则: Y(k)=DFT[y(n)]=W-kmNX(k) 其中:X(k)=DFT[x(n)], 0≤k≤N-1
kn 证明： Y ( k ) = DFT [ y (n )] = x (( n + m )) N RN (n )WN ∑ N− 令n+m=n′，则有1 n =0 N −1
~
~ ∞
x (n ) =
m =−∞
∑
x ( n + mN )
(3.1.5)
(3.1.6) ••
~
x (n ) ••
0
••
N-1
•
n
x (n ) = x ( n ) ⋅ RN (n )
~
~
••
••
~(n ) x
•• •
0
••
•
••
•• •
~
••
N-1
•
n
一般定义周期序列 x(n) 中从n=0到N-1的第一个周期为 x(n)的主 n) x(n) (3.1.7) x( 值区间，而主值区间上的序列称为x(n) 的主值序列。(3.1.7) x(n)
第3章-DFT变换
第3章 离散傅里叶变换(DFT)
3.1 离散傅里叶变换的定义
3.2 离散傅里叶变换的基本性质
3.3 频率域采样
3.4 DFT的应用举例
3.1 离散傅里叶变换的定义
3.1.1 DFT的定义 设x(n)是一个长度为M的有限长序列， 则定义x(n)的N 点离散傅里叶变换为
kn X (k ) DFT[ x(n)] x(n)WN , k 0,1,, N 1 1.1) (3. k 0 N 1
所以， 在变换区间上满足下式：
IDFT［X(k)］=x(n), 0≤n≤N-1
由此可见， (3.1.2)式定义的离散傅里叶变换是唯一的。 例 3.1.1 x(n)=R4(n) ，求x(n)的8点和16点DFT 设变换区间N=8， 则
X (k ) x (n )W8kn e
n 0 N 0
Y (k ) DFT [ y ( n )]
kn x (( n m)) N RN ( n )WN n 0 kn x (( n m)) N WN n 0 N 1 N 1
令n+m=n’， 则有
Y (k )
N 1 m n m
k x((n)) NWN ( nm ) N 1 m n m
N 1
0 k N-1
比较上面二式可得关系式
X (k ) X ( z )
z e
j
2 k N
, ,
Hale Waihona Puke 0 k N-1 0 k N-1
(3.1.3) (3.1.4)
X ( k ) X ( z j )
2 k N
图 3.1.1 X(k)与X(e jω)的关系
3.1.3 DFT的隐含周期性
3.1 离散傅里叶变换的定义
3.2 离散傅里叶变换的基本性质
3.3 频率域采样
3.4 DFT的应用举例
3.1 离散傅里叶变换的定义
3.1.1 DFT的定义 设x(n)是一个长度为M的有限长序列， 则定义x(n)的N 点离散傅里叶变换为
kn X (k ) DFT[ x(n)] x(n)WN , k 0,1,, N 1 1.1) (3. k 0 N 1
所以， 在变换区间上满足下式：
IDFT［X(k)］=x(n), 0≤n≤N-1
由此可见， (3.1.2)式定义的离散傅里叶变换是唯一的。 例 3.1.1 x(n)=R4(n) ，求x(n)的8点和16点DFT 设变换区间N=8， 则
X (k ) x (n )W8kn e
n 0 N 0
Y (k ) DFT [ y ( n )]
kn x (( n m)) N RN ( n )WN n 0 kn x (( n m)) N WN n 0 N 1 N 1
令n+m=n’， 则有
Y (k )
N 1 m n m
k x((n)) NWN ( nm ) N 1 m n m
N 1
0 k N-1
比较上面二式可得关系式
X (k ) X ( z )
z e
j
2 k N
, ,
Hale Waihona Puke 0 k N-1 0 k N-1
(3.1.3) (3.1.4)
X ( k ) X ( z j )
2 k N
图 3.1.1 X(k)与X(e jω)的关系
3.1.3 DFT的隐含周期性
数字信号处理程佩青第三版课件_第三章_离散傅里叶变换
• 证明：
– 已知
~ ~ ( n )e X (k ) x
n 0
N 1
jn
2 k N
k 0,1,2 N 1
• 两边同乘以
e
j
2 kr N
,并对一个周期求和
DFS的反变换－续
k 0 N 1
~ X ( k )e
j
2 kr N
( ~ ( n )e x
n 0 k 0
三、本章主要讨论
• 离散傅里叶变换的推导
• 离散傅里叶变换的有关性质
• 离散傅里叶变换逼近连续时间信号的问题
第二节 傅里叶变换的几种形式
• 傅里叶变换： 建立以时间t为自变量的“信号” 与 以 频 率 f 为 自 变 量 的 “ 频 率 函 数 ”(频 谱) 之 间 的 某 种 变 换 关 系 .
