學習了數字信号處理之後，被裡面的幾個名詞搞的暈頭轉向，比如DFT，DTFT，DFS，FFT，FT,FS等，FT和FS屬于信号與系統課程的内容，是對連續時間信号的處理，這裡就不過多讨論，隻解釋一下前四者的關系。首先說明一下，我不是數字信号處理專家，是以這裡隻站在學生的角度以最淺顯易懂的性質來解釋問題，而不涉及到任何公式運算。
學過卷積，我們都知道有時域卷積定理和頻域卷積定理，在這裡隻需要記住兩點：1.在一個域的相乘等于另一個域的卷積；2.與脈沖函數的卷積，在每個脈沖的位置上将産生一個波形的鏡像。(在任何一本信号與系統課本裡，此兩條性質有詳細公式證明)
下面，就用這兩條性質來說明DFT，DTFT，DFS，FFT之間的聯系：
先看圖檔：
首先來說圖（1）和圖（2），對于一個模拟信号。
如圖(1)所示，要分析它的頻率成分，必須變換到頻域，這是通過傅立葉變換即FT(Fourier Transform)得到的，于是有了模拟信号的頻譜，如圖(2)；注意1：時域和頻域都是連續的！
但是，計算機隻能處理數字信号，首先需要将原模拟信号在時域離散化，即在時域對其進行采樣。采樣脈沖序列如圖(3)所示，該采樣序列的頻譜如圖(4)，可見它的頻譜也是一系列的脈沖。所謂時域采樣，就是在時域對信号進行相乘，(1)×(3)後可以得到離散時間信号x[n]，如圖(5)所示；由前面的性質1，時域的相乘相當于頻域的卷積，那麼，圖(2)與圖(4)進行卷積，根據前面的性質2知，會在各個脈沖點處出現鏡像，于是得到圖(6)，它就是圖(5)所示離散時間信号x[n]的DTFT(Discrete time Fourier Transform)，即離散時間傅立葉變換，這裡強調的是“離散時間”四個字。注意2：此時時域是離散的，而頻域依然是連續的。
經過上面兩個步驟，我們得到的信号依然不能被計算機處理，因為頻域既連續，又周期。我們自然就想到，既然時域可以采樣，為什麼頻域不能采樣呢？這樣不就時域與頻域都離散化了嗎？沒錯，接下來對頻域在進行采樣，頻域采樣信号的頻譜如圖(8)所示，它的時域波形如圖(7)。現在我們進行頻域采樣，即頻域相乘，圖(6)×圖(8)得到圖(10)，那麼根據性質1，這次是頻域相乘，時域卷積了吧，圖(5)和圖(7)卷積得到圖(9)，不出所料的，鏡像會呈周期性出現在各個脈沖點處。我們取圖（10）周期序列的主值區間，并記為X(k)，它就是序列x[n]的DFT(Discrete Fourier Transform)，即離散傅立葉變換。可見，DFT隻是為了計算機處理友善，在頻率域對DTFT進行的采樣并截取主值而已。有人可能疑惑，對圖(10)進行IDFT，回到時域即圖(9)，它與原離散信号圖(5)所示的x[n]不同呀，它是x[n]的周期性延拓！沒錯，是以你去查找一個IDFT的定義式，是不是對n的取值區間進行限制了呢？這一限制的含義就是，取該周期延拓序列的主值區間，即可還原x[n]！
FFT呢？FFT的提出完全是為了快速計算DFT而已，它的本質就是DFT！我們常用的信号處理軟體MATLAB或者DSP軟體包中，包含的算法都是FFT而非DFT。
DFS,是針對時域周期信号提出的，如果對圖(9）所示周期延拓信号進行DFS，就會得到圖(10)，隻要截取其主值區間，則與DFT是完全的一一對應的精确關系。這點對照DFS和DFT的定義式也可以輕易的看出。是以DFS與DFT的本質是一樣的，隻不過描述的方法不同而已。
不知道經過上面的解釋，您是否明白各種T的關系了呢？如果您不是算法設計者，其實隻要懂得如何使用FFT分析頻譜即可，部落客近期會更新一篇文章，專門介紹如何利用FFT分析簡單信号的頻譜。
其實個人認為，糾結了這麼多，就是為了打破現實模拟世界與計算機數字世界的界限呀！
