微信公众号上线,搜索公众号小灰灰的FPGA,关注可获取相关源码,定期更新有关FPGA的项目以及开源项目源码,包括但不限于各类检测芯片驱动、低速接口驱动、高速接口驱动、数据信号处理、图像处理以及AXI总线等
本节目录
一、傅里叶变换的对称性
二、傅里叶变换的时移特性
三、傅里叶变换的卷积特性
1、频域卷积定理
2、离散序列的卷积
3、连续序列的卷积
本节内容
一、傅里叶变换的对称性
傅里叶变换的对称性:
若函数x(t)的傅里叶变换是y(f),则y(t)的傅里叶变换是x(-f)。
以直流信号的傅里叶变换和冲激信号的傅里叶变换来了解下,幅值为1的直流信号的傅里叶变换是单位冲激函数;单位冲激函数的傅里叶变换是常数1。
以矩形脉冲信号的傅里叶变换和sinc脉冲信号的傅里叶变换来了解下,矩形脉冲信号的傅里叶变换是sinc脉冲信号;sinc脉冲信号的傅里叶变换是矩形脉冲信号。
二、傅里叶变换的时移特性
信号x(t)在时域中延迟t0等价于在频域中乘以因子,这就是傅里叶变换的时移特性。也就是说,时域延迟等价于频域旋转。
若信号x(t-t0)由x(t)延迟t0时间得到,时移特性的公式如下:
将x(t)的频谱旋转,可得到x(t-t0)的频谱。将f>0部分顺时针旋转,将f<0部分逆时针旋转,且旋转的角度大小为|2πft0|,与频率f成正比。
矩形脉冲信号x(t)及其延迟信号x(t-t0),其中脉冲宽度τ=1,时间延迟t0=0.1。
矩形脉冲信号x(t)的傅里叶变换和频谱如下:
矩形脉冲延迟信号x(t-t0)的傅里叶变换和频谱如下:
正频率部分频谱发生顺时针旋转,负频率部分频谱发生逆时针旋转,频率越高旋转的角度越大。
三、傅里叶变换的卷积特性
1、频域卷积定理
时域相乘相当于频域卷积。
对于两个周期信号,时域相乘相当于频域卷积。
有2个周期信号f(t)和g(t):
f(t)=ej2ωt+5ejωt+6,其傅里叶系数为:[1,5,6]
g(t)=3ejωt+2,其傅里叶系数为:[3,2]
f(t)和g(t)的乘积为:y(t)=f(t)g(t)=3ej3ωt+17ej2ωt+28ejωt+12
y(t)信号的傅里叶系数不需要先在时域做相乘运算,再求傅里叶系数,可以直接用 f(t)和g(t)周期信号的傅里叶系数的卷积计算出来:
[3,17,28,12]=[1,5,6][3,2],其中表示卷积。
2、离散序列的卷积
任意两个序列x[n]和y[n]的卷积为:
具体过程:反褶、平移、相乘、求和。
x[n]和y[n]的图示如下:
反褶,对y[k]进行反褶得到y[-k],从而得到x[k]和y[-k]
平移0:n=0,y[-k]平移0得到y[0-k],与x[k]相乘(k=0~n),再求和得到z[0]=x[0]y[0],如下:
平移1:n=1,y[-k]向右平移1得到y[1-k],与x[k]相乘(k=0~n),再求和得到z[1]=x[0]y[1]+x[1]y[0],如下:
平移2:n=2,y[-k]向右平移2得到y[2-k],与x[k]相乘(k=0~n),再求和得到z[2]=x[0]y[2]+x[1]y[1]+x[2]y[0],如下:
从平移3到平移8,直到最后n=9结束。
平移9:n=9,y[-k]向右平移9得到y[9-k],与x[k]相乘(k=0~n),再求和得到z[9]=x[0]y[9]+x[1]y[8]+x[2]y[7]+…+x[8]y[1]+x[9]y[0],如下:
z[n]=x[n]*y[n],x[n]和y[n]卷积如下:
3、连续序列的卷积
将两个连续函数的卷积称为卷积积分,计算过程为反褶—平移—相乘—积分。
两个连续函数X(f)和Y(f),其表达式为:
其图形如下:
其卷积为:
反褶,将Y(τ)反褶,得到Y(-τ)
平移,将Y(-τ)平移f,得到Y(f-τ)。下图中,最上方为f=1平移后的图形Y(1-τ),中间为f=2平移后的图形Y(2-τ),最下方为f=3平移后的图形Y(3-τ)。
相乘,将X(τ)×Y(f-τ),下图左侧为平移后的图形,右侧X(τ)×Y(f-τ)的图形。
积分,其实也就是X(τ)×Y(f-τ)中两函数图形的交叉面积,