0 r n
n 0,1,2 N 1
rn
回顾DFS
• 设 x(n)为周 期 为 N 的 周 期 序 列 , 则 其 离 散 傅 里 叶 级 数 (DFS) 变 换 对 为 : • 正变换 2
N 1 N 1 j nk ~ nk X (k ) DFS [ ~(n)] ~(n)e N ~(n)WN x x x n 0 n 0
二、DFT定义
• 正变换
X (k ) DFT [ x(n)] x(n)e
n 0
N 1
j
2 nk N
x(n)W
n 0
N 1
nk N
• 反变换
1 x(n) IDFT [ X (k )] X (k )e N k 0
N 1
j
2 nk N
x(k )W
第3章离散傅里叶变换(DFT)09-10-1
序列的DFS级数系数的主值序列！
§3.2 离散傅里叶变换的基本性质
一. 线性性质
x1(n)和x2(n)是两个有限长序列，长度分别为N1和N2
y(n)=ax1(n)+bx2(n)
式中a、 b为常数， 即N≥max［N1, N2］， 则y(n)的N
点DFT为：
（补零问题！）
Y(k)=DFT［y(n)］=aX1(k)+bX2(k), 0≤k≤N-1
➢再 反 转 形 成 x2((-m))N ， 取 主 值 序 列 则 得 到 x2((m))NRN(m)，通常称之为x2(m)的圆周反转； ➢对x2(m)的圆周反转序列圆周右移n，形成
x2((n-m))NRN(m)； ➢当n=0,1,2,…,N-1时，分别将x1(m)与x2((n-m))NRN(m)相 乘，并在m=0到N-1区间内求和，便得到其循环卷积y(n)。
y(n) x((n m))N RN (n)
则循环移位后的DFT为
Y (k) DFT [ y(n)] DFT [x((n m))N RN (n)] WNmk X (k)
证：利用周期序列的移位性质加以证明
DFS [x((n m)) N ] DFS [~x (n m)] WNmk X~(k)
x1(n)
0
N-1
~x2 (n)
0
N-1
n n
~x2 (m)
x2 0 mN RN (m)
0
m
x2 1 mN RN (m)
0
x2
2
mN
RN
(m)
m
0
m
x2 3 mN RN (m)
0
m
y(n) x1(n) N x2 (n) ➢两个长度
§3.2 离散傅里叶变换的基本性质
一. 线性性质
x1(n)和x2(n)是两个有限长序列，长度分别为N1和N2
y(n)=ax1(n)+bx2(n)
式中a、 b为常数， 即N≥max［N1, N2］， 则y(n)的N
点DFT为：
（补零问题！）
Y(k)=DFT［y(n)］=aX1(k)+bX2(k), 0≤k≤N-1
➢再 反 转 形 成 x2((-m))N ， 取 主 值 序 列 则 得 到 x2((m))NRN(m)，通常称之为x2(m)的圆周反转； ➢对x2(m)的圆周反转序列圆周右移n，形成
x2((n-m))NRN(m)； ➢当n=0,1,2,…,N-1时，分别将x1(m)与x2((n-m))NRN(m)相 乘，并在m=0到N-1区间内求和，便得到其循环卷积y(n)。
y(n) x((n m))N RN (n)
则循环移位后的DFT为
Y (k) DFT [ y(n)] DFT [x((n m))N RN (n)] WNmk X (k)
证：利用周期序列的移位性质加以证明
DFS [x((n m)) N ] DFS [~x (n m)] WNmk X~(k)
x1(n)
0
N-1
~x2 (n)
0
N-1
n n
~x2 (m)
x2 0 mN RN (m)
0
m
x2 1 mN RN (m)
0
x2
2
mN
RN
(m)
m
0
m
x2 3 mN RN (m)
0
m
y(n) x1(n) N x2 (n) ➢两个长度
第三章 离散傅里叶变换(DFT)
WΒιβλιοθήκη n N=(W
− N
n
)*
W
n N
=
W
n N
+iN
3. 可约性 4. 正交性
W i⋅n N
= WNn / i
∑ ∑ 1
N
N −1
W
nk N
(WNmk
)
*
k =0
=
1 N
N −1
