Beruflich Dokumente
Kultur Dokumente
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
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.
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
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
ix
x Inhaltsverzeichnis
3.1.2 Rücktransformation . . . . . . . . . . . . . . . . . . . 19
3.2 Analyse und Synthese . . . . . . . . . . . . . . . . . . . . . . 22
3.2.1 Hintransformation . . . . . . . . . . . . . . . . . . . . 23
3.2.2 Rücktransformation . . . . . . . . . . . . . . . . . . . 24
3.3 Periodizität . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.1 Periodizität der Spektralfolge . . . . . . . . . . . . . . . 24
3.3.2 Periodizität der Signalfolge . . . . . . . . . . . . . . . . 26
3.4 Matrixdarstellung der DFT . . . . . . . . . . . . . . . . . . . . 27
3.4.1 Hintransformation . . . . . . . . . . . . . . . . . . . . 28
3.4.2 Rücktransformation . . . . . . . . . . . . . . . . . . . 30
3.5 Exkurs: Fourier-Transformation . . . . . . . . . . . . . . . . . . 36
3.5.1 Fourier-Transformation kontinuierlicher Signale . . . . . . . 36
3.5.2 Abtastung . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.3 Spezialfälle . . . . . . . . . . . . . . . . . . . . . . . . 45
4.11 Energie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.12 Dezimation . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.13 Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.14 Tabellarische Zusammenfassung . . . . . . . . . . . . . . . . . 94
Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
Sachverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Einleitung 1
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
Abb. 1.1 Diskrete Transformation der finiten Signalfolge {x(k)}≤k≤N− in die finite Spektralfolge
{X(ℓ)}≤ℓ≤N−
Abb. 1.2 Inverse Transformation der finiten Spektralfolge {X(ℓ)}≤ℓ≤N− in die finite Signalfolge
{x(k)}≤k≤N−
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
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
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=
2.2.1 Exponentialfunktion
∞
n z z
ez = ∑ ⋅z =+z+ + +...
n= n! ! !
n! = ⋅ ⋅ . . . ⋅ n
ex ⋅ e y = ex+y .
ez ⋅ e−z = ez−z = e =
und somit
e−z = .
ez
2.2 Elementare Funktionen 5
2.2.2 Cosinusfunktion
∞
(−)n n ϕ ϕ
cos(ϕ) = ∑ ⋅ϕ =− + ∓... .
n= (n)! ! !
cos(−ϕ) = cos(ϕ) .
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 + )! ! !
6 2 Mathematische Strukturen
sin(−ϕ) = − sin(ϕ) .
Ferner ist sie wie die Cosinusfunktion periodisch mit der Periode π gemäß
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
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.
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.
Eine komplexe Zahl z ∈ C aus der Menge C der komplexen Zahlen ist definiert in kartesi-
schen Koordinaten als eine Zahl
z = x + jy
R{z} = x ∈ R
mit j = − dar.
8 2 Mathematische Strukturen
2.3.2 Polarkoordinaten
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
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
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
z + z = (x + jy ) + (x + jy )
= x + jy + x + jy
= (x + x ) + j (y + y ) .
2.3.4 Multiplikation
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 ) .
10 2 Mathematische Strukturen
z ⋅ z = (ρ ⋅ ejϕ ) ⋅ (ρ ⋅ ejϕ )
= ρ ⋅ ρ ⋅ ejϕ ⋅ ejϕ
= (ρ ⋅ ρ ) ⋅ ej(ϕ +ϕ ) .
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
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∣ .
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
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 − ) ⎠
12 2 Mathematische Strukturen
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
⎛ x() + y() ⎞
⎜ x() + y() ⎟
=⎜
⎜
⎟ .
⎟
⎜ ⋮ ⎟
⎝ x(N − ) + y(N − ) ⎠
2.4.2 Matrizen
y = A⋅x
beziehungsweise ausführlich
⎛ y() ⎞
⎜ y() ⎟
⎜ ⎟
⎜ ⋮ ⎟
⎜ ⎟
⎝ y(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 − ) ⎠
y()
⎛ x() ⎞
⎜ x() ⎟
= (a(, ), a(, ), . . . , a(, N − )) ⋅ ⎜
⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
⎛ x() ⎞
⎜ x() ⎟
= (a(N − , ), a(N − , ), . . . , a(N − , N − )) ⋅ ⎜
⎜
⎟
⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
y = A⋅ x
x = A− ⋅ y .
⎛ ⋯ ⎞
⎜ ⋯ ⎟
IN = ⎜
⎜
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝ ⋯ ⎠
A ⋅ A− = A− ⋅ A = I N .
2.5 Geometrische Reihe 15
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=
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
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
Abb. 3.1 Diskrete Fourier-Transformation DFT der Signalfolge {x(k)}≤k≤N− in die Spektralfolge
{X(ℓ)}≤ℓ≤N−
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
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
Nach Vertauschen der Summationsreihenfolge und Ausklammern des nicht von dem Sum-
mationsindex ℓ abhängigen Wertes x(κ) erhalten wir
N− jπ(k−κ)ℓ/N
Für die innere Summe ∑ℓ= e gilt für den Fall k = κ
= x(k) ⋅ N + ∑ x(κ) ⋅
κ≠k
= x(k) ⋅ N
und somit die Rücktransformationsformel der diskreten Fourier-Transformation
N−
x(k) = ∑ X(ℓ) ⋅ e
jπ 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−jπ kℓ/N
k=
r
b (3.3)
N−
x(k) = ∑ X(ℓ) ⋅ e
jπ 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
jπ kℓ/N
= ( ∑ X ∗ (ℓ) ⋅ e−jπ kℓ/N ) .
N ℓ= N ℓ=
die Beziehung
∗
x(k) = IDFT {X(ℓ)} = (DFT {X ∗ (ℓ)}) . (3.4)
N
DFT {X ∗ (ℓ)} der konjugiert komplexen Spektralfolge ermittelt, die resultierende Sig-
nalfolge komplex konjugiert und durch den Faktor N dividiert.
