一、目的
鉴于傅里叶变换在信号处理频域空间处理的重要位置,而且内容繁多,这里总结记录各种傅里叶变换的形式、公式便于今后的使用。
二、
常用信号分为四种:
连续周期信号,连续非周期信号,离散周期信号,离散非周期信号
按能量和功率可分类:
周期信号为功率信号,能量无限;非周期信号为能量信号,功率为0
其中:周期信号存在傅里叶级数,非周期信号存在傅里叶变换
1、连续周期信号的傅里叶级数
其中,F0为信号的周期
信号的功率谱密度Sxx和平均功率Px如下:
示例:周期矩形脉冲串
2、连续非周期信号的傅里叶变换
信号的能量谱密度和总能量为
示例:单个矩形脉冲
3、连续时间信号傅里叶级数和傅里叶变换的关系
以示例的矩形脉冲信号为例
由上式可看出:非周期信号的傅里叶频谱是对应周期信号傅里叶级数的包络线,傅里级数是对应傅里叶变换的采样值。
4、离散周期信号的傅里叶级数
功率密度谱,平均功率和单个周期信号的能量为
示例:x(n)={1,1,0,0},周期N=4
5、离散非周期信号
能量密度谱和信号总能量为:
示例:
6、离散时间信号傅里叶级数和傅里叶变换的关系
以矩形脉冲串为例:
矩形脉冲的傅里叶变换在频率 w = 2*pi / N, k =0, 1, .., N-1上值只在在相应频率上周期矩形脉冲串的傅里叶系统 Ck的倍数, 而这个矩阵脉冲等同于周期矩形脉冲串的单个周期。
7、总结
8、对称性
9、带限信号的采样与重建
9、离散傅里叶变换DFT
DFT与DTFT(离散时间序列的傅里叶变换)的区别:DFT是一种对DTFT生成的连续频谱的采样,便于在计算机内处理的计算工具。
公式22为频谱系数,公式23为重建后的原信号。由公式可以,原信号共有M个样本值,同理,频谱系数也有M个。
同时卷积定理也修改为:
下面举一个例子进行说明:
已知f(t)如下图左,取样后如下面右,
先由公式22,23进行计算出傅里叶变换值
使用matlab做出幅值(|F(u)|)图像如下:
上面是对书本的总结,以下针对几个重要的内容加入自己的观点:
一、时域采样对频域的影响
如上图所示,时域采样会引起频域的周期延拓,同时幅值缩放T,横轴也进行了缩放。
二、DTFT和DFT的关系
DFT是对DTFT频谱在
对N点有限长序列x(n)的M点(
使用Julia代码验证如下:
using
三、线性卷积和圆周卷积
简单总结一下:滤波器的输出是输入信号与滤波器冲激响应的线性卷积,但是由于计算量太大,所以想要使用FFT计算输出信号的频谱(FFT是DFT的一种快速算法)。但是使用DFT求解的却是圆周卷积,因此,需要找到一种方法利用圆周卷积求解线性卷积。
四、用圆周卷积求解线性卷积
1、两个有限长序列的线性卷积
2、有限长序列和无限长序列的线性总卷积
可使用重叠相加法(对应matlab函数fftfilt)和重叠保留法计算。
五、周期信号的频谱
以余弦信号为例:单边频谱和双边频谱
六、用DFT做连续信号的频谱分析(继续在一的讨论)
1、非周期无限长时域信号
在截短部分会产生频谱的泄露,栅栏效应。无限长序列x(n)与加窗函数Rn(n)的时域乘积会引起频域的卷积。
2、周期时域信号(以余弦信号为例)
先上一个 Julia代码
#=
结果如下图所示:
理论看起来简单,但是真正用代码实现起来还是要花费一些功夫。理论余弦信号的频谱如下图所示:
周期信号和非周期信号分析有一些要点:
- https://blog.csdn.net/wordwarwordwar/article/details/62078726 这里说明了采样周期和采样点数的重要性
- fftshift函数详解 - limanjihe - 博客园 解释了横轴频率缩放的原理,其中fftfreq函数可实现同样的功能,但是使用起来却更加简单
建议看到这里的把代码自己输入实现一遍。