最新第3章-离散傅立叶变换ppt课件
2）序列移位
D ID F~ xF (SX ~ n( Skm )l)ww N m N n~ xlkX ~(n (k))
证所因D 以为有 ~ x F (n m S ) 及N 1 ~ x (n 都m 是)w 以N k NnN 为 1 周m ~ x ( 期i)w 的N kw 函iN k 数m ，
~ x(n)1N1X ~(k)ej2/Nk n NK0
利用正弦序列的周期性可求解系数 X~(k) 。
将上式两边乘以 ej(2/N)rn
求和
，并对一个周期
N 1 ~ x (n )e j2 N r n1 N 1 N 1 X ~ (k )e j2 N (k r )n 1 N 1 X ~ (k )N 1 e j2 N (k r )n
频谱特点： 连续非周期谱
周期为N的正弦序列其基频成分为：
e1(n)ej2/Nn
K次谐波序列为：ek(n)ej2/Nk n
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 (k N )n e j2 /N kn
因此
ekN(n)ek(n)
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，
2 1[X ~(k)X ~*(Nk)]
2
共轭偶对称分量
DR F ~ x n e S X ~ ek 1 2 [X ~ (k ) X ~ * (N k )]
共轭奇对称分量
DjI F m ~ x S n X ~ o k 1 2 [X ~ (k ) X ~ * (N k )]
4）周期卷积
n0
或写为
X ~(k)N 1~ x(n)ej 2 N kn n 0
0kN1
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 (k mN )n n0 N 1 ~x (n)e j2 / N kn X~ (k ) n0
例： ~x(n) 、 ~y(n) ，周期为 N=7, 宽度分别为 4 和 3 ，求周期卷积。
结果仍为周期序列，周期为 N 。
n 0
N n 0 k 0
N k 0 n 0
N1X ~(k) k0
[N 111 eej2j2 (k( kr)r/)N]
N 1N n01ej(2N )k(r)n 1 0
krsN kr
上式中[ ]部分显然只有当k=r时才有值为1,其他任意k值时均为
零,所以有 N1~ x(n)ej2NrnX ~(r)
习惯上：记 WNej2/N，
则DFS变换对可写为
X~(k) N1~x(n)WNkn DFS~x(n) n0
~x(n)
1 N
N1 k0
X~(k)WNkn
IDFSX~(k)
DFS[·] ——离散傅里叶级数变换
IDFS[·]——离散傅里叶级数反变换。
DFS变换对公式表明，一个周期序列虽然是无穷 长序列，但是只要知道它一个周期的内容（一个周期 内信号的变化情况），其它的内容也就都知道了，所 以这种无穷长序列实际上只有N个序列值的信息是有 用的，因此周期序列与有限长序列有着本质的联系。
DDFS的几个主要特性：
假设
都是周期为 N 的两个周期序列，各自的
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
D a ~ x ( n F ) b ~ y ( n S ) a X ~ ( k ) b Y ~ ( k )
对于复序列 其共轭序列
满足
~x n
~x *n
D~ x * F n S X ~ * k
证:
DFS~x*n N1~x*(n)WNnk
n0
(N1~x(n)WNnk)* X~* k n0
同理:
D~ x * F n S X ~ * k
进一步可得
DFRSe~ x{n}1DF[~ xSn~ x*n]
第3章-离散傅立叶变换
有限长序列的傅里叶分析
一、四种信号傅里叶表示
1. 周期为T0的连续时间周期信号
~ x(t) X(n0)ejn0t
n
X(n0)T 10
~ x(t)ejn0tdt
T0
频谱特点： 离散非周期谱
2. 连续时间非周期信号
