离散时间傅里叶变换(DTFT)

时间：2024-09-02 20:25:27浏览次数：7

由DFS到DTFT

周期为N、基波频率为 $\omega _{0}=\frac{2\pi}{N}$ 的离散时间傅里叶级数

$\tilde{x }[n]=\frac{1}{N}\sum_{k=0}^{N-1} [\sum_{n=0}^{N-1} \tilde{x }[n]e^{-jk\frac{2\pi}{N} n}]e^{jk\frac{2\pi}{N} n}$

$\omega _{0}=\frac{2\pi}{N}$ ，为了表达的规范（为了容易看出来哪些部分来自正变换X(k)），把 n改成m

$\tilde{x }[n]=\frac{1}{N}\sum_{k=0}^{N-1} [\sum_{m=0}^{N-1} \tilde{x }[m]e^{-jk\omega _{0} m}]e^{jk\omega _{0} n}$

因为我们要得到函数在频域的表现，所以要以频率对周期进行代换

$\frac{1}{N}= \frac{\omega _{0}}{2\pi}$ ，当 $N \to\infty$ ， $\omega _{0} \to\Delta \omega \to 0$ ,用 $d\omega$ 表示， $k\omega _{0}$ 变成连续的变量 $\omega$ ， $\lim_{\Delta \omega \rightarrow 0 }\sum_{k=0}^{N-1} \Delta \omega$ 变成 $\int_{0}^{2\pi} d\omega$

$x [n]= \lim_{N\rightarrow \infty }\frac{\Delta \omega }{2\pi}\sum_{k=0}^{N-1} [\sum_{m=0}^{N-1} x [m]e^{-jm\omega}]e^{jn\omega }$

$=\frac{1}{2\pi} \lim_{\Delta \omega \rightarrow 0 }\sum_{k=0}^{N-1} [\sum_{m=0}^{N-1} x [m]e^{-jm\omega}]e^{jn\omega } \Delta \omega$

$=\frac{1}{2\pi}\int_{0}^{2\pi} [\sum_{m=0}^{N-1} x [m]e^{-jm\omega}]e^{jn\omega } d \omega$

考虑到:在0≤ n ≤N-1以外，x[n]=0这一特点，将求和区间扩展至-∞至+∞

$=\frac{1}{2\pi}\int_{0}^{2\pi} [\sum_{m=-\infty }^{\infty } x [m]e^{-jm\omega}]e^{jn\omega } d \omega$

所以有正变换

$X(e^{j\omega })=\sum_{n=-\infty }^{\infty } x [n]e^{-j\omega n}$

逆变换

$x[n]=\frac{1}{2\pi}\int_{0}^{2\pi} X(e^{j\omega })e^{j\omega n } d \omega$

参考资料

《信号与系统》第二版于慧敏

离散时间傅里叶级数(DFS)-CSDN博客

傅里叶变换(FT)-CSDN博客

标签：FT,变换,博客,离散,CSDN,DTFT,傅里叶
From： https://blog.csdn.net/DGY_ChenYong/article/details/141750417

TPAMI 2024 | 离散且平衡的谱聚类算法：一种可扩展的方法
DiscreteandBalancedSpectralClusteringWithScalability离散且平衡的谱聚类算法：一种可扩展的方法RongWang,HuiminChen,YihangLu,QianrongZhang,FeipingNie,andXuelongLi摘要谱聚类（SC）因其卓越的聚类性能而成为深入研究的主要课题。尽管取得了成功......
【状态估计】【KF、DKF、SMDKF 、CI 、ICF、HCMCI】离散时间线性系统的基于共识的分布
......
5章2节：离散趋势的描述，文末1个简单函数同时搞定20个结果
在统计学中，描述一组数据时，通常使用集中趋势指标（如平均数）来反映数据的集中程度。然而，单独使用集中趋势并不能完全描述数据的特征，因此还需要引入离散趋势的指标，以揭示数据的变异程度或离散程度。这些离散趋势的指标被称为离散指标或变异指标。离散指标通过衡量数据点相对于中心......
傅里叶变换
傅里叶变换对于周期信号，如果满足$Dirichlet$条件，就可以尝试将其分解为傅里叶级数，并绘制成频谱的形式，但是在实际使用的过程中我们遇到的信号往往既不是周期的信号又难以获取解析式。对于复杂的现实信号，我们可以将问题的难点拆分开，我们先解决不是周期信号但解析式已知的情况，再......
一元柯西问题解法整理与试证明(傅里叶变换的应用)
关于柯西问题：柯西问题是指偏微分方程仅有初始条件而无边界条件的定解问题，常用特征线法、分离变量法、格林函数法以及傅里叶变换求解，柯西问题即对于其中为主函数，为初始条件，求解U(x,t)关于傅里叶变换：公式：对于一维方程f(x)有或卷积：若，则......
《二元离散选择模型及 Stata 具体操作步骤》
目录一、文献综述二、理论原理三、实证模型四、稳健性检验五、程序代码及解释一、文献综述二元离散选择模型作为一种重要的统计分析工具，在众多领域都发挥着关键作用。在经济学领域，Manski（1975）最早对离散选择模型进行了深入研究，为后续的理论发展奠定了基础。Heckman......
【图像融合】利用离散稳态小波变换的简单图像融合算法（Matlab实现）
......
快速傅里叶变换学习笔记
快速傅里叶变换学习笔记简介：卷积是形如$C_k=\sum_{i\oplusj==k}A_i*B_j$的式子，其中$\oplus$为表示某种运算。而快速傅里叶变换（FFT）用于在$O(n\logn)$的时间复杂度内求加法卷积。对于一个$k$次多项式，如果我们知道了它在$k+1$个点上的值，那么我们可以求出......
OI-tips 离散化
离散化离散化，一个很简单却很常用的小技巧。引入给你$n$个数，输出每种数出现的个数，满足$n\le10^6$，$a_i\le2\times10^9$。是不是看上去很简单，直接开一个数组记录个数不就行了。不过值域的范围是$2\times10^9$，显然正常开数组的话我们是开不下的，而发现$n$是......
「Day 7—离散化 & 树状数组 & 线段树」
离散化定义离散化本质是一种哈希，是一种用来处理数据的方法。1.创建原数组的副本。2.将副本中的值从小到大排序。3.将排序好的副本去重。4.查找原数组的每一个元素在副本中的位置，位置即为排名，将其作为离散化后的值。B3694数列离散化代码#include<iostream>#include<algo......

离散时间傅里叶变换(DTFT)

由DFS到DTFT

参考资料

相关文章

赞助商

阅读排行