数字信号处理(四)离散傅里叶变换

离散傅里叶变换（DFT）是在时域和频域都离散的，有限长序列的DFT仍然是有限长序列

离散傅里叶级数

离散傅里叶级数的定义

离散傅里叶级数：可计算周期序列的离散频率

实际中大多数信号具有有限持续时间。设x(n)是长度为N的有限长序列，以N为周期对x(n)进行延拓得周期序列$\tilde{x}(n)，\tilde{x}(n)$的离散傅里叶级数(DFS)为$\tilde{X}(k)$

DFS变换对：
$$\tilde{X}(k)=DFS[\tilde{x}(n)]=\sum _{n=0}^{N-1}\tilde{x}(n)e^{-j\frac{2\pi }{N}kn}$$

$$\tilde{x}(n)=IDFS[\tilde{X}(k)]=\frac{1}{N}\sum _{k=0}^{N-1}\tilde{X}(k)e^{j\frac{2\pi }{N}kn}$$

$\tilde{x}(n)和\tilde{X}(k)$都是以N为周期的序列

• x(n)是长度为N的有限长序列，$\tilde{x}(n)$是x(n)的周期延拓

  $\tilde{x}(n)={\sum }_{l=-\infty }^{\infty }x(n+lN)$

• x(n)是$\tilde{x}(n)$的主值序列

  $x(n)=\tilde{x}(n)R_N(n)$

• $x((n){)}_N$表示将x(n)以N为周期进行周期延拓

  $\tilde{x}(n)=x((n){)}_N$

离散傅里叶级数与Z变换的关系

DFS$\tilde{X}(k)$等价于在Z变换X(z)的单位圆上进行N次等间隔采样的结果

离散傅里叶级数与DTFT变换的关系

令$w_1=\frac{2\pi }{N},and{w}_k=\frac{2\pi }{N}k=k{w}_1$

那么$\tilde{X}(k)=X(e^{e^{j{w}_k}})=X(e^{jk{w}_1})$

DFS等价于对DTFT变换的结果以$w_1$为间隔进行采样

离散傅里叶级数的性质

1、线性

$DFS[a\tilde{x}(n)+b\tilde{y}(n)]=a\tilde{X}(k)+b\tilde{Y}(k)$

时域、频域线性组合的序列也都是以N为周期

2、序列的移位

令$W_N=e^{-j\frac{2\pi }{N}}$

$DFS[\tilde{x}(n+n_0)]=W_N^{-k{n}_0}\tilde{X}(k)$

3、圆周卷积定理

如果$\tilde{F}(k)=\tilde{X}(k)\tilde{Y}(k)$周期都是N
$$\tilde{f}(n)=IDFS[\tilde{F}(k)]=\sum _{m=0}^{N-1}\tilde{x}(m)\tilde{y}(n-m)$$
和有限长度的非周期序列的线性卷积不同，这里$\tilde{x}(m)和\tilde{y}(n-m)$都是变量m的周期函数，周期为N。卷积过程仅限于一个周期内，即m=0~N-1。

卷积结果$\tilde{f}(n)$仍然是周期为N的周期序列

圆周卷积满足交换律

$\tilde{f}(n)={\sum }_{m=0}^{N-1}\tilde{y}(m)\tilde{m}(n-m)$

离散傅里叶变换

离散傅里叶变换（DFT）的定义

由于x(n)是$\tilde{x}(n)$的主值序列，所以取$\tilde{X}(k)$的主值序列X(k)作为x(n)的频谱。这就产生了一种新的变换，称为有限长序列的离散傅里叶变换DFT

有限长序列x(n)的DFT：
$$X(k)=DFT[x(n)]=\sum _{n=0}^{N-1}x(n)e^{-j\frac{2\pi }{N}kn},k=0,1,...,N-1$$

$$x(n)=IDFT[X(k)]=\frac{1}{N}\sum _{k=0}^{N-1}X(k)e^{j\frac{2\pi }{N}kn},n=0,1,...,N-1$$

