[MATLAB] 傅里叶变换专题（四）：离散时间傅里叶变换

前言

专题的上一篇文章[MATLAB] 傅里叶变换专题（三）：傅里叶变换，我们已经讨论了傅里叶变换(FT)。但是问题仍然没有解决，即时域和频域如何同时离散化，因此这一小节，我们将探讨离散时间傅里叶变换（DTFT），实现时域的离散化。

采样定理

首先，我们需要了解采样定理。令$x_c(t)$是限带连续时间信号，其频谱最高频率为${\Omega }_h$，即$\left|\Omega \right|>{\Omega }_h$，$X_c(j\Omega )=0$。此时，要想采样以后用样本能够不失真地重构原始信号，那么，采样频率${\Omega }_s$必须满足${\Omega }_s>2{\Omega }_h$。若不满足，则会出现混叠。

时域采样对应频域延拓，令$x_s(t)$和$X_s(j\Omega )$分别为采样信号与采样频谱，则可以得到如下关系：
$$X_s\left(j\Omega \right)=\frac{1}{T_s}\sum _{k=-\infty }^{\infty }{X}_c\left[j\left(\Omega -\frac{2\pi }{T_s}k\right)\right]$$
其中，$T_s=\frac{2\pi }{{\Omega }_s}$表示采样周期。

这里我们不再对采样定理进行展开，感兴趣的铁子们可以自行查阅相关资料。

T$\to$DTFT的公式推导

设$x(t)$为非周期连续时间信号，则其FT变换对为：
$$X\left(j\Omega \right)=\underset{-\infty }{\overset{\infty }{\int }}x\left(t\right)e^{-j\Omega t}dt$$

$$x\left(t\right)=\frac{1}{2\pi }\underset{-\infty }{\overset{\infty }{\int }}X\left(j\Omega \right)e^{j\Omega t}d\Omega$$

• 首先，我们对连续时间信号进行采样，$t=nT$，采样时间间隔为$T$，采样频率为${\Omega }_s=\frac{2\pi }{T}$。则FT正变换可以写作：
  $$X\left(e^{j\Omega T}\right)=\sum _{n=-\infty }^{\infty }x\left(nT\right)e^{-jn\Omega T}$$
  值得注意的是，此时$X\left(e^{j\Omega T}\right)$是采样信号的频谱，经过了频域延拓。
  接着，从$X\left(e^{j\Omega T}\right)$恢复出$x(nT)$的主要思路如下：（1）由于$X\left(e^{j\Omega T}\right)$是周期信号，因此截取一个周期，补偿振幅变化，再使用IFT即可得到$x(t)$；
  $$x\left(t\right)=\frac{1}{{\Omega }_s}\underset{-\frac{{\Omega }_s}{2}}{\overset{\frac{{\Omega }_s}{2}}{\int }}X\left(e^{j\Omega T}\right)e^{j\Omega t}d\Omega$$
  仔细观察可以发现，积分限的改变代表滤波，截取一个周期；系数的改变代表振幅补偿（采样定理），整个式子依旧是IFT

（2）对$x(t)$进行采样，令$t=nT$，即可恢复出$x(nT)$。
$$x\left(nT\right)=\frac{1}{{\Omega }_s}\underset{-\frac{{\Omega }_s}{2}}{\overset{\frac{{\Omega }_s}{2}}{\int }}X\left(e^{j\Omega T}\right)e^{jn\Omega T}d\Omega$$

• 最后，进行变量替换，令$w=\Omega T$，同时自变量用$n$表示，则可以得到DTFT变换对：
  $$X\left(e^{jw}\right)=\sum _{n=-\infty }^{\infty }x\left(n\right)e^{-jnw}$$

  $$x\left(n\right)=\frac{1}{2\pi }\underset{-\pi }{\overset{\pi }{\int }}X\left(e^{jw}\right)e^{jwn}dw$$

  这里的**$w$是数字角频率，单位为rad。**

以上的公式推导，仍然很难给铁子们建立一个直观印象，下面我们将使用MATLAB进行仿真验证。

仿真验证

• step1 假设满足采样定理，已经对采样信号频域进行滤波（保留一个周期）。

syms Omega t;
Xs = rectangularPulse(Omega); % 假设频域已经滤波，但是没有经过振幅补偿
sample_Omega = 10*pi; % 采样角频率
sample_T = 2*pi/sample_Omega; % 采样周期
n = -30:30; % 采样点数

• step2 对于Xs，首先，采用DTFT变换得到时域采样点；接着，采用公式推导中的思路，补充振幅并进行IFT变换，得到未采样的连续时间信号。

xs = zeros(1,length(n));
for idx=1:length(n)
    xs(idx) =(1/sample_Omega)*int(Xs*exp(1i*n(idx)*Omega*sample_T),Omega,[-sample_Omega/2,sample_Omega/2]);
end % 原始定义得到时域采样点
Xc = sample_T*Xs;
xc = ifourier(Xc,t); % 通过IFT直接得到未采样的时间信号

• step3 绘制图像。可以明显看出，原始定义得到的离散点实际上就是对连续时间信号进行采样，理论得到验证。

仿真总结

1. 通过DTFT，我们可以实现时域离散，但是频域依旧连续。但是，我们最终目标仍然是时域和频域均离散，因此DFT将在之后进行研究。

2. DTFT后，频域已经变成数字角频率$w$，单位rad。

3. DTFT在以后的研究中比较尴尬，用的不多（个人感觉）。

   创作不易，希望铁子们可以给出宝贵的建议，这将是我这个小菜猫不断前进的动力，谢谢！