数字信号处理基础知识【1】美妙的傅里叶

最新推荐文章于 2024-07-13 13:36:16 发布

FiveMay

最新推荐文章于 2024-07-13 13:36:16 发布

阅读量977

点赞数 19

文章标签：算法

本文链接：https://blog.csdn.net/weixin_45884541/article/details/139406669

版权

1.Matlab熟练函数

使用命令行将多个曲线绘制在同一张图，使用plot和hold on；

fftshift（）函数：
Y = fftshift(X)
Y = fftshift(X,dim)
作用：交换行向量的左右两半部分，在FFT中可以将零频分量移动到数组中心

原因：

一.实信号情况

因为实信号以fs为采样速率的信号在 fs/2处混叠，所以实信号fft的结果中前半部分对应[0, fs/2],后半部分对应[ -fs/2, 0]；

1）实信号fft的结果前半部分对应[0, fs/2]是正频率的结果,后半部分对应[ -fs/2, 0]是负频率的结果。大于fs/2的部分的频谱实际上是实信号的负频率加fs的结果。故要得到正确的结果，只需将视在频率减去fs即可得到频谱对应的真实负频率；

2）如果要让实信号fft的结果与[-fs/2, fs/2]对应，则要fft后fftshift一下即可，fftshift的操作是将fft结果以fs/2为中心左右互换；

3）如果实信号fft的绘图频率f从[-fs/2, fs/2]，并且没有fftshift，则fft正频谱对应f在[0, fs/2]的结果将混叠到(f - fs/2)的位置;

fft负频谱对应f在[-fs/2, 0]的结果混叠到 f + fs - fs/2 的位置，注意这里f为负值，也就是说此种情况下fft负频谱对应的视在频率减去fs/2即可得到频谱对应的真实负频率。

二.复信号情况

1）复信号没有负频率，以fs为采样速率的信号，fft的频谱结果是从[0,fs]的。

2）在 f> fs/2时，对复信号的fft结果进行fftshift会产生频率混叠(将下面的示例2中的频率从f=15改为f=85可以验证f=85的谱线在fftshift后跑到 f= -15 = 85 - fs = 85 - 100的位置了)，所以复信号也一般要求 f <= fs/2

3）在对雷达的慢时间维(复信号)进行fft后，由于要用doppler= ((0:LFFT-1)/LFFT - 0.5)*PRF; 计算多普勒频率，所以对该慢时间信号fft后要fftshift下，以便和正确的频率单元相对应。注意多普勒频率fd < = PRF/2 时才测的准！

参考：https://blog.csdn.net/a1367666195/article/details/115354196

2.采样定理

采样定理，频谱混叠和傅里叶变换深入理解 - 知乎 (zhihu.com)

狄卡拉梳状函数在时域和频域都是脉冲状的，只不过有不同的幅值和间隔；

连续信号与狄卡拉梳状函数相乘进行采样，或者说数字化，使得计算机可以处理连续的模拟信号；

时域的相乘等于频域的卷积，时域的卷积等于频域相乘；

对于一个连续的信号采样，采样后的频谱相当于将采样前的频谱进行延拓，延拓的周期就是采样率；

关于混叠：当用采样频率SF对一个信号采样时，信号中SF/2以上的频率成分不是消失了，而是对称地映象到了SF/2 以下的频带中,并且和SF/2 以下的原有频率成分迭加起来，这个现象叫做“混叠”(aliasing)，这是任何一个连续信号被离散化的必然结果。

3.卷积的理解

卷积是一种数学运算，用于组合两个函数产生第三个函数。在离散信号处理和连续信号处理中，卷积运算常被用于描述两个信号之间的相互影响。

对于两个函数的卷积，通常记为 (f∗g)(t)或者f(t)∗g(t)，其定义如下：(f∗g)(t)=∫∞−∞f(τ)g(t−τ)dτ

在离散情况下，卷积的定义是：(f∗g)(n)=∑∞k=−∞f(k)g(n−k)

卷积的物理意义是，它表示一个函数在另一个函数上的加权平均。在信号处理中，卷积描述了两个信号之间的交互，可以用于分析系统的响应、滤波、信号平滑等任务。

在图像处理中，卷积运算也常被用于图像滤波。例如，一个图像与一个卷积核进行卷积可以实现图像的模糊、锐化等效果。

总的来说，卷积是一种通过对两个函数的组合来生成第三个函数的数学运算，具有广泛的应用领域。

别怕，“卷积“其实很简单-CSDN博客

卷积的本质及物理意义（全面理解卷积）_卷积的物理意义是什么-CSDN博客

4.傅里叶变换(傅里叶变换的理解-从正弦信号到傅里叶_正弦信号的傅里叶变换-CSDN博客)

https://zhuanlan.zhihu.com/p/19763358

任何周期信号都能够由不同谐波的正弦波叠加而成(傅里叶级数)

频谱只代表每一个对应的正弦波的振幅是多少.

