Дискретное преобразование Фурье

Метод анализа Фурье, применяемый к последовательностям

В математике дискретное преобразование Фурье ( ДВПФ ) — это форма анализа Фурье , применимая к последовательности дискретных значений.

DTFT часто используется для анализа выборок непрерывной функции. Термин «дискретное время» относится к тому факту, что преобразование работает с дискретными данными, часто выборками, интервал которых имеет единицы времени. Из равномерно распределенных выборок оно производит функцию частоты, которая является периодической суммой непрерывного преобразования Фурье исходной непрерывной функции. При определенных теоретических условиях, описываемых теоремой о выборке , исходная непрерывная функция может быть идеально восстановлена ​​из DTFT и, таким образом, из исходных дискретных выборок. Само DTFT является непрерывной функцией частоты, но его дискретные выборки можно легко вычислить с помощью дискретного преобразования Фурье (DFT) (см. § Выборка DTFT), которое на сегодняшний день является наиболее распространенным методом современного анализа Фурье.

Оба преобразования обратимы. Обратное ДПФ — это исходная последовательность выборочных данных. Обратное ДПФ — это периодическое суммирование исходной последовательности. Быстрое преобразование Фурье (БПФ) — это алгоритм для вычисления одного цикла ДПФ, а его обратное дает один цикл обратного ДПФ.

Введение

Связь с преобразованием Фурье

Начнем с общего определения интеграла преобразования Фурье :

${\displaystyle S(f)\triangleq \int _{-\infty }^{\infty }s(t)\cdot e^{-i2\pi ft}dt.}$

Это сводится к суммированию (см. преобразование Фурье § Численное интегрирование ряда упорядоченных пар ), когда заменяется дискретной последовательностью ее выборок, для целых значений также заменяется оставляя : ${\displaystyle s(t)}$ ${\displaystyle s(nT),}$ ${\displaystyle n.}$  ${\displaystyle dt}$ ${\displaystyle T,}$

${\displaystyle S_{1/T}(f)\triangleq \sum _{n=-\infty }^{\infty }\underbrace {T\cdot s(nT)} _{s[n]}\ e^{-i2\pi fTn},}$

который является рядом Фурье по частоте, с периодичностью Нижний индекс отличает его от и от угловой частоты формы DTFT. То есть, когда переменная частоты, имеет нормализованные единицы радианы /выборка , периодичность и ряд Фурье : ^{[1] : стр.147} ${\displaystyle 1/T.}$ ${\displaystyle 1/T}$ ${\displaystyle S(f)}$ ${\displaystyle \omega ,}$ ${\displaystyle 2\pi ,}$

Рис 1. Изображение преобразования Фурье (вверху слева) и его периодического суммирования (DTFT) в нижнем левом углу. В нижнем правом углу показаны выборки DTFT, которые вычисляются с помощью дискретного преобразования Фурье (DFT).

Полезность ДВПФ основана на формуле суммирования Пуассона , которая говорит нам, что периодическая функция, представленная рядом Фурье, является периодической суммой преобразования Фурье : ^{[a] [A]}

суммирование Пуассона

Целое число имеет единицы измерения циклы/выборка и является частотой дискретизации ( выборки/сек ). Таким образом, содержит точные копии , которые сдвинуты на кратные герцы и объединены путем сложения. Для достаточно большого члена можно наблюдать в области с небольшим или нулевым искажением ( наложением спектров ) от других членов.  На рис. 1 изображен пример, где недостаточно большой, чтобы предотвратить наложение спектров. ${\displaystyle k}$ ${\displaystyle 1/T}$ ${\displaystyle f_{s}}$ ${\displaystyle S_{1/T}(f)}$ ${\displaystyle S(f)}$ ${\displaystyle f_{s}}$ ${\displaystyle f_{s}}$ ${\displaystyle k=0}$ ${\displaystyle [-f_{s}/2,f_{s}/2]}$ ${\displaystyle 1/T}$

Отметим также, что — это преобразование Фурье Поэтому альтернативное определение DTFT : ^[B] ${\displaystyle e^{-i2\pi fTn}}$ ${\displaystyle \delta (t-nT).}$

Модулированная гребенчатая функция Дирака представляет собой математическую абстракцию, иногда называемую импульсной выборкой . ^[3]

Обратное преобразование

Операция, которая восстанавливает дискретную последовательность данных из функции DTFT, называется обратным DTFT . Например, обратное непрерывное преобразование Фурье обеих сторон уравнения 3 создает последовательность в виде модулированной функции гребенки Дирака :

