跳轉到

6.2 DFT 與頻譜分析#

本章導言#

現實中我們永遠只有有限個取樣值： \(N\) 個數字。對它們的譜分析就是離散傅立葉轉換（DFT）：

\[ X_k = \sum_{n=0}^{N-1} x_n\,e^{-2\pi i kn/N}, \qquad k = 0, 1, \ldots, N-1, \]

以及逆變換 \(x_n = \frac{1}{N}\sum_k X_k e^{2\pi i kn/N}\) 。DFT 把 \(N\) 點訊號分解為 \(N\) 個離散頻率的複指數——有限維的正交分解（1.3 節的矩陣版）。本節將建立 DFT 的矩陣觀點與頻率–取樣率的對應、剖析三個不可避免的「有限性效應」（柵欄效應、洩漏、混疊）、並講述 1805 年 Gauss 的失傳算法——為 6.3 節 FFT 的計算革命鋪路。DFT 是本書一切理論「落地為數字」的接口。

DFT 的數學結構：有限維正交分解#

矩陣形式： \(X = F_N x\) ，其中 DFT 矩陣 \(F_N = \big[e^{-2\pi i kn/N}\big]_{k,n=0}^{N-1}\) 。核心代數性質：

\[ F_N^* F_N = N\,I \quad\Longleftrightarrow\quad \sum_{n=0}^{N-1}e^{2\pi i(k - m)n/N} = N\,\delta_{km}, \]

——** \(N\) 個複指數向量 \(\{w_k\}_{k=0}^{N-1}\) （ \(w_k = \big(e^{2\pi i kn/N}\big)_n\) ）是 \(\mathbb{C}^N\) 的正交基： \(\langle w_k, w_m\rangle = N\delta_{km}\) 。DFT 就是把訊號向量投影到這組正交基上——1.3 節的正交投影理論的有限維完整重演**，只是幾何對象從函數換成向量、積分換成求和。

頻率的意義： \(X_k\) 對應的頻率是 \(f_k = \frac{k}{NT}\) Hz（ \(T\) 為取樣間隔）。注意：頻率解析度 \(\Delta f = \frac{1}{NT} = \frac{1}{\text{總時長}}\) ——想分辨兩個靠近的頻率，就要更長的觀測時間（與 8.1 節測不準原理的離散版呼應）。 \(k\) 的範圍 \([0, N-1]\) 對應頻率 \([0, \frac{(N-1)f_s}{N}]\) ；由於 \(w_{k + N} = w_k\) （頻譜自動週期化）， \(k > \frac{N}{2}\) 的部分等價於負頻率 \(k - N\) ——DFT 的譜以 \(\frac{f_s}{2}\) （奈氏頻率）為對摺軸。**實訊號的 DFT 滿足 \(X_{N-k} = \overline{X_k}\) **（共軛對稱），故有效資訊只在前半段。

三個有限性效應#

效應一：混疊（重溫 6.1 節）。 \(N\) 點取樣 = 時域截斷 + 梳狀取樣，頻譜週期複製；訊號頻寬超過 \(\frac{f_s}{2}\) 必混疊。DFT 看到的第 \(k\) 個頻率箱可能摺疊了多個真實頻率。

效應二：洩漏（leakage）。截斷 \(N\) 點（矩形窗 \(\chi\) ）在頻域 = 與 \(\mathrm{sinc}\) 捲積——每個真實譜線的能量「漏」進所有頻率箱。定量：單頻 \(x_n = e^{2\pi i f_0 nT}\) 的 DFT 是 \(\mathrm{Dirichlet\ kernel}\) 型 \(D_N(2\pi(f_0T - k/N)) = \frac{\sin\big(N\pi(f_0T - k/N)\big)}{\sin\big(\pi(f_0T - k/N)\big)}\) ——主瓣寬 \(\frac{2}{NT}\) （兩個箱）、旁瓣衰減 \(\sim\frac{1}{\text{dist}}\) （第一旁瓣 \(-13.3\) dB）。若 \(f_0\) 恰落在箱上（整週期截斷），零洩漏；否則洩漏全譜——「箱上 vs. 箱間」的差異，正是 2.3 節 Gibbs 現象的頻域版本。

效應三：柵欄效應（picket-fence）。DFT 只報告 \(N\) 個箱頻率的值——箱間頻率的能量被「柵欄」遮蔽（看到的能量 = 真能量 × 柵欄增益 \(\le 1\) ，最低 0.81）。對策：零填充（zero-padding，補零到 \(M > N\) 點再 DFT）使柵欄變密——但注意：零填充只加密取樣頻譜、不提高解析度（主瓣寬度由真實時長 \(NT\) 決定）——「看得更密」≠「分得更開」，這是初學者最常見的混淆，也是 8.1 節測不準原理的工程側影。

