离散非周期信号傅里叶变换 — Fourier Transform of Discrete-Time Aperiodic Signals

最新推荐文章于 2023-07-03 12:24:07 发布

_rho

最新推荐文章于 2023-07-03 12:24:07 发布

阅读量3.7k

点赞数 2

分类专栏：信号与系统文章标签：傅立叶傅立叶变换

信号与系统专栏收录该内容

4 篇文章 1 订阅

订阅专栏

离散非周期傅里叶变换的思想就是将非周期信号拼接成为周期的离散信号来处理。如下图所示：
在这里插入图片描述
离散非周期信号 $x [n]$ 拼接成周期信号 $\widetilde{x}[n]$ ， $n 2 - n 1 = N$ 。从而我们可以得到 $\widetilde{x}[n]$ 的傅立叶级数表示：
$\widetilde{x}[n] = \sum_{k=<N>}^{} X_{k}e^{ik\frac{2\pi}{N}n}$

其中， $X_{k} = \frac{1}{N} \sum_{n=<N>}^{}\widetilde{x}[n]e^{-ik\frac{2\pi}{N}n}$ 。由于 $n 2 - n 1 = N$ ，且 $\widetilde{x}[n]$ 在区间 $[n 1, n 2]$ ，而对于区间 $[n 1, n 2]$ 之外的值， $x [n] = 0$ 。所以得：
$X_{k} = \frac{1}{N} \sum_{n=n1}^{n2}x[n]e^{-ik\frac{2\pi}{N}n} = \frac{1}{N} \sum_{n=-\infty}^{\infty}x[n]e^{-ik\frac{2\pi}{N}n}$

令 $X(e^{iw}) = \sum_{n=-\infty}^{\infty}x[n]e^{-iwn}$ ，其中 $kw_{0} = k\frac{2\pi}{N}$ 。得：
$X_{k} = \frac{1}{N}X(e^{ikw_{0}})$

将上式代入 $\widetilde{x}[n]$ 的傅立叶级数，得：
$\begin{aligned} & \widetilde{x}[n] = \sum_{k=<N>}^{} \frac{1}{N}X(e^{ikw_{0}})e^{ik\frac{2\pi}{N}n} \\ & = \frac{1}{2\pi} \sum_{k=<N>}^{} X(e^{ikw_{0}})e^{ikw_{0}n}w_{0} \end{aligned}$

另因为 $k$ 为整数， $d k$ 表示 $k$ 值一次的变化量，所以 $d k = 1$ 。那么 $\sum_{k=<N>}^{} \dots dk$ 等价于 $\int_{k=<N>}^{} \dots dk$ 。因此，上式继续推导：
$\begin{aligned} & \widetilde{x}[n] = \frac{1}{2\pi} \sum_{k=<N>}^{} X(e^{ikw_{0}})e^{ikw_{0}n}w_{0} \\ & = \frac{1}{2\pi} \int_{k=<N>}^{} X(e^{ikw_{0}})e^{ikw_{0}n}w_{0}dk \\ & = \frac{1}{2\pi} \int_{2\pi}^{} X(e^{iw})e^{iwn}dw \end{aligned}$

当 $\rightarrow \infty$ 时， $\widetilde{x}[n] = x[n]$ 。至此，我们已经得到离散信号 $x [n]$ 的傅里叶变换 $X(e^{iw})$ ，且信号 $x [n]$ 为 $X(e^{iw})$ 得逆变换。如下：
$\begin{cases} & x[n] = \frac{1}{2\pi} \int_{2\pi}^{} X(e^{iw})e^{iwn}dw \\ & X(e^{iw}) = \sum_{n=-\infty}^{\infty}x[n]e^{-iwn} \end{cases}$

2维离散非周期傅里叶变换

$\begin{cases} & x[m,n] = \frac{1}{(2\pi)^2} \int_{2\pi}^{}\int_{2\pi}^{} X(e^{iw_{1}},e^{iw_{2}})e^{i(w_{1}m+w_{2}n)}dw_{1}dw_{2} \\ & X(e^{iw_{1}},e^{iw_{2}}) = \sum_{m=-\infty}^{\infty} \sum_{n=-\infty}^{\infty}x[m,n]e^{-i(w_{1}m+w_{2}n)} \end{cases}$