这是一个学习笔记系列。为督促自己看书,尽量更新。但同时也在学其他东西,也不知道能不能实现。少玩耍,多读书。
应该会慢慢改进,会慢慢补充每一个部分的笔记。
线性滤波之后
设
H
(
z
)
H(z)
H(z)是一个线性、不随时间变化且稳定的离散时间滤波的离散转换函数,定义为
滤波输出值的
z
-变换
滤波输入值的
z
-变换
\frac{\text{滤波输出值的}z\text{-变换}}{\text{滤波输入值的}z\text{-变换}}
滤波输入值的z-变换滤波输出值的z-变换。【可以参考Adaptive Filter Learning Notes 自适应滤波学习笔记02 随机过程模型来理解】。设
u
(
n
)
u(n)
u(n)是滤波的输入,
y
(
n
)
y(n)
y(n)是滤波的输出。
y
(
n
)
=
∑
i
=
−
∞
∞
h
(
i
)
u
(
n
−
i
)
.
y(n)=\sum_{i=-\infty}^{\infty}h(i)u(n-i).
y(n)=i=−∞∑∞h(i)u(n−i).
r
u
(
l
)
=
E
[
u
(
n
)
u
∗
(
n
−
l
)
]
r_{u}(l)=\mathbb{E}[u(n)u^*(n-l)]
ru(l)=E[u(n)u∗(n−l)],
r
y
(
l
)
=
E
[
y
(
n
)
y
∗
(
n
−
l
)
]
=
E
[
∑
i
=
−
∞
∞
h
(
i
)
u
(
n
−
i
)
∑
k
=
−
∞
∞
h
∗
(
k
)
u
∗
(
n
−
l
−
k
)
]
=
∑
i
=
−
∞
∞
∑
k
=
−
∞
∞
h
(
i
)
h
∗
(
k
)
r
u
(
k
−
i
+
l
)
.
\begin{aligned} r_{y}(l)&=\mathbb{E}[y(n)y^{*}(n-l)]\\ &=\mathbb{E}[\sum_{i=-\infty}^{\infty}h(i)u(n-i)\sum_{k=-\infty}^{\infty}h^*(k)u^*(n-l-k)]\\ &=\sum_{i=-\infty}^{\infty}\sum_{k=-\infty}^{\infty}h(i)h^*(k)r_{u}(k-i+l). \end{aligned}
ry(l)=E[y(n)y∗(n−l)]=E[i=−∞∑∞h(i)u(n−i)k=−∞∑∞h∗(k)u∗(n−l−k)]=i=−∞∑∞k=−∞∑∞h(i)h∗(k)ru(k−i+l). 设
S
0
(
ω
)
S_0(\omega)
S0(ω)是
y
(
n
)
y(n)
y(n)的功率谱密度,
S
(
ω
)
S(\omega)
S(ω)是
u
(
n
)
u(n)
u(n)的功率谱密度。
S
0
(
ω
)
=
∑
l
=
−
∞
∞
r
y
(
l
)
e
−
j
ω
l
=
∑
l
=
−
∞
∞
∑
i
=
−
∞
∞
∑
k
=
−
∞
∞
h
(
i
)
e
−
j
ω
i
h
∗
(
k
)
e
j
ω
k
r
u
(
k
−
i
+
l
)
e
−
j
ω
(
k
−
i
+
l
)
=
∣
H
(
e
j
ω
)
∣
2
S
(
ω
)
.
\begin{aligned}S_0(\omega)&=\sum_{l=-\infty}^{\infty}r_y(l)\mathrm{e}^{-j\omega l}\\ &=\sum_{l=-\infty}^{\infty}\sum_{i=-\infty}^{\infty}\sum_{k=-\infty}^{\infty}h(i)\mathrm{e}^{-j\omega i}h^*(k)\mathrm{e}^{j\omega k}r_u(k-i+l)\mathrm{e}^{-j\omega(k-i+l)}\\ &=|H(\mathrm{e}^{j\omega})|^2S(\omega). \end{aligned}
S0(ω)=l=−∞∑∞ry(l)e−jωl=l=−∞∑∞i=−∞∑∞k=−∞∑∞h(i)e−jωih∗(k)ejωkru(k−i+l)e−jω(k−i+l)=∣H(ejω)∣2S(ω).
