- 1、有哪些信誉好的足球投注网站(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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
有限长离散变换
第五章 有限长离散变换——离散傅里叶变换
离散时间、离散频率的傅立叶变换――离散傅立叶变换
上一章讨论的三种傅立叶变换的形式均不适合在计算机上运算。原因就是存在一种连续的函数(无论时域还是频域)。离散傅立叶变换是一种在时域和频域均离散的傅立叶变换。
推导离散傅立叶变换的方法有很多种。
在0~N-1个复数值组成的时间序列中,
构成完备的正交序列集,因为
把分解为上述完备正交集之和,即
如何求系数呢?
为了书写方便,通常把记为,则
=,令,或
那么,离散傅立叶变换对就写为
四种傅立叶变换形式的归纳。非周期连续时间信号的频谱也是非周期连续的。在时间或频域中任何一个域离散,在另一个域将被周期性延拓。
有限长序列,作离散傅立叶变换时,都是作为周期序列的一个周期——主值序列——来处理的,隐含有周期性的意义。
离散傅立叶变换的性质
对N点有限长序列,X1(k)=DFT[x1(n)],
X2(k)=DFT[x2(n)]
具有下列性质:
线性
DFT[ax1(n)+bx2(n)]=aX1(k)+bX2(k)
注意,两个序列的长度相同,如果序列长度不同,则要将较短序列补零,与较长的序列长度一致,否则,不成立。
序列的循环移位
x(n)(xm(n)
一个序列的循环移位是指:将序列延拓成周期序列,将周期序列移位,取移位后的周期序列的主值序列,即得到循环移位后的序列。
用表示的周期性延拓,且周期为N
有限长序列循环移位后的DFT为:
证:
由于
故
由此得:
同理,对于频域的有限长序列X(k),其循环移位性质有:
共轭对称性
有限长序列的共轭对称序列:
满足条件 的序列叫共轭对称序列。
满足条件 的序列叫共轭反对称序列。
任一序列总能表示为一个共轭对称序列和一个共轭反对称序列之和。即
满足共轭对称序列条件
满足共轭反对称序列条件
值得注意的是,是长度为N的序列,而按该条件定义的,却是长度为2N-1 的序列。
周期序列的共轭对称分量和共轭反对称分量
共轭对称
共轭反对称
有限长序列的循环共轭对称序列和循环共轭反对称序列
有限长序列为,长度为N。将它们以N为周期作周期延拓,得到周期序列
=
其共轭对称分量和共轭反对称分量分别为:
有限长序列的共轭对称分量和共轭反对称分量分别定义为:
按照相同的方法,如果可以得到的循环共轭对称分量和循环共轭反对称分量
在之间存在下列对称性质:
若是实序列,则
若是纯虚序列,则
证:1)
2)
3)
4)
5)
若是实序列,
则
6)
若是纯虚序列,
则
7)
例
一个长度为11点的实序列的11个离散傅立叶变换的6个样本为:
X[0]=12, X[2]=-3.2-j2, X[3]=5.3-j4.1, X[5]=6.5+j9, X[7]=-4.1+j0.2, X[10]=-3.1+j5.2。求余下的5个样本。
解,利用性质5
若是实序列,则
这里,N=11。因此余下的5个点:
,,
,
DFT形式下的帕塞瓦定理
证明:
当 y(n)=x(n)时
循环卷积和
设,都是长度为N的有限长序列,
则
循环卷积和
证明:利用圆周移位性质:
例 计算x1和 x2的4点循环卷积和
(x1和 x2见图)
y(0)=1*3+0*2+0*1+1*0=3;
y(1)=1*3+1*2=5
y(2)=0*3+1*2+1*1+0=3
y(3)=0*3+0*2+1*1+1*0=1
3 2 1 0 3 2 1 0 3 2 1 0 1 1 0 0 3 2 1 0 3 2 1 0 3 2 1 0 X 1 0 3 2 1 0 3 2 1 0 3 2 1 X 1 0 0 0 0 0 0 0 0 0 0 0 0 X 0 0 0 0 0 0 0 0 0 0 0 0 0 X 0 3 5 3 1 3 5 3 1 3 5 3 1 竖式乘法:
(线性卷积和)
例,计算时宽为N的两个矩形序列 的N点循环卷积和。
,
(具体,以N=3,循环与线性)
例 将x1(n) 和 x2(n)各增加N个零点,把其看成2N点序列,再求循环卷积和。
计算结果与x1(n) 、 x2(n)的线性卷积和结果相同。这意味着线性卷积和的运算,在一定条件下可以用循环卷积和来进行。而循环卷积和可以通过傅立叶变换来完成。
有限长序列的线性卷积和与循环卷积和
有限长序列x1(n)(非零区间长度为N1),和x2(n)(非零区间长度为N2
文档评论(0)