标签：数字 傅里叶 信号处理 笔记 离散 信号 tilde omega 时域
目录Chap 1 时域离散信号和系统
1.2 模拟信号、时域离散信号、数字信号
数字信号处理涉及的三种信号：
- 模拟信号——时域取值均连续（《信号与系统》中研究）
- 时域离散信号——时域离散，任意取值
- 数字信号——时域取值均离散
时域离散信号与数字信号的关系
时域离散信号——任意取值，通过对模拟信号进行等间隔采样而来
数字信号——将时域离散信号进行编码后在计算机中存储的二进制信号（因精度关系会）
在计算机位数足够大时，数字信号可近似看成时域离散信号。
时域离散信号的表示方法
- 集合表示法 \(\qquad x(n)=\{\cdots,0.0000,0.6364,0.9000,0.6364,\underline{0.0000},-0.6364,-0.9000,-0.6364,\cdots\}\)
- 公式表示法 \(\qquad x(n)=a^{\vert n\vert},\quad 0<a<1,\ -\infty<n<\infty\)
- 图形表示法
常用时域离散信号
-
单位脉冲序列
\[\delta(n)=\left\{\begin{array}{ll} 1 & n=0 \\ 0 & n\neq0 \end{array}\right. \] -
单位阶跃序列
\[u(n)=\left\{\begin{array}{ll} 1 & n\geq0\\ 0 & n<0 \end{array}\right. \] -
矩形序列
\[R_N(n)=\left\{\begin{array}{ll} 1 & 0\leq n\leq N-1 \\ 0 & other \end{array}\right. \] -
实指数序列
\[x(n)=a^nu(n) \] -
正弦序列与负指数序列
\[x(n)=A\sin(\omega n+\theta) \]其中，\(\omega\) 为数字频率，对应模拟信号 \(x_a(t)=A\sin(\varOmega t+\theta)\) 采样为 \(\omega=\varOmega T\) .
-
周期序列
\[x(n)=x(n+N) \]其中满足上式的最小正整数 \(N\) 为序列周期。
**注意周期判断一定要满足 \(N\) 是整数。这意味着形如 \(x(n)=\sin(n)\) 的序列不是周期序列，而 \(x(n)=\sin(\pi n)\) 才是周期序列。
1.3 时域离散系统
线性时不变时域离散系统
-
线性性质
对于 \(x(n)=ax_1(n)+bx_2(n)\)，有
\[T[ax_1(n)+bx_2(n)]=aT[x_1(n)]+bT[x_2(n)] \]则称系统为线性系统（否则为非线性系统）。
判断技巧——微分方程中存在高次项 \(([x(n)]^2,x(n)x(n-1),\cdots)\)、常数项时是非线性系统。
-
时不变特性
对于 \(y(n)=T[x(n)]\)，有
\[y_1(n)=T[x(n-n_0)]=y(n-n_0) \]称系统为时不变系统（否则为时变系统）。
判断技巧——微分方程中存在变系数、输入序列存在不为 \(x(n\pm k)\) 的形式或形如 \(x(2n),x(n^2),\cdots\) 的形式时是时变系统。
系统的因果性和稳定性
-
系统的因果性
\[h(n)=0,\qquad(n<0) \]称系统是因果系统（否则为非因果系统）。
判断技巧——微分方程中存在 \(x(n+k),x(-n\pm k)\) 的形式 \((k>0)\)。
-
系统的稳定性
\[\displaystyle{ \sum_{n=-\infty}^{\infty}\vert h(n)\vert<\infty } \]则称系统是稳定系统（否则为非稳定系统）。
判断技巧——冲激响应的时域取有限范围、值域有限的系统都是稳定系统。
线性时不变系统的输出和输入之间的关系
对于任一激励，其对应响应均为该系统的冲激响应与该激励的卷积。
\[\displaystyle{ y(n) = \sum_{m=-\infty}^\infty x(m)h(n-m)=x(n)*h(n) } \]- 卷积的计算方法
- 图解法
- 解析法
- 卷积性质
- \(x(n)=x(n)*\delta(n)\)
- \(x(n-n_0)=x(n)*\delta(n-n_0)\)
- \(y(n)=x(n)*h(n)=h(n)*x(n)\)
- \(x(n)*[h_1(n)*h_2(n)]=[x(n)*h_1(n)]*h_2(n)\)