W (n−m)k N
k =0
=
⎧1, ⎩⎨0,
n − m = iN n − m ≠ iN
3.3 周期序列的离散傅里叶级数
z 可以看出，当0≤k≤N-1 时，X~(k) 是对X(z)在Z平面单 位圆上的N点等间隔采样，在此区间之外随着k的变 化，X~ (k ) 的值呈周期变化。
了。所以这种无穷长序列实际上只有N个序列值的信息是 有用的，因此周期序列与有限长序列有着本质的联系。
3.3 周期序列的离散傅里叶级数
z X~(k) ↔ ~x (n) 是一个周期序列的离散傅里叶 级数(DFS)变换对，这种对称关系可表示为：
∑ X
(k )
=
D F S [ x (n)]
=
N −1
x
10
X (k) =
|X(ejω)|
X (e jω ) ω= 2π k 10
=
− j 4π k
e 10
sin(π k / 2) sin(π k /10)
5
…
o
π
…
2π
3π
4π
ω
3.3 周期序列的离散傅里叶级数
例2 已知周期序列x (n),求X (k )。并讨论 X~ (k)与 X (e jω ) 的关系
将n和k互换，有 ∑ Nx (－k ) = N－1 X (n)WNkn n＝0
− N
n
)*
W
n N
=
W
n N
+iN
3. 可约性 4. 正交性
W i⋅n N
= WNn / i
∑ ∑ 1
N
N −1
W
nk N
(WNmk
)
*
k =0
=
1 N
N −1
W (n−m)k N
k =0
=
⎧1, ⎩⎨0,
n − m = iN n − m ≠ iN
3.3 周期序列的离散傅里叶级数
z 可以看出，当0≤k≤N-1 时，X~(k) 是对X(z)在Z平面单 位圆上的N点等间隔采样，在此区间之外随着k的变 化，X~ (k ) 的值呈周期变化。
了。所以这种无穷长序列实际上只有N个序列值的信息是 有用的，因此周期序列与有限长序列有着本质的联系。
3.3 周期序列的离散傅里叶级数
z X~(k) ↔ ~x (n) 是一个周期序列的离散傅里叶 级数(DFS)变换对，这种对称关系可表示为：
∑ X
(k )
=
D F S [ x (n)]
=
N −1
x
10
X (k) =
|X(ejω)|
X (e jω ) ω= 2π k 10
=
− j 4π k
e 10
sin(π k / 2) sin(π k /10)
5
…
o
π
…
2π
3π
4π
ω
3.3 周期序列的离散傅里叶级数
例2 已知周期序列x (n),求X (k )。并讨论 X~ (k)与 X (e jω ) 的关系
将n和k互换，有 ∑ Nx (－k ) = N－1 X (n)WNkn n＝0
第3章 离散傅立叶变换 DFSDFS的性质DFTDFT的性质循环卷积利用DFT计算线性卷积频率域抽样FFT
~x(n)
1 N
N
1
X~
(k
)W
N
kn
k 0
IDFS
X~ (k )
DFS[·] ——离散傅里叶级数正变换 IDFS[·]——离散傅里叶级数反变换
离散傅里叶变换（DFT）
我们知道周期序列实际上只有有限个序列值有意义，因此 它的许多特性可推广到有限长序列上。
一个有限长序列 x(n)，长为N，
x(n)
图4.2.8 倒序规律
3.5.4 频域抽取法FFT(DIF―FFT)
在基2快速算法中，频域抽取法FFT也是一种常用 的快速算法，简称DIF―FFT。
设序列x(n)长度为N=2M，首先将x(n)前后对半分
开，得到两个子序列，其DFT可表示为如下形式：
N 1
X (k) DFT[x(n)] x(n)WNk
T0
频谱特点： 离散非周期谱
2. 连续时间非周期信号
x(t) 1 X ( j) ej td
2
X ( j) x(t) e j tdt
频谱特点： 连续非周期谱
3. 离散非周期信号
x(n) FT-1[ X (ej )] 1 X (ej ) ejnd
2
X (ej ) FT[x(n)] x(n) e-jn n
~x (n) IDFS [ X~ (k )] 1 N 1 X~ (k )e j2 / N nk
N n0
X~ (k ) DFS [~x (n)] N 1 ~x (n)e j2 / N kn n0
