第3章 离散时间信号的傅里叶变换及DFTppt课件

第3章离散时间信号的傅里叶变换及DFT,要求：,1.掌握连续时间傅里叶变换FT2.掌握离散时间傅里叶变换DTFT及性质3.掌握离散傅里叶变换DFT及应用,3.1连续时间信号的傅里叶,设x(t)为一连续信号，若x(t)属于L1空间，即满足：,那么，x(t)的傅里叶变换存在，并定义为：,反变换为：,X(j)是的连续函数，称为x(t)的频谱密度函数或频谱。,时域连续的非周期信号其傅里叶变换FT在频域上是连续的、非周期的。,（1）非周期时间信号傅里叶变换,欧拉公式：,3.1连续时间信号的傅里叶,任何周期信号在满足狄义赫利条件下，可以展开为完备正交函数线性组合的无穷级数。如果正交函数集是三角函数集，则此时展成的级数称为傅里叶级数三角形式，如果正交函数集是复指数函数集，则称为傅里叶级数复指数形式。,3.1连续时间信号的傅里叶,信号与系统，徐守时：176页,设x(t)为一连续时间周期信号，周期为T，即x(t)=x(t+nT)，该信号不属于L1空间。但如果x(t)满足狄义赫利条件，可以将其展开为傅里叶级数，即：,k0为第k次谐波频率。因为X(k0)仅在0的整数倍取值，即在频率轴取值是离散的，称为x(t)在k次谐波的傅里叶系数。X(k0)表示为：,那么，周期信号x(t)的傅里叶变换为：,3.1连续时间信号的傅里叶,（2）周期时间信号傅里叶变换,函数定义及性质：,函数傅里叶变换性质：,3.1连续时间信号的傅里叶（补充）,3.1连续时间信号的傅里叶（补充）,求x(t)=1的FT。,因为：,3.1连续时间信号的傅里叶（补充）,求周期函数cos(0t)和sin(0t)的傅里叶变换。,3.1连续时间信号的傅里叶（补充）,该式表明，一个周期信号的傅里叶变换是：由在频率轴上间距为0的冲击序列所组成线谱。,不具备傅里叶变换条件的周期信号，在引入冲激信号后可以作傅里叶变换。时域连续周期信号傅里叶变换在频率上是离散的、非周期的。,3.1连续时间信号的傅里叶,由上述函数傅里叶变换性质，周期信号的傅里叶变换FS为：,计算周期信号的傅里叶变换。,3.1连续时间信号的傅里叶,信号与系统，徐守时：199页,3.1连续时间信号的傅里叶,（1）周期矩形信号频谱是离散的，谱线间隔是0=2/T；,（2）当=2k/时，谱线的包络线过零点。,3.2.1DTFT的定义,对序列傅里叶变换两边乘以ejm并在-内对积分,此式即为离散时间序列的傅里叶变换DTFT。X(ej)是的连续函数，且是周期的，周期为2。,3.2离散时间信号的的傅里叶变换,设x(n)为一序列，该序列傅里叶变换为：,3.2离散时间信号的的傅里叶变换,DTFT的反变换为,信号与系统，徐守时：187页,N=50;3n=0:1:N;w=-3*pi:pi/1000:4*pi;a=0.8;xn=a.n;X=1./(1-a*exp(-j*w);Xmax=max(abs(X);subplot(311);stem(n,xn);grid;ylabel(x(n);xlabel(n);subplot(312);plot(w/pi,abs(X);ylabel(|X(j)|);xlabel();grid;text(0.1,5,leftarrow|X(j)|=,num2str(Xmax),fontsize,10);subplot(313);plot(w/pi,angle(X);ylabel();xlabel();grid;,3.2离散时间信号的的傅里叶变换,常用DTFT的变换,信号与系统，徐守时：196页,3.2离散时间信号的的傅里叶变换,信号与系统，徐守时：188页,4,matlab应用Web和MATLAB的信号与系统基础：246Matlab信号处理与应用_懂长虹：68,1.线性,令x1(n)，x2(n)的DTFT分别为X1(ej)和X2(ej)，并令x(n)=ax1(n)+bx2(n)，则X(ej)=aX1(ej)+bX2(ej)。,3.2.2DTFT的性质,3.2离散时间信号的的傅里叶变换,2.时移,这说明，如果序列在时域的平移，将不导致傅里叶变换的模改变，只造成其相位附加一个线性相移-n0。,求x(n)=(n-n0)的傅里叶变换。,3.2离散时间信号的的傅里叶变换,序列的时延n0，导致其傅里叶变换乘以一个时移因子。从频域的模和相位来看,3.2离散时间信号的的傅里叶变换,3.频移,如果x(n)在时域被(-1)n加权，即原序列交替改变符号，等效于在频域频移。在低频部分经频移到最高频率(=)。,时间序列在时域被频率为0的复正弦加权，等于频域中分别将其傅里叶变换沿频率轴右移0。,按频移性质有：,设X(ej)=2(-0)，()是以2为周期的单位冲激函数，计算IDTFTX(ej)。,频移性质的频谱搬移技术在通信和信号处理中得到广泛应用，如载波幅度调制、同步解调、变频或混频等技术。,3.2离散时间信号的的傅里叶变换,由于离散时间信号的傅里叶变换是以2为周期的，因此，频域冲击应该是周期的，即,求周期函数cos(0n)和sin(0n)的傅里叶变换。,利用欧拉公式，分别有,信号与系统，徐守时：245页,3.2离散时间信号的的傅里叶变换,4.奇、偶、虚、实对称性,3.2离散时间信号的的傅里叶变换,3.2离散时间信号的的傅里叶变换,如果x(n)是实信号，即xI(n)=0，则X(ej)的实部XR(ej)可表示为：,结论1：实信号x(n)傅里叶变换X(ej)的实部XR(ej)是的偶函数。,结论2：实信号x(n)傅里叶变换X(ej)的虚部XI(ej)是的奇函数。,3.2离散时间信号的的傅里叶变换,实信号x(n)傅里叶变换的虚部XI(ej)可表示为：,结论3：X(ej)的幅频响应是的偶函数。,结论4：相频响应是的奇函数。,求实信号x(n)=0.8n的DTFT。,n=0:20;k=-200:200;4-1w=(pi/100)*k;x=(0.8).n;X=x*(exp(-j*pi/100).(n*k);subplot(411);stem(n,x);grid;title(x(n);subplot(323);plot(w/pi,real(X);grid;title(real);subplot(324);plot(w/pi,imag(X);grid;title(imag);subplot(325);plot(w/pi,abs(X);grid;title(|DTFTx(n)|);subplot(326);plot(w/pi,angle(X);grid;title(arctanx(n);,3.2离散时间信号的的傅里叶变换,数字信号处理使用MATLAB_维纳.K.恩格尔:40,3.2离散时间信号的的傅里叶变换,对于实信号，由结论1、2得：,对于复信号有：,5.时域卷积定理,信号与系统，徐守时：255页,时域两个序列卷积，对应着在频域中，它们的傅里叶变换相乘。,3.2离散时间信号的的傅里叶变换,6.频域卷积定理,3.2离散时间信号的的傅里叶变换,时域两个序列相乘，对应着在频域中，它们的傅里叶变换卷积再乘以1/2。,7.尺度变换,3.2离散时间信号的的傅里叶变换,x(n)在时域上扩展m倍，导致其频域压缩m倍。X(ej)周期变为2/m，在x(n)之间插零，加快了信号的变化速度，改变了信号的频域分布。,3.2离散时间信号的的傅里叶变换,5,时域使得x(n)在时域上压缩m倍，导致其频域扩展m倍。频域扩展产生了混频，甚至与原来频域分布不一样。,3.2离散时间信号的的傅里叶变换,8.时域相关定理,3.2离散时间信号的的傅里叶变换,如果y(n)是x(n)和h(n)的相关函数，即,能量信号x(n)的自相关函数的傅里叶变换等于信号傅里叶变换的幅值平方。|X(ej)|2称为信号的能量密度谱或能谱密度、能量谱。,两个能量信号互相关函数的傅里叶变换，等于其中一个信号的傅里叶变换乘以另一个傅里叶变换的共轭，通常把能量互相关的傅里叶变换称为互谱密度。,9.巴塞伐定理（帕什瓦尔定理）,3.2离散时间信号的的傅里叶变换,一个能量信号在时域的总能量，等于其频域的总能量。,能量谱由信号傅里叶变换的模确定，与相位无关。具有相同幅度的谱而相位不同的信号，都具有相同的能量谱。,3.2离散时间信号的的傅里叶变换,10.维纳-辛钦定理,称Px(ej)为功率信号x(n)的功率密度谱或功率谱密度、功率谱。