离散傅里叶变换性质证明
离散序列的傅里叶变换
离散序列的傅里叶变换离散序列的傅里叶变换（Discrete Fourier Transform，简称DFT）是一种将离散序列从时域转换到频域的数学工具。
它在信号处理、图像处理、通信等领域扮演着重要角色。
本文将介绍离散序列的傅里叶变换的基本概念、性质以及在实际应用中的一些例子。
一、离散序列的傅里叶变换的基本概念离散序列的傅里叶变换是将一个离散序列转换为一系列复数的运算。
它的定义公式为：X(k) = Σx(n)e^(-j2πkn/N)其中，X(k)为频域上的复数序列，表示原始序列在频率为k的分量上的幅度和相位信息；x(n)为时域上的离散序列，表示原始序列在时间点n上的取值；N为序列的长度；e为自然对数的底数，j为虚数单位。
二、离散序列的傅里叶变换的性质离散序列的傅里叶变换具有一些重要的性质，包括线性性、平移性、对称性等。
1. 线性性：对于离散序列x(n)和y(n)，以及任意常数a和b，有DFT(ax(n) + by(n)) = aDFT(x(n)) + bDFT(y(n))。
2. 平移性：如果将离散序列x(n)平移m个单位，则其傅里叶变换为X(k)e^(-j2πkm/N)。
3. 对称性：如果离散序列x(n)是实数序列且长度为N，则其傅里叶变换满足X(k) = X(N-k)。
三、离散序列的傅里叶变换的应用举例离散序列的傅里叶变换在实际应用中有着广泛的应用。
以下是几个常见的例子：1. 信号处理：在音乐、语音、图像等信号处理领域，离散序列的傅里叶变换可以用来分析信号的频谱特性，包括频率成分、能量分布等。
通过傅里叶变换，我们可以将时域上的信号转换为频域上的信号，从而更好地理解信号的特征。
2. 图像处理：在图像处理中，离散序列的傅里叶变换可以用来进行图像的滤波、增强、压缩等操作。
通过将图像转换到频域上，我们可以对不同频率分量进行处理，从而实现对图像的各种操作。
3. 通信系统：在通信系统中，离散序列的傅里叶变换可以用来实现信号的调制、解调、滤波等功能。
离散傅里叶变换性质
X [m] X [ N m]
实序列 实部周期偶对称，虚部 周期奇对称
当x[k]是实序列周期偶对称时：X [m] X [ N m]
实序列，周期偶对称 实序列，周期偶对称
当x[k]是实序列周期奇对称时： X [m] X [ N m]
实序列，周期奇对称 纯虚序列，周期奇对称
第2章 离散傅里叶变换(DFT)
问题的提出
有限长序列的傅里叶分析
离散傅里叶变换的性质 利用DFT计算线性卷积 利用DFT分析信号的频谱
离散傅里叶变换的性质
1. 线性
2. 循环位移
3. 对称性 4. 序列的循环卷积 5. 序列DFT与z变换的关系
离散傅里叶变换的性质
1. 线性
X1[m] DFTx1[k ]
k
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
x[(k 2) 5 ]R N [k ]
k
0 1 2 3 4
DFT时域循环位移特性
mn ~ ~ DFS {x[k n]} WN X [m]
DFTx[( k n) N ]RN [k ]
mn WN X [m]
时域的循环位移对应频域的相移
DFT{ x [k ]} X [(m)N ]RN [m] X [ N m]
时域共轭 频域周期共轭 ~ DFT{x [(k ) N ]RN [k ]} X [m] 时域周期共轭 频域共轭
DFT性质
离散傅里叶变换的性质
3. 对称性 (symmetry)
当x[k]是实序列时：
DFT性质
离散傅里叶变换的性质
序列的循环卷积步骤： （1）补零
（2）周期延拓
[数字信号处理]离散傅里叶变换及其性质
![[数字信号处理]离散傅里叶变换及其性质](https://img.taocdn.com/s3/m/57c9df85dc88d0d233d4b14e852458fb770b3865.png)
[数字信号处理]离散傅⾥叶变换及其性质DFT定义
离散傅⾥叶变换的公式如下
X(k)=N−1
∑
n=0x(n)W nk N
其中W n是单位根,定义如下
W N=e−j 2πN
逆变换如下
x(n)=1
N
N−1
∑
k=0X(k)W−nk
N
性质
线性
如果有x1(n)和x2(n)两个有限长序列,长度分别为N1和N2,且
y(n)=ax1(n)+bx2(n),(a,b为常数)取变换区间长度N=[N1,N2]max
X1(k)=DFT[x1(n)]N;X2(k)=DFT[x2(n)]N 则y(n)的N点DFT为
Y(k)=DFT[y(n)]N=aX1(k)+bX2(k)循环移位性质
设x(n)为有限长序列,长度为M,则x(n)的循环移位定义为
y(n)=x((n+m))N R N(n)
如果⼀个序列移位之后,⼀些样值被移到了起始点前⾯,那他实际上会在后⾯再补回来,实际的顺序并没有变.
频域循环移位定理
如果X(k)=DFT[x(n)]N
Y(k)=X((k+l))N R N(k)
则y(n)=IDFT[Y(k)]N=W nl N x(n)
循环卷积定理
如果x_1(n)和x_2(n)是两个有限长序列,长度分别为M1和M2,且取循环卷积区间长度L≥max[M1,M2]
X1(k)是x1(n)的L点DFT
X2(k)是x2(n)的L点DFT
如果y(n)=x1(n)∗x2(n)=[∑L−1
m=0
x1(m)x2((n−m))L]R L(n),
那么他的的DFT为Y(k)=X1(k)X2(k)
Processing math: 100%。
DFT(离散傅里叶变换).
e
j
2 N
k
N
Im 2/N
X(e j)
Re 1
2
10
x(n)可以由X(k)表示，而x(n)的z变换X(z)和频谱 X(ej)都是由x(n)确定的，显然，X(z)和X(ej)也能用这N 个频谱抽样值X(k)来表示，这就是X(z)和 X(ej)的 内插 表达式。
① X(z )的内插表达式
N 1
X (z) x(n)zn n0
N 1
X (k) DFTx(n) x(n)W nk
n0
x(n) IDFT
X (k )
1
N 1
X (k )W nk
N k0
3
写成矩阵形式：
X (0) W 0 W 0
W0
W 0 x(0)
X (1)
W 0
W 11
W 12
W 1( N 1)
x(1)
X
(
N
----- k的奇函数
16
N 1
N 1
X (k) x(n)W nk [ x(n)W nk ]*
n0
n0
N 1
[ x(n)W n( N k ) ]*
n0
= X*(N k)
X(k) =X*(N k) =X(N k)
arg[X(k)] = arg[X*(N k)] = arg[X(N k)]
X(k)
X(k)
0 123 456 k N=6
0 123 45 N=5
k
17
在0 ~N 范围内，对于N/2点X(k)呈半周期偶对称
分布。 arg[X(k)]呈半周期奇对称分布。
但对于长度为N的X(k)有值的区间是0 ~N 1，因此对
离散时间傅里叶变换
X
(e
j
)
sin
N1
sin
1 2
2
连续时间非周期矩形脉冲傅里叶变换： X(j)2sinT1
4. x[n][n]
X(ej) 1
Xej xnejn nejn1
n
n
20
三、离散时间傅里叶变换的收敛性
例5.1，5.2是无限长序列
x[n]a|n|,|a|1; 其傅里叶变换存在。 x[n]anu[n]|,a|1
X * ( e j ) X ( e j )即,X * ( e j ) X ( e j )
因此:
X (ej)X (e j) RX ( e ej) RX ( e e j) X (ej) X (e j) Im X (ej) Im X (e j)
❖ 若 x[n] 是实偶信号,则 x[n]x[n],
x% [n]X(ej)
ak2(k02l) kN l
23
如图P263 Fig5.9:下页
X (e j ) 2 a 0 ( 2 l) 2 a 1 (0 2 l)
l
l
.. .2aN1 ((N1)02l) ,02/N l
如果周期函数中包含连续相继的N次谐波，则有：
X(ej)2k ak(2N k)
调制特性在信息传输中是极其重要的。
一定是以 2 为周期的,因此,频域的冲激应该是周
期性的冲激串:
2（0 2k）
k
对其作反变换有
xn 1 X ej ejnd
2 2
0 ejnd ej0n
2
22
可见, 2（ 02k） F 1 ej0n k
由DFS ,有 ~ xnkNakejk0n,02N
因此,周期信号 ~xn 可表示为DTFT
第四章 离散傅立叶变换(DFT)
x ( n )W N
kn
n0
X ( k ) DSK [ x ( n )] N 点
x ( n )W N
k=0, 1, …, N-1
n0
式中的周期序列 ~ N 是有限长序列x(n)的周期延拓 x 序列，其定义为
~ (n ) xN
m
x ( n mN )
(4.2.3)
X(N-k)=X*(k) k
0 ,1, 2 , N 2 1
共需要N2/2次复数乘法，比直接按定义计算少一半。 对一般的复序列，DFT也有共轭对称性。
4.3.5 循环卷积定理 1) 两个有限长序列的循环卷积
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
1 e
8k
1 e
j
