本文深入探讨离散信号的傅里叶变换，包括DTFT（离散时间傅立叶变换）的重要结论，解释了离散信号频谱为何连续以及aliasing现象。同时介绍了DFT（离散傅里叶变换）是如何从DTFT中派生出来的，以及在计算机处理中的应用。
前言
很多控制学科的课程中都会用到一些常用的信号分析工具如傅里叶变换，Laplace变换Z变换等等。本文想着重整理一下数字信号也就是离散信号的傅里叶变换之间的关系。
DTFT
DTFT (Discrete Time Fourier Transform) 适用于非周期的离散信号的频谱分析，一个离散信号的DTFT一般写为
X ( ω ) = d e f ∑ n = − ∞ ∞ x [ n ] e − j ω n X(\omega) \overset{\underset{\mathrm{def}}{}}{=} \sum_{n=-\infty}^\infty x[n]e^{-j\omega n} X(ω)=defn=−∞∑∞x[n]e−jωn
注：这里的 ω \omega ω有时候也写作 Ω \Omega Ω
它的反变化(IDTFT)为
x [ n ] = 1 2 π ∫ − π π X ( ω ) e j ω n d ω x[n] = \frac{1}{2\pi}\int\limits_{-\pi}^\pi X(\omega)e^{j\omega n} d\omega x[n]=2π1−π∫πX(ω)ejωndω
重要结论
- 连续序列的离散时间傅立叶变换(DTFT)即是采样信号的连续傅立叶变换(CFT)
- X ( ω ) X(\omega) X(ω) 是周期为 2 π 2\pi 2π 的连续时间周期信号(数学上用欧拉公式理解，物理上用aliasing理解)
为什么离散信号的频谱是连续的, aliasing 咋来的?
关于这个话题以及为什么连续信号的采样中会出现aliasing (混叠现象) 普渡大学的信号与系统课程解释的非常清晰1，这里借用一下课程里的几幅图：
下图为对 x 4 [ n ] = cos ( 2 π ⋅ 5 ⋅ T ) x_4[n] = \cos(2\pi\cdot 5 \cdot T) x4[n]=cos(2π⋅5⋅T)不同采样频率对应的频谱
下图为知识点总结
离散信号 x [ n ] → 的频谱是由 无穷多的频率组成的 这些不同的频率部分 → 会造成
最低0.47元/天 解锁文章
5121
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
