Tom, Dick, and Mary Discover the DFT 阅读记录

本文描述了三个善于思考的学生：Tom，Dick和Mary，从学到的傅里叶变换（FT）出发，基于"想采用计算机计算FT"这一想法，逐步推导出了离散傅里叶变换（DFT）的故事。

出于"懒"的想法，TDM三人（以下均如此称呼）想使用计算机进行傅里叶分析计算，考虑到傅里叶变换的表达式为：
$$X(f)={\int }_{-\infty }^{\infty }x(t)e^{-2\pi ft}dt\text{\hspace{1em}(1)}$$

但是$t$和$f$均为连续变量，TDM三人想在频域上获得离散谱，于是想到了傅里叶级数（FS），为了能应用FS，将$x(t)$采用周期重复的办法得到了一个和$x(t)$高度相关的新函数$y(t)$.

$$y(t)=\sum _{k=-\infty }^{\infty }x(t-k{T}_y)\text{\hspace{1em}(2)}$$

从而对于周期函数$y(t)$，能使用FS得到如下级数表达式：

$$y(t)=\sum _{m=-\infty }^{\infty }{\alpha }_m{e}^{j2\pi m{f}_{y}t},f_y=\frac{1}{T_y}\text{\hspace{1em}(3)}$$

其中：

$${\alpha }_m=\frac{1}{T_y}{\int }_{-T_y/2}^{T_y/2}y(t)e^{-j2\pi m{f}_{y}t}dt\text{\hspace{1em}(4)}$$

用$x(t)$代换有： $$\begin{array}{rl}{\alpha }_m& =\frac{1}{T_y}{\int }_{-T_y/2}^{T_y/2}x(t)e^{-j2\pi m{f}_{y}t}dt\\ & =\frac{1}{T_y}{\int }_{-T/2}^{T/2}x(t)e^{-j2\pi m{f}_{y}t}dt\\ & =\frac{1}{T_y}X(m{f}_y)\end{array}\text{\hspace{1em}(5)}$$

可以看到，当$T\le T_y$时，上述过程才成立。即$x(t)$需要是时域受限的，否则不同周期间会产生交叠干扰。

TDM三人想对（3）式中的$y(t)$进行FT，但是他们不确定（3）中的$y(t)$和（2）中的$y(t)$是否一致，于是TDM把FS变换后的$y(t)$信号记为$y^{\prime }(t)$.

$$y^{\prime }(t)=\sum _{m=-\infty }^{\infty }\frac{1}{T_y}X(m{f}_y)e^{j2\pi m{f}_{y}t}\text{\hspace{1em}(6)}$$

则有可以得到其傅里叶变换为：

$$\begin{array}{rl}{Y}^{\prime }(t)& ={\int }_{-\infty }^{\infty }{y}^{\prime }(t)e^{-2\pi ft}dt\\ & ={\int }_{-\infty }^{\infty }\sum _{m=-\infty }^{\infty }\frac{1}{T_y}X(m{f}_y)e^{j2\pi m{f}_{y}t}{e}^{-j2\pi ft}dt\\ & =X(f)\sum _{m=-\infty }^{\infty }\frac{1}{T_y}\delta (f-m{f}_y)\end{array}\text{\hspace{1em}(7)}$$

然后对$Y^{\prime }(t)$进行傅里叶逆变换可得:

$$\begin{array}{rl}{y}^{\prime }(t)& =x(t)\ast {\int }_{-\infty }^{\infty }\sum _{m=-\infty }^{\infty }\frac{1}{T_y}\delta (f-m{f}_y)e^{j2\pi ft}dt\\ & =x(t)\ast \sum _{m=-\infty }^{\infty }\delta (t-m{T}_y)=y(t)\end{array}\text{\hspace{1em}(8)}$$

这说明：把$x(t)$周期延拓后再进行FS,得到的频域离散采样，能够复原$x(t)$。只要$x(t)$的时域宽度小于延拓周期$T_y$.

