离散傅立叶变换(DFT)

前置知识

傅里叶级数

离散傅立叶变换

傅立叶级数可以将一个周期为$2\pi$的函数展开成
$$\begin{array}{rl}& f(t)=\sum _{n=-\infty }^{+\infty }{c}_n{e}^{jnt}\\ & c_n=\frac{1}{2\pi }{\int }_{-\pi }^{\pi }f(t)e^{-jnt}\mathrm{d}t\end{array}$$
但是现在只有一个向量$\left[f_0,f_1,\cdots ,f_{N-1}\right]$
这个向量对$f(t)$的采样
假定$f(n)$是$f(x)$在一个周期内的等距离采样,
设$w=e^{\frac{2\pi j}{N}}$
那么每个采样点就可以写成$f_k=f\left(k\frac{2\pi }{N}\right)={\sum }_{n=-\infty }^{+\infty }{c}_n{e}^{kn\frac{2\pi j}{N}}={\sum }_{n=-\infty }^{+\infty }{c}_n{w}^{kn}$
先看$f\left(\frac{2\pi }{N}\right)$
$$\begin{array}{rl}& f\left(\frac{2\pi }{N}\right)\\ =& \cdots +c_0{w}^0+c_1{w}^1+\cdots +c_{N-1}{w}^{N-1}+c_N{w}^N+c_{N+1}{w}^{N+1}+\cdots \\ =& \left(c_0+c_N+c_{-N}+c_{2N}+\cdots \right)w^0+\\ & \left(c_1+c_{N+1}+c_{-N+1}+c_{2N+1}+\cdots \right)w^1+\\ & \dots \\ & \left(c_{N-1}+c_{2N-1}+c_{-1}+\cdots \right)w^{N-1}\end{array}$$
（利用了$w^N=1$)
可以看出，$w^k$前面的系数的下标模$N$等于$k$
换句话说，我们其实只要$w^0,w^1,\cdots ,w^{N-1}$就能表示$f\left(\frac{2\pi }{N}\right)$
再看$f\left(2\frac{2\pi }{N}\right)$
$$\begin{array}{rl}& f\left(2\frac{2\pi }{N}\right)\\ =& \cdots +c_0{w}^0+c_1{w}^2+\cdots +c_{N-1}{w}^{2(N-1)}+c_N{w}^{2N}+c_{N+1}{w}^{2(N+1)}+\cdots \\ =& \left(c_0+c_N+c_{-N}+c_{2N}+\cdots \right)w^0+\\ & \left(c_1+c_{N+1}+c_{-N+1}+c_{2N+1}+\cdots \right)w^2+\\ & \dots \\ & \left(c_{N-1}+c_{2N-1}+c_{-1}+\cdots \right)w^{2(N-1)}\end{array}$$
虽然$w$的次数比较高，但是利用$w^N=1$，会发现，
$w^{2n}(n=0,1,\cdots ,N-1)$一定对应$w^n(n=0,1,\cdots ,N-1)$中的一个
所以我们也可以用$w^0,w^1,\cdots ,w^{N-1}$表示$f\left(2\frac{2\pi }{N}\right)$
同理$f(k\frac{2\pi }{N})$ 也一样
所以我们就可以改写一下
$$\begin{array}{rl}& f(t)=\sum _{n=0}^{N-1}{c}_n{e}^{jnt}\\ & f_0=f\left(0\frac{2\pi }{N}\right)=\sum _{n=0}^{N-1}{c}_n{w}^{0n}\\ & f_1=f\left(1\frac{2\pi }{N}\right)=\sum _{n=0}^{N-1}{c}_n{w}^{1n}\\ & \dots \\ & f_{N-1}=f\left((N-1)\frac{2\pi }{N}\right)=\sum _{n=0}^{N-1}{c}_n{w}^{(N-1)n}\end{array}$$
这就是N元1次方程组了
接着我们就可以写成矩阵的形式