加窗對策：以 Hann/Hamming/Blackman 窗替代矩形窗——窗函數的譜旁瓣更低（Hann \(-31\) dB、Blackman \(-58\) dB）而主瓣更寬（×2）——用解析度換抑制（3.3 節 Fejér 交換的離散版）。工程決策表：測孤島強訊號用矩形（最窄主瓣）、測弱訊號旁的強訊號用 Blackman（低旁瓣）。

一個具體例題#

例題 6.2.1： \(N = 8\) 點訊號 \(x = (1, 1, 0, 0, 0, 0, 0, 0)\) （寬 2 點的脈衝）。（1）計算 DFT 的全部 \(X_k\) ；（2）驗證 Parseval 能量等式（離散版）；（3）解讀譜的形狀與對稱性。

解：

（1） \(X_k = \sum_{n=0}^{1}x_n e^{-2\pi i kn/8} = 1 + e^{-\pi i k/4} = e^{-\pi i k/8}\left(e^{\pi i k/8} + e^{-\pi i k/8}\right) = 2\cos\!\left(\frac{\pi k}{8}\right)e^{-\pi i k/8}\) 。逐值：

\(k\) 0 1 2 3 4 5 6 7
$ X_k $ 1.848 1.848 1.414 0.765 0 0.765
\(\arg X_k\) 0 \(-22.5°\) \(-45°\) \(-67.5°\) — \(67.5°\) \(45°\) \(22.5°\)

（2）時域能量 \(\sum|x_n|^2 = 2\) 。頻域 \(\frac{1}{N}\sum|X_k|^2 = \frac{1}{8}\big(1.848^2 + 1.848^2 + 1.414^2 + 0.765^2 + 0 + 0.765^2 + 1.414^2 + 1.848^2\big) = \frac{1}{8}(2\times3.414 + 2 + 2\times0.586 + 2\times2) = \frac{1}{8}(6.829 + 2 + 1.172 + 4) = \frac{16.0}{8} = 2\) ✓（精確值： \(\frac{1}{8}\sum_k 4\cos^2\frac{\pi k}{8} = \frac12\sum_k\left(1 + \cos\frac{\pi k}{4}\right) = \frac12(8 + 0) = 4\cdot\frac12 = 2\) ——等一下， \(\sum_k\cos\frac{\pi k}{4} = 0\) 因為根均勻分布在單位圓上 ✓）。Parseval 成立： \(2 = 2\) 。離散版 Parseval： \(\sum|x_n|^2 = \frac{1}{N}\sum|X_k|^2\) ——3.1 節定理的矩陣版，是 DFT 實現的標準單元測試。

（3）解讀：幅值譜是 \(\left|2\cos\frac{\pi k}{8}\right|\) ——兩點脈衝的譜 = 單點脈衝（平坦）× 兩點窗的譜（餘弦）（乘法定理的離散版：時域延遲差 1 點 → 頻域線性相位 \(\times\) 平坦）。 \(|X_4| = 0\) ：奈氏頻率處（交替 ±1 型振盪）與訊號正交。相位線性 \(\arg X_k = -\frac{\pi k}{8}\) ：訊號的「重心」在 \(n = 0.5\) （延遲半點）——相位斜坡的斜率 = 時間延遲（4.2 節平移性質的離散版）。一個 8 點的小例子，展示了平移、對稱、Parseval、奈氏摺疊四種結構——DFT 是傅立葉理論的濃縮試管。

歷史啟示#

  • Gauss 的失傳算法：1805 年，Carl Friedrich Gauss（1777–1855） 在處理小行星觀測（Pallas 的軌道內插）的手稿中，發明了與 Cooley–Tukey 等價的快速 DFT 算法（以實數餘弦/正弦版）。但他認為太基礎而未發表（以當時語言寫在拉丁文手稿中），直到 Heideman–Johnson–Burrus 1984 年的考古才被發現——FFT 的發明權比電腦早了 160 年，只是沒有「每秒百萬次運算」的需求來催生它。這是「需求催生理論」的反例：理論在、需求遲到。
  • DFT 不是 FT 的近似，而是另一個定理：常見誤解「DFT 是連續 FT 的粗糙近似」。正確觀點：DFT 是「週期離散訊號的精確譜」（有限群上的表示論）；它與連續 FT 的關係由取樣/截斷的兩條橋（6.1 節）給出，橋上的誤差（混疊、洩漏）是取樣方案的性質，不是 DFT 的性質。把模型誤差歸咎於工具，是數值分析的常見誤診。
  • 離散正交基是線性代數的禮物： \(w_k\) 向量 = 循環群 \(\mathbb{Z}/N\) 的不可約表示——DFT 是群論在訊號上的應用。這個觀點（Pontryagin 對偶）將「週期 ↔ 離散」對偶升格為一般群論定理（10.1 節場景）。

