ESC
输入关键词搜索文章
目录

离散时间傅里叶变换

DTFT:从序列走向连续频谱
后续 DFT / FFT / 滤波器分析的理论底座
10知识块
4完整例题
8核心性质
4关联主题

前置知识回顾

DTFT 是本课程从"时域序列"进入"频域分析"的关键桥梁。读这一节之前,建议先确认下面四件事已经顺手:

  • 离散序列:知道 $x[n]$$\delta[n]$$u[n]$、复指数序列 $e^{j\omega n}$ 的含义。可回看 离散时间信号与系统
  • 卷积与 LTI 系统:理解 $y[n]=x[n]*h[n]$,知道单位抽样响应 $h[n]$ 决定整个系统。可回看 离散时间信号与系统
  • Z 变换:知道 $X(z)=\sum_n x[n]z^{-n}$ 和 ROC 的作用。DTFT 可以看成 Z 变换在单位圆 $z=e^{j\omega}$ 上的取值。可回看 Z 变换
  • 复指数几何$e^{j\omega n}$ 是单位圆上的旋转向量,频率分析本质上是在检查序列与不同旋转频率的相干程度。
一、从时域到频域
DTFT 的动机与定义

在之前的学习中,我们一直在时域里操作:序列是按 $n$ 排列的一串数,卷积描述系统的输入输出关系,Z 变换把差分方程变成代数方程。但很多核心问题在时域里并不直观——一个系统到底放大低频还是高频?一个序列主要由哪些振荡成分组成?两个滤波器串联后对频率的影响如何叠加?这些问题需要一种新的语言:频域。

DTFT 正是把离散序列翻译到连续频域的工具。这一部分先讲清"为什么需要 DTFT",再给出严格的数学定义和收敛条件,最后解释为什么离散时间的频谱一定是 $2\pi$ 周期的。三个问题一环扣一环:动机催生定义,定义本身决定了周期性。

为什么需要 DTFT

在时域里,一个序列只是按 $n$ 排列的一串数。我们能看到峰值、延迟、衰减,也能用卷积描述系统输入输出。但很多问题在时域里并不直观:一个系统到底放大低频还是高频?一个序列主要由哪些振荡成分组成?两个滤波器串联后对频率的影响如何叠加?这些问题需要频域语言。

DTFT 处理的对象是离散时间序列 $x[n]$,输出的是一个关于连续角频率 $\omega$ 的函数 $X(e^{j\omega})$。这看起来有点反直觉:时间已经离散了,为什么频率还是连续的?原因是序列可以无限长,复指数基函数的频率参数仍然可以连续变化,只是由于 $n$ 是整数,频域会天然以 $2\pi$ 为周期。

一句话抓住 DTFT:它是在问"如果用频率为 $\omega$ 的复指数去试探这个序列,所有样本会相干叠加,还是互相抵消?"
正变换、反变换与收敛条件

DTFT 正变换

$$X(e^{j\omega})=\sum_{n=-\infty}^{\infty}x[n]e^{-j\omega n}.$$

其中 $\omega$ 为连续角频率,$X(e^{j\omega})$ 是关于 $\omega$ 的复值函数。输入是离散序列 $x[n]$,输出是连续频谱 $X(e^{j\omega})$

DTFT 反变换

$$x[n]=\frac{1}{2\pi}\int_{-\pi}^{\pi}X(e^{j\omega})e^{j\omega n}\,d\omega.$$

积分只需覆盖任意一个长度为 $2\pi$ 的区间(如 $[-\pi,\pi]$$[0,2\pi]$),因为 DTFT 对 $\omega$ 具有 $2\pi$ 周期性。

不是所有序列的 DTFT 都以普通函数形式存在。绝对可和是保证收敛的常用充分条件:

DTFT 收敛的充分条件:绝对可和

$$\sum_{n=-\infty}^{\infty}|x[n]|<\infty.$$

绝对可和时,DTFT 一定存在且关于 $\omega$ 连续。

工程上还会用冲激函数或广义函数处理一些不绝对可和的序列,比如常数序列、周期序列和纯复指数序列。课程作业通常优先处理绝对可和或右边序列,这时收敛性主要通过几何级数或 ROC 判断。

