离散信号(四)| 周期信号 |离散傅里叶级数(DFS)推导 + 主要性质(周期卷积定理、帕斯瓦尔定理)
离散傅里叶变换(DFT)要解决两个问题:一是信号离散化后它的频谱情况;二是快速运算算法。第一个问题将涉及周期离散信号的傅里叶级数(DFS),以及由DFS得到非周期信号的离散时间傅里叶变换(DTFT)和有限长序列的离散频谱表示;第二个问题将涉及DFT的快速算法——快速傅里叶变换(FFT)。
周期信号的频域分析
与周期模拟信号一样,周期离散信号同样可以展成傅里叶级数形式,并由此得出一新的变换对——离散傅里叶级数(Discrete Fourier Series),简记为DFS。
(一)离散傅里叶级数(DFS)的引入
可以从连续周期信号傅里叶级数的复指数形式导出周期序列的DFS。连续周期信号傅里叶级数的复指数形式为
x(t)=∑k=−∞∞X(kw0)ejkw0t(1)x(t)=\sum_{k=-\infty}^{\infty}X(kw_0)e^{jkw_0t} \tag{1} x(t)=k=−∞∑∞X(kw0)ejkw0t(1)
X(kw0)=1T0∫0T0x(t)e−jkw0tdtk=0,1,2,⋯(2)X(kw_0)=\frac{1}{T_0}\int_0^{T_0}x(t)e^{-jkw_0t}dt \quad k=0,1,2,\cdots \tag{2} X(kw0)=T01∫0T0x(t)e−jkw0tdtk=0,1,2,⋯(2)
对连续周期信号x(t)x(t)x(t)的一个周期T0T_0T0进行N点采样,即T0=NT,w0=2πT0=2πNTT_0=NT,w_0=\frac{2\pi}{T_0}=\frac{2\pi}{NT}T0=NT,w0=T02π=NT2π,T为采样周期,这样采样得到的离散序列x(n)x(n)x(n)是以N为周期的周期序列,即
x(n)=x(n+mN)(m为任意整数)x(n)=x(n+mN) \quad (m为任意整数) x(n)=x(n+mN)(m为任意整数)
设Ω0=w0T=2πN\Omega_0=w_0T=\frac{2\pi}{N}Ω0=w0T=N2π为离散域的基本频率,单位为弧度,kΩ0k\Omega_0kΩ0是k次谐波的数字频率。这样,在式(2)中,t=nT,dt=Tt=nT,dt=Tt=nT,dt=T,在一个周期内的积分变为在一个周期内的累加,即
X(kΩ0T)=1NT∑n=0N−1x(nT)e−jkΩ0TnTT=1N∑n=0N−1x(nT)e−jkΩ0nX(k\frac{\Omega_0}{T})=\frac{1}{NT}\sum_{n=0}^{N-1}x(nT)e^{-jk\frac{\Omega_0}{T}nT}T=\frac{1}{N}\sum_{n=0}^{N-1}x(nT)e^{-jk\Omega_0n} X(kTΩ0)=NT1n=0∑N−1x(nT)e−jkTΩ0nTT=N1n=0∑N−1x(nT)e−jkΩ0n
在序列表示中,可仅用nnn表示nT,对应地,用kΩ0k\Omega_0kΩ0表示kΩ0Tk\frac{\Omega_0}{T}kTΩ0,则上式为
X(kΩ0)=1N∑n=0N−1x(n)e−jkΩ0n=1N∑n=−N2N2x(n)e−jkΩ0nk=0,1,2,⋯,N−1(3)X(k\Omega_0)=\frac{1}{N}\sum_{n=0}^{N-1}x(n)e^{-jk\Omega_0 n}=\frac{1}{N}\sum_{n=-\frac{N}{2}}^{\frac{N}{2}}x(n)e^{-jk\Omega_0n} \quad k=0,1,2,\cdots,N-1 \tag{3} X(kΩ0)=N1n=0∑N−1x(n)e−jkΩ0n=N1n=−2N∑2Nx(n)e−jkΩ0nk=0,1,2,⋯,N−1(3)
