前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【数字信号处理】序列傅里叶变换 ( 序列傅里叶变换与反变换 | 序列绝对可和 与 存在傅里叶变换之间的关系 | 序列傅里叶变换性质 )

【数字信号处理】序列傅里叶变换 ( 序列傅里叶变换与反变换 | 序列绝对可和 与 存在傅里叶变换之间的关系 | 序列傅里叶变换性质 )

作者头像
韩曙亮
发布2023-03-30 12:03:40
8570
发布2023-03-30 12:03:40
举报
文章被收录于专栏:韩曙亮的移动开发专栏

文章目录

一、序列傅里叶变换与反变换


在上一篇博客 【数字信号处理】序列傅里叶变换 ( 序列傅里叶变换定义详细分析 | 证明单位复指数序列正交完备性 | 序列存在傅里叶变换的性质 | 序列绝对可和 → 序列傅里叶变换一定存在 ) 的介绍了如下内容 :

傅里叶变换 : 时域 " 离散非周期 " 信号 , 其频域就是 " 连续周期 " 的 , 其频域 可以 展开成一个 " 正交函数的无穷级数加权和 " , 如下公式

X(e^{j\omega}) = \sum_{n=-\infty}^{+\infty} x(n) e^{-j \omega n}

傅里叶反变换 : 利用 " 正交函数 " 可以推导出 " 傅里叶反变换 " , 即 根据 傅里叶变换 推导 序列 ;

x(n) = \cfrac{1}{2\pi} \int_{-\pi} ^\pi X( e^{j \omega } )e^{j \omega k} d \omega

二、序列绝对可和 与 存在傅里叶变换之间的关系


序列绝对可和 与 存在傅里叶变换 :

  • 如果 "
x(n)

序列绝对可和 " , 则 " 序列傅里叶变换 SFT " 一定存在 ;

  • 如果 " 序列傅里叶变换 SFT " 存在 , 不一定 "
x(n)

序列绝对可和 " ; 某些 " 非绝对可和序列 " , 引入 广义函数

\delta(\omega)

后 , 其 傅里叶变换也存在 ;

序列绝对可和可以表示成 :

\sum_{n=-\infty}^{+\infty}|x(n)| < \infty

三、序列傅里叶变换性质


x(n)

的傅里叶变换是

X(e^{j\omega})

, 有如下性质 :

  • 连续性 : 序列
x(n)

是离散的 , 其 傅里叶变换

X(e^{j\omega})

\omega

来说是连续的 ;

  • 周期性 :
X(e^{j\omega})

是周期的 , 其周期是

2\pi

, 其主值区间为

[- \pi , \pi]

;

X(e^{j\omega}) = X(e^{j( \omega + 2M\pi )})

其中

M

是整数 ;

e^{-j\omega n}

, 将

\omega = 2\pi M

带入即可得到其是以

2\pi

为周期的 ;

  • 周期独立性 : 在 相同周期 内的 各个频率 彼此独立 , 频率列举 :
    • 数字角频率域 , 即
    \omega

    • 直流分量角频率 在
    \omega = 2M\pi

    ,

    \pi

    的偶数被上 ;

    • 信号 最高角频率 在
    \omega = (2M + 1 )\pi

    ,

    \pi

    的奇数倍 上 ;

数字角频率

\omega

, 与 模拟角频率

\Omega

之间的关系 :

\omega = \Omega T

直流就是

\omega = 2 \pi f

中的 数字频率

f = 0

;

直流的时候 , 数字频率

f

0

, 则数字角频率

\omega

也为

0

;

证明 " 直流分量角频率 在

\omega = 2M\pi

" :

直流分量 角频率 在

\pi

的偶数倍上 , 角频率 是以

2\pi

为周期的 , 周期信号的 组织是

[-\pi , \pi]

,

在 横轴为

\omega

角频率 , 纵轴为

X(e^{j\omega})

的坐标系中 , 横坐标

\omega = 0

位置的值对应

\omega = 2 \pi

\omega = -2\pi

, 这

3

个横坐标位置的纵坐标值相等 , 直流分量 永远在

\pi

的偶数倍上 ;

证明 " 最高频率分量 在

\pi

的奇数倍上 " :

根据

\omega = \Omega T

, 计算

\omega =\pi

点对应的 模拟频率 ,

\omega = \Omega T = \pi

模拟角频率

\Omega = \cfrac{\pi}{T}

, 其中

T

是采样周期 , 单位是秒 ;

则采样率

F_s = \cfrac{1}{T}

, 单位是

Hz

, 每秒采集多少样本 ;

\Omega = \cfrac{\pi}{T} = \cfrac{\Omega_s}{2}

, 其中

\Omega_s

是采样角频率 ;

模拟角频率是

\Omega = 2\pi f

, 其中

\Omega

是模拟角频率 ,

f

是模拟频率 ;

\Omega_s = 2\pi F_s = \cfrac{2\pi}{T}

根据采样定理 ,

\Omega_s \geq \Omega_{max}

,

\Omega_s

是采样角频率 要大于等于

\Omega_{max}

最高频率 ;

\Omega_{max}

最高频率 就是

\cfrac{\Omega_s}{2}

, 其中

\Omega_s

是采样角频率 ;

参考 【数字信号处理】基本序列 ( 正弦序列 | 数字角频率 ω | 模拟角频率 Ω | 数字频率 f | 模拟频率 f0 | 采样频率 Fs | 采样周期 T ) 博客 ;

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-03-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 一、序列傅里叶变换与反变换
  • 二、序列绝对可和 与 存在傅里叶变换之间的关系
  • 三、序列傅里叶变换性质
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档