非周期信号的频域分析
与连续信号类似,对于离散的非周期信号,可采用离散时间傅里叶变换(DTFT)进行分析。
(一)从DFS到DTFT
非周期序列可以看作周期为无穷大的周期序列,从这一思想出发,可以在周期序列的傅里叶级数DFS基础上推导非周期序列的傅里叶变换。类似连续信号,对于长度有限的非周期信号
x
(
n
)
x(n)
x(n),以N为周期,将
x
(
n
)
x(n)
x(n)延拓为周期信号
x
N
(
n
)
x_N(n)
xN(n),这里,要求N大于
x
(
n
)
x(n)
x(n)的长度,因为此时
x
N
(
n
)
x_N(n)
xN(n)是
x
(
n
)
x(n)
x(n)的原样按周期重复,即
x
N
(
n
)
=
∑
m
=
−
∞
∞
x
(
n
−
m
N
)
(5)
x_N(n)=\sum_{m=-\infty}^{\infty}x(n-mN) \tag{5}
xN(n)=m=−∞∑∞x(n−mN)(5)
对于周期序列
x
N
(
n
)
x_N(n)
xN(n)的DFS,考虑周期为无穷大是,即
N
→
∞
N\to \infty
N→∞,则有
Ω
0
=
2
π
/
N
→
d
Ω
,
k
Ω
0
→
Ω
=
w
T
\Omega_0=2\pi/N\to d\Omega,k\Omega_0\to \Omega=wT
Ω0=2π/N→dΩ,kΩ0→Ω=wT(为连续量),
1
N
=
Ω
0
2
π
→
d
Ω
2
π
,
∑
k
=
0
N
−
1
→
∫
0
2
π
,
x
N
(
n
)
→
x
(
n
)
\frac{1}{N}=\frac{\Omega_0}{2\pi}\to \frac{d\Omega}{2\pi},\sum_{k=0}^{N-1}\to \int_0^{2\pi},x_N(n)\to x(n)
N1=2πΩ0→2πdΩ,∑k=0N−1→∫02π,xN(n)→x(n);同时,由上面的描述刻可知,当k在0和N-1之间变化时,
Ω
\Omega
Ω在0和
2
π
2\pi
2π之间变换。另外,由式(5),当
N
→
∞
N\to \infty
N→∞时,
X
(
k
Ω
0
)
X(k\Omega_0)
X(kΩ0)的幅值趋于无穷小,如同连续时间信号的傅里叶变换一样处理,利用频谱密度来描述非周期序列频谱的分布规律,可得
X
(
Ω
)
=
l
i
m
N
→
∞
N
X
(
k
Ω
0
)
=
∑
n
=
−
∞
n
=
∞
x
(
n
)
e
−
j
Ω
n
(6)
X(\Omega)=lim_{N\to \infty}NX(k\Omega_0)=\sum_{n=-\infty}^{n=\infty}x(n)e^{-j\Omega n} \tag{6}
X(Ω)=limN→∞NX(kΩ0)=n=−∞∑n=∞x(n)e−jΩn(6)
和
x
(
n
)
=
lim
N
→
∞
x
N
(
n
)
=
l
i
m
N
→
∞
∑
k
=
0
N
−
1
X
(
k
Ω
0
)
e
j
k
Ω
0
n
=
l
i
m
N
→
∞
∑
k
=
0
N
−
1
1
N
X
(
Ω
)
e
j
Ω
n
=
1
2
π
∫
0
2
π
X
(
Ω
)
e
j
Ω
n
d
Ω
x(n)=\lim_{N\to \infty}x_N(n)=lim_{N\to \infty}\sum_{k=0}^{N-1}X(k\Omega_0)e^{jk\Omega_0 n}=lim_{N\to \infty} \sum_{k=0}^{N-1}\frac{1}{N}X(\Omega)e^{j\Omega n}=\frac{1}{2\pi}\int_0^{2\pi}X(\Omega)e^{j\Omega n}d\Omega
x(n)=N→∞limxN(n)=limN→∞k=0∑N−1X(kΩ0)ejkΩ0n=limN→∞k=0∑N−1N1X(Ω)ejΩn=2π1∫02πX(Ω)ejΩndΩ
即
x
(
n
)
=
1
2
π
∫
0
2
π
X
(
Ω
)
e
j
Ω
n
d
Ω
(7)
x(n)=\frac{1}{2\pi}\int_0^{2\pi}X(\Omega)e^{j\Omega n}d\Omega \tag{7}
x(n)=2π1∫02πX(Ω)ejΩndΩ(7)
其中,式(6)称为离散时间信号的傅里叶变换,简称为离散时间傅里叶变换DTFT,式(7)则为离散时间傅里叶反变换。
X
(
Ω
)
X(\Omega)
X(Ω)是变量
Ω
\Omega
Ω的周期函数,周期为
2
π
2\pi
2π。因为对任意整数q有
X
(
Ω
+
2
π
q
)
=
∑
n
=
−
∞
∞
x
(
n
)
e
−
j
(
Ω
+
2
π
q
)
n
=
∑
n
=
−
∞
∞
x
(
n
)
e
−
j
Ω
n
=
X
(
Ω
)
