系列文章目录
【学习笔记】奥本海姆第二版《信号与系统》第一章:信号与系统
【学习笔记】奥本海姆第二版《信号与系统》第二章:线性时不变系统
【学习笔记】奥本海姆第二版《信号与系统》第三章:周期信号的傅里叶级数表示
【学习笔记】奥本海姆第二版《信号与系统》第四章:连续时间傅里叶变换
文章目录
一、非周期信号的表示:离散时间傅里叶变换
1.1 离散时间傅里叶变换的导出
和连续时间非周期信号一样,考虑某一序列 x [ n ] x[n] x[n],它具有有限持续期;也就是说对于某个整数 N 1 N_1 N1和 N 2 N_2 N2,在 − N 1 ≤ n ≤ N 2 -N_1≤n≤N_2 −N1≤n≤N2范围以外, x [ n ] = 0 x[n]=0 x[n]=0。如下图所示:
由这个非周期信号可以构成一个周期序列 x ˜ [ n ] \~{x}[n] x˜[n],使得对 x ˜ [ n ] \~{x}[n] x˜[n]来说 x [ n ] x[n] x[n]是它的一个周期,如下图所示:
随着所选周期
N
N
N的增大;
x
˜
[
n
]
\~{x}[n]
x˜[n]就在一个更长的时间间隔内与
x
[
n
]
x[n]
x[n]一样,而当
N
→
∞
N→∞
N→∞时,对任意有限
n
n
n值来说有
x
˜
[
n
]
=
x
[
n
]
\~{x}[n]=x[n]
x˜[n]=x[n]。根据第三章的离散傅里叶级数公式:
x
˜
[
n
]
=
∑
k
=
<
N
>
a
k
e
j
k
ω
0
n
=
∑
k
=
<
N
>
a
k
e
j
k
(
2
π
N
)
n
\~{x}[n]=\sum_{k=<N>}a_ke^{jkω_0n}=\sum_{k=<N>}a_ke^{jk(\frac{2π}{N})n}
x˜[n]=k=<N>∑akejkω0n=k=<N>∑akejk(N2π)n
a
k
=
1
N
∑
n
=
<
N
>
x
˜
[
n
]
e
−
j
k
ω
0
n
=
1
N
∑
n
=
<
N
>
x
˜
[
n
]
e
−
j
k
(
2
π
N
)
n
a_k=\frac{1}{N}\sum_{n=<N>}\~{x}[n]e^{-jkω_0n}=\frac{1}{N}\sum_{n=<N>}\~{x}[n]e^{-jk(\frac{2π}{N})n}
ak=N1n=<N>∑x˜[n]e−jkω0n=N1n=<N>∑x˜[n]e−jk(N2π)n
因为在包括
−
N
1
≤
n
≤
N
2
-N_1≤n≤N_2
−N1≤n≤N2区间的一个周期上
x
˜
[
n
]
=
x
[
n
]
\~{x}[n]=x[n]
x˜[n]=x[n],因此在上式中,求和区间就选在这个周期上可用
x
[
n
]
x[n]
x[n]来代替
x
˜
[
n
]
\~{x}[n]
x˜[n],而得到:
a
k
=
1
N
∑
n
=
−
N
1
N
2
x
[
n
]
e
−
j
k
(
2
π
N
)
n
=
1
N
∑
n
=
−
∞
+
∞
x
[
n
]
e
−
j
k
(
2
π
N
)
n
a_k=\frac{1}{N}\sum_{n=-N_1}^{N_2}x[n]e^{-jk(\frac{2π}N)n}=\frac{1}{N}\sum_{n=-∞}^{+∞}x[n]e^{-jk(\frac{2π}{N})n}
ak=N1n=−N1∑N2x[n]e−jk(N2π)n=N1n=−∞∑+∞x[n]e−jk(N2π)n
上式中已经考虑到在
−
N
1
≤
n
≤
N
2
-N_1≤n≤N_2
−N1≤n≤N2,区间以外,
x
[
n
]
=
0
x[n]=0
x[n]=0这一点。现在定义函数:
X
(
e
j
ω
)
=
∑
n
=
−
∞
+
∞
x
[
n
]
e
−
j
ω
n
X(e^{jω})=\sum_{n=-∞}^{+∞}x[n]e^{-jωn}
X(ejω)=n=−∞∑+∞x[n]e−jωn
可见系数
a
k
a_k
ak是正比于
X
(
e
j
ω
)
X(e^{jω})