做题时的判断流程:先看序列类型 → 若为右边/因果序列,直接用几何级数判断 $|a|<1$ → 若已有 Z 变换,查 ROC 是否包含单位圆。
离散时间为什么带来 $2\pi$ 周期频谱

周期性来自一个非常小但非常关键的事实:$n$ 是整数。

$$e^{-j(\omega+2\pi)n}=e^{-j\omega n}e^{-j2\pi n}=e^{-j\omega n}.$$

因此 $X(e^{j(\omega+2\pi)})=X(e^{j\omega})$

这意味着离散时间频域不是一条无限展开的新坐标轴,而是一个首尾相接的圆。$\omega=0$ 表示直流分量,$\omega=\pi$$\omega=-\pi$ 是同一个边界频率。后面学习 DFT 时,所谓 $N$ 点 DFT,就是在这个 $2\pi$ 周期频谱上取 $N$ 个等间隔样本。

读谱习惯:分析频谱时只需看 $[-\pi,\pi]$$[0,2\pi]$ 一个周期就够了,其余只是重复。
二、多重视角
Z 变换、频率响应与几何直觉

有了 DTFT 的定义之后,接下来的问题是:它和我们已经掌握的工具有什么关系?这一部分从三个角度理解同一个 DTFT——作为 Z 变换在单位圆上的特例、作为 LTI 系统的频率响应、以及作为"旋转后求和"的几何操作。三个视角不是并列的三个知识点,而是同一个数学对象的三副面孔:代数的、工程的、几何的。哪个视角好用,取决于你正在做什么题。

DTFT 是 Z 变换在单位圆上的取值

Z 变换定义为 $X(z)=\sum_{n=-\infty}^{\infty}x[n]z^{-n}$。令 $z=e^{j\omega}$,就得到

$$X(z)\big|_{z=e^{j\omega}}=\sum_{n=-\infty}^{\infty}x[n]e^{-j\omega n}=X(e^{j\omega}).$$

所以 DTFT 可以看成 Z 平面单位圆上的频率切片。但这里有一个必要条件:单位圆必须位于 ROC 内。如果单位圆不在收敛域内,普通意义下的 DTFT 不存在。

由 Z 变换求 DTFT 的判定条件

$X(z)$ 的 ROC 包含单位圆 $|z|=1$,则 $X(e^{j\omega})=X(z)\big|_{z=e^{j\omega}}$ 存在。

做题判断法:先求 Z 变换和 ROC → 看 $|z|=1$ 是否落在 ROC 中 → 若落在其中,令 $z=e^{j\omega}$ 即可得到 DTFT。
LTI 系统的频率响应

对于离散 LTI 系统,若单位抽样响应为 $h[n]$,则系统频率响应就是 $h[n]$ 的 DTFT:

频率响应定义

$$H(e^{j\omega})=\sum_{n=-\infty}^{\infty}h[n]e^{-j\omega n}.$$

系统输出满足 $y[n]=x[n]*h[n]$。根据卷积定理,时域卷积对应频域乘法:

卷积定理

$$Y(e^{j\omega})=X(e^{j\omega})\cdot H(e^{j\omega}).$$

这就是"滤波"的底层原因。系统并不是神秘地"平滑"或"增强"信号,而是对不同 $\omega$ 的复指数成分乘以不同复数。$|H(e^{j\omega})|$ 决定放大或衰减,$\arg H(e^{j\omega})$ 决定相位移动。

几何直觉:DTFT 是"旋转后求和"

$e^{-j\omega n}$ 看成每前进一步就旋转 $\omega$ 角的单位向量。计算 DTFT 时,每个样本 $x[n]$ 都乘上这个旋转向量,然后全部相加。如果某个 $\omega$ 正好抵消了原序列中的旋转趋势,很多项会指向接近的方向,求和结果很大;如果方向杂乱,求和就会互相抵消。

这给了一个很实用的读谱方法:频谱峰值不是抽象的"数学高点",而是说明序列中存在与该频率匹配的周期结构。滤波器频率响应中的凹陷和峰值,也可以理解为系统对这些旋转模式的拒绝或通过。

