本专栏:数学系的数字信号处理 的前置知识主要有:数学分析(傅立叶级数的部分),泛函分析( L p L^p Lp空间的部分)
连续信号、滤波器与采样定理
我们在数学上粗略地定义信号和滤波器,目的是快速理解相关知识的结构,而不是花费大量的时间在细节上。
本文中的
F
\mathscr{F}
F 符号均指傅立叶变换,我们也常记
F
(
f
)
\mathscr{F}(f)
F(f) 为
f
^
\hat{f}
f^
定义
信号:即把实数域映到复数域的函数
f
:
R
→
C
f:\mathbb{R}\to\mathbb{C}
f:R→C,一般是分段连续的
滤波器:把信号映为信号的变换
定义:时不变性
信号
f
f
f 的时不变算子是如下定义的
f
a
f_a
fa
f
a
(
t
)
=
f
(
t
−
a
)
,
a
∈
R
f_a(t)=f(t-a),a\in\mathbb{R}
fa(t)=f(t−a),a∈R滤波器
L
L
L 称为时不变的,若对任意信号
f
f
f 和实数
a
a
a,有
L
(
f
a
)
=
(
L
f
)
a
L(f_a)=(Lf)_a
L(fa)=(Lf)a
定理:线性时不变滤波器的结构
设
L
L
L 是分段连续信号
f
f
f 上的线性时不变滤波器,则存在可积函数
h
h
h ,使得对任意信号
f
f
f ,有
L
(
f
)
=
f
∗
h
L(f)=f*h
L(f)=f∗h;
此时称
h
h
h 为冲激响应函数,称
h
h
h 的傅立叶变换
h
~
\tilde{h}
h~ 为系统函数
证明思路
引理:(线性时不变滤波器使输入输出同频)
设线性时不变滤波器
L
L
L,
t
t
t 为自变量,则
∀
λ
∈
R
\forall \lambda\in\mathbb{R}
∀λ∈R,存在函数
h
h
h ,使得
L
(
e
i
λ
t
)
=
2
π
h
~
(
λ
)
e
i
λ
t
L(e^{i\lambda t})=\sqrt{2\pi}\tilde{h}(\lambda)e^{i\lambda t}
L(eiλt)=2πh~(λ)eiλt
引理的证明思路:(不严格)
设
h
λ
(
t
)
=
L
(
e
i
λ
t
)
h^{\lambda}(t)=L(e^{i\lambda t})
hλ(t)=L(eiλt),由时不变性,
h
λ
(
t
−
a
)
=
L
(
e
i
λ
(
t
−
a
)
)
h^{\lambda}(t-a)=L(e^{i\lambda (t-a)})
hλ(t−a)=L(eiλ(t−a))由线性性
L
(
e
i
λ
(
t
−
a
)
)
=
e
−
i
λ
a
h
λ
(
t
)
L(e^{i\lambda (t-a)})=e^{-i\lambda a}h^{\lambda}(t)
L(eiλ(t−a))=e−iλahλ(t)故
h
λ
(
t
)
=
e
i
λ
a
h
λ
(
t
−
a
)
h^{\lambda}(t)=e^{i\lambda a}h^{\lambda}(t-a)
hλ(t)=eiλahλ(t−a)取
a
=
t
a=t
a=t,得到
h
λ
(
t
)
=
e
i
λ
t
h
λ
(
0
)
h^{\lambda}(t)=e^{i\lambda t}h^{\lambda}(0)
hλ(t)=eiλthλ(0)再取
h
~
\tilde{h}
h~,使其满足
h
~
(
λ
)
=
h
λ
(
0
)
2
π
\tilde{h}(\lambda)=\frac{h^{\lambda}(0)}{\sqrt{2\pi}}
h~(λ)=2πhλ(0)
注:这个证明并没有解释结论形式的来源,也未解释满足所要求 h ~ \tilde{h} h~ 的存在性
定理的证明(不严格)
L
(
f
)
(
t
)
=
L
F
−
1
F
(
f
)
(
t
)
=
L
[
1
2
π
∫
−
∞
∞
f
^
(
λ
)
e
i
λ
t
d
λ
]
L(f)(t)=L\mathscr{F}^{-1}\mathscr{F}(f)(t)=L[\frac{1}{\sqrt{2\pi}}\int_{-\infty}^{\infty}\hat{f}(\lambda)e^{i\lambda t}\mathrm{d}\lambda]
L(f)(t)=LF−1F(f)(t)=L[2π1∫−∞∞f^(λ)eiλtdλ]上式通过 Riemann 和近似,可以得到
L
(
f
)
(
t
)
≈
L
[
1
