【数字信号处理 | 学习笔记】二、离散傅里叶变换及其快速算法
目录
1 离散傅里叶级数
1.1 离散傅里叶级数(DFS)
1.2 离散傅里叶级数的性质
2 离散傅里叶变换
2.1 离散傅里叶变换(DFT)
2.2 离散傅里叶变换的性质
2.3 频域采样定理
2.4 离散傅里叶变换的应用
3 快速傅里叶变换
3.1 按时间抽取的基2FFT算法(DIT-FFT)
3.2 按频率抽取的基2FFT算法(DIF-FFT)
3.3 快速傅里叶反变换
3.4 N为合数的FFT算法
3.5 分段卷积
3.6 实序列的FFT算法实现
1 离散傅里叶级数
1.1 离散傅里叶级数(DFS)
1. 傅里叶变换的几种可能形式:
- 连续时间,连续频率——傅里叶变换(FT)
- 连续时间,离散频率——傅里叶级数(FS)
- 离散时间,连续频率——序列的傅里叶变换(DTFT)
- 离散时间,离散频率——离散傅里叶变换(DFT)
2. 离散傅里叶级数
3. 周期序列的离散傅里叶级数变换对
其中
是周期为N的离散周期信号。
4. DFS与Z变换的关系
周期序列DFS可以看作是的一个周期x(n)做Z变换,再将Z变换在Z平面单位圆上按等间隔角抽样而得到。
1.2 离散傅里叶级数的性质
- 线性
- 周期序列的移位
- 调制特性
- 周期卷积
周期卷积与线性卷积的不同之处在于周期卷积仅在一个周期内求和。
2 离散傅里叶变换
2.1 离散傅里叶变换(DFT)
离散傅里叶变换
DFT实际上是DFS的主值,DFT隐含了周期性。x(n)的N点DFT对应x(n)的Z变换在单位圆上N个等间隔点的采样。
2.2 离散傅里叶变换的性质
- 线性
- 对称性:设x(n)为长度为N的实序列
- 循环移位(圆周移位)
- 循环卷积(圆周卷积)
计算过程:补零,周期延拓,翻褶,移位取主值序列,相乘相加。
循环卷积是周期卷积取主值,周期卷积是线性卷积的周期延拓。当时,可以用长度为L的循环卷积计算两个长度为N的序列的线性卷积。
2.3 频域采样定理
时域抽样造成频域周期延拓,频域抽样造成时域周期延拓。当频域采样点数时,频域采样X(k)可以不失真地恢复x(n)。进一步可以通过x(n)得到X(z),实现由DFT到ZT的重构,也可以由DTFT与ZT的关系得到傅里叶变换的内插公式。
2.4 离散傅里叶变换的应用
- 混叠现象
- 频谱泄露:时域加窗造成频域的拖尾现象;
- 栅栏效应:可通过增大频域采样的N值,减小频率分辨率来减少栅栏效应;
- 频率分辨率F:决定记录连续信号的最小时间长度;
- 物理频率分辨率:序列的傅里叶变换能够分辨的最小频率;
- 计算频率分辨率:DFT谱线间的距离。
3 快速傅里叶变换
3.1 按时间抽取的基2FFT算法(DIT-FFT)
算法原理:的对称性、周期性和可约性。
对时间进行奇偶分解,得到
带入DFT公式,得到
由于可约性
得到X(k)的前半部分
考虑到的的周期性有
考虑到的对称性有
因此得到X(k)的后半部分
继续分解,最终得到表示算法的蝶形图如下
- 同址运算(原位计算):每一组运算结果仍存放在同一组存储器中;
- 变址运算:乱序输入,顺序输出,乱序符合码位倒读规则;
- FFT的运算量:(M为分解的级数)
- N点DFT的运算量:N^2次复乘,N(N-1)次复加。
3.2 按频率抽取的基2FFT算法(DIF-FFT)
DIF-FFT是将时间前后分,频率偶奇分。与DIT-FFT不同的是,DIT-FFT的计算是先复乘后复加,而DIF-FFT是先复加后复乘。
3.3 快速傅里叶反变换
下图所示为按时间抽取的IFFT流程图
3.4 N为合数的FFT算法
如果N不为2的幂,通常有两种处理办法:
- 用补零的方法延长x(n);
- 采用以任意数为基数的FFT算法。
一个N=pq点的DFT可以用p个q点DFT来组成
3.5 分段卷积
输入为有限长序列的有限冲激响应(FIR)系统输出可以利用DFT得到,但在实现时存在一定的问题。由于输入序列的长度不确定,无法预先设置DFT的点数进行计算,所以需要先得到所有输入序列的样本,但会导致较大的延迟,这个问题可以利用分段卷积的方法解决。
1. 重叠相加法:将x(n)分成若干长为L的段
- 计算h(n)的N点FFT,N=L+M-1;
- 计算的N点FFT,N=L+M-1;
- 计算;
- 求的N点反变换,得到;
- 将的重叠部分相加,得到最后输出
2. 重叠保留法:将x(n)划分为若干长度为N的序列,每段与其前一段重叠M-1个点,计算循环卷积(M<N)并去掉重叠的部分,拼接得到最终结果,如下图所示。
3.6 实序列的FFT算法实现
如果x(n)为实序列,有如下三种处理方式:
1. 把实序列x(n)看作虚部为0的复序列,直接调用FFT;
2. 把两个N点的实序列x(n)和h(n)构造复序列y(n)
对y(n)进行N点FFT,得到
3. x(n)为N点实序列,取x(n)的偶数点和奇数点构造y(n)的实部和虚部
对y(n)做N/2点FFT得到Y(k)
根据DIT-FFT的思想可以得到
由于x(n)为实序列,X(k)具有共轭对称性,则X(k)的另N/2个点的值为
【数字信号处理 | 学习笔记】二、离散傅里叶变换及其快速算法相关推荐
- 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 ...