x(t)21 X(j)ejt d X(j) x(t)ejtdt
•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 )ID [X ~ F (k)S ]1N 1X ~ (k)ej2 /N nk
N n 0
X ~ (k)D[F ~ x(n S ) ]N 1~ x(n )ej2 /N kn n 0
N 1N k 0 1m N 0 1~ x(m)wN mY ~ k(k)wN nk
m N 0 1 ~ x (m ) N 1N k 0 1 Y ~ (k )w N (n m )k m N 0 1 ~ x (m )~ y (n 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 m=0~N-1），称为周期卷积。
若 F ~(k)X ~(k)Y ~(k)
则 ~ f(n)IDF ~ F (k)S N 1~ x(m )~ y(nm ) m 0
或
N1~y(m)~x(nm)
m0
周期卷积
证：~ f(n ) ID X ~ (k F ) Y ~ (k S ) N 1N k 0 1 X ~ (k ) Y ~ (k )w N kn
n 0
i m
~x(n)
w
kn N
w mk N
N
1
m~x
ቤተ መጻሕፍቲ ባይዱ
(
i
)
w
ki N
im
w mk N
N
1
~x
(i
)
w
ki N
w mk N
X~ ( k )
i0
由于 ~x(n) 与 X~(k) 对称的特点，同样可证明
ID X ~ ( k F l) w S N n ~ x ( ln )
3）共轭对称性
合集下载
《离散傅里叶》PPT课件
射关系，即
F () f (t)e jt dt
f (t) 1 F ()e jt d 2
2.离散、非周期时域信号 f (n) ←映射→周期、连续频域信号 F(e j ) ，它有序列的傅里叶变换
构成映射关系，即
F (e j ) f (n)e jn n
f (n) 1 F (e j )e jn d 2
N 1
f
p
( n)W Nnk
W
nN N
n0
N 1
f p (n)WNnk Fp (k ) n0
周期序列 f p (n) 的傅里叶级数系数 Fp (k) 也是以 N 为周期的周期序列。
时域中的一个周期序列 f p (n) 必定与频域中的一个周期序列 Fp (k) 一一
对应，在信号处理理论中通常称 Fp (k) 为周期序列 f p (n) 的离散傅里叶级
数变换（Discrete Fourier Series 简写为 DFS），即
Fp (k) DFS[ f p (n)]
而 f p (n) 称为离散傅里叶级数的逆变换（Inverse Discrete Fourier Series 简 写为 IDFS），即
f p (n) IDFS[Fp (k)]
1.连续、非周期时域信号 f (t) ←映射→非周期、连续频域信号 F() ，它由傅里叶变换构成映
N 1
N 1
Fk [
e ] jn0 ( k r )
k 0
n0
上式中方括弧中的和式由正交关系求出，即：
N 1 e jn0r
n0
N
0
r mN r mN
式中 m 为整数，方括弧中的和式只有当 k r mN 或 k mN r 时，取非零值 N，由于后 一个和式变量 k 的取值范围为[0, N 1]，所以 m 必须取零值（即 m 0），这就是说只有当 k r 时，方括弧中的和式取非零值，于是
F () f (t)e jt dt
f (t) 1 F ()e jt d 2
2.离散、非周期时域信号 f (n) ←映射→周期、连续频域信号 F(e j ) ，它有序列的傅里叶变换
构成映射关系，即
F (e j ) f (n)e jn n
f (n) 1 F (e j )e jn d 2
N 1
f
p
( n)W Nnk
W
nN N
n0
N 1
f p (n)WNnk Fp (k ) n0
周期序列 f p (n) 的傅里叶级数系数 Fp (k) 也是以 N 为周期的周期序列。
