离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位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$

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

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 \(N_1\)\(N_2\),在 $ -N_1 \leqslant N \leqslant N_2$ 以外,\(x[n]=0\)。下图给出了这种类型的一个信号。

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

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。将(1) 和 (5)结合在一起,\(\tilde x[n]\) 就可以表示为

\[\tag{6}\tilde x[n] = \sum_{k=(N)} \frac{1}{N}X(e^{jk\omega_0})e^{jk\omega_0n} = \frac{1}{2\pi}\sum_{k=(N)} X(e^{jk\omega_0})e^{jk\omega_0n}\omega_0 \]

随着 \(N\to \infty\)\(\tilde x[n]\) 趋近于 \(x[n]\),式(6)的极限就变成 \(x[n]\) 的表达式。再者,当 \(N\to \infty\) 时,有 \(\omega_0\to 0\),式(6)的右边就过渡为一个积分。

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

右边的每一项都可以看作是高度为 \(X(e^{jk\omega_0})e^{jk\omega_0n}\) 宽度为 \(\omega_0\) 的矩形的面积。而且,因为这个求和是在 \(N\)\(\omega_0=2\pi/N\) 的间隔内完成的,所以总的积分区间总是有一个 \(2\pi\) 的宽度。式(6)和式(4)就分别变成

\[\tag{7}\boxed{ x[n]=\frac{1}{2\pi}\int_{2\pi} X(e^{j\omega})e^{j\omega n}d\omega} \]

\[\tag{8}\boxed{X(e^{j\omega})=\sum_{n=-\infty}^{+\infty}x[n]e^{-j\omega n}} \]

(7)式和 (8)式被称为离散时间傅里叶变换对。函数 \(X(j\omega)\) 称为 \(X(t)\)离散时间傅里叶变换,也通常被称为频谱

  • 例 1
    离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

  • 例 2
    离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

2. 周期信号的傅里叶变换

考虑如下信号

\[\tag{9} x[n] = e^{j\omega_0 n} \]

其傅里叶变换是如下的冲激串

\[\tag{10}X(e^{j\omega}) = \sum_{l=-\infty}^{+\infty}2\pi\delta(\omega-\omega_0-2\pi l) \]

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

为了验证该式,必须求出其对应的反变换

\[\tag{11} \frac{1}{2\pi}\int_{2\pi} X(e^{j\omega}) e^{j\omega n}d\omega = \frac{1}{2\pi}\int_{2\pi} \sum_{l=-\infty}^{+\infty}2\pi\delta(\omega-\omega_0-2\pi l) e^{j\omega n}d\omega \]

注意,在任意一个长度为 \(2\pi\) 的积分区间内,在上式的和中真正包括的只有一个冲激,因此,如果所选的积分区间包含在 \(\omega_0+2\pi r\) 处的冲激,那么

\[\tag{12} \frac{1}{2\pi}\int_{2\pi} X(e^{j\omega}) e^{j\omega n}d\omega = e^{j(\omega_0+2\pi r) n} = e^{j\omega_0 n} \]

现在考虑一周期序列 \(x[n]\),周期为 \(N\),其傅里叶级数为

\[\tag{13} x[n] = \sum_{k=(N)} a_k e^{jk(2\pi/N)n} \]

这时,傅里叶变换就是

\[\tag{14} X(e^{j\omega}) = \sum_{k=-\infty}^{+\infty} {2\pi} a_k \delta (\omega-\frac{2\pi k}{N}) =\sum_{l=-\infty}^{+\infty} \sum_{k=(N)}{2\pi} a_k \delta (\omega – k\omega_0 – 2\pi l) \]

这样,一个周期信号的傅里叶变换就能直接从它的傅里叶级数系数得到。

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

3. 离散时间傅里叶变换性质

为了方便,我们将 \(x[n]\)\(X(e^{j\omega})\) 这一对傅里叶变换用下列符号表示

\[x[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X(e^{j\omega}) \]

3.1. 离散时间傅里叶变换的周期性

\[\tag{15} \boxed{ X(e^{j(\omega+2\pi)}) = X(e^{j\omega})} \]

3.2. 线性

\[x_1[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X_1(e^{j\omega}) \]

\[x_2[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X_2(e^{j\omega}) \]

\[\tag{16} \boxed{ ax_1[n]+bx_2[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} aX_1(e^{j\omega})+bX_2(e^{j\omega})} \]

3.3. 时移与频移性质

\[x[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X(e^{j\omega}) \]

\[\tag{17} \boxed{ x[n-n_0] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} e^{-j\omega n_0}X(e^{j\omega})} \]

\[\tag{18} \boxed{ e^{j\omega_0 n}x[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X(e^{j(\omega-\omega_0)})} \]

3.4. 共轭及共轭对称性

\[x[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X(e^{j\omega}) \]

\[\tag{19} \boxed{ x^*[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X^*(e^{-j\omega})} \]

