KNOWECON WIKI

ARTICLE

离散时间傅里叶变换

离散时间傅里叶变换 (Discrete-Time Fourier Transform) 离散时间傅里叶变换 (Discrete-Time Fourier Transform, DTFT) 是将离散时间序列（通常为时域采样信号）映射为连续频率域表示的数学工具。与作用于连续时间信号的经典傅里叶变换不同，DTFT 的输入是离散序列 x[n]，输出是定义在连续频率

浏览 0 更新 2026-01-11

离散时间傅里叶变换 (Discrete-Time Fourier Transform)

离散时间傅里叶变换 (Discrete-Time Fourier Transform, DTFT) 是将离散时间序列（通常为时域采样信号）映射为连续频率域表示的数学工具。与作用于连续时间信号的经典傅里叶变换不同，DTFT 的输入是离散序列 x[n]x[n]，输出是定义在连续频率 ω∈[−π,π]\omega \in [-\pi, \pi]（或 [0,2π][0, 2\pi]）上的复值函数 X(ejω)X(e^{j\omega})，且该函数以 2π2\pi 为周期。

DTFT 在数字信号处理、时间序列分析、通信系统以及宏观经济的频域分析中均有重要应用。它是连接离散时间域和连续频率域的桥梁，也是理解离散傅里叶变换 (DFT) 和 z 变换的理论前提。

数学定义

设 x[n]x[n] 为双边无穷离散序列，其中 n∈Zn \in \mathbb{Z}。其 DTFT 定义为：

X(ejω)=∑n=−∞+∞x[n] e−jωnX(e^{j\omega}) = \sum_{n=-\infty}^{+\infty} x[n] \, e^{-j\omega n}

其中：

  • ω\omega 为归一化角频率（单位为弧度/样本），范围为 ω∈[−π,π]\omega \in [-\pi, \pi]。
  • X(ejω)X(e^{j\omega}) 通常为复值函数，可分解为幅度谱 ∣X(ejω)∣|X(e^{j\omega})| 和相位谱 ∠X(ejω)\angle X(e^{j\omega})。
  • 该级数收敛的条件是序列 x[n]x[n] 为绝对可和，即 ∑n=−∞+∞∣x[n]∣<∞\sum_{n=-\infty}^{+\infty} |x[n]| < \infty；若序列为平方可和（能量有限），则级数在均方意义下收敛。

对应的逆变换 (Inverse DTFT, IDTFT) 为：

x[n]=12π∫−ππX(ejω) ejωn dωx[n] = \frac{1}{2\pi} \int_{-\pi}^{\pi} X(e^{j\omega}) \, e^{j\omega n} \, d\omega

该积分在任意长度为 2π2\pi 的区间上取值相同，因为被积函数以 2π2\pi 为周期。逆变换的解释是：离散序列 x[n]x[n] 可表示为一族频率连续的正弦波（ejωne^{j\omega n}）的加权叠加，权重由 X(ejω)X(e^{j\omega}) 给出。

基本性质

DTFT 具有一系列与连续时间傅里叶变换对应的性质，构成其在分析与设计中的重要工具箱。

线性与时移

线性 (Linearity)：若 x1[n]↔X1(ejω)x_1[n] \leftrightarrow X_1(e^{j\omega}) 且 x2[n]↔X2(ejω)x_2[n] \leftrightarrow X_2(e^{j\omega})，则对任意常数 a,ba, b 有：

ax1[n]+bx2[n]↔aX1(ejω)+bX2(ejω)a x_1[n] + b x_2[n] \leftrightarrow a X_1(e^{j\omega}) + b X_2(e^{j\omega})

时移 (Time Shifting)：序列在时域的平移对应于频域的相位旋转：

x[n−n0]↔e−jωn0X(ejω)x[n - n_0] \leftrightarrow e^{-j\omega n_0} X(e^{j\omega})

时移不改变幅度谱 ∣X(ejω)∣|X(e^{j\omega})|，仅引入线性相位项 −jωn0-j\omega n_0。

频移与调制

频移 (Frequency Shifting)：

ejω0nx[n]↔X(ej(ω−ω0))e^{j\omega_0 n} x[n] \leftrightarrow X(e^{j(\omega - \omega_0)})

