离散时间傅里叶级数(DFS)

DGY_ChenYong

已于 2024-08-31 10:32:32 修改

阅读量653

点赞数 10

分类专栏：傅里叶分析文章标签：信号处理傅里叶分析

于 2024-08-30 21:54:16 首次发布

本文链接：https://blog.csdn.net/DGY_ChenYong/article/details/141521549

版权

傅里叶分析专栏收录该内容

7 篇文章 0 订阅

订阅专栏

一、一些辅助理解的表达

1、对于采样的描述

采样频率 $f_{s}$ ：每秒采样多少个点
假设采样N个点需要的时间为 $T_{N}$ ，则 $f_{s} = \frac{N}{T_{N}}$ ，每个点的时间间隔 $T_{s} = \frac{1}{N} T_{N}$

2、模拟域的相关表达

模拟信号：连续时间信号
用 Ω 表示模拟域的角频率，表示每秒转动的角度，单位rad/s
在匀速圆周运动中，周期T：经过2π需要多长时间， $\Omega = \frac{2\pi}{T}$

3、数字域的表达

数字信号：离散时间信号
用 ω 表示数字域域的角频率，表示每个采样点间隔之间的弧度，单位是rad
$\omega = \Omega T_{s} = \frac{\Omega }{f_{s}} = 2 \pi \frac{T_{s}}{T}=2 \pi \frac{f}{f_{s}}$
数字域角频率是模拟角频率相对于采样频率的归一化
如连续时间正弦信号 $x_{a}(t) = sin(\Omega t + \varphi )$

令 $t = nT_{s}$ ，其中 $T_{s}$ 为采样时间间隔

则有 $x_{a}(t) |_{t=nT_{s}}= sin(\Omega nT_{s} + \varphi ) = x_{a}(nT_{s})$

$x_{a}(nT_{s})$ 简记为 $x_{a}(n)$ ， $\Omega T_{s}$ 记为 $\omega$ ，则连续时间正弦信号变成了离散时间正弦序列

离散时间正弦序列 $x_{a}(n)= sin(\omega n+ \varphi )$

举个例子

假设连续时间正弦信号的频率是100Hz，振幅为A，初相为0，则这个信号得到表达式为 $x_{a}(t) = sin(2\pi * 100t )$ ，以采样频率fs = 500Hz对其进行采样，得到的离散时间正弦序列

$x_{a}(n)= sin(0.4\pi n+ \varphi )$ ，可以看出这个数字信号的角频率为0.4π

$x_{a}(n)= sin(0.4\pi n+ \varphi )$ 这个数字信号在采样频率不同时，对应的不同模拟信号，所以

只有知道采样频率，才能还原模拟信号

4、离散时间复指数信号 $e^{j\omega _{0}n}$

$e^{j\Omega _{0}t}$ 对于任何 $\Omega _{0}$ 值都是周期信号，但 $e^{j\omega _{0}n}$ 不一定是周期信号

要使 $x(n) = e^{j\omega _{0}n}$ 为的周期信号，周期为N，必须满足 $x(n+N) = e^{j\omega _{0}(n+N)} =e^{j\omega _{0}N} e^{j\omega _{0}n}= e^{j\omega _{0}n}$ ， $e^{j\omega _{0}N} = 1$

即 $\omega _{0}N =2k\pi$ ，整理一下有 $\frac{2\pi}{\omega _{0}} =\frac{N}{k}$ ，分3种情况讨论

(a)当 $\frac{2\pi}{\omega _{0}}$ 为整数时

$\frac{2\pi}{\omega _{0}} = \frac{2\pi}{\Omega _{0} T_{0}} = \frac{2\pi}{\frac{2\pi}{T} T_{s}} = \frac{T}{T_{s}} = N$

