傅里叶变换的基本性质

总的来说，傅里叶变换有这样几个性质：

线性性质（Linearity）
平移性质（Shift）
对称性质（Symmetry）
卷积性质（Convolution）

参考傅里叶变换-wikipedia

线性性质

线性性质：两个函数之和的傅里叶变换等于各自变换之和，反之亦然

import numpy as np
from scipy.fftpack import fft
import matplotlib.pyplot as plt%matplotlib inline

def generate_complex_signal(num_sample, k0):'''generate a complex signalnum_sample : 信号的个数，即公式中的Nk0 : 周期个数returnsx : 复正弦信号'''n = np.arange(num_sample)x = np.exp(1j*2*np.pi*k0*n/num_sample)return x

num_sample = 100
k0 = 20
x1 = generate_complex_signal(num_sample, k0)num_sample = 100
k0 = 10
x2 = generate_complex_signal(num_sample, k0)X1 = fft(x1);
X2 = fft(x2);
mX1 = np.abs(X1);
mX2 = np.abs(X2);x12 = x1 + x2;  # adding two signal
X12 = fft(x12);
mX12 = np.abs(X12);# plot the results
plt.figure(figsize=(15,6))plt.subplot(321)
plt.plot(x1)
plt.subplot(322)
plt.plot(x2)plt.subplot(323)
plt.plot(mX1)
plt.subplot(324)
plt.plot(mX2)plt.subplot(325)
plt.plot(mX1 + mX2)
plt.subplot(326)
plt.plot(mX12)plt.show();

平移性质

在时域上对信号进行平移，那么等价于在频域的复平面上旋转一个角度

相反的，频域的复平面上旋转一个角度，等价于时域上的平移

可以证明平移只对DFT的相位有影响，并不会改变DFT的幅度

x1 = np.linspace(0, 1.0, 50)
x1 = np.append(x1,0)
x1 = np.append(x1,np.linspace(-1.0, 0, 50))shifted_x = np.roll(x1, 10) # shift signalX1 = fft(x1)
shiftedX = fft(shifted_x)mX1 = np.abs(X1)
pX1 = np.angle(X1)
pX1 = np.unwrap(pX1)mshiftedX = np.abs(shiftedX)
pshiftedX = np.angle(shiftedX)
pshiftedX = np.unwrap(pshiftedX)# plot the results
plt.figure(figsize=(15,6))plt.subplot(321)
plt.plot(x1)
plt.subplot(322)
plt.plot(shifted_x)plt.subplot(323)
plt.plot(mX1)
plt.subplot(324)
plt.plot(mshiftedX)plt.subplot(325)
plt.plot(pX1)
plt.subplot(326)
plt.plot(pshiftedX)plt.show();

对称性质

当x是实数信号，其傅里叶变换为X，则有对称性质：

R{X}\mathfrak{R}\{X\}R{X} 是偶对称 Z{X}\mathfrak{Z}\{X\}Z{X}是奇对称
∣X∣|X|∣X∣是偶对称，<∣X∣<|X|<∣X∣是奇对称

当x是偶对称的实数信号，其傅里叶变换为X，则有对称性质：

R{X}\mathfrak{R}\{X\}R{X}是偶对称 Z{X}=0\mathfrak{Z}\{X\}=0Z{X}=0
∣X∣|X|∣X∣是偶对称，<∣X∣=nπ<|X|=n\pi<∣X∣=nπ或者0

R\mathfrak{R}R表示取实部，Z\mathfrak{Z}Z表示取虚部，∣X∣|X|∣X∣为幅度，<∣X∣<|X|<∣X∣表示相位

（找不到合适的例子，就不写代码了，直接上课件中的图片）

卷积性质

在时域上的卷积操作，可以转换为两个信号傅里叶变换后的点乘操作

相反的，傅里叶变换后的点乘，在时域上表现为卷积

from scipy.signal import get_windowx1 = get_window('hanning', 256)
x2 = np.cos( np.linspace(0, 2*np.pi, 256) )
conv_x = np.convolve(x1, x2, 'same')X1 = fft(x1)
X2 = fft(x2)
CX = fft(conv_x)plt.figure(figsize=(15,6))plt.subplot(321)
plt.plot(x1)
plt.subplot(322)
plt.plot(x2)plt.subplot(323)
plt.plot(np.abs(X1))
plt.subplot(324)
plt.plot(np.abs(X2))plt.subplot(325)
plt.plot(np.abs(CX))
plt.subplot(326)
plt.plot(np.abs(X1*X2))plt.show()

傅里叶变换的基本性质相关推荐

【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 | 推论 )
文章目录一.序列傅里叶变换共轭对称性质推论二.证明推论一一.序列傅里叶变换共轭对称性质推论推论一 : 序列 x(n)x(n)x(n) 的共轭序列 x∗(n)x^*(n)x∗(n) 的傅 ...
【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】傅里叶变换性质 ( 序列傅里叶变换共轭对称性质 | x(n) 分解为实部序列与虚部序列 | 实部傅里叶变换 | 虚部傅里叶变换 | 共轭对称傅里叶变换 | 共轭反对称傅里叶变换 )
文章目录一.前置概念 1.序列对称分解定理 2.傅里叶变换 3.傅里叶变换的共轭对称分解二.序列傅里叶变换共轭对称性质 0.序列傅里叶变换共轭对称性质 x(n) 分解为实部序列与虚部序列 x(n) ...
【数字信号处理】傅里叶变换性质 ( 傅里叶变换时移性质示例 )
文章目录一.傅里叶变换线时移性质二.傅里叶变换线时移性质示例一.傅里叶变换线时移性质傅里叶变换时移性质 : 序列信号在 " 时间 " 上 , 进行一系列 " 平 ...
【数字信号处理】傅里叶变换性质 ( 傅里叶变换线性性质 | 傅里叶变换时移性质 )
文章目录一.傅里叶变换线性性质二.傅里叶变换时移性质证明过程一.傅里叶变换线性性质傅里叶变换线性性质 : 两个序列之和的傅里叶变换 , 等于两个序列的傅里叶变换之和 ; SFT ...
傅里叶变换的更多性质：相位展开、零相位窗等
文章目录傅里叶变换的更多性质能量不变(Energy conservation) 分贝幅度(Amplitude in decibels(dB)) 相位展开(Phase unwrapping) 补零( ...
傅里叶变换频域积分性质和频域卷积性质证明
傅里叶变换频域积分性质和频域卷积性质证明最近在学习信号与系统这门课程,其中的一个知识点就是傅里叶变换的性质,为了更好地记忆和使用这些性质,最好是知道这些性质的证明过程,而有些性质如频域积分和频域卷积 ...
关于傅里叶系数和傅里叶变换中微分性质的思考
关于傅里叶系数和傅里叶变换中微分性质的思考 Jzn原创,未经允许不可转载 0.写在前面 1.基本知识点的简单概述 2.傅里叶级数中微分性质的应用 3.傅里叶变换中微分性质的应用 4.小结 0. 写在前 ...

傅里叶变换的基本性质

文章目录

傅里叶变换的基本性质

线性性质

平移性质

对称性质

卷积性质

傅里叶变换的基本性质相关推荐

最新文章

热门文章