功率信号x(n)的自相关函数和其功率谱是一对傅里叶变换。,若x(n)是功率信号，其自相关函数的傅里叶变换为,3.2.3DTFT的应用,取一复序列x(n)=(0.8)nejn/3，0n8求它的DTFT并探讨其对称性与周期性。,按上式计算，a=0.8*ej/3。,3.2离散时间信号的的傅里叶变换,k=-200:200;w=(pi/100)*k;6a=0.8*exp(j*pi/3);n=0:0.1:10;x=a.n;subplot(221);stem(n,real(x);grid;title(实部);subplot(222);stem(n,imag(x);grid;title(虚部);X=1./(1-(a*exp(-j*w);subplot(223);plot(w/pi,abs(X);grid;title(幅度);subplot(224);plot(w/pi,angle(X);grid;title(相角);,如果频率向量表示为=1,2k=kd，则DTFT可表示为：X(ej)=x*exp(-j*dw*n*k),3.2离散时间信号的的傅里叶变换,DTFT计算表达式常用表达方法,数字信号处理教程MATLAB释义与实现_陈怀琛:54,n=0:10;7x=(0.8*exp(j*pi/3).n;k=-200:200;w=(pi/100)*k;X=x*(exp(-j*n*w);%(0.8)nejn/3傅里叶变换x1=(0.8).n;X1=x1*(exp(-j*n*w);%(0.8)n傅里叶变换subplot(421);stem(real(x);grid;title(复序列);ylabel(实部);subplot(423);stem(imag(x);grid;ylabel(虚部);subplot(425);plot(w/pi,abs(X);grid;ylabel(幅度);subplot(427);plot(w/pi,angle(X);grid;ylabel(相角);subplot(422);stem(real(x1);grid;title(实序列);subplot(424);stem(imag(x1);grid;subplot(426);plot(w/pi,abs(X1);grid;subplot(428);plot(w/pi,angle(X1);grid;,3.2离散时间信号的的傅里叶变换,按公式：X(ej)=x*exp(-j*dw*n*k)编程为：,讨论：（1）复序列的DTFT的幅频特性和相频特性是的周期函数，但不是对称的，既不是偶对称，也不是奇对称；,3.2离散时间信号的的傅里叶变换,（2）去掉复数因子ej/3后x(n)就为实序列，实序列的幅频特性和相频特性是的周期函数，幅值偶对称，相位奇对称；,（3）把复序列变为实序列，相当于让时间序列乘以e-j/3后，它引起DTFT特性频移。,求有限长序列x(n)=1，3，5，3，1的DTFT，画出在=-8+8rad/s范围内的频率特性，讨论其对称性，再把序列左右移动，讨论对DTFT的影响。,x=1,3,5,3,1;nx=-1:3;8w=linspace(-8,8,1000);%将=-88分成1000份X=x*exp(-j*nx*w);subplot(3,1,1);stem(nx,x);axis(-2,6,-1,6);grid;title(原序列);ylabel(x(n);subplot(3,2,3);plot(w/pi,abs(X);grid;ylabel(幅度);subplot(3,2,4),plot(w/pi,angle(X);grid;ylabel(相角);subplot(3,2,5);plot(w/pi,real(X);grid;ylabel(实部);subplot(3,2,6);plot(w/pi,imag(X);grid;ylabel(虚部);,3.2离散时间信号的的傅里叶变换,数字信号处理教程MATLAB释义与实现_陈怀琛:55,x=1,3,5,3,1;nx=-1:3;9w=linspace(-8,8,1000);X=x*exp(-j*nx*w);subplot