离散信号(八)| 离散傅里叶变换DFT性质(圆周移位、圆周卷积)
离散傅里叶变换DFT的性质
离散傅里叶变换是傅里叶变换在时域、频域均离散化的形式,因而它与其它傅里叶变换有着相似的性质。但是它又是从傅里叶级数派生而来,所以又具有一些与其它傅里叶变换不同的特性,其中最主要的圆周移位性质和圆周卷积性质。如上所述,一个有限长序列x(n)x(n)x(n)的DFT,可以看作以有限长度N为周期,将x(n)x(n)x(n)进行周期延拓形成的周期序列xp(n)x_p(n)xp(n)在一个周期内的离散频谱。因此研究DFT的性质必须以周期性序列的特点作为其基本出发点。
1, 线性性质
若x1(n)↔DFTX1(k),x2(n)↔DFTX2(k)x_1(n)\overset{DFT}{\leftrightarrow}X_1(k),x_2(n)\overset{DFT}{\leftrightarrow}X_2(k)x1(n)↔DFTX1(k),x2(n)↔DFTX2(k),那么
ax1(n)+bx2(n)↔DFTaX1(k)+bX2(k)ax_1(n)+bx_2(n)\overset{DFT}{\leftrightarrow}aX_1(k)+bX_2(k) ax1(n)+bx2(n)↔DFTaX1(k)+bX2(k)
要保证二序列要有相同的长度。如果x1(n)、x2(n)x_1(n)、x_2(n)x1(n)、x2(n)长度不同,长度短的序列要补零,使它与另一序列长度相同。
- 圆周移位性质
若有限长序列为x(n)0≤n≤N−1x(n)0\leq n\leq N-1x(n)0≤n≤N−1,则经过时移后的序列x(n−m)x(n-m)x(n−m)仍为有限长序列,其位置移至m≤n≤N+m−1m\leq n\leq N+m-1m≤n≤N+m−1,如下图所示。
当求它们的DFT时,取和的范围出现差异,前者从0到(N-1),后者从m到(N+m-1),当时移位数不同时,DFT取和范围也要随之改变,这给位移序列DFT的研究带来不便。为解决次问题,这样来理解有限长序列的位移:先将原序列x(n)x(n)x(n)按N周期延拓成xp(n)x_p(n)xp(n),然后移m位得到xp(n−m)x_p(n-m)xp(n−m),最后取xp(n−m)x_p(n-m)xp(n−m)的主值区间(0∼N−1)(0\sim N-1)(0∼N−1)。如下图所示。
这样的移位具有循环的特性,即x(n)x(n)x(n)向右移m位时,右边超出(N−1)(N-1)(N−1)的m个样值又从左边依次填补了空位。如果把序列x(n)x(n)x(n)排列在一个N等分的圆周上,N个样点首尾相接,上面所述的移位可以表示为x(n)x(n)x(n)在圆周上旋转m位,如下图所示。所谓称为圆周移位,也可称循环移位。当有限长序列进行任意位数的圆周移位后,求序列的DFT时取值范围仍保持在0到N-1不变。
序列x(n)x(n)x(n)的圆周移位表示为x((n−m))NRN(n)x((n-m))_NR_N(n)x((n−m))NRN(n),其中((n−m))N((n-m))_N((n−m))N表示(n−m)(n-m)(n−m)对N取模值,即(n−m)(n-m)(n−m)被N除,整除后所得的余数就是((n−m))N((n-m))_N((n−m))N,而RN(n)R_N(n)RN(n)是以N为长度的矩形序列,这里是取主值范围的意思。
圆周移位性质表明,如果序列发生了圆周移位m位,那么移位后序列的DFT为原序列的DFT乘以复指数因子e−jΩ0mke^{-j\Omega_0 mk}e−jΩ0mk,即
x((n−m))NRN(n)↔DFTe−jΩ0mkX(k)x((n-m))_NR_N(n) \overset{DFT}{\leftrightarrow} e^{-j\Omega_0 mk}X(k) x((n−m))NRN(n)↔DFTe−jΩ0mkX(k)
类似地,如果在频域DFT发生了圆周位移X((k−k0))NRN(k)X((k-k_0))_NR_N(k)X((k−k0))NRN(k),那么时域序列就乘以一个复指数因子ejΩ0k0ne^{j\Omega_0k_0 n}ejΩ0k0n,即
ejΩ0k0nx(n)↔DFTX((k−k0))NRN(k)e^{j\Omega_0 k_0 n}x(n) \overset{DFT}{\leftrightarrow}X((k-k_0))_NR_N(k) ejΩ0k0nx(n)↔DFTX((k−k0))NRN(k)
- 圆周卷积性质
若x(n)、h(n)x(n)、h(n)x(n)、h(n)都是长度为N的有限长序列,且
x(n)↔DFTX(k),h(n)↔DFTH(k)x(n)\overset{DFT}{\leftrightarrow}X(k),h(n)\overset{DFT}{\leftrightarrow}H(k) x(n)↔DFTX(k),h(n)↔DFTH(k)
则
x(n)⨂h(n)↔DFTX(k)H(k)x(n)\bigotimes h(n) \overset{DFT}{\leftrightarrow}X(k)H(k) x(n)⨂h(n)↔DFTX(k)H(k)
则
x(n)⨂h(n)=∑m=0N−1x(m)h((n−m))NRN(n)x(n)\bigotimes h(n)=\sum_{m=0}^{N-1}x(m)h((n-m))_NR_N(n) x(n)⨂h(n)=m=0∑N−1x(m)h((n−m))NRN(n)
在圆周卷积中,有一个序列是经过圆周移位处理的,所以称为圆周卷积。有一个序列是经过平移处理,与圆周卷积相区分,称为线性卷积。
区别:
1)设有限长序列x(n)、h(n)x(n)、h(n)x(n)、h(n)的长度分别为N和M,按线性卷积定义
y(n)=x(n)∗h(n)=∑m=−∞∞x(m)h(n−m)y(n)=x(n)*h(n)=\sum_{m=-\infty}^{\infty}x(m)h(n-m) y(n)=x(n)∗h(n)=m=−∞∑∞x(m)h(n−m)
已知x(m)x(m)x(m)的非零值区间是0≤m≤N−10\leq m \leq N-10≤m≤N−1,从h(n−m)h(n-m)h(n−m)看,非零区间应是0≤n−m≤M−10\leq n-m \leq M-10≤n−m≤M−1,考虑m的取值区间,有
0≤n≤N+M−20 \leq n\leq N+M-2 0≤n≤N+M−2
在上式的区间之外,不是x(m)x(m)x(m)为零,就是h(n−m)h(n-m)h(n−m)为零,结果是y(n)y(n)y(n)取零值。因此,y(n)y(n)y(n)是长度为N+M−1N+M-1N+M−1的有限长序列。
而对于两序列的圆周卷积,必须规定它们的长度相等,经圆周卷积后所得序列的长度与原序列相同。当两序列长度不等时,可将较短序列补零值构成两个等长序列再作圆周卷积。
2)如果把序列x(n)、h(n)x(n)、h(n)x(n)、h(n)都适当地补零值,那么,在作圆周卷积时,向右移去的零值循环回序列的左端,出现与线性卷积相同的情况,即序列左端依次留出等于零值的空位,可见,如果补零值的长度合适,两种卷积的结果有可能一致。可以证明,两序列补零以后的长度L满足
L≥N+M−1L\geq N+M-1 L≥N+M−1
它们的圆周卷积与线性卷积结果相同。
离散信号(八)| 离散傅里叶变换DFT性质(圆周移位、圆周卷积)相关推荐
- (转)连续信号(八)| 傅里叶变换的性质 | 积分、微分特性 + 时域、频域卷积 + 帕斯瓦尔
最近长时间受困扰.为方便找寻转载学习一下.傅里叶变换使任一信号可以有两种描述形式:时域描述和频域描述. 1. 线性 2. 奇偶性 3. 对偶性 4. 尺度变换特性 这一性质表明,在时域上将信号x ( ...
- dft对称性 matlab实验,数字信号处理实验 matlab版 离散傅里叶变换的性质
数字处理实验 matlab版 山大学生最适用 本人自己写的 因为时间比较久了 不能完全保证出现代码都能运行 但95%还是能保证的 谢谢 实验13 离散傅里叶变换的性质 (完美格式版,本人自己完成,所有 ...