时域中的一个周期序列 f p (n) 必定与频域中的一个周期序列 Fp (k) 一一
对应，在信号处理理论中通常称 Fp (k) 为周期序列 f p (n) 的离散傅里叶级
数变换（Discrete Fourier Series 简写为 DFS），即
Fp (k) DFS[ f p (n)]
而 f p (n) 称为离散傅里叶级数的逆变换（Inverse Discrete Fourier Series 简 写为 IDFS），即
f p (n) IDFS[Fp (k)]
1.连续、非周期时域信号 f (t) ←映射→非周期、连续频域信号 F() ，它由傅里叶变换构成映
N 1
N 1
Fk [
e ] jn0 ( k r )
k 0
n0
上式中方括弧中的和式由正交关系求出，即：
N 1 e jn0r
n0
N
0
r mN r mN
式中 m 为整数，方括弧中的和式只有当 k r mN 或 k mN r 时，取非零值 N，由于后 一个和式变量 k 的取值范围为[0, N 1]，所以 m 必须取零值（即 m 0），这就是说只有当 k r 时，方括弧中的和式取非零值，于是
信息与通信第3章离散傅里叶变换PPT课件
n
~x(n)
1
(b)
0123456 7
n
~x(n)
x(n rN ) x(n%N) x((n))N
r
x(n) ~x (n)RN (n) x((n))N RN (n)
x(n)为周期序列的主值序列
第4页/共46页
| X~(k)|
(c)
01 2 3 4 5 6 7
k
| X(k)|
(d)
01 2 3 4 5 6 7
四、用MATLAB计算序列的DFT
• Xk = fft(xn,N) • xn = ifft(Xk,N)
第12页/共46页
【例3.1.2】
(a)16点 DFT的 幅 频 特 性 图 4
3
(b)16点 DFT的 相 频 特 性 图 2
相位
幅度
2
0
1
0
0
0.5
1
1.5
2
/
(c)32点 DFT的 幅 频 特 性 图 4
W ( N 1)1 N
W 02 N
W 12 N
W ( N 1)2 N
W 0( N 1) N
W 1( N 1) N
x(0) x(1)
WN(
N
1)(
N
1)
x(N 1)
x(0) x(1)
1 N
W 00 N
W 10 N
x(N 1)
WN(N 1)0
W 01 N
W 11 N
1
n0
DFT的物理意义2：X(k)为x(n)的傅里叶变换在区间[0, 2π] 上的N点等间隔采样。
第9页/共46页
三、DFT的隐含周期性
N 1
离散傅里叶变换(DFT)ppt课件
幅度为
1 N
X~ (k )，其中k
0,1, , N
N
1表示其频谱分布规律
8
第3章 离散傅里叶变换(DFT)
(3)周期序列的傅里叶变换表示
因为周期序列不满足条件： x(n) 。因此它的DTFT 不存在。但是，通过引入奇异函n数 δ 其DTFT可以用公式
表示。
x(n) x(n kN ),k
周期序列也可用离散的傅氏级数来表示。
(1)DFS定义
正变换：X
(k)
DFS [ x(n )]
N
1
x(n)e
j 2 N
nk
一般记：
反变换：x(n)
n0
IDFS[X (k)] 1
N 1
j 2 nk
X (k)e N
N k0
j 2
WN e N
6
第3章 离散傅里叶变换(DFT) (2)周期序列的离散傅里叶级数推导 由
为 ~x对(n于)周的期“序主列值~x区(间n)”，，定主义值其区第间一上个的周序期列n为=0主~N值-1序，
列 x(n)。
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 mN ) x((n))N
x(n)
1
N 1
j 2 kn
X (k)e N
N k0
X (e j ) 2 X (k) ( 2 k)
N k
N
其中 :
X
(k)
N 1
离散傅里叶变换ppt
频域信号 周期的 离散的
*时域是周期为Tp函数，频域的离散间隔为0
2
Tp
;
时域的离散间隔为T ,频域的周期为s
2
T
.
