【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质示例 | 证明 原序列实部 x_R(n) 的 傅里叶变换 是 原序列傅里叶变换 的 共轭对称序列 )
文章目录
- 一、前置公式定理
- 1、相关元素说明
- x(n) 分解为实部序列与虚部序列
- x(n) 分解为共轭对称序列与共轭反对称序列 ( 序列对称分解 )
- X(e^{jω}) 分解为实部序列与虚部序列
- X(e^{jω}) 分解为共轭对称与反对称序列的傅里叶变换 ( 频域共轭对称分解 )
- 2、序列对称分解定理
- 3、傅里叶变换定义
- 二、证明 原序列实部 x_R(n) 的 傅里叶变换 是 原序列傅里叶变换 的 共轭对称序列
- 1、共轭对称序列分解
- 2、求 x^*(-n) 的傅里叶变换
- 3、求 x_e(n) 的傅里叶变换
一、前置公式定理
1、相关元素说明
x(n) 分解为实部序列与虚部序列
x(n)x(n)x(n) 可以分解为 实部序列 xR(n)x_R(n)xR(n) 和 虚部序列 jxI(n)j x_I(n)jxI(n) :
x(n)=xR(n)+jxI(n)x(n) = x_R(n) + j x_I(n)x(n)=xR(n)+jxI(n)
x(n) 分解为共轭对称序列与共轭反对称序列 ( 序列对称分解 )
根据序列对称分解定理 , x(n)x(n)x(n) 还可以由序列的 共轭对称序列 xe(n)x_e(n)xe(n) 和 共轭反对称序列 xo(n)x_o(n)xo(n) 之和表示 ;
x(n)=xe(n)+xo(n)x(n) = x_e(n) + x_o(n)x(n)=xe(n)+xo(n)
X(e^{jω}) 分解为实部序列与虚部序列
x(n)x(n)x(n) 的傅里叶变换 X(ejω)X(e^{j\omega})X(ejω) 也可以分解为 实部序列 XR(ejω)X_R(e^{j\omega})XR(ejω) 和 虚部序列 jXI(ejω)j X_I(e^{j\omega})jXI(ejω) :
X(ejω)=XR(ejω)+jXI(ejω)X(e^{j\omega}) =X_R(e^{j\omega})+ j X_I(e^{j\omega})X(ejω)=XR(ejω)+jXI(ejω)
X(e^{jω}) 分解为共轭对称与反对称序列的傅里叶变换 ( 频域共轭对称分解 )
根据 傅里叶变换的共轭对称分解 , x(n)x(n)x(n) 的傅里叶变换 , 可以由 x(n)x(n)x(n) 的 共轭对称序列 的傅里叶变换 Xe(ejω)X_e(e^{j\omega})Xe(ejω) 与 x(n)x(n)x(n) 的 共轭反对称序列 的傅里叶变换 Xo(ejω)X_o(e^{j\omega})Xo(ejω) 之和表示 ;
X(ejω)=Xe(ejω)+Xo(ejω)X(e^{j\omega}) = X_e(e^{j\omega}) + X_o(e^{j\omega})X(ejω)=Xe(ejω)+Xo(ejω)
2、序列对称分解定理
任意一个 序列 x(n)x(n)x(n) , 都可以使用其 共轭对称序列 xe(n)x_e(n)xe(n) 与 共轭反对称序列 xo(n)x_o(n)xo(n) 之和来表示 ;
x(n)=xe(n)+xo(n)x(n) = x_e(n) + x_o(n)x(n)=xe(n)+xo(n)
共轭对称序列 xe(n)x_e(n)xe(n) 与 原序列 x(n)x(n)x(n) 之间的关系如下 :
xe(n)=0.5[x(n)+x∗(−n)]x_e(n) = 0.5[x(n) + x^*(-n)]xe(n)=0.5[x(n)+x∗(−n)]
共轭反对称序列 xo(n)x_o(n)xo(n) 与 原序列 x(n)x(n)x(n) 之间的关系如下 :
xo(n)=0.5[x(n)−x∗(−n)]x_o(n) = 0.5[x(n) - x^*(-n)]xo(n)=0.5[x(n)−x∗(−n)]
3、傅里叶变换定义
序列傅里叶变换 SFT , 英文全称 " Sequence Fourier Transform " ;
x(n)x(n)x(n) 信号 是 离散 非周期 的 , 那么其 傅里叶变换 一定是 连续 周期 的 ;
