Image processing 傅里叶变换只处理周期信号吗?
非周期信号可以用DFT进行处理。DFT可以处理周期性和非周期性信号?是的,您可以。一个好的解释是 下面直接引用。() 周期函数似乎没有傅里叶变换 因为它违反了第一个收敛标准。然而, 如果我们考虑脉冲函数,我们可以绕过这个限制 (这将使我们能够对周期和周期进行傅里叶变换 非周期函数) 考虑一个简单脉冲的频域函数 按2p缩放(稍后缩放因子会比较方便) 我们可以通过计算 傅里叶逆变换 (使用脉冲的筛选特性执行最后一步 注意,时域函数x(t)是周期性的。所以 如果我们在傅里叶域中允许脉冲,我们可以得到周期性的 时域中的函数。这是个特例,但我们可以 表示任何(取决于收敛标准,如 傅里叶级数)具有傅里叶变换的周期函数。弗斯特 考虑一个傅立叶变换,它是一个无穷大的脉冲和(这个) 是人为的,但它简化为有用的东西) (此推导还使用筛选属性。)因此,要找到 对周期信号x(t)进行傅里叶变换,首先求出傅里叶变换 级数系数,cn,然后Image processing 傅里叶变换只处理周期信号吗?,image-processing,signals,signal-processing,dft,continuous-fourier,Image Processing,Signals,Signal Processing,Dft,Continuous Fourier,非周期信号可以用DFT进行处理。DFT可以处理周期性和非周期性信号?是的,您可以。一个好的解释是 下面直接引用。() 周期函数似乎没有傅里叶变换 因为它违反了第一个收敛标准。然而, 如果我们考虑脉冲函数,我们可以绕过这个限制 (这将使我们能够对周期和周期进行傅里叶变换 非周期函数) 考虑一个简单脉冲的频域函数 按2p缩放(稍后缩放因子会比较方便) 我们可以通过计算 傅里叶逆变换 (使用脉冲的筛选特性执行最后一步 注意,时域函数x(t)是周期性的。所以 如果我们在傅里叶域中允许脉冲,我们可以得
离散傅里叶变换(DFT)定义了N点时域序列x[N],N=0..N-1和N点频域序列(傅里叶变换的样本均匀间隔在ω=0和2π之间)x[k],k=0..N-1之间的关系。正向转换由下式给出:
X[k] = 1/N \sum_{n=0}^{N-1} x[n] exp{-j 2\pi k.n/N}
可以用矩阵乘法来表示
X = D x
其中x和x是对应于时域和频域的N元素列向量,D是N×N DFT矩阵
D_{kn} = 1/N exp{-j 2\pi k.n/N}
(因此,逆变换是从D的矩阵逆中简单地推导出来的)
因此,您可以计算任意N点输入序列X[N]的X[k],而定义有限长度序列的周期性甚至没有多大意义。如果x[n]可以分成几个完全重复的片段(例如,重复的n/2点序列),那么我们将在x[k]中看到相应的结构(本例中,所有奇数编号的光谱样本将为零)
现在,您可以将DFT解释为一个无限持续时间的傅里叶变换,周期序列由您开始的N点时域序列的无限多个重复组成。在这种情况下,DFT值X[k]对应于构成该无限能量(但有限幂)序列频谱的狄拉克三角洲的权重
但你也可以把它解释为对有限长序列的傅里叶变换进行采样,相当于一个无限长的序列,它恰好在有限的N点范围内是非零的。在这种情况下,X[k]值是完整、连续频率傅里叶变换的有限值样本。您的答案仅涵盖周期信号,并忽略了DFT可用于非周期信号的周期扩展的点。从一些教程中可以看出:DTFT可处理离散非周期信号,DFT可以处理离散的周期信号。