${\displaystyle \sum _{n=-\infty }^{\infty }s[n]\cdot \delta (t-nT)={\mathcal {F}}^{-1}\left\{S_{1/T}(f)\right\}\ \triangleq \int _{-\infty }^{\infty }S_{1/T}(f)\cdot e^{i2\pi ft}df.}$

Однако, учитывая, что является периодическим, вся необходимая информация содержится в любом интервале длины   В обоих уравнениях 1 и 2 суммирование по представляет собой ряд Фурье с коэффициентами   Стандартные формулы для коэффициентов Фурье также являются обратными преобразованиями : ${\displaystyle S_{1/T}(f)}$ ${\displaystyle 1/T.}$ ${\displaystyle n}$ ${\displaystyle s[n].}$

Периодические данные

Когда последовательность входных данных является -периодической, уравнение 2 можно вычислительно свести к дискретному преобразованию Фурье (ДПФ), поскольку : ${\displaystyle s[n]}$ ${\displaystyle N}$

• Вся доступная информация содержится в образцах. ${\displaystyle N}$
• ${\displaystyle S_{1/T}(f)}$сходится к нулю везде, кроме целых кратных известных гармонических частот. На этих частотах DTFT расходится с различными частотно-зависимыми скоростями. И эти скорости задаются DFT одного цикла последовательности . ${\displaystyle 1/(NT),}$ ${\displaystyle s[n]}$
• DTFT является периодическим, поэтому максимальное число уникальных гармонических амплитуд равно ${\displaystyle (1/T)/(1/(NT))=N.}$

ДПФ одного цикла последовательности : ${\displaystyle s[n]}$

${\displaystyle S[k]\triangleq \underbrace {\sum _{N}s[n]\cdot e^{-i2\pi {\frac {k}{N}}n}} _{\text{any n-sequence of length N}},\quad k\in \mathbf {Z} .}$

И может быть выражено в терминах обратного преобразования, которое иногда называют дискретным рядом Фурье (ДРФ) : ^{[1] : стр. 542} ${\displaystyle s[n]}$

${\displaystyle s[n]={\frac {1}{N}}\underbrace {\sum _{N}S[k]\cdot e^{i2\pi {\frac {k}{N}}n}} _{\text{any k-sequence of length N}},\quad n\in \mathbf {Z} .}$

С помощью этих определений мы можем продемонстрировать связь между DTFT и DFT :

${\displaystyle {\begin{aligned}S_{1/T}(f)&\triangleq \sum _{n=-\infty }^{\infty }s[n]\cdot e^{-i2\pi fnT}\\&=\sum _{n=-\infty }^{\infty }\left[{\frac {1}{N}}\sum _{k=0}^{N-1}S[k]\cdot e^{i2\pi {\frac {k}{N}}n}\right]\cdot e^{-i2\pi fnT}\\&={\frac {1}{N}}\sum _{k=0}^{N-1}S[k]\underbrace {\left[\sum _{n=-\infty }^{\infty }e^{i2\pi {\frac {k}{N}}n}\cdot e^{-i2\pi fnT}\right]} _{\operatorname {DTFT} \left(e^{i2\pi {\frac {k}{N}}n}\right)}\\&={\frac {1}{N}}\sum _{k=0}^{N-1}S[k]\cdot {\frac {1}{T}}\sum _{M=-\infty }^{\infty }\delta \left(f-{\tfrac {k}{NT}}-{\tfrac {M}{T}}\right)\end{aligned}}}$      ^{[б] [С]}

Ввиду периодичности обеих функций это можно упростить до : ${\displaystyle N}$ ${\displaystyle k,}$

${\displaystyle S_{1/T}(f)={\frac {1}{NT}}\sum _{k=-\infty }^{\infty }S[k]\cdot \delta \left(f-{\frac {k}{NT}}\right),}$

что удовлетворяет требованию обратного преобразования :

${\displaystyle {\begin{aligned}s[n]&=T\int _{0}^{\frac {1}{T}}S_{1/T}(f)\cdot e^{i2\pi fnT}df\\&={\frac {1}{N}}\sum _{k=-\infty }^{\infty }S[k]\underbrace {\int _{0}^{\frac {1}{T}}\delta \left(f-{\tfrac {k}{NT}}\right)e^{i2\pi fnT}df} _{{\text{zero for }}k\ \notin \ [0,N-1]}\\&={\frac {1}{N}}\sum _{k=0}^{N-1}S[k]\int _{0}^{\frac {1}{T}}\delta \left(f-{\tfrac {k}{NT}}\right)e^{i2\pi fnT}df\\&={\frac {1}{N}}\sum _{k=0}^{N-1}S[k]\cdot e^{i2\pi {\tfrac {k}{NT}}nT}\\&={\frac {1}{N}}\sum _{k=0}^{N-1}S[k]\cdot e^{i2\pi {\tfrac {k}{N}}n}\end{aligned}}}$

