В математике преобразование Фурье с дискретным временем ( ДВПФ ) - это форма анализа Фурье , применимая к последовательности значений.
DTFT часто используется для анализа выборок непрерывной функции. Термин дискретное время относится к тому факту, что преобразование работает с дискретными данными, часто с выборками, интервал которых имеет единицы времени. Из равномерно расположенных образцов она производит функцию частоты , которая является периодическим суммирования из непрерывного преобразования Фурье исходной непрерывной функции. При определенных теоретических условиях, описываемых теоремой выборки , исходная непрерывная функция может быть полностью восстановлена из DTFT и, следовательно, из исходных дискретных выборок. Само ДВПФ является непрерывной функцией частоты, но ее дискретные отсчеты можно легко вычислить с помощью дискретного преобразования Фурье.(ДПФ) (см. § Выборка ДВПФ ), который на сегодняшний день является наиболее распространенным методом современного анализа Фурье.
Оба преобразования обратимы. Обратное ДВПФ - это исходная последовательность дискретизированных данных. Обратное ДПФ - это периодическое суммирование исходной последовательности. Быстрого преобразования Фурье (БПФ) представляет собой алгоритм для вычисления одного цикла ДПФ, и обратный производит один цикл обратного ДПФ.
Определение [ править ]
Дискретное преобразование Фурье дискретной последовательности действительных или комплексных чисел x [ n ] для всех целых чисел n представляет собой ряд Фурье , который производит периодическую функцию частотной переменной. Когда переменная частота, ω, имеет нормированные единицы из радиан / образца , периодичность является 2π , а ряд Фурье : [1] : стр.147
( Уравнение 1 )
Полезность этой функции в частотной области основана на формуле суммирования Пуассона . Пусть X ( f ) будет преобразованием Фурье любой функции x ( t ) , выборки которой на некотором интервале T ( секунды ) равны (или пропорциональны) последовательности x [ n ] , то есть T ⋅ x ( nT ) = x [ n ] . Тогда периодическая функция, представленная рядом Фурье, является периодическим суммированием X ( f )в единицах частоты f в герцах ( циклов / сек ) : [a] [A]
| ( Уравнение 2 ) |
Целое число k имеет единицы циклов / отсчет , а 1 / T - это частота дискретизации, f s ( отсчетов / сек ). Таким образом, X 1 / T ( f ) содержит точные копии X ( f ) , которые сдвинуты на кратные f s герц и объединены путем сложения. При достаточно большом е с к = 0 термин может наблюдаться в области [- F сек / 2, е с / 2 ] практически без искажений (алиасинг ) от других терминов. На рисунке 1 крайние точки распределения в верхнем левом углу замаскированы за счет наложения спектров при периодическом суммировании (нижний левый).
Отметим также, что e - i2πfTn - преобразование Фурье функции δ ( t - nT ) . Следовательно, альтернативное определение DTFT: [B]
| ( Уравнение 3 ) |
Модулированная гребенчатая функция Дирака представляет собой математическую абстракцию, которую иногда называют импульсной выборкой . [2]
Обратное преобразование [ править ]
Операция, которая восстанавливает дискретную последовательность данных из функции DTFT, называется обратным DTFT . Например, обратное непрерывное преобразование Фурье обеих частей уравнения 3 дает последовательность в виде модулированной гребенчатой функции Дирака:
Тем не менее, отметив , что Х 1 / Т ( е ) является периодическим, вся необходимая информация содержится в любом интервале длины 1 / T . Как в уравнении 1, так и в уравнении 2 суммирование по n представляет собой ряд Фурье с коэффициентами x [ n ] . Стандартные формулы для коэффициентов Фурье также являются обратными преобразованиями:
( Уравнение 4 )
Периодические данные [ править ]
Когда последовательность входных данных x [ n ] является N- периодической , уравнение 2 может быть вычислительно сведено к дискретному преобразованию Фурье (ДПФ), потому что :
- Вся доступная информация содержится в N образцах.
- X 1 / T ( f ) сходится к нулю везде, кроме целых кратных 1 / ( NT ) , известных какчастоты гармоник . На этих частотах DTFT расходится с разной частотно-зависимой скоростью. И эти скорости задаются ДПФ одного цикла последовательности x [ n ] .