§ 3-1 周期序列的DFS
一.周期序列DFS的引入 导出周期序列DFS的传统方法是从连
续的周期信号的复数傅氏级数开始的：
~x (t) X~ ( jk0 )e jk0t k
对上式进行抽样，得：
n0
x(n)
IDFT X (k)
1 N
N 1
X (k )WNn,k
k 0
0nN-1
或者： X (k) X~(k)RN (k) x(n) ~x (n)RN (n)
练习题
参考答案
TP 1/ f 0.1(s) T 1/ 2 fh 1/ 8kHz 0.125(ms) N 2 fh / f 800
证明：
DFS[WNmn~x (n)]
N
1
WNmn
~x (n)WNkn
n0
N 1 ~x (n)WN(km)n n0
X~(k m)
WNmn
j 2 mn
eN
j 2 nm
eN
(e
j
2
N
n
)
m
时域乘以虚指数(
j 2
eN
n
)的m次幂，频域搬移m,调制特性。
四.周期卷积和
1.如果 Y~(k) X~1(k)X~2(k)
所以
DFS[~x (n
m)]
N 1m~x (i)WNik
W mk N
im
W mk N
N
1
~x (i)WNik
W mk N
~x (k
数字信号处理第三章离散傅里叶变换DFTppt课件
2 N
kn
n
xN (n) IDFT[ X (k)]
x(n)与xN (n)的关系？
26
离散傅里叶变换（DFT）
xN (n)
~
x(n)
~
X (k)
X (k)
~
x(n)
~
IDFS[ X (k)]
1 N
N 1 ~
X (k )WNkn
k 0
1 0
1 N
N 1
[
如果序列x(n)的长度为M ,则只有当频域采样点数 N M时，才有xN (n) IDFT[ X (k)] x(n)
28
离散傅里叶变换（DFT）
[例] 已知 x(n) R8 (n) ，X (e j ) FT[x(n)] 对 X (e j )
采样得
X (k)
X (e j )
, k
2 6
k
1 N
N 1
X1(l) X 2 ((k
k 0
l))N
RN (k)
1 N
X1(k)
NX 2 (k)
1 N
N 1
X 2 (l) X1((k
k 0
l))N RN (k)
1 N
X 2 (k )
NX 1 (k )
22
离散傅里叶变换（DFT） 4.复共轭序列的DFT
X (k) DFT[x(n)]
证明： DFT[x(n)] X (N k)且X (N ) X 0
第三章 离散傅里叶变换（DFT）
离散傅里叶变换（DFT）
离散傅里叶变换的定义
主
离散傅里叶变换的基本性质
要
内
容
频率域采样
DFT的应用举例
2
第3章 离散付里叶变换基础PPT课件
18
1. 主值(主值区间、主值序列)
主值区间:设有限长序列x(n),0 n N 1, 将其延拓为周期序列x%(n), 周期序列长度为N , 则 : n 0 : N 1区间称为主值区间.
主值序列:设有限长序列x(n),0 n N 1, 将其延拓为周期序列x%(n), 周期序列长度为N , 则 : 在n 0 : N 1主值区间内的序列称为主值序列.
k0
j 2
WN e N
11
4. 序列的傅里叶变换(DTFT)
• 非周期离散的时间信号(单位园上的Z变换(DTFT)) 得到周期性连续的频率函数。
正变换 : X (e jw ) x(n)e jwn n
反变换:x(n) 1 X (e jw )e jwndw
2 其中是数字频率,它和模拟角频率的关系为
T 12
例子
同样可看出,时域的离散造成频域的周期延拓 ,而时域 的非周期对应于频域的连续 .
13
三、DFT引入
• 由于有限长序列，引入DFT(离散付里叶变换)。 • DFT是反映了“有限长”这一特点的一种有用工具。 • DFT变换除了作为有限长序列的一种付里叶表示，
在理论上重要之外，而且由于存在着计算机DFT 的有效快速算法--FFT,因而使离散付里叶变换 (DFT)得以实现，它使DFT在各种数字信号处理的 算法中起着核心的作用。
设x%(n)为周期为N的周期序列, 则其离散傅里叶级数(DFS)变换对为:
正变换 :
X%(k)
DFS[x%(n)]
N 1
j 2 nk
x%(n)e N
N 1
x%(n)WNnk
n0
n0
反变换 :
x%(n)
IDFS[X%(k)]
1. 主值(主值区间、主值序列)
主值区间:设有限长序列x(n),0 n N 1, 将其延拓为周期序列x%(n), 周期序列长度为N , 则 : n 0 : N 1区间称为主值区间.
