离散信号(八)| 离散傅里叶变换DFT性质(圆周移位、圆周卷积)

离散傅里叶变换DFT的性质

离散傅里叶变换是傅里叶变换在时域、频域均离散化的形式,因而它与其它傅里叶变换有着相似的性质。但是它又是从傅里叶级数派生而来,所以又具有一些与其它傅里叶变换不同的特性,其中最主要的圆周移位性质和圆周卷积性质。如上所述,一个有限长序列 x ( n ) x(n) x(n)的DFT,可以看作以有限长度N为周期,将 x ( n ) x(n) x(n)进行周期延拓形成的周期序列 x p ( n ) x_p(n) xp(n)在一个周期内的离散频谱。因此研究DFT的性质必须以周期性序列的特点作为其基本出发点。

1, 线性性质

x 1 ( n ) ↔ D F T X 1 ( k ) , x 2 ( n ) ↔ D F T X 2 ( k ) x_1(n)\overset{DFT}{\leftrightarrow}X_1(k),x_2(n)\overset{DFT}{\leftrightarrow}X_2(k) x1(n)DFTX1(k),x2(n)DFTX2(k),那么
a x 1 ( n ) + b x 2 ( n ) ↔ D F T a X 1 ( k ) + b X 2 ( k ) ax_1(n)+bx_2(n)\overset{DFT}{\leftrightarrow}aX_1(k)+bX_2(k) ax1(n)+bx2(n)DFTaX1(k)+bX2(k)
要保证二序列要有相同的长度。如果 x 1 ( n ) 、 x 2 ( n ) x_1(n)、x_2(n) x1(n)x2(n)长度不同,长度短的序列要补零,使它与另一序列长度相同。

  1. 圆周移位性质

若有限长序列为 x ( n ) 0 ≤ n ≤ N − 1 x(n)0\leq n\leq N-1 x(n)0nN1,则经过时移后的序列 x ( n − m ) x(n-m) x(nm)仍为有限长序列,其位置移至 m ≤ n ≤ N + m − 1 m\leq n\leq N+m-1 mnN+m1,如下图所示。

在这里插入图片描述

当求它们的DFT时,取和的范围出现差异,前者从0到(N-1),后者从m到(N+m-1),当时移位数不同时,DFT取和范围也要随之改变,这给位移序列DFT的研究带来不便。为解决次问题,这样来理解有限长序列的位移:先将原序列 x ( n ) x(n) x(n)按N周期延拓成 x p ( n ) x_p(n) xp(n),然后移m位得到 x p ( n − m ) x_p(n-m) xp(nm),最后取 x p ( n − m ) x_p(n-m) xp(nm)的主值区间 ( 0 ∼ N − 1 ) (0\sim N-1) (0N1)。如下图所示。

这样的移位具有循环的特性,即 x ( n ) x(n) x(n)向右移m位时,右边超出 ( N − 1 ) (N-1) (N1)的m个样值又从左边依次填补了空位。如果把序列 x ( n ) x(n) x(n)排列在一个N等分的圆周上,N个样点首尾相接,上面所述的移位可以表示为 x ( n ) x(n) x(n)在圆周上旋转m位,如下图所示。所谓称为圆周移位,也可称循环移位。当有限长序列进行任意位数的圆周移位后,求序列的DFT时取值范围仍保持在0到N-1不变。

序列 x ( n ) x(n) x(n)的圆周移位表示为 x ( ( n − m ) ) N R N ( n ) x((n-m))_NR_N(n) x((nm))NRN(n),其中 ( ( n − m ) ) N ((n-m))_N ((nm))N表示 ( n − m ) (n-m) (nm)对N取模值,即 ( n − m ) (n-m) (nm)被N除,整除后所得的余数就是 ( ( n − m ) ) N ((n-m))_N ((nm))N,而 R N ( n ) R_N(n) RN(n)是以N为长度的矩形序列,这里是取主值范围的意思。

