现代数字信号处理3ppt(齐齐哈尔大学)

null现代数字信号处理现代数字信号处理齐齐哈尔大学通信学院 何鹏第三章 离散傅立叶变换第三章 离散傅立叶变换 由于数字信号处理器只能处理离散信号，所以还需要将离散时间序列进行频域离散化 即：要找到依赖于离散时间变量到依赖于离散频率变量之间的一种映射关系。 这就是DFT的作用null连续非周期－非周期连续连续周期－非周期离散离散非周期－周期连续离散周期－周期离散适合数字 信号处理器时 域 频 域3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义 1、DFT的定义设x（n）是一个长度为M的有限长序列，则定义x（n）的N点傅立叶变换和傅立叶逆变换分别为式中， ，N称为DFT变换区间长度，说明： （1）x(n)是有限长序列，且长度为M。与傅立叶变换和z变换不同，n仅定义在[0,M-1]的整数区间上； （2）x(n)的离散傅立叶变换的结果与变换区间长度有关。 3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义DFT的矩阵方程表示3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义 2、 DFT和Z变换的关系结论：序列x（n）的N点DFT是 x(n)的Z变换在单位圆上的N点等间隔采样； 或者说，X(k)为x(n)的傅立叶变换 在区间[0，2 ]上的N点等 间隔采样。这就是DFT的物理意义。3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义由此可见，DFT的变换区间长度N不同，表示对 在[0，2 ]区间上的 采样间隔和采样点数不同，所以DFT的变换结果不同。3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义3、DFT的隐含周期性3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义例： 是周期为 N=8 的序列，求 n=11 和 n=-2 对 N的余数。 3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义4、DFT与ZT、FT、DFS的关系DFT与ZT和FT之间的关系:DFT与DFS之间的关系:3.1 离散傅里叶变换的定义3.1 离散傅里叶变换的定义结论 采样定律告诉我们，一个频带有限的信号，可以对它进行时域采样而不丢失任何信息； DFT变换进一步告诉我们，对于时间有限的信号（有限长序列），也可以对其进行频域采样，而不丢失任何信息。由于时域上的采样，使我们能够采用数字技术来处理这些时域上的信号（序列），而DFT的理论不仅在时域，而且在频域也离散化，因此使得在频域采用数字技术处理成为可能。 DFT就是频域数字处理中最有成效的一例。3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质性质1 线性 DFT[ax(n)+by(n)]=aX(k)+bY(k) 其中，a,b为任意常数3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质性质2   循环（圆周）移位 有限长序列x(n)的循环移位定义为： f(n)=x((n+m))NRN(n) 其中 x((n+m))NRN(n)表示对移位的周期序列 x((n+m))N 取主值序列 所以f(n)仍然是一个长度为N的有限长序列。 f(n) 实际上可看作序列 x(n) 排列在一个N等分圆周上，并向左旋转 m 位。注：引用的3个java图例为东南大学DSP网站共享程序3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质 序列循环移位后的DFT为 F(k) = DFT[ f(n) ]= x(k)频域有限长序列X(k)的循环移位，有如下反变换特性 IDFT[ X((k+l))NRN(k) ]= x(n) 3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质性质3   循环（圆周）卷积 若 F(k) = X(k)Y(k) 则： 记做 频域循环卷积 F(K)3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质注意   循环卷积与线性卷积关系 （1）离散频域的有限长序列卷积（循环卷积）与连续频域的卷积（线性卷积）有很大的区别，这是由于FT在-∞到∞讨论问题，而DFT仅能在[0,N-1]区间上讨论问题，更重要的是有限长序列的卷积本质上是周期序列的线性卷积； （2）手工计算圆周卷积的法则依然是”翻、移、乘、加”，只是序列的翻转是在圆周上进行的； （3）有限长序列的圆周卷积与线性卷积相等的条件是L≥L1+L2-1 null 复共轭序列的DFT 设 x*（n）为 x（n）的复共轭序列，则 DFT[x*（n）]=X*(N-k) 证： DFT[x*(n)] 0≤k≤N-1 由于 因此， DFT[x*(n)] 性质43.