数字信号处理 思维梳理

教材：

• 数字信号处理：基于计算机的方法（第四版）（较简单）
• 数字信号处理：原理、算法与应用（第四版）（有点难）

以下章节标题顺序来自第一本教材，记录一些重点的思想，这些思想对于理解数字信号的世界非常的有益处，适合上过课但是听完了总觉得哪里不对劲的小伙伴食用。

注，本文的$\inf$为无穷，我不知道为啥csdn打不出那个躺下的8…

时域中的离散时间信号

时移运算

定义：对于信号$w[n]=x[n-N]$, 如果N>0，则为延迟运算，反之为超前。

可以这么理解，假设接收机不断接收到传来的x信号，如果想知道x[n-1]是什么，那么很简单，只要把每一个时刻收到的x信号存储起来，取当前时间点以前1个时刻的那个信号即可。这意味着，当前时间收到的信号在短时间内排不上用场，要延时1个时刻，才能被更加新的信号所引用，所以是延迟；但是如果想知道x[n+4]是什么，那么很明显，现在暂时不知道，必须得等到未来4个时刻，才能接收到，所以是超前。

正弦信号周期性

对于连续信号$x(t)=Acos(\Omega t+\Phi )$，周期是$2\pi /|\Omega |$，这个周期可能是0（即频率无穷，这是个啥不知道）、无穷（即频率为0，非周期信号）、或者一个有限值（周期信号）；但是对于离散信号$x[n]=Acos(\omega n+\varphi )$，周期是$2\pi /|\omega |$，这个结果可能是0（仍然不知道是啥），无穷（非周期信号），有理数（周期信号），无理数（非周期信号）。

解释见下图：

正弦信号频率周期性

频率怎么会有周期性呢？这要从一次实验说起。有一天，有一个人准备画$x[n]=cos(k\pi /8\ast n)$，怎么画呢？于是他想出来一个办法：先画出来$x(t)=cos(k\pi /8\ast t)$，然后在连续的信号时间轴上等间距的取点不就好了。

说干就干，取k=1的时候，得到了图b，逐渐增大k，得到了图cde，发现此时的x[n]已经是在0附近“上下横跳”了，那如果再次增大会怎样？

取$k=12$，得到了图f，再逐渐增大，渐渐得到了图gh，他仔细一看，“这不是和我最开始的信号一样了么？那不就是说，频率有周期性？”，这个小朋友和我一样有着大大的问号，看了一眼公式，“原来是这样啊”，见下图（其实应该是由第4行推出的第二行的周期性，但是这里采用一个逆向的思维方便理解，不会显得突兀）：

当然这也能从另一个角度理解：将连续时间信号数字化，伴随着采样。当连续时间信号的频率较低时，按照一定时间间隔抽样得到的数字信号可以将原信号完美还原；但是当连续时间信号的频率逐渐增加时，但是采样率并未随之提高，那么就会小于2倍的奈奎斯特准则，进而发生混叠。

采样

既然已经说到了采样，那么就得拿出来仔细讨论一下。

时频域关系

首先讨论一下时域和频域的性质。

对于一个能量有限的非周期信号，可能是一个突然出现，然后持续了一会，最后消失的一个信号，在时域中只持续了一小段时间，那么对这个信号进行傅里叶变换，得到了
$X_a(F)={\int }_{-\inf }^{\inf }{x}_a(t)e^{-j2\pi Ft}dt$，
反之，傅里叶逆变换进行恢复时：
$x_a(t)={\int }_{-\inf }^{\inf }{X}_a(F)e^{-j2\pi Ft}dF$
如果$x_a(t)$不是带限信号，那么恢复$x_a(t)$时就得用到所有带宽区间的频率成分，这对于计算机来说，“无穷”显然是无法操作的，所以只能进行一定的截断。

频域中的离散时间信号

傅里叶变换

具体见傅里叶变换理解笔记

Z变换

Z变换中最重要就是收敛域和零极点。

Z变换定义：$X(z)={\sum }_{n=-\inf }^{inf}x[n]z^{-n}$，其中$x[n]$为离散信号。可见，这个$n$的取值是所有实数，那么当$n=\inf$时，z变换的结果中有一项$z^{\inf }$是无穷导致不收敛，而为了让其收敛，就定义了收敛域：即n无论取其定义域中的什么值，z变换结果都收敛。

其他关于收敛域的理解见下图：

由以上图我们就知道了如何分析一个序列：

1. 如果该序列为有限长序列，那么无所谓收敛域怎么取，最后z变换肯定是有限值
2. 如果该序列为右边无限长序列，比如$u[t+3]$，那么该序列可以视为-3到0的有限长序列加上一个0到无穷的无限右边序列的和。很明显，有限长子序列不需要考虑，只需要考虑无限长子序列即可，即最后的收敛域肯定是$r>1$。由于$r$代表的是复数的半径，$r>1$就意味着在复平面上半径大于1的所有面积。换句话说，就是单位圆以外
3. 左边无限长序列分析同上
4. 双边无限长序列，那就没办法了