$$\left[\begin{array}{c}{f}_0\\ f_1\\ \dots \\ f_{N-1}\end{array}\right]=\left[\begin{array}{ccccc}1& 1& 1& \cdots & 1\\ 1& w& w^2& \cdots & w^{N-1}\\ & & \cdots & & \\ 1& w^{N-1}& w^{2(N-1)}& \cdots & w^{(N-1)(N-1)}\end{array}\right]\left[\begin{array}{c}{c}_0\\ c_1\\ \dots \\ c_{N-1}\end{array}\right]$$
$F_N=\left[\begin{array}{ccccc}1& 1& 1& \cdots & 1\\ 1& w& w^2& \cdots & w^{N-1}\\ & & \cdots & & \\ 1& w^{N-1}& w^{2(N-1)}& \cdots & w^{(N-1)(N-1)}\end{array}\right]$叫做傅立叶矩阵
于是我们可以求逆来计算系数
$$\left[\begin{array}{c}{c}_0\\ c_1\\ \dots \\ c_{N-1}\end{array}\right]=F_N^{-1}\left[\begin{array}{c}{f}_0\\ f_1\\ \dots \\ f_{N-1}\end{array}\right]$$
接下来讲一下如何求逆
首先$\overline{w}=e^{-\frac{2\pi j}{N}}=w^{-1}$
$F_N$的每个元素$F_{ij}=w^i{w}^j$
所以$F_N^T=F_N$
共轭转置
$$F_N^H=\left[\begin{array}{ccccc}1& 1& 1& \cdots & 1\\ 1& \overline{w}& {\overline{w}}^2& \cdots & {\overline{w}}^{N-1}\\ & & \cdots & & \\ 1& {\overline{w}}^{N-1}& {\overline{w}}^{2(N-1)}& \cdots & {\overline{w}}^{(N-1)(N-1)}\end{array}\right]$$
$$F_N{F}_N^H=f_{ij}$$
$$f_{ij}=\sum _{k=0}^{N-1}{w}^{ik}{\bar{w}}^{kj}=\sum _{k=0}^{N-1}{w}^{k(i-j)}$$
$$f_{ij}=\{\begin{array}{c}N,i=j\\ \frac{1-w^{N(i-j)}}{1-w^{i-j}},i\ne j\end{array}=\{\begin{array}{c}N,i=j\\ 0,i\ne j\end{array}$$
$$\begin{array}{rl}& F_N{F}_N^H=NE\\ & F_N^{-1}=\frac{1}{N}{F}_N^H\end{array}$$
$$\left[\begin{array}{c}{c}_0\\ c_1\\ \cdots \\ c_{N-1}\end{array}\right]=\frac{1}{N}{F}_N^H\left[\begin{array}{c}{f}_0\\ f_1\\ \dots \\ f_{N-1}\end{array}\right]$$
有时候会看到网上离散傅立叶变换是
$$\begin{array}{rl}& X[k]=\sum _{n=0}^{N-1}x[n]e^{-k\frac{2\pi ni}{N}}(k=0,1,\cdots ,N-1)\\ & x[n]=\frac{1}{N}\sum _{k=0}^{N-1}X[k]e^{n\frac{2\pi kj}{N}}\end{array}$$
其实本质上是一样的
$$X[k]=\sum _{n=0}^{N-1}x[n]w^{-kn}$$
于是对应关系如下
$$\left[\begin{array}{c}x\left[0\right]\\ x\left[1\right]\\ \cdots \\ x\left[N-1\right]\end{array}\right]=\left[\begin{array}{c}{f}_0\\ f_1\\ \cdots \\ f_{N-1}\end{array}\right]$$
$$\left[\begin{array}{c}X\left[0\right]\\ X\left[1\right]\\ \cdots \\ X\left[N-1\right]\end{array}\right]=N\left[\begin{array}{c}{c}_0\\ c_1\\ \cdots \\ c_{N-1}\end{array}\right]$$