习惯上：记 WN e j2 / N ，叫旋转因子．
则DFS变换对可写为
X~(k) N 1 ~x (n)WNkn DFS~x (n) n0
第三章 离散傅里叶变换(DFT)
N 1
~ X ( k ) N k ( r pn)
k 0
N 1
~ NX ( r pN ) ~ NX ( r )
j 2 nr N
1 ~ 因此, X (r ) N
~ ( n )e x
n 0
N 1
将r换成k则有 1 ~ X (k ) N
n 0
则有
~ ~ ~ (n) b~ (n) aX (k ) bX (k ) DFSax1 x2 1 2
其中，a,b为任意常数。
二.序列的移位
~ ~(n) X (k ) 如果 DFSx
则有：
~ ~(n m) W mk X (k ) DFSx N e
2 j mk N
即：
N 1 n 0 j 2 kn N
~ ~( n )e X (k ) x ~( n ) 1 x N
N 1 k 0
~ X ( k )e
2 j kn N
~ X (k ) 的周期性 2 N 1 j ( k mN ) n ~ 周期性： ( k m N) ~( n )e N X x
) X (k )
0
0 20
N 0 N
k
四.离散时间、离散频率的傅氏变换--DFT
x(nT)=x(n)
1 2 T0 F0 0
T0 NT
0
x (e
j k 0T
T 2T
1 2
( N 1) ( N 1)
NT N
0
)
2 T s 1 T 2
x(k )
n 0 N 1 j 2 nk N
~ ( n )W nk x N
N 1 n 0
~ X ( k ) N k ( r pn)
k 0
N 1
~ NX ( r pN ) ~ NX ( r )
j 2 nr N
1 ~ 因此, X (r ) N
~ ( n )e x
n 0
N 1
将r换成k则有 1 ~ X (k ) N
n 0
则有
~ ~ ~ (n) b~ (n) aX (k ) bX (k ) DFSax1 x2 1 2
其中，a,b为任意常数。
二.序列的移位
~ ~(n) X (k ) 如果 DFSx
则有：
~ ~(n m) W mk X (k ) DFSx N e
2 j mk N
即：
N 1 n 0 j 2 kn N
~ ~( n )e X (k ) x ~( n ) 1 x N
N 1 k 0
~ X ( k )e
2 j kn N
~ X (k ) 的周期性 2 N 1 j ( k mN ) n ~ 周期性： ( k m N) ~( n )e N X x
) X (k )
0
0 20
N 0 N
k
四.离散时间、离散频率的傅氏变换--DFT
x(nT)=x(n)
1 2 T0 F0 0
T0 NT
0
x (e
j k 0T
T 2T
1 2
( N 1) ( N 1)
NT N
0
)
2 T s 1 T 2
x(k )
n 0 N 1 j 2 nk N
~ ( n )W nk x N
N 1 n 0
第三章离散傅里叶变换
不变，F减小N增加，又因增加 因此，和N可按下面两式选择 例1 有一频谱分析用FFT处理器，抽样点数为2的幂，假定没有采用 任何 特殊的数据处理，已给条件为 ①频率分辨率 ②信号的最高频率 求：①最小记录长度 ②抽样点的最大间隔T ③在一个记录中最小点数N 解： ① ② ③ 取 （2）频域泄露（截短产生误差）
●任何有限长序列都可以表示成共轭对称分量和共轭反对称分量 之和，即 ………… ……….(3-2) 对（3-2）式n换成N-n，并取复共轭得 (3-3) 联立（3-2），（3-3）可得：
●任何序列也可以表示实部和虚部 (3-4) 其中 (3-5) (3-6) （3）DFT的共轭对称性 ●对（3-4）进行DFT得： (3-7) ① 对（3-5）进行DFT得： .(3-8) ② 对（3-6）进行DFT得 (3-9) 结论：由（3-7），（3-8），（3-9）可得 其中 ● 任何序列可以表示为共轭对称和共轭反对称分量： (3-10) (3-11) (3-12) ① 对(3-10)进行DFT得 ② 对(3-11)进行DFT得 ③ 对(3-12)进行DFT得 结论: 其中 ●是长度为N的实序列，且，则 ① 共轭对称，即
