现在,如果您查看在DFT的定义中,根本就没有这种假设。但是,在Wikipedia上有关离散时间傅立叶变换(DTFT)的文章中指出,当输入数据序列$ x [n] $是$ N $-周期时,
,等式2可以通过计算简化为离散傅里叶变换(DFT)
那么,这种假设是否源自DTFT?
实际上,在计算DFT时,我实际上是在假设信号是周期性的情况下计算DTFT吗?
#1 楼
已经有一些不错的答案,但是我仍然想添加另一个解释,因为我认为该主题对于理解数字信号处理的许多方面极为重要。首先,了解DFT不会“假定”要转换信号的周期性。 DFT仅应用于长度为$ N $的有限信号,并且相应的DFT系数由
$$ X [k] = \ sum_ {n = 0} ^ {N-1}定义。 x [n] e ^ {-j2 \ pi nk / N},\ quad k = 0,1,\ ldots,N-1 \ tag {1} $$
从(1)很明显,只考虑了区间$ [0,N-1] $中$ x [n] $的样本,因此没有假定周期性。另一方面,系数$ X [k] $可以解释为信号$ x [n] $的周期性延续的傅立叶系数。可以从逆变换中看到
$$ x [n] = \ sum_ {k = 0} ^ {N-1} X [k] e ^ {j2 \ pi nk / N} \ tag {2} $$
它可以在$ [0,N-1] $间隔内正确计算$ x [n] $,但是它也可以在此间隔之外计算其周期性连续,因为右(2)的手侧是周期为$ N $的周期。此属性是DFT定义中固有的,但是它不必打扰我们,因为通常我们只对$ [0,N-1] $区间感兴趣。
考虑$的DTFT x [n] $
$$ X(\ omega)= \ sum_ {n =-\ infty} ^ {\ infty} x [n] e ^ {-jn \ omega} \ tag { 3} $$
通过比较(3)与(1)可以看出,如果$ x [n] $是区间$ [0,N-1] $的有限序列, DFT系数$ X [k] $是DTFT $ X(\ omega)$的样本:
$$ X [k] = X(2 \ pi k / N)\ tag {4 } $$
因此DFT的一种用途(但肯定不是唯一的一种用途)是计算DTFT的样本。但这仅在要分析的信号具有有限长度时才有效。通常,此有限长度信号是通过加窗较长的信号来构造的。而正是这种加窗导致光谱泄漏。
最后,请注意,可以用$ x [n] $的DFT系数表示有限序列$ x [n] $的周期性连续$ \ tilde {x} [n] $的DTFT:
$$ \ tilde {x} [n] = \ sum_ {k =-\ infty} ^ {\ infty} x [n-kN] \ tag {5} $$
$$ \ tilde {X}(\ omega)= \ frac {2 \ pi} {N} \ sum_ {k =-\ infty} ^ {\ infty} X [k] \ delta(\ omega-2 \ pi k / N)\ tag {6} $$
编辑:以上给出的$ \ tilde {x} [n] $和$ \ tilde {X}(\ omega)$是DTFT的事实变换对可以如下所示。首先请注意,离散时间脉冲梳的DTFT是Dirac梳:
$$ \ sum_ {k =-\ infty} ^ {\ infty} \ delta [n-kN] \ Longleftrightarrow \ frac {2 \ pi} {N} \ sum_ {k =-\ infty} ^ {\ infty} \ delta(\ omega-2 \ pi k / N)\ tag {7} $$
序列$ \ tilde {x} [n] $可以写成$ x [n] $与脉冲梳的卷积:
$$ \ tilde {x} [n] = x [n] \ star \ sum_ {k =-\ infty} ^ {\ infty} \ delta [n-kN] \ tag {8} $$
因为卷积对应于DTFT中的乘法域中,$ \ tilde {x} [n] $的DTFT $ \ tilde {X}(\ omega)$是用Dirac梳子乘以$ X(\ omega)$得出的:
$$ \开始{align} \ tilde {X}(\ omega)&= X(\ omega)\ cdot \ frac {2 \ pi} {N} \ sum_ {k =-\ infty} ^ {\ infty } \ delta(\ omega-2 \ pi k / N)\\&= \ frac {2 \ pi} {N} \ sum_ {k =-\ infty} ^ {\ infty} X(2 \ pi k / N )\ delta(\ omega-2 \ pi k / N)\ end {align} \ tag {9} $$
将$(9)$与$(4)$组合会建立结果$ (6)$。
评论
$ \ begingroup $
出于相同的原因,我选择了@ hotpaw2的最新答案是出于同样的原因。在此语句中:“从(1)可以明显看出,仅考虑间隔$ [0,N-1] $中$ x [n] $的样本,因此不假定周期性。”结论并非来自前提。
$ \ endgroup $
–罗伯特·布里斯托-约翰逊
2015年2月27日在0:08
$ \ begingroup $
@ robertbristow-johnson:是的。连续给我$ N $个样本,我给您DFT。我不需要假设信号超出$ [0,N-1] $范围,甚至不存在。这是我在那句话中唯一声明的内容,这显然是事实。为了计算DFT,除了区间[[0,N-1] $]中的值外,我什么都不需要知道。不知道您怎么会误解或误读我的声明。如果这是一个提法问题,那么我很乐于澄清我的句子,但从内容上讲,它实际上是微不足道的。
$ \ endgroup $
– Matt L.
15年2月27日在10:03
$ \ begingroup $
阅读下面的其他答案,并在其他主题中阅读我的答案。这与您对$ 0 \ le n \ le N-1 $之外的$ x [n] $的假设无关。这是关于变换在“ $ 0 \ le n \ le N-1 $”之外假设“假设”(如果允许我们进行一点拟人化)大约$ x [n] $。我们可以找出当我们在一个域中调用一个将另一个域移位整数的操作时所假定的变换。
$ \ endgroup $
–罗伯特·布里斯托-约翰逊
2015年2月27日在13:45
$ \ begingroup $
@MattL。 (9)应该读取$$ = \ dfrac {2 \ pi} {N} \ sum_ {k =-\ infty} ^ {\ infty} X [k] \ cdot \ delta \ left(\ omega-2 \ pi k / N \ right)$$,而不是$$ = \ dfrac {2 \ pi} {N} \ sum_ {k =-\ infty} ^ {\ infty} X(2 \ pi k / N)\ cdot \ delta \左(\ omega-2 \ pi k / N \右)$$
$ \ endgroup $
– jomegaA
20-2-7在13:36
$ \ begingroup $
@jomegaA:两种情况都没有。如我答案的最后一句话所述,最终结果(6)是通过将(9)与(4)组合而得出的,因此当然$ X [k] = X(2 \ pi k / N)$,但是(9)它来自DTFT $ X(\ omega)$。关于缩放因子$ 2 \ pi / N $,它肯定需要存在。不要混淆使用$ \ omega $和$ f $的表达式,它们具有不同的缩放因子。
$ \ endgroup $
– Matt L.
20-2-7的14:00
#2 楼
它来自时域信号的定义:$$ x \ left [n \ right] = \ sum_ {k = 0} ^ {N-1} X \ left [k \ right ] {e} ^ {\ frac {2 \ pi ink} {N}} $$
根据定义,您可以看到$ x \ left [n \ right] = x \ left [n + N \ right] $。
另一方面,DFT完美地重构了信号的N个采样。
因此,您可以得出结论,它假定它是周期连续的。观点将DFT视为有限离散傅立叶级数(实际上是看看离散傅立叶级数-DFS),这当然表明信号是周期性的(周期为T T $的信号的有限总和)是周期为$ T $)的信号。
评论
$ \ begingroup $
我看不出它是如何定义的。
$ \ endgroup $
–user10839
14年8月17日在11:37
$ \ begingroup $
@ user10839:只需评估$ x [n + N] $,您就会发现它等于$ x [n] $。正如答案中指出的那样,DFT只是时域信号的傅立叶级数。时域信号的有限长度被视为基本周期。
$ \ endgroup $
– Matt L.
2014年8月17日在12:04
$ \ begingroup $
@ user10839,只需将其插入方程式即可。可以使用余弦和正弦函数定义指数,可以看到它们具有$ \ frac {nk} {N} $的周期。
$ \ endgroup $
–罗伊
15年2月18日在11:38
$ \ begingroup $
DFT不是DFS。这很花哨,但是DFT为您提供了傅立叶级数系数。重要的是要注意,DFT就像其他线性变换一样。这是一个矩阵乘法。矩阵是正交的,因此很漂亮。还可以证明,相应的数据的傅立叶级数展开的输出系数相等,但傅立叶变换不是傅立叶级数(类型不匹配:p)。
$ \ endgroup $
–thang
2015年2月27日在5:12
$ \ begingroup $
@thang,我不知道你的意思。 DFT是DFS。他们是一样的。显而易见。请注意,这是离散傅里叶级数,而不是傅里叶级数(带积分)。在这里看看en.wikipedia.org/wiki/Discrete_Fourier_series,并看到它是DFT。
$ \ endgroup $
–罗伊
19-10-31在14:09
#3 楼
这是不必要(通常是错误的)的假设。 DFT只是有限矢量的基础变换。DFT的基向量恰好是无限可扩展的周期函数的片段。但是,除非您将基本矢量扩展到DFT孔径之外,否则DFT输入或结果没有固有的周期性。许多形式的信号分析不需要在采样窗口或有限数据矢量之外进行任何扩展或假设。
也可以假定任何“泄漏”伪像来自默认矩形窗口与非周期性或未知周期性或平稳性的信号。当分析重叠的FFT窗口时,这更有意义,因为在任何一个DFT或FFT窗口之外的任何周期性假设都可能与其他窗口中的数据不一致。
周期性可能使与DFT相关的数学成为可能使DTFT更易处理。但是,在实际使用FFT进行信号处理时,与DTFT的任何关系可能是必需的,也可能不是必需的(具体取决于进一步分析处理方法所需的傅立叶变换属性)。
评论
$ \ begingroup $
出于同样的原因,我向下箭头键缩小了您对此的最新答案。
$ \ endgroup $
–罗伯特·布里斯托-约翰逊
2015年2月27日,0:10
#4 楼
好的,我的答案将与其他答案有所不同。我的回答接受问题的前提,而不是拒绝问题的前提。DFT“假定”输入信号(要转换的信号的原因,我认为OP的含义是: “转换后的信号”是周期性的,是因为DFT将基本函数的集合拟合到该输入信号,而这些输入都是周期性的。
考虑一组不同的基本函数:
$$ g_k(u)\ triangleq u ^ k \ quad \ quad 0 \ le k
并给出$ N $输入样本:
$ $ x [n] \ quad \ quad 0 \ le n
我们可以将这些基函数$ g_k(n)$的线性和拟合到输入序列中
$$ \ begin {align}
x [n]&= \ sum \ limits_ {k = 0} ^ {N-1} X [k] g_k(n)\\
& = \ sum \ limits_ {k = 0} ^ {N-1} X [k] n ^ k \\
\ end {align} $$
明智地选择系数$ X [k] $。计算所有$ X [k] $要求使用$ N $未知数求解$ N $线性方程。您可以使用高斯消去法来实现。
将$ X [k] $的$ N $正确值为$ 0 \ le k \ le N-1 $,我们可以确保总和这些幂函数(是一个((N-1)$$阶次多项式))将对每个$ n $精确求和为$ x [n] $,使得$ 0 \ le n \ le N-1 $。 />
现在,如果您使用该总和超出$ 0 \ le n \ le N-1 $的间隔,该怎么办?您可以评估任何$ n $。您会注意到该函数的行为将是$(N-1)$阶多项式的行为,因为事实就是如此。对于足够大的$ n $,只有具有非零系数的最高幂才能确定外推$ x [n] $的趋势。
因此,现在使用DFT我们可以拟合出不同的输入序列的基础函数集:
$$ g_k(u)\ triangleq \ frac {1} {N} e ^ {+ j 2 \ pi ku / N} \ quad \ quad 0 \ le k
$$ \ begin {align}
x [n]&= \ sum \ limits_ {k = 0} ^ {N-1} X [k ] g_k(n)\\
&= \ frac {1} {N} \ sum \ limits_ {k = 0} ^ {N-1} X [k] e ^ {+ j2 \ pi nk / N} \\
\ end {align } $$
系数$ X [k] $可以求解,并且为:
$$ X [k] = \ sum \ limits ^ { N-1} _ {n = 0} x [n] \ e ^ {-j2 \ pi nk / N} $$
该$ \ frac {1} {N} $的位置是惯例问题。我把它放在大多数文献都把$ \ frac {1} {N} $因素考虑在内的地方。可以将其从$ x [n] $等式中删除,然后放入$ X [k] $等式中。或其中的一半($ \ sqrt {\ frac {1} {N}} $)可以与两个方程一起放置。
,但是在这里,我们将一组周期为$ N $的基本函数拟合为原始$ x [n] $。因此,即使$ x [n] $来自更长的序列不是周期性的,DFT也会考虑$ x [n] $是一堆基础函数的和,每个基础函数都是周期性的,周期为N $。如果您将一堆周期函数加起来,且周期函数都相同,则总和也必须是周期相同的周期函数。
评论
$ \ begingroup $
有点争论,我对DFT不一定会定期扩展传递给它的数据的观点表示怀疑,请看一下我以前的回答。我不想在这里重复。
$ \ endgroup $
–罗伯特·布里斯托-约翰逊
2015年2月27日在4:44
#5 楼
DFT是离散的。 DTFT是连续的。我们可以通过使用正确周期的脉冲序列对DTFT进行采样来从DTFT中获得DFT,这实际上等于将其乘以脉冲序列。变换域中的乘法等于离散时域中的卷积,这意味着信号的周期性。评论
$ \ begingroup $
DTFT是连续的吗?怎么来的?
$ \ endgroup $
–jojek♦
2014年8月17日14:26
$ \ begingroup $
DTFT的结果是连续的(在频率上)。
$ \ endgroup $
–戴夫
2014年8月17日14:37
$ \ begingroup $
的确如此-因此,您应该清楚地说明这一点,以避免任何误解并提供适当的方程式。
$ \ endgroup $
–jojek♦
14年8月17日在15:03
$ \ begingroup $
@jojek没错,我也认为可以通过一些方程式来改善此答案
$ \ endgroup $
–戴夫
14年8月17日在15:05
$ \ begingroup $
很快就会添加更多详细信息。
$ \ endgroup $
–学习者
2014年8月17日在15:13
#6 楼
由于离散域在两个域中都存在周期性假设,因此仅DFT在离散数字世界中是可行的。 (如果您这样称呼它。)因为一个域上的非周期性信号会导致另一个域上的连续信号,所以您只能将离散信号存储在数字存储器中。因此,您需要假设信号在两个域上都是周期性的,以使其在两个域上都是离散的。
当您计算DTFT时,您会在频域中获得连续的信号作为输出。
我认为您不会在实际计算DFT时,请使用相同的步骤。实际计算DTFT和DFT时,您将了解到两种转换计算都是不同的故事。
#7 楼
由于信号是周期性的,因此时移信号不会改变频域的绝对幅度。$$ X \ left [k \ right] = \ sum_ {k = 0} ^ { N-1} x \ left [n \ right] {e} ^ {\ frac {2 \ pi ink} {N}} $$
$$ {e} ^ {\ frac {- 2 \ pi i D k} {N}} X \ left [k \ right] = \ sum_ {k = 0} ^ {N-1} x \ left [n-D \ right] {e} ^ {\ frac {2 \ pi ink} {N}} {e} ^ {\ frac {-2 \ pi i D k} {N}} $$
顺便说一句,没有什么可以阻止您对非周期性信号进行FFT,但如果没有任何一种转换有效,则几乎没有实际用途。
评论
因为x [n]的DFT X [k]是周期信号xp [n]的离散傅里叶级数(DFS)的第一个周期,其第一个周期被视为x [n]看来我将不得不对此提出不同的答复。 DFT假定变换后的信号是周期性的,因为它对变换后的信号拟合了一组基函数,所有这些都是周期性的。
DFT只是DFS的简化表示,因此固有地存在周期性假设。