深入理解DSP中的重要概念(FT、DTFT、DFT、DFS、ZT、FFT)
这篇博客主要梳理数字信号处理领域里面比较重要的几个概念以及之间的关系,包含以下几个内容
- 傅里叶变换(FT)
- 离散时间傅里叶变换(DTFT)
- 离散傅里叶变换(DFT)
- 离散傅里叶级数(DFS)
- Z 变换(ZT)
- 快速傅里叶变换(FFT)。
1. 转换成可处理的数字信号的要求
一方面保证是离散的 (时域与频域),另一方面保证信号是有限的 (时域与频域)。
2. 从 FT 到 DTFT
首先给出 FT 的表达式 F(jω)=∫−∞∞f(t)e−jωtdtF(j\omega) = \int_{-\infin}^{\infin}f(t)e^{-j\omega t}dtF(jω)=∫−∞∞f(t)e−jωtdt
通过对连续信号在时域进行采样(在满足采样定理的条件下)可以得到
X(jω)=∑n=−∞∞x(nΔt)e−jωnΔtΔtX(j\omega) = \sum_{n=-\infin}^{\infin}x(n\Delta t)e^{-j\omega n \Delta t}\Delta tX(jω)=n=−∞∑∞x(nΔt)e−jωnΔtΔt 将时域间隔单位归一化后可以得到 X(jω)=∑n=−∞∞x[n]e−jωnX(j\omega)=\sum_{n=-\infin}^{\infin}x[n]e^{-j\omega n}X(jω)=n=−∞∑∞x[n]e−jωn
这样就得到了离散时间傅里叶变换 (DTFT-Discrete-time Fourier Transform)。
3. 从 DTFT 到 DFT
可以发现 eee 的指数是有周期性的,并且周期为 2π2\pi2π。因此在频域区间 [0,2π][0,2\pi][0,2π] 内以 2π/N2\pi/N2π/N 为间隔对 DTFT 变换的结果进行频域取样就可以得到
![](/assets/blank.gif)
这样就得到了离散傅里叶变换 (DFT- Discrete Fourier Transform)。
4. 从傅里叶级数到 DFS
对周期为 T 的连续信号 x~(t)\widetilde{x}(t)x(t),其傅里叶级数为
![](/assets/blank.gif)
其中 ω=2πT\omega=\displaystyle\frac{2\pi}{T}ω=T2π,表示频域中两条相邻谱线的间隔。可以看出来,对于周期信号,它的频谱天然就是离散化的,因此这里直接以恰当的采样率对时域进行采样即可得到对应的周期序列。
![](/assets/blank.gif)
这样就得到了离散傅里叶级数 (DFS- Discrete Fourier Series)。
5. 从 DFS 到 DFT
从离散周期序列 x~(t)\widetilde{x}(t)x(t) 取出一个周期 x(n)x(n)x(n),从 DFS 变换结果中取一个周期出来 X(jkΩ)X(jk\Omega)X(jkΩ) 就可以得到与 DFT 十分相似的式子
![](/assets/blank.gif)
6. 从 Z 变换到 DFS、DFT
对于序列 x[n]x[n]x[n] 其 ZZZ 变换的表达式为
X(z)=∑n=0N−1x(n)z−nX(z)=\sum_{n=0}^{N-1}x(n)z^{-n}X(z)=n=0∑N−1x(n)z−n
对于序列 x[n]x[n]x[n] 其 DFT 变换的表达式为
X(k)=∑n=0N−1x(n)e−j2πNnkk=0,1,...,N−1X(k)=\sum_{n=0}^{N-1}x(n)e^{-j\frac{2\pi}{N}nk}~~~~k=0,1,...,N-1X(k)=n=0∑N−1x(n)e−jN2πnk k=0,1,...,N−1
可以非常容易的看出来
X(k)=X(z)∣z=ej2πNkk=0,1,...,N−1X(k) = X(z)|_{z=e^{j\frac{2\pi}{N}k}}~~~k=0,1,...,N-1X(k)=X(z)∣z=ejN2πk k=0,1,...,N−1
从公式中可以看出 x(n)x(n)x(n) 的 N 点 DFT 是 x(n)x(n)x(n) 的 ZZZ 变换在单位圆上的 N 点等间隔采样。根据 DFT 与 DFS 之间的关系,也可以看出来 x(n)x(n)x(n) 的 DFS 是 x(n)x(n)x(n) 的 ZZZ 变换在单位圆上的等间隔采样。
7. 从 DFT 变换到 FFT
FFT 从物理本质上讲与 DFT 是相同的。FFT 是为了加速 DFT 的计算速度,根据 eee 指数的周期性,利用分治的思想将 N 点的 DFT 计算拆分成数量更少的点的 DFT 的计算的求和,将计算的时间复杂度从 O(N2)O(N^2)O(N2) 降低到 O(NlogN)O(N\log N)O(NlogN)。
8. 示意图
这里给出不同变换的示意图
![](/assets/blank.gif)
9. 关系图
这里给出这些变换之间的关系图
![](/assets/blank.gif)
深入理解DSP中的重要概念(FT、DTFT、DFT、DFS、ZT、FFT)相关推荐
- ROS学习手记 - 5 理解ROS中的基本概念_Services and Parameters
ROS学习手记 - 5 理解ROS中的基本概念_Services and Parameters 上一节完成了对nodes, Topic的理解,再深入一步: Services and Parameter ...
