离散傅里叶变换及其快速算法
合集下载
[理学]离散傅里叶变换及其快速算法
![[理学]离散傅里叶变换及其快速算法](https://img.taocdn.com/s3/m/a4bbbd1b0912a21615792901.png)
可先使信号通过一个低通滤波器使滤波后的信号中的最高频率成为fmax然后根据采样定理来确定采样频率f2称为nyquist频率或称混叠频率离散傅里叶变换的泄漏问题leakage在实际应用中通常将所观测的信号限制在一定的时间间隔内也就是说在时域对信号进行截断操作或称作加时间窗亦即用时间窗函数乘以信号即由卷积定理可知时域相乘频域为卷积则有有时会造成能量分散现象称之为频谱泄漏频谱泄漏
非周期序列的离散时间傅里叶变换 (DTFT) /序列的傅里叶变换
• 定义序列x(n)的离散时间傅里叶变换(DTFT)为：
X (e ) DTFT{x(n)}
j n jn x ( n )e
• 序列x(n)的离散时间傅里叶逆变换(IDTFT)为：
x(n) IDTFT{X (e j )} 1 2
按时间抽取的FFT算法
• 设N=2M，M为正整数，如取N=23=8，即离散时间信号为
x(n) {x(0), x(1), x(2), x(3), x(4), x(5), x(6), x(7)}
• 按照规则①将序列x(n)分为奇偶两组，一组序号为偶数， 另一组序号为奇数，即
{x(0), x(2), x(4), x(6) | x(1), x(3), x(5), x(7)}
X (e j )e jn d
傅里叶变换对小结
• 傅里叶级数(FS)（时域：连续周期；频域：非周期离散）
1 Xk T
T 2
T 2
x(t )e jk1t dt
x(t )
k
X k e jk1t
k 0, 1, 2,
• 傅里叶变换(FT)（时域：连续非周期；频域：非周期连续）
非周期序列的离散时间傅里叶变换 (DTFT) /序列的傅里叶变换
• 定义序列x(n)的离散时间傅里叶变换(DTFT)为：
X (e ) DTFT{x(n)}
j n jn x ( n )e
• 序列x(n)的离散时间傅里叶逆变换(IDTFT)为：
x(n) IDTFT{X (e j )} 1 2
按时间抽取的FFT算法
• 设N=2M，M为正整数，如取N=23=8，即离散时间信号为
x(n) {x(0), x(1), x(2), x(3), x(4), x(5), x(6), x(7)}
• 按照规则①将序列x(n)分为奇偶两组，一组序号为偶数， 另一组序号为奇数，即
{x(0), x(2), x(4), x(6) | x(1), x(3), x(5), x(7)}
X (e j )e jn d
傅里叶变换对小结
• 傅里叶级数(FS)（时域：连续周期；频域：非周期离散）
1 Xk T
T 2
T 2
x(t )e jk1t dt
x(t )
k
X k e jk1t
k 0, 1, 2,
• 傅里叶变换(FT)（时域：连续非周期；频域：非周期连续）
第2章 离散傅里叶变换和快速算法.ppt
真正的傅里叶变换有4种： CTFS给连续周期信号用， CTFT给连续非周期信号用， DTFS给离散周期信号用， DTFT给离散非周期信号用。
杨毅明 第2章 离散傅里叶变换和快速算法
2.1.1 离散傅里叶级数
离散傅里叶级数的定义：
X~ (k )
N 1 ~x (n)e
j 2 N
kn
n0
~x (n)
杨毅明 第2章 离散傅里叶变换和快速算法
2.2 利用DFT做连续信号的频谱分析
离散傅里叶变换可以用来分析连续时间信号的频谱，其 原理如下：
这种方法存在如下问题： 混叠，泄漏，栅栏效应，分辨率，周期效应。 根据例6（书上63页）说明上面5个问题。
杨毅明 第2章 离散傅里叶变换和快速算法
clear;close all; f=10;a=4;T=1/(a*f);t=0:T:3; x=sin(2*pi*f*t); subplot(211);plot(t,x);xlabel('t/s');ylabel('x(t)'); N=length(t);n=0:N-1;k=n; W=exp(-j*2*pi/N*k'*n); X=W*conj(x'); subplot(212);stem(k,abs(X),'.');xlabel('k');ylabel('X(k)');