Выборка DTFT

Когда DTFT является непрерывным, обычной практикой является вычисление произвольного числа выборок одного цикла периодической функции : ^{[1] : стр. 557–559 и 703} ${\displaystyle (N)}$ ${\displaystyle S_{1/T}}$ 

${\displaystyle {\begin{aligned}\underbrace {S_{1/T}\left({\frac {k}{NT}}\right)} _{S_{k}}&=\sum _{n=-\infty }^{\infty }s[n]\cdot e^{-i2\pi {\frac {k}{N}}n}\quad \quad k=0,\dots ,N-1\\&=\underbrace {\sum _{N}S_{_{N}}[n]\cdot e^{-i2\pi {\frac {k}{N}}n},} _{\text{DFT}}\quad \scriptstyle {{\text{(sum over any }}n{\text{-sequence of length }}N)}\end{aligned}}}$

где — периодическое суммирование : ${\displaystyle s_{_{N}}}$

${\displaystyle s_{_{N}}[n]\ \triangleq \ \sum _{m=-\infty }^{\infty }s[n-mN].}$     (см. Дискретный ряд Фурье )

Последовательность — это обратное DFT. Таким образом, наша выборка DTFT приводит к тому, что обратное преобразование становится периодическим. Массив значений называется периодограммой , а параметр называется NFFT в одноименной функции Matlab. ^[4] ${\displaystyle s_{_{N}}}$ ${\displaystyle |S_{k}|^{2}}$ ${\displaystyle N}$

Для того чтобы оценить один цикл численно, нам нужна последовательность конечной длины . Например, длинная последовательность может быть усечена оконной функцией длины, что приводит к трем случаям, заслуживающим особого упоминания. Для простоты записи рассмотрим значения ниже, представляющие значения, измененные оконной функцией. ${\displaystyle s_{_{N}}}$ ${\displaystyle s[n]}$ ${\displaystyle L}$ ${\displaystyle s[n]}$

Случай: Децимация частоты. для некоторого целого числа (обычно 6 или 8) ${\displaystyle L=N\cdot I,}$ ${\displaystyle I}$

Цикл сводится к суммированию сегментов длины   ДПФ тогда имеет различные названия, такие как : ${\displaystyle s_{_{N}}}$ ${\displaystyle I}$ ${\displaystyle N.}$

• окно-презум FFT ^[5]
• Вес, перекрытие, добавление (WOLA) ^{[6] [7] [8] [9] [10] [11] [D] [E]}

• полифазный DFT ^{[9] [10]}
• многофазный фильтр-банк ^[12]
• многоблочное оконное разделение и временное совмещение . ^[13]

Напомним, что прореживание выборочных данных в одной области (времени или частоте) приводит к перекрытию (иногда известному как наложение спектров ) в другой, и наоборот. По сравнению с -длиной DFT, суммирование/перекрытие приводит к прореживанию по частоте, ^{[1] : стр. 558} оставляя только выборки DTFT, наименее затронутые спектральной утечкой . Это обычно является приоритетом при реализации банка фильтров FFT (channelizer). При использовании обычной оконной функции длины потери от гребешковой фильтрации были бы неприемлемы. Поэтому многоблочные окна создаются с использованием инструментов проектирования FIR-фильтров . ^{[14] [15]}   Их частотный профиль плоский в самой высокой точке и быстро спадает в средней точке между оставшимися выборками DTFT. Чем больше значение параметра, тем лучше потенциальная производительность. ${\displaystyle L}$ ${\displaystyle s_{_{N}}}$ ${\displaystyle L,}$ ${\displaystyle I,}$

