无限长连续信号的傅里叶变换和截断离散信号的傅里叶变换有何关系

　　进行分析处理，只能将其变成有限长度的离散的数据点，那么，无限长连续的信号的傅里叶变换和经过采样后截断的离散信号的傅里叶变换之间是什么关系？它能否反映原信号的频谱关系？这是我们所关心的主要问题。

　　另外，在数字分析过程中有一些问题也是需要特别注意的，如果处理的不好会引起误差或错误，甚至得到完全错误的结果。

　　诸如波形离散采样所产生的混叠问题、波形截断所产生的泄漏问题和信号中的信噪比问题等。这些都是在数字频率分析中所要关心的主要问题。

　　要把连续模拟量转换为离散数字量，需要对连续模拟量的时间历程x(t)进行采样。采样就是将连续模拟信号转换成离散数字信号。并且保证离散后的信号能唯一确定原连续信号，即要求离散信号能恢复成原连续信号。采样一般都是以等间隔Δt取值，得到离散信号x(kΔt)，k=0,1,2,···，如图1所示。

　　由于离散信号x(kΔt)只是x(t)的一部分值，即x(kΔt)与x(t)是局部与整体的关系。这个局部能否反映整体，能否由离散信号x(kΔt)复原到连续信号x(t)，这与x(t)波形的幅值变化剧烈程度和采样间隔Δt的大小有关，而x(t)波形幅值变化的剧烈程度又取决于x(t)的频率分量。

　　当正弦信号频率分别为(2mfN±f)与f时，相应的正弦值是相同的，所以会误把高频分量当作低频分量。如图2所示，对图中高频信号sin[2π(2mfN±f)t]按采样间隔Δt=1/2fN采样后得到的离散信号就会误认为是低频信号sin(2πft)，这就是混淆。

　　图2表明，若减小采样间隔Δt，即增加采样量，混淆情况将有所改变。如果原函数中的最高谐波频率为fm，则应减小采样间隔Δt，使

　　即可保证不产生上述混淆问题。1/Δt称为采样频率fs，于是，为保证不产生混淆现象，应满足

　　对非周期连续信号进行离散傅氏分析时，香农 (Shannon)定理表明，若信号中的最高频率为fmax，则为了不产生频率混淆，须保证采样频率fs大于2倍的fmax。

　　除满足Shannon定理外，采样时间T，采样间隔Δt，采样量N及采样频率fs和频率分辨率Δf之间存在以下关系：

　　由上式可见，由于N是一定的，若为避免频率混淆而提高采样频率fs（即减小采样间隔Δt），将使采样时间T减小，从而造成频率分辨率Δf变粗。解决这一问题的办法是先使信号通过一个低通滤波器，使滤波后的信号中的最高频率成为fmax，然后根据采样定理来确定采样频率fmax。通常fs是fmax的3～4倍。

　　如某频率分析仪的采样量为N=1024，取fs=4fmax，那么仪器的显示谱线) 线。

　　对有限时间长度T的离散时域序列进行离散傅里叶变换 (DFT) 运算，首先要对时域信号进行截断。这相当于用一个高为1、长为T的矩形时域窗函数乘以原时域函数。因而引起信息损失，即窗外的信息会全部损失掉，致使导致频谱分析出现误差，其结果是使得本来集中于某一频率的功率（或能量），部分被分散到该频率邻近的频域，时域信号的这种损失，将导致频域信号内会附加一些频率分量，给傅立叶变换带来误差，这种现象称为“泄漏”现象。

　　以图3(a)所示的连续时域信号x(t)=Acos2πf0t为例，其频谱X(f)为图3(b)所示的两条谱线处，即因此，

　　)为延时δ函数，其特性符合b(t)函数特性。经简单截取后的样本（图3(e)）相当于原信号与矩形窗函数b(

　　)曲线在频率轴上向左右各移动f0就成为B(f)*X(f)的频谱图，如图3(f)所示。经过卷积后的不再是两条谱线而是两段连续谱。它表明，原来的信号被截断后，其频谱产生了畸变，原来集中在f0处的能量被分散到两个较宽广的频带中去了，这种现象称为泄露。如图3(d)所示，B(