與其他章節及領域的關聯#

  • 1.3 節：正交投影 → DFT 矩陣的幾何。
  • 3.1 節：Parseval 的離散版（本節例題（2））。
  • 4.2 節：平移/調變性質的離散對應（循環平移 ↔ 相位斜坡）。
  • 5.3 節：Dirac 梳取樣 → 頻譜複製 → DFT 的週期性。
  • 6.1 節：取樣定理給出 DFT 與連續譜的橋。
  • 6.3 節：FFT——DFT 的快速算法，本節的計算續篇。
  • 7.2 節：Z 轉換在單位圓上的取樣恰為 DFT。
  • 8.1 節：時長 \(\times\) 帶寬 \(\ge\) 常數的離散版（解析度與觀測時長）。
  • 影像/JPEG：2D DCT（DFT 的實變種）是 JPEG 壓縮核心；DCT 與 DFT 的關係 = 邊界對稱化技巧。

練習#

  1. 手算 \(N = 4\) 的 DFT： \(x = (1, 2, 3, 4)\) 。驗證逆變換還原，並驗證 Parseval（ \(\sum x_n^2 = 30 = \frac14\sum|X_k|^2\) ）。
  2. 證明 DFT 的循環平移性質： \(x_{(n-m \bmod N)} \leftrightarrow X_k e^{-2\pi i km/N}\) ，並說明「循環」與 4.2 節「線性平移」的差別（邊界繞回）如何反映「DFT 天生把訊號視為週期」。
  3. 單頻洩漏實驗：取 \(N = 64\) ，訊號 \(x_n = \cos(2\pi\cdot 7.3 n/64)\) （箱間頻率 7.3）。計算 DFT 幅值譜（可程式化），指出能量在哪些箱、第一旁瓣高度；再以 Hann 窗重做，比較主瓣寬度與旁瓣。
  4. 零填充練習：把第 3 題訊號補零到 \(N = 256\) 再 DFT。觀察：主瓣寬度（以箱數計）變了嗎？實際頻率解析度（Hz）變了嗎？寫出你對「柵欄 vs. 解析度」的結論。
  5. 思考題：JPEG 用 8×8 的 DCT（餘弦變換）而非 DFT。查閱並解釋：DCT = 「鏡像延拓後的 DFT 的實部」——邊界連續性使 DCT 洩漏更小、壓縮更高。邊界處理的選擇就是壓縮效率的選擇，聯繫 3.2 節「週期延拓的光滑度」討論。

進階研讀：DFT 的五個深化場景#

場景一：DFT 矩陣的代數。 \(F_N^4 = N^2 I\) （DFT 的四次方是反轉）——矩陣版的 \(\mathcal{F}^4 = I\) （4.2 節）； \(F_N\) 的特徵值 \(\pm\sqrt N, \pm i\sqrt N\) 。分數 DFT（矩陣冪 \(F_N^\alpha\) ）同樣可定義，用於 Chirp 檢測與加密。有限維的傅立葉代數與連續版完全平行——理論的雙語字典（本章各節反覆使用的對照法）在此完整閉環。

場景二：功率譜估計的統計學。實際訊號含噪，單次 DFT（periodogram）的估計方差不隨 \(N\) 減小（不一致估計！）。對策：Welch 法（分段 + 平均）、Bartlett 法、多窗法（Thomson multitaper 1982）。頻譜估計是統計估計問題——偏差–變異數交換（3.3 節場景四）在這裡以「窗長 vs. 平均段數」的形式重現。Wiener–Khinchin（7.1）給出理論目標：真功率譜 = 自相關的 FT。

場景三：Goertzel 算法與單頻檢測。只需少數幾個頻率箱（如 DTMF 電話撥號音：8 個頻率的 2 中選 1）時，Goertzel 算法（1958）用二階遞迴算單個 \(X_k\) ，成本 \(O(N)\) 每箱——比全 DFT 省算力。演算法選擇隨需求形狀而變：全譜用 FFT（6.3）、稀譜用 Goertzel——6.3 節的「算法景觀」預告。

場景四：質數長度與 Rader/Winograd。 \(N\) 為質數時 Cooley–Tukey 分解失效——Rader 算法（1968） 把質數 DFT 化為循環捲積（用原根的群同構）、Winograd 算法（1976–78） 用中國剩餘定理與最少乘法數的理論，把小因子 DFT 做到乘法數近下界。群論與代數數論進入算法設計——DFT 的計算理論本身成為數學分支。

