DFT - Diskrete Fourier-Transformation - Elementare Einfuhrung André Neubauer 2012

DFT – Diskrete Fourier-Transformation
André Neubauer
DFT – Diskrete
Fourier-Transformation
Elementare Einführung
Mit 118 Abbildungen
Prof. Dr.-Ing. André Neubauer
Labor für Informationsverarbeitende Systeme
Fachbereich Elektrotechnik und Informatik
Fachhochschule Münster
Deutschland
ISBN 978-3-8348-1996-3 ISBN 978-3-8348-1997-0 (eBook)

DOI 10.1007/978-3-8348-1997-0
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; de-
taillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
Springer Vieweg
© Vieweg+Teubner Verlag | Springer Fachmedien Wiesbaden 2012
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht aus-
drücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt
insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mikroverfilmungen und die Einspei-
cherung und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk be-
rechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der
Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann
benutzt werden dürften.
Einbandentwurf: KünkelLopka GmbH
Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier
Springer Vieweg ist eine Marke von Springer DE. Springer DE ist Teil der Fachverlagsgruppe Springer
Science+Business Media
www.springer-vieweg.de
Για την Kατερίνα με αγ άπη.
Vorwort
Die diskrete Fourier-Transformation (DFT – Discrete Fourier Transform) stellt eines der
wichtigsten Werkzeuge der digitalen Signalverarbeitung und der Signaltheorie dar. Sie er-
laubt die Analyse und Synthese von Signalen und Systemen durch Transformation diskreter
Signalfolgen in den Bildbereich, den so genannten Spektralbereich. Wichtig für die Ver-
wendung der diskreten Fourier-Transformation in der digitalen Signalverarbeitung ist
die Verfügbarkeit schneller Algorithmen zur Berechnung der Spektralfolgen mittels der
schnellen Fourier-Transformation (FFT – Fast Fourier Transform). Praktische Anwendung
finden die diskrete Fourier-Transformation und verwandte diskrete Signaltransformatio-
nen in der Analyse von ein- und mehrdimensionalen Signalen wie beispielsweise in der
Messtechnik, in der digitalen Bildverarbeitung, in der Mustererkennung, in der Quellenco-
dierung auf Basis von Transformationscodierungen, in der Kanalcodierung für die Codie-
rung zyklischer Reed-Solomon-Codes, in der digitalen Signalübertragung mittels Mehr-
trägerverfahren wie beispielsweise OFDM (Orthogonal Frequency Division Multiplexing)
in modernen digitalen Mobilfunksystemen, in adaptiven Filtern im Frequenzbereich, in
Empfängern für Satellitennavigationssysteme, in der Spektralanalyse sowie in der Medi-
zintechnik beispielsweise zur Analyse von EEG-Signalen (EEG – Elektroenzephalografie).
Das vorliegende Buch bietet eine leicht verständliche und für Ingenieure, Informatiker,
Naturwissenschaftler und Medizintechniker geeignete Einführung in die diskrete Fouri-
er-Transformation. Es beruht auf Teilen der Vorlesung Fortgeschrittene Signalverarbeitung,
die der Autor im Fachbereich Elektrotechnik und Informatik der Fachhochschule Müns-
ter liest. Besonderer Wert wird auf die Erläuterung der grundlegenden Ideen der diskreten
Fourier-Transformation gelegt. Durch die ausführliche Herleitung der mathematischen
Beziehungen sowie die Vielzahl von Beispielen werden die häufig abstrakten Konzepte der
diskreten Fourier-Transformation veranschaulicht. Das vorliegende Buch ist daher gut
zum Selbststudium geeignet.
Das Buch gliedert sich folgendermaßen. In Kap. 1 werden in einer kurzen Einleitung
die in der Signalverarbeitung und der Signaltheorie übliche Beschreibung diskreter Signal-
vii
viii Vorwort
folgen sowie diskrete Signaltransformationen erläutert. Anschließend werden in Kap. 2 die

für das Verständnis der diskreten Fourier-Transformation erforderlichen mathematischen
Grundlagen beschrieben. In diesem Zusammenhang geben wir einen kurzen Abriss über
komplexe Zahlen, Matrizen und Vektoren sowie die im weiteren Verlauf wichtige geometri-
sche Reihe, mit deren Hilfe die für die Definition der diskreten Fourier-Transformation in
Kap. 3 wichtige Rücktransformation vom Spektralbereich in den Originalbereich hergelei-
tet werden kann. Ein wesentliches Resultat ist hierbei die Erkenntnis, dass eine umkehrbar
eindeutige Hin- und Rücktransformation für die diskrete Fourier-Transformation auf der
Basis ähnlicher Transformationsformeln existiert. In einem Exkurs wird in Kap. 3 ferner
der bestehende Zusammenhang zwischen der Fourier-Transformation kontinuierlicher
Signale und der diskreten Fourier-Transformation diskreter Signalfolgen unter Berück-
sichtigung der Abtastung im Original- und Spektralbereich beschrieben. Die wesentlichen
Eigenschaften der diskreten Fourier-Transformation werden in Kap. 4 behandelt, während
in Kap. 5 wichtige Korrespondenzpaare von diskreten Signal- und Spektralfolgen hergeleitet
werden. Die effiziente Berechnung der diskreten Fourier-Transformation erfolgt mit FFT-
Algorithmen der schnellen Fourier-Transformation, die in Kap. 6 besprochen werden.
Abschließend behandelt das Kap. 7 die schnelle Faltung als wichtige praktische Anwendung
der diskreten Fourier-Transformation im Bereich der Realisierung digitaler signalverar-
beitender Systeme.
An dieser Stelle danke ich all jenen, die zur Verwirklichung des vorliegenden Buches bei-
getragen haben. Neben den Studierenden, welche durch kritische Fragen das Manuskript zu
verbessern halfen, erhielt ich hilfreiche Anmerkungen und Verbesserungsvorschläge ins-
besondere von Herrn Prof. Dr.-Ing. Heinz-Georg Fehn. Frau Prof. Dr.-Ing. Doris
Danziger danke ich für Ihren Rat. Unterstützung erhielt ich ferner stets von den Herren
Prof. Dr.-Ing. Josef Hausner sowie Dipl.-Ing. Hans-Peter Wiesmath und Dipl.-Ing.
Markus Schlamann. Herrn Prof. Dr. med. Dr. h.c. mult. Madjid Samii bin ich zu tie-
fem Dank verpflichtet. Für ihren liebevollen Zuspruch danke ich meiner Frau Katerina
Derva; ihr ist dieses Buch gewidmet.
Düsseldorf, im Sommer 2011 André Neubauer

Inhaltsverzeichnis
1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Mathematische Strukturen . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Nomenklatur . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Zahlenmengen . . . . . . . . . . . . . . . . . . . . . . 3
2.1.2 Modulo-Rechnung . . . . . . . . . . . . . . . . . . . . 3
2.1.3 Summenzeichen . . . . . . . . . . . . . . . . . . . . . 4
2.2 Elementare Funktionen . . . . . . . . . . . . . . . . . . . . . 4
2.2.1 Exponentialfunktion . . . . . . . . . . . . . . . . . . . 4
2.2.2 Cosinusfunktion . . . . . . . . . . . . . . . . . . . . . 5
2.2.3 Sinusfunktion . . . . . . . . . . . . . . . . . . . . . . 5
2.2.4 Tangensfunktion . . . . . . . . . . . . . . . . . . . . . 6
2.3 Komplexe Zahlen . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.1 Kartesische Koordinaten . . . . . . . . . . . . . . . . . 7
2.3.2 Polarkoordinaten . . . . . . . . . . . . . . . . . . . . . 8
2.3.3 Addition . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.4 Multiplikation . . . . . . . . . . . . . . . . . . . . . . 9
2.3.5 Potenzierung . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.6 Komplexe Konjugation . . . . . . . . . . . . . . . . . . 10
2.4 Vektoren und Matrizen . . . . . . . . . . . . . . . . . . . . . . 11
2.4.1 Vektoren . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.2 Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5 Geometrische Reihe . . . . . . . . . . . . . . . . . . . . . . . 15
3 Definition der DFT . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.1 Transformationsformeln . . . . . . . . . . . . . . . . . . . . . 17
3.1.1 Hintransformation . . . . . . . . . . . . . . . . . . . . 17
ix
x Inhaltsverzeichnis
3.1.2 Rücktransformation . . . . . . . . . . . . . . . . . . . 19
3.2 Analyse und Synthese . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Periodizität . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.1 Periodizität der Spektralfolge . . . . . . . . . . . . . . . 24
3.3.2 Periodizität der Signalfolge . . . . . . . . . . . . . . . . 26
3.4 Matrixdarstellung der DFT . . . . . . . . . . . . . . . . . . . . 27
3.5 Exkurs: Fourier-Transformation . . . . . . . . . . . . . . . . . . 36
3.5.1 Fourier-Transformation kontinuierlicher Signale . . . . . . . 36
3.5.2 Abtastung . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.3 Spezialfälle . . . . . . . . . . . . . . . . . . . . . . . . 45
4 Eigenschaften der DFT . . . . . . . . . . . . . . . . . . . . . . . . 47

4.1 Linearität . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2 Spiegelung . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.1 Spiegelung im Originalbereich . . . . . . . . . . . . . . . 48
4.2.2 Spiegelung im Spektralbereich . . . . . . . . . . . . . . . 50
4.3 Gerade und ungerade Folgen . . . . . . . . . . . . . . . . . . . 51
4.3.1 Gerade und ungerade Signalfolgen . . . . . . . . . . . . . 51
4.3.2 Gerade und ungerade Spektralfolgen . . . . . . . . . . . . 52
4.4 Komplexe Konjugation . . . . . . . . . . . . . . . . . . . . . . 54
4.4.1 Komplexe Konjugation im Originalbereich . . . . . . . . . 54
4.4.2 Komplexe Konjugation im Spektralbereich . . . . . . . . . 57
4.5 Realteil und Imaginärteil . . . . . . . . . . . . . . . . . . . . . 58
4.5.1 Realteil und Imaginärteil im Originalbereich . . . . . . . . 58
4.5.2 Realteil und Imaginärteil im Spektralbereich . . . . . . . . 60
4.6 Verschiebung . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.6.1 Verschiebung im Originalbereich . . . . . . . . . . . . . 62
4.6.2 Verschiebung im Spektralbereich . . . . . . . . . . . . . . 65
4.7 Multiplikation . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.7.1 Multiplikation im Originalbereich . . . . . . . . . . . . . 68
4.7.2 Multiplikation im Spektralbereich . . . . . . . . . . . . . 70
4.8 Periodische Faltung . . . . . . . . . . . . . . . . . . . . . . . 71
4.8.1 Periodische Faltung im Originalbereich . . . . . . . . . . . 71
4.8.2 Periodische Faltung im Spektralbereich . . . . . . . . . . . 74
4.9 Symmetrie . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.10 Periodische Korrelation . . . . . . . . . . . . . . . . . . . . . 76
4.10.1 Periodische Kreuzkorrelation . . . . . . . . . . . . . . . 76
4.10.2 Periodische Autokorrelation . . . . . . . . . . . . . . . . 79
Inhaltsverzeichnis xi
4.11 Energie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.12 Dezimation . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.13 Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.14 Tabellarische Zusammenfassung . . . . . . . . . . . . . . . . . 94
5 Korrespondenzen der DFT . . . . . . . . . . . . . . . . . . . . . . 95

5.1 Impulsfolge . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.2 Verschobene Impulsfolge . . . . . . . . . . . . . . . . . . . . . 96
5.3 Konstante Signalfolge . . . . . . . . . . . . . . . . . . . . . . 98
5.4 Rechteckfolge . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.5 Dreieckfolge . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.6 Harmonische Signalfolge . . . . . . . . . . . . . . . . . . . . . 103
5.7 Cosinusfolge . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.8 Sinusfolge . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.9 Leckeffekt . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.9.1 Hann-Fenster . . . . . . . . . . . . . . . . . . . . . . 119
5.9.2 Hamming-Fenster . . . . . . . . . . . . . . . . . . . . 119
5.9.3 Blackman-Fenster . . . . . . . . . . . . . . . . . . . . 119
5.10 Tabellarische Zusammenfassung . . . . . . . . . . . . . . . . . 121
6 Schnelle Fourier-Transformation . . . . . . . . . . . . . . . . . . . 123

6.1 Dezimation im Originalbereich . . . . . . . . . . . . . . . . . . 124
6.2 Dezimation im Spektralbereich . . . . . . . . . . . . . . . . . . 130
6.3 Berechnungskomplexität . . . . . . . . . . . . . . . . . . . . . 135
7 Schnelle Faltung . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

7.1 Lineare zeitinvariante Systeme . . . . . . . . . . . . . . . . . . 137
7.2 Aperiodische und periodische Faltung . . . . . . . . . . . . . . . 140
7.3 Schnelle Faltung mit der FFT . . . . . . . . . . . . . . . . . . . 149
7.3.1 Berechnungskomplexität der periodischen Faltung . . . . . . 150
7.3.2 Berechnungskomplexität der aperiodischen Faltung . . . . . 151
7.4 Schnelle FIR-Filter . . . . . . . . . . . . . . . . . . . . . . . . 153
7.5 Segmentierte Faltung . . . . . . . . . . . . . . . . . . . . . . 155
Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Sachverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Einleitung 1
In der digitalen Signalverarbeitung und der Signaltheorie werden diskrete Signalfolgen

beispielsweise von Audio- und Bildsignalen betrachtet, die mit Hilfe einer Abtastung aus
kontinuierlichen Signalen hervorgehen. Für diskrete Transformationen wie die in diesem
Buch behandelte diskrete Fourier-Transformation werden endliche diskrete Signalfolgen,
so genannte finite Signalfolgen verwendet. Eine solche Signalfolge
{x(), x(), . . . , x(N − )} = {x(k)}≤k≤N−
besteht aus N Signalwerten x(k) mit dem Index  ≤ k ≤ N − . Mit Hilfe einer diskreten
Signaltransformation kann einer finiten Signalfolge {x(k)}≤k≤N− der Länge N im Origi-
nalbereich eine finite Spektralfolge
{X(), X(), . . . , X(N − )} = {X(ℓ)}≤ℓ≤N−
bestehend aus N Spektralwerten X(ℓ) mit dem Index  ≤ ℓ ≤ N −  im Spektralbereich

zugeordnet werden. Abbildung 1.1 stellt die diskrete Transformation der finiten Signalfolge
{x(k)}≤k≤N− in die finite Spektralfolge {X(ℓ)}≤ℓ≤N− mittels einer geeigneten diskreten
Signaltransformation dar.
Bei einer umkehrbaren diskreten Signaltransformation kann die finite Signalfol-
ge {x(k)}≤k≤N− aus der Spektralfolge {X(ℓ)}≤ℓ≤N− zurückgewonnen werden. Die
Abb. 1.1 Diskrete Transformation der finiten Signalfolge {x(k)}≤k≤N− in die finite Spektralfolge
{X(ℓ)}≤ℓ≤N−
A. Neubauer, DFT – Diskrete Fourier-Transformation, DOI 10.1007/978-3-8348-1997-0_1, 1

2 1 Einleitung
Abb. 1.2 Inverse Transformation der finiten Spektralfolge {X(ℓ)}≤ℓ≤N− in die finite Signalfolge
{x(k)}≤k≤N−
Abb. 1.3 Finite Signalfolge

{x(k)}≤k≤ im Originalbe-
reich und finite Spektralfolge
{X(ℓ)}≤ℓ≤ im Spektralbe-
reich der diskreten Fourier-
Transformation
Rücktransformation vom Spektralbereich in den Originalbereich erfolgt bei einer sol-

chen umkehrbaren diskreten Signaltransformation mit der inversen Transformation, wie
Abb. 1.2 veranschaulicht.
In praktischen Anwendungen hat sich die diskrete Fourier-Transformation bewährt. In
Abb. 1.3 sind sowohl die finite Signalfolge {x(), x(), . . . , x()} = {x(k)}≤k≤ als auch
die finite Spektralfolge {X(), X(), . . . , X()} = {X(ℓ)}≤ℓ≤ jeweils der Länge N =  für
den Fall der diskreten Fourier-Transformation gezeigt.
Mathematische Strukturen 2
In diesem Kapitel geben wir einen kurzen Abriss über die für die diskrete Fourier-
Transformation wichtigsten mathematischen Grundlagen [4].
2.1 Nomenklatur
In diesem Abschnitt geben wir einige im weiteren Verlauf dieses Buches verwendeten ma-
thematischen Schreibweisen an.
2.1.1 Zahlenmengen
Die Menge der natürlichen Zahlen ist gegeben durch
N = {, , , . . .} .
Durch Hinzunahme der negativen Zahlen −, −, . . . ergibt sich die Menge der ganzen Zah-
len definiert durch
Z = {. . . , −, −, , , , . . .} .
Entsprechend werden die Menge der reellen Zahlen sowie die Menge der komplexen Zahlen
durch die Symbole R und C gekennzeichnet.
2.1.2 Modulo-Rechnung
Die Division mit Rest einer ganzen Zahl z durch die natürliche Zahl N ist definiert durch
z = q⋅N +r

4 2 Mathematische Strukturen
mit dem Quotienten q und dem Rest  ≤ r < N. Unter Verwendung der modulo-Rechnung
mit dem Modul N wird der Rest r durch die folgende Formulierung bezeichnet (in Worten
„z modulo N“)
z mod N = r .
2.1.3 Summenzeichen
Die Summe der Zahlen z(), z(), . . . , z(N − ) wird mit Hilfe des Summenzeichens Σ
folgendermaßen geschrieben
N−
∑ z(n) = z() + z() + . . . + z(N − )
n=
mit dem Summationsindex n.
2.2 Elementare Funktionen
2.2.1 Exponentialfunktion
Die Exponentialfunktion ez ist definiert durch die unendliche Reihe
∞
 n z z
ez = ∑ ⋅z =+z+ + +...
n= n! ! !
mit der Eulerschen Zahl e = , . . . und der Fakultät
n! =  ⋅  ⋅ . . . ⋅ n
mit ! = . Für die Exponentialfunktion ez gilt die Fundamentaleigenschaft
ex ⋅ e y = ex+y .
Für x = z und y = −z folgt hieraus
ez ⋅ e−z = ez−z = e = 
und somit

e−z = .
ez
2.2 Elementare Funktionen 5
Abb. 2.1 Cosinusfunktion cos(ϕ)
2.2.2 Cosinusfunktion
Die Cosinusfunktion cos(ϕ) ist definiert durch die unendliche Reihe
∞
(−)n n ϕ ϕ
cos(ϕ) = ∑ ⋅ϕ =− + ∓... .
n= (n)! ! !
Die Cosinusfunktion ist eine gerade Funktion, das heißt es gilt
cos(−ϕ) = cos(ϕ) .
Ferner ist sie periodisch mit der Periode π gemäß
cos(ϕ + n ⋅ π) = cos(ϕ)
mit n ∈ Z. Hierbei kennzeichnet π = , . . . die Kreiszahl. Abbildung 2.1

veranschaulicht die Cosinusfunktion cos(ϕ).
Wird die Cosinusfunktion unter Verwendung des Winkels ϕ = πF t als Funktion der
(zeitlichen) Variablen t aufgefasst, so ist die Periode T der Cosinusfunktion cos(πF t) ge-
geben durch πFT = π beziehungsweise mit der Frequenz F

T= .
F
2.2.3 Sinusfunktion
Die Sinusfunktion sin(ϕ) ist ähnlich wie die Cosinusfunktion cos(ϕ) definiert durch die
unendliche Reihe
∞
(−)n ϕ ϕ
sin(ϕ) = ∑ ⋅ ϕ n+ = ϕ − + ∓... .
n= (n + )! ! !
Abb. 2.2 Sinusfunktion sin(ϕ)
Die Sinusfunktion ist eine ungerade Funktion, das heißt es gilt
sin(−ϕ) = − sin(ϕ) .
Ferner ist sie wie die Cosinusfunktion periodisch mit der Periode π gemäß
sin(ϕ + n ⋅ π) = sin(ϕ)
mit n ∈ Z. Die in Abb. 2.2 gezeigte Sinusfunktion sin(ϕ) kann aus der Cosinusfunktion
cos(ϕ) durch Verschiebung um π/ erhalten werden entsprechend
π
sin(ϕ) = cos (ϕ − ) .

Wird die Sinusfunktion wie die Cosinusfunktion unter Verwendung des Winkels ϕ =
πF t als Funktion der (zeitlichen) Variablen t geschrieben, so ist die Periode T der Sinus-
funktion sin(πF t) gegeben durch πFT = π beziehungsweise mit der Frequenz F

T= .
F
2.2.4 Tangensfunktion
Die in Abb. 2.3 dargestellte Tangensfunktion tan(ϕ) ist definiert unter Verwendung der Co-
sinusfunktion cos(ϕ) sowie der Sinusfunktion sin(ϕ) gemäß
sin(ϕ)
tan(ϕ) = .
cos(ϕ)
Wegen
tan(−ϕ) = − tan(ϕ)
2.3 Komplexe Zahlen 7
Abb. 2.3 Tangensfunktion tan(ϕ)
ist die Tangensfunktion ungerade. Des Weiteren ist die Tangensfunktion tan(ϕ) periodisch
mit der Periode π gemäß
tan(ϕ + n ⋅ π) = tan(ϕ)
mit n ∈ Z.
2.3 Komplexe Zahlen
Wir wenden uns in diesem Abschnitt der Menge der komplexen Zahlen zu, die im weite-
ren Verlauf bei der Behandlung der diskreten Fourier-Transformation sowie der finiten
Signalfolgen und Spektralfolgen von Bedeutung ist.
2.3.1 Kartesische Koordinaten
Eine komplexe Zahl z ∈ C aus der Menge C der komplexen Zahlen ist definiert in kartesi-
schen Koordinaten als eine Zahl
z = x + jy
bestehend aus dem reellen Realteil
R{z} = x ∈ R
und dem reellen Imaginärteil

I{z} = y ∈ R .
Hierbei stellt j die so genannte imaginäre Einheit

√
j= −
mit j = − dar.
2.3.2 Polarkoordinaten
Anstelle der Darstellung der komplexen Zahl z = x + jy in kartesischen Koordinaten x und

y kann z in Polarkoordinaten mit dem Betrag ρ = ∣z∣ und dem Winkel ϕ geschrieben werden
als
z = ρ ⋅ ejϕ .
Unter Berücksichtigung der Definition der Exponentialfunktion sowie der Cosinus- und
Sinusfunktionen ergibt sich mit j = − für die harmonische Funktion
(jϕ) (jϕ) (jϕ) (jϕ)

ejϕ =  + jϕ + + + + +...
! ! ! !
ϕ  ϕ  ϕ  ϕ
=  + jϕ + j +j +j +j +...
! ! ! !
ϕ ϕ ϕ ϕ
=  + jϕ − −j + +j ∓...
! ! ! !
ϕ ϕ ϕ ϕ
= ( − + ∓ . . .) + j (ϕ − + ∓ . . .)
! ! ! !
= cos(ϕ) + j sin(ϕ) .
Wegen dieser so genannten Eulerschen Formel
ejϕ = cos(ϕ) + j sin(ϕ)
mit dem Realteil R {ejϕ } = cos(ϕ) und dem Imaginärteil I {ejϕ } = sin(ϕ) ist aufgrund der
Periodizität der Cosinus- und Sinusfunktionen die Periodizität der harmonischen Funktion
ejϕ mit der Periode π ersichtlich aus
ej(ϕ+n⋅π) = cos(ϕ + n ⋅ π) + j sin(ϕ + n ⋅ π) = cos(ϕ) + j sin(ϕ) = ejϕ .
Des Weiteren folgt für die komplexe Zahl z = x + jy in Polarkoordinaten
z = ρ ⋅ ejϕ = ρ ⋅ cos(ϕ) + j ⋅ ρ ⋅ sin(ϕ) .
Die Umrechnung zwischen kartesischen Koordinaten und Polarkoordinaten erfolgt ent-

sprechend der Beziehungen
x = ρ ⋅ cos(ϕ) ,
y = ρ ⋅ sin(ϕ)
beziehungsweise
√
ρ= x  + y ,
y
tan(ϕ) = ,
x
2.3 Komplexe Zahlen 9
wobei bei der Berechnung des Winkels ϕ die Vorzeichen von Realteil x und Imaginärteil y
berücksichtigt werden müssen.
Aus der Eulerschen Formel ergibt sich noch ein weiterer interessanter Zusammenhang
zwischen der Exponentialfunktion und den Cosinus- und Sinusfunktionen. Für die Winkel
ϕ und −ϕ gilt
ejϕ = cos(ϕ) + j sin(ϕ) ,

e−jϕ = cos(ϕ) − j sin(ϕ) .
Hieraus erhalten wir durch Auflösen nach cos(ϕ) und sin(ϕ) die folgenden Ausdrücke für
die Cosinus- und Sinusfunktionen
ejϕ + e−jϕ
cos(ϕ) = ,

ejϕ − e−jϕ
sin(ϕ) = .
j
2.3.3 Addition
Die Addition zweier komplexer Zahlen z  = x  + jy  und z  = x  + jy  geschieht getrennt

nach Realteil und Imaginärteil gemäß
z  + z  = (x  + jy  ) + (x  + jy  )
= x  + jy  + x  + jy 
= (x  + x  ) + j (y  + y  ) .
Es gilt somit in kartesischen Koordinaten
R{z  + z  } = R{z  } + R{z  } ,

I{z  + z  } = I{z  } + I{z  } .
2.3.4 Multiplikation
Die Multiplikation zweier komplexer Zahlen z  = x  + jy  und z  = x  + jy  berechnet sich

durch Ausmultiplizieren unter Beachtung von j = − gemäß
z  ⋅ z  = (x  + jy  ) ⋅ (x  + jy  )
= x  ⋅ x  + jy  ⋅ x  + x  ⋅ jy  + j y  ⋅ y 
= x  ⋅ x  + jy  ⋅ x  + jx  ⋅ y  − y  ⋅ y 
= (x  ⋅ x  − y  ⋅ y  ) + j (y  ⋅ x  + x  ⋅ y  ) .
In kartesischen Koordinaten ergibt sich zusammengefasst
R{z  ⋅ z  } = R{z  } ⋅ R{z  } − I{z  } ⋅ I{z  } ,

I{z  ⋅ z  } = I{z  } ⋅ R{z  } + R{z  } ⋅ I{z  } .
In Polarkoordinaten gestaltet sich die Multiplikation der beiden komplexen Zahlen z  =

ρ  ⋅ ejϕ  und z  = ρ  ⋅ ejϕ  einfacher, wie die folgende Rechnung zeigt. Durch Ausnutzen der
Fundamentaleigenschaft der Exponentialfunktion erhalten wir
z  ⋅ z  = (ρ  ⋅ ejϕ  ) ⋅ (ρ  ⋅ ejϕ  )
= ρ  ⋅ ρ  ⋅ ejϕ  ⋅ ejϕ 
= (ρ  ⋅ ρ  ) ⋅ ej(ϕ  +ϕ  ) .
Das Produkt z = z  ⋅ z  = ρ ⋅ ejϕ wird in Polarkoordinaten berechnet, indem die Beträge ρ 

und ρ  multipliziert sowie die Winkel ϕ  und ϕ  addiert werden, das heißt es gilt
ρ = ρ ⋅ ρ ,
ϕ = ϕ + ϕ .
2.3.5 Potenzierung
Wird die komplexe Zahl z = x + jy = ρ ⋅ ejϕ zur n-ten Potenz z n erhoben, so erhalten wir
unter Verwendung der Darstellung in Polarkoordinaten
z n = ρ n ⋅ ejnϕ
mit dem Betrag ρ n und dem Winkel nϕ.
2.3.6 Komplexe Konjugation
Für eine komplexe Zahl z = x + jy stellt z ∗ die zugehörige konjugiert komplexe Zahl
z ∗ = x − jy
dar. Der Realteil x bleibt bei der komplexen Konjugation bestehen, während der Imaginär-
teil y sein Vorzeichen ändert.
Für die komplexe Konjugation ergibt sich für die komplexe Zahl in Polarkoordinaten
z = ρ ⋅ ejϕ = ρ ⋅ cos(ϕ) + j ⋅ ρ ⋅ sin(ϕ) unter Zuhilfenahme der Eulerschen Formel
z ∗ = ρ ⋅ cos(ϕ) − j ⋅ ρ ⋅ sin(ϕ)
= ρ ⋅ cos(−ϕ) + j ⋅ ρ ⋅ sin(−ϕ)
= ρ ⋅ e−jϕ .
2.4 Vektoren und Matrizen 11
Bei der komplexen Konjugation ändert der Winkel ϕ aufgrund der Symmetrieeigenschaften
der Cosinus- und Sinusfunktionen sein Vorzeichen, während der Betrag ρ = ∣z∣ unverän-
dert bleibt, das heißt es gilt
∣z ∗ ∣ = ∣z∣ .
Des Weiteren folgt
z ⋅ z ∗ = ρ ⋅ ejϕ ⋅ ρ ⋅ e−jϕ = ρ  ⋅ ejϕ−jϕ = ρ  = ∣z∣
und somit
√
∣z∣ = z ⋅ z∗ .
Aus der komplexen Zahl z und der konjugiert komplexen Zahl z ∗ lassen sich der Realteil
x = R{z} und der Imaginärteil y = I{z} ermitteln. Es gilt
z = x + jy ,
∗
z = x − jy .
Hieraus folgen durch Auflösen nach x = R{z} und y = I{z} die Beziehungen
z + z∗
R{z} = ,

∗
z−z
I{z} = .
j
2.4 Vektoren und Matrizen
In diesem Abschnitt beschreiben wir Vektoren und Matrizen, wie sie im Folgenden für
die Formulierung der diskreten Fourier-Transformation in Matrixdarstellung verwendet
werden.
2.4.1 Vektoren
Liegen N komplexe Zahlen z(), z(), . . . , z(N − ) vor, so werden diese Zahlen zu einem
N-dimensionalen Vektor
⎛ z() ⎞
⎜ z() ⎟
z =⎜ ⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ z(N − ) ⎠
in dem N-dimensionalen komplexen Vektorraum C N zusammengefasst. Einem solchen

Vektor kann der Vektorbetrag

N− √
∥z∥ =
∑ ∣z(k)∣ = ∣z()∣ + ∣z()∣ + . . . + ∣z(N − )∣
k=
beziehungsweise der Quadrat des Vektorbetrags

N−

∥z∥ = ∑ ∣z(k)∣ = ∣z()∣ + ∣z()∣ + . . . + ∣z(N − )∣
k=
zugeordnet werden. Der Vektorbetrag ∥z∥ gibt hierbei die Länge des Vektors z an.
Eine häufige Operation auf Vektoren stellt die Vektoraddition dar. So wird die Addition
der Vektoren
⎛ x() ⎞ ⎛ y() ⎞
⎜ x() ⎟ ⎜ ⎟
x=⎜ ⎟ und y = ⎜ y() ⎟
⎜ ⋮ ⎟ ⎜ ⋮ ⎟
⎜ ⎟ ⎜ ⎟
⎝ x(N − ) ⎠ ⎝ y(N − ) ⎠
definiert als
z=x+y
entsprechend
⎛ z() ⎞ ⎛ x() ⎞ ⎛ y() ⎞

⎜ z() ⎟ ⎜ x() ⎟ ⎜ y() ⎟
⎜ ⎟ ⎜ ⎟+⎜ ⎟
⎜ ⋮ ⎟=⎜ ⋮ ⎟ ⎜ ⋮ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ z(N − ) ⎠ ⎝ x(N − ) ⎠ ⎝ y(N − ) ⎠
⎛ x() + y() ⎞
⎜ x() + y() ⎟
=⎜
⎜
⎟ .
⎟
⎜ ⋮ ⎟
⎝ x(N − ) + y(N − ) ⎠
Die Vektoraddition erfolgt gemäß der komponentenweisen Addition
z(k) = x(k) + y(k)
für die Vektorkomponenten z(k) ∈ C mit dem Index  ≤ k ≤ N − .

Eine weitere wichtige Operation auf Vektoren stellt die innere Vektormultiplikation im
Sinne des so genannten Skalarprodukts dar. Das Skalarprodukt ⟨x, y⟩ zweier komplexer
Vektoren x ∈ C N und y ∈ C N ist definiert als
N−
⟨x, y⟩ = ∑ x(k) ⋅ y ∗ (k)
k=
= x() ⋅ y ∗ () + x() ⋅ y ∗ () + . . . + x(N − ) ⋅ y ∗ (N − ) .

2.4 Vektoren und Matrizen 13
2.4.2 Matrizen
Neben Vektoren stellen Matrizen wichtige Zusammenstellungen von komplexen Zahlen

dar. Eine N × N-Matrix A ist definiert als
⎛ a(, ) a(, ) ⋯ a(, N − ) ⎞

⎜ a(, ) a(, ) ⋯ a(, N − ) ⎟
A=⎜
⎜
⎟
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎝ a(N − , ) a(N − , ) ⋯ a(N − , N − ) ⎠
mit den N  komplexen Matrixkomponenten a k,ℓ ∈ C mit den Indizes  ≤ k, ℓ ≤ N − . Eine

solche N × N-Matrix A kann mit einem N-dimensionalen Vektor x multipliziert werden
entsprechend der Matrix-Vektor-Multiplikation
y = A⋅x
beziehungsweise ausführlich
⎛ y() ⎞
⎜ y() ⎟
⎜ ⎟
⎜ ⋮ ⎟
⎜ ⎟
⎝ y(N − ) ⎠
⎛ a(, ) a(, ) ⋯ a(, N − ) ⎞ ⎛ x() ⎞

⎜ a(, ) a(, ) ⋯ a(, N − ) ⎟ ⎜ x() ⎟
=⎜
⎜
⎟⋅⎜
⎟ ⎜
⎟ .
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟ ⎜ ⋮ ⎟
⎝ a(N − , ) a(N − , ) ⋯ a(N − , N − ) ⎠ ⎝ x(N − ) ⎠
Die Vektorkomponenten y(), y(), . . . , y(N − ) werden durch Multiplikation der Zeilen
der Matrix A mit dem spaltenweisen Vektor x berechnet gemäß
y()
⎛ x() ⎞
⎜ x() ⎟
= (a(, ), a(, ), . . . , a(, N − )) ⋅ ⎜
⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
= a(, ) ⋅ x() + a(, ) ⋅ x() + . . . + a(, N − ) ⋅ x(N − ) ,

y()
⎛ x() ⎞
⎜ x() ⎟
= (a(, ), a(, ), . . . , a(, N − )) ⋅ ⎜
⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
= a(, ) ⋅ x() + a(, ) ⋅ x() + . . . + a(, N − ) ⋅ x(N − ) ,

⋮
y(N − )
⎛ x() ⎞
⎜ x() ⎟
= (a(N − , ), a(N − , ), . . . , a(N − , N − )) ⋅ ⎜
⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
= a(N − , ) ⋅ x() + a(N − , ) ⋅ x() + . . . + a(N − , N − ) ⋅ x(N − ) .
Die Vektorkomponenten y(k) ergeben sich somit aus
y(k) = a(k, ) ⋅ x() + a(k, ) ⋅ x() + . . . + a(k, N − ) ⋅ x(N − )

N−
= ∑ a(k, ℓ) ⋅ x(ℓ)
ℓ=
für den Zeilenindex  ≤ k ≤ N −  und den Spaltenindex  ≤ ℓ ≤ N − .