主值序列:设有限长序列x(n),0 n N 1, 将其延拓为周期序列x%(n), 周期序列长度为N , 则 : 在n 0 : N 1主值区间内的序列称为主值序列.
k0
j 2
WN e N
11
4. 序列的傅里叶变换(DTFT)
• 非周期离散的时间信号(单位园上的Z变换(DTFT)) 得到周期性连续的频率函数。
正变换 : X (e jw ) x(n)e jwn n
反变换:x(n) 1 X (e jw )e jwndw
2 其中是数字频率,它和模拟角频率的关系为
T 12
例子
同样可看出,时域的离散造成频域的周期延拓 ,而时域 的非周期对应于频域的连续 .
13
三、DFT引入
• 由于有限长序列，引入DFT(离散付里叶变换)。 • DFT是反映了“有限长”这一特点的一种有用工具。 • DFT变换除了作为有限长序列的一种付里叶表示，
在理论上重要之外，而且由于存在着计算机DFT 的有效快速算法--FFT,因而使离散付里叶变换 (DFT)得以实现，它使DFT在各种数字信号处理的 算法中起着核心的作用。
设x%(n)为周期为N的周期序列, 则其离散傅里叶级数(DFS)变换对为:
正变换 :
X%(k)
DFS[x%(n)]
N 1
j 2 nk
x%(n)e N
N 1
x%(n)WNnk
n0
n0
反变换 :
x%(n)
IDFS[X%(k)]
《离散傅里叶变换》课件
离散傅里叶级数
探索离散傅里叶级数的定义、性 质和计算方法以及在数字信号处 理中的应用。
离散傅里叶变换
仔细研究离散傅里叶变换的离散 性质和变换公式，揭示其在信号 分析中的独特优势。
离散傅里叶变换的性质
探索离散傅里叶变换的对称性、 线性性以及快速计算算法，解开 其工程应用的奥秘。
离散傅里叶变换实践1海明窗函数图像处理
探索离散傅里叶变换在图像滤波、增强和压缩中的重要作用。
视频编码
揭示离散傅里叶变换在视频编码和压缩领域的关键应用和优化策略。
总结
离散傅里叶变换的优点与缺点
离散傅里叶变换未来的发展趋势
2
深入了解海明窗函数的定义和特性，以
及在信号处理中的应用场景。
3
快速傅里叶变换算法
介绍快速傅里叶变换算法的基本原理和 实现方法，让你轻松掌握高效算法的使 用。
离散傅里叶变换与信号处理实例
通过实际案例演示离散傅里叶变换在语 音信号和图像信号处理中的应用与效果。
离散傅里叶变换应用
语音信号处理
深入研究离散傅里叶变换在语音信号分析、压缩和合成中的广泛应用。
《离散傅里叶变换》PPT 课件
本课件介绍离散傅里叶变换（Discrete Fourier Transform），让你轻松理解 该概念及其应用。从基本理论到实践应用，一网打尽。
简介
什么是离散傅里叶变换
深入探索离散傅里叶变换的定义、原理和作用，为你打开全新的数学世界。
应用领域
探索离散傅里叶变换在信号处理、图像处理、视频编码等领域的广泛应用。
傅里叶理论基础
1 傅里叶级数
揭秘傅里叶级数的概念和 原理，了解它在周期信号 分析中的作用。
2 傅里叶变换
《离散傅里叶变换》课件
$X[k] = sum_{n=0}^{N-1} x[n] W_N^{kn}$
其中，$W_N = e^{-frac{2pi i}{N}}$是复数单位根。
DFT的性质
• 线性性质：若$a[n]$和$b[n]$是两个离散信号，且$c[n] = a[n] + b[n]$，则其DFT满足
DFT的性质
$C[k] = A[k] + B[k]$
直接计算法
定义
直接计算法是离散傅里叶变换 （DFT）最基础的方法，通过 直接计算得出信号的频域表示
。
过程