这个等式
S
0
(
ω
)
=
∣
H
(
e
j
ω
)
∣
2
S
(
ω
)
S_0(\omega)=|H(\mathrm{e}^{j\omega})|^2S(\omega)
S0(ω)=∣H(ejω)∣2S(ω)是随机过程理论中很重要的关系,
H
(
e
j
ω
)
H(\mathrm{e}^{j\omega})
H(ejω)是滤波的频率响应(frequency response)。
功率谱分析器
假设这个滤波有很独特的性质,
∣
H
(
e
j
ω
)
∣
=
{
1
,
∣
ω
−
∣
ω
c
∣
∣
≤
Δ
ω
0
,
−
π
<
ω
≤
π
的其他区域
.
|H(\mathrm{e}^{j\omega})|=\begin{cases} 1, & |\omega-|\omega_c||\le \Delta\omega\\ 0, & -\pi<\omega\le\pi\text{的其他区域}. \end{cases}
∣H(ejω)∣={1,0,∣ω−∣ωc∣∣≤Δω−π<ω≤π的其他区域.且这个
Δ
ω
\Delta\omega
Δω足够小,能保证
S
(
ω
)
S(\omega)
S(ω)在
∣
ω
−
ω
c
∣
≤
Δ
ω
|\omega-\omega_c|\le\Delta\omega
∣ω−ωc∣≤Δω上是常值的,那么可以得到
S
0
(
ω
)
=
{
S
(
ω
c
)
,
∣
ω
−
ω
c
∣
≤
Δ
ω
S
(
−
ω
c
)
,
∣
ω
+
ω
c
∣
≤
Δ
ω
0
,
−
π
<
ω
≤
π
的其他区域
.
S_0(\omega)=\begin{cases} S(\omega_c), & |\omega-\omega_c|\le \Delta\omega\\ S(-\omega_c), & |\omega+\omega_c|\le \Delta\omega\\ 0, & -\pi<\omega\le\pi\text{的其他区域}. \end{cases}
S0(ω)=⎩⎪⎨⎪⎧S(ωc),S(−ωc),0,∣ω−ωc∣≤Δω∣ω+ωc∣≤Δω−π<ω≤π的其他区域.
假设输入的是实值的广义平稳离散时间随机过程,那么
S
(
ω
)
S(\omega)
S(ω)是偶函数,又根据
r
(
0
)
=
1
2
π
∫
−
π
π
S
(
ω
)
d
ω
r(0)=\frac{1}{2\pi}\int_{-\pi}^{\pi}S(\omega)\mathrm{d}\omega
r(0)=2π1∫−ππS(ω)dω,设
P
0
P_0
P0为输出结果的均方值,则
P
0
=
1
2
π
∫
−
π
π
S
0
(
ω
)
d
ω
=
2
Δ
ω
2
π
(
S
(
ω
c
)
+
S
(
−
ω
c
)
)
=
2
Δ
ω
π
S
(
ω
c
)
.
\begin{aligned} P_0&=\frac{1}{2\pi}\int_{-\pi}^{\pi}S_0(\omega)\mathrm{d}\omega\\ &=\frac{2\Delta\omega}{2\pi}(S(\omega_c)+S(-\omega_c))\\ &=2\frac{\Delta \omega}{\pi}S(\omega_c). \end{aligned}
P0=2π1∫−ππS0(ω)dω=2π2Δω(S(ωc)+S(−ωc))=2πΔωS(ωc).
S
(
ω
c
)
=
π
P
0
2
Δ
ω
.
S(\omega_c)=\frac{\pi P_0}{2\Delta\omega}.
S(ωc)=2ΔωπP0.根据这个思路可以用带通滤波器(bandpass filter) 设计功率谱分析器。