离散时间信号的傅里叶变换和离散傅里叶变换

离散时间信号的傅里叶变换和离散傅里叶变换

摘要

本文主要介绍了离散时间信号的离散时间傅里叶变换及离散傅里叶变换，说明其在频域的具体表示和分析，并通过定义的方法和矩阵形式的表示来给出其具体的计算方法。同时还介绍了与离散时间傅里叶变换（DTFT ）和离散傅里叶变换（DFT ）相关的线性卷积与圆周卷积，并讲述它们之间的联系，从而给出了用圆周卷积计算线性卷积的方法，即用离散傅里叶变换实现线性卷积。

1. 离散时间傅里叶变换

1.1离散时间傅里叶变换及其逆变换

离散时间傅里叶变换为离散时间序列x[n]的傅里叶变换，是以复指数序列｛n j e ω-｝的序列来表示的（可对应于三角函数序列），相当于傅里叶级数的展开，为离散时间信号和线性时不变系统提供了一种频域表示，其中ω是实频率变量。时间序列x[n]的离散时间傅里叶变换)(ωj e X 定义如下：

∑∞

-∞

=-=

n

n

j j e n x e X ωω

][)( （1.1）

通常)(ωj e X 是实变量ω的复数函数同时也是周期为π2的周期函数，并且)(ωj e X 的幅度函数和实部是ω的偶函数，而其相位函数和虚部是ω的奇函数。这是由于：

)

()()(tan )

()()()

(sin )()()(cos )()(2

22

ωωωωωωωωωωθωθωθj re j im j im j re j j j im j j re e X e X e X e X e X e X e X e X e X =

+=== （1.2）

由于式（1.1）中的傅里叶系数x[n]可以用下面给出的傅里叶积分从)(ωj e X 中算出：

ωπ

ωπ

πω

d e e

X n x n j j )(21

][?-

=

（1.3）

故可以称该式为离散时间傅里叶逆变换（IDTFT ），则式（1.1）和（1.3）构成了序列x[n]的离散时间傅里叶变换对。

上述定义给出了计算DTFT 的方法，对于大多数时间序列其DTFT 可以用收敛的几何级数形式表示，例如序列x[n]=n α,此时其傅里叶变换可以写成简单的封闭形式。而一个序列x[n]的DTFT 存在的充要条件是其为绝对可和序列，即：

∞<∑∞

-∞

=n

n x ][

此时对于所有ω值有：

∞<≤

=

∑∑∞

-∞

=∞

-∞

=-n

n

n

j j n x e n x e X ][][)(ωω

1.2 离散时间傅里叶变换的性质与线性卷积

序列x[n]的离散时间傅里叶变换的一般性质包括线性、时移、频移、频域微分、调制及卷积等。其中卷积性质可表示为如下形式：

)

()(][][)

(][)(][ωωωωj j j j e H e G n h n g e H n h e G n g ????

一般来说，序列x[n]和h[n]的卷积和可以定义为如下形式：

∑∞

-∞

=-=

k

k n h k x n y ][][][，或 ∑∞

-∞

=-=

k

k h k n x n y ][][][

卷积和运算满足交换率、结合率以及分配率，可以对卷积和作如下解释：先将序

列h[k]反转得到h[-k]，然后将h[-k]平移（如果n>0，右移n 个抽样周期；如果n<0,左移n 个抽样周期）形成序列h[n-k]。然后形成乘积序列v[k]=x[k]h[n-k]，把v[k]的全部样本求和即得到卷积和y[n]的第n 个样本。上述过程可用下图表示：

卷积和运算的示意图

离散时间傅里叶变换的卷积性质表明，序列g[n]和h[n]的线性卷积y[n]的离散时间傅里叶变换)(ωj e Y 可以简单地由它们各自的离散时间傅里叶变换)(ωj e G 和)(ωj e H 的积给出。这就为我们提供了一种计算序列g[n]和h[n]的线性卷积y[n]的重要方法：可先计算g[n]和h[n]的离散时间傅里叶变换)(ωj e G 和)(ωj e H ，然后将)(ωj e G 和)(ωj e H 相乘得到)(ωj e Y ，最后作)(ωj e Y 的离散时间傅里叶逆变换，而

逆变换的结果就是y[n]序列。在一些应用中，特别是序列为无限长序列时，基本离散时间傅里叶变换的方法可能比直接卷积计算起来更加方便，尤其是在快速傅里变换技术的应用以后。

在Matlab 软件中函数fregz 可以用来计算序列的离散时间傅里叶变换在给定离散频率点上的值，其变换序列是以ωj e 的有理函数来描述的，使用形式为：H=fregz(num,den,w)，其中返回值H 表示频率响应值，num 和den 为变换序列的有理函数的分母、分子系数向量（按ωj e -升幂排列），w 为0到π之间指定的频率点向量。为得到准确的图形，需要选择大量的频率点。

2. 离散傅里叶变换

2.1 离散傅里叶变换及其计算

已知定义在10-≤≤N n 的有限长序列x[n]及其离散时间傅里叶变换)(ωj e X ，通过在ω轴上（πω20≤≤）

，对)(ωj e X 均匀抽样得到（抽样点为N k k /2πω=，10-≤≤N k ）

： 10,][|)(][1

/2/2-≤≤=

=∑-=-=N k e n x e X k X N n

N

kn j N k j ππωω

（2.1）

式中所得X[k]为频域上的有限长序列，长度为N ，称为时间序列x[n]的离散傅里叶变换（DFT ）。若令 N j N e W /2π-=，则DFT 的定义式可表达为：

10,][][1

-≤≤=

∑-=N k W n x k X N n

kn N （2.2）

而与此相对，X[k]的离散傅里叶逆变换（IDFT ）为：

10,][1

][1

-≤≤=

-

-=∑N n W k X N

n x kn N N k

（2.3）

对于序列x[n]的离散傅里叶变换的计算，可以直接用上述定义式计算其N 点DFT ，也可利用定义的矩阵形式进行计算。由于式（2.2）可用矩阵的形式表示为：

x D X N

= （2.4）

其中X

是N 个离散傅里叶变换抽样的向量，T N X X X X ]]1[]1[]0[[-= ，而

x 是N 个输入抽样的向量，T N x x x x ]]1[]1[]0[[-=

，矩阵N D 是大小为N ×N

的离散傅里叶变换矩阵，形式如下：

??