X(ejω)的样本值,其中
ω
0
=
2
π
N
ω_0=\frac{2π}{N}
ω0=N2π表示频域中的样本间隔,即:
a
k
=
1
N
X
(
e
j
k
ω
0
)
a_k=\frac{1}{N}X(e^{jkω_0})
ak=N1X(ejkω0)
随着
N
N
N增加,
ω
0
ω_0
ω0减小,求和就过渡成了积分,又因为
X
(
j
ω
)
X(jω)
X(jω)是周期的
2
π
2π
2π的周期函数,因此就得:
x
[
n
]
=
1
2
π
∫
2
π
X
(
e
j
ω
)
e
j
ω
n
d
ω
x[n]=\frac{1}{2π}∫_{2π}X(e^{jω})e^{jωn}dω
x[n]=2π1∫2πX(ejω)ejωndω
X
(
e
j
ω
)
=
∑
n
=
−
∞
+
∞
x
[
n
]
e
−
j
ω
n
X(e^{jω})=\sum_{n=-∞}^{+∞}x[n]e^{-jωn}
X(ejω)=n=−∞∑+∞x[n]e−jωn
X ( e j ω ) X(e^{jω}) X(ejω)称为离散时间傅里叶变换,这一对式子就是离散时间傅里叶变换对。与连续时间情况一样,傅里叶变换 X ( e j ω ) X(e^{jω}) X(ejω)往往称为 x [ n ] x[n] x[n]的频谱。
1.2 几个常见的典型信号的离散傅里叶变换对
- 信号 x [ n ] = a n u [ n ] , ∣ a ∣ < 1 x[n] =a^nu[n],|a|<1 x[n]=anu[n],∣a∣<1,其傅里叶变换为: X ( e j ω ) = 1 1 − a e − j ω X(e^{jω})=\frac{1}{1-ae^{-jω}} X(ejω)=1−ae−jω1
- 信号 x [ n ] = a ∣ n ∣ , ∣ a ∣ < 1 x[n]=a^{|n|},|a|<1 x[n]=a∣n∣,∣a∣<1,其傅里叶变换为: X ( e j ω ) = 1 − a 2 1 − 2 a c o s ω + a 2 X(e^{jω})=\frac{1-a^2}{1-2acosω+a^2} X(ejω)=1−2acosω+a21−a2
- 信号 x [ n ] = { 0 , ∣ n ∣ > N 1 1 , ∣ n ∣ ≤ N 1 x[n]=\{\ _{0,|n|>N_1} ^{1,|n|≤N_1} x[n]={ 0,∣n∣>N11,∣n∣≤N1,其傅里叶变换为: X ( e j ω ) = s i n ( N 1 + 1 2 ) ω s i n ω 2 X(e^{jω})=\frac{sin(N_1+\frac{1}{2})ω}{sin\frac{ω}{2}} X(ejω)=sin2ωsin(N1+21)ω
- 信号 x [ n ] = δ [ n ] x[n]=δ[n] x[n]=δ[n],其傅里叶变换为: X ( e j ω ) = 1 X(e^{jω})=1 X(ejω)=1
- 信号 x [ n ] = 1 x[n]=1 x[n]=1,其傅里叶变换为: X ( e j ω ) = 2 π ∑ n = − ∞ + ∞ δ ( ω − 2 k π ) X(e^{jω})=2π\sum_{n=-∞}^{+∞}δ(ω-2kπ) X(ejω)=2πn=−∞∑+∞δ(ω−2kπ)
- 信号 x [ n ] = s i n ω n π n x[n]=\frac{sinωn}{πn} x[n]=πnsinωn,其傅里叶变换为:
-
信号
x
[
n
]
=
u
[
n
]
信号x[n]=u[n]
信号x[n]=u[n],其傅里叶变换为:
X ( e j ω ) = 1 1 − e − j ω + π ∑ k = − ∞ + ∞ δ ( ω − 2 k π ) X(e^{jω})=\frac{1}{1-e^{-jω}}+π\sum_{k=-∞}^{+∞}δ(ω-2kπ) X(ejω)=1−e−jω1+πk=−∞∑+∞δ(ω−2kπ)
1.3 关于离散时间傅里叶变换的收敛问题
以上讨论都是假设
x
[