- \(x(n)*[h_1(n)+h_2(n)]=x(n)*h_1(n)+x(n)*h_2(n)\)
1.4 时域离散系统的输入输出描述法——线性常系数差分方程
线性常系数差分方程
\[\sum_{i=0}^{N}a_iy(n-i)=\sum_{i=0}^{M}b_ix(n-i),\qquad a_0=1 \]线性常系数差分方程的递推解法
想法：根据初始条件求出 \(y(0)(,y(1),\cdots)\)，并通过递推给出任意 \(n\) 值的系统输出。
其他解法——微分方程，z域变换
滑动平均滤波器
本章介绍了一种简单的滤波器，作用是通过接收时刻 \(n\) 开始的，时长为 \(\Delta n\) 的输入信号，并在时刻 \(n+\Delta n\) 输出从 \(n\) 到 \(n+\Delta n\) 时刻的算术平均值，即
\[y(n)=\sum_{i=0}^{\Delta n-1}x(n-i). \]从信号角度看，滑动平均滤波器起到了对快速变化的信号进行平滑处理的作用。
Chap 2 时域离散信号和系统的频域分析
本章介绍的主要内容是时域离散信号的傅里叶变换和z域变换，同时对时域采样定理的证明作前置铺垫。
2.2 时域离散信号的傅里叶变换
时域离散信号的傅里叶变换定义
-
傅里叶变换定义与存在条件
\[X(e^{j\omega})\triangleq\sum_{n=-\infty}^{\infty}x(n)e^{-j\omega n} \]存在条件：\(\displaystyle{ \sum_{n=-\infty}^{\infty}\vert x(n)\vert<\infty }\)
傅里叶变换不存在的处理方法——引入奇异函数、引入离散傅里叶级数
-
傅里叶逆变换
\[x(n)=\frac{1}{2\pi}\int_{-\pi}^\pi X(e^{j\omega})e^{j\omega n}\mathrm{d}\omega \]具体证明见《信号与系统》
周期信号的离散傅里叶级数
-
离散傅里叶级数（离散傅里叶逆变换）
\[\tilde{x}(n)=\sum_{k=0}^{N-1}a_ke^{j\frac{2\pi}{N}kn} \]根据上式的分析，等式两边 \(\tilde{x}(n)\) 和 \(a_k\) 等价位置互换，得到离散傅里叶系数的定义：
\[\tilde{X}(k)=\sum_{k=0}^{N-1}\tilde{x}(n)e^{-j\frac{2\pi}{N}kn}. \]其中 \(\displaystyle{a_k=\frac{1}{N}\tilde{X}(k)}\,.\)
由此定义
\[\begin{array}{l} \displaystyle{\tilde{X}(k)= \mathrm{DFS}[\tilde{x}(n)] = \sum_{k=0}^{N-1}\tilde{x}(n)e^{-j\frac{2\pi}{N}kn}}, \\ \displaystyle{\tilde{x}(n)=\mathrm{IDFS}[\tilde{X}(k)] = \frac{1}{N}\sum_{k=0}^{N-1}\tilde{X}(k)e^{j\frac{2\pi}{N}kn}}. \end{array} \]
周期信号的傅里叶变换
-
基础结论：\(\displaystyle{ e^{j\omega_0 n}\,\leftrightarrow\, 2\pi\sum_{r=-\infty}^{\infty}\delta(\omega-\omega_0-2\pi r)}\)
（类比：\(\displaystyle{ e^{j\omega_0 t}\,\leftrightarrow\, 2\pi\delta(\omega-\omega_0) }\)）
-
一般周期序列 \(\tilde{x}(n)\) 的傅里叶变换
\[\displaystyle{ \tilde{x}(n) \,\leftrightarrow\, \frac{2\pi}{N}\sum_{k=-\infty}^{\infty}\tilde{X}(k)\delta\left( \omega-\frac{2\pi}{N}k \right) } \]
标签：数字,傅里叶,信号处理,笔记,离散,信号,tilde,omega,时域 来源： https://www.cnblogs.com/ccdf/p/14981046.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。