信号处理：傅里叶变换与离散傅里叶变换

傅里叶变换（Fourier Transform，FT）和离散傅里叶变换（Discrete Fourier Transform，DFT）之间的关系在于它们处理的对象和应用场景不同，但本质上它们是相同的数学思想的两种实现形式。

关系与区别

特性	傅里叶变换（FT）	离散傅里叶变换（DFT）
输入信号	连续信号 ( f(t) )	离散信号 ( x[n] )
输出信号	连续频域 ( F(\omega) )	离散频域 ( X[k] )
定义公式	$$F(\omega )={\int }_{-\infty }^{\infty }f(t)e^{-j\omega t}dt$$	$$X[k]=\sum _{n=0}^{N-1}x[n]e^{-j\frac{2\pi }{N}kn}$$
频域特性	频域是连续的，频率范围从 $$-\infty$$到$$+\infty$$	频域是离散的，仅有 $$N$$ 个频点
信号范围	信号在时域上可以是无限长	信号在时域上是有限的（通常为$$N$$ 个采样点）
计算实现	理论分析工具，需数值积分	数值计算工具，可通过算法实现
应用场景	分析连续信号（如模拟信号）	分析离散信号（如数字信号）

---

核心联系

1. 离散化的关系：

   • 傅里叶变换是对连续信号的分析工具，而离散傅里叶变换是在信号被采样离散化后的实现形式。
   • 当信号在时域上进行采样，并限制为有限长度后，连续的傅里叶变换就转化为了离散傅里叶变换。

2. 频域的离散化：

   • 连续傅里叶变换生成一个连续频谱，而离散傅里叶变换只对有限个离散频率点进行采样，频谱的分辨率由采样长度决定。

3. 周期性特性：

   • DFT 的频域结果是周期性的，周期为 ( N )。这源于离散信号在时域上的有限长度。

---

傅里叶变换离散化的步骤

1. 时域采样：

   • 将连续信号 $$f(t)$$ 按一定采样间隔$$T_s$$进行采样，得到离散信号 $$x[n]=f(n{T}_s)$$。

2. 截断信号：

   • 对信号长度进行截断，只保留有限长度$$N$$的采样点。

3. 离散频域：

   • 对离散的 $$N$$ 点信号进行 DFT，得到频域上的离散频谱 $$X[k]$$。

---

快速傅里叶变换（FFT）

快速傅里叶变换是 DFT 的一种高效实现算法，利用信号的对称性和周期性将计算复杂度从 $$O(N^2)$$降低到 $$O(N\log N)$$。在工程中，FFT 是计算傅里叶变换的实际工具，尤其适合数字信号处理（DSP）和 FPGA 实现。

---

总结

• 傅里叶变换是理论工具，主要用于连续信号的频域分析。
• 离散傅里叶变换是实际计算工具，处理数字信号。
• 它们的关系可以概括为：DFT 是离散化和截断后的傅里叶变换。