- ДВПФ является периодическим, поэтому максимальное количество уникальных амплитуд гармоник составляет (1 / T ) / (1 / ( NT )) = N
Коэффициенты ДПФ определяются по формуле :
- и DTFT :
- [b]
Подстановка этого выражения в формулу обратного преобразования подтверждает :
- ( все целые числа )
как и ожидалось. Обратный ДПФ в строке выше иногда называют дискретным рядом Фурье ( ДПФ ). [1] : с. 542
Выборка DTFT [ править ]
Когда ДВПФ является непрерывным, обычной практикой является вычисление произвольного количества выборок ( N ) одного цикла периодической функции X 1 / T : [1] : стр. 557–559 и 703
где - периодическое суммирование :
- (см. Дискретный ряд Фурье )
Последовательность является обратным ДПФ. Таким образом, наша выборка DTFT приводит к тому, что обратное преобразование становится периодическим. Массив | X k | 2 значения называется периодограммой , а параметр N называется NFFT в одноименной функции Matlab. [3]
Чтобы вычислить один цикл численно, нам потребуется последовательность x [ n ] конечной длины . Например, длинная последовательность может быть усечена оконной функцией длины L, что приведет к трем случаям, заслуживающим особого упоминания. Для упрощения записи рассмотрим значения x [ n ] ниже, чтобы представить значения, измененные оконной функцией.
Случай: Прореживание частоты. L = N ⋅ I , для некоторого целого числа I (обычно 6 или 8)
Цикл сводится к суммированию I отрезков длины N . Затем ДПФ имеет различные названия, такие как :
- БПФ с оконной презумпцией [4]
- Вес, перекрытие, добавить (WOLA) [5] [6] [7] [8] [9] [10] [C] [D]
- многофазный ДПФ [8] [9]
- банк многофазных фильтров [11]
- многоблочное управление окнами и временным алиасингом . [12]
Напомним, что прореживание выборочных данных в одном домене (по времени или частоте) приводит к перекрытию (иногда известному как наложение ) в другом, и наоборот. По сравнению с ДПФ с длиной L , суммирование / перекрытие вызывает децимацию по частоте, [1] : стр.558, оставляя только выборки ДВПФ, наименее подверженные спектральной утечке . Это обычно является приоритетом при реализации банка фильтров БПФ (канализатора). При использовании обычной оконной функции длины L , scalloping потери были бы неприемлемыми. Таким образом, многоблочные окна создаются с помощью инструментов проектирования FIR-фильтров . [13] [14] Их частотный профиль плоский в самой высокой точке и быстро спадает в средней точке между оставшимися отсчетами DTFT. Чем больше значение параметра I , тем лучше потенциальная производительность.
Случай: L = N +1 .
Когда симметричный, L -длина функция окна ( ) усекается до 1 коэффициента его называют периодическим или ДПФ-даже . Усечение влияет на DTFT. ДПФ из усеченных последовательностей выборок ДВПФА в частотных интервалах 1 / N . Чтобы выполнить выборку на тех же частотах, для сравнения вычисляется ДПФ для одного цикла периодического суммирования, [E]
Случай: частотная интерполяция. L ≤ N
В этом случае ДПФ упрощается до более знакомой формы:
Чтобы воспользоваться преимуществом алгоритма быстрого преобразования Фурье для вычисления ДПФ, суммирование обычно выполняется по всем N членам, даже если N - L из них являются нулями. Поэтому случай L < N часто называют заполнением нулями .
Спектральная утечка, которая увеличивается с уменьшением L , отрицательно сказывается на некоторых важных показателях производительности, таких как разрешение нескольких частотных компонентов и количество шума, измеряемого каждой выборкой DTFT. Но эти вещи не всегда имеют значение, например, когда последовательность x [ n ] является бесшумной синусоидой (или константой), сформированной оконной функцией. Затем обычно используют заполнение нулями для графического отображения и сравнения подробных шаблонов утечки оконных функций. Чтобы проиллюстрировать это для прямоугольного окна, рассмотрим последовательность:
- и
Рисунки 2 и 3 представляют собой графики величины двух ДПФ разного размера, как указано на их метках. В обоих случаях доминирующая составляющая находится на частоте сигнала: f = 1/8 = 0,125 . На рис. 2 также видна спектральная картина рассеяния прямоугольного окна L = 64 . Иллюзия на рис. 3 является результатом выборки DTFT только в точках пересечения нуля. Вместо ДВПФ последовательности конечной длины он производит впечатление бесконечно длинной синусоидальной последовательности. Факторами, способствующими возникновению иллюзии, являются использование прямоугольного окна и выбор частоты (1/8 = 8/64) с ровно 8 (целыми) циклами на 64 выборки. Окно Ханнадаст аналогичный результат, за исключением того, что пик будет расширен до 3 отсчетов (см. окно Ханна с четностью DFT ).
