时域卷积,频域相乘

本文探讨了连续函数与时域离散序列的卷积性质,并详细解释了卷积在频域和离散傅里叶变换(DFT)中的应用。此外,还介绍了在OFDM信号处理中循环卷积的概念及其重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Continuous function – FT & Conv

有两个时域函数 g(t)g(t)g(t)h(t)h(t)h(t), 则有时域卷积等价于频域相乘 (反之亦然, 仅多一个系数), 即

结论:FT(g∗h)(g\ast h)(gh)=FT(g)×(g)\times(g)×FT(h)(h)(h)

证明:两者卷积后的函数 p(t)p(t)p(t) 可写作

p(t)=g(t)∗h(t)=∫−∞∞g(τ)h(t−τ)dτp(t)=g(t)\ast h(t)=\int_{-\infty}^\infty g(\tau)h(t-\tau)d\taup(t)=g(t)h(t)=g(τ)h(tτ)dτ

进一步, p(t)p(t)p(t) 的傅里叶变换为

P(f)=∫−∞∞p(t)ej2πftdt=∫−∞∞∫−∞∞g(τ)h(t−τ)dτe−j2πftdt=∫−∞∞h(t−τ)e−j2πftdt∫−∞∞g(τ)dτ=∫−∞∞h(t′)e−j2πft′dt′e−j2πfτ∫−∞∞g(τ)dτ=H(f)∫−∞∞g(τ)e−j2πfτdτ=G(f)H(f)P(f)=\int_{-\infty}^\infty p(t)e^{j2\pi f t}dt=\int_{-\infty}^\infty \int_{-\infty}^\infty g(\tau)h(t-\tau)d\tau e^{-j2\pi f t}dt \\ =\int_{-\infty}^\infty h(t-\tau)e^{-j2\pi f t}dt \int_{-\infty}^\infty g(\tau)d\tau =\int_{-\infty}^\infty h(t')e^{-j2\pi f t'}dt' e^{-j2\pi f \tau}\int_{-\infty}^\infty g(\tau)d\tau\\ =H(f) \int_{-\infty}^\infty g(\tau)e^{-j2\pi f \tau} d\tau= G(f)H(f) P(f)=p(t)ej2πftdt=g(τ)h(tτ)dτej2πftdt=h(tτ)ej2πftdtg(τ)dτ=h(t)ej2πftdtej2πfτg(τ)dτ=H(f)g(τ)ej2πfτdτ=G(f)H(f)

Discrete sequence – DFT & Conv

有两个定义在整数上的函数 g[n]g[n]g[n]h[n]h[n]h[n], 它们的卷积可以写作

p[n]=∑i=0∞g[i]h[n−i]p[n]=\sum_{i=0}^{\infty}g[i]h[n-i]p[n]=i=0g[i]h[ni]

但是当 g[n]g[n]g[n]h[n]h[n]h[n] 有限长 NNN, MMM时, 他们的卷积可以写作

p[n]=∑i=0N−1g[i]h[n−i],n=0,1,2,...,N+M−1p[n]=\sum_{i=0}^{N-1}g[i]h[n-i], n=0,1,2,...,N+M-1p[n]=i=0N1g[i]h[ni],n=0,1,2,...,N+M1
在这里插入图片描述

结论:DFT(g∗h)(g\ast h)(gh) = DFT(g)×(g)\times(g)×DFT(h)(h)(h) 成立当且仅当K点DFT变换的长度 K>N+M−1K>N+M-1K>N+M1.
这个很显然,因为 g∗hg\ast hgh 卷积出来的有 N+M−1N+M-1N+M1 点,DFT点数不能小于这个值

OFDM symbol – Cyclic Conv

在OFDM信号处理中,g[n]g[n]g[n] 一般是对IDFT后一个OFDM符号的 NNN 点采样. h[n]h[n]h[n] 一般是多径信道 (其长度 MMM 一般会小于 NNN)。 在接收端,我们的 DFT 只会做 NNN 点的,这就需要 CP 把信道的卷积变成循环卷积。

g[n]g[n]g[n]h[n]h[n]h[n] 长度为 NNN, MMM, 且 M≤NM\leq NMN. 他们的循环卷积可以写作

p[n]=g[n]⊗h[n]=∑i=1−NN−1g[i]h[n−i],n=0,1,2,...,N−1p[n]=g[n] \otimes h[n]=\sum_{i=1-N}^{N-1}g[i]h[n-i], n=0,1,2,...,N-1p[n]=g[n]h[n]=i=1NN1g[i]h[ni],n=0,1,2,...,N1

公式里面的 NNN 其实都应该是 max⁡(N,M)\max(N,M)max(N,M),若 M>NM> NM>N 就把 g[n]g[n]g[n]h[n]h[n]h[n] 倒反就行了。

在这里插入图片描述
循环卷积等价于把其中长的那个序列(图中是 g[n]g[n]g[n])无限循环延拓,在用另一个短序列滑动相关。这样得出的序列 p[n]p[n]p[n] 是一个周期序列,且周期为长序列的长度 (图中是NNN)。每个p[n]p[n]p[n]都是 min⁡(N,M)\min(N,M)min(N,M) 个点相关的结果

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值