x(n)x(n)x(n) 是绝对可和的 , 满足如下条件 :
∑n=−∞+∞∣x(n)∣<∞\sum_{n=-\infty}^{+\infty}|x(n)|< \inftyn=−∞∑+∞∣x(n)∣<∞
连续周期 的傅里叶变换 , 可以展开成 正交函数线性组合 的 无穷级数和 :
X(ejω)=∑n=−∞+∞x(n)e−jωnX(e^{j\omega}) = \sum_{n=-\infty}^{+\infty} x(n) e^{-j \omega n}X(ejω)=n=−∞∑+∞x(n)e−jωn
就是 x(n)x(n)x(n) 的 序列傅里叶变换 SFT ;
ω\omegaω 是 数字角频率 , 单位是 弧度/秒 , 参考 【数字信号处理】基本序列 ( 正弦序列 | 数字角频率 ω | 模拟角频率 Ω | 数字频率 f | 模拟频率 f0 | 采样频率 Fs | 采样周期 T ) 博客 ;
X(ejω)X(e^{j \omega})X(ejω) 是 实的连续的 变量 ω\omegaω 的 复函数 , 其可以表示成 实部 和 虚部 ;
X(ejω)=Xg(ejω)+jXl(ejω)=∣X(ejω)∣ejθ(ω)X(e^{j\omega}) = X_g(e^{j\omega}) + jX_l(e^{j\omega}) = |X(e^{j\omega})|e^{j\theta(\omega)}X(ejω)=Xg(ejω)+jXl(ejω)=∣X(ejω)∣ejθ(ω)
∣X(ejω)∣|X(e^{j\omega})|∣X(ejω)∣ 模 是其 " 幅频特性 " ,
ejθ(ω)e^{j\theta(\omega)}ejθ(ω) 相角 是其 " 相频特性 " ,
其中
θ(ω)=arg(X(ejω))\theta(\omega) = \arg(X(e^{j\omega}))θ(ω)=arg(X(ejω))
二、证明 原序列实部 x_R(n) 的 傅里叶变换 是 原序列傅里叶变换 的 共轭对称序列
证明下面的公式 :
x(n)x(n)x(n) 序列的 实部 xR(n)x_R(n)xR(n) 的 傅里叶变换 , 就是 x(n)x(n)x(n) 的 傅里叶变换 X(ejω)X(e^{j \omega})X(ejω) 的 共轭对称序列 Xe(ejω)X_e(e^{j \omega})Xe(ejω);
xR(n)x_R(n)xR(n) 的 傅里叶变换 Xe(ejω)X_e(e^{j \omega})Xe(ejω) 具备 共轭对称性 ;
xR(n)⟷SFTXe(ejω)x_R(n) \overset{SFT} \longleftrightarrow X_e(e^{j \omega})xR(n)⟷SFTXe(ejω)
上述证明 原序列的实部 xR(n)x_R(n)xR(n) 就是 原序列的 共轭对称序列 xe(n)x_e(n)xe(n) 即可 ;
通过证明
xR(n)=xe(n)=0.5×[x(n)+x∗(n)]x_R(n) = x_e(n) = 0.5 \times [ x(n) + x^*(n) ]xR(n)=xe(n)=0.5×[x(n)+x∗(n)]
即可 ;
1、共轭对称序列分解
根据 序列对称分解定理 , 可得
xe(n)=0.5[x(n)+x∗(−n)]x_e(n) = 0.5[x(n) + x^*(-n)]xe(n)=0.5[x(n)+x∗(−n)]
对 xe(n)x_e(n)xe(n)求傅里叶变换 , 也就是对 0.5[x(n)+x∗(−n)]0.5[x(n) + x^*(-n)]0.5[x(n)+x∗(−n)] 求傅里叶变换 ;
2、求 x^*(-n) 的傅里叶变换
根据傅里叶变换定义 :
X(ejω)=∑n=−∞+∞x(n)e−jωnX(e^{j\omega}) = \sum_{n=-\infty}^{+\infty} x(n) e^{-j \omega n}X(ejω)=n=−∞∑+∞x(n)e−jωn
可得 x∗(−n)x^*(-n)x∗(−n) 的傅里叶变换 是
∑n=−∞+∞x∗(−n)e−jωn①\sum_{n=-\infty}^{+\infty} x^*(-n) e^{-j \omega n} \ \ \ \ ①n=−∞∑+∞x∗(−n)e−jωn ①