πkℓ πkℓ
e±jπ 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 ejπ kℓ/N als ℓ. komplexe Signalfolge
πkℓ πkℓ
wℓ (k) = ejπ kℓ/N = cos ( ) + j sin ( )
N N
πkℓ
c ℓ (k) = R {wℓ (k)} = R {ejπ kℓ/N } = cos ( )
N
πkℓ
s ℓ (k) = I {wℓ (k)} = I {ejπ kℓ/N } = sin ( )
N
mit ≤ k, ℓ ≤ N − .
3.2.1 Hintransformation
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.
∗
e−jπ kℓ/N = (ejπ kℓ/N ) = w∗ℓ (k) = c ℓ (k) − js ℓ (k)
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
24 3 Definition der DFT
3.2.2 Rücktransformation
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.
Ausgehend von der Formel für die Hintransformation der diskreten Fourier-Transforma-
tion
N−
X(ℓ) = DFT {x(k)} = ∑ x(k) ⋅ e−jπ kℓ/N
k=
3.3 Periodizität 25
N−
X(ℓ + N) = ∑ x(k) ⋅ e−jπ k(ℓ+N)/N
k=
N−
= ∑ x(k) ⋅ e−jπ kℓ/N ⋅ e−jπ k N/N
k=
N−
= ∑ x(k) ⋅ e−jπ kℓ/N ⋅ e−jπ k
k=
N−
= ∑ x(k) ⋅ e−jπ 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
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.
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
jπ 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
jπ(k+N)ℓ/N
N ℓ=
N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπ N ℓ/N
N ℓ=
N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ
N ℓ=
N−
= ∑ X(ℓ) ⋅ e
jπ 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
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.
π π
w N = e−jπ/N = cos ( ) − j sin ( ) (3.9)
N N
kℓ
e−jπ kℓ/N = (e−jπ/N ) = w Nkℓ ,
−kℓ
ejπ kℓ/N = (e−jπ/N ) = w−kℓ
N
N−
X(ℓ) = ∑ x(k) ⋅ w Nkℓ
k=
r
b (3.10)
N− −kℓ
x(k) = ∑ X(ℓ) ⋅ w N
N ℓ=
N
w NN = (e−jπ/N ) = e−jπ N/N = e−jπ =
N/
= (e−jπ/N ) e−jπ N/(N) = e−jπ/
N/
wN = = −j
N/
= (e−jπ/N ) e−jπ N/(N) = e−jπ
N/
wN = = −
−jπ/N N/
e−jπN/(N) = e−jπ/
N/
wN = (e ) = = j
3.4.1 Hintransformation
N−
X(ℓ) = ∑ x(k) ⋅ w Nkℓ
k=
N−
= ∑ w Nℓk ⋅ x(k)
k=
3.4 Matrixdarstellung der DFT 29
ℓ⋅(N−)
= w Nℓ⋅ ⋅ x() + w Nℓ⋅ ⋅ x() + . . . + w N ⋅ x(N − )
⎛ x() ⎞
⎜ x() ⎟
)⋅⎜ ⎟
ℓ⋅(N−)
= (w Nℓ⋅ , w Nℓ⋅ , . . . , w N ⎜ ⎟
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
⎛ x() ⎞
⎜ x() ⎟
x=⎜
⎜
⎟
⎟ (3.11)
⎜ ⋮ ⎟
⎝ x(N − ) ⎠
erhalten wir
ℓ⋅(N−)
X(ℓ) = (w Nℓ⋅ , w Nℓ⋅ , . . . , w N )⋅x .
⋅(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 .
⎛ X() ⎞
⎜ X() ⎟
X=⎜
⎜
⎟
⎟ (3.12)
⎜ ⋮ ⎟
⎝ X(N − ) ⎠
30 3 Definition der DFT
⎛ ⋯ ⎞
⎜ w ⋅ ⋯ wN
⋅(N−)
⎟
X=⎜
⎜
N ⎟⋅x .
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎝ (N−)⋅
wN
(N−)⋅(N−)
⋯ wN ⎠
⎛ ⋯ ⎞
⎜ w ⋅ ⋯ wN
⋅(N−)
⎟
WN = ⎜
⎜
N ⎟
⎟ (3.13)
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎝ (N−)⋅
wN
(N−)⋅(N−)
⋯ wN ⎠
X = WN ⋅ x (3.14)
⎛ X() ⎞ ⎛ ⋯ ⎞ ⎛ x() ⎞
⎜ X() ⎟ ⎜ w ⋅ ⋯ wN
⋅(N−)
⎟ ⎜ x() ⎟
⎜ ⎟=⎜ N ⎟⋅⎜ ⎟ .
⎜ ⋮ ⎟ ⎜ ⋮ ⋮ ⋱ ⋮ ⎟ ⎜ ⋮ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ X(N − ) ⎠ ⎝ (N−)⋅
wN
(N−)⋅(N−)
⋯ wN ⎠ ⎝ x(N − ) ⎠
w Nℓk = w Nkℓ
3.4.2 Rücktransformation
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 ⎠
− ∗
w−
N = (e
−jπ/N
) = ejπ/N = (e−jπ/N ) = w∗N
32 3 Definition der DFT
⎛ ⋯ ⎞
−⋅(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 ⎠
x= ⋅ W ∗N ⋅ X (3.15)
N
beziehungsweise ausführlich
⎛ x() ⎞
⎜ x() ⎟
⎜ ⎟
⎜ ⋮ ⎟
⎜ ⎟
⎝ x(N − ) ⎠
∗
⎛ ⋯ ⎞ ⎛ X() ⎞
⎜ w ⋅ ⋯ wN
⋅(N−)
⎟ ⎜ X() ⎟
= ⋅⎜ N ⎟ ⋅⎜ ⎟ .
N ⎜
⎜ ⋮ ⋮ ⋱ ⋮ ⎟ ⎜
⎟ ⎜ ⋮ ⎟
⎟
⎝ (N−)⋅
wN
(N−)⋅(N−)
⋯ wN ⎠ ⎝ X(N − ) ⎠
r b
X = WN ⋅ x x= ⋅ W ∗N ⋅ X . (3.16)
N
3.4 Matrixdarstellung der DFT 33
W −
N = ⋅ W ∗N
N
⎛ ⋯ ⎞
⎜ ⋯ ⎟
IN = ⎜
⎜
⎟
⎜ ⋮ ⋮ ⋱ ⋮ ⎟
⎟
⎝ ⋯ ⎠
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−jπ/ = e−jπ/ = −j .
w = (−j) =
⎛ ⎞
⎜ w⋅ w⋅ w⋅ ⎟
W = ⎜
⎜
⎟
⎟
⎜ w⋅ w⋅ w⋅ ⎟
⎝ w⋅ w⋅ w⋅ ⎠
⎛ ⎞
⎜ w w w ⎟
=⎜
⎜
⎟
⎟
⎜ w w w ⎟
⎝ w w w ⎠
34 3 Definition der DFT
⎛ ⎞
⎜ w w w ⎟
=⎜
⎜
⎟
⎟
⎜ w w ⎟
⎝ w w w ⎠
⎛ ⎞
⎜ −j (−j) (−j) ⎟
=⎜
⎜
⎟
⎟
⎜ (−j) (−j) ⎟
⎝ (−j) (−j) −j ⎠
⎛ ⎞
⎜ −j − j ⎟
=⎜
⎜
⎟ .
⎜ − − ⎟
⎟
⎝ j − −j ⎠
⎛ X() ⎞ ⎛ ⎞ ⎛ x() ⎞
⎜ X() ⎟ ⎜ −j − j ⎟ ⎜ x() ⎟
⎜ ⎟=⎜ ⎟⋅⎜ ⎟
⎜ ⎟ ⎜ − − ⎟ ⎜
⎟ ⎟
⎜ X() ⎟ ⎜ ⎜ x() ⎟
⎝ X() ⎠ ⎝ j − −j ⎠ ⎝ x() ⎠
beziehungsweise komponentenweise
Für die Rücktransformation der diskreten Fourier-Transformation folgt mit der Matrix
⎛ ⎞
⎜ j − −j ⎟
W ∗ =⎜
⎜
⎟
⎜ − − ⎟
⎟
⎝ −j − j ⎠
⎛ x() ⎞ ⎛ ⎞ ⎛ X() ⎞
⎜ x() ⎟ ⎜ j − −j ⎟ ⎜ X() ⎟
⎜ ⎟= ⋅⎜ ⎟⋅⎜ ⎟
⎜ ⎟ ⎜ − − ⎟ ⎜ ⎟
⎜ x() ⎟ ⎜ ⎟ ⎜ X() ⎟
⎝ x() ⎠ ⎝ −j − j ⎠ ⎝ X() ⎠
3.4 Matrixdarstellung der DFT 35
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()] .
⎛ x() ⎞ ⎛ , ⎞
⎜ x() ⎟ ⎜ −, ⎟
x =⎜
⎜
⎟=⎜
⎟ ⎜ , ⎟
⎟
⎜ x() ⎟ ⎜ ⎟
⎝ x() ⎠ ⎝ , ⎠
⎛ X() ⎞ ⎛ , ⎞
⎜ X() ⎟ ⎜ , + j , ⎟
X =⎜
⎜
⎟=⎜
⎟ ⎜ ,
⎟
⎟
⎜ X() ⎟ ⎜ ⎟
⎝ X() ⎠ ⎝ , − j , ⎠
W N = (w Nkℓ )≤k,ℓ≤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.
36 3 Definition der DFT
N−
r b N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N x(k) = ∑ X(ℓ) ⋅ e
jπ kℓ/N
.
k= N ℓ=
⎧
⎪ , t < −
⎪
⎪
⎪
⎪
⎪
x̃(t) = ⎨ , − < t <
.
⎪
⎪
⎪
⎪
⎪
⎪
⎩ , t>
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
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>
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
∞ / /
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)
3.5 Exkurs: Fourier-Transformation 39
X̃( f ) = ⋅ e−π( f /α) .
∣α∣
t k = kT
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
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].
3.5 Exkurs: Fourier-Transformation 41
N⋅F⋅T = . (3.23)
∞ ∞
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=
−jπ 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−jπ kT ℓ/(N T) ) ⋅ δ ( f − )
ℓ=−∞ k= NT
∞ N−
ℓ
= ∑ ( ∑ x(k) ⋅ e−jπ 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−jπ kℓ/N (3.25)
k=
N−
x(k) = IDFT {X(ℓ)} = ∑ X(ℓ) ⋅ e
jπ kℓ/N
. (3.26)
N ℓ=
mit der Abtastperiode F = (N T)− . Wegen des auftretenden Drehfaktors e∓jπ 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=−∞
∞ k
X̃ FT ( f ) = ∑ X̃ F ( f − ) .
T k=−∞ T
44 3 Definition der DFT
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
∞ ∞
X̃ FT ( f ) = ∑ ∑ X̃(ℓF) ⋅ δ ( f − kN F − ℓF)
T k=−∞ ℓ=−∞
∞ ∞
= ∑ ∑ X̃(ℓF) ⋅ δ ( f − [kN + ℓ] F) .
T k=−∞ ℓ=−∞
∞ ∞
X̃ FT ( f ) = ∑ ∑ X̃ ([ℓ − kN] F) ⋅ δ( f − ℓF)
T k=−∞ ℓ=−∞
∞
∞
= ∑ ( ∑ X̃ ([ℓ − kN] F)) ⋅ δ( f − ℓF) .
ℓ=−∞ T k=−∞
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.
3.5 Exkurs: Fourier-Transformation 45
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
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
46 3 Definition der DFT
X(ℓ) = ⋅ X̃(ℓF)
T
mit ≤ ℓ ≤ N − . Alternativ wird üblicherweise das Frequenzintervall
NF NF
− <f <
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−jπ kℓ/N
k=
r
b
N−
x(k) = ∑ X(ℓ) ⋅ e
jπ 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
das Superpositionsgesetz
beziehungsweise
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−jπ kℓ/N
k=
N− N−
= a ∑ x(k) ⋅ e−jπ kℓ/N + b ∑ y(k) ⋅ e−jπ kℓ/N
k= k=
= a ⋅ X(ℓ) + b ⋅ Y(ℓ)
= a ⋅ DFT {x(k)} + b ⋅ DFT {y(k)}
4.2 Spiegelung
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
x() , k=
x(−k) = x(−k mod N) = {
x(N − k), ≤ k ≤ N −
beziehungsweise ausführlich
x(−) = x() ,
x(−) = x(N − ) ,
x(−) = x(N − ) ,
⋮
x(−N + ) = x() .