Im Rahmen der Matrixdarstellung der diskreten Fourier-Transformation kann die ver-
wendete N × N-Matrix A invertiert werden, um aus dem Vektor
y = A⋅ x
den Vektor x zu bestimmen gemäß
x = A− ⋅ y .
Mit der N × N-Einheitsmatrix
⎛   ⋯  ⎞
⎜   ⋯  ⎟
IN = ⎜
⎜
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝   ⋯  ⎠
gilt für die Matrixinverse A− der Matrix A
A ⋅ A− = A− ⋅ A = I N .
2.5 Geometrische Reihe 15
2.5 Geometrische Reihe
Die so genannte endliche geometrische Reihe ist definiert als die Summe
N−
S N = ∑ q n =  + q  + q  + . . . + q N−
n=
mit der komplexen Zahl q ∈ C und q  = . Für q =  berechnet sich der Summenwert zu
N−
S N = ∑ n =  +  +  + . . . +  N− = N .
n=
Im Fall q ≠  ergibt sich
S N =  + q + q  + . . . + q N−
=  + q + q  + . . . + q N− + q N − q N
=  + q ⋅ ( + q + q  + . . . + q N− ) − q N
=  + q ⋅ SN − qN .
Hieraus folgt durch Ausklammern von S N auf der linken Seite der Gleichung
SN − q ⋅ SN =  − qN
für q ≠  die geometrische Reihe
N−
 − qN
S N = ∑ qn = .
n= −q
Die Formel für die geometrische Reihe wird uns bei einer Vielzahl von Herleitungen im
Zusammenhang mit der diskreten Fourier-Transformation von Nutzen sein.
Definition der DFT 3
In Kap. 2 haben wir die für die diskrete Fourier-Transformation wichtigen mathemati-
schen Strukturen wie komplexe Zahlen, Vektoren und Matrizen sowie die geometrische
Reihe kennen gelernt. Mit Hilfe dieser mathematischen Grundlagen wenden wir uns in
diesem Kapitel der Definition der diskreten Fourier-Transformation zu [3, 14, 18, 19, 25].
3.1 Transformationsformeln
3.1.1 Hintransformation
Die diskrete Fourier-Transformation (DFT – Discrete Fourier Transform) ordnet der fini-
ten Signalfolge im Originalbereich
{x(k)}≤k≤N− = {x(), x(), . . . , x(N − )}
der Länge N mit dem Index  ≤ k ≤ N −  die finite Spektralfolge im Spektralbereich
{X(ℓ)}≤ℓ≤N− = {X(), X(), . . . , X(N − )}
bestehend aus N Spektralwerten mit dem Index  ≤ ℓ ≤ N −  zu. Die Transformationsvor-

schrift lautet
N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N . (3.1)
k=
Für diese Hintransformation schreiben wir im Folgenden häufig symbolisch
X(ℓ) = DFT {x(k)} .
In Abb. 3.1 ist die diskrete Fourier-Transformation DFT veranschaulicht.

18 3 Definition der DFT
Abb. 3.1 Diskrete Fourier-Transformation DFT der Signalfolge {x(k)}≤k≤N− in die Spektralfolge
{X(ℓ)}≤ℓ≤N−
Abb. 3.2 Reelle Signalfolge

{x(k)}≤k≤N−
Abb. 3.3 Komplexe Spektralfolge

{X(ℓ)}≤ℓ≤N− in kartesischen
Koordinaten
Die finite Signalfolge ist im Allgemeinen komplex x(k) ∈ C gemäß
x(k) = R{x(k)} + jI{x(k)} .
In praktischen Anwendungen ist die finite Signalfolge häufig reell x(k) ∈ R. Die finite Spek-
tralfolge ist auch für reelle Signalfolgen in der Regel komplex X(ℓ) ∈ C. In kartesischen
Koordinaten und in Polarkoordinaten lautet die Spektralfolge
X(ℓ) = R{X(ℓ)} + jI{X(ℓ)} = ∣X(ℓ)∣ ⋅ ejϕ(ℓ)

3.1 Transformationsformeln 19
Abb. 3.4 Komplexe Spektralfolge

{X(ℓ)}≤ℓ≤N− in Polarkoordina-
ten
mit dem Betrag ∣X(ℓ)∣ und dem Winkel ϕ(ℓ). Abbildung 3.2 zeigt das Beispiel einer reellen
finiten Signalfolge {x(k)}≤k≤N− für N = , während Abb. 3.3 und Abb. 3.4 die zugehö-
rige finite Spektralfolge {X(ℓ)}≤ℓ≤N− in kartesischen Koordinaten und Polarkoordinaten
darstellen.
3.1.2 Rücktransformation
Aus der finiten Spektralfolge {X(ℓ)}≤ℓ≤N− der Länge N lässt sich die ursprüngliche finite
Signalfolge {x(k)}≤k≤N− zurückgewinnen. Zur Herleitung der Formel für die Rücktrans-
formation bilden wir die Summe
N− N− N−

∑ X(ℓ) ⋅ e
jπ kℓ/N
= ∑ ( ∑ x(κ) ⋅ e−jπκℓ/N ) ⋅ ejπ kℓ/N
ℓ= ℓ= κ=
N− N−
= ∑ ∑ x(κ) ⋅ ejπ(k−κ)ℓ/N .
ℓ= κ=
Nach Vertauschen der Summationsreihenfolge und Ausklammern des nicht von dem Sum-
mationsindex ℓ abhängigen Wertes x(κ) erhalten wir
N− N− N− N− N−

∑ X(ℓ) ⋅ e = ∑ ∑ x(κ) ⋅ ejπ(k−κ)ℓ/N = ∑ x(κ) ∑ ejπ(k−κ)ℓ/N .
jπ kℓ/N
ℓ= κ= ℓ= κ= ℓ=
N− jπ(k−κ)ℓ/N
Für die innere Summe ∑ℓ= e gilt für den Fall k = κ
N− N− N−

∑e
jπ(k−κ)ℓ/N
= ∑ ejπ⋅⋅ℓ/N = ∑  = N .
ℓ= ℓ= ℓ=
Im Fall von k ≠ κ folgt die Beziehung

N− N− ℓ
∑ ejπ(k−κ)ℓ/N = ∑ (ejπ(k−κ)/N )
ℓ= ℓ=
N
 − (ejπ(k−κ)/N )
=
 − ejπ(k−κ)/N
 − ejπ(k−κ)N/N
=
 − ejπ(k−κ)
=
−
=
=
N− ℓ
mit der geometrischen Reihe ∑ℓ= q = ( − q N )/( − q) und q = ejπ(k−κ)/N ≠ . Insgesamt
gilt zusammengefasst die Fallunterscheidung
N−
N, k=κ
∑e
jπ(k−κ)ℓ/N
={ .
ℓ= , k≠κ
Daraus ergibt sich
N− N− N−
∑ X(ℓ) ⋅ e = ∑ x(κ) ∑ ejπ(k−κ)ℓ/N
jπ kℓ/N
ℓ= κ= ℓ=
= x(k) ⋅ N + ∑ x(κ) ⋅ 
κ≠k
= x(k) ⋅ N
und somit die Rücktransformationsformel der diskreten Fourier-Transformation
 N−
x(k) = ∑ X(ℓ) ⋅ e
jπ kℓ/N
. (3.2)
N ℓ=
Diese Rücktransformation der DFT wird im Folgenden häufig symbolisch abgekürzt mit
der Formel
x(k) = IDFT {X(ℓ)}
(IDFT – Inverse Discrete Fourier Transform). Abbildung 3.5 veranschaulicht die inverse
diskrete Fourier-Transformation IDFT.
Die Abbildung zwischen der finiten Signalfolge {x(k)}≤k≤N− im Originalbereich
und der Spektralfolge {X(ℓ)}≤ℓ≤N− im Spektralbereich wird für die diskrete Fourier-
Transformation insgesamt durch die folgenden Transformationsgleichungen beschrieben.1
1
Zu beachten ist, dass innerhalb der Summenausdrücke anstelle der Summationsindizes k und ℓ
auch andere Summationsindizes wie beispielsweise κ und λ verwendet werden können.
3.1 Transformationsformeln 21
Abb. 3.5 Inverse diskrete Fourier-Transformation IDFT der Spektralfolge {X(ℓ)}≤ℓ≤N− in die
Signalfolge {x(k)}≤k≤N−
N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N
k=
r
b (3.3)
 N−
x(k) = ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
Das Symbol „ b r “ (in Worten „korrespondiert“) wird in diesem Buch im Folgenden für
die Transformation der diskreten Fourier-Transformation verwendet, wobei der offene
Kreis dem (hellen) Originalbereich und der gefüllte Kreis dem (dunklen) Spektralbereich
entsprechen.
Die Berechnung der Rücktransformation der diskreten Fourier-Transformation kann
auf die Hintransformation zurückgeführt werden. So gilt mittels der komplexen Konjuga-
tion
∗
 N−  N−
x(k) = IDFT {X(ℓ)} = ∑ X(ℓ) ⋅ e
jπ kℓ/N
= ( ∑ X ∗ (ℓ) ⋅ e−jπ kℓ/N ) .
N ℓ= N ℓ=
Werden in der Hintransformation

N−
X(ℓ) = DFT {x(k)} = ∑ x(k) ⋅ e−jπ kℓ/N
k=
die Indizes k und ℓ vertauscht, so folgt mit

N−
DFT {X ∗ (ℓ)} = ∑ X ∗ (ℓ) ⋅ e−jπ kℓ/N
ℓ=
die Beziehung
 ∗
x(k) = IDFT {X(ℓ)} = (DFT {X ∗ (ℓ)}) . (3.4)
N
Die Rücktransformation der finiten Spektralfolge {X(ℓ)}≤ℓ≤N− in die finite Signalfolge

{x(k)}≤k≤N− kann für die inverse diskrete Fourier-Transformation folgenderma-
ßen berechnet werden. Zu diesem Zweck wird die diskrete Fourier-Transformation
DFT {X ∗ (ℓ)} der konjugiert komplexen Spektralfolge ermittelt, die resultierende Sig-
nalfolge komplex konjugiert und durch den Faktor N dividiert.
3.2 Analyse und Synthese
In den angegebenen Transformationsformeln der diskreten Fourier-Transformation für

die Hin- und Rücktransformation erscheinen die komplexen Ausdrücke
πkℓ πkℓ
e±jπ kℓ/N = cos ( ) ± j sin ( ) .
N N
Abb. 3.6 Signalfolgen {c ℓ (k)}≤k≤N− und {s ℓ (k)}≤k≤N− für die diskrete Fourier-
Transformation der Länge N = 
3.2 Analyse und Synthese 23
Für einen festen Index ℓ mit  ≤ ℓ ≤ N −  fassen wir ejπ kℓ/N als ℓ. komplexe Signalfolge
πkℓ πkℓ
wℓ (k) = ejπ kℓ/N = cos ( ) + j sin ( )
N N
auf, die von dem unabhängigen Index k mit  ≤ k ≤ N −  abhängt.

Mit Hilfe der Eulerschen Formel ergeben sich die in Abb. 3.6 beispielsweise dargestell-
ten N =  komplexen Signalfolgen
wℓ (k) = c ℓ (k) + js ℓ (k)
mit dem cosinusförmigen Realteil
πkℓ
c ℓ (k) = R {wℓ (k)} = R {ejπ kℓ/N } = cos ( )
N
und dem sinusförmigen Imaginärteil
πkℓ
s ℓ (k) = I {wℓ (k)} = I {ejπ kℓ/N } = sin ( )
N
mit  ≤ k, ℓ ≤ N − .
Unter Verwendung der finiten Signalfolgen {wℓ (k)}≤k≤N− mit den komplexen Signalwer-
ten wℓ (k) = c ℓ (k) + js ℓ (k) und  ≤ ℓ ≤ N −  kann die Hintransformation der diskreten
Fourier-Transformation folgendermaßen geschrieben werden.
N− N− N−

X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N = ∑ x(k) ⋅ w∗ℓ (k) = ∑ x(k) ⋅ [c ℓ (k) − js ℓ (k)]
k= k= k=
In dieser Formulierung wird die komplexe Konjugation
∗
e−jπ kℓ/N = (ejπ kℓ/N ) = w∗ℓ (k) = c ℓ (k) − js ℓ (k)
von wℓ (k) verwendet. Der in der DFT-Hintransformationsformel auftretende Ausdruck

∑ k= x(k) ⋅ w∗ℓ (k) entspricht dem im Kap. 2 definierten Skalarprodukt. Mit diesem Ska-
N−
larprodukt wird ermittelt, mit welchem Anteil die komplexe Signalfolge {wℓ (k)}≤k≤N−
beziehungsweise die cosinusförmigen und sinusförmigen Signalfolgen {c ℓ (k)}≤k≤N− und
{s ℓ (k)}≤k≤N− in der finiten Signalfolge {x(k)}≤k≤N− auftreten. Die Bestimmung der

Spektralwerte X(ℓ) mit  ≤ ℓ ≤ N −  liefert die spektrale Analyse der Signalfolge auf Basis
der diskreten Fourier-Transformation.
Die Rücktransformation der diskreten Fourier-Transformation lautet mit den komplexen

Signalfolgen {wℓ (k)}≤k≤N− mit wℓ (k) = c ℓ (k) + js ℓ (k) und  ≤ ℓ ≤ N −  wie folgt.
 N−  N−  N−

x(k) = ∑ X(ℓ) ⋅ e
jπ kℓ/N
= ∑ X(ℓ) ⋅ wℓ (k) = ∑ X(ℓ) ⋅ [c ℓ (k) + js ℓ (k)]
N ℓ= N ℓ= N ℓ=
Die finite Signalfolge {x(k)}≤k≤N− ergibt sich aus der Überlagerung oder Superposition
der mit den Spektralwerten X(ℓ) der finiten Spektralfolge {X(ℓ)}≤ℓ≤N− gewichteten co-
sinusförmigen und sinusförmigen Signalfolgen {c ℓ (k)}≤k≤N− und {s ℓ (k)}≤k≤N− . Diese
Operation entspricht der Synthese der Signalfolge auf Basis der Spektralfolge mit Hilfe der
diskreten Fourier-Transformation.
3.3 Periodizität
Die Definition der diskreten Fourier-Transformation basiert auf einer finiten Signalfolge
{x(k)}≤k≤N− und einer finiten Spektralfolge {X(ℓ)}≤ℓ≤N− , die jeweils aus N komplexen
Werten bestehen. Bei der Herleitung der Eigenschaften und Korrespondenzen der diskreten
Fourier-Transformation in den folgenden Kapiteln ist es hilfreich, die Indizes k und ℓ im
Originalbereich und im Spektralbereich auf die Menge Z der ganzen Zahlen auszudehnen.
Wie sich im Folgenden zeigen wird, sind die auf diese Indexmenge erweiterten Signalfolge
{x(k)}−∞<k<∞ und Spektralfolge {X(ℓ)}−∞<ℓ<∞ jeweils periodisch mit der Periode N.
3.3.1 Periodizität der Spektralfolge
Ausgehend von der Formel für die Hintransformation der diskreten Fourier-Transforma-
tion
N−
X(ℓ) = DFT {x(k)} = ∑ x(k) ⋅ e−jπ kℓ/N
k=
3.3 Periodizität 25
mit  ≤ ℓ ≤ N −  erweitern wir den Indexbereich im Spektralbereich auf ℓ ∈ Z und setzen

probeweise für ℓ den Index ℓ + N ein. Daraus ergibt sich
N−
X(ℓ + N) = ∑ x(k) ⋅ e−jπ k(ℓ+N)/N
k=
N−
= ∑ x(k) ⋅ e−jπ kℓ/N ⋅ e−jπ k N/N
k=
N−
= ∑ x(k) ⋅ e−jπ kℓ/N ⋅ e−jπ k
k=
N−
= ∑ x(k) ⋅ e−jπ kℓ/N
k=
= X(ℓ)
aufgrund der π-Periodizität der harmonischen Funktion e−jϕ . Die auf die Indexmenge Z
der ganzen Zahlen erweiterte Spektralfolge {X(ℓ)}−∞<ℓ<∞ ist somit periodisch mit der
Periode N gemäß
X(ℓ + N) = X(ℓ) . (3.5)
In den Abb. 3.7 und 3.8 ist die periodische Fortsetzung der finiten Spektralfolge
{X(ℓ)}≤ℓ≤N− für N =  in kartesischen Koordinaten und in Polarkoordinaten ver-
anschaulicht.
Abb. 3.7 Periodische Fortset-

zung der finiten Spektralfolge
{X(ℓ)}≤ℓ≤N− in kartesischen
Koordinaten
Abb. 3.8 Periodische Fortset-

zung der finiten Spektralfolge
{X(ℓ)}≤ℓ≤N− in Polarkoordi-
naten
3.3.2 Periodizität der Signalfolge
Wie im Fall der Hintransformation gehen wir nun von der Berechnungsvorschrift für die
Rücktransformation der diskreten Fourier-Transformation
 N−
x(k) = IDFT {X(ℓ)} = ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
mit  ≤ k ≤ N − aus und erweitern den Indexbereich im Originalbereich auf die Menge der
ganzen Zahlen k ∈ Z. Durch probeweises Ersetzen von k durch den Index k + N erhalten
wir
 N−
x(k + N) = ∑ X(ℓ) ⋅ e
jπ(k+N)ℓ/N
N ℓ=
 N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπ N ℓ/N
N ℓ=
 N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ
N ℓ=
 N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
= x(k)
erneut aufgrund der π-Periodizität der harmonischen Funktion ejϕ . Die auf die Index-
menge Z der ganzen Zahlen erweiterte Signalfolge {x(k)}−∞<k<∞ ist wie die Spektralfolge
{X(ℓ)}−∞<ℓ<∞ periodisch mit der Periode N gemäß
3.4 Matrixdarstellung der DFT 27
Abb. 3.9 Periodische Fort-

setzung der finiten Signalfolge
{x(k)}≤k≤N−
x(k + N) = x(k) . (3.6)
Die periodische Fortsetzung der finiten Signalfolge {x(k)}≤k≤N− ist für N =  in Abb. 3.9
veranschaulicht.
Alternativ kann die N-Periodizität der Signalfolge x(k) = x(k + N) und der Spektral-
folge X(ℓ) = X(ℓ + N) mit Hilfe der modulo-Rechnung wie folgt für ganzzahlige Indizes
k, ℓ ∈ Z formuliert werden.
x(k) = x(k mod N) (3.7)

X(ℓ) = X(ℓ mod N) (3.8)
3.4 Matrixdarstellung der DFT
Zur kompakteren Darstellung der diskreten Fourier-Transformation wird ein so genann-

ter Drehfaktor
π π
w N = e−jπ/N = cos ( ) − j sin ( ) (3.9)
N N
eingeführt. Unter Verwendung dieses Drehfaktors mit
kℓ
e−jπ kℓ/N = (e−jπ/N ) = w Nkℓ ,
−kℓ
ejπ kℓ/N = (e−jπ/N ) = w−kℓ
N
schreiben wir die DFT-Transformationsgleichungen wie folgt.

Abb. 3.10 Komplexer Drehfaktor w N = e−jπ/N
N−
X(ℓ) = ∑ x(k) ⋅ w Nkℓ
k=
r
b (3.10)
 N− −kℓ
x(k) = ∑ X(ℓ) ⋅ w N
N ℓ=
Der in Abb. 3.10 veranschaulichte Drehfaktor w N besitzt reichhaltige Symmetrieeigenschaf-

ten. So gelten beispielsweise die folgenden Beziehungen.
N
w NN = (e−jπ/N ) = e−jπ N/N = e−jπ = 
N/
= (e−jπ/N ) e−jπ N/(N) = e−jπ/
N/
wN = = −j
N/
= (e−jπ/N ) e−jπ N/(N) = e−jπ
N/
wN = = −
−jπ/N N/
e−jπN/(N) = e−jπ/
N/
wN = (e ) = = j
Zur Herleitung einer Matrixdarstellung der DFT-Hintransformation der diskreten Fou-

rier-Transformation kann die Spektralfolge wie folgt formuliert werden.
N−
X(ℓ) = ∑ x(k) ⋅ w Nkℓ
k=
N−
= ∑ w Nℓk ⋅ x(k)
k=
ℓ⋅(N−)
= w Nℓ⋅ ⋅ x() + w Nℓ⋅ ⋅ x() + . . . + w N ⋅ x(N − )
⎛ x() ⎞
⎜ x() ⎟
)⋅⎜ ⎟
ℓ⋅(N−)
= (w Nℓ⋅ , w Nℓ⋅ , . . . , w N ⎜ ⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
Mit dem N-dimensionalen Vektor für die finite Signalfolge {x(k)}≤k≤N−
⎛ x() ⎞
⎜ x() ⎟
x=⎜
⎜
⎟
⎟ (3.11)
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
erhalten wir
ℓ⋅(N−)
X(ℓ) = (w Nℓ⋅ , w Nℓ⋅ , . . . , w N )⋅x .
Für den Index  ≤ ℓ ≤ N −  folgt hiermit für die finite Spektralfolge
⋅(N−)
X() = (w ⋅ ⋅
N , wN , . . . , wN )⋅x ,
⋅(N−)
X() = (w ⋅ ⋅
N , wN , . . . , wN )⋅x ,
⋮
(N−)⋅ (N−)⋅ (N−)⋅(N−)
X(N − ) = (w N , wN , . . . , wN )⋅x
beziehungsweise vereinfacht
X() = (, , . . . , ) ⋅ x ,
⋅(N−)
X() = (, w ⋅
N , . . . , wN )⋅x ,
⋮
(N−)⋅ (N−)⋅(N−)
X(N − ) = (, w N , . . . , wN )⋅x .
Diese N Gleichungen können mit Hilfe des N-dimensionalen Vektors
⎛ X() ⎞
⎜ X() ⎟
X=⎜
⎜
⎟
⎟ (3.12)
⎜ ⋮ ⎟
⎝ X(N − ) ⎠
für die finite Spektralfolge {X(ℓ)}≤ℓ≤N− formuliert werden gemäß
⎛   ⋯  ⎞
⎜  w ⋅ ⋯ wN
⋅(N−)
⎟
X=⎜
⎜
N ⎟⋅x .
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎝ (N−)⋅
 wN
(N−)⋅(N−)
⋯ wN ⎠
Mit Hilfe der N × N-Transformationsmatrix
⎛   ⋯  ⎞
⎜  w ⋅ ⋯ wN
⋅(N−)
⎟
WN = ⎜
⎜
N ⎟
⎟ (3.13)
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎝ (N−)⋅
 wN
(N−)⋅(N−)
⋯ wN ⎠
beziehungsweise abgekürzt mit dem Zeilenindex  ≤ ℓ ≤ N −  und dem Spaltenindex

≤ k ≤ N −
W N = (w Nℓk )≤k,ℓ≤N−
kann die Hintransformation der diskreten Fourier-Transformation als Matrix-Vektor-

Multiplikation wie folgt geschrieben werden.
X = WN ⋅ x (3.14)
In ausführlicher Matrixdarstellung gilt
⎛ X() ⎞ ⎛   ⋯  ⎞ ⎛ x() ⎞
⎜ X() ⎟ ⎜  w ⋅ ⋯ wN
⋅(N−)
⎟ ⎜ x() ⎟
⎜ ⎟=⎜ N ⎟⋅⎜ ⎟ .
⎜ ⋮ ⎟ ⎜ ⋮ ⋮ ⋱ ⋮ ⎟ ⎜ ⋮ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ X(N − ) ⎠ ⎝ (N−)⋅
 wN
(N−)⋅(N−)
⋯ wN ⎠ ⎝ x(N − ) ⎠
Die Transformationsmatrix W N ist wegen
w Nℓk = w Nkℓ
durch Vertauschen der Zeilen und Spalten von W N symmetrisch.
Zur Herleitung einer Matrixdarstellung der DFT-Rücktransformation der diskreten Fouri-

er-Transformation formulieren wir die Signalfolge wie bei der Hintransformation folgen-
dermaßen.
 N− −kℓ
x(k) = ∑ X(ℓ) ⋅ w N
N ℓ=
 N− −kℓ
= ∑ w ⋅ X(ℓ)
N ℓ= N
   −k⋅(N−)
= ⋅ w−k⋅
N ⋅ X() + ⋅ w−k⋅N ⋅ X() + . . . + ⋅ wN ⋅ X(N − )
N N N
⎛ X() ⎞
 ⎜ X() ⎟
)⋅⎜ ⎟
−k⋅(N−)
= ⋅ (w−k⋅ −k⋅
N , wN , . . . , wN ⎜ ⎟
N ⎜ ⋮ ⎟
⎝ X(N − ) ⎠
 −k⋅(N−)
= ⋅ (w−k⋅ −k⋅
N , wN , . . . , wN )⋅X
N
Für den Index  ≤ k ≤ N −  folgt hiermit für die finite Signalfolge
 −⋅(N−)
x() = ⋅ (w−⋅ −⋅
N , wN , . . . , wN )⋅X ,
N
 −⋅(N−)
x() = ⋅ (w−⋅ −⋅
N , wN , . . . , wN )⋅X ,
N
⋮
 −(N−)⋅ −(N−)⋅ −(N−)⋅(N−)
x(N − ) = ⋅ (w N , wN , . . . , wN )⋅X
N
beziehungsweise wieder vereinfacht

x() = ⋅ (, , . . . , ) ⋅ X ,
N
 −⋅(N−)
x() = ⋅ (, w−⋅N , . . . , wN )⋅X ,
N
⋮
 −(N−)⋅ −(N−)⋅(N−)
x(N − ) = ⋅ (, w N , . . . , wN )⋅X .
N
Unter erneuter Verwendung des N-dimensionalen Signalvektors x folgt
⎛   ⋯  ⎞
−⋅(N−)
 ⎜  wN−⋅
⋯ wN ⎟
x= ⋅⎜ ⎟⋅ X .
N ⎜⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝ −(N−)⋅
 wN
−(N−)⋅(N−)
⋯ wN ⎠
Die Inverse w−

N des Drehfaktors
− ∗
w−
N = (e
−jπ/N
) = ejπ/N = (e−jπ/N ) = w∗N
entspricht der komplexen Konjugation w∗N des Drehfaktors w N , so dass gilt
⎛   ⋯  ⎞
−⋅(N−)
 ⎜  wN−⋅
⋯ wN ⎟
x= ⋅⎜ ⎟⋅X
N ⎜⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝ −(N−)⋅
 wN
−(N−)⋅(N−)
⋯ wN ⎠
⎛   ⋯  ⎞
∗ ⋅(N−) ∗
 ⎜⎜  N)
(w ⋅ ⋯ (w N ) ⎟
⎟
= ⋅⎜ ⎟⋅X
N ⎜⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝ (N−)⋅ ∗ (N−)⋅(N−) ∗ ⎠
 (w N ) ⋯ (w N )
∗
⎛   ⋯  ⎞
 ⎜  w ⋅ ⋯ wN
⋅(N−)
⎟
= ⋅⎜ N ⎟ ⋅X .
N ⎜⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝ (N−)⋅
 wN
(N−)⋅(N−)
⋯ wN ⎠
Damit folgt schließlich für die Rücktransformationsformel der diskreten Fourier-

Transformation in Matrixdarstellung mit der komponentenweisen komplexen Konjugation
der Transformationsmatrix W N

x= ⋅ W ∗N ⋅ X (3.15)
N
⎛ x() ⎞
⎜ x() ⎟
⎜ ⎟
⎜ ⋮ ⎟
⎜ ⎟
⎝ x(N − ) ⎠
∗
⎛   ⋯  ⎞ ⎛ X() ⎞
 ⎜  w ⋅ ⋯ wN
⋅(N−)
⎟ ⎜ X() ⎟
= ⋅⎜ N ⎟ ⋅⎜ ⎟ .
N ⎜
⎜ ⋮ ⋮ ⋱ ⋮ ⎟ ⎜
⎟ ⎜ ⋮ ⎟
⎟
⎝ (N−)⋅
 wN
(N−)⋅(N−)
⋯ wN ⎠ ⎝ X(N − ) ⎠
Insgesamt erhalten wir somit die Transformationsgleichungen der diskreten Fourier-

Transformation in Matrixdarstellung
r b 
X = WN ⋅ x x= ⋅ W ∗N ⋅ X . (3.16)
N
3.4.2.1 Inverse der Transformationsmatrix

Wegen

x = W −
N ⋅X = ⋅ W ∗N ⋅ X
N
gilt für die Matrixinverse W −

N der Transformationsmatrix W N die Beziehung

W −
N = ⋅ W ∗N
N
mit der konjugiert komplexen Matrix W ∗N . Die N × N-Einheitsmatrix
⎛   ⋯  ⎞
⎜   ⋯  ⎟
IN = ⎜
⎜
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝   ⋯  ⎠
führt damit auf die Beziehung
W N ⋅ W ∗N = W ∗N ⋅ W N = N ⋅ I N .
Beispiel 3.1
Als Beispiel wird die diskrete Fourier-Transformation für die Länge N =  betrachtet.
Der entsprechende Drehfaktor ist gegeben durch
w = e−jπ/ = e−jπ/ = −j .
Unter Verwendung der Beziehung
w = (−j) = 
lautet die Transformationsmatrix der diskreten Fourier-Transformation
⎛     ⎞
⎜  w⋅ w⋅ w⋅ ⎟
W = ⎜
⎜
⎟
⎟
⎜  w⋅ w⋅ w⋅ ⎟
⎝  w⋅ w⋅ w⋅ ⎠
⎛     ⎞
⎜  w w w ⎟
=⎜
⎜
⎟
⎟
⎜  w w w ⎟
⎝  w w w ⎠
⎛     ⎞
⎜  w w w ⎟
=⎜
⎜
⎟
⎟
⎜  w  w ⎟
⎝  w w w ⎠
⎛     ⎞
⎜  −j (−j) (−j) ⎟
=⎜
⎜
⎟
⎟
⎜  (−j)  (−j) ⎟
⎝  (−j) (−j) −j ⎠
⎛     ⎞
⎜  −j − j ⎟
=⎜
⎜
⎟ .
⎜  −  − ⎟
⎟
⎝  j − −j ⎠
Die Hintransformation der diskreten Fourier-Transformation zur Berechnung des

vierdimensionalen Spektralvektors X entspricht der Matrix-Vektor-Multiplikation
⎛ X() ⎞ ⎛     ⎞ ⎛ x() ⎞
⎜ X() ⎟ ⎜  −j − j ⎟ ⎜ x() ⎟
⎜ ⎟=⎜ ⎟⋅⎜ ⎟
⎜ ⎟ ⎜  −  − ⎟ ⎜
⎟ ⎟
⎜ X() ⎟ ⎜ ⎜ x() ⎟
⎝ X() ⎠ ⎝  j − −j ⎠ ⎝ x() ⎠
beziehungsweise komponentenweise
X() = x() + x() + x() + x() ,

X() = x() − j ⋅ x() − x() + j ⋅ x() ,
X() = x() − x() + x() − x() ,
X() = x() + j ⋅ x() − x() − j ⋅ x() .
Für die Rücktransformation der diskreten Fourier-Transformation folgt mit der Matrix
⎛     ⎞
⎜  j − −j ⎟
W ∗ =⎜
⎜
⎟
⎜  −  − ⎟
⎟
⎝  −j − j ⎠
die Beziehung für die Berechnung des vierdimensionalen Signalvektors x
⎛ x() ⎞ ⎛     ⎞ ⎛ X() ⎞
⎜ x() ⎟  ⎜  j − −j ⎟ ⎜ X() ⎟
⎜ ⎟= ⋅⎜ ⎟⋅⎜ ⎟
⎜ ⎟  ⎜  −  − ⎟ ⎜ ⎟
⎜ x() ⎟ ⎜ ⎟ ⎜ X() ⎟
⎝ x() ⎠ ⎝  −j − j ⎠ ⎝ X() ⎠
beziehungsweise komponentenweise

x() = ⋅ [X() + X() + X() + X()] ,


x() = ⋅ [X() + j ⋅ X() − X() − j ⋅ X()] ,


x() = ⋅ [X() − X() + X() − X()] ,


x() = ⋅ [X() − j ⋅ X() − X() + j ⋅ X()] .

