信号处理 / 系统课时

用 DFT 得到有限点频谱

用 DFT 得到有限点频谱

实际计算无法在连续数字频率轴上求无限多个 DTFT 值。DFT 通过在一个 2π2\pi 周期内等间隔取有限个频率点,把长度有限的序列变成可计算的频谱数组。本节重点读懂每个 bin 对应什么频率,以及采样率和点数如何决定频率分辨率。

学习目标

  • 能解释 DFT 与 DTFT 之间的采样关系
  • 能根据采样率 fsf_s 和 DFT 点数 NN 计算频率间隔
  • 能正确解释频率 bin、负频率和奈奎斯特位置

DFT 是对频谱的等间隔取样

对长度为 NN 的序列 x[n]x[n],DFT 定义为:

X[k]=∑n=0N−1x[n]e−j2πkn/N,k=0,1,…,N−1X[k]=\sum_{n=0}^{N-1}x[n]e^{-j2\pi kn/N},\quad k=0,1,\ldots,N-1

与 DTFT 对比可以发现,DFT 不是另一套毫无关系的频谱,而是在数字频率

ωk=2πkN\omega_k=\frac{2\pi k}{N}

处读取 DTFT。也就是说,一个 NN 点 DFT 在一个 2π2\pi 周期内得到 NN 个等间隔频谱样本。

DTFT 连续频谱与 DFT 频率采样点

频率间隔由采样率和点数共同决定

若原始信号采样率为 fsf_s Hz,那么第 kk 个 DFT bin 对应的频率为:

fk=kNfsf_k=\frac{k}{N}f_s

相邻两个 bin 的频率间隔为:

Δf=fsN\Delta f=\frac{f_s}{N}

例如 fs=8000f_s=8000 Hz、N=1000N=1000,则 Δf=8\Delta f=8 Hz。此时 k=125k=125 对应 125×8=1000125\times8=1000 Hz。因此看到频谱数组中的索引时,不能直接把索引值当作 Hz;必须先用 fs/Nf_s/N 完成换算。

增加 NN 会让频率采样点更密,但要区分两种情况。若增加的是实际观测样本数,观察时间变长,区分相近频率的能力通常也会提升;若只是对同一段数据补零后做更长 DFT,只会让频谱曲线采样得更密,不会凭空增加原始记录中的频率信息。

一半索引为什么代表负频率

DFT 的 kk 范围是 00 到 N−1N-1,但数字频率具有 2π2\pi 周期,所以靠近 2π2\pi 的频率也可以等价写成负频率。对于偶数点 DFT,可以把频率索引理解为:前半部分从 0 增长到接近 fs/2f_s/2,后半部分等价于从负频率接近 −fs/2-f_s/2 回到 0。

其中 k=N/2k=N/2 对应 ω=π\omega=\pi,也就是 fs/2f_s/2 的奈奎斯特频率。对实值输入序列,DFT 满足共轭对称,因此正、负频率部分的幅度镜像对称。很多单边幅度谱只显示 00 到 fs/2f_s/2,正是利用了这一性质。

Bin 命中与频谱泄漏

若一个正弦波的频率恰好落在某个 fk=kfs/Nf_k=kf_s/N 上,并且观察区间满足整数周期条件,它的能量会高度集中在相应 bin。若频率位于两个 bin 之间,有限长度截断会使能量扩散到多个频点,这就是频谱泄漏。

因此“峰值落在哪个 bin”只是频谱解释的一部分。观察频谱时还应同时知道采样率、DFT 点数、记录长度和是否使用窗函数。DFT 最核心的坐标关系始终是 Δf=fs/N\Delta f=f_s/N:先把 bin 转换为真实频率,再讨论峰值位置、分辨率和泄漏现象,才不会把数组索引误当成物理频率。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用 DFT 得到有限点频谱

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通