数字信号处理第3章 离散傅里叶变换
数字信号处理第三版(姚天任、江太辉) 答案 第三章
第三章离散傅里叶变换及其快速算法习题答案参考3.1 图P3.1所示的序列(xn 是周期为4的周期性序列。
请确定其傅里叶级数的系数(X k。
解:(111*0((((((N N N nk nk nk N N N n n n X k x n W x n W x n W X k X k −−−−−=====−= =−=∑∑∑3.2 (1设(xn 为实周期序列,证明(x n 的傅里叶级数(X k 是共轭对称的,即*((X k X k =− 。
(2证明当(xn 为实偶函数时,(X k 也是实偶函数。
证明:(1 111**((([(]((N nk N n N N nk nkNNn n Xk x n W Xk x n W xn W X−−=−−−==−=−===∑∑∑ k(2因(xn 为实函数,故由(1知有 *((Xk X k =− 或*((X k X k −= 又因(xn 为偶函数,即((x n x n =− ,所以有(111*0((((((N N N nk nk nk N N N n n n X k x n W x n W x n W X k X k −−−−−=====−= =−=∑∑∑3.3 图P3.3所示的是一个实数周期信号(xn 。
利用DFS 的特性及3.2题的结果,不直接计算其傅里叶级数的系数(Xk ,确定以下式子是否正确。
(1,对于所有的k; ((10Xk X k =+ (2((Xk X k =− ,对于所有的k; (3; (00X=(425(jkX k eπ,对所有的k是实函数。
解:(1正确。
因为(x n 一个周期为N =10的周期序列,故(X k 也是一个周期为N=10的周期序列。
(2不正确。
因为(xn 一个实数周期序列,由例3.2中的(1知,(X k 是共轭对称的,即应有*((Xk X = k −,这里(X k 不一定是实数序列。
(3正确。
因为(xn (0n ==在一个周期内正取样值的个数与负取样值的个数相等,所以有 10(0N n Xx −=∑ (4不正确。
数字信号处理—原理、实现及应用(第4版)第3章 离散傅里叶变换及其快速算法 学习要点及习题答案
·54· 第3章 离散傅里叶变换（DFT ）及其快速算法（FFT ）3.1 引 言本章是全书的重点，更是学习数字信号处理技术的重点内容。
因为DFT （FFT ）在数字信号处理这门学科中起着不一般的作用，它使数字信号处理不仅可以在时域也可以在频域进行处理，使处理方法更加灵活，能完成模拟信号处理完不成的许多处理功能，并且增加了若干新颖的处理内容。
离散傅里叶变换（DFT ）也是一种时域到频域的变换，能够表征信号的频域特性，和已学过的FT 和ZT 有着密切的联系，但是它有着不同于FT 和ZT 的物理概念和重要性质。
只有很好地掌握了这些概念和性质，才能正确地应用DFT （FFT ），在各种不同的信号处理中充分灵活地发挥其作用。
学习这一章重要的是会应用，尤其会使用DFT 的快速算法FFT 。
如果不会应用FFT ，那么由于DFT 的计算量太大，会使应用受到限制。
但是FFT 仅是DFT 的一种快速算法，重要的物理概念都在DFT 中，因此重要的还是要掌握DFT 的基本理论。
对于FFT 只要掌握其基本快速原理和使用方法即可。
3.2 习题与上机题解答说明：下面各题中的DFT 和IDFT 计算均可以调用MA TLAB 函数fft 和ifft 计算。
3.1 在变换区间0≤n ≤N -1内，计算以下序列的N 点DFT 。
(1) ()1x n =(2) ()()x n n δ=(3) ()(), 0＜＜x n n m m N δ=- (4) ()(), 0＜＜m x n R n m N = (5) 2j()e, 0＜＜m n N x n m N π=(6) 0j ()e n x n ω=(7) 2()cos , 0＜＜x n mn m N N π⎛⎫= ⎪⎝⎭(8)2()sin , 0＜＜x n mn m N N π⎛⎫= ⎪⎝⎭(9) 0()cos()x n n ω=(10) ()()N x n nR n =(11) 1,()0n x n n ⎧=⎨⎩，解：(1) X (k ) =1N kn N n W -=∑=21j0eN kn nn π--=∑=2jj1e1ekN n k