离散傅立叶变换推导(DF、IDFT)

mazonex离散傅立叶变换视频笔记
需要先了解傅里叶变换推导(FT、IFT)
本文仅作为笔记，推导思想和图片来自视频

周期为$2\pi$的函数的复数形式展开(傅里叶级数)

在上一篇文章中part4中提到周期$T=2L$函数的复数形式展开为：
$$\begin{array}{rl}f(t)& =\sum _{n=-\infty }^{\infty }{C}_n{e}^{in\omega t}\end{array}\text{\hspace{1em}(1.1)}$$

其中，
$$\begin{array}{rl}& C_n=\frac{1}{T}{\int }_0^{T}f(t)e^{-in\omega t}dt\\ & \omega =\frac{\pi }{L}=\frac{2\pi }{T}\end{array}$$
周期为$2\pi$时$\omega =1$，并且令$k=n$：
$$\begin{array}{rl}f(t)& =\sum _{k=-\infty }^{\infty }{c}_k{e}^{ikt}\end{array}\text{\hspace{1em}(1.2)}$$

其中，
$$\begin{array}{rl}& c_k=\frac{1}{T}{\int }_0^{T}f(t)e^{-ikt}dt\end{array}$$

从连续函数到离散函数

假定 $f(n)$ 是 $f(x)$ 在一个周期内的等距离采样，采样N个点：
$$\left[f_0,f_1,\cdots ,f_{N-1}\right]$$

注意上面最后一个采样点不包括$2\pi$，因为$2\pi$属于下一个周期。

假如取$t=\frac{2\pi }{N}$带入式$(1.2)$中：
$$\begin{array}{rl}{f}_1& =f\left(\frac{2\pi }{N}\right)=\sum _{k=-\infty }^{\infty }{c}_k{e}^{k\frac{2\pi i}{N}}\\ & =\cdots +c_{-2}{e}^{-2\frac{2\pi i}{N}}+c_{-1}{e}^{-1\frac{2\pi i}{N}}+c_0{e}^{0\frac{2\pi i}{N}}+c_1{e}^{1\frac{2\pi i}{N}}+c_2{e}^{2\frac{2\pi i}{N}}+\cdots \\ & +c_{N-1}{e}^{(N-1)\frac{2\pi i}{N}}+c_N{e}^{N\frac{2\pi i}{N}}+c_{N+1}{e}^{(N+1)\frac{2\pi i}{N}}+\cdots \end{array}\text{\hspace{1em}(1.3)}$$

---

什么是 $e^{k\frac{2\pi i}{N}}$？
令 $w=e^{\frac{2\pi i}{N}}$，则 $w^k=e^{k\frac{2\pi i}{N}}{w}^N=w^0=1$

观察上图发现:
$k=0,N,-N,2N,-2N...$时，$e^{k\frac{2\pi i}{N}}=e^{0\frac{2\pi i}{N}}=w^0=1$
$k=1,N+1,-N+1,2N+1,-2N+1...$时，$e^{k\frac{2\pi i}{N}}=e^{1\frac{2\pi i}{N}}=w^1$
…
$k=N-1,2N-1,-1,3N-1,-N-1...$时，$e^{k\frac{2\pi i}{N}}=e^{(N-1)\frac{2\pi i}{N}}=w^{N-1}$

所以式$(1.3)$为：
$$\begin{array}{rl}{f}_1& =f\left(\frac{2\pi }{N}\right)=\sum _{k=-\infty }^{\infty }{c}_k{e}^{k\frac{2\pi i}{N}}\\ & =\left(c_0+c_N+c_{-N}+c_{2N}+c_{-2N}+\cdots \right)w^0\\ & +\left(c_1+c_{N+1}+c_{2N+1}+c_{-N+1}+c_{-2N+1}\cdots \right)w^1\\ & +\left(c_2+c_{N+2}+c_{2N+2}+c_{-N+2}+c_{-2N+2}\cdots \right)w^2\\ & \cdots \\ & +\left(c_{N-1}+c_{2N-1}+c_{3N-1}+c_{-1}+c_{-N-1}\cdots \right)w^{N-1}\end{array}\text{\hspace{1em}(1.3)}$$