N 1 ~x1 (m) ~x2 (n rL m) RN (n)
m0
r
yL (n rL) RN (n) r
杨毅明 第2章 离散傅里叶变换和快速算法
yL(n)和yC(n) 的关系
yC (n) yL (n rL) RN (n) r
杨毅明 第2章 离散傅里叶变换和快速算法
2.1.1 离散傅里叶级数
离散傅里叶级数的定义：
X~ (k )
N 1 ~x (n)e
j 2 N
kn
n0
~x (n)
杨毅明 第2章 离散傅里叶变换和快速算法
2.2 利用DFT做连续信号的频谱分析
离散傅里叶变换可以用来分析连续时间信号的频谱，其 原理如下：
这种方法存在如下问题： 混叠，泄漏，栅栏效应，分辨率，周期效应。 根据例6（书上63页）说明上面5个问题。
杨毅明 第2章 离散傅里叶变换和快速算法
clear;close all; f=10;a=4;T=1/(a*f);t=0:T:3; x=sin(2*pi*f*t); subplot(211);plot(t,x);xlabel('t/s');ylabel('x(t)'); N=length(t);n=0:N-1;k=n; W=exp(-j*2*pi/N*k'*n); X=W*conj(x'); subplot(212);stem(k,abs(X),'.');xlabel('k');ylabel('X(k)');
N 1 ~x1 (m) ~x2 (n rL m) RN (n)
m0
r
yL (n rL) RN (n) r
杨毅明 第2章 离散傅里叶变换和快速算法
yL(n)和yC(n) 的关系
yC (n) yL (n rL) RN (n) r
第3章 离散傅里叶变换及其快速算法
计算中， 在DFT计算中，不论是乘法和加法，运算量均与 计算中 不论是乘法和加法， N2成正比。因此，N较大时，运算量十分可观。例 成正比。因此， 较大时 运算量十分可观。 较大时， 计算N=10点的 点的DFT，需要 次复数相乘， ，计算 点的 ，需要100次复数相乘，而 次复数相乘 N=1024点时，需要 点时， 点时 需要1048576（一百多万）次复数乘 （一百多万） 如果要求实时处理， 法，如果要求实时处理，则要求有很高的计算速 度才能完成上述计算量。 度才能完成上述计算量。 反变换IDFT与DFT的运算结构相同，只是多 与 的运算结构相同， 反变换 的运算结构相同 乘一个常数1/N，所以二者的计算量相同。 乘一个常数 ，所以二者的计算量相同。
nk X (k ) = ∑ { Re [ x( n)]Re WN − I m [ x(n)]I m [WNnk ] n =0 N −1
(
+ j Re [ x(n)]I m
(
[ ] [W ]+ I
nk N
)
nk [ x( n)]Re WN } m
[ ])
又每个复数相加包括2个实数相加，所以，每计算一个 X（ k） 要进行 次实数相乘和 次实数相乘和2N+2（ N-1） =2（ 2N-1） 次实 （ ） 要进行4N次实数相乘和 （ ） （ ） 数相加，因此，整个DFT运算需要 2实数相乘和 （2N-1） 运算需要4N 实数相乘和2N（ 数相加，因此，整个 运算需要 ） 次实数相加。 次实数相加。
虽然频谱分析和DFT运算很重要 ， 但在很长 运算很重要， 虽然频谱分析和 运算很重要 一段时间里， 由于DFT运算复杂 ， 并没有得到 运算复杂， 一段时间里 ， 由于 运算复杂 真正的运用， 真正的运用 ， 而频谱分析仍大多采用模拟信号 滤波的方法解决， 直到1965年首次提出 年首次提出DFT运 滤波的方法解决 ， 直到 年首次提出 运 算的一种快速算法以后， 情况才发生了根本变 算的一种快速算法以后 ， 人们开始认识到DFT运算的一些内在规律 ， 运算的一些内在规律， 化 ， 人们开始认识到 运算的一些内在规律 从而很快地发展和完善了一套高速有效的运算 方法——快速付里变换（FFT）算法。FFT的出 快速付里变换（ 方法 快速付里变换 ）算法。 的出 现 ， 使 DFT 的 运 算 大 大 简 化 ， 运 算 时 间 缩 短 二个数量级， 一 ～ 二个数量级 ， 使 DFT的运算在实际中得到 的运算在实际中得到 广泛应用。 广泛应用。
离散傅里叶变换(DFT)及其快速算法-庄
图像识别
通过对图像进行DFT变换， 提取特征向量，可用于图 像的分类、识别和检索。
在频谱分析中的应用
频谱估计
通过DFT对信号进行频谱分析， 可以估计信号的频率分布和强度。
调制识别
利用DFT对接收信号进行频谱分析， 可以识别信号的调制方式和参数。
雷达目标识别
通过对雷达回波信号进行DFT变换， 可以提取目标特征，实现目标分类 和识别。
图像处理
在图像处理领域，DFT被广泛应用于图像频域分 析和变换编码等技术。庄算法等快速算法的应用 ，使得图像处理更加高效，为图像压缩、图像增 强等技术的发展提供了重要支撑。
科学计算
在科学计算领域，DFT被广泛应用于数值分析和 数值计算。庄算法等快速算法的出现，提高了科 学计算的精度和速度，为科学研究和工程设计提 供了更加可靠的数值分析方法。
PART 02
DFT的基本原理
离散傅里叶级数（DFS）
定义
离散傅里叶级数是周期为N的复数序 列x[n]，其可以通过三角函数的线性 组合来表示。
公式
X[k] = ∑_{n=0}^{N-1} x[n] * w^(kn) / sqrt(N)
离散傅里叶变换（DFT）的定义
定义
DFT是对于有限长序列x[n]的变换，将x[n]映射到频域X[k]。
对未来研究和应用的展望
算法优化
随着计算技术的发展，未来可以进一步优化庄算法等快速算法，提高计算效率和精度， 以满足更加复杂和大规模的信号处理、图像处理、通信系统和科学计算等应用需求。
应用拓展
随着数字化时代的到来，离散傅里叶变换及其快速算法在各个领域的应用前景将更加广 阔。未来可以进一步拓展其在人工智能、物联网、量子计算等领域的应用，推动相关技
第2章 离散傅里叶变换(DFT)及其快速算法(FFT)
电信系信息技术教研室
2.1.1 离散傅里叶级数DFS
信号特性的时频域对应关系 连续 离散 周期
非周期 周期 离散
电信系信息技术教研室
2.1.1 离散傅里叶级数DFS
？如何对周期为N的周期序列进行频域分析……
如： ~(n) ~(n kN ) x x 周期序列不能进行Z变换，因为其在 n=-到+ 都 周而复始永不衰减，即 z 平面上没有收敛域，所以 其DTFT亦不存在。但是，如同连续时间周期信号可用 傅氏级数表达，周期序列也可用离散的傅氏级数来表 示。
2 1 2 1
X (2) 0 X (6) 0
X (3) 1 j X (7 ) 1 j
2 1 2 1
电信系信息技术教研室
解法二：公式解
N 1 j 2 N 7 j 2 8 kn
X
k
DFS x n
mk
ki mk ~ ~ x (i ) wN wN X ( k ) i 0
N 1
电信系信息技术教研室
3）共轭对称性
x 对于复序列 ~n ，其共轭序列为
~* ~* DFS x n X k
* *
~* x n
，则：
~ ~ DFSx n X k
解：上述序列的基本周期为 N=4，因而
W4 = e-j2π /4 = -j，
~ X (k )
~ X (0) ~ X (1 ) ~ X (2) ~ X (3)
n0
3
nk ~ x ( n )W 4
3
n0
3
~ ( n )W x 4
离散傅里叶变换及其快速算法
N
1
~x (i)wNki
wmk N
X~
(k
)
i0
由于 ~x (n) 与 X~(k ) 对称的特点，同样可证明
IDFS X~(k l) wNnl ~x(n)
3）共轭对称性
对于复序列~x n 其共轭序列~x *n 满足
DFS ~x * n X~ * k
•时域上周期序列的离散傅里叶级数在频域上仍是一个 周期序列。
X~(k) ~x (n) 是一个周期序列的离散傅里叶级数(DFS) 变换对，这种对称关系可表为：
~x (n) IDFS [ X~ (k )] 1 N 1 X~ (k )e j2 / N nk
N n0
X~ (k ) DFS [~x (n)] N 1 ~x (n)e j2 / N kn n0
证:
DFS ~x * n N1 ~x * (n)WNnk
n0
N
(
1
~x (n)WNnk
)*
X~ *
k
n0
同理:
DFS ~x * n X~*k
进一步可得
DFSRe{~x n} 1 DFS[~x n ~x * n]
§2.1 离散傅里叶变换（DFT）
为了便于更好地理解DFT的概念，先讨论周期序列及其 离散傅里叶级数（DFS）表示。
§2.1.1 离散傅里叶级数（DFS） 一个周期为N的周期序列，即
~x(n) ~x(n kN)
， k为任意整数，N为周期
周期序列不能进行Z变换，因为其在 n=-到+ 都周而 复始永不衰减，即 z 平面上没有收敛域。但是，正象连 续时间周期信号可用傅氏级数表达，周期序列也可用离散 的傅氏级数来表示，也即用周期为N的正弦序列来表示。
离散傅里叶变换及其快速算法
离散傅里叶变换及其快速算法离散傅里叶变换（Discrete Fourier Transform，DFT）是一种将离散信号转换为频域表示的数学工具。
它在信号处理、图像处理、通信等领域有广泛的应用。
而快速傅里叶变换（Fast Fourier Transform，FFT）是一种能够高效计算DFT的算法，大大减少了计算量。
首先，我们来看一下DFT的原理。
给定一个有限长度的离散信号序列x(n)，DFT将其转换为频谱X(k)，其中k为频率索引，取值范围为0到N-1，N为序列的长度。
DFT的定义公式如下：X(k) = Σ x(n) * exp(-j * 2π * nk / N)其中，exp为自然指数函数，j为虚数单位。
DFT将信号分解为了N个复数的和，这些复数代表了不同频率分量在信号中的贡献。
然而，直接计算DFT的时间复杂度非常高，为O(N^2)。
为了提高计算效率，Cooley和Tukey于1965年提出了FFT算法。
FFT算法基于以下性质：若N为2的整数次幂，则DFT可以被分解为两个较小长度的DFT的线性组合。
具体来说，将N个点的DFT拆分为长度为N/2的两个DFT，然后再对这两个子序列进行DFT，最后将两个子序列的结果组合起来。
这个过程可以递归地进行，直到序列长度为1，即可得到最终的DFT结果。
FFT算法的时间复杂度为O(NlogN)，远远小于直接计算DFT的复杂度。
这使得FFT成为了处理大规模数据的首选方法之一、此外，FFT还有其他一些优点，如可并行化计算、对称性质等。
FFT算法可以采用不同的实现方式，最著名的是基于蝶形运算的Cooley-Tukey算法。
这种实现方式将FFT过程分为了两个阶段：置换阶段和蝶形运算阶段。
置换阶段通过将信号重新排序，将原始序列分为奇偶两个子序列，并计算每个子序列的DFT。
这个过程可以递归地应用于子序列，直到长度为1蝶形运算阶段是FFT算法的核心部分。
蝶形运算是指将两个频域上的复数进行运算，得到新的复数。
第二章 离散傅里叶变换及其快速算法02
8
3、循环（圆周）卷积 循环（圆周）
若 X 3 (k ) = X 1 (k ) X 2 (k )
则 x3 (n) = x1(n) x2 (n) = ∑ x1(m)x2 ((n m))N RN (n)
m=0
N 1
= ∑ x2 (m)x1((n m))N RN (n)
m=0
N 1
可以看做是两个周期序列做周期卷积后 可以看做是两个周期序列做周期卷积后，再取其主 周期卷积 值序列。 值序列。
故
因此, 具有共轭对称性， 共轭偶对称分量。 因此,Xe(k)具有共轭对称性，称为X(k)的共轭偶对称分量。
16
* 用同样的方法可得到 X o ( k ) = X o ( N k )
Xo(k)具有共轭反对称特性, 称其为X(k)的共轭奇对称分量。 具有共轭反对称特性,
对于纯实数序列x(n)，即x(n)=xr(n)，X(k)只有共轭 偶对称部分， ),表明实数序列的DFT满足 表明实数序列的DFT 偶对称部分，即X(k)=Xe(k),表明实数序列的DFT满足 共轭对称性。 共轭对称性。
，离散傅里叶变换算法实质上对频率具有选择性。 离散傅里叶变换算法实质上对频率具有选择性。
2π 例3 求余弦序列 x ( n) = cos( qn ), 0 ≤ n ≤ N 1 N
20
的
解：