nπ---- = ,00,1,2,,1N k k N =⎧⎨=-⎩(2) X (k ) =1()N knNM n W δ-=∑=10()N n n δ-=∑=1，k = 0, 1, …, N -1(3) X (k ) =100()N knNn n n W δ-=-∑=0kn NW 1()N n n n δ-=-∑=0kn NW，k = 0, 1, …, N -1为偶数为奇数·55·(4) X (k ) =1m knN n W -=∑=11kmN N W W --=j (1)sin esin k m N mk N k N π--π⎛⎫⎪⎝⎭π⎛⎫ ⎪⎝⎭，k = 0, 1, …, N -1 (5) X (k ) =21j 0e N mn kn N N n W π-=∑=21j ()0e N m k nNn π--=∑=2j()2j()1e1em k N N m k Nπ--π----= ,0,,0≤≤1N k mk m k N =⎧⎨≠-⎩(6) X (k ) =01j 0eN nknN n W ω-=∑=021j 0e N k nN n ωπ⎛⎫-- ⎪⎝⎭=∑=002j 2j 1e1ek NN k N ωωπ⎛⎫- ⎪⎝⎭π⎛⎫- ⎪⎝⎭--= 0210j 202sin 2e2sin /2N k N N k N k N ωωωπ-⎛⎫⎛⎫- ⎪⎪⎝⎭⎝⎭⎡⎤π⎛⎫- ⎪⎢⎥⎝⎭⎣⎦⎡⎤π⎛⎫- ⎪⎢⎥⎝⎭⎣⎦，k = 0, 1, …, N -1或 X (k ) =00j 2j 1e 1e Nk N ωωπ⎛⎫- ⎪⎝⎭--，k = 0, 1, …, N -1(7) X (k ) =102cos N kn N n mn W N -=π⎛⎫ ⎪⎝⎭∑=2221j j j 01e e e 2N mn mn kn N N N n πππ---=⎛⎫ ⎪+ ⎪⎝⎭∑=21j ()01e 2N m k n N n π--=∑+21j ()01e 2N m k n N n π--+=∑=22j ()j ()22j ()j ()11e 1e 21e 1e m k N m k N N N m k m k N N ππ--+ππ--+⎡⎤--⎢⎥+⎢⎥⎢⎥--⎣⎦=,,20,,N k m k N mk m k N M ⎧==-⎪⎨⎪≠≠-⎩，0≤≤1k N - (8) ()22j j 21()sin ee 2j mn mnN N x n mn N ππ-π⎛⎫== ⎪-⎝⎭ ()()112222j j j ()j ()0011()=e e ee 2j 2j j ,2=j ,20,(0≤≤1)N N kn mn mn m k n m k n N N N N N n n X k W Nk m N k N mk k N --ππππ---+===--⎧-=⎪⎪⎨=-⎪⎪-⎪⎩∑∑其他(9) 解法① 直接计算χ(n ) =cos(0n ω)R N (n ) =00j j 1[e e ]2n n ωω-+R N (n )X (k ) =1()N knNn n W χ-=∑=0021j j j 01[e e ]e 2N kn n n N n ωωπ---=+∑=0000j j 22j j 11e 1e 21e 1e N N k k N N ωωωω-ππ⎛⎫⎛⎫--+ ⎪ ⎪⎝⎭⎝⎭⎡⎤--⎢⎥+⎢⎥⎢⎥--⎣⎦，k = 0, 1, … , N -1 解法② 由DFT 共轭对称性可得同样的结果。
DFT变换
第三章离散傅立叶变换(DFT)3．1 引言有限长序列在数字信号处理是很重要的一种序列，当然可以用Z变换和傅里叶变换来研究它，但是，可以导出反映它的"有限长"特点的一种有用工具是离散傅里叶变换(DFT)。
离散傅里叶变换除了作为有限长序列的一种傅里叶表示法在理论上相当重要之外，而且由于存在着计算离散傅里叶变换的有效快速算法，因而离散傅里叶变换在各种数字信号处理的算法中起着核心的作用。
有限长序列的离散傅里叶变换(DFT)和周期序列的离散傅里叶级数(DFS)本质上是一样的。
为了更好地理解DFT，需要先讨论周期序列的离散傅里叶级数DFS。
而为了讨论离散傅里叶级数及离散傅里叶变换，我们首先来回顾并讨论傅里叶变换的几种可能形式。
(连续时间信号：如果在讨论的时间间隔内，除若干不连续点之外，对于任意时间值都可给出确定的函数值，此信号就称为连续时间信号。