場景五：頻譜分析的儀器視角。頻譜分析儀（spectrum analyzer）的「RBW（解析度頻寬）」旋鈕 = 本節的窗長選擇；「SPAN」= 取樣率；「平均」= Welch。儀器面板上每個旋鈕都是一個數學參數——讀懂本節即讀懂儀器手冊。實驗室技能與數學理論的直接映射，是本章的實用價值所在。

補充：窗函數家族一覽#

窗 主瓣寬（箱） 第一旁瓣 應用
矩形 2 \(-13.3\) dB 整週期訊號、孤島頻率
Hann 4 \(-31.5\) dB 通用預設
Hamming 4 \(-42.7\) dB 語音處理
Blackman 6 \(-58.1\) dB 高動態範圍
Kaiser（可調 β） 可調 可調 參數化折衷
Flat-top 10 \(-93\) dB 幅值精度（校準）

「窗 = 權函數」：選窗 = 選 1.3 節意義下的內積權重。Kaiser 窗以 Bessel 函數 \(I_0\) 參數化，連續調節主瓣–旁瓣曲線——窗設計是連續優化問題，其理論（離散長球函數，Slepian 1961，10.2 節將再登場）是 20 世紀調和分析的精美支線。

名詞速查表（本節出現的核心術語）#

  • DFT： \(X_k = \sum x_n e^{-2\pi ikn/N}\) ；有限點訊號的正交譜分解。
  • DFT 矩陣 \(F_N\) ： \(F_N^*F_N = NI\) ；正交基 \(\{w_k\}\) 。
  • 頻率箱： \(f_k = \frac{k}{NT}\) ；DFT 的報告點。
  • 頻率解析度 \(\Delta f = \frac{1}{NT}\) ：由觀測時長決定。
  • 洩漏：截斷窗的 sinc 捲積；箱間頻率能量擴散。
  • 柵欄效應：箱頻率取樣遮蔽箱間能量。
  • 零填充：補零加密箱距（不提高解析度）。
  • 加窗：Hann/Hamming/Blackman/Kaiser；解析度換旁瓣抑制。
  • 週期性 / 共軛對稱： \(X_{k+N} = X_k\) 、 \(X_{N-k} = \overline{X_k}\) 。
  • 離散 Parseval： \(\sum|x_n|^2 = \frac1N\sum|X_k|^2\) 。
  • periodogram / Welch：功率譜估計的基元與改進。
  • Goertzel 算法：單頻箱的 \(O(N)\) 遞迴。

年表速查（本節涉及的關鍵年份）#

  • 1805：Gauss 手稿中的快速 DFT（未發表）。
  • 1822：Fourier 積分理論（連續版本的誕生）。
  • 1942：DFT 作為數值方法的系統化（Danielson–Lanczos 已有分治思想！1942）。
  • 1958：Goertzel 算法。
  • 1961：Slepian 離散長球序列（窗設計理論）。
  • 1965：Cooley–Tukey FFT（6.3 節）。
  • 1968：Rader 質數算法。
  • 1976–78：Winograd 最小乘法算法。
  • 1982：Thomson 多窗譜估計。
  • 1984：Heideman–Johnson–Burrus 考古確認 Gauss 優先權。
  • 1992：JPEG 標準（DCT 壓縮普及）。

深化問答三則#

問：DFT 的「頻率」和物理頻率是什麼關係？ 答： \(f_k = \frac{kf_s}{N}\) ，且以 \(\frac{f_s}{2}\) 為鏡。DFT 的頻率軸完全由取樣率與點數決定，與訊號內容無關——這既是便利（座標固定）也是陷阱（混疊把箱外頻率偷渡進箱內）。讀 DFT 圖的第一步永遠是確認 \(f_s\) 與 \(N\) 。

問：解析度不足時，該加點數還是加時長？ 答：加時長（觀測更多真實數據）才提高解析度；補零（加 \(N\) 不加數據）只加密柵欄。口訣：「解析度用真數據買，密度用零填充買」。儀器上「平均時間」旋鈕 = 真解析度，「顯示點數」= 柵欄密度。

問：實訊號的 DFT 為什麼有負頻率一半的冗餘？ 答：實數的譜共軛對稱（ \(X_{N-k} = \overline{X_k}\) ，來自 \(\overline{e^{-i\theta}} = e^{i\theta}\) 與 \(x_n\) 實值）——負頻率資訊與正頻率完全重複。這解釋了（1）實訊號譜圖的鏡像對稱；（2）為何可定義「實 DFT」（DCT/DST）省一半計算；（3）複訊號（IQ 取樣，7.3 節）無對稱冗餘——SDR 用複取樣把頻譜效率翻倍，正是「買斷對稱性」的代價與收益。

（本節完）