数字信号处理——傅里叶变换

傅里叶变换

概述

傅里叶变换将信号从时域转换为频域，用于分析频率成分、滤波和系统设计。家族成员根据信号的连续/离散和周期/非周期性质区分。主要成员包括：CTFS（连续时间傅里叶级数）、CTFT（连续时间傅里叶变换）、DTFS/DFS（离散时间傅里叶级数/离散傅里叶级数）、DTFT（离散时间傅里叶变换）、Z变换和DFT（离散傅里叶变换）。

核心联系：

• 连续到离散：CTFS/CTFT（模拟信号）→ DTFS/DTFT/Z/DFT（数字信号）。
• 周期到非周期：FS（级数形式，产生离散频谱）→ FT（变换形式，产生连续频谱）。
• 理论到实践：Z变换用于系统稳定性分析；DFT通过FFT算法实现快速计算。
• 历史背景：傅里叶于1807年提出，用于热传导问题，后扩展到信号处理。

比较表格

变换	全称	信号类型	目的	域	推导基础	与DFT联系	典型应用
CTFS	Continuous-Time Fourier Series	连续、周期	谐波分解	时域 → 离散频域	周期积分正交	模拟基础；DFT数字模拟	音频谐波分析
CTFT	Continuous-Time Fourier Transform	连续、非周期	连续谱分析	时域 → 连续频域	周期→∞极限	DFT采样近似	模拟滤波器设计
DTFS/DFS	Discrete-Time Fourier Series	离散、周期	数字谐波	离散时域 → 离散频域	离散求和正交	DFT = N点截断	数字振荡器
DTFT	Discrete-Time Fourier Transform	离散、非周期	数字连续谱	离散时域 → 连续频域	周期→∞极限	DFT = 其采样	谱估计
Z变换	Z-Transform	离散、因果	系统稳定性	离散时域 → Z平面	生成函数推广	DFT在单位圆采样	IIR滤波器
DFT	Discrete Fourier Transform	离散、有限周期	快速谱计算	有限离散时域 → 有限离散频域	DTFS有限版	FFT核心	图像压缩

表格扩展：添加“典型应用”列，突出实际场景。

CTFS：连续时间傅里叶级数

目的：将周期信号分解为基频及其整数倍谐波，便于谐波失真分析。
适用：连续时间t、周期T的x(t)，需满足狄利克雷条件（绝对积分收敛、有限不连续点）。

公式：

• 正变换（傅里叶系数）：
  $$c_k=\frac{1}{T}{\int }_{-T/2}^{T/2}x(t)e^{-jk{\omega }_{0}t}dt,{\omega }_0=\frac{2\pi }{T}$$
• 逆变换：
  $$x(t)=\sum _{k=-\infty }^{\infty }{c}_k{e}^{jk{\omega }_{0}t}$$

推导：

1. 假设表示：$x(t)={\sum }_{k=-\infty }^{\infty }{c}_k{e}^{jk{\omega }_{0}t}$（基于欧拉公式）。
2. 正交性证明：基函数$e^{jk{\omega }_{0}t}$在[-T/2, T/2]上正交，${\int }_{-T/2}^{T/2}{e}^{j(k-m){\omega }_{0}t}dt=T{\delta }_{km}$（几何积分）。
3. 系数提取：乘以$e^{-jm{\omega }_{0}t}/T$并积分，其他项为零，得$c_m$。
4. 能量守恒：Parseval定理$\frac{1}{T}{\int }_{-T/2}^{T/2}|x(t){|}^{2}dt={\sum }_{k=-\infty }^{\infty }|c_k{|}^2$。

性质（扩展）：

• 线性：$a{x}_1+b{x}_2\leftrightarrow a{c}_{1k}+b{c}_{2k}$。
• 时移：$x(t-t_0)\leftrightarrow c_k{e}^{-jk{\omega }_0{t}_0}$。
• 频谱特性：离散δ函数谱，仅在$k{\omega }_0$处非零。
• Gibbs现象：不连续点附近过冲约9%。

高级应用：电力系统谐波监测；在音乐合成中生成泛音。

CTFT：连续时间傅里叶变换

目的：非周期信号的连续频谱表示，支持卷积定理（时域卷积↔频域乘积）。
适用：连续非周期x(t)，${\int }_{-\infty }^{\infty }|x(t)|dt<\infty$（L1收敛）。

