数字信号处理第3章 离散傅里叶变换(DFT)
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—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。
数字信号处理课件第3章 DFT 变换
18
二． DFT的隐含周期性
在第一节中，DFT和IDFT只定义了X(k)和x(n)在变换区间 上的N个值。如果使DFT中k的取值域为[-∞，∞]，就会发现 X(k)是以N为周期的，即 X(k + mN) = X(k) 称X(k)的这一特性为DFT的隐含周期性。
物理意义：X(k)为 X (e j ) 在区间 [0, 2 ] 上的N点等间隔采样。 X (e j ) 以2π为周期，X(k)以N为周期。
3
x ( n) X ( k )
解答两个疑问
１．用DFT干什么？ 用数字计算机来计算信号的傅里叶变换。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。
x ( n ) X ( e j )
２．为什么不用DTFT计算信号的傅里叶变换？ DTFT计算得到的频谱是连续的，无法用有限个数 字存储器存储。因此DTFT是理论上的频谱分析方法， 可以用来对离散信号和系统的频谱特征进行理论分 析，指导具体的数字信号处理系统（如数字滤波器） 的设计，但不具有可实际应用性。
1
2
3
四．循环卷积定理
1、循环卷积的定义 2、循环卷积的求解 3、循环卷积定理 4、循环卷积与线性卷积 5、实际问题
24
1、循环卷积的定义
x1 (n) N1点；x2 (n) N 2点；Ｎ max( N1 , N 2 ).
x1 (n) N x2 ( n)
m 0
x (m) x ((n m))
30
x1 (n), x2 (n)如图，求y (n) x1 (n) 例：
解:
x1m
6 x2 ( n )
6 5 4 3 2 1 01 2 3 4 5
17
3.2 离散傅里叶变换的基本性质
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。
课后习题及答案_第3章离散傅里叶变换--习题
课后习题及答案_第3章离散傅里叶变换--习题数字信号处理第三版第3章离散傅里叶变换(DFT)习题1．计算以下序列的N点DFT，在变换区间0≤n≤N－1内，序列定义为(1) x(n)=1(2) x(n)=δ(n)(3) x(n)=δ(n－n0) 0n0N(4) x(n)=Rm(n) 0mN(5) n ) jNmn N x(=e,0 mπ 2 (6) n ) x(=cos mn ,0mN2π(7) x(n)=ejω0nRN(n)(8) x(n)=sin(ω0n)RN(n)(9) x(n)=cos(ω0n)RN(N)(10) x(n)=nRN(n)2．已知下列X(k)，求x(n)=IDFT［X(k)］Njθ 2e N（1）X (k)= e jθ20 N k=m k=N m其它kNjθ j2e N jθ（2）X (k)= je 2 0 k=m k=N m 其它k其中，m为正整数，0mN/2, N为变换区间长度。
3．已知长度为N=10的两个有限长序列：做图表示x1(n)、x2(n)和y(n)=x1(n) * x2(n)，循环卷积区间长度L=10。
，4．证明DFT的对称定理，即假设X(k)=DFT［x(n)］数字信号处理第三版证明DFT［X(n)］=Nx(N－k)5．如果X(k)=DFT［x(n)］，证明DFT的初值定理1x(0)=N∑X(k)k=0N 16．设x(n)的长度为N，且X(k)=DFT［x(n)］0≤k≤N－1令h(n)=x((n))NRmN(n) m为自然数H(k)=DFT［h(n)］mN 0≤k≤mN－1求H(k)与X(k)的关系式。
7．证明: 若x(n)为实序列，X(k)=DFT［x(n)］N，则X(k)为共轭对称序列，即X(k)=__（N－k)；若x(n)实偶对称，即x(n)=x(N－n)，则X(k)也实偶对称；若x(n)实奇对称，即x(n)=－x(N－n)，则X(k)为纯虚函数并奇对称。
数字信号处理课后第三章习题答案
1 e j 0 N
2 j(0 k ) N 1 e
k 0, 1, , N 1
（8） 解法一
直接计算：
1 j 0 n x8 (n) sin(0 n) RN (n) [e e j 0 n ] R N ( n ) 2j
X 8 (n)
n 0
N 1
kn x8 (n)WN
k 0, 1, , N 1
(4)
X (k ) WNkn
n 0
m1
π j ( m1) k 1 WNkm N e 1 WNk
π sin mk N R (k ) N π sin k N
第３章
离散傅里叶变换(DFT)及其快速算法 (FFT)
所以
DFT[ X (n)] X (n)W
n 0
N 1
N 1
kn N
N 1 mn kn x(m)WN WN n 0 m 0
N 1
n ( m k ) x(m)WN m 0 n 0
N 1
第３章
由于
离散傅里叶变换(DFT)及其快速算法 (FFT)
第３章
离散傅里叶变换(DFT)及其快速算法 (FFT)
（10） 解法一
X (k )
n 0
N 1
kn nWN
k 0, 1, , N 1
上式直接计算较难， 可根据循环移位性质来求解X(k)。 因为x(n)=nRN(n)， 所
以
x(n)－x((n－1))NRN(n)+Nδ(n)=RN(n) 等式两边进行DFT， 得到
1 [e j0 n e j0 n ] e 2 j n 0
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
第三章离散傅里叶变换(DFT)
3.1.1 有限长序列的离散频域表示
我们已学过三种傅里叶分析工具，它们 分别应用于不同性质的信号。
1. 应用于连续周期信号——傅里叶级数展开
j2 kt
xa t Cke T
k
Ck
1 T
T２ －T２
xα
(t
－ｊ２
)e T
kt
dt
其中，T是信号 xa t的周期，Ck 表示了xa (t)的
离散傅里叶变换定义为
X (k)
N 1
x nWNkn
n0
0
0 k N 1 其他
西北大学信息科学与技术学院 2007年
反变换公式为
x(n)
N 1
X
k
W kn N
0 n N 1
k 0
0
其他
DFT是借用了DFS，这样就假定了序 列的周期性，但定义式本身对区间作了强制 约束，以符合有限长特点，这种约束不改变 周期性的实质，或者说，DFT隐含了周期 性。
fc n xn yn
M 1 m0
x
m
y
n m
l
RL
n
M 1 m0
x
m
r
y
n
m
rL
RL
n
r
M 1 m0
x
m
y
n
rL
m
RL
n
r
f
n
rL
Rl
n
西北大学信息科学与技术学院 2007年
圆周卷积fc (n) 等于一个周期序列的主值 序列，该周期序列是线性卷积f (n)以L为周期 进行周期延拓的结果，因此，当L ≥ L1满足 时， fc (n)必然等于f (n)，但是，如果L < L1 ， 则fc (n)不等于f (n) 。
第3章--离散傅里叶变换(DFT)
设x(n)是一种长度为M旳有限长序列， 则定义x(n)旳N点
离散傅里叶正变换为
N 1
j 2 nk
X (k ) DFT[x(n)] x(n)e N
N 1
x(n)WNnk
n0
n0
离散傅里叶逆变换为
离散傅里叶变换对
x(n)
IDFT[ X (k )]
1 N
N 1
j 2 nk
X (k )e N
3.2 离散傅里叶变换旳基本性质
1 线性性质 假如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)旳N点DFT为 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)旳N点DFT。 若N1<N2，则N=N2,那么需将x1(n)补上N2-N1个零值点后变
k 2 k f f s k
N
N
以上所讨论旳三种频率变量之间旳关系，在对模 拟信号进行数字处理以及利用模拟滤波器设计数 字滤波器乃至整个数字信号处理中十分主要，望 同学们高度注重。
第三章 离散傅里叶变换DFT
3.1.2 DFT旳隐含周期性------ DFT与 DFS旳关系
DFT变换对中，x(n)与X(k)均为有限长序列,但因为WknN旳周
第三章 离散傅里叶变换DFT
例2 ： x(n) R8 (n)，分别计算x(n)旳8点、16点DFT。
解: x(n)旳8点DFT为
X (k)
7 n0
R8 (n)W8k n
7 j2k n
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
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
数字信号处理第三版西安科大出版高西全丁玉美课后答桉第3和4章
1
N 1
X (k) 2
n0
N k0
第３章 离散傅里叶变换(DFT)及其快速算法
(FFT)
7）
(1) 长度为N的共轭对称序列xep(n)与反共轭对称序列
xop(n):
xep(n) xep(N n)
xop (n) xop (N n)
序列x(n)的共轭对称分量与共轭反对称分量：
xep (n)
所以
~xN (n)
x(n rN )
r
即 ~xN (n) 是x(n)的周期延拓序列， 由DFT与DFS的关系
可得出
xN (n) IDFT[ X (k)] ~xN (n)RN (n) x(n rN )RN (n) r
