数字信号处理(二)离散时间信号的傅里叶变换

什么是离散时间傅里叶变换

离散时间傅里叶变换（英语：Discrete-time Fourier Transform，简称：DTFT）是傅里叶变换的一种。它将以离散时间nT（其中，T为采样间隔）作为变量的函数（离散时间信号）变换到连续的频域，即产生这个离散时间信号的连续频谱，值得注意的是这一频谱是周期的。

序列的离散时间傅里叶变换

序列的离散时间傅里叶变换（DTFT）的定义为：
$$X(e^{j\omega })=\sum _{n=-\infty }^{\infty }x(n)e^{-j\omega n}$$
DTFT成立的充分必要条件是序列x(n)满足绝对可和：
$$\sum _{n=-\infty }^{\infty }|x(n)|<\infty$$
逆变换的公式，记为IDTFT：
$$x(n)=\frac{1}{2\pi }{\int }_{-\pi }^{\pi }X(e^{j\omega })e^{j\omega n}d\omega$$

序列的离散时间傅里叶变换的性质

1、DTFT的周期性

在如下定义式中，n取整数，
$$X(e^{j\omega })=\sum _{n=-\infty }^{\infty }x(n)e^{-j\omega n}$$
因此下式成立，其中M为整数
$$X(e^{j\omega })=\sum _{n=-\infty }^{\infty }x(n)e^{-j(\omega +2\pi M)n}$$
序列的离散时间傅里叶变换的周期是2$\pi$。因此一般只分析$-\pi $~ $\pi$之间的DTFT。

2、线性

设$X_1(e^{j\omega })=DTFT[x_1(n)]$

​ $X_2(e^{j\omega })=DTFT[x_{2}n)]$

那么

$DTFT[a{x}_1(n)+b{x}_2(n)]=a{X}_1(e^{j\omega })+b{X}_2(e^{j\omega })$

式中a,b为常数

3、时移与频移

设$X(e^{j\omega })=DTFT[x(n)]$，那么

• $DTFT[x(n-n_0)]=e^{-j\omega n_0}X(e^{j\omega })$
• $DTFT[e^{j{\omega }_{0}n}x(n)]=X(e^{j(\omega -{\omega }_0)})$

4、共轭序列

• $DTFT[x^{\ast }(n)]=X^{\ast }(e^{-j\omega })$
• $DTFT[x^{\ast }(-n)]=X^{\ast }(e^{j\omega })$

5、共轭对称序列与共轭反对称序列

①共轭对称序列

共轭对称序列$x_e(n)$满足$x_e(n)=x_e^{\ast }(-n)，(1)$

将$x_e(n)$用其实部与虚部表示$x_e(n)=x_{er}(n)+j{x}_{ei}(n)$

将上式两边n用-n代替，并取共轭，得到$x_e^{\ast }(-n)=x_{er}(-n)-j{x}_{ei}(-n)$

根据(1)式，上面两式左边相等，得到

$x_{er}(n)=x_{er}(-n),x_{ei}(n)=-x_{ei}(-n)$

因此共轭对称序列实部是偶函数，虚部是奇函数

②共轭反对称序列

共轭反对称序列$x_o(n)$满足$x_o(n)=-x_o^{\ast }(-n)$

将$x_o(n)$用其实部与虚部表示$x_o(n)=x_{or}(n)+j{x}_{oi}(n)$

同理可得

$x_{or}(n)=-x_{or}(-n),x_{oi}(n)=x_{oi}(-n)$

因此共轭反对称序列实部是奇函数，虚部是偶函数

③对于一般序列可用共轭对称序列与共轭反对称序列之和表示，即

$x(n)=x_e(n)+x_o(n)$

式中$x_e(n),x_o(n)$可以用原序列x(n)求出，将上式中的n用-n代替，再取共轭得到

$x^{\ast }(-n)=x_e(n)-x_o(n)$

利用以上两式，得到

$x_e(n)=\frac{1}{2}[x(n)+x^{\ast }(-n)]$，$x_o(n)=\frac{1}{2}[x(n)-x^{\ast }(-n)]$

对于频域函数$X(e^{j\omega })$满足：

$X_e(e^{j\omega })=\frac{1}{2}[X(e^{j\omega })+X^{\ast }(e^{-j\omega })]$，$X_o(e^{j\omega })=\frac{1}{2}[X(e^{j\omega })-X^{\ast }(e^{-j\omega })]$

6、DTFT的对称性


7、时域卷积定理

设 y(n)=x(n)*h(n)，则 $Y(e^{j\omega })=X(e^{j\omega })\cdot H(e^{j\omega })$

证明：

$y(n)={\sum }_{m=-\infty }^{\infty }x(m)h(n-m)$

$Y(e^{j\omega })=DTFT(y(n))={\sum }_{n=-\infty }^{\infty }[{\sum }_{m=-\infty }^{\infty }x(m)h(n-m)]e^{-j\omega n}$

令k=n-m，则

$Y(e^{j\omega })={\sum }_{k=-\infty }^{\infty }{\sum }_{m=-\infty }^{\infty }h(k)e^{-j\omega k}x(m)e^{-j\omega m}$

$={\sum }_{k=-\infty }^{\infty }h(k)e^{-j\omega k}{\sum }_{m=-\infty }^{\infty }x(m)e^{-j\omega m}$

$=H(e^{j\omega })X(e^{j\omega })$

8、频域卷积定理

假设 $X(e^{j\omega })=DTFT[x(n)]$

​ $H(e^{j\omega })=DTFT[h(n)]$

​ $y(n)=x(n)h(n)$

则 $Y(e^{j\omega })=\frac{1}{2\pi }X(e^{j\omega }{)}^{\ast }H(e^{j\omega })$

​ $=\frac{1}{2\pi }{\int }_{-\pi }^{\pi }H(e^{j\theta })X(e^{j(\omega -\theta )})d\theta$

该定理表明在时域两序列相乘，转换到频域服从卷积关系。该定义也称为调制定理

基本序列的离散时间傅里叶变换

• 单位脉冲序列的DTFT

  $DTFT[\delta (n)]={\sum }_{n=-\infty }^{\infty }\delta (n)e^{-j\omega n}=1$