(5,3,1);stem(nx,x);axis(-2,6,-1,6);grid;title(原序列);ylabel(x(n);subplot(5,3,4);plot(w/pi,abs(X);grid;ylabel(幅度);subplot(5,3,7),plot(w/pi,angle(X);grid;ylabel(相角);subplot(5,3,10);plot(w/pi,real(X);grid;ylabel(实部);subplot(5,3,13);plot(w/pi,imag(X);grid;ylabel(虚部);%右移2位nx1=nx+2;X=x*exp(-j*nx1*w);subplot(5,3,2);stem(nx1,x);axis(-2,6,-1,6);grid;title(右移2位);subplot(5,3,5);plot(w/pi,abs(X);grid;subplot(5,3,8),plot(w/pi,angle(X);grid;subplot(5,3,11);plot(w/pi,real(X);grid;subplot(5,3,14);plot(w/pi,imag(X);grid;nx2=nx-1;X=x*exp(-j*nx2*w);subplot(5,3,3);stem(nx2,x);axis(-2,6,-1,6);grid;title(左移1位);subplot(5,3,6);plot(w/pi,abs(X);grid;subplot(5,3,9),plot(w/pi,angle(X);grid;subplot(5,3,12);plot(w/pi,real(X);grid;subplot(5,3,15);plot(w/pi,imag(X);grid;,3.2离散时间信号的的傅里叶变换,3.2离散时间信号的的傅里叶变换,（1）序列的DTFT是连续的；,（2）序列的DTFT是周期函数，周期为2，因此，只要知道它在-+内的值，就可以知道在全部范围内的值；,（3）实序列的DTFT具有对称性，其幅频特性和实频特性是偶对称的，相频特性和虚频特性是奇对称的；,（4）信号在时间轴的平移不影响DTFT的幅频特性，只影响相频特性；,（5）时域对称序列，具有相位随频率线性变换的特点。对称中心的位置决定相频特性的斜率大小。当对称中心位于n=0处时，相位恒为0。,3.2离散时间信号的的傅里叶变换,令x(n)=(n-m)，求X(ej)并讨论其幅频和相频响应。,m=-200:200;w=(pi/100);10X=exp(-j*w*m);subplot(211);plot(w*m/pi,abs(X);grid;title(幅度);axis(-22-0.52);subplot(212);plot(w*m/pi,angle(X);grid;title(相角);axis(-22-44);,3.2离散时间信号的的傅里叶变换,一个有限长信号xN(n)，n=0，1，N-1可以看作无限长信号x(n)，n=-，乘上一个矩形窗,作自然截断的结果，试研究d(n)对原信号频谱的影响。,3.2离散时间信号的的傅里叶变换,对窗函数d(n)进行傅里叶变换：,3.2离散时间信号的的傅里叶变换,Dg第一个过零点的部分称为主瓣，主瓣宽度B=4/N，主瓣以外的部分称为边瓣，主瓣宽度B随N的增大而减小。对于N=20，主瓣对应宽带：B1=4/20=0.2。,d(n)和Dg图形为：,11,L=5;N=100;12n=1:N;xn=ones(1,L),zeros(1,N-L);w=1:1000*2*pi/1000;a=length(w);d=(sin(L.*w/2)./sin(w/2).*exp(-j.*w*(L-1)/2);f=abs(d(a/2+1:a)d(1:a/2+1);k=-a/2:a/2;subplot(221);stem(xn);grid;axis(03002);title(序列);subplot(222);plot(k,f);grid;axis(-60060006);title(幅度);L=10;N=100;n=1:N;xn=ones(1,L),zeros(1,N-L);w=1:1000*2*pi/1000;a=length(w);d=(sin(L.