離散傅氏轉換之定理與特性
二維離散傅利葉轉換
我們可以將一維的離散傅利葉轉換作推廣,形成所謂的二維的離散傅利葉轉換 (2-D Discrete Fourier Transform),其定義為:
其中 m 與 k=0, 1, 2, ...M-1,而 l 與 n= 0,1,2,3...N-1, 在此運算子 ,
【練習一】
離散轉換之實際問題考慮
首先我們先談談摺積及相關函數處理,再來討論一些離散轉換運算時遭遇到的實際問題。
1. 摺積及相關函數處理
A. 摺積 (Convolution) 運算:
B. 相關函數 (correlation) 運算:
2. 序列之長度修正
對於兩個長度為有限的序列,我們在做數據資料摺積及相關函數處理的時候,常遇到長度不足的困擾,因此我們必須再將此序列之長度作修正,其中又以填補運算 (Packing Operation) 及延伸運算 (Strech Operation) 最常使用。
A. 填補運算
將序列前面或後面填補 0 以增加其長度:例如
B. 延伸運算
將序列中間插入 0 以增加其長度:例如
【練習二】
【練習三】
離散傅氏轉換之特性
離散傅氏轉換仍能延續連續時間的傅氏轉換的特性,因此談到離散傅氏轉換的性質時,大致上可以與連續連續時間的傅氏轉換放在一起聯想,在這裡我們將就此點討論如下:
1. 線性轉換
假如有兩個有限長度之序列 x1[n] 和 x2[n] ,其離散傅氏轉換 DFT 分別為X1[k] 和X2[k],則ax1[n]+bx2[n ] 之離散傅氏轉換 DFT 為aX1[k]+bX2[k]。也就是離散傅氏轉換DFT 可以使用重疊定理(superposition theory) 將其成份分批轉換再組合以求得全部轉換之結果,如此可以避開一些繁複的設算工作,而整個系統簡化。
2. 時間平移
假如有一個有限長度之序列 x[n],其離散傅氏轉換 DFT為 X[k],則x[(n-m)] 之離散傅氏轉換 DFT 為 X[k] 在此 N 為序列之長度,亦即當訊號時間領域裡落後了一段 m 的時間差後,在頻譜上轉換上必須將原來的頻譜轉換乘上 的係數。
3. 頻率的調變
假如有一個有限長度之序列 x[n],其離散傅氏轉換 DFT 為 X[k],則 x[n] 的離散傅氏轉換 DFT 為 x[(k-l)],其中 N 為序列之長度。從這裡我們看出當頻譜形狀不變,但頻率值改變,亦即將頻譜平移時,我們可以得到一個經過調變後的新信號,由於低頻的信號在通信上常常容串音 (cross-talk) 而失真,因此我們可以將信號在頻譜上平移至高頻部份作傳輸與處理。因此對於一些頻率領域和時間領域上的問題,我們都可以不須再重新計算,只須在原先計算值上作修改即可。
4. 共軛關係
假如有一個有限長度之序列 x[n],其離散傅氏轉換 DFT 為 X[k],則:
x[n] 之離散傅氏轉換 DFT 為 X[-k]
x[-n] 之離散傅氏轉換 DFT 為 X[k]
x[n] 離散傅氏轉換 DFT 之實數部份為 1/2[X [k] +X[-k]]
x[n] 離散傅氏轉換 DFT 之虛數部份為 1/2[X [k] -X[-k]]
這也就是說, x[w] 也呈現共軛對稱 (conjugate symmetry)的現象
5. 褶積之特性
假如有兩個有限長度之序列 和 ,其離散傅氏轉換 DFT 分別為 和 ,則對於兩序列之褶積(迴旋積分) 其離散傅氏轉換 DFT 為 。
而兩序列之相乘 x1[n]x2[n] 之離散傅氏轉換 DFT 則變為兩序列之分別相對應之離散傅氏轉換 DFT 作褶積
6. 對稱性質
X[k]=X[-k]
Re{X[k]}=Re{X[-k]}
Im{X[k]}=-Im{X[-k]}
X[k]=|X[-k]|
{X[k]}={X[-k]}
其中, Re{X[k]}
為 X[k]
之實數部份,Im{X[k]}
為 X[k]之虛部份。
1.離散時間....
2.離散系統之.... 3.信號取樣.... 4.離散傅氏.... 5.快速傅利葉轉換 回首頁
回文字版首頁