我所理解的离散傅里叶变换_DFT
1.闲话放在前面扯
什么是频域?从我们出生,我们看到的世界都以时间贯穿,股票的走势、人的身高、汽车的轨迹都会随着时间发生改变。这种以时间作为参照来观察动态世界的方法我们称其为时域分析。而我们也想当然的认为,世间万物都在随着时间不停的改变,并且永远不会静止下来。但如果我告诉你,用另一种方法来观察世界的话,你会发现世界是永恒不变的,你会不会觉得我疯了?我没有疯,这个静止的世界就叫做频域。
在时域,我们观察到钢琴的琴弦一会上一会下的摆动,就如同一支股票的走势;而在频域,只有那一个永恒的音符。所以我们眼中看似落叶纷飞变化无常的世界,实际只是躺在上帝怀中一份早已谱好的乐章。
2.严密的数学推导
我们知道,在离散傅里叶级数(DFS)中,离散时间周期序列在时域是离散的n ,其频谱是离散频率周期序列,在频域也是离散的k,理论上解决了时域离散和频域离散的对应关系问题。但由于其在时域和频域都是周期序列,所以都是无限长序列。无限长序列在计算机运算仍然是无法实现。为此必须取有限长序列来建立其时域离散和频域离散的对应关系。DFS的主值序列:我们知道,离散时间周期序列是一个无限长序列,其傅立叶级数展开式为
可以看出时间点序号n 是以N为周期的,如果只取其一个周期,称之为的主值序列:
主值序列x(n)就是一个长度为N的有限长离散时间序列。同理,的DFS也是一个无限长序列,即傅立叶系数:
也可以看出频率点序号k 也是以N为周期的,如果只取其一个周期,称之为的主值序列:
主值序列X(k)是一个长度为N的有限长离散频率序列。可见,离散时间周期序列在时域和频域的主值序列,均为有限长离散序列。且主值序列的长度均为N(即n,k=0,1,2,…,N-1)。
离散傅里叶变换:
在离散傅立叶级数(DFS)中,取其时域和频域的主值序列,变换仍然成立。这就是离散傅里叶变换(DFT),即:
和其逆变换(IDFT):
可见离散傅里叶变换(DFT)只不过是特殊的离散傅立叶级数(DFS),就是对其时域和频域都仅取主值序列。
离散傅立叶级数(DFS)中的无限长序列和都是以N为周期的周期序列,所以在计算离散时间周期序列及其频谱时,可以利用DFS的周期性,只需要在时域和频域各取一个主值序列,用计算机各计算一个周期中的N个样值,最后将所得的主值序列x(n)和X(k)进行周期延拓,即可得到原来的无限长序列和。
由DFT的导入过程可以发现,DFT不仅可以解决无限长周期序列的计算机运算问题,而且更可以解决有限长序列的计算机运算问题。事实上,对于有限长离散序列,总可以把时域和频域的变换区间(序列长度)均取为N(包括适当数量的补0点),通常把N称之为等间隔采样点数,我们可以把这个N点的变换区间视为某个周期序列的一个主值序列,直接利用DFT的定义计算其N点变换。
3.代表性的实例
1.单纯的从计算角度出发。假设有一个序列长度N=4,具体的x(n)={1,2,-1,3},n=0,1,2,3。
首先,由N=4得到 :
于是有:
反变换:
2.补零,增加有限长序列的长度是否能够提高物理分辨率?
有效长度N1=4的单位矩形序列:
如下图所示:
如果变换区间等间隔采样点数N=16(注意:可以补零延伸为序列有效长度N1的整数倍),则其16点的DFT频谱为
其16点DFT的幅度频谱图如下:
当然,如果取变换区间N=32,即在有限长离散时间序列尾部补零更多位,则32点的DFT谱线更密。这是因为增长观察时间,可提高频率分辨率。但DFT频谱的包络,始终与非周期序列的离散时间傅立叶变换DTFT的连续频谱曲线一致。这又表明DFT是DTFT连续频谱的离散化。
我所理解的离散傅里叶变换_DFT相关推荐
- 理解快速离散傅里叶变换算法(FFT)
本文是视频The Fast Fourier Transform (FFT): Most Ingenious Algorithm Ever?的整理. 离散傅里叶变换的用法 FFT是一个非常快速的离散傅里 ...