令 −n=n′-n = n'−n=n′ , 则 上式 ① 可以写成 :
∑n=−∞+∞x∗(−n)e−jωn=∑n=−∞+∞x∗(n′)ejωn′②\sum_{n=-\infty}^{+\infty} x^*(-n) e^{-j \omega n} = \sum_{n=-\infty}^{+\infty} x^*(n') e^{j \omega n'} \ \ \ \ ②n=−∞∑+∞x∗(−n)e−jωn=n=−∞∑+∞x∗(n′)ejωn′ ②
将 n′n'n′ 写成 nnn , 可以得到下面的式子 :
∑n=−∞+∞x∗(n)ejωn③\sum_{n=-\infty}^{+\infty} x^*(n) e^{j \omega n} \ \ \ \ ③n=−∞∑+∞x∗(n)ejωn ③
根据
(a+b)∗=a∗+b∗( a + b )^* = a^* + b^*(a+b)∗=a∗+b∗
公式 , 将上式 ③ 中的 共轭 ∗^*∗ 提取到外面 :
[∑n=−∞+∞x(n)ejωn]∗③[ \sum_{n=-\infty}^{+\infty} x(n) e^{j \omega n} ] ^* \ \ \ \ ③[n=−∞∑+∞x(n)ejωn]∗ ③
可以得到上面的 ③ 式就是 X∗(ejω)X^*(e^{j\omega})X∗(ejω) ;
3、求 x_e(n) 的傅里叶变换
对 xe(n)x_e(n)xe(n) 求傅里叶变换 , 也就是对 0.5[x(n)+x∗(−n)]0.5[x(n) + x^*(-n)]0.5[x(n)+x∗(−n)] 求傅里叶变换 ;
其中 x(n)x(n)x(n) 的傅里叶变换是 X(ejω)X(e^{j\omega})X(ejω) , x∗(−n)x^*(-n)x∗(−n) 的傅里叶变换是 X∗(ejω)X^*(e^{j\omega})X∗(ejω) ;
综合上述 , 可得 :
SFT[xe(n)]=0.5X(ejω)+0.5X∗(ejω)SFT[ x_e(n) ] = 0.5 X(e^{j\omega}) + 0.5 X^*(e^{j\omega})SFT[xe(n)]=0.5X(ejω)+0.5X∗(ejω)
X(ejω)X(e^{j\omega})X(ejω) 的虚部是正的 , X∗(ejω)X^*(e^{j\omega})X∗(ejω) 的虚部是负的 , 这两个虚部正好抵消 , 只剩下了实部 ,
而 X(ejω)X(e^{j\omega})X(ejω) 可以分解为实部 XR(ejω)X_R(e^{j\omega})XR(ejω) 和 虚部 jXI(ejω)j X_I(e^{j\omega})jXI(ejω) , 虚部抵消 , 只剩下实部 ,
X(ejω)=XR(ejω)+jXI(ejω)X(e^{j\omega}) =X_R(e^{j\omega})+ j X_I(e^{j\omega})X(ejω)=XR(ejω)+jXI(ejω)
因此得到 :
SFT[xe(n)]=0.5X(ejω)+0.5X∗(ejω)=XR(ejω)SFT[ x_e(n) ] = 0.5 X(e^{j\omega}) + 0.5 X^*(e^{j\omega}) = X_R(e^{j \omega})SFT[xe(n)]=0.5X(ejω)+0.5X∗(ejω)=XR(ejω)
对 xe(n)x_e(n)xe(n) 求傅里叶变换 , 最终得到 xR(n)x_R(n)xR(n) 的傅里叶变换 ;
【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质示例 | 证明 原序列实部 x_R(n) 的 傅里叶变换 是 原序列傅里叶变换 的 共轭对称序列 )相关推荐
- 【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质 | 实序列的幅频特性偶对称 | 实序列相频特性奇对称 | 示例说明 )
文章目录 一.实序列的 幅频特性 和 相频特性 对称性质 二.性质由来 三.示例说明 一.实序列的 幅频特性 和 相频特性 对称性质 如果 x(n)x(n)x(n) 序列是 " 实序列 &q ...