2
π
∑
j
f
^
(
λ
j
)
e
i
λ
j
t
Δ
λ
]
=
1
2
π
∑
j
f
^
(
λ
j
)
L
(
e
i
λ
j
t
)
Δ
λ
≈
1
2
π
∫
−
∞
∞
f
^
(
λ
)
L
(
e
i
λ
t
)
d
λ
=
1
2
π
∫
−
∞
∞
f
^
(
λ
)
h
^
(
λ
)
e
i
λ
t
d
λ
=
1
2
π
∫
−
∞
∞
f
∗
h
^
(
λ
)
e
i
λ
t
d
λ
=
(
f
∗
h
)
(
t
)
\begin{split} L(f)(t)&\approx L[\frac{1}{\sqrt{2\pi}}\sum\limits_j\hat{f}(\lambda_j)e^{i\lambda_j t}\Delta \lambda]\\ &=\frac{1}{\sqrt{2\pi}}\sum\limits_j\hat{f}(\lambda_j)L(e^{i\lambda_j t})\Delta \lambda\\ &\approx \frac{1}{\sqrt{2\pi}}\int_{-\infty}^{\infty}\hat{f}(\lambda)L(e^{i\lambda t})\mathrm{d}\lambda\\ &=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^{\infty}\hat{f}(\lambda)\hat{h}(\lambda)e^{i\lambda t}\mathrm{d}\lambda\\ &=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^{\infty}\hat{f*h}(\lambda)e^{i\lambda t}\mathrm{d}\lambda\\ &=(f*h)(t) \end{split}
L(f)(t)≈L[2π1j∑f^(λj)eiλjtΔλ]=2π1j∑f^(λj)L(eiλjt)Δλ≈2π1∫−∞∞f^(λ)L(eiλt)dλ=2π1∫−∞∞f^(λ)h^(λ)eiλtdλ=2π1∫−∞∞f∗h^(λ)eiλtdλ=(f∗h)(t)
定义:因果滤波器
输入信号到达后才有输出信号的滤波器,即
∀
a
∈
R
,
∀
t
<
a
,
i
f
:
f
(
t
)
=
0
,
t
h
e
n
:
L
f
(
t
)
=
0
\forall a\in\mathbb{R},\forall t<a,if: f(t)=0,then:Lf(t)=0
∀a∈R,∀t<a,if:f(t)=0,then:Lf(t)=0
定理:因果滤波器的刻画
设线性时不变滤波器
L
L
L 的冲激响应函数为
h
h
h,则
L
L
L 因果当且仅当
h
(
t
)
=
0
(
t
<
0
)
h(t)=0(t<0)
h(t)=0(t<0)
(不加证明)
推论:相应于
L
L
L 的系统函数
h
^
\hat{h}
h^ 在
L
L
L 因果的条件下,可改写为
h
^
(
λ
)
=
∫
0
∞
1
2
π
h
(
t
)
e
−
i
λ
t
d
t
=
L
(
h
)
(
i
λ
)
2
π
\hat{h}(\lambda)=\int_0^{\infty}\frac{1}{\sqrt{2\pi}}h(t)e^{-i\lambda t}\mathrm{d}t=\frac{\mathscr{L}(h)(i\lambda)}{\sqrt{2\pi}}
h^(λ)=∫0∞2π1h(t)e−iλtdt=2πL(h)(iλ)其中
L
\mathscr{L}
L 为拉普拉斯变换
L
(
f
)
(
t
)
=
∫
0
∞
f
(
λ
)
e
−
λ
t
d
λ
\mathscr{L}(f)(t)=\int_0^{\infty}f(\lambda)e^{-\lambda t}\mathrm{d}\lambda
L(f)(t)=∫0∞f(λ)e−λtdλ
定义:频率带限信号
即满足存在
Ω
>
0
\Omega>0
Ω>0,使得
F
(
f
)
(
λ
)
=
0
(
∣
λ
∣
>
Ω
)
\mathscr{F}(f)(\lambda)=0(|\lambda|>\Omega)
F(f)(λ)=0(∣λ∣>Ω) 的信号
f
f
f;当
Ω
\Omega
Ω 是使上述条件成立的最小频率时,称
v
≜
Ω
2
π
v\triangleq \frac{\Omega}{2\pi}