表示原来连续信号的一个周期T内，以采样间隔Ts等间隔采样了N个点，序列周期为N

(b)当 $\frac{2\pi}{\omega _{0}}$ 为分数时

$\frac{2\pi}{\omega _{0}} = \frac{T}{T_{s}} = \frac{N}{k}$

表示原来连续信号的k个周期内，以采样间隔Ts等间隔采样了N个点，序列周期为N。（N，k互素，k ≠ 1）

(c)当 $\frac{2\pi}{\omega _{0}}$ 为无理数时

任何k都不能使N为整数，此时x(n)不是周期性的。

如果 $x(n)=e^{j\omega _{0}n}$ 是一个周期序列，周期为N，则他的基波频率为 $\omega _{0}=\frac{2 \pi}{N}$

$e^{j\Omega _{0}t}$ 与 $e^{j\omega _{0}n}$ 另一个重要区别是，对 $e^{j\Omega _{0}t}$ 信号来说，不同的 $\Omega _{0}$ 即表示不同的连续信号， $\Omega _{0}$ 越大，信号振荡的速率愈高；而 $e^{j\omega _{0}n}$ 则不同，由 $e^{j(\omega _{0}+2\pi) n} = e^{j\omega _{0}n}e^{2\pi n} = e^{j\omega _{0}n}$ ，可以看出,

离散复指数序列在频率为 $\omega _{0} +2\pi$ 与频率为 $\omega _{0}$ 时的值是完全一样的。即 $e^{j\omega _{0}n}$ 是 $\omega _{0}$ 的周期函数，其周期为2π。

因此，在分析 $e^{j\omega _{0}n}$ 这类复指数序列时，仅仅只要分析 $\omega _{0}$ 在π间隔内即可。大多数情况下常选用 $0\leqslant \omega _{0}< 2\pi$ ，或 $- \pi \leqslant \omega _{0}< \pi$ 的区间。

5、离散复指数信号集

与连续时间情况一样，把一组成谐波关系的离散时间周期复指数序列组成一个信号集,记做

$\varphi _{k}[n]=\left \{ e^{jk\frac{2\pi}{N} n} \right \},k=0,\pm 1,\pm 2 \cdots$ （1)

与连续时间谐波信号集不同的是，连续时间复指数信号集中的信号 $e^{jk\frac{2\pi}{N} t}$ 对应于不同的k是不相同的信号，由于 $e^{j(\omega _{0}+2\pi) n} = e^{j\omega _{0}n}$ ，在式(1)所给出的信号集中，仅有为N个是互不相同的周期复指数序列。这是因为

$\varphi _{k+N}[n]=e^{j(k+N)\frac{2\pi}{N} n} = e^{jk\frac{2\pi}{N} n} e^{2\pi n} =\varphi _{k}[n]$ (2)

故有 $\varphi _{0}[n]=1,\varphi _{1}[n]=e^{j\frac{2\pi}{N}n},\cdots ,\varphi _{1}[n]=e^{j\frac{2\pi(N-1)}{N}n}$ (3)

它们是互不相关的，而 $\varphi _{k}[n]$ 都与式(3)中的一个相同，因此在一个离散复指数谐波信号集中只有N个谐波信号是互不相关的。

6、连续的周期信号和离散的周期信号

连续的周期信号：可以看作是不同频率的周期函数的叠加

离散的周期信号：可以看作是不同频率的周期函数，以采样频率为fs采样后的点的叠加

7、一些书写的表达

有些时候，为了区别模拟信号，数字信号会写成 x[n]

为了表达信号是周期的，会顶上加~，如 $\tilde{x}[n]$

二、DFS的推导

1、周期为N的离散时间谐波信号集合的性质

$\varphi _{k}[n]=\left \{ e^{jk\frac{2\pi}{N} n} \right \},k=0,\pm 1,\pm 2 \cdots$

周期性： $\varphi _{k}[n] = \varphi _{k}[n+N]$
有限独立性： $\varphi _{k}[n] = \varphi _{k+N}[n]$
正交性：对于 $\left \{ \varphi _{0}[n],\varphi _{1}[n],\varphi _{2}[n] \cdots \varphi _{N-1}[n]\right \}$ 中元素，满足

