信号与系统课程第十四次作业参考答案
※ 第一题
用闭式表达式写出下面有限长序列的离散傅里叶变换(DFT):
(1)
x[n]=δ[n]
(2)
x[n]=δ[n−n0],(0<n0<N)
(3)
x[n]=anRN[n]
(4)
x[n]=ejω0n⋅RN[n]
■ 求解:
(1)解答:
x(n)=δ(n)
X(k)=n=0∑N−1x[n]e−jN2πnk=1
(2)解答:
x(n)=δ(n−n0),(0<n0<N)
X(k)=n=0∑N−1x[n]e−jN2πnk=e−jN2πn0k
(3)解答:
x(n)=anRN(n)
X(k)=n=0∑N−1anRN[n]Wnk=n=0∑N−1aWk=1−aWk1−(aWk)N=1−ae−jN2πk1−aN
(4)解答:
x(n)=ejω0nRN(n)
X(k)=a=ejω01−ej(ω0−N2πk)1−ejω0N
※ 第二题
x[n]如下图所示,试绘出解答:
(1)
x[n]与
x[n]的线卷积;
(2)
x[n]与
x[n]的4点圆卷积;
(3)
x[n]与
x[n]的10点圆卷积;
(4)如果是
x[n]与
x[n]的圆卷积和线卷积相同,求长度L之最小值。
■ 求解:
※ 第三题
已知序列
x[n]={1,2,3,4,5},
h[n]={1,1,1,1}。求:
(1)
y[n]=x[n]∗h[n]
(2)
y[n]=x[n]⊗7h[n]
(3)
y[n]=x[n]⊗8h[n]
注:
⊗7,⊗8分别表示长度为7,8的圆卷积。
■ 求解:
(1)解答:
(2)解答:
(3)解答:
由于\nL.≥4+5-1=8,所以圆卷积结果与线卷积结果相同:
y⊗8[n]={1,3,6,10,14,12,9,5}
※ 第四题
设
x[n]为有限长序列,当
n<0和
n≥N时,
x[n]=0。且
N为偶数。
已知
DFT{x[n]}=X[k],试利用
X[k]来表示一下个序列的DFT:
■ 求解:
(1)解答:
X1[k]=n=0∑N−1x[N−1−n]Wnk=m=N−1∑0x[m]W(N−1−m)k
=m=0∑N−1x[m]W−mk⋅W−k=X[−k]NejN2πk
(2)解答:
X2[k]=n=0∑N−1(−1)nx[n]Wnk=n=0∑N−1x[n]ejnπejN2πk
=n=0∑N−1x[n]ejN2πn(k+2N)=X[k±2N]N
(3)解答:
X3[k]=n=0∑2N−1x3[n]W2Nnk=n=0∑N−1x[n]⋅W2Nnk+n=N∑2N−1x[n−N]⋅W2Nnk
=n=0∑N−1x[n]⋅WNn2k+m=0∑N−1x[m]⋅WN(m+N)2k
=n=0∑N−1x[n]⋅WN2nk+WN2kNm=0∑N−1x[m]⋅WN2mk
=[1+(−1)k]n=0∑N−1x[n]⋅WN2nk=[1+(−1)k]X[2k]N
(4)解答:
X4[k]2N=n=0∑2N−1{x[n]+x[n+2N]}⋅W2Nnk
=n=0∑2Nj−1x[n]⋅WN2nk+m=2N∑N−1x[m]⋅WN2mk
=n=0∑N−1x[n]⋅WN2nk=X[2k]
(5)解答:
X5[k]=n=0∑N−1x[n]⋅W2Nnk=n=0∑N−1x[n]⋅WN2nk=X[2k]
(6)解答:
X6[k]=n=0∑2N−1x6[n]⋅W2Nnk=n=0∑N−1x[n]⋅WNnk=X[k]
(7)解答:
X7[k]=n=0∑N−1x7[n]⋅W2Nnk=n=0∑N−1x[n]⋅21+(−1)nWNnk
=21{n=0∑N−1x[n]⋅WNnk+n=0∑N−1x[n](−1)nWNnk}
=21{X[k]+X[k+2N]N}
※ 第五题
有一个FFT处理器,用来估计实数信号的频谱。要求指标:
(1)频谱间的分辨率为
f1≤5Hz;
(2)信号的最高频率
fm≤1.25kHz;
(3)点数
N必须是2的整数次幂。
试确定:
(1) 记录时间长度
T1;
(2)抽样点间的时间间隔
Ts;
(3)一个记录过程的点数
N。
■ 求解:
(1)
T1=f11≥51=0.2s
(2)
Ts≤2fm1=0.4ms
(3)
N=T2T1≥500
取
N=512。
※ 第六题
一直序列
x[n]的长度为218,
h[n]的长度为12.
(1)用直接卷激发求其线卷积,给出乘法的次数;
(2)采用基-2的快速傅里叶变换的快速卷积发,给出乘法的次数;
(3)比较以上结果,并得出你的结论。
■ 求解:
(1) 直接进行卷积运算,结果长度为218+12-1=229. 总的实数乘法次数为: 218×12=2616.