Свертка [ править ]
Теорема свертки для последовательностей :
- [16] : с.297 [c]
Важным частным случаем является круговая свертка последовательностей x и y, определяемая как где - периодическое суммирование. Дискретно-частотный характер означает, что произведение с непрерывной функцией также является дискретным, что приводит к значительному упрощению обратного преобразования :
- [17] [1] : с.548.
Для последовательностей x и y , ненулевая длительность которых меньше или равна N , окончательное упрощение :
Значение этого результата объясняется в алгоритмах круговой свертки и быстрой свертки .
Свойства симметрии [ править ]
Когда действительная и мнимая части сложной функции разлагаются на их четную и нечетную части , имеется четыре компонента, обозначенных ниже индексами RE, RO, IE и IO. И существует взаимно однозначное отображение между четырьмя компонентами комплексной функции времени и четырьмя компонентами ее комплексного частотного преобразования : [16] : с.291
Отсюда очевидны различные отношения, например :
- Преобразование вещественной функции ( x RE + x RO ) является четной симметричной функцией X RE + i X IO . И наоборот, четно-симметричное преобразование подразумевает действительную временную область.
- Преобразование мнимозначной функции ( i x IE + i x IO ) является нечетной симметричной функцией X RO + i X IE , и верно обратное.
- Преобразование четно-симметричной функции ( x RE + i x IO ) является действительной функцией X RE + X RO , и верно обратное.
- Преобразование нечетно-симметричной функции ( x RO + i x IE ) является мнимозначной функцией i X IE + i X IO , и верно обратное.
Связь с Z-преобразованием [ править ]
представляет собой ряд Фурье, который также может быть выражен через двустороннее Z-преобразование . Т.е.:
где обозначение отличает Z-преобразование от преобразования Фурье. Следовательно, мы также можем выразить часть Z-преобразования через преобразование Фурье:
Обратите внимание, что при изменении параметра T члены остаются на постоянном расстоянии друг от друга, а их ширина увеличивается или уменьшается. Члены X 1 / T ( f ) остаются постоянной ширины, а их расстояние 1 / T масштабируется вверх или вниз.
Таблица дискретных преобразований Фурье [ править ]
Некоторые общие пары преобразований показаны в таблице ниже. Применяются следующие обозначения:
- - действительное число, представляющее непрерывную угловую частоту (в радианах на выборку). ( в циклах в секунду и в секундах / отсчет). Во всех случаях в таблице DTFT является 2π-периодическим (в дюймах ).
- обозначает функцию, определенную на .
- обозначает функцию, определенную на , и ноль в другом месте. Потом:
- - дельта-функция Дирака
- нормализованная функция sinc
- это функция прямоугольника
- является функция треугольника
- n - целое число, представляющее дискретную временную область (в выборках)
- дискретная ступенчатая функция
- это дельта Кронекера
Временная область x [ n ] | Частотная область X 2π (ω) | Замечания | Ссылка |
---|---|---|---|
[16] : с.305 | |||
целое число | |||
нечетное M четное M | целое число | ||
Этот термин следует интерпретировать как распределение в смысле главного значения Коши вокруг его полюсов в . | |||
[16] : с.305 | |||
-π <a <π | настоящий номер | ||
реальный номер с | |||
реальный номер с | |||
целые числа и | |||
реальные числа с | |||
реальное число , | |||
он работает как дифференцирующий фильтр | |||
реальные числа с | |||
Преобразование Гильберта | |||
комплекс действительных чисел |
Свойства [ править ]
В этой таблице показаны некоторые математические операции во временной области и соответствующие эффекты в частотной области.
- является дискретной свертки двух последовательностей
- является комплексно сопряженным к x [ n ] .