- 数字图像处理学习笔记(三):ORB算法(尺度不变特征变换)Oriented FAST and Rotated BRIEF
数字图像处理学习笔记(三):ORB算法(尺度不变特征变换)Oriented FAST and Rotated BRIEF 一.概述 参考:特征点匹配+特征检测方法汇总 ORB的全称是Oriented ...
- 数字信号处理学习笔记(一)|离散傅里叶变换
离散傅里叶变换(DFT) 离散傅里叶变换(Discrete Fourier Transform)的实质是有限长序列傅里叶变换的有限点离散采样,实现了频域离散化,使数字信号处理可以在频域采用数值运算的方 ...
- 数字信号处理学习(二):振动与信号
(以下内容纯粹抄书.书名:<数字信号处理的Matlab实现>) 通过读书,以早日学会随机场的生成! ---------------------- S 2.1 振动概述 对于简谐无阻尼振动, ...
- 数字信号处理学习笔记[0] 连续信号的频谱和傅氏变换
文章目录 绪论 1 连续信号的频谱和傅氏变换 1.1 有限区间上连续信号的傅氏级数和离散频谱 1.2 傅氏变换,连续信号与频谱 1.2.3 频谱的基本性质 实际应用举例 习题 绪论 Q: 举例说明&q ...
- 数字信号处理学习笔记
文章目录 信号处理 离散时间信号与系统 为什么要处理信号 信号是如何处理的 信号处理的目的 数字信号的表示 信号的分类 DSP 和 ASP 数字信号处理的特点 数字信号处理的应用 两类DSP 数字信号 ...
- 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 ...
- 【DSP数字信号处理学习笔记】—— 详细推导DFT的快速实现算法:FFT 基于库利-图基算法的实现
引言:尽管离散傅里叶变换(DFT)让频谱分析技术在计算机上的实现成为可能,但是受限于DFT算法庞大的计算量 O(N2)O(N^2)O(N2),使得DFT在一开始并没有被广泛使用,直到快速傅里叶变换算法 ...
- 数字信号处理学习笔记(二)|快速傅里叶变换
快速傅里叶变换(FFT) 一.FFT出现的原因 对x(n)进行N点DFT计算,一共有N2 次乘法,N2次加法 如果N=1024,则有2*1048576次计算,计算量过于庞大. FFT的思想就是:不断把 ...
最新文章
- oracle 存储过程 输入,Oracle 存储过程加密方法
- weblogic工具_WebLogic Classloader分析工具
- c++ file* 句柄泄漏_C++核心指南:P.8 勿泄漏任务资源
- vSphere 6.5 High Availability New Features – Proactive HA(vSphere 6.5高可用性新功能–主动HA)
- javascript 关键字this
- JavaScript 开闭原则OCP
- Simplify Path
- 1.通俗地理解贝叶斯公式(定理)
- 程序员年薪30万,被准丈母娘各种刁难,网友说:分手吧!
- BZOJ 2751: [HAOI2012]容易题(easy)( )
- 目标检测里,视频与图像有何区别?
- iconfont字体图标以及css字体图标在线制作和使用(推荐)
- html 获取声音频谱,[前端]利用WebAudioAPI获取音频频谱(html5音频可视化)
- asp.net后台代码如何通过动态的id给aspx中的html控件赋值
- mysql mmm坑_MySql之MMM部署过程中各种问题解决方法
- 短信验证php_php实现登录短信验证
- 【网络安全】基于网络攻击链的安全防护思考
- 超图结构到底比图结构好在哪里?????
- 基于Matlab Simulink开发的嵌入式模型,模型可自动生成ccs工程代码,生成的代码可直接运行在主控芯片中
- mac应用程序在哪_如何在Mac上列出所有应用程序