v≜2πΩ 为自然频率(Nyquist频率),
2
v
2v
2v 称为Nyquist 抽样率
定理:Shannon-Whittaker抽样定理
设
F
(
f
)
\mathscr{F}(f)
F(f) 分段光滑且连续,且信号
f
f
f 带限
Ω
\Omega
Ω,则
f
f
f 可由可数个点确定,即
f
(
t
)
=
∑
j
=
−
∞
∞
f
(
t
j
)
sin
[
Ω
(
t
−
t
j
)
]
Ω
(
t
−
t
j
)
f(t)=\sum\limits_{j=-\infty}^{\infty}f(t_j)\frac{\sin{[\Omega(t-t_j)]}}{\Omega(t-t_j)}
f(t)=j=−∞∑∞f(tj)Ω(t−tj)sin[Ω(t−tj)]其中
t
j
=
j
π
Ω
,
j
=
0
,
±
1
,
±
2
,
…
t_j=\frac{j\pi}{\Omega},j=0,\pm 1,\pm 2,\dots
tj=Ωjπ,j=0,±1,±2,…
证明:
先将
f
^
(
λ
)
\hat{f}(\lambda)
f^(λ) 在
[
−
π
,
π
]
[-\pi,\pi]
[−π,π] 上展为傅立叶级数,则
f
^
(
λ
)
=
∑
k
=
−
∞
∞
c
k
e
i
π
k
λ
Ω
\hat{f}(\lambda)=\sum\limits_{k=-\infty}^{\infty}c_ke^{i\pi k\frac{\lambda}{\Omega}}
f^(λ)=k=−∞∑∞ckeiπkΩλ其中
c
k
=
1
2
Ω
∫
−
Ω
Ω
f
^
(
λ
)
e
−
i
π
k
λ
Ω
d
λ
=
2
π
2
Ω
1
2
π
∫
−
∞
∞
f
^
(
λ
)
e
−
i
π
k
λ
Ω
d
λ
=
2
π
2
Ω
f
(
−
k
π
Ω
)
\begin{split} c_k&=\frac{1}{2\Omega}\int_{-\Omega}^{\Omega}\hat{f}(\lambda)e^{-i\pi k\frac{\lambda}{\Omega}}\mathrm{d}\lambda\\ &=\frac{\sqrt{2\pi}}{2\Omega}\frac{1}{\sqrt{2\pi}}\int_{-\infty}^{\infty}\hat{f}(\lambda)e^{-i\pi k\frac{\lambda}{\Omega}}\mathrm{d}\lambda\\ &=\frac{\sqrt{2\pi}}{2\Omega}f(-\frac{k\pi}{\Omega}) \end{split}
ck=2Ω1∫−ΩΩf^(λ)e−iπkΩλdλ=2Ω2π2π1∫−∞∞f^(λ)e−iπkΩλdλ=2Ω2πf(−Ωkπ)则
f
(
t
)
=
1
2
π
∫
−
∞
∞
f
^
(
λ
)
e
i
λ
t
d
λ
=
∫
−
Ω
Ω
∑
k
=
−
∞
∞
f
(
t
j
)
2
Ω
e
i
λ
(
t
−
t
j
)
d
λ
=
∑
k
=
−
∞
∞
f
(
t
j
)
2
Ω
∫
−
Ω
Ω
e
i
λ
(
t
−
t
j
)
d
λ
=
∑
j
=
−
∞
∞
f
(
t
j
)
sin
[
Ω
(
t
−
t
j
)
]
Ω
(
t
−
t
j
)
\begin{split} f(t)&=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^{\infty}\hat{f}(\lambda)e^{i\lambda t}\mathrm{d}\lambda\\ &=\int_{-\Omega}^{\Omega}\sum\limits_{k=-\infty}^{\infty}\frac{f(t_j)}{2\Omega}e^{i\lambda(t-t_j)}\mathrm{d}\lambda\\ &=\sum\limits_{k=-\infty}^{\infty}\frac{f(t_j)}{2\Omega}\int_{-\Omega}^{\Omega}e^{i\lambda(t-t_j)}\mathrm{d}\lambda\\ &=\sum\limits_{j=-\infty}^{\infty}f(t_j)\frac{\sin{[\Omega(t-t_j)]}}{\Omega(t-t_j)} \end{split}
