【离散傅里叶变换公式】在数字信号处理中，离散傅里叶变换（Discrete Fourier Transform, DFT）是一种将时域信号转换为频域表示的重要工具。DFT 能够揭示信号中的频率成分，广泛应用于音频处理、图像分析、通信系统等领域。
一、DFT 公式概述
DFT 的基本思想是将一个长度为 $ N $ 的离散序列 $ x[n] $ 转换为另一个长度为 $ N $ 的复数序列 $ X[k] $，其中 $ k = 0, 1, 2, ..., N-1 $。该过程通过将原始信号与一组复指数函数进行内积运算来实现。
DFT 正向公式：
$$
X[k] = \sum_{n=0}^{N-1} x[n] \cdot e^{-j2\pi kn/N}, \quad k = 0, 1, 2, ..., N-1
$$
DFT 反向公式（IDFT）：
$$
x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] \cdot e^{j2\pi kn/N}, \quad n = 0, 1, 2, ..., N-1
$$
二、DFT 的特点总结
| 特点 | 描述 |
| 输入输出 | 输入为长度为 $ N $ 的实数或复数序列；输出为长度为 $ N $ 的复数序列 |
| 频率分辨率 | 由采样点数 $ N $ 和采样频率决定 |
| 对称性 | 若输入为实数序列，则 $ X[k] $ 具有共轭对称性 |
| 离散性 | DFT 是一种离散的变换，适用于数字信号处理 |
| 周期性 | DFT 的结果具有周期性，即 $ X[k + N] = X[k] $ |
| 计算复杂度 | 直接计算复杂度为 $ O(N^2) $，但可通过 FFT 优化至 $ O(N \log N) $ |
三、DFT 的应用领域
| 应用领域 | 说明 |
| 音频处理 | 分析音频信号的频率组成 |
| 图像处理 | 用于图像压缩和滤波 |
| 通信系统 | 用于调制解调和频谱分析 |
| 信号分析 | 提取信号的频域特征 |
| 语音识别 | 提取语音信号的频谱信息 |
四、DFT 与 DTFT 的区别
| 比较项 | DFT | DTFT |
| 输入长度 | 有限长（$ N $） | 无限长 |
| 输出形式 | 离散复数序列 | 连续函数 |
| 计算方式 | 数值计算 | 解析表达 |
| 适用范围 | 数字信号处理 | 理论分析 |
五、DFT 的实际计算示例（简略）
假设有一个长度为 4 的序列：
$ x = [1, 0, -1, 0] $
计算其 DFT：
$$
X[0] = 1 \cdot e^{0} + 0 \cdot e^{0} + (-1) \cdot e^{0} + 0 \cdot e^{0} = 0 \\
X[1] = 1 \cdot e^{0} + 0 \cdot e^{-j\pi/2} + (-1) \cdot e^{-j\pi} + 0 \cdot e^{-j3\pi/2} = 1 + 0 + 1 + 0 = 2 \\
X[2] = 1 \cdot e^{0} + 0 \cdot e^{-j\pi} + (-1) \cdot e^{-j2\pi} + 0 \cdot e^{-j3\pi} = 1 + 0 + (-1) + 0 = 0 \\
X[3] = 1 \cdot e^{0} + 0 \cdot e^{-j3\pi/2} + (-1) \cdot e^{-j3\pi} + 0 \cdot e^{-j9\pi/2} = 1 + 0 + 1 + 0 = 2
$$
因此，DFT 结果为：
$ X = [0, 2, 0, 2] $
六、小结
离散傅里叶变换是数字信号处理的核心工具之一，它能够将时域信号转化为频域表示，便于进一步分析和处理。理解 DFT 的数学表达及其特性，有助于更好地掌握现代信号处理技术，并在实际工程中灵活应用。