《数字信号处理教学课件》傅里叶变换

,数字信号处理(DigitalSignalProcessing),国家电工电子实验示范中心数字信号处理课程组,3.1FT,FS;3.2DTFT；3.3抽样定理；3.4DFS；3.5DFT；3.6DFT的性质；3.7DFT的使用；3.8关于正弦信号的抽样,傅立叶变换是信号分析与处理的基本工具,第3章离散傅里叶变换,1.傅立叶级数,3.1连续信号的傅立叶变换,傅立叶系数是第次谐波的系数，所以在频率坐标轴上是离散的，间隔是。,2.傅立叶变换：,FT,FS：,若是非周期信号，可以认为：,由,有,1.对应连续非周期对应连续周期；2.连续离散3.密度强度,请深刻理解FS和FT的定义，及它们的区别与联系！,FT存在的必要条件：,说法1：,说法2：,因为,因为,所以，如果是绝对可积的，那么它一定是平方可积的，但是反之不一定成立。例如，,是平方可积的，但不是绝对可积的。所以，取更稳妥（即更严格）。,周期信号：可以实现傅里叶级数的分解，属于功率信号；非周期信号：可以实现傅里叶变换，属于能量信号；,在经典数学的意义上是不可实现的，但在引入了奇异函数后可以实现。,周期信号,FS,例：令求其傅立叶变换。,因为：所以，严格意义上的傅立叶变换不存在，可将其展开为傅立叶级数：,现利用函数将作傅立叶变换：,线谱,DiscreteTimeFourierTransform,DTFT,3.2离散时间信号的傅里叶变换,DTFT和Z变换的关系！,（一）定义,1.是离散的，所以变换需要求和；,2.是的连续函数；,3.是的周期函数，周期为；,4.存在的条件是空间,（二）特点,可以看作是将在频域展开为傅立叶级数，傅立叶系数即是；,5.DTFT,7.由可以得到的幅度谱、相位谱及能量谱，从而实现离散信号的频频分析；,6.是在单位圆上取值时的变换：,8.反变换,四种傅立叶变换:,时域,频域,1.连续非周期连续非周期()FT2.连续周期离散非周期()FS3.离散非周期连续周期（）DTFT4.离散周期离散周期DFS,？,切实理解四种FT之间的对应关系,四种傅立叶变换,（三）性质1.线性,2.移位,3.奇偶、虚实性质,如果是实信号，即,4.如果,则：,时域卷积定理频域卷积定理！,6.时域相关定理,互相关：,自相关：,自相关函数的DTFT始终是的实函数！,7.Parsevals定理,注意：Parsevals定理有着不同的表示形式；：上述关系只对能量信号成立；,8.WienerKhinchin定理,对功率信号，其自相关函数定义为：,定义：,说明：1.在内的积分等于信号的功率，所以称为功率谱，同理，为能量谱；,2.始终是的实函数；,3.相关函数和功率谱是随机信号分析与处理的主要工具，它们都需要靠“估计”得到，这就形成了丰富的“估值理论”。,4.,思考：由功率谱是否可以得到原信号,？,例1：,（四）应用,越大，主瓣越窄,函数,过零点,例2.信号截短：,注意：所有有限长的信号都应看作一无限长的信号和一矩形窗相乘的结果。关键是对频域的影响。,两个线谱和函数的卷积：,窗函数频谱：峰值左、右第一个过零点之间的距离称为主瓣，主瓣外第一个峰值称为边瓣。我们希望主瓣的宽度越小越好，边瓣的幅度越小越好。若想分辨出两个谱峰，数据的长度：,是矩形窗主瓣的宽度,例3:,3.3抽样定理,现研究信号抽样的数学模型：,周期延拓，无穷迭加,迭加后可能产生的影响,或,要求：,若保证,相等,则,可保留,全部信息,1.做频谱分析，了解的行为；,2.使用抗混迭滤波器，限制的范围。,如果抽样频率不满足要求，将出现频谱的混迭（Aliasing),将无法恢复原信号。,如何由重建出,工程上：使用D/A转换器；,在满足抽样定理的情况下，的一个周期即等于，因此，可截取之。,?,理论上：导出如下：,其余为零,如何对作频谱分析,显然：,3.4离散傅立叶级数（DFS）,周期序列,?,离散、非周期,FS:,离散、周期,即：是周期的，周期是，间隔是,是周期的，周期是，间隔是,所以，各取一个周期，有：,此即DFS!,DFS中，仍取无穷长，实际上没必要！,改为,从实际上，当我们在计算机上实现信号的频谱分析时，要求：时域、频域都是离散的；时域、频域都是有限长；,FT、FS、DTFT、DFS都不符合要求但利用DFS的时域、频域的周期性，各取一个周期，就形成新的变换对：,从原理上，和的各自一个周期即可表示完整的序列；,为什么要由DFS过渡到DFT？,这一对式子，左、右两边都是离散的，有限长，因此可方便地用来实现频谱分析。但使用时，一定要想到，它们均来自DFS,即和都是周期的！,3.5离散傅立叶变换（DFT）,DFT的图形解释,Z变换、DTFT、DFT的取值范围,关系：,DFT的性质：,1.线性,2.正交性,3.循环移位,为实序列：,4.奇、偶、虚、实对称性质,5.Parsevals定理,6.