X(kΩ0)X(k\Omega_0)X(kΩ0)是变量k的周期函数,周期为N,因为对任意整数q有
x((k+qN)Ω0)=X(kΩ0)x((k+qN)\Omega_0)=X(k\Omega_0) x((k+qN)Ω0)=X(kΩ0)
当周期信号从连续域变换到离散域以后,它的频率www从−∞∼+∞-\infty\sim +\infty−∞∼+∞的无限范围映射到数字频率Ω\OmegaΩ从0∼2π0\sim 2\pi0∼2π的有限范围。因此,连续周期信号的傅里叶级数可表示为具有无限多个谐波分量,而离散周期信号只含有有限个谐波分量,其谐波数为k=2πΩ0=Nk=\frac{2\pi}{\Omega_0}=Nk=Ω02π=N。所以对应于式(1)离散化处理后为
x(n)=∑k=0N−1X(kΩ0)ejkΩ0TnT=∑k=0N−1X(kΩ0)ejkΩ0n(4)x(n)=\sum_{k=0}^{N-1}X(k\Omega_0)e^{jk\frac{\Omega_0}{T}nT}=\sum_{k=0}^{N-1}X(k\Omega_0)e^{jk\Omega_0 n} \tag{4} x(n)=k=0∑N−1X(kΩ0)ejkTΩ0nT=k=0∑N−1X(kΩ0)ejkΩ0n(4)
从式(3)和式(4)可以看出,x(n)x(n)x(n)以N为周期,x(n)x(n)x(n)的频谱就以Ω0=2πN\Omega_0=\frac{2\pi}{N}Ω0=N2π的基本频率为间距离散化了。由此可以得到一个结论:周期序列的频谱是离散的。在前面的内容,我们看到了信号时域离散化、频域周期化这种现象;在这里,有完全对称的另一种情况,那就是时域周期化,频域离散化。
式(3)和式(4)描述了x(n)x(n)x(n)和X(kΩ0)X(k\Omega_0)X(kΩ0)相互计算的一对关系式。其中式(4)可以看作周期系列x(n)x(n)x(n)的傅里叶级数展开式,而X(kΩ0)X(k\Omega_0)X(kΩ0)则可以看作是x(n)x(n)x(n)的傅里叶级数展开式的系数。人们称满足这对关系式的周期序列x(n)x(n)x(n)和X(kΩ0)X(k\Omega_0)X(kΩ0)为离散傅里叶级数变换对,简记为
x(n)↔DFSX(kΩ0)x(n) \overset{DFS}{\leftrightarrow}X(k\Omega_0) x(n)↔DFSX(kΩ0)
或者表示为DFS[x(n)]=X(kΩ0)DFS[x(n)]=X(k\Omega_0)DFS[x(n)]=X(kΩ0)和IDFS[X(kΩ0)]=x(n)IDFS[X(k\Omega_0)]=x(n)IDFS[X(kΩ0)]=x(n)。即正变换为式(3),反变换为(4)。
(二)DFS的主要性质
- 线性性质
若x(n)↔DFSX(kΩ0),y(n)↔DFSY(kΩ0)x(n) \overset{DFS}{\leftrightarrow}X(k\Omega_0),y(n) \overset{DFS}{\leftrightarrow}Y(k\Omega_0)x(n)↔DFSX(kΩ0),y(n)↔DFSY(kΩ0),则
ax(n)+by(n)↔DFSaX(kΩ0)+bY(kΩ0)ax(n)+by(n) \overset{DFS}{\leftrightarrow}aX(k\Omega_0)+bY(k\Omega_0) ax(n)+by(n)↔DFSaX(kΩ0)+bY(kΩ0)
- 周期卷积定理
若x(n)↔DFSX(kΩ0),h(n)↔DFSH(kΩ0)x(n) \overset{DFS}{\leftrightarrow}X(k\Omega_0),h(n) \overset{DFS}{\leftrightarrow}H(k\Omega_0)x(n)↔DFSX(kΩ0),h(n)↔DFSH(kΩ0),则