- matlab在DSP中的应用(六)---离散傅里叶变换的性质
一.实验目的 (1)加深对离散傅里叶变换(DFT)基本性质的理解. (2)了解有限长序列傅里叶变换(DFT)性质的研究方法. (3)掌握用MATLAB语言进行离散傅里叶变换性质分析时程序编写的方法. ...
- 数字信号处理学习笔记[1] 离散信号 奇异信号 抽样定理
文章目录 2 离散信号和抽样定理 2.1 离散信号 奇异信号 2.2 连续信号的离散化,正弦波的抽样问题 2.3 带限信号与奈奎斯特频率 用卷积考察抽样定理 2.4 离散信号的频谱和抽样定理 2 离散 ...
- 模拟信号与离散信号之间的频率关系(由模拟信号采样得到的离散信号)
先看看模拟信号与离散信号之间的关系,这里的离散信号是指由模拟信号采样得到的离散信号(这是得到离散信号的方式之一),我想看看它们频率之间的关系? 以正弦信号为例: 从上面的手稿中可以看出,由模拟信号经过 ...
- MATLAB产生离散信号
Matlab产生离散信号 常见离散信号 冲击信号 n = -5:5; x = n == 0;% 当n为0时,x的值为1 stem(n, x, 'filled'); axis([-5 5 0 1.1*m ...
- Matlab如何进行利用离散傅里叶变换DFT (快速傅里叶变换FFT)进行频谱分析
文章目录 1. 定义 2. 变换和处理 3. 函数 4. 实例演示 例1:单频正弦信号(整数周期采样) 例2:单频正弦信号(非整数周期采样) 例3:含有直流分量的单频正弦信号 例4:正弦复合信号 例5 ...
- 傅里叶级数FS,连续时间傅里叶变换CTFT,离散时间傅里叶变换DTFT,离散傅里叶变换DFT,推导与联系(一)
本文主要从傅里叶级数 FS,连续时间傅里叶变换 CTFT,离散时间傅里叶变换 DTFT,以及离散傅里叶变换 DFT 之间的区别与联系进行了比较详细的讨论,主要注重于公式形式上的推导,略去了相关的图像示 ...
- 傅里叶级数FS,连续时间傅里叶变换CTFT,离散时间傅里叶变换DTFT,离散傅里叶变换DFT,推导与联系(二)
由于本文公式所占用的字符比较多,无法在一篇博客中完整发布,所以将其分为两篇博客.本篇主要介绍了离散傅里叶变换 DFT 的内容,以及相关的总结.对于前置内容,包括傅里叶级数 FS,连续时间傅里叶变换 C ...
- 【笔记】4. 离散傅里叶变换及其性质
Discrete Fourier Transform 1. 离散傅里叶变换的表示 离散傅里叶变换就是有限长序列的离散频域表示,即有限长序列的离散傅里叶级数. x(n)x(n)x(n) 看作是周期为 N ...
最新文章
- Selenium WebDriver中的TestNG侦听器及示例
- 服务器角色与数据库角色
- HTML5与搜索引擎优化[转载]
- SpringBoot2.x整合Swagger2 实现API文档实时生成
- mysql官网 ab_MySQLAB同步
- php fitnesse,Fitnesse+RestFixture:Web 服务回归测试利器
- 题目——求一个二进制串中连续的1或连续的0出现的最大次数
- 中英文对照 —— 计算机编程
- C语言:从键盘输入一些数,求所有正数之和。当输入负数时,程序结束。
- 职涯成长的认知与突破
- 2分钟教你部署2048小游戏到云服务器
- vim编辑器及目录结构
- window.dialogArguments与window.showModalDialog用法
- 360携手HarmonyOS打造独特的“天气大师”
- Python中的numpy库介绍!
- 硕飞烧录器、卓晶微烧录机使用
- 推荐一款免费的万能电子书格式转换工具电子书转换器NeatConverter
- 基于麒麟座开始TIM6操作
- 苏州大学计算机专业课872考研真题1999~2022含答案解析大纲专业课PPT 百度网盘分享 黄金典藏版
- 网站规划通识:原型图绘制的一些注意事项