• 数字信号处理 - Chap7 DFT和FFT (1)DFT基础


    7.1 DFT基础

    DTFT(离散时间傅里叶变换)image 的采样点无限,难以利用计算机实现。DFT(离散傅里叶变换)解决了这一问题,仅需有限采样点,其定义为:

                               image

    1)DFT同样给出了信号的频率分量,k标记每个分量的频率

    2)DFT输入的时域采样x[n]的个数=输出的频率采样X[k]的个数,都为N。可把这N个时域采样点看成是位于DFT窗中,窗的长度等于采样点数N,位于窗外的采样点不影响分析。

    3)相对于DTFTimage 定义在无限个频率上,DFT的X[k]定义在有限个标号k上,易于处理

    4)DFT的周期为N

    X[k]的复数形式为

                            image

    1)幅度频谱:image 对k的图形

    2)相位频谱:image 对k的图形

    7.1.1 DFT与DTFT的关系

    对同一个时域有限点的采样信号,其DFT和DTFT一样。DTFT得到的频谱是光滑的,而DFT则是这一光谱频谱的采样形式,如下图

      image                image

    1)图b是DTFT幅度频谱。注:非周期信号的2pi周期性

    2)图c是DFT幅度频谱,它是DTFT的采样形式

    3)图d是逆DFT,它不是原始非周期信号,而是其周期形式

    7.1.2 DFT的频率分辨率

    利用欧拉公式,DFT可写为

                         image

    1)信号image 与正弦越相关,频谱分量X[k]就越大

    2)DFT可看作是窄带滤波器组:每个频谱分量X[k]可看作是窄带滤波器的输出,此窄带滤波器的中心位于数字频率image 弧度。

     

    DFT的N个点覆盖了0到fs(采样频率)的范围,因此其频率采样间隔为fs/N,它就是DFT的频率分辨率(描述了DFT区分相邻信号频率的能力)。

    1)采样频率fs不变,则采样点N越多,分辨率越好

    2)从滤波器组的角度看,分辨率好的DFT是由大量非常窄的带通滤波组成

    7.1.3 DFT的“墨斑”特性

    尽管计算DFT仅需要N各点,但其中也有重复信息。由于DFT点位于kfs/N,因此当k=N/2达到fs/2的奈奎斯特界限时

    1)这时k=0到N/2的DFT点携带了DFT全部必要的幅度和相位信息

    2)其余点仅是基带重要信号频率的镜像副本(采样的人为结果)。对幅度频谱来说,其这点与k=0到N/2的点关于N/2对称,称为“墨斑”特性如下图DFT幅度频谱关于N/2=128对称,频谱后半部分的峰是基带频率的镜像。

    image

    7.1.4 真实频率的模糊 

    DFT不能超越分辨率所允许的范围去准确定位频率。如以fs=6.4Hz对包含1/16和3/8频率的信号进行采样,然后用256DFT分析。此时分辨率为6.4/256=0.025Hz,因为DFT分量仅在0.025Hz整数倍处,而(1/16)/0.025=2.5,因此1/16Hz的信号不能准确定位,只能用其两侧任一侧的DFT标号去描述;而(3/8)/0.025=15,可被准确定位。

    当DFT没有频率与所分析信号的重要频率相符时,就导致真实频率的模糊。如下图所示

    image   image

    1)图a:以16Hz采样信号的DTFT。在数字频率image 处有一谱峰,对应模拟频率image 2636Hz

    1)图b~d:DFT所用点数越多,就越接近求出真实的2636Hz的频率。最大DFT峰总在最接近这个频率的DFT标号处。但所有结果都造成一定程度的峰值模糊。

  • 相关阅读:
    太久了
    idea文件过大解决方法
    ibus词库导入
    Linux认证考试
    Idea Linux 下的配置 max_user_watches
    SpringBoot启动过程之web,servlet/filter等
    SpringBoot启动过程学习
    也谈一下面试
    MVCC
    Python pyside2 qt 画画面
  • 原文地址:https://www.cnblogs.com/pegasus/p/1958680.html
Copyright © 2020-2023  润新知