f(t)=2π1∫−∞∞f^(λ)eiλtdλ=∫−ΩΩk=−∞∑∞2Ωf(tj)eiλ(t−tj)dλ=k=−∞∑∞2Ωf(tj)∫−ΩΩeiλ(t−tj)dλ=j=−∞∑∞f(tj)Ω(t−tj)sin[Ω(t−tj)]
注:此定理中的级数一致收敛,但收敛速度很慢
定义:分辨率
设
f
∈
L
2
(
R
)
f\in L^2(\mathbb{R})
f∈L2(R),则
f
f
f 在
a
∈
R
a\in\mathbb{R}
a∈R 处的分辨率定义为
Δ
a
f
=
∫
−
∞
∞
(
t
−
a
)
2
∣
f
(
t
)
∣
2
d
t
∫
−
∞
∞
∣
f
(
t
)
∣
2
d
t
\Delta_af=\frac{\int_{-\infty}^{\infty}(t-a)^2|f(t)|^2\mathrm{d}t}{\int_{-\infty}^{\infty}|f(t)|^2\mathrm{d}t}
Δaf=∫−∞∞∣f(t)∣2dt∫−∞∞(t−a)2∣f(t)∣2dt
性质
f
f
f 的图像越集中在
t
=
a
t=a
t=a 处,则
Δ
a
f
\Delta_af
Δaf 越小
定理:不确定性原理
设
f
∈
L
2
(
R
)
,
f
(
∞
)
=
0
f\in L^2(\mathbb{R}),f(\infty)=0
f∈L2(R),f(∞)=0,则对任意
a
,
α
∈
R
a,\alpha\in\mathbb{R}
a,α∈R,有
Δ
a
f
Δ
α
f
^
≥
1
4
\Delta_af\Delta_{\alpha}\hat{f}\geq \frac{1}{4}
ΔafΔαf^≥41
证明
可以验证
{
(
d
d
t
−
i
α
)
(
t
−
a
)
}
f
−
{
(
t
−
a
)
(
d
d
t
−
i
α
)
}
f
=
f
\{(\frac{\mathrm{d}}{\mathrm{d}t}-i\alpha)(t-a)\}f-\{(t-a)(\frac{\mathrm{d}}{\mathrm{d}t}-i\alpha)\}f=f
{(dtd−iα)(t−a)}f−{(t−a)(dtd−iα)}f=f不失一般性,设
∣
∣
f
∣
∣
=
1
||f||=1
∣∣f∣∣=1
则
∣
∣
f
∣
∣
=
<
(
d
d
t
−
i
α
)
(
t
−
a
)
f
,
f
(
t
)
>
−
<
(
t
−
a
)
(
d
d
t
−
i
α
)
f
,
f
(
t
)
>
=
<
(
t
−
a
)
f
(
t
)
,
(
−
d
d
t
+
i
α
)
f
>
−
<
(
d
d
t
−
i
α
)
f
,
(
t
−
a
)
f
(
t
)
>
=
1
\begin{split} ||f||&=<(\frac{\mathrm{d}}{\mathrm{d}t}-i\alpha)(t-a)f,f(t)>-<(t-a)(\frac{\mathrm{d}}{\mathrm{d}t}-i\alpha)f,f(t)>\\ &=<(t-a)f(t),(-\frac{\mathrm{d}}{\mathrm{d}t}+i\alpha)f>-<(\frac{\mathrm{d}}{\mathrm{d}t}-i\alpha)f,(t-a)f(t)>\\ &=1 \end{split}
∣∣f∣∣=<(dtd−iα)(t−a)f,f(t)>−<(t−a)(dtd−iα)f,f(t)>=<(t−a)f(t),(−dtd+iα)f>−<(dtd−iα)f,(t−a)f(t)>=1结合三角不等式,Schwarz不等式,有
1
≤
2
∣
∣
(
d
d
t
−
i
α
)
f
∣
∣
⋅
∣
∣
(
t
−
a
)
f
(
t
)
∣
∣
=
2
∣
∣
(
λ
−
a
)
f
^
(
λ
)
∣
∣
⋅
∣
∣
(
t
−
a
)
f
(
t
)
∣
∣
=
2
Δ
a
f
Δ
α
f
^
\begin{split} 1&\leq 2||(\frac{\mathrm{d}}{\mathrm{d}t}-i\alpha)f||\cdot ||(t-a)f(t)||\\ &=2||(\lambda-a)\hat{f}(\lambda)||\cdot||(t-a)f(t)||\\ &=2\sqrt{\Delta_af\Delta_{\alpha}\hat{f}} \end{split}
1≤2∣∣(dtd−iα)f∣∣⋅∣∣(t−a)f(t)∣∣=2∣∣(λ−a)f^(λ)∣∣⋅∣∣(t−a)f(t)∣∣=2ΔafΔαf^