离散傅里叶逆变换

信息处理 傅里叶变换
2022-02-22 14:31:00

我有一个关于离散傅里叶逆变换的问题,我在互联网上找到的答案似乎没有令人满意。这可能是因为我没有完全了解其中一些,所以请原谅我的无知。

假设您完全了解频域函数f^(ω). 它是一个连续的、表现良好的凹凸函数。你想计算它的傅里叶逆变换f(t)=+f^(ω)ejωtdω,但这不能通过解析完成,因此您计算离散傅里叶逆变换。你知道间隔[ωmin,ωmax]在其上用数值计算 IDFT 是合理的,所以你现在必须在这个区间上f^(ω)

我的问题如下:傅里叶逆变换是否有等效的采样定理?是否有一个通用规则来采样我的频域信号,就像时域一样?进行欠采样时,我得到了类似于混叠的东西f^(ω)

旁注:所有这些都在有限元代码中用于计算复杂源。因此,IDFT 将至少执行数十万次,因此限制其成本的问题。

提前致谢 !

2个回答

如您所知,频域中的采样通常会导致时域中的混叠。如果您有一个完全有时间限制的信号,它在区间的距离对其傅里叶变换进行采样将不会导致任何混叠错误,如果[0,T]Δω

(1)Δω<2πT

很满意。方程。当然只是采样定理的一个特定版本。(1)

傅里叶变换(大部分)在两个方向上都是对称的,因此适用相同的采样规则。

最小频率分辨率由时域中的长度决定,就像最小时间分辨率由频域中的“长度”决定一样。

这就产生了一些理论问题:为了使所需的频率分辨率是有限的,时域中的长度也必须是有限的。然而,在一个域中具有有限长度的信号在另一个域中具有无限长度。因此,您实际上不能同时在两个域中对信号进行采样。

在实践中,您需要通过将“在支持的间隔之外必须为零”替换为“在支持的间隔之外必须足够小”来解决此问题。因此,您可以在任一域中接受一些残留别名,前提是您可以使其足够小以适合您的特定应用程序