共轭性质就能证明,若 \(x(t)\) 为实函数,那么 \(X(j\omega)\) 就具有共轭对称性,即

\[\tag{20} \boxed{ X(e^{j\omega}) = X^*(e^{-j\omega}) \qquad [x[n] 为实]} \]

这就是说,离散傅里叶变换的实部是频率的偶函数,而虚部则是频率的奇函数

3.5. 差分与累加

\[\tag{21} \boxed{ x[n]-x[n-1] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} (1-e^{-j\omega}) X(e^{j\omega})} \]

\[\tag{22} \boxed{ \sum_{m=-\infty}^{n}x[m] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} \frac{1}{1-e^{-j\omega}} X(e^{j\omega})+\pi X(e^{j0}) \sum_{k=-\infty}^{+\infty}\delta(\omega-2\pi k)} \]

3.6. 时间反转

\[\tag{23} \boxed{ x[-n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X(e^{-j\omega})} \]

3.7. 时域扩展

若令 是一个正整数,并且定义

\[\tag{24} x_{(k)}[n] = \begin{cases} x[n/k] &\text 当\space n \space为\space k\space的整数倍 \\ 0, &\text 当\space n \space不为\space k\space的整数倍 \end{cases}\]

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

\[\tag{25} \boxed{ x_{(k)}[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} X(e^{jk\omega})} \]

3.8. 频域微分

\[\tag{26} \boxed{nx[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} j\frac{dX(e^{j\omega})}{d\omega} } \]

3.9. 帕斯瓦尔定理

\[\tag{27} \boxed{\sum_{-\infty}^{+\infty}|\space x[n] \space |^2 =\frac{1}{2\pi}\int_{2\pi}|X(e^{j\omega})|^2d\omega } \]

3.10. 卷积性质

\[\tag{28} \boxed{y[n]=h[n]*x[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} Y(e^{j\omega})=H(e^{j\omega})X(e^{j\omega})} \]

两个信号在时域内的卷积就等于它们傅里叶变换的乘积。

3.11. 相乘性质

\[\tag{29} \boxed{y[n]=x_1[n]x_2[n] \overset{{\displaystyle {\mathcal {F}}}}{\leftrightarrow} Y(e^{j\omega})=\frac{1}{2\pi}\int_{2\pi}X_1(e^{j\theta})X_2(e^{j(\omega-\theta)})d\theta} \]

两个信号在时域内的相乘就对应于频域内的周期卷积

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

4. 傅里叶变换性质和基本傅里叶变化列表

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

5. 离散时间傅里叶变换和连续时间傅里叶级数之间的对偶型

离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

获取更多精彩,请关注「seniusen」!
离散傅里叶变换和离散时间傅里叶变换_离散傅里叶变换求相位

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/167848.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • 如何让用html制作404页面,网站404页面怎么做?

    如何让用html制作404页面,网站404页面怎么做?原标题:网站404页面怎么做?404页面具体怎么做:首先,你可以简单的做一个html页面,把它命名为:404.html页面;如果不会制作,最简单的办法就是找任何一个比较有名的网站,把它的404页面另存为下来,然后修改上面的文字,以及URL为自己的文字信息,再保存好上传到你网站的根目录就行了。404页面的注意点:我们做404页面不能让它直接跳转到首页,不然,首页有可能会遭到被K。怎样让错误页面跳转到…

  • 微信小程序实现上传图片功能[通俗易懂]

    微信小程序实现上传图片功能[通俗易懂]效果图WXML<viewclass=”img-wrap”><viewclass=”txt”>上传截图</view><viewclass=”imglist”><viewclass=”item”wx:for=”{{imgs}}”wx:key=”item”><imagesrc=”{{item}}”alt=””></image><viewclass=’d

  • RAII机制_机制与机理的区别

    RAII机制_机制与机理的区别本文转载自:https://blog.csdn.net/wozhengtao/article/details/52187484前言&nbsp;&nbsp;&nbsp;&nbsp;RAII的基本思想就是当对象的生命周期结束时,自动调用起析构函数。那以下将围绕RAII,全面的讲解RAII的相关知识。什么是RAII&nbsp;&nbsp;&nbsp;&nbsp;RAII的英文全拼是…

    2022年10月27日
  • 在ubuntu系统下安装python

    在ubuntu系统下安装python

  • rabbitmq集群搭建_mongodb集群搭建

    rabbitmq集群搭建_mongodb集群搭建docker单容器部署创建桥接网络,用于容器间通信$dockernetworkcreatemq-network首先启动3个rabbitmq容器$dockerrun–namerabbit01\ -eRABBITMQ_SERVER_ADDITIONAL_ERL_ARGS=”-setcookieCOUBJLKLQCIAPKIQZGGJ”\ –hostnamerabbit01–networkmq-network\ -p5672:5672-p1567

  • pycharm2021 激活码破解方法

    pycharm2021 激活码破解方法,https://javaforall.cn/100143.html。详细ieda激活码不妨到全栈程序员必看教程网一起来了解一下吧!

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号