　　)-f曲线/T]之内的图形叫做主瓣，在频率范围[n/T,n+1/T],(n=1,±2,±3,···)内的图形都叫旁瓣。显然，泄露上由于窗函数的频谱是一个连续谱，它包括一个主瓣和无数的旁瓣，原来集中在主瓣的能量被泄露到旁瓣去了。图3 余弦连续信号倍矩形窗截断形成的泄露为了抑制“泄漏”，需采用特种窗函数来替代矩形窗函数。这一过程称为窗处理，或者叫加窗。加窗的目的是使在时域上截断信号两端的波形突变变为平滑，在频域上尽量压低旁瓣的高度。

　　在一般情况下，压低旁瓣通常伴随着主瓣的变宽，但是旁瓣的泄漏是主要考虑因素，然后才考虑主瓣变宽的泄漏问题。

　　噪声等。这种噪声可能来自试验结构本身，也可能来自测试仪器的电源及周围环境的影响等等。

　　通常采用平均技术来减小噪声的影响，一般的信号分析仪都具有多种平均处理功能，它们各自有不同的用途，我们可以根据研究的目的和被分析信号的特点，选择适当的平均类型和平均次数。1谱的线性平均

　　这是一种最基本的平均类型。采用这一平均类型时，对每个给定长度的记录逐一作傅氏变换和其它处理，然后对每一频率点的谱值分别进行等权线性平均。

　　对于平稳的确定性过程，例如周期过程和准周期过程，其理论上的相对标准差应该总是零，平均的次数没有意义。不过实际的确定性信号总是或多或少的混杂有随机的干扰噪声，采用线性谱平均技术能减少干扰噪声谱分量的偏差，但并不降低该谱分量的均值，因此实质上并不增强确定性过程谱分析的信噪比。

　　为了避免起始时刻的相位随机性使确定性过程的平均趋于零，时域平均应有一个同步触发信号。时间记录平均可以在时域上抑制随机噪声，提高确定性过程谱分析的信噪比。由于数字信号分析中，占有机时较多的是FFT运算，采用时域平均只需最后做一次FFT，与多次FFT的谱平均相比，可以节省机时，提高分析速度。然而，随机过程的测量，一般不能采用时域平均。3

　　指数平均与线性平均不同，它对新的子集赋予较大的加权，越是旧的子集赋予越小的加权。例如HP3582A谱分析仪的指数平均，就是对最新的子集赋予 1/4 加权，而对以此前经过指数平均的谱再赋予3/4的加权，二者相加后作为新的显示或输出的谱。也就是说，在显示或输出的谱中，最新的一个谱子集（序号m）的权是1/4，从它往回数序号为

　　的子集的权是1/4(3/4)ⁿ，如图6所示。图6 指数平均中各个子集的权指数平均常用于非平稳过程的分析。因为采用这种平均方式，即可考察“最新”测量信号的基本特征，又可通过与“旧有”测量值的平均（频域或时域）来减小测量的偏差或提高信噪比。

　　有关的平均技术还有许多种，如峰值保持平均技术，无重叠平均技术，重叠平均技术等，它们各有其特点和用途，如何选择平均技术是振动测量中的一个重要手段，在实际测量中要依据所选用的数字信号分析仪功能，选用相适应的平均技术，以提高振动测量的结果。

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

　　的基本原理 /

　　能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，

　　什么意义和应用 /

　　e2studio开发磁力计LIS2MDL(1)----轮询获取磁力计数据

　　探索存内计算—基于 SRAM 的存内计算与基于 MRAM 的存算一体的探究

　　汽车行业知识报告系列——智能座舱（智能座舱，车载芯片，人机交互，T-Box，HUD，车载系统OS）

　　芯海 32 位 MCU 开发调试 ，基于 VS Code 插件实现芯海 32 位 MCU 开发调试

　　DSP教学实验箱_DSP算法实验_嵌入式教程：4-3 有限冲激响应滤波器（FIR）算法（CCS显示）

　　飞凌嵌入式-ElfBoard-项目分享基于ELF 1S开发板完成的物联网开源项目

　　【紫光同创盘古PGX-MINI-4K教程】——（盘古PGX-MINI-4K开发板/PGC4KD-6ILPG144第五章）序列检测器实验例程