傅里叶变换的性质

时域和频域是表示信号的两种不同方法。傅里叶变换是这两种表示的数学关系。

线性

傅里叶变换是线性的，齐次性和相加性。

相位特性

时域移位导致幅度不变但是线性相移。

时域移位s个采样点相位改变2πfs。如上图所示a-d显示了峰值位置从128到0变化，右边显示了相应的相位移动。这个例子将时域看作是圆周循环的。时域波形对称，因此他有线性相位。时域波形右移，斜坡降低。时域波形左移，斜坡增加。

假设波形向右移动一个sample，意味着所有的正弦波向右移一个sample。如下图所示，a中正弦波频率很低，1个sample移位只占一整个周期的很少一部分。而b中正弦波频率是1/2采样率，一个采样点移位等于1/2个周期也即π相移。当移位用相位改变描述时，正比于正弦波频率的移动。

如下图所示，当波形在采样点0处对称时，其相位为0，当信号左移或右移时相位变化如下a图。b图则显示了非线性相位信号在时域移位的相位变化。

下图显示了相位和幅度中包含了何种信息。图a中在采样点55有个上升沿，在采样点110有个下降沿。当信息以波形形状编码时边沿很重要。边沿预示了何种事发生，将边沿两边发生的事分隔开。将a中信号做DFT，将频谱转换为极化表示方式。图b是将DFT后极化表示方式的相位用-pi~+pi之间随机数替代再做IDFT。类似的图c将幅度用随机数替代再做IDFT。

可以看出边沿位置在c中可以清楚重现而在b中完全不见。这是因为很多正弦波同时在相同位置上升形成了边沿，很可能只有相位的调整。时域波形大部分信息包含在相位而非幅度中。这种现象在声音信号这种在频域编码的信号中常见。有的信号主要依赖幅度，相位只占很小一部分。如滤波器设计。理解信号如何表示是很重要的。

为何左右对称对应于0相位或者线性相位？下图给出了答案。这样的信号可以分解为左半边和右半边，两边镜像对称。左右两边的幅度是相同的，如e和f所示，相位符号相反，如h和i所示。据此有两个重要概念，首先每个左右对称的信号都有线性相位因为左半边产生的非线性相位都被右半边产生的相位抵消。其次，时域的镜像翻转对幅度没有影响，但是改变了相位每个点的符号。类似的，改变相位的符号会将时域信号左右翻转。如果信号是连续的，围绕0采样点旋转，如果信号是离散的，围绕采样点0和采样点N/2同时旋转。

改变相位的符号是一个常用操作，叫做复共轭。

X[f]对应MagX[f]和PhaseX[f]

X*[f]对应MagX[f]和-PhaseX[f]

在矩形表示中，复共轭操作改变虚部的符号。

复共轭在DSP中广泛应用，如果x[n]的傅里叶变换是X[f]，则x[-n]的傅里叶变换是X*[f]。

相关操作和卷积操作类似，a[n]*b[n]是卷积操作，a[n]*b[-n]是相关操作。在频域中则分别为A[f]×B[f]和A[f]×B*[f]。考虑任一个信号x[n]，其频谱X[f]，信号x[n]可以通过乘以其复共轭来将其相位变为0相位X[f]×X*[f]。换句话说，无论X[f]相位为何值其乘以共轭都将加上其相反数（频谱相乘时相位相加）。在时域是x[n]*x[-n]。

DFT的周期性

DFT将时域和频域都认为是周期的。

上图中的两个图分别显示了时域看作N点非周期的还是N点周期信号。DFT是将信号看作N点无穷多个周期的信号。右边信号环回连着左边信号，在这种观点下采样点127和采样点0相连。时域周期性可能带来时域混叠。假设时域信号通过DFT得到频谱，可以直接将频谱通过IDFT重建原始时域信号，如果在IDFT前修改频谱，例如去除一些频率，改变幅度或者相位等，这些频域改变可能会使产生的时域信号太长无法在一个周期内显示，这样就使得一个周期信号溢出到另一个周期，如果时域信号看作是圆周的，右边的溢出信号突然出现在信号左侧。也就是信号溢出部分在时域新的位置混叠。如果新的位置有信号那整个信号被毁掉。