读谱技巧:频谱峰值 = 序列中存在该频率的周期结构;频谱凹陷 = 该频率成分被系统抑制。
三、计算与应用
核心性质与典型例题

理解了 DTFT "是什么"之后,这一部分聚焦"怎么用"。先给出一组做题最常用的性质表格,然后用三道典型例题演示 DTFT 的标准计算流程:直接求和、有限长序列、从差分方程到频率响应。每道题都对应一种常见的考试题型。

做题最常用的一组 DTFT 性质
性质时域频域用途
线性$ax[n]+by[n]$$aX(e^{j\omega})+bY(e^{j\omega})$拆分复杂序列
时移$x[n-n_0]$$e^{-j\omega n_0}X(e^{j\omega})$处理延迟与相位
频移$e^{j\omega_0 n}x[n]$$X(e^{j(\omega-\omega_0)})$调制与搬移频谱
时间反转$x[-n]$$X(e^{-j\omega})$分析偶对称和奇对称
共轭$x^*[n]$$X^*(e^{-j\omega})$判断实序列频谱对称性
卷积$x[n]*h[n]$$X(e^{j\omega})H(e^{j\omega})$滤波器分析
相乘$x[n]h[n]$$\frac{1}{2\pi}X(e^{j\omega})*H(e^{j\omega})$窗函数和截断效应
Parseval$\sum_n |x[n]|^2$$\frac{1}{2\pi}\int_{-\pi}^{\pi}|X(e^{j\omega})|^2d\omega$能量守恒
核心性质推导

时移性质

$x[n]\leftrightarrow X(e^{j\omega})$,则对任意整数 $n_0$

$$x[n-n_0]\;\longleftrightarrow\;e^{-j\omega n_0}\,X(e^{j\omega})$$

推导:由 DTFT 定义,

$$\mathcal{F}\{x[n-n_0]\}=\sum_{n=-\infty}^{\infty}x[n-n_0]e^{-j\omega n}$$

$m=n-n_0$,则 $n=m+n_0$,代入得:

$$\sum_{m=-\infty}^{\infty}x[m]e^{-j\omega(m+n_0)} =e^{-j\omega n_0}\sum_{m=-\infty}^{\infty}x[m]e^{-j\omega m} =e^{-j\omega n_0}\,X(e^{j\omega})$$

物理意义:时域延迟 $n_0$ 个采样点,在频域只引入一个线性相位因子 $e^{-j\omega n_0}$,幅度谱 $|X(e^{j\omega})|$ 不变。这就是为什么延迟不会改变信号的频谱形状,只会改变相位。

频移性质(调制)

$x[n]\leftrightarrow X(e^{j\omega})$,则:

$$e^{j\omega_0 n}x[n]\;\longleftrightarrow\;X(e^{j(\omega-\omega_0)})$$

推导:由 DTFT 定义,

$$\mathcal{F}\{e^{j\omega_0 n}x[n]\}=\sum_{n=-\infty}^{\infty}e^{j\omega_0 n}x[n]e^{-j\omega n} =\sum_{n=-\infty}^{\infty}x[n]e^{-j(\omega-\omega_0)n}$$

$\omega-\omega_0$ 看作一个新的频率变量 $\omega'$,上式正是 $X(e^{j\omega'})$

$$=X(e^{j(\omega-\omega_0)})$$

物理意义:时域乘以复指数 $e^{j\omega_0 n}$,相当于把整个频谱向右搬移 $\omega_0$。这是数字通信中调制操作的数学基础——把基带信号的频谱搬移到载波频率附近。

两者对比:时移改变的是相位因子 $e^{-j\omega n_0}$,不改变幅度谱;频移改变的是频谱的位置,相当于整个频谱平移。时移是延迟,频移是搬移。

帕斯维尔定理(Parseval's Theorem)

$x[n]\leftrightarrow X(e^{j\omega})$,则:

$$\sum_{n=-\infty}^{\infty}|x[n]|^2=\frac{1}{2\pi}\int_{-\pi}^{\pi}\big|X(e^{j\omega})\big|^2\,d\omega$$

推导:由 DTFT 定义,$X(e^{j\omega})=\sum_n x[n]e^{-j\omega n}$。考虑频域能量积分:

$$\frac{1}{2\pi}\int_{-\pi}^{\pi}\big|X(e^{j\omega})\big|^2\,d\omega=\frac{1}{2\pi}\int_{-\pi}^{\pi}X(e^{j\omega})X^*(e^{j\omega})\,d\omega$$