???

??

?????????=-?-----)

1()1()1(21)1(2421211111111N N N N N N N N N

N N N N N N N

W W W W W W W W W D 通过这种矩阵形式的表示来计算序列x[n]的N 点DFT 将会变得更加直观，并且可通过观察矩阵N D 的规律来达到简化计算的目的。与DFT 的矩阵计算方法相对应，IDFT 也有类似的矩阵计算：

X D x N

1

-= （2.5）

与式（2.4）不同的是矩阵1-N D 为：*-=

N N D N

D 1

1，其中*N D 表示矩阵N D 的共轭。

当然，如果借助Matlab 软件来计算DFT 和IDFT 将会变得更简便。常用的

函数是：fft(x)和ifft(X)，用来计算时间序列x[n]的DFT 及离散傅里叶抽样序列X[k]的IDFT 。在上述函数中可指定输出序列的长度，一般缺省时输出长度与输入序列相等，若指定长度小于输入长度时原序列将被截短易出现错误，而大于时，输入序列将用零填充，这在利用圆周卷积计算线性卷积时会用到（需先对待卷积的两个序列补零）。

2.2 离散时间傅里叶变换与离散傅里叶变换的关系

一方面，从DFT 的定义即式（2.1）可知，长为N 的时间序列x[n]的N 点离散傅里叶变换X[k]是其离散时间傅里叶变换)(ωj e X 在N 个均匀间隔频率点上的抽样，10,/2-≤≤==N k N k k πωω。若给定一个长为N 的序列x[n]的N 点离散傅里叶变换X[k]，则可通过IDFT 确定x[n]，从而计算其DTFT ，即从DFT 通过内插得到DTFT ，具体表示为下式：

∑∑∑∑∑-=---=--=-=--=-=??????==1

)/2(1

1

0101

][1

][1

][)(N n

n

N k j N k n

j N n N k kn N N n

n

j j e k X N

e W k X N e n x e X πωωωω

（2.6） 另一方面，从时间序列x[n]的离散时间傅里叶变换的N 个等间隔点

10,/2-≤≤==N k N k k πωω抽样生成N 个频率样本，可将其看作一个

N 点的离散傅里叶变换Y[k]，而Y[k]的IDFT 为序列y[n]，经推导可得到如下关

系：

∑∞

-∞

=-≤≤+=

m

N n mN n x n y 10,)(][ （2.7）

这表明，经x[n]的频域抽样所恢复的序列y[n]是将x[n]平移并无限次叠加对原x[n]

上得到的，每次复制移动的距离为N ，最后的叠加结果取10-≤≤N n 区间。

即频域采样造成时域周期延拓，对于非有限长序列周期延拓后混叠，而对于M 点的有限长序列，频域抽样不失真的条件是频域抽样点数N 大于M ，此时有y[n]=x[n]，否则用x[n]的样本产生y[n]时会有时域混叠，不能从y[n]恢复。 2.3 离散傅里叶变换的性质与序列的圆周卷积

离散傅里叶变换的一些性质与离散时间傅里叶变换的性质相似，如线性、循环时移、循环频移、对偶、N 点循环卷积、调制等。在这些性质中涉及到循环移位的概念，而在DTFT 性质中是没有的。序列的循环移位是为了使一个定义在10-≤≤N n 的序列在移位之后仍旧位于10-≤≤N n 范围中，为此引入模运算来定义这样一种平移：

][][0

N

c n n x n x -= （2.8）

相当于将长度为N 的序列以N 个等间隔点放在一个圆柱体的圆周上，按顺时针或逆时针旋转0n 个空间点。

接下来对循环卷积给出定义：对于两个长度为N 的序列g[n]和h[n]，其N 点循环卷积为：

∑-=-=

1

][][][N m

N

C m n h m g n y （2.9）

根据离散傅里叶变换的性质，两个长度为N 的序列的循环卷积也可通过计

算它们的N 点离散傅里叶变换的积后，运用离散傅里叶逆变换计算得到。类似前面用矩阵的形式直观地计算序列的离散傅里叶变换及逆变换，式（2.9）所示的循环卷积也可用如下的矩阵形式计算：

???

???

?

?

????????-????????????????------=?????

???????????-]1[]2[]1[]0[]0[]

3[]2[]1[]3[]

0[]1[]2[]2[]1[]0[]1[]1[]2[]1[]0[]1[]2[]1[]0[N g g g g h N h N h N h h h h h h N h h h h N h N h h N y y y y C C C C

2.4 用离散傅里叶变换实现线性卷积

由于两个有限长序列的线性卷积，如长度为N 的序列g[n]和长度为M 的序列h[n]，等于长度为N+M-1的两个序列][n g e （g[n]序列后补M-1个零）和][n h e （h[n]序列后补N-1个零）的圆周卷积。故可以先对原序列补零后分别进行N+M-1点的离散傅里叶变换，得到 ][k G e 和][k H e ，然后对积][][k H k G e e 做M+N-1点的离散傅里叶逆变换得到][n y L 。当采用快速傅里叶变换技术后，一个N 点的离散傅里叶变换可以只用大约)(log 2N N 次算术运算有效实现，故该种计算线性卷积的方法是有意义的。

3 总结

本文简要地介绍了离散时间傅里叶变换和离散傅里叶变换以及其逆变换，讨论了两者的关系及时间序列经频域抽样后正确恢复而不发生时域混叠的条件，并给出了计算的方法，即直接定义计算方法与直观的矩阵形式的计算以及使用Matlab软件中的函数进行计算。同时文中还介绍了与DTFT与DFT紧密相关的线性卷积运算和圆周卷积运算以及它们的计算，并运用傅里叶变换的性质及线性卷积与圆周卷积的关系，说明了用圆周卷积计算线性卷积的方法。

傅里叶变换在信号与系统系统中的应用

河北联合大学 本科毕业设计（论文） 题目傅里叶变换在信号与系统中的应用 院系理学院 专业班级07数学一班 学生姓名刘帅 学生学号200710050113 指导教师佟玉霞 2011年5月24日

