复正弦信号、实数信号的DFT |
您所在的位置:网站首页 › cos的复数形式是什么 › 复正弦信号、实数信号的DFT |
复正弦信号、实数信号的DFT
本文将介绍复正弦信号和实数信号的DFT性质,内容包括: 复正弦信号的定义以及DFT性质实数信号的定义以及性质代码实例 复正弦信号首先说明,复正弦信号只是一种数学定义上的信号,在实际生活中没有发现过这种信号 我们先来看一种较为简单且比较有规律的复正弦信号,它的定义如下: x 1 [ n ] = e j 2 π k 0 n / N n=0,1,2,...,N-1 x_1[n] = e^{j2\pi k_0 n / N} \\ \text{n=0,1,2,...,N-1} x1[n]=ej2πk0n/Nn=0,1,2,...,N-1 其中, e e e是自然常熟,N表示信号的个数。 至于 k 0 k_0 k0,它是很关键的一个参数,我们可以将它理解为 x 1 [ n ] x_1[n] x1[n]信号的周期个数。通常我们只能对一小段信号做DFT,因此需要先对信号截断,如果截断的信号刚好是整数周期,即 k 0 k_0 k0是一个整数,那么信号不发生泄露;相反,如果截断信号不是整数周期,即 k 0 k_0 k0是一个浮点数,那么发现信号泄露。 关于信号泄露,请参看这篇文章 什么是泄露 复正弦信号的DFT将复正弦信号的定义直接套上DFT的公式可以推出其DFT形式: X 1 [ k ] = ∑ n = 0 N − 1 x 1 [ n ] e − j 2 π k n / N = ∑ n = 0 N − 1 e j 2 π k 0 n / N e − j 2 π k n / N = ∑ n = 0 N − 1 e j 2 π ( k 0 − k ) n / N (1) \begin{array}{l} X_1[k] &= \sum_{n=0}^{N-1} x_1[n] e^{-j2\pi k n / N} \\ &= \sum_{n=0}^{N-1} e^{j2\pi k_0 n / N}e^{-j2\pi k n / N} \\ &= \sum_{n=0}^{N-1} e^{j2\pi(k_0 - k)n / N}\\ \end{array}\tag{1} X1[k]=∑n=0N−1x1[n]e−j2πkn/N=∑n=0N−1ej2πk0n/Ne−j2πkn/N=∑n=0N−1ej2π(k0−k)n/N(1) 当 k 0 = k k_0 = k k0=k 时, e j 2 π ( k 0 − k ) n / N = e 0 = 1 e^{j2\pi(k_0 - k)n / N} = e^{0} = 1 ej2π(k0−k)n/N=e0=1,因此 X 1 [ k ] = ∑ n = 0 N − 1 1 = N , if k 0 = k X_1[k] = \sum_{n=0}^{N-1} 1 = N, \text{if } k_0=k X1[k]=n=0∑N−11=N,if k0=k 当 k 0 ≠ k k_0 \neq k k0=k 时,利用等比数列求和公式可得 X 1 [ k ] = 1 − e j 2 π ( k 0 − k ) n 1 − e j 2 π ( k 0 − k ) n / N = 0 \begin{array}{l} X_1[k] &= \frac{1-e^{j2\pi(k_0 - k)n}}{1-e^{j2\pi(k_0 - k)n/N}} \\ &= 0 \end{array} X1[k]=1−ej2π(k0−k)n/N1−ej2π(k0−k)n=0 即 X 1 [ k ] = { N , if k 0 = k 0 , if k 0 ≠ k X_1[k] = \begin{cases} N, & \text{if $k_0 = k$ } \\ 0, & \text{if $k_0 \neq k$} \end{cases} X1[k]={N,0,if k0=k if k0=k 这里仔细说明下 X 1 [ 0 ] = 0 X_1[0] = 0 X1[0]=0是怎么来的 k 0 k_0 k0和 k k k都是整数,那他们的差 k 0 − k k_0-k k0−k也是整数当N是整数时, e j 2 π N = 1 e^{j2\pi N} = 1 ej2πN=1,因此 1 − e j 2 π ( k 0 − k ) n = 0 1-e^{j2\pi(k_0 - k)n} = 0 1−ej2π(k0−k)n=0根据1,2,推出 X 1 [ 0 ] = 0 X_1[0] = 0 X1[0]=0等比数列求和的推导,可以参考这个公式: ∑ k = 0 N z k = { 1 − z N + 1 1 − z , if z ≠ 1 N , if z = 1 \sum_{k=0}^{N} z^k = \begin{cases} \frac{1-z^{N+1}}{1-z}, & \text{if $z\neq 1$ } \\ N, & \text{if $z = 1$} \end{cases} k=0∑Nzk={1−z1−zN+1,N,if z=1 if z=1 复正弦信号DFT实例我们将通过代码来展示复正弦信号的性质,首先生成一段复正弦信号,然后进行DFT,画出结果 import 需要的包 import numpy as np import matplotlib.pyplot as plt from scipy.fftpack import fft %matplotlib inline定义生成复正弦信号的函数 def generate_complex_signal(num_sample, k0): ''' generate a complex signal num_sample : 信号的个数,即公式中的N k0 : 周期个数 returns