数字信号处理 --- 用离散傅里叶变换(循环卷积)实现线性卷积

时域的循环卷积等于频域的离散傅里叶变换，离散傅里叶变换DFT是离散傅里叶级数DFS的一个周期，离散傅里叶级数DFS是对连续时间傅里叶变换CTFT的采样

离散傅里叶级数DFS

         周期为10的方波信号的傅里叶级数，以10为周期向两边无限复制拓展信号的傅里叶级数。

         注意上图中x[n]上面的“~”号，那个就是周期函数的意思。以N为周期的周期信号在0~N-1这一个周期内等于x[n]。

 离散傅里叶级数DFS的系数是对离散傅里叶变换DFT的采样：

        对一个离散非周期序列x[n]的傅里叶变换采样的结果等于，将x[n]无限周期重复而得到的一个周期信号的离散傅里叶级数DFS的系数。 

离散傅里叶级数DFS的系数等同于对Z变换单位圆上的采样（傅里叶变换等于z变换单位圆上的值）：

         若，周期序列的周期为N，那么与之对应的对傅里叶变换进行采样的间隔为2Pi/N。

---

循环卷积circular convolution

        线性卷积：x1和x2分别是两个长度为6的方波信号，x3是他们的线性卷积，线性卷积的长度为L+P-1=11.

        N点的循环卷积：图c和图d分别是线性卷积的结果x3，向左和向右移动6个单位的结果。而,图e和图f，分别是N=6点的循环卷积和N=12点的循环卷积的结果。

        可见，对于N=6点的循环卷积，图e，来说，循环卷积的结果等于b(x3[n]),c(x3[n-N]),d(x3[n+N])，在区间n=0~N-1上的和。此时，循环卷积的点数N<L+P-1。

        而，对于N=12点的循环卷积，图f，来说，循环卷积的结果等于正好等于线性卷积的结果，等于c。此时，循环卷积的点数N>=L+P-1。

         上图说明，对于N个点的循环卷积，当N=L=P时，循环卷积的结果完全不同于线性卷积。当N>=L+P-1时，循环卷积的结果正好等于线性卷积，这时没有发生混叠。但是，对于长度不同的两个信号P<L而言，同样做N=L点的循环卷积，结果会有些不同。

图为两个长度不同的信号的线性卷积，P<L。

 图为L点循环卷积的结果，和原来一样，循环卷积的结果等于a(x3[n]),b(x3[n+L]),c(x3[n-L])，在区间n=0~L-1上的和，因L>P，此时c不再对循环卷积的结果有贡献。

---

 (全文完) 

作者 --- 松下J27

格言摘抄：

《读书要三到》

朱熹

        “凡读书......须要读得字字响亮，不可误一字，不可少一字，不可多一字，不可倒一字，不可牵强暗记，只是要多诵数遍，自然上口，久远不忘。古人云，“读书百遍，其义自见”。谓读得熟，则不待解说，自晓其义也。余尝谓，读书有三到，谓心到，眼到，口到。心不在此，则眼不看仔细，心眼既不专一，却只漫浪诵读，决不能记，记亦不能久也。三到之中，心到最急。心既到矣，眼口岂不到乎？”

参考文献(鸣谢)：

1，信号与系统 --- 奥本海姆

2，离散时间信号处理 ---奥本海姆

 (*配图与本文无关*) 

版权声明：所有的笔记，可能来自很多不同的网站和说明，在此没法一一列出，如有侵权，请告知，立即删除。欢迎大家转载，但是，如果有人引用或者COPY我的文章，必须在你的文章中注明你所使用的图片或者文字来自于我的文章，否则，侵权必究。 ----松下J27