)一、连续时间、连续频率——连续傅立叶变换（FT）设x(t)为连续时间非周期信号，傅里叶变换关系如下图所示：可以看出时域连续函数造成频域是非周期的谱，而时域的非周期造成频域是连续的谱。
二、连续时间，离散频率------傅 里 叶 级 数设f(t)代表一个周期为T 1的周期性连续时间函数，f(t)可展成傅里叶级数，其傅里叶级数的系数为，f(t)和组成变换对，表示为:（）注意符号：如果是周期性的采样脉冲信号p(t)，周期用T 表示（采样间隔）。
采样脉冲信号的频率为可以看出时域连续函数造成频域是非周期的谱，而时域的周期造成频域是离散的谱三、离散时间，连续频率------序列的傅里叶变换n F n F tjn n n e F t f 1)(Ω∞-∞=∑=112Ω=πT dte tf T F TT t jn n ⎰-Ω-=221111)(1Ts π2=Ω正变换：DTFT[x(n)]=反变换：DTFT-1 级数收敛条件为||=可以看出时域离散函数造成频域是周期的谱，而时域的非周期造成频域是连续的谱四、离散时间，离散频率------离散傅里叶变换上面讨论的三种傅里叶变换对，都不适用在计算机上运算，因为至少在一个域(时域或频域)中，函数是连续的。
数字信号处理第3章 离散傅里叶变换(DFT)
Y(k)=DFT［y(n)］=aX1(k)+bX2(k), 0≤k≤N-1(3.2.1)
其中X1(k)和X2(k)分别为x1(n)和x2(n)的N点DFT。
3.2.2 循环移位性质
1. 序列的循环移位 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)
其中 XR(k)=Re［X(k)］=DFT［xep(n)］
(3.2.17)
X(k)=DFT［x(n)］=XR(k)+jXI(k) (3.2.18)
jXI(k)=jIm［X(k)］=DFT［xop(n)］
设x(n)是长度为N的实序列，且X(k)=DFT［x(n)］，则
(1) X(k)=X*(N-k),0≤k≤N-1 (2) 如果 x(n)=x(N-m) 则X(k)实偶对称，即X(k)=X(N-k) (3.2.20) (3.2.19)
如果序列x(n)的长度为M， 则只有当频域采样点
数N≥M时， 才有
xN(n)=IDFT［X(k)］=x(n) 即可由频域采样X(k)恢复原序列x(n)，否则产生时 域混叠现象。 这就是频域采样定理。
下面推导用频域采样X(k)表示X(z)的内插公式和内
插函数。设序列x(n)长度为M，在频域0~2π之间等间隔 采样N点，N≥M，则有
的值。
图 3.2.3 共轭对称与共轭反对称序列示意图
如同任何实函数都可以分解成偶对称分量和奇对
称分量一样，任何有限长序列x(n)都可以表示成共轭对 称分量和共轭反对称分量之和，即
x(n)=xep(n)+xop(n)
0≤n≤N-1
(3.2.11)
(3.2.13) (3.2.14)
数字信号处理之离散傅里叶变换
共轭对称性
对于实数输入信号，DFT 的结果X[k]满足共轭对称 性，即X[-k] = X[k]*。
离散傅里叶变换的矩阵表示
DFT可以表示为一个矩阵运算， 即X = W * x，其中X是DFT的输 出，x是输入信号，W是DFT的
权重矩阵。
权重矩阵W是一个复数矩阵，具 有特殊的结构，可以通过快速傅 里叶变换（FFT）算法进行高效
03
其他信号处理方法还包括短时 傅里叶变换、Wigner-Ville分 布等，可根据具体应用场景选 择合适的信号处理方法。
ቤተ መጻሕፍቲ ባይዱ 06
结论
离散傅里叶变换的重要性和应用价值
离散傅里叶变换（DFT）是数字信号处理领域 中的重要工具，它能够将信号从时域转换到频 域，从而揭示信号的频率成分和特征。
DFT在通信、雷达、声呐、图像处理、语音识 别等领域有着广泛的应用，是实现信号分析和 处理的关键技术之一。
图像压缩
通过对图像进行DFT变换，将图像从空间域变换到频域，可以提取出图像的主要频率成分 ，从而实现图像压缩。常见的图像压缩算法有JPEG和JPEG2000等。
05
离散傅里叶变换的局限性和改进方法
离散傅里叶变换的局限性
计算量大
离散傅里叶变换需要进行大量复杂的复数运算，对于大数据量信 号处理效率较低。
方式。
离散傅里叶变换的编程实现
01
编程语言如Python、C等提供了离散傅里叶变换的库函数，可 以直接调用进行计算。
02
编程实现时需要注意数据的输入输出、内存管理、异常处理等
问题，以保证程序的正确性和稳定性。
编程实现离散傅里叶变换时，可以根据实际需求选择不同的库
03
函数和算法，以达到最优的计算效果。
《数字信号处理》C3离散傅里叶变换及快速算法
j
n
x(n) z n
M 1 n 0
n x ( n ) z jn
X ( e ) DTFT [ x ( n )]
n
x ( n )e
M 1 n 0
jn ( ) x n e
2 j X ( e ) FT [ x N ( n )] N ( k ) DFS [ x N ( n )] X X ( k ) DFT [ x ( n )]N
n 0
N 1
n
1 n0 N
N 1
X (k )W
k 0
N 1
nk N
n z
1 N 1 N 1 nk n X (k ) WN z N k 0 n 0
N 1 1 N 1 k 1 n X (k ) WN z N k 0 n 0
(n) ak e x
k 0 N 1 j 2 kn N
2 2 T 0 0T NT N
为什么是有限项之和？ 如何求系数？
( n )e x
n 0
N 1
j
2 mn N
2 2 j kn j mn ak e N e N n 0 k 0 N 1 N 1
N 1
ak ak lN
周期
3.1 周期序列的傅里叶级数
数字信号处理：离散傅里叶变换(DFT)
X (k ) XX((kkX)))X(XX(z(ez(zzjjjj))))222kk,,k, 200k0,kkkNN--1N1-1 0((33..1(1.3.44.)1k).4) NNN N
2021/8/24
6
3.1 离散傅里叶变换的定义
DFT的物理意义：
(1)x(n)的N点DFT 是x(n)的Z变换在单位
。 j 2 kn 8
解: (1) 设变换区间N=8， 则：n0
N 0
XX(k(k)
77
)
nn00
xx(Xn(n)W()Wk8k)8nkn 3373 eexj 28j(28knnkn)We8jk83nk NnN000
sin(3 k 2 sin kn
80,1,
,
7
(2) 设变换区间N=16， 则 2 k 8
设序列x(n)的长度为N， 其Z变换和DFT分别为：
N 1
X (z) ZT[x(n)] x(n)zn
n0
N 1
X (k) DFT[x(n)] x(n)WNkn
n0
0 k N-1
X (比k较) 上XXX面(((kkkX)二))式X(XX(z(可z(z)z)))得zzzezej2关jeN2Njk2Nke,系k,j,2N式 k00,0kkkNN--N11-10 ((33k..1(1.3.33.)1).3)N
(
j2 k
X
(k)
X(k)
DFT
[=x(Xn~ ()k]
)RNDD(nFF)ST[n[x~x(0~n()n] )RNnN01(n
[0, 2]上的N点
单位圆上的N
等间隔采样
DFT
点等间隔采样
~
X (k ) DFFTT [ x(n)] ZT DFT [x(n)RN (n)] X
数字信号处理第三章chhy
( K,m,N均为整数 WNk WNk mN ) , k , m, N
X ( k mN (2) X(k)隐含的周期性 (周期为N) )
n 0
N 1
( x ( n )WN k mN ) n
X ( k mN ) x ( n )W
kn x(n )W X ( k ) DFT [ x ( n )] x ( n )WN
X ( k ) DFT [ x ( n )]
M-1 N 1
N 1
kn N
0 k N-1
X (k ) X ( z )
2 j k z e N
, ,
0 X( k ) ((kX X ((zzj)) )22 ,, k N-1 X k)(3.1.3) j X ) ( z j X e
3.1 离散傅立叶变换的定义及物理意义 3.1.2 DFT与傅里叶变换和Z变换的关系
设序列x(n)的长度为M， 其Z变换和N点DFT分别为：
X ( z ) ZT [[x (( n )] xxnnz n n X ( z ) ZT x n )] ( () )z
N 1 n 0
X (k )e
k 0
N 1 ~
j
2 nk N
一个域的离散造成另一个域的周期 延拓，因此离散傅里叶变换的时 域和频域都是离散的和周期的
引入
例1：连续时间、连续频率—傅里叶变换
例2：连续时间、离散频率—傅里叶级数
引入