Für die als vierdimensionaler Signalvektor
⎛ x() ⎞ ⎛ , ⎞
⎜ x() ⎟ ⎜ −, ⎟
x =⎜
⎜
⎟=⎜
⎟ ⎜ , ⎟
⎟
⎜ x() ⎟ ⎜ ⎟
⎝ x() ⎠ ⎝ , ⎠
geschriebene beispielhafte Signalfolge {x(k)}≤k≤ ergibt sich mit diesen Beziehungen

der vierdimensionale Spektralvektor
⎛ X() ⎞ ⎛ , ⎞
⎜ X() ⎟ ⎜ , + j , ⎟
X =⎜
⎜
⎟=⎜
⎟ ⎜ ,
⎟
⎟
⎜ X() ⎟ ⎜ ⎟
⎝ X() ⎠ ⎝ , − j , ⎠
der zugehörigen Spektralfolge {X(ℓ)}≤ℓ≤ . Wie anhand dieses Beispiels ersicht-

lich wird, ist für eine reelle Signalfolge {x(k)}≤k≤N− die zugehörige Spektralfolge
{X(ℓ)}≤ℓ≤N− im Allgemeinen komplex. ◇
Aufgrund der reichhaltigen Symmetrieeigenschaften der Transformationsmatrix
W N = (w Nkℓ )≤k,ℓ≤N−
beziehungsweise des Drehfaktors

w N = e−jπ/N
kann für die Berechnung der diskreten Fourier-Transformation DFT ein effizienter Algo-
rithmus – die schnelle Fourier-Transformation (FFT – Fast Fourier Transform) – herge-
leitet werden [3]. Diesen schnellen FFT-Algorithmen werden wir uns im weiteren Verlauf
des Buches zuwenden.
3.5 Exkurs: Fourier-Transformation
Die diskrete Fourier-Transformation entspricht einer diskreten Transformation, die der

finiten Signalfolge {x(k)}≤k≤N− der Länge N die finite Spektralfolge {X(ℓ)}≤ℓ≤N−
ebenfalls der Länge N umkehrbar zuordnet. Die Transformationsformeln der diskreten
Fourier-Transformation hatten wir hergeleitet gemäß der Vorschrift
N−
r b  N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N x(k) = ∑ X(ℓ) ⋅ e
jπ kℓ/N
.
k= N ℓ=
Im Gegensatz zur diskreten Fourier-Transformation ordnet die so genannte (kontinu-

ierliche) Fourier-Transformation einem kontinuierlich von der Zeit t abhängigen Signal
x̃(t) das Spektrum X̃( f ) in Abhängigkeit der kontinuierlichen Frequenz f umkehrbar
zu [3, 18, 21, 23, 24]. Die Dimension der Zeit t ist üblicherweise die Sekunde [s], wäh-
rend die Dimension der Frequenz f ein Hertz [Hz] = [s− ] ist. Der Einfachheit halber
gehen wir im Folgenden von normierten Variablen t und f jeweils mit der Dimension []
aus. Wir betrachten zunächst Beispiele kontinuierlicher Signale x̃(t) und kontinuierlicher
Spektren X̃( f ) auf Basis der Definition der Fourier-Transformation. Anschließend be-
handeln wir den Zusammenhang zwischen der für kontinuierliche Signale und Spektren
definierten Fourier-Transformation und der diskreten Fourier-Transformation.2
3.5.1 Fourier-Transformation kontinuierlicher Signale
Kontinuierliche Signale x̃(t) im Originalbereich werden als Funktionen in Abhängigkeit

der reellen Zeitvariablen t ∈ R über der Zeitachse −∞ < t < ∞ betrachtet. So wird bei-
spielsweise das kontinuierliche impulsförmige Rechtecksignal definiert gemäß
⎧
⎪ , t < − 
⎪
⎪
⎪
⎪
⎪
x̃(t) = ⎨ , −  < t < 
.
⎪
⎪

⎪
⎪
⎪
⎪
⎩ , t> 

Die Fourier-Transformation ordnet dem kontinuierlichen Signal x̃(t) das kontinuierliche

Spektrum X̃( f ) umkehrbar zu unter Verwendung der Hintransformationsformel
∞
X̃( f ) = ∫ x̃(t) ⋅ e−jπ f t dt . (3.17)
−∞
2
Die theoretische Darstellung in diesem Exkurs ist sehr kurz gehalten und daher anspruchsvol-
ler hinsichtlich der zugrunde liegenden Signaltheorie. Ausschließlich an der diskreten Fourier-
Transformation interessierte Leser können diesen Abschnitt überspringen.
3.5 Exkurs: Fourier-Transformation 37
Die entsprechende Rücktransformationsformel der Fourier-Transformation lautet

∞
x̃(t) = ∫ X̃( f ) ⋅ ejπ f t d f . (3.18)
−∞
Anstelle der Summation Σ wie bei den Transformationsformeln der diskreten Fourier-
Transformation ist die Fourier-Transformation mit Hilfe eines Integrals ∫ definiert. Wie
das kontinuierliche Signal x̃(t) über der Zeitachse −∞ < t < ∞ ist das kontinuierliche
Spektrum X̃( f ) definiert über der Frequenzachse −∞ < f < ∞. Wir betrachten nun einige
Beispiele für die Fourier-Transformation.
Beispiel 3.2
Für das kontinuierliche Rechtecksignal
⎧
⎪ , t < − 
⎪
⎪
⎪
⎪
⎪
x̃(t) = ⎨ , −  < t < 
⎪
⎪

⎪
⎪
⎪
⎪
⎩ , t> 

ergibt sich die zugehörige Fourier-Transformierte aus

∞ / /
−jπ f t −jπ f t
X̃( f ) = ∫ x̃(t) ⋅ e dt = ∫  ⋅ e dt =  ∫ cos(π f t) dt
−∞ −/ 
mit dem Spektrum

sin(π f )
X̃( f ) = ,
πf
wie in Abb. 3.11 dargestellt. ◇
Beispiel 3.3
Wird anstelle des kontinuierlichen Rechtecksignals im Originalbereich das Rechteck-
spektrum
⎧
⎪ f < − 
⎪ ,
⎪
⎪
⎪
⎪
X̃( f ) = ⎨ , −  < f < 
⎪
⎪
⎪
⎪
⎪
⎪
⎩ , f > 
im Spektralbereich betrachtet, so folgt für das zugehörige Signal
∞ / /
x̃(t) = ∫ X̃( f ) ⋅ ejπ f t d f = ∫  ⋅ ejπ f t d f =  ∫ cos(π f t) d f

−∞ −/ 
Abb. 3.11 Rechtecksignal x̃(t)

und kontinuierliches Spektrum
X̃( f )
Abb. 3.12 Kontinuierliches Signal

x̃(t) und Rechteckspektrum X̃( f )
mit dem Ergebnis

sin(πt)
x̃(t) = ,
πt
wie Abb. 3.12 zeigt. ◇
3.5.2 Abtastung
Im Folgenden betrachten wir die Abtastung kontinuierlicher Signale und Spektren sowohl
im Zeitbereich (Originalbereich) als auch im Frequenzbereich (Spektralbereich). Als Bei-
spiel verwenden wir das in Abb. 3.13 veranschaulichte Signal

x̃(t) = e−π(α t)
Abb. 3.13 Kontinuierliches Sig-

nal x̃(t) und kontinuierliches
Spektrum X̃( f )
mit dem reellen Parameter α = / und dem zugehörigen Spektrum
 
X̃( f ) = ⋅ e−π( f /α) .
∣α∣
3.5.2.1 Abtastung im Originalbereich

In der digitalen Signalverarbeitung werden kontinuierliche Signale x̃(t) mittels der Abtas-
tung im Originalbereich mit der Abtastperiode T in diskrete Signale überführt. Zu diesem
Zweck wird das im Originalbereich zu den Zeiten
t k = kT
Abb. 3.14 Abgetastetes Signal

x̃ T (t) und periodisch fortgesetz-
tes Spektrum X̃ T ( f )
mit −∞ < k < ∞ abgetastete Signal x̃ T (t) unter Verwendung eines Impulszugs im Origi-
nalbereich ∑∞
k=−∞ δ(t − kT) dargestellt gemäß
3
∞
x̃ T (t) = ∑ x̃(kT) ⋅ δ(t − kT) . (3.19)
k=−∞
Der Impuls δ(t−t k ) entspricht als so genannte verallgemeinerte Funktion [18] einem Impuls
an der Stelle t k . Die Abtastung des kontinuierlichen Signals x̃(t) mit der Abtastperiode T
führt zu einer periodischen Fortsetzung des Spektrums X̃( f ) im Spektralbereich mit der
Periode T − wie in Abb. 3.14 gezeigt entsprechend
 ∞ k
X̃ T ( f ) = ∑ X̃ ( f − ) . (3.20)
T k=−∞ T
3.5.2.2 Abtastung im Spektralbereich

Im Rahmen der Abtastung im Spektralbereich wird anstelle des kontinuierlichen Signals
x̃(t) im Originalbereich das Spektrum X̃( f ) im Spektralbereich mit der Abtastperiode F
zu den Frequenzen
f ℓ = ℓF
mit −∞ < ℓ < ∞ abgetastet. Das resultierende abgetastete Spektrum kann unter Verwen-
dung des Impulszugs im Spektralbereich ∑∞ℓ=−∞ δ( f − ℓF) mit den Impulsen δ( f − f ℓ ) an
den Stellen f ℓ dargestellt werden gemäß
∞
X̃ F ( f ) = ∑ X̃(ℓF) ⋅ δ( f − ℓF) . (3.21)
ℓ=−∞
Die Abtastung des kontinuierlichen Spektrums X̃ ( f ) mit der Abtastperiode F führt zu einer
periodischen Fortsetzung des Signals x̃(t) im Originalbereich mit der Periode F − wie in
Abb. 3.15 gezeigt entsprechend
 ∞ ℓ
x̃ F (t) = ∑ x̃ (t − ) . (3.22)
F ℓ=−∞ F
3
Mit Hilfe des Abtasttheorems kann das kontinuierliche Signal x̃(t) aus der Abtastfolge
{ x̃(kT)}−∞<k<∞ exakt rekonstruiert werden gemäß der Berechnungsvorschrift
t − kT
∞ sin (π )
T
x̃(t) = ∑ x̃(kT) ⋅ ,
k=−∞
t − kT
π
T
sofern das Spektrum X̃( f ) im Spektralbereich auf das Frequenzintervall
 
− <f <
T T
begrenzt ist [18, 25].
Abb. 3.15 Periodisch fortgesetz-

tes Signal x̃ F (t) und abgetastetes
Spektrum X̃ F ( f )
3.5.2.3 Abtastung im Originalbereich und im Spektralbereich

Für den Fall der Abtastung sowohl des kontinuierlichen Signals x̃(t) als auch des kontinu-
ierlichen Spektrums X̃( f ) werden Signal und Spektrum periodisch fortgesetzt. Aufgrund
der Abtastung im Originalbereich ist die Periode des periodisch fortgesetzten Spektrums
X̃ T ( f ) gegeben durch T − . Wird das periodisch fortgesetzte Spektrum X̃ T ( f ) ferner ab-
getastet mit der Abtastperiode F, so ergibt sich im Originalbereich die Periode F − des
periodisch fortgesetzten Signals. Innerhalb einer Periode sowohl im Originalbereich als
auch im Spektralbereich erhalten wir insgesamt N Abtastwerte. Damit folgt beispielsweise
im Spektralbereich für die Periode T − = N ⋅ F mit der Abtastperiode F beziehungsweise
N⋅F⋅T = . (3.23)
Das Produkt zwischen Abtastperiode T im Originalbereich und Abtastperiode F im Spek-

tralbereich sowie der Anzahl der Abtastwerte N innerhalb einer Periode im Originalbereich
und im Spektralbereich ist somit gleich . Abbildung 3.16 veranschaulicht das abgetastete
und periodisch fortgesetzte Signal x̃ FT (t) sowie das abgetastete und periodisch fortgesetzte
Spektrum X̃ FT ( f ).
Wir gehen im Folgenden von der Abtastung im Originalbereich sowie im Spektralbe-
reich aus und erhalten
∞
x̃ FT (t) = ∑ x̃ F (kT) ⋅ δ(t − kT)
k=−∞
∞
 ∞ ℓ
= ∑ [ ∑ x̃ (kT − )] ⋅ δ(t − kT)
k=−∞ F ℓ=−∞ F
∞ ∞
 ℓ
= ∑ ∑ x̃ (kT − ) ⋅ δ(t − kT) .
F k=−∞ ℓ=−∞ F
Abb. 3.16 Abgetastetes und

periodisch fortgesetztes Signal
x̃ F T (t) sowie abgetastetes und
periodisch fortgesetztes Spektrum
X̃ F T ( f )
Mit der Periode im Originalbereich F − = N ⋅ T folgt
∞ ∞
x̃ FT (t) = N T ∑ ∑ x̃(kT − ℓN T) ⋅ δ(t − kT)
k=−∞ ℓ=−∞
∞ ∞
= NT ∑ ∑ x̃ ([k − ℓN] T) ⋅ δ(t − kT) .
k=−∞ ℓ=−∞
Innerhalb einer Periode im Originalbereich für  ≤ t < N T lautet das diskrete Signal hier-
mit
N− ∞
x̃ FT (t) = N T ∑ ( ∑ x̃ ([k − ℓN] T)) ⋅ δ(t − kT)
k= ℓ=−∞
mit  ≤ k ≤ N −. Die finite Signalfolge {x(k)}≤k≤N− der Länge N innerhalb einer Periode
im Originalbereich definieren wir gemäß
∞
x(k) = ∑ x̃ ([k − ℓN] T) . (3.24)
ℓ=−∞
Diese finite Signalfolge ergibt sich aufgrund der Abtastung sowohl im Originalbereich als
auch im Spektralbereich sowie durch die resultierende periodische Fortsetzung. Damit gilt
innerhalb einer Periode im Originalbereich für  ≤ t < N T mit N T = F −
N−
 N−
x̃ FT (t) = N T ∑ x(k) ⋅ δ(t − kT) = ∑ x(k) ⋅ δ(t − kT) .
k= F k=
Das abgetastete Signal ∑ N−

k= x(k)⋅δ(t−kT) im Originalbereich innerhalb einer Periode  ≤
−jπ kT f
t < N T besitzt das zugehörige Spektrum ∑ N−
k= x(k)⋅e der Fourier-Transformation.
Die im Originalbereich für −∞ < t < ∞ durchgeführte periodische Fortsetzung

∞
 ∞
x̃ FT (t) = N T ∑ x(k) ⋅ δ(t − kT) = ∑ x(k) ⋅ δ(t − kT)
k=−∞ F k=−∞
−jπ kT f
führt zu der Abtastung des Spektrums ∑ N−
k= x(k) ⋅ e im Spektralbereich an den Stel-
len f ℓ = ℓF = ℓ/(N T) mit −∞ < ℓ < ∞ gemäß
∞ N−
ℓ
X̃ FT ( f ) = ∑ ( ∑ x(k) ⋅ e−jπ kT ℓ/(N T) ) ⋅ δ ( f − )
ℓ=−∞ k= NT
∞ N−
ℓ
= ∑ ( ∑ x(k) ⋅ e−jπ kℓ/N ) ⋅ δ ( f − ) .
ℓ=−∞ k= NT
Die finite Spektralfolge {X(ℓ)}≤ℓ≤N− der Länge N innerhalb einer Periode im Spek-
tralbereich ergibt sich mit der angegebenen Formel aus der Definition der diskreten
Fourier-Transformation entsprechend
N−
X(ℓ) = DFT {x(k)} = ∑ x(k) ⋅ e−jπ kℓ/N (3.25)
k=
mit der Rücktransformationsformel
 N−
x(k) = IDFT {X(ℓ)} = ∑ X(ℓ) ⋅ e
jπ kℓ/N
. (3.26)
N ℓ=
Das abgetastete und periodisch fortgesetzte Spektrum im Spektralbereich folgt hiermit zu

∞ ∞
ℓ
X̃ FT ( f ) = ∑ X(ℓ) ⋅ δ ( f − ) = ∑ X(ℓ) ⋅ δ( f − ℓF)
ℓ=−∞ NT ℓ=−∞
mit der Abtastperiode F = (N T)− . Wegen des auftretenden Drehfaktors e∓jπ kℓ/N ent-
spricht bei der diskreten Fourier-Transformation die normierte Abtastperiode T =  im
Originalbereich der normierten Abtastperiode F = (N T)− = N − = /N im Spektralbe-
reich.
Abschließend leiten wir im Folgenden das resultierende Spektrum aus der Abtastung im
Originalbereich sowie im Spektralbereich her. Das im Originalbereich sowohl abgetastete
als auch periodisch fortgesetzte Signal
∞
x̃ FT (t) = ∑ x̃ F (kT) ⋅ δ(t − kT)
k=−∞
besitzt das zugehörige periodisch fortgesetzte abgetastete Spektrum
 ∞ k
X̃ FT ( f ) = ∑ X̃ F ( f − ) .
T k=−∞ T
Das im Spektralbereich abgetastete Spektrum X̃ F ( f ) ist gegeben durch

∞
X̃ F ( f ) = ∑ X̃(ℓF) ⋅ δ( f − ℓF)
ℓ=−∞
beziehungsweise
∞
k k
X̃ F ( f − ) = ∑ X̃(ℓF) ⋅ δ ( f − − ℓF) .
T ℓ=−∞ T
Daraus folgt
 ∞ k
X̃ FT ( f ) = ∑ X̃ F ( f − )
T k=−∞ T
 ∞ ∞ k
= ∑ ∑ X̃(ℓF) ⋅ δ ( f − − ℓF) .
T k=−∞ ℓ=−∞ T
Mit der Periode im Spektralbereich T − = N F gilt somit
 ∞ ∞
X̃ FT ( f ) = ∑ ∑ X̃(ℓF) ⋅ δ ( f − kN F − ℓF)
T k=−∞ ℓ=−∞
 ∞ ∞
= ∑ ∑ X̃(ℓF) ⋅ δ ( f − [kN + ℓ] F) .
T k=−∞ ℓ=−∞
Durch Ersetzen des Summationsindex ℓ durch kN + ℓ und Vertauschen der Summations-

reihenfolge folgt
 ∞ ∞
X̃ FT ( f ) = ∑ ∑ X̃ ([ℓ − kN] F) ⋅ δ( f − ℓF)
T k=−∞ ℓ=−∞
∞
 ∞
= ∑ ( ∑ X̃ ([ℓ − kN] F)) ⋅ δ( f − ℓF) .
ℓ=−∞ T k=−∞
Entsprechend der bereits hergeleiteten Beziehung

∞
X̃ FT ( f ) = ∑ X(ℓ) ⋅ δ( f − ℓF)
ℓ=−∞
ergibt sich die finite Spektralfolge {X(ℓ)}≤ℓ≤N− der Länge N innerhalb einer Periode  ≤
f < N F im Spektralbereich aus der Formel
 ∞
X(ℓ) = ∑ X̃ ([ℓ − kN] F) . (3.27)
T k=−∞
Diese finite Spektralfolge erhalten wir aufgrund der Abtastung im Originalbereich und im
Spektralbereich sowie durch die zugehörige periodische Fortsetzung.
Abb. 3.17 Finite Signalfolge

{x(k)}≤k≤N− und finite Spek-
tralfolge {X(ℓ)}≤ℓ≤N− mit
N = /(FT) = 
Insgesamt gilt somit für das kontinuierliche Signal x̃(t) und das zugehörige kontinuier-
liche Spektrum X̃( f ), die sowohl im Originalbereich als auch im Spektralbereich abgetastet
werden, die folgende Vorschrift für die diskrete Fourier-Transformation
∞
b r  ∞
x(k) = ∑ x̃ ([k − ℓN] T) X(ℓ) = ∑ X̃ ([ℓ − kN] F) (3.28)
ℓ=−∞ T k=−∞
mit der finiten Signalfolge x(k) = IDFT {X(ℓ)} der Länge N mit  ≤ k ≤ N −  sowie der
finiten Spektralfolge X(ℓ) = DFT {x(k)} der Länge N mit  ≤ ℓ ≤ N − . Abbildung 3.17
stellt diese Folgen für das in Abb. 3.13 veranschaulichte kontinuierliche Signal x̃ (t) mit dem
zugehörigen kontinuierlichen Spektrum X̃( f ) dar.
3.5.3 Spezialfälle
3.5.3.1 Begrenzte kontinuierliche Signale

Im Fall eines im Originalbereich auf das Zeitintervall  ≤ t < N T begrenzte kontinuierliche
Signal x̃(t) gilt für die finite Signalfolge
x(k) = x̃(kT)
mit  ≤ k ≤ N − . Die finite Spektralfolge resultiert aus der Überlagerung periodisch fort-
gesetzter Spektren gemäß
 ∞
X(ℓ) = ∑ X̃ ([ℓ − kN] F)
T k=−∞
  
= . . . + ⋅ X̃ ([ℓ + N] F) + ⋅ X̃ (ℓF) + ⋅ X̃ ([ℓ − N] F) + . . .
T T T
mit  ≤ ℓ ≤ N − . Dieser Effekt wird aufgrund der überlagerten verschobenen Spektren

X̃([ℓ − kN]F) mit dem Summationsindex −∞ < k < ∞ als Aliasing im Frequenzbereich
bezeichnet.
3.5.3.2 Begrenzte kontinuierliche Spektren

Im Fall eines im Spektralbereich auf das Frequenzintervall  ≤ f < N F begrenzte kontinu-
ierliche Spektrum X̃( f ) gilt für die finite Spektralfolge

X(ℓ) = ⋅ X̃(ℓF)
T
mit  ≤ ℓ ≤ N − . Alternativ wird üblicherweise das Frequenzintervall
NF NF
− <f <
 
für begrenzte kontinuierliche Spektren X̃( f ) symmetrisch zu f =  betrachtet.4 Die finite

Signalfolge resultiert aus der Überlagerung periodisch fortgesetzter Signale gemäß
∞
x(k) = ∑ x̃ ([k − ℓN] T)
ℓ=−∞
= . . . + x̃ ([k + N] T) + x̃ (kT) + x̃ ([k − N] T) + . . .
mit  ≤ k ≤ N − . Wegen der überlagerten verschobenen Signale x̃([k − ℓN]T) mit dem
Summationsindex −∞ < ℓ < ∞ heißt dieser Effekt Aliasing im Zeitbereich.
4
Dies entspricht dem Index −N/ ≤ ℓ ≤ N/− aufgrund der N-Periodizität der auf die Indexmenge
der ganzen Zahlen periodisch fortgesetzten Spektralfolge, wobei X(−N/) = X(N/) =  für ℓ =
±N/ vorausgesetzt wird.
Eigenschaften der DFT 4
In diesem Kapitel stellen wir die wichtigsten Eigenschaften der diskreten Fourier-
Transformation definiert durch die Transformationsgleichungen
N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N
k=
r
b
 N−
x(k) = ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
mit der Spektralfolge X(ℓ) = DFT {x(k)} und der Signalfolge x(k) = IDFT {X(ℓ)} jeweils
der Länge N zusammen [3, 14, 25]. Die finite Signalfolge {x(k)}≤k≤N− mit x(k) ∈ C und
die finite Spektralfolge {X(ℓ)}≤ℓ≤N− mit X(ℓ) ∈ C sind in der Regel komplex. In prakti-
schen Anwendungen ist die finite Signalfolge häufig reell x(k) ∈ R, wobei die zugehörige
finite Spektralfolge auch für reelle Signalfolgen in der Regel komplex ist X(ℓ) ∈ C. Für
rein reelle Signalfolgen x(k) ∈ R oder rein reelle Spektralfolgen X(ℓ) ∈ R geben wir in
grafischen Abbildungen ausschließlich x(k) oder X(ℓ) an.
Die in Kap. 3 gezeigte Abb. 3.2 auf S. 18 stellt die in den meisten folgenden Beispielen
zugrunde gelegte reelle Signalfolge der Länge N =  dar, während Abb. 3.3 und Abb. 3.4
die zugehörige Spektralfolge in kartesischen Koordinaten und Polarkoordinaten zeigen.
In Abb. 4.1 sind die reelle Signalfolge {x(k)}≤k≤N− sowie die komplexe Spektralfolge
{X(ℓ)}≤ℓ≤N− in kartesischen Koordinaten erneut dargestellt.
4.1 Linearität
Die diskrete Fourier-Transformation DFT stellt einschließlich der zugehörigen inversen

diskreten Fourier-Transformation IDFT eine lineare Transformation dar, das heißt es gilt

48 4 Eigenschaften der DFT
Abb. 4.1 Signalfolge

{x(k)}≤k≤N− und Spektralfol-
ge {X(ℓ)}≤ℓ≤N−
das Superpositionsgesetz
DFT {a ⋅ x(k) + b ⋅ y(k)} = a ⋅ DFT {x(k)} + b ⋅ DFT {y(k)}
beziehungsweise
a ⋅ x(k) + b ⋅ y(k) b r a ⋅ X(ℓ) + b ⋅ Y(ℓ) (4.1)
mit den Spektralfolgen X(ℓ) = DFT {x(k)} und Y(ℓ) = DFT {y(k)} sowie den komplexen
Koeffizienten a, b ∈ C. Dies wird leicht ersichtlich anhand der folgenden Herleitung.
N−
DFT {a ⋅ x(k) + b ⋅ y(k)} = ∑ (a ⋅ x(k) + b ⋅ y(k)) ⋅ e−jπ kℓ/N
k=
N− N−
= a ∑ x(k) ⋅ e−jπ kℓ/N + b ∑ y(k) ⋅ e−jπ kℓ/N
k= k=
= a ⋅ X(ℓ) + b ⋅ Y(ℓ)
= a ⋅ DFT {x(k)} + b ⋅ DFT {y(k)}
4.2 Spiegelung
4.2.1 Spiegelung im Originalbereich
Die Spiegelung der Signalfolge {x(k)}≤k≤N− ist unter Beachtung der Periodizität der auf
die Indexmenge Z der ganzen Zahlen periodisch fortgesetzten Signalfolge mit der Periode
4.2 Spiegelung 49
N sowie der modulo-Rechnung definiert gemäß
x() , k=
x(−k) = x(−k mod N) = {
x(N − k),  ≤ k ≤ N −
x(−) = x() ,
x(−) = x(N − ) ,
x(−) = x(N − ) ,
⋮
x(−N + ) = x() .
Die zugehörige Spektralfolge folgt aus

N−
DFT {x(−k)} = ∑ x(−k) ⋅ e−jπ kℓ/N
k=
N−
= x() + ∑ x(−k) ⋅ e−jπ kℓ/N
k=
N−
= x() + ∑ x(N − k) ⋅ e−jπ kℓ/N .
k=
Mit der Ersetzung des Index N − k durch den Index k ergibt sich
N−
DFT {x(−k)} = x() + ∑ x(N − k) ⋅ e−jπ kℓ/N
k=

= x() + ∑ x(k) ⋅ e−jπ(N−k)ℓ/N
k=N−
N−
= x() + ∑ x(k) ⋅ e−jπ N ℓ/N ⋅ ejπ kℓ/N
k=
N−
= x() + ∑ x(k) ⋅ e−jπℓ ⋅ ejπ kℓ/N
k=
N−
= x() + ∑ x(k) ⋅ ejπ kℓ/N
k=
N−
= ∑ x(k) ⋅ ejπ kℓ/N
k=
N−
= ∑ x(k) ⋅ e−jπ k(−ℓ)/N
k=
= X(−ℓ)
unter Verwendung der π-Periodizität der harmonischen Funktion e−jϕ . Die gespiegelte
Signalfolge {x(−k)}≤k≤N− führt somit entsprechend der Transformationsvorschrift
x(−k) b r X(−ℓ) (4.2)
ebenso auf die gespiegelte Spektralfolge {X(−ℓ)}≤ℓ≤N− . Diese ist gegeben durch
X() , ℓ=
X(−ℓ) = X(−ℓ mod N) = {
X(N − ℓ), ≤ ℓ ≤ N −
X(−) = X() ,
X(−) = X(N − ) ,
X(−) = X(N − ) ,
⋮
X(−N + ) = X() .
4.2.2 Spiegelung im Spektralbereich
Entsprechend dem Ergebnis des Abschn. 4.2.1 führt die Spiegelung der Spektralfolge
{X(−ℓ)}≤ℓ≤N− auf die gespiegelte Signalfolge {x(−k)}≤k≤N− gemäß der Transforma-
tionsvorschrift
X(−ℓ) r b x(−k) . (4.3)
Abb. 4.2 Spiegelung der Signal-

folge {x(−k)}≤k≤N− und der
Spektralfolge {X(−ℓ)}≤ℓ≤N−
4.3 Gerade und ungerade Folgen 51
In Abb. 4.2 ist die Spiegelung für die in Abb. 4.1 auf S. 48 gezeigten Signalfolge und Spek-
tralfolge veranschaulicht.
4.3 Gerade und ungerade Folgen
4.3.1 Gerade und ungerade Signalfolgen
Die finite Signalfolge {x(k)}≤k≤N− kann unter Beachtung der N-Periodizität durch eine
Überlagerung
x(k) = x ′ (k) + x ′′ (k)
einer geraden Signalfolge

x ′ (k) = x ′ (−k)
und einer ungeraden Signalfolge
x ′′ (k) = −x ′′ (−k)
formuliert werden. Unter Berücksichtigung der Beziehungen
x(k) = x ′ (k) + x ′′ (k) ,

x(−k) = x ′ (−k) + x ′′ (−k)
= x ′ (k) − x ′′ (k)
erhalten wir aufgelöst nach den geraden und ungeraden Signalfolgen die Ausdrücke
x(k) + x(−k)
x ′ (k) = ,

x(k) − x(−k)
x ′′ (k) = .

Hierbei gilt für die gespiegelte Signalfolge erneut aufgrund der N-Periodizität sowie der
modulo-Rechnung
x() , k=
x(−k) = x(−k mod N) = { .
x(N − k),  ≤ k ≤ N −
Mit den Spektralfolgen DFT {x(k)} = X(ℓ) und DFT {x(−k)} = X(−ℓ) folgen aufgrund
der Linearität der diskreten Fourier-Transformation die resultierenden Spektralfolgen der
geraden und ungeraden Signalfolgen

x(k) + x(−k) b r X(ℓ) + X(−ℓ)
x ′ (k) = X ′ (ℓ) = (4.4)
 
und
x(k) − x(−k) b r X(ℓ) − X(−ℓ)
x ′′ (k) = X ′′ (ℓ) = . (4.5)
 
4.3.2 Gerade und ungerade Spektralfolgen
Wie im Fall der finiten Signalfolge {x(k)}≤k≤N− im Abschn. 4.3.1 kann die finite Spek-
tralfolge {X(ℓ)}≤ℓ≤N− unter Beachtung der N-Periodizität durch eine Überlagerung
X(ℓ) = X ′ (ℓ) + X ′′ (ℓ)
einer geraden Spektralfolge

X ′ (ℓ) = X ′ (−ℓ)
und einer ungeraden Spektralfolge
X ′′ (ℓ) = −X ′′ (−ℓ)
formuliert werden. Unter Berücksichtigung der Beziehungen
X(ℓ) = X ′ (ℓ) + X ′′ (ℓ) ,

X(−ℓ) = X ′ (−ℓ) + X ′′ (−ℓ)
= X ′ (ℓ) − X ′′ (ℓ)
erhalten wir aufgelöst nach den geraden und ungeraden Spektralfolgen die Ausdrücke
X(ℓ) + X(−ℓ)
X ′ (ℓ) = ,

X(ℓ) − X(−ℓ)
X ′′ (ℓ) = .

Hierbei gilt für die gespiegelte Spektralfolge wiederum
X() , ℓ=
X(−ℓ) = X(−ℓ mod N) = { .
X(N − ℓ), ≤ ℓ ≤ N −
Mit den Signalfolgen IDFT {X(ℓ)} = x(k) und IDFT {X(−ℓ)} = x(−k) folgen aufgrund
der Linearität der inversen diskreten Fourier-Transformation die resultierenden Signal-
4.3 Gerade und ungerade Folgen 53
Abb. 4.3 Gerade Signalfolge

{x ′ (k)}≤k≤N− und gerade Spek-
tralfolge {X ′ (ℓ)}≤ℓ≤N−
Abb. 4.4 Ungerade Signalfolge

{x ′′ (k)}≤k≤N− und ungerade
Spektralfolge {X ′′ (ℓ)}≤ℓ≤N−
folgen der geraden und ungeraden Spektralfolgen
X(ℓ) + X(−ℓ) r b x(k) + x(−k)

X ′ (ℓ) = x ′ (k) = (4.6)
 
und
X(ℓ) − X(−ℓ) r b x(k) − x(−k)

X ′′ (ℓ) = x ′′ (k) = . (4.7)
 
Zusammengefasst entsprechen die geraden und ungeraden Signalfolgen der finiten

Signalfolge {x(k)}≤k≤N− den geraden und ungeraden Spektralfolgen der finiten Spek-
tralfolge {X(ℓ)}≤ℓ≤N− . In Abb. 4.3 sind die gerade Signalfolge {x ′ (k)}≤k≤N− und die
gerade Spektralfolge {X ′ (ℓ)}≤ℓ≤N− für die in Abb. 4.1 auf S. 48 gezeigten Signalfolge und
Spektralfolge dargestellt. Entsprechend sind die ungerade Signalfolge {x ′′ (k)}≤k≤N− und
die ungerade Spektralfolge {X ′′(ℓ)}≤ℓ≤N− in Abb. 4.4 veranschaulicht.
Wie in Abb. 4.3 veranschaulicht, ergibt sich für die gerade und reelle Signalfolge x ′ (k) =
x ′ (−k) eine ebenfalls gerade und reelle Spektralfolge
X ′ (ℓ) = R{X ′ (ℓ)} = R{X ′ (−ℓ)} = X ′ (−ℓ)
mit I{X ′ (ℓ)} = . Für eine ungerade und reelle Signalfolge x ′′ (k) = −x ′′ (−k) erhalten wir
entsprechend Abb. 4.4 eine ungerade und rein imaginäre Spektralfolge
X ′′ (ℓ) = jI{X ′′ (ℓ)} = −jI{X ′′ (−ℓ)} = −X ′′ (−ℓ)
mit R{X ′′ (ℓ)} = . Dass für die hier betrachteten geraden und ungeraden reellen Signalfol-
gen besondere Eigenschaften hinsichtlich des Realteils beziehungsweise des Imaginärteils
der zugehörigen geraden und ungeraden Spektralfolgen gelten, liegt in der Reellwertigkeit
der Signalfolgen begründet. Zur Herleitung dieser Eigenschaften reeller Signalfolgen wen-
den wir uns der komplexen Konjugation komplexer Signalfolgen zu.
4.4 Komplexe Konjugation
In diesem und dem folgenden Abschnitt gehen wir von komplexen finiten Signalfolgen
{x(k)}≤k≤N− mit x(k) ∈ C sowie komplexen finiten Spektralfolgen {X(ℓ)}≤ℓ≤N− mit
X(ℓ) ∈ C aus. Abbildung 4.5 veranschaulicht beispielsweise eine komplexe Signalfolge
x(k) = R{x(k)} + jI{x(k)} mit ihrer zugehörigen ebenfalls komplexen Spektralfolge
X(ℓ) = R{X(ℓ)} + jI{X(ℓ)}.
4.4.1 Komplexe Konjugation im Originalbereich
Die konjugiert komplexe Signalfolge {x ∗ (k)}≤k≤N− besitzt die Spektralfolge
N−
DFT {x ∗ (k)} = ∑ x ∗ (k) ⋅ e−jπ kℓ/N
k=
N− ∗
= ∑ x ∗ (k) ⋅ (ejπ kℓ/N )
k=
N− ∗
= ( ∑ x(k) ⋅ ejπ kℓ/N )
k=
4.4 Komplexe Konjugation 55
N− ∗
= ( ∑ x(k) ⋅ e−jπ k(−ℓ)/N )
k=
= X ∗ (−ℓ) .
Die komplexe Konjugation der Signalfolge führt entsprechend der Transformationsvor-

schrift
x ∗ (k) b r X ∗ (−ℓ) (4.8)
auf die gespiegelte und konjugiert komplexe Spektralfolge gegeben durch
X ∗ () , ℓ=
X ∗ (−ℓ) = X ∗ (−ℓ mod N) = { ∗
X (N − ℓ), ≤ ℓ ≤ N −
X ∗ (−) = X ∗ () ,
X ∗ (−) = X ∗ (N − ) ,
X ∗ (−) = X ∗ (N − ) ,
⋮
X (−N + ) = X ∗ () .
∗
In Abb. 4.6 ist die komplexe Konjugation der Signalfolge und der gespiegelten Spektralfol-
ge für die in Abb. 4.5 gezeigte komplexe Signalfolge {x(k)}≤k≤N− mit der zugehörigen
Spektralfolge {X(ℓ)}≤ℓ≤N− dargestellt.
Abb. 4.5 Komplexe Signalfolge

{x(k)}≤k≤N− und komplexe
Spektralfolge {X(ℓ)}≤ℓ≤N−
Abb. 4.6 Komplexe Konjugation

der Signalfolge {x ∗ (k)}≤k≤N−
und der gespiegelten Spektralfolge
{X ∗ (−ℓ)}≤ℓ≤N−
4.4.1.1 Reelle Signalfolgen

Für eine reelle finite Signalfolge {x(k)}≤k≤N− mit x(k) = R{x(k)} ∈ R gilt
x(k) = x ∗ (k) ,
da wegen I{x(k)} =  bei der komplexen Konjugation der Vorzeichenwechsel des Imagi-
närteils keinen Einfluss hat. Mit den Spektralfolgen
DFT {x(k)} = X(ℓ) = R{X(ℓ)} + jI{X(ℓ)}
und
DFT {x ∗ (k)} = X ∗ (−ℓ) = R{X(−ℓ)} − jI{X(−ℓ)}
ergeben sich für eine reelle Signalfolge unter Beachtung von X(ℓ) = X ∗ (−ℓ) die folgenden
Symmetrieeigenschaften der finiten Spektralfolge {X(ℓ)}≤ℓ≤N−
R{X(ℓ)} = R{X(−ℓ)} ,
I{X(ℓ)} = −I{X(−ℓ)} .
Der Realteil R{X(ℓ)} stellt eine gerade Folge dar, während der Imaginärteil I{X(ℓ)} eine
ungerade Folge ist. In Abb. 4.7 sind die reelle Signalfolge und die symmetrische Spektral-
folge entsprechend Abb. 4.1 auf S. 48 dargestellt.
4.4 Komplexe Konjugation 57
Abb. 4.7 Reelle Signalfolge

{x(k)}≤k≤N− und symmetrische
Spektralfolge {X(ℓ)}≤ℓ≤N− mit
geradem Realteil R{X(ℓ)} und
ungeradem Imaginärteil I{X(ℓ)}
4.4.2 Komplexe Konjugation im Spektralbereich
Die konjugiert komplexe Spektralfolge {X ∗ (ℓ)}≤ℓ≤N− besitzt die Signalfolge
 N− ∗
IDFT {X ∗ (ℓ)} = ∑ X (ℓ) ⋅ e
jπ kℓ/N
N ℓ=
 N− ∗ −jπ kℓ/N ∗
= ∑ X (ℓ) ⋅ (e )
N ℓ=
∗
 N−
= ( ∑ X(ℓ) ⋅ e−jπ kℓ/N )
N ℓ=
∗
 N−
= ( ∑ X(ℓ) ⋅ ejπ(−k)ℓ/N )
N ℓ=
= x ∗ (−k) .
Die komplexe Konjugation der Spektralfolge führt entsprechend der Transformationsvor-

schrift
X ∗ (ℓ) r b x ∗ (−k) (4.9)
auf die gespiegelte und konjugiert komplexe Signalfolge gegeben durch

⎧
⎪ ∗
⎪ x () , k=
x ∗ (−k) = x ∗ (−k mod N) = ⎨ ∗
⎪
⎩ x (N − k),
⎪  ≤ k ≤ N −
Abb. 4.8 Komplexe Konjugati-

on der gespiegelten Signalfolge
{x ∗ (−k)}≤k≤N− und der Spek-
tralfolge {X ∗ (ℓ)}≤ℓ≤N−
x ∗ (−) = x ∗ () ,
x ∗ (−) = x ∗ (N − ) ,
x ∗ (−) = x ∗ (N − ) ,
⋮
x (−N + ) = x ∗ () .
∗
In Abb. 4.8 ist die komplexe Konjugation der Spektralfolge {X ∗ (ℓ)}≤ℓ≤N− und der ge-
spiegelten Signalfolge {x ∗ (−k)}≤k≤N− für die in Abb. 4.5 auf S. 55 gezeigten komplexen
Signalfolge und Spektralfolge dargestellt.
4.5 Realteil und Imaginärteil
4.5.1 Realteil und Imaginärteil im Originalbereich
Der Realteil der komplexen Signalfolge {x(k)}≤k≤N− ist gegeben durch

x(k) + x ∗ (k)
R{x(k)} = .

