信号处理傅里叶变换剖析.ppt

  1. 1、本文档共70页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
信号处理傅里叶变换剖析

2.6 频域采样理论 时域采样定理表示:一定条件下,可由时域离散采样信号恢复原连续信号;那么能否也可由频域离散采样恢复原信号?其条件是什么?内插公式又是什么形式? 设任意绝对可和非周期序列x(n)的Z变换为 (收收敛域包括单位圆) 在单位圆上对X(z)进行N点等距采样得到 下面讨论频率采样后, X(k) 反变换xN(n)能否代表原序列x(n)? X(k)反变换xN(n)与原序列x(n)的关系 分析X(k)的周期延拓序列 的IDFS (定义) 得到 进一步,将上式写成xN(n)与x(n)间的关系式 结论:X(z)在单位圆上的N点等间隔采样X(k)的IDFT,为原非周期序列x(n)以N为周期的周期延拓序列的主值序列 显然如果序列x(n)长度为M,则只有当频域采样点数NM时,才有 即由频域采样X(k)恢复原序列x(n),否则产生时域混叠现象。这就是频域采样定理 频域采样定理 用频域采样X(k)来表示X(z)与频率响应X(ejω)的内插公式 N个频域采样X(k)能不失真代表N点有限长序列x(n),因此X(k)也能够完全地表达整个X(z)及频率响应X(ejω) 右式称为用X(k)表示X(z)的内插公式, φk(z)称为内插函数。 当 z=e jω时, 上式即为x(n)的傅里叶变换X(ejω)的内插函数(公式) 频域采样理论及相关公式为FIR滤波器结构设计以及逼近FIR滤波器传递函数提供了一种有效途径 THE END 2.4.2 DFT与序列FT、ZT间的关系( DFT的物理意义) 设序列x(n) 的长度为N, 其Z变换和DFT分别为 比较上面二式可得关系式 2.4.2 DFT与序列FT、ZT间的关系( DFT的物理意义) 结论(频域离散化) 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 X(k)为x(n)的傅里叶变换X(ejω)在区间[0, 2π]上的N点等间隔采样 DFT的变换区间长度N不同,表示对X(ejω)在区间[0, 2π]上的采样间隔与采样点数不同,因此DFT的变换结果不同 图示DFT与序列傅里叶变换、Z变换的关系 时域采样理论实现了时域离散化,使得可在时域上进行数字处理 DFT理论实现了频域离散化,因而开辟了用数字技术在频域处理信号的新途径 例 有限长序列x(n)为 0≤n≤4 其余n 求N=5,10 点的DFT X(k)是频谱的等间隔采样。 问题:采样点之间的频谱如何得到?采样点K、数字角频率、模拟频率f的关系? 2.5 离散傅里叶变换的性质 以下讨论的序列都是N点有限长序列,用DFT[·]表示N点DFT DFT[x1(n)]=X1(k) DFT[x2(n)]=X2(k) 2.5.1 线性 a, b为任意常数 2.5.2 圆周移位(循环移位) y(n)=x((n+m))NRN(n) 长度为N的有限长序列x(n)的圆周移位定义为 1. 定义 图示圆周(循环)移位过程 比较移位前后:x(n)排列前面的按照顺序移到后面即得到。 2. 时域圆周移位定理 证 则圆周移位后的DFT为 设x(n)是长度为N的有限长序列,y(n)为x(n)圆周移位 利用周期序列的移位性质加以证明 有限长序列的DFT就是周期序列DFS在频域中的主值序列, 即 3. 频域圆周移位定理 频域有限长序列X(k),长度N 由于频域与时域的对偶关系,有如下性质 则 若 2.5.3 圆周卷积 若 则 设x1(n)和x2(n)都是点数为N的有限长序列(0≤n≤N-1),且有: 上式所表示的运算称为x1(n)和x2(n)的N点圆周卷积 圆周卷积矩阵计算公式 N 频域圆周卷积定理 x1(n),x2(n)皆为N点有限长序列 若 N 则 例题 已知x(n)={4,3,2,1},y(n)={4,3,0,1,1};分别用图解法和矩阵法计算两序列的5点圆周卷积。{21,27,18,14,10} 2.5.4 有限长序列的线性卷积与圆周卷积 有限长序列存在两种形式的卷积:线性卷积和圆周卷积 圆周卷积:计算速度快。在频域上相当于两序列的DFT乘积,DFT有快速算法FFT 线性卷积:实际需要(LTI系统) 能否实现线性卷积的快速计算? 因此下面讨论两种卷积间的关系以及相等的条件 两序列的线性卷积 设x1(n)是N1点的有限长序列,x2(n)是N2点的有限长序列 例 N1=4的矩形序列x1(n)与N2=5的矩形序列x2(n) L1=N1+N2-1 两序列的圆周卷积 假设进行L 点圆周卷积,(L ≥max[N1, N2]) 将x1(n)与x2(n)补零,使之均成为长度为L的序列 两序列可做长度为L的圆周卷积 L 不同L 点的圆周卷积 两种卷积有相同结果的

文档评论(0)

wyjy + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档