- 数字信号处理——Python实现快速傅里叶变换FFT
文章首发于我的个人博客 1.FFT背景 快速傅里叶变换(FFT)是离散傅里叶变换(DFT)的快速算法,它是根据离散傅里叶的奇.偶.虚.实等特性,在DFT的基础上进行改进获得的.它对傅里叶变换的理论没有 ...
- 数字信号处理之变换:傅里叶变换、短时傅里叶变换、小波变换等
傅里叶变换.拉普拉斯变换.自(互)相关及卷积是线性系统分析里最重要的四个数学工具. 数字信号处理中常用的几种变换:傅里叶变换.短时傅里叶变换.小波变换.希尔伯特-黄变换.拉普拉斯变换. 线性变换:傅里 ...
- 信号与系统、数字信号处理、滤波、傅里叶变换、数字信号模拟信号采样信号、滤波器零阶保持器
目录 1 几个重要的概念.定义 2 信号 2.1 模拟信号.连续信号.连续时间信号 2.2 数字信号.采样信号.离散信号.离散时间信号.序列 2.3 信号的MATLAB实现 2.3.1 信号的表示 2 ...
- 实验一熟悉matlab环境,数字信号处理报告实验一:熟悉MATLAB环境.doc
数字信号处理报告实验一:熟悉MATLAB环境.doc 实验一熟悉MATLAB环境一 实验目的1. 熟悉MATLAB的主要操作命令.2. 学会简单的矩阵输入和数据读写.3. 掌握简单的绘图命令.4. 用 ...
- 【数字信号处理】相关函数 ( 自相关函数示例 )
文章目录 一.自相关函数 示例 一.自相关函数 示例 给定一个 " 周期函数 " : x(n)=Asin(ωn)x(n) = A \sin (\omega n)x(n)=Asin ...
- 数字信号处理翻转课堂笔记1
数字信号处理第一次翻转课堂 Flipped Classroom1 of DSP 对应教材:<数字信号处理(第五版)>西安电子科技大学出版社,高西全,丁玉美著 一.要点 1.了解数字信号处理 ...
- 【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质示例 )
文章目录 一.序列傅里叶变换共轭对称性质示例 1.序列傅里叶变换共轭对称性质 1.序列实部傅里叶变换 2.序列虚部傅里叶变换 3.共轭对称序列傅里叶变换 4.共轭反对称序列傅里叶变换 2.求 a^n ...
- 【数字信号处理】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质示例 | 证明 共轭对称序列 x_e(n) 的 傅里叶变换 是 原序列傅里叶变换 的实部 )
文章目录 一.前置公式定理 1.相关元素说明 x(n) 分解为实部序列与虚部序列 x(n) 分解为共轭对称序列与共轭反对称序列 ( 序列对称分解 ) X(e^{jω}) 分解为实部序列与虚部序列 X( ...
最新文章
- 对 Jenkins+ANT+Jmeter 接口测试的实践
- 专家点评Nature Plants | 中科院微生物所郭惠珊研究组揭示土传病原菌逃避寄主免疫的新机制...
- 来自微博html5怎么设置,来自微博的面试题解决方案
- (四)boost库之正则表达式regex
- 大剑无锋之一句话输出表中每一个同学的成绩最高的课程【面试推荐】
- C语言 realloc函数 带着内存游走的函数
- 【工具】SecureCRT安装和注册
- 挥别百度,那些顶级技术人才都去哪儿了?
- Yii --EClientScript 扩展,css,js文件代码压缩合并加载
- Maven 环境快速搭建
- Linux 命令(95)—— test 命令
- LAMP架构调优(三)——模块的安装与调用
- 为Macbook添加自己喜欢的英汉辞典
- 矩阵乘法及简易公式推导
- 一维无限深势阱定态薛定谔方程
- c语言源程序自动评判系统,C语言源程序的自动评判系统.pdf
- 五子棋ai:极大极小搜索和α-β剪枝算法的思想和实现(qt和c++)(四)算杀模块的简单实现
- 一些过时的免杀技巧 仅供参考
- 董淳光SQLITE3使用总结
- Android 点击短信链接打开App