Mit den zugehörigen Spektralfolgen DFT {x(k)} = X(ℓ) und DFT {x ∗ (k)} = X ∗ (−ℓ)
folgt aufgrund der Linearität der diskreten Fourier-Transformation die resultierende
4.5 Realteil und Imaginärteil 59

{y(k)}≤k≤N− mit y(k) =
R{x(k)} und Spektralfolge
{Y (ℓ)}≤ℓ≤N− mit Y (ℓ) =
(X(ℓ) + X ∗ (−ℓ)) /
Spektralfolge
x(k) + x ∗ (k)
DFT {R{x(k)}} = DFT { }

DFT {x(k)} + DFT {x ∗ (k)}
=

X(ℓ) + X ∗ (−ℓ)
= .

Somit lautet die entsprechende Transformationsvorschrift für den Realteil der Signalfolge
im Originalbereich
x(k) + x ∗ (k) b r X(ℓ) + X ∗ (−ℓ)
R{x(k)} = . (4.10)
 
In Abb. 4.9 sind die reelle Signalfolge mit den Signalwerten y(k) = R{x(k)} und den
Spektralwerten Y(ℓ) = (X(ℓ) + X ∗ (−ℓ)) / für die in Abb. 4.5 auf S. 55 gezeigte Signalfolge
{x(k)}≤k≤N− mit der Spektralfolge {X(ℓ)}≤ℓ≤N− dargestellt.
Der Imaginärteil der komplexen Signalfolge {x(k)}≤k≤N− berechnet sich gemäß
x(k) − x ∗ (k)
I{x(k)} = .
j
Ähnlich wie für den Realteil R{x(k)} erhalten wir unter Verwendung der Spektralfolgen
DFT {x(k)} = X(ℓ) und DFT {x ∗ (k)} = X ∗ (−ℓ) sowie unter Beachtung der Linearität
der diskreten Fourier-Transformation die resultierende Spektralfolge
x(k) − x ∗ (k)
DFT {I{x(k)}} = DFT { }
j
DFT {x(k)} − DFT {x ∗ (k)}
=
j
X(ℓ) − X ∗ (−ℓ)
= .
j
Die zugehörige Transformationsvorschrift für den Imaginärteil der Signalfolge im Origi-

nalbereich lautet
x(k) − x ∗ (k) b r X(ℓ) − X ∗ (−ℓ)
I{x(k)} = . (4.11)
j j
In Abb. 4.10 sind die reelle Signalfolge mit den Signalwerten y(k) = I{x(k)} und den
Spektralwerten Y(ℓ) = (X(ℓ) − X ∗ (−ℓ)) /(j) für die in Abb. 4.5 auf S. 55 gezeigte kom-
plexe Signalfolge {x(k)}≤k≤N− mit der Spektralfolge {X(ℓ)}≤ℓ≤N− veranschaulicht.
4.5.2 Realteil und Imaginärteil im Spektralbereich
Der Realteil der komplexen Spektralfolge {X(ℓ)}≤ℓ≤N− ist gegeben durch
X(ℓ) + X ∗ (ℓ)
R{X(ℓ)} = .

Mit den Signalfolgen IDFT {X(ℓ)} = x(k) und IDFT {X ∗ (ℓ)} = x ∗ (−k) folgt aufgrund
der Linearität der inversen diskreten Fourier-Transformation die resultierende Signalfolge
X(ℓ) + X ∗ (ℓ)
IDFT {R{X(ℓ)}} = IDFT { }

IDFT {X(ℓ)} + IDFT {X ∗ (ℓ)}
=

x(k) + x ∗ (−k)
= .

Somit lautet die Transformationsvorschrift für den Realteil im Spektralbereich
X(ℓ) + X ∗ (ℓ) r b x(k) + x ∗ (−k)
R{X(ℓ)} = . (4.12)
 
In Abb. 4.11 sind die Spektralfolge mit den Spektralwerten Y(ℓ) = R{X(ℓ)} und den
zugehörigen Signalwerten y(k) = (x(k) + x ∗ (−k)) / für die in Abb. 4.5 auf S. 55 gezeig-
te komplexe Signalfolge {x(k)}≤k≤N− mit der zugehörigen Spektralfolge {X(ℓ)}≤ℓ≤N−
dargestellt.
4.5 Realteil und Imaginärteil 61

{y(k)}≤k≤N− mit y(k) =
I{x(k)} und Spektralfolge
{Y (ℓ)}≤ℓ≤N− mit Y (ℓ) =
(X(ℓ) − X ∗ (−ℓ)) /(j)
Abb. 4.11 Spektralfolge

{Y (ℓ)}≤ℓ≤N− mit Y (ℓ) =
R{X(ℓ)} und Signalfolge
{y(k)}≤k≤N− mit y(k) =
(x(k) + x ∗ (−k)) /
Der Imaginärteil der komplexen Spektralfolge {X(ℓ)}≤ℓ≤N− berechnet sich gemäß
X(ℓ) − X ∗ (ℓ)
I{X(ℓ)} = .
j
Wie für den Realteil R{X(ℓ)} wird mit den Signalfolgen IDFT {X(ℓ)} = x(k) und
IDFT {X ∗ (ℓ)} = x ∗ (−k) unter Beachtung der Linearität der inversen diskreten Fourier-

{Y (ℓ)}≤ℓ≤N− mit Y (ℓ) =
I{X(ℓ)} und Signalfolge
{y(k)}≤k≤N− mit y(k) =
(x(k) − x ∗ (−k)) /(j)
Transformation die resultierende Signalfolge wie folgt berechnet.
X(ℓ) − X ∗ (ℓ)
IDFT {I{X(ℓ)}} = IDFT { }
j
IDFT {X(ℓ)} − IDFT {X ∗ (ℓ)}
=
j
∗
x(k) − x (−k)
=
j
Die Transformationsvorschrift für den Imaginärteil im Spektralbereich ergibt sich zu

X(ℓ) − X ∗ (ℓ) r b x(k) − x ∗ (−k)
I{X(ℓ)} = . (4.13)
j j
In Abb. 4.12 sind die Spektralfolge mit den Spektralwerten Y(ℓ) = I{X(ℓ)} und den Si-
gnalwerten y(k) = (x(k) − x ∗ (−k)) /(j) für die in Abb. 4.5 auf S. 55 gezeigte Signalfolge
{x(k)}≤k≤N− und die Spektralfolge {X(ℓ)}≤ℓ≤N− veranschaulicht.
4.6 Verschiebung
4.6.1 Verschiebung im Originalbereich
Die periodische Verschiebung der finiten Signalfolge {x(k)}≤k≤N− um den Versatz k  wird
unter Beachtung der N-Periodizität der auf die Indexmenge Z der ganzen Zahlen peri-
4.6 Verschiebung 63
odisch fortgesetzten Signalfolge sowie der modulo-Rechnung definiert durch
⎧
⎪
⎪ x(k + N − k  ),  ≤ k ≤ k − 
y(k) = x(k − k  ) = x(k − k  mod N) = ⎨
⎪
⎩ x(k − k  )
⎪ , k ≤ k ≤ N − 
mit  ≤ k  ≤ N −  beziehungsweise ausführlich
y() = x(N − k  ) ,
y() = x(N − k  + ) ,
y(k  − ) = x(N − ) ,
y(k  ) = x() ,
y(N − ) = x(N −  − k  ) .
Die zugehörige Spektralfolge Y(ℓ) = DFT {y(k)} = DFT {x(k − k  )} ergibt sich mit der
Indexersetzung k − k  durch den Summationsindex k aus der Rechnung
N−
DFT {x(k − k  )} = ∑ x(k − k  ) ⋅ e−jπ kℓ/N
k=
N−−k 
= ∑ x(k) ⋅ e−jπ(k+k  )ℓ/N
k=−k 
N−−k 
= e−jπ k  ℓ/N ∑ x(k) ⋅ e−jπ kℓ/N .
k=−k 
Der Summenausdruck folgt unter Beachtung der N-Periodizität der periodisch fortgesetz-
ten finiten Signalfolge {x(k)}≤k≤N− gemäß
N−−k  − N−−k 
∑ x(k) ⋅ e−jπ kℓ/N = ∑ x(k) ⋅ e−jπ kℓ/N + ∑ x(k) ⋅ e−jπ kℓ/N
k=−k  k=−k  k=
− N−−k 
= ∑ x(k + N) ⋅ e−jπ kℓ/N + ∑ x(k) ⋅ e−jπ kℓ/N .
k=−k  k=
Mit der Indexersetzung k + N durch k in der ersten Summe und Zusammenfassung der
Summenausdrücke erhalten wir aufgrund der π-Periodizität der harmonischen Funktion
ejϕ den Ausdruck

N−−k 
−jπ kℓ/N
∑ x(k) ⋅ e
k=−k 
− N−−k 
= ∑ x(k + N) ⋅ e−jπ kℓ/N + ∑ x(k) ⋅ e−jπ kℓ/N
k=−k  k=
N− N−−k 
−jπ(k−N)ℓ/N
= ∑ x(k) ⋅ e + ∑ x(k) ⋅ e−jπ kℓ/N
k=N−k  k=
N− N−−k 
−jπ kℓ/N
= ∑ x(k) ⋅ e ⋅ ejπ N ℓ/N + ∑ x(k) ⋅ e−jπ kℓ/N
k=N−k  k=
N− N−−k 
−jπ kℓ/N
= ∑ x(k) ⋅ e ⋅ ejπℓ + ∑ x(k) ⋅ e−jπ kℓ/N
k=N−k  k=
N− N−−k 
−jπ kℓ/N
= ∑ x(k) ⋅ e + ∑ x(k) ⋅ e−jπ kℓ/N
k=N−k  k=
N−
= ∑ x(k) ⋅ e−jπ kℓ/N
k=
= X(ℓ) .
Zusammengefasst folgt für die um den Versatz k  im Originalbereich periodisch verscho-

bene Signalfolge{x(k − k  )}≤k≤N− die Transformationsvorschrift
x(k − k  ) b r e−jπ k  ℓ/N ⋅ X(ℓ) . (4.14)
Die resultierende Spektralfolge mit den Spektralwerten Y(ℓ) = e−jπ k  ℓ/N ⋅ X(ℓ) ergibt
sich durch Multiplikation der Spektralwerte X(ℓ) mit der harmonischen Folge e−jπ k  ℓ/N .
In Abb. 4.13 sind die reelle Signalfolge {x(k)}≤k≤N− und die zugehörige Spektralfolge
{X(ℓ)}≤ℓ≤N− in Polarkoordinaten X(ℓ) = ∣X(ℓ)∣ ⋅ ejϕ(ℓ) dargestellt, während Abb. 4.14
die verschobene Signalfolge mit den Signalwerten y(k) = x(k − k  ) und k  =  sowie den
Spektralwerten Y(ℓ) = e−jπ k  ℓ/N ⋅ X(ℓ) = ∣Y(ℓ)∣ ⋅ ejψ(ℓ) zeigt. Die Beziehung zwischen den
Polarkoordinaten der finiten Spektralfolgen lautet für den Betrag
∣Y(ℓ)∣ = ∣e−jπ k  ℓ/N ⋅ X(ℓ)∣ = ∣e−jπ k  ℓ/N ∣ ⋅ ∣X(ℓ)∣ = ∣X(ℓ)∣
unter Verwendung des Betrags der harmonischen Funktion ∣e−jϕ ∣ =  und für den Winkel
πk  ℓ
ψ(ℓ) = ϕ(ℓ) − .
N
Zusammengefasst entspricht die Verschiebung der Signalfolge im Originalbereich einer

Phasendrehung der Spektralfolge im Spektralbereich.
4.6 Verschiebung 65

{x(k)}≤k≤N− und Spektralfol-
ge {X(ℓ)}≤ℓ≤N−
Abb. 4.14 Verschobene Sig-

nalfolge {y(k)}≤k≤N− mit
y(k) = x(k − k  ) und k  = 
sowie Spektralfolge {Y (ℓ)}≤ℓ≤N−
mit Y (ℓ) = e−jπ k  ℓ/N ⋅ X(ℓ) =
∣Y (ℓ)∣ ⋅ ejψ(ℓ)
4.6.2 Verschiebung im Spektralbereich
Die periodische Verschiebung der finiten Spektralfolge {X(ℓ)}≤ℓ≤N− um den Versatz ℓ 

mit  ≤ ℓ  ≤ N −  ist definiert gemäß
X(ℓ + N − ℓ  ),  ≤ ℓ ≤ ℓ − 
Y(ℓ) = X(ℓ − ℓ  ) = X(ℓ − ℓ  mod N) = {
X(ℓ − ℓ  ) , ℓ ≤ ℓ ≤ N − 
unter Beachtung der N-Periodizität beziehungsweise ausführlich
Y() = X(N − ℓ  ) ,
Y() = X(N − ℓ  + ) ,
Y(ℓ  − ) = X(N − ) ,
Y(ℓ  ) = X() ,
Y(N − ) = X(N −  − ℓ  ) .
Die zugehörige Signalfolge y(k) = IDFT {Y(ℓ)} = IDFT {X(ℓ − ℓ  )} folgt mit der In-
dexersetzung von ℓ − ℓ  durch den Summationsindex ℓ gemäß
 N−
IDFT {X(ℓ − ℓ  )} = ∑ X(ℓ − ℓ  ) ⋅ e
jπ kℓ/N
N ℓ=
N−−ℓ 
 jπ k(ℓ+ℓ  )/N
= ∑ X(ℓ) ⋅ e
N ℓ=−ℓ 
N−−ℓ 

= ejπ kℓ  /N ⋅ ∑ X(ℓ) ⋅ e
jπ kℓ/N
.
N ℓ=−ℓ 
Wie im Fall der periodischen Verschiebung im Originalbereich ergibt sich der Summen-
ausdruck unter Beachtung der N-Periodizität der periodisch fortgesetzten Spektralfolge
{X(ℓ)}≤ℓ≤N− , einer geeigneten Indexersetzung von ℓ + N durch den Summationsindex ℓ
sowie der π-Periodizität der harmonischen Funktion e−jϕ aus der folgenden Rechnung.
N−−ℓ 

∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=−ℓ 
 −  N−−ℓ 
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=−ℓ  N ℓ=
 −  N−−ℓ 
= ∑ X(ℓ + N) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=−ℓ  N ℓ=
N− N−−ℓ 
 
= ∑ X(ℓ) ⋅ e
jπ k(ℓ−N)/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=N−ℓ  N ℓ=
N− N−−ℓ 
 
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ e−jπ k N/N + ∑ X(ℓ) ⋅ e
jπ kℓ/N
4.6 Verschiebung 67
N− N−−ℓ 
 
= ∑ X(ℓ) ⋅ ejπ kℓ/N ⋅ e−jπ k + ∑ X(ℓ) ⋅ ejπ kℓ/N
N− N−−ℓ 
 
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
 N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
= x(k)
Zusammengefasst folgt für die um den Versatz ℓ  periodisch verschobene Spektralfolge

{X(ℓ − ℓ  )}≤ℓ≤N− die Transformationsvorschrift
X(ℓ − ℓ  ) r b ejπ kℓ  /N ⋅ x(k) . (4.15)
Die periodische Verschiebung der Spektralfolge im Spektralbereich entspricht im Original-

bereich einer Multiplikation der ursprünglichen Signalfolge mit der harmonischen Folge
ejπ kℓ  /N . Abbildung 4.15 stellt die finite Signalfolge mit den Signalwerten y(k) = ejπ kℓ  /N ⋅
x(k) für ℓ  =  und die verschobene Spektralfolge mit den Spektralwerten Y(ℓ) = X(ℓ−ℓ  )
für die reelle Signalfolge {x(k)}≤k≤N− und die Spektralfolge {X(ℓ)}≤ℓ≤N− in Abb. 4.1
auf S. 48 dar. Wie wir in Kap. 5 herleiten werden, stellt die harmonische Folge ejπ kℓ  /N
eine Signalfolge mit einem Spektralanteil an der Stelle ℓ  beziehungsweise ℓ  /N dar. Die
Multiplikation einer Signalfolge mit einer solchen harmonischen Folge entsprechend der
Verschiebung der Spektralfolge um den Versatz ℓ  repräsentiert eine Modulation.

{y(k)}≤k≤N− mit y(k) =
ejπ k ℓ  /N ⋅ x(k) und ℓ  = 
sowie verschobene Spektralfol-
ge {Y (ℓ)}≤ℓ≤N− mit Y (ℓ) =
X(ℓ − ℓ  )
4.7 Multiplikation
4.7.1 Multiplikation im Originalbereich
Die Multiplikation der finiten Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− führt für
die diskrete Fourier-Transformation unter Verwendung der Rücktransformationsformel
x(k) = IDFT {X(ℓ)} und der Hintransformationsformel Y(ℓ) = DFT {y(k)} auf die fol-
gende Spektralfolge
N−
DFT {x(k) ⋅ y(k)} = ∑ x(k) ⋅ y(k) ⋅ e−jπ kℓ/N
k=
N−
 N−
= ∑( ∑ X(λ) ⋅ e
jπ k λ/N
) ⋅ y(k) ⋅ e−jπ kℓ/N
k= N λ=
 N− N− −jπ k(ℓ−λ)/N

= ∑ ∑ X(λ) ⋅ y(k) ⋅ e
N k= λ=
 N− N−
−jπ k(ℓ−λ)/N
= ∑ X(λ) ⋅ ( ∑ y(k) ⋅ e )
N λ= k=
 N−
= ∑ X(λ) ⋅ Y(ℓ − λ) .
N λ=
Unter Verwendung der modulo-Rechnung wird die resultierende signaltheoretische Ope-

ration
N− N−
∑ X(λ) ⋅ Y(ℓ − λ) = ∑ X(λ) ⋅ Y(ℓ − λ mod N) = X(ℓ) ⋆ Y(ℓ) (4.16)
λ= λ=
als zirkulare, zyklische oder periodische Faltung bezeichnet. Bei der Berechnung dieser
periodischen Faltung ist die Periodizität der auf der Indexmenge Z der ganzen Zahlen pe-
riodisch fortgesetzten finiten Spektralfolge {Y(ℓ)}≤ℓ≤N− mit der Periode N zu beachten.
Die Multiplikation der finiten Signalfolgen im Originalbereich entspricht somit – bis auf
die zusätzliche Division durch den Wert N – der periodischen Faltung der finiten Spektral-
folgen im Spektralbereich gemäß der folgenden Transformationsvorschrift.
b r   N−
x(k) ⋅ y(k) ⋅ X(ℓ) ⋆ Y(ℓ) = ∑ X(λ) ⋅ Y(ℓ − λ) (4.17)
N N λ=
Die aus der periodischen Faltung X(ℓ) ⋆ Y(ℓ) resultierende Folge wird auch als Faltungs-
produkt bezeichnet. Wie leicht anhand der Definition hergeleitet werden kann, ist die
periodische Faltung im Spektralbereich kommutativ, assoziativ und distributiv bezüglich
4.7 Multiplikation 69
Abb. 4.16 Reelle Signal-

folgen {x(k)}≤k≤N− und
{y(k)}≤k≤N− sowie Spek-
tralfolgen {X(ℓ)}≤ℓ≤N− und
{Y (ℓ)}≤ℓ≤N−

{z(k)}≤k≤N− mit z(k) =
x(k) ⋅ y(k) und Spektralfol-
ge {Z(ℓ)}≤ℓ≤N− mit Z(ℓ) =
X(ℓ) ⋆ Y (ℓ)/N
der Addition, das heißt es gilt
Kommutativität X(ℓ) ⋆ Y(ℓ) = Y(ℓ) ⋆ X(ℓ) ,

Assoziativität (X(ℓ) ⋆ Y(ℓ)) ⋆ Z(ℓ) = X(ℓ) ⋆ (Y(ℓ) ⋆ Z(ℓ)) ,
Distributivität (X(ℓ) + Y(ℓ)) ⋆ Z(ℓ) = X(ℓ) ⋆ Z(ℓ) + Y(ℓ) ⋆ Z(ℓ) .
In Abb. 4.16 sind die reellen Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− sowie die
Spektralfolgen {X(ℓ)}≤ℓ≤N− und {Y(ℓ)}≤ℓ≤N− dargestellt, während Abb. 4.17 die Sig-
nalfolge {z(k)}≤k≤N− mit z(k) = x(k) ⋅ y(k) sowie die Spektralfolge {Z(ℓ)}≤ℓ≤N− mit
Z(ℓ) = X(ℓ) ⋆ Y(ℓ)/N zeigt.
4.7.2 Multiplikation im Spektralbereich
Die Multiplikation der Spektralfolgen {X(ℓ)}≤ℓ≤N− und {Y(ℓ)}≤ℓ≤N− im Spektralbe-

reich führt mit einer ähnlichen Rechnung wie im Fall der Multiplikation im Originalbereich
auf die periodische Faltung der Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− im Origi-
nalbereich, wie die folgende Rechnung zeigt.
 N−
IDFT {X(ℓ) ⋅ Y(ℓ)} = ∑ X(ℓ) ⋅ Y(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
 N− N− −jπκℓ/N
= ∑ ( ∑ x(κ) ⋅ e ) ⋅ Y(ℓ) ⋅ ejπ kℓ/N
N ℓ= κ=
 N− N−
= ∑ ∑ x(κ) ⋅ Y(ℓ) ⋅ e
jπ(k−κ)ℓ/N
N ℓ= κ=
N−
 N−
= ∑ x(κ) ⋅ ( ∑ Y(ℓ) ⋅ e
jπ(k−κ)ℓ/N
)
κ= N ℓ=
N−
= ∑ x(κ) ⋅ y(k − κ)
κ=
Die auftretende signaltheoretische Operation
N− N−
∑ x(κ) ⋅ y(k − κ) = ∑ x(κ) ⋅ y(k − κ mod N) = x(k) ⋆ y(k) (4.18)
κ= κ=
entspricht erneut der periodischen Faltung, die hier im Originalbereich berechnet wird un-
ter Berücksichtigung der N-Periodizität der finiten Signalfolgen. Die Multiplikation im
Spektralbereich der korrespondierenden finiten Spektralfolgen entspricht der periodischen
4.8 Periodische Faltung 71

{z(k)}≤k≤N− mit z(k) =
x(k) ⋆ y(k) und Spektralfol-
ge {Z(ℓ)}≤ℓ≤N− mit Z(ℓ) =
X(ℓ) ⋅ Y (ℓ)
Faltung der Signalfolgen im Originalbereich gemäß der Transformationsvorschrift
N−
X(ℓ) ⋅ Y(ℓ) r b x(k) ⋆ y(k) = ∑ x(κ) ⋅ y(k − κ) (4.19)
κ=
mit dem Faltungsprodukt x(k) ⋆ y(k). Wie im Spektralbereich ist die periodische Faltung
im Originalbereich ebenfalls kommutativ, assoziativ und distributiv bezüglich der Addition,
das heißt es gilt
Kommutativität x(k) ⋆ y(k) = y(k) ⋆ x(k) ,

Assoziativität (x(k) ⋆ y(k)) ⋆ z(k) = x(k) ⋆ (y(k) ⋆ z(k)) ,
Distributivität (x(k) + y(k)) ⋆ z(k) = x(k) ⋆ z(k) + y(k) ⋆ z(k) .
In Abb. 4.18 sind die Signalfolge {z(k)}≤k≤N− mit z(k) = x(k)⋆ y(k) und die Spektralfol-
ge {Z(ℓ)}≤ℓ≤N− mit Z(ℓ) = X(ℓ) ⋅ Y(ℓ) für die in Abb. 4.16 auf S. 69 dargestellten reellen
Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− sowie die Spektralfolgen {X(ℓ)}≤ℓ≤N−
und {Y(ℓ)}≤ℓ≤N− veranschaulicht.
4.8 Periodische Faltung
4.8.1 Periodische Faltung im Originalbereich
Wie im Abschn. 4.7.2 hergeleitet führt die periodische Faltung der Signalfolgen
{x(k)}≤k≤N− und {y(k)}≤k≤N− im Originalbereich auf die Multiplikation der Spek-
tralfolgen {X(ℓ)}≤ℓ≤N− und {Y(ℓ)}≤ℓ≤N− im Spektralbereich, das heißt es gilt für das
Faltungsprodukt die Transformationsvorschrift

N−
x(k) ⋆ y(k) = ∑ x(κ) ⋅ y(k − κ) b r X(ℓ) ⋅ Y(ℓ) . (4.20)
κ=
Abbildung 4.18 veranschaulicht bereits die periodische Faltung im Originalbereich.
Beispiel 4.1
Als Beispiel betrachten wir die periodische Faltung der finiten Signalfolgen {x(k)}≤k≤N−
und {y(k)}≤k≤N− der Länge N = . Gemäß der Vorschrift
z(k) = x(k) ⋆ y(k)


= ∑ x(κ) ⋅ y(k − κ)
κ=
= x() ⋅ y(k) + x() ⋅ y(k − ) + x() ⋅ y(k − ) + x() ⋅ y(k − )
folgen aufgrund der periodischen Fortsetzung der Signalfolge {y(k)}≤k≤N− sowie der
modulo-Rechnung y(k − κ) = y(k − κ mod N) die ausführlichen Beziehungen
z() = x() ⋅ y() + x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−)

= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y(−) + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
für das resultierende Faltungsprodukt z(k). ◇
Beispiel 4.2
Für die periodische Faltung berechnen wir das Faltungsprodukt
N− N−
z(k) = x(k) ⋆ y(k) = ∑ x(κ) ⋅ y(k − κ) = ∑ x(κ) ⋅ y(−[κ − k])
κ= κ=
der Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− im Originalbereich. Bei der Bil-

dung der Summe für die periodische Faltung wird y(κ) zunächst gespiegelt y(−κ) =
y(−κ mod N) und anschließend um den Index k periodisch verschoben y(−[κ − k]) =
y(−[κ − k] mod N). Anschließend wird Signalwert für Signalwert mit x(κ) multipli-
N−
ziert gemäß x(κ)⋅ y(−[κ−k]) für  ≤ κ ≤ N − und entsprechend ∑κ= x(κ)⋅ y(−[κ−k])
4.8 Periodische Faltung 73
Abb. 4.19 Periodische Faltung

der Signalfolgen {x(k)}≤k≤N−
und {y(k)}≤k≤N− mit dem
Faltungsprodukt {z(k)}≤k≤N−
und z(k) = x(k) ⋆ y(k)
aufsummiert. Wie in Abb. 4.19 für die Länge N =  veranschaulicht gilt ausführlich
z() = x() ⋅ y() + x() ⋅ y(−) + x() ⋅ y(−) + . . . + x() ⋅ y(−)

= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + . . . + x() ⋅ y() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y(−) + . . . + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + . . . + x() ⋅ y() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + . . . + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + . . . + x() ⋅ y() ,
⋮
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + . . . + x() ⋅ y()
unter Beachtung der N-Periodizität der finiten Signalfolge {y(k)}≤k≤N− .

◇

{z(k)}≤k≤N− mit z(k) =
N ⋅ x(k) ⋅ y(k) und Spek-
tralfolge {Z(ℓ)}≤ℓ≤N− mit
Z(ℓ) = X(ℓ) ⋆ Y (ℓ)
4.8.2 Periodische Faltung im Spektralbereich
Für die periodische Faltung der Spektralfolgen {X(ℓ)}≤ℓ≤N− und {Y(ℓ)}≤ℓ≤N− wird –
bis auf den Vorfaktor N – die Multiplikation der korrespondierenden Signalfolgen
{x(k)}≤k≤N− und {y(k)}≤k≤N− erhalten gemäß der Transformationsvorschrift
N−
X(ℓ) ⋆ Y(ℓ) = ∑ X(λ) ⋅ Y(ℓ − λ) r b N ⋅ x(k) ⋅ y(k) . (4.21)
λ=
In Abb. 4.20 sind die Signalfolge {z(k)}≤k≤N− mit z(k) = N ⋅ x(k) ⋅ y(k) und die
Spektralfolge {Z(ℓ)}≤ℓ≤N− mit Z(ℓ) = X(ℓ) ⋆ Y(ℓ) für die in Abb. 4.16 auf S. 69 dar-
gestellten reellen Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− sowie die Spektralfolgen
{X(ℓ)}≤ℓ≤N− und {Y(ℓ)}≤ℓ≤N− veranschaulicht.
4.9 Symmetrie
Wie aus den vorangegangenen Abschnitten ersichtlich wird, gelten für die diskrete Fou-
rier-Transformation ähnliche Eigenschaften für die Operationen im Originalbereich und
im Spektralbereich. Der Grund hierfür liegt an dem ähnlichen Aufbau der Transforma-
tionsformeln der diskreten Fourier-Transformation DFT und ihrer inversen diskreten
Fourier-Transformation IDFT. Zur Herleitung der Symmetrieeigenschaft gehen wir von
den Transformationsformeln mit den Indizes κ und λ in den Original- und Spektralberei-
chen aus. Es gilt
N−
r b  N−
X(λ) = ∑ x(κ) ⋅ e−jπκ λ/N x(κ) = ∑ X(λ) ⋅ e
jπκ λ/N
κ= N λ=
4.9 Symmetrie 75
mit den Indizes  ≤ κ, λ ≤ N − . Aus der Rücktransformationsformel folgt nach Multipli-

kation mit N
N−
N ⋅ x(κ) = ∑ X(λ) ⋅ ejπκ λ/N
λ=
sowie durch Ersetzen von κ durch den Index −κ

N−
N ⋅ x(−κ) = ∑ X(λ) ⋅ e−jπκ λ/N .
λ=
Durch Umbenennung der Indizes κ = ℓ und λ = k ergibt sich
N−
N ⋅ x(−ℓ) = ∑ X(k) ⋅ e−jπ kℓ/N .
k=
Diese Formel führt auf die Hintransformation
N ⋅ x(−ℓ) = DFT {X(k)}
mit der Signalfolge {X(k)}≤k≤N− , die der ursprünglichen Spektralfolge durch Vertau-
schen der Indizes k und ℓ in den Original- und Spektralbereichen entspricht. Hierbei ist
für die Spiegelung x(−ℓ) die N-Periodizität der Signalfolge zu beachten, das heißt es gilt
x() , ℓ=
x(−ℓ) = x(−ℓ mod N) = { .
x(N − ℓ),  ≤ ℓ ≤ N −
Zur Probe setzen wir die berechnete Spektralfolge {N ⋅ x(−ℓ)}≤ℓ≤N− in die Rücktransfor-
mationsformel der diskreten Fourier-Transformation ein und erhalten
 N−
IDFT {N ⋅ x(−ℓ)} = ∑ N ⋅ x(−ℓ) ⋅ e
jπ kℓ/N
N ℓ=
N−
= ∑ x(−ℓ) ⋅ ejπ kℓ/N
ℓ=
N−
= x() + ∑ x(−ℓ) ⋅ ejπ kℓ/N
ℓ=
N−
= x() + ∑ x(N − ℓ) ⋅ ejπ kℓ/N .
ℓ=
Wird der Index N − ℓ durch den Index ℓ ersetzt, so folgt
N−
IDFT {N ⋅ x(−ℓ)} = x() + ∑ x(N − ℓ) ⋅ ejπ kℓ/N
ℓ=