这时，Tom敏锐地洞察到了这一重要信息，考虑到时域和频域的相互对应。Tom认为，如果我们能构建时域的周期延拓，得到离散频域采样，从而复原得到时域信息，那么反过来，构建频域的周期延拓，得到离散时域采样，也能复原得到频域信息。从而建立起了一种从离散抽样复原连续信号的对应关系。

说干就干，TDM三人开始尝试构建频域的周期延拓：

$$Y(f)=\sum _{n=-\infty }^{\infty }X(f-n{f}_s)\text{\hspace{1em}(9)}$$

其中$X(f)$为$x(t)$的傅里叶变换。同样，对于周期的$Y(t)$，采用和（3）式相似的方法，写出其傅里叶级数表示：

$$Y(f)=\sum _{n=-\infty }^{\infty }{\beta }_n{e}^{j2\pi nTsf},T_s=1/f_s\text{\hspace{1em}(10)}$$

其中：

$$\begin{array}{rl}{\beta }_n& =\frac{1}{f_s}{\int }_{-f_s/2}^{f_s/2}Y(f)e^{-j2\pi n{T}_{s}f}df\\ & =\frac{1}{f_s}{\int }_{-f/2}^{f/2}Y(f)e^{-j2\pi n{T}_{s}f}df\\ & =\frac{1}{f_s}x(-n{T}_s)\end{array}\text{\hspace{1em}(11)}$$

同理，当$f\le f_y$时，上述过程才成立。即$X(f)$需要是频域受限的（虽然，一个信号不可能同时是频域时域都受限的，但是正是TDM三人对此的忽略，他们才能继续深入研究）

则可以得到，$Y(f)$的"FS"为：

$$\begin{array}{rl}Y(f)& =\frac{1}{f_s}\sum _{n=-\infty }^{\infty }x(-nTs)e^{j2\pi n{T}_{s}f}\\ & =\frac{1}{f_s}\sum _{n=-\infty }^{\infty }x(nTs)e^{-j2\pi n{T}_{s}f}\end{array}\text{\hspace{1em}(12)}$$

自然的，采用相同的思想，通过对频域进行解析延拓，得到了时域的离散采样值，这份采样值能够表征频域的信息。假设$x(t)$的最高频带为$f_b$,则为了保证重建后的频带不混叠，则$f=2f_b\le f_y$.自然得到了"奈奎斯特采样定理"：$f_y\ge 2f_b$

其实（12）式已经极其接近离散时间序列的傅里叶变换（DTFT）了，只是相差一个系数，DTFT的形式如下

$$Y(f)=\sum _{n=-\infty }^{\infty }x(nTs)e^{-j2\pi n{T}_{s}f}\text{\hspace{1em}(13)}$$

也就是说，TDM三人从傅里叶变换（FT）和傅里叶级数（FS）出发，已经独立推理出了DTFT的形式。DTFT并不是什么独立的"新变换方式"，而是出于应用需要，基于FT和FS的一种自然而然的扩展。DTFT告诉我们，只需要在时域上记录有限个离散采样点，我们就能复原出其完整的连续频域，这在现实应用中意义重大。

目前为止，TDM三人已经能做到这些事：连续非周期时域到连续非周期频域的变换（FT）、连续周期时域到离散非周期时域的变换（FS）、离散非周期时域到连续周期频域的变换（DTFT）。

还是为了做作业这个初衷，他们想用刚推出来的DTFT来复原信号。但是在无穷时间内采样无穷个是不显示了，为此，他们只能采用有限个时域抽样点来复原信号的频域图谱，尽管这只会得到一个近似的频率谱。

但是很快，TDM三人碰到了困难：他们并不知道原信号$x_3(t)$的带宽是多大。既然不知道那就先摸索，于是他们按照$t=n{T}_s$，其中$n=0,1,...,N-1$，一共抽取了$N$个点，得到的不是$X(f)$而是其周期延拓版本$Y(f)$：

$$Y(f)=\frac{1}{f_s}\sum _{n=0}^N{x}_3(nTs)e^{-j2\pi n{T}_{s}f}\text{\hspace{1em}(14)}$$

这时，Mary想到了第一次分析时对$x(t)$做周期延拓的方法，于是她把它写了下来：

$$y(n{T}_s)=\sum _{k=-\infty }^{\infty }{x}_3(n{T}_s-kN{T}_s)\text{\hspace{1em}(15)}$$