$\sum_{n=0}^{N-1}\varphi _{k}[n] \varphi _{l}^{*}[n] =\sum_{n=0}^{N-1} e^{j(k-l)\frac{2\pi}{N} n}=\left\{\begin{matrix} N,k=l\\ 0,k\neq l \end{matrix}\right.$ (4)

也就是说 $\varphi _{k}[n]$ 只有乘上本身的共轭，在一个周期内的累加才不为0

比如 $k=l=2$ 时，

$\sum_{n=0}^{N-1}\varphi _{2}[n] \varphi _{2}^{*}[n]=\sum_{n=0}^{N-1} e^{j2\frac{2\pi}{N} n}e^{-j2\frac{2\pi}{N} n}= \sum_{n=0}^{N-1}e^{0}=\sum_{n=0}^{N-1} 1= N$

比如 $k=2,l=5$ ，即 $k\neq l$ 时，

$\sum_{n=0}^{N-1}\varphi _{2}[n] \varphi _{5}^{*}[n]=\sum_{n=0}^{N-1} e^{j2\frac{2\pi}{N} n}e^{-j5\frac{2\pi}{N} n}= \sum_{n=0}^{N-1}e^{-j\frac{6\pi}{N} n} = 0$

证明如下（来源知乎）：

2、第1种推导

现在利用 $\varphi _{k}[n]$ 的线性组合来表示周期为N的离散时间周期信号，即离散时间周期信号的傅里叶级数表示。由于 $\varphi _{k}[n]$ 仅在k的N个相继值的区间上的谐波信号是互异的， $\varphi _{k}[n]$ 的线性组合构成的离散傅里叶级数应有如下形式

$\tilde{x }[n]=\sum_{k=0}^{N-1} a_{k} \varphi _{k}[n]=\sum_{k=0}^{N-1} a_{k}e^{jk\frac{2\pi}{N} n} = \sum_{k=0}^{N-1} a_{k}e^{jk\omega_{0} n}$ (5)

为了求 $a_{k}$ ，将上式两边乘以 $e^{-jl\frac{2\pi}{N} n}$ ，并对n在一个周期N中求和，即

$\sum_{n=0}^{N-1} \tilde{x }[n]e^{-jl\frac{2\pi}{N} n}=\sum_{n=0}^{N-1}[\sum_{k=0}^{N-1} a_{k}e^{jk\frac{2\pi}{N} n} ]e^{-jl\frac{2\pi}{N} n}$

$=\sum_{k=0}^{N-1} a_{k} \sum_{n=0}^{N-1} e^{j(k-l)\frac{2\pi}{N} n}$

由（4）式，可得上面式子的等号左边可化为 $\sum_{n=0}^{N-1} \tilde{x }[n]e^{-jk\frac{2\pi}{N} n}$ ，等号右边可化为N $a_{k}$

所以有，

$a_{k}=\frac{1}{N}\sum_{n=0}^{N-1} \tilde{x }[n]e^{-jk\frac{2\pi}{N} n}$ , $0 \leq k\leqslant N-1$

$\tilde{x }[n]=\sum_{k=0}^{N-1} [\frac{1}{N}\sum_{n=0}^{N-1} \tilde{x }[n]e^{-jk\frac{2\pi}{N} n}]e^{jk\frac{2\pi}{N} n}$

令 $\tilde{X}[k] = Na_{k} = \sum_{n=0}^{N-1} \tilde{x }[n]e^{-jk\frac{2\pi}{N} n}$

$\tilde{x }[n]=\frac{1}{N}\sum_{k=0}^{N-1} \tilde{X}[k]e^{jk\frac{2\pi}{N} n}$

整理得

$\tilde{X}[k] = DFS\left \{ \tilde{x }[n] \right \} = \sum_{n=0}^{N-1} \tilde{x }[n]e^{-jk\frac{2\pi}{N} n}$ (6)

$\tilde{x }[n]=\frac{1}{N}\sum_{k=0}^{N-1} \tilde{X}[k]e^{jk\frac{2\pi}{N} n}$ (7)