*w/2)./sin(w/2).*exp(-j.*w*(L-1)/2);f=abs(d(a/2+1:a)d(1:a/2+1);k=-a/2:a/2;subplot(223);stem(xn);grid;axis(03002);subplot(224);plot(k,abs(f);grid;axis(-600600012);,3.2离散时间信号的的傅里叶变换,D(ej)的MATLAB程序为：,3.2离散时间信号的的傅里叶变换,d(n)和D(ej)图形为：,有限长序列是无限长序列与一窗函数乘积的结果，即时域xN(n)=x(n)d(n)对应频域卷积，由XN(ej)=X(ej)*D(ej)卷积结果是D(ej)主瓣对X(ej)起到了“平滑”作用，降低了X(ej)中谱峰的分辨能力。,3.2离散时间信号的的傅里叶变换,N=input(N=);13T=0.1;n=1:N;D=2*pi/(N*T);xa=sin(5*n*T)+sin(6*n*T);Xa=T*fftshift(fft(xa);xa(1)k=floor(-(N-1)/2:(N-1)/2);%floor(x)把x向下负无穷去整，保证-/Ts区域有较多的高频分量，表现在时域上，就是恢复出的模拟信号是台阶形的。因此需要在DAC之后加平滑低通滤波器，滤除多余的高频分量，对时间波形起平滑作用（在模拟信号数字处理框中加平滑滤波）。,3.3连续时间信号的抽样,对h(t)进行傅里叶变换，得到频谱为：,由图看到，零阶保持器是一个低通滤波器，能够起到将时域离散信号恢复成模拟信号的作用。图中虚线表示理想低通滤波器的幅度特性。,虽然零阶保持器恢复的模拟信号有些失真，但简单、易实现，是经常使用的方法。,3.4离散时间周期信号的傅里叶变换,设是周期信号的抽样，的周期为T，每个周期内抽N个点，即T=NTs。这样，也是周期的，周期为NTs或N。周期信号可用傅里叶级数展开为,是的傅里叶系数，它是离散、非周期的，对抽样得：,由于离散信号的频谱是周期的，周期为s，所以将上式的X(k0)改写为。,3.4.1周期序列傅里叶变换的引入,取抽样信号的一个周期（每个周期内抽N个点）的傅里叶系数，并用X(k)表示，则周期信号可表示为：,3.4.2周期序列傅里叶变换的表达式,上式表明将周期序列分解成N次谐波，第k个谐波频率为k=(2/N)k，k=0,1,2N-1，幅度为X(k)。一个周期序列可以用其DFS表示它的频谱分布规律。,3.4离散时间周期信号的傅里叶变换,当在n=0,1,.,N-1求和与在n=N,.,2N-1求和所得的结果是一致的，也就是该式只能计算出N个抽样值，并表示为序列x(n)，n=0，1，N-1。,3.4离散时间周期信号的傅里叶变换,所以，对应离散周期信号，可得：,通常将定标因子1/N移到反变换表示式中，这样通常表示的离散时间信号的傅里叶变换表达式为：,3.4离散时间周期信号的傅里叶变换,3.4.3周期序列傅里叶变换的习惯表示方法,3.4离散时间周期信号的傅里叶变换,离散时间信号傅里叶变换通常用符号WN=e-j2/N代入，则：,连续非周期,离散非周期,连续周期,离散周期,前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。因为从数字计算角度，我们感兴趣的是时域及频域都是离散的情况，只有离散变换才能够在计算机上使用。,从前面的几种变换知：周期性时间信号产生频谱是离散的；离散时间信号可以产生频谱是周期性的。,周期性离散时间信号其频谱为周期性离散的。也即我们所希望的。总之，一个域的离散必然造成另一个域的周期延拓。,3.5.1DFS傅里叶变换的意义,3.5离散傅里叶变换,我们先从周期性序列的离散傅里叶变换(DFS)开始讨论，然后再讨论可作为周期函数一个周期的有限长序列的离散傅里叶变换(DFT)。,周期序列实际上只有有限个序列值才有意义，因而它的离散傅里叶变换表示式也适用于有限长序列。,这样，我们只要把DFS的定义式两边取主值区间，就得到关于有限长序列的时频域的对应变换对。