结论: $f\left(\frac{2\pi }{N}\right)$ 的函数值, 只需要 $N$ 个基就能得到，不需要无穷多个基, 只要得
到这 $N$ 个基的 $N$ 个系数就可以。

假如取$t=2\frac{2\pi }{N}$带入式$(1.2)$中：

可得：

$$\begin{array}{rl}{f}_2=& f\left(2\frac{2\pi }{N}\right)=\left(c_0+c_N+c_{-N}+c_{2N}+c_{-2N}+\cdots \right)w^0\\ & +\left(c_1+c_{N+1}+c_{2N+1}+c_{-N+1}+c_{-2N+1}\cdots \right)w^2\\ & +\left(c_2+c_{N+2}+c_{2N+2}+c_{-N+2}+c_{-2N+2}\cdots \right)w^4\\ & \cdots \\ & +\left(c_{N-1}+c_{2N-1}+c_{3N-1}+c_{-1}+c_{-N-1}\cdots \right)w^{2(N-1)}\end{array}\text{\hspace{1em}(1.4)}$$
同理可以求得$x=0\frac{2\pi }{N},x=2\frac{2\pi }{N},3\frac{2\pi }{N}...(N-1)\frac{2\pi }{N}$时$f(x)$的展开形式。

小结：
$w^k$ 对任何整数 $k$，都对应 $w^0,w^1,\cdots ,w^{N-1}$ 中的一个

所以上图中离散采样的8个点，都可以只用$w^0,w^1,\cdots ,w^{N-1}$ 这8个基来表示。
而$f_0,f_1,\cdots ,f_{N-1}$和$w^0,w^1,\cdots ,w^{N-1}$是已知，把括号中当做未知数，那么8个方程可以解得8个未知数。

此外假设傅里叶变换展开系数只包含$c_0,c_1,\cdots ,c_{N-1}$，那么就有结合式$(1.2)$：
$$\begin{array}{rl}& f(x)=c_0+c_1{e}^{ix}+c_2{e}^{i2x}+\cdots +c_{N-1}{e}^{i(N-1)x}\\ & f\left(0\frac{2\pi }{N}\right)=c_0+c_1+c_2+\cdots +c_{N-1}\\ & f\left(1\frac{2\pi }{N}\right)=c_0+c_{1}w+c_2{w}^2+\cdots +c_{N-1}{w}^{N-1}\\ & f\left(2\frac{2\pi }{N}\right)=c_0+c_1{w}^2+c_2{w}^4+\cdots +c_{N-1}{w}^{2(N-1)}\\ & f\left(3\frac{2\pi }{N}\right)=c_0+c_1{w}^3+c_2{w}^6+\cdots +c_{N-1}{w}^{3(N-1)}\\ & \cdots \\ & f\left((N-1)\frac{2\pi }{N}\right)=c_0+c_1{w}^{N-1}+c_2{w}^{2(N-1)}+\cdots +c_{N-1}{w}^{(N-1{)}^2}\end{array}\text{\hspace{1em}(1.5)}$$

注意此时 $w=e^{ix}$，与$x$取值有关。

于是有下面矩阵关系：
$$\left[\begin{array}{c}{f}_0\\ f_1\\ f_2\\ f_3\\ ⋮\\ f_{N-1}\end{array}\right]=\left[\begin{array}{cccccc}1& 1& 1& 1& \cdots & 1\\ 1& w& w^2& w^3& \cdots & w^{N-1}\\ 1& w^2& w^4& w^6& \cdots & w^{2(N-1)}\\ 1& w^3& w^6& w^9& \cdots & w^{3(N-1)}\\ ⋮& ⋮& ⋮& ⋮& ⋮& ⋮\\ 1& w^{N-1}& w^{2(N-1)}& w^{3(N-1)}& \cdots & w^{(N-1{)}^2}\end{array}\right]\left[\begin{array}{c}{c}_0\\ c_1\\ c_2\\ c_3\\ ⋮\\ c_{N-1}\end{array}\right]\text{\hspace{1em}(1.6)}$$

$$f=F_{N}c$$

---

$$F_N{F}_N^{\ast }=N\left[\begin{array}{ccc}1& 0& 0\\ 0& \ddots & 0\\ 0& 0& 1\end{array}\right]F_N^{-1}=\frac{1}{N}{F}_N^{\ast }$$

