离散傅里叶变换公式推导

离散傅里叶变换公式推导离散傅里叶变换公式推导先抛变换公式:Fm=∑n=0N−1fne−2πimn/N↔fn=1N∑m=0N−1Fme2πimn/NF_m=\sum_{n=0}^{N-1}f_ne^{-2\piimn/N}\leftrightarrowf_n=\frac{1}{N}\sum_{m=0}^{N-1}F_me^{2\piimn/N}Fm​=n=0∑N−1​fn​e−2πimn/N↔fn​=N1​m=0∑N−1​Fm​e2πimn/N式中的N是数据点个数讲道理一开始完全看不懂公式这么来的,一顿百度后我学

大家好,又见面了,我是你们的朋友全栈君。

离散傅里叶变换公式推导

先抛变换公式:
F m = ∑ n = 0 N − 1 f n e − 2 π i m n / N ↔ f n = 1 N ∑ m = 0 N − 1 F m e 2 π i m n / N F_m=\sum_{n=0}^{N-1}f_ne^{-2\pi imn/N}\leftrightarrow f_n=\frac{1}{N}\sum_{m=0}^{N-1}F_me^{2\pi imn/N} Fm​=n=0∑N−1​fn​e−2πimn/N↔fn​=N1​m=0∑N−1​Fm​e2πimn/N
式中的N是数据点个数
讲道理一开始完全看不懂公式这么来的,一顿百度后我学到了很多,但就是没学到怎么推公式。好吧只能自己推。
先来看一下DFT的物理意义:DFT示意图
(图我网上随便下的)
离散傅里叶变换是把周期性离散信号变换到频域上,大家知道,周期信号变到频域上是离散的。离散就是在个别点 { x n } \{x_n\} {
xn​}
有值。我是学物理的,物理里面离散的可以这么表示:
f ( x ) = ∑ n = 0 N − 1 f n δ ( x − x n ) f(x)=\sum_{n=0}^{N-1}f_n\delta(x-x_n) f(x)=n=0∑N−1​fn​δ(x−xn​)
δ ( x ) \delta(x) δ(x)是个在 x = 0 x=0 x=0处无穷大,其余位置为0且全空间积分为1的函数 ∫ − ∞ ∞ δ ( x ) d x = 1 \int_{-\infty}^{\infty}\delta(x)dx=1 ∫−∞∞​δ(x)dx=1

周期性信号变到频域上,那不就是傅里叶级数吗。自然有公式
F m = ∫ − T T ∑ n = 0 N − 1 f n δ ( x − x n ) e − i x k m d x = ∑ n = 0 N − 1 ∫ f n δ ( x − x n ) e − i x k m d x = ∑ n = 0 N − 1 f n e − i x n k m \begin{aligned} F_m &= \int_{-T}^{T}\sum_{n=0}^{N-1}f_n\delta(x-x_n)e^{-ixk_m}dx \\&=\sum_{n=0}^{N-1}\int f_n\delta(x-x_n)e^{-ixk_m}dx \\&=\sum_{n=0}^{N-1}f_ne^{-ix_nk_m} \end{aligned} Fm​​=∫−TT​n=0∑N−1​fn​δ(x−xn​)e−ixkm​dx=n=0∑N−1​∫fn​δ(x−xn​)e−ixkm​dx=n=0∑N−1​fn​e−ixn​km​​
接下来我们假设 d x , d k dx,dk dx,dk分别是 { x n } \{x_n\} {
xn​}
, { k n } \{k_n\} {
kn​}
的间距,那么:
x n = n d x , k m = m d k x_n=ndx,\qquad k_m = mdk xn​=ndx,km​=mdk
代入上式:
F m = ∑ n = 0 N − 1 f n e − i x n k m = ∑ n = 0 N − 1 f n e − i m n d x d k \begin{aligned} F_m &=\sum_{n=0}^{N-1}f_ne^{-ix_nk_m} \\&=\sum_{n=0}^{N-1}f_ne^{-imndxdk} \end{aligned} Fm​​=n=0∑N−1​fn​e−ixn​km​=n=0∑N−1​fn​e−imndxdk​
是不是和最上面的式子很接近了?还差最后一步,确定 d x d k dxdk dxdk的值。
下面我懒得写了,只说一下做法吧

  1. 先写出 F m F_m Fm​到 f n f_n fn​的逆变换,
    f n = c ∑ n = 0 N − 1 F m e i m n d x d k f_n = c\sum_{n=0}^{N-1}F_me^{imndxdk} fn​=cn=0∑N−1​Fm​eimndxdk
    c c c是个系数,之后应该能计算出是 1 / N 1/N 1/N
  2. 把上面的 F m F_m Fm​表达式带进去,就能得到用 f n ′ f_{n’} fn′​求和表达的 f n f_n fn​,这要求 d x d k dxdk dxdk满足一定关系,其实就是满足 d x d k = 2 π N dxdk = \frac{2\pi}{N} dxdk=N2π​
  3. 最后把公式里的 d x d k dxdk dxdk替换就完事了

这个公式推导倒是不难,主要问题是理解不要出现偏差。所谓离散傅里叶变换是把周期离散信号变换到周期离散频谱,这是真的离散信号。一开始我以为是连续信号在某些给定点采样得到的值呢(没有学过信号相关的内容,在计算物理中遇到了这个离散傅里叶变换)。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/160837.html原文链接:https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • UML时序图知识

    UML时序图知识1.时序图(SequenceDiagrams)时序图描述对象之间消息的发送顺序,强调时间顺序。时序图是一个二维图,横轴表示对象,纵轴表示时间,消息在各对象之间横向传递,依照时间顺序纵向排列。用箭头表示消息、用竖虚线表示对象生命线。2.时序图的作用展示对象之间交互的顺序。将交互行为建模为消息传递,通过描述消息是如何在对象间发送和接收的来动态展示对象之间的交互;相对于其他UML图,时序图更强调交互的时间顺序;可以直观的描述并发进程。3.时序图组成元素角色(Actor)系统

    2022年6月18日
  • json_encode 详细参数说明

    json_encode 详细参数说明json_encode详细参数说明

    2022年7月2日
  • jzoj 1146. 危险系数(acrobat)

    jzoj 1146. 危险系数(acrobat)1146.危险系数(acrobat) (FileIO): input:acrobat.in output:acrobat.out时间限制: 1000ms  空间限制: 262144KB  具体限制  GotoProblemSet题目描述   N(1输入第一行:输入一个整数N;第2到

    2022年6月11日
  • QTcpSocket学习

    QTcpSocket学习一、涉及到的函数监听:tcpServer->listen(QHostAddress::LocalHost,6666)错误信息:tcpServer->errorString()新连接信号:connect(tcpServer,SIGNAL(newConnection()),this,SLOT(sendMessage()))设置输出流:QByteArrayblock…

    2022年9月4日
  • 字符串类型的时间和时间类型的相互转换

    字符串类型的时间和时间类型的相互转换publicstaticDategetDate(StringsDate)throwsException{Datedate=newDate(); SimpleDateFormatsdf=newSimpleDateFormat("yyyy-MM-dd");  //要转换的格式SimpleDateFormatsdf2=newSimpleDateFormat("yyy…

    2022年5月15日
  • jenkins私库上进行web项目部署原理[通俗易懂]

    jenkins私库上进行web项目部署原理[通俗易懂]2019独角兽企业重金招聘Python工程师标准>>>…

    2022年7月18日

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号