n
]
x[n]
x[n]是任意的且有限长情况下得到的结论,但是离散傅里叶变换对极为广泛的一类无限长序列也是成立的。在信号为无限长的情况下,还必须考虑分析公式中无穷项求和的收敛问题。保证这个和式收敛而对
x
[
n
]
x[n]
x[n]所加的条件是与连续时间傅里叶变换的收敛条件直接相对应的。如果
x
[
n
]
x[n]
x[n]是绝对可和的,即:
∑
n
=
−
∞
+
∞
∣
x
[
n
]
∣
<
∞
\sum_{n=-∞}^{+∞}|x[n]|<∞
n=−∞∑+∞∣x[n]∣<∞
二、离散傅里叶变换性质
2.1 周期性质
离散傅里叶变换对
ω
ω
ω来说总是周期的,其周期为
2
π
2π
2π,即:
X
(
e
j
(
ω
+
2
π
)
)
=
X
(
e
j
ω
)
X(e^{j(ω+2π)})=X(e^{jω})
X(ej(ω+2π))=X(ejω)
2.2 线性性质
若:
x
1
[
n
]
⟷
Γ
X
1
(
e
j
ω
)
x_1[n]\stackrel{\Gamma}{\longleftrightarrow}X_1(e^{jω})
x1[n]⟷ΓX1(ejω)
且:
x
2
[
n
]
⟷
Γ
X
2
(
e
j
ω
)
x_2[n]\stackrel{\Gamma}{\longleftrightarrow}X_2(e^{jω})
x2[n]⟷ΓX2(ejω)
则:
a
x
1
[
n
]
+
b
x
2
[
n
]
⟷
Γ
a
X
1
(
e
j
ω
)
+
b
X
2
(
e
j
ω
)
ax_1[n]+bx_2[n]\stackrel{\Gamma}{\longleftrightarrow}aX_1(e^{jω})+bX_2(e^{jω})
ax1[n]+bx2[n]⟷ΓaX1(ejω)+bX2(ejω)
2.3 时移性质
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
x
[
n
−
n
0
]
⟷
Γ
e
−
j
ω
n
0
X
(
e
j
ω
)
x[n-n_0]\stackrel{\Gamma}{\longleftrightarrow}e^{-jωn_0}X(e^{jω})
x[n−n0]⟷Γe−jωn0X(ejω)
2.4 频移性质
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
e
j
ω
0
n
x
[
n
]
⟷
Γ
X
(
e
j
(
ω
−
ω
0
)
)
e^{jω_0n}x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{j(ω-ω_0)})
ejω0nx[n]⟷ΓX(ej(ω−ω0))
2.5 共轭对称性
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
x
∗
[
n
]
⟷
Γ
X
∗
(
e
j
ω
)
x^*[n]\stackrel{\Gamma}{\longleftrightarrow}X^*(e^{jω})
x∗[n]⟷ΓX∗(ejω)
实函数傅里叶变换实部为偶函数,虚部为奇函数;实函数幅频特性为偶函数,相频特性为奇函数。
2.6 差分性质
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
x
[
n
]
−
x
[
n
−
1
]
⟷
Γ
(
1
−
e
−
j
ω
)
X
(
e
j
ω
)
x[n]-x[n-1]\stackrel{\Gamma}{\longleftrightarrow}(1-e^{-jω})X(e^{jω})
x[n]−x[n−1]⟷Γ(1−e−jω)X(ejω)
2.7 频域微分
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
n
x
[
n
]
⟷
Γ
j
d
X
(
e
j
ω
)
d
ω