---

$$\frac{1}{N}\left[\begin{array}{cccccc}1& 1& 1& 1& \cdots & 1\\ 1& \bar{w}& {\bar{w}}^2& {\bar{w}}^3& \cdots & {\bar{w}}^{N-1}\\ 1& {\bar{w}}^2& {\bar{w}}^4& {\bar{w}}^6& \cdots & {\bar{w}}^{2(N-1)}\\ 1& w^3& w^6& w^9& \cdots & w^{3(N-1)}\\ ⋮& ⋮& ⋮& ⋮& ⋮& ⋮\\ 1& {\bar{w}}^{N-1}& {\bar{w}}^{2(N-1)}& {\bar{w}}^{3(N-1)}& \cdots & {\bar{w}}^{(N-1{)}^2}\end{array}\right]\left[\begin{array}{c}{f}_0\\ f_1\\ f_2\\ f_3\\ ⋮\\ f_{N-1}\end{array}\right]=\left[\begin{array}{c}{c}_0\\ c_1\\ c_2\\ c_3\\ ⋮\\ c_{N-1}\end{array}\right]\text{\hspace{1em}(1.7)}$$

$$F_N^{-1}f=c$$
其中，$F_N$就是傅里叶矩阵，$F_N^{-1}f=c$就是离散傅里叶变换(DFT)，$F_{N}c=f$就是离散傅里叶逆变换(IDFT)。

书上的DFT公式:
$$X[k]=\sum _{n=0}^{N-1}x[n]e^{-k\frac{2\pi ni}{N}}$$

和矩阵形式对比有以下对应关系：
$$\left[\begin{array}{c}x[0]\\ x[1]\\ x[2]\\ x[3]\\ ⋮\\ x[N-1]\end{array}\right]=\left[\begin{array}{c}{f}_0\\ f_1\\ f_2\\ f_3\\ ⋮\\ f_{N-1}\end{array}\right]$$

$$\left[\begin{array}{c}X[0]\\ X[1]\\ X[2]\\ X[3]\\ ⋮\\ X[N-1]\end{array}\right]=N\left[\begin{array}{c}{c}_0\\ c_1\\ c_2\\ c_3\\ ⋮\\ c_{N-1}\end{array}\right]$$

注意在式$(1.7)$中，$\bar{w}=e^{-k\frac{2\pi i}{N}}$

例1(复数函数)

对下列函数进行DFT：
$$f(x)=1+e^{ix}+e^{i2x}+e^{i3x}\text{\hspace{1em}(1.8)}$$
N=4时：
$$f(0)=4f\left(1\frac{2\pi }{4}\right)=f\left(2\frac{2\pi }{4}\right)=f\left(3\frac{2\pi }{4}\right)=0$$
于是：
$$w=e^{\frac{2\pi i}{4}}=i$$

$${\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& w& w^2& w^3\\ 1& w^2& w^4& w^6\\ 1& w^3& w^6& w^9\end{array}\right]}^{-1}\left[\begin{array}{l}4\\ 0\\ 0\\ 0\end{array}\right]=\left[\begin{array}{l}1\\ 1\\ 1\\ 1\end{array}\right]$$

因此：$c_0=1,c_1=1,c_2=1,c_3=1$
即：
$$f(x)=1+e^{ix}+e^{i2x}+e^{i3x}$$
注意：式$(1.5)$中$f(x)$在每个采样点展开形式不一样($w^0,w^1,\cdots ,w^{N-1}$)，但是系数是一样的。也就可以确定函数的展开式$f(x)=c_0+c_1{e}^{ix}+c_2{e}^{i2x}+\cdots +c_{N-1}{e}^{i(N-1)x}$系数。