该性质是通信系统中调制的数学基础——将基带信号 x[n]x[n] 乘以载波 ejω0ne^{j\omega_0 n} 即将其频谱搬移至 ω0\omega_0 处。

卷积定理

DTFT 最具实用价值的性质之一：

x[n]∗h[n]↔X(ejω) H(ejω)x[n] * h[n] \leftrightarrow X(e^{j\omega}) \, H(e^{j\omega})

其中 ∗* 表示离散卷积。该定理表明，时域卷积等价于频域逐点相乘。在LTI系统的分析中，系统的输出即为输入序列与系统脉冲响应 h[n]h[n] 的卷积，因此输出频谱即为输入频谱与系统频率响应 H(ejω)H(e^{j\omega}) 的乘积。这一性质极大简化了滤波器设计与系统分析的运算。

Parseval 定理

离散序列的能量在时域和频域中守恒：

∑n=−∞+∞∣x[n]∣2=12π∫−ππ∣X(ejω)∣2 dω\sum_{n=-\infty}^{+\infty} |x[n]|^2 = \frac{1}{2\pi} \int_{-\pi}^{\pi} |X(e^{j\omega})|^2 \, d\omega

该定理为信号的频域能量分布提供了精确的量化依据，在谱分析和信号压缩中发挥关键作用。

对称性质

当 x[n]x[n] 为实序列时，其 DTFT 具有共轭对称性：

X(e−jω)=X∗(ejω)X(e^{-j\omega}) = X^*(e^{j\omega})

由此可知实序列的幅度谱为偶函数、相位谱为奇函数。这一性质可显著减少实际计算与存储的冗余。

与相关变换的关系

DTFT 并非孤立概念，它与多个密切相关但又不同的变换构成了一个谱分析体系。

一、与 DFT 的关系。离散傅里叶变换 (DFT) 是 DTFT 在频域的等间隔采样。DFT 对有限长序列 x[n],n=0,1,…,N−1x[n], n = 0, 1, \ldots, N-1 在 NN 个等间隔频率点 ωk=2πk/N\omega_k = 2\pi k / N 处对 DTFT 进行采样：

X[k]=X(ejω)∣ω=2πk/NX[k] = X(e^{j\omega}) \big|_{\omega = 2\pi k / N}

DFT 的计算可通过快速傅里叶变换 (FFT) 算法实现，是实践中处理离散信号的默认工具。

二、与 z 变换的关系。z 变换 X(z)=∑n=−∞+∞x[n]z−nX(z) = \sum_{n=-\infty}^{+\infty} x[n] z^{-n} 将 DTFT 推广到复频域。DTFT 是 z 变换在单位圆 z=ejωz = e^{j\omega} 上的特例：

X(ejω)=X(z)∣z=ejωX(e^{j\omega}) = X(z) \big|_{z = e^{j\omega}}

因此，序列的 DTFT 存在当且仅当其 z 变换的收敛域包含单位圆。

三、与连续时间傅里叶变换的关系。若离散序列 x[n]x[n] 来源于对连续信号 xc(t)x_c(t) 以采样周期 TT 进行的理想采样（即 x[n]=xc(nT)x[n] = x_c(nT)），则 DTFT 与连续时间傅里叶变换 Xc(jΩ)X_c(j\Omega) 之间的关系为：

X(ejω)=1T∑k=−∞+∞Xc ⁣(jωT−j2πkT)X(e^{j\omega}) = \frac{1}{T} \sum_{k=-\infty}^{+\infty} X_c\!\left(j\frac{\omega}{T} - j\frac{2\pi k}{T}\right)

这揭示了采样定理的频域本质：当采样频率满足 Nyquist 条件时，DTFT 在 ∣ω∣<π|\omega| < \pi 范围内精确地复制了原连续信号的频谱（仅差一个缩放因子）；否则将发生频谱混叠。