这就是离散傅里叶变换(DFT)。,对于有限长序列x(n)，求其DFT时，不管x(n)本身是否是周期序列，都应把它看作某一个周期序列的一个周期。,3.5离散傅里叶变换,在时域，周期序列可看作是有限长序列x(n)的周期延拓；,在频域，周期序列看作是有限长序列X(k)的周期延拓。,周期序列是有限长序列x(n)的周期延拓。,周期序列是有限长序列X(k)的周期延拓。,（2）周期序列和有限长序列X(k)的关系,（1）有限长序列x(n)和周期序列的关系,3.5.2DFT是对FT的近似,3.5离散傅里叶变换,由DFS及DFT导出过程可知，X(k)是x(n)的傅里叶变换的近似。因此，做DFT得到XN(k)是对Xa(j)的近似，再由XN(k)作IDFT得到的xN(n)都是对xa(t)的近似。,但如果Ts选得足够小，可以减轻频域的混叠；如果N选得足够大，也会减小时域混叠，这样xN(n)和XN(k)都是xa(t)和Xa(j)很好的近似，DFT能够在计算机上方便实现，所以它成为谱分析的工具。,3.5.3DFT与DTFT关系,若x(n)是N点有限长序列，其DTFT及DFT分别为,3.5离散傅里叶变换,连续谱X(ej)可由离散谱X(k)插值得到。,MATLAB表示：正变换：fft(x)或fft(x,N)x-输入序列；N-采用N点DFT（如果NL，程序自动补个零，NL，程序自动补个零，N2fc。,3.5离散傅里叶变换,（1）时域和频域混叠,实际信号持续时间都是有限的，因而其频谱是无限的，无论取多大的采样频率，也不能满足采样定理。但超过一定范围的高频分量对信号没有多大的影响，因而先要对信号滤波，限制高于fc的频率分量出现。,应用中为了避免频移混叠，一般fs取更高一些，但也不宜过高，过高fs意味着采样点数多，内存消耗大，运算时间长，通常取fs(410)fc为宜。,另一方面，DFT得到的频率函数也是离散的，其频域抽样间隔为F0，为了对全部信号采样，必须使抽样点数N满足条件：N2fc/F0,在实际中，序列x(n)长度是有限的，即使无限长，用DFT对其进行频谱分析时，必须截断长度为N的有限长序列，将所观测的信号x(n)限制在一定的时间间隔内，也就是说，在时域对信号进行截断操作，或称作加时间窗，亦即用时间窗函数乘以信号，即,根据卷积定理有,窗函数的|2/N部分为主瓣，其余部分为旁瓣。序列截断后的频谱Y(ej)与原序列频谱X(ej)有明显的差别，这种差别带来两方面影响。,3.5离散傅里叶变换,（2）截断效应,频谱泄漏,截断使主谱线两边形成过多的旁瓣，引起不同分量间的干扰，这不仅影响频谱分辨率，严重时强信号的旁瓣可能湮灭弱信号的主谱线，或将强信号的旁瓣误认为是另一个信号的谱线，从而形成假信号，使谱分析产生较大的偏差。,数字信号处理及MATLAB实现余成波：70页,3.5离散傅里叶变换,原序列x(n)的频谱是离散的，经截断后每个谱线带有拖尾现象，称之为频谱泄漏。频谱泄露使频谱变得模糊，分辨率降低。,谱间干扰,截断效应无法完全消除，只能要求折中选择几个参量，首先可以取更长的数据，即窗加宽，这样导致内存和运算量增加；其次是不要突然截断，不用矩形窗，而是缓慢截断（如上角窗、汉宁窗等），使旁瓣能量更小，卷积后造成的泄露量减小。,3.5离散傅里叶变换,（3）栅栏效应,用DFT计算频谱时，xN(n)的DFTXN(k)是各次谐波频率处的频谱。,如果xa(t)是周期信号，那么它的频谱本身是离散的，由DFT求出的XN(k)是离散频谱，一般不影响实际的频谱分析。,3.5离散傅里叶变换,XN(0)为直流谱线，XN(1)为基频谱线，XN(2)为二次谐波的谱线，所以DFT可以看做是xN(n)通过N个窄带滤波器的输出，第k个窄带滤波器的中心频率在kfs/N处，带宽小于fs/N。,由于XN(k)是对Xa(j)的近似。即DFT只是知道频率为f=1/Ts的整数倍处的频谱。在两个谱线之间的情况就不知道，这相当通过一个栅栏观察景象一样，故称作栅栏效应。,我们知道，f=fs/N，即最小频率间隔f反比于数据的长度N（数据的有效长度）。,补零并没有增加序列有效长度，所以并不能提高分辨率。