Upload
nevada-cervantes
View
150
Download
2
Embed Size (px)
DESCRIPTION
数字信号处理 ( Digital Signal Processing ). 国家电工电子实验示范中心 数字信号处理课程组. CUST. 第 3 章 离散傅里叶变换. 傅立叶变换是信号分析与处理的基本工具. 3.1 FT, FS; 3.2 DTFT ; 3.3 抽样定理; 3.4 DFS ; 3.5 DFT ; 3.6 DFT 的性质; 3.7 DFT 的使用; 3.8 关于正弦信号的抽样. FS. CUST. 3.1 连续信号的傅立叶变换. 1. 傅立叶级数. CUST. - PowerPoint PPT Presentation
Citation preview
数字信号处理((Digital Signal ProcessingDigital Signal Processing))
国家电工电子实验示范中心 数字信号处理课程组
3.1 FT, FS;
3.2 DTFT ;
3.3 抽样定理;
3.4 DFS ;
3.5 DFT ;
3.6 DFT 的性质;
3.7 DFT 的使用;
3.8 关于正弦信号的抽样
傅立叶变换是信号分析
与处理的基本工具
第 3 章 离散傅里叶变换
1. 傅立叶级数
3.1 连续信号的傅立叶变换
00( ) ( ) jk t
k
x t X k e
00
1( ) ( )
t T jk t
tX k x t e dt
T
FS
傅立叶系数 是第 次谐波的系数,所以
在频率坐标轴上是离散的,间隔是 。0( )X k k
0( )x t
A
tT220
T
0k
0( )X k
0( )X k
2. 傅立叶变换:
FT
( ) ( )
1( ) ( )
2
j t
j t
X j x t e dt
x t X j e d
00
1( ) ( )
t T jk t
tX k x t e dt
T
FS :
若 是非周期信号,可以认为:( )x t
( )x t T 的周期
0 0
( )
2 / 0,
x t T
T k
的周期
连续
( )X j
0lim ( )
( )
t T jk t
tT
j t
x t e dt
x t e dt
00
1( ) ( )
t T jk t
tX k x t e dt
T
由
00
0
2 ( )lim ( ) limT
X kTX k
有 频
谱密度
t
( )x tA
2
2
0
0k
( )x tA
tT220
T
1. 对应连续非周期 对应连续周期;
2. 连续 离散
3. 密度 强度
)( jX )( 0kX
请深刻理解 FS 和 FT 的定义,及它们的区别与联系!
FT 存在的必要条件:
( ) ( ) ( )j tX j x t e dt x t dt
1( )x t L说法 1 :
2( )x t L说法 2 :
22( ) [ ( ) ]xE x t dt x t dt
因为
22( ) [ ( ) ]xE x t dt x t dt
因为
所以,如果 是绝对可积的,那么它一定
是平方可积的,但是反之不一定成立。例如,
sin 2( )
tx t
t
( )x t
是平方可积的,但不是绝对可积的。所以,取
更稳妥(即更严格)。2( )x t L
周期信号: 可以实现傅里叶级数的分解,
属于功率信号;
非周期信号:可以实现傅里叶变换,
属于能量信号;
那么,周期信号可否实现傅里叶变换
在经典数学的意义上是不可实现的,
但在引入了奇异函数后可以实现。
dtetxjX tj)()(
00[ ( ) ]jk t j t
k
X k e e dt
dtekX tkj
k
)(0
0)(
)(2 ydxe jxy
k
kkXjX )()(2)( 00
密度FT
强度FS
周期信号
FS
例:令 求其傅立叶变换。 0( ) cos(2 )x t f t
因为: 所以,严格意义上的傅
立叶变换不存在,可将其展开为傅立叶级数:
2( )x t dt
0
0 0
0
0
( ) ( )
[ ] / 2,
( ) 1/ 2, 1, 1
j t
k
j t j t
x t X k e
e e
X k k
现利用 函数 将 作傅立叶变换: ( )x t
0 0( ) ( )
0 0
( ) [ ]
( ) ( )
j t j tj tx t e dt e e dt
0( )X k1/ 2 1/ 2
11 0 0k
( )X j
0
00
FS
FT
线
谱
Discrete Time Fourier Transform, DTFT
n
nznxzX )()(
n
njj enxeX )()(
n
nj
ez
j enxzXeX j
)(|)()(
3.2 离散时间信号的傅里叶变换
DTFT 和 Z 变换的关系!