2 (a) n,m 3 1 0
(b) 1 2 3 n,m
-2 6 5
2 1 -3 N=4 (c) m
m 3 2 n=0 (d)
ቤተ መጻሕፍቲ ባይዱ
m 3 0 n=1 (e)
m 1 0 n=2 (f)
2 m 1 n=3 (g)
2 3 2 m 1 (h) 1
图4
4、复共轭序列的DFT
设是的复共轭序列，长度为N，则 (3-1) 且。 证明：根据DFT的唯一性，只要证明（3-1）式右边等于左边即可。 又由的隐含周期性有 。 同理可证 。
离散傅里叶变换(DFT)
k=floor((-Nw/2+0.5):(Nw/2+0.5)); %建立关于纵轴对称的频率相量
for r=0:3;
K=3*r+1;
% 1,4,7,10
nx=0:(K*Nx-1); x=xn(mod(nx,Nx)+1);
%周期延拓后的时间向量 %周期延拓后的时间信号x
Xk=x*(exp(-j*dw*nx'*k))/K; %DFS
0
DFT的提出：
离散傅里叶变换不仅具有明确的物理意义，相对于DTFT， 它更便于用计算机处理。但是，直至上个世纪六十年代，由 于数字计算机的处理速度较低以及离散傅里叶变换的计算量 较大，离散傅里叶变换长期得不到真正的应用，快速离散傅 里叶变换算法的提出，才得以显现出离散傅里叶变换的强大 功能，并被广泛地应用于各种数字信号处理系统中。近年来， 计算机的处理速率有了惊人的发展，同时在数字信号处理领 域出现了许多新的方法，但在许多应用中始终无法替代离散 傅里叶变换及其快速算法。
X (e j ) x(n)e jn n
x(n) 1 X (e j )e jnd
2
其中ω为数字角频率，单位为弧度。 注意：非周期序列，包含了各种频率的信号。
局限性：离散时间傅里叶变换（DTFT）是特殊的Z变换，在数学和信号分 析中具有重要的理论意义。但在用计算机实现运算方面比较困难。这是因为， 在DTFT的变换对中，离散时间序列在时间n上是离散的，但其频谱在数字角
§1、傅里叶级数
周期为N的序列 ~x(n) ~x(n rN), (r为整数)
j( 2 )n
基频序列为 e1(n) e N
k次谐波序列为
ek (n)
j( 2 )nk
e N
第3章 离散傅里叶变换(DFT)
时域循环移位定理表明：有限长序列的循环移位，在离散 频域中相当于引入一个和频率成正比的线性相移WN-mk 频域循环移位定理表明：时域序列的调制(相移)等效于频域 的循环移位
(3.1.7)
注：若x(n)实际长度为M，延拓周期为N，则当N<M时，(3.1.5) 式仍表示以N为周期的周期序列，但(3.1.6)和 (3.1.7)式仅对 N≥M时成立。
第3章 离散傅里叶变换(DFT)
图3.1.2（a）中x(n)实际长度M=6，
x (n) 如图 当延拓周期N=8时，~
3.1.2（b）所示。
DTFT:X(e )= x( n)e
M 1 n0
N (n) RN (n) xN ( n) x
(k ) x N (n)WNkn DFS : X
DFT与ZT关系：
k
z e
j k N
X (k ) X ( z )
k ,, ,..., N k ,, ,..., N
第3章 离散傅里叶变换(DFT)
（2）时/频域循)] X (k )
k 0,1,..., N 1
则
且
mk DFT [ x(( n m)) N RN (n)] WN X (k )
nl IDFT [ X (( k l )) N RN (k )] WN x ( n)
n 0 N 1
WN e
j
2 N
k 0,1,..., N 1 n 0,1,..., N 1
1 N 1 IDFT [ X (k )] x(n) X (k )WN kn N k 0
1 IDFT[ X (k )]N N
N 1
mk kn [ x ( m ) W ] W N N k 0 m 0 k ( mn ) W N k 0 N 1
数字信号处理第三章离散傅里叶变换(DFT)及其快速算法(FFT)
周期
2
s、fs N
分辨率
2
N
fs N
返回
回到本节
DFT和DFS之间的关系：
周期延拓
取主值
有限长序列
周期序列
主值区序列
有限长序列 x(n) n 0,1, 2, M 1
周期序列 xN (n) x(n mN ) x((n))N m 0 n0 N 1 n mN n0 ((n))N n0
四种傅立叶变换
离散傅立叶变换（DFT）实现了信号首次在频域 表示的离散化，使得频域也能够用计算机进行处理。 并且这种DFT变换可以有多种实用的快速算法。使信 号处理在时、频域的处理和转换均可离散化和快速 化。因而具有重要的理论意义和应用价值，是本课程 学习的一大重点。
本节主要介绍
3.1.1 DFT定义 3.1.2 DFT与ZT、FT、DFS的关系 3.1.3 DFT的矩阵表示
• X(k)为x(n)的傅立叶变换 X (e j ) 在区间 [0, 2 ]上的N
点等间隔采样。这就是DFT的物理意义。
j ImZ
2பைடு நூலகம்3
4
5 6
1 2
N
k=0 ReZ
7 (N-1)
DFT与z变换
X(ejω)
X(k)
0
o
2
0
N 1 k
DFT与DTFT变换
回到本节
变量
、f k
之间的某种变换关系.
• 所以“时间”或“频率”取连续还是离 散值,就形成各种不同形式的傅里叶变换 对。
3.1 离散傅里叶变换的定义及物理意义
时间域
t:连续
模拟域
第3章 离散傅里叶变换(DFT)
M为整数 M为整数
x (n ) =
m = −∞
∑
∞
x ( n + mN )
(3.1.5) (3.1.6)
x (n ) = x (n ) ⋅ RN (n )
~
~
x(n)=x((n))N，
% X (k ) =
m =− ∞
∑ X (k + mN )
∞
% X (k ) = X (k ) RN (k )
回到本节
N k=0
k =0 N
为DFT变换 长度N≥M， ， N 为DFT变换 长度N≥M， WN = e DFT 有限长 离散序列 有限长 离散序列
−j
2π N
第三章 离散傅里叶变换DFT
例1
解：
已知 x(n) = R4 (n)，分别求N = 8和N =16 时的X (k)。
N = 8时
N−1 n=0 nk N
第三章 离散傅里叶变换DFT
式中x((n))N表示x(n)以N为周期的周期延拓序列， ((n))N 表示n对N求余， 即如果 n=MN+n1， 0≤n1≤N-1， 则 ((n))N=n1 例如 N = 5, x N (n) = x((n))5 则有
~
M为整数，
x (5) = x ((5))5 = x (0) x (6) = x ((6))5 = x (1)
∑e
n=0
k =0 8, = 0, k = 1, 2, 3, 4, 5, 6, 7
x(n)的16点DFT为
k 1 − W168 1 − e k X (k ) = W16 n = = k 2π −j k 1 − W16 n=0 1 − e 16 π 7π sin k −j k 2 = e 16 , k = 0,1, 2,L ,15 π sin k 16
第3章 3.1-3.2离散傅里叶变换(DFT)
n0
WNkm X (k)
第3章 离散傅立叶变换（DFT）
对比记忆：
循环时移：
x((n
m))
N
RN
(n)
W mkm N
X(k
)
线性时移：
x(n n0 ) e jn0 X(e j )
29
时域移位，频域相移
2020/4/5
第3章 离散傅立叶变换（DFT）
3. 频域循环移位定理 如果： X (k) DFT[x(n)], 0 k N 1 则 ： Y (k) X ((k l))N RN (k)
e8
n0
n0
j 3k
e8
sin(
2
sin(
k) k)
,k
0,1,, 7
8
17 2020/4/5
第3章 离散傅立叶变换（DFT）
提高谱密度
18
图3.1.1 R4(n)的FT和DFT的幅度特性关系
2020/4/5
第3章 离散傅立叶变换（DFT）
3.3.2 DFT和DTFT、ZT的关系
设序列x(n)的长度为N， 其ZT、DTFT和
对任意整数m， 总有：
WNk WN(kmN) , k, m, N均为整数
