【笔记】3.离散傅里叶级数及其性质与其他变换的关系

Discrete Fourier Sequences

1. 离散傅里叶级数

可以计算周期序列的离散频率
设$x(n)$是长度为N的有限长序列，以N为周期对$x(n)$进行周期延拓得周期序列 $\tilde{x}(n)$ , $\tilde{x}(n)$的离散傅里叶级数为 $\tilde{X}(k)$

DFS 变换对

$$DFS:\tilde{X}(k)=DFS[\tilde{x}(n)]=\sum _{n=0}^{N-1}\tilde{x}(n)e^{-j\frac{2\pi }{N}kn}$$
$$IDFS:\tilde{x}(n)=IDFS[\tilde{X}(k)]=\frac{1}{N}\sum ^{N-1}\tilde{X}(k)e^{j\frac{2\pi }{N}kn}$$
$$W_N=e^{-j\frac{2\pi }{N}}$$
性质 ：共轭对称性：$W_N^n=(W_N^{-n}{)}^{\ast }$

表明将周期序列分解成N次谐波

• $k$ 次谐波为 $e^{j\frac{2\pi }{N}kn}$ 第 $k$ 个谐波频率为 $w_k=\frac{2\pi }{N}k,k=0,1,\mathrm{2...}N-1$, 幅度为$\frac{1}{N}\tilde{X}(n)$ $k==1$时候是基波分量

主值序列 $x(n)=\tilde{x}(k)R_N(N)$

$\tilde{x}(n)=x((n){)}_N$ 表示将 $x(n)$ 以N为周期进行周期延拓

---

2. 与z变换的关系

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

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

$$\tilde{X}(k)=X(z){|}_{z=e^{j\frac{2\pi }{N}k}}$$
周期序列$\tilde{X}(k)$可以看成是 的一个周期$\tilde{x}(n)$作 z变换，然后将$z$变换在$z$平面的单位圆上作等间隔$\frac{2\pi }{N}$抽样得到的结果

---

3.与DTFT的关系

DTFT
$$X(e^{jw})=\sum _{n=0}^{N-1}x(n)e^{jwn}$$
DFS
$$\tilde{X}(k)=\sum _{n=0}^{N-1}\tilde{x}(n)e^{-j\frac{2\pi }{N}nk}=\sum _{n=0}^{N-1}x(n)[e^{-j\frac{2\pi }{N}k}{]}^n$$
结论
$$\tilde{X}(k)=X(e^{jw}){|}_{w=\frac{2\pi }{N}k}$$
**DFS等价于对DTFT变换的结果以$w_1=\frac{2\pi }{N}$为间隔进行采样的结果
其中$w_1$为频率的采样间隔，也被称为频率分辨率

---

4.离散傅里叶级数的性质

1. 线性

   • $$DFS[a\cdot {\tilde{x}}_1(n)+b\cdot {\tilde{x}}_2(n)]=a\cdot {\tilde{X}}_1(k)+b\cdot {\tilde{X}}_2(k)$$

2. 序列的移位

   • $$DFS[\tilde{x}(n+m)]=W_N^{-km}\tilde{X}(k),IDFS[\tilde{X}(k+l)]=W_N^{ln}\tilde{x}(n)$$

3. 调制特性

   • $$DFS[W_N^{nl}\tilde{x}(n)]=\tilde{X}(k+l)$$

4. 共轭(反)对称分量

   • $${\tilde{x}}_e(n)=\frac{1}{2}[\tilde{x}(n)+{\tilde{x}}^{\ast }(-n)]=\frac{1}{2}[x((n){)}_N+x^{\ast }((N-n){)}_N]$$$$反：{\tilde{x}}_o(n)=\frac{1}{2}[\tilde{x}(n)+{\tilde{x}}^{\ast }(-n)]=\frac{1}{2}[x((n){)}_N-x^{\ast }((N-n){)}_N]$$$${\tilde{x}}_e(n)={\tilde{x}}_e^{\ast }(-n),{\tilde{x}}_o(n)=-{\tilde{x}}_o^{\ast }(-n),\tilde{x}(n)={\tilde{x}}_e(n)+{\tilde{x}}_o(n)$$

5. 周期卷积和

   • 如果 $\tilde{Y}(k)=\widetilde{X_1}(k)\cdot \widetilde{X_2}(k)$ 则有$$\tilde{y}(n)=IDFS[\tilde{Y}(k)]=\sum _{m=0}^{N-1}{\tilde{x}}_1(m){\tilde{x}}_2(n-m)=\sum _{m=0}^{N-1}{\tilde{x}}_2(m){\tilde{x}}_1(n-m)$$
   •