Fourier变换从理论上解决了如何从时域映射到频域
傅里叶级数(FS:Fourier Series):对应连续时间周期信号
FS:是连续时间周期信号的谐波复指数信号表示
- 傅里叶级数对
- 连续时间周期信号的表示
连续时间周期信号可以表示为:x(t)=x(t+T).
基波周期T0:满足上式T的最小值.
基波频率ω0:ω0 = 2π/T0.
连续时间周期信号也可以表示为与其成谐波关系的复指数信号的线性组合:
- 傅里叶级数FS
FS就是复指数信号前的加权系数X(nω0):
时域周期连续,频域离散非周期:
时域的周期性对应了频域上其频谱的离散化,即X(nω0)只在ω0的整倍数处有值.
时域的连续性对应了频域频谱的非周期性
连续时间傅里叶变换(FT:Fourier Transform):对应连续时间非周期信号
生活中遇到的更多的是非周期连续信号,对于非周期信号,可以将它看成是周期无穷大的周期信号,因此这些复指数信号在频率上无限靠近(因为周期无穷大,所以基波频率ω0就无穷小,X(nω0)就可以看成是连续的,因为非周期连续信号的频谱是非周期连续的)
- 傅里叶变换对
- 推导
既然是决一死战,那就索性推一下如何通过周期连续信号的傅里叶级数推出非周期连续信号的傅里叶变换吧
离散傅里叶级数(DFS:Discrete-time Fourier Series):离散时间周期信号
计算机只能处理离散的数字信号,所以我们要将连续信号通过***时域抽样***的方式变成离散信号。先从简单的离散时间周期信号入手。
- 傅里叶级数对
- 说明
基波周期为N的离散时间信号:x[k] = x[k+N].
基波角频率ω0=2π/N.
一个周期为N的离散时间信号谐波集合为:
x[n]可以表示成具有谐波关系的复指数信号的线性组合,而谐波信号前的加权系数ak就是离散傅里叶级数DFS:
离散时间傅里叶变换(DTFT:Discrete-Time Fourier Transform):对应离散时间非周期信号
如何将一个离散时间非周期信号(有限长离散时间信号)变成一个周期信号呢?可以采用前面的办法,对这个非周期信号进行周期延拓。
和前面连续非周期信号傅里叶变换的推导类似,这里不再做推导了.
总结
- 四种信号时域与频域之间的内在对应关系
对一个连续非周期的信号进行数字化处理,分几步走:
- 第一步:
时域抽样,抽样间隔(或者说抽样频率)要满足奈奎斯特定律,即其抽样频率fs要大于信号的最大频率,当然如果是带通信号采样咱就另说。这一步我们就能得到离散信号了。
- 第二步:
虽然我们得到了离散信号,但是这个离散信号它在时域上是非周期的,时域离散非周期,频域上就体现为周期连续。如果要做FFT运算的话(FFT不是一种变换,而是DFT的一种快速算法),我们还要对这个信号的频域进行抽样,把它的频谱分成N份就是N点抽样,FFT运算会涉及N点抽样的知识。
- DFT
其实还有一个DFT的概念没提到,DFT也叫离散傅里叶变换,是有限长序列的离散频域表示,那么DFT和DTFT有啥区别呢?
从基本的概念入手:DFT和DTFT的定义
DTFT的定义:
DFT的定义:
(不打字了,累了累了)
我们可以发现:
也就是说,x(n)的N点DFT是x(n)的DTFT(傅里叶变换)X(ejω)在2π周期内的N个等间隔点ωk = 2πk/N(k = 0,1,……,N-1)上的抽样值,其抽样间隔为2π/N.
以此二图做暂时的结尾: