|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
本帖最后由 mytomorrow 于 2021-2-25 18:47 编辑
3 t; A% B+ _8 X1 G+ c3 y' Q% n5 e$ Z
$ X+ E2 X1 _. `$ {1 W0 T上篇(对离散序列的傅里叶分析大总结(一))的最后讨论了有限长序列与周期序列之间的关系,首先给出了有限长序列以及由其构成的周期序列之间的关系,具体参看,得出的结论是:
4 j6 |8 ^7 x2 ^+ D% j* y$ _- y; I) d. ?7 R) k; s: M: c
- B7 U) s" J1 Q% o+ w/ P% q8 i( P2 }6 L4 W* O
今天的主题:
0 U) j4 Q; E' g今天的主题讨论了非周期序列与周期序列之间的更一般的关系:
9 o n" K$ {" V7 O' v
5 {7 J. x3 C# |% n先给出非周期有限长序列以及其DTFT,然后对其傅里叶变换(DTFT)进行等间隔采样,等间隔采样后的序列的逆变换对应的序列是什么样的呢?" p4 e: z+ I% q" t5 i( K# _
6 g1 j4 S4 v! d b2 C$ F( S8 [3 a
是不是有限长序列的周期延拓?& `! G" |2 o0 r" A0 y5 S* r0 B
$ Q# p+ x" M" d ?% W
看下面的分析:& E% b) x, w5 | F
4 d6 `! g5 m# n5 A
6 y% [ X9 y8 x) u1 s! b
* k+ F. u- H2 v: Q" X0 S' C0 R' b6 C
# s% g# w7 ]$ L
2 C0 m3 @7 d5 Y$ P6 E, t% j
7 a$ \+ T: s( w+ q: y, k- M' ^& b! D4 h, m' \ c; g
6 g& G. I. U9 q d
可见,是一个周期延拓关系,延拓周期为N。+ L* ~7 v" y% a* k W- p
7 r9 U) E. E6 r# w, q9 A8 p
有意义的举例讨论:/ ^* x+ j5 X& k# ], Z3 x
下面再给出一个十分有意思的讨论:/ ?- H& u) L5 r% y: q% R, t4 c' I1 R
& B( i3 ]( w: y5 o$ U; _情形一:
) _0 y) ` e/ _ }4 j在下图中,x[n]是长度为9的序列,对其进行傅里叶变换(DTFT)得到
,对
进行等间隔采样,间隔为
,取N=12,也就是间隔为
,得到采样后的序列为
,该序列对应的时域波形为
下图(b),也就是对x[n]的周期延拓,周期为12。
, u8 } y7 ]6 h0 u) J- \8 e% I$ ?9 r* x4 Z5 w6 }( B7 }; m9 s
! l( Z% h3 ]9 f- Q4 n) t; a$ _
3 I3 k5 l, A$ G9 R" s
x; d% K: q. _+ \4 o$ ?情形二:
) p2 c7 y% p; g同样是这个有限长序列x[n]:
s& O( g' k/ [% A4 k
8 [$ F( A7 N2 n. F: `
+ j1 |# b1 t9 V: S" W' Z4 a3 G" H& @
7 i4 i2 t& S4 J: \3 P当N=7的时候,对应的
为:4 k3 J0 {2 O4 B4 s- K0 e# K
2 b- B. u( E/ ?: _
* [% e* ]: v" K, s7 N' T- z3 ~" ^# f1 C) K
可见,发生了混叠现象。
5 O* t( B4 I# f/ d7 i$ I+ `# ]: @; c! x. A: n
下面对其进行解释:0 @8 x1 g# b# Z& I- p/ ?0 U
$ Y1 [ @- p* c) m情形一的情况,
的一个周期是x[n],这是没有发生混叠的情况,但对于情形二,
的一个周期就不再等于x[n]了,这是由于时域波形x[n]周期延拓后发生了混叠。4 {% m$ p" k& T8 F! v- t; b
. Q, \% V7 U# i4 O9 N尽管如此,下式依然成立:
1 }& {( z( }& `+ C
8 k# Z' I0 ?$ S c$ @; {
; y; [/ a& G/ v$ ]( `# X X m
% D( Y; R# s5 I; n# F0 m, L" a也就是说在这两种情况下,
的DFS系数都是x[n]的傅里叶变换在频率
整数倍的等间隔点上的采样值。
2 E* e) F/ l( n3 y! q0 q8 v- i- s3 |2 y! F' P/ @
对于情形一,原来的序列x[n]可以从
中抽取一个周期而恢复。- u8 ]8 V; E9 S" V8 D0 T! a
8 \' o+ q) ]; @. E7 w同样,傅里叶变换
也可以从频率上以
等间隔地采样来恢复。
2 _4 Q& B) E0 o4 D, ?9 k! T) p) p; p- C; u
与之相反,对于情形二,x[n]不能用取出
的一个周期的方法来恢复。. _+ Y) r6 ~; U# R7 R5 o# j) Y
5 }' A9 e" G6 [& y. e类似地,如果采样间隔只有
,
也不能由它的采样来恢复。
5 j6 A; f B. |7 M: A$ X9 q# S6 l
5 b" d+ _- I2 N9 B. p2 w, ?实际上,情形一说明的情况是,已经用足够小的间隔(在频率上)对x[n]的傅里叶变换采样,以便能够由这些样本来恢复该变换。而情形二,表示一种对傅里叶变换欠采样的情况。4 l. b. r9 R6 r) u" d9 m
; [4 n$ V+ t+ |8 Z% W在欠采样的情况下,
与
的一个周期之间的关系可以认为是时域产生混叠的一种形式。* \, Q! }7 t( x, H# t
+ P s! E, w1 L' B/ A6 _
显然,只要
为有限长,时域混叠就可以避免,正如信号的傅里叶变换只要是带宽有限的,其频域混叠也可以避免。6 A$ `+ a5 {* l$ G
- g$ B$ N- W2 L) j a
. S8 p" X4 K2 A6 Z" o2 @最重要的结论:
) d* A- d3 [1 }# ?/ c) o从上面的讨论中,我们已经看出:+ j. f# n& O: V2 s! ]; ]3 H
/ m, t' G8 \, X- |, [* l
- a* ~1 U, X" |- ~8 Q
# S2 L: B7 k7 g5 O6 [重磅内容:
5 c9 h* v5 G7 k3 T3 J3 g, r6 _5 C& s7 D! i2 ?9 `% x$ {! a
( E! ?/ k/ @, r: O& q5 d
0 {/ h9 Y' { t+ B7 g q在推导、讨论和应用DFT时,我们应该始终记住:通过傅里叶变换的采样值来表示,实际上是利用一个周期序列来表示有限长序列,该周期序列的一个周期正是要表示的有限长序列。- W( v; I8 _8 F( O( p) \- O
6 P# B* K4 u+ f: J2 p
* }8 l) F% Z6 @" m R
+ B5 x2 ^! `% X6 n! j |
|