(一)定义
1. 是离散的,所以变换需要求和;
( 2 ) ( 2 )( ) ( )j j n
n
X e x n e
( ) ( )j n j
n
x n e X e
( )x n
2. 是 的连续函数;( )jX e
3. 是 的周期函数,周期为 ;( )jX e 2
4. 存在的条件是 空间1( )x n l( )jX e
(二)特点
可以看作是将 在频域展开为傅立叶级数,傅立叶系数即是 ;
( )jX e
( )x n
5. DTFT
7. 由 可以得到 的幅度谱、相位谱及能量谱,从而实现离散信号的频频分析;
( )jX e ( )x n
6. 是 在单位圆上取值时的 变换: z z
8. 反变换
( )
( ) [ ( ) ]
( ) 2 ( )
j j m j n j m
n
j n m
n
X e e d x n e e d
x n e d x m
2
0
)( de mnj
mn
mn
deeXnx njj )(2
1)(
n
njj enxeX )()(
四种傅立叶变换 :
1. 连续非周期 连续非周期 () FT
2. 连续周期 离散非周期 () FS
3. 离散非周期 连续周期( ) DTFT
4. 离散周期 离散周期 DFS
切实理解四种 FT 之间的对应关系
四种傅立叶变换
(三)性质
1. 线性)()()]()([ 2121
jj ebXeaXnbxnaxF
2. 移位0
0[ ( )] ( )j n jF x n n e X e
3. 奇偶、虚实性质
( )
( ) ( ) ( ) ( )
| ( ) |
j j n j jR I
n
j j
X e x n e X e jX e
X e e
)()( nxnx
)(
)(
jR
jI
eX
eX )(
|)(|
jeX
odd
even
( )
( ) [ ( ) ] ( )
( ) ( )
j j n j n
n n
j n j
n
X e x n e x n e
x n e X e
如果 是实信号,即( )x n
如果 是实偶信号,即( )x n ( ) ( )x n x n
则 是 的实函数!( )jX e
4. 如果 )()()( nhnxny
)()()( jjj eHeXeY 则:
5. 如果)()()( nhnxny
deHeXeY jjj )()(2
1)( )(则:
时域卷积定理
频域卷积定理!
( ) ( ) ( )j j jxyE e X e Y e
6. 时域相关定理( ) ( ) ( )xy
n
r m x n y n m
互相关:
( ) ( ) ( )xn
r m x n x n m
2
( ) ( ) ( ) ( )j j j jxE e X e X e X e
自相关:
自相关函数的 DTFT 始终是 的实函数!
DTFT
7. Parseval’s 定理2 2
2( ) ,x
n
E x n x x x
注意: Parseval’s 定理有着不同的表示形式;
:上述关系只对能量信号成立;
( )jxE e
21 1( ) ( )
2 2j j
x xE E e d X e d
22 1( ) ( )
2j
n
x n X e d
8. Wiener—Khinchin 定理
对功率信号,其自相关函数定义为:
N
NnN
x mnxnxN
mr )()(12
1lim)(
2
2 ( )( ) ( )
2 1limj
Nj m jx x
Nm
X er m e P e
N
定义:
1( )
2j
x xP P e d
说明:1. 在 内的积分等于信号的功率,所以称 为功率谱,同理, 为能量谱;
~ ( )jxP e
( )jxP e ( )j
xE e
2. 始终是 的实函数;( )jxP e
3. 相关函数和功率谱是随机信号分析与处理的主要工具,它们都需要靠“估计”得到,这就形成了丰富的“估值理论”。
( ) ( )j j mx x
m
P e r m e
4.
1( ) ( )
2j j nx n X e e d
1( ) ( )
2j j m
x xr m P e e d
n
njj enxeX )()(
思考:由功率谱是否可以得到原信号 ( )x n
例 1 : 1 0,1, , 1( )
0
n Nd n
n
为其他值
1
0
1( )
1
j NNj j n
jn
eD e e
e
( 1) /2 sin( / 2)
sin( / 2)j N N
e
( ) ( )jge D
(四)应用
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5-2
0
2
4
6
(a) N=6
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5-5
0
5
10
15
20
(b) N=18
越大,主瓣越窄
)2/sin(
)2/sin()(
N
eD jg sin c 函数
22
Nk
kN
过零点
2
N
N
( ) ( ) ( )
( ) ( )* ( )
N
j j jN
x n x n d n
X e X e D e
例 2. 信号截短:
令: 0( ) cos( )x n n则: ( )jX e 是周期的线谱,与 ( )jD e
卷积后,频谱将发生失真,影响
其分辨率 (Resolution)
注意:所有有限长的信号都应看作一 无限长的信号和一矩形窗相乘
的结果。关键是对频域的影响。
两个线谱和 函数的卷积:sin c
1
2
0.226
0.274
f
f
1 2f f
0 0.1 0.2 0.3 0.4 0.50
2
4
6
8
0 0.1 0.2 0.3 0.4 0.50
10
20
30
51N
31N
窗函数频谱:
峰值左、右第一个过零点之间的距离称为主瓣,主瓣外第一个峰值称为边瓣。我们希望主瓣的宽度越小越好,边瓣的幅度越小越好。若想分辨出 两个谱峰,数据的长度:
1 2,
1 2
4 4,
N N
是矩形窗主瓣的宽度
例 3: ( ) ( ), 1nx n a u n a
jn
njnj
aeeaeX
1
1)(
0
22
cos21
1
1
1
1
1|)(|
aaaeaeeX
jjj
1
1( )
1X z
az
低通 高通 相频
snTttxnxtx |)()()( DA /
3.3 抽样定理
现研究信号抽样的数学模型:
sTj jXjPeX |)()()(
( ) ( )sk
p t t kT
( ) ( ) ( )ax n x t p t
2( ) ( )s
ks
P j kT
请掌握公式的推导!
FT
DTFT 的性质
/
1( ) ( )
s
ja s T
ks
X e X j jkT
周期延拓,无穷迭加
( )X j
cc
( )P j
ss
( )jX e
迭加后可能产生的影响
cs 2
2s cf f或
( )jX e ( ~ ) ( )aX j
要求:
若保证 相等
( )x n ( )x t则 可 保 留
全部信息
即:抽样频率 至少要等于信号最高频率 的两倍。此即抽样定理。
sf
cf
Nyquist 抽样定理,或 Shannon 抽样定理
如何保证 2s cf f
1. 做频谱分析,了解 的 行为;( )aX j
2. 使用抗混迭滤波器,限制 的范围。( )aX j
( )x t ( )x n( )aH s /A D
sf :抽样频率;/ 2sf :折迭频率;
如果抽样频率不满足要求,将出现频谱的 混
迭( Aliasing), 将无法恢复原信号。
如何由 重建出 ( )x n ( )x t
工程上: 使用 D/A 转换器;
在满足抽样定理的情况下, 的一个周期即等于 ,因此,可截取之。
( )jX e
( )aX j
理论上: 导出如下:
( ) / 2s sH j T 其余为零sin( / 2)
( ) , sin( / 2)
s
s
th t c
t
( ) ( ) ( ) |s
ja TX j X e H j
sin[ ( ) / ]( ) ( )
( ) /s s
a sn s s
t nT Tx t x nT
t nT T
插值函数
插值公式 权
( ) ( )x n x n N
如何对 作频谱分析( )x n
因为 是离散的, 故频谱是周期的;( )x n
因为 是周期的, 故频谱是离散的;( )x n
即: 的频谱应是离散的、 且是周期的。( )x n
但: 是功率信号,不能 直接作 DTFT ;( )x n
3.4 离散傅立叶级数( DFS)
周期序列
00( ) ( ) jk t
k
x t X k e
离散、非周期
FS:
st nT离散化 ( ) ( )sx t x nT
0
0
2
2s
s
T
T NT
NT
0
2
2
ss
jk t
jk nTNT
j nkN
e
e
e
2
0
2
0
( ) ( )
( )
ss
jk nTNT
sk
j nkN
k
x nT X k e
X k e
02 / 2 /s sT N T N
离散、周期周期
即: 是周期的,周期是 ,间隔是
是周期的,周期是 ,间隔是
( )sx nT N
0( )X k N
sT
0
所以,各取一个周期,有:21
0
21
0
( ) ( ) ~
1( ) ( ) ~
N j nkN
n
N j nkN
k
X k x n e k
x n X k e nN
此即 DFS!
