下载文档原格式
课程名称：数字信号处理 （Digital Signal Processing）课程性质: 专业基础课 授课专业: 计算机科学与技术、自动化第3章 离散傅里叶变换（DFT）电子与信息工程学院 金海红数字信号处理引 言DFT: Discrete Fourier Transform 离散傅里叶变换是有限长序列的离散频域表示，不 仅具有明确的物理意义，相对于DTFT他更便于用 计算机处理。
但是，直至上个世纪六十年代，由于 数字计算机的处理速度较低以及离散傅里叶变换的 计算量较大，离散傅里叶变换长期得不到真正的应 用，快速离散傅里叶变换算法的提出，才得以显现 出离散傅里叶变换的强大功能，并被广泛地应用于 各种数字信号处理系统中。
2数字信号处理引 言Fourier Fourier变换的几种可能形式 变换的几种可能形式时间函数频率函数连续时间、连续频率—傅里叶变换 连续时间、离散频率—傅里叶级数 离散时间、连续频率—序列的傅里叶变换 离散时间、离散频率—离散傅里叶变换3数字信号处理1、连续时间、连续频率—傅里叶变换定义X ( jΩ) = ∫ x(t )e − jΩt dt−∞ ∞ ∞1 x(t ) = 2π∫−∞X ( jΩ)e jΩt d Ω结论： z 时域连续函数造成频域是非周期的谱 z 而时域的非周期造成频域是连续的谱密度函数4数字信号处理2、连续时间、离散频率—傅里叶级数 义定1 T0 / 2 − jk Ω0t X ( jk Ω0 ) = ∫ x(t )e dt − T / 2 T0 0 x(t ) =k =−∞∑∞X ( jk Ω0 )e jk Ω0t结论： z 时域连续函数造成频域是非周期的谱 z 频域的离散对应时域是周期函数。
5数字信号处理3、离散时间、连续频率—序列的傅里叶变换定义X (e jω ) = 1 x ( n) = 2πn =−∞∑π−∞x(n)e − jωn X (e jω )e jωn dω∫π结论： z 时域的离散化造成频域的周期延拓 z 时域的非周期对应于频域的连续6数字信号处理4、离散时间、离散频率—离散傅里叶变换定义N −1 −j2π nk N 2π nk NX ( k ) = ∑ x ( n)e 1 x(n) = Nn =0 N −1 k =0∑ X ( k )ej结论： 一个域的离散造成另一个域的周期延拓，因此离 散傅里叶变换的时域和频域都是离散的和周期的7数字信号处理四种傅里叶变换形式的归纳频率函数非周期和连续 非周期和离散(Ω0=2π/T0) 周期(Ωs=2π/T)和连续 周期(Ωs=2π/T)和 离散(Ω0=2π/T0)8时间函数连续和非周期 连续和周期(T0) 离散(T)和非周期 离散(T)和周期(T0)数字信号处理Contents1. 2. 3. 4.离散傅里叶变换（DFT）的定义 离散傅里叶变换（DFT）的基本性质 频率域采样 DFT的应用举例9数字信号处理3.1离散傅里叶变换的定义1. 1.余数运算表达式 余数运算表达式预备知识如果n = n1 + mN ，0 ≤ n1 ≤ N − 1 ，m为整数；则( (n ) )N= ( n1 ) ，此运算符表示 n 被 N 除，商为 m，余数为 n1 。
·54· 第3章 离散傅里叶变换（DFT ）及其快速算法（FFT ）3.1 引 言本章是全书的重点，更是学习数字信号处理技术的重点内容。
因为DFT （FFT ）在数字信号处理这门学科中起着不一般的作用，它使数字信号处理不仅可以在时域也可以在频域进行处理，使处理方法更加灵活，能完成模拟信号处理完不成的许多处理功能，并且增加了若干新颖的处理内容。
离散傅里叶变换（DFT ）也是一种时域到频域的变换，能够表征信号的频域特性，和已学过的FT 和ZT 有着密切的联系，但是它有着不同于FT 和ZT 的物理概念和重要性质。
只有很好地掌握了这些概念和性质，才能正确地应用DFT （FFT ），在各种不同的信号处理中充分灵活地发挥其作用。
学习这一章重要的是会应用，尤其会使用DFT 的快速算法FFT 。
如果不会应用FFT ，那么由于DFT 的计算量太大，会使应用受到限制。
但是FFT 仅是DFT 的一种快速算法，重要的物理概念都在DFT 中，因此重要的还是要掌握DFT 的基本理论。
对于FFT 只要掌握其基本快速原理和使用方法即可。
3.2 习题与上机题解答说明：下面各题中的DFT 和IDFT 计算均可以调用MA TLAB 函数fft 和ifft 计算。