例3：离散时间、连续频率—序列的傅里叶变换
例4： 离散时间、离散频率—序列的傅里叶级数
j
2π N
，将时域序列x(n)变换为频域序列X(k)；
数字信号处理3
m 0,1,2,3
X [0] X [1] X [2] X [3]
W80 W81 W82 W83
-1 -1 -1 -1
X2[0]
X2[1] X2[2] X2[3]
X [4] X [5]
X [6]
X [7]
8点基2时间抽取FFT算法流图
x[0] x[0]
XX11[0] 11[0]
X1[0] X1[1] X1[2] X1[3]
X 1[ m ]
N / 2 1 r 0 mr x1[r ]WN / 2
X 2 [m ]
N / 2 1 r 0
mr x2 [r ]WN / 2
m 0,1 N 1 2
（2）合成
m X [m] X 1[m] WN X 2 [m]
X [ m N ] X 1[ m ] W X 2 [ m ] 2
X[4] X[5] X[6] X[7]
1
W80 W82
W80
1 1
W82 W83
1
3. 基2时间抽取FFT算法的计算复杂度
算法 直接计 算DFT 基2时 间抽取 FFT 复乘 次数 N2
N log 2 N 2
复乘次数
复加 次数 N(N-1)
18000 16000 14000 12000 10000 8000 6000 4000 2000 0
1. 基2频率抽取FFT算法原理
将频域序列X[m]分成两个长度为N/2的短序列X1、X2 合成 偶数点序列 X 1[ r ] X [2 r ]
N r 0,1, , 1 2 奇数点序列 X 2 [ r ] X [2r 1]
这两个频域短序列分别由N/2点时域序列x1、x2经过DFT计 算得到 N /21 N /2 1
离散傅里叶变换(DFT)
X (k) X (e j ) 2 k , N
0 k N-1
(3.1.4)
序列x(n)的N点DFT是 x(n)的DTFT在[0，2π]上的N点等间隔采样
第3章 离散傅里叶变换(DFT)
2 N
m
-1 单位圆
jIm(z)
j
z平面
2 N
0
1
Re(z)
2 ( N 1) N
-j
图 3.1.1 X(k)与X(z),X(e jω)的关系
x((n))N 表示先对n进行模N运算，然后对所得结果进行函数运算
n 25, N 9, 25 7 9
第3章 离散傅里叶变换(DFT) x(n)
n
0 ~x (n) N-1
...
...
n
0
N-1
定义从n=0 到(N-1)的第一个周期为主值序列或区间。
第3章 离散傅里叶变换(DFT) (2)从DFS到离散傅里叶变换
(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
1
N 1
j 2 kn
X (k)e N
N k0
X (e j ) 2 X (k) ( 2 k)
N k
N
其中 :
X
(k)
N 1
x(n)e
第三章离散时间信号的傅里叶变换
第三章离散时间信号的傅里叶变换课程：数字信号处理目录第三章离散时间信号的傅里叶变换 (3)教学目标 (3)3.1引言 (3)3.2傅里叶级数CFS (4)3.2.1傅里叶级数CFS定义 (4)3.2.2傅里叶级数CFS性质 (6)3.3傅里叶变换CFT (7)3.3.1傅里叶变换CFT定义 (7)3.3.2傅里叶变换CFT的性质 (8)3.4离散时间信号傅里叶变换DTFT (9)3.4.1离散时间信号傅里叶变换DTFT定义 (9)3.4.2离散时间信号傅里叶变换的性质 (10)3.5周期序列的离散傅里叶级数(DFS) (14)3.5.1周期序列的离散傅里叶级数的定义 (14)3.5.2周期序列的离散傅里叶级数的性质 (18)3.6离散傅里叶变换(DFT) (20)3.6.1离散傅里叶变换(DFT) (20)3.6.2离散傅里叶变换的性质 (23)3.7CFS、CFT、DTFT、DFS和DFT的区别与联系 (25)3.8用DFT计算模拟信号的傅里叶分析 (28)3.9实验 (30)本章小结 (32)习题 (33)参考文献： (36)第三章离散时间信号的傅里叶变换教学目标本章讲解由时域到频域的傅里叶变换，频域观察信号有助于进一步揭示系统的本质，对于某些系统可以极大的简化其设计和分析过程。