圆周移位性质表明,如果序列发生了圆周移位m位,那么移位后序列的DFT为原序列的DFT乘以复指数因子 e − j Ω 0 m k e^{-j\Omega_0 mk} ejΩ0mk,即
x ( ( n − m ) ) N R N ( n ) ↔ D F T e − j Ω 0 m k X ( k ) x((n-m))_NR_N(n) \overset{DFT}{\leftrightarrow} e^{-j\Omega_0 mk}X(k) x((nm))NRN(n)DFTejΩ0mkX(k)
类似地,如果在频域DFT发生了圆周位移 X ( ( k − k 0 ) ) N R N ( k ) X((k-k_0))_NR_N(k) X((kk0))NRN(k),那么时域序列就乘以一个复指数因子 e j Ω 0 k 0 n e^{j\Omega_0k_0 n} ejΩ0k0n,即
e j Ω 0 k 0 n x ( n ) ↔ D F T X ( ( k − k 0 ) ) N R N ( k ) e^{j\Omega_0 k_0 n}x(n) \overset{DFT}{\leftrightarrow}X((k-k_0))_NR_N(k) ejΩ0k0nx(n)DFTX((kk0))NRN(k)

  1. 圆周卷积性质

x ( n ) 、 h ( n ) x(n)、h(n) x(n)h(n)都是长度为N的有限长序列,且
x ( n ) ↔ D F T X ( k ) , h ( n ) ↔ D F T H ( k ) x(n)\overset{DFT}{\leftrightarrow}X(k),h(n)\overset{DFT}{\leftrightarrow}H(k) x(n)DFTX(k),h(n)DFTH(k)

x ( n ) ⨂ h ( n ) ↔ D F T X ( k ) H ( k ) x(n)\bigotimes h(n) \overset{DFT}{\leftrightarrow}X(k)H(k) x(n)h(n)DFTX(k)H(k)

x ( n ) ⨂ h ( n ) = ∑ m = 0 N − 1 x ( m ) h ( ( n − m ) ) N R N ( n ) x(n)\bigotimes h(n)=\sum_{m=0}^{N-1}x(m)h((n-m))_NR_N(n) x(n)h(n)=m=0N1x(m)h((nm))NRN(n)
在圆周卷积中,有一个序列是经过圆周移位处理的,所以称为圆周卷积。有一个序列是经过平移处理,与圆周卷积相区分,称为线性卷积。

区别:

1)设有限长序列 x ( n ) 、 h ( n ) x(n)、h(n) x(n)h(n)的长度分别为N和M,按线性卷积定义
y ( n ) = x ( n ) ∗ h ( n ) = ∑ m = − ∞ ∞ x ( m ) h ( n − m ) y(n)=x(n)*h(n)=\sum_{m=-\infty}^{\infty}x(m)h(n-m) y(n)=x(n)h(n)=m=x(m)h(nm)
已知 x ( m ) x(m) x(m)的非零值区间是 0 ≤ m ≤ N − 1 0\leq m \leq N-1 0mN1,从 h ( n − m ) h(n-m) h(nm)看,非零区间应是 0 ≤ n − m ≤ M − 1 0\leq n-m \leq M-1 0nmM1,考虑m的取值区间,有
0 ≤ n ≤ N + M − 2 0 \leq n\leq N+M-2 0nN+M2
在上式的区间之外,不是 x ( m ) x(m) x(m)为零,就是 h ( n − m ) h(n-m) h(nm)为零,结果是 y ( n ) y(n) y(n)取零值。因此, y ( n ) y(n) y(n)是长度为 N + M − 1 N+M-1 N+M1的有限长序列。

而对于两序列的圆周卷积,必须规定它们的长度相等,经圆周卷积后所得序列的长度与原序列相同。当两序列长度不等时,可将较短序列补零值构成两个等长序列再作圆周卷积。

2)如果把序列 x ( n ) 、 h ( n ) x(n)、h(n) x(n)h(n)都适当地补零值,那么,在作圆周卷积时,向右移去的零值循环回序列的左端,出现与线性卷积相同的情况,即序列左端依次留出等于零值的空位,可见,如果补零值的长度合适,两种卷积的结果有可能一致。可以证明,两序列补零以后的长度L满足
L ≥ N + M − 1 L\geq N+M-1 LN+M1
它们的圆周卷积与线性卷积结果相同。

  • 10
    点赞
  • 67
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值