日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

数字信号处理——DFT

發布時間:2024/8/1 编程问答 40 豆豆
生活随笔 收集整理的這篇文章主要介紹了 数字信号处理——DFT 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

作者:BerenCamlost

參考資料:

  • 老師PPT:百度網盤鏈接 提取碼: dhn4
  • 數字信號處理課本
  • 超星視頻:B站視頻鏈接
  • 第三章 DFT

    3.1 各種傅里葉變換

    傅里葉變換前(時域)傅里葉變換后(頻域)
    非周期連續非周期連續
    周期連續非周期離散
    非周期離散周期連續
    周期離散周期離散

    一個域的離散對應另外一個域的周期
    一個域的連續對應另外一個域的非周期

    3.2 DFS——離散傅里葉級數

    3.2.1 一個重要的算子

    WN=e?j(2π/N)W_N=e^{-j(2\pi /N)} WN?=e?j(2π/N)

    3.2.2 計算公式

    X~[K]=∑n=0N?1x~[n]e?j(2π/N)kn=∑n=0N?1x~[n]WNkn\tilde{X}[K]= \sum_{n=0}^{N-1}\tilde{x}[n]e^{-j(2\pi/N)kn}= \sum_{n=0}^{N-1}\tilde{x}[n]W_N^{kn} X~[K]=n=0N?1?x~[n]e?j(2π/N)kn=n=0N?1?x~[n]WNkn?

    3.3 DFT——(有限長序列的)離散傅里葉變換

    3.3.1 主值序列和周期延拓

    x[n]={x~[n]0?n?N?10othersx[n]=\left\{\begin{matrix} \tilde{x}[n] & 0\leqslant n\leqslant N-1\\ 0 & others \end{matrix}\right. x[n]={x~[n]0?0?n?N?1others?
    x[n]=x~[n]RN[n]x[n]=\tilde{x}[n]R_N[n] x[n]=x~[n]RN?[n]

    3.3.2 計算公式

    X[K]=DFT[x[n]]=∑n=0N?1x[n]WNkn,0?k?N?1X[K]=DFT[x[n]]=\sum_{n=0}^{N-1}x[n]W_N^{kn},0\leqslant k\leqslant N-1 X[K]=DFT[x[n]]=n=0N?1?x[n]WNkn?,0?k?N?1
    x[n]=IDFT[X[k]]=∑n=0N?1X[k]WN?kn,0?k?N?1x[n]=IDFT[X[k]]=\sum_{n=0}^{N-1}X[k]W_N^{-kn},0\leqslant k\leqslant N-1 x[n]=IDFT[X[k]]=n=0N?1?X[k]WN?kn?,0?k?N?1

    • 將這個公式和上面的DFS公式相對比,可以發現DFT是DFS的主值序列

    3.3.3 DFT和DTFT的關系

    • N點離散傅里葉變換X[k]是以2π/N2\pi /N2π/N為采樣間隔,對該序列的離散時間傅里葉變換X(ejω)X(e^{j\omega })X(ejω)在一個周期內(0?ω<2π)(0\leqslant \omega < 2\pi )(0?ω<2π)的等頻率間隔采樣。
    • 對于Z變換,就是單位圓上等間隔取樣。

    3.3.4 頻域采樣

    • 頻域采樣定理:如果序列x[n]長度為M,若對其X(ejω)X(e^{j\omega })X(ejω)(0?ω<2π)(0\leqslant \omega < 2\pi )(0?ω<2π)進行等間隔采樣,采樣間隔為Δω=2π/N\Delta \omega =2\pi /NΔω=2π/N,采樣點頻率為 ωk=2πk/N\omega _k=2\pi k/Nωk?=2πk/N,得到N點的Y[k],僅當采樣點數N>=M
      ,才能由Y[k]恢復x[n],即x[n]=IDFT [Y[k] ],否則將產
      生時域的混疊失真,不能由Y[k]無失真的恢復原序列

    3.4 DFT性質

    3.4.1 線性

    3.4.2 循環移位

  • 周期延拖,周期為N
  • 時移
  • 取主值區間
  • 具體圖示如下圖所示:

    • 循環移位也稱為圓周移位,原因可以由下圖解釋:
    • 循環移位定理:
      DFT[x[<n?m>N]RN[n]]=WNkmX[k]DFT[x[<n-m>_N]R_N[n]]=W_N^{km}X[k] DFT[x[<n?m>N?]RN?[n]]=WNkm?X[k]