通过本章的学习，要理解连续时间信号的傅里叶级数和傅里叶变换的和离散时间信号基本概念、性质和应用；了解一些典型信号的傅里叶变换；理解连续时间信号的傅里叶级数(CFS)、连续时间信号的傅里叶变换(CFT)、离散时间傅里叶变换(DTFT)、离散时间傅里叶级数(DTFS)和离散傅里叶变换(DFT)它们相互间的区别与联系；掌握傅里叶变换的参数选择，以及这些参数对傅里叶变换性能的影响；了解信号处理中其它算法（卷积、相关等）可以通过离散傅里叶变换(DFT)来实现。
3.1引言一束白光透过三棱镜，可以分解为不同颜色的光，这些光再通过三棱镜，就会得到白光。
数字信号处理第三章习题解答
（4）在频带宽度不变的情况下，将频率分辨率提高一倍的N值。
解：
（1）已知
（2）
（3）
（4）频带宽度不变就意味着采样间隔T不变，应该使记录时间扩大一倍为0.04s实现频率分辨率提高一倍（F变为原来的1/2）
18.我们希望利用 长度为N=50的FIR滤波器对一段很长的数据序列进行滤波处理，要求采用重叠保留法通过DFT来实现。所谓重叠保留法，就是对输入序列进行分段（本题设每段长度为M=100个采样点），但相邻两段必须重叠V个点，然后计算各段与 的L点（本题取L=128）循环卷积，得到输出序列 ，m表示第m段计算输出。最后，从 中取出Ｂ个，使每段取出的Ｂ个采样点连接得到滤波输出 。
————第三章————
离散傅里叶变换DFT
3.1 学习要点
3.1.1DFT的定义、DFT与Z变换(ZT)、傅里叶变换(FT)的关系及DFT的物理意义
1.DFT的定义
设序列 为有限长序列，长度为 ,则定义 的 点离散傅立叶变换为
(3.1)
的 点离散傅立叶逆变换为
(3.2)
其中， ， 成为DFT变换区间长度。
学习DFT的性质时，应与傅里叶变换的性质对照学习，要搞清两者的主要区别。我们知道，傅里叶变换将整个时域作为变换区间，所以在其性质中，对称性以原点为对称点，序列的移动范围无任何限制。
然而，DFT是对有限长序列定义的一种变换，也就是说，DFT变换区间为 。这一点与傅立叶变换截然不同，由于 及 区间在DFT变换区间以外，所以讨论对称性时，不能再以原点作为对称点，而是以 点作为对称点。为了区别于无限长共轭对称序列，用 和 分别表示有限长（或圆周）共轭对称序列和共轭反对称序列。其定义为
即 隐含周期性，周期为 。
第三章 离散傅里叶变换(DFT)
− 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
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
数字信号处理_第三章
x( L 1) x( L 2) y (0)c x(0) y (1) x(1) x(0) x( L 1) c y (2)c ＝ x(2) x(1) x(0) x( L 1) x( L 2) x( L 3) y ( L 1)c
DFTx2 (n) X 2 (k )
二、循环移位性质
1、序列的循环移位（圆周移位）定义： 一个有限长序列 x(n) 的圆周移位定义为
y(n) xn mN RN n
(1) 先将x(n)作 周 期 ~ x延 (n) 拓 xnN
~ n mN (2) 延 拓 后 再 进 x (n 行 m移 ) x位
1 e
e
k j 38
sin(k / 2) sin(k / 8)
15 j
0k 7
2kn 16
（2）N 16 时 X (k ) x(n) W
n 0 N 1 nk N
R4 (n)e
n 0
e
n 0
3
kn j2 16
1 e
4k j2 16 k j2 16
~ 周期序列 x (n) 是有限长序列x(n)的周期延拓。
x (n) 0 n N 1 ~ x(n) 其它 0
或
x(n) ~ x (n) RN (n)
x (n) 的主值序列。 有限长序列x(n)是周期序列 ~
二、DFT的隐含周期性
如：
0
x(n)
n N-1
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
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
- 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)。
第3章 离散傅里叶变换(DFT) 3.1.4 用MATLAB计算序列的DFT
MATLAB提供了用快速傅里叶变换算法FFT(算法 见第4章介绍)计算DFT的函数fft，其调用格式如下: Xk = fft (xn, N)；
Ifft函数计算IDFT，其调用格式与fft函数相同，可
参考help文件。
x (n) 都可以看做 实际上，任何周期为N的周期序列 ~
长度为N的有限长序列x(n)的周期延拓序列，而x(n)则是 的一个周期，即
第3章 离散傅里叶变换(DFT)
(n) x
m
x(n mN )
(3.1.5) (3.1.6)
(n) RN (n) x(n) x
上述关系如图3.1.2（a）和（b）所示。一般称周期
第3章 离散傅里叶变换(DFT)
证明
Y (k ) DFT[ y(n)]N x((n m)) N RN (n)W
n 0 N 1 kn N kn x((n m)) N WN n 0 N 1
令n+m=n′，则有
N 1 m N 1 m k ( n m ) km kn ' Y (k ) x((n)) N WN WN x (( n )) W N N n m n m
1 N 1 N 1 mk kn IDFT[ X (k )]N [ x(m)WN ]WN N k 0 m0 N 1 1 N 1 k ( mn ) x(m) WN N k 0 m 0
1 N 1 k ( m n) 1， WN N k 0 0，
m n iN， i为整数 m n iN， i为整数
第3章 离散傅里叶变换(DFT)
所以，在变换区间上满足下式：
IDFT［X(k)］N=x(n) 0≤n≤N－1
由此可见，离散傅里叶逆变换是唯一的。 【例3.1.1】 x(n)=R4(n), 求x(n)的4点和8点DFT。 解 设变换区间N=4，则
kn X ( k ) W N k 0 N 1
n 0, 1, , N 1
WN e
j
2π N
N称为DFT变换区间长度，N≥M。
常常用DFT［x(n)］N和IDFT［X(k)］N分别表示N点离 散傅里叶变换和N点离散傅里叶逆变换。
第3章 离散傅里叶变换(DFT)
唯一性：
由于
第3章 离散傅里叶变换(DFT)
图3.2.1 x(n)及其循环移位过程
第3章 离散傅里叶变换(DFT)
显然，y(n)是长度为N的有限长序列。观察图 3.2.1可见，循环移位的实质是将x(n)左移m位，而移
出主值区(0≤n≤N－1)的序列值又依次从右侧进入主值
区。“循环移位”就是由此得名的。 由循环移位的定义可知，对同一序列x(n)和相同 的位移m，当延拓周期N不同时，y(n)=x((n+m))NRn(n) 则不同。
1．序列的循环移位 设x(n)为有限长序列，长度为M，M≤N，则x(n)的循环 移位定义为 y(n)=x((n+m)) NRn(n) (3.2.2) (3.2.2)式表明，将x(n)以N为周期进行周期延拓得到 ~ x (n m) ，最后 x (n) 左移m得到 ~ x (n) x((n))N ，再将 ~ x (n m) 的主值序列则得到有限长序列x(n)的循环移位序 取~ 列y(n)。 M=6, N=8, m=2时，x(n)及其循环移位过程如图 3.2.1所示。
x (n) 中从n=0到N－1的第一个周期为 ~ x (n) 的主 序列 ~
值区间，而主值区间上的序列称为 ~ x (n) 的主值序列。
因此x(n)与 ~ x (n) 的上述关系可叙述为： ~ x (n) 是x(n) 的周期延拓序列，x(n)是 ~ x (n) 的主值序列。
第3章 离散傅里叶变换(DFT)
频谱特性，这就是N点DFT的第二种物理解释（物理意 义）。
第3章 离散傅里叶变换(DFT)
现在解释DFT［R4(n)］4=4δ(k)。根据DFT第二种物 理解释可知，DFT［R4(n)］4表示R4(n)以4为周期的周期
延拓序列R4((n))4的频谱特性，因为R4((n))4是一个直流
序列，只有直流成分（即零频率成分）。
的傅里叶变换
第3章 离散傅里叶变换(DFT)
X(ejω)在区间［0, 2π］上的N点等间隔采样。这就 是DFT的物理意义。由此可见，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的变换结果不同。上例中，
x(n)=R4(n)，DFT变换区间长度N分别取8、16时，X(ejω)
X (k ) DFT[ x(n)] x(n)WNkn
n 0 N 1
k 0, 1, , N 1