Mit der Ersetzung des Index N − k durch den Index k ergibt sich
N−
DFT {x(−k)} = x() + ∑ x(N − k) ⋅ e−jπ kℓ/N
k=
= x() + ∑ x(k) ⋅ e−jπ(N−k)ℓ/N
k=N−
N−
= x() + ∑ x(k) ⋅ e−jπ N ℓ/N ⋅ ejπ kℓ/N
k=
N−
= x() + ∑ x(k) ⋅ e−jπℓ ⋅ ejπ kℓ/N
k=
N−
= x() + ∑ x(k) ⋅ ejπ kℓ/N
k=
N−
= ∑ x(k) ⋅ ejπ kℓ/N
k=
N−
= ∑ x(k) ⋅ e−jπ k(−ℓ)/N
k=
= X(−ℓ)
50 4 Eigenschaften der DFT
unter Verwendung der π-Periodizität der harmonischen Funktion e−jϕ . Die gespiegelte
Signalfolge {x(−k)}≤k≤N− führt somit entsprechend der Transformationsvorschrift
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 −
beziehungsweise ausführlich
X(−) = X() ,
X(−) = X(N − ) ,
X(−) = X(N − ) ,
⋮
X(−N + ) = X() .
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
In Abb. 4.2 ist die Spiegelung für die in Abb. 4.1 auf S. 48 gezeigten Signalfolge und Spek-
tralfolge veranschaulicht.
Die finite Signalfolge {x(k)}≤k≤N− kann unter Beachtung der N-Periodizität durch eine
Überlagerung
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
52 4 Eigenschaften der DFT
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)
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
und
Wie in Abb. 4.3 veranschaulicht, ergibt sich für die gerade und reelle Signalfolge x ′ (k) =
x ′ (−k) eine ebenfalls gerade und reelle Spektralfolge
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
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.
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)}.
N−
DFT {x ∗ (k)} = ∑ x ∗ (k) ⋅ e−jπ kℓ/N
k=
N− ∗
= ∑ x ∗ (k) ⋅ (ejπ kℓ/N )
k=
N− ∗
= ( ∑ x(k) ⋅ ejπ kℓ/N )
k=
4.4 Komplexe Konjugation 55
N− ∗
= ( ∑ x(k) ⋅ e−jπ k(−ℓ)/N )
k=
= X ∗ (−ℓ) .
X ∗ () , ℓ=
X ∗ (−ℓ) = X ∗ (−ℓ mod N) = { ∗
X (N − ℓ), ≤ ℓ ≤ N −
beziehungsweise ausführlich
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.
x(k) = x ∗ (k) ,
da wegen I{x(k)} = bei der komplexen Konjugation der Vorzeichenwechsel des Imagi-
närteils keinen Einfluss hat. Mit den Spektralfolgen
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
N− ∗
IDFT {X ∗ (ℓ)} = ∑ X (ℓ) ⋅ e
jπ kℓ/N
N ℓ=
N− ∗ −jπ kℓ/N ∗
= ∑ X (ℓ) ⋅ (e )
N ℓ=
∗
N−
= ( ∑ X(ℓ) ⋅ e−jπ kℓ/N )
N ℓ=
∗
N−
= ( ∑ X(ℓ) ⋅ ejπ(−k)ℓ/N )
N ℓ=
= x ∗ (−k) .
beziehungsweise ausführlich
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.
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
60 4 Eigenschaften der DFT
x(k) − x ∗ (k)
DFT {I{x(k)}} = DFT { }
j
DFT {x(k)} − DFT {x ∗ (k)}
=
j
X(ℓ) − X ∗ (−ℓ)
= .
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.
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
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-
62 4 Eigenschaften der DFT
X(ℓ) − X ∗ (ℓ)
IDFT {I{X(ℓ)}} = IDFT { }
j
IDFT {X(ℓ)} − IDFT {X ∗ (ℓ)}
=
j
∗
x(k) − x (−k)
=
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
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
⎧
⎪
⎪ x(k + N − k ), ≤ k ≤ k −
y(k) = x(k − k ) = x(k − k mod N) = ⎨
⎪
⎩ x(k − k )
⎪ , k ≤ k ≤ N −
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−jπ kℓ/N
k=
N−−k
= ∑ x(k) ⋅ e−jπ(k+k )ℓ/N
k=−k
N−−k
= e−jπ k ℓ/N ∑ x(k) ⋅ e−jπ 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−jπ kℓ/N = ∑ x(k) ⋅ e−jπ kℓ/N + ∑ x(k) ⋅ e−jπ kℓ/N
k=−k k=−k k=
− N−−k
= ∑ x(k + N) ⋅ e−jπ kℓ/N + ∑ x(k) ⋅ e−jπ 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
64 4 Eigenschaften der DFT
= X(ℓ) .
Die resultierende Spektralfolge mit den Spektralwerten Y(ℓ) = e−jπ k ℓ/N ⋅ X(ℓ) ergibt
sich durch Multiplikation der Spektralwerte X(ℓ) mit der harmonischen Folge e−jπ 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−jπ k ℓ/N ⋅ X(ℓ) = ∣Y(ℓ)∣ ⋅ ejψ(ℓ) zeigt. Die Beziehung zwischen den
Polarkoordinaten der finiten Spektralfolgen lautet für den Betrag
unter Verwendung des Betrags der harmonischen Funktion ∣e−jϕ ∣ = und für den Winkel
πk ℓ
ψ(ℓ) = ϕ(ℓ) − .