x(n)⨀h(n)↔DFSX(kΩ0)H(kΩ0)x(n)h(n)↔DFS1NX(kΩ0)⨀H(kΩ0)x(n)\bigodot h(n) \overset{DFS}{\leftrightarrow}X(k\Omega_0)H(k\Omega_0)\\ x(n)h(n) \overset{DFS}{\leftrightarrow} \frac{1}{N}X(k\Omega_0)\bigodot H(k\Omega_0) x(n)⨀h(n)↔DFSX(kΩ0)H(kΩ0)x(n)h(n)↔DFSN1X(kΩ0)⨀H(kΩ0)
⨀\bigodot⨀为周期卷积的符号,两周期序列x(n)x(n)x(n)和h(n)h(n)h(n)的周期卷积定义为
x(n)⨀h(n)=h(n)⨀x(n)=∑k=0N−1x(k)h(n−k)x(n)\bigodot h(n)=h(n)\bigodot x(n)=\sum_{k=0}^{N-1}x(k)h(n-k) x(n)⨀h(n)=h(n)⨀x(n)=k=0∑N−1x(k)h(n−k)
周期卷积和线性卷积的惟一区别在于 周期卷积时仅仅在单个周期内求和,而线性卷积则是对所有的k值求和。
- 复共轭
若x(n)↔DFSX(kΩ0)x(n) \overset{DFS}{\leftrightarrow}X(k\Omega_0)x(n)↔DFSX(kΩ0),则
x∗(−n)↔DFSX∗(kΩ0)x^*(-n) \overset{DFS}{\leftrightarrow}X^*(k\Omega_0) x∗(−n)↔DFSX∗(kΩ0)
*表示复共轭
- 位移性质
若x(n)↔DFSX(kΩ0)x(n) \overset{DFS}{\leftrightarrow}X(k\Omega_0)x(n)↔DFSX(kΩ0),则
x(n−m)↔DFSe−jkΩ0mX(kΩ0)x(n-m) \overset{DFS}{\leftrightarrow}e^{-jk\Omega_0m}X(k\Omega_0) x(n−m)↔DFSe−jkΩ0mX(kΩ0)
- 帕斯瓦尔定理
设x(n)↔DFSX(kΩ0),h(n)↔DFSH(kΩ0)x(n) \overset{DFS}{\leftrightarrow}X(k\Omega_0),h(n) \overset{DFS}{\leftrightarrow}H(k\Omega_0)x(n)↔DFSX(kΩ0),h(n)↔DFSH(kΩ0),则
∑n=0N−1x(n)h∗(n)=1N∑k=0N−1X(kΩ0)H∗(kΩ0)\sum_{n=0}^{N-1}x(n)h^*(n)=\frac{1}{N}\sum_{k=0}^{N-1}X(k\Omega_0)H^*(k\Omega_0) n=0∑N−1x(n)h∗(n)=N1k=0∑N−1X(kΩ0)H∗(kΩ0)
特别地,当x(n)=h(n)x(n)=h(n)x(n)=h(n)时,有
∑n=0N−1∣x(n)∣2=1N∑k=0N−1∣X(kΩ0)∣2\sum_{n=0}^{N-1}|x(n)|^2=\frac{1}{N}\sum_{k=0}^{N-1}|X(k\Omega_0)|^2 n=0∑N−1∣x(n)∣2=N1k=0∑N−1∣X(kΩ0)∣2
离散信号(四)| 周期信号 |离散傅里叶级数(DFS)推导 + 主要性质(周期卷积定理、帕斯瓦尔定理)相关推荐
- 【信号与系统】(十四)傅里叶变换与频域分析——周期信号的频谱及特点
文章目录 周期信号的频谱及特点 1 周期信号的频谱 2 单边谱和双边谱的关系 3 周期信号频谱的特点 4 周期信号的功率 周期信号的频谱及特点 频谱--信号的一种新的表示方法 1 周期信号的频谱 频谱 ...
