http://blog.sina.com.cn/s/blog_5dfd405d0101iyrb.html
http://download.csdn.net/search?q=%E4%BF%A1%E5%8F%B7%E4%B8%8E%E7%B3%BB%E7%BB%9F(%E9%83%91%E5%90%9B%E9%87%8C%E7%AC%AC%E4%BA%8C%E7%89%88)
http://www.maximintegrated.com/cn/app-notes/index.mvp/id/3716
1.
傅立叶变换是以时间为自变量的信号和以频率为自变量的频谱函数之间的一种变换关系。
由于自变量时间和频率可以是连续的,也可以是离散的,因此可以组成几种不同的变换对。
(1)非周期的连续时间,连续频率-----傅里叶变换
(2)周期的连续时间,离散频率----傅里叶级数
(3)非周期的离散时间、连续频率---序列的傅里叶变换
(4)离散时间,离散频率----离散傅里叶变换
(5)傅里叶变换形式的归纳
时域 | 频域 |
连续性和非周期性 | 非周期性和连续性 |
连续性和周期性T0 | 非周期性和离散型(Ω0=2π/ T0) |
离散型和非周期性 | 周期性ΩS=2π/ TS和连续性 |
离散型Ts和周期性T0 | 周期性ΩS=2π/ TS和离散型Ω0=2π/ T0 |
幅度谱A(k)=|X(k)|
相位谱φ(k)=arctan{XI(k)/ XR(k)}
功率谱S(k)=A(k)*A(k)
2.离散傅里叶变换的物理意义及隐含的周期性
(1)物理意义
设x(n)是长度为N的有限长序列,则其傅里叶变换,Z变换与离散傅里叶变换分别用以下三个关系式表示
X(e^jω)= ∑n={0,N-1}x(n) e^jωn
X(z)= ∑n={0,N-1}x(n)z^-n
X(k)= ∑n={0,N-1}x(n) e^-j2π/Nnk
单位圆上的Z变换就是序列的傅里叶变换
(2)DFT隐含的周期性
DFT的一个重要特点就是隐含的周期性,从表面上看,离散傅里叶变换在时域和频域都是非周期的,有限长的序列,但实质上DFT是从DFS引申出来的,它们的本质是一致的,因此DTS的周期性决定DFT具有隐含的周期性。可以从以下三个不同的角度去理解这种隐含的周期性
(1)
(2)
(3)
用DFT对模拟信号进行谱分析
在工程实际中经常遇到的模拟信号xn(t),其频谱函数Xn(jΩ)也是连续函数,为了利用DFT对xn(t)进行谱分析,对xn(t)进行时域采样得到x(n)= xn(nT),再对x(n)进行DFT,得到X(k)则是x(n)的傅里叶变换X(ejω)在频率区间[0,2π]上的N点等间隔采样,这里x(n)和X(k)都是有限长序列
然而,傅里叶变换理论证明,时间有限长的信号其频谱是无限宽的,反之,弱信号的频谱有限款的则其持续时间将为无限长,因此,按采样定理采样时,采样序列应为无限长,这不满足DFT的条件。实际中,对于频谱很宽的信号,为防止时域采样后产生‘频谱混叠’,一般用前置滤波器滤除幅度较小的高频成分,使信号的贷款小于折叠频率;同样对于持续时间很长的信号,采样点数太多也会导致存储和计算困难,一般也是截取有限点进行计算。上述可以看出,用DFT对模拟信号进行谱分析,只能是近似的,其近似程度取决于信号带宽、采样频率和截取长度
模拟信号xn(t)的傅里叶变换对为
X(jΩ)={-∞,+∞}x(t)*exp^-jΩt dt
x(t)=1/2π{-∞,+∞} X(JΩ)*e^jΩt dt
用DFT方法计算这对变换对的方法如下:
(a)对xn(t)以T为间隔进行采样,即xn(t)|t=nT= xa(nT)= x(n),由于
因此得到
(b)将序列x(n)= xn(t)截断成包含有N个抽样点的有限长序列
X(jΩ)≈T∑n={0,N-1}x(nT)*exp^-jΩnT*T
由于时域抽样,抽样频率为fs=1/T,则频域产生以fs为周期的周期延拓,如果频域是带限信号,则有可能不产生频谱混叠,成为连续周期频谱序列,频谱的周期为fs=1/T
(c)为了数值计算,频域上也要抽样,即在频域的一个周期中取N个样点,fs=NF0,每个样点间隔为F0,频域抽样使频域的积分式变成求和式,而在时域就得到原来已经截断的离散时间序列的周期延拓,时间周期为T0=1/F0。因此有
Ω→kΩ0,dΩ→Ω0,{-∞,+∞} dΩ→∑n={-∞,+∞}Ω0
T0=1/F0=N/fs=NT
Ω0=2ΠF0
Ω0T=Ω0/fs=2π/N
X(jkΩ0)≈T∑n={0,N-1}x(nT)*exp^-jkΩ0nT
3.应用中需要注意的若干问题
(1)时域和频域混叠
(2)截断效应
在实际中遇到的序列x(n),其长度往往是有限长,甚至是无限长,用DFT对其进行谱分析时,必须将其截断为长度为N的有限长序列
根据频率卷积定理
|ω|<2π/N叫做主瓣,其余部分叫做旁瓣
(3)频谱泄露
(4)谱间干扰
因截断使主谱线两边形成许多旁瓣,引起不同分量间的干扰,成为谱间干扰,这不仅影响频谱分辨率,严重时强信号的旁瓣可能湮灭弱信号的主谱线。
(5)栅栏效应
X(k),且它们之限制为基频F0的整数倍,这部好像在栅栏的一边通过缝隙看另一边的景象,只能在离散点的地方看到真实的景象,其余部分频谱成分被遮拦,所以称为栅栏效应。
(6)信号长度的选择
4.
已知x(n)=R4(n),X(ejω)=FT[x(n)],绘制相应的幅频和相频曲线,并计算N=8,N=16时的DFT
程序清单如下:
N1=8;N2=16;
n=0:N1-1;k1=0:N1-1;k2=0:N2-1;
w=2*pi*(0:2047)/2048;
Xw=(1-exp(-j*4*w))./(1-exp(-j*w));
xn=[(n>=0)&(n<4)];
X1k=fft(xn,N1);
X2k=fft(xn,N2);
subplot(3,2,1);plot(w/pi,abs(Xw));xlabel(‘w/π’)
subplot(3,2,2);plot(w/pi,angle(Xw));axis([0,2,-pi,pi]);line([0,2],[0,0]);
xlabel(‘w/π’)
subplot(3,2,3);stem(k1,abs(X1k),’.’);
xlabel(‘k(w=2πk/N1)’);ylabel(‘|X1(k)|’);hold on
plot(N1/2*w/pi,abs(Xw))
subplot(3,2,4);stem(k1,angle(X1k));
axis([0,N1,-pi,pi]);line([0,N1],[0,0]);
xlabel(‘k(w=2πk/N1)’);ylabel(‘Arg|X1(k)|’);hold on
plot(N1/2*w/pi,angle(Xw))
subplot(3,2,5);stem(k2,abs(X2k));
axis([0,N1,-pi,pi]);line([0,N1],[0,0]);
xlabel(‘k(w=2πk/N2)’);ylabel(‘|X2(k)|’);hold on
plot(N2/2*w/pi,abs(Xw))
subplot(3,2,6);stem(k2,angle(X2k),’.’);
xlabel(‘k(w=2πk/N2)’);ylabel(‘|X2(k)|’);hold on
plot(N2/2*w/pi,angle(Xw))