2π 2π j qn qn j 2π 1 N N x ( n) = cos( qn ) = (e ) +e N 2
在涉及DFT的场合，有限长序列总是表示成 的场合， 在涉及 的场合 周期序列的一个周期。 周期序列的一个周期。
N 1
二、DFT性质 性质
1、线性 、
4
DFT[ax( n) + by( n)] = aX ( k ) + bY ( k )
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
周期为N的正弦序列其基频成分为：
e1 (n) e j2 / N n
e K次谐波序列为： k
(n)
e j 2
/
N kn
但离散级数所有谐波成分中只有N个是独立的， 这是与连续傅氏级数的不同之处，
即
e j2 / N (kN )n e j2 / N kn
因此
ekN (n) ek (n)
•时域上周期序列的离散傅里叶级数在频域上仍是一个 周期序列。
X~(k) ~x (n) 是一个周期序列的离散傅里叶级数(DFS) 变换对，这种对称关系可表为：
~x (n) IDFS [ X~ (k )] 1 N 1 X~ (k )e j2 / N nk
N n0
X~ (k ) DFS [~x (n)] N 1 ~x (n)e j2 / N kn n0
习惯上：记 WN e j2 / N ，
则DFS变换对可写为
X~(k) N 1 ~x (n)WNkn DFS~x (n) n0
~x(n)
1 N
N
1
X~
(k
)W
N
k
n
k 0
IDFS
X~ (k )
DFS[·] ——离散傅里叶级数变换
IDFS[·]——离散傅里叶级数反变换。
2 1 [ X~(k) X~ * (N k)]
2
共轭偶对称分量
DFSRe~x n
X~e
k
1 2
[
X~
(k)
X~
*
(N
k
)]
共轭奇对称分量
DFS
j
Im~x n
X~o
k
1 2
[
X~
(k)
X~
*
(N
k
)]
4）周期卷积
若 F~(k ) X~(k )Y~(k )
(1) 线性 DFT[ax(n)+by(n)]=aX(k)+bY(k) ,a,b为任意常数
(2) 循环移位 有限长序列x(n)的循环移位定义为：
f(n)=x((n+m))NRN(n)
含义：1) x((n+m))N 表示 x(n) 的周期延拓序列~x(n) 的移位：
x((n m)) N ~x (n m)
x(n) 与 X(k) 是一个有限长序列离散傅里叶变换对，已知 x(n) 就能唯一地确定 X(k) ，同样已知 X(k) 也就唯一地确定 x(n) ，实际上 x(n) 与 X(k) 都是长度为 N 的序列（复序列）都 有N个独立值，因而具有等量的信息。
有限长序列隐含着周期性。
DFT的矩阵方程表示
x(0)
W 2( N 1) N
( N 1)( N 1)
W N
DFT特性：
以下讨论DFT的一些主要特性，这些特性都与周期序列 的DFS有关。
假定x(n)与y(n)是长度为N的有限长序列，其各自的离 散傅里叶变换分别为：
X(k)=DFT[x(n)] Y(k)=DFT[y(n)]
离散傅里叶级数为： ~x (n)、~y (n)
1）线性
X~(k ) DFS~x(n) Y~(k ) DFS~y(n)
a,b为任意常数
DFS a~x (n) b~y(n) aX~(k ) bY~(k )
2）序列移位
DFS~x(n
IDFS
X~
m) wNmk X~(k
1 N
N 1 N 1 ~x (m)wNmkY~(k )wNnk
k 0 m0
N 1 m0
~x (m)
1 N
N 1Y~(k )wN(nm)k
k 0
N1 ~x (m)~y(n
m0
m)
这是一个卷积公式，但与前面讨论的线性卷积的差
别在于，这里的卷积过程只限于一个周期内（即
将周期序列展成离散傅里叶级数时，只需取 k=0 到 (N-1) 这N个独立的谐波分量，所以一个周期序列的离 散傅里叶级数只需包含这N个复指数，
~x (n) 1 N 1 X~ (k )e j2 / N kn
N K 0
利用正弦序列的周期性可求解系数 X~ (k ) 。
将上式两边乘以 e j(2 / N )rn