但补零对原X(k)起到插值作用，一方面克服“栏栅”效应；,（4）DFT的分辨率,3.5离散傅里叶变换,如果在x(n)中有两个频率分别为f1和f2，对x(n)用矩形窗截断时，要分辨出这两个频率，N必须满足：,另一方面，由于数据截断时引起的频谱泄露，有可能在频谱中出现一些难以确认的谱峰，补零后有可能消除这种现象。,设x(n)为两点序列x(n)=x(0)，x(1)，求其X2(k)，然后补两个零，使成为四点序列x(n)=x(0)，x(1)，0，0，再求其X4(k)。,3.5离散傅里叶变换,设一序列含有两种成分，f1=2Hz，f2=2.05Hz，采样频率fs=10Hz，即x(n)=sin(2f1n/fs)+sin(2f2n/fs)（1）取x(n)，0n128时，计算x(n)的DFTX(k);,3.5离散傅里叶变换,N=128;fs=10;n=0:N-1;16f1=2;f2=2.05;xn=sin(2*pi*f1*n/fs)+sin(2*pi*f2*n/fs);xk=fft(xn);mxk=abs(xk(1:N/2);subplot(231);plot(n,xn);xlabel(n);title(x(n)0=n128);axis(0128-22);grid;k=(0:N/2-1)*fs/N;subplot(234);plot(k,mxk);xlabel(Hz);title(x(k);grid;,（2）将x(n)以补零方式使其加长到0n512，计算x(n)的DFTX(k);,（3）取x(n)，0n512时，计算x(n)的DFTX(k);,M=512;xn=xnzeros(1,M-N);xk=fft(xn);mxk=abs(xk(1:M/2);n=0:M-1;subplot(232);plot(n,xn);xlabel(n);title(x(n)0=n512);axis(0512-22);grid;k=(0:M/2-1)*fs/M;subplot(235);plot(k,mxk);xlabel(Hz);title(x(k);grid;,3.5离散傅里叶变换,n=0:M-1;xn=sin(2*pi*f1*n/fs)+sin(2*pi*f2*n/fs);xk=fft(xn);mxk=abs(xk(1:M/2);subplot(233);plot(n,xn);xlabel(n);title(x(n)0=n512);axis(0512-22);grid;k=(0:M/2-1)*fs/M;subplot(236);plot(k,mxk);xlabel(Hz);title(x(k);grid;,由图可以看出，如果序列x(n)和其DFT由于取样点数不满足最小有效数据长度的要求，无法区分出两种频率成分；将序列补零到512点后，对DFT的分辨率没有影响，只起到平滑作用，但采样点为512点时，满足最小有效数据长度的要求，能够区分出两个频率。,3.5离散傅里叶变换,谱峰平滑,DFT主要应用是对未知的周期信号进行频谱估计或信号识别。,直接法,3.5离散傅里叶变换,3.5.4DFT的应用,频谱估计有直接法和间接法。,（1）频谱估计,直接法又称周期图法，它是把序列的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅里叶变换，得X(k)，然后在取幅值的平方，作为序列的真实功率谱的估计，即,Fs=1000;17n=0:1/Fs:1;xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n);nfft=1024;xk=fft(xn,nfft);Pxx=abs(xk).2/length(n);t=0:round(nfft/2-1);k=t*Fs/nfft;P=10*log10(Pxx(t+1);plot(k,P);grid;,3.5离散傅里叶变换,设一含噪声序列为x(n)=4cos(80n)+3cos(200n)+v(n)，其中v(n)为白噪声，求其功率谱。,用直接法的功率谱估计，当数据长度N太大时，谱线起伏加剧，若N太小，谱的分辨率又不好。