用MATLAB理解正弦波序列的DFT

原创

已于 2022-06-04 17:52:59 修改 · 4.2k 阅读

标签

#matlab #开发语言 #傅立叶分析 #人工智能 #神经网络

于 2022-06-04 17:29:52 首次发布

本文深入探讨了MATLAB中正弦波序列的离散傅里叶变换（DFT）特性，包括周期、相位的影响。通过欧拉公式，分析了不同情况下的DFT表达式，并利用MATLAB进行验证。实验结果显示，DFT能够有效提取正弦波的幅度和相位信息，这对于穿戴式设备中的人体阻抗测量等应用具有指导意义。

用MATLAB理解正弦波序列的DFT

前言
欧拉公式
正余弦函数的DFT
结论

前言

在穿戴式嵌入式模拟前端（AFE-Analog Front End）设计中，常常要测量人体组织的阻抗。通常的做法是向人体组织发出一段某一频率的正弦波，测量组织两端的电压与流过组织的电流，绕后分别计算电压与电流的离散傅里叶变换，得到二者的频域特性。最后将电压幅值除以电流幅值的到组织阻抗幅值，电压相位减去电流相位得到组织的阻抗相位。

本文分析了正弦波、余弦波被抽样后的得到的序列的DFT数据特征，以及相位不为零的情况下的DFT数据特征，并用MATLAB工具验证了数据特征，这对阻抗测量的嵌入式软件设计具有一定的指导作用。

已知单位矩形序列的DFT为单位冲击序列的N倍
${\rm DFT}(R(n)) = N \delta(k)$

以及时域内的调制对应频域内的搬移：
${\rm DFT}(x(n))\\ 和：y(n) = x(n)W_N^{-ln} \\ 则有： Y(k)= {\rm DFT}(y(n))=X((k-l))_N$
其中： $W_N={\rm exp}(\frac{-2\pi i}{N})$

现在想要推出正弦波序列和余弦波序列的离散傅里叶变换

欧拉公式

正弦信号、余弦信号与指数信号的关系可用欧拉公式表示：
${\rm exp}(ix)=\cos(x)+i\sin(x)$

${\rm exp}(\frac{2\pi ni}{N})=\cos(\frac{2\pi n}{N})+i\sin(\frac{2\pi n}{N})$

正余弦函数的DFT

1. 包含一个正余弦周期、相位为0的序列的DFT

长度为 $N$ 的指数序列的DFT:
$X(k)={\rm DFT(exp}(\frac{2\pi ni}{N}))=N\delta((k-1))_N\\ n,k=0,1,2,...,Nl-1$
长度为 $N$ 的余弦序列的DFT：
$X(k)={\rm DFT} (\cos(\frac{2\pi n}{N}))=\frac{N}{2}({\delta((k-1))_N+\delta((k-N+1))_N})\\ n,k=0,1,2,...,Nl-1$