题目傅里叶变换在信号与系统中的应用 专业数学与应用数学姓名刘帅学号200710050113 主要内容、基本要求、主要参考资料等 主要内容 傅里叶变换是一种重要的变换，且在与通信相关的信号与系统中有着广泛的应用。本文主要研究傅里叶变换的基本原理；其次，掌握其在滤波，调制、解调，抽样等方面中的应用。分析了信号在通信系统中的处理方法，通过傅里叶变换推导出信号调制解调的原理，由此引出对频分复用通信系统的组成原理的介绍。 基本要求 通过傅里叶变换实现一个高通滤波，低通滤波，带通滤波。用傅里叶变换推导出信号调制解调的原理。通过抽样实现连续信号离散化，简化计算。另外利用调制的原理推导出通信系统中的时分复用和频分复用。 参考资料 [1]《信号与系统理论、方法和应用》徐守时著中国科技大学出版社 2006年3月修订二版 [2]《信号与系统》第二版上、下册郑君里、应启珩、杨为理著高等教育出版社 [3]《通信系统》第四版 Simon Haykin 著宋铁成、徐平平、徐智勇等译沈 连丰审校电子工业出版社 [4]《信号与系统—连续与离散》第四版 Rodger E.Ziemer 等著肖志涛等译 腾建辅审校电子工业出版社 [5]《现代通信原理》陶亚雄主编电子工业出版社 [6]《信号与系统》乐正友著清华大学出版社 [7]《信号与线性系统》阎鸿森、王新风、田惠生编西安交通大学出版社 [8]《信号与线性系统》张卫钢主编郑晶、徐琨、徐建民副主编西安电 子科技大学出版社 [9] https://www.wendangku.net/doc/332087753.html,/view/191871.htm//百度百科傅里叶变换 [10]《通信原理》第六版樊昌信曹丽娜编著国防工业出版社 [11]A．V．Oppenheim,A.S.Willsky with S.H.Nawab.Siganals and systems(Second edition).Prentice-Hall,1997.中译：刘树棠。信号与系统。西安交通工业大学出版社 完成期限 指导教师 专业负责人

matlab-离散信号傅里叶变换

1.请用MATLAB编写程序，实现任意两个有限长度序列的卷积和。要求用图 形显示两个序列及卷积结果。 解：y(n)=∑x(i)h(n-i) 假设x(n)={1,2,3,4,5}; h(n)={3,6,7,2,1,6}; y(n)=x(n)*h(n) 验证：y[n]=[1,12,28,46,65,72,58,32,29,30] 【程序】 N=5 M=6 L=N+M-1 x=[1,2,3,4,5] h=[3,6,7,2,1,6] y=conv(x,h) nx=0:N-1 nh=0:M-1 ny=0:L-1 subplot(131);stem(nx,x,'*b');xlabel('n');ylabel('x(n)');grid on subplot(132);stem(nh,h,'*b');xlabel('n');ylabel('h(h)');grid on subplot(133);stem(ny,y,'*r');xlabel('n');ylabel('y(h)');grid on 【运行结果】

2.已知两个序列x[n]=cos(n*pi/2), y[n]=e j*pi*n/4x[n],请编写程序绘制 X(e jw)和Y(e jw)和幅度和相角,说明它们的频移关系。 –提示：用abs函数求幅度，用angle求相角。 【程序】 n=0:15; x=cos(n*pi/2); y=exp(j*pi*n/4).*x; X=fft(x); Y=fft(y); magX=abs(X); angX=angle(X); magY=abs(Y); angY=angle(Y); subplot(221);stem(n,magX,'*r');xlabel('频率');ylabel('幅度');grid on; subplot(222);stem(n,angX,'*b');xlabel('频率');ylabel('相位');grid on; subplot(223);stem(n,magY,'*r');xlabel('频率');ylabel('幅度');grid on; subplot(224);stem(n,angY,'*b');xlabel('频率');ylabel('相位');grid on;

离散时间傅里叶变换.

第3章 离散时间傅里叶变换 在信号与系统中，分析连续时间信号可以采用时域分析方法和频域分析方法，它们之间是通过连续时间的傅里叶变换来完成从时域到频域的变换，它们之间是完成了一种域的变换，从而拓宽了分析连续时间信号的途径。与连续时间系统的分析类似，在离散时间系统中，也可以采用离散傅里叶变换，将时间域信号转换到频率域进行分析，这样，不但可以得到离散时间信号的频谱，而且也可以使离散时间信号的分析方法更具有多元化。本章将介绍离散时间系统的频域分析方法。 3.1 非周期序列的傅里叶变换及性质 3.1.1 非周期序列傅里叶变换 1．定义 一个离散时间非周期信号与其频谱之间的关系，可用序列的傅里叶变换来表示。若设离散时间非周期信号为序列)(n x ，则序列)(n x 的傅里叶变换(DTFT)为： 正变换： ∑∞ -∞ =ω-ω = =n n j j e n x e X n x DTFT )()()]([ (3-1-1) 反变换： ? π π -ωωω-ωπ = =d e e X n x e X DTFT n j j j )(21)()]([1 (3-1-2) 记为： )()(ω?→←j F e X n x 当然式(3-1-2)等式右端的积分区间可以是)2,0(π或其它任何一个周期。 [例3-1] 设序列)(n x 的波形如图3-1所示，求)(n x 的傅里叶变换)(ωj e X 解：由定义式(3-1-1)可得 ωω=--=--== = ω-ω-ωω-ω-ωω-ω -ω-ω-=ω-∞ -∞ =ω ∑∑ 2 1sin 3sin )() (11)()(2 521 212133365 6j j j j j j j j j n j n n j n j e e e e e e e e e e e n R e X 2．离散时间序列傅里叶变换存在的条件： 图3-1

离散信号的傅里叶变换(MATLAB实验)

离散信号的变换（MATLAB 实验） 一、实验目的 掌握用Z 变换判断离散系统的稳定与否的方法，掌握离散傅立叶变换及其基本性质和特点，了解快速傅立叶变换。 二、实验内容 1、已经系统函数为 5147.13418.217.098.2250 5)(2342-++--+=z z z z z z Z H (1) 画出零极点分布图，判断系统是否稳定； (2)检查系统是否稳定； (3) 如果系统稳定，求出系统对于u(n)的稳态输出和稳定时间b=[0,0,1,5,-50];a=[2,-2.98,0.17,2.3418,-1.5147]; subplot(2,1,1);zplane(b,a);title('零极点分布图'); z=roots(a); magz=abs(z) magz = 0.9000 0.9220 0.9220 0.9900 n=[0:1000]; x=stepseq(0,0,1000); s=filter(b,a,x); subplot(2,1,2);stem(n,s);title('稳态输出'); （1）因为极点都在单位园内，所以系统是稳定的。 （2）因为根的幅值（magz ）都小于1，所以这个系统是稳定的。 （3）稳定时间为570。 2、综合运用上述命令，完成下列任务。 (1) 已知)(n x 是一个6点序列： ???≤≤=其它,050,1)(n n x