循环卷积,线性卷积,都是点序列,当和DFT联系起来时，注意到都是以为周期的周期序列。移位时移进也有出。,循环卷积定义为：,点序列,DFT对应周期信号，所以，及都是周期的！,为什么有循环卷积,?,3.6用DFT计算线性卷积,都是非周期,没有全部进入，如何实现卷积全部进入再卷积，又如何保证实时实现,长序列卷积的计算：,数字信号处理的优势是“实时实现”，即信号进来后，经处理后马上输出出去。然而：,？,关键是将分段和卷积,将分成段，每段长,?,Overlapaddmethod叠接相加法Overlapsavemethod叠接舍去法,自己看书及使用MATLAB文件来掌握,另外：较短（FIR：长度在2050之间，IIR:尽管无限长，但有限长度要小于50），可能很长，也不适宜直接卷积。,一、分辨率分辨率问题是信号处理中的基本问题，包括频率分辨率和时间分辨率。频率分辨率：通过频域窗观察到的频率宽度；时间分辨率：通过时域窗观察到的时间宽度；,3.7与DFT有关的几个问题,频率分辨率又可定义为：将信号中两个靠的很近的谱峰区分开的能力。频率分辨率：一是取决于信号的长度，二是取决于频谱分析的算法。时间和频率是描述信号的两个主要物理量，它们通过傅里叶变换相联系。,对FT:设长度为，则,的分辨率,？,对DTFT:设抽样间隔为，则,用计算机分析和处理信号时，信号总是有限长，其长度即是矩形窗的宽度，要想分辨出处的两个频谱，数据长度必须满足：,对DFT:,此为相邻两点的频率间隔，也是最大分辨“细胞”。若要分辨出处的两个谱峰，必须大于。,例：,试确定将三个谱峰分开所需要的数据的长度。,在本例中，最小的,由,有,即要想分辨出这三个谱峰，数据的长度至少要大于1000，从DFT的角度看若令,则,下图，分别等于256和1024，可见，时无法分辨三个谱峰。,使用DFT的步骤：,由信号的最高频率确定抽样频率；,根据分辨率的需要，确定数据长度；,根据DFT的结果，再适当调整参数。,要根据分辨率的要求确定模拟信号的长度,若可以无限长，则,DFT和线性卷积是信号处理中两个最重要的基本运算，有快速算法，且二者是“相通”的。,不变，若增加,“计算分辨率”,不能提高分辨率，没有增加数据有效长度！,例：,数据后补零的影响：为什么要补零？,数据过短，补零后可起到一定的插值作用；使数据长度为2的整次幂，有利于FFT。,（几根谱线？）,补个零（？）,补7个零,补29个零,三个正弦,二、DFT对FT的近似,问题的提出：,只要满足抽样定理；做DFT时数据的长度保证所需的频率分辨率；则是的极好近似。,为什么不是的准确抽样关键取决于信号时宽带宽的不定原理：,信号的时宽,信号的带宽,？,所以，若信号是有限时宽的，那么在频域必然是无限带宽的，反之亦然。这一现象也可从加窗的角度来理解，即矩形窗的频谱是无限宽的。这一现象，来自傅立叶变换的性质：,做DFT时，总不可避免的取有限长，“有限长”带来了对的近似。,要求：1.由图3.7.3，搞清（3.7.8)(3.7.14)式的含义；,总结在导出DFT的过程中，有几个“周期延拓”？,3.理解例3.7.4和例3.7.5;,问题的提出：,3.8关于正弦信号的抽样,抽样定理对正弦信号成立否？,问题是：正弦信号的带宽为零！,窄带信号抽样定理：若信号的频谱仅在的范围内有值，我们称该信号为窄带信号。若保证，则可由恢复。,抽样定理对正弦信号成立否？,问题的关键是由于正弦信号是一类特殊的信号，特殊在它是单频率信号，带宽为零，所以要单独考虑。,又：,？,正弦信号抽样的不确定性,几点建议：1.抽样频率应为正弦频率的整数倍；2.抽样点数应包含整周期，数据长度最好是2的整次幂；3.每个周期最好是四个点或更多；4.数据后不要补零。,按以上要求，对离散正弦信号做DFT得到的频谱正好是线谱，完全等同于连续正弦信号的线谱。,3.9二维傅立叶变换,多用于图像处理：,先对行作DFT，作次，对其中间结果，再对列作变换，作次。或反之。,例：2DHamming窗及其频谱,时域窗,频谱,3.11Hilbert变换,信号处理中重要的理论工具,有何用途？,令：,的解析（Analytic)信号,解析信号的频谱只有正频率成分！显然，若对抽样，抽样频率可降低一倍。另外，做时频分析时，可减轻正、负频率处的交叉干扰。,Hilbert反变换：,例：若,可求出：,正、余弦函数构成一对Hilbert变换,离散信号的Hilbert变换：,如何有效的计算Hilbert变换？,Step1.对做DFT,得：,Step2.令,Step3.对做逆DFT,得,Hilbert变换的性质：,信号通过Hilbert变换器后，幅度谱不发生变化；,但我们并不把Hilbert变换看作是正交变换,？,2.信号和其Hilbert变换是正交的：,3.卷积性质,实因果信号傅立叶变换的一些内部关系：,实因果信号,直角坐标,极坐标,取对数,与本章有关的MATLAB文件,fftfilt.m