= x() + ∑ x(ℓ) ⋅ ejπ k(N−ℓ)/N
ℓ=N−
N−
= x() + ∑ x(ℓ) ⋅ ejπ k N/N ⋅ e−jπ kℓ/N
ℓ=
N−
= x() + ∑ x(ℓ) ⋅ ejπ k ⋅ e−jπ kℓ/N
ℓ=
N−
= x() + ∑ x(ℓ) ⋅ e−jπ kℓ/N
ℓ=
N−
= ∑ x(ℓ) ⋅ e−jπ kℓ/N
ℓ=
= X(k)
unter Verwendung der π-Periodizität der harmonischen Funktion ejϕ . Es gilt also
X(k) = IDFT {N ⋅ x(−ℓ)} .
Zusammengefasst folgt somit für das Transformationspaar x(k) b r X(ℓ) die hergeleitete
Symmetrie der diskreten Fourier-Transformation
X(k) b r N ⋅ x(−ℓ) . (4.22)
Diese Symmetrieeigenschaft besagt, dass sich bei Interpretation der ursprünglichen Spek-
tralfolge als Signalfolge {X(k)}≤k≤N− die zugehörige Spektralfolge {N ⋅ x(−ℓ)}≤ℓ≤N−
ergibt, die der gespiegelten und mit dem Faktor N multiplizierten ursprünglichen Sig-
nalfolge entspricht. In Abb. 4.21 ist die Symmetrieeigenschaft der diskreten Fourier-
Transformation für die in Abb. 4.5 auf S. 55 gezeigte komplexe Signalfolge {x(k)}≤k≤N−
mit der zugehörigen Spektralfolge {X(ℓ)}≤ℓ≤N− veranschaulicht.
4.10 Periodische Korrelation
4.10.1 Periodische Kreuzkorrelation
Eine in der Signaltheorie und Signalverarbeitung wichtige Operation stellt die Korrelation
zweier Signalfolgen dar. Da wir uns im Rahmen der diskreten Fourier-Transformation mit
finiten Signalfolgen befassen, ist die so genannte zirkulare, zyklische oder periodische Kor-
relation der beiden finiten Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− definiert durch
die Kreuzkorrelationsfolge
N− N−
r x y (k) = ∑ x(κ) ⋅ y ∗ (κ − k) = ∑ x(κ) ⋅ y ∗ (κ − k mod N) . (4.23)
κ= κ=
4.10 Periodische Korrelation 77
Abb. 4.21 Symmetrie der Sig-

nalfolge {X(k)}≤k≤N− und der
Spektralfolge {N ⋅ x(−ℓ)}≤ℓ≤N−
Es besteht ein enger Zusammenhang zur periodischen Faltung, wie die folgende Rechnung
zeigt.
N− N−
r x y (k) = ∑ x(κ) ⋅ y ∗ (κ − k) = ∑ x(κ) ⋅ y ∗ (−[k − κ]) = x(k) ⋆ y ∗ (−k)
κ= κ=
Die periodische Kreuzkorrelation kann durch die periodische Faltung der Signal-
folge {x(k)}≤k≤N− mit der gespiegelten und konjugiert komplexen Signalfolge
{y ∗ (−k)}≤k≤N− berechnet werden. Mit den Spektralfolgen DFT {x(k)} = X(ℓ) und
DFT {y ∗ (−k)} = Y ∗ (ℓ) folgt die Spektralfolge {R x y (ℓ)}≤ℓ≤N− der Kreuzkorrelationsfol-
ge {r x y (k)}≤k≤N− zu
N−
r x y (k) = ∑ x(κ) ⋅ y ∗ (κ − k) b r R x y (ℓ) = X(ℓ) ⋅ Y ∗ (ℓ) . (4.24)
κ=
In Abb. 4.22 sind die Kreuzkorrelationsfolge und die zugehörige Spektralfolge für die in
Abb. 4.16 auf S. 69 dargestellten reellen Signalfolgen mit den zugehörigen Spektralfolgen
gezeigt.1
Für k =  ergibt sich aus der Kreuzkorrelationsfolge das Skalarprodukt
N−
r x y () = ∑ x(κ) ⋅ y ∗ (κ)
κ=
1
In der digitalen Signalverarbeitung wird die so genannte spektrale Kreuzenergiedichte oder das
Kreuzenergiedichtespektrum üblicherweise mit S x y (ℓ) anstelle von R x y (ℓ) bezeichnet.
Abb. 4.22 Periodische Kreuzkor-

relationsfolge {r x y (k)}≤k≤N−
mit r x y (k) = x(k) ⋆ y ∗ (−k) und
Spektralfolge {R x y (ℓ)}≤ℓ≤N− mit
R x y (ℓ) = X(ℓ) ⋅ Y ∗ (ℓ)
der Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− . Mit der Rücktransformationsformel

der diskreten Fourier-Transformation für die Kreuzkorrelationsfolge
 N−
r x y (k) = IDFT {R x y (ℓ)} = ∑ R x y (ℓ) ⋅ e
jπ kℓ/N
N ℓ=
folgt unter Verwendung von R x y (ℓ) = X(ℓ) ⋅ Y ∗ (ℓ) die Kreuzkorrelationsfolge für den
Index k = 
 N−  N−  N− ∗
r x y () = ∑ R x y (ℓ) ⋅ e
jπ⋅⋅ℓ/N
= ∑ R x y (ℓ) = ∑ X(ℓ) ⋅ Y (ℓ) .
N ℓ= N ℓ= N ℓ=
Es gilt somit eine ähnliche Berechnungsvorschrift im Original- und im Spektralbereich ent-

sprechend
N−
∗  N− ∗
∑ x(k) ⋅ y (k) = ∑ X(ℓ) ⋅ Y (ℓ) . (4.25)
k= N ℓ=
4.10.1.1 Vektordarstellung
Mit Hilfe der N-dimensionalen Signalvektoren
⎛ x() ⎞ ⎛ y() ⎞
⎜ x() ⎟ ⎜ y() ⎟
x=⎜
⎜
⎟
⎟ und y=⎜
⎜
⎟
⎟
⎜ ⋮ ⎟ ⎜ ⋮ ⎟
⎝ x(N − ) ⎠ ⎝ y(N − ) ⎠
ist das Skalarprodukt im Originalbereich definiert gemäß

N−
⟨x, y⟩ = ∑ x(k) ⋅ y ∗ (k) . (4.26)
k=
4.10 Periodische Korrelation 79
Entsprechend folgt im Spektralbereich mit den Spektralvektoren
⎛ X() ⎞ ⎛ Y() ⎞
⎜ X() ⎟ ⎜ Y() ⎟
X=⎜
⎜
⎟
⎟ und Y =⎜
⎜
⎟
⎟
⎜ ⋮ ⎟ ⎜ ⋮ ⎟
⎝ X(N − ) ⎠ ⎝ Y(N − ) ⎠
für das Skalarprodukt im Spektralbereich

N−
⟨X, Y⟩ = ∑ X(ℓ) ⋅ Y ∗ (ℓ) . (4.27)
ℓ=
Insgesamt erhalten wir für das Skalarprodukt im Originalbereich und im Spektralbereich


⟨x, y⟩ = ⋅ ⟨X, Y⟩ . (4.28)
N
4.10.2 Periodische Autokorrelation
Für y(k) = x(k) ergibt sich die Autokorrelationsfolge

N− N−
r xx (k) = ∑ x(κ) ⋅ x ∗ (κ − k) = ∑ x(κ) ⋅ x ∗ (κ − k mod N) , (4.29)
κ= κ=
für die ebenfalls

r xx (k) = x(k) ⋆ x ∗ (−k)
gilt. Im Spektralbereich folgt unter Verwendung der Spektralfolge der Kreuzkorrelations-
folge mit Y(ℓ) = X(ℓ) leicht die rein reelle Spektralfolge der Autokorrelationsfolge.
N−
r xx (k) = ∑ x(κ) ⋅ x ∗ (κ − k) b r R xx (ℓ) = X(ℓ) ⋅ X ∗ (ℓ) = ∣X(ℓ)∣ (4.30)
κ=
In Abb. 4.23 sind die Autokorrelationsfolge {r xx (k)}≤k≤N− mit r xx (k) = x(k) ⋆ x ∗ (−k)
und die zugehörige Spektralfolge {R xx (ℓ)}≤ℓ≤N− mit R xx (ℓ) = ∣X(ℓ)∣ für die in Abb. 4.1
auf S. 48 gezeigten Signalfolge und Spektralfolge dargestellt.2
Für den Index k =  folgt aus der Autokorrelationsfolge mit
N− N−
r xx () = ∑ x(κ) ⋅ x ∗ (κ) = ∑ ∣x(κ)∣
κ= κ=
die Energie einer finiten Signalfolge der Länge N, der wir uns im folgenden Abschnitt 4.11
zuwenden wollen.
2
In der digitalen Signalverarbeitung wird die so genannte spektrale Energiedichte oder das Energie-
dichtespektrum üblicherweise mit S x x (ℓ) anstelle von R x x (ℓ) bezeichnet.
Abb. 4.23 Periodische Autokor-

relationsfolge {r x x (k)}≤k≤N−
mit r x x (k) = x(k) ⋆ x ∗ (−k) und
Spektralfolge {R x x (ℓ)}≤ℓ≤N− mit
R x x (ℓ) = ∣X(ℓ)∣
4.11 Energie
Eine wichtige signaltheoretische Größe für die finite Signalfolge {x(k)}≤k≤N− stellt die
Energie E dar [19, 23]. Diese wird in der Signaltheorie definiert durch
N−
E = ∑ ∣x(k)∣ . (4.31)
k=
Sie entspricht dem Wert der Autokorrelationsfolge an der Stelle k = , das heißt es gilt
r xx () = E. Unter Verwendung der Rücktransformationsformel der inversen diskreten
Fourier-Transformation für die Autokorrelationsfolge
 N−
r xx (k) = IDFT {R xx (ℓ)} = ∑ R xx (ℓ) ⋅ e
jπ kℓ/N
N ℓ=
ergibt sich mit der Spektralfolge R xx (ℓ) = ∣X(ℓ)∣ die Energie für die Autokorrelationsfolge
für den Index k =  gemäß
 N−  N−  N−

E = r xx () = ∑ R xx (ℓ) ⋅ e
jπ⋅⋅ℓ/N
= ∑ R xx (ℓ) = ∑ ∣X(ℓ)∣ .

N ℓ= N ℓ= N ℓ=
Insgesamt folgt für die Energie der finiten Signalfolge {x(k)}≤k≤N− mit der finiten Spek-
tralfolge {X(ℓ)}≤ℓ≤N− im Originalbereich und im Spektralbereich die Beziehung
N−
 N−
E = ∑ ∣x(k)∣ = ∑ ∣X(ℓ)∣ .

(4.32)
k= N ℓ=
4.11 Energie 81
Die Energie E einer Signalfolge kann sowohl im Originalbereich als auch im Spektralbe-
reich auf ähnliche Weise ermittelt werden. Wegen R xx (ℓ) = ∣X(ℓ)∣ und damit
 N−  N−
E= ∑ ∣X(ℓ)∣ =

∑ R xx (ℓ)
N ℓ= N ℓ=
beschreibt die Spektralfolge {R xx (ℓ)}≤ℓ≤N− die spektrale Verteilung der Energie der Sig-
nalfolge im Spektralbereich. Daher wird R xx (ℓ) = ∣X(ℓ)∣ auch die spektrale Energiedichte
oder Energiedichtespektrum genannt.
Alternativ kann die Energie E als Quadrat des Vektorbetrags des N-dimensionalen Si-
gnalvektors
⎛ x() ⎞
⎜ x() ⎟
x=⎜ ⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
geschrieben werden gemäß
N−

E = ∑ ∣x(k)∣ = ∥x∥ .
k=
In Analogie zur Vektorrechnung wird mit Hilfe der Energie E die „Größe“ eines Signals
gemessen. Entsprechend folgt im Spektralbereich mit dem Spektralvektor
⎛ X() ⎞
⎜ X() ⎟
X=⎜
⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ X(N − ) ⎠
für die Energie im Spektralbereich
 N−  
E= ∑ ∣X(ℓ)∣ =

⋅ ∥X∥ ,
N ℓ= N
so dass wir insgesamt erhalten
  
E = ∥x∥ = ⋅ ∥X∥ . (4.33)
N
Beispiel 4.3
Für die in Beispiel 3.1 auf der S. 33 betrachtete Länge N =  für die diskrete Fourier-
Transformation mit dem vierdimensionalen Signalvektor
⎛ x() ⎞ ⎛ , ⎞
⎜ x() ⎟ ⎜ −, ⎟
x =⎜
⎜
⎟=⎜
⎟ ⎜ , ⎟
⎟
⎜ x() ⎟ ⎜ ⎟
⎝ x() ⎠ ⎝ , ⎠
und dem zugehörigen vierdimensionalen Spektralvektor
⎛ X() ⎞ ⎛ , ⎞
⎜ X() ⎟ ⎜ , + j , ⎟
X =⎜
⎜
⎟=⎜
⎟ ⎜ ,
⎟
⎟
⎜ X() ⎟ ⎜ ⎟
⎝ X() ⎠ ⎝ , − j , ⎠
berechnet sich die Energie im Originalbereich E = ∥x∥ zu
E = ∣,∣ + ∣ − ,∣ + ∣,∣ + ∣,∣

= , .
Die im Spektralbereich ermittelte Energie E = ∥X∥ / entspricht dem identischen Wert


E= ⋅ (∣,∣ + ∣, + j ,∣ + ∣,∣ + ∣, − j ,∣ )

= , .
4.12 Dezimation
Eine in der digitalen Signalverarbeitung häufig anzutreffende Operation stellt die so ge-
nannte Dezimation dar [8, 10]. Bei dieser werden aus einer Signalfolge {x(k)}≤k≤N− in
gleichbleibendem Abstand Signalwerte entnommen. Wir betrachten in diesem Abschnitt
den in Abb. 4.24 gezeigten einfachsten Fall einer Dezimation um den Faktor , bei der mit
Hilfe des mit ↓  gekennzeichneten Blocks jeder zweite Signalwert weggelassen wird.
Abbildung 4.25 veranschaulicht die Wirkungsweise dieses Dezimators ↓  für die Länge
N = . Wie aus dieser Abbildung ersichtlich ergibt sich die dezimierte Signalfolge der
halben Länge N/ = .
Die dezimierte Signalfolge {y(k)}≤k≤N/− berechnet sich aus der finiten Signalfolge
{x(k)}≤k≤N− mit Hilfe des Dezimators ↓  gemäß der Vorschrift3
y(k) = x↓ (k) = x(k) (4.34)
Abb. 4.24 Dezimator ↓  für die Dezimation der Signalfolge {x(k)}≤k≤N−
3
Wir gehen in diesem Abschnitt der Einfachheit halber von einer geraden Anzahl N aus.
4.12 Dezimation 83

{x(k)}≤k≤N− und dezimierte
Signalfolge {y(k)}≤k≤N/− mit
y(k) = x↓ (k)
für  ≤ k ≤ N/ − . Die zugehörige Spektralfolge {Y(ℓ)}≤ℓ≤N/− ergibt sich aus der
diskreten Fourier-Transformation für Signalfolgen der Länge N/ gemäß
N/− N/−
Y(ℓ) = ∑ y(k) ⋅ e−jπ kℓ/(N/) = ∑ x(k) ⋅ e−jπ(k)ℓ/N
k= k=
mit  ≤ ℓ ≤ N/ − . Unter Verwendung der Rücktransformationsformel
 N−
x(κ) = ∑ X(λ) ⋅ e
jπκ λ/N
N λ=
der diskreten Fourier-Transformation für die Signalfolge der Länge N folgt mit κ = k
N/−
Y(ℓ) = ∑ x(k) ⋅ e−jπ(k)ℓ/N
k=
N/−
 N−
= ∑ ( ∑ X(λ) ⋅ e
jπ(k)λ/N
) ⋅ e−jπ(k)ℓ/N
k= N λ=
 N/− N−
= ∑ ∑ X(λ) ⋅ e
jπ(k)λ/N
⋅ e−jπ(k)ℓ/N
N k= λ=
N− ⎛  N/− jπ(k)(λ−ℓ)/N ⎞
= ∑ X(λ) ⋅ ∑ e .
λ= ⎝ N k= ⎠
Für die innere Summe erhalten wir im Fall λ − ℓ = n ⋅ N/
 N/− jπ(k)(λ−ℓ)/N  N/− jπ(k)n(N/)/N

∑ e = ∑ e
N k= N k=
 N/− jπ kn
= ∑ e
N k=
N/−

= ∑ 
N k=
 N
= ⋅
N 

= .

Für λ − ℓ ≠ n ⋅ N/ und ejπ(λ−ℓ) =  ergibt sich
 N/− jπ(k)(λ−ℓ)/N  N/− jπ(λ−ℓ)/(N/) k

∑ e = ∑ (e )
N k= N k=
N/
  − (ejπ(λ−ℓ)/(N/) )
= ⋅
N  − ejπ(λ−ℓ)/(N/)
  − ejπ(λ−ℓ)(N/)/(N/)
= ⋅
N  − ejπ(λ−ℓ)/(N/)
  − ejπ(λ−ℓ)
= ⋅
N  − ejπ(λ−ℓ)/(N/)
=
N/−
unter Verwendung der Formel für die geometrische Reihe ∑ k= q k = ( − q N/ )/( − q)
mit q = ejπ(λ−ℓ)/(N/) ≠ . Zusammengefasst folgt daher
⎧ 
⎪ , λ=ℓ+n⋅ N
 N/− jπ(k)(λ−ℓ)/N ⎪ 
∑ e =⎨ .
N k= ⎪ ,
⎪ λ≠ℓ+n⋅ N
⎩ 
Wegen  ≤ ℓ ≤ N/ −  und  ≤ λ ≤ N −  erhalten wir
⎧ , λ = ℓ oder λ = ℓ + N
 N/− jπ(k)(λ−ℓ)/N ⎪
⎪  
∑ e =⎨ .
N k= ⎪
⎪
⎩ , sonst
Eingesetzt ergibt sich somit für die Spektralfolge der dezimierten Signalfolge
  N
Y(ℓ) = ⋅ X (ℓ) + ⋅ X (ℓ + ) .
  
Wie in Abb. 4.26 veranschaulicht entspricht die Spektralfolge Y(ℓ) der Länge N/ der
Überlagerung der ursprünglichen Spektralfolge X(ℓ) mit einer um N/ verschobenen
4.13 Interpolation 85

{x(k)}≤k≤N− und dezimier-
te Signalfolge {y(k)}≤k≤N/−
mit y(k) = x↓ (k) sowie Spek-
{Y (ℓ)}≤ℓ≤N/−
Spektralfolge X(ℓ + N/) für  ≤ ℓ ≤ N/ −  gemäß der Transformationsvorschrift
b r   N
y(k) = x↓ (k) Y(ℓ) = ⋅ X (ℓ) + ⋅ X (ℓ + ) (4.35)
  
für die dezimierte Signalfolge mit y(k) = x↓ (k).
4.13 Interpolation
Eine weitere in der digitalen Signalverarbeitung verwendete Operation stellt die so ge-
nannte Interpolation dar [8, 10]. Bei dieser Operation wird zwischen aufeinander folgende
Signalwerte einer Signalfolge {x(k)}≤k≤N− eine geeignete Anzahl von Nullen eingefügt
mit einer eventuell anschließenden Begrenzung der Spektralfolge im Sinne einer Filterung.
Wir betrachten in diesem Abschnitt den in Abb. 4.27 gezeigten einfachsten Fall einer In-
terpolation um den Faktor , bei der mit Hilfe des mit ↑  gekennzeichneten Interpolators
zwischen zwei aufeinander folgende Signalwerte eine Null eingefügt wird. Abbildung 4.28
veranschaulicht die Wirkungsweise des Interpolators ↑  für eine finite Signalfolge der
Abb. 4.27 Interpolator ↑  für die Interpolation der Signalfolge {x(k)}≤k≤N−

{x(k)}≤k≤N− und interpo-
lierte Signalfolge {y(k)}≤k≤N−
mit y(k) = x↑ (k)
Länge N = . Wie aus dieser Abbildung ersichtlich ergibt sich die interpolierte Signalfolge
der doppelten Länge N = .
Die interpolierte Signalfolge {y(k)}≤k≤N− erhalten wir aus der finiten Signalfolge
{x(k)}≤k≤N− bei der Interpolation mit Hilfe des Interpolators ↑  gemäß der Vorschrift
x(n), k = n gerade
y(k) = x↑ (k) = { (4.36)
 , k = n +  ungerade
für  ≤ k ≤ N − . Die zugehörige Spektralfolge {Y(ℓ)}≤ℓ≤N− ergibt sich aus der diskre-
ten Fourier-Transformation für Signalfolgen der Länge N gemäß
N−
Y(ℓ) = ∑ y(k) ⋅ e−jπ kℓ/(N)
k=
N− N−
= ∑ y(n) ⋅ e−jπnℓ/(N) + ∑ y(n + ) ⋅ e−jπ(n+)ℓ/(N)
n= n=
N−
= ∑ x(n) ⋅ e−jπnℓ/(N)
n=
N−
= ∑ x(n) ⋅ e−jπnℓ/N
n=
= X(ℓ)

{x(k)}≤k≤N− und interpolier-
te Signalfolge {y(k)}≤k≤N−
mit y(k) = x↑ (k) sowie Spek-
{Y (ℓ)}≤ℓ≤N−
mit der periodisch fortgesetzten Spektralfolge {X(ℓ)}≤ℓ≤N− der Länge N. Zusammenge-

fasst folgt für die Spektralfolge der interpolierten Signalfolge
y(k) = x↑ (k) b r Y(ℓ) = X(ℓ) (4.37)
mit  ≤ ℓ ≤ N −  und X(ℓ) = X(ℓ mod N). Die finite Spektralfolge Y(ℓ) der Länge
N entspricht zwei Perioden der finiten Spektralfolge X(ℓ) der Länge N. Abbildung 4.29
veranschaulicht die Signalfolge x(k) und die interpolierte Signalfolge mit y(k) = x↑ (k)
sowie die zugehörigen finiten Spektralfolgen.
Um höhere Spektralanteile in der interpolierten Signalfolge x↑ (k) zu unterdrücken,
wird eine Filterung nach dem Interpolator ↑  entsprechend Abb. 4.30 durchgeführt.
Zu diesem Zweck wird die Signalfolge {y(k)}≤k≤N− aus der interpolierten Signalfol-
ge {x↑ (k)}≤k≤N− durch eine Filterung im Spektralbereich unter Beachtung der N-
Periodizität der Spektralfolge X(ℓ + N) = X(ℓ) beziehungsweise der modulo-Rechnung
Abb. 4.30 Interpolator ↑  mit Filterung im Spektralbereich

{X(ℓ)}≤ℓ≤N− und interpolier-
te Spektralfolge {Y (ℓ)}≤ℓ≤N−
mit Filterung
X(ℓ) = X(ℓ mod N) gemäß der folgenden Vorschrift für  ≤ ℓ ≤ N −  berechnet.
⎧
⎪ X(ℓ), ≤ℓ≤ N
−
⎪
⎪
⎪ 
⎪
⎪
Y(ℓ) = ⎨  , N
≤ℓ≤ N
− (4.38)
⎪
⎪
⎪
 
⎪
⎪
⎪
⎩ X(ℓ),
N

≤ ℓ ≤ N − 
Abbildung 4.31 stellt die Spektralfolge {X(ℓ)}≤ℓ≤N− sowie die interpolierte Spektralfolge
{Y(ℓ)}≤ℓ≤N− mit Filterung dar.
Für die interpolierte Signalfolge {y(k)}≤k≤N− gilt unter Verwendung der Rücktrans-
formation y(k) = IDFT {Y(ℓ)} der diskreten Fourier-Transformation
 N−
y(k) = ∑ Y(ℓ) ⋅ ejπ kℓ/(N)
N ℓ=
 N/−  N−
= ∑ X(ℓ) ⋅ ejπ kℓ/(N) + ∑ X(ℓ) ⋅ ejπ kℓ/(N)
N ℓ= N ℓ=N/
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ∑ X(ℓ + N) ⋅ e
jπ k(ℓ+N)/(N)
N ℓ= N ℓ=N/
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ∑ X(ℓ) ⋅ e
jπ k(ℓ+N)/(N)
N ℓ= N ℓ=N/
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ejπ k N/(N) ⋅ ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
N ℓ= N ℓ=N/
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ejπ k ⋅ ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
.
N ℓ= N ℓ=N/
Mit ejπ k = (−) k folgt
 N/−  N−
y(k) = ∑ X(ℓ) ⋅ ejπ kℓ/(N) + (−) k ⋅ ∑ X(ℓ) ⋅ ejπ kℓ/(N) .
N ℓ= N ℓ=N/
Für gerade Indizes k folgt
 N/−  N−
y(k) = ∑ X(ℓ) ⋅ e
jπ(k)ℓ/(N)
+ (−)k ⋅ ∑ X(ℓ) ⋅ e
jπ(k)ℓ/(N)
N ℓ= N ℓ=N/
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ= N ℓ=N/
  N−
= ⋅ ∑ X(ℓ) ⋅ e
jπ kℓ/N
 N ℓ=

= ⋅ x(k)

beziehungsweise zusammengefasst

y(k) = ⋅ x(k) . (4.39)

Für ungerade Indizes k +  ergibt sich
y(k + )
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ(k+)ℓ/(N)
+ (−)k+ ⋅ ∑ X(ℓ) ⋅ e
jπ(k+)ℓ/(N)
N ℓ= N ℓ=N/
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/(N) − ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/(N)
N ℓ= N ℓ=N/
 N/−  N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/N − ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/N
N ℓ= N ℓ=N/
 N/− jπℓ/N  N−

= ∑ (e ) ⋅ X(ℓ) ⋅ ejπ kℓ/N + ∑ (−e ) ⋅ X(ℓ) ⋅ ejπ kℓ/N .
jπℓ/N
N ℓ= N ℓ=N/
Mit der Spektralfolge

⎧
⎪ jπℓ/N
≤ℓ≤ N
−
⎪ e , 
W(ℓ) = ⎨ (4.40)
⎪
⎪
⎩ −e ≤ℓ≤ N −
jπℓ/N N
, 
für  ≤ ℓ ≤ N −  folgt
  N− 
y(k + ) = ⋅ ∑ W(ℓ) ⋅ X(ℓ) ⋅ e
jπ kℓ/N
= ⋅ IDFT {W(ℓ) ⋅ X(ℓ)} .
 N ℓ= 
Die Multiplikation der beiden Spektralfolgen {W(ℓ)}≤ℓ≤N− und {X(ℓ)}≤ℓ≤N− im Spek-

tralbereich W(ℓ) ⋅ X(ℓ) entspricht im Originalbereich der periodischen Faltung der
Signalfolgen {w(k)}≤k≤N− und {x(k)}≤k≤N− gemäß
N− N−
w(k) ⋆ x(k) = ∑ w(κ) ⋅ x(k − κ) = ∑ w(κ) ⋅ x(k − κ mod N) .
κ= κ=
Daraus folgt für ungerade Indizes k + 
  N−
y(k + ) = ⋅ w(k) ⋆ x(k) = ∑ w(κ) ⋅ x(k − κ) . (4.41)
  κ=
Abbildung 4.32 veranschaulicht die Signalfolge {x(k)}≤k≤N− und die durch Interpolation
mit Filterung berechnete Signalfolge {y(k)}≤k≤N− sowie die zugehörigen Spektralfolgen.
Die finite Gewichtsfolge {w(k)}≤k≤N− ergibt sich aus der Rücktransformationsformel
der inversen diskreten Fourier-Transformation w(k) = IDFT {W(ℓ)} gemäß der folgen-
den Rechnung.
 N−
w(k) = ∑ W(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
 N/− jπℓ/N jπ kℓ/N  N− jπℓ/N jπ kℓ/N

= ∑ e ⋅e − ∑ e ⋅e
N ℓ= N ℓ=N/
 N/− jπ(k+)ℓ/N  N− jπ(k+)ℓ/N

= ∑ e − ∑ e
N ℓ= N ℓ=N/
 N/− jπ(k+)ℓ/N  N/− jπ(k+)(ℓ+N/)/N

= ∑ e − ∑ e
N ℓ= N ℓ=
 N/− jπ(k+)ℓ/N  N/− jπ(k+)ℓ/N

= ∑ e − ejπ(k+)(N/)/N ⋅ ∑ e
N ℓ= N ℓ=
 − ej  (k+) N/− jπ(k+)ℓ/N

π
= ⋅ ∑ e
N ℓ=

{x(k)}≤k≤N− und interpolier-
te Signalfolge {y(k)}≤k≤N−
mit Filterung sowie Spektral-
folgen {X(ℓ)}≤ℓ≤N− und
{Y (ℓ)}≤ℓ≤N−
Mit ej  (k+) = ejπ k ⋅ ej  = j ⋅ (−) k und der geometrischen Reihe

π π
N/− N/−
ℓ
∑ e
jπ(k+)ℓ/N
= ∑ (ejπ(k+)/N )
ℓ= ℓ=
N/
 − (ejπ(k+)/N )
=
 − ejπ(k+)/N
 − ejπ(k+)(N/)/N
=
 − ejπ(k+)/N
 − ej  (k+)
π
=
 − ejπ(k+)/N
 − j ⋅ (−) k
=
 − ejπ(k+)/N
folgt die Gewichtsfolge
 − j ⋅ (−) k  − j ⋅ (−) k
w(k) = ⋅
N  − ejπ(k+)/N

( − j ⋅ (−) k ) 
= ⋅
N  − ejπ(k+)/N
−j ⋅ (−) k 
= ⋅
N  − ejπ(k+)/N
(−) k −j
= ⋅
N −e jπ(k+)/N
(−) k  j
= ⋅ j π (k+)/N ⋅ j π (k+)/N
− e−j  (k+)/N
π
N e e
(−) k  
= ⋅ j π (k+)/N ⋅
N e sin ( π (k + )/N)
e−j  (k+)/N
π
(−) k
= ⋅ .
N sin ( π (k + )/N)
Die finite Gewichtsfolge ist somit definiert durch
e−j  (k+)/N
π
(−) k
w(k) = ⋅ (4.42)
N sin ( π (k + )/N)
für  ≤ k ≤ N − . In kartesischen Koordinaten ergibt sich
e−j  (k+)/N
π
(−) k
w(k) = ⋅
N sin ( π (k + )/N)
(−) k cos (  (k + )/N) − j sin (  (k + )/N)

π π
= ⋅
N sin ( π (k + )/N)
(−) k ⎛  ⎞
= ⋅ −j .
N ⎝ tan (  (k + )/N) ⎠
π
Abbildung 4.33 stellt die finite Gewichtsfolge {w(k)}≤k≤N− und die zugehörige finite
Spektralfolge {W(ℓ)}≤ℓ≤N− in kartesischen Koordinaten und Polarkoordinaten dar.
Abb. 4.33 Gewichtsfolge

{w(k)}≤k≤N− und Spektralfolge
{W(ℓ)}≤ℓ≤N−
4.14 Tabellarische Zusammenfassung
Die in diesem Kapitel hergeleiteten und veranschaulichten Eigenschaften der diskreten

Fourier-Transformation sind in Tab. 4.1 zusammengefasst mit der finiten Spektralfolge
X(ℓ) = DFT {x(k)} mit den in der Regel komplexen Spektralwerten X(ℓ) = R{X(ℓ)} +
jI{X(ℓ)} und der finiten Signalfolge x(k) = IDFT {X(ℓ)} mit den im Allgemeinen kom-
plexen Signalwerten x(k) = R{x(k)} + jI{x(k)}. Die N-Periodizität der Signalfolge
x(k) = x(k + N) und der Spektralfolge X(ℓ) = X(ℓ + N) wird durch die modulo-Rechnung
hinsichtlich der Indizes k und ℓ gemäß x(k) = x(k mod N) und X(ℓ) = X(ℓ mod N) be-
rücksichtigt.
Tab. 4.1 Eigenschaften der diskreten Fourier-Transformation DFT
Signalfolge Spektralfolge
Linearität a ⋅ x(k) + b ⋅ y(k) a ⋅ X(ℓ) + b ⋅ Y (ℓ)
Spiegelung x(−k) X(−ℓ)
Gerade Folge x ′ (k) = x(k)+x(−k)

X ′ (ℓ) = X(ℓ)+X(−ℓ)

′′
Ungerade Folge x (k) = x(k)−x(−k)

X ′′ (ℓ) = X(ℓ)−X(−ℓ)

∗
Komplexe Konjugation x (k) X ∗ (−ℓ)
∗
x (−k) X ∗ (ℓ)
R{X(−ℓ)} = R{X(ℓ)}
Reelle Signalfolge x(k) = x ∗ (k)
I{X(−ℓ)} = −I{X(ℓ)}
X(ℓ)+X ∗ (−ℓ)
Realteil R{x(k)} 
∗
x(k)+x (−k)
 R{X(ℓ)}
X(ℓ)−X ∗ (−ℓ)
I{x(k)}
Imaginärteil ∗
j
x(k)−x (−k)
j
I{X(ℓ)}
Verschiebung x(k − k  ) e−jπ k  ℓ/N ⋅ X(ℓ)
Modulation ejπ k ℓ  /N ⋅ x(k) X(ℓ − ℓ  )
Multiplikation x(k) ⋅ y(k) 
N ⋅ X(ℓ) ⋆ Y (ℓ)
Faltung x(k) ⋆ y(k) X(ℓ) ⋅ Y (ℓ)
Symmetrie X(k) N ⋅ x(−ℓ)
∗
Kreuzkorrelation r x y (k) = x(k) ⋆ y (−k) R x y (ℓ) = X(ℓ) ⋅ Y ∗ (ℓ)
Autokorrelation r x x (k) = x(k) ⋆ x ∗ (−k) R x x (ℓ) = ∣X(ℓ)∣
Dezimation x↓ (k) 

⋅ X(ℓ) + 

⋅ X(ℓ + N

)
Interpolation x↑ (k) X(ℓ)
Korrespondenzen der DFT 5
In diesem Kapitel leiten wir einige wichtige Transformationspaare x(k) b r X(ℓ), so

genannte Korrespondenzen der diskreten Fourier-Transformation mit der Spektralfolge
X(ℓ) = DFT {x(k)} und der Signalfolge x(k) = IDFT {X(ℓ)} her [3, 14, 25]. Die finite
Signalfolge {x(k)}≤k≤N− ist im Allgemeinen komplex x(k) ∈ C. Entsprechend ist die fi-
nite Spektralfolge {X(ℓ)}≤ℓ≤N− ebenfalls in der Regel komplex X(ℓ) ∈ C. Für rein reelle
Signalfolgen x(k) ∈ R oder rein reelle Spektralfolgen X(ℓ) ∈ R stellen wir erneut aus-
schließlich x(k) oder X(ℓ) dar.
5.1 Impulsfolge
Die in Abb. 5.1 für N =  veranschaulichte Impulsfolge entspricht einem impulsförmigen

diskreten Signal an der Stelle k = . Sie ist definiert gemäß
, k=
x(k) = { (5.1)
, k≠
für  ≤ k ≤ N − . Die zugehörige Spektralfolge in Abb. 5.2 ergibt sich aus

N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N =  ⋅ e−jπ⋅⋅ℓ/N = 
k=
für  ≤ ℓ ≤ N − . Damit folgt die Korrespondenz
, k= b r
x(k) = { X(ℓ) =  (5.2)
, k≠
für  ≤ k, ℓ ≤ N − .