式(6)和式(7)一起被称为周期序列的离散傅里叶级数对

3、第2种推导

连续周期信号复指数形式的傅里叶级数：

傅里叶级数-CSDN博客

$f(t)=\sum_{n=-\infty }^{\infty } F_{n} e^{jn\omega _{0}t}$

$F_{n} = \frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}} f(t)e^{-jn\omega _{0}t}dt$

为了规范表达(容易理解)，变换一下符号和积分区间

$x(t) =\sum_{k=-\infty }^{\infty } X(k\Omega _{0}) e^{jk\Omega _{0}t} =\sum_{k=-\infty }^{\infty } X(k\Omega _{0}) e^{jk\frac{2\pi}{T}t}$ (8)

$X(k\Omega _{0})= \frac{1}{T}\int_{0}^{T} x(t)e^{-jk\Omega _{0}t}dt =\frac{1}{T}\int_{0}^{T} x(t)e^{-jk\frac{2\pi}{T}t}dt$ (9)

对连续周期信号 x(t)的一个周期 $T_{0}$ ，以采样间隔Ts等间隔进行N点采样，得到一个序列 $x(nTs)$

为了计算 $x(nTs)$ 的傅里叶级数，我们对式(7)的符号做如下演变

$\omega _{0} =\Omega _{0}T_{s},\Omega _{0} =\frac{2\pi}{T_{0}} ,T_{0} = NT_{s},t \rightarrow nT_{s},dt \rightarrow T_{s},\int_{0}^{T_{0}}\rightarrow \sum_{n=0}^{N-1}$ ，于是得到

$X(k\frac{\omega_{0}}{T_{s}})= \frac{1}{NT_{s}}\sum_{n=0}^{N-1} x(nT_{s})e^{-jk\frac{2\pi}{T_{0}} nT_{s}}T_{s} = \frac{1}{N}\sum_{n=0}^{N-1} x(nT_{s})e^{-jk\frac{2\pi}{N} n}$

简化表达 $x(nTs)$ 用 $x(n)$ 表示， $X(k\frac{\omega_{0}}{T_{s}})$ 用 $X(k)$ 表示，整理得，

$X(k)= \frac{1}{N}\sum_{n=0}^{N-1} x(n)e^{-jk\frac{2\pi}{N} n}$ (10)

依据类似的分析思想，可由式(8)得，

$x [n]=\sum_{k=0}^{N-1} X[k]e^{jk\frac{2\pi}{N} n}$ (11)

式(10)和式(11)一起被称为周期序列的离散傅里叶级数对

离散傅里叶级数对是相互计算的一对关系式， $\frac{1}{N}$ 放在正变换或放在反变换中，对与离散傅里叶级数对是无影响的。

一般会写成式(6)和式(7)的形式

4、一点小疑问

$\tilde{X}[k] = DFS\left \{ \tilde{x }[n] \right \} = \sum_{n=0}^{N-1} \tilde{x }[n]e^{-jk\frac{2\pi}{N} n}$

$\tilde{x }[n]=\frac{1}{N}\sum_{k=0}^{N-1} \tilde{X}[k]e^{jk\frac{2\pi}{N} n}$

对于上面的式子，很多书籍都写k的范围是0~N-1，

对比傅里叶级数，谐波的频率应该共轭成对出现

那 $\tilde{X}[k]$ 是不是表示单边谱？

$\tilde{x }[n]$ 表示啥？

5、小结

对连续周期信号 x(t)的一个周期 $T_{0}$ ，以采样间隔Ts等间隔进行N点采样

时域离散 $(T_{s})$ ,在频域表现为周期 $(\Omega _{s}=\frac{2\pi}{T_{s}})$
时域周期 $(T_{0})$ ,在频域表现为离散 $(\Omega _{0}=\frac{2\pi}{T_{0}})$ ，若以弧度作为频域的横坐标，则有 $\Delta \omega =\omega _{0} =\Omega _{0}T_{s} =\frac{2\pi}{T_{0}}\frac{T_{0}}{N}=\frac{2\pi}{N}$