k
2
k
j
2
k
e
j
(e
k j
e e
j
2
k
)
k
16
16
k
j
16
e
j
(e
k
)
7 16
sin( sin(
2
k)
e
k=0, 1, 2, …, 15
k)
16
x(n)的幅频特性函数曲线、 8点DFT、 16点DFT和 32点DFT的模分别如图4.2.1(a)、 (b)、 (c)和(d)所示。
通常又定义周期序列的主值序列为
x N ( n ) ~N ( n ) R N ( n ) x
比较以上四种变换的计算式可得到：
1离散傅里叶变换的定义及物理意义2离散傅里叶变换的基本
的主值序列。
第3章 离散傅里叶变换（DFT）
周期延拓序列频谱完全由其离散傅里叶级数系数 X (k ) 确定，因此： X(k) 实质上是 x(n) 的周期延拓序列 x((n)) N 的频谱特性 观察 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），所以， DFT[R4(n)]4 = 4δ(k) 。
第3章 离散傅里叶变换（DFT）
|X(ejω)| (a)R4(n)的幅频特性图
4 3 2 1 0 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
|X(k)|
(b)4点DFT的幅频特性图
5 4 3 2 1 0 0 0.5 1 1.5 2 2.5 3 3.5 4
|X(k)|
ω/π
ω/π
图3.1.3 例3.1.2程序运行结果
第3章 离散傅里叶变换（DFT）
3.2
3.2.1 线性性质
若x1(n)、x2(n)是两个有限长序列，长度为N1、N2，且
y(n)=ax1(n)+bx2(n)
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 其中 X1(k) 和 X2(k) 分别为 x1(n) 和 x2(n) 的N点DFT
x(n) x((n)) N
（3）最后取 x(n m) 的主值序列 x((n+m)) NRN(n) 得到有限长序列 x(n) 的循环移位序列 y(n)。
第3章离散时间傅里叶变换
第3章 离散时间傅里叶变换在信号与系统中，分析连续时间信号可以采用时域分析方法和频域分析方法，它们之间是通过连续时间的傅里叶变换来完成从时域到频域的变换，它们之间是完成了一种域的变换，从而拓宽了分析连续时间信号的途径。
与连续时间系统的分析类似，在离散时间系统中，也可以采用离散傅里叶变换，将时间域信号转换到频率域进行分析，这样，不但可以得到离散时间信号的频谱，而且也可以使离散时间信号的分析方法更具有多元化。
本章将介绍离散时间系统的频域分析方法。
3.1 非周期序列的傅里叶变换及性质3.1.1 非周期序列傅里叶变换1．定义一个离散时间非周期信号与其频谱之间的关系，可用序列的傅里叶变换来表示。
若设离散时间非周期信号为序列)(n x ，则序列)(n x 的傅里叶变换(DTFT)为：正变换： ∑∞-∞=ω-ω==n nj j en x e X n x DTFT )()()]([ (3-1-1)反变换： ⎰ππ-ωωω-ωπ==d e e X n x e X DTFT n j j j )(21)()]([1 (3-1-2)记为：)()(ω−→←j Fe X n x当然式(3-1-2)等式右端的积分区间可以是)2,0(π或其它任何一个周期。
[例3-1] 设序列)(n x 的波形如图3-1所示，求)(n x 的傅里叶变换)(ωj e X解：由定义式(3-1-1)可得ωω=--=--===ω-ω-ωω-ω-ωω-ω-ω-ω-=ω-∞-∞=ω∑∑21sin 3sin )()(11)()(25212121333656j j j j j j j j j nj n nj n j ee e e e e e e e een R e X 2．离散时间序列傅里叶变换存在的条件：离散时间序列)(n x 的傅里叶变换存在且连续的条件为)(n x 满足绝对可和。
即：∞<∑∞-∞=)(n x n （3-1-3）反之，序列的傅里叶变换存在且连续，则序列一定是绝对可和的。
离散时间傅里叶变换
离散时间傅⾥叶变换1. 离散时间傅⾥叶变换的导出针对离散时间⾮周期序列，为了建⽴它的傅⾥叶变换表⽰，我们将采⽤与连续情况下完全类似的步骤进⾏。
考虑某⼀序列x[n]，它具有有限持续期；也就是说，对于某个整数N1和N2，在 −N1⩽以外，x[n]=0。