96 5 Korrespondenzen der DFT
Abb. 5.1 Impulsfolge

{x(k)}≤k≤N−

{X(ℓ)}≤ℓ≤N− der Impulsfol-
ge {x(k)}≤k≤N−
5.2 Verschobene Impulsfolge
Die verschobene Impulsfolge geht aus der Impulsfolge durch periodische Verschiebung um
den Versatz k  mit  ≤ k  ≤ N −  im Originalbereich hervor. Sie entspricht somit wie in
Abb. 5.3 für N =  veranschaulicht einem impulsförmigen diskreten Signal an der Stelle
k = k  gemäß
 , k = k
x(k) = { (5.3)
, k ≠ k 
Abb. 5.3 Verschobene Impuls-

folge {x(k)}≤k≤N− mit k  = 
5.2 Verschobene Impulsfolge 97

{X(ℓ)}≤ℓ≤N− der verschobe-
nen Impulsfolge {x(k)}≤k≤N−
mit k  =  in kartesischen Koor-
dinaten

{X(ℓ)}≤ℓ≤N− der verschobe-
nen Impulsfolge {x(k)}≤k≤N−
mit k  =  in Polarkoordinaten
für  ≤ k ≤ N − . Die zugehörige Spektralfolge folgt mit  ≤ ℓ ≤ N −  aus
N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N =  ⋅ e−jπ⋅k  ⋅ℓ/N = e−jπ k  ℓ/N .
k=
Somit lautet die Korrespondenz
, k = k b r
x(k) = { X(ℓ) = e−jπ k  ℓ/N (5.4)
, k ≠ k
für  ≤ k, ℓ ≤ N − . Dieses Ergebnis für die Spektralfolge in kartesischen Koordinaten wie

in Abb. 5.4 und in Polarkoordinaten wie in Abb. 5.5 erhalten wir ebenso durch Anwen-
dung der Verschiebungseigenschaft der diskreten Fourier-Transformation. Die konstante
Spektralfolge der unverschobenen Impulsfolge mit dem konstanten Wert  wird hiernach
aufgrund der Verschiebung im Originalbereich im Spektralbereich mit dem Drehfaktor
e−jπ k  ℓ/N multipliziert. Dies führt ebenfalls auf die Spektralfolge
X(ℓ) =  ⋅ e−jπ k  ℓ/N = e−jπ k  ℓ/N .
5.3 Konstante Signalfolge
Die konstante Signalfolge wie in Abb. 5.6 für N =  gezeigt ist definiert durch
x(k) =  (5.5)
für  ≤ k ≤ N − . Die Spektralfolge berechnet sich mit  ≤ ℓ ≤ N −  zu
N− N− N− k

X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N = ∑  ⋅ e−jπ kℓ/N = ∑ (e−jπℓ/N ) .
k= k= k=
−jπℓ/N
k= q = ( − q )/( − q) mit q = e
Mittels der geometrischen Reihe ∑ N− ≠  für ℓ ≠ 
k N
−jπℓ
und e =  folgt
N
N− k  − (e−jπℓ/N )  − e−jπℓN/N  − e−jπℓ
X(ℓ) = ∑ (e−jπℓ/N ) = = = = .
k=  − e−jπℓ/N −e −jπℓ/N  − e−jπℓ/N
Im Fall ℓ =  und somit q =  folgt
N− N−
X() = ∑  k = ∑  = N .
k= k=
Abb. 5.6 Konstante Signalfolge

{x(k)}≤k≤N−
5.4 Rechteckfolge 99

{X(ℓ)}≤ℓ≤N− der konstanten
Signalfolge {x(k)}≤k≤N−
Insgesamt erhalten wir mit der in Abb. 5.7 dargestellten Spektralfolge die Korrespondenz
b r N, ℓ=
x(k) =  X(ℓ) = { (5.6)
, ℓ≠
für  ≤ k, ℓ ≤ N − .
5.4 Rechteckfolge
Die in Abb. 5.8 für N =  gezeigte Rechteckfolge der Breite L ist definiert durch
,  ≤ k ≤ L−
x(k) = { (5.7)
, L≤ k ≤ N −
für  ≤ k ≤ N − .
Die zugehörige Spektralfolge ergibt sich aus
N− L− L− k
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N = ∑  ⋅ e−jπ kℓ/N = ∑ (e−jπℓ/N ) .
k= k= k=
Abb. 5.8 Rechteckfolge

{x(k)}≤k≤N− der Breite L = 
Für ℓ =  gilt
L− L−
X() = ∑  k = ∑  = L ,
k= k=
während für den Index ℓ ≠  im Spektralbereich mit der geometrischen Reihe ∑L−
k= q =
k
−jπℓ/N
( − q )/( − q) mit q = e
L
≠  folgt
L− k
X(ℓ) = ∑ (e−jπℓ/N )
k=
L
 − (e−jπℓ/N )
=
 − e−jπℓ/N
 − e−jπℓL/N
=
 − e−jπℓ/N
e−jπℓL/N ejπℓL/N − e−jπℓL/N
= ⋅ jπℓ/N
e−jπℓ/N e − e−jπℓ/N

⋅ (ejπℓL/N − e−jπℓL/N )
= e−jπℓ(L−)/N ⋅
j

j
⋅ (ejπℓ/N − e−jπℓ/N )
sin(πℓL/N)
= e−jπℓ(L−)/N ⋅ .
sin(πℓ/N)
Für die Rechteckfolge der Breite L gilt somit mit der in Abb. 5.9 in kartesischen Koordina-
ten und in Abb. 5.10 in Polarkoordinaten gezeigten Spektralfolge die Korrespondenz der

{X(ℓ)}≤ℓ≤N− der Rechteckfolge
{x(k)}≤k≤N− der Breite L =  in
kartesischen Koordinaten
5.5 Dreieckfolge 101

{X(ℓ)}≤ℓ≤N− der Rechteckfol-
ge {x(k)}≤k≤N− der Breite L = 
in Polarkoordinaten
diskreten Fourier-Transformation
, ≤ k ≤ L− b r sin(πℓL/N)
x(k) = { X(ℓ) = e−jπℓ(L−)/N ⋅ (5.8)
, L ≤ k ≤ N − sin(πℓ/N)
für  ≤ k, ℓ ≤ N − .
5.5 Dreieckfolge
Wir betrachten in diesem Abschnitt die periodische Faltung der Rechteckfolge
, ≤ k ≤ L−
y(k) = { (5.9)
, L ≤ k ≤ N −
der Breite L ≤ N/ mit sich selbst. Die resultierende Signalfolge {x(k)}≤k≤N− ergibt sich
aus
N− L− L−
x(k) = y(k) ⋆ y(k) = ∑ y(κ) ⋅ y(k − κ) = ∑  ⋅ y(k − κ) = ∑ y(k − κ mod N)
κ= κ= κ=
und somit nach Einsetzen von y(k − κ) = y(k − κ mod N) für  ≤ κ ≤ L − 
⎧
⎪ k+ , ≤ k ≤ L−
⎪
⎪
x(k) = ⎨ L − k − , L ≤ k ≤ L −  (5.10)
⎪
⎪
⎪
⎩  , L −  ≤ k ≤ N − 
Abb. 5.11 Dreieckfolge

{x(k)}≤k≤N− der Breite
L −  = 

{X(ℓ)}≤ℓ≤N− der Dreieck-
folge {x(k)}≤k≤N− der Breite
L −  =  in kartesischen Koor-
dinaten
für  ≤ k ≤ N − . Die periodische Faltung der Rechteckfolge der Breite L mit sich selbst
gemäß y(k)⋆ y(k) führt somit auf die in Abb. 5.11 für N =  veranschaulichte Dreieckfolge
der Breite L − .
Unter Verwendung der im Kap. 4 hergeleiteten Faltungseigenschaft der diskreten Fou-
rier-Transformation
x(k) = y(k) ⋆ y(k) b r X(ℓ) = Y(ℓ) ⋅ Y(ℓ) = Y  (ℓ)
erhalten wir die in Abb. 5.12 in kartesischen Koordinaten und in Abb. 5.13 in Polarkoordi-
naten gezeigte Spektralfolge {X(ℓ)}≤ℓ≤N− für die Dreieckfolge mit der Spektralfolge
sin(πℓL/N)
Y(ℓ) = e−jπℓ(L−)/N ⋅
sin(πℓ/N)
5.6 Harmonische Signalfolge 103

{X(ℓ)}≤ℓ≤N− der Dreieck-
folge {x(k)}≤k≤N− der Breite
L −  =  in Polarkoordinaten
der Rechteckfolge. Die Korrespondenz für die Dreieckfolge lautet für  ≤ k, ℓ ≤ N −  somit
⎧
⎪ k+ , ≤ k ≤ L−
⎪
⎪
x(k) = ⎨ L − k − , L ≤ k ≤ L − 
⎪
⎪
⎪
⎩  , L −  ≤ k ≤ N − 
b (5.11)
r

sin(πℓL/N)
X(ℓ) = e−jπℓ(L−)/N ⋅ ( ) .
sin(πℓ/N)
5.6 Harmonische Signalfolge
Die harmonische Signalfolge wie in Abb. 5.14 für N =  gezeigt leitet sich aus der harmo-
nischen Funktion ejϕ = cos(ϕ) + j sin(ϕ) her unter Verwendung der Eulerschen Formel
entsprechend
πkℓ  πkℓ 
x(k) = ejπ kℓ  /N = cos ( ) + j sin ( ) (5.12)
N N
für  ≤ k ≤ N −  mit ℓ  ≠ . Die (normierte) Frequenz
ℓ
ν=
N
der harmonischen Signalfolge entspricht einem ganzzahligen Vielfachen von /N.1
1
Für die normierte Abtastperiode  im Originalbereich ist die normierte Abtastperiode im Spektral-
bereich gegeben durch /N.
Abb. 5.14 Harmonische Signal-

folge {x(k)}≤k≤N− mit ℓ  = 
Die zugehörige Spektralfolge mit  ≤ ℓ ≤ N −  ergibt sich aus

N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N
k=
N−
= ∑ ejπ kℓ  /N ⋅ e−jπ kℓ/N
k=
N−
= ∑ e−jπ k(ℓ−ℓ  )/N
k=
N− k
= ∑ (e−jπ(ℓ−ℓ  )/N ) .
k=
−jπ(ℓ−ℓ  )/N
Mit der geometrischen Reihe ∑ N− k= q = ( − q )/( − q) und q = e
k N
≠  für
−jπ(ℓ−ℓ  )
ℓ ≠ ℓ  sowie e =  folgt ähnlich wie bei der Berechnung der Spektralfolge für die
konstante Signalfolge
N− k
X(ℓ) = ∑ (e−jπ(ℓ−ℓ  )/N )
k=
N
 − (e−jπ(ℓ−ℓ  )/N )
=
 − e−jπ(ℓ−ℓ  )/N
 − e−jπ(ℓ−ℓ  )N/N
=
 − e−jπ(ℓ−ℓ  )/N
 − e−jπ(ℓ−ℓ  )
=
 − e−jπ(ℓ−ℓ  )/N
= .
5.6 Harmonische Signalfolge 105

{X(ℓ)}≤ℓ≤N− der harmonischen
Signalfolge {x(k)}≤k≤N− mit
ℓ = 
Im Fall ℓ = ℓ  und somit q = e−jπ(ℓ−ℓ  )/N = e−jπ⋅/N =  gilt
N− N−
X() = ∑  k = ∑  = N .
k= k=
Insgesamt erhalten wir damit die Korrespondenz für die harmonische Signalfolge
b r N, ℓ = ℓ
x(k) = ejπ kℓ  /N X(ℓ) = { (5.13)
, ℓ ≠ ℓ
mit  ≤ k, ℓ ≤ N − . Im Fall der harmonischen Signalfolge x(k) = ejπ kℓ  /N ergibt sich eine
monofrequente Spektralfolge X(ℓ) mit einem von Null verschiedenen Spektralanteil an der
Stelle ℓ  beziehungsweise ℓ  /N, wie in Abb. 5.15 veranschaulicht.
Als Verallgemeinerung betrachten wir nun die harmonische Signalfolge
x(k) = ejπν k = cos(πνk) + j sin(πνk) (5.14)
für  ≤ k ≤ N − , wie in Abb. 5.16 für N =  veranschaulicht. Bei dieser wird anstelle des
Frequenzindex ℓ  beziehungsweise ℓ  /N die Frequenz ν verwendet. In diesem Fall ist die
Frequenz ν der harmonischen Signalfolge kein ganzzahliges Vielfaches von /N.
Die Spektralfolge berechnen wir mit  ≤ ℓ ≤ N −  folgendermaßen.
N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N
k=
N−
= ∑ ejπν k ⋅ e−jπ kℓ/N
k=
N−
= ∑ e−jπ k( N −ν)
ℓ
k=
N− k
= ∑ (e−jπ( N −ν) )
ℓ
k=
Abb. 5.16 Harmonische Signal-

folge {x(k)}≤k≤N− mit ν = ,
−jπ( N −ν) ℓ
k= q = ( − q )/( − q) mit q = e
Mit der geometrischen Reihe ∑ N− ≠  folgt daher
k N
N− k
X(ℓ) = ∑ (e−jπ( N −ν) )
ℓ
k=
N
 − (e−jπ( N −ν) )
ℓ
=
 − e−jπ( N −ν)
ℓ
 − e−jπ( N −ν)N
ℓ
=
 − e−jπ( N −ν)
ℓ
e−jπ( N −ν)N ejπ( N −ν)N − e−jπ( N −ν)N

ℓ ℓ ℓ
= ⋅
e−jπ( N −ν) ejπ( N −ν) − e−jπ( N −ν)
ℓ ℓ ℓ
(ejπ( N −ν)N − e−jπ( N −ν)N )

 ℓ ℓ
−jπ( Nℓ −ν)(N−) j
=e ⋅
(ejπ( N −ν) − e−jπ( N −ν) )
 ℓ ℓ
j
sin (π ( Nℓ − ν) N)
= e−jπ( N −ν)(N−) ⋅
ℓ
.
sin (π ( Nℓ − ν))
Entsprechend der in Abb. 5.17 und in Abb. 5.18 in kartesischen Koordinaten und Polarko-
ordinaten gezeigten Spektralfolge lautet die Korrespondenz für die harmonische Signalfolge
mit  ≤ k, ℓ ≤ N − 
x(k) = ejπν k b r X(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
. (5.15)
5.7 Cosinusfolge 107

{X(ℓ)}≤ℓ≤N− der harmoni-
schen Signalfolge {x(k)}≤k≤N−
mit ν = , in kartesischen Koor-
dinaten

ν = , in Polarkoordinaten
5.7 Cosinusfolge
Die in Abb. 5.19 für die Länge N =  veranschaulichte reelle Cosinusfolge
πkℓ 
x(k) = cos ( ) (5.16)
N
für  ≤ k ≤ N − , deren Frequenz

ℓ
ν=
N
einem ganzzahligen Vielfachen von /N entspricht, kann unter Verwendung der Eu-
lerschen Formel mit Hilfe der harmonischen Signalfolgen e±jπ kℓ  /N wie folgt geschrieben
Abb. 5.19 Reelle Cosinusfolge

{x(k)}≤k≤N− mit ℓ  = 
werden.
πkℓ   
x(k) = cos ( ) = ⋅ ejπ kℓ  /N + ⋅ e−jπ kℓ  /N
N  
Wegen e−jπ kℓ  /N = ejπ k(N−ℓ  )/N aufgrund der N-Periodizität der harmonischen Sig-
nalfolge ergibt sich
 
x(k) = ⋅ ejπ kℓ  /N + ⋅ ejπ k(N−ℓ  )/N .
 
Unter Verwendung der Korrespondenzen
b r N, ℓ = ℓ
ejπ kℓ  /N {
, ℓ ≠ ℓ
und
b r N, ℓ = N − ℓ
ejπ k(N−ℓ  )/N {
, ℓ ≠ N − ℓ
erhalten wir für ℓ  ≠ N/ die in Abb. 5.20 dargestellte reelle Spektralfolge für die Cosinus-
folge mit  ≤ k, ℓ ≤ N −  entsprechend der Korrespondenz
⎧
⎪
N
, ℓ = ℓ
⎪
⎪
⎪

πkℓ  b r ⎪ N
x(k) = cos ( ) X(ℓ) = ⎨  , ℓ = N − ℓ . (5.17)
N ⎪
⎪
⎪
⎪
⎪
⎩ , sonst
Für den Fall ℓ  = N/ folgt wie in Abb. 5.21 veranschaulicht für die spezielle Cosinus-
folge
πkℓ 
x(k) = cos ( ) = cos (πk) = (−) k = ejπ k = ejπ k(N/)/N
N
die Korrespondenz mit  ≤ k, ℓ ≤ N − 
⎧
⎪ ℓ= N
b r ⎪ N, 
x(k) = (−) k
X(ℓ) = ⎨ . (5.18)
⎪
⎪ ℓ≠ N
⎩ , 

{X(ℓ)}≤ℓ≤N− der reellen Co-
sinusfolge {x(k)}≤k≤N− mit
ℓ = 

{x(k)}≤k≤N− mit ℓ  = N/ = 
und x(k) = (−) k sowie Spektral-
folge {X(ℓ)}≤ℓ≤N−
Als Verallgemeinerung betrachten wir wie bei der harmonischen Signalfolge x(k) =
ejπν k die in Abb. 5.22 für N =  dargestellte reelle Cosinusfolge
x(k) = cos(πνk) (5.19)
für  ≤ k ≤ N −, bei der anstelle des Frequenzindex ℓ  beziehungsweise ℓ  /N die Frequenz
ν verwendet wird. In diesem Fall beträgt die Frequenz ν wiederum kein ganzzahliges Viel-
faches von /N.
Die reelle Cosinusfolge
x(k) = R {ejπν k }
kann entsprechend der Eulerschen Formel als Realteil der harmonischen Signalfolge
y(k) = ejπν k b r Y(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ

{x(k)}≤k≤N− mit ν = ,

ν = , in kartesischen Koordi-
naten
formuliert werden. Mit der Transformationsvorschrift für den Realteil einer Signalfolge
b r Y(ℓ) + Y ∗ (−ℓ)
x(k) = R{y(k)} X(ℓ) =

ergibt sich die Spektralfolge der Cosinusfolge wie in Abb. 5.23 in kartesischen Koordinaten
und in Abb. 5.24 in Polarkoordinaten gezeigt.
Unter Verwendung der konjugiert komplexen und gespiegelten Spektralfolge
sin (π (− Nℓ − ν) N)
Y ∗ (−ℓ) = ejπ(− N −ν)(N−) ⋅
ℓ
sin (π (− Nℓ − ν))
sin (π ( Nℓ + ν) N)
= e−jπ( N +ν)(N−) ⋅
ℓ
sin (π ( Nℓ + ν))

ν = , in Polarkoordinaten
erhalten wir die Spektralfolge für die reelle Cosinusfolge gemäß der Rechnung
Y(ℓ) + Y ∗ (−ℓ)
X(ℓ) =

 sin (π ( Nℓ − ν) N)
= ⋅ e−jπ( N −ν)(N−) ⋅
ℓ
 sin (π ( Nℓ − ν))
 −jπ( Nℓ +ν)(N−) sin (π ( N + ν) N)
ℓ
+ ⋅e ⋅ .
 sin (π ( Nℓ + ν))
Damit lautet die Korrespondenz für die reelle Cosinusfolge mit der Frequenz ν und  ≤
k, ℓ ≤ N − 
x(k) = cos(πνk)
b
r
 −jπ( Nℓ −ν)(N−) sin (π ( N − ν) N)
ℓ
X(ℓ) = ⋅e ⋅ (5.20)
 sin (π ( Nℓ − ν))
 −jπ( Nℓ +ν)(N−) sin (π ( N + ν) N)
ℓ
+ ⋅e ⋅ .
 sin (π ( Nℓ + ν))
5.8 Sinusfolge
Die in Abb. 5.25 für die Länge N =  veranschaulichte reelle Sinusfolge
πkℓ 
x(k) = sin ( ) (5.21)
N
für  ≤ k ≤ N −  besitzt wie im Fall der Cosinusfolge die Frequenz
ℓ
ν= ,
N
die einem ganzzahligen Vielfachen von /N entspricht.
Unter Verwendung der Eulerschen Formel erhalten wir
 jπ kℓ  /N  −jπ kℓ  /N j j
x(k) = ⋅e − ⋅e = − ⋅ ejπ kℓ  /N + ⋅ ejπ k(N−ℓ  )/N
j j  
aufgrund e−jπ kℓ  /N = ejπ k(N−ℓ  )/N . Mit den Korrespondenzen der harmonischen Signal-
folgen ejπ kℓ  /N und ejπ k(N−ℓ  )/N folgt wie im Fall der Cosinusfolge die in Abb. 5.26 für
ℓ  ≠ N/ veranschaulichte Spektralfolge und somit mit  ≤ k, ℓ ≤ N −  die Korrespondenz
⎧
⎪ −j N , ℓ = ℓ
⎪
⎪
⎪
πkℓ  b r ⎪
x(k) = sin ( ) X(ℓ) = ⎨ j N , ℓ = N − ℓ . (5.22)
N ⎪
⎪
⎪
⎪
⎪
⎩ , sonst
Verallgemeinernd betrachten wir wie bei der reellen Cosinusfolge die in Abb. 5.27 für
N =  dargestellte reelle Sinusfolge
x(k) = sin(πνk) (5.23)
für  ≤ k ≤ N −, bei der anstelle des Frequenzindex ℓ  beziehungsweise ℓ  /N die Frequenz
ν eingesetzt wird. In diesem Fall beträgt die Frequenz ν erneut kein ganzzahliges Vielfaches
von /N.
Abb. 5.25 Reelle Sinusfolge

{x(k)}≤k≤N− mit ℓ  = 
5.8 Sinusfolge 113

{X(ℓ)}≤ℓ≤N− mit X(ℓ) =
jI{X(ℓ)} der reellen Sinusfolge
{x(k)}≤k≤N− mit ℓ  = 
Abb. 5.27 Reelle Sinusfolge

{x(k)}≤k≤N− mit ν = ,
Die reelle Sinusfolge

x(k) = I {ejπν k }
kann als Imaginärteil der harmonischen Signalfolge
y(k) = ejπν k b r Y(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
formuliert werden. Mit der Transformationsvorschrift
b r Y(ℓ) − Y ∗ (−ℓ)
x(k) = I{y(k)} X(ℓ) =
j
für den Imaginärteil einer Signalfolge ergibt sich die Spektralfolge der Sinusfolge mit  ≤
ℓ ≤ N − wie in Abb. 5.28 in kartesischen Koordinaten und in Abb. 5.29 in Polarkoordinaten
veranschaulicht.
Unter erneuter Verwendung der Beziehung
sin (π ( Nℓ + ν) N)
Y ∗ (−ℓ) = e−jπ( N +ν)(N−) ⋅
ℓ
sin (π ( Nℓ + ν))

{X(ℓ)}≤ℓ≤N− der reellen Sinus-
in kartesischen Koordinaten

{X(ℓ)}≤ℓ≤N− der reellen Sinus-
in Polarkoordinaten
folgt die zugehörige Spektralfolge
Y(ℓ) − Y ∗ (−ℓ)
X(ℓ) =
j
 −jπ( Nℓ −ν)(N−) sin (π ( N − ν) N)

ℓ
= ⋅e ⋅
j sin (π ( Nℓ − ν))
 −jπ( Nℓ +ν)(N−) sin (π ( N + ν) N)

ℓ
− ⋅e ⋅ .
j sin (π ( Nℓ + ν))
5.9 Leckeffekt 115
Damit erhalten wir für  ≤ k, ℓ ≤ N −  die Korrespondenz für die reelle Sinusfolge
x(k) = sin(πνk)
b
r
 −jπ( Nℓ −ν)(N−) sin (π ( N − ν) N)
ℓ
X(ℓ) = ⋅e ⋅ (5.24)
j sin (π ( Nℓ − ν))
 −jπ( Nℓ +ν)(N−) sin (π ( N + ν) N)
ℓ
− ⋅e ⋅ .
j sin (π ( Nℓ + ν))
5.9 Leckeffekt
Wir betrachten nochmals die harmonische Signalfolge
x(k) = ejπν k b r X(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
mit der Frequenz ν für  ≤ k, ℓ ≤ N − . In Abb. 5.30 ist die harmonische Signalfolge bei-
spielsweise mit ν = , für N =  dargestellt. Die zugehörige Spektralfolge zeigt Abb. 5.31
in Polarkoordinaten.2 Trotz der für die Signalfolge ausschließlich verwendeten Frequenz ν
treten in der Spektralfolge mehrere Spektralanteile auf. Der Grund liegt in der periodischen
Fortsetzung der Signalfolge mit der Periode N im Originalbereich und der an den Rand-
stellen vorliegenden unstetigen Fortsetzung, wie in Abb. 5.32 für die reelle Cosinusfolge
veranschaulicht. Dies führt zu einer Verbreiterung der Spektralfolge im Spektralbereich im
Sinne des so genannten Leckeffekts [3, 14, 25].
In den Abb. 5.33 und 5.34 sind als weiteres Beispiel die finite Signalfolge {x(k)}≤k≤N−
und die zugehörige finite Spektralfolge {X(ℓ)}≤ℓ≤N− in Polarkoordinaten der Länge
N =  für die überlagerte harmonische Signalfolge
x(k) = a  ⋅ ejπν  k + a  ⋅ ejπν  k
mit der zugehörigen Spektralfolge
sin (π ( Nℓ − ν  ) N)
X(ℓ) = a  ⋅ e−jπ( N −ν  )(N−) ⋅
ℓ
sin (π ( Nℓ − ν  ))
sin (π ( Nℓ − ν  ) N)
+ a  ⋅ e−jπ( N −ν  )(N−) ⋅
ℓ
sin (π ( Nℓ − ν  ))
2
In Abb. 5.31 ist zusätzlich der Betrag der Funktion sin(π(ℓ/N − ν)N)/ sin(π(ℓ/N − ν)) gestrichelt
eingetragen.
Abb. 5.30 Harmonische Sig-

nalfolge {x(k)}≤k≤N− mit
ν = ,

ν = , in Polarkoordinaten
Abb. 5.32 Periodische Fort-

setzung der Cosinusfolge
{x(k)}≤k≤N− mit x(k) =
cos(πνk) und ν = , sowie
der Cosinusfolge {y(k)}≤k≤N−
mit y(k) = cos(πkℓ /N) und
ℓ  /N = / = ,
5.9 Leckeffekt 117
Abb. 5.33 Überlagerte harmoni-

sche Signalfolge {x(k)}≤k≤N−
mit ν  = , und ν  = ,
sowie a  = , und a  = ,

{X(ℓ)}≤ℓ≤N− der überlager-
ten harmonischen Signalfolge
{x(k)}≤k≤N− mit ν  = , und
ν  = , sowie a  = , und
a  = ,
mit  ≤ k, ℓ ≤ N −  dargestellt unter Verwendung von ν  = , und ν  = , sowie

a  = , und a  = ,. Wie ersichtlich wird die Spektralfolge im Spektralbereich erneut im
Sinne des Leckeffekts verbreitert.
Zur Verminderung des Leckeffekts werden Fensterfolgen {w(k)}≤k≤N− eingesetzt,
welche zur Verringerung der Unstetigkeiten an den Randstellen bei der periodischen Fort-
setzung der finiten Signalfolge {x(k)}≤k≤N− dienen. Hierzu wird mit der Fensterfolge die
Signalfolge {y(k)}≤k≤N− gemäß
y(k) = x(k) ⋅ w(k) (5.25)
gebildet. Die Multiplikation der finiten Signalfolge {x(k)}≤k≤N− und der finiten Fenster-
folge {w(k)}≤k≤N− im Originalbereich entspricht der periodischen Faltung der zugehö-
Abb. 5.35 Fensterfolgen

{w(k)}≤k≤N−
Abb. 5.36 Beträge der Spek-

tralfolgen {W(ℓ)}≤ℓ≤N− der
Fensterfolgen {w(k)}≤k≤N−
rigen finiten Spektralfolgen {X(ℓ)}≤ℓ≤N− und {W(ℓ)}≤ℓ≤N− gemäß
  N−  N−
Y(ℓ) = ⋅ X(ℓ) ⋆ W(ℓ) = ∑ X(λ) ⋅ W(ℓ − λ) = ∑ X(λ) ⋅ W(ℓ − λ mod N)
N N λ= N λ=
mit X(ℓ) = DFT {x(k)} und W(ℓ) = DFT {w(k)}. Die nachfolgend zusammengestellten
und in Abb. 5.35 für N =  veranschaulichten finiten Fensterfolgen werden häufig in der
digitalen Signalverarbeitung eingesetzt. Abbildung 5.36 stellt die Beträge der Polarkoordi-
naten der zugehörigen finiten Spektralfolgen dar.
5.9 Leckeffekt 119
5.9.1 Hann-Fenster
Das Hann-Fenster der Länge N ist für  ≤ k ≤ N −  definiert durch
  πk
w(k) = − ⋅ cos ( ) . (5.26)
  N −
5.9.2 Hamming-Fenster
Das Hamming-Fenster der Länge N lautet für  ≤ k ≤ N − 
πk
w(k) = , − , ⋅ cos ( ) . (5.27)
N −
5.9.3 Blackman-Fenster
Das Blackman-Fenster der Länge N ist für  ≤ k ≤ N −  gegeben durch
πk πk
w(k) = , − , ⋅ cos ( ) + , ⋅ cos ( ) . (5.28)
N − N −
In Abb. 5.37 ist die mit der Hamming-Fensterfolge gebildete finite Signalfolge
{y(k)}≤k≤N− mit y(k) = x(k) ⋅ w(k) der Länge N =  für die überlagerte harmo-
nische Signalfolge
x(k) = a  ⋅ ejπν  k + a  ⋅ ejπν  k
Abb. 5.37 Mit der Fensterfolge

multiplizierte überlagerte harmo-
nische Signalfolge {y(k)}≤k≤N−
mit ν  = , und ν  = ,
sowie a  = , und a  = ,

{Y (ℓ)}≤ℓ≤N− der mit der
Fensterfolge multiplizierten über-
lagerten harmonischen Signalfolge
{y(k)}≤k≤N− mit ν  = , und
ν  = , sowie a  = , und
a  = ,
für ν  = , und ν  = , sowie a  = , und a  = , dargestellt. Wie die zuge-
hörige Spektralfolge {Y(ℓ)}≤ℓ≤N− in Abb. 5.38 veranschaulicht führt die Fensterfolge zu
einer Verringerung der Verbreiterung der Spektralfolge und damit zu einer Minderung des
Leckeffekts.
5.10 Tabellarische Zusammenfassung 121
5.10 Tabellarische Zusammenfassung
Die wichtigsten in diesem Kapitel hergeleiteten Korrespondenzen der diskreten Fourier-

Transformation mit X(ℓ) = DFT {x(k)} und x(k) = IDFT {X(ℓ)} sowie  ≤ k, ℓ ≤ N − 
sind in Tab. 5.1 zusammengefasst.
Tab. 5.1 Korrespondenzen der diskreten Fourier-Transformation DFT
Signalfolge Spektralfolge
, k = 
x(k) = { X(ℓ) = 
, k ≠ 
 , k = k
x(k) = { X(ℓ) = e−jπ k  ℓ/N
, k ≠ k 
N, ℓ = 
x(k) =  X(ℓ) = {
 , ℓ≠
,  ≤ k ≤ L−
x(k) = { X(ℓ) = e−jπℓ(L−)/N ⋅ sin(πℓL/N)
, L ≤ k ≤ N −  sin(πℓ/N)
⎧
⎪ k+ ,  ≤ k ≤ L−
⎪
⎪ 
x(k) = ⎨ L − k − , L ≤ k ≤ L −  X(ℓ) = e−jπℓ(L−)/N ⋅ ( sin(πℓL/N)
sin(πℓ/N) )
⎪
⎪ 
⎪
⎩ , L −  ≤ k ≤ N − 
N , ℓ = ℓ
x(k) = ejπ k ℓ  /N X(ℓ) = {
 , ℓ ≠ ℓ
sin(π( Nℓ −ν)N)
X(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
x(k) = ejπν k sin(π( Nℓ −ν))
⎧
⎪
N
, ℓ = ℓ
⎪
⎪
⎪ N
x(k) = cos ( πNk ℓ  ) X(ℓ) = ⎨  , ℓ = N − ℓ 
⎪
⎪
⎪
⎪
⎩  , sonst
⋅ e−jπ( N −ν)(N−) ⋅
ℓ
X(ℓ) = 
 sin(π( Nℓ −ν))
x(k) = cos(πνk)
sin(π( Nℓ +ν)N)
+  ⋅ e−jπ( +ν)(N−)
ℓ
N ⋅ sin(π( Nℓ +ν))
⎧
⎪ −j N , ℓ = ℓ 
⎪
⎪
⎪
x(k) = sin ( πNk ℓ  ) X(ℓ) = ⎨ j N , ℓ = N − ℓ 
⎪
⎪
⎪
⎪
⎩ , sonst
⋅ e−jπ( N −ν)(N−) ⋅
ℓ
X(ℓ) = 
j sin(π( Nℓ −ν))
x(k) = sin(πνk)
sin(π( Nℓ +ν)N)
− j ⋅ e−jπ( +ν)(N−)
ℓ
N ⋅ sin(π( Nℓ +ν))
Schnelle Fourier-Transformation 6
Die Transformationsformeln der diskreten Fourier-Transformation

N−
X(ℓ) = DFT {x(k)} = ∑ x(k) ⋅ w Nkℓ
k=
r
b
 N− −kℓ
x(k) = IDFT {X(ℓ)} = ∑ X(ℓ) ⋅ w N
N ℓ=
besitzen aufgrund der Eigenschaften des Drehfaktors w N = e−jπ/N reichhaltige Symme-

trien, die zur Herleitung eines numerisch effizienten Berechnungsalgorithmus zu Hilfe
genommen werden können. Eine direkte Berechnung auf Basis der obigen Summendar-
stellung erfordert einen Aufwand von
N ⋅ (N − ) = N  − N (6.1)
komplexen Additionen und

N (6.2)
komplexen Multiplikationen – also einen Aufwand von O(N  ) komplexen Additionen und
Multiplikationen.1
In der weiteren Diskussion wird entsprechend der von Cooley und Tukey angegebenen
Herleitung des Radix- FFT-Algorithmus der schnellen Fourier-Transformation (FFT –
Fast Fourier Transform) angenommen, dass die Länge N der Signalfolge eine Zweierpotenz
ist, das heißt es gilt [2, 3, 5, 18]
N = n . (6.3)
1
Die Schreibweise O( f (N)) bedeutet, dass die Berechnungskomplexität für N Komponenten
höchstens gleich c ⋅ f (N) mit der Konstanten c ist.

