离散傅里叶变换（Discrete Fourier Transform）

离散傅里叶变换（Discrete Fourier Transform）

接着 离散时间傅里叶变换 讲：

1. 如果 $x[n]$ 只在 n = { 0 , 1 , ⋯   , N − 1 } n = \{ 0, 1, \cdots, N-1 \} n={0,1,⋯,N−1} 不为零（即有限长序列），那么
   $$X(\omega )=\sum _{n=0}^{N-1}x[n]\cdot e^{-\mathrm{j}\omega n}$$

2. 取 ω = 2 π k N , k = { 0 , 1 , ⋯   , N − 1 } \omega = \frac{2 \pi k}{N}, k = \{0, 1, \cdots, N-1 \} ω=N2πk​,k={0,1,⋯,N−1}，有：
   $$X[k]\triangleq X(\frac{2\pi k}{N})=\sum _{n=0}^{N-1}x[n]\cdot e^{-\mathrm{j}\frac{2\pi }{N}kn}$$

3. 将上式转成矩阵相乘的形式：
   $$\mathbf{x}\triangleq {\left[x[0],x[1],\cdots ,x[N-1]\right]}^{\top }$$

$$\mathbf{X}\triangleq {\left[X[0],X[1],\cdots ,X[N-1]\right]}^{\top }$$

$$\mathbf{F}\triangleq \left[\begin{array}{cccc}{e}^{-\mathrm{j}\frac{2\pi }{N}0\cdot 0}& e^{-\mathrm{j}\frac{2\pi }{N}0\cdot 1}& \cdots & e^{-\mathrm{j}\frac{2\pi }{N}0\cdot (N-1)}\\ e^{-\mathrm{j}\frac{2\pi }{N}1\cdot 0}& e^{-\mathrm{j}\frac{2\pi }{N}1\cdot 1}& \cdots & e^{-\mathrm{j}\frac{2\pi }{N}1\cdot (N-1)}\\ ⋮& ⋮& \ddots & ⋮\\ e^{-\mathrm{j}\frac{2\pi }{N}(N-1)\cdot 0}& e^{-\mathrm{j}\frac{2\pi }{N}(N-1)\cdot 1}& \cdots & e^{-\mathrm{j}\frac{2\pi }{N}(N-1)\cdot (N-1)}\end{array}\right]$$

$$\mathbf{X}=\mathbf{Fx}$$

7. $\mathbf{F}$ 的逆矩阵是 $\frac{1}{N}\cdot {\mathbf{F}}^H$，于是有：
   $$\mathbf{x}=\frac{1}{N}\cdot {\mathbf{F}}^H\mathbf{X}$$

综上所述，$\mathbf{F}$ 是离散傅里叶变换矩阵，于是离散傅里叶变换对：
$$\begin{gathered} \mathbf{X}=\mathbf{Fx} \\ \mathbf{x}=\frac{1}{N}\cdot {\mathbf{F}}^H\mathbf{X} \end{gathered}$$
或者
$$\begin{gathered} X[k]=\sum _{n=0}^{N-1}x[n]\cdot e^{-\mathrm{j}\frac{2\pi }{N}kn} \\ x[n]=\frac{1}{N}\cdot \sum _{k=0}^{N-1}X[k]\cdot e^{\mathrm{j}\frac{2\pi }{N}kn} \end{gathered}$$

性质

有限长序列的循环变换操作

有限长序列 g [ n ] , n = { 0 , 1 , ⋯   , N − 1 } g[n], n = \{0, 1, \cdots, N-1\} g[n],n={0,1,⋯,N−1}，对其做周期为 $N$ 的周期延拓记作 $g_N[n]$：
g N [ n + m ⋅ N ] = g [ n ] , n = { 0 , 1 , ⋯   , N − 1 } , m ∈ Z g_N[n+m \cdot N] = g[n], n = \{0, 1, \cdots, N-1\}, m \in \mathbb{Z} gN​[n+m⋅N]=g[n],n={0,1,⋯,N−1},m∈Z

其中，$\mathbb{Z}$ 是整数集。
同理，记另一个有限长序列 h [ n ] , n = { 0 , 1 , ⋯   , N − 1 } h[n], n = \{0, 1, \cdots, N-1\} h[n],n={0,1,⋯,N−1}，以及其周期延拓 $h_N[n]$。

