理性认识DTFT/DFT
一,DTFT/DFT引论
离散时间傅里叶变换----DTFT
离散傅里叶变换----DFT
这两个基本变换贯穿了数字信号处理--频域分析的始终,尤其后者DFT以及由算法变革衍生的快速傅里叶变换FFT应用甚为广泛。我在这里并没有把FFT作为第三种变换并列与以上二者是因为我觉得FFT不能作为一个独立的变换从DFT中分离出来。这是因为FFT根源于DFT的定义,充其量是在计算大量数据DFT的时候用了快速的算法而已。我觉得这样的说法可能更合适,DFT用于理论分析,FFT用于实际运算。
二,DTFT
DTFT在数字信号处理领域充当的是连续信号领域的傅里叶变换的角色。这意味着DTFT是用来求解离散信号的频谱的。它的定义式如下:
对于DTFT而言,有两点我觉得算是比较重要,务必把握的最基本的东西:
(1),DFTF计算出来的频谱X(w)是连续谱线;
(2),DTFT具有周期性,T=2pi;
对于第一点,有个感性的认识就可以感觉到。第二点其实证明也相当容易,很明显:X(w)=X(w+2pi)。
三,DFT
DFT的提出是根源于DTFT那样一个求和无穷限导致计算无法实施。为了使实际的(通常指有限长度的)数字信号频谱计算得以实施,便有了DFT,表达式如下:
惊奇的发现这个定义式正是用来分析有限长数字序列,而且我们发现连表达式本身的代表符号也变成了X(k),看到这个符号忍不住要猜想:难道DFT是一组离散的值吗?说得好,事实正是如此,为了便于理解性的记忆这个知识,我将DTFT和DFT两个表达式写在一起,并且假定都用来分析同一个有限长的数字序列。以便于得到一个非常重要的结论:
(!!!)式揭示了一个深刻而广泛的结论----DFT是由DTFT采样而来,采样点数取决于DFT的点数N。
(!!!)式表达的意义远不止这一个,还必须明白,既然DFT是由DTFT采样而得来,那么他必然也继承了DTFT的许多东西。掌握这个东西的意义在于理性区分杂志,文献中不同出身的人所画的DTF频谱图横坐标是不一样的,而这些相异的东西本质上又是统一的。这源自于搞数学和搞计算机以及搞通信的人的习惯不一样。
四,DFT频谱图的物理意义(N=150点)
图a
从图a中可以看出,DTFT是由DFT等间隔采样而来,采样点数取决于DFT的点数N=150。计算机爱好者因爱好编程的缘故,将DFT所得的结果存入了一个数组X(k)中。很显然,这种数据存入数组的方式即便将结果显示出来对我们学通信的人来讲仍是不够直观,因为我们很关心的是频域的分布特性。在后来的Matlab编程时我们仍会遇到同样的困惑,那就是我们企图输出FFT的结果时要对很坐标数组做一下处理,以便将横坐标显示成频率,下面具体来讲这个处理过程。
前已述及,DTF会继承DTFT诸多的性质,那么首当其冲就是周期性了。图a中,DTFT的横坐标被限定在【0,2pi】,因此,FFT的0-150个离散横坐标点相当于直接切断DTFT中的横坐标【0,2pi】,因此产生了频谱分辨率的概念,所以,针对与这样N=150点DFT来讲,数字频率频谱分辨率=2pi/150=0.042。意为这DFT图中横坐标一个小间隙对应数字频率大小为0.042,因为是数字频率,所以没有量纲。我们再来看模拟频率分辨率,由数字频率和模拟频率的关系,数字频率w=2*pi*F/FS,这说明DTFT所能表示的最高模拟频率就是采样频率FS,那么结果便显而易见了,模拟频率频谱分辨率的值=FS/150,我们假定采样频率FS=10kHz,那么频谱分辨率值就为:10000/150=66.67Hz,而这个就是我们非常关心的事情,因为这个让我们明白,图a中DFT的横坐标每一个小间隙对应了66.67Hz的频率。只要得到了这个结果,我们对横坐标稍作处理,便能得到我们通信工作者心仪的频谱图了。
实际上,数学家习惯用归一化的数值将DTF的横坐标限定在【0,1】之间,只要利用我上面介绍的频谱分辨率的分析过程,照旧可以无缝转化成我么需要的模拟频率表示。我把其他几种常见的DFT图附上来,不再赘述其含义。