21
0
21
0
( ) ( ) ~
1( ) ( ) ~
N j nkN
n
N j nkN
k
X k x n e k
x n X k e nN
DFS 中, 仍取无穷长,实际上没必要!,n k
改
为
21
0
21
0
( ) ( ) 0,1, 1
1( ) ( ) 0,1, , 1
N j nkN
n
N j nkN
k
X k x n e k N
x n X k e n NN
此即 DFT !
2. 从实际上,当我们在计算机上实现信号的频谱分析时,要求:时域、频域都是离散的;时域、频域都是有限长;
3. FT 、 FS 、 DTFT 、 DFS 都不符合要求 但利用 DFS 的时域、频域的周期性,各 取一个周期,就形成新的变换对:
1. 从原理上, 和 的各自一个周期即可表示完整的序列;
( )sx nT0( )X k
但 DFT 并不是“第五种”傅立叶变换!
为什么要由 DFS 过渡到 DFT?
这一对式子,左、右两边都是离散的,有限长,因此可方便地用来实现频谱分析。
但使用时,一定要想到,它们均来自 DFS, 即
和 都是周期的!
12 /
0
1
0
( ) ( ) ,
1( ) ( ) , 0,1, , 1
Nnk j N
N Nn
Nnk
Nk
X k x n W W e
x n X k W n k NN
( )x n ( )X k
3.5 离散傅立叶变换( DFT)
DF
T
的图形解释
Z 变换、 DTFT 、 DFT 的取值范围
( ), 0,1, , 1x n n N 1 1
0 0
( ) ( ) ( )( )N N
n j n
n n
X z x n z x n re
,
1
jz e or
r
21
20
( ) ( )N j nk
N
kn N
X k x n e
1
2 / 10
1 ( )( )
1
N N
j k Nk
z X kX z
N e z
1
0
( ) ( )N
j j n
n
X e x n e
DFT 的性质:1. 线性
1 2 1 2DFT[ ( ) ( )] ( ) ( )ax n bx n aX k bX k
2. 正交性
1 11, ,N N N NN
X W x W W x W X
0 0 0 0
0 1 2 1
0 2 4 2( _1)
0 1 2( 1) ( 1)( 1)
[ ]
N
nk NN
N N N N
W W W W
W W W W
W W W W W
W W W W
W
正交阵
3. 循环移位
DFT[ ( )] ( )
DFT[ ( )] ( )
km
km
x n m W X k
x n m W X k
21 ( )( )
N m j r m kN
r m
x r e
21
0
( ) ( ) , :N j nk
N
n
X k x n m e let n m r
2 21 1
( ) ( )N N mj rk j rkmk N N
Nr m r N
W x r e x r e
( )mk
NW X k
2 2 21 1 1
0
( ) ( ) ( )N N m Nj rk j rk j rk
N N N
r m r N r
x r e x r e x r e
( )x n
( 2)x n N
N
为实序列:4. 奇、偶、虚、实对称性质( )x n
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
arg ( ) arg ( )
R R R
I I I
X k X k X N k
X k X k X N k
X k X k X N k
X k X N k
X k X k
( )x n复序列
纯虚序列
5. Parseval’s 定理2 21 1
0 0
1( ) ( )
N N
n k
x n X kN
6.循环卷积
线性卷积0
( ) ( ) ( ), ( ) : 2 1k
y n x k h n k y n N
都是 点 序列( ),x n N( )h n
当和 DFT 联系起来时,注意到 都是以
为周期的周期序列。移位时移进也有出 。
( )h n( )x n
N
循环卷积定义为:
1
0
1
0
( , mod ) ( ) ( )
( , mod ) ( , mod )
( ) ( ) ( ), ( ) :
N
i
N
i
y n N x n h n
x i N h n i N
y n x i h n i y n N
点序列
( ) ( ) ( )Y k X k H k
循环卷积定
理
1
0
1( ) [ ( ) ( )]
Nnk
Nk
y n X k H k WN
( )Y k
DFT 对应周期信号,所以, , 及 都是周期的!