第３章 离散傅里叶变换(DFT)及其快速算法
(FFT)
xN(n)=IDFT［X(k)］为x(n)的周期延拓序列（以N为延拓周期） 的主值序列。 以后这一结论可以直接引用。
DFT[x(n m)N RN (n)] WNkm X (k)
5) 频域循环移位性质
DFT[WNnm x(n)] X ((k m)) N RN (k)
第３章
6） 循环卷积：
离散傅里叶变换(DFT)及其快速算法 (FFT)
L1
yc (n) h(m)x((n m))L RL (n)＝h(n) L x(n)
（1）在h(n)的尾部加L－N个零点， 在x(n)的尾部加L－M
（2）计算L点的H(k)=FFT［h(n)］和L点的X(k)=FFT ［x(n)］;
（3） 计算Y(k)=H(k)X(k) （4） 计算Y(n)=IFFT［Y(k)］， n=0，1，2，3，…，L-1。 但当h(n)和x(n)中任一个的长度很长或者无限长时， 需用 书上介绍的重叠相加法和重叠保留法。
第三章 (DFT 离散傅里叶变换)
~x2 (1 − m )
计算区
m m
m
（4）将 ~x2 (−m) 再右移一位、得到 ~x2 (2 − m) ，
可计算出：
∑ ~y(2) = 5 ~x1(m)x2(2 − m) m=0
=1×2 +1×1+1×0 +1×0 + 0×0 + 0×1 =3
续的周期信号的复数傅氏级数开始的：
∑ ~x ( t ) = ∞ X~ ( k Ω 0 ) e jk Ω 0t k = −∞
对上式进行抽样，得：
∑ ~x (nT ) = ∞ X~ (kΩ0 )e jkΩ0nT k =−∞
∑ =
∞
X~
(kΩ0
)e
j
2π
N
nk
k =−∞
，代入
Ω0T
=
2π
N
因 ~x (nT )是离散的，所以 X~(kΩ0 )应是周期的。
换：
∑ ∑ =
N
−1
~x
(
n
)
e
−
j
2π
N
nk
=
N
−1
~x
(
n
)W
nk N
n=0
n=0
[ ] 反变换： ~x (n) = IDFS X~ (k )
∑ ∑ =
1 N
N
−1
X~
(
k
)e
j
2π
N
nk
k =0
=
1 N
N −1 X~ (k )WN−nk
k =0
4. X~(k )的周期性与用Z变换的求法
∑ 周期性：X~
n=0
j 2π
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)。
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)
xep(n)=1/2［x(n)+x*(N-n)］ xop(n)=1/2［x(n)-x*(N-n)］
(3) 如果x(n)=-x(N-n)，则X(k)纯虚奇对称， 即
X(k)=-X(N-k)
(3.2.21)
利用DFT的共轭对称性，通过计算N点DFT， 可以
得到两个不同实序列的N点DFT，设x1(n)和x2(n)为两个 实序列，构成新序列x(n)如下 ：
x(n)=x1(n)+jx2(n)
对x(n)进行DFT，得到 X(k)=DFT［x(n)］=Xep(k)+Xop(k)
n 0
N 1
X (k )WN kn
(3.1.9)
式中
X (k ) x(k ) RN (k )
~
(3.1.10)
3.2 离散傅里叶变换的基本性质
3.2.1 线性性质
如果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)N点DFT为
xN(n)=IDFT［X(k)］， 0≤n≤N-1
由DFT与DFS的关系可知，X(k)是xN(n)以N为周期
的周期延拓序列 x (n)的离散傅里叶级数系数 x (k)的主 值序列， 即
X (k ) X (k ) N DFS [ X (n )] X (k ) X (k ) RN (k ) X (n ) xN ((n )) N IDFS [ X (k )] 1 N 1 N
~
~
~
~
如果x(n)的长度为N，且 x (n)=x((n))N ，则可写出
x (n)的离散傅里叶级数为
X (k ) x(n)W
n 0 ~ ~ N 1 ~ kn N
x((n)) N W
n 0
N 1
kn N
kn x(n )WN (3.1.8) n 0
N 1
1 ~ 1 x(n) X (k )WN kn N N
3.2.4 复共轭序列的DFT
设x*(n)是x(n)的复共轭序列， 长度为N X(k)=DFT［x(n)］ 则 DFT［x*(n)］=X*(N-k), 0≤k≤N-1 且 X(N)=X(0) (3.2.7)
3.2.5 DFT的共轭对称性
1. 有限长共轭对称序列和共轭反对称序列 为区别于傅里叶变换中所定义的共轭对称(或共轭 反对称)序列，用xep(n)和xop(n)分别表示有限长共轭对 称序列和共轭反对称序列，则二者满足如下定义式： xep(n)=x*ep(N-n), xop(n)=-xop* (N-n), 0≤n≤N-1 0≤n≤N-1 (3.2.9) (3.2.10)来自~m