Свойство | Временная область x [ n ] | Частотная область | Замечания | Ссылка |
---|---|---|---|---|
Линейность | сложные числа | [16] : с.294 | ||
Обратное время / изменение частоты | [16] : с.297 | |||
Сопряжение времени | [16] : с.291 | |||
Обращение времени и спряжение | [16] : с.291 | |||
Реальная часть времени | [16] : с.291 | |||
Воображаемая часть времени | [16] : с.291 | |||
Действительная часть частоты | [16] : с.291 | |||
Мнимая часть частоты | [16] : с.291 | |||
Сдвиг во времени / Модуляция по частоте | целое число k | [16] : с.296 | ||
Сдвиг частоты / Модуляция во времени | настоящий номер | [16] : с.300 | ||
Децимация | [F] | целое число | ||
Расширение времени | целое число | [1] : с.172 | ||
Производная по частоте | [16] : с.303 | |||
Интеграция по частоте | ||||
Разница во времени | ||||
Суммирование во времени | ||||
Свертка по времени / Умножение по частоте | [16] : с.297 | |||
Умножение по времени / Свертка по частоте | Периодическая свертка | [16] : с.302 | ||
Взаимная корреляция | ||||
Теорема Парсеваля | [16] : с.302 |
См. Также [ править ]
- Спектральный анализ методом наименьших квадратов
- Многомерное преобразование
- Зак преобразовать
Заметки [ править ]
- ^ Когда зависимость от T не важна, обычно заменяют ее на. Тогда f имеет единицы ( циклы / выборка ), называемые нормализованной частотой .
- ^ На самом деле уравнение 2 часто оправдывают следующим образом: [1] : с.143
- ^ WOLA не следует путать с методом кусочной сверткис перекрытием-сложением .
- ^ Пример WOLA: Файл: WOLA channelizer example.png
- ^ Примером является рисунок Выборка DTFT . Действительные выборки DFT являются результатом DFT-четной симметрии [15] : стр.52
- ^ Это выражение выводится следующим образом: [1] : стр.168
Цитирование страниц [ править ]
- ^ Оппенгейм и Шафер , стр. 147 (4.20), стр. 694 (10.1), и Прандони и Веттерли , стр. 255, (9.33), где: и
- ^ Оппенгейм и Шафер , стр. 551 (8.35), и Прандони и Веттерли , стр. 82, (4.43), где : и
- ^ Оппенгейм и Шафер , стр 60, (2.169), и Прандони и Веттерли , стр 122, (5.21)
Ссылки [ править ]
- ^ a b c d e f g h Оппенгейм, Алан В .; Шафер, Рональд В .; Бак, Джон Р. (1999). «4,2, 8,4». Дискретно-временная обработка сигналов (2-е изд.). Река Аппер Сэдл, штат Нью-Джерси: Prentice Hall. ISBN 0-13-754920-2.
образцы преобразования Фурье апериодической последовательности x [n] можно рассматривать как коэффициенты DFS периодической последовательности, полученные путем суммирования периодических копий x [n].
url = https://d1.amobbs.com/bbs_upload782111/files_24/ourdev_523225.pdf - Перейти ↑ Rao, R. (2008). Сигналы и системы . Prentice-Hall Of India Pvt. Ограничено. ISBN 9788120338593.
- ^ "Оценка спектральной плотности мощности периодограммы - периодограмма MATLAB" .
- ^ Gumas, Чарльз Константин (июль 1997). «Window-presum FFT обеспечивает высокий динамический диапазон и разрешение» . Новости личной инженерии и приборостроения : 58–64. Архивировано 10 февраля 2001 года.CS1 maint: bot: original URL status unknown (link)
- ^ Crochiere, RE; Рабинер, Л.Р. (1983). «7.2». Многоскоростная цифровая обработка сигналов . Энглвуд Клиффс, Нью-Джерси: Прентис-Холл. С. 313–326. ISBN 0136051626.
- ^ Ван, Хун; Лу, Юксин; Ван, Сюэган (16 октября 2006 г.). "Канальный приемник с WOLA Filterbank". 2006 Международная конференция CIE по радарам . Шанхай, Китай: IEEE: 1–3. DOI : 10.1109 / ICR.2006.343463 . ISBN 0-7803-9582-4.
- ^ Лайонс, Ричард Г. (июнь 2008 г.). «Уловки DSP: создание практического анализатора спектра» . EE Times . Проверено 20 февраля 2020 . Однако обратите внимание, что он содержит ссылку, помеченную взвешенной структурой добавления перекрытия, которая неправильно относится к методу добавления перекрытия .