(2) 使用基-2 FFT进行运算,需要将两个序列都至 长度为229的序列。取最接近的2的整数次幂, 将两个序列都补零为256长度的序列。
长度为N(2的整数次幂)的FFT运算包括(Nlog\2.N)2)次复数乘法运算。使用FFT进行卷积运算需要进行3次FFT运算(两次正变换,一次反变换)和一次数组乘法运算,因此总的复数乘法运算量为:(3Nlog\2.2/2+N)。一个复数乘法运算包括有4次实数乘法运算,所以总共乘法运算的次数为 4(3Nlog\2.2/2+N)。
根据上述分析,可以计算出基-2 的FFT进行计算序列卷积的乘法计算量为:4*(3 * 256 log\2.256 / 2 + 256)=13312
对比两种计算方法所需要的乘法次数,可以看出,在序列长度比较小的情况下,使用基于-2的 FFT反而计算量增加了。
※ 第七题
已知
x[n]是长度为
N的序列,
X[k]=DFT{x[n]},把
x[n]的长度扩大
r倍,即:
y[n]=x[n],0≤n≤N−1
y[n]=0,N≤n≤rN−1
又:
Y[k1]=DFT{y[n]},0≤k≤rN−1
求
Y[k1]与
X[k]之间的关系。
■ 求解:
(1)
Y[k1]=n=0∑rN−1y[n]⋅WrNnk1=n=0∑N−1x[n]⋅WrNnk1
=n=0∑N−1x[n]⋅WNrnk1=X[rk1]
(2)
Y[k1]=n=0∑N−1x[n]⋅WrNnk1=n=0∑N−1(N1k=0∑N−1X[k]⋅WN−nk)⋅WrNnk1
=N1k=0∑N−1X[k]n=0∑N−1WrN−nkrWrNnk1=N1n=0∑N−1X[k]1−WrNk1−kr1−WrNk1N
※ 第八题
一下序列的长度为
N,求其DFT的闭合表达式:
(1)
x[n]=sin(ω0n)⋅RN[n]
(2)
x[n]=an⋅RN[n]
(3)
x[n]=n2⋅RN[n]
■ 求解:
(1)
X(k)=n=0∑N−1sin(ω0n)⋅e−jN2πkn
=n=0∑N−12j1(ejω0n−e−jω0n)⋅e−jN2πk⋅n
=2j1[1−ej(ω0−N2πk)1−ejω0N−1−e−j(ω0+N2πk)1−e−jω0N]
=2j1⋅(1−ej(ω0−N2πk))⋅(1−e−j(ω0+N2πk))(1−ejω0N)⋅(1−e−j(ω0+N2πk))−(1−e−jω0N)⋅(1−ej(ω0−N2πk))
=1−2cosω0e−jN2πk+e−jN4πksinω0e−jN2πk−sin(ω0N)+sin(ω0N−ω0)e−jN2πk
(2)
X(k)=n=0∑N−1ane−jN2πkn
=1−a⋅e−jN2πk1−(ae−jN2πk)N=1−a⋅e−jN2πk1−aN
(3)
n=0∑N−1nWn=W+2W2+⋅⋅⋅+(N−1)WN−1
=W+W2+⋅⋅⋅+WN−1+
W2+⋅⋅⋅+WN−1+
W3+⋅⋅⋅+WN−1+
⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅
WN−1
=1−WW−WN+1−WW2−WN+⋅⋅⋅+1−WWN−1−WN
=1−Wn=0∑N−1Wn−N⋅WN=1−W1−WW−WN−(N−1)WN
=1−W1−WW−1−(N−1)=1−W−N
n=0∑N−1n2Wn=W+4W2+9W3+⋅⋅⋅+(2N−3)WN−1
=W+W2+W3+⋅⋅⋅+WN−1+
3W2+3W3+⋅⋅⋅+3WN−1+
5W3+⋅⋅⋅+5WN−1+
⋅⋅⋅⋅⋅⋅⋅⋅+
(2N−3)WN−1
$$$$
=1−WW−WN+1−W3(W2−WN)+1−W5(W3−WN)+⋅⋅⋅+1−W(2N−3)(WN−1−WN)
=1−W1[k=1∑N−1(2k−1)Wk−k=1∑N−1(2k−1)WN]
=1−W1[2n=1∑N−1nWn−n=1∑N−1Wn−n=1∑N−1(2k−1)]
=1−W1[2⋅1−W−N−1−WW−WN−(N−1)2]
=(1−W)2−2N−(W−1)−(N−1)(1−W)=(1−W)2N(N−1)W−N2
※ 第九题
证明DFT的对称性:
若:
DFT{x[n]}=X[k]
则:
DFT{X[n]}=N⋅[[−k]]N⋅RN[n]
■ 证明:
根据IDFT公式:
x[n]=N1k=0∑NX[k]⋅eNj2πkn
因此:
N⋅x[n]=k=0∑NX[k]⋅eN−j2πk(−n)
所以:
DFT{X[n]}=N⋅x((−k))N⋅R[n]