---

N=3时：
$$f(0)=4f\left(\frac{2\pi }{3}\right)=1f\left(2\frac{2\pi }{3}\right)=1$$
于是：
$$w=e^{\frac{2\pi i}{3}}=-\frac{1}{2}+\frac{\sqrt{3}}{2}i$$

$${\left[\begin{array}{ccc}1& 1& 1\\ 1& w& w^2\\ 1& w^2& w^4\end{array}\right]}^{-1}\left[\begin{array}{l}4\\ 1\\ 1\end{array}\right]=\left[\begin{array}{l}2\\ 1\\ 1\end{array}\right]$$
因此：$c_0=2,c_1=1,c_2=1$
即：
$$f(x)=2+e^{ix}+e^{i2x}$$
而实际上$c_0+c_3=2,c_1=1,c_2=1$。假设傅里叶变换展开系数只包含$c_0,c_1,\cdots ,c_{N-1}$就只能解得合并的结果。

---

N=6时：
$$\begin{array}{rl}& f(0)=4f\left(1\frac{2\pi }{6}\right)=\sqrt{3}if\left(2\frac{2\pi }{6}\right)=1\\ & f\left(3\frac{2\pi }{6}\right)=0f\left(4\frac{2\pi }{6}\right)=1f\left(4\frac{2\pi }{6}\right)=-\sqrt{3}i\end{array}$$

于是：
$$w=e^{\frac{2\pi i}{6}}=\frac{1}{2}+\frac{\sqrt{3}}{2}i$$

$$W_6^{-1}\left[\begin{array}{c}4\\ \sqrt{3}i\\ 1\\ 0\\ 1\\ -\sqrt{3}i\end{array}\right]=\left[\begin{array}{l}1\\ 1\\ 1\\ 1\\ 0\\ 0\end{array}\right]$$

因此，$c_0=1,c_1=1,c_2=1,c_3=1,c_4=0,c_5=0$
即：
$$f(x)=1+e^{ix}+e^{i2x}+e^{i3x}+0e^{i4x}+0e^{i5x}$$

例2(实值函数)

对下列函数进行DFT：
$$f(x)=1+\cos (x)+\cos (2x)\text{\hspace{1em}(1.9)}$$

欧拉公式可知：
$$\begin{array}{rl}& \cos \theta =\frac{1}{2}\left(e^{i\theta }+e^{-i\theta }\right)\\ & \sin \theta =-\frac{1}{2}i\left(e^{i\theta }-e^{-i\theta }\right)\end{array}$$
所以式$(1.9)$可转为：
$$f(x)=\frac{1}{2}{e}^{-i2x}+\frac{1}{2}{e}^{-ix}+1+\frac{1}{2}{e}^{ix}+\frac{1}{2}{e}^{i2x}$$
后面的DFT和例1一样。

例3

例1和例2都是已知函数，对其采样，进行DFT。
例3未知函数，在给出采样点情况下求DFT。
现在，不假设傅里叶变换展开系数只包含$c_0,c_1,\cdots ,c_{N-1}$

已知周期($T=2\pi$函数的4个采样点值：
$$\left[\begin{array}{l}4\\ 0\\ 0\\ 0\end{array}\right]$$

则：
$$w=e^{\frac{2\pi i}{4}}=i$$

$$\begin{array}{r}f(x):\{\begin{array}{r}f\left(0\frac{2\pi }{4}\right)=4\\ f\left(1\frac{2\pi }{4}\right)=0\\ f\left(2\frac{2\pi }{4}\right)=0\\ f\left(3\frac{2\pi }{4}\right)=0\end{array}\end{array}$$

类似式$(1.3)$和$(1.4)$的求法：

$$f(x)=\sum _{k=-\infty }^{\infty }{c}_k{e}^{ikx}$$

$$\begin{array}{rl}f\left(0\frac{2\pi }{4}\right)& =\left(\cdots +c_{-4}+c_0+c_4+\cdots \right)w^0\\ & +\left(\cdots +c_{-3}+c_1+c_5+\cdots \right)w^0\\ & +\left(\cdots +c_{-2}+c_2+c_6+\cdots \right)w^0\\ & +\left(\cdots +c_{-1}+c_3+c_7+\cdots \right)w^0\end{array}$$

$$\begin{array}{rl}f\left(1\frac{2\pi }{4}\right)=& \left(\cdots +c_{-4}+c_0+c_4+\cdots \right)w^0\\ +& \left(\cdots +c_{-3}+c_1+c_5+\cdots \right)w^1\\ & +\left(\cdots +c_{-2}+c_2+c_6+\cdots \right)w^2\\ & +\left(\cdots +c_{-1}+c_3+c_7+\cdots \right)w^3\end{array}$$