x(n mN )
(3.1.5) (3.1.6)
x(n ) x(n ) RN (n )
~
~
为了以后叙述方便， 将(3.1.5)式用如下形式表示：
x(n) x(n) N
(3.1.7)
图 3.1.2 有限长序列及其周期延拓
式中x((n))N表示x(n)以N为周期的周期延拓序列，
x(n) IDFT [ X (k )] x2 (m)((n m)) N RN (n)
m 0 N 1
(3.2.5)
循环卷积过程中，两个N长的序列的循环卷积长度 仍为N。 显然与一般的线性卷积不同， 故称之为循环卷 积， 记为
x(n ) x1 (n ) x2 (n ) x1 (m) x2 ((n m)) N RN (n )
当N为偶数时， 将上式中的n换成N/2-n可得到
N N xep ( n) x ep ( n), 2 2 N N xop ( n) x op ( n), 2 2
N 0 n 1 2 N 0 n 1 2
上式更清楚地说明了有很长序列共轭对称性的含 义。如图3.2.3所示。图中*表示对应点为序列取共轭后
X(k)的离散傅里叶逆变换为
1 X (k ) DFT [ x(n)] N
n 0
N 1
X ( n)WN kn , k=0, 1, &, N-1 (3.1.2)
式中 ,N称为DFT变换区间长度N≥M，通常称(3.1.1) e 式和(3.1.2)式为离散傅里叶变换对。
例 3.1.1 x(n)=R4(n) ，求x(n)的8点DFT 设变换区间N=8， 则
~ ~ N 1 k 0 ~ ~ ~
~
~
k 0
kn X (k )WN
~
N 1
X (k )WN kn
x(n ) x(n rN )
k 0 ~
~
N 1
(3.3.2)
xN (n ) x(n ) RN (n )
r
x(n rN ) RN (n )
(3.3.3)
由(3.2.16)式、 (3.2.13)式和(3.2.14)式得到
Xep(k)=DFT［x1(n)］=1/2［X(k)+X*(N-k)］ Xop(k)=DFT［jx2(n)］=1/2［X(k)-X*(N-k)］ 所以 X1(k)=DFT［x1(n)］=1/2［X(k)+X*(N-k)］
X2(k)=DFT［x2(n)］=-j1/2［X(k)-X*(N-k)］
n 0 kn X (k ) DFT [ x (n )] x (n )WN n 0 N 1
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
, ,
0 k N-1 0 k N-1
(3.1.3) (3.1.4)
X ( k ) X ( z j )
2. DFT的共轭对称性
(1) 如果x(n)=xr(n)+jxi(n) X(k)=DFT［x(n)］=Xep(k)+Xop(k)
Xep(k)=DFT［xr (n)］, X(k)的共轭对称分量 Xop(k)=DFT［jxi (n)］, X(k)的共轭反对称分量
(2) 如果x(n)=xep(n)+rop(n)， 0≤n≤N-1
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
前面定义的DFT变换对中，x(n)与X(k)均为有限长 序列，但由于WknN的周期性，使(3.1.1)式和(3.1.2)式中 X(k)隐含周期性，且周期均为N。对任意整数m，总有
k ( WN WNk mN ) , k , m, N 均为整数 所以(3.1.1)式中， X(k)满足
图 3.2.1
循环移位过程示意图
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)］=WN-kmX(k)
其中X(k)=DFT［x(n)］, 0≤k≤N-1。
3. 频域循环移位定理
如果X(k)=DFT［x(n)］, 0≤k≤N-1 Y(k)=X((k+l))NRN(k) 则 y(n)=IDFT［Y(k)］=WNnlx(n) (3.2.4)
3.2.3 循环卷积定理
有限长序列x1(n)和x2(n)，长度分别为N1和N2， N=max［ N1, N2 ］。x1(n)和x2(n)的N点DFT分别为： X1(k)=DFT［x1(n)］ X2(k)=DFT［x2(n)］
如果
X(k)=X1(k)·X2(k)
N 1 m 0
则 x(n) IDFT [ X (k )] x1(m)((n m)) N RN (n)
k 0
N 1
1 zN X (k ) 1 WN k z 1
(3.3.4)
1 1 zN k ( z) N 1 WN k z 1 X ( z ) X ( k ) k ( z )