常用序列的离散时间傅里叶变换(DTFT)

常见序列的离散时间傅里叶变换(DTFT)

序列 x ( n ) x(n) x(n) 离散时间傅里叶变换 X ( e j ω ) X(e^{j\omega}) X(ejω) 备注
δ ( n ) \delta(n) δ(n) 1
1 2 π ∑ k = − ∞ ∞ δ ( ω + 2 k π ) 2\pi \sum_{k=-\infty}^{\infty} \delta(\omega + 2k\pi) 2π∑k=−∞∞δ(ω+2kπ) 1 = e j ω 0 n ∣ ω 0 = 0 1 = {\rm e}^{{\rm j}\omega_0 n} |_{\omega_0 = 0} 1=ejω0n∣ω0=0
δ ( n − m ) \delta(n-m) δ(n−m) e − j m ω {\rm e}^{-{\rm j}m\omega} e−jmω
u ( n ) u(n) u(n) 1 1 − e − j ω + π ∑ k = − ∞ ∞ δ ( ω + 2 k π ) \frac{1}{1 - {\rm e}^{-{\rm j}\omega}} + \pi \sum_{k=-\infty}^{\infty} \delta(\omega + 2k\pi) 1−e−jω1+π∑k=−∞∞δ(ω+2kπ)
a n u ( n ) a^n u(n) anu(n) 1 1 − a e − j ω \frac{1}{1 - a {\rm e}^{-{\rm j}\omega}} 1−ae−jω1 ∣ a ∣ < 1 |a| < 1 ∣a∣<1
R N ( n ) R_N(n) RN(n) e − j ω N / 2 sin ⁡ ( ω N / 2 ) sin ⁡ ( ω / 2 ) {\rm e}^{-{\rm j}\omega N/2} \frac{\sin(\omega N/2)}{\sin(\omega/2)} e−jωN/2sin(ω/2)sin(ωN/2)
e j ω 0 n {\rm e}^{{\rm j}\omega_0 n} ejω0n 2 π ∑ k = − ∞ ∞ δ ( ω − ω 0 − 2 k π ) 2\pi \sum_{k=-\infty}^{\infty} \delta(\omega - \omega_0 - 2k\pi) 2π∑k=−∞∞δ(ω−ω0−2kπ)
cos ⁡ ( ω 0 n ) \cos(\omega_0 n) cos(ω0n) π ∑ k = − ∞ ∞ [ δ ( ω + ω 0 + 2 k π ) + δ ( ω − ω 0 + 2 k π ) ] \pi \sum_{k=-\infty}^{\infty} [\delta(\omega + \omega_0 + 2k\pi) + \delta(\omega - \omega_0 + 2k\pi)] π∑k=−∞∞[δ(ω+ω0+2kπ)+δ(ω−ω0+2kπ)] cos ⁡ ( ω 0 n ) = 1 2 ( e j ω 0 n + e − j ω 0 n ) \cos(\omega_0 n) = \frac{1}{2}({\rm e}^{{\rm j}\omega_0 n} + {\rm e}^{-{\rm j}\omega_0 n}) cos(ω0n)=21(ejω0n+e−jω0n)
sin ⁡ ( ω 0 n ) \sin(\omega_0 n) sin(ω0n) j π ∑ k = − ∞ ∞ [ δ ( ω + ω 0 + 2 k π ) − δ ( ω − ω 0 + 2 k π ) ] {\rm j}\pi \sum_{k=-\infty}^{\infty} [\delta(\omega + \omega_0 + 2k\pi) - \delta(\omega - \omega_0 + 2k\pi)] jπ∑k=−∞∞[δ(ω+ω0+2kπ)−δ(ω−ω0+2kπ)] sin ⁡ ( ω 0 n ) = 1 2 j ( e j ω 0 n − e − j ω 0 n ) \sin(\omega_0 n) = \frac{1}{2{\rm j}}({\rm e}^{{\rm j}\omega_0 n} - {\rm e}^{-{\rm j}\omega_0 n}) sin(ω0n)=2j1(ejω0n−e−jω0n)
矩形序列与抽样函数
  • 时域信号
    x [ n ] = { 1 , 0 ⩽ n ⩽ N − 1 0 , 其他 x[n] = \begin{cases} 1, & 0 \leqslant n \leqslant N-1 \\ 0, & \text{其他} \end{cases} x[n]={1,0,0⩽n⩽N−1其他
  • 频域信号
    X ( e j ω ) = ∑ n = 0 N − 1 e − j ω n = e − j N − 1 2 ω sin ⁡ ( N ω 2 ) sin ⁡ ( ω 2 ) X({\rm e}^{{\rm j}\omega}) = \sum_{n=0}^{N-1} {\rm e}^{-{\rm j}\omega n} = {\rm e}^{-{\rm j}\frac{N-1}{2}\omega} \frac{\sin\left(\frac{N\omega}{2}\right)}{\sin\left(\frac{\omega}{2}\right)} X(ejω)=n=0∑N−1e−jωn=e−j2N−1ωsin(2ω)sin(2Nω)
单位冲激序列与常数函数
  • 时域信号
    x [ n ] = δ [ n ] x[n] = \delta[n] x[n]=δ[n]
  • 频域信号
    X ( e j ω ) = 1 X({\rm e}^{{\rm j}\omega}) = 1 X(ejω)=1
复指数序列与冲激函数
  • 时域信号
    x [ n ] = e j ω 0 n x[n] = {\rm e}^{{\rm j}\omega_0 n} x[n]=ejω0n
  • 频域信号
    X ( e j ω ) = 2 π ∑ k = − ∞ + ∞ δ ( ω − ω 0 − 2 π k ) X({\rm e}^{{\rm j}\omega}) = 2\pi \sum_{k=-\infty}^{+\infty} \delta(\omega - \omega_0 - 2\pi k) X(ejω)=2πk=−∞∑+∞δ(ω−ω0−2πk)
单位阶跃序列与指数衰减函数
  • 时域信号
    x [ n ] = u [ n ] = { 1 , n ≥ 0 0 , n < 0 x[n] = u[n] = \begin{cases} 1, & n \geq 0 \\ 0, & n < 0 \end{cases} x[n]=u[n]={1,0,n≥0n<0
  • 频域信号
    X ( e j ω ) = 1 1 − e − j ω X({\rm e}^{{\rm j}\omega}) = \frac{1}{1 - {\rm e}^{-{\rm j}\omega}} X(ejω)=1−e−jω1
正弦序列
  • 时域信号
    x [ n ] = sin ⁡ ( ω 0 n ) x[n] = \sin(\omega_0 n) x[n]=sin(ω0n)
  • 频域信号
    X ( e j ω ) = j π [ δ ( ω + ω 0 ) − δ ( ω − ω 0 ) ] X({\rm e}^{{\rm j}\omega}) = {\rm j}\pi \left[\delta(\omega + \omega_0) - \delta(\omega - \omega_0)\right] X(ejω)=jπ[δ(ω+ω0)−δ(ω−ω0)]
余弦序列
  • 时域信号
    x [ n ] = cos ⁡ ( ω 0 n ) x[n] = \cos(\omega_0 n) x[n]=cos(ω0n)
  • 频域信号
    X ( e j ω ) = π [ δ ( ω + ω 0 ) + δ ( ω − ω 0 ) ] X({\rm e}^{{\rm j}\omega}) = \pi \left[\delta(\omega + \omega_0) + \delta(\omega - \omega_0)\right] X(ejω)=π[δ(ω+ω0)+δ(ω−ω0)]