频域周期也会带来混叠，但其过程比较难以理解一些。

下图上边图片显示了频谱的幅度和相位，在0~0.5采样率处有N/2+1个采样点。这是最简单看待频谱的方式，但他不能解释大部分DFT的特性。

下面两幅图显示了DFT将频谱看作周期的，主要特性是频谱0~0.5有个镜像频率在-0.5~0处。镜像负频率对于幅度和相位信号有些许不同。在幅度，信号左右翻转，在相位，信号左右翻转并且改变其符号。这两类对称信号有两个不同的名字，幅度是偶信号（偶对称），相位是奇信号（奇对称）。如果频谱转换成实部和虚部，实部是偶信号，虚部是奇信号。

将负频率考虑在内，DFT将频域看作周期的，周期和采样率相同。这使得频域周期和时域周期相同也是N个采样点。

假设时域信号对应于某种频谱，如果时域信号改变了，很明显频域信号也会改变。如果改变后的频谱在一个周期无法放得下，其将会被推到相邻周期内。这种混叠带来问题，频率会错位进入下一个周期导致信息无法辨识。

频域混叠更难理解由于频域周期样式更复杂。考虑频率从0.01~0.49，则负频率从-0.01~-0.49。当正频率穿过0.5的边界时，负频率也穿过-0.5的频率。由于频率是周期的，在其他周期也会发生相同的事件，例如0.5~1.5。正频率从左到右穿过1.5，负频率从右到左穿过0.5。假设你只能看0~0.5内的信号，就会发生频率离开右边但是又以相反方向从右边出现。

上图分别显示了时域混叠和频域混叠的情况。

仔细看负频率的东西，他们是在实际世界有意义的东西还是仅仅是数学的构造？

下图显示了结果。图a示包含32个样点的离散信号。假设你要找这32个点对应的频谱，假设这些点代表离散正弦波。换句话说你必须找到频率和相移能匹配给定的采样点。你很容易得到答案是f=3，θ=-π/4。当然还有其他的答案，如f=-3，θ=π/4。因此负频率出现了。每个正频率正弦波也可以被理解为负频率。对于连续信号和离散信号都是如此。第三个解决方案不是一个单独的大难，而是由无穷个结果。例如f=35，θ=-π/4。

频谱由三个部分的结果，对于离散信号，第一个结果对应于0~0.5采样率，第二个结果对应于-0.5~0，第三个结果有无数个这些频率的复制组成。对于连续信号，第一个结果由0~+∞，第二个结果由-∞~0.第三个不存在。

很多DSP应用不需要理解负频率。但是有些过程必须分析信号溢出到别的周期这时候就要用到负频率的知识。如循环卷积和模数转换。循环卷积中频域相乘对应时域卷积，有可能导致时域信号太长一个周期无法容纳导致时域混叠。模数转换会导致频域混叠，时域的非线性处理例如将连续信号采样为离散信号，会导致原始模拟信号频谱变得太长无法装入到离散信号频谱里。接下来再介绍两个DFT周期特性重要的例子，信号压缩和扩展，以及幅度调制。

压缩和扩展，多速率处理方法

如下图所示，信号在一个域里压缩导致在另一个域里扩展，反之也成立。对于连续信号，如果X(f)是x(t)的傅里叶变换，则1/k×X（f/k）是x(kt)的傅里叶变换，k是控制压缩或扩展的参数。如果一个事发生的更迅速（时域压缩），那必将包含更高频率分量。如果一个事变慢（时域扩展），那他必将由更低的频率分量组成。如果时域压缩得只有一个脉冲，那对应的频率扩展到一个恒定值。类似的，如果时域扩展到恒定值，那频域变成了一个脉冲。

离散信号也以类似的方式作用，但是有一些细节不同。离散信号第一个重要的事项是混叠。假设a中的脉冲比展示的压缩了更多倍，频域则扩展了同样的倍数，则b中的几个驼峰被推到了0.5频率之外。导致的混叠将压缩扩展的关系破坏掉了。这种混叠在时域也可能发生。假设频谱f压缩的更狠，则e中的时域信号扩展到相邻的周期。第二个事项是压缩或者扩展一个离散信号的准确定义。如上图a，离散信号通过压缩潜在的连续波形来进行压缩，然后重新采样新的连续波形来找到新的离散信号。类似的，这种相同的扩展处理在e中展示。

一个等效的方法来看待这个过程是保持潜在的连续波形不变，以一个不同的采样率采样。如下图，a中一个离散的高斯波形包括50个采样点。在b中，相同的波形用400个采样点来代表。a和b之间的改变可以从两方面看待，一方面看作采样率保持恒定，但是潜在的波形扩展为8倍宽。另一方面潜在的波形保持恒定，采样率增加8倍。改变采样率的方法叫做多采样率处理技术。如果加入了更多的采样点，这种叫做内插。如果用了更少的采样点表示，叫做抽取。在ADC和DAC中都用到了多采样率技术。

问题是给定任意的离散信号，我们如何知道潜在的连续波形，这根据信号信息由时域编码或者频域编码。对于时域编码信号，我们希望潜在的连续波形是平滑的曲线。最简单的例子，我们可能在样点之间画直线然后平滑。更复杂的是用曲线拟合算法。这种方法是基于最小时域的不规则，完全忽略频域。

当一个信号信息是由频域编码时，我们忽略时域波形集中于频谱。正如之前讨论，可以通过在时域信号加0然后DFT获得频谱更好的采样率。如果想要将50个采样信号转换为400点信号。将50采样信号加0组成64采样点，用64点DFT找到频谱，频谱包含33点实部和33点虚部。将频谱右侧加224个0使得频谱257点长。用512点IDFT将数据转换为时域。这将导致原始64点采样点信号的512点高分辨率版本。前400个采样点时原来50个采样点的内插版本。

这项技术的核心特性是内插信号频率等于原始信号频率。这可能导致时域混叠。上图a显示了50个采样点信号内插到400点信号没有混叠。而c和d产生了混叠。d中在边缘或者非连续处产生震荡，这种非连续处的过冲也叫做吉布斯效应。

幅度调制

傅里叶变换的性质显示一个域里的卷积和另一个域里的相乘相对应。幅度调制用到了时域相乘对应于频域卷积的原理。另外幅度调制也显示了负频率问题。

调制是将两个信号合并产生新的信号包含前两个信号的特性。这也包括非线性处理例如相乘。

下图显示了时域和频域中幅度调制。这个例子中用到连续信号，因为调制一般在模拟器件中进行。当然也可以以离散形式。

图a显示了有直流偏置DC的语音信号。图b显示了频谱由300Hz~3kHz组成。图c和图d显示了载波波形。在时域幅度调制是将语音信号乘以载波。载波信号包络等于调制信号包络。时域相乘对应于频谱卷积，f显示了b和d的卷积。载波的频谱是移位的delta函数。调制信号的频谱等于原始信号频域移位到载波中心处。调制信号频谱包含三部分，载波，高频瓣和低频瓣。第一英语三个部分的是DC，正频率0.3-3kHz和负频率-0.3--3kHz。

离散时间傅里叶变换DTFT

用于非周期离散信号，理解DTFT的最好方法是看他如何于DFT相关联。假设N个采样点信号，用DFT得到N/2+1个正弦波和余弦波。在时域加0使得时域周期变长，使得频谱间隔变小。当N趋于无穷时，时域变为非周期，频域变为离散信号。这就是DTFT。傅里叶变换DTFT将非周期离散信号和周期连续频谱相关联。

Parseval定理

由于时域和频域是等价表示，那么他们有相同的能量。这就是Parseval定理。