3.2.3. 傅立叶变换

简介

连续时间傅立叶变换及其逆变换

一维连续时间FT与IFT

一维连续时间信号 \(x(t)\)傅立叶变换 可表示为

(3.14)\[X(\omega) = \int_{-\infty}^{+\infty} x(t)e^{-j\omega t} {\rm d}t \]

其中, \(\omega\) 为角频率, 单位为 \(\rm rad/s\), \(X(\omega)\) 为变换后的频域信号. 傅里叶变换为可逆变换, 即可以从频域信号 \(X(\omega)\) 变回时域信号 \(x(t)\), 逆傅立叶变换 可以表示为

(3.15)\[x(t) = \frac{1}{2\pi}\int_{-\infty}^{+\infty}X(\omega)e^{+j\omega t} {\rm d}\omega \]

对于周期为 \(T\) 的信号, 式 式.3.14 的积分区间可变为 \([-T/2, T/2]\).

二维连续时间FT与IFT

离散时间傅立叶变换及其逆变换

一维离散时间FT与IFT

一维离散时间信号 \(x[n], n=0,1,\cdots, N-1\) 傅立叶变换 可表示为

(3.16)\[X[k] = \sum_{n=0}^{N-1} x[n]e^{-j \frac{2\pi k}{N} n} \]

其中, \(\frac{2\pi k}{N}, k=0, 1, \cdots, K-1\) 为角频率, 单位为 \(\rm rad/s\), \(X[k]\) 为变换后的频域信号. 傅里叶变换为可逆变换, 即可以从频域信号 \(X[k]\) 变回时域信号 \(x[n]\), 逆傅立叶变换 可以表示为

(3.17)\[x[n] = \frac{1}{N}\sum_{k=0}^{K-1} X[k] e^{j \frac{2\pi k}{N} n} \]

提示

\(K\) 为傅里叶变换点数, 控制了频率分辨率.

快速傅立叶变换

实验分析

仿真数据实验

实验代码

MATLAB代码

test_FFT.m .

PYTHON代码

test_FFT.py .

实验结果

FFT test matlab

图 3.7 FFT matlab

FFT matlab

FFT test python

图 3.8 FFT python

FFT python

真实数据实验