下图给出了这种类型的⼀个信号。
由这个⾮周期信号可以构成⼀个周期序列\tilde x[n]，使x[n]就是\tilde x[n]的⼀个周期。
随着N的增⼤，x[n]就在⼀个更长的时间间隔内与\tilde x[n]相⼀致。
⽽当N\to \infty，对任意有限时间值n⽽⾔，有\tilde x[n]=x[n]。
现在我们来考虑⼀下\tilde x[n]的傅⾥叶级数表⽰式\tag{1}\tilde x[n] = \sum_{k=(N)}a_ke^{jk{(2\pi/N)}n}\tag{2}a_k = \frac{1}{N} \sum_{n=(N)} \tilde x[n]e^{-jk{(2\pi/N)}n}因为在-N_1 \leqslant N \leqslant N_2区间的⼀个周期上\tilde x[n]=x[n]，因此我们将上式的求和区间就选在这个周期上\tag{3}a_k = \frac{1}{N} \sum_{n=-N_1}^{N_2} x[n]e^{-jk{(2\pi/N)}n} = \frac{1}{N} \sum_{n=-\infty}^{+\infty} x[n]e^{-jk{(2\pi/N)}n}现定义函数\tag{4}X(e^{j\omega})=\sum_{n=-\infty}^{+\infty}x[n]e^{-j\omega n}可见这些系数a_k正⽐于X(e^{j\omega})的各样本值，即\tag{5}a_k = \frac{1}{N}X(e^{jk\omega_0})式中，\omega_0=2\pi/N⽤来记作在频域中的样本间隔。
离散傅里叶变换及其性质
离散傅⾥叶变换及其性质1 ⼀维与⼆维离散傅⾥叶变换以周期对函数 f(t) 采样可表⽰为，对采样函数进⾏傅⾥叶变换得，整理得。
由于对函数 f(t) 的采样周期为，采样函数的傅⾥叶变换的⼀个完整周期为，同样的，也是采样函数的傅⾥叶变换的⼀个完整周期，只是这个周期不是以原点对称的。
在区间中取 M 个点，则第 m 个点的频率为，带⼊公式得，其中，为连续函数 f(t) 对应的 M 个离散值，为取样函数的傅⾥叶变换对应的 M 个离散值，整理公式得（由于函数仅在 [0,M-1] 上有⾮零值，故真实求和区间为 [0,M-1]）。
因此，⼀维离散傅⾥叶变换对为，。
类似的，⼆维离散傅⾥叶变换对为，。
2 傅⾥叶变换的性质1）傅⾥叶变换平移特性，⽤指数项乘以 f(t) 使得傅⾥叶变换后原点移动到处，使⽤负指数乘以使得反傅⾥叶变换后原点移动到处，证明如下：，使⽤替换得，因此有，类似推导可得。
将平移特性扩展到⼆维离散变量上有。
2）离散傅⾥叶变换⼀定具有周期特性，因为离散傅⾥叶变换的频率取值在区间内，有限频率导致必然具有周期性，连续傅⾥叶变换频率取值为⽆穷⼤，所以连续傅⾥叶变换⼀般不具有周期性（但也有所有频率都⼀样的函数）。
离散傅⾥叶变换周期性可表⽰为。
观察公式 或，发现频率取值在之间，⽽⼀个完整的频率应该在之间，如下图：如果直接应⽤公式进⾏傅⾥叶变换，得到的频率为 [0,M-1]区间，这是两个半周期组成的⼀个周期。
在图像中则表现为低频信号分布在4个⾓落，这显然不便于观察频率信息。
结合傅⾥叶变换的平移特性，可以将原函数乘以⼀个正指数项，使得平移后傅⾥叶变换再 [0,M-1]区间正好是⼀个完整的周期。
将原函数平移 M/2 可以实现该⽬标，具体分析如下： 原函数平移 M/2 得 ，由于 x 为⾮负整数，,最终得到。
对于⼆维离散变量有相似结论 。
3）原函数（⼆维及以上）旋转⼀定⾓度，其傅⾥叶变换也旋转对应⾓度。
令 为原函数变量的列向量， 为傅⾥叶变换函数变量的列向量，对的傅⾥叶变换可表⽰为，对 旋转⼀定⾓度可表⽰为，其中 R 为旋转矩阵，对 的傅⾥叶变换可表⽰为 ，由 得 ，并将其带⼊上式得，由于，因此 ，使得傅⾥叶变换旋转相应⾓度。
离散傅里叶变换的基本性质
x(5 )
A(6 )
W
0 N
x(3 )
A(7 )
x(7 )
W
0 N
A(0 )
A(1 )
A(2 )
W
0 N
A(3 )
W
2 N
A(4 )
A(5 )
A(6 )
W
0 N
A(7 )
W
2 N
A(0 )
A(1 )
A(2 )
A(3 )
A(4 )
W
0 N
A(5 )
W
1 N
A(6 )
W
2 N
A(7 )
W
3 N
N点DIT―FFT运算流图(N=8)
A(5 )
A(6 )
W
0 N
A(7 )
W
2 N
A(0 )
