01先把问题说具体
长度 4 的序列 [1,0,−1,0] 有什么频率成分?怎样从时域样本得到频域系数?
02一步步得到方法
先认识复数旋转
i²=−1,e^(iθ)=cosθ+i sinθ,表示复平面单位圆上的旋转。N=4 时,e^(−2πi/N)=−i,连续幂为 1、−i、−1、i;因此本课可以只用这些简单值手算。
DFT 约定 X[k]=Σₙx[n]e^(−2πikn/N)。固定 k 时,把输入与一组按频率旋转的复数权重相乘求和。k=0 权重全 1,得到直流分量,也就是样本总和。
频率索引不是自动的赫兹
若采样率为 f_s,则第 k 档对应 kf_s/N;高于一半的索引通常表示负频率。实信号满足共轭对称 X[N−k]=conj(X[k]),不是说后一半数据没有任何数学意义。
本约定正变换不除 N,逆变换用正号并除 N。不同库可将归一化分配在不同方向,比较结果前要对齐约定。有限观察窗口与采样还会影响谱泄漏和混叠,DFT 本身不恢复被采样丢失的信息。
频域系数是投影,不是另一批时间点
固定 k 的复指数权重在样本上旋转,求和衡量输入与这种离散振荡的关联。不同 k 的基向量在完整长度上正交,这使输入能被所有频率系数完整表示。
当实际信号的周期不能整齐落入观察窗口时,能量可能分散到多个频率格,称为谱泄漏;提高采样率与延长观察时间解决的也不是同一种分辨率问题。先说明采样和窗口,再解释频谱。
03把一个小例子完全算清楚
x=[1,0,−1,0],N=4。
| 步骤 | 计算与状态 | 为什么这样做 |
|---|---|---|
| k=0 | 1+0−1+0=0 | 无直流偏置 |
| k=1 | 1+(−1)×(−1)=2 | 旋转权重使两项同向 |
| k=2 | 1+(−1)×1=0 | 相互抵消 |
| k=3 | 2 | 与 k=1 共轭对称 |
窄屏可左右滑动表格,阅读完整计算与理由。
X=[0,2,0,2];幅值解释要考虑长度与是否采用单边频谱。
04为什么这个方法成立
- 离散复指数在 N 个样本上相互正交:不同频率的几何级数和为零。
- 与各基函数作加权和提取对应频率系数。
- 正交性也给出逆变换,表明在有限序列模型内变换可逆(忽略舍入)。
05把推导翻译成代码
Python · 可独立运行的教学实现
import cmath
from math import pi
def dft(x):
n = len(x)
if n == 0:
return []
return [sum(x[t]*cmath.exp(-2j*pi*k*t/n) for t in range(n))
for k in range(n)]逐个理解关键决定
-2j*pi*k*t/n- 负号约定正变换,j 是 Python 的虚数单位写法。
for k in range(n)- 计算全部 N 个频率,不是只取实部或只计算前一半。
06时间、空间与实现范围
N 个输出各累加 N 项,直接 DFT 时间 O(N²),输出 O(N),本实现不显式保存 N×N 变换矩阵。
小的虚部如 1e−15 常来自浮点舍入,应使用容差比较而非严格复数相等。
07改变条件,检查哪里会出错
把 |X[k]| 直接当作原正弦振幅
还需考虑 N、实信号正负频率分摊与归一化方式。
把最大频率索引直接当作最高正频率
常规输出后半段通常对应负频率,要结合采样率和索引约定转换。
08从手算到独立迁移
先写出自己的结果和理由,再展开提示或解析。三题依次检查具体执行、边界条件和方法迁移。
常数序列 [2,2,2,2] 的 X?
需要一点提示
除直流外旋转项相消。
查看解析与答案
约 [8,0,0,0]。
采样率 800Hz、N=8,k=2 对应多少?
需要一点提示
k f_s/N。
查看解析与答案
200Hz。
DFT 与 FFT 是不同变换吗?
需要一点提示
一个是数学定义,一个是计算方法。
查看解析与答案
不是,FFT 是快速计算同一 DFT 的算法家族。