Случай: ${\displaystyle L=N+1}$

Когда симметричная оконная функция длины - ( ) усекается на 1 коэффициент, она называется периодической или ДПФ-четной . Это обычная практика, но усечение влияет на ДПФ (спектральную утечку) на небольшую величину. По крайней мере, академический интерес представляет характеристика этого эффекта. ДПФ длины - усеченного окна производит частотные выборки с интервалами вместо   Выборки являются действительными, ^{[16] : стр. 52}   , но их значения не совсем соответствуют ДПФ симметричного окна. Периодическое суммирование, наряду с ДПФ длины -, также можно использовать для выборки ДПФ с интервалами   Эти выборки также являются действительными и точно соответствуют ДПФ (пример: Файл:Выборка дискретного преобразования Фурье.svg ). Чтобы использовать полное симметричное окно для спектрального анализа на расстоянии, нужно объединить выборки данных и (путем сложения, поскольку симметричное окно весит их одинаково), а затем применить усеченное симметричное окно и ДПФ длины . ${\displaystyle L}$ ${\displaystyle s}$ ${\displaystyle N}$ ${\displaystyle 1/N,}$ ${\displaystyle 1/L.}$ ${\displaystyle s_{_{N}},}$ ${\displaystyle N}$ ${\displaystyle 1/N.}$ ${\displaystyle 1/N}$ ${\displaystyle n=0}$ ${\displaystyle n=N}$ ${\displaystyle N}$

Рис. 2. DFT для e ^i2πn/8 для L = 64 и N = 256

Рис. 3. DFT для e ^i2πn/8 для L = 64 и N = 64

Случай: Частотная интерполяция. ${\displaystyle L\leq N}$

В этом случае ДПФ упрощается до более привычной формы :

${\displaystyle S_{k}=\sum _{n=0}^{N-1}s[n]\cdot e^{-i2\pi {\frac {k}{N}}n}.}$

Чтобы воспользоваться быстрым алгоритмом преобразования Фурье для вычисления ДПФ, суммирование обычно выполняется по всем членам, даже если некоторые из них являются нулями. Поэтому этот случай часто называют нулевым дополнением . ${\displaystyle N}$ ${\displaystyle N-L}$ ${\displaystyle L<N}$

Спектральная утечка, которая увеличивается по мере уменьшения, наносит ущерб некоторым важным показателям производительности, таким как разрешение нескольких частотных компонентов и количество шума, измеренное каждым образцом DTFT. Но эти вещи не всегда имеют значение, например, когда последовательность представляет собой бесшумную синусоиду (или константу), сформированную оконной функцией. Тогда обычной практикой является использование нулевого заполнения для графического отображения и сравнения подробных моделей утечки оконных функций. Чтобы проиллюстрировать это для прямоугольного окна, рассмотрим последовательность: ${\displaystyle L}$ ${\displaystyle s[n]}$

${\displaystyle s[n]=e^{i2\pi {\frac {1}{8}}n},\quad }$и ${\displaystyle L=64.}$

Рисунки 2 и 3 представляют собой графики величины двух ДПФ разного размера, как указано в их метках. В обоих случаях доминирующим компонентом является частота сигнала: . На рис. 2 также видна спектральная картина утечки прямоугольного окна. Иллюзия на рис. 3 является результатом выборки ДПФ только в его нулевых пересечениях. Вместо ДПФ последовательности конечной длины, она создает впечатление бесконечно длинной синусоидальной последовательности. Факторами, способствующими иллюзии, являются использование прямоугольного окна и выбор частоты (1/8 = 8/64) с ровно 8 (целым числом) циклами на 64 выборки. Окно Ханна дало бы аналогичный результат, за исключением того, что пик был бы расширен до 3 выборок (см. ДПФ-четное окно Ханна). ${\displaystyle f=1/8=0.125}$ ${\displaystyle L=64}$

Свертка

Теорема о свертке для последовательностей :

${\displaystyle s*y\ =\ \scriptstyle {\rm {DTFT}}^{-1}\displaystyle \left[\scriptstyle {\rm {DTFT}}\displaystyle \{s\}\cdot \scriptstyle {\rm {DTFT}}\displaystyle \{y\}\right].}$^{[17] : стр.297  [c]}

Важным частным случаем является круговая свертка последовательностей s и y, определяемая как , где — периодическое суммирование. Дискретно-частотная природа означает, что произведение с непрерывной функцией также является дискретным, что приводит к значительному упрощению обратного преобразования : ${\displaystyle s_{_{N}}*y,}$ ${\displaystyle s_{_{N}}}$ ${\displaystyle \scriptstyle {\rm {DTFT}}\displaystyle \{s_{_{N}}\}}$ ${\displaystyle \scriptstyle {\rm {DTFT}}\displaystyle \{y\}}$