( )x n ( )h n ( )y n
(0) (0) ( 1) (1)
(1) (1) (0) (2)
( 1) ( 1) ( 2) (0)
(0)
(1)
( 1)
y h h N h
y h h h
y N h N h N h
x
x
x N
y
Hx 循环矩阵
为什么有循环卷积
3.6 用 DFT 计算线性卷积
( ), 0,1, , 1x n n N
( ), 0,1, , 1h n n M
( ) ( ) ( ) ( ) ( )k
y n x n h n x k h n k
都是非周期
1L N M
如何用 DFT 来实现DFT 有快速算法
存在什么矛盾
( )
0,1, , 1
x n
n N ( )
0,1, , 1
h n
n M
补零 补零
( )
0,1, , 1
x n
n L
( )
0,1, , 1
h n
n L
DFT DFT
( )
0,1, , 1
X k
k L
( )
0,1, , 1
H k
k L
相乘
( ) ( ) ( )Y k X k H k
IDFT
( ) ( )x n h n
1L N M ( )y n
( ) ( ) ( )y n x n h n
没有全部进入,如何实现卷积
全部进入再卷积,又如何保证实时实现
长序列卷积的计算:( )x n
( )h n( )y n
( )x n
数字信号处理的 优势是“实时实现”,即信号进来后,经处理后 马上输出出去。然而:
( ) ( ) ( ) ( ) ( )k
y n x n h n x k h n k
关键是将 分 段和 卷积( )h n( )x n( ) :
( ) :
( ) : 1
x n N
h n M
y n N M
将 分成 段,每段长( )x n L /K N L
1 2
1 2
( ), ( ), , ( )
( ), ( ), , ( )
1
L
L
x n x n x n
y n y n y n
K M
( 1)
1
L K M
N LM L
N M
Overlap — add method 叠接相加法
Overlap — save method 叠接舍去法
自己看书及使用 MATLAB文件来掌握
另外:
较短( FIR :长度在 20~ 50 之间, IIR: 尽管无限长,但有限长度要小于 50 ),
可能很长,也不适宜直接卷积。
( )h n
( )x n
电子信息工程学院
一、分辨率
分辨率 问题是信号处理 中的基本 问题,包括频率分辨率和时间分辨率。
频率分辨率:通过频域窗观察到的频率宽度;
时间分辨率:通过时域窗观察到的时间宽度;
3.7 与 DFT有关的几个问题
窗函数的“宽度”越小越好!
窗函数的“宽度”能随信号的变 化
自适应当调整!