然后他们画了画$y(n{T}_S)$的图像，发现从前$n$个点恰好是序列$x_3(n{T}_s),n=0,1,...,N-1$

但是他们现在还是没有$X_3(f)$的样本，只有一个由$X_3(f)$的周期延拓的样本$y(n{T}_s)$

此时Mary提出了一个关键性的视角：对于一个时域有限的信号，如果我们将其周期延拓，就能得到其离散的频域信号。同样，对于一个信号的频域$Y(f))$，我们如果认为它是频域有限的并对其周期延拓，同样能够得到其离散的时域信号。于是对于$Y(f))$，假设其频带受限，即最大频带为$f_s/2$

$$Y_3(f)=\{\begin{array}{rl}& Y(f),\frac{-f_s}{2}\le f\le \frac{f_s}{2}\\ & 0,otherwise\end{array}\text{\hspace{1em}(16)}$$

然后再对$y_3(f)$进行周期延拓，得到$w(t)$

$$w(t)=\sum _{i=-\infty }^{\infty }{y}_3(t-i{T}_w)\text{\hspace{1em}(17)}$$

为了抽样的一致，$T_w$应当为$T_s$的整数倍：

$$y{T}_w=M{T}_s,f_w=\frac{f_s}{M}\text{\hspace{1em}(18)}$$

从而可以得到$w(t)$的FS:

$$w(t)=\sum _{k=-\infty }^{\infty }{\gamma }_k{e}^{j2\pi k{f}_{w}t}\text{\hspace{1em}(19)}$$

其中：

$${\gamma }_k=\frac{1}{T_w}{\int }_{-T_w/2}^{T_w/2}w(t)e^{-j2\pi k{f}_{w}t}dt=\frac{1}{T_w}{Y}_3(k{f}_w)\text{\hspace{1em}(20)}$$

则有：

$$w(t)=\frac{1}{T_w}\sum _{k=-\infty }^{\infty }{Y}_3(k{f}_w)e^{j2\pi k{f}_{w}t}\text{\hspace{1em}(21)}$$

为了用$Y(f)$代替$Y_3(f)$,限制$\frac{-f_s}{2}\le k{f}_w\le \frac{f_s}{2}$则有：

$$w(t)=\frac{1}{T_w}\sum _{k}Y(k{f}_w)e^{j2\pi k{f}_{w}t}\text{\hspace{1em}(22)}$$

现在TDM三人可以用离散频域值计算时域的值了，他们很关注采样点$(t=n{T}_s,n=0,1,...,N-1)$上的值：

$$w(n{T}_s)=\frac{1}{T_w}\sum _{k}Y(k{f}_w)e^{j2\pi k{f}_{w}nTs}\text{\hspace{1em}(23)}$$

Dick觉得只是计算出了一些无意义的值，但是Mary指出去研究$y_3(t)$和原始时间样本$x_3(t)$的关系，他们发现这一步他们之前已经做过：

$$\begin{array}{rl}{y}_3(n{T}_s)& ={\int }_{-f_s/2}^{f_s/2}{Y}_3(f)e^{j2\pi fn{T}_s}df={\int }_{-f_s/2}^{f_s/2}Y(f)e^{j2\pi fn{T}_s}df\\ & ={\int }_{-f_s/2}^{f_s/2}(\frac{1}{f_s}\sum _{n=0}^N{x}_3(nTs)e^{-j2\pi n{T}_{s}f})e^{j2\pi fn{T}_s}df\\ & =x_3(n{T}_s).\end{array}\text{\hspace{1em}(24)}$$

则$w(n{T}_s)$可以写成：

$$w(n{T}_s)=\sum _{i=-\infty }^{\infty }{x}_3(n{T}_s-i{T}_w)\text{\hspace{1em}(25)}$$

考虑到$T_w=M{T}_s$:

$$w(n{T}_s)=\sum _{i=-\infty }^{\infty }{x}_3((n-iM)T_s)\text{\hspace{1em}(26)}$$

注意，$x_3(nTs)$只在$n=0,1,...,N-1$有非0值（因为$x_3(t)$是一个时域有限的信号）特别的，我们只要取$M\ge N$，就必然能够取到$w(0),w(T_s),...,w((N-1)T_s)$。如果取$M=N$，则:

$$w(n{T}_s)=\sum _{i=-\infty }^{\infty }{x}_3((n-iN)T_s)=x_3(n{T}_s)\text{\hspace{1em}(27)}$$

联系此前做的$w(t)$ FS变换，参考（22）式子，则有：

$$\begin{array}{rl}{x}_3(n{T}_s)& =\frac{1}{T_w}\sum _{k}Y(k{f}_w)e^{j2\pi k{f}_{w}n{T}_s}\\ & =\frac{1}{N{T}_s}\sum _{k}Y(k{f}_w)e^{j2\pi kn/N}\end{array}\text{\hspace{1em}(28)}$$