,间接法,Fs=1000;18n=0:1/Fs:1;xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n);nfft=1024;cxn=xcorr(xn,unbiased);Cxk=fft(cxn,nfft);Pxx=abs(Cxk);t=0:round(nfft/2-1);k=t*Fs/nfft;P=10*log10(Pxx(t+1);plot(k,P);grid;,先由序列x(n)估计出自相关函数rx(m)，然后在对rx(m)求傅里叶变换，便等到x(n)的功率谱估计，即,3.5离散傅里叶变换,已知时域信号x(t)=2sin(4t)+5cos(8t)，以t=0.01n进行抽样(n=0:N-1)，N=64，用图形表示：（1）N点DFT的幅值谱；,N=64;n=0:N-1;t=0.01*n;q=n*2*pi/N;19x=2*sin(4*pi*t)+5*cos(8*pi*t);y=fft(x,N);x1=x+2.5*randn(1,N);y1=fft(x1,N);subplot(221);plot(x);grid;title(x);subplot(222);plot(x1);grid;title(x1);subplot(223);plot(q,abs(y);grid;title(FFT(x);subplot(224);plot(q,abs(y1);grid;title(FFT(x1);,3.5离散傅里叶变换,（2）信号识别,（2）信号加入噪声，即x(t)=2sin(4t)+5cos(8t)+2.5w(t)，其中w(t)是正态噪声，求其N点DFT。,从运行结果可以看出，在强烈噪声中，从时域无法提取出淹没在噪声中的信号，而在频域这种噪声不影响信号的检测。,3.5离散傅里叶变换,一被噪声污染信号x(t)=sin(100t)+sin(240t)+v(t)，数据采样频率1000Hz，由DFT研究其频率成分。,3.5离散傅里叶变换,t=0:0.001:0.6;20 x=sin(2*pi*50*t)+sin(2*pi*120*t);y=x+randn(1,length(t);Y=fft(y,512);subplot(211);plot(y);title(x);grid;n=0:511;f=1000*n/512;subplot(212);plot(f,abs(Y);title(DFT);grid;,用DFT分析语音信号的频谱。,3.5离散傅里叶变换,loadmtlb;21subplot(221);plot(mtlb);title(原始语音信号);grid;y=fft(mtlb);subplot(222);plot(abs(y);title(FFT);grid;y(abs(y)1)=0;x=ifft(y);x=ifft(y);subplot(223);plot(abs(y);title(去掉小于1的DFT);grid;subplot(224);plot(real(x);title(重构语音信号);grid;,一个采样信号由信号源和加性噪声组成，用傅里叶变换将噪声消除。,3.5离散傅里叶变换,（3）信号消噪,Xs=fft(s);d=fftshift(abs(Xs),3.5离散傅里叶变换,放大频谱,3.5离散傅里叶变换,滤除高于50Hz的频谱,滤除低于3870Hz的频谱,loadleleccum;22s=leleccum(1:3920);ls=length(s);subplot(221);plot(s);title(x(n);grid;xlabel(n);ylabel(s);Xs=fft(s);absXs=abs(Xs);subplot(222);plot(absXs);title(FFT);grid;xlabel(n);ylabel(|X(k)|)indd2=50:3870;%低通滤波Xs(indd2)=zeros(size(indd2);xd1=ifft(Xs);s1=real(xd1);subplot(223);plot(s1);title(s1);grid;xlabel(n);ylabel(s1