计算该序列的离散时间傅立叶变换，并绘出它们的幅度和相位。 要求：离散时间傅立叶变换在[-2π,2π]之间的两个周期内取401个等分频率上进行数值求值。 n=0:5;x=ones(1,6); k=-200:200;w=(pi/100)*k; X=x*(exp(-j*pi/100)).^(n'*k); magX=abs(X);angX=angle(X); subplot(2,1,1);plot(w/pi,magX);grid;title('幅度'); subplot(2,1,2);plot(w/pi,angX);grid;title('相位'); (2) 已知下列序列： a. ,1000),52.0cos()48.0cos()(≤≤+=n n n n x ππ； b ．)4sin()(πn n x =是一个N ＝32的有限序列； 试绘制)(n x 及它的离散傅立叶变换 )(k X 的图像。 a ． n=[0:1:100];x=cos(0.48*pi*n)+cos(0.52*pi*n); subplot(2,1,1);plot(n,x);title('x(n)的图像'); X=dft(x,101); magX=abs(X); subplot(2,1,2);plot(n,magX);title('丨X(k)丨的图像');

离散傅里叶变换应用举例

x=[1,1,1,1];w=[0:1:500]*2*pi/500; [H]=freqz(x,1,w); magH=abs(H);phaH=angle(H); subplot(2,1,1);plot(w/pi,magH);grid;xlabel('');ylabel('|X|'); title('DTFT的幅度') subplot(2,1,2);plot(w/pi,phaH/pi*180);grid; xlabel('以pi为单位的频率');label('度'); title('DTFT的相角')

N=4;w1=2*pi/N;k=0:N-1; X=fft(x,N); magX=abs(X);phaX=angle(X)*180/pi; subplot(2,1,1);plot(w*N/(2*pi),magH,'--');axis([-0.1,4.1,0,5]);hold on; stem(k,magX);ylabel('|X(k)|');title('DFT的幅度:N=4');text(4.3,-1,'k'); hold off; subplot(2,1,2);plot(w*N/(2*pi),phaH*180/pi,'--');axis([-0.1,4.1,-200,200]); hold on; stem(k,phaX);ylabel('度');title('DFT的相角:N=4');text(4.3,-200,'k')

n=(0:1:9);x=cos(0.48*pi*n)+cos(0.52*pi*n); w=[0:1:500]*2*pi/500; X=x*exp(-1i*n'*w); magx=abs(X); x1=fft(x);magx1=abs(x1(1:1:10)); k1=0:1:9;w1=2*pi/10*k1; subplot(3,1,1);stem(n,x);title('signalx(n),0<=n<=9'); axis([0,10,-2.5,2.5]);line([0,10],[0,0]); subplot(3,1,2);plot(w/pi,magx);title('DTFT幅度');xlabel('w');axis([0,1,0,10]); subplot(3,1,3);stem(w1/pi,magx1);title('DFT幅度'); xlabel('频率（单位：pi)');axis([0,1,0,10]) 实验总结：补零运算提供了一个较密的频谱和较好的图示形式，但因为在信号中只是附加了零，而没有增加任何新的信息，因此不能提供高分辨率的频谱。

离散时间信号的傅里叶变换和离散傅里叶变换

离散时间信号的傅里叶变换和离散傅里叶变换 摘要 本文主要介绍了离散时间信号的离散时间傅里叶变换及离散傅里叶变换，说明其在频域的具体表示和分析，并通过定义的方法和矩阵形式的表示来给出其具体的计算方法。同时还介绍了与离散时间傅里叶变换（DTFT ）和离散傅里叶变换（DFT ）相关的线性卷积与圆周卷积，并讲述它们之间的联系，从而给出了用圆周卷积计算线性卷积的方法，即用离散傅里叶变换实现线性卷积。 1. 离散时间傅里叶变换 1.1离散时间傅里叶变换及其逆变换 离散时间傅里叶变换为离散时间序列x[n]的傅里叶变换，是以复指数序列｛n j e ω-｝的序列来表示的（可对应于三角函数序列），相当于傅里叶级数的展开，为离散时间信号和线性时不变系统提供了一种频域表示，其中ω是实频率变量。时间序列x[n]的离散时间傅里叶变换)(ωj e X 定义如下： ∑∞ -∞ =-= n n j j e n x e X ωω ][)( （1.1） 通常)(ωj e X 是实变量ω的复数函数同时也是周期为π2的周期函数，并且)(ωj e X 的幅度函数和实部是ω的偶函数，而其相位函数和虚部是ω的奇函数。这是由于： ) ()()(tan ) ()()() (sin )()()(cos )()(2 22 ωωωωωωωωωωθωθωθj re j im j im j re j j j im j j re e X e X e X e X e X e X e X e X e X = +=== （1.2） 由于式（1.1）中的傅里叶系数x[n]可以用下面给出的傅里叶积分从)(ωj e X 中算出： ωπ ωπ πω d e e X n x n j j )(21 ][?- = （1.3）

离散傅里叶变换

第三章离散傅里叶变换 离散傅里叶变换不仅具有明确的物理意义，相对于DTFT他更便于用计算机处理。但是，直至上个世纪六十年代，由于数字计算机的处理速度较低以及离散傅里叶变换的计算量较大，离散傅里叶变换长期得不到真正的应用，快速离散傅里叶变换算法的提出，才得以显现出离散傅里叶变换的强大功能，并被广泛地应用于各种数字信号处理系统中。近年来，计算机的处理速率有了惊人的发展，同时在数字信号处理领域出现了许多新的方法，但在许多应用中始终无法替代离散傅里叶变换及其快速算法。 § 3-1 引言 一.DFT是重要的变换 1.分析有限长序列的有用工具。 2.在信号处理的理论上有重要意义。 3.在运算方法上起核心作用，谱分析、卷积、相关都可以通DFT在计算机上实现。 二.DFT是现代信号处理桥梁 DFT要解决两个问题： 一是离散与量化， 二是快速运算。 傅氏变换 § 3-2 傅氏变换的几种可能形式 一.连续时间、连续频率的傅氏变换-傅氏变换