$X^*(e^{j\omega})$ 展开:

$$X^*(e^{j\omega})=\left(\sum_m x[m]e^{-j\omega m}\right)^*=\sum_m x^*[m]e^{j\omega m}$$

代入积分:

$$\frac{1}{2\pi}\int_{-\pi}^{\pi}\sum_n x[n]e^{-j\omega n}\sum_m x^*[m]e^{j\omega m}\,d\omega =\sum_n\sum_m x[n]x^*[m]\frac{1}{2\pi}\int_{-\pi}^{\pi}e^{-j\omega(n-m)}\,d\omega$$

利用复指数的正交性:$\frac{1}{2\pi}\int_{-\pi}^{\pi}e^{-j\omega(n-m)}\,d\omega=\delta[n-m]$

$$=\sum_n\sum_m x[n]x^*[m]\delta[n-m]=\sum_n x[n]x^*[n]=\sum_n|x[n]|^2$$

物理意义:时域总能量等于频域总能量(归一化后)。这是能量守恒在信号处理中的体现——无论你在时域还是在频域计算,信号的总能量不变。

连续与离散傅里叶变换对比

理解了 DTFT 的性质之后,把它和连续时间傅里叶变换(FT)并排对比,可以看清"连续→离散"带来了哪些本质变化:

性质FT(连续时间)DTFT(离散时间)核心差异
定义 $X(j\Omega)=\int_{-\infty}^{\infty}x(t)e^{-j\Omega t}dt$ $X(e^{j\omega})=\sum_{n=-\infty}^{\infty}x[n]e^{-j\omega n}$ 积分 → 求和;$\Omega$ 连续,$\omega$ 连续但以 $2\pi$ 为周期
线性 $ax_1(t)+bx_2(t)\leftrightarrow aX_1(j\Omega)+bX_2(j\Omega)$ $ax_1[n]+bx_2[n]\leftrightarrow aX_1(e^{j\omega})+bX_2(e^{j\omega})$ 形式完全一致
时移 $x(t-t_0)\leftrightarrow X(j\Omega)e^{-j\Omega t_0}$ $x[n-n_0]\leftrightarrow X(e^{j\omega})e^{-j\omega n_0}$ 形式完全一致,只是 $t_0\to n_0$
频移 $x(t)e^{j\Omega_0 t}\leftrightarrow X(j(\Omega-\Omega_0))$ $x[n]e^{j\omega_0 n}\leftrightarrow X(e^{j(\omega-\omega_0)})$ 形式完全一致,频谱搬移
共轭对称分解 $x_e(t)=\frac{x(t)+x^*(-t)}{2}\leftrightarrow \text{Re}[X(j\Omega)]$
$x_o(t)=\frac{x(t)-x^*(-t)}{2}\leftrightarrow j\,\text{Im}[X(j\Omega)]$
$x_e[n]=\frac{x[n]+x^*[-n]}{2}\leftrightarrow \text{Re}[X(e^{j\omega})]$
$x_o[n]=\frac{x[n]-x^*[-n]}{2}\leftrightarrow j\,\text{Im}[X(e^{j\omega})]$
形式完全一致,偶部对应实部,奇部对应虚部(乘以 $j$
Parseval $\int| x(t)|^2dt=\frac{1}{2\pi}\int|X(j\Omega)|^2d\Omega$ $\sum|x[n]|^2=\frac{1}{2\pi}\int_{-\pi}^{\pi}|X(e^{j\omega})|^2d\omega$ 形式一致,但 DTFT 积分限为 $[-\pi,\pi]$(一个周期)
FT 与 DTFT 对比表
FT 与 DTFT 核心性质对比:线性、时移、频移、共轭对称分解、Parseval 定理的形式完全一致,只是变量从连续时间 $t$ 变为离散索引 $n$
关键洞察:FT 和 DTFT 的性质在数学结构上完全平行。这是因为两者都来自同一个思想——把信号分解为复指数基函数。唯一的区别是 FT 用连续时间复指数 $e^{j\Omega t}$,DTFT 用离散时间复指数 $e^{j\omega n}$。所以学 DTFT 时,可以直接从 FT 的性质"翻译"过来。
从典型序列看 DTFT 的计算方法

