为了引入离散傅里叶变换,首先需要依次推导:
1,周期函数的傅里叶级数形式:
2,非周期函数的傅里叶变换:
3,非周期函数的时域和频域抽样:
3.1时域抽样
函数p(t)和其频域函数P(w):
根据频域卷积定理可以知道:
3.2频域抽样:
函数P(w)和其时域函数p(t):
根据时域卷积定理可以知道:
4,时间序列的傅里叶变换
时间序列就是时域抽样之后的序列,过程如下:
(因为时域抽样后频谱会放大
倍,另外积分变为求和)
于是:
而时域信号表示如下:
我们知道时域抽样之后,频谱周期化了,因此积分区间变为一个周期即可。
但是上式表达仍然有点不准确,因为就频谱的幅度值来讲,抽样之后有如下关系:
因此做如下修正:
化简之后,为了和周期函数的傅里叶级数对比,将后缀0改s,将正反变换对同时写在下面。
频域周期
周期函数的傅里叶级数正反变换对如下:
时域周期
5,离散傅里叶变换终极演绎
在非周期序列的基础上在频域抽样可以得到周期离散序列
因为频域函数的周期为,所以抽样之后单周期里面的采样点为
,于是
利用N化简上式
记,同时实际在计算机里面运算的时候,已经不关心
和
是多少了。因此上式可以记为:
(逆变换)
(正变换)
总结:有限长序列可以看成周期序列的主值序列,因此有限长序列的傅里叶变换对如上式。
6,离散傅里叶变换另一种推演
从周期信号f(t)的傅里叶级数系数开始
如果对f(t)进行抽样记为x(t),那么可以知道
将上式代入周期函数的系数里面可以得到
因为就频谱的幅度值来讲,抽样之后有如下关系:
所以可以得到
取一个周期0~N-1,化简可以得到变换对如下:
记,同时实际在计算机里面运算的时候,已经不关心
和
是多少了。因此上式可以记为:
(逆变换)
(正变换)
结果发现两者变换系数1/N的位置,一个在时域,一个在频域。真正的原因是他们分别描述的是频谱密度函数和频谱函数,经常迷惑人。因为两个正变换或逆变换完全可以互相推导,所以使用哪一个公式都不会有影响。