离散时间傅里叶变换(Discrete Time Fourier Transform)
-
g ( t ) g(t) g(t) ~ G ( f ) G(f) G(f), G ( f ) G(f) G(f) 的单边带宽是 B B B;
-
对 g ( t ) g(t) g(t) 做冲激采样得到 h ( t ) h(t) h(t),采样周期为 T s ≤ 1 2 B T_s \leq \frac{1}{2B} Ts≤2B1 (满足奈奎斯特采样定律):
- 时域信号形式
h ( t ) ≜ g ( t ) ⋅ ∑ n = − ∞ + ∞ δ ( t − n T s ) = ∑ n = − ∞ + ∞ g ( n T s ) ⋅ δ ( t − n T s ) \begin{aligned} h(t) &\triangleq g(t) \cdot \sum_{n=-\infty}^{+\infty} \delta(t - nT_s) \\ &= \sum_{n=-\infty}^{+\infty} g(nT_s) \cdot \delta(t - nT_s)\end{aligned} h(t)≜g(t)⋅n=−∞∑+∞δ(t−nTs)=n=−∞∑+∞g(nTs)⋅δ(t−nTs) - 频域信号形式
H ( f ) ≜ 1 T s ⋅ ∑ n = − ∞ + ∞ G ( f − k T s ) = ∑ n = − ∞ + ∞ g ( n T s ) ⋅ e − j 2 π f n T s \begin{aligned} H(f) &\triangleq \frac{1}{T_s} \cdot \sum_{n=-\infty}^{+\infty} G(f - \frac{k}{T_s})\\ &= \sum_{n=-\infty}^{+\infty} g(nT_s) \cdot e^{-{\rm j}2 \pi f n T_s} \end{aligned} H(f)≜Ts1⋅n=−∞∑+∞G(f−Tsk)=n=−∞∑+∞g(nTs)⋅e−j2πfnTs
- 时域信号形式
-
记 x [ n ] ≜ g ( n T s ) x[n] \triangleq g(nT_s) x[n]≜g(nTs),这里 x [ n ] x[n] x[n] 代表的是离散时间序列(忽略了采样周期),于是:
H ( f ) = ∑ n = − ∞ + ∞ x [ n ] ⋅ e − j 2 π f n T s H(f) = \sum_{n=-\infty}^{+\infty} x[n] \cdot e^{-{\rm j}2 \pi f n T_s} H(f)=n=−∞∑+∞x[n]⋅e−j2πfnTs -
进一步,令 ω = 2 π f T s \omega = 2 \pi f T_s ω=2πfTs:
X ( ω ) ≜ H ( ω 2 π T s ) = ∑ n = − ∞ + ∞ x [ n ] ⋅ e − j ω n X(\omega) \triangleq H(\frac{\omega}{2 \pi T_s}) = \sum_{n=-\infty}^{+\infty} x[n] \cdot e^{-{\rm j}\omega n} X(ω)≜H(2πTsω)=n=−∞∑+∞x[n]⋅e−jωnH ( f ) H(f) H(f) 的周期是 1 T s \frac{1}{T_s} Ts1,而 X ( ω ) X(\omega) X(ω) 的周期是 2 π 2\pi 2π (忽略了采样周期)。
-
于是得到离散时间傅里叶变换对 x [ n ] x[n] x[n] ~ X ( ω ) X(\omega) X(ω):
X ( ω ) = ∑ n = − ∞ + ∞ x [ n ] ⋅ e − j ω n x [ n ] = 1 2 π ∫ 0 2 π X ( ω ) ⋅ e j ω n d ω X(\omega) = \sum_{n=-\infty}^{+\infty} x[n] \cdot e^{-{\rm j}\omega n} \\ x[n] = \frac{1}{2 \pi} \int_{0}^{2\pi} X(\omega) \cdot e^{{\rm j}\omega n} {\rm d} \omega X(ω)=n=−∞∑+∞x[n]⋅e−jωnx[n]=2π1∫02πX(ω)⋅ejωndω- 逆变换的公式的推导见 从傅里叶级数推导离散时间傅里叶变换的逆变换
- 用 x [ n ] x[n] x[n] 表示 g ( t ) g(t) g(t),将连续时间信号处理转换成离散时间信号处理
- x [ n ] x[n] x[n] 和 X ( ω ) X(\omega) X(ω) 都忽略了采样周期 T s T_s Ts,使得在离散时间信号处理部分,无需考虑采样周期,简化了表达难度
- 在离散时间信号处理部分结束的时候,有
h ( t ) = ∑ n = − ∞ + ∞ x [ n ] ⋅ δ ( t − n T s ) = g ( t ) ⋅ ∑ n = − ∞ + ∞ δ ( t − n T s ) H ( f ) = X ( 2 π f T s ) = 1 T s ⋅ ∑ n = − ∞ + ∞ G ( f − k T s ) h(t) = \sum_{n = -\infty}^{+\infty}x[n] \cdot \delta(t - nT_s) = g(t) \cdot \sum_{n=-\infty}^{+\infty} \delta(t - nT_s) \\ H(f) = X(2\pi f T_s) = \frac{1}{T_s} \cdot \sum_{n=-\infty}^{+\infty} G(f - \frac{k}{T_s}) h(t)=n=−∞∑+∞x[n]⋅δ(t−nTs)=g(t)⋅n=−∞∑+∞δ(t−nTs)H(f)=X(2πfTs)=Ts1⋅n=−∞∑+∞G(f−Tsk)