$$\begin{array}{rl}f\left(2\frac{2\pi }{4}\right)& =\left(\cdots +c_{-4}+c_0+c_4+\cdots \right)w^0\\ & +\left(\cdots +c_{-3}+c_1+c_5+\cdots \right)w^2\\ & +\left(\cdots +c_{-2}+c_2+c_6+\cdots \right)w^4\\ & +\left(\cdots +c_{-1}+c_3+c_7+\cdots \right)w^6\end{array}$$

$$\begin{array}{rl}f\left(3\frac{2\pi }{4}\right)=& \left(\cdots +c_{-4}+c_0+c_4+\cdots \right)w^0\\ & +\left(\cdots +c_{-3}+c_1+c_5+\cdots \right)w^3\\ & +\left(\cdots +c_{-2}+c_2+c_6+\cdots \right)w^6\\ & +\left(\cdots +c_{-1}+c_3+c_7+\cdots \right)w^9\end{array}$$

类似式$(1.6)$，但是不假设傅里叶变换展开系数只包含$c_0,c_1,\cdots ,c_{N-1}$，于是有：
$$\left[\begin{array}{c}f\left(0\frac{2\pi }{4}\right)\\ f\left(1\frac{2\pi }{4}\right)\\ f\left(2\frac{2\pi }{4}\right)\\ f\left(3\frac{2\pi }{4}\right)\end{array}\right]=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& w& w^2& w^3\\ 1& w^2& w^4& w^6\\ 1& w^3& w^6& w^9\end{array}\right]\left[\begin{array}{l}\left(\cdots +c_{-4}+c_0+c_4+\cdots \right)\\ \left(\cdots +c_{-3}+c_1+c_5+\cdots \right)\\ \left(\cdots +c_{-2}+c_2+c_6+\cdots \right)\\ \left(\cdots +c_{-1}+c_3+c_7+\cdots \right)\end{array}\right]$$

可以发现$c$是按模4取得。
求解上式可得：
$$c=\left[\begin{array}{l}1\\ 1\\ 1\\ 1\end{array}\right]=\left[\begin{array}{l}\left(\cdots +c_{-4}+c_0+c_4+\cdots \right)\\ \left(\cdots +c_{-3}+c_1+c_5+\cdots \right)\\ \left(\cdots +c_{-2}+c_2+c_6+\cdots \right)\\ \left(\cdots +c_{-1}+c_3+c_7+\cdots \right)\end{array}\right]$$
于是下面求得的函数都满足$c$
$$\begin{array}{rl}& (1)：f(x)=1+e^{ix}+e^{i2x}+e^{i3x}\\ & (2)：f(x)=1+e^{ix}+e^{i2x}+e^{-ix}\\ & (3)：f(x)=\frac{1}{2}{e}^{-ix}+1+e^{ix}+e^{i2x}+\frac{1}{2}{e}^{i3x}\\ & (4)：f(x)=1+\frac{1}{3}{e}^{ix}+\frac{1}{3}{e}^{i5x}+\frac{1}{3}{e}^{i9x}+e^{i2x}+e^{i3x}\end{array}$$

比如(4)：
$$\begin{array}{rl}& c_0=1\\ & c_1=\frac{1}{3},c_5=\frac{1}{3},c_9=\frac{1}{3}\\ & c_2=1\\ & c_3=1\end{array}$$

---

既然存在无限多函数组合，所以我们假设傅里叶变换展开系数只包含$c_0,c_1,\cdots ,c_{N-1}$，于是有：
$$c=\left[\begin{array}{l}1\\ 1\\ 1\\ 1\end{array}\right]=\left[\begin{array}{l}{c}_0\\ c_1\\ c_2\\ c_3\end{array}\right]$$

$$f(x)=1+e^{ix}+e^{i2x}+e^{i3x}$$

所以当原函数存在高频，就比如(4)存在$e^{i5x},e^{i9x}$这种函数就无法得出，因为我在上面假设情况下总是做低频处理。所以DFT的缺点就是丢失了高频信号，但是当采样点足够多，比如原函数最高频率对应就为$e^{i9x}$，而采样点数目刚好为9个，就可以完整恢复原函数。