${\displaystyle s_{_{N}}*y\ =\ \scriptstyle {\rm {DTFT}}^{-1}\displaystyle \left[\scriptstyle {\rm {DTFT}}\displaystyle \{s_{_{N}}\}\cdot \scriptstyle {\rm {DTFT}}\displaystyle \{y\}\right]\ =\ \scriptstyle {\rm {DFT}}^{-1}\displaystyle \left[\scriptstyle {\rm {DFT}}\displaystyle \{s_{_{N}}\}\cdot \scriptstyle {\rm {DFT}}\displaystyle \{y_{_{N}}\}\right].}$^{[18] [1] : стр.548}

Для последовательностей s и y , ненулевая длительность которых меньше или равна N , окончательное упрощение выглядит так :

${\displaystyle s_{_{N}}*y\ =\ \scriptstyle {\rm {DFT}}^{-1}\displaystyle \left[\scriptstyle {\rm {DFT}}\displaystyle \{s\}\cdot \scriptstyle {\rm {DFT}}\displaystyle \{y\}\right].}$

Значимость этого результата поясняется в разделах Алгоритмы круговой свертки и быстрой свертки .

Свойства симметрии

Когда действительная и мнимая части комплексной функции разлагаются на четную и нечетную части , есть четыре компонента, обозначенные ниже индексами RE, RO, IE и IO. И есть взаимно-однозначное отображение между четырьмя компонентами комплексной временной функции и четырьмя компонентами ее комплексного частотного преобразования : ^{[17] : стр.291}

${\displaystyle {\begin{aligned}{\mathsf {Time\ domain}}\quad &\ s\quad &=\quad &s_{_{RE}}\quad &+\quad &s_{_{RO}}\quad &+\quad i\ &s_{_{IE}}\quad &+\quad &\underbrace {i\ s_{_{IO}}} \\&{\Bigg \Updownarrow }{\mathcal {F}}&&{\Bigg \Updownarrow }{\mathcal {F}}&&\ \ {\Bigg \Updownarrow }{\mathcal {F}}&&\ \ {\Bigg \Updownarrow }{\mathcal {F}}&&\ \ {\Bigg \Updownarrow }{\mathcal {F}}\\{\mathsf {Frequency\ domain}}\quad &S\quad &=\quad &S_{RE}\quad &+\quad &\overbrace {i\ S_{IO}} \quad &+\quad i\ &S_{IE}\quad &+\quad &S_{RO}\end{aligned}}}$

Из этого очевидны различные соотношения, например :

• Преобразование действительной функции — это сопряженная симметричная функция. Наоборот, сопряженное симметричное преобразование подразумевает действительную временную область. ${\displaystyle (s_{_{RE}}+s_{_{RO}})}$ ${\displaystyle S_{RE}+i\ S_{IO}.}$
• Преобразование мнимозначной функции является сопряженной антисимметричной функцией , и обратное утверждение верно. ${\displaystyle (i\ s_{_{IE}}+i\ s_{_{IO}})}$ ${\displaystyle S_{RO}+i\ S_{IE},}$
• Преобразование сопряженной симметричной функции является действительной функцией , и обратное утверждение верно. ${\displaystyle (s_{_{RE}}+i\ s_{_{IO}})}$ ${\displaystyle S_{RE}+S_{RO},}$
• Преобразование сопряженной антисимметричной функции является мнимозначной функцией , и обратное утверждение верно. ${\displaystyle (s_{_{RO}}+i\ s_{_{IE}})}$ ${\displaystyle i\ S_{IE}+i\ S_{IO},}$

Связь с Z-преобразованием

${\displaystyle S_{2\pi }(\omega )}$— ряд Фурье , который также можно выразить через двустороннее Z-преобразование . То есть :

${\displaystyle S_{2\pi }(\omega )=\left.S_{z}(z)\,\right|_{z=e^{i\omega }}=S_{z}(e^{i\omega }),}$

где обозначение отличает Z-преобразование от преобразования Фурье. Поэтому мы также можем выразить часть Z-преобразования через преобразование Фурье : ${\displaystyle S_{z}}$

${\displaystyle {\begin{aligned}S_{z}(e^{i\omega })&=\ S_{1/T}\left({\tfrac {\omega }{2\pi T}}\right)\ =\ \sum _{k=-\infty }^{\infty }S\left({\tfrac {\omega }{2\pi T}}-k/T\right)\\&=\sum _{k=-\infty }^{\infty }S\left({\tfrac {\omega -2\pi k}{2\pi T}}\right).\end{aligned}}}$

Обратите внимание, что при изменении параметра T члены остаются на постоянном расстоянии друг от друга, а их ширина увеличивается или уменьшается. Члены S _{1/ T} ( f ) остаются на постоянном расстоянии, а их ширина 1/ T увеличивается или уменьшается. ${\displaystyle S_{2\pi }(\omega )}$ ${\displaystyle 2\pi }$