常见序列的 DTFT

以下为若干典型离散序列及其 DTFT 变换对，在实际分析中频繁使用：

  • 单位脉冲 δ[n]\delta[n]：X(ejω)=1X(e^{j\omega}) = 1（频谱恒为常数，即"白谱"）。
  • 常数序列 x[n]=1x[n] = 1（对所有 nn）：X(ejω)=2π∑k=−∞+∞δ(ω−2πk)X(e^{j\omega}) = 2\pi \sum_{k=-\infty}^{+\infty} \delta(\omega - 2\pi k)（仅在整数倍 2π2\pi 处有冲激，与直觉一致——直流分量对应零频率）。
  • 单边指数序列 anu[n],∣a∣<1a^n u[n], |a| < 1：X(ejω)=11−ae−jωX(e^{j\omega}) = \frac{1}{1 - a e^{-j\omega}}。
  • 矩形窗 x[n]=1x[n] = 1 对 0≤n≤M−10 \le n \le M-1，否则为零：X(ejω)=e−jω(M−1)/2sin⁡(ωM/2)sin⁡(ω/2)X(e^{j\omega}) = e^{-j\omega (M-1)/2} \frac{\sin(\omega M / 2)}{\sin(\omega / 2)}（Dirichlet 核，sinc-like 函数）。

收敛性问题

DTFT 的定义涉及无穷级数求和，其收敛性不是平凡成立的。根据序列性质的差异，存在三种收敛模式：

  • 绝对可和序列：若 ∑∣x[n]∣<∞\sum |x[n]| < \infty，则级数一致收敛，X(ejω)X(e^{j\omega}) 为连续函数。这是最强的收敛形式。
  • 平方可和序列：若 ∑∣x[n]∣2<∞\sum |x[n]|^2 < \infty（能量有限），则级数在均方意义下收敛，但 X(ejω)X(e^{j\omega}) 可能出现不连续点（如理想低通滤波器的频率响应在截止频率处存在 Gibbs 现象）。
  • 非绝对可和的有限功率序列：如常数序列 x[n]=1x[n] = 1 或复指数 ejω0ne^{j\omega_0 n}，其 DTFT 包含 Dirac 冲激函数 δ(ω)\delta(\omega)，需在分布 (distribution) 理论框架下理解。

在经济学与计量经济学中的应用

尽管 DTFT 根植于信号处理领域，它在经济与计量分析中也日益受到重视。

一、时间序列的谱分析。在计量经济学中，DTFT 为时间序列分析提供频域视角。经济变量的高频波动（如日度收益率中的噪声）和低频趋势（如经济周期）在频谱上占据不同区域，通过分析样本周期图可识别主导周期与季节性模式。

二、滤波与去趋势。宏观经济学家常用 DTFT 设计频率选择性滤波器。例如，Hodrick-Prescott 滤波本质上是一个高通滤波器，其频率响应可通过DTFT框架严格分析。类似地，Baxter-King 和 Christiano-Fitzgerald 带通滤波器均基于 DTFT 的频率选择原理构建，用于提取经济周期分量。

三、DSGE 模型的频域求解。动态随机一般均衡模型的线性化版本可在频域中利用 DTFT 求解，将时域中的差分方程转化为频域中的代数方程，简化计算并揭示模型对不同频率冲击的响应特征。

四、信号提取与预测。在金融计量中，对高频交易数据的去噪、波动率周期的识别以及超前-滞后关系的频域检验，均依赖于 DTFT/DFT 工具。

常见误区

  • DTFT 并非 DFT 的同义词。DFT 是 DTFT 的等间隔采样，适合有限长序列的数值计算；DTFT 是理论分析工具，给出连续频率函数。两者的关系类似连续函数与其离散采样。
  • DTFT 的周期性不可忽略。X(ejω)X(e^{j\omega}) 以 2π2\pi 为周期，这一性质源于离散序列的频谱必然是对频率轴的周期性复制。实践中的频率分析必须将关注范围限制在基带 [−π,π][-\pi, \pi] 内，超出部分为冗余。
  • 非绝对可和序列的 DTFT 需谨慎处理。包含冲激函数的频谱在数值计算中无法直接表示，需通过加窗、截断或使用广义函数理论加以诠释。
  • 采样定理的条件性。DTFT 作为分析采样信号的工具，其有效性依赖于信号满足采样定理的前提——即采样频率至少为信号最高频率的两倍。若该条件不满足，从 DTFT 恢复原连续信号将产生不可消除的混叠失真。