其中$\frac{-f_S}{2}\le \frac{k{f}_s}{N}\le \frac{f_s}{2}$，$n=0,1,...,N-1$

得到了一个方向的变换，反向的变换很容易得到，由（12）式有：

$$Y(\frac{k{f}_s}{N})=\frac{1}{f_s}\sum _{n=0}^{N-1}{x}_3(n{T}_s)e^{-j2\pi nk/N}\text{\hspace{1em}(29)}$$

限制条件一样，也是$\frac{-f_s}{2}\le \frac{k{f}_s}{N}\le \frac{f_s}{2}$，$n=0,1,...,N-1$

其实这已经是得到了初步的DFT了。再考虑到$Y_{DTFT}(f)=f_{s}Y(f)$,则：

$$Y_{DTFT}(\frac{k{f}_s}{N})=\sum _{n=0}^{N-1}{x}_3(n{T}_s)e^{-j2\pi nk/N}\text{\hspace{1em}(30)}$$

对应：

$$x_3(n{T}_s)=\frac{1}{N}\sum _k{Y}_{DTFT}(k{f}_w)e^{j2\pi kn/N}\text{\hspace{1em}(31)}$$

首先考虑$k$的取值，首先无论是$N$为奇数还是偶数，在$\frac{-f_s}{2}\le \frac{k{f}_s}{N}\le \frac{f_s}{2}$条件约束下，k总有N个连续取值

再考虑到$Y_{DTFT}(k{f}_w)=Y_{DTFT}(k{f}_s/N)$是$X_3(f)$的周期为$f_s$的周期延拓，即$Y_{DTFT}(k{f}_w)=Y_{DTFT}((k+N)f_w)$
，并且$e^{j2\pi kn/N}$也以N为周期。

既然k总有N个取值，并且取k和k+N时值总是相等，为何不取$k=0,1,...,N-1$？则有（31）可简化为：

$$x_3(n{T}_s)=\frac{1}{N}\sum _{k=0}^{N-1}{Y}_{DTFT}(k{f}_w)e^{j2\pi kn/N}\text{\hspace{1em}(32)}$$

至此，从（30）（32）已经得到了DFT： $$\begin{array}{rl}& X(k)=\sum _{n=0}^{N-1}x(n)e^{-j2\pi nk/N}\\ & x(n)=\frac{1}{N}\sum _{k=0}^{N-1}X(k)e^{j2\pi kn/N}\end{array}\text{\hspace{1em}(33)}$$

纵观TDM三人"发现DFT"的思想过程，可以发现DFT的出现是极其自然的，起源于"采用计算机计算傅里叶变换"这一初始目的，采用FT和FS这两个基本工具，一步一步推导出了DTFT，最后得到DFT。正如文中所言"DFT是什么新的理论吗？"，DFT是连续时域频域的FT在离散时域频域上的自然延申。并且可以看到，奈奎斯特采样定律其实是在推导DFT中为了保持有限的带宽不混叠，自然而然产生的约束条件。

推导过程中，最为重要的就是时域和频域的对应的思想。在推导DTFT时，Tom指出既然时域的周期延拓导出离散的频域，则同样的频域的周期延拓也能导出离散的时域；在推导DFT的过程中，Mary也指出了既然能够把时域看作周期的，则频域也能看作周期的。可以看出TDM三人对FT中时域频域转换有相当良好的基础。深度理解FT的本质，才能更好运用它。

作者J.R.Deller在文章开头说了这样一句话：“Education is the process of
telling smaller and smaller lies.”，即：教育是一个说越来越小谎言的过程。我们得到的DFT，其实只是一个"谎言"，我们虽然能使用它，但是我们却不知晓它为何是如此形式。TDM三人的探索，正是完善这个"谎言"的过程，从而对DFT有了更深刻全面的理解，DFT再也不是"天外来客"，而是"土生土长"于FT的。“说越来越小谎言"的意思，也就是"追求越来越接近真理”。

总结：

1，DFT是FT在离散域的自然延拓，采样定理是推导过程中自然产生的限制条件

2，学基础知识要扎实

3，学习过程中要有求知欲

文章原文pdf连接：Tom, Dick, and Mary Discover the DFT