对称性： 时域连续，则频域非周期。 反之亦然。 二.连续时间、离散频率傅里叶变换-傅氏级数 时域信号 频域信号 连续的 非周期的 非周期的 连续的 t ? ∞ ∞ -Ω-= Ωdt e t x j X t j )()(:? ∞ ∞ -ΩΩ Ω= d e j X t x t j )(21 )(:π 反

*时域周期为Tp, 频域谱线间隔为2π/Tp 三.离散时间、连续频率的傅氏变换 --序列的傅氏变换 p T 0= Ω时域信号 频域信号 连续的 周期的 非周期的 离散的 ? -Ω-= Ω2 /2 /00)(1 )(:p p T T t jk p dt e t x T jk X 正∑ ∞ -∞ =ΩΩ= k t jk e jk X t x 0)()(:0反

傅里叶变换及应用

傅里叶变换在MATLZB里的应用 摘要：在现代数学中，傅里叶变换是一种非常重要的变换，且在数字信号处理中有着广泛的应用。本文首先介绍了傅里叶变换的基本概念、性质及发展情况；其次，详细介绍了分离变数法及积分变换法在解数学物理方程中的应用。傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号，再利用傅立叶反变换将这些频域信号转换成时域信号。应用MATLAB实现信号的谱分析和对信号消噪。 关键词：傅里叶变换；MA TLAB软件；信号消噪 Abstract: In modern mathematics,Fourier transform is a transform is very important ,And has been widely used in digital signal processing.This paper first introduces the basic concepts, properties and development situation of Fourier transform ;Secondly, introduces in detail the method of separation of variables and integral transform method in solving equations in Mathematical Physics.Fourier transformation makes the original time domain signal whose analysis is difficult easy, by transforming it into frequency domain signal that can be transformed into time domain signal by inverse transformation of Fourier. Using Mat lab realizes signal spectral analysis and signal denoising. Key word: Fourier transformation, software of mat lab ,signal denoising 1、傅里叶变换的提出及发展 在自然科学和工程技术中为了把较复杂的运算转化为较简单的运算，人们常常采用所谓变换的方法来达到目的"例如在初等数学中，数量的乘积和商可以通过对数变换化为较简单的加法和减法运算。在工程数学里积分变换能够将分析运算（如微分，积分）转化为代数运算，正是积分变换这一特性，使得它在微分方程和其它方程的求解中成为重要方法之一。 1804年，法国科学家J-.B.-J.傅里叶由于当时工业上处理金属的需要，开始从事热流动的研究"他在题为<<热的解析理论>>一文中，发展了热流动方程，并且指出如何求解"在求解过程中，他提出了任意周期函数都可以用三角级数来表示的想法。他的这种

离散信号变换的matlab实现

实验四 离散信号的频域分析 一、 实验目的 1. 掌握序列的傅里叶变换、离散傅里叶级数、离散傅里叶变换、快速傅里叶变换的Matlab 实现； 2. 学习用FFT 对连续信号和离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便在实际中正确应用FFT 。 二、 实验内容及步骤 1. 计算序列的DTFT 和DFT ，观察栅栏效应 设)()(4n R n x =，要求用MATLAB 实现： （1）计算)(n x 的傅里叶变换)(ωj e X ，并绘出其幅度谱； （2）分别计算)(n x 的4点DFT 和8点DFT ，绘出其幅度谱。并说明它们和)(ωj e X 的关系。 （提示：DFT 变换可用MA TLAB 提供的函数fft 实现，也可以自己用C 语言或matlab 编写） 2.计算序列的FFT ，观察频谱泄漏 已知周期为16的信号)1612cos()1610cos()(n n n x π π +=。 （1） 截取一个周期长度M=16点，计算其16点FFT ，并绘出其幅度谱； （2） 截取序列长度M=10点，计算其16点FFT ，绘出其幅度谱，并与（1）的结果进行比 较，观察频谱泄漏现象，说明产生频谱泄漏的原因。 三、 实验报告要求 1. 结合实验中所得给定典型序列幅频特性曲线，与理论结果比较，并分析说明误差产生的原因以及用FFT 作谱分析时有关参数的选择方法。 2. 总结实验所得主要结论。 1. 计算序列的DTFT 和DFT ，观察栅栏效应 设)()(4n R n x =，要求用MATLAB 实现： （1）计算)(n x 的傅里叶变换)(ωj e X ，并绘出其幅度谱； （2）分别计算)(n x 的4点DFT 和8点DFT ，绘出其幅度谱。并说明它们和)(ωj e X 的关系。 （1）代码： n=0:3; M=10;

连续时间傅里叶变换

2 奇偶信号的FS: (i) 偶信号的FS: 2 a n f (t)cosn T] T 1 Fn 弘 1tdt ； bn 2 T1 f (t)sin n 1tdt c n d n a n (ii ) jbn an 2 2 偶的周期信号的 奇信号的FS: F n ( Fn 实, 偶对称)；n FS 系数只有直流项和余弦项。 2 T f(t)sinn 1tdt ； 5 dn T| 11 1 Fn F n jbn ( Fn 纯虚，奇对称)； a a n 0 ； b n b n 2jFn 第二章连续时间傅里叶变换 1周期信号的频谱分析 一一傅里叶级数FS (1) 狄义赫利条件：在同一个周期 T1内，间断点的个数有限；极大值和极小值的数目有限；信号绝 为T i ,角频率为 ,2 f ,—。 Ti (3)任何满足狄义赫利条件周期函数都可展成傅里叶级数。 ⑷三角形式的FS: (i) 展开式：f(t) a 0 (ancon it bn sin n ,t) n 1 (ii) 系数计算公式： (a) 直流分量： ao f (t)dt T 1 T 1 (b) n 次谐波余弦分量： a n - f (t) cosn 1tdt, n N T1 T 1 2 (c) n 次谐波的正弦分量： bn — f (t)sinn 1tdt, n N T1 T 1 (iii) 系数an 和bn 统称为三角形式的傅里叶级数系数，简称傅里叶系数。 (iv) 称f1 1/T1为信号的基波、基频； nf1为信号的n 次谐波。 (V) 合并同频率的正余弦项得： n 和n 分别对应合并后 门次谐波的余弦项和正弦项的初相位。 (vi) 傅里叶系数之间的关系： (5)复指数形式的FS: (i) 展开式：f (t) Fne jn 1t n (ii) 系数计算：Fn 丄 f(t)e jn 1t dt, n Z T] T 1 (iii) 系数之间的关系： (iv) Fn 关于 n 是共扼对称的，即它们关于原点互为共轭。 (v) 正负n (n 非零)处的Fn 的幅度和等于Cn 或dn 的幅度。 对可积 丁 f(t)dt 。 (2)傅里叶级数：正交函数线性组合。 正交函数集可以是三角函数集 {1,cosn *,sinn 1t ：n N}或复指数函数集 {e jn 术:n Z},函数周期

傅里叶变换的应用.