长度为N的有限长序列 x(n) ，其离散傅里叶变换 X(k) 仍是 一个长度为N 的有限长序列，它们的关系为：
X
x(n)
(k) DFT[x(n)] IDFT[X (k)]
N 1
x(n)WNkn
n0
1 N
N 1
X (k)WNkn
k 0
0 k N 1 0 n N 1
第二章 离散傅里叶变换 及其快速算法
离散傅里叶变换不仅具有明确的物理意义， 相对于DTFT他更便于用计算机处理。但是， 直至上个世纪六十年代，由于数字计算机的 处理速度较低以及离散傅里叶变换的计算量 较大，离散傅里叶变换长期得不到真正的应 用，快速离散傅里叶变换算法的提出，才得 以显现出离散傅里叶变换的强大功能，并被 广泛地应用于各种数字信号处理系统中。近 年来，计算机的处理速率有了惊人的发展， 同时在数字信号处理领域出现了许多新的方 法，但在许多应用中始终无法替代离散傅里 叶变换及其快速算法。
则 ~f (n) IDFS F~(k) N1 ~x (m)~y(n m) m0
或
N 1 ~y (m)~x (n m)
m0
周期卷积
证：~f (n) IDFS
X~ (k)Y~(k)
1 N
N 1 X~ (k )Y~(k )wNkn
k 0
N
k n
n0
0 k N 1
1) 可求 N 次谐波的系数
X~ (k )
2） X~ (k ) 也是一个由 N 个独立谐波分量组成的傅立叶级数
3） X~ (k ) 为周期序列，周期为N。
X~ (k mN ) N 1 ~x (n)e j2 / N (kmN)n n0 N 1 ~x (n)e j2 / N kn X~ (k ) n0
x(n)与 ~x (n) 的关系可描述为：
~x (n)是x(n)的周期延拓 x(n)是~x (n)的"主值序列"
数学表示：~x (n) x(n)
x((n))N ~x (n)RN
(n)
x((n))N
RN
(n)
RN（n）为矩形序列。 符号（（n））N 是余数运算表达式，表示 n 对 N 求余数。
(k l) wNnl ~x (n)
)
证因为~x (n)
wNk及n
都是以N为周期的函数，
所以有
DFS
~x (n m)
N 1 ~x (n
m)wNkn
N
1
m~x (i)
wNki
wkm N
n0
im
wmk N
N 1m~x (i)wNki
im
wmk N
求和
，并对一个周期
N
1
~x (n)e
j
2 N
rn
1
N
1
N
1
X~
(k
)e
j
2 N
(
k
r
)n
1
N
1
X~
(k
N
)
1
e
j
2 N
(k
r
)
n
n0
N n0 k0
N k0
n0
N 1 k 0
X~ (k )[
1 N
1 e j 2 (k r ) 1 e j 2 (k r ) / N
X~(k) DFS [~x (n)] N1 ~x (n)W kn n0
0 k N 1
~x (n) IDFS [ X~(k)] 1 N 1 X~(k)W kn
N n0
0 n N 1
这两个公式的求和都只限于主值区间（0~N-1），它 们完全适用于主值序列 x(n) 与 X(k) ，因而我们可得到 一个新的定义——有限长序列离散傅里叶变换定义。
由长度为 N 的有限长序列 x(n) 延拓而成，它们的关系：
x(
~x (n)
~x (nr)
n)
0
x(n 0
rN )
nN 其它n
1
周~x (期n)对序于列的周的“期主主序值值列区区间~x间(与n”)主，，值定主序义值列其区：第间一上个的周序期列为n=主0~值N-序1，列为x(n)。
§2.1 离散傅里叶变换（DFT）
为了便于更好地理解DFT的概念，先讨论周期序列及其 离散傅里叶级数（DFS）表示。
§2.1.1 离散傅里叶级数（DFS） 一个周期为N的周期序列，即
~x(n) ~x(n kN)
， k为任意整数，N为周期
周期序列不能进行Z变换，因为其在 n=-到+ 都周而 复始永不衰减，即 z 平面上没有收敛域。但是，正象连 续时间周期信号可用傅氏级数表达，周期序列也可用离散 的傅氏级数来表示，也即用周期为N的正弦序列来表示。
N
1
~x (i)wNki
wmk N
X~
(k
)
i0
由于 ~x (n) 与 X~(k ) 对称的特点，同样可证明