例题 1:求 $x[n]=a^n u[n]$ 的 DTFT

题目:$x[n]=a^n u[n]$,其中 $|a|<1$。求它的 DTFT,并说明收敛条件。

目标:掌握右边指数序列的几何级数求和方法,并理解单位圆与 ROC 的关系。

  1. 写出定义:
    $$X(e^{j\omega})=\sum_{n=-\infty}^{\infty}a^n u[n]e^{-j\omega n}=\sum_{n=0}^{\infty}(ae^{-j\omega})^n.$$
  2. 使用几何级数:$|ae^{-j\omega}|<1$ 时,级数收敛。由于 $|e^{-j\omega}|=1$,条件就是 $|a|<1$
  3. 得到结果:
    $$X(e^{j\omega})=\frac{1}{1-ae^{-j\omega}},\quad |a|<1.$$
  4. 联系 Z 变换:$X(z)=\frac{1}{1-az^{-1}}$,ROC 为 $|z|>|a|$。单位圆 $|z|=1$ 在 ROC 中,所以 DTFT 存在。

答案:$X(e^{j\omega})=\frac{1}{1-ae^{-j\omega}}$

易错点:不要只写结果而漏掉 $|a|<1$。如果 $|a|\ge 1$,右边指数序列的单位圆不在 ROC 内,普通 DTFT 不存在。

例题 2:求长度为 $M$ 的矩形窗 DTFT

题目:

$$x[n]=\begin{cases}1,&0\le n\le M-1,\\0,&\text{其他}. \end{cases}$$

$X(e^{j\omega})$,并解释频谱形状。

目标:理解有限长截断为什么会产生主瓣和旁瓣,这也是后面 DFT 频谱泄漏的基础。

  1. 代入定义:
    $$X(e^{j\omega})=\sum_{n=0}^{M-1}e^{-j\omega n}.$$
  2. 按有限几何级数求和:
    $$X(e^{j\omega})=\frac{1-e^{-j\omega M}}{1-e^{-j\omega}},\quad \omega\ne 2k\pi.$$
  3. 整理成相位因子乘幅度核:
    $$X(e^{j\omega})=e^{-j\omega(M-1)/2}\frac{\sin(M\omega/2)}{\sin(\omega/2)}.$$
  4. 解释形状:前面的 $e^{-j\omega(M-1)/2}$ 只改变相位,幅度由 $\left|\frac{\sin(M\omega/2)}{\sin(\omega/2)}\right|$ 决定。它有一个主瓣和多个旁瓣,长度 $M$ 越大,主瓣越窄。

答案:$X(e^{j\omega})=e^{-j\omega(M-1)/2}\frac{\sin(M\omega/2)}{\sin(\omega/2)}$,在 $\omega=0$ 处按极限取值为 $M$

易错点:矩形窗不是"频域也矩形"。时域截断会在频域产生类似 sinc 的形状,这正是频谱泄漏问题的根源。

例题 3:由差分方程求频率响应

题目:系统满足

$$y[n]-ay[n-1]=x[n],\quad |a|<1.$$

求系统频率响应 $H(e^{j\omega})$,并判断它对低频还是高频更敏感。

目标:把差分方程、Z 变换和 DTFT 频率响应联系起来。

  1. 对两边做 DTFT:利用时移性质,$y[n-1]\leftrightarrow e^{-j\omega}Y(e^{j\omega})$
  2. 写成代数式:
    $$Y(e^{j\omega})-ae^{-j\omega}Y(e^{j\omega})=X(e^{j\omega}).$$
  3. 求传递函数:
    $$H(e^{j\omega})=\frac{Y(e^{j\omega})}{X(e^{j\omega})}=\frac{1}{1-ae^{-j\omega}}.$$
  4. 读幅频响应:$0<a<1$,在 $\omega=0$ 时分母 $|1-a|$ 最小,幅度最大;在 $\omega=\pi$ 时分母 $|1+a|$ 较大,幅度较小,因此它表现为低通倾向。

答案:$H(e^{j\omega})=\frac{1}{1-ae^{-j\omega}}$。当 $0<a<1$ 时,该系统更容易通过低频。

易错点:不要把"递推系统"自动等同于低通。低通还是高通取决于极点位置和频率响应形状。

例题 4:Parseval 定理与时移-频移联合性质

题目:已知序列 $x[n]$ 的 DTFT 为 $X(e^{j\omega})$,且满足

$$\frac{1}{2\pi}\int_{-\pi}^{\pi}\left|X(e^{j\omega})\right|^2 d\omega = 5.$$
  1. $\displaystyle\sum_{n=-\infty}^{\infty}|x[n]|^2$
  2. $y[n]=x[n-2]\,e^{j\pi n/4}$,用 $X(e^{j\omega})$ 表示 $Y(e^{j\omega})$

目标:综合运用 Parseval 定理、时移性质和频移性质,理解"能量守恒"与"调制+延迟"在频域的叠加效果。

(a) 解:

  1. 回忆 Parseval 定理:
    $$\sum_{n=-\infty}^{\infty}|x[n]|^2=\frac{1}{2\pi}\int_{-\pi}^{\pi}\left|X(e^{j\omega})\right|^2 d\omega.$$

    该定理表明时域总能量等于频域总能量(归一化后)。

  2. 直接代入已知条件:题目已给出右边积分值为 5,因此
    $$\sum_{n=-\infty}^{\infty}|x[n]|^2=5.$$

答案 (a):$\displaystyle\sum_{n=-\infty}^{\infty}|x[n]|^2=5$

(b) 解:

  1. 分解操作顺序:$y[n]$ 由两步构成——先时移再频移(调制)。注意 $e^{j\pi n/4}$ 乘在 $x[n-2]$ 上,而不是乘在 $x[n]$ 上,所以应先处理时移,再处理频移。
  2. 第一步·时移:$w[n]=x[n-2]$。由时移性质:
    $$W(e^{j\omega})=e^{-j2\omega}X(e^{j\omega}).$$
  3. 第二步·频移(调制):$y[n]=w[n]\,e^{j\pi n/4}$。由频移性质,乘以 $e^{j\omega_0 n}$ 对应频谱搬移 $\omega_0$
    $$Y(e^{j\omega})=W\!\left(e^{j(\omega-\pi/4)}\right).$$
  4. 合并两步:$W$ 的表达式代入:
    $$Y(e^{j\omega})=e^{-j2(\omega-\pi/4)}\,X\!\left(e^{j(\omega-\pi/4)}\right)=e^{-j2\omega+j\pi/2}\,X\!\left(e^{j(\omega-\pi/4)}\right).$$

    其中 $e^{j\pi/2}=j$,也可保留指数形式。

答案 (b):$Y(e^{j\omega})=e^{-j2(\omega-\pi/4)}\,X\!\left(e^{j(\omega-\pi/4)}\right)$

易错点:
  • 频移时相位因子中的 $\omega$ 也要替换为 $(\omega-\omega_0)$,不能只对 $X$ 做搬移而忽略前面的 $e^{-j2\omega}$
  • Parseval 定理左边是 $|x[n]|^2$ 而非 $x[n]^2$,对复序列两者不等价。
  • 例题 5:双边指数序列的 DTFT

    题目:$x[n]=a^{|n|}$,其中 $|a|<1$。求 $X(e^{j\omega})$

    目标:掌握双边序列的拆分求和技巧,理解偶对称序列的 DTFT 为实函数。

    1. 拆分双边为两部分:
      $$X(e^{j\omega})=\sum_{n=-\infty}^{\infty}a^{|n|}e^{-j\omega n} =\sum_{n=-\infty}^{-1}a^{-n}e^{-j\omega n}+\sum_{n=0}^{\infty}a^n e^{-j\omega n}.$$
    2. 第一部分($n<0$):$m=-n$,则
      $$\sum_{m=1}^{\infty}a^m e^{j\omega m}=\frac{ae^{j\omega}}{1-ae^{j\omega}}.$$
    3. 第二部分($n\ge0$):
      $$\sum_{n=0}^{\infty}(ae^{-j\omega})^n=\frac{1}{1-ae^{-j\omega}}.$$
    4. 合并并通分:
      $$X(e^{j\omega})=\frac{ae^{j\omega}}{1-ae^{j\omega}}+\frac{1}{1-ae^{-j\omega}} =\frac{1-a^2}{1-2a\cos\omega+a^2}.$$

    答案:$X(e^{j\omega})=\dfrac{1-a^2}{1-2a\cos\omega+a^2}$,为实函数(因为 $x[n]$ 是偶对称的)。

    关键技巧:双边序列要拆成 $n<0$$n\ge0$ 两部分分别求和。偶对称序列的 DTFT 一定是实函数,奇对称序列的 DTFT 一定是纯虚函数。

    例题 6:共轭对称性

    题目:已知实序列 $x[n]=e^{-n}u[n]$ 的 DTFT 为 $X(e^{j\omega})=\dfrac{1}{1-e^{-1}e^{-j\omega}}$。求其幅度谱和相位谱的对称性质。

    目标:理解实序列 DTFT 的共轭对称性:$X(e^{j\omega})=X^*(e^{-j\omega})$

    1. 共轭对称性质:对实序列 $x[n]$,有 $X(e^{j\omega})=X^*(e^{-j\omega})$。这意味着:
      • 幅度谱是偶函数:$|X(e^{j\omega})|=|X(e^{-j\omega})|$
      • 相位谱是奇函数:$\angle X(e^{j\omega})=-\angle X(e^{-j\omega})$
    2. 幅度谱:
      $$|X(e^{j\omega})|=\frac{1}{\sqrt{1-2e^{-1}\cos\omega+e^{-2}}}$$

      它是偶函数,$\omega$$-\omega$ 处幅度相同。

    3. 相位谱:
      $$\angle X(e^{j\omega})=\arctan\left(\frac{e^{-1}\sin\omega}{1-e^{-1}\cos\omega}\right)$$

      它是奇函数,$\angle X(e^{-j\omega})=-\angle X(e^{j\omega})$

    答案:幅度谱偶对称,相位谱奇对称。做题时只需计算 $\omega\ge0$ 的部分即可。

    对称性总结:实序列的 DTFT 幅度谱偶对称、相位谱奇对称。这意味着频谱在 $[-\pi,\pi]$ 上是对称的,画图时只需算一半。

    例题 7:时间反转与共轭性质的综合应用

    题目:已知 $x[n]\leftrightarrow X(e^{j\omega})$,求下列序列的 DTFT:

    1. $x[-n]$(时间反转)
    2. $x^*[n]$(共轭)
    3. $x^*[-n]$(共轭反转)

    目标:掌握 DTFT 的三个基本对称性质,理解它们在实序列和复序列中的不同表现。

    (a) 时间反转:

    由定义,

    $$\mathcal{F}\{x[-n]\}=\sum_{n=-\infty}^{\infty}x[-n]e^{-j\omega n}$$

    $m=-n$,则

    $$\sum_{m=-\infty}^{\infty}x[m]e^{j\omega m}=X(e^{-j\omega})$$

    结论:$x[-n]\leftrightarrow X(e^{-j\omega})$

    (b) 共轭:

    $$\mathcal{F}\{x^*[n]\}=\sum_{n=-\infty}^{\infty}x^*[n]e^{-j\omega n}=\left(\sum_{n=-\infty}^{\infty}x[n]e^{j\omega n}\right)^*=X^*(e^{-j\omega})$$

    结论:$x^*[n]\leftrightarrow X^*(e^{-j\omega})$

    (c) 共轭反转:

    结合 (a) 和 (b):

    $$x^*[-n]\leftrightarrow X^*(e^{j\omega})$$

    结论:共轭反转对应频域的共轭(频率不变)。

    实序列的特殊情况:若 $x[n]$ 是实序列,则 $x^*[n]=x[n]$,由 (b) 得 $X(e^{j\omega})=X^*(e^{-j\omega})$,即共轭对称性。这是实序列 DTFT 最重要的性质。
    傅里叶变换性质例题
    例 7 原题:已知 $x[n]\leftrightarrow X(e^{j\omega})$,求 $x[-n]$$x^*[n]$$x^*[-n]$ 的傅里叶变换。
    四、延伸与总结
    从 DTFT 到 DFT,以及复习速查

    DTFT 的频率变量 $\omega$ 是连续的——适合理论推导,但不适合计算机计算。最后一部分把 DTFT 落地到实际可计算的 DFT,再用一张速查表把整篇内容压缩成做题入口。