(3.1.1)
第3章 离散傅里叶变换(DFT)
X(k)的离散傅里叶逆变换(Inverse Discrete Fourier Transform, IDFT)为
1 x(n) IDFT[ X (k )] N
第3章 离散傅里叶变换(DFT)
第3章 离散傅里叶变换(DFT)
3.1 离散傅里叶变换的定义及物理意义 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
第3章 离散傅里叶变换(DFT)
3.1 离散傅里叶变换的定义及物理意义
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
第3章 离散傅里叶变换(DFT)
【例3.1.2】 设x(n)=R4(n)，X(ejω)=FT［x(n)］。分别计
算X(ejω)在频率区间［0，2π］上的16点和32点等间隔采样，
并绘制X(ejω)采样的幅频特性图和相频特性图。 解 由DFT与傅里叶变换的关系知道，X(ejω)在频率区间
［0，2π］上的16点和32点等间隔采样，分别是x(n)的16点
M 1 X ( z ) ZT[ x( n)] x( n) z n n 0
kn X (k ) DFT[ x( n)]N x( n)WN n 0
M 1
k 0,1, , N 1
比较上面二式可得关系式 或
X (k ) X ( z) ze
j
2π k N
X (k ) x(n)W4kn e
n 0 n 0
3
3
j
2π kn 4
1 e j2πk 1 e
j 2π k 4
k 0 4 0 k 1, 2,3
第3章 离散傅里叶变换(DFT)
设变换区间N=8，则
X (k ) x(n)W8kn e
n 0 n 0
~ x (n) 如图3.1.2（c）所示。
写出 ~ x (n) 的离散傅里叶级数表示式
(k ) x (n)W X
n 0 N 1 kn N
如果x(n)的长度为M，且 ~ x (n) x((n))N ，N≥M，则可
x((n)) N W
n 0
N 1
kn N
kn x(n)WN n 0
N 1
(3.1.8)
N 1 1 N 1 1 kn kn (n) X (k )WN x X (k )WN N k 0 N k 0
(3.1.9)
第3章 离散傅里叶变换(DFT)
式中
(k )R (k ) X (k ) X N
(3.1.10)
(k ) 的主值序列。 即X(k)为 X 有限长序列x(n)的N点离散傅里叶变换X(k)正好是x(n) (k ) 的周期延拓序列x((n))N的离散傅里叶级数系数 X ~ 的主值序列，即 X (k ) X (k ) R N (k )。 (k ) 周期延拓序列频谱完全由其离散傅里叶级数系数 X 确定，因此，X(k)实质上是x(n)的周期延拓序列x((n)) N的
式中，a、b为常数，取N=max［N1, N2］, 则y(n)的N点
DFT为 Y(k)=DFT［y(n)］N=aX1(k)+bX2(k) 0≤k≤N－1
(3.2.1)
其中X1(k)和X2(k)分别为x1(n)和x2(n)的N点DFT。
第3章 离散傅里叶变换(DFT) 3.2.2 循环移位性质
k 0,1,, N 1
(3.1.3)
第3章 离散傅里叶变换(DFT)
X (k ) X (e j ) |
2π k N
k 0,1,, N 1
(3.1.4)
(3.1.3)式表明序列x(n)的N点DFT是x(n)的Z变换在
图3.1.2 x(n)及其周期延拓序列
第3章 离散傅里叶变换(DFT)
当N大于等于序列x(n)的长度时，用如下形式表示：
(n) x((n)) N x
式中x((n)) N表示x(n)以N为周期的周期延拓序列，((n))N
表示模N对n求余，即如果
n=MN+n1 0≤n1≤N－1, M为整数 则 ((n))N=n1 例如， N 8, x (n) x((n))8 , 则有 (8) x((8))8 x(0) x
前面定义的DFT变换对中，x(n)与X(k)均为有限长
kn 的周期性，使X(k)隐含周期性，且周 序列，但由于 WN
期均为N。对任意整数m，总有
W k W ( k mN )， N N
即，X（k)满足：
N 1
k , m为整数,N为自然数
N 1
X (k mN ) x(n)W ( k mN ) n x(n)W kn X (k ) N N n 0 n 0