    3.4.3 圓周共軛對稱

  • 圓周偶對稱:x[n]=x[N-n]
  • 圓周奇對稱:x[n]=-x[N-n]
  • 圓周偶對稱性圓周奇對稱性
    X[k]的實部X[k]的虛部
    ∣X[k]∣\begin{vmatrix}X[k]\end{vmatrix}?X[k]??arg[X[k]]

    3.4.4 循環卷積

    y[n]=∑m=0N?1x1[m]x2[<n?m>N],0?n?N?1y[n]=\sum_{m=0}^{N-1}x_1[m]x_2[<n-m>_N],0\leqslant n\leqslant N-1 y[n]=m=0N?1?x1?[m]x2?[<n?m>N?],0?n?N?1
    記作:

    • 循環卷積定理:
    • 循環卷積和線性卷積的關系:兩個有限長序列的N點循環卷積yc[n],是這兩個有限長序列的線性卷積y1[n]以N為周期進行周期延拓后的主值序列

    循環卷積的一種簡單算法

    在我們計算循環卷積的時候,通常是先移位再相乘,然后求和。這種簡單算法的思路是,先相乘,再移位,最后求和。這種方法類似于計算線性卷積時的列表法,或者是豎式法。這里用一個例子來說明:

    【例】:設x1[N]={1,2,3,4}, x2[N]={2,1,3}, 求4點循環卷積
    【答】:
    先對x2[N]補1個零,然后列式:
    1,2,3,4;;前兩行是源數據
    2,1,3,0
    2,4,6,8;;先使2和{1,2,3,4}相乘
    4,1,2,3;;然后讓1和{1,2,3,4}相乘,但是起始位置和第二行的1對齊,并且將最后的4移動到最前面
    9,12,3,6;;然后讓3和{1,2,3,4}相乘,但是起始位置和第二行的3對齊,并且將最后的9,12移動到最前面
    0,0,0,0
    ;;縱向求和,結果為
    15,17,11,17

    3.4.5 帕斯瓦爾定理

    • x[N]和y[N]的N點DFT分別為X[k]、Y[k],則有
      ∑n=0N?1x[n]y?[n]=1N∑n=0N?1X[k]Y?[k]\sum_{n=0}^{N-1}x[n]y^*[n]=\frac{1}{N}\sum_{n=0}^{N-1}X[k]Y^*[k] n=0N?1?x[n]y?[n]=N1?n=0N?1?X[k]Y?[k]
    • 當x[n]=y[n]時,有
      ∑n=0N?1∣x[n]∣2=1N∑n=0N?1∣X[k]∣2\sum_{n=0}^{N-1}\begin{vmatrix} x[n] \end{vmatrix}^2=\frac{1}{N}\sum_{n=0}^{N-1}\begin{vmatrix} X[k] \end{vmatrix}^2 n=0N?1??x[n]??2=N1?n=0N?1??X[k]??2

    3.5 DFT實現線性卷積

  • 兩個有限長序列x1[n],x2[n]進行線性卷積,長度最長為N1+N2-1
  • 兩個有限長序列x1[n],x2[n]進行循環卷積,兩個序列均需要補0,使得其長度等于N,
  • 兩個有限長序列的N點循環卷積yc[n],是這兩個有限長序列的線性卷積y1[n]以N為周期進行周期延拓后的主值序列
  • 兩個有限長序列的循環卷積線性卷積相等的前提條件是:
    N?N1+N2?1N\geqslant N_1+N_2-1 N?N1?+N2??1
  • 3.6 連續信號的DFT分析

    3.6.1 非周期連續信號的頻譜分析

    3.6.2 利用DFT對連續信號譜分析時應注意的幾個問題

  • 混疊:
    當采樣頻率不能滿足奈奎斯特采樣定理時,即fT<2fm,會發生頻譜混疊
  • 頻譜泄漏:
    截短后的信號頻譜是原信號頻譜與矩形窗譜卷積的結果,在卷積過程中使得信號的譜峰展寬,這種信號頻譜的擴展現象,稱為頻譜泄漏。就是濾波的窗太小了
  • 柵欄效應
  • 頻率分辨率:
    F=fTNF=\frac{f_T}{N} F=NfT??
    • F越小,頻率分辨率越高
    • 這里的N指的是信號xN[n]的有效長度,而不是補零后的長度
    • fT是采樣頻率
  • 總結

    以上是生活随笔為你收集整理的数字信号处理——DFT的全部內容,希望文章能夠幫你解決所遇到的問題。

    如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。