X(\Omega+2\pi q)=\sum_{n=-\infty}^{\infty}x(n)e^{-j(\Omega+2\pi q)n}=\sum_{n=-\infty}^{\infty}x(n)e^{-j\Omega n}=X(\Omega)
X(Ω+2πq)=n=−∞∑∞x(n)e−j(Ω+2πq)n=n=−∞∑∞x(n)e−jΩn=X(Ω)
通常称满足式(6)和式(7)的
x
(
n
)
x(n)
x(n)和
X
(
Ω
)
X(\Omega)
X(Ω)为离散时间傅里叶变换(DTFT)对,并将它们简记为
x
(
n
)
↔
D
T
F
T
X
(
Ω
)
x(n) \overset{DTFT}{\leftrightarrow} X(\Omega)
x(n)↔DTFTX(Ω)
由上讨论,已知
X
(
Ω
)
X(\Omega)
X(Ω)是数字频率
Ω
\Omega
Ω的周期函数,周期为
2
π
2\pi
2π,所以式(6)可以看成是
X
(
Ω
)
X(\Omega)
X(Ω)在频域展开为傅里叶级数的表示式,
x
(
n
)
x(n)
x(n)是该级数的系数。它与在时域把一个周期信号展开为傅里叶级数的表示相似,不同的是复指数符号相反。式(7)把序列
x
(
n
)
x(n)
x(n)分解为复指数序列的线性组合,所以是非周期序列时域分析的表示式。这些复指数序列在频率上无限密集,无限靠近,它们的幅度等于
[
X
(
Ω
)
d
Ω
/
(
2
π
)
]
[X(\Omega)d\Omega/(2\pi)]
[X(Ω)dΩ/(2π)],式中
X
(
Ω
)
X(\Omega)
X(Ω)是频谱密度序列,反映了非周期序列
x
(
n
)
x(n)
x(n)的基本特征,简称为
x
(
n
)
x(n)
x(n)的频谱。
x
(
n
)
x(n)
x(n)持续时间可以是有限长序列也可以是无限长序列,但在无限长情况下,必须考虑式(6)无限项求和的收敛问题。因此DTFT存在条件与连续信号的傅里叶变换(CTFT)相对应,为了保证和式收敛,要求
x
(
n
)
x(n)
x(n)是绝对可和,即
∑
n
=
−
∞
∞
∣
x
(
n
)
∣
<
∞
\sum_{n=-\infty}^{\infty}|x(n)|<\infty
n=−∞∑∞∣x(n)∣<∞
或序列的能量是有限的,即
∑
n
=
−
∞
∞
∣
x
(
n
)
∣
2
<
∞
\sum_{n=-\infty}^{\infty}|x(n)|^2<\infty
n=−∞∑∞∣x(n)∣2<∞
(二)DTFT与DFS及连续信号傅里叶变换(CTFT)之间的关系
从DTFT的推导过程,说明DTFT是DFS当 N → ∞ N\to \infty N→∞的极限情况,它们的共同点是:在时域它们都是离散的,在频域其频谱都是以 2 π 2\pi 2π为周期,周而复始。不同点是:离散时间周期信号的频谱则是离散的具有谐波性, X ( k Ω 0 ) X(k\Omega_0) X(kΩ0)是谐波的复振幅,适用于计算机计算,而离散时间非周期信号的频谱则是连续的频谱,不具有谐波性, X ( Ω ) X(\Omega) X(Ω)表示的是频谱密度,是连续变量 Ω \Omega Ω的函数,所以不利于利用计算机对频谱进行分析。
DTFT与CTFT有着密切的内在联系。它们的共同点是:在时域,它们的波形均为非周期,在频域, X ( w ) X(w) X(w)与 X ( Ω ) X(\Omega) X(Ω)均表示频谱密度,分别为连续变量 w w w及 Ω \Omega Ω的函数,所以都是连续频谱。而且在满足采样定理的约束条件下, X ( Ω ) X(\Omega) X(Ω)保存 X ( w ) X(w) X(w)的全部信息。不同点是: X ( Ω ) X(\Omega) X(Ω)是周期性而 X ( w ) X(w) X(w)是非周期的频谱,因而在求 x ( n ) x(n) x(n)的公式中只在频域的的一个周期区间 [ 0 , 2 π ] [0,2\pi] [0,2π](或 [ − π , π ] [-\pi,\pi] [−π,π])内积分,而在求 x ( t ) x(t) x(t)的公式中积分区间为 [ − ∞ , ∞ ] [-\infty,\infty] [−∞,∞]。再则由于离散时间信号是离散的,所以DTFT中 X ( Ω ) X(\Omega) X(Ω)的表示式是求和式,而CTFT中 X ( w ) X(w) X(w)的表示式是求积分的变换式。
DTFT与CTFT都是傅里叶变换,必然可以从DTFT求CTFT。特别当离散时间信号是从连续时间信号采样得来时,更有实际意义。为了使计算结果尽量逼近原始的连续信号的频谱,正如采样定理及上面混叠与泄露中所分析的,必须根据信号特点恰当地选取采样频率及截取采样信号的长度,以减少混叠误差与泄露误差带来的影响。