zoukankan      html  css  js  c++  java
  • DFT的理解

    在以前学习的离散傅立叶变换(DFT),总是不能理解只是知道公式 X(k) = Σx(n) * WNnk    ,也不知道如何得来的。

    现在可以聊聊了,因为最近在使用MATLAB实际的操作了所以比以前了解的更深刻了。在这里并没有推导,而是一些结论。

    1、对于无限长的离散序列,只能用DTFT计算其频谱,得X(ejw),其中w是连续的。但是有个重要的特性:X是以2pi为周期的。

    2、对于无限长的周期离散序列(这是关键),对于周期序列,只要满足一定的条件(狄里赫利条件)就可以由WNn = 0,,,N-1;离散的谐波线性组合。即它的频谱是DFS离散傅立叶级数。DFS有两个重要的特性:1、周期性(N)。2、离散性。

    可以证明:DFS是DTFT在单位圆周上等间隔(2pi / N)的采样,也称频率采样(前提是DTFT的收敛域包括单位圆)。或者说DTFT在单位圆周上(特定点)的采样就是DFS。

    如果红色字体可以证明,就会引出一个问题。频率的采样在时域会有什么样的影响?这就和在时域采样在频域会有什么样的影响类似。

    看看下面的几组图:

    我只是想证明:如果在无限的x(n)中,频率采样点密集即N越大,有此时的DFS做IDFS就能越接近x(n)。其中2pi / N 称为频率分辨率。从感性上来说:才的点越密集肯定得到的信息越多。

    到这里就可以得:

    3、对于有限的点可以扩展为周期序列,即可以使用DFS求其频谱,而DFT就是DFS的主值。这样就有对于有限点的DFT:X(k) = Σx(n) * WNnk   。 IDFT : x(n) = (ΣX(k) * WN-nk) / N 。

  • 相关阅读:
    复杂网络研究的委员老师信息总合
    numpy读取本地数据和索引
    numpy数组的计算
    numpy数组的创建
    python画图的工具及网站
    matplotlib直方图
    matplotlib.legend()函数用法
    matplotlib条形图
    matplotlib散点图
    matplotlib折线图
  • 原文地址:https://www.cnblogs.com/cornhill/p/4091626.html
Copyright © 2011-2022 走看看