N
X(ℓ + N − ℓ ), ≤ ℓ ≤ ℓ −
Y(ℓ) = X(ℓ − ℓ ) = X(ℓ − ℓ mod N) = {
X(ℓ − ℓ ) , ℓ ≤ ℓ ≤ N −
66 4 Eigenschaften der DFT
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
jπ kℓ/N
N ℓ=
N−−ℓ
jπ k(ℓ+ℓ )/N
= ∑ X(ℓ) ⋅ e
N ℓ=−ℓ
N−−ℓ
= ejπ kℓ /N ⋅ ∑ X(ℓ) ⋅ e
jπ 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
jπ kℓ/N
N ℓ=−ℓ
− N−−ℓ
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=−ℓ N ℓ=
− N−−ℓ
= ∑ X(ℓ + N) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=−ℓ N ℓ=
N− N−−ℓ
= ∑ X(ℓ) ⋅ e
jπ k(ℓ−N)/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=N−ℓ N ℓ=
N− N−−ℓ
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ e−jπ k N/N + ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=N−ℓ N ℓ=
4.6 Verschiebung 67
N− N−−ℓ
= ∑ X(ℓ) ⋅ ejπ kℓ/N ⋅ e−jπ k + ∑ X(ℓ) ⋅ ejπ kℓ/N
N ℓ=N−ℓ N ℓ=
N− N−−ℓ
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=N−ℓ N ℓ=
N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
= x(k)
4.7 Multiplikation
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−jπ kℓ/N
k=
N−
N−
= ∑( ∑ X(λ) ⋅ e
jπ k λ/N
) ⋅ y(k) ⋅ e−jπ kℓ/N
k= N λ=
N− N−
−jπ k(ℓ−λ)/N
= ∑ X(λ) ⋅ ( ∑ y(k) ⋅ e )
N λ= k=
N−
= ∑ X(λ) ⋅ Y(ℓ − λ) .
N 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
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.
N−
IDFT {X(ℓ) ⋅ Y(ℓ)} = ∑ X(ℓ) ⋅ Y(ℓ) ⋅ e
jπ kℓ/N
N ℓ=
N− N− −jπκℓ/N
= ∑ ( ∑ x(κ) ⋅ e ) ⋅ Y(ℓ) ⋅ ejπ kℓ/N
N ℓ= κ=
N− N−
= ∑ ∑ x(κ) ⋅ Y(ℓ) ⋅ e
jπ(k−κ)ℓ/N
N ℓ= κ=
N−
N−
= ∑ x(κ) ⋅ ( ∑ Y(ℓ) ⋅ e
jπ(k−κ)ℓ/N
)
κ= N ℓ=
N−
= ∑ x(κ) ⋅ y(k − κ)
κ=
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
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
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.
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
72 4 Eigenschaften der DFT
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
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
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=
aufsummiert. Wie in Abb. 4.19 für die Länge N = veranschaulicht gilt ausführlich
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−jπκ λ/N x(κ) = ∑ X(λ) ⋅ e
jπκ λ/N
κ= N λ=
4.9 Symmetrie 75
N−
N ⋅ x(−ℓ) = ∑ X(k) ⋅ e−jπ kℓ/N .
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
jπ kℓ/N
N ℓ=
N−
= ∑ x(−ℓ) ⋅ ejπ kℓ/N
ℓ=
N−
= x() + ∑ x(−ℓ) ⋅ ejπ kℓ/N
ℓ=
N−
= x() + ∑ x(N − ℓ) ⋅ ejπ kℓ/N .
ℓ=
N−
IDFT {N ⋅ x(−ℓ)} = x() + ∑ x(N − ℓ) ⋅ ejπ kℓ/N
ℓ=
76 4 Eigenschaften der DFT
= x() + ∑ x(ℓ) ⋅ ejπ k(N−ℓ)/N
ℓ=N−
N−
= x() + ∑ x(ℓ) ⋅ ejπ k N/N ⋅ e−jπ kℓ/N
ℓ=
N−
= x() + ∑ x(ℓ) ⋅ ejπ k ⋅ e−jπ kℓ/N
ℓ=
N−
= x() + ∑ x(ℓ) ⋅ e−jπ kℓ/N
ℓ=
N−
= ∑ x(ℓ) ⋅ e−jπ kℓ/N
ℓ=
= X(k)
unter Verwendung der π-Periodizität der harmonischen Funktion ejϕ . Es gilt also
Zusammengefasst folgt somit für das Transformationspaar x(k) b r X(ℓ) die hergeleitete
Symmetrie der diskreten Fourier-Transformation
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.
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
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.
78 4 Eigenschaften der DFT
N−
r x y (k) = IDFT {R x y (ℓ)} = ∑ R x y (ℓ) ⋅ e
jπ 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
jπ⋅⋅ℓ/N
= ∑ R x y (ℓ) = ∑ X(ℓ) ⋅ Y (ℓ) .
N ℓ= N ℓ= N ℓ=
4.10.1.1 Vektordarstellung
Mit Hilfe der N-dimensionalen Signalvektoren
⎛ x() ⎞ ⎛ y() ⎞
⎜ x() ⎟ ⎜ y() ⎟
x=⎜
⎜
⎟
⎟ und y=⎜
⎜
⎟
⎟
⎜ ⋮ ⎟ ⎜ ⋮ ⎟
⎝ x(N − ) ⎠ ⎝ y(N − ) ⎠
⎛ X() ⎞ ⎛ Y() ⎞
⎜ X() ⎟ ⎜ Y() ⎟
X=⎜
⎜
⎟
⎟ und Y =⎜
⎜
⎟
⎟
⎜ ⋮ ⎟ ⎜ ⋮ ⎟
⎝ X(N − ) ⎠ ⎝ Y(N − ) ⎠
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.
80 4 Eigenschaften der DFT
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
jπ kℓ/N
N ℓ=
ergibt sich mit der Spektralfolge R xx (ℓ) = ∣X(ℓ)∣ die Energie für die Autokorrelationsfolge
für den Index k = gemäß
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 − ) ⎠
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() ⎠ ⎝ , ⎠
82 4 Eigenschaften der DFT
⎛ X() ⎞ ⎛ , ⎞
⎜ X() ⎟ ⎜ , + j , ⎟
X =⎜
⎜
⎟=⎜
⎟ ⎜ ,
⎟
⎟
⎜ X() ⎟ ⎜ ⎟
⎝ X() ⎠ ⎝ , − 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
3
Wir gehen in diesem Abschnitt der Einfachheit halber von einer geraden Anzahl N aus.
4.12 Dezimation 83
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−jπ kℓ/(N/) = ∑ x(k) ⋅ e−jπ(k)ℓ/N
k= k=
N−
x(κ) = ∑ X(λ) ⋅ e
jπκ λ/N
N λ=
der diskreten Fourier-Transformation für die Signalfolge der Länge N folgt mit κ = k
N/−
Y(ℓ) = ∑ x(k) ⋅ e−jπ(k)ℓ/N
k=
N/−
N−
= ∑ ( ∑ X(λ) ⋅ e
jπ(k)λ/N
) ⋅ e−jπ(k)ℓ/N
k= N λ=
N/− N−
= ∑ ∑ X(λ) ⋅ e
jπ(k)λ/N
⋅ e−jπ(k)ℓ/N
N k= λ=
N− ⎛ N/− jπ(k)(λ−ℓ)/N ⎞
= ∑ X(λ) ⋅ ∑ e .
λ= ⎝ N k= ⎠
N/− jπ kn
= ∑ e
N k=
N/−
= ∑
N k=
N
= ⋅
N
= .
N/−
unter Verwendung der Formel für die geometrische Reihe ∑ k= q k = ( − q N/ )/( − q)
mit q = ejπ(λ−ℓ)/(N/) ≠ . Zusammengefasst folgt daher
⎧
⎪ , λ=ℓ+n⋅ N
N/− jπ(k)(λ−ℓ)/N ⎪
∑ e =⎨ .
N k= ⎪ ,
⎪ λ≠ℓ+n⋅ N
⎩
⎧ , λ = ℓ oder λ = ℓ + N
N/− jπ(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
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
86 4 Eigenschaften der DFT
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−jπ kℓ/(N)
k=
N− N−
= ∑ y(n) ⋅ e−jπnℓ/(N) + ∑ y(n + ) ⋅ e−jπ(n+)ℓ/(N)
n= n=
N−
= ∑ x(n) ⋅ e−jπnℓ/(N)
n=
N−
= ∑ x(n) ⋅ e−jπnℓ/N
n=
= X(ℓ)
4.13 Interpolation 87
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
88 4 Eigenschaften der DFT
⎧
⎪ 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) ⋅ ejπ kℓ/(N)
N ℓ=
N/− N−
= ∑ X(ℓ) ⋅ ejπ kℓ/(N) + ∑ X(ℓ) ⋅ ejπ kℓ/(N)
N ℓ= N ℓ=N/
N/− N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ∑ X(ℓ + N) ⋅ e
jπ k(ℓ+N)/(N)
N ℓ= N ℓ=N/
4.13 Interpolation 89
N/− N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ∑ X(ℓ) ⋅ e
jπ k(ℓ+N)/(N)
N ℓ= N ℓ=N/
N/− N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ejπ k N/(N) ⋅ ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
N ℓ= N ℓ=N/
N/− N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
+ ejπ k ⋅ ∑ X(ℓ) ⋅ e
jπ kℓ/(N)
.
N ℓ= N ℓ=N/
N/− N−
y(k) = ∑ X(ℓ) ⋅ ejπ kℓ/(N) + (−) k ⋅ ∑ X(ℓ) ⋅ ejπ kℓ/(N) .
N ℓ= N ℓ=N/
N/− N−
y(k) = ∑ X(ℓ) ⋅ e
jπ(k)ℓ/(N)
+ (−)k ⋅ ∑ X(ℓ) ⋅ e
jπ(k)ℓ/(N)
N ℓ= N ℓ=N/
N/− N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
+ ∑ X(ℓ) ⋅ e
jπ kℓ/N
N ℓ= N ℓ=N/
N−
= ⋅ ∑ X(ℓ) ⋅ e
jπ 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
jπ(k+)ℓ/(N)
+ (−)k+ ⋅ ∑ X(ℓ) ⋅ e
jπ(k+)ℓ/(N)
N ℓ= N ℓ=N/
N/− N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/(N) − ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/(N)
N ℓ= N ℓ=N/
N/− N−
= ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/N − ∑ X(ℓ) ⋅ e
jπ kℓ/N
⋅ ejπℓ/N
N ℓ= N ℓ=N/
für ≤ ℓ ≤ N − folgt
N−
y(k + ) = ⋅ ∑ W(ℓ) ⋅ X(ℓ) ⋅ e
jπ kℓ/N
= ⋅ IDFT {W(ℓ) ⋅ X(ℓ)} .
N ℓ=
N− N−
w(k) ⋆ x(k) = ∑ w(κ) ⋅ x(k − κ) = ∑ w(κ) ⋅ x(k − κ mod N) .
κ= κ=
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
jπ kℓ/N
N ℓ=
= ⋅ ∑ e
N ℓ=
4.13 Interpolation 91
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
92 4 Eigenschaften der DFT
− 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)
e−j (k+)/N
π
(−) k
w(k) = ⋅ (4.42)
N sin ( π (k + )/N)
e−j (k+)/N
π
(−) k
w(k) = ⋅
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.
4.13 Interpolation 93
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−jπ k ℓ/N ⋅ X(ℓ)
Modulation ejπ 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
5.1 Impulsfolge
, k=
x(k) = { (5.1)
, k≠
, k= b r
x(k) = { X(ℓ) = (5.2)
, k≠
für ≤ k, ℓ ≤ N − .
