信号处理基础-- DTFT、DFT和STFT基本概念

DTFT、DFT和STFT基本概念

离散信号$x(n)$ 可以表示为连续模拟信号的采样，即

$$x(n)=x_a(t){|}_{t=n{T}_s}$$

其中 $x_a(t)$ 是模拟信号， $t$ 代表时间，$T_s$ 代表采样周期。

DISCRETE-TIME FOURIER TRANSFORM

序列 $x(n)$ 的DTDT 可以表示为
$$X(w)=\sum _{n=-\infty }^{+\infty }x(n)e^{-jwn}$$

$$x(n)=\frac{1}{2\pi }{\int }_{-\pi }^{\pi }X(w)e^{jwn}dw$$

其中逆变换仍为积分表达式。

DTFT特性

根据DTFT的定义，通过数学推导（积分变换）可以得到DTFT的特性

特性	时域	频域
线性	$a_1{x}_1(n)+a_2{x}_2(n)$	$a_1{X}_1(w)+a_2{X}_2(w)$
时移	$x(n-n_0)$	$e^{-jw{n}_0}X(w)$
频移	$e^{-j{w}_{0}n}x(n)$	$X(w-w_0)$
相乘	$x_1(n)x_2(n)$	$X_1(w)\ast X_2(w)$
卷积	$x_1(n)\ast x_2(n)$	$X_1(w)X_2(w)$

最重要的一条特性就是时域的卷积等于频域的DTFT相乘，证明如下。
卷积（线性）定义：

$x_1(n)\ast x_2(n)={\sum }_{m=-\infty }^{\infty }{x}_1(m)x_2(n-m)$

证明：
$$\begin{gathered} DFTF(x_1(n)\ast x_2(n))={\sum }_{n=-\infty }^{\infty }{x}_1(n)\ast x_2(n)e^{-jwn} \\ ={\sum }_{n=-\infty }^{\infty }{\sum }_{m=-\infty }^{\infty }{x}_1(m)x_2(n-m)e^{-jwn} \\ ={\sum }_{m=-\infty }^{\infty }{x}_1(m)e^{-jwm}{\sum }_{n=-\infty }^{\infty }{x}_2(n-m)e^{-jw(n-m)} \\ =X_1(w)X_2(w) \end{gathered}$$

DISCRETE FOURIER TRANSFORM（DFT）

因为DFT的时域和频域变换都是离散的表达式（无积分），故DFT少了中间的一个用来强调只有时间离散的T（time）。

DTFT的时域信号表达式是离散频率的连续函数（积分），不利于我们的应用计算，且实际使用时一般只用N个（有限）点的采样进行计算，因此我们可以使用N个点在频域进行采样，得到DFT表达式。

$$X(k)=\sum _{n=0}^{n=N-1}x(n)e^{-\frac{jwn}{N}k},0<=k<=N-1$$

$$x(n)=\frac{1}{N}\sum _{k=0}^{k=N-1}X(k)e^{-\frac{jwn}{N}k},0<=n<=N-1$$

其中 $e^{-\frac{jwn}{N}}$ 是序列中的基频， $e^{-\frac{jwn}{N}k}$ 是 $k$ 次谐波分量，全部谐波分量中只有 $N$ 个独立的分量,因为

$e^{-\frac{jwn}{N}(k+N)}=e^{-\frac{jwn}{N}k}$

FAST FOURIER TRANSFORM（FFT）

FFT和DFT计算结果是一样的，只是利用了DFT计算的重叠部分进行了优化，使得计算效率提高了 $\frac{N}{lo{g}_{2}N}$ 倍，当N越大时，效率提高的越多，以语音中常用的 $N=512$ 为例，提高了56.9倍。

DFT（FFT）特性

DFT特性大部分和DTFT相同，但卷积定理方面不一样，DFT的时域圆周卷积等于频域乘积，而不是卷积。但大部分应用中我们用到比较多的是卷积，而不是圆周卷积，但在一定条件下圆周卷积和卷积相等。

SHORT-TIME FOURIER TRANSFORM（STFT）

前面介绍的DFT和DTFT都适用于统计平稳的信号，不适用于像语音这样的非平稳信号，为此引入STFT，将语音信号分成几十毫秒（一般为32ms）一帧的信号，每一帧近似是平稳的信号，然后每一帧进行DFT变换。

$$X(n,w)=\sum _{n=-\infty }^{n=\infty }x(m)w(n-m)e^{-jwm}$$

其中$x(m)$ 是输入信号，$w(m)$ 是分析窗，分析窗具有重要的作用，特别是在STFT的分析合成中。

STFT变换具有两种解释，每一种解释代表了一种分析综合的方法，第一种解释是，固定帧数n，就代表着加窗信号的傅里叶变换，第二种解释是，固定频率w，这就是一个滤波操作。