• 循环反转
  $g[n]$ 经过循环反转得到 $\mathbf{CR}(g)[n]$，具体操作过程如下：

1. ${\tilde{g}}_N[n]=g_N[-n],n\in \mathbb{Z}$
2. C R ( g ) [ n ] = g ~ N [ n ] , n = { 0 , 1 , ⋯   , N − 1 } \mathbf{CR}(g)[n] = \widetilde{g}_N[n] , n = \{0, 1, \cdots, N-1\} CR(g)[n]=g ​N​[n],n={0,1,⋯,N−1}

• 循环移位
  $g[n]$ 经过右循环移位 $l$ 得到 $\mathbf{CS}(g,-l)[n]$，具体操作过程如下：

1. ${\tilde{g}}_N[n]=g_N[n-l],n\in \mathbb{Z}$
2. C S ( g , − l ) [ n ] = g ~ N [ n ] , n = { 0 , 1 , ⋯   , N − 1 } \mathbf{CS}(g,-l)[n] = \widetilde{g}_N[n] , n = \{0, 1, \cdots, N-1\} CS(g,−l)[n]=g ​N​[n],n={0,1,⋯,N−1}

• 循环卷积
  $g[n]$ 与 $h[n]$ 的循环卷积定义为：
  g [ n ] ◯ h [ n ] ≜ ∑ i = 0 N − 1 g N [ i ] ⋅ h N [ n − i ] , n = { 0 , 1 , ⋯   , N − 1 } g[n] \bigcirc h[n] \triangleq \sum_{i = 0}^{N-1} g_N[i] \cdot h_N[n-i], n = \{0, 1, \cdots, N-1\} g[n]◯h[n]≜i=0∑N−1​gN​[i]⋅hN​[n−i],n={0,1,⋯,N−1}
• 循环相关
  $g[n]$ 与 $h[n]$ 的循环相关定义为：
  corr [ n ] ≜ ∑ i = 0 N − 1 g N [ i ] ⋅ h N ∗ [ i − n ] , n = { 0 , 1 , ⋯   , N − 1 } \text{corr}[n] \triangleq \sum_{i = 0}^{N-1} g_N[i] \cdot h_N^*[i-n], n = \{0, 1, \cdots, N-1\} corr[n]≜i=0∑N−1​gN​[i]⋅hN∗​[i−n],n={0,1,⋯,N−1}
  使用循环移位去实现循环相关：

1. $\tilde{h}[n]\triangleq \mathbf{CR}(h{)}^{\ast }[n]$
2. $\text{corr}[n]=g[n]◯\tilde{h}[n]$

性质

函数	离散傅里叶变换	comments
$g[n]$	$G[k]$
$h[n]$	$H[k]$
$g[n]◯h[n]$	$G[k]\cdot H[k]$	时域循环卷积
$g[n]\cdot h[n]$	$\frac{1}{N}\cdot G[k]◯H[k]$	频域循环卷积
$\mathbf{CS}(g,-l)[n]$	$e^{-\mathrm{j}\frac{2\pi }{N}kl}\cdot G[k]$	时域循环移位
$e^{\mathrm{j}\frac{2\pi }{N}kl}\cdot G[k]$	$\mathbf{CS}(G,-l)[k]$	频域循环移位
$g^{\ast }[n]$	$\mathbf{CR}(G{)}^{\ast }[k]$	时域共轭对称性
$\mathbf{CR}(g{)}^{\ast }[n]$	$G^{\ast }[k]$	频域共轭对称性

总结

	comments
$g(t)$	被采样的函数，time-limited，$[0,T)$
$G(f)$	frequency-limited，$[-B,B]$
$T_s$	采样周期，$\frac{1}{T_s}\ge 2B$
$x[n]$	采样点 $g(n{T}_s)$， n = { 0 , 1 , ⋯   , N − 1 } n = \{ 0, 1, \cdots, N-1 \} n={0,1,⋯,N−1}
$X[k]$	$H(f)=\frac{1}{T_s}\cdot \sum _{n=-\infty }^{+\infty }G(f-\frac{k}{T_s})$，采样点 H ( k N T s ) , k = { 0 , 1 , ⋯   , N − 1 } H(\frac{k}{NT_s}), k = \{ 0, 1, \cdots, N-1 \} H(NTs​k​),k={0,1,⋯,N−1}
$x[n]$ 后面补零，提高频域分辨率	时域：分辨率不变，宽度增加；频域：分辨率增加，宽度不变
$X[k]$ 中间补零，提高时域分辨率	时域：分辨率增加，宽度不变；频域：分辨率不变，宽度增加