希望
频率分辨率 又可定义为:将信号中两个靠的很近的谱峰区分开的能 力。
频率分辨率:一是取 决于信号的长度,二是取决于频谱分析的 算法。
时间和频率是描述信号的两个主要物理量,它们通过傅里叶变换相联系。
dejXtx
dtetxjX
tj
tj
)(2
1)(
)()(
n
njj enxeX )()(
1( ) ( )
2j j nx n X e e d
FT DTFT
对 FT: 设 长度为 ,则 ( )Tx t T( )TX j 的分辨率 1/ (Hz)f T
( )d tA
t2T/ 2T
( )
sin( / 2)
/ 2
D j
TAT
T
2
T
主瓣宽度反
比于时间长
度
( ) ( ) ( )Tx t x t d t
对 DTFT: 设抽样间隔为 , 则 ( ) ( ), 0,1, , 1
( ) ( ) ( )
( ) ( )* ( )
T N
N
j j jN
x t x n n N
x n x n d n
X e X e D e
sT / sN T T
( )
sin( / 2)
sin( / 2)
jgD e
N
2
N
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5-2
0
2
4
6
(a) N=6
-0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5-5
0
5
10
15
20
(b) N=18
主瓣宽度反比
于时间长度
1 2
4k
N
对矩形窗, ,其他类型的窗函数,1k 1k
这为数据长度的 选择提供了依据。
用计算机分析和处理信号时,信号 总是有限长,其长度即是矩形窗的宽度,要想分辨出 处的两个频谱,数据长度必 须满足:
1 2,
1/
4
f T
T
4k
N
“物理分辨率”:取决于信号的有效长度。
对 DFT:21
0
21
0
( ) ( ) 0,1, 1
1( ) ( ) 0,1, , 1
N j nkN
n
N j nkN
k
X k x n e k N
x n X k e n NN
sf f N
此为 相邻两点的频率间隔,也是最大
分辨“ 细胞”。若要分辨出 处的两个谱
峰, 必须大于 。
( )X k
1 2,f f
1 2f f f
例:1 2 3
1 2 3
( ) sin(2 ) sin(2 ) sin(2 )
2Hz, 2.02Hz, 2.07 Hz, 10Hz,s s s
s
x n f n f f n f f n f
f f f f
试确定将三个谱峰分开所需要的数据的长度。
2 1 0.02Hz
2 2 0.002s
f f f
f f
在本例 中,最小的
由 1 2
4
N
有 4 2 (0.002) 1000N
即要想分辨出这三个谱峰,数据的长度 至少要大于 1000 ,从 DFT 的角度看
若令
10 1024 0.00976Hzsf f N
1024N
则
下图, 分别等于 256 和 1024 ,可见,
时无法分辨三个谱峰。256N N
1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.50
50
100
150
Hz
1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.50
200
400
600
Hz
使用 DFT 的步骤: 由信号的最高频率 确定抽样频率 ;cf sf
N 根据分辨率的需要, 确定 数据长度 ;
根据 DFT 的结果,再适当调整参数。
要根据分辨率的要求 确定模拟信号的长度 ,
若 可以无限长,则TT
DFT 和线性卷积是信号处理 中两个最重要的基本运算,有快速算法,且二者是“相通”的。
N
f 不变,若 增加 ,N N T
“ 计算分辨率”
如何增加数据的点数 N N
1.提高抽样率;
2. 在数据后面补零。能提高分辨率 吗
/ /
/ /
s s
s s
N T T f f N
N T T f f N f
不能提高分辨率
不能提高分辨率, 没有增加数据有效长度!
例:1 2 3
1 2 3
( ) sin(2 ) sin(2 ) sin(2 )
2.67 Hz, 3.75Hz, 6.75Hz, 20Hz,s s s
s
x n f n f f n f f n f
f f f f
令 16N
( )jX e 在正频率处应 该有三根谱线。
数据后补零的影响:为什么要补零?
数据过短,补零后可起到一定的插值作用; 使数据长度为 2 的整次幂,有利于 FFT 。
0 5 100
2
4
6
8
Hz0 5 10
0
2
4
6
8
Hz
0 5 100
2
4
6
8
10
Hz0 5 10
0
2
4
6
8
10
Hz
16N (几根谱线 ?) 补 个零(?)N
补 7 个零N 补 29 个零N
三个正弦
二、 DFT 对 FT 的近似
是否是 的准确抽样?
