離散時間フーリエ変換

周期性

DTFT ${\displaystyle X(\omega )}$ は周期関数である^[4]。

変数 ${\displaystyle \omega \in \mathbb {R} ^{1}}$ をとる DTFT ${\displaystyle X(\omega )}$ は周期 ${\displaystyle 2\pi }$ の周期関数である。これは複素指数関数の周期性と ${\displaystyle n}$ が整数であることを用いて以下で示される：

${\displaystyle X(\omega +2\pi )=\sum _{n=-\infty }^{\infty }x[n]\ e^{-i(\omega +2\pi )n}=\sum _{n=-\infty }^{\infty }x[n]\ e^{-i\omega n}e^{-i2\pi n}=\sum _{n=-\infty }^{\infty }x[n]\ e^{-i\omega n}\cdot 1=X(\omega )}$

よって DTFT の性質を示すには ${\displaystyle -\pi \leq \omega \leq \pi }$ で十分であり、${\displaystyle \omega }$ は正規化角周波数と解釈される。

この性質は信号 ${\displaystyle x[n]}$ が離散時間信号であることと複素指数関数の周期性に由来する。

連続性

DTFT ${\displaystyle X(\omega )}$ は連続的である。

DTFTの変数 ${\displaystyle \omega \in \mathbb {R} ^{1}}$ は連続的な変数である^[3]。

この性質は信号 ${\displaystyle x[n]}$ が時間領域で非周期的であることと複素指数関数の周期性に由来する。

対称性

フーリエ変換は、実数成分と虚数成分に分離できる。

${\displaystyle X(e^{i\omega })=X_{R}(e^{i\omega })+iX_{I}(e^{i\omega })\!}$

また、偶数成分と奇数成分に分離できる。

${\displaystyle X(e^{i\omega })=X_{E}(e^{i\omega })+X_{O}(e^{i\omega })\!}$

さらに見る ...

時間領域 ${\displaystyle x[n]\!}$	周波数領域 ${\displaystyle X(e^{i\omega })\!}$
${\displaystyle x^{*}[n]\!}$	${\displaystyle X^{*}(e^{-i\omega })\!}$
${\displaystyle x^{*}[-n]\!}$	${\displaystyle X^{*}(e^{i\omega })\!}$

閉じる

その他の性質

以下の表は、一般的な離散時間フーリエ変換を示したものである。以下のような記法を用いている。

• ${\displaystyle *\!}$ は、2つの信号の畳み込みを意味する。
• ${\displaystyle x[n]^{*}\!}$ は、関数 x[n] の複素共役である。
• ${\displaystyle \rho _{xy}[n]\!}$ は、 x[n] と y[n] の相関を表す。

最初の列は属性の説明、第二列は時間領域での関数表現、第三列は周波数領域でのスペクトル表現である。

さらに見る 時間領域 ...

特性	時間領域 ${\displaystyle x[n]\!}$	周波数領域 ${\displaystyle X(\omega )\!}$	備考
線形性	${\displaystyle ax[n]+by[n]\!}$	${\displaystyle aX(e^{i\omega })+bY(e^{i\omega })\!}$
時間におけるシフト	${\displaystyle x[n-k]\!}$	${\displaystyle X(e^{i\omega })e^{-i\omega k}\!}$	k は整数
周波数におけるシフト（変調）	${\displaystyle x[n]e^{ian}\!}$	${\displaystyle X(e^{i(\omega -a)})\!}$	a は実数
時間逆転	${\displaystyle x[-n]\!}$	${\displaystyle X(e^{-i\omega })\!}$
時間共役	${\displaystyle x[n]^{*}\!}$	${\displaystyle X(e^{-i\omega })^{*}\!}$
時間逆転と共役	${\displaystyle x[-n]^{*}\!}$	${\displaystyle X(e^{i\omega })^{*}\!}$
周波数における微分	${\displaystyle {\frac {n}{i}}x[n]\!}$	${\displaystyle {\frac {dX(e^{i\omega })}{d\omega }}\!}$
周波数における積分	${\displaystyle {\frac {i}{n}}x[n]\!}$	${\displaystyle \int _{-\pi }^{\omega }X(e^{i\vartheta })d\vartheta \!}$
時間における畳み込み	${\displaystyle x[n]*y[n]\!}$	${\displaystyle X(e^{i\omega })\cdot Y(e^{i\omega })\!}$
時間における乗算	${\displaystyle x[n]\cdot y[n]\!}$	${\displaystyle {\frac {1}{2\pi }}X(e^{i\omega })*Y(e^{i\omega })\!}$
相関	${\displaystyle \rho _{xy}[n]=x[-n]^{*}*y[n]\!}$	${\displaystyle R_{xy}(\omega )=X(e^{i\omega })^{*}\cdot Y(e^{i\omega })\!}$

