周期 对应 离散
非周期 对应 连续
离散对应周期可以理解为:一个连续信号与理想冲激串信号进行时域相乘,即频域卷积,由于冲激串的频域也是冲激串,所以会造成一个周期性的现象。换而言之,离散的周期性是由采样信号带来的。
傅里叶级数
傅里叶级数的内涵其实是所有的周期信号都可以用三角信号合成。
1、2pi周期
将周期 的函数可以表示为jiantou
可以如下计算:
2、一般周期
当周期 时,通过如下代换构造,其周期为。
则函数可以表示为
3、复数形式
欧拉公式
⬇
⬇
周期频谱
1、单边频谱和双边频谱是描述同一个信号的不同方式,通过两种频谱都可以获得信号的全部信息。
2、频谱
幅度谱:幅值与频率的关系叫做幅度频谱
相位谱:相位与频率的关系叫做相位频谱
1、单边频谱
公式b可以化为仅有余弦函数的形式
定义角频率为
进一步将替换为,可以表示为
可以看出,任意周期的函数可以表示为一系列不同频率下,确定幅值、相位的余弦函数的代数和。这些余弦函数的角频率分别为: ,幅值 和相位 随角频率变化。
以角频率为横坐标,画出这些余弦函数的幅值和相位,这就是函数的频谱。其
由于此时频率不含负数,所以称为单边频谱。
2、双边频谱
基于欧拉公式,公式c可以表示为
系数 是一个复数,作出它的幅值和相位与频率之间的关系,同样能够得到函数的频谱。
由于此时的频率存在负数,因此称为双边频谱。
非周期频谱
非周期信号可以认为其周期为无穷大,即,则任意两谱线之间的间距趋向0,则频谱连续。
类比周期信号的傅里叶级数,非周期信号的傅里叶级数(并无这个概念)可以表示为
则傅里叶逆变换可以表示为
脉冲信号频谱
1、矩形信号
傅里叶变换:
频谱(包含幅度与相位):
非原点矩形信号
为矩形波偏离的位置。
2、理想脉冲信号
原点冲激
非原点冲激
3、脉冲串信号
脉冲串信号为周期信号,先将其转换为傅里叶级数形式,然后,对该形式进行傅里叶变换。
冲激串的频谱依然为冲激串
时域间隔即时域周期为:
频域间隔即频域周期为:
对于非脉冲串的离散信号而言,其时域间隔和频域间隔分别为
时域间隔:
频域间隔:
其中为频谱带宽,为离散信号的时域周期,为采样信号的周期,即两个时域采样点之间的间隔。
傅里叶变换
傅里叶变换需要满足狄利克雷条件。
1、绝对可积→周期信号没有傅里叶变换
2、
离散傅里叶变换
1、离散傅里叶变换(DFT)
离散傅里叶变换主要用于计算机实现对信息的处理,由于计算机只能处理有限长度的离散数据,而周期序列的离散傅里叶级数恰好满足这些特征:只需要对计算机输入在信号的一个周期 内采样得到的个数据点(采样周期为),周期离散信号可以表示为
不同于连续信号的傅里叶级数,这里频点间距由转为。由模拟域转换到数字域了,连续信号的频点间距即为其角频率,而数字域的频点间距需要进行一个相应的换算,即
离散傅里叶变换可以定义为
逆变换为
由公式可以得出一个周期内的采样点数越多,频谱分辨率越小,即参与DFT的点数越多,频谱分辨率越精确。
2、快速傅里叶变换
快速傅里叶变换(FFT)利用了虚指数项的对称性等特点,对离散傅里叶变换(DFT)的计算实现了简化,从而提高计算机的求解速度,其计算结果与离散傅里叶变换(DFT)是完全一致的。本节介绍一种快速傅里叶变换的算法,它适用于序列的周期为2的整数次幂()的情况。
首先将离散傅里叶变换中的奇数项和偶数项分离
上式中,将原周期序列 中的奇数项和偶数项分别看作以 N/2 为周期的两个新序列,那么当 n的取值范围为 0∼N/2−1 时,上式中的两个求和项显然满足离散傅里叶变换的定义式,即:
此时,就将 N 个数据点的离散傅里叶变换(N点 DFT),转化为了两个 N/2 个数据点的离散傅里叶变换,但考虑到 n 的取值范围,显然只计算出了“ N点 DFT ”的前半部分,还需要找到后半部分的值。根据虚指数的对称性:
“ N点 DFT”后半部分的值为:
因此,“ N点 DFT ”的计算结果可以用奇偶分离后两个“ N/2 点 DFT ”的计算结果来表示,以 N=8 为例,画出示意图:
对于“ N/2 点 DFT ”还可以对该序列继续进行奇偶分离,将其简化为“ N/4 点 DFT”:
继续进行奇偶分离,直至分解为“ 1 点 DFT”:
根据定义,原“ N 点 DFT ”的计算量为: 次复数乘法运算和 N(N−1) 次加法运算:
而参考前述示意图,当 时,奇偶分离后的快速傅里叶变换( N 点 FFT )包含 级,每级进行 N/2 次复数乘法和 N次加法运算,显然计算得到了简化。