- React最佳实践系列 —— 循序渐进理解 Dva中的model概念
Dva最佳实践 -- 循序渐进理解 Dva中的model概念 一. 序 二. 在create-react-app中使用redux 1. 开始 2. 安装redux 三.异步action 四. Dva中 ...
- 如何轻松理解Android中的Surface概念
安卓开发中,涉及多媒体尤其是视频,经常会接触到一个概念Surface 那么如何理解他呢.最简单的理解就是其实就是一块内存区域仅此而已. 如果通过字面理解,好像是一个平面,但这个平面在哪里呢? 写代码经 ...
- 如何理解计算机中信息的概念,信息(汉语词汇)_百度百科
[xìn xī] 信息 (汉语词汇) 语音 编辑 锁定 讨论 上传视频 信息,指音讯.消息.通讯系统传输和处理的对象,泛指人类社会传播的一切内容.人通过获得.识别自然界和社会的不同信息来区别不同事物, ...
- 【Linux系统编程:基础IO 下】dup2 实现输出重定向、输入重定向、追加重定向 | 理解磁盘 | 理解文件系统中inode的概念 | 软硬链接
写在前面 这里先接着<基础IO 上>中的缓冲区的内容作些补充,这里主要补充 dup2 接口. ✔ 测试用例一: #include<stdio.h> #include<sy ...
- 如何理解计算机中信息的概念,如何理解信息的概念,信息的概念?
信息是什么? 有一位专家说,信息就是信息,既不是物质,也不是精神.这好像是什么都没说废话,又好像已经说全了.除此以外,我们对信息又能说点什么呢? 信息既不是物质,也不是精神,这话有理.反过来说,信息既 ...
- 十分钟,快速理解JavaScript中的闭包概念
海阔凭鱼跃,天高任鸟飞.Hey 你好!我是猫力Molly 闭包已经是一个老生常谈的问题了,不同的人对闭包有不同的理解.今天我来浅谈一下闭包,大家一起来就"闭包"这个话题,展开讨论, ...
- 在统计学中参数的含义是指_第一篇 理解统计学中的基本概念
统计学(stastics)是收集.分析和解释数据的科学. 描述统计(descriptive statistics)是研究数据还搜集.整理和描述的统计分支.描述统计的内容包括取得所需要的数据.用图表形式 ...
- 数字信号处理基础知识之DFT、DTFT、DFS、FFT基本概念扫盲
一.名词汇总 DFT:离散傅里叶变换(Discrete Fourier Transform): DTFT:离散时间傅里叶变换(Discrete-time Fourier Transform): DFS ...
最新文章
- python encoding报错_python用requests递归查询页面 报错 ChunkedEncodingError
- 【报告分享】产业互联网发展趋势及机会分析报告.pptx(附下载链接)
- 【渝粤教育】电大中专学前儿童社会教育 (11)作业 题库
- ArcFace免费人脸识别 Demo [Android]
- linux 设备模型详解,Linux2.6 设备模型之input子系统详解
- 读书笔记:Sheldon.M.Ross:概率论基础教程:2014.01.22
- 分享8个超酷的HTML5相册动画应用
- 解决 未能为数据库 '数据库用户名' 中的对象 '表名' 分配空间,因为文件组 'PRIMARY' 已满...
- CardView-卡片布局
- 大三小学期进阶课程第三十二课:感知算法
- 网易视频云:分布式一致性
- 【离散数学】单射、满射、双射、映射的合成与逆映射
- 攻略 | 一文教你学会使用GitHub!(附视频)
- 谈悲观、执著、超脱——周国平
- Windows下PVM的配置与编程实践
- 通信信号处理的一些基本常识
- sapvl10a增强_教你搞定SAP屏幕增强
- python数据变更邮件提醒_Python 路由器IP变更邮件通知
- 【VirtualAPP 双开系列08】如何实现多开 - UID
- 爬虫学习-第一弹-批量下载二次元好图