124 6 Schnelle Fourier-Transformation
Aufgrund der Beziehung

 ∗
x(k) = IDFT {X(ℓ)} = (DFT {X ∗ (ℓ)})
N
kann die inverse diskrete Fourier-Transformation IDFT auf die diskrete Fouri-
er-Transformation DFT zurückgeführt werden. Hiernach wird zur Bestimmung der
Signalfolge die diskrete Fourier-Transformation der konjugiert komplexen Spektralfolge
durchgeführt, die resultierende Signalfolge komplex konjugiert und durch den Faktor N
dividiert. Entsprechend wie angegeben kann die inverse schnelle Fourier-Transformation
IFFT (Inverse Fast Fourier Transform) auf die schnelle Fourier-Transformation FFT
zurückgeführt werden. Im Folgenden betrachten wir daher ausschließlich die Hintransfor-
mation der schnellen Fourier-Transformation FFT.
6.1 Dezimation im Originalbereich
Zur Ausnutzung der im Kap. 4 hergeleiteten Symmetrieeigenschaften der diskreten Fouri-

er-Transformation wird als erster Schritt die finite Signalfolge
{x(k)}≤k≤N− = {x(), x(), . . . , x(N − )}
in zwei Teilsignalfolgen mit geraden beziehungsweise ungeraden Indizes aufgeteilt gemäß
{x ′ (k)}≤k≤N/− = {x ′ (), x ′ (), . . . , x ′ (N/ − )} ,

{x ′′ (k)}≤k≤N/− = {x ′′ (), x ′′ (), . . . , x ′′ (N/ − )}
für  ≤ k ≤ N/ −  mit
x ′ (k) = x(k) und x ′′ (k) = x(k + ) . (6.4)
Dieser Schritt heißt „Dezimation im Originalbereich“ oder „Dezimation im Zeitbereich“

(Decimation in Time). Unter Verwendung dieser Teilsignalfolgen erhalten wir
N−
X(ℓ) = ∑ x(k) ⋅ w Nkℓ
k=
N/− N/−
(k+)ℓ
= ∑ x(k) ⋅ w kℓ
N + ∑ x(k + ) ⋅ w N
k= k=
N/− N/−
= ∑ x ′ (k) ⋅ w kℓ ℓ ′′
N + w N ∑ x (k) ⋅ w N
kℓ
.
k= k=
Für den Drehfaktor gilt


w N = (e−jπ/N ) = e−jπ/N = e−jπ/(N/) = w N/ .
6.1 Dezimation im Originalbereich 125
Damit folgt
N/− N/−
X(ℓ) = ∑ x ′ (k) ⋅ w N/
kℓ
+ w Nℓ ∑ x ′′ (k) ⋅ w N/
kℓ
.
k= k=
Die auftretenden Summen entsprechen der diskreten Fourier-Transformation der beiden

Teilsignalfolgen {x ′ (k)}≤k≤N/− und {x ′′ (k)}≤k≤N/− , das heißt es gilt
N/−
X ′ (ℓ) = DFT {x ′ (k)} = ∑ x ′ (k) ⋅ w N/
kℓ
, (6.5)
k=
N/−
X ′′ (ℓ) = DFT {x ′′ (k)} = ∑ x ′′ (k) ⋅ w N/
kℓ
(6.6)
k=
für  ≤ ℓ ≤ N/ − . Somit ergibt sich die Beziehung
X(ℓ) = X ′ (ℓ) + w Nℓ ⋅ X ′′ (ℓ) .
Wird probeweise in der Gleichung
N/− N/−
X(ℓ) = ∑ x ′ (k) ⋅ w N/
kℓ
+ w Nℓ ∑ x ′′ (k) ⋅ w N/
kℓ
k= k=
der Index ℓ durch den Index ℓ + N/ ersetzt, so folgt unter Beachtung der N/-Periodizität
der auf der Menge der ganzen Zahlen Z periodisch fortgesetzten finiten Spektralfolgen
N/ N/
{X ′ (ℓ)}≤ℓ≤N/− und {X ′′(ℓ)}≤ℓ≤N/− sowie mit Hilfe von w N/ =  und w N = −
der Ausdruck
N/− N/−
k(ℓ+N/) (ℓ+N/) k(ℓ+N/)
X(ℓ + N/) = ∑ x ′ (k) ⋅ w N/ + wN ∑ x ′′ (k) ⋅ w N/
k= k=
N/− N/−
kN/ N/ kN/
= ∑ x ′ (k) ⋅ w N/
kℓ
⋅ w N/ + w Nℓ ⋅ w N ′′ kℓ
∑ x (k) ⋅ w N/ ⋅ w N/
k= k=
N/− N/−
= ∑ x ′ (k) ⋅ w N/
kℓ
− w Nℓ ∑ x ′′ (k) ⋅ w N/
kℓ
k= k=
′
=X (ℓ) − w Nℓ ′′
⋅ X (ℓ) .
Zusammengefasst gilt somit für die resultierende Spektralfolge mit  ≤ ℓ ≤ N/ − 
X(ℓ) = X ′ (ℓ) + w Nℓ ⋅ X ′′ (ℓ) , (6.7)

′
X(ℓ + N/) = X (ℓ) − w Nℓ ′′
⋅ X (ℓ) . (6.8)
Diese Operation wird als Butterfly-Operation bezeichnet, da der zugehörige gezeigte Sig-
nalflussgraf die Form eines Schmetterlings besitzt, wie in Abb. 6.1 veranschaulicht.
Abb. 6.1 Butterfly-Operation der

schnellen Fourier-Transformation
Die Berechnung der diskreten Fourier-Transformation der Länge N kann somit auf
die Berechnung zweier diskreter Fourier-Transformationen der Länge N/ zurückgeführt
werden. Jede dieser diskreten Fourier-Transformationen der halben Länge erfordert einen
Berechnungsaufwand von (N/) − N/ komplexen Additionen und (N/) komplexen
Multiplikationen. Der gesamte Berechnungsaufwand beträgt daher
N  N N
 ⋅ [( ) − ]+N = komplexe Additionen,
  
N  N N(N + )
⋅( ) + = komplexe Multiplikationen
  
anstelle von N  − N komplexen Additionen und N  komplexen Multiplikationen für die
direkte Berechnung der diskreten Fourier-Transformation der Länge N. Der Berech-
nungsaufwand kann somit durch den Dezimationsschritt im Originalbereich ungefähr um
den Faktor  verringert werden.
Beispiel 6.1
Als Beispiel betrachten wir die Dezimation im Originalbereich für die diskrete Fourier-
Transformation der Länge N = . Mit dem Drehfaktor
−j
w = e−jπ/ = e−jπ/ = √

ergeben sich die zugehörigen Gleichungen
X(ℓ) = X ′ (ℓ) + wℓ ⋅ X ′′ (ℓ) ,
X(ℓ + ) = X ′ (ℓ) − wℓ ⋅ X ′′ (ℓ)
mit  ≤ ℓ ≤  für die Spektralfolge {X(ℓ)}≤ℓ≤ . Die Transformationsformeln der dis-

kreten Fourier-Transformation der Länge N/ =  lauten

X ′ (ℓ) = DFT {x ′ (k)} = ∑ x ′ (k) ⋅ wkℓ ,
k=

X ′′ (ℓ) = DFT {x ′′ (k)} = ∑ x ′′ (k) ⋅ wkℓ
k=
Abb. 6.2 Diskrete Fourier-Transformation der Länge N =  mit Dezimation im Originalbereich
für die beiden Teilsignalfolgen {x ′ (k)}≤k≤ und {x ′′ (k)}≤k≤ gegeben durch
{x ′ (k)}≤k≤ = {x(), x(), x(), x()} ,

{x ′′ (k)}≤k≤ = {x(), x(), x(), x()} .
Für den Drehfaktor w gilt
w = e−jπ/ = e−jπ/ = −j .
Hiermit ist die Berechnung der diskreten Fourier-Transformation der Länge N = 

auf die Berechnung zweier diskreter Fourier-Transformationen der Länge N/ = 
zurückgeführt, wie der Signalflussgraf in Abb. 6.2 veranschaulicht. ◇
Da die Länge N = n als Zweierpotenz vorausgesetzt wird, kann dieselbe Vorge-

hensweise der Dezimation im Originalbereich erneut auf die beiden dezimierten Folgen
{x ′ (k)}≤k≤N/− und {x ′′ (k)}≤k≤N/− angewendet werden, bis wir bei diskreten Fou-
rier-Transformationen der Länge  angelangt sind. Der so hergeleitete Algorithmus zur Be-
rechnung der diskreten Fourier-Transformation wird als schnelle Fourier-Transformation
oder FFT (Fast Fourier Transform) bezeichnet.
Beispiel 6.2
Wie in Beispiel 3.1 auf S. 33 hergeleitet lauten die Transformationsgleichungen für die
diskrete Fourier-Transformation der Länge N = 
X() = x() + x() + x() + x() ,

X() = x() − j ⋅ x() − x() + j ⋅ x() ,
X() = x() − x() + x() − x() ,
X() = x() + j ⋅ x() − x() − j ⋅ x()
mit dem Drehfaktor w = −j. Gemäß Abb. 6.3 wird die diskrete Fourier-Transformation
der Länge N =  auf zwei diskrete Fourier-Transformationen der Länge N/ =  zu-
rückgeführt mit w =  und w = w = −j gemäß
X() = x() + x() + x() + x()

= (x() + x()) + (x() + x())
= (x ′ () + x ′ ()) + (x ′′ () + x ′′ ()) ,
X() = x() − j ⋅ x() − x() + j ⋅ x()

= (x() − x()) − j (x() − x())
= (x ′ () − x ′ ()) − j (x ′′ () − x ′′ ()) ,
X() = x() − x() + x() − x()

= (x() + x()) − (x() + x())
= (x ′ () + x ′ ()) − (x ′′ () + x ′′ ()) ,
X() = x() + j ⋅ x() − x() − j ⋅ x()

= (x() − x()) + j (x() − x())
= (x ′ () − x ′ ()) + j (x ′′ () − x ′′ ()) .
Hierbei haben wir die Teilsignalfolgen
{x ′ (k)}≤k≤ = {x ′ (), x ′ ()} = {x(), x()} ,

{x ′′ (k)}≤k≤ = {x ′′ (), x ′′ ()} = {x(), x()}
der Länge N/ =  verwendet. Für diese Teilsignalfolgen der Länge  lauten die Trans-
formationsgleichungen für die diskrete Fourier-Transformation der Länge 
X ′ (ℓ) = x ′ () + wℓ ⋅ x ′ () ,

X ′′ (ℓ) = x ′′ () + wℓ ⋅ x ′′ ()
Abb. 6.3 Diskrete Fourier-Transformation der Länge N =  mit Dezimation im Originalbereich
Abb. 6.4 Diskrete Fourier-

Transformation der Länge N = 
für  ≤ ℓ ≤ . Mit dem Drehfaktor
w = e−jπ/ = e−jπ = −
folgen wie in Abb. 6.4 für die Teilsignalfolge {x ′ (k)}≤k≤ = {x ′ (), x ′ ()} gezeigt aus-
führlich die Berechnungsvorschriften
X ′ () = x ′ () + x ′ () ,

X ′ () = x ′ () − x ′ ()
und
X ′′ () = x ′′ () + x ′′ () ,
X ′′ () = x ′′ () − x ′′ () .
Zusammengefasst lauten für die diskrete Fourier-Transformation der Länge  die

Transformationsgleichungen
X() = (x ′ () + x ′ ()) + (x ′′ () + x ′′ ()) = X ′ () + X ′′ () ,
X() = (x ′ () + x ′ ()) − (x ′′ () + x ′′ ()) = X ′ () − X ′′ ()
und
X() = (x ′ () − x ′ ()) − j (x ′′ () − x ′′ ()) = X ′ () − j ⋅ X ′′ () ,
X() = (x ′ () − x ′ ()) + j (x ′′ () − x ′′ ()) = X ′ () + j ⋅ X ′′ () .
◇
Abb. 6.5 Schnelle Fourier-Transformation der Länge N =  mit Dezimation im Originalbereich
Abb. 6.6 Schnelle Fourier-Transformation der Länge N =  mit Dezimation im Originalbereich
In Abb. 6.5 und in Abb. 6.6 sind die resultierenden Signalflussgrafen für die schnellen
Fourier-Transformationen der Länge N =  und der Länge N =  mit mehrfach durchge-
führter Dezimation im Originalbereich veranschaulicht. Die Umordnung der Indizes der
finiten Signalfolge {x(k)}≤k≤N− wird als Bit Reversal bezeichnet.2
6.2 Dezimation im Spektralbereich
Anstelle der im Abschn. 6.1 behandelten Dezimation im Originalbereich teilen wir nun die
finite Signalfolge {x(k)}≤k≤N− der Länge N in zwei Teilsignalfolgen der halben Länge
2
Der Begriff Bit Reversal kennzeichnet die umgekehrte Reihenfolge der in Binärschreibweise formu-
lierten Indizes.
6.2 Dezimation im Spektralbereich 131
N/ auf gemäß
{x(k)}≤k≤N/− = {x(), x(), . . . , x(N/ − )} ,

{x(k + N/)}≤k≤N/− = {x(N/), x(N/ + ), . . . , x(N − )} .
Unter Verwendung dieser Teilsignalfolgen erhalten wir

N−
X(ℓ) = ∑ x(k) ⋅ w Nkℓ
k=
N/− N−
= ∑ x(k) ⋅ w Nkℓ + ∑ x(k) ⋅ w Nkℓ
k= k=N/
N/− N/−
(k+N/)ℓ
= ∑ x(k) ⋅ w Nkℓ + ∑ x(k + N/) ⋅ w N
k= k=
N/− N/−
(N/)ℓ
= ∑ x(k) ⋅ w Nkℓ + w N kℓ
∑ x(k + N/) ⋅ w N .
k= k=
N/ (N/)ℓ
Für den Drehfaktor gilt w N = − und somit w N = (−)ℓ . Daraus folgt
N/− N/−
X(ℓ) = ∑ x(k) ⋅ w Nkℓ + (−)ℓ ∑ x(k + N/) ⋅ w Nkℓ
k= k=
N/−
= ∑ [x(k) + (−)ℓ ⋅ x(k + N/)] ⋅ w Nkℓ .
k=
Im nächsten Schritt spalten wir die Spektralfolge {X(ℓ)}≤ℓ≤N− in zwei Teilspektralfol-

gen halber Länge auf im Sinne der „Dezimation im Spektralbereich“ oder „Dezimation im
Frequenzbereich“ (Decimation in Frequency) gemäß
{X ′ (ℓ)}≤ℓ≤N/− = {X ′ (), X ′(), . . . , X ′ (N/ − )} ,

{X ′′ (ℓ)}≤ℓ≤N/− = {X ′′ (), X ′′ (), . . . , X ′′(N/ − )}
mit den Zuordnungen
X ′ (ℓ) = X(ℓ) und X ′′ (ℓ) = X(ℓ + ) . (6.9)
Hiermit ergeben sich die Teilspektralfolgen
X ′ (ℓ) = X(ℓ)
N/−
k(ℓ)
= ∑ [x(k) + (−)ℓ ⋅ x(k + N/)] ⋅ w N
k=
N/−
= ∑ [x(k) + x(k + N/)] ⋅ w kℓ
N
k=
sowie
X ′′ (ℓ) = X(ℓ + )
N/−
k(ℓ+)
= ∑ [x(k) + (−)ℓ+ ⋅ x(k + N/)] ⋅ w N
k=
N/−
= ∑ [x(k) − x(k + N/)] ⋅ w Nk ⋅ w kℓ
N .
k=
kℓ
Der Drehfaktor w N = w N/ beziehungsweise w kℓ
N = w N/ führt auf
N/−
X ′ (ℓ) = X(ℓ) = ∑ [x(k) + x(k + N/)] ⋅ w N/
kℓ
k=
für  ≤ ℓ ≤ N/ −  sowie
N/−
X ′′ (ℓ) = X(ℓ + ) = ∑ [x(k) − x(k + N/)] ⋅ w Nk ⋅ w N/
kℓ
.
k=
Die diskrete Fourier-Transformation der Länge N kann erneut aufgeteilt werden in zwei
diskrete Fourier-Transformationen der halben Länge N/ gemäß
X ′ (ℓ) = DFT {x(k) + x(k + N/)}

N/− (6.10)
kℓ
= ∑ [x(k) + x(k + N/)] ⋅ w N/ ,
k=
X ′′ (ℓ) = DFT {[x(k) − x(k + N/)] ⋅ w Nk }

N/− (6.11)
= ∑ [x(k) − x(k + N/)] ⋅ w Nk ⋅ w N/
kℓ
k=
mit den dezimierten Spektralfolgen
X(ℓ) = X ′ (ℓ) ,
X(ℓ + ) = X ′′ (ℓ) .
Die beiden diskreten Fourier-Transformationen der halben Länge N/ werden angewen-
det auf die addierte Signalfolge
{x(k) + x(k + N/)}≤k≤N/−
sowie die subtrahierte und mit einem Drehfaktor w Nk multiplizierte Signalfolge
{[x(k) − x(k + N/)] ⋅ w Nk }≤k≤N/− .

6.2 Dezimation im Spektralbereich 133
Abb. 6.7 Diskrete Fourier-Transformation der Länge N =  mit Dezimation im Spektralbereich
Abb. 6.8 Diskrete Fourier-Transformation der Länge N =  mit Dezimation im Spektralbereich
Die Abb. 6.7 und 6.8 zeigen die Signalflussgrafen für die diskreten Fourier-
Transformationen der Länge N =  und der Länge N =  für die Dezimation im
Spektralbereich jeweils mit der Aufteilung in zwei diskrete Fourier-Transformationen
der halben Länge N/ =  und N/ = . Nach wiederholter Aufteilung der diskreten
Fourier-Transformation der Länge N/ werden die in Abb. 6.9 und in Abb. 6.10 ver-
anschaulichten Signalflussgrafen für die schnellen Fourier-Transformationen der Länge
N =  und der Länge N =  für die Dezimation im Spektralbereich einschließlich der
Umordnung der Indizes (Bit Reversal) der finiten Spektralfolge {X(ℓ)}≤ℓ≤N− erhalten.
Abb. 6.9 Schnelle Fourier-Transformation der Länge N =  mit Dezimation im Spektralbereich
Abb. 6.10 Schnelle Fourier-Transformation der Länge N =  mit Dezimation im Spektralbereich
Bei einem Dezimationsschritt im Spektralbereich kann die Berechnung einer diskre-

ten Fourier-Transformation der Länge N erneut auf die Berechnung zweier diskreter
Fourier-Transformationen der Länge N/ zurückgeführt werden. Jede dieser diskreten
Fourier-Transformationen mit der halben Länge erfordern jeweils einen Berechnungsauf-
wand von (N/) − N/ komplexen Additionen und (N/) komplexen Multiplikationen.
Hinzu kommen die Additionen für die Überlagerung der finiten Signalfolgen der halben
Länge N/ sowie die Multiplikation mit dem Drehfaktor w Nk im Fall der zweiten Signalfolge.
Der gesamte Berechnungsaufwand beträgt daher
N  N N N
 ⋅ [( ) − ]+⋅ = komplexe Additionen,
   
N  N N(N + )
⋅( ) + = komplexe Multiplikationen
  
6.3 Berechnungskomplexität 135
anstelle von N  − N komplexen Additionen und N  komplexen Multiplikationen für die di-
rekte Berechnung der diskreten Fourier-Transformation der Länge N. Der Berechnungs-
aufwand im Fall der Dezimation im Spektralbereich ergibt denselben Berechnungsaufwand
wie im Fall der Dezimation im Originalbereich.
6.3 Berechnungskomplexität
Zur Herleitung der gesamten Berechnungskomplexität für den resultierenden schnellen

Fourier-Transformations-Algorithmus setzen wir voraus, dass nach dem ν-ten der ins-
gesamt n = log (N) möglichen Dezimationsschritte A ν komplexe Additionen und M ν
komplexe Multiplikationen erforderlich sind [18]. Damit gilt
A ν =  ⋅ A ν− + ν ,
M ν =  ⋅ M ν− + ν−
für  ≤ ν ≤ n mit den Anfangsbedingungen A  =  und M  =  für die diskrete Fourier-

Transformation der Länge . Hierbei wird die eigentlich nicht erforderliche Multiplikation
mit dem Drehfaktor w = − berücksichtigt. Wie durch Einsetzen leicht nachgeprüft wer-
den kann, ergeben sich nach dem ν-ten Dezimationsschritt
A ν = ν ⋅ ν
komplexe Additionen und


M ν = ν ⋅ ν

Abb. 6.11 Anzahl der kom-

plexen Additionen A n und der
komplexen Multiplikationen
M n in Abhängigkeit der Länge
N = n für die schnelle Fourier-
Transformation FFT und für die
direkte Berechnung der diskreten
Fourier-Transformation DFT
komplexe Multiplikationen. Für eine schnelle Fourier-Transformation der Länge N = n

ergibt sich mit ν = n = log (N) daher die folgende Berechnungskomplexität gemäß
A n = n ⋅ n = N ⋅ log (N) (6.12)
komplexen Additionen und

n n N
Mn = ⋅ = ⋅ log (N) (6.13)
 
komplexen Multiplikationen. Durch die n = log (N)-mal durchgeführten Dezimations-
schritte reduziert sich die Berechnungskomplexität von O(N  ) für die direkte Berechnung
der diskreten Fourier-Transformation auf O(N ⋅ log (N)) für die schnelle Fourier-
Transformation, wie in Abb. 6.11 dargestellt ist.
Schnelle Faltung 7
In der Systemtheorie stellt die Faltung eine wichtige Operation für so genannte lineare zeit-
invariante Systeme dar. Aus diesem Grund wenden wir uns in diesem Kapitel zunächst
der Systemtheorie zu, bevor wir als praktische Anwendung die Verwendung der diskre-
ten Fourier-Transformation für die aufwandsgünstige Berechnung des Ausgangssignals
eines diskreten linearen zeitinvarianten Systems mit Hilfe der schnellen Faltung behan-
deln [14, 21, 23, 25].
Abb. 7.1 Diskretes System S mit der diskreten Eingangsfolge {s(k)}−∞<k<∞ und der diskreten
Ausgangsfolge {g(k)}−∞<k<∞
Abbildung 7.1 veranschaulicht die Wirkungsweise eines diskreten Systems S mit der
unendlich ausgedehnten diskreten Eingangsfolge {s(k)}−∞<k<∞ definiert über der Index-
menge Z der ganzen Zahlen. Am Ausgang des Systems S wird die unendlich ausgedehnte
diskrete Ausgangsfolge {g(k)}−∞<k<∞ ausgegeben. Die diskrete Ausgangsfolge wird ent-
sprechend der durch das System S vorgegebenen Berechnungsvorschrift aus der diskreten
Eingangsfolge erhalten gemäß
g(k) = S {s(k)} .
7.1 Lineare zeitinvariante Systeme
In der praktischen Anwendung spielen lineare zeitinvariante Systeme (LZI – linear zeitinva-
riant) eine wichtige Rolle. Ein solches LZI-System S zeichnet sich durch die Eigenschaften

138 7 Schnelle Faltung
Abb. 7.2 Diskrete Impulsfolge

{δ(k)}−∞<k<∞
der Linearität und der Zeitinvarianz aus. Für ein LZI-System S gilt das Superpositionsgesetz
gemäß
S {a  ⋅ s  (k) + a  ⋅ s  (k)} = a  ⋅ S {s  (k)} + a  ⋅ S {s  (k)}
beziehungsweise mit g  (k) = S {s  (k)} und g  (k) = S {s  (k)}
S {a  ⋅ s  (k) + a  ⋅ s  (k)} = a  ⋅ g  (k) + a  ⋅ g  (k) .
Die Zeitinvarianz beschreibt das Verhalten eines LZI-Systems S, welches auf eine um den
Versatz κ verschobene diskrete Eingangsfolge s(k − κ) mit der ebenfalls um den Versatz κ
verschobenen diskreten Ausgangsfolge g(k − κ) reagiert. Das heißt es gilt für ein zeitinva-
riantes diskretes System
S {s(k − κ)} = g(k − κ) .
Mit Hilfe der auf der Indexmenge Z der ganzen Zahlen definierten diskreten Impulsfolge
(siehe Abb. 7.2)
, k = 
δ(k) = { (7.1)
, k ≠ 
kann die diskrete Eingangsfolge formuliert werden als eine Superposition gewichteter und
verschobener diskreter Impulsfolgen.
s(k) = . . . + s(−) ⋅ δ(k + ) + s() ⋅ δ(k) + s() ⋅ δ(k − ) + . . .

∞
= ∑ s(κ) ⋅ δ(k − κ)
κ=−∞
Für ein LZI-System S ergibt sich mit Hilfe des Superpositionsgesetzes die zugehörige dis-
krete Ausgangsfolge aus der Beziehung
g(k) = S {s(k)}
= S {. . . + s(−) ⋅ δ(k + ) + s() ⋅ δ(k) + s() ⋅ δ(k − ) + . . .}
= . . . + s(−) ⋅ S {δ(k + )} + s() ⋅ S {δ(k)} + s() ⋅ S {δ(k − )} + . . . .
7.1 Lineare zeitinvariante Systeme 139
Die Antwort des LZI-Systems S auf die diskrete Impulsfolge {δ(k)}−∞<k<∞ am Eingang
wird diskrete Impulsantwort {h(k)}−∞<k<∞ genannt; sie ist folgendermaßen definiert
h(k) = S {δ(k)} . (7.2)
Aufgrund der Zeitinvarianz gilt für das LZI-System S zudem
S {δ(k − κ)} = h(k − κ)
und damit
g(k) = . . . + s(−) ⋅ S {δ(k + )} + s() ⋅ S {δ(k)} + s() ⋅ S {δ(k − )} + . . .

= . . . + s(−) ⋅ h(k + ) + s() ⋅ h(k) + s() ⋅ h(k − ) + . . .
∞
= ∑ s(κ) ⋅ h(k − κ) .
κ=−∞
Hinsichtlich der Beziehung zwischen der diskreten Eingangsfolge {s(k)}−∞<k<∞ und der
diskreten Ausgangsfolge {g(k)}−∞<k<∞ wird das Verhalten eines LZI-Systems S voll-
ständig durch die diskrete Impulsantwort {h(k)}−∞<k<∞ beschrieben. Die zugehörige
Berechnungsvorschrift
∞
g(k) = ∑ s(κ) ⋅ h(k − κ) = s(k) ⋆ h(k) (7.3)
κ=−∞
entspricht der so genannten aperiodischen Faltung zweier unendlich ausgedehnter diskre-

ter Signalfolgen im Gegensatz zur periodischen Faltung, die für finite Signalfolgen definiert
ist. Man sagt, die diskrete Eingangsfolge wird durch das LZI-System „gefiltert“. Ein solches
LZI-System wird daher auch als Filter bezeichnet. Abbildung 7.3 veranschaulicht das LZI-
System S mit der diskreten Eingangsfolge {s(k)}−∞<k<∞, der diskreten Impulsantwort
{h(k)}−∞<k<∞ und der diskreten Ausgangsfolge {g(k)}−∞<k<∞. Diese diskreten Signal-
folgen sind in Abb. 7.4 beispielhaft dargestellt.
Abb. 7.3 LZI-System mit der diskreten Eingangsfolge {s(k)}−∞<k<∞, der diskreten Impulsantwort
{h(k)}−∞<k<∞ und der diskreten Ausgangsfolge {g(k)}−∞<k<∞
Abb. 7.4 Diskrete Eingangs-

folge {s(k)}−∞<k<∞, diskrete
Impulsantwort {h(k)}−∞<k<∞
und diskrete Ausgangsfolge
{g(k)}−∞<k<∞ eines LZI-Systems
7.2 Aperiodische und periodische Faltung
Neben der für finite Signalfolgen {x(k)}≤k≤N− , {y(k)}≤k≤N− und {z(k)}≤k≤N− gel-
tenden periodischen Faltung
N− N−
z(k) = x(k) ⋆ y(k) = ∑ x(κ) ⋅ y(k − κ) = ∑ x(κ) ⋅ y(k − κ mod N) (7.4)
κ= κ=
wird die aperiodische Faltung
∞
z̄(k) = x̄(k) ⋆ ȳ(k) = ∑ x̄(κ) ⋅ ȳ(k − κ) (7.5)
κ=−∞
für diskrete LZI-Systeme definiert. Zur einfacheren Unterscheidung zwischen der periodi-
schen Faltung und der aperiodischen Faltung kennzeichnen wir die für k ∈ Z definierten
diskreten Signalfolgen {x̄(k)}−∞<k<∞ , { ȳ(k)}−∞<k<∞ und {z̄(k)}−∞<k<∞ mit einem
Überstrich. Die aus der aperiodischen Faltung z̄(k) = x̄(k) ⋆ ȳ(k) resultierende diskre-
te Signalfolge wird erneut als Faltungsprodukt bezeichnet. Die aperiodische Faltung ist wie
die periodische Faltung kommutativ, assoziativ und distributiv bezüglich der Addition, das
7.2 Aperiodische und periodische Faltung 141
heißt es gilt
Kommutativität x̄(k) ⋆ ȳ(k) = ȳ(k) ⋆ x̄(k) ,

Assoziativität (x̄(k) ⋆ ȳ(k)) ⋆ z̄(k) = x̄(k) ⋆ ( ȳ(k) ⋆ z̄(k)) ,
Distributivität (x̄(k) + ȳ(k)) ⋆ z̄(k) = x̄(k) ⋆ z̄(k) + ȳ(k) ⋆ z̄(k) .
Eine kausale diskrete Signalfolge {x̄(k)}−∞<k<∞ ist definiert durch die Eigenschaft
x̄(k) =  für k< .
Ist auch die diskrete Signalfolge { ȳ(k)}−∞<k<∞ kausal, so gilt für die aperiodische Faltung
z̄(k) = x̄(k) ⋆ ȳ(k)

k
= ∑ x̄(κ) ⋅ ȳ(k − κ)
κ=
= x̄() ⋅ ȳ(k) + x̄() ⋅ ȳ(k − ) + . . . + x̄(k − ) ⋅ ȳ() + x̄(k) ⋅ ȳ() .
Sind die kausalen diskreten Signalfolgen {x̄(k)}−∞<k<∞ und { ȳ(k)}−∞<k<∞ des Weiteren
begrenzt auf die Breiten L x und L y gemäß
x̄(k) =  für k< oder k ≥ Lx ,

ȳ(k) =  für k< oder k ≥ Ly ,
so ist auch das Faltungsprodukt z̄(k) = x̄(k) ⋆ ȳ(k) begrenzt auf die Breite
Lz = L x + L y −  (7.6)
gemäß
z̄(k) =  für k< oder k ≥ Lz .
Dies sehen wir leicht, wenn wir k <  oder k ≥ L z = L x + L y −  in die Formel für die
aperiodische Faltung einsetzen, da in diesen Fällen mindestens einer der Faktoren in den
Produkten für die aperiodische Faltung gleich Null ist. So gilt beispielsweise für k = L z
z̄(L z ) = x̄() ⋅ ȳ(L z ) + x̄() ⋅ ȳ(L z − ) + . . . + x̄(L z − ) ⋅ ȳ() + x̄(L z ) ⋅ ȳ()

= x̄() ⋅ ȳ(L x + L y − ) + x̄() ⋅ ȳ(L x + L y − ) + . . . + x̄(L x − ) ⋅ ȳ(L y )
+ x̄(L x ) ⋅ ȳ(L y − ) + . . . + x̄(L x + L y − ) ⋅ ȳ() + x̄(L x + L y − ) ⋅ ȳ()
= x̄() ⋅  + x̄() ⋅  + . . . + x̄(L x − ) ⋅ 
+  ⋅ ȳ(L y − ) + . . . +  ⋅ ȳ() +  ⋅ ȳ()
= .
Beispiel 7.1
Als Beispiel betrachten wir die aperiodische Faltung der kausalen diskreten Signalfolgen
{x̄(k)}−∞<k<∞ der Breite L x =  und { ȳ(k)}−∞<k<∞ der Breite L y = . Daraus folgt
die Breite des Faltungsprodukts z̄(k) = x̄(k) ⋆ ȳ(k) zu L z = L x + L y −  =  +  −  = .
Damit gilt
x̄(k) =  für k< oder k≥ ,

ȳ(k) =  für k< oder k≥ ,
z̄(k) =  für k< oder k≥ .
Entsprechend der Vorschrift für die aperiodische Faltung
z̄(k) = x̄() ⋅ ȳ(k) + x̄() ⋅ ȳ(k − ) + . . . + x̄(k − ) ⋅ ȳ() + x̄(k) ⋅ ȳ()
ergeben sich für das Faltungsprodukt die ausführlichen Beziehungen
z̄() = x̄() ⋅ ȳ() ,

z̄() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
= x̄() ⋅  + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
= x̄() ⋅  + x̄() ⋅  + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() +  ⋅ ȳ()
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
+ x̄() ⋅ ȳ()
= x̄() ⋅  + x̄() ⋅  + x̄() ⋅  + x̄() ⋅ ȳ() +  ⋅ ȳ() +  ⋅ ȳ()
= x̄() ⋅ ȳ() ,
z̄() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
+ x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
= x̄() ⋅  + x̄() ⋅  + x̄() ⋅  + x̄() ⋅  +  ⋅ ȳ() +  ⋅ ȳ() +  ⋅ ȳ()
= .
◇
Beispiel 7.2
Abbildung 7.5 veranschaulicht als weiteres Beispiel die Berechnung der aperiodischen
Faltung zweier diskreter Rechteckfolgen der Breiten L x =  und L y = . Diese diskreten
Rechteckfolgen sind gegeben durch
, ≤k≤
x̄(k) = {
, sonst
und
,  ≤ k ≤ 
ȳ(k) = { .
, sonst
Werden für die periodische Faltung die finiten Signalfolgen {x(k)}≤k≤N− und
{y(k)}≤k≤N− für  ≤ k ≤ N −  mit N =  identisch gewählt entsprechend
, ≤k≤
x̄(k) = {
,  ≤ k ≤ 
Abb. 7.5 Aperiodische Fal-

tung der diskreten Signalfolgen
{ x̄(k)}−∞<k<∞, { ȳ(k)}−∞<k<∞
und {z̄(k)}−∞<k<∞ mit dem
Faltungsprodukt z̄(k) =
x̄(k)⋆ ȳ(k) = ∑κ=
k
x̄(κ)⋅ ȳ(k−κ)
Abb. 7.6 Periodische Fal-

tung der finiten Signalfolgen
{x(k)}≤k≤N−, {y(k)}≤k≤N−
und {z(k)}≤k≤N− mit dem
Faltungsprodukt z(k) =
x(k) ⋆ y(k) = ∑κ= N−
x(κ) ⋅
y(k − κ mod N) für N = 
und
,  ≤ k ≤ 
ȳ(k) = { ,
,  ≤ k ≤ 
so ergibt sich das in Abb. 7.6 gezeigte Faltungsprodukt z(k) = x(k) ⋆ y(k). Wie der
Vergleich des Faltungsprodukts z̄(k) = x̄(k) ⋆ ȳ(k) der aperiodischen Faltung mit dem
Faltungsprodukt z(k) = x(k) ⋆ y(k) der periodischen Faltung zeigt, weichen die Fal-
tungsprodukte z̄(k) und z(k) voneinander ab. ◇
Wie in diesem Abschnitt bereits gezeigt besitzt im Fall der aperiodischen Faltung das
Faltungsprodukt {z̄(k)}−∞<k<∞ zweier diskreter Signalfolgen {x̄(k)}−∞<k<∞ der Breite
L x und { ȳ(k)}−∞<k<∞ der Breite L y die resultierende Breite L z = L x + L y − . Um mit Hilfe
der periodischen Faltung das Faltungsprodukt der aperiodischen Faltung für die von Null
verschiedenen Werte korrekt berechnen zu können, darf die Länge N der finiten Signalfol-
gen {x(k)}≤k≤N− , {y(k)}≤k≤N− und {z(k)}≤k≤N− nicht kleiner als die Breite L z des
Faltungsprodukts {z̄(k)}−∞<k<∞ der aperiodischen Faltung sein.
N ≥ Lz = L x + L y −  (7.7)
Die periodisch zu faltenden finiten Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− werden

aus den beiden diskreten Signalfolgen {x̄(k)}−∞<k<∞ und { ȳ(k)}−∞<k<∞ der Breiten L x
und L y durch Anhängen von Nullen gebildet gemäß
x̄(k),  ≤ k ≤ Lx − 
x(k) = {
 , Lx ≤ k ≤ N − 
und
ȳ(k),  ≤ k ≤ Ly − 
y(k) = { .
 , Ly ≤ k ≤ N − 
Diese Bildungsvorschrift wird als Zero Padding bezeichnet [3, 14]. Aus dem mittels der
periodischen Faltung berechneten finiten Faltungsprodukt {z(k)}≤k≤N− wird das Fal-
tungsprodukt {z̄(k)}−∞<k<∞ der aperiodischen Faltung wie folgt bestimmt.
z(k),  ≤ k ≤ L z − 
z̄(k) = {
 , sonst
Beispiel 7.3
Als Beispiel betrachten wir die Berechnung der aperiodischen Faltung der kausalen dis-
kreten Signalfolgen {x̄(k)}−∞<k<∞ der Breite L x =  und { ȳ(k)}−∞<k<∞ der Breite
L y =  aus Beispiel 7.1 auf S. 142 mittels der periodischen Faltung. Aufgrund der Breite
L z =  des Faltungsprodukts z̄(k) = x̄(k) ⋆ ȳ(k) wählen wir die Länge N =  ≥  = L z
für die finiten Signalfolgen {x(k)}≤k≤N− , {y(k)}≤k≤N− und {z(k)}≤k≤N− . Durch
Anfügen von Nullen werden die periodisch zu faltenden finiten Signalfolgen gebildet
x() = x̄() ,
x() = x̄() ,
x() = x̄() ,
x() = x̄() ,
x() =  ,
x() =  ,
x() =  ,
x() = 
und
y() = ȳ() ,
y() = ȳ() ,
y() = ȳ() ,
y() =  ,
y() =  ,
y() =  ,
y() =  ,
y() =  .
Aufgrund der Vorschrift für die periodische Faltung
z(k) = x(k) ⋆ y(k)