时间差并不是相位差。如果将全部周期看作2Pi或者360度的话，相位差则是时间差在一个周期中所占的比例。我们将时间差除周期再乘2Pi，就得到了相位差。

相位差是周期的，pi和3pi，5pi，7pi都是相同的相位。人为定义相位谱的值域为(-pi，pi]，

在完整的立体图中，我们将投影得到的时间差依次除以所在频率的周期，就得到了最下面的相位谱。所以，频谱是从侧面看，相位谱是从下面看。

注意到，相位谱中的相位除了0，就是Pi。因为cos（t+Pi）=-cos（t），所以实际上相位为Pi的波只是上下翻转了而已。

周期(为)信号可以表示为余(正)弦分量之和，即可记作如下(三角函数形式的)傅里叶级数:

$f(t)=a_0+\sum_{n=1}^{\infty }(a_n*cosnw_0t+b_n*sinnw_0t))$

其中， $w_0=2\pi /T,a_0=(1/T)\int_{-T/2}^{T/2}f(t)dt,$

$a_n=(2/T)\int_{-T/2}^{T/2}f(t)cosnw_0tdt,b_n=(2/T)\int_{-T/2}^{T/2}f(t)sinnw_0tdt$

可以通过积化和差，把sin和cos化为一个cos

$f(t)=\sum_{n=0}^{\infty }c_ncos(nw_0t+\varphi_n) ,$

其中， $c_n=\sqrt{a_n^2+b_n^2},\varphi_n=-\arctan(b_n/a_n)$

即谱间隔为 $w_0=2\pi /T$ ，谱的幅度为 $C_n \propto \oe 1/T$

所以当周期无限增大时，谱线间隔会变密，而谱的幅度会减小。

极端情况下，若，周期函数转换为非周期函数，这时离散频谱将成为连续频谱，分量幅值趋于无穷小。

如果我把一个信号的所有正弦分量的频率算出来画出来，那么就如下图，也叫频谱图

频谱是频率谱密度的简称，是频率的分布曲线。复杂振荡分解为振幅不同和频率不同的谐振荡，这些谐振荡的幅值按频率排列的图形叫做频谱

考察某个信号的所有正弦分量，这些正弦分量覆盖的频率范围，被形象地叫做“频带”。这个范围的大小，就是“带宽”——即频带宽度，如图所示。带宽是衡量信号特性的一个重要指标。

极端情况下，相邻谱线足够接近时，频谱就可表示成连续的曲线了，原来分立的谱线于是简化为曲线中的一个个点。

欧拉公式

欧拉公式所描绘的，是一个随着时间变化，在复平面上做圆周运动的点，随着时间的改变，在时间轴上就成了一条螺旋线。如果只看它的实数部分，也就是螺旋线在左侧的投影，就是一个最基础的余弦函数。而右侧的投影则是一个正弦函数。

根据欧拉公式也可以用指数来表示一个周期信号

$cosnw_0t=\frac{1}{2}(e^{jnw_0t}+e^{-jnw_0t}),sinnw_0t=\frac{1}{2j}(e^{jnw_0t}-e^{-jnw_0t})$

因此傅里叶级数还可以表示成以下指数形式

$f(t)=\sum_{n=-\infty }^{\infty }F_ne^{jnw_0t}c,F_n=(1/T)\int_{-T/2}^{T/2}f(t)e^{-jnw_0t}dt$

需要注意的是，各分量的系数是复数，可表示为如下形式：

$F_n=|F_n|e^{j\varphi _n}$

其中 $|F_n|$ 对应于幅度， $\varphi_n$ 对应于相位

如果我把一个信号的所有指数分量的频率算出来画出来，那么就如下图

可以看到，复频谱除正频率分量外，还包括负频率分量。负频率的出现是数学运算（欧拉公式）的结果，并无物理意义。

总结：

上述正弦信号只有单一频率，因此其频谱只包含一根“线”（谱线），人们常称其为“单色”信号。而在大多数应用场合中，信号是由若干不同频率的单色信号叠加而成的，称为“复合”信号。从频域角度看，复合信号的频谱包含若干条甚至无数条谱线。

5.采样频率的选择

香农采样定理是这样描述的：采样频率fs至少为关心的信号最高频率的2倍。采样频率的一半称为奈奎斯特频率。采样频率的一半也称为分析带宽，或简称为带宽。

当关心频率成分时，可以按2.56倍的关系设置采样频率；但如果关心信号的幅值（时域），那样，采样频率应设置成关心的最高频率的10倍以上，才不会使信号幅值有明显的失真。

FiveMay

关注

19
点赞
踩
21

收藏

觉得还不错? 一键收藏
0
评论
数字信号处理基础知识【1】美妙的傅里叶

2）在 f> fs/2时，对复信号的fft结果进行fftshift会产生频率混叠(将下面的示例2中的频率从f=15改为f=85可以验证f=85的谱线在fftshift后跑到 f= -15 = 85 - fs = 85 - 100的位置了)，所以复信号也一般要求 f <= fs/2。fft负频谱对应f在[-fs/2, 0]的结果混叠到 f + fs - fs/2 的位置，注意这里f为负值，也就是说此种情况下fft负频谱对应的视在频率减去fs/2即可得到频谱对应的真实负频率。带宽是衡量信号特性的一个重要指标。
复制链接

扫一扫