对给定的有限长度序列，通过 逐个计算每个复数乘积，得到 DFT的结果。
优点
简单易懂，易于理解。
缺点
计算量大，效率低，不适合处 理大规模数据。
快速傅里叶变换（FFT）算法
定义
过程
快速傅里叶变换（FFT）是一种高效的计算 DFT的算法，通过减少冗余计算，显著降低 了DFT的计算复杂度。
周期性：对于长度为N的信号，其DFT具有周期性，即
DFT的性质
$X[k+N] = X[k]$
共轭对称性：对于长度为N的实数信号，其DFT具有共轭对称性，即
DFT的性质
$X[-k] = X[k]^*$ Parseval恒等式：对于任何离散信号x[n]，其DFT满足
$sum_{n=0}^{N-1} |x[n]|^2 = frac{N}{2pi} sum_{k=0}^{N-1} |X[k]|^2$
频率提取
通过DFT，可以从复杂的信号中 提取特定的频率分量，用于信号 识别和特征提取。
信号处理
滤波
利用DFT，可以对信号进行滤波，去 除噪声或增强特定频率的信号。
调制与解调
其中，$W_N = e^{-frac{2pi i}{N}}$是复数单位根。
DFT的性质
• 线性性质：若$a[n]$和$b[n]$是两个离散信号，且$c[n] = a[n] + b[n]$，则其DFT满足
DFT的性质
$C[k] = A[k] + B[k]$
直接计算法
定义
直接计算法是离散傅里叶变换 （DFT）最基础的方法，通过 直接计算得出信号的频域表示
。
过程
对给定的有限长度序列，通过 逐个计算每个复数乘积，得到 DFT的结果。
优点
简单易懂，易于理解。
缺点
计算量大，效率低，不适合处 理大规模数据。
快速傅里叶变换（FFT）算法
定义
过程
快速傅里叶变换（FFT）是一种高效的计算 DFT的算法，通过减少冗余计算，显著降低 了DFT的计算复杂度。
周期性：对于长度为N的信号，其DFT具有周期性，即
DFT的性质
$X[k+N] = X[k]$
共轭对称性：对于长度为N的实数信号，其DFT具有共轭对称性，即
DFT的性质
$X[-k] = X[k]^*$ Parseval恒等式：对于任何离散信号x[n]，其DFT满足
$sum_{n=0}^{N-1} |x[n]|^2 = frac{N}{2pi} sum_{k=0}^{N-1} |X[k]|^2$
频率提取
通过DFT，可以从复杂的信号中 提取特定的频率分量，用于信号 识别和特征提取。
信号处理
滤波
利用DFT，可以对信号进行滤波，去 除噪声或增强特定频率的信号。
调制与解调
【精品】3离散傅里叶变换PPT课件
X1(k)=DFT［x1(n)］
X2(k)=DFT［x2(n)］
如果 X(k)=X1(k)·X2(k)
则
N 1
x(n )ID F T [X (k)] x 1 (m )x2((n m ))N R N (n )
m 0
N 1
或 x(n )ID F T [X (k)] x2(m )x 1 ((n m ))N R N (n )
设序列xn长度为m在频域02之间等间隔采样n点56将上式代入xz的表示式中得57上式中1因此上式就成为xn的傅里叶变换xe59例331长度为26的三角形序列编写matlab程序验证频域采样定理60dftdft的快速算法fft的出现dft在数字通信语言信号处理图像处理功率谱估计仿真系统分析雷达理论光学医学地震以及数值分析等各个领域都得到广泛应用
29
第3章 离散傅里叶变换(DFT) 直接计算循环卷积较麻烦。计算机中
采用矩阵相乘或快速傅里叶变换（FFT） 的方法计算循环卷积。下面介绍用矩阵 计算循环卷积的公式。
30
第3章 离散傅里叶变换(DFT)
当n = 0, 1, 2, …, L－1时，由x(n)形成的
序列为： {x(0), x(1), …, x(L－1)}。循环移位后
(2) 时域循环移位定理： 设x(n) 是长度为N的有限长序列，
y(n)为x(n)的循环移位， 即 y(n)=x((n+m))NRN(n)
则
Y(k)=DFT［y(n)］
WNkmX(k)
其中 X(k)=DFT［x(n)］, 0≤k≤N-1。
24
第3章 离散傅里叶变换(DFT) （3）频域循环移位定理，如果
可得下面的矩阵：
x(0)
x(1)
离散傅里叶变换应用.ppt
在 T 1时间内的采T 样1 次N必须满足
N2fmT1
（5-9）
16
三、误差产生原因及解决办法
❖ （三）频谱泄漏
❖ 频谱泄漏又称截断误差，是由于对信号进行截断， 把无限长的信号限定为有限长，即令有限区间外 的函数值均为零值，相当于用一个矩形（窗）信 号乘相应的信号，如图5-5所示。
xa(t)
y(t)
-T1/2
0
T1/2 t
W(t)
1
-T1/2
0 T1/2 t
图5-5 用矩形窗截断信号
17
第三节 倒频谱分析
一
倒频谱的定义
二 倒频谱的应用——对语言信号的分析
18
一、倒频谱的定义
❖ 设时域连续信号x(t)的傅里叶变换为
X() x(t)ejtdt
其功率谱为
P ()X ()X ()X ()2
19
或从N而，T看1 也到可
以采用频谱 原来看不
细化技术，使谱线变密 到的“频谱景象”
， 。
15
T1
三、误差产生原因及解决办法
❖ （二）混叠效应
❖ 时域信号的离散化是通过抽样实现的，当采样频 率 fs 1不T够高时，采样信号相对原信号就会产生 频谱的混叠，引起频谱失真。频谱混叠效应是由 于时域的离散化引起的，克服的办法是提高采样 频率，设法满足采样定理，保证 fs ，其2f中m 是 原信f m号的最高频率。如果时间记录长度为 ， 则
4
一
时域的有限化和离散化
二
频域的有限化和离散化
三
误差产生原因及解决办法
四
周期信号的数字谱分析
五
谱分析时DFT参数的选择
六
频谱细化技术
5
N2fmT1
（5-9）
16
三、误差产生原因及解决办法
❖ （三）频谱泄漏
❖ 频谱泄漏又称截断误差，是由于对信号进行截断， 把无限长的信号限定为有限长，即令有限区间外 的函数值均为零值，相当于用一个矩形（窗）信 号乘相应的信号，如图5-5所示。
xa(t)
y(t)
-T1/2
0
T1/2 t
W(t)
1
-T1/2
0 T1/2 t
图5-5 用矩形窗截断信号
17
第三节 倒频谱分析
一
倒频谱的定义
二 倒频谱的应用——对语言信号的分析
18
一、倒频谱的定义
❖ 设时域连续信号x(t)的傅里叶变换为
X() x(t)ejtdt
其功率谱为
P ()X ()X ()X ()2
19
或从N而，T看1 也到可
以采用频谱 原来看不
细化技术，使谱线变密 到的“频谱景象”
， 。
15
T1
三、误差产生原因及解决办法
❖ （二）混叠效应
❖ 时域信号的离散化是通过抽样实现的，当采样频 率 fs 1不T够高时，采样信号相对原信号就会产生 频谱的混叠，引起频谱失真。频谱混叠效应是由 于时域的离散化引起的，克服的办法是提高采样 频率，设法满足采样定理，保证 fs ，其2f中m 是 原信f m号的最高频率。如果时间记录长度为 ， 则
4
一
时域的有限化和离散化
二
频域的有限化和离散化
三
误差产生原因及解决办法
四
周期信号的数字谱分析
五
谱分析时DFT参数的选择
六
频谱细化技术
5