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
N−
X(ℓ) = ∑ x(k) ⋅ e−jπ kℓ/N = ⋅ e−jπ⋅k ⋅ℓ/N = e−jπ k ℓ/N .
k=
, k = k b r
x(k) = { X(ℓ) = e−jπ k ℓ/N (5.4)
, k ≠ k
Die konstante Signalfolge wie in Abb. 5.6 für N = gezeigt ist definiert durch
x(k) = (5.5)
−jπℓ/N
k= q = ( − q )/( − q) mit q = e
Mittels der geometrischen Reihe ∑ N− ≠ für ℓ ≠
k N
−jπℓ
und e = folgt
N
N− k − (e−jπℓ/N ) − e−jπℓN/N − e−jπℓ
X(ℓ) = ∑ (e−jπℓ/N ) = = = = .
k= − e−jπℓ/N −e −jπℓ/N − e−jπℓ/N
N− N−
X() = ∑ k = ∑ = N .
k= k=
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−jπ kℓ/N = ∑ ⋅ e−jπ kℓ/N = ∑ (e−jπℓ/N ) .
k= k= k=
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
−jπℓ/N
( − q )/( − q) mit q = e
L
≠ folgt
L− k
X(ℓ) = ∑ (e−jπℓ/N )
k=
L
− (e−jπℓ/N )
=
− e−jπℓ/N
− e−jπℓL/N
=
− e−jπℓ/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
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
, ≤ 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=
⎧
⎪ k+ , ≤ k ≤ L−
⎪
⎪
x(k) = ⎨ L − k − , L ≤ k ≤ L − (5.10)
⎪
⎪
⎪
⎩ , L − ≤ k ≤ N −
102 5 Korrespondenzen der DFT
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
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
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−jπℓ(L−)/N ⋅ ( ) .
sin(πℓ/N)
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) = ejπ kℓ /N = cos ( ) + j sin ( ) (5.12)
N N
für ≤ k ≤ N − mit ℓ ≠ . Die (normierte) Frequenz
ℓ
ν=
N
1
Für die normierte Abtastperiode im Originalbereich ist die normierte Abtastperiode im Spektral-
bereich gegeben durch /N.
104 5 Korrespondenzen der DFT
−jπ(ℓ−ℓ )/N
Mit der geometrischen Reihe ∑ N− k= q = ( − q )/( − q) und q = e
k N
≠ für
−jπ(ℓ−ℓ )
ℓ ≠ ℓ sowie e = folgt ähnlich wie bei der Berechnung der Spektralfolge für die
konstante Signalfolge
N− k
X(ℓ) = ∑ (e−jπ(ℓ−ℓ )/N )
k=
N
− (e−jπ(ℓ−ℓ )/N )
=
− e−jπ(ℓ−ℓ )/N
− e−jπ(ℓ−ℓ )N/N
=
− e−jπ(ℓ−ℓ )/N
− e−jπ(ℓ−ℓ )
=
− e−jπ(ℓ−ℓ )/N
= .
5.6 Harmonische Signalfolge 105
N− N−
X() = ∑ k = ∑ = N .
k= k=
Insgesamt erhalten wir damit die Korrespondenz für die harmonische Signalfolge
b r N, ℓ = ℓ
x(k) = ejπ kℓ /N X(ℓ) = { (5.13)
, ℓ ≠ ℓ
mit ≤ k, ℓ ≤ N − . Im Fall der harmonischen Signalfolge x(k) = ejπ 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
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−jπ kℓ/N
k=
N−
= ∑ ejπν k ⋅ e−jπ kℓ/N
k=
N−
= ∑ e−jπ k( N −ν)
ℓ
k=
N− k
= ∑ (e−jπ( N −ν) )
ℓ
k=
106 5 Korrespondenzen der DFT
−jπ( N −ν) ℓ
k= q = ( − q )/( − q) mit q = e
Mit der geometrischen Reihe ∑ N− ≠ folgt daher
k N
N− k
X(ℓ) = ∑ (e−jπ( N −ν) )
ℓ
k=
N
− (e−jπ( N −ν) )
ℓ
=
− e−jπ( N −ν)
ℓ
− e−jπ( N −ν)N
ℓ
=
− e−jπ( N −ν)
ℓ
= ⋅
e−jπ( N −ν) ejπ( N −ν) − e−jπ( N −ν)
ℓ 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 −
sin (π ( Nℓ − ν) N)
x(k) = ejπν k b r X(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
. (5.15)
sin (π ( Nℓ − ν))
5.7 Cosinusfolge 107
5.7 Cosinusfolge
πkℓ
x(k) = cos ( ) (5.16)
N
werden.
πkℓ
x(k) = cos ( ) = ⋅ ejπ kℓ /N + ⋅ e−jπ kℓ /N
N
Wegen e−jπ kℓ /N = ejπ k(N−ℓ )/N aufgrund der N-Periodizität der harmonischen Sig-
nalfolge ergibt sich
x(k) = ⋅ ejπ kℓ /N + ⋅ ejπ k(N−ℓ )/N .
Unter Verwendung der Korrespondenzen
b r N, ℓ = ℓ
ejπ kℓ /N {
, ℓ ≠ ℓ
und
b r N, ℓ = N − ℓ
ejπ 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 = ejπ k(N/)/N
N
die Korrespondenz mit ≤ k, ℓ ≤ N −
⎧
⎪ ℓ= N
b r ⎪ N,
x(k) = (−) k
X(ℓ) = ⎨ . (5.18)
⎪
⎪ ℓ≠ N
⎩ ,
5.7 Cosinusfolge 109
Als Verallgemeinerung betrachten wir wie bei der harmonischen Signalfolge x(k) =
ejπν k die in Abb. 5.22 für N = dargestellte reelle Cosinusfolge
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 {ejπν k }
kann entsprechend der Eulerschen Formel als Realteil der harmonischen Signalfolge
sin (π ( Nℓ − ν) N)
y(k) = ejπν k b r Y(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
sin (π ( Nℓ − ν))
110 5 Korrespondenzen der DFT
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))
5.7 Cosinusfolge 111
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))
112 5 Korrespondenzen der DFT
5.8 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
jπ kℓ /N −jπ kℓ /N j j
x(k) = ⋅e − ⋅e = − ⋅ ejπ kℓ /N + ⋅ ejπ k(N−ℓ )/N
j j
aufgrund e−jπ kℓ /N = ejπ k(N−ℓ )/N . Mit den Korrespondenzen der harmonischen Signal-
folgen ejπ kℓ /N und ejπ 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
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.
sin (π ( Nℓ − ν) N)
y(k) = ejπν k b r Y(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
sin (π ( Nℓ − ν))
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))
114 5 Korrespondenzen der DFT
Y(ℓ) − Y ∗ (−ℓ)
X(ℓ) =
j
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
sin (π ( Nℓ − ν) N)
x(k) = ejπν k b r X(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
sin (π ( Nℓ − ν))
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
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.
