非周期信号可以由DFT处理。 DFT可以处理周期性和非周期性信号吗?
答案 0 :(得分:1)
是的,你可以。一个很好的解释是made here 直接引用如下。 (http://www.swarthmore.edu/NatSci/echeeve1/Class/e12/Lectures/FourierXform/FourierXFormI.html)
似乎周期函数不具有傅立叶变换 因为它违反了第一个收敛标准。然而, 如果我们允许脉冲函数,我们可以绕过这个限制 (这将允许我们使用傅立叶变换进行周期性和 非周期函数)。
考虑一个简单的脉冲频域函数 缩放2p(缩放因子稍后会很方便)。
我们可以通过计算得到相应的时域函数 逆傅里叶变换,
(最后一步是使用脉冲的筛选属性进行的 函数。)注意,时域函数x(t)是周期性的。所以 如果我们允许傅立叶域中的脉冲,我们可以定期 时域中的功能。这是一个特例,但我们可以 代表任何(取决于收敛标准,如 傅立叶级数)具有傅里叶变换的周期函数。第一 考虑傅立叶变换,这是一个无限的脉冲和(这个 是设计的,但它简化为有用的东西)。
(这个派生也使用了筛选属性。)所以,找到了 周期信号的傅里叶变换,x(t),首先找到傅立叶 系列系数,cn,那么
答案 1 :(得分:1)
离散傅里叶变换(DFT)定义了N点时域序列x [n],n = 0..N-1和N点频域序列(傅里叶变换的样本)之间的关系在\ omega = 0和2 \ pi之间均匀间隔X [k],k = 0..N-1。正向转型由下式给出:
X[k] = 1/N \sum_{n=0}^{N-1} x[n] exp{-j 2\pi k.n/N}
可以表示为矩阵乘法
X = D x
其中x和X是对应于时域和频域的N元素列向量,D是N-by-N DFT矩阵,
D_{kn} = 1/N exp{-j 2\pi k.n/N}
(因此逆变换通常来自D的矩阵逆)。
因此,您可以计算任何N点输入序列x [n]的X [k],并且甚至没有多大意义来定义有限长度序列的周期性。如果x [n]可以被分成几个完全重复的部分(例如,重复的N / 2点序列),那么我们将在X [k]中看到相应的结构(所有奇数谱样本将为零)例子)。
现在,您可以将DFT解释为无限期,周期序列的傅立叶变换,该序列由您开始的无限多次重复的N点时域序列组成。在这种情况下,DFT值X [k]对应于构成该无限能量(但是有限幂)序列的谱的狄拉克斯三角洲的权重。
但您也可以将其解释为对有限长度序列的傅立叶变换进行采样,等效于无限持续时间序列,恰好在有限的N点范围内非零。在这种情况下,X [k]值是完整的连续频率傅立叶变换的有限值样本。