dfs,dft,fft

DFS及其性质

• 定义: 令$x(n)$为一周期序列, 其周期为N
  $$x(n)=\frac{1}{N}\sum _{k=0}^{N-1}\tilde{X}(k)W_N^{-nk}$$
  $$\tilde{X}(k)=\sum _{n=0}^{N-1}\tilde{x}(n)W_N^{nk}$$
  $W_N=e^{-j\frac{2\pi }{N}}$

• 性质:
  

  • 线性:
  • 周期位移:
    $$\begin{gathered} {\tilde{x}}_1(n)=\tilde{x}(n+n_0) \\ {\tilde{X}}_1(k)=W_N^{-n_{0}k}\tilde{X}(k) \end{gathered}$$
    $$\begin{gathered} {\tilde{X}}_2(k)=\tilde{X}(k+l) \\ {\tilde{x}}_2(n)=W_N^{nl}\tilde{x}(n) \end{gathered}$$
  • 共轭对称性:
    

成$x_e(n)$为共轭偶对称周期性序列

如果$x(n)$为实序列, 则有:
$X(k)=X^{\ast }(-k)$

- 周期卷积:

• 与DTFT关系:
  $$\tilde{X}(k)=X(e^{j\omega }){|}_{\omega =\frac{2\pi }{N}k}$$
• 与Z变换关系:
  DTFT是Z平面单位圆上的Z变换,ω的离散化可以认为是把单位元N等分,每份$2\pi /N$, 其中, $\frac{2\pi }{N}$称为频域取样间隔

DFT及其性质

• 定义: 设$x(n),X(k)$是$\tilde{x}(x),\tilde{X}(k)$的主值序列
  
  上式表示的变换关系为DFT.
• 性质
  • 线性
  • 反转定理:
  • 循环位移
    $$x(n)\leftrightarrow X(k),x((n+m){)}_N\leftrightarrow W_N^{-km}X(k)$$
  • 对称性
  • 循环卷积:

频域中两个N点DFT相乘时, 在时域中映射为循环卷积

• 分辨率: N点DFT覆盖了0到fs(取样频率)的频率范围, 因此频率取样点以$f_s/N$为间隔, 该频率间隔称为DFT的频率分辨率.频率间隔越小, 分辨率越好.若取样频率不变, 取样点越大,DFT分辨率越好.
  
  

卷积运算

• 线性卷积, 周期卷积, 循环卷积的关系:
  循环卷积是周期卷积的主值序列
  当周期卷积周期$L\ge N+M-1$时不发生混叠, 线性卷积是周期卷积的一个周期, 周期卷积是线性卷积的周期延拓, 周期为L
• 设长度分别为N1,N2的两序列进行卷积(N1>N2)
  • 线性卷积长度为N1+N2-1
  • 循环卷积发生混叠, 前N2-1个点发生混叠, 卷积结果中最后N1-N2+1个点的结果与线性卷积结果相同

重叠保留法:

• 设一长序列与一短序列(长度为M)卷积, 将长序列分成N1段, 首段前补M-1个0, 后面每段前M-1个元素补充前驱序列的最后M-1个元素, 即第k段的最后M-1点保留下来作为第k+1段的前M-1点,各段长度变为N1+M-1
• 再将每一段与短序列循环卷积, 去掉每段卷积结果的前M-1混叠值
• 将各段保留的值拼接起来, 就得到了线性卷积结果.

重叠相加法:

• 将长序列分为N段, 每段与短序列进行线性卷积
• 将各段卷积结果重叠相加, 其中每段前M-1个与上一段后M-1个叠加, 就得到了线性卷积结果

各类变换的关系

• 频谱泄露:
  
  怎样减小泄露效应?
• 选择适当长度的窗函数, 使主瓣变窄, 提高分析精度
• 选择适当的窗函数

例题

快速离散傅里叶变换FFT

$W_N^{kn}$的性质

• 运算量减少:
  • 每次蝶形运算包含两次复数加法,一次复数乘法(第一次除外,只有两次加法)
  • N点FFT需进行$M={\log }_{2}N$此迭代运算
  • 每次迭代运算包括N/2个蝶形
    
    
• DIT-IFFT
  
• DIF-IFFT
  
  
  
  
• 求2N点DFT