N−
= ∑ x(κ) ⋅ y(k − κ)
κ=
= x() ⋅ y(k) + x() ⋅ y(k − ) + . . . + x(N − ) ⋅ y(k − N + )
erhalten wir mit der N-Periodizität der finiten Signalfolge {y(k)}≤k≤N− beziehungs-
weise der modulo-Rechnung y(k − κ) = y(k − κ mod N) die ausführlichen Formeln für
das Faltungsprodukt z(k) = x(k) ⋆ y(k) der periodischen Faltung gemäß
z() = x() ⋅ y() + x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−)

+ x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅ ȳ() + x̄() ⋅  + x̄() ⋅  + x̄() ⋅ 
+  ⋅  +  ⋅  +  ⋅ ȳ() +  ⋅ ȳ()
= x̄() ⋅ ȳ()
= z̄() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y(−) + x() ⋅ y(−)

+ x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅  + x̄() ⋅ 
+  ⋅  +  ⋅  +  ⋅  +  ⋅ ȳ()
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ()

= z̄() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y(−)

+ x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ 
+⋅+⋅+⋅+⋅
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
= z̄() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()

+ x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅  + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
+⋅+⋅+⋅+⋅
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
= z̄() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()

+ x() ⋅ y() + x() ⋅ y(−) + x() ⋅ y(−) + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅  + x̄() ⋅  + x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
+  ⋅ ȳ() +  ⋅  +  ⋅  +  ⋅ 
= x̄() ⋅ ȳ() + x̄() ⋅ ȳ()
= z̄() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()

+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y(−) + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅  + x̄() ⋅  + x̄() ⋅  + x̄() ⋅ ȳ()

+  ⋅ ȳ() +  ⋅ ȳ() +  ⋅  +  ⋅ 
= x̄() ⋅ ȳ()
= z̄() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()

+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y(−)
= x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅  + x̄() ⋅  + x̄() ⋅  + x̄() ⋅ 
+  ⋅ ȳ() +  ⋅ ȳ() +  ⋅ ȳ() +  ⋅ 
=
= z̄() ,
z() = x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()

+ x() ⋅ y() + x() ⋅ y() + x() ⋅ y() + x() ⋅ y()
= x̄() ⋅  + x̄() ⋅  + x̄() ⋅  + x̄() ⋅ 
+  ⋅  +  ⋅ ȳ() +  ⋅ ȳ() +  ⋅ ȳ()
=
= z̄() .
Insgesamt ergibt sich damit das Faltungsprodukt z̄(k) der entsprechenden aperiodi-
schen Faltung durch Übernahme der berechneten Werte des Faltungsprodukts z(k) der
periodischen Faltung für  ≤ k ≤ N −  =  gemäß
z̄() = z() = x̄() ⋅ ȳ() ,

z̄() = z() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = z() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = z() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = z() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
z̄() = z() = x̄() ⋅ ȳ() ,
z̄() = z() =  ,
z̄() = z() =  .
Die restlichen Werte des Faltungsprodukts z̄(k) für k <  und k ≥ N =  werden zu Null
gesetzt. ◇
7.3 Schnelle Faltung mit der FFT 149
Abb. 7.7 Periodische Fal-

tung der finiten Signalfolgen
{x(k)}≤k≤N−, {y(k)}≤k≤N−
und {z(k)}≤k≤N− mit dem
Faltungsprodukt z(k) =
x(k) ⋆ y(k) = ∑κ= N−
x(κ) ⋅
y(k − κ mod N) für N =  nach
Zero Padding
Mit Hilfe der periodischen Faltung kann somit durch Anfügen einer geeigneten Anzahl
von Nullen an die finiten Signalfolgen (Zero Padding) die aperiodische Faltung berechnet
werden, wie in Abb. 7.7 für die periodische Faltung z(k) = x(k) ⋆ y(k) aus Beispiel 7.2 auf
S. 143 veranschaulicht wird. Im folgenden Abschn. 7.3 werden wir zeigen, dass die Verwen-
dung der periodischen Faltung unter Ausnutzung der Faltungseigenschaft der diskreten
Fourier-Transformation eine aufwandsgünstige Berechnung der aperiodischen Faltung
mittels der schnellen Faltung ermöglicht.
7.3 Schnelle Faltung mit der FFT
Die periodische Faltung der finiten Signalfolgen {x(k)}≤k≤N− und {y(k)}≤k≤N− der
Länge N im Originalbereich
N− N−
z(k) = x(k) ⋆ y(k) = ∑ x(κ) ⋅ y(k − κ) = ∑ x(κ) ⋅ y(k − κ mod N)
κ= κ=
Abb. 7.8 Schnelle Faltung mit der diskreten Fourier-Transformation
mit  ≤ k ≤ N −  kann mit Hilfe der diskreten Fourier-Transformation durch Multi-

plikation der finiten Spektralfolgen {X(ℓ)}≤ℓ≤N− und {Y(ℓ)}≤ℓ≤N− im Spektralbereich
durchgeführt werden. Mit X(ℓ) = DFT {x(k)}, Y(ℓ) = DFT {y(k)} und Z(ℓ) =
DFT {z(k)} erhalten wir [3, 14, 18]
Z(ℓ) = X(ℓ) ⋅ Y(ℓ)
für  ≤ ℓ ≤ N − . Für das Faltungsprodukt der periodischen Faltung gilt
z(k) = IDFT {Z(ℓ)} = IDFT {X(ℓ) ⋅ Y(ℓ)} = IDFT {DFT {x(k)} ⋅ DFT {y(k)}}
beziehungsweise zusammengefasst (siehe Abb. 7.8)
z(k) = IDFT {DFT {x(k)} ⋅ DFT {y(k)}} . (7.8)
Unter Verwendung der schnellen Fourier-Transformation FFT kann die periodische Fal-
tung mit geringerem Aufwand berechnet werden. Wie wir gesehen haben, ist mit Hilfe der
periodischen Faltung durch Anfügen einer geeigneten Anzahl von Nullen (Zero Padding)
auch die aperiodische Faltung effizient berechenbar. Im Folgenden untersuchen wir daher
die Berechnungskomplexität für die periodische Faltung sowie die aperiodische Faltung
unter Verwendung der schnellen Fourier-Transformation.
7.3.1 Berechnungskomplexität der periodischen Faltung
Für die schnelle Fourier-Transformation der Länge N hatten wir N ⋅ log (N) komplexe
Additionen und N ⋅ log (N)/ komplexe Multiplikationen für finite Signalfolgen der Län-
ge N ermittelt. Zur Abschätzung des Berechnungsaufwands für die periodische Faltung
7.3 Schnelle Faltung mit der FFT 151
gemäß z(k) = IDFT {DFT {x(k)} ⋅ DFT {y(k)}} betrachten wir die Berechnungskom-
plexität hinsichtlich der durchzuführenden komplexen Multiplikationen. Es gilt1
N
X(ℓ) = DFT {x(k)} ∶ ⋅ log (N)

N
Y(ℓ) = DFT {y(k)} ∶ ⋅ log (N)

Z(ℓ) = X(ℓ) ⋅ Y(ℓ) ∶ N
N
z(ℓ) = IDFT {Z(ℓ)} ∶ ⋅ log (N)

und somit insgesamt
N 
⋅ ⋅ log (N) + N = N ⋅ ( ⋅ log (N) + ) (7.9)
 
für die Anzahl der zu berechnenden komplexen Multiplikationen.
7.3.2 Berechnungskomplexität der aperiodischen Faltung
Im Rahmen der aperiodischen Faltung gehen wir vereinfacht von kausalen diskreten Sig-
nalfolgen {x̄(k)}−∞<k<∞ und { ȳ(k)}−∞<k<∞ der gemeinsamen Breiten
Lx = L y = L
gemäß
x̄(k) =  für k <  oder k≥L ,

ȳ(k) =  für k <  oder k≥L
aus. Das resultierende Faltungsprodukt
z̄(k) = x̄(k) ⋆ ȳ(k)

k
= ∑ x̄(κ) ⋅ ȳ(k − κ)
κ=
= x̄() ⋅ ȳ(k) + x̄() ⋅ ȳ(k − ) + . . . + x̄(k − ) ⋅ ȳ() + x̄(k) ⋅ ȳ()
besitzt damit die Breite

L z = L x + L y −  = L − 
1
In dieser Abschätzung wird die Division durch N bei der inversen diskreten Fourier-
Transformation IDFT vernachlässigt.
gemäß
z̄(k) =  für k< oder k ≥ L −  .
Die Werte des Faltungsprodukts bestimmen sich für  ≤ k ≤ L −  aus den folgenden
Formelgleichungen
z̄() = x̄() ⋅ ȳ() ,

z̄() = x̄() ⋅ ȳ() + x̄() ⋅ ȳ() ,
⋮
z̄(L − ) = x̄() ⋅ ȳ(L − ) + x̄() ⋅ ȳ(L − ) + . . . + x̄(L − ) ⋅ ȳ() ,
z̄(L − ) = x̄() ⋅ ȳ(L − ) + x̄() ⋅ ȳ(L − ) + . . . + x̄(L − ) ⋅ ȳ() ,
z̄(L) = x̄() ⋅ ȳ(L − ) + x̄() ⋅ ȳ(L − ) + . . . + x̄(L − ) ⋅ ȳ() ,
⋮
z̄(L − ) = x̄(L − ) ⋅ ȳ(L − ) + x̄(L − ) ⋅ ȳ(L − ) ,
z̄(L − ) = x̄(L − ) ⋅ ȳ(L − ) .
Die Anzahl der durchzuführenden komplexen Multiplikationen ergibt sich somit aus
 +  + . . . + (L − ) + L + (L − ) + . . . +  + 
L−
L(L − ) (7.10)
= L+∑ν = L+ = L + L(L − ) = L  .
ν= 
Im Folgenden vergleichen wir die Berechnungskomplexitäten der periodischen und der

aperiodischen Faltung für den Fall der gemeinsamen Breiten L x = L y = L der diskreten Sig-
nalfolgen sowie der resultierenden Breite L z = L x +L y − = L− des Faltungsprodukts. Für
die Länge N der finiten Signalfolgen {x(k)}≤k≤N− , {y(k)}≤k≤N− und {z(k)}≤k≤N−
wählen wir
N = L z = L −  .
Daraus folgen für die periodische Faltung unter Verwendung der schnellen Fourier-
Transformation insgesamt
 
N ⋅ ( ⋅ log (N) + ) = (L − ) ⋅ ( ⋅ log (L − ) + )
 
komplexe Multiplikationen, während im Fall der aperiodischen Faltung
L
7.4 Schnelle FIR-Filter 153
Abb. 7.9 Quotient Q L der

Anzahl der komplexen Multi-
plikationen
komplexe Multiplikationen auszuführen sind. Der entsprechende Quotient lautet somit
(L − ) ⋅ (  ⋅ log (L − ) + )

QL = . (7.11)
L
Für L ≥  beziehungsweise N = L −  ≥  wird der Quotient Q L kleiner als . In diesem

Fall ist die Durchführung der aperiodischen Faltung mit Hilfe der schnellen periodischen
Faltung unter Verwendung der schnellen Fourier-Transformation aufwandsgünstiger zu
berechnen hinsichtlich der Anzahl der komplexen Multiplikationen als die direkte Berech-
nung der aperiodischen Faltung, wie Abb. 7.9 zeigt.
7.4 Schnelle FIR-Filter
In der digitalen Signalverarbeitung gehorcht ein kausales Filter dem Prinzip „Keine Wir-
kung vor der Ursache“. Die diskrete Impulsantwort {h(k)}−∞<k<∞ besitzt somit von Null
verschiedene Werte ausschließlich für k ≥ , das heißt es gilt für ein kausales Filter
h(k) =  für k< .
Ist auch die diskrete Eingangsfolge {s(k)}−∞<k<∞ eine kausale diskrete Signalfolge entspre-
chend
s(k) =  für k <  ,
so berechnet sich die diskrete Ausgangsfolge {g(k)}−∞<k<∞ mit g(k) = s(k) ⋆ h(k) unter
Ausnutzung der Kommutativität der aperiodischen Faltung mittels der Beziehung
g(k) = h(k) ⋆ s(k)

k
= ∑ h(κ) ⋅ s(k − κ)
κ=
= h() ⋅ s(k) + h() ⋅ s(k − ) + . . . + h(k − ) ⋅ s() + h(k) ⋅ s() .

Abb. 7.10 FIR-Filterarchitektur mit der endlichen diskreten Impulsantwort {h(k)}≤k≤L h−
Besitzt das kausale Filter zudem eine endliche diskrete Impulsantwort der Breite L h ent-
sprechend
h(k) =  für k< oder k ≥ Lh ,
so gilt für die aperiodische Faltung
g(k) = h(k) ⋆ s(k)

L h −
= ∑ h(κ) ⋅ s(k − κ)
κ=
= h() ⋅ s(k) + h() ⋅ s(k − ) + . . . + h(L h − ) ⋅ s(k − L h + ) .
Ein solches diskretes Filter mit endlicher diskreter Impulsantwort wird als FIR-Filter (FIR –
Finite Impulse Response) bezeichnet. Abbildung 7.10 veranschaulicht die Architektur eines
solchen diskreten FIR-Filters. Hierbei bezeichnet T die Verzögerung der diskreten Ein-
gangsfolge {s(k)}−∞<k<∞ entsprechend der verzögerten diskreten Eingangsfolge {s(k −
)}−∞<k<∞ .
Die resultierende diskrete Ausgangsfolge {g(k)}−∞<k<∞ erfordert für jeden Index k
die Berechnung der aperiodischen Faltung mit jeweils L h komplexen Multiplikationen. Die
Implementierung des diskreten FIR-Filters kann mittels schneller Faltung realisiert werden,
indem die aperiodische Faltung mit Hilfe der periodischen Faltung unter Verwendung der
schnellen Fourier-Transformation mit geringerem Aufwand berechnet wird. Die Breite
der diskreten Eingangsfolge {s(k)}−∞<k<∞ ist dabei gegeben durch L s entsprechend
s(k) =  für k< oder k ≥ Ls .
Die periodische Faltung basiert in diesem Fall auf den beiden finiten Signalfolgen
{x(k)}≤k≤N− und {y(k)}≤k≤N− der Länge N = L s + L h −  gegeben durch die Zu-
7.5 Segmentierte Faltung 155
ordnung
s(k),  ≤ k ≤ L s − 
x(k) = { ,
 , Ls ≤ k ≤ N − 
h(k),  ≤ k ≤ L h − 
y(k) = { .
 , Lh ≤ k ≤ N − 
Die periodische Faltung wird mit Hilfe der diskreten Fourier-Transformation DFT bezie-
hungsweise mit der schnellen Fourier-Transformation FFT gemäß der Vorschrift
z(k) = IDFT {DFT {x(k)} ⋅ DFT {y(k)}}
berechnet. Die diskrete Ausgangsfolge {g(k)}−∞<k<∞ besitzt die Breite
L g = Ls + L h −  = N
entsprechend
g(k) =  für k< oder k ≥ Lg
und wird erhalten aus dem Faltungsprodukt der periodischen Faltung gemäß
z(k),  ≤ k ≤ L g − 
g(k) = { .
 , sonst
Wie der Vergleich der Berechnungskomplexitäten für die periodische und die aperiodische
Faltung im Abschn. 7.3 zeigte, ist für hinreichend große Breiten L s und L h beziehungs-
weise für hinreichend große Länge N die aperiodische Faltung mit Hilfe der schnellen
periodischen Faltung unter Verwendung der schnellen Fourier-Transformation häufig
aufwandsgünstiger zu berechnen als die direkte Berechnung der aperiodischen Faltung für
das FIR-Filter.
7.5 Segmentierte Faltung
In der digitalen Signalverarbeitung werden FIR-Filter häufig für die Filterung einer un-
endlich ausgedehnten diskreten Eingangsfolge {s(k)}−∞<k<∞ verwendet. Um die schnelle
Faltung anwenden zu können, wird die unendlich ausgedehnte diskrete Eingangsfolge in
Blöcke der Breite L s entsprechend Abb. 7.11 aufgeteilt. Es gilt
∞
s(k) = ∑ s b (k − bL s )
b=−∞
mit
s b (k − bL s ) =  für k < bL s oder k ≥ bL s + L s
Abb. 7.11 Aufteilung der diskre-

ten Eingangsfolge {s(k)}−∞<k<∞
in die Blöcke s b (k) der Breite L s
beziehungsweise
s b (k) =  für k< oder k ≥ Ls .
Die resultierende diskrete Ausgangsfolge {g(k)}−∞<k<∞ des FIR-Filters ergibt sich zu
g(k) = h(k) ⋆ s(k)

L h −
= ∑ h(κ) ⋅ s(k − κ)
κ=
L h − ∞
= ∑ h(κ) ⋅ ∑ s b (k − κ − bL s )
κ= b=−∞
∞ L h −
= ∑ ∑ h(κ) ⋅ s b (k − κ − bL s ) .
b=−∞ κ=
Wie die diskrete Eingangsfolge wird die unendlich ausgedehnte diskrete Ausgangsfolge in
Blöcke aufgeteilt entsprechend
∞
g(k) = ∑ g b (k − bL s )
b=−∞
Abb. 7.12 Diskrete Impuls-

antwort {h(k)}−∞<k<∞ eines
FIR-Filters
mit
L h −
g b (k − bL s ) = ∑ h(κ) ⋅ s b (k − κ − bL s ) .
κ=
Nach Ersetzen von k − bL s durch den Index k folgt hieraus für jeden Block
L h −
g b (k) = ∑ h(κ) ⋅ s b (k − κ) = h(k) ⋆ s b (k) .
κ=
Das Faltungsprodukt g b (k) = h(k) ⋆ s b (k) der aperiodischen Faltung besitzt die Breite
L g = Ls + L h − 
gemäß
g b (k) =  für k< oder k ≥ Lg
beziehungsweise
g b (k − bL s ) =  für k < bL s oder k ≥ bL s + L g .
Bei diesem Verfahren der segmentierten Faltung wird die unendlich ausgedehnte diskrete
Ausgangsfolge {g(k)}−∞<k<∞ durch Überlagerung der ermittelten Blöcke g b (k − bL s ) be-
rechnet, indem jeweils in den Bereichen bL s ≤ k ≤ bL s + L g −  die übereinander liegenden
Blöcke addiert werden. Dieses Verfahren wird als Overlap Add-Methode bezeichnet [14].
Mit der in Abb. 7.12 beispielhaft gezeigten diskreten Impulsantwort {h(k)}−∞<k<∞ wird
in Abb. 7.13 die Aufteilung der diskreten Ausgangsfolge {g(k)}−∞<k<∞ und die Überlage-
rung der Blöcke g b (k) veranschaulicht.
Die aperiodische Faltung kann erneut mit Hilfe der periodischen Faltung unter Verwen-
dung der finiten Signalfolgen {x b (k)}≤k≤N− und {y(k)}≤k≤N− der Länge N durch die
Abb. 7.13 Aufteilung der

diskreten Ausgangsfolge
{g(k)}−∞<k<∞ in die Blöcke
g b (k) der Breite L g
Zuordnung
s b (k),  ≤ k ≤ L s − 
x b (k) = { ,
 , Ls ≤ k ≤ N − 
h(k),  ≤ k ≤ L h − 
y(k) = {
 , Lh ≤ k ≤ N − 
mit
N = L g = Ls + L h − 
berechnet werden. Mittels der diskreten Fourier-Transformation DFT oder der schnellen
Fourier-Transformation FFT wird die finite Signalfolge {z b (k)}≤k≤N− der Länge N mit
z b (k) = x b (k) ⋆ y(k) gemäß
z b (k) = IDFT {DFT {x b (k)} ⋅ DFT {y(k)}}
bestimmt. Der Block g b (k) der Breite L g = N wird aus dem Faltungsprodukt z b (k) =
x b (k) ⋆ y(k) der periodischen Faltung erhalten entsprechend
z b (k),  ≤ k ≤ Lg − 
g b (k) = { .
 , sonst
Die auf diese Weise mit Hilfe der schnellen Faltung berechneten Blöcke g b (k) werden ge-
mäß der Overlap Add-Methode um bL s verschoben und zu der unendlich ausgedehnten
diskreten Ausgangsfolge
∞
g(k) = ∑ g b (k − bL s )
b=−∞
überlagert.
Literatur
Die Angabe der Literaturstellen ist im Text der besseren Übersichtlichkeit wegen knapp ge-
halten. Das folgende Literaturverzeichnis umfasst daher neben den im Text referenzierten
Büchern und Artikeln weitere Literaturstellen, die für ein vertiefendes Studium geeignet
sind.
1 Bellanger, M.G.: Digital Processing of Signals: Theory and Practice. 2nd Edition, Chi-
chester: John Wiley & Sons, 1989
2 Beth, T.: Verfahren der schnellen Fourier-Transformation. Stuttgart: B.G. Teubner Ver-
lag, 1984
3 Brigham, E.O.: FFT – Schnelle Fourier-Transformation. 4. Auflage, München: R. Olden-
bourg Verlag, 1989
4 Bronstein, I.N.; Semendjajew, K.A.; Musiol, G.; Mühlig, H.: Taschenbuch der Ma-
thematik. 7. Auflage, Frankfurt am Main: Verlag Harri Deutsch, 2008
5 Cooley, J.W.; Tukey, J.W.: An Algorithm for the Machine Calculation of Complex Fourier
Series. In: Mathematical of Computation. Vol. 19, pp. 297-301, 1965
6 Doblinger, Gerhard: MATLAB – Programmierung in der digitalen Signalverarbei-
tung. Wilburgstetten: J. Schlembach Fachverlag, 2001
7 Doblinger, Gerhard: Zeitdiskrete Signale und Systeme – Eine Einführung in die
grundlegenden Methoden der digitalen Signalverarbeitung. 2. Auflage, Wilburgstetten:
J. Schlembach Fachverlag, 2010
8 Fliege, N.: Multiraten-Signalverarbeitung. Stuttgart: B.G. Teubner Verlag, 1993
9 Fliege, N.; Gaida, M.: Signale und Systeme – Grundlagen und Anwendungen mit MAT-
LAB. Wilburgstetten: J. Schlembach Fachverlag, 2008
10 Göckler, H.G.; Groth, A.: Multiratensysteme – Abtastratenumsetzung und digitale Fil-
terbänke. Wilburgstetten: J. Schlembach Fachverlag, 2004
11 Götz, H.: Einführung in die digitale Signalverarbeitung. 3. Auflage, Stuttgart: B.G. Teub-
ner Verlag, 1998
A. Neubauer, DFT – Diskrete Fourier-Transformation, DOI 10.1007/978-3-8348-1997-0, 161

162 Literaturverzeichnis
12 Jondral, F.: Nachrichtensysteme – Grundlagen, Verfahren, Anwendungen. 4. Auflage,

Wilburgstetten: J. Schlembach Fachverlag, 2011
13 Kammeyer, K.D.: Nachrichtenübertragung. 5. Auflage, Wiesbaden: Vieweg+Teubner,
2011
14 Kammeyer, K.D.; Kroschel, K.: Digitale Signalverarbeitung – Filterung und Spektral-
analyse mit MATLAB-Übungen. 7. Auflage, Wiesbaden: Vieweg+Teubner, 2009
15 Kammeyer, K.D.; Kühn, V.: MATLAB in der Nachrichtentechnik. Wilburgstetten: J.
Schlembach Fachverlag, 2001
16 Marko, H.: Methoden der Systemtheorie – Die Spektraltransformationen und ihre An-
wendungen. 2. Auflage, Berlin: Springer Verlag, 1986
17 Meyer, M.: Signalverarbeitung – Analoge und digitale Signale, Systeme und Filter. 6. Auf-
lage, Wiesbaden: Vieweg+Teubner, 2011
18 Neubauer, A.: Irreguläre Abtastung – Signaltheorie und Signalverarbeitung. Berlin:
Springer Verlag, 2003
19 Neubauer, A.: Informationstheorie und Quellencodierung – Eine Einführung für Inge-
nieure, Informatiker und Naturwissenschaftler. Wilburgstetten: J. Schlembach Fachver-
lag, 2006
20 Neubauer, A.: Kanalcodierung – Eine Einführung für Ingenieure, Informatiker und Na-
turwissenschaftler. Wilburgstetten: J. Schlembach Fachverlag, 2006
21 Neubauer, A.: Digitale Signalübertragung – Eine Einführung in die Signal- und Sys-
temtheorie. Wilburgstetten: J. Schlembach Fachverlag, 2007
22 Neubauer, A.; Freudenberger, J.; Kühn, V.: Coding Theory – Algorithms, Architectu-
res, and Applications. Chichester: John Wiley & Sons, 2007
23 Ohm, J.-R.; Lüke, H.D.: Signalübertragung – Grundlagen der digitalen und analogen
Nachrichtenübertragungssysteme. 11. Auflage, Berlin: Springer Verlag, 2011
24 Oppenheim, A.V.; Willsky, A.S.: Signale und Systeme. Weinheim: VCH Verlagsgesell-
schaft, 1989
25 Oppenheim, A.V.; Schafer, R.W.: Zeitdiskrete Signalverarbeitung. 3. Auflage, München:
R. Oldenbourg Verlag, 1999
26 Schrüfer, E.: Signalverarbeitung – Numerische Verarbeitung digitaler Signale. 2. Aufla-
ge, München: Carl Hanser Verlag, 1992
27 Strampp, W.; Vorozhtsov, E.V.: Mathematische Methoden der Signalverarbeitung.
München: R. Oldenbourg Verlag, 2004
28 von Grünigen, D.: Digitale Signalverarbeitung – mit einer Einführung in die kontinu-
ierlichen Signale und Systeme. 4. Auflage, München: Carl Hanser Verlag, 2008
29 Wendemuth, A.: Grundlagen der digitalen Signalverarbeitung – Ein mathematischer
Zugang. Berlin: Springer Verlag, 2004
30 Werner, M.: Signale und Systeme – Lehr- und Arbeitsbuch mit MATLAB-Übungen und
Lösungen. 3. Auflage, Wiesbaden: Vieweg+Teubner, 2008
Sachverzeichnis
Abtastung Energie, 80
im Spektralbereich, 40 Energiedichte
im Originalbereich, 39 spektrale, 81
Aliasing Energiedichtespektrum, 81
im Frequenzbereich, 46 Eulersche Formel, 8
im Zeitbereich, 46 Exponentialfunktion, 4
Analyse, 24
assoziativ, 68, 71, 140
Autokorrelationsfolge, 79 Faltung
aperiodische, 139, 140
Berechnungsalgorithmus, 123 periodische, 68
Berechnungskomplexität, 135 schnelle, 137
Bit Reversal, 130 segmentierte, 157
Butterfly-Operation, 125 zirkulare, 68
zyklische, 68
Cosinusfolge, 107 Faltungsprodukt, 68, 140
Cosinusfunktion, 5 Fensterfolge, 117
Blackman-, 119
Dezimation, 82
Hamming-, 119
im Originalbereich, 124
Hann-, 119
im Spektralbereich, 131
FFT, 123, 127
DFT, 17
distributiv, 68, 71, 140 -Algorithmus, 123
Division mit Rest, 3 Filter, 139
Drehfaktor, 27 FIR, 154
Dreieckfolge, 102 kausales, 153
Fourier-Transformation, 36
EEG, vii diskrete, 2, 17, 36
Einheit schnelle, 123, 127
imaginäre, 7 Frequenz, 5
Einheitsmatrix, 14, 33 Fundamentaleigenschaft, 4
163
164 Sachverzeichnis
Funktion Signalfolge, 17
gerade, 5 finite, 1
harmonische, 8 harmonische, 103
ungerade, 6 kausale, 141, 153
konstante, 98
Hintransformation, 17 Signaltransformation
diskrete, 1
Imaginärteil, 7 Sinusfolge, 112
Impulsantwort, 139 Sinusfunktion, 5
Impulsfolge, 95, 138 Skalarprodukt, 12, 77, 78
verschobene, 96 Spaltenindex, 14
Impulszug Spektralbereich, 1
im Originalbereich, 40 Spektralfolge, 17
im Spektralbereich, 40 finite, 1
Interpolation, 85 Spektrum, 36, 37
Spiegelung, 48
kommutativ, 68, 71, 140 Summe, 4
Koordinaten Summenzeichen, 4
kartesische, 7 Superposition, 24
Polar-, 8 Superpositionsgesetz, 48, 138
Korrelation, 76 Symmetrie, 76
Korrespondenz, 21, 95 Synthese, 24
Kreiszahl, 5 System
Kreuzkorrelationsfolge, 76 diskretes, 137
lineares zeitinvariantes, 137
Leckeffekt, 115 LZI, 137
Linearität, 138 Systemtheorie, 137
Tangensfunktion, 6
Matrix, 13
Transformation
Modulation, 67
diskrete, 1
Modulo-Rechnung, 4, 27
inverse, 2
Transformationsmatrix, 30
OFDM, vii
Originalbereich, 1 Vektor, 11
Overlap Add-Methode, 157 Vektorbetrag, 12, 81
Verschiebung, 62
Phasendrehung, 64
Zahl
Rücktransformation, 19 ganze, 3
Realteil, 7 komplexe, 3, 7
Rechteckfolge, 99 konjugiert komplexe, 10
Rechtecksignal, 36 natürliche, 3
Reihe reelle, 3
geometrische, 15 Zeilenindex, 14
Zeitinvarianz, 138
Signalflussgraf, 125 Zero Padding, 145

DFT - Diskrete Fourier-Transformation - Elementare Einfuhrung André Neubauer 2012

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

DFT - Diskrete Fourier-Transformation - Elementare Einfuhrung André Neubauer 2012

Hochgeladen von

Copyright:

Verfügbare Formate

DFT – Diskrete Fourier-Transformation

ISBN 978-3-8348-1996-3 ISBN 978-3-8348-1997-0 (eBook)

Einbandentwurf: KünkelLopka GmbH

Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier

folgen sowie diskrete Signaltransformationen erläutert. Anschließend werden in Kap. 2 die

Düsseldorf, im Sommer 2011 André Neubauer

3 Deﬁnition der DFT . . . . . . . . . . . . . . . . . . . . . . . . . . 17

4 Eigenschaften der DFT . . . . . . . . . . . . . . . . . . . . . . . . 47

5 Korrespondenzen der DFT . . . . . . . . . . . . . . . . . . . . . . 95

6 Schnelle Fourier-Transformation . . . . . . . . . . . . . . . . . . . 123

7 Schnelle Faltung . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

In der digitalen Signalverarbeitung und der Signaltheorie werden diskrete Signalfolgen

{x(), x(), . . . , x(N − )} = {x(k)}≤k≤N−

{X(), X(), . . . , X(N − )} = {X(ℓ)}≤ℓ≤N−

bestehend aus N Spektralwerten X(ℓ) mit dem Index  ≤ ℓ ≤ N −  im Spektralbereich

A. Neubauer, DFT – Diskrete Fourier-Transformation, DOI 10.1007/978-3-8348-1997-0_1, 1

Abb. 1.3 Finite Signalfolge

Rücktransformation vom Spektralbereich in den Originalbereich erfolgt bei einer sol-

Die Menge der natürlichen Zahlen ist gegeben durch

A. Neubauer, DFT – Diskrete Fourier-Transformation, DOI 10.1007/978-3-8348-1997-0_2, 3

mit dem Summationsindex n.

2.2 Elementare Funktionen

Die Exponentialfunktion ez ist deﬁniert durch die unendliche Reihe

mit der Eulerschen Zahl e = , . . . und der Fakultät

mit ! = . Für die Exponentialfunktion ez gilt die Fundamentaleigenschaft

Für x = z und y = −z folgt hieraus

Abb. 2.1 Cosinusfunktion cos(ϕ)

Die Cosinusfunktion cos(ϕ) ist deﬁniert durch die unendliche Reihe

Die Cosinusfunktion ist eine gerade Funktion, das heißt es gilt

Ferner ist sie periodisch mit der Periode π gemäß

cos(ϕ + n ⋅ π) = cos(ϕ)

mit n ∈ Z. Hierbei kennzeichnet π = , . . . die Kreiszahl. Abbildung 2.1

Abb. 2.2 Sinusfunktion sin(ϕ)

Die Sinusfunktion ist eine ungerade Funktion, das heißt es gilt

sin(ϕ + n ⋅ π) = sin(ϕ)

Abb. 2.3 Tangensfunktion tan(ϕ)

2.3 Komplexe Zahlen

2.3.1 Kartesische Koordinaten

bestehend aus dem reellen Realteil

und dem reellen Imaginärteil

Hierbei stellt j die so genannte imaginäre Einheit

Anstelle der Darstellung der komplexen Zahl z = x + jy in kartesischen Koordinaten x und

(jϕ) (jϕ) (jϕ) (jϕ)

Wegen dieser so genannten Eulerschen Formel

ejϕ = cos(ϕ) + j sin(ϕ)

ej(ϕ+n⋅π) = cos(ϕ + n ⋅ π) + j sin(ϕ + n ⋅ π) = cos(ϕ) + j sin(ϕ) = ejϕ .

Des Weiteren folgt für die komplexe Zahl z = x + jy in Polarkoordinaten

z = ρ ⋅ ejϕ = ρ ⋅ cos(ϕ) + j ⋅ ρ ⋅ sin(ϕ) .

Die Umrechnung zwischen kartesischen Koordinaten und Polarkoordinaten erfolgt ent-

ejϕ = cos(ϕ) + j sin(ϕ) ,

Die Addition zweier komplexer Zahlen z  = x  + jy  und z  = x  + jy  geschieht getrennt

Es gilt somit in kartesischen Koordinaten

R{z  + z  } = R{z  } + R{z  } ,

Die Multiplikation zweier komplexer Zahlen z  = x  + jy  und z  = x  + jy  berechnet sich

In kartesischen Koordinaten ergibt sich zusammengefasst

R{z  ⋅ z  } = R{z  } ⋅ R{z  } − I{z  } ⋅ I{z  } ,

In Polarkoordinaten gestaltet sich die Multiplikation der beiden komplexen Zahlen z  =

Das Produkt z = z  ⋅ z  = ρ ⋅ ejϕ wird in Polarkoordinaten berechnet, indem die Beträge ρ 

mit dem Betrag ρ n und dem Winkel nϕ.

2.3.6 Komplexe Konjugation

Des Weiteren folgt

z ⋅ z ∗ = ρ ⋅ ejϕ ⋅ ρ ⋅ e−jϕ = ρ  ⋅ ejϕ−jϕ = ρ  = ∣z∣

2.4 Vektoren und Matrizen