Таблица дискретных преобразований Фурье

Некоторые общие пары преобразований показаны в таблице ниже. Применяются следующие обозначения :

• ${\displaystyle \omega =2\pi fT}$— действительное число, представляющее непрерывную угловую частоту (в радианах на выборку). ( — в циклах/сек, а — в сек/выборка). Во всех случаях в таблице DTFT является 2π-периодическим (в ). ${\displaystyle f}$ ${\displaystyle T}$ ${\displaystyle \omega }$
• ${\displaystyle S_{2\pi }(\omega )}$обозначает функцию, определенную на . ${\displaystyle -\infty <\omega <\infty }$
• ${\displaystyle S_{o}(\omega )}$обозначает функцию, определенную на , и ноль в других местах. Тогда: ${\displaystyle -\pi <\omega \leq \pi }$ $${\displaystyle S_{2\pi }(\omega )\ \triangleq \sum _{k=-\infty }^{\infty }S_{o}(\omega -2\pi k).}$$
• ${\displaystyle \delta (\omega )}$это дельта-функция Дирака
• ${\displaystyle \operatorname {sinc} (t)}$ это нормализованная функция sinc
• ${\displaystyle \operatorname {rect} \left[{n \over L}\right]\triangleq {\begin{cases}1&|n|\leq L/2\\0&|n|>L/2\end{cases}}}$
• ${\displaystyle \operatorname {tri} (t)}$это треугольная функция
• n — целое число, представляющее дискретную временную область (в отсчетах)
• ${\displaystyle u[n]}$является дискретной по времени единичной ступенчатой ​​функцией
• ${\displaystyle \delta [n]}$это дельта Кронекера ${\displaystyle \delta _{n,0}}$

Характеристики

В этой таблице показаны некоторые математические операции во временной области и соответствующие эффекты в частотной области.

• ${\displaystyle *\!}$это дискретная свертка двух последовательностей
• ${\displaystyle s^{*}[n]}$является комплексно сопряженным числом ${\displaystyle s[n].}$

Смотрите также

• Спектральный анализ методом наименьших квадратов
• Многомерное преобразование
• Зак трансформируется

Примечания

1. Когда зависимость от T не важна, общепринятой практикой является замена ее на Тогда f   имеет единицы измерения ( циклы/выборка ), называемые нормализованной частотой . ${\displaystyle 1.}$
2. Фактически, уравнение 2 часто обосновывается следующим образом : ^{[1] : стр.143} $${\displaystyle {\begin{aligned}{\mathcal {F}}\left\{\sum _{n=-\infty }^{\infty }T\cdot s(nT)\cdot \delta (t-nT)\right\}&={\mathcal {F}}\left\{s(t)\cdot T\sum _{n=-\infty }^{\infty }\delta (t-nT)\right\}\\&=S(f)*{\mathcal {F}}\left\{T\sum _{n=-\infty }^{\infty }\delta (t-nT)\right\}\\&=S(f)*\sum _{k=-\infty }^{\infty }\delta \left(f-{\frac {k}{T}}\right)\\&=\sum _{k=-\infty }^{\infty }S\left(f-{\frac {k}{T}}\right).\end{aligned}}}$$
3. Из § Таблицы дискретных преобразований Фурье имеем:

   ${\displaystyle {\begin{aligned}\operatorname {DTFT} \left(e^{i2\pi {\frac {k}{N}}n}\right)&=2\pi \sum _{M=-\infty }^{\infty }\delta \left(\omega -2\pi {\frac {k}{N}}-2\pi M\right)\\&=2\pi \sum _{M=-\infty }^{\infty }\delta \left(2\pi fT-2\pi {\frac {k}{N}}-2\pi M\right)\\&=2\pi \sum _{M=-\infty }^{\infty }{\tfrac {1}{2\pi T}}\ \delta \left({\tfrac {1}{2\pi T}}\left(2\pi fT-2\pi {\frac {k}{N}}-2\pi M\right)\right)\\&={\frac {1}{T}}\sum _{M=-\infty }^{\infty }\delta \left(f-{\tfrac {k}{NT}}-{\tfrac {M}{T}}\right)\end{aligned}}}$

4. WOLA не следует путать с методом Overlap-add кусочной свертки.
5. Пример WOLA: Файл:WOLA channelizer example.png
6. Это выражение выводится следующим образом: ^{[1] : стр.168}