nx[n]\stackrel{\Gamma}{\longleftrightarrow}j\frac{dX(e^{jω})}{dω}
nx[n]⟷ΓjdωdX(ejω)
2.8 时间反转
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
x
[
−
n
]
⟷
Γ
X
(
e
−
j
ω
)
x[-n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{-jω})
x[−n]⟷ΓX(e−jω)
2.9 时域扩展
定义
x
(
k
)
[
n
]
x_{(k)}[n]
x(k)[n]为
x
[
n
]
x[n]
x[n]中每一个数插入k-1个0构成的序列,若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
x
(
k
)
[
n
]
⟷
Γ
X
(
e
j
ω
k
)
x_{(k)}[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jωk})
x(k)[n]⟷ΓX(ejωk)
2.10 时域卷积
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
h
[
n
]
⟷
Γ
H
(
e
j
ω
)
h[n]\stackrel{\Gamma}{\longleftrightarrow}H(e^{jω})
h[n]⟷ΓH(ejω)
则:
x
[
n
]
∗
h
[
n
]
⟷
Γ
X
(
e
j
ω
)
H
(
e
j
ω
)
x[n]*h[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})H(e^{jω})
x[n]∗h[n]⟷ΓX(ejω)H(ejω)
时域卷积等于频域相乘。
2.11 调制性质
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
y
[
n
]
⟷
Γ
Y
(
e
j
ω
)
y[n]\stackrel{\Gamma}{\longleftrightarrow}Y(e^{jω})
y[n]⟷ΓY(ejω)
则:
x
[
n
]
y
[
n
]
⟷
Γ
1
2
π
∫
2
π
X
(
e
j
θ
)
Y
(
e
j
(
ω
−
θ
)
)
d
θ
x[n]y[n]\stackrel{\Gamma}{\longleftrightarrow}\frac{1}{2π}∫_{2π}X(e^{jθ})Y(e^{j(ω-θ)})dθ
x[n]y[n]⟷Γ2π1∫2πX(ejθ)Y(ej(ω−θ))dθ
2.11 帕斯瓦尔定理
若:
x
[
n
]
⟷
Γ
X
(
e
j
ω
)
x[n]\stackrel{\Gamma}{\longleftrightarrow}X(e^{jω})
x[n]⟷ΓX(ejω)
则:
∑
k
=
−
∞
+
∞
∣
x
[
n
]
∣
2
=
1
2
π
∫
2
π
∣
X
(
e
j
ω
)
∣
2
d
ω
\sum_{k=-∞}^{+∞}|x[n]|^2=\frac{1}{2π}∫_{2π}|X(e^{jω})|^2dω
k=−∞∑+∞∣x[n]∣2=2π1∫2π∣X(ejω)∣2dω
时域信号能量
2
π
2π
2π倍等于频域信号能量。
三、傅里叶变换性质和基本傅里叶变换对列表
四、小结
这一章和第4章并行地研究了离散时间信号的傅里叶变换,并考察了它的许多重要性质。贯穿整章,我们已经看到连续时间和离散时间傅里叶分析之间有很多类似之处,同时也看到了某些重要的差别。例如,在离散时间情况下,傅里叶级数和傅里叶变换之间的关系非常类似于在连续时间情况下两者之间的关系。尤其是,由离散时间傅里叶级数表示导出非周期信号的离散时间傅里叶变换的过程与在连续时间情况下所对应的过程几乎完全一样。再者,连续时间傅里叶变换的很多性质都能在离散时间情况下找到相对应的性质。但另一方面,连续时间情况相比,一个非周期信号的离散时间傅里叶变换总是周期的,且周期为2π。