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质性质5DFT的共轭对称性3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质有限长共轭对称序列 和共轭反对称序列3.2 离散傅里叶变换的基本性质对于任何有限长序列x(n)，均可表示为3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质3.2 离散傅里叶变换的基本性质设x(n)为长度为N的实序列，且X(k)=DFT[x(n)]，则 （1）X(k)共轭对称，即（2）（3）3.2 离散傅里叶变换的基本性质 根据DFT的共轭对称性，通过计算一个N点DFT，可以得到两个不同实序列的N点DFT。例：设x1(n)和x2(n)均为实序列，求其N点DFT X1(k)和X2(k),要求只用一次N点DFT。注意3.2 离散傅里叶变换的基本性质3.3 频率域采样3.3 频率域采样时域 频域时域 采样定理频域 采样定理？3.3 频率域采样3.3 频率域采样x(n)?3.3 频率域采样3.3 频率域采样3.3 频率域采样3.3 频率域采样 X(z)在单位圆上的N点等间隔采样X(k)的IDFT，为原序列x(n)以N为周期的周期延拓序列的主值序列。频率采样时域周期延拓结论3.3 频率域采样3.3 频率域采样频域采样定理若序列x(n)的长度为M，则只有当频域采样点数 时，才有 即可由频域采样X(k)恢复原序列x(n)，否则会产生时域混叠现象。3.3 频率域采样3.3 频率域采样例：解：3.3 频率域采样3.3 频率域采样例、序列x(n)长度M=1500，解 ：3.3 频率域采样3.3 频率域采样例：解：是x(n)以6为周期的周期延拓序列后的主值序列3.3 频率域采样3.3 频率域采样频域内插公式3.4 DFT的应用3.4.1 用DFT计算线性卷积 1、用DFT计算循环卷积3.4 DFT的应用3.4 DFT的应用3.4.1 用DFT计算线性卷积 1、用DFT计算循环卷积3.4 DFT的应用3.4 DFT的应用由此可见，循环卷积既可以直接在时域计算，也可按照下图在 频域计算。鉴于DFT具有快速算法FFT，当N很大时，在频域的 计算速度要快得多，因而常用DFT(FFT)计算循环卷积 。3.4 DFT的应用3.4 DFT的应用2、有限长序列的线性卷积与循环卷积 实际问题的大多数是求解线性卷积，如信号 x（n）通过系统 h（n），其输出就是线性卷积 y（n）=x（n）*h（n）。而循环卷积比起线性卷积，在运算速度上有很大的优越性。 有限长序列x（n）与h（n）的线性卷积，在什么条件下能用循环卷积代替而不产生失真？ 3.4 DFT的应用有限长序列的线性卷积：有限长序列的线性卷积：假定 x（n） y（n）为有限长序列，长度为N， M， 它们的线性卷积f（n）=x（n）*y（n）也应是有限长序列 因 x（m）的非零区间： 0≤m≤N-1， y(n-m)的非零区间： 0≤n-m≤M-1， 这两个不等式相加，得： 0≤n≤N+M-2， f（n）是一个长度为N+M-1的有限长序列3.4 DFT的应用循环卷积：循环卷积： 重新构造两个有限长序列 x（n）、y（n），长度均为L >max{N,M} ，序列 x（n）只有前N个是非零值，后L-N个为补充的零值；序列 y（n）只有前M个是非零值，后L-M个为补充的零值。 线性卷积记为：循环卷积为：3.4 DFT的应用3.4 DFT的应用又有所以可得：3.4 DFT的应用3.4 DFT的应用其中 就是线性卷积，也就是说，x（n）、y（n）的循环卷积，是x（n）、y（n）线性卷积的周期延拓的主值序列，周期为L。 根据前面的 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 ， 具有 N+M-1 个非零序列值，因此，如果循环卷积的长度 L>N若选取L=N+M-1，以L为运算区间， 并用上述循环卷积计算线性卷积，则必须对短序列补充很多零点， 长序列必须全部输入后才能进行快速计算。因此要求存储容量大， 运算时间长，并使处理延时很大，很难实时处理。况且在某些应用场合， 序列长度不定或者认为是无限长，比如语音信号和地震信号等。在要求实时处理时，直接套用上述方法是不行的。3.4 DFT的应用3.4 DFT的应用重叠相加法的步骤：（设x(n)为无限长序列，h(n)长为N） 1）将无限长序列进行分段，每一段长为M。 2）对每一段进行长为L=N+M-1的卷积。 3）将相邻两段卷积结果相重叠的部分相加，既可得到完整的卷积结果序列。3.4 DFT的应用3.4.2 利用DFT做连续信号的频谱分析 3.4.2 利用DFT做连续信号的频谱分析 利用DFT计算连续信号的频谱3.4 DFT的应用3.4 DFT的应用 （1）混迭 对连续信号x(t)进行数字处理前，要进行采样 采样序列的频谱是连续信号频谱的周期延拓，周期为fs，如采样率过低，不满足采样定理，fs<2fh，则导致频谱混迭，使一个周期内的谱对原信号谱产生失真，无法恢复原信号，进一步的数字处理失去依据。 3.4 DFT的应用3.4 DFT的应用  （2）  泄漏 处理实际信号序列 x（n）时，一般总要将它截断为一有限长序列，长为N点，相当于乘以一个矩形窗 w(n)=RN(n)。 矩形窗函数，其频谱有主瓣，也有许多副瓣，窗口越大，主瓣越窄，当窗口趋于无穷大时，就是一个冲击函数。 我们知道，时域的乘积对应频域的卷积，所以，加窗后的频谱实际是原信号频谱与矩形窗函数频谱的卷积，卷积的结果使频谱延伸到了主瓣以外，且一直延伸到无穷。当窗口无穷大时，与冲击函数的卷积才是其本身，这时无畸变，否则就有畸变。3.4 DFT的应用3.4 DFT的应用 例如，信号为 ，是一单线谱，但当加窗后，线谱与抽样函数进行卷积，原来在Ω0处的一根谱线变成了以Ω0为中心的，形状为抽样函数的谱线序列，原来在一个周期（Ωs）内只有一个频率上有非零值，而现在 一个周期内几乎所有频率上都有非零值，即 的频率成份从Ω0处“泄漏”到其它频率处去了。 考虑各采样频率周期间频谱“泄漏”后的互相串漏，卷积后还有频谱混迭现象产生。3.4 DFT的应用null3.4 DFT的应用  （3）栅栏效应 N点DFT是在频率区间 [0，2π] 上对信号频谱进行N点等间隔采样，得到的是若干个离散的频谱点 X（k），且它们限制在基频的整数倍上，这就好像在栅栏的一边通过缝隙看另一边的景象一样，只能在离散点处看到真实的景象，其余部分频谱成分被遮挡， 所以称之为栅栏效应。 减小栅栏效应方法：尾部补零，使谱线变密，增加频域采样点数，原来漏掉的某些频谱分量就可能被 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 出来。 3.4 DFT的应用(4) DFT的分辨率 (4) DFT的分辨率 填补零值可以改变对DTFT的采样密度，人们常常有一种误解，认为补零可以提高DFT的频率分辨率。事实上我们通常规定DFT的频率分辨率为 ，这里的N是指信号x(n)的有效长度，而不是补零的长度。不同长度的x(n)其DTFT的结果是不同的；而相同长度的x(n)尽管补零的长度不同其DTFT的结果应是相同的，他们的DFT只是反映了对相同的DTFT采用了不同的采样密度。 3.4 DFT的应用参数选择的一般原则： 参数选择的一般原则： 若已知信号的最高频率 ，为防止混叠，选定采样频率 ； 根据频率分辩率 （常用频率采样间隔F描述），确定所需DFT的长度 (3) 和N确定以后，即可确定相应模拟信号的时间长度 这里T是采样周期3.4 DFT的应用3.4 DFT的应用谱分辨率3.4 DFT的应用3.4 DFT的应用例：对实信号进行谱分析，要求谱分辨率F 10Hz，信号 最高频率 ，试确定最小记录时间 ，最大 的采样间隔 ，最少的采样点数 。如果 不变，要求频率分辨率增加1倍，最少的采样点数和最小的记录 时间是多少？ 解：3.4 DFT的应用3.4 DFT的应用为使频率分辨率提高一倍，F=5Hz，则3.4 DFT的应用(5)周期信号的谱分析 (5)周期信号的谱分析 对于连续的单一频率周期信号 ， 为信号的频率。 可以得到单一谱线的DFT结果，但这是和作DFT时数据的截取长度选得是否恰当有关，截取长度N选得合理， 可完全等于 的采样。 3.4 DFT的应用null6810kX(k)(a)(b)(c)(d)不同截取长度的正弦信号及其DFT结果3.4 DFT的应用3.4 DFT的应用3.4 DFT的应用3.4 DFT的应用3.4 DFT的应用3.4 DFT的应用3.4 DFT的应用3.4 DFT的应用