( )X k( )aX j
原: ( )ax t 频谱: ( )aX j
抽样: 频谱:( )ax n ( )jaX e
截短: 频谱:( )x n ( )X k
只要满足抽样定理; 做 DFT 时数据的长度保证所需的频率分辨
率;则 是 的 极好近似。( )X k ( )aX j
为什么 不是 的 准确抽样
关键取决于信号时宽-带宽的不定原理:
( )X k ( )aX j
2 2 21 | ( ) |t E t x t dt 2 2 21
2 | ( |E X d 信号的时宽
信号的带宽
t 信号时宽-带宽积
12t (Uncertainty Principle)
14t f 或:
所以,若信号是有限时宽的,那么在频域必然是无限 带宽的,反之亦然。这一现象也可从加窗的角度来理解,即矩形窗的频谱是无限宽的。这一现 象,来自傅立叶变换的性质:
FT( )x t ( )X j
( )x at1
( )X j aa
FT
做 DFT 时,总不可避免的取有限长,“有限
长”带来了 对 的近似。( )X k ( )aX j
电子信息工程学院
要求:1. 由图 3.7.3 ,搞清( 3.7.8) ~ (3.7.14) 式的含义;
1( ) ( )
s
ja T a s
ls
X e X j jlT
( ) ( ) ( )j j jaX e X e D e
2( ) ( ) 0,1, , 1jN
kN
X k X e k N
( ) ( ) 0,1, , 1Nl
X k X k lN k N
( ) ( ) , ,sa a t nTx n x t n
( ) ( ) ( ), 0,1, , 1N ax n x n d n n N
( ) ( ), 0,1, , 1Nl
x n x n lN n N
2. 总结在导出 DFT 的过程中,有几个“周期延 拓”?
3. 理解例 3.7.4 和例 3.7.5;
4. 思考:什么情况下, 是 的 准
确抽样?
( )X k ( )aX j
0 0
0
0 0
( ) sin(2 ), 2
( ) sin(2 ) sin( )
(0) 0, (1) 0,
( ) cos(2 ), 2
(0) 1, (1) 1,
s
s
s
x t f t f f
x n f n f n
x x
x t f t f f
x x
3.8 关于正弦信号的抽样
02sf f
( )x t 窄带信号抽样定理:若信号 的频谱
仅在 的范围内有值,我们称该信号为
窄带信号。若保证 ,则可由
恢复 。
~l hf f
2( )s h lf f f
( )x n( )x t
问题的关键是由于正弦信号是一 类特殊的信号,特殊在它是单频率信号,带宽为零,所以要单独考虑。
又:1 1 1
2 2 2
1
2
( ) cos(2 ), 20Hz
( ) cos(2 ), 100Hz
( ) cos(2 20 / 80) cos( / 2)
( ) cos(2 100 / 80) cos( / 2)
x t f t f
x t f t f
x n n n
x n n n
80Hzsf
几点建议: 1. 抽样频率应为正弦频率的整数倍;
2. 抽样点数应包含整周期,数据长度
最好是 2 的整次幂;
3. 每个周期最好是四个点 或更多;
4. 数据后不要补零。 按以上要求,对离散正弦信号做 DFT 得到的频谱正好是线谱, 完全等同于连续正弦信号的线谱。
2
21 2
1 1 1 2
(0,0) (0,1) (0, 1)
(1,0) (1,1) (1, 1)( , )
( 1,0) ( 1,1) ( 1, 1)
x x x N
x x x Nx n n
x N x N x N N
3.9 二维傅立叶变换
多用于图像处理:
1 21 2
1 2
1 2
1 2 1 1 2 2
1 2
1 2
1 1 2 2
1
1 2
1 1
1 2 1 2 1 20 0
1 1
1 20 0
1 1
1 2 1 2 20 0
( , ) ( , )
( , ) ( , )
( , ) ( , )
N Nn n
n n
N Nj j j n j n
n n
N Nn k n k
N Nn n
X z z x n n
X e e x n n e e
X k k x n n W W
z z
先对行作 DFT ,作 次,对其中间结果,
再对列作变换,作 次。 或反之。
1N
2N
例: 2- D Hamming 窗及其频谱
时域窗 频谱
3.11 Hilbert 变换1 ( )
ˆ( )x
x t dt
信号处理 中重要的理论工具
1 ( )ˆ( )
x tx t d
1ˆ( ) ( )x t x t
t