这些变换对在信号处理中非常重要,它们揭示了信号在时域和频域之间的对应关系,有助于分析和设计各种信号处理系统。

相关推荐
Phoebe鑫1 分钟前
数据结构每日一题day5(顺序表)★★★★★
数据结构·算法
<但凡.43 分钟前
C++修炼:string类的使用
开发语言·c++·算法
HR Zhou1 小时前
群体智能优化算法-大猩猩部落优化算法(Gorilla Troops Optimizer, GTO,含Matlab源代码)
算法·机器学习·数学建模·matlab·群体智能优化
老马啸西风1 小时前
Neo4j GDS-06-neo4j GDS 库中社区检测算法介绍
网络·算法·云原生·中间件·neo4j
地平线开发者2 小时前
精度调优|conv+depth2space 替换 resize 指导
算法·自动驾驶
照海19Gin3 小时前
数据结构之约瑟夫环的问题
c语言·数据结构·算法
Joe_Wang53 小时前
[leetcode]1749. 任意子数组和的绝对值的最大值(dp)
算法·leetcode
烟锁池塘柳03 小时前
【数学建模】(启发式算法)遗传算法:自然选择的计算模型
算法·数学建模·启发式算法
Min_小明3 小时前
CMake 简单使用总结
android·开发语言·算法
森焱森3 小时前
格雷码、汉明码,CRC校验的区别
服务器·c语言·网络·人工智能·算法