公式：

• 正变换：
  $$X(j\omega )={\int }_{-\infty }^{\infty }x(t)e^{-j\omega t}dt$$
• 逆变换：
  $$x(t)=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }X(j\omega )e^{j\omega t}d\omega$$

推导：

1. 从CTFS极限：视x(t)为T→∞周期信号，$c_k\approx X(j{\omega }_k)/T$，$\Delta \omega =2\pi /T\to 0$，$c_k\Delta \omega \to X(j\omega )/2\pi$。
2. 逆变换连续化：$\sum c_k{e}^{jk{\omega }_{0}t}\Delta \omega /2\pi \to \int X(j\omega )e^{j\omega t}d\omega /2\pi$。
3. δ梳卷积：周期谱=非周期谱与$\sum \delta (\omega -k{\omega }_0)$卷积。
4. 收敛：Dirichlet条件确保积分存在。

性质（扩展）：

• 时移：$x(t-t_0)\leftrightarrow X(j\omega )e^{-j\omega t_0}$。
• 频率缩放：$x(at)\leftrightarrow \frac{1}{|a|}X(j\omega /a)$。
• 卷积：$x_1(t)\ast x_2(t)\leftrightarrow X_1(j\omega )X_2(j\omega )$。
• Parseval：${\int }_{-\infty }^{\infty }|x(t){|}^{2}dt=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }|X(j\omega ){|}^{2}d\omega$。
• 对偶性：$X(j\omega )\leftrightarrow 2\pi x(-\omega )$。

高级应用：光学衍射分析；在地震信号处理中提取频带。

DTFS/DFS：离散时间傅里叶级数

目的：离散周期序列的离散频谱表示，用于数字谐波分析。
适用：离散时间n、周期N的x[n]，n=0,1,…,N-1。

公式：

• 正变换（DFS，谱）：
  $$X[k]=\sum _{n=0}^{N-1}x[n]e^{-j(2\pi kn/N)}$$
• 逆变换（DTFS，信号）：
  $$x[n]=\frac{1}{N}\sum _{k=0}^{N-1}X[k]e^{j(2\pi kn/N)}$$

推导：

1. 采样起源：连续CTFS采样，采样间隔T_s，N T_s = T，${\Omega }_0=2\pi /N$。
2. 离散正交：${\sum }_{n=0}^{N-1}{e}^{j(k-m){\Omega }_{0}n}=N{\delta }_{km}$（几何求和公式）。
3. 系数求取：假设$x[n]=\sum X[k]e^{jk{\Omega }_{0}n}$，乘$e^{-jm{\Omega }_{0}n}$求和，得$X[m]$。
4. 矩阵形式：DFT矩阵W_{kn} = e^{-j 2\pi k n / N}$，正交W^H W = N I。

性质（扩展）：

• 循环移位：$x[(n-n_0{)}_N]\leftrightarrow X[k]e^{-j2\pi k{n}_0/N}$。
• 循环卷积：$x_1⊛x_2\leftrightarrow X_1[k]X_2[k]$。
• Parseval：$\sum |x[n]{|}^2=\frac{1}{N}\sum |X[k]{|}^2$。
• 周期性：X[k]周期N。

高级应用：数字音频循环缓冲；在VLSI设计中周期信号模拟。

DTFT：离散时间傅里叶变换

目的：离散非周期序列的连续频谱，用于数字滤波和谱密度估计。
适用：离散非周期x[n]，${\sum }_{n=-\infty }^{\infty }|x[n]|<\infty$。

公式：

• 正变换：
  $$X(e^{j\Omega })=\sum _{n=-\infty }^{\infty }x[n]e^{-j\Omega n}$$
• 逆变换：
  $$x[n]=\frac{1}{2\pi }{\int }_{-\pi }^{\pi }X(e^{j\Omega })e^{j\Omega n}d\Omega$$

推导：

1. 从DTFS极限：N→∞，X[k] → X(e^{j \Omega_k}) \cdot (2\pi / N)$，$\Omega_k = 2\pi k / N$。
2. 正交积分：基$e^{j\Omega n}$在[-\pi, \pi]上，$\frac{1}{2\pi }{\int }_{-\pi }^{\pi }{e}^{j(\Omega -{\Omega }^{\prime })n}d\Omega =\delta (n)$（sinc极限）。
3. 采样关系：DTFT与CTFT：$X(e^{j\Omega })=\frac{1}{T_s}{\sum }_{m=-\infty }^{\infty }{X}_c(j(\Omega +2\pi m)/T_s)$（阿里亚斯效应）。
4. 收敛：绝对求和确保单位圆上收敛。

性质（扩展）：

• 时移：$x[n-n_0]\leftrightarrow X(e^{j\Omega })e^{-j\Omega n_0}$。
• 卷积：$x_1\ast x_2\leftrightarrow X_1(e^{j\Omega })X_2(e^{j\Omega })$。
• 周期性：X(e^{j(\Omega + 2\pi)}) = X(e^{j\Omega})。
• 希尔伯特变换：用于包络检测。

高级应用：Welch功率谱密度估计；在无线通信中信道均衡。

Z变换

目的：离散因果序列的复域表示，用于差分方程求解和滤波器设计。
适用：单边x[n] (n ≥ 0)，双边形式类似。

公式：

• 正变换：
  $$X(z)=\sum _{n=0}^{\infty }x[n]z^{-n}$$
• 逆变换（轮廓积分）：
  $$x[n]=\frac{1}{2\pi j}{\oint }_{C}X(z)z^{n-1}dz$$（C在ROC内）。

推导：

1. DTFT特例：DTFT = X(z)|_{z = e^{j\Omega}}$（单位圆）。
2. 复推广：z = r e^{j\Omega}，ROC为|a| < |z| < |b|（收敛环）。
3. 逆变换：Laurent级数展开，系数x[n]由Cauchy积分定理提取。
4. 部分分式：实际反变换用极点残数：x[n] = ∑ 残数(z_p^{n} / (n-1)!) u[n]。

性质（扩展）：

• 时移：x[n - k] ↔ z^{-k} X(z) + ∑_{m=0}^{k-1} x[m-k] z^{-(n-m)}$（单边）。
• 卷积：x_1 * x_2 ↔ X_1(z) X_2(z)。
• ROC特性：右边ROC → 因果；左边 → 反因果。
• 稳定性：系统H(z)稳定 iff 单位圆在ROC内，且极点| z | < 1。

高级应用：ARMA模型参数估计；在自适应滤波如LMS算法。

DFT：离散傅里叶变换

目的：有限离散序列的频谱计算，支持FFT加速。
适用：长度N的x[n]，视为周期N。

公式：

• 正变换：
  $$X[k]=\sum _{n=0}^{N-1}x[n]e^{-j2\pi kn/N},k=0,\dots ,N-1$$
• 逆变换：
  $$x[n]=\frac{1}{N}\sum _{k=0}^{N-1}X[k]e^{j2\pi kn/N}$$

推导：

1. DTFS特例：直接从DTFS N点截断。
2. 正交矩阵：DFT = W x，W_{kn} = e^{-j 2\pi k n / N}$，W^H W = N I。
3. FFT算法：Cooley-Tukey分治（N=2^M），分解为偶/奇索引，递归O(N log N)。
4. 泄漏分析：有限N导致窗函数卷积，sinc旁瓣。

性质（扩展）：

• 线性：DFT(a x + b y) = a X + b Y。
• 移位：循环移位引入相移。
• 零填充：增加N改善频率分辨率。
• 窗函数：Hamming窗减泄漏：w[n] = 0.54 - 0.46 cos(2π n / (N-1))。

高级应用：JPEG DCT变体；在雷达脉冲压缩。

联系总结

• 数学链条：CTFS (积分正交) → CTFT (T→∞) → DTFT (采样+求和) → Z (z=e^{jΩ}特例) → DFT (N点采样DTFT)。
• 谱类型：FS: 离散线谱；FT: 连续密度谱；DFT: 有限离散采样。
• 收敛域：DTFT单位圆；Z变换ROC环；DFT全平面（多项式）。
• 应用演化：模拟(CT) → 数字理论(DT/Z) → 计算(DFT/FFT)。
• 常见错误：忽略ROC导致不稳定；DFT零序误差用窗修正。

应用扩展

• 电信：DFT用于OFDM调制，多载波传输。
• 图像/视频：CTFT/DCT压缩JPEG/AVC。
• 控制系统：Z变换设计PID控制器。
• 生物医学：DTFT分析EEG频带（α波8-13Hz）。
• 机器学习：傅里叶特征在谱图CNN中。