116 5 Korrespondenzen der DFT
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-
118 5 Korrespondenzen der DFT
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
πk
w(k) = − ⋅ cos ( ) . (5.26)
N −
5.9.2 Hamming-Fenster
πk
w(k) = , − , ⋅ cos ( ) . (5.27)
N −
5.9.3 Blackman-Fenster
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 ⋅ ejπν k + a ⋅ ejπν k
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
Signalfolge Spektralfolge
, k =
x(k) = { X(ℓ) =
, k ≠
, k = k
x(k) = { X(ℓ) = e−jπ 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−jπℓ(L−)/N ⋅ ( sin(πℓL/N)
sin(πℓ/N) )
⎪
⎪
⎪
⎩ , L − ≤ k ≤ N −
N , ℓ = ℓ
x(k) = ejπ k ℓ /N X(ℓ) = {
, ℓ ≠ ℓ
sin(π( Nℓ −ν)N)
X(ℓ) = e−jπ( N −ν)(N−) ⋅
ℓ
x(k) = ejπν k sin(π( Nℓ −ν))
⎧
⎪
N
, ℓ = ℓ
⎪
⎪
⎪ N
x(k) = cos ( πNk ℓ ) X(ℓ) = ⎨ , ℓ = N − ℓ
⎪
⎪
⎪
⎪
⎩ , sonst
sin(π( Nℓ −ν)N)
⋅ 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
sin(π( Nℓ −ν)N)
⋅ 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
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.
Damit folgt
N/− N/−
X(ℓ) = ∑ x ′ (k) ⋅ w N/
kℓ
+ w Nℓ ∑ x ′′ (k) ⋅ w N/
kℓ
.
k= k=
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) .
Diese Operation wird als Butterfly-Operation bezeichnet, da der zugehörige gezeigte Sig-
nalflussgraf die Form eines Schmetterlings besitzt, wie in Abb. 6.1 veranschaulicht.
126 6 Schnelle 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−jπ/ = e−jπ/ = √
ergeben sich die zugehörigen Gleichungen
w = e−jπ/ = e−jπ/ = −j .
Beispiel 6.2
Wie in Beispiel 3.1 auf S. 33 hergeleitet lauten die Transformationsgleichungen für die
diskrete Fourier-Transformation der Länge N =
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
der Länge N/ = verwendet. Für diese Teilsignalfolgen der Länge lauten die Trans-
formationsgleichungen für die diskrete Fourier-Transformation der Länge
w = e−jπ/ = e−jπ = −
folgen wie in Abb. 6.4 für die Teilsignalfolge {x ′ (k)}≤k≤ = {x ′ (), x ′ ()} gezeigt aus-
führlich die Berechnungsvorschriften
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
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/ (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=
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=
132 6 Schnelle Fourier-Transformation
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=
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
k=
X(ℓ) = X ′ (ℓ) ,
X(ℓ + ) = X ′′ (ℓ) .
Die beiden diskreten Fourier-Transformationen der halben Länge N/ werden angewen-
det auf die addierte Signalfolge
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.
134 6 Schnelle Fourier-Transformation
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
A ν = ⋅ A ν− + ν ,
M ν = ⋅ M ν− + ν−
A ν = ν ⋅ ν
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)} .
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
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)}
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.
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
und damit
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=−∞
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<∞
140 7 Schnelle 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=
∞
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
Eine kausale diskrete Signalfolge {x̄(k)}−∞<k<∞ ist definiert durch die Eigenschaft
Ist auch die diskrete Signalfolge { ȳ(k)}−∞<k<∞ kausal, so gilt für die aperiodische Faltung
Sind die kausalen diskreten Signalfolgen {x̄(k)}−∞<k<∞ und { ȳ(k)}−∞<k<∞ des Weiteren
begrenzt auf die Breiten L x und L y gemäß
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
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
◇
7.2 Aperiodische und periodische Faltung 143
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 ≤
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
7.2 Aperiodische und periodische Faltung 145
N ≥ Lz = L x + L y − (7.7)
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() =
146 7 Schnelle Faltung
und
y() = ȳ() ,
y() = ȳ() ,
y() = ȳ() ,
y() = ,
y() = ,
y() = ,
y() = ,
y() = .
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
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
Die restlichen Werte des Faltungsprodukts z̄(k) für k < und k ≥ N = werden zu Null
gesetzt. ◇
7.3 Schnelle Faltung mit der FFT 149
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.
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=
150 7 Schnelle Faltung
z(k) = IDFT {Z(ℓ)} = IDFT {X(ℓ) ⋅ Y(ℓ)} = IDFT {DFT {x(k)} ⋅ DFT {y(k)}}
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.
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)
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
1
In dieser Abschätzung wird die Division durch N bei der inversen diskreten Fourier-
Transformation IDFT vernachlässigt.
152 7 Schnelle Faltung
gemäß
z̄(k) = für k< oder k ≥ L − .
Die Werte des Faltungsprodukts bestimmen sich für ≤ k ≤ L − aus den folgenden
Formelgleichungen
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=
Daraus folgen für die periodische Faltung unter Verwendung der schnellen Fourier-
Transformation insgesamt
N ⋅ ( ⋅ log (N) + ) = (L − ) ⋅ ( ⋅ log (L − ) + )
L
7.4 Schnelle FIR-Filter 153
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
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
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 ,
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
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
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.
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
156 7 Schnelle Faltung
beziehungsweise
s b (k) = für k< oder k ≥ Ls .
Wie die diskrete Eingangsfolge wird die unendlich ausgedehnte diskrete Ausgangsfolge in
Blöcke aufgeteilt entsprechend
∞
g(k) = ∑ g b (k − bL s )
b=−∞
7.5 Segmentierte Faltung 157
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
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
158 7 Schnelle Faltung
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
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
7.5 Segmentierte Faltung 159
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
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