- 理解DFT(离散傅里叶变换)
文章目录 DFT做什么? DFT怎么做到这个的呢? 详细查看配对过程 这个时候就可以把X数组画出来了 把得到X的公式明确一下 DFT的公式 是为了保留相位信息 如何解决相位问题 现在看看这个复数代表啥 ...
- 如何理解离散傅里叶变换(一)实数形式傅里叶变换
如何理解离散傅里叶变换(一) --实数形式傅里叶变换 ------------------------------------------------------------------------- ...
- 补零与离散傅里叶变换的分辨率
离散傅里叶变换(DFT)的输入是一组离散的值,输出同样是一组离散的值.在输入信号而言,相邻两个采样点的间隔为采样时间Ts.在输出信号而言,相邻两个采样点的间隔为频率分辨率fs/N,其中fs为采样频率, ...
- dft计算傅里叶级数系数_DFT(离散傅里叶变换)与FFT(快速傅里叶变换)初识
一. 简介 离散傅里叶变换(Discrete Fourier Transform, DFT)是数字信号处理最重要的基石之一,也是对信号进行分析和处理时最常用的工具之一.在200多年前法国数学家.物理学 ...
- 《OpenCV3编程入门》学习笔记5 Core组件进阶(五)离散傅里叶变换(DFT)
第5章 Core组件进阶 5.5 离散傅里叶变换(Discrete Fourier Transform,DFT) 5.5.1 离散傅里叶变换原理 1.对一张图像使用傅里叶变换就是把它分解成正弦和余弦, ...
- 用离散傅里叶变换来实现OFDM
这就是使用离散傅里叶变换来实现OFDM的原理图: 那分帧分组,编码映射是什么情况呢? 用途是将输入的比特流先分帧,然后在帧中分组,然后再串并转换: 然后再将这些分组编码,并使编码与QAM或QPSK的星 ...
- 理解图像的傅里叶变换(细心分析)
原文:http://blog.csdn.net/struggle_for_m/article/details/51207370 理解图像的傅里叶变换(细心分析) 最近在看图像的傅里叶变换,看着频谱图一 ...
- Opencv 实现图像的离散傅里叶变换(DFT)、卷积运算(相关滤波)
原文:http://blog.csdn.net/ikerpeng/article/details/41845545?utm_source=tuicool&utm_medium=referral ...
最新文章
- 巧用CSS的Border属性
- 一文学懂Java泛型,详细而全面,值得收藏~
- Intel Realsense C/C++ 转 python rs-align 使用深度颜色映射介绍空间流对齐的概念(转不起来,缺少信息)
- java 兔子生仔问题
- Django环境搭建
- python tcp服务器_python实现TCP服务器端与客户端的方法详解
- 【PL/SQL】学习笔记 (1)一个简单的PL/SQL程序
- 5G、IoT 时代下,手机聚焦拍照是否走错了方向?
- Tarjan在图论中的应用(二)——用Tarjan来求割点与割边
- 【智能优化算法】基于粒子群求解光伏电池MPPT工程数学模型附matlab代码
- 布客·ApacheCN 编程/后端/大数据/人工智能学习资源 2022.2
- php特殊字体生成,生成艺术字体图片水印代码_PHP教程
- MT-考试座位-颜色排序
- php 过滤所有符号,php过滤所有特殊符号
- 面试官:内存耗尽后Redis会发生什么 ?
- IBM服务器 不用引导盘安装方法详解
- day03_20170514_字符编码/文件存储/函数(一)
- 关于内部排序的小总结
- 多边形(n边形)面积计算公式hdu2036
- 快问快答,MySQL面试夺命20问
热门文章
- MBProgressHUD
- 单例模式(线程安全+延迟加载)
- hdu 3879(最小割模型求解最大权闭合图)
- KMP--字符串匹配
- LeetCode 70. 爬楼梯(Climbing Stairs)
- [翻译] ASP.NET Core 2.2 正式版发布
- 【转】MySQL实现Oracle里的 rank()over(ORDER BY) 功能
- window下安装nvm、node.js、npm的步骤
- 15、Java并发编程:Callable、Future和FutureTask
- UVa 11121 - Base -2 负进制的转化和推广