傅立叶变换在图像处理中有非常非常的作用。因为不仅傅立叶分析涉及图像处理的很多方面，傅立叶的改进算法， 比如离散余弦变换，gabor与小波在图像处理中也有重要的分量。 印象中，傅立叶变换在图像处理以下几个话题都有重要作用： 1.图像增强与图像去噪 绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声; 边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘； 2.图像分割之边缘检测 提取图像高频分量 3.图像特征提取： 形状特征：傅里叶描述子 纹理特征：直接通过傅里叶系数来计算纹理特征 其他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性 4.图像压缩 可以直接通过傅里叶系数来压缩数据；常用的离散余弦变换是傅立叶变换的实变换； 傅立叶变换 傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。连续情况下要求原始信号在一个周期内满足绝对可积条件。离散情况下，傅里叶变换一定存在。冈萨雷斯版<图像处理>里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样,傅立叶变换使我们能通过频率成分来分析一个函数。 傅立叶变换有很多优良的性质。比如线性，对称性（可以用在计算信号的傅里叶变换里面）; 时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变； 频移性：函数在时域中乘以e^jwt，可以使整个频谱搬移w。这个也叫调制定理，通讯里面信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）； 卷积定理：时域卷积等于频域乘积；时域乘积等于频域卷积（附加一个系数）。（图像处理里面这个是个重点） 信号在频率域的表现 在频域中，频率越大说明原始信号变化速度越快；频率越小说明原始信号越平缓。当频率为0时，表示直流信号，没有变化。因此，频率的大小反应了信号的变化

离散傅里叶变换(DFT)试题

第一章 离散傅里叶变换（DFT ） 填空题 （1） 某序列的DFT 表达式为 ∑-==1 )()(N n kn M W n x k X ，由此可以看出，该序列时域 的长 度为 ，变换后数字频域上相邻两个频率样点之间的间隔是 。 解：N ； M π 2 （2）某序列DFT 的表达式是 ∑-==1 0)()(N k kl M W k x l X ，由此可看出，该序列的时域长度 是 ，变换后数字频域上相邻两个频率样点之间隔是 。 解： N M π 2 （3）如果希望某信号序列的离散谱是实偶的，那么该时域序列应满足条件 。 解：纯实数、偶对称 （4）线性时不变系统离散时间因果系统的系统函数为2 52) 1(8)(22++--=z z z z z H ，则系统 的极点为 ；系统的稳定性为 。系统单位冲激响应)(n h 的初值为 ；终值 )(∞h 。 解： 2,2 1 21-=- =z z ；不稳定 ；4)0(=h ；不存在 (5) 采样频率为Hz F s 的数字系统中，系统函数表达式中1 -z 代表的物理意义是 ，其中时域 数字序列)(n x 的序号 n 代表的样值实际位置是 ；)(n x 的N 点DFT )k X （中，序号k 代表的样值 实际位置又是 。 解：延时一个采样周期F T 1=，F n nT =，k N k πω2= （6）已知 }{}{4,3,2,1,0;0,1,1,0,1][,4,3,2,1,0;1,2,3,2,1][=-===k n h k n x ，则][n x 和 ][n h 的5点循环卷积为 。 解：{}]3[]2[][][][][---+?=?k k k k x k h k x δδδ {}4,3,2,1,0;2,3,3,1,0])3[(])2[(][55==---+=k k x k x k x （7）已知}{}{3,2,1,0;1,1,2,4][,3,2,1,0;2,0,2,3][=--=== k n h k n x 则][][n h n x 和的 4点循环卷积为 。

离散傅里叶变换及其快速算法

第五章 离散傅里叶变换及其快速算法 1 离散傅里叶变换(DFT)的推导 (1) 时域抽样： 目的：解决信号的离散化问题。 效果：连续信号离散化使得信号的频谱被周期延拓。 (2) 时域截断： 原因：工程上无法处理时间无限信号。 方法：通过窗函数(一般用矩形窗)对信号进行逐段截取。 结果：时域乘以矩形脉冲信号，频域相当于和抽样函数卷积。 (3) 时域周期延拓： 目的：要使频率离散，就要使时域变成周期信号。 方法：周期延拓中的搬移通过与)(s nT t -δ的卷积来实现。 表示：延拓后的波形在数学上可表示为原始波形与冲激串序列的卷积。 结果：周期延拓后的周期函数具有离散谱。 (4) 1。 图1 DFT 推导过程示意图 (5) 处理后信号的连续时间傅里叶变换：∑∑ ∞ -∞=-=π--δ???? ? ????= k N n N kn j s kf f e nT h f H )()()(~ 010/2

(i) )(~f H 是离散函数，仅在离散频率点S NT k T k kf f = ==00处存在冲激，强度为k a ，其余各点为0。 (ii) )(~ f H 是周期函数，周期为s s T NT N T N Nf 1 00= == ，每个周期内有N 个不同的幅值。 (iii) 时域的离散时间间隔(或周期)与频域的周期(或离散间隔)互为倒数。 2 DFT 及IDFT 的定义 (1) DFT 定义：设()s nT h 是连续函数)(t h 的N 个抽样值1,,1,0-=N n ，这N 个点的宽度为 N 的DFT 为：[])1,...,1,0(,)()(1 0/2-=??? ? ? ?==? -=π-∑N k NT k H e nT h nT h DFT s N n N nk j s s N (2) IDFT 定义：设??? ? ??s NT k H 是连续频率函数)(f H 的N 个抽样值1,,1,0-=N k ， 这N 个点的宽度为N 的IDFT 为： ())1,...,1,0(,11 0/21 -==??? ? ? ?=???????????? ???-=π--∑ N k nT h e NT k H N NT k H DFT s N k N nk j s s N (3) N nk j e /2π-称为N 点DFT 的变换核函数，N nk j e /2π称为N 点IDFT 的变换核函数。它们 互为共轭。 (4) 同样的信号，宽度不同的DFT 会有不同的结果。DFT 正逆变换的对应关系是唯一的， 或者说它们是互逆的。 (5) 引入N j N e W /2π-= (i) 用途： (a) 正逆变换的核函数分别可以表示为nk N W 和nk N W -。 (b) 核函数的正交性可以表示为：() )(* 1 0r n N W W kr N N k kn N -δ=∑-= (c) DFT 可以表示为：)1,,1,0(,)(10 -==? ??? ??∑ -=N k W nT h NT k H N n nk N s s (d) IDFT 可以表示为：)1,,1,0(,1 )(1 0-=??? ? ? ?= ∑ -=-N n W NT k H N nT h N k nk N s s (ii) 性质：周期性和对称性： (a) 12==π-j N N e W (b) 12 /-==π-j N N e W (c) r N r N N N r N N W W W W ==+ (d) r N r N N N r N N W W W W -=-=+2/2/ (e) )(1Z m W m N ∈?= (f) ),(/2/2Z n m W e e W n N N n j m N m n j m n m N ∈?===π-π- 3 离散谱的性质 (1) 离散谱定义：称)(Z k NT k H H S k ∈???? ? ?=? 为离散序列)0)((N n nTs h <≤的DFT 离散谱，简称离散谱。 (2) 性质： (i) 周期性：序列的N 点的DFT 离散谱是周期为N 的序列。 (ii) 共扼对称性：如果)0)((N n nTs x <≤为实序列，则其N 点的DFT 关于原点和N /2都

实验2 离散时间傅里叶变换

电 子 科 技 大 学 实 验 报 告 学生姓名：项阳 学 号： 2010231060011 指导教师：邓建 一、实验项目名称：离散时间傅里叶变换 二、实验目的： 熟悉序列的傅立叶变换、傅立叶变换的性质、连续信号经理想采样后进行重建，加深对时域采样定理的理解。 三、实验内容： 1. 求下列序列的离散时间傅里叶变换 (a) ()(0.5)()n x n u n = (b) (){1,2,3,4,5}x n = 2. 设/3()(0.9),010,j n x n e n π=≤≤画出()j X e ω并观察其周期性。 3. 设()(0.9),1010,n x n n =--≤≤画出()j X e ω并观察其共轭对称性。 4. 验证离散时间傅里叶变换的线性、时移、频移、反转（翻褶）性质。 5. 已知连续时间信号为t a e t x 1000)(-=，求： (a) )(t x a 的傅里叶变换)(Ωj X a ； (b) 采样频率为5000Hz ，绘出1()j X e ω,用理想内插函数sinc()x 重建)(t x a ，并对结果进行讨论； (c) 采样频率为1000Hz ，绘出2()j X e ω，用理想内插函数sinc()x 重建)(t x a ，并对结果进行讨论。 四、实验原理：

1. 离散时间傅里叶变换(DTFT)的定义： 2．周期性：()j X e ?是周期为2π的函数 (2)()()j j X e X e ??π+= 3．对称性：对于实值序列()x n ，()j X e ?是共轭对称函数。 *()() Re[()]Re[()] Im[()]Im[()]()() ()() j j j j j j j j j j X e X e X e X e X e X e X e X e X e X e ??????????-----===-=∠=-∠ 4．线性：对于任何12,,(),()x n x n αβ，有 1212[()()][()][()]F x n x n F x n F x n αβαβ+=+ 5．时移 [()][()]()j k j j k F x n k F x n e X e e ωωω---== 6．频移 00()[()]()j n j F x n e X e ωωω-= 7．反转（翻褶） [()]()j F x n X e ω--= 五、实验器材（设备、元器件）： PC 机、Windows XP 、MatLab 7.1 六、实验步骤： 本实验要求学生运用MATLAB 编程产生一些基本的离散时间信号，并通过MATLAB 的几种绘图指令画出这些图形，以加深对相关教学内容的理解，同时也通过这些简单的函数练习了MATLAB 的使用。 [()]()()(), ()j j jn z e n n F x n X e X z x n e x n ωωω∞-==-∞∞=-∞===<∞∑∑收敛条件为：

傅里叶变换 讲解最通俗易懂的一片

【纯技术帖】为什么要进行傅立叶变换？傅立叶变换究竟有何意义？如何用Matlab实现快速傅立叶 变换？来源：胡姬的日志 写在最前面：本文是我阅读了多篇相关文章后对它们进行分析重组整合而得，内容非我所原创。在此 向多位原创作者致敬！！！ 一、傅立叶变换的由来 关于傅立叶变换，无论是书本还是在网上可以很容易找到关于傅立叶变换的描述，但是大都是些故弄玄虚的文章，太过抽象，尽是一些让人看了就望而生畏的公式的罗列，让人很难能够从感性上得到理解，最近，我偶尔从网上看到一个关于数字信号处理的电子书籍，是一个叫Steven W. Smith, Ph.D.外国人写的，写得 非常浅显，里面有七章由浅入深地专门讲述关于离散信号的傅立叶变换，虽然是英文文档，我还是硬着头皮看完了有关傅立叶变换的有关内容，看了有茅塞顿开的感觉，在此把我从中得到的理解拿出来跟大家分享，希望很多被傅立叶变换迷惑的朋友能够得到一点启发，这电子书籍是免费的，有兴趣的朋友也可以从网上下载下来看一下，URL地址是： https://www.wendangku.net/doc/332087753.html,/pdfbook.htm 要理解傅立叶变换，确实需要一定的耐心，别一下子想着傅立叶变换是怎么变换的，当然，也需要一定的高等数学基础，最基本的是级数变换，其中傅立叶级数变换是傅立叶变换的基础公式。 二、傅立叶变换的提出 让我们先看看为什么会有傅立叶变换？傅立叶是一位法国数学家和物理学家的 名字，英语原名是Jean Baptiste Joseph Fourier(1768-1830), Fourier对热传递很感兴趣，于1807年在法国科学学会上发表了一篇论文，运用正弦曲线来描述温度分布，论文里有个在当时具有争议性的决断：任何连续周期信号可以由一组适当的正弦曲线组合而成。当时审查这个论文的人，其中有两位是历史上著名的数学家拉格朗日(Joseph Louis Lagrange, 1736-1813)和拉普拉斯(Pierre Simon de Laplace, 1749-1827)，当拉普拉斯和其它审查者投票通过并要发表这个论文时，拉格朗日坚决反对，在近50年的时间里，拉格朗日坚持认为傅立叶的方法无法表示带有棱角的信号，如在方波中出现非连续变化斜率。法国科学学会屈服于拉格朗日的威望，拒绝了傅立叶的工作，幸运的是，傅立叶还有其它事情可忙，他参加了政治运动，随拿破仑远征埃及，法国大革命后因会被推上断头台而一直在逃避。直到拉格朗日死后15年这个论文才被发表出来。 谁是对的呢？拉格朗日是对的：正弦曲线无法组合成一个带有棱角的信号。但是，我们可以用正弦曲线来非常逼近地表示它，逼近到两种表示方法不存在能量差别，基于此，傅立叶是对的。 为什么我们要用正弦曲线来代替原来的曲线呢？如我们也还可以用方波或三角 波来代替呀，分解信号的方法是无穷的，但分解信号的目的是为了更加简单地处理原来的信号。用正余弦来表示原信号会更加简单，因为正余弦拥有原信号所不具有的性质：正弦曲线保真度。一个正弦曲线信号输入后，输出的仍是正弦曲线，

傅里叶变换及其在图像处理中的应用

傅里叶变换及其在数字图像处理中的应用 王家硕 学号：1252015 一、 Fourier 变换 1. 一维连续傅里叶变换 设 f (x)为x 的实变函数，如果f (x)满足下面的狄里赫莱条件： （1）具有有限个间隔点。 （2）具有有限个极点。 （3）绝对可积。 则 f (x )的傅里叶变换（Fourier Transformation ，FT ）定义为: Fourier 正变换：dt e t f t f f F t j ? +∞ ∞ --==ωω)()]([)(； Fourier 逆变换：ωωπ ωd e f t F f t f t j ? ∞ +∞ ---= =)(21)]([)(1 ， 式中：1-= j ，ω 为频域变量。 f (x )与F (w )构成傅里叶变换对，可以证明傅里叶变换对总是存在的。由于f (x )为实函数，则它的傅里叶变换F (w )通常是复函数，于是F (w )可写成 F (w ) = R (w ) + j I (w ) (1) 式中：R (w )和I (w )分别是F (w )的实部和虚部。公式1可表示为指数形式： 式中： F (w ) 为f (x )的傅里叶幅度谱，f (w )为f (x )的相位谱。 2. 二维连续傅里叶变换 如果二维函数f (x , y )是连续可积的，即∞

数字信号处理 离散傅里叶变换的性质及应用

数字信号处理实验 题目：离散傅里叶变换的性质及应用 学院： 专业： 学生姓名：班级/学号 指导老师： 一、实验目的 1．了解DFT的性质及其应用 2．熟悉MATLAB编程特点 二、实验仪器及材料 计算机，MATLAB软件

三、实验内容及要求 1．用三种不同的DFT 程序计算8()()x n R n =的256点离散傅里叶变换()X k ，并比较三种程序计算机运行时间。 （1）编制用for loop 语句的M 函数文件dft1.m ，用循环变量逐点计算()X k ； （2）编写用MATLAB 矩阵运算的M 函数文件dft2.m ，完成下列矩阵运算： 000 0121 012(1) (1)(1) (0)(0) (1)(1) (1)(1) N N N N N N N N N N N N N N N N N X x W W W W X x W W W W x N X N W W W W -----?????? ????????????=???????????? --???????????? （3）调用fft 库函数，直接计算()X k ； （4）分别调用上述三种不同方式编写的DFT 程序计算序列()x n 的离散傅里叶变换 ()X k ，并画出相应的幅频和相频特性，再比较各个程序的计算机运行时 间。 M 函数文件如下： dft1.m: function[Am,pha]=dft1(x) N=length(x); w=exp(-j*2*pi/N); for k=1:N sum=0; for n=1:N sum=sum+x(n)*w^((k-1)*(n-1)); end Am(k)=abs(sum); pha(k)=angle(sum); end dft2.m: function[Am,pha]=dft2(x) N=length(x); n=[0:N-1];

MATLAB离散傅里叶变换及应用资料

MATLAB 离散傅里叶变换及应用 一、DFT 与IDFT 、DFS 、DTFT 的联系 1、 序列的傅里叶变换(DFT)和逆变换(IDFT) 在实际中常常使用有限长序列。如果有限长序列信号为x(n)，则该序列的离散傅里叶变换对可以表示为 1N ,0,1,k , W x(n)DFT [x(n)]X(k)1 N 0n nk N -===∑-= (12-1) 1N ,0,1,n , W X(k)N 1IDFT[X(k)]x(n)1N 0 k nk N -===∑-=- (12-2) 已知x(n)＝［0，1，2，3，4，5，6，7］，求x(n)的DFT 和IDFT 。要求： (1)画出序列傅里叶变换对应的|X(k)|和arg ［X(k)］图形。 (2)画出原信号与傅里叶逆变换IDFT ［X(k)］图形进行比较。 程序源代码： xn=[0,1,2,3,4,5,6,7]; N=length(xn); n=0:(N-1);k=0:(N-1); Xk=xn*exp(-j*2*pi/N).^(n'*k); x=(Xk*exp(j*2*pi/N).^(n'*k))/N; subplot(2,2,1),stem(n,xn); title('x(n)');

subplot(2,2,2),stem(n,abs(x)); title('IDFT|X(k)|'); subplot(2,2,3),stem(k,abs(Xk)); title('|X(k)|'); subplot(2,2,4),stem(k,angle(Xk)); title('arg|X(k)|'); 运行图如下： x(n) IDFT|X (k)| 2 4 6 8 |X (k)| 2 4 6 8 arg|X (k)| 从得到的结果可见，与周期序列不同的是，有限长序列本身是仅有N 点的离散序列，相当于周期序列的主值部分。因此，其频谱也对应序列的主值部分，是含N 点的离散序列。 2、 序列DFT 与周期序列DFS 已知周期序列的主值x(n)＝［0，1，2，3，4，5，6，7］，