所以(3.3.6)式中， X(k)满足：
N 1
X (k mN ) x(n)WN(kmN )n
n0
N 1
x(n)WNkn X (k)
n0
同理可证明(3.3.7)式中：
14 2020/4/5
x(n mN) x(n)
1．
设序列h(n)和x(n)的长度分别为N和M。h(n)与x(n)的
L点循环卷积定义为：L1
kn
e4
n0
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
t
Tp
0
2 0 Tp
1 正 : X ( jk 0 ) Tp
反 : x (t )
k
Tp / 2
T p / 2
x(t )e
0
jk 0t
dt
X ( jk
)e
jk 0t
*时域周期为Tp,
频域谱线间隔为2π/Tp
时域信号 连续的 周期的
频域信号 非周期的 离散的
~ X ( k )e
k 0
N 1
j
2 kn N
3.离散傅氏级数的习惯表示法
通常用符号
WN e
2 j N
代入，则：
~ 正变换： X ( k ) DFS ~ x ( n ) ~ x ( n )e
n 0
N 1 k 0
N 1
j
2 nk N
nk ~ x ( n )WN
~ X (k )
证明：
DFS [ ~ x (n m)]
n 0
N 1
nk ~ x (n m)WN
令i=m+n,则 n=i-m。 所以
n=0 时，i=m; n=N-1时，i=N-1+m
DFS [ ~ x (n m)] W
N 1 m
i m N 1 mk N i 0
2 *时域抽样间隔为 T , 频域的周期为 s T
时域信号 离散的 非周期的
频域信号 周期的 连续的
四.离散时间、离散频率的傅氏变换--DFT
x(nT)=x(n)
Tp 1 F
T p NT
x (e
jk 0T
)
0 T 2T 1 2
s 2 T 1 fs T
NT
N
0
6 7 (N-1)
X (e
2 j k N
) x ( n)e ~ X (k )
~ 可见， X (k )是Z变换 X ( Z ) 在单位
圆上抽样，抽样点在单位圆上的N个 等分点上，且第一个抽样点为k=0。
§ 3-4
一.线性
DFS的性质
如果
~ X 1 ( k ) DFS ~ x1 ( n ) ~ X 2 ( k ) DFS ~ x2 ( n )
e 1 e
j
2 rn N
1 e
e
j
2 r 2 N
e
j
2 r ( N 1) N
j
2 rN N 2 j r N
N (r mN时)
1 e
同样，当
k r pN时，p也为任意整数，则
e
n 0
N 1
2 j ( k r ) n N
N N (0) N [( k r ) pN ]
X (e
jk 0T
)
0 x ( nT ) s
k 0
n 0 N 1
N 1
x ( nT )e jnk 0T X (e
jk 0T
)e
jnk 0T
2 2 2 又 0T T 0 Tp s N 因此 X (e
j 2 k N
)
x(nT )e
则有
~ ~ ~ ~ DFS ax1 (n) bx2 (n) aX 1 (k ) bX 2 (k )
其中，a,b为任意常数。
二.序列的移位
~ ~ 如果 DFS x (n) X (k )
则有：
mk ~ ~ DFS x (n m) WN X (k )
e
j
2 mk N
x(k )
2 2F Tp
t n
s N0
0 2 0 1 2 3
0 0
N 0 N
( N 1) 0 ( N 1)
k
由上述分析可知，要想在时域和频域 都是离散的，那么两域必须是周期的。 时域信号 离散的 周期的 频域信号 周期的 离散的
2 *时域是周期为Tp函数，频域的离散间隔为 0 ; Tp 2 时域的离散间隔为T , 频域的周期为 s . T
mn N
证明：
mn N
mn ~ kn ~ DFS [W x (n)] WN x (n)WN n 0 (k m)n ~ x (n)WN N 1 n 0
N 1
~ X ( k m)
W
mn N
e
j
2 mn N
j
e
2 n N
j
2 nm N
(e
j
2 n m N
§3-1 引言
§3-2 傅氏变换的几种可能形式 §3-3 周期序列的DFS §3-4 DFS的性质 §3-5 DFT--有限长序列的离散频域表示
§3-6 DFT的性质
§3-7 抽样Z变换--频域抽样理论 §3-8 利用DFT对连续时间信号的逼近
§ 3-1
引言
一.DFT是重要的变换
1.分析有限长序列的有用工具。 2.在信号处理的理论上有重要意义。
N 1 n 0
~ ~ 反变换： x ( n ) IDFS X ( k ) 1 N ~ X ( k )e
j 2 nk N
1 N
~ nk X (k )WN
kபைடு நூலகம்0
N 1
~ 4. X ( k )的周期性与用Z变换的求法 2 N 1 j ( k mN ) n ~ ~ 周期性： X ( k mN ) x ( n )e N
ik mk ~ x (i)WN WN ik mk ~ ~ x ( i ) W W x (k ) N N
~ * x (i )
和W
ik N
都是以N为周期的周期函数。
三.调制特性
如果
则有
~ ~ DFS x (n) X (k )
~ ~ DFS W x (n) X (k m)
n 0
~ x ( n )e
n 0
N 1
2 j kn N
e
j 2mn
~ x ( n )e ~ X (k )
n 0
N 1
2 j kn N
~ 这就是说，X (k )只有N个不同值。
~ 用Z变换的求 X ( k ) ：
~ x (n) 的一个周期内序列记作xn ,而且
(k r ) pN (k r pN ) k (r pN )
1 e 亦即 N n 0
N 1 k 0
N 1 j 2 ( k r ) n N
~ ~ ~ 所以 X (k ) k ( r pN ) X ( r pN ) X ( r )
2.
~ X (k ) 的表达式
~ ~ 将式 x (n) X (k )e
N 1 k 0 j 2 nk N
的两端乘
e
2 j nr N
，然后从 n=0到N-1求和，则：
2 j nr N
~ x ( n)e
n 0
N 1
~ X (k )e
n 0 k 0
N 1 N 1
~ NX ( r pN ) ~ NX ( r )
k 0
1 ~ 因此, X (r ) N
~ x ( n) e
n 0
N 1
j
2 nr N
将r换成k则有 1 ~ X (k ) N 1 ~ X (k ) N ~ x ( n) ~ x ( n )e
n 0 N 1 n 0 N 1 2 j kn N
应是N点的周期序列。
j 2rn 又由于 e e e e 所以求和可以在一个周期内进行，即
2 j ( k rN ) n N
2 j nk N
2 j kn N
~ ~ x nT X k0 e
k 0
N 1
j
2 nk N
这就是说，当在k=0,1,..., N-1求和与在 k=N,...,2N-1求和所得的结果是一致的。 ~ ~ ~ ~ 考虑到：x (nT ) ~ x (n)，X (k ) ~ X (k )；
j
2 ( k r ) n N
~ x ( n )e
n 0 N 1
N 1
j
2 nr N
~ X ( k )e
n 0 k 0
N 1 N 1
j
2 ( k r ) n N
N 1 j 2 ( k r ) n ~ X (k ) e N k 0 n 0 N 1 ~ X (k ) N k ( r pn )
jt
dt
0
t
X ( j)
1 反 : x (t ) 2
X ( j)e d
jt
0
时域信号 连续的 非周期的
对称性:
频域信号 非周期的 连续的
时域连续，则 频域非周期。 反之亦然。
二.连续时间、离散频率傅里叶变换-傅氏级数
x(t )
--0 ---
X ( jk0 )
x ( n)e
n 0 N 1 k 0
N 1
j
2 nk N 2 nk N
正 反
1 x ( n) N
X ( k )e
j
§ 3-3 周期序列的DFS
一.周期序列DFS的引入 导出周期序列DFS的传统方法是从连 续的周期信号的复数傅氏级数开始的：
~ x (t )
k
~ jk0t X ( k 0 ) e
三.离散时间、连续频率的傅氏变换 --序列的傅氏变换
x(nT) T
X e
或 X (e
j
jT
)
---T