N称为离散傅里叶变换的变换区间长度

一个例子：

DFT的矩阵表示

DFT和Z变换及DTFT的关系

DFT和ZT的关系：$X(k)=X(z{)}_{|z=e^{j\frac{2\pi }{N}k}},0\le k\le N-1$

DFT和DTFT的关系：$X(k)=X(e^{jw}{)}_{|w=\frac{2\pi }{N}k},0\le k\le N-1$

• 序列的N点DFT是序列的Z变换在单位圆上的N点等间隔采样。
• 序列的N点DFT是序列的离散时间傅里叶变换（DTFT）在[0,$2\pi$)区间上的N点等间隔采样。
• 序列的DFT是对序列频谱函数的等间隔离散抽取，称为频率采样。
• DFT变换区间长度N的不同，表示在频域采样的采样间隔和采样点数不同，因而DFT的变换结果就不同。

频域采样定理

如果序列x(n)的长度为M，则只有当频域采样点数N≥M使，才有$X_N(n)=IDFT[X(k)]=x(n)$

即可由频域采样X(k)恢复序列x(n)，否则产生时域混叠现象

内插公式和内插函数

序列的Z变换和DTFT可以由序列的DFT确定
$$X(z)=\sum _{k=0}^{N-1}X(k){\varphi }_k(z),其中{\varphi }_k(z)=\frac{1}{N}\frac{1-z^{-N}}{1-e^{j\frac{2\pi }{N}k}{z}^{-1}}$$

$$X(e^{jw})=\sum _{k=0}^{N-1}X(k){\varphi }_k(w),其中{\varphi }_k(w)=\frac{1}{N}\frac{1-e^{-jwN}}{1-e^{-j(w-2\pi k/N)}}$$

证明推导：

设序列x(n)长度为M，在频域0~2$\pi$之间等间隔采样N点，N≥M，则有：

$X(z)={\sum }_{n=0}^{N-1}x(n)z^{-n}$

式中 $x(n)=IDFT[X(k)]=\frac{1}{N}{\sum }_{k=0}^{N-1}X(k)e^{j\frac{2\pi }{N}kn}$

代入X(z)的表达式中得
$$X(z)=\sum _{n=0}^{N-1}[\frac{1}{N}\sum _{k=0}^{N-1}X(k)e^{j\frac{2\pi }{N}kn}]z^{-n}=\frac{1}{N}\sum _{k=0}^{N-1}X(k)\sum _{n=0}^{N-1}{e}^{j\frac{2\pi }{N}kn}{z}^{-n}$$

$$=\frac{1}{N}\sum _{k=0}^{N-1}X(k)\frac{1-e^{j2\pi N}{z}^{-N}}{1-e^{j\frac{2\pi }{N}k}{z}^{-1}}$$

因为$e^{j2\pi N}=1$，因此
$$X(z)=\frac{1}{N}\sum _{k=0}^{N-1}X(k)\frac{1-z^{-N}}{1-e^{j\frac{2\pi }{N}k}{z}^{-1}}$$
令 ${\varphi }_k(z)=\frac{1}{N}\frac{1-z^{-N}}{1-e^{j\frac{2\pi }{N}k}{z}^{-1}}(1.1)$

则$X(z)={\sum }_{k=0}^{N-1}X(k){\varphi }_k(z)(1.2)$

式(1.2)称为用X(k)表示X(z)的内插公式，${\varphi }_k(z)$称为内插函数

当$z=e^{jw}$时，上式就成为x(n)的DTFT $X(e^{jw})$的内插函数和内插公式，即

${\varphi }_k(w)=\frac{1}{N}\frac{1-e^{-jwN}}{1-e^{-j(w-2\pi k/N)}}$

$X(e^{jw})={\sum }_{k=0}^{N-1}X(k){\varphi }_k(w)$

离散傅里叶变换的性质

1、DFT隐含的周期性
$$X(k)=DFT[x(n)]=\sum _{n=0}^{N-1}x(n)e^{-j\frac{2\pi }{N}kn},k=0,1,...,N-1$$

$$x(n)=IDFT[X(k)]=\frac{1}{N}\sum _{k=0}^{N-1}X(k)e^{j\frac{2\pi }{N}kn},n=0,1,...,N-1$$