- 【信号与系统学习笔记】—— 【周期信号的傅里叶级数表示】之 周期信号傅里叶级数的性质解读
在这一篇 BlogBlogBlog 中,博主打算记录一下周期信号傅里叶级数的一些重要性质.在阅读本文之前,请明确一件事情:对于周期信号我们讲的是傅里叶级数展开.对于非周期信号我们讲傅里叶变换. 文章目 ...
- 《信号与系统学习笔记》—周期信号的博里叶级数表示(一)
注:本博客是基于奥本海姆<信号与系统>第二版编写,主要是为了自己学习的复习与加深. 一.线性时不变系统对复指数信号的响应 1.在研究线性时不变系统时,将信号表示成基本信号的线性组合是很有利 ...
- 【公式小记】自相关、卷积、能量信号、功率信号
整理思路主要参考了B站UP主AI破壁者二元论的视频,同时加了一些自己的理解. 1 自相关.卷积与功率谱 自相关(Auto-correlation)又叫序列相关,是一个信号与其自身在不同时间点的互相关. ...
- 离散周期信号的傅里叶变换
离散周期信号的傅里叶级数(DFS) 连续周期信号的傅里叶变换(CFT) 与连续时间情况一样,利用把一个周期信号的变换表示成频域中的冲激串的办法,就可以把离散时间周期信号也归并到离散时间傅里叶变换的范畴 ...
- 信号系统|信号的分类|确定信号与随机信号 连续信号与离散信号 周期信号与非周期信号 能量信号与功率信号 奇异信号
目录 信号所有分类: 一.确定信号与随机信号 二.连续信号与离散信号 三.周期信号与非周期信号 四.能量信号与功率信号 五.奇异信号 信号所有分类: 1.确定信号与随机信号 2.连续信号与离散信号 3 ...
- 离散傅里叶级数DFS
傅氏变换的几种可能形式 一. 连续时间.连续频率----傅里叶变换Fourier Transform 对称性: 时域连续,则频域非周期. 反之亦然. 二. 连续时间.离散频率----傅里叶级数Four ...
- 连续信号(三) | 周期信号的频谱分析 | 傅里叶级数展开式 + 频谱特性
连续信号的频域分析 由信号正交分解的思想可知,由于三角函数集是完备正交函数集,任意信号都可以分解为三角函数表达形式,换言之,任意信号都可视为一系列正弦信号的组合,这些正弦信号的频率.相位等特性势必反映 ...
- (连续)周期信号的傅里叶级数(FS)
目录 前序: 连续时间周期信号的傅里叶级数表示 周期信号 成谐波关系的复指数信号集 傅里叶级数表示 傅里叶级数系数或频谱系数 傅里叶级数系数或频谱系数的确定 前序: 本博文上承接上篇博文:线性时不变系 ...
最新文章
- 如何用jsp在线自动批改_推荐:5个好用的免费自动化在线营销工具
- 互联网协议 — PPP 点对点协议
- 延展公司与兰石重装签订战略合作协议
- IMXRT1052/1064 如何将代码存放在ITCM中
- 学习韩立刚老师IT运维课程,成为韩立刚老师正式学生,在全国范围为你就近推荐工作。...
- 专属微信二维码python制作_如何利用Python制作简单的公众号二维码关注图
- java的六大_java程序员必备的六大工具!
- 二叉树面试题:判断树是否为完全二叉树和求二叉树的镜像
- mysql被更新失败_更新mysql出错:出错原因 You are using safe update mode
- 设计模式-(8)外观(swift版)
- oracle 中的除法函数,Oracle 函数
- 美文听力:别错过机会
- 桶装水同城预订下单送水小程序开发制作(水站桶装水配送系统)
- 安装windows时install.wim文件过大的解决方案
- java aws_AWS学习笔记(八)--S3 JAVA SDK
- 实现在GEF中被选中图形上的右键菜单
- 连花清瘟对德尔塔病毒有效?这次网友反应不太一样
- DOS窗口命令--实用完整版
- 豆豆游黄山[201602]
- Qt利用openGL绘制三棱锥