x : 复正弦信号 ''' n = np.arange(num_sample) x = np.exp(1j*2*np.pi*k0*n/num_sample) return x生成信号,进行DFT,画出结果 当k0是整数时,DFT后的结果与预期的一致 # DFT and plot the results num_sample = 100 k0 = 20 x = generate_complex_signal(num_sample, k0) X = fft(x) plt.figure(figsize=(10,6)) plt.subplot(211) plt.plot(np.real(x)) plt.subplot(212) plt.plot(np.real(X)) plt.show() 实数信号我们生活中遇到的信号都是实数信号,它的定义如下: x 2 [ n ] = A 0 cos ( 2 π k 0 n / N ) = A 0 2 ( e j 2 π k 0 n / N + e − j 2 π k 0 n / N ) x_2[n] = A_0 \cos (2\pi k_0 n/N) = \frac{A_0}{2}(e^{j2\pi k_0 n/N} + e^{-j2\pi k_0 n/N}) x2[n]=A0cos(2πk0n/N)=2A0(ej2πk0n/N+e−j2πk0n/N) 额…虽然生活中的信号都是实数信号,但是上面的式子是对实数信号的超高度浓缩版本,是最简单的版本。实际中的信号模型更为复杂。 实数信号的DFT将实数信号带入DFT等式中 X 2 [ k ] = ∑ n = 0 N − 1 x 2 [ n ] e − j 2 π k n / N = ∑ n = 0 N − 1 A 0 2 ( e j 2 π k 0 n / N + e − j 2 π k 0 n / N ) e − j 2 π k n / N = ∑ n = 0 N − 1 A 0 2 e − j 2 π ( k − k 0 ) n / N + ∑ n = 0 N − 1 A 0 2 e − j 2 π ( k + k 0 ) n / N (2) \begin{array}{l} X_2[k] &= \sum_{n=0}^{N-1} x_2[n] e^{-j2\pi k n / N} \\ &= \sum_{n=0}^{N-1} \frac{A_0}{2}(e^{j2\pi k_0 n/N} + e^{-j2\pi k_0 n/N}) e^{-j2\pi k n / N} \\ &= \sum_{n=0}^{N-1} \frac{A_0}{2}e^{-j2\pi(k-k_0) n / N} + \sum_{n=0}^{N-1} \frac{A_0}{2} e^{-j2\pi(k+k_0) n / N} \\ \end{array}\tag{2} X2[k]=∑n=0N−1x2[n]e−j2πkn/N=∑n=0N−12A0(ej2πk0n/N+e−j2πk0n/N)e−j2πkn/N=∑n=0N−12A0e−j2π(k−k0)n/N+∑n=0N−12A0e−j2π(k+k0)n/N(2) 当 k = k 0 k=k_0 k=k0或者 k = − k 0 k=-k_0 k=−k0时,(2)式中一项为0,另一项为 N A 0 2 N\frac{A_0}{2} N2A0 否则(2)式为0 即 X 2 [ k ] = { N A 0 2 , if k = k 0 , − k 0 0 , if k ≠ k 0 X_2[k] = \begin{cases} N\frac{A_0}{2}, & \text{if $k = k_0, -k_0$ } \\ 0, & \text{if $k \neq k_0$} \end{cases} X2[k]={N2A0,0,if k=k0,−k0 if k=k0 实数信号DFT实例我们将通过代码来展示实数信号的性质,首先生成一段复正弦信号,然后进行DFT,画出结果 def generate_real_signal(num_sample, A, k0): ''' generate real signal num_sample : 信号的个数,即公式中的N A : 振幅 k0 : 周期个数 returns x : 实数信号 ''' hN = num_sample//2 n = np.arange(-hN, hN) x = A * np.cos( 2*np.pi*k0*n/num_sample ) return x通过打印出结果,我们发现确实有2个峰值,但是并不是 k 0 k_0 k0和 − k 0 -k_0 −k0 其实只要做一次交换就可以,具体请看代码Y的实现 # DFT and plot the results num_sample = 100 k0 = 20 A = 0.8 x = generate_real_signal(num_sample, A, k0) X = fft(fftbuffer) plt.figure(figsize=) plt.subplot(311) plt.plot(np.real(x)) plt.subplot(312) plt.plot(np.real(X)) hM1 = (num_sample+1)//2 hM2 = num_sample//2 Y = np.zeros(num_sample) Y[:hM1] = X[-hM1:] Y[-hM2:] = X[:hM1] plt.subplot(313) x_axis = np.arange(-hM1, hM2) plt.plot(x_axis, np.real(Y)) plt.show() |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |