傅立叶变换

以周期序列的傅立叶变换为例。

$$ Ked(k, n) = e^{j \frac{2 \pi} {N} k} (n, k都为整数) $$

用$ W_N^{-n k} = e^{j \frac{2 \pi} {N} k} $表示周期单元的复指数序列。

对于Ked函数我们得到这样的性质:

$$
\begin{aligned}
\sum_{n=0}^{N-1} {Ked(k, n)\left[{Ked(m, n)}\right]^*} &= \sum{W_N^{-n k}(W_N^{-n m})^*} \
&= \sum{W_N^{(m-n) k}} \

&= N\widetilde\delta(m-k) \
&= \left{
\begin{aligned}
N, && \left<m-k\right>_N = 0 \
0, && else
\end{aligned}
\right.
\end{aligned}
$$

同理:
$$
\sum_{n=0}^{N-1} {Ked(k, n) [{Ked(k, l)} ]^*} = \sum{W_N^{-n k}(W_N^{-l k})^*}
= \sum{W_N^{(m-n) k}}
= N\widetilde\delta(l-n)
$$

记一个新的函数:

$$ Add(n) = \sum_{k=0}^{N-1} {Ked(k, n)} $$

由$Ked$的性质,令$l=0$,可知:

$$
Add(n) = N\widetilde\delta(-n) = N\widetilde\delta(n)
$$

即:

$$
\widetilde\delta(n) = \frac 1N Add(n)
= \frac 1N \sum_{k=0}^{N-1} {Ked(k, n)}
$$

因此对于周期单位冲激序列$\widetilde\delta(n)$,都可以表示成N个周期复指数序列的和。而对于一般周期序列,又可以表示成多个$\widetilde\delta(n)$的加权和。因而可以将任意周期序列表示成多个周期复指数序列的加权和。

对于一个函数$x(n)$,可以表示为:

$$
x(n) = x(n)*\widetilde\delta(n)
= \sum_{i=0}^{N-1} { x(i) \widetilde\delta(n-i) }
$$

继续展开:

$$
x(n) = \sum_{i=0}^{N-1} { x(i) \frac 1N \sum_{k=0}^{N-1} {Ked(k, n)} }
$$

假设一个新的东西:

$$
X(k) = \sum_{k=0}^{N-1} {Ked(k, n)}
$$

则我们有离散序列的傅里叶变换和反傅里叶变换如下:

$$ X(k) = \sum_{n=0}^{N-1} {x(n)W_N^{n k} } $$

$$ x(k) = \sum_{n=0}^{N-1} {X(n)W_N^{- n k} } $$

这就是离散序列的傅里叶变换。类似的傅里叶变换种类还有很多,但是它们的推导都非常类似。傅立叶变换的七种不同形式是:

  • 连续周期信号的连续傅里叶级数变换
  • 连续时间信号的连续傅里叶级数变换
  • 连续时间信号的拉普拉斯变换
  • 离散周期信号的离散傅里叶级数变换
  • 离散时间信号的序列傅里叶变换
  • 离散时间信号的Z变换
  • 典型有限序列的离散傅里叶变换

之后如果有时间我会尝试介绍一下快速傅立叶变换(FFT)

=============================

参考资料:

《傅立叶变换》 清华大学出版社 冷建华 编著