閉じる

特定条件下での性質

他のフーリエ変換との関係

基本的にDTFTはフーリエ級数の逆であり、後者は継続的だが、周期的入力と離散スペクトルを持っている。これら2つの変換の応用は全く異なる。

DFT と DTFT は、標準の連続フーリエ変換を離散的データに適用しようとして自然に生まれたと見ることもできる。そういった観点では、単に入力形式が異なるだけで、変換そのものは同じである。

• 入力が離散的なら、フーリエ変換は DTFT となる。
• 入力が周期的なら、フーリエ変換はフーリエ級数となる。
• 入力が離散的かつ周期的なら、フーリエ変換は DFT となる。

DFTとの関係

→「離散フーリエ変換」も参照

DTFTの数値的評価では、有限長のシーケンスが明らかに必要とされる。実際、長いシーケンスは矩形窓関数で修正され、次のようになる。

${\displaystyle X(\omega )=\sum _{n=0}^{L-1}x[n]\,e^{-i\omega n}\,}$,   ここで ${\displaystyle L\,}$ は修正されたシーケンス長である。

これは、修正前のシーケンスのスペクトルの便利な近似として使われる。これによって解像度が悪くなるが、L を増やすことで改善される。

${\displaystyle X(\omega )}$ を (2π) の一周期上に一様に分布する任意の ${\displaystyle (N)}$ 個の周波数で評価するのが一般的である。

${\displaystyle \omega _{k}={\frac {2\pi }{N}}k\,}$,     ここで ${\displaystyle k=0,1,\dots ,N-1\,}$

これにより、次が得られる。

${\displaystyle X[k]=X(\omega _{k})=\sum _{n=0}^{L-1}x[n]\,e^{-i2\pi {\frac {k}{N}}n}}$

${\displaystyle N\geq L\,}$ であるとき、次のようにも表せる。

${\displaystyle X[k]=\sum _{n=0}^{N-1}x[n]\,e^{-i2\pi {\frac {k}{N}}n}}$,   何故なら ${\displaystyle n\geq L\,}$ について ${\displaystyle x[n]=0\,}$ と定義するため。

このように変形すると、${\displaystyle X[k]\,}$ のシーケンスは離散フーリエ変換（DFT）となる。${\displaystyle N}$ はDTFTを標本化する際の解像度と定義され、${\displaystyle L}$ はDTFT自体の固有解像度である。したがって、通常これらはほぼ同じ値である。${\displaystyle N>L}$ を選択するのが一般的だが、値がゼロの項を総和に含める理由は、DFTを計算する高速フーリエ変換アルゴリズムを利用できるためである。そのことを強調する場合、「ゼロパディングDFT」あるいは「内挿DFT」と呼ぶ。しかし、値がゼロの項を使わずに単純に計算しても全く同じDFTが得られる。${\displaystyle N<L}$ の場合のDTFTも計算でき、その場合はDFTとは等価ではない。

${\displaystyle N>L}$ が一般的であることを示すため、次のシーケンスを考える。

${\displaystyle x[n]=e^{i2\pi {\frac {1}{8}}n}}$, ここで ${\displaystyle L=64}$

下に示した2つの図は、ラベルで示される通り、異なるサイズのDFTを図示したものである。どちらの場合も支配的な周波数成分は ${\displaystyle f={\begin{matrix}{\frac {1}{8}}\end{matrix}}=0.125\,}$ である。右の図に表れているパターンは、${\displaystyle L=64}$ の矩形窓関数のスペクトル漏れである。左側の図がこのようになっているのは、右の図のゼロと交差している点と標本化した点が重なっている結果である。これは、有限長シーケンスのDTFTというよりも、無限に続く正弦波のような印象を与える。このような図になる原因は、矩形窓関数の使用と、64個の標本あたり8個という整数個の周期になるような周波数を選択しているためである（${\displaystyle {\begin{matrix}{\frac {1}{8}}\end{matrix}}={\begin{matrix}{\frac {8}{64}}\end{matrix}}}$）。

Z変換との関係

DTFT はZ変換の特殊ケースである。両側Z変換は次のように定義される。

${\displaystyle X(z)=\sum _{n=-\infty }^{\infty }x[n]\,z^{-n}}$

DTFT は ${\displaystyle z=e^{i\omega }\,}$ の場合である。このとき ${\displaystyle |e^{i\omega }|=1\,}$ なので、これは複素平面での単位円付近でのZ変換の評価である。

標本化変換との関係

名称が暗に示している通り、{x[n]} は連続時間関数 ${\displaystyle x(t)\,}$ の値（標本）を表している。このときの標本化間隔を ${\displaystyle T\,}$ としたとき、各標本の採取時刻は ${\displaystyle t=nT\quad }$ であり、${\displaystyle 1/T=f_{s}\,}$ がサンプリング周波数となる。DTFTは次の連続時間フーリエ変換の近似である。

${\displaystyle X(f)=\int _{-\infty }^{\infty }x(t)\cdot e^{-i2\pi ft}\,dt}$

標本化定理で示されるように、次のくし型関数の変調に ${\displaystyle x(nT)\,}$ の値を使用すると見ることもできる。

${\displaystyle \Delta _{T}(t)=T\sum _{n=-\infty }^{\infty }\delta (t-nT)\ }$

その場合得られる関数のフーリエ変換は、${\displaystyle f_{s}\,}$ の間隔で重ね合わせられた ${\displaystyle X(f)\,}$ のコピーの総和である。

${\displaystyle X_{\mathrm {T} }(f)=\sum _{k=-\infty }^{\infty }X(f-{kf_{s}})}$

以下で示すように、これは周期関数のDTFTである。そして、ある明白な条件下で、k=0 の項はほとんど全く他の項からの歪み（折り返し雑音）が観測されない。変調されたくし型関数は次の通りである。

${\displaystyle x_{\mathrm {T} }(t)=T\sum _{n=-\infty }^{\infty }x(nT)\,\delta (t-nT)}$

したがって、

${\displaystyle {\begin{aligned}X_{\mathrm {T} }(f)&=\int _{-\infty }^{\infty }\left[T\sum _{n=-\infty }^{\infty }x(nT)\,\delta (t-nT)\right]e^{-i2\pi ft}\,dt\\&=\sum _{n=-\infty }^{\infty }T\cdot x(nT)\int _{-\infty }^{\infty }\left[\delta (t-nT)\cdot e^{-i2\pi ft}\right]\,dt\\&=\sum _{n=-\infty }^{\infty }T\cdot x(nT)\cdot e^{-i2\pi fnT}\end{aligned}}}$

このとき次が成り立つ。

${\displaystyle x[n]=T\cdot x(nT)\,}$

${\displaystyle \omega =2\pi fT=2\pi {\frac {f}{f_{s}}}}$

つまり ${\displaystyle X_{\mathrm {T} }(f)\,}$ は ${\displaystyle X(\omega )\,}$ と同じである。

ここで、${\displaystyle f\,}$ は通常の周波数（単位時間当たりの周期数）であり、${\displaystyle f_{s}\,}$ はサンプリング周波数（単位時間当たりの標本数）であるから、${\displaystyle f/f_{s}\,}$ は「標本当たりの周期数」を意味する。これを正規化周波数（normalized frequency）と呼ぶ。上で定義されている ${\displaystyle \omega \,}$ も正規化周波数だが、こちらの単位は「標本当たりのラジアン」である。正規化周波数は、期間 ${\displaystyle 2\pi }$ の周期を持つ関数 ${\displaystyle X(\omega )}$ で表されるという特徴がある。そのため、逆変換では ${\displaystyle 2\pi }$ の期間のみを評価すればよい。