    周期序列的频域表示:离散傅里叶级数

    DTFT 适用于非周期序列,其频谱是连续的。但对于周期为 $N$ 的周期序列 $\tilde{x}[n]=\tilde{x}[n+N]$,其频谱不再是连续函数,而是离散的谱线——这就是离散傅里叶级数(DFS)。

    DFS 定义

    周期序列 $\tilde{x}[n]$ 的 DFS 系数:

    $$\tilde{X}[k]=\sum_{n=0}^{N-1}\tilde{x}[n]e^{-j\frac{2\pi}{N}kn},\quad k=0,1,\ldots,N-1.$$

    逆变换(IDFS):

    $$\tilde{x}[n]=\frac{1}{N}\sum_{k=0}^{N-1}\tilde{X}[k]e^{j\frac{2\pi}{N}kn}.$$

    注意:$\tilde{X}[k]$ 也是周期为 $N$ 的周期序列。

    DFS 的重要性质

    性质时域 $\tilde{x}[n]$频域 $\tilde{X}[k]$
    线性$a\tilde{x}_1[n]+b\tilde{x}_2[n]$$a\tilde{X}_1[k]+b\tilde{X}_2[k]$
    时移$\tilde{x}[n-n_0]$$\tilde{X}[k]e^{-j\frac{2\pi}{N}kn_0}$
    频移$\tilde{x}[n]e^{j\frac{2\pi}{N}k_0 n}$$\tilde{X}[k-k_0]$
    帕斯维尔$\sum_{n=0}^{N-1}|\tilde{x}[n]|^2$$\frac{1}{N}\sum_{k=0}^{N-1}|\tilde{X}[k]|^2$
    DFS 与 DTFT 的关系:周期序列的 DTFT 是一串冲激,冲激位于 $\omega_k=\frac{2\pi k}{N}$ 处,强度为 $\frac{2\pi}{N}\tilde{X}[k]$。DFS 系数 $\tilde{X}[k]$ 就是 DTFT 在一个周期内的采样值(乘以 $N$)。
    周期序列的离散傅里叶级数 DFS
    DFS 定义与性质:周期序列 $\tilde{x}[n]$ 的 DFS 系数 $\tilde{X}[k]$ 也是周期的,时移和频移性质与 DTFT 形式相似但频率变量为离散索引 $k$
    从 DFS 到 DFT:DFT 就是把有限长序列当成周期序列的一个周期,直接取其 DFS 系数。DFT 公式与 DFS 完全相同,只是 DFT 针对有限长序列,而 DFS 针对周期序列。
    DFT 是把 DTFT 在一个周期内取有限个样本

    实际计算时,我们通常拿到的是有限长序列 $x[0],\ldots,x[N-1]$,并只在一个周期内取 $N$ 个频点:

    N 点 DFT 定义

    $$X[k]=X(e^{j\omega})\big|_{\omega=2\pi k/N}=\sum_{n=0}^{N-1}x[n]e^{-j2\pi kn/N},\quad k=0,1,\ldots,N-1.$$

    其中频点 $\omega_k=\frac{2\pi k}{N}$,是在 DTFT 的一个 $2\pi$ 周期内均匀采样 $N$ 个点。

    DFT 不是另一个世界,而是 DTFT 的有限采样版本。但 DFT 也引入了新的解释:有限长序列会被看成周期延拓,普通卷积会变成循环卷积。下一节 DFT 与 FFT 会专门处理这些边界效应,其中包含了 11 道完整例题(从手算 DFT、零填充卷积到 FFT 运算时间估算)。

    DTFT 做题入口速查表
    问题类型入口公式检查条件常见误区
    直接求 DTFT$\sum_n x[n]e^{-j\omega n}$是否绝对可和漏掉收敛条件
    由 Z 变换求 DTFT$z=e^{j\omega}$单位圆是否在 ROC 内只代入不看 ROC
    系统频率响应$H(e^{j\omega})=\sum_n h[n]e^{-j\omega n}$系统是否稳定$H(z)$$H(e^{j\omega})$ 混用
    滤波器输出$Y=XH$频率响应是否存在忘记相位也会影响波形
    有限长序列频谱矩形窗求和公式端点和长度 $M$把时域矩形误认为频域矩形
    过渡到 DFT$\omega_k=2\pi k/N$周期延拓假设忽略循环卷积

    参考来源