3.1 在变换区间0≤n ≤N -1内，计算以下序列的N 点DFT 。
(1) ()1x n =(2) ()()x n n δ=(3) ()(), 0＜＜x n n m m N δ=- (4) ()(), 0＜＜m x n R n m N = (5) 2j()e, 0＜＜m n N x n m N π=(6) 0j ()e n x n ω=(7) 2()cos , 0＜＜x n mn m N N π⎛⎫= ⎪⎝⎭(8)2()sin , 0＜＜x n mn m N N π⎛⎫= ⎪⎝⎭(9) 0()cos()x n n ω=(10) ()()N x n nR n =(11) 1,()0n x n n ⎧=⎨⎩，解：(1) X (k ) =1N kn N n W -=∑=21j0eN kn nn π--=∑=2jj1e1ekN n k nπ---- = ,00,1,2,,1N k k N =⎧⎨=-⎩(2) X (k ) =1()N knNM n W δ-=∑=10()N n n δ-=∑=1，k = 0, 1, …, N -1(3) X (k ) =100()N knNn n n W δ-=-∑=0kn NW 1()N n n n δ-=-∑=0kn NW，k = 0, 1, …, N -1为偶数为奇数·55·(4) X (k ) =1m knN n W -=∑=11kmN N W W --=j (1)sin esin k m N mk N k N π--π⎛⎫⎪⎝⎭π⎛⎫ ⎪⎝⎭，k = 0, 1, …, N -1 (5) X (k ) =21j 0e N mn kn N N n W π-=∑=21j ()0e N m k nNn π--=∑=2j()2j()1e1em k N N m k Nπ--π----= ,0,,0≤≤1N k mk m k N =⎧⎨≠-⎩(6) X (k ) =01j 0eN nknN n W ω-=∑=021j 0e N k nN n ωπ⎛⎫-- ⎪⎝⎭=∑=002j 2j 1e1ek NN k N ωωπ⎛⎫- ⎪⎝⎭π⎛⎫- ⎪⎝⎭--= 0210j 202sin 2e2sin /2N k N N k N k N ωωωπ-⎛⎫⎛⎫- ⎪⎪⎝⎭⎝⎭⎡⎤π⎛⎫- ⎪⎢⎥⎝⎭⎣⎦⎡⎤π⎛⎫- ⎪⎢⎥⎝⎭⎣⎦，k = 0, 1, …, N -1或 X (k ) =00j 2j 1e 1e Nk N ωωπ⎛⎫- ⎪⎝⎭--，k = 0, 1, …, N -1(7) X (k ) =102cos N kn N n mn W N -=π⎛⎫ ⎪⎝⎭∑=2221j j j 01e e e 2N mn mn kn N N N n πππ---=⎛⎫ ⎪+ ⎪⎝⎭∑=21j ()01e 2N m k n N n π--=∑+21j ()01e 2N m k n N n π--+=∑=22j ()j ()22j ()j ()11e 1e 21e 1e m k N m k N N N m k m k N N ππ--+ππ--+⎡⎤--⎢⎥+⎢⎥⎢⎥--⎣⎦=,,20,,N k m k N mk m k N M ⎧==-⎪⎨⎪≠≠-⎩，0≤≤1k N - (8) ()22j j 21()sin ee 2j mn mnN N x n mn N ππ-π⎛⎫== ⎪-⎝⎭ ()()112222j j j ()j ()0011()=e e ee 2j 2j j ,2=j ,20,(0≤≤1)N N kn mn mn m k n m k n N N N N N n n X k W Nk m N k N mk k N --ππππ---+===--⎧-=⎪⎪⎨=-⎪⎪-⎪⎩∑∑其他(9) 解法① 直接计算χ(n ) =cos(0n ω)R N (n ) =00j j 1[e e ]2n n ωω-+R N (n )X (k ) =1()N knNn n W χ-=∑=0021j j j 01[e e ]e 2N kn n n N n ωωπ---=+∑=0000j j 22j j 11e 1e 21e 1e N N k k N N ωωωω-ππ⎛⎫⎛⎫--+ ⎪ ⎪⎝⎭⎝⎭⎡⎤--⎢⎥+⎢⎥⎢⎥--⎣⎦，k = 0, 1, … , N -1 解法② 由DFT 共轭对称性可得同样的结果。