   ${\displaystyle {\begin{aligned}\sum _{n=-\infty }^{\infty }s(nMT)\ e^{-i\omega n}&={\frac {1}{MT}}\sum _{k=-\infty }^{\infty }S\left({\tfrac {\omega }{2\pi MT}}-{\tfrac {k}{MT}}\right)\\&={\frac {1}{MT}}\sum _{m=0}^{M-1}\quad \sum _{n=-\infty }^{\infty }S\left({\tfrac {\omega }{2\pi MT}}-{\tfrac {m}{MT}}-{\tfrac {n}{T}}\right),\quad {\text{where}}\quad k\rightarrow m+nM\\&={\frac {1}{M}}\sum _{m=0}^{M-1}\quad {\frac {1}{T}}\sum _{n=-\infty }^{\infty }S\left({\tfrac {(\omega -2\pi m)/M}{2\pi T}}-{\tfrac {n}{T}}\right)\\&={\frac {1}{M}}\sum _{m=0}^{M-1}\quad S_{2\pi }\left({\tfrac {\omega -2\pi m}{M}}\right)\end{aligned}}}$

Ссылки на страницы

1. Оппенгейм и Шефер, ^[1] стр. 147 (4.20), стр. 694 (10.1), и Прандони и Веттерли, ^[2] стр. 255, (9.33), где:   следовательно   , также   и   ${\displaystyle x[n]\triangleq s(nT)={\tfrac {1}{T}}s[n],}$ ${\displaystyle X(e^{i\omega })\triangleq {\tfrac {1}{T}}S_{2\pi }(\omega ).}$ ${\displaystyle \omega \triangleq 2\pi fT,}$ ${\displaystyle X_{c}(i2\pi f)\triangleq S(f).}$
2. Оппенгейм и Шефер, ^[1] стр. 551 (8.35), и Прандони и Веттерли, ^[2] стр. 82, (4.43). С определениями :     и   это выражение отличается от ссылок на фактор, поскольку они потеряли его при переходе от 3-го шага к 4-му. В частности, ДВПФ в § Таблица преобразований Фурье с дискретным временем имеет фактор, который в ссылках опущен. ${\displaystyle {\tilde {X}}(e^{i\omega })\triangleq {\tfrac {1}{T}}S_{2\pi }(\omega ),}$   ${\displaystyle \omega \triangleq 2\pi fT,}$  ${\displaystyle {\tilde {X}}[k]\triangleq S[k],}$ ${\displaystyle \delta \left(2\pi fT-{\tfrac {2\pi k}{N}}\right)\equiv \delta \left(f-{\tfrac {k}{NT}}\right)/(2\pi T),}$ ${\displaystyle 2\pi }$ ${\displaystyle e^{-ian}}$ ${\displaystyle 2\pi }$
3. Оппенгейм и Шефер, ^[1] стр. 60, (2.169), и Прандони и Веттерли, ^[2] стр. 122, (5.21)