DFT变换对中，x(n)与X(k)均为有限长序列，$W_N^{kn}(W_N=e^{-j\frac{2\pi }{N}})$具有周期性，
$$W_N^k=W_N^{k+mN},k,m,N均为正数$$
使得对任意整数m，总有$X(k+mN)={\sum }_{n=0}^{N-1}x(n)W_N^{(k+mN)n}={\sum }_{n=0}^{N-1}x(n)W_N^{kn}=X(k)$

所以X(k)具有隐含的周期性，且周期均为N。同理，$x(n+mN)=x(n)$

2、线性性质

如果$x_1(n)和x_2(n)$是两个有限长序列，长度分别为$N_1和N_2$：$y(n)=a{x}_1(n)+b{x}_2(n)$

式中a、b为常数，取$N=max[N_1,N_2]$，则y(n)的N点DFT为

$Y(k)=DFT[y(n)]=a{X}_1(k)+b{X}_2(k),0\le k\le N-1$

$其中X_1(k)和X_2(k)分别是x_1(n)和x_2(n)的N点DFT$

3、循环移位性质

**序列的循环移位：**设x(n)为有限长序列，长度为N，则x(n)的循环移位定义为$y(n)=x((n+m){)}_N{R}_N(N)$

①时域循环移位定理

设x(n)是长度为N的有限长序列，y(n)为x(n)的循环移位，即$y(n)=x((n+m){)}_N{R}_N(N)$

则$Y(k)=DFT[y(n)]=W_N^{-km}X(k)$

其中$X(k)=DFT[x(n)],0\le k\le N-1$

证明：
$$Y(k)=\sum _{n=m}^{N-1}x(n)e^{-j\frac{2\pi }{N}k(n-m)}+\sum _{n=0}^{m-1}x(n)e^{-j\frac{2\pi }{N}k(n+N-m)}$$

$$=\sum _{n=m}^{N-1}x(n)e^{-j\frac{2\pi }{N}k(n-m)}+\sum _{n=0}^{m-1}x(n)e^{-j\frac{2\pi }{N}k(n-m)}\ast e^{-j2\pi k}$$

因为$e^{-j2\pi k}=1$，所以
$$Y(k)=\sum _{n=0}^{N-1}x(n)e^{-j\frac{2\pi }{N}k(n-m)}=e^{j\frac{2\pi }{N}Km}X(k)=W_N^{-km}X(k)$$
②频域循环移位定理

如果$X(k)=DFT[x(n)],0\le k\le N-1,Y(k)=X((k+l){)}_N{R}_N(k)$

则$y(n)=IDFT[Y(k)]=W_N^{nl}x(n)$

③循环卷积定理

有限长序列$x_1(n)和x_2(n)$，长度分别为$N_1和N_2$，$N=max[N_1,N_2]$。$x_1(n)和x_2(n)$的N点DFT分别为：

$X_1(k)=DFT[x_1(n)],X_2(k)=DFT[x_2(n)]$

如果 $X(k)=X_1(k)\cdot X_2(k)$

则$x(n)=IDFT[X(k)]={\sum }_{m=0}^{N-1}{x}_1(m)x_2((n-m){)}_N{R}_N(n)$

或$x(n)=x_1(n)⨂x_2(n)$

循环卷积的计算： 对$x_2(m)$循环翻转，循环移位，与$x_1(m)$对应项相乘相加

循环卷积满足交换律：$x_1(n)⨂x_2(n)=x_2(n)⨂x_1(n)$