离散信号（七）| 离散傅里叶变换（DFT）推导

离散傅里叶变换（DFT）

离散信号的傅里叶变换DTFT，它是$\Omega$的连续周期函数，尽管在理论上有重要意义，但在实际中往往难于计算，尤其在数字计算机上实现有困难。为此我们需要一种时域和频域都离散的傅里叶变换对，这就是离散傅里叶变换（Discrete Fourier Transformation），简称DFT。DFT的导出有多种方法，比较方便同时物理意义也比较明确的是从离散傅里叶级数（DFS）着手。由于时域和频域都是离散的，因而这种傅里叶变换对有其特殊性质，这些性质使DFT在实际应用中有时会产生误解。DFT有快速计算方法，即快速傅里叶变换（FFT）。

从离散傅里叶级数（DFS）到离散傅里叶变换（DFT）

考虑有限长序列$x(n)(0\le n\le N-1)$，将其按周期N进行延拓，得到周期序列
$$x_p(n)=\sum _{r}x(n+rN)(r为任意整数)$$
我们把$x(n)$称为主值序列，它也是周期序列$x_p(n)$的主值区间序列。由于$x_p(n)$是周期为N的周期序列，可以展开成离散傅里叶级数DFS
$$X_p(k{\Omega }_0)=\frac{1}{N}\sum _{n=0}^{N-1}{x}_p(n)e^{-jk{\Omega }_{0}n}k=0,1,2,\cdots ,N-1$$
$X_p(k{\Omega }_0)$是周期为N的，离散的，它的反变换为
$$x_p(n)=\sum _{k=0}^{N-1}{X}_p(k{\Omega }_0)e^{jk{\Omega }_{0}n}$$
虽然它也是离散的、周期为N的序列。由于$X_p(k{\Omega }_0)$的周期性，我们也可以取它的一个周期为主值区间$(0\le k\le N-1)$，主值区间的$X_p(k{\Omega }_0)$记为$X(k{\Omega }_0)$。当$x_p(n)$和$X_p(k{\Omega }_0)$都取主值区间序列时，显然有
$$X(k{\Omega }_0)=\frac{1}{N}\sum _{n=0}^{N-1}x(n)e^{-jk{\Omega }_{0}n}k=0,1,2,\cdots ,N-1\text{\hspace{1em}(8)}$$
和
$$x(n)=\sum _{k=0}^{N-1}X(k{\Omega }_0)e^{jk{\Omega }_{0}n}k=0,1,2,\cdots ,N-1\text{\hspace{1em}(9)}$$
同DTFT一样，非周期序列的傅里叶变换是信号的频谱密度，所以将式（8）乘以N，同时考虑到离散的频谱可用序列来表示，所以定义长度为N的有限长序列$x(n)$的离散傅里叶变换（DFT）$X(k)$为
$$X(k)=NX(k{\Omega }_0)=\sum _{n=0}^{N-1}x(n)e^{-jk{\Omega }_{0}n}k=0,1,2,\cdots ,N-1\text{\hspace{1em}(10)}$$
并由式（9）和式（10），可得$X(k)$的DFT反变换
$$x(n)=\frac{1}{N}\sum _{k=0}^{N-1}NX(k{\Omega }_0)e^{jk{\Omega }_{0}n}=\frac{1}{N}\sum _{k=0}^{N-1}X(k)e^{jk{\Omega }_{0}n}n=0,1,2,\cdots ,N-1\text{\hspace{1em}(11)}$$
同样，把满足式（10）和式（11）的$x(n)$和$X(k)$称为离散傅里叶变换（DFT）对，简记为
$$x(n)\stackrel{DFT}{\leftrightarrow }X(k)$$
只要从DFS变换对截取序列的主值，就构成了DFT变换对。但是它们在本质意义上还是有区别的，DFS是按傅里叶分析严格定义的，而DFT是一种”借用“的形式，因为我们知道，有限长序列$x(n)$是非周期性的，故它的傅里叶变换是连续的、周期性的，现在，我们人为地把$x(n)$按周期延拓成离散的、周期性的序列$x_p(n)$，得到离散的、周期性的频率函数$X_p(k{\Omega }_0)$，然后利用$x(n)$是$x_p(n)$的主值序列，借用取主值的方法，得出DFT的定义，这样处理的结果相当于把原来$x(n)$的连续的、周期性的频谱离散化了。事实上，我们完全可以从非周期性序列的傅里叶变换DTFT出发，按采样间隔${\Omega }_0=\frac{2\pi }{N}$实现原连续频域函数$X(\Omega )$离散化，来得到离散傅里叶变换DFT。