Ссылки

1. Оппенгейм, Алан В .; Шефер, Рональд В .; Бак, Джон Р. (1999). "4.2, 8.4". Обработка сигналов в дискретном времени (2-е изд.). Upper Saddle River, NJ: Prentice Hall. ISBN 0-13-754920-2. Образцы преобразования Фурье апериодической последовательности x[n] можно рассматривать как коэффициенты DFS периодической последовательности, полученные путем суммирования периодических реплик x[n]. 
2. Prandoni, Paolo; Vetterli, Martin (2008). Обработка сигналов для связи (PDF) (1-е изд.). Boca Raton, FL: CRC Press. стр. 72, 76. ISBN 978-1-4200-7046-0. Получено 4 октября 2020 г. . Коэффициенты DFS для периодизированного сигнала представляют собой дискретный набор значений для его DTFT
3. Рао, Р. (2008). Сигналы и системы. Prentice-Hall Of India Pvt. Limited. ISBN 9788120338593.
4. "Оценка спектральной плотности мощности периодограммы - периодограмма MATLAB".
5. Гумас, Чарльз Константин (июль 1997 г.). «Window-presum FFT достигает высокого динамического диапазона и разрешения». Personal Engineering & Instrumentation News : 58–64. Архивировано из оригинала 2001-02-10.{{cite journal}}: CS1 maint: bot: original URL status unknown (link)
6. Crochiere, RE; Rabiner, LR (1983). "7.2". Многоскоростная цифровая обработка сигналов. Englewood Cliffs, NJ: Prentice-Hall. стр. 313–326. ISBN 0136051626.
7. Ван, Хун; Лу, Юсинь; Ван, Сюэган (16 октября 2006 г.). «Channelized Receiver with WOLA Filterbank». Международная конференция CIE по радарам 2006 г. Шанхай, Китай: IEEE. стр. 1–3. doi :10.1109/ICR.2006.343463. ISBN 0-7803-9582-4. S2CID  42688070.
8. Лайонс, Ричард Г. (июнь 2008 г.). «DSP Tricks: Building a practical spectrum analyzer» (Трюки DSP: Создание практического анализатора спектра). EE Times . Получено 19 сентября 2024 г.   Однако следует отметить, что он содержит ссылку с меткой « структура взвешенного перекрытия-сложения» , которая ошибочно ведет к методу перекрытия-сложения .
9. Lillington, John (март 2003 г.). "Comparison of Wideband Channelisation Architectures" (PDF) . Даллас: Международная конференция по обработке сигналов. стр. 4 (рис. 7). S2CID  31525301. Архивировано из оригинала (PDF) 2019-03-08 . Получено 2020-09-06 . "Weight Overlap and Add" или WOLA или его подмножество "Polyphase DFT" становится все более устоявшимся и, безусловно, очень эффективным там, где требуются большие высококачественные банки фильтров.
10. Lillington, John. "A Review of Filter Bank Techniques - RF and Digital" (PDF) . armms.org . Isle of Wight, UK: Libra Design Associates Ltd. стр. 11 . Получено 06.09.2020 . К счастью, существует гораздо более элегантное решение, показанное на рисунке 20 ниже, известное как полифазное или WOLA (Weight, Overlap and Add) FFT.
11. Хохгюртель, Стефан (2013), "2.5", Эффективные реализации широкополосных FFT-спектрометров высокого разрешения и их применение в обзоре линии галактического центра APEX (PDF) , Бонн: Рейнский университет имени Фридриха Вильгельма в Бонне, стр. 26–31 , получено 19 сентября 2024 г. , Для выполнения M-кратного WOLA для N-точечного DFT, M·N действительных входных выборок a _j сначала умножаются на оконную функцию w _j того же размера.
12. Ченнамангалам, Джаянт (2016-10-18). "Техника банка полифазных фильтров". CASPER Group . Получено 2016-10-30 .
13. Даль, Джейсон Ф. (2003-02-06). Методы временного наложения спектральной оценки (Ph.D.). Университет Бригама Янга . Получено 2016-10-31 .
14. Линь, Юань-Пей; Вайдьянатан, ПП (июнь 1998 г.). «Подход с использованием окна Кайзера для проектирования прототипов фильтров косинусно-модулированных фильтрбанков» (PDF) . IEEE Signal Processing Letters . 5 (6): 132–134. Bibcode :1998ISPL....5..132L. doi :10.1109/97.681427. S2CID  18159105 . Получено 16.03.2017 .
15. Харрис, Фредерик Дж. (2004-05-24). "9". Многоскоростная обработка сигналов для систем связи . Upper Saddle River, NJ: Prentice Hall PTR. стр. 226–253. ISBN 0131465112.
16. Харрис, Фредрик Дж. (январь 1978 г.). «Об использовании Windows для гармонического анализа с дискретным преобразованием Фурье» (PDF) . Труды IEEE . 66 (1): 51–83. Bibcode : 1978IEEEP..66...51H. CiteSeerX 10.1.1.649.9880 . doi : 10.1109/PROC.1978.10837. S2CID  426548. 
17. Проакис, Джон Г.; Манолакис, Димитрий Г. (1996). Цифровая обработка сигналов: принципы, алгоритмы и приложения (3-е изд.). Нью-Джерси: Prentice-Hall International. Bibcode : 1996dspp.book.....P. ISBN 9780133942897. sAcfAQAAIAAJ.
18. Рабинер, Лоуренс Р .; Голд, Бернард (1975). Теория и применение цифровой обработки сигналов . Энглвуд Клиффс, Нью-Джерси: Prentice-Hall, Inc. стр. 59 (2.163). ISBN 978-0139141010.

Дальнейшее чтение

• Porat, Boaz (1996). Курс цифровой обработки сигналов . John Wiley and Sons. стр. 27–29 и 104–105. ISBN 0-471-14961-6.
• Siebert, William M. (1986). Схемы, сигналы и системы . Серия MIT Electrical Engineering and Computer Science. Кембридж, Массачусетс: MIT Press. ISBN 0262690950.
• Lyons, Richard G. (2010). Понимание цифровой обработки сигналов (3-е изд.). Prentice Hall. ISBN 978-0137027415.