A(1 )
A(2 )
A(3 )
A(4 )
W
0 N
A(5 )
W
1 N
A(6 )
W
2 N
A(7 )
W
3 N
N点DIT―FFT运算流图(N=8)
A(0 ) X(0 ) X(1 ) X(2 ) X(3 ) X(4 ) X(5 ) X(6 )
A(7 ) X(7 )
m N
WN 2
WNm
2. 时域抽取法基2FFT基本原理 FFT算法基本上分为两大类：
时域抽取法FFT(Decimation In Time FFT,简称DITFFT)和频域抽取法FFT(Decimation In Frequency FFT,简 称DIF―FFT)。下面先介绍DIF―FFT算法。
设序列x(n)的长度为N，且满足
N 2M , M 为自然数
离散傅里叶推导
离散傅里叶推导离散傅里叶变换（Discrete Fourier Transform，DFT）是一种将离散时间域信号转换为频域信号的方法。
它在信号处理、图像处理等领域中得到广泛应用。
本文将详细介绍离散傅里叶变换的推导过程。
一、离散傅里叶变换的定义离散傅里叶变换可以将一个离散时间序列表示为离散复频谱序列。
给定长度为N的信号序列x(n)，其中n = 0, 1, 2, ..., N-1，其离散傅里叶变换定义如下：X(k) = Σ[x(n)·e^(-j2πkn/N)]，k = 0, 1, 2, ..., N-1其中，X(k)为频谱序列，x(n)为时间序列，j为虚数单位。
二、离散傅里叶变换的推导为了推导离散傅里叶变换，我们首先需要了解指数函数的周期性。
对于任意整数k，有e^(j2πk) = 1。
因此，我们可以将指数e^(-j2πkn/N)简化为e^(-j2π\*k/N)。
接下来，我们以N为周期，将时间序列x(n)分解为N个部分。
x(n) = X(0) + X(1)·e^(j2πn/N) + X(2)·e^(j2π2n/N) + ... + X(N-1)·e^(j2π(N-1)n/N)将上述公式代入离散傅里叶变换的定义中，可得：X(k) = Σ[x(n)·e^(-j2πkn/N)]= Σ[(X(0) + X(1)·e^(j2πn/N) + X(2)·e^(j2π2n/N) + ... + X(N-1)·e^(j2π(N-1)n/N)) · e^(-j2πkn/N)]由于指数函数的周期性，我们可以将每一项中的指数函数合并起来：X(k) = X(0)·Σ[e^(-j2πkn/N)] + X(1)·Σ[(e^(j2π/N))^n] +X(2)·Σ[(e^(j4π/N))^n] + ... + X(N-1)·Σ[(e^(j2π(N-1)/N))^n]根据等比数列的求和公式，可得：X(k) = X(0)·N + X(1)·0 + X(2)·0 + ... + X(N-1)·0由于e^(-j2πkn/N)的周期为N，除非k=0，否则其和为0。
《离散傅里叶变换》课件
其中，$W_N = e^{-frac{2pi i}{N}}$是复数单位根。
DFT的性质
• 线性性质：若$a[n]$和$b[n]$是两个离散信号，且$c[n] = a[n] + b[n]$，则其DFT满足
DFT的性质
$C[k] = A[k] + B[k]$
直接计算法
定义
直接计算法是离散傅里叶变换 （DFT）最基础的方法，通过 直接计算得出信号的频域表示
。
过程
对给定的有限长度序列，通过 逐个计算每个复数乘积，得到 DFT的结果。
优点
简单易懂，易于理解。
缺点
计算量大，效率低，不适合处 理大规模数据。
快速傅里叶变换（FFT）算法
定义
过程
快速傅里叶变换（FFT）是一种高效的计算 DFT的算法，通过减少冗余计算，显著降低 了DFT的计算复杂度。
周期性：对于长度为N的信号，其DFT具有周期性，即
DFT的性质
$X[k+N] = X[k]$
共轭对称性：对于长度为N的实数信号，其DFT具有共轭对称性，即
DFT的性质
$X[-k] = X[k]^*$ Parseval恒等式：对于任何离散信号x[n]，其DFT满足
$sum_{n=0}^{N-1} |x[n]|^2 = frac{N}{2pi} sum_{k=0}^{N-1} |X[k]|^2$
频率提取
通过DFT，可以从复杂的信号中 提取特定的频率分量，用于信号 识别和特征提取。
信号处理
滤波
利用DFT，可以对信号进行滤波，去 除噪声或增强特定频率的信号。
调制与解调
(整理)离散傅里叶变换
