离散傅里叶变换和离散时间傅里叶变换

快捷方式: 差异，相似，杰卡德相似系数，参考。

离散傅里叶变换和离散时间傅里叶变换之间的区别

离散傅里叶变换 vs. 离散时间傅里叶变换

离散傅里叶变换（Discrete Fourier Transform，缩写为DFT），是傅里叶变换在时域和频域上都呈离散的形式，将信号的时域采样变换为其DTFT的频域采样。在形式上，变换两端（时域和频域上）的序列是有限长的，而实际上这两组序列都应当被认为是离散周期信号的主值序列。即使对有限长的离散信号作DFT，也应当将其看作其周期延拓的变换。在实际应用中通常采用快速傅里叶变换计算DFT。. 在数学中，离散时间傅里叶变换（DTFT，Discrete-time Fourier Transform）是傅里叶分析的一种形式，适用于连续函数的均匀间隔采样。离散时间是指对采样间隔通常以时间为单位的离散数据（样本）的变换。仅根据这些样本，它就可以产生原始连续函数的连续傅里叶变换的的以频率为变量的函数。在采样定理所描述的一定理论条件下，可以由DTFT完全恢复出原来的连续函数，因此也能从原来的离散样本恢复。DTFT本身是频率的连续函数，但可以通过离散傅里叶变换（DFT）很容易计算得到它的离散样本（参见对DTFT采样），而DFT是迄今为止现代傅里叶分析最常用的方法。 这两种变换都是可逆的。离散时间傅里叶逆变换得到的是原始采样数据序列。离散傅里叶逆变换是原始序列的周期求和。快速傅里叶变换（FFT）是用于计算DFT的一个周期的算法，而它的逆变换会产生一个周期的离散傅里叶逆变换。.

快速傅里叶变换

快速傅里叶变换（Fast Fourier Transform, FFT），是快速计算序列的离散傅里叶变换（DFT）或其逆变换的方法。傅里叶分析将信号从原始域（通常是时间或空间）转换到頻域的表示或者逆过来转换。FFT会通过把DFT矩阵分解为稀疏（大多为零）因子之积来快速计算此类变换。 因此，它能够将计算DFT的复杂度从只用DFT定义计算需要的 O(n^2)，降低到 O(n \log n)，其中 n 为数据大小。 快速傅里叶变换广泛的应用于工程、科学和数学领域。这里的基本思想在1965年才得到普及，但早在1805年就已推导出来。 1994年美國數學家把FFT描述为“我们一生中最重要的数值算法”，它还被IEEE科学与工程计算期刊列入20世纪十大算法。.

快速傅里叶变换和离散傅里叶变换 · 快速傅里叶变换和离散时间傅里叶变换 · 查看更多 »

傅里叶级数

在数学中，傅里叶级数（Fourier series, ）是把类似波的函数表示成简单正弦波的方式。更正式地说，它能将任何周期函数或周期信号分解成一个（可能由无穷个元素组成的）简单振荡函数的集合，即正弦函数和余弦函数（或者，等价地使用复指数）。离散时间傅里叶变换是一个周期函数，通常用定义傅里叶级数的项进行定义。另一个应用的例子是Z变换，将傅里叶级数简化为特殊情形 |z|.

傅里叶级数和离散傅里叶变换 · 傅里叶级数和离散时间傅里叶变换 · 查看更多 »