( )x t ˆ( )x t1
t
01( ) ( ) sgn( )
0
jh t H j j
jt
)()()( jejHjH
( ) 1H j
02/
02/)(
( )H j
1
( )j 2
2
)(ˆ)()( txjtxtz
ˆ( ) ( ) ( )Z j X j jX j
00
0)(2)(
jXjZ
令: 的解析( Analytic) 信号( )x t
0( ) ( )
0
jX j jX j
j
( ) ( ) ( )X j jH j X j
解析信号 的频谱只有正频率成分! 显然,若
对 抽样,抽样频率可降低一倍。另外,做时
-频分析时,可 减轻正、负频率处的 交叉干扰。
( )z t
( )z t
( )X j ( )Z jˆ ( )X j
d
t
xtx
ttx
)(ˆ1)(ˆ
1)(
Hilbert 反变换:
例: 若 0( ) cos(2 )x t A f t
可求出: 0ˆ( ) sin(2 )x t A f t
02ˆ( ) ( ) ( ) j f tz t x t jx t Ae
正、余弦函数构成一对 Hilbert 变换
离散信号的 Hilbert 变换:0
( )0
j jH e
j
m m
mnxnhnxnx
)12(
)12(2)()()(ˆ
1( ) ( )
2j j nh n H e e d
01 ( 1)
( ) 2n n
h nn n
n
为偶数
为奇数
Hilbert 变换 器的单位抽样响应
如何有效的计算 Hilbert 变换?Step 1. 对 做 DFT, 得:( )x n ( ), 0, , 1X k k N
Step 2. 令
1,,2
0
12
,,2,1)(2
0)(
)(
NN
k
NkkX
kkX
kZ
Step 3. 对 做逆 DFT, 得( )Z k ( )z n
Step 4. 由
ˆ( ) IDFT[ ( ( ) ( ))]x n j Z k X k
得 )]()([)(ˆ nxnzjnx
Hilbert 变换的性质:1. 信号通过 Hilbert 变换 器后,幅度谱不发生变 化;
0)(2
)(2
)](ˆ)[(2
1)(ˆ)(
0 20 2
djXj
djXj
djXjXdttxtx
0)](ˆ)[(2
1)(ˆ)(
deXeXnxnx jj
n
但我们并不把 Hilbert 变换看作是正 交变换
2. 信号和其 Hilbert 变换是正 交的:
3. 卷积性质
1 1
2 2
ˆ( ) ( )
ˆ( ) ( )
ˆ( ) ( )
x t x t
let x t x t
x t x t
1 2
1 2
1 2
: ( ) ( ) ( )
ˆ: ( ) ( )
ˆ( ) ( )
if x t x t x t
then x t x t
x t x t
ˆ( )x t
: ( ) ( ), ( ) 0 0let x n x n x n for n
deXeX jR
jI )
2cot()(
2
1)(
)0()2
cot()(2
1)( xdeXeX j
Ij
R
Hilbert 变换 关系
实因果信号傅立叶变换的一 些内部关系:
实因果信号
( ) ( ) ( )j j jR IX e X e jX e 直角坐标
( ) arg[ ( )]( ) ( ) ( )jj j j j j X eX e X e e X e e
极坐标( ) ln ( ) arg[ ( )]j j jX e X e j X e
取对数
deXeX jj )2
cot()(ln2
1)](arg[
1ln ( ) arg[ ( )]cot( ) (0)
2 2j jX e X e d x
Hilbert 变换关系
( ) ( )jX e x n 的
复倒谱( )x n Spectrum
Cepstrum
与本章有关的 MATLAB 文件fftfilt.m 用叠接相加法实现卷积。格式是
y=fftfilt(h,x) 或 y=fftfilt(h, x , N)
记 的长度为 , 的长度为 。 若 采用第一个调用方式,程序自动地确定对
分段的长度 及 做 FFT 的长度 , 显然,
是最接近 的 2 的整次幂。分的 段数
为 。采用第二个调用方式,使用者可自己指定做 FFT 的长度。 建议使用第一个调用方式。
( )x nxN ( )h n M
( )x n
( )L M
NL
/xN L
N
hilbert.m
文件用来计算信号的解析信号。 调用
的格式是 : y=hilbert(x),
y 的实部就是 ,虚 部是 的
Hilbert 变换 。即
( )x n
ˆ( )x n
( )x n
ˆ( ) ( ) ( )y n x n jx n