JoVE Logo

登录

在离散时间信号处理的研究中,了解离散时间傅里叶变换 (DTFT) 的性质对于分析和处理频域信号至关重要。频率微分、卷积、累积和 Parseval 关系等多种性质为信号分析提供了强大的工具。

频率微分性质可通过考虑一对 DTFT 并相对于 ω 对两边进行微分来说明。乘以 j(虚数单位),右侧将转换为 nx[n] 的傅里叶变换。从数学上讲,如果 X(e^(jω)) 是 x[n] 的 DTFT,则 j(d/dω(X(e^(jω))) 是 nx[n] 的 DTFT。此属性对于查找与信号频谱斜率相关的频率特性很有用。

将离散时间卷积应用于 DTFT 对时,我们观察到另一个重要属性。通过改变右侧求和的顺序并应用时间移位属性,我们得到时间卷积属性。这表明,时间域中两个信号的卷积对应于频域中它们的 DTFT 的乘法。相反,在时间域中乘以两个信号会导致频域中它们的 DTFT 的周期性卷积,按周期的倒数缩放。

累积属性专注于对离散时间信号随时间求和。此累积信号的离散时间傅里叶变换 (DTFT) 与原始信号的 DTFT 相关,但由指数缩放因子修改。此外,还有一个包含 delta 函数的术语,它在频域中以 2π 为间隔引入周期分量。此属性突出显示了时间域中的累积如何影响频率表示,从而导致周期性特征。

Parseval 关系是一个关键结果,它将信号在时间域中的能量与其在频域中的表示联系起来。具体而言,信号 x[n] 的总能量(即时间域中平方幅度的总和)等于其 DTFT 平方幅度的积分。这种关系对于分析两个域中的信号功率和能量至关重要。

这些属性共同增强了分析、设计和理解离散时间系统的能力,使它们成为数字信号处理中不可或缺的一部分。

Tags

DTFTDiscrete Time Fourier TransformSignal ProcessingFrequency DifferentiationConvolutionAccumulation PropertyParseval s RelationTime shifting PropertyEnergy AnalysisFrequency DomainDiscrete time SystemsPeriodic ConvolutionSignal Spectrum

来自章节 17:

article

Now Playing

17.8 : DTFT 的性质 II

The Fourier Transform

166 Views

article

17.1 : 连续时间傅里叶变换

The Fourier Transform

244 Views

article

17.2 : 傅里叶变换的基本信号

The Fourier Transform

450 Views

article

17.3 : 傅里叶变换的特征 I

The Fourier Transform

143 Views

article

17.4 : 傅里叶变换的性质 II

The Fourier Transform

144 Views

article

17.5 : 傅里叶变换的帕塞瓦尔定理

The Fourier Transform

725 Views

article

17.6 : 离散时间傅里叶变换

The Fourier Transform

228 Views

article

17.7 : 离散时间傅里叶变换的属性 I

The Fourier Transform

322 Views

article

17.9 : 离散傅里叶变换

The Fourier Transform

193 Views

article

17.10 : 快速傅里叶变换

The Fourier Transform

226 Views

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。