连续傅里叶变换

在数学中，连续傅里叶变换是一个特殊的把一组函数映射为另一组函数的线性算子。 不严格地说，傅里叶变换就是把一个函数分解为组成该函数的连续频率谱。 在数学分析中，信号f(t)的傅里叶变换被认为是处在频域中的信号。 这一基本思想类似于其他傅里叶变换，如周期函数的傅里叶级数。（参见分数阶傅里叶变换得到概况） 假设f是一个勒贝格可积的函数。 我们定义其连续傅里叶变换F也是一个复函数: 对任意实数 \omega(这里i是虚数单位)， \omega 为角频率，F(\omega)为复数，并且是信号在该频率成分处的相位和幅度。 傅里叶变换是自反映射，若 F(\omega)如上定义，f是連續的，则对于任意实数 t 每个积分前的1\over\sqrt为规范化因子。 因子的选择是主观任意的，只要满足二者的乘积为1 \over ，如上取法称为归一化常数。 另一种常见取法是前向方程和反向方程分别为1和1/2\pi。 粗略估计，数学家通常使用前者（由于对称的原因），而物理学家和工程师们则常用后者。 另外，傅里叶坐标\omega有时可用2 \pi \nu来代替，在频率\nu上积分，这种情况下，归一化常数都变为单位1。 另一个主观的常规选择是，不管前向变换中的指数是+i\omega t还是-i\omega t，只要满足前向和反向方程中指数符号相反即可。.

离散傅里叶变换和连续傅里叶变换 · 离散时间傅里叶变换和连续傅里叶变换 · 查看更多 »

采样定理

在数字信号处理领域，采样定理是连续信号（通常称作“模拟信号”）与离散信号（通常称作“数字信号”）之间的一个基本桥梁。它确定了信号带宽的上限，或能捕获连续信号的所有信息的离散采样信号所允许的采样频率的下限。 严格地说，定理仅适用于具有傅里叶变换的一类数学函数，即频率在有限区域以外为零（参照图1）。离散时间傅里叶变换（的一种形式）提供了实际信号的解析延拓，但只能近似该条件。直观上我们希望，当把连续函数化为采样值（叫做“样本”）的离散序列并插值到连续函数中，结果的保真度取决于原始采样的密度（或采样率）。采样定理介绍了对带宽限制的函数类型来说保真度足够完整的采样率的概念；在采样过程中"信息"实际没有损失。定理用函数的带宽来表示采样率。定理也导出了一个数学上理想的原连续信号的重构公式。 该定理没有排除一些并不满足采样率准则的特殊情况下完整重构的可能性。（参见下文非基带信号采样，以及壓縮感知。） 奈奎斯特–香农采样定理的名字是为了紀念哈里·奈奎斯特和克劳德·香农。该定理也被、等人独立发现。所以它还叫做奈奎斯特–香农–科特尔尼科夫定理、惠特克–香农–科特尔尼科夫定理、惠特克–奈奎斯特–科特尔尼科夫–香农定理及插值基本定理。.

离散傅里叶变换和采样定理 · 离散时间傅里叶变换和采样定理 · 查看更多 »

混疊

混疊（Aliasing），在訊號頻譜上可稱作疊頻；在影像上可稱作疊影，主要來自於對連續時間訊號作取樣以數位化時，取樣頻率低於兩倍奈奎斯特頻率。 在統計、訊號處理和相關領域中，混疊是指取樣訊號被還原成連續訊號時產生彼此交疊而失真的現象。當混疊發生時，原始訊號無法從取樣訊號還原。而混疊可能發生在時域上，稱做時間混疊，或是發生在頻域上，被稱作空間混疊。 在視覺影像的類比數位轉換或音樂訊號領域，混疊都是相當重要的議題。因為在做類比-數位轉換時若取樣頻率選取不當將造成高頻訊號和低頻訊號混疊在一起，因此無法完美地重建出原始的訊號。為了避免此情形發生，取樣前必須先做濾波的動作。.

混疊和离散傅里叶变换 · 混疊和离散时间傅里叶变换 · 查看更多 »

整数

整数，是序列中所有的数的统称，包括负整数、零（0）与正整数。和自然數一樣，整數也是一個可數的無限集合。這個集合在数学上通常表示粗體Z或\mathbb，源于德语单词Zahlen（意为“数”）的首字母。 在代數數論中，這些屬於有理數的一般整數會被稱為有理整數，用以和高斯整數等的概念加以區分。.

整数和离散傅里叶变换 · 整数和离散时间傅里叶变换 · 查看更多 »