- ^ a b Лиллингтон, Джон (март 2003 г.). «Сравнение архитектур широкополосной канализации» (PDF) . Даллас: Международная конференция по обработке сигналов. п. 4 (рис 7) . Проверено 6 сентября 2020 .
Метод «Весовое перекрытие и сложение» или WOLA или его подмножество «Многофазный ДПФ» становится все более популярным и, безусловно, очень эффективен там, где требуются большие высококачественные банки фильтров.
- ^ a b Лиллингтон, Джон. «Обзор методов банка фильтров - RF и цифровой» (PDF) . armms.org . Остров Уайт, Великобритания: Libra Design Associates Ltd. стр. 11 . Проверено 6 сентября 2020 .
К счастью, существует гораздо более элегантное решение, показанное на рисунке 20 ниже, известное как многофазное или WOLA (вес, перекрытие и сложение) БПФ.
- ^ Hochgürtel Стефан (2013). «Эффективные реализации широкополосных БПФ-спектрометров высокого разрешения и их применение для обзора линий центра Галактики APEX» (PDF) . hss.ulb.uni-bonn.de . Бонн: Рейнский университет им. Фридриха Вильгельма в Бонне. С. 26–27 . Проверено 6 сентября 2020 .
Чтобы выполнить M-кратный WOLA для N-точечного ДПФ, M · N реальных входных выборок a
j
сначала умножается на оконную функцию w
j
того же размера
- ^ Chennamangalam, Jayanth (2016-10-18). "Техника банка многофазных фильтров" . Группа КАСПЕР . Проверено 30 октября 2016 .
- ^ Даль, Джейсон Ф. (2003-02-06). Методы временного наложения оценки спектра (доктор философии). Университет Бригама Янга . Проверено 31 октября 2016 .
- ^ Линь, Юань-Пей; Вайдьянатан, П.П. (июнь 1998 г.). "Подход окна Кайзера для разработки прототипов фильтров косинусно-модулированных наборов фильтров" (PDF) . Письма об обработке сигналов IEEE . 5 (6): 132–134. Bibcode : 1998ISPL .... 5..132L . DOI : 10.1109 / 97.681427 . Проверено 16 марта 2017 .
- ^ Харрис, Фредерик Дж. (2004-05-24). «9». Многоскоростная обработка сигналов для систем связи . Река Аппер Сэдл, штат Нью-Джерси: Prentice Hall PTR. С. 226–253. ISBN 0131465112.
- ↑ Харрис, Фредрик Дж. (Январь 1978 г.). «Об использовании Windows для гармонического анализа с дискретным преобразованием Фурье» (PDF) . Труды IEEE . 66 (1): 51–83. Bibcode : 1978IEEEP..66 ... 51H . CiteSeerX 10.1.1.649.9880 . DOI : 10,1109 / PROC.1978.10837 .
- ^ a b c d e f g h i j k l m n o p q r Proakis, John G .; Манолакис, Дмитрий Г. (1996). Цифровая обработка сигналов: принципы, алгоритмы и приложения (3-е изд.). Нью-Джерси: Прентис-Холл Интернэшнл. Bibcode : 1996dspp.book ..... P . ISBN 9780133942897. sAcfAQAAIAAJ.
- ^ Рабинер, Лоуренс Р .; Золото, Бернард (1975). Теория и применение цифровой обработки сигналов . Энглвуд Клиффс, Нью-Джерси: Prentice-Hall, Inc. стр. 59 (2,163). ISBN 978-0139141010.
- Прандони, Паоло; Веттерли, Мартин (2008). Обработка сигналов для связи (PDF) (1-е изд.). Бока-Ратон, Флорида: CRC Press. С. 72, 76. ISBN 978-1-4200-7046-0. Проверено 4 октября 2020 года .
коэффициенты DFS для периодизированного сигнала представляют собой дискретный набор значений для его DTFT
Дальнейшее чтение [ править ]
- Порат, Боаз (1996). Курс цифровой обработки сигналов . Джон Вили и сыновья. С. 27–29 и 104–105. ISBN 0-471-14961-6.
- Зиберт, Уильям М. (1986). Цепи, сигналы и системы . Серия MIT по электротехнике и информатике. Кембридж, Массачусетс: MIT Press. ISBN 0262690950.
- Лайонс, Ричард Г. (2010). Понимание цифровой обработки сигналов (3-е изд.). Прентис Холл. ISBN 978-0137027415.