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n F ，f(t)和n F 组成变换对，表示为:tjn n n e F t f 1)(Ω∞-∞=∑=（112Ω=πT ）dte tf T F TT t jn n ⎰-Ω-=221111)(1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Ts π2=Ω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------序列的傅里叶变换正变换：DTFT[x(n)]=()()j nj n X e x n eωω∞-=-∞=∑反变换：DTFT-11[()]()()2j n j j X e x n X e e d πωωωπωπ-==⎰)(ωj e X 级数收敛条件为|()j nn x n eω∞-=-∞∑|=∞<∑∞-∞=n n x )(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。
离散时间傅里叶变换的性质
π
k 0
离散非周期序列DTFT的性质
谢谢
本课程所引用的一些素材为主讲老师多年的教学积累，来源 于多种媒体及同事、同行、朋友的交流，难以一一注明出处，特 此说明并表示感谢！
...
2π
Y (ej ) X(ej( π) ) X (ej( π) ) 2
例：已知x[k]的频谱如图所示，求y[k]的频谱。
X(ej )
1
解：
2π
π π 2 0 π 2 π
2π
X(ej( )
1
2π
π π 2
π2 π
2π
X(ej( )
1
2π
π π 2
π2 π
2π
Y(ej )
1
π π 2
主讲人：陈后金
电子信息工程学院
离散非周期序列DTFT的性质
※ 线性特性 ※ 对称特性 ※ 位移特性 ※ 卷积特性 ※ 微分特性 ※ Parseval定理
离散非周期序列DTFT的性质
1. 线性特性
若
x [k]DTFTX (ej )
1
1
x [k]DTFTX (ej )
2
2
则
ax [k] bx [k]DTFTaX (ej ) bX (ej )
解： (1) (2) (3) (4)
3
3
X (ej0 ) x[k] e-jk0 x[k] 1 2 3 4 10
k 0
k 0
3
3
X (e j ) x[k] e-jk x[k] (1)k 1 2 3 4 2
k 0
k 0
π X (ej )d 2x[0] 2 π
3
π X (ej ) 2 d 2π x[k] 2 60π
10第十讲 离散傅里叶变换的性质
第3章 离散傅里叶变换
复序列x(n) = e
j
2π n N
是圆周共轭对称序列,因x (−n) = [e
*
−j
2π n * N
] =e
j
2π n N
= x ( n)
2π 2π 2π n)是偶对称序列,因xr (−n) = cos(− n) = cos( n) = xr (n) N N N 2π 2π 2π 其虚部xi (n) = sin( n)是奇对称序列,因xi (−n) = sin(− n) = − sin( n) = − xi (n) N N N 其实部xr (n) = cos( 复序列x(n) = je
第3章 离散傅里叶变换
是圆周共轭对称序列
−j 2π n * N N
因x* ((−n)) N RN (n) = [e 其实部xr (n) = cos(
] RN ( n ) = [ e
j
2π n N
] N RN ( n ) = x ( n )
2π n)是圆周偶对称序列 N 2π 因xr ((−n)) N RN (n) = cos((− n)) N RN (n) N 2π = cos(( n)) RN (n) = xr ((n)) N RN (n) = xr (n) N ⇒ xr (n) = xr ((− n)) N RN (n) 2π n)是圆周奇对称序列 N 2π 因xi ((−n)) N RN (n) = sin((− n)) N RN (n) N 2π = − sin(( n)) N RN (n) = − xi ((n)) N RN (n) = − xi (n) N ⇒ xi (n) = − xi ((−n)) N RN (n) 其虚部xi (n) = sin(
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