信号分解
信号与系统教学涉及到关于信号分解的主要处理手段:奇偶分解、化为基本信号之和、因子分解、化为冲激信号的线性组合、正交分解。
1.奇偶分解
普遍适用的分解方法,任何函数都可划分为奇信号的成分和偶信号的成分。
x
(
t
)
=
x
e
(
t
)
+
x
o
(
t
)
x(t) = x_e(t)+x_o(t)
x(t)=xe(t)+xo(t)
对偶信号
(
e
v
e
n
)
(even)
(even),奇信号
(
o
d
d
)
(odd)
(odd),分别有下列分解公式。
x
e
(
t
)
=
1
2
[
x
(
t
)
+
x
(
−
t
)
]
x
o
(
t
)
=
1
2
[
x
(
t
)
−
x
(
−
t
)
]
\begin{align*} x_{e}(t)&= \frac{1}{2}[x(t)+x(-t)]\\ x_{o}(t)&= \frac{1}{2}[x(t)-x(-t)] \end{align*}
xe(t)xo(t)=21[x(t)+x(−t)]=21[x(t)−x(−t)]
2.基本信号之和
x
(
t
)
=
r
(
t
)
−
r
(
t
−
1
)
−
u
(
t
−
2
)
x(t) = r(t) - r(t-1) - u(t-2)
x(t)=r(t)−r(t−1)−u(t−2)
P
S
:
PS:
PS:简而言之,增长或止增长:单位斜坡信号。断根:单位阶跃信号。
3.因子分解
多用于包络、表示信号的作用区间。
x
(
t
)
=
∏
i
x
i
(
t
)
x(t) = \prod_{i}x_{i}(t)
x(t)=i∏xi(t)
包络示例:
x
(
t
)
=
Λ
2
π
(
t
)
⋅
c
o
s
(
2
t
)
x(t) = \Lambda_{2\pi}(t)\cdot cos(2t)
x(t)=Λ2π(t)⋅cos(2t)
关于 u ( t ) u(t) u(t)单位阶跃信号的一个 T r i c k Trick Trick: ∵ u ( t ) = u ( t ) ⋅ u ( t ) ∴ t e − t u ( t ) = [ t u ( t ) ] ⋅ [ e − t u ( t ) ] \begin{align*} \because u(t)&= u(t)\cdot u(t)\\ \therefore te^{-t}u(t)&= [tu(t)]\cdot[e^{-t}u(t)] \end{align*} ∵u(t)∴te−tu(t)=u(t)⋅u(t)=[tu(t)]⋅[e−tu(t)]
4.冲激信号的线性组合
联系到信号卷积单位冲激信号为其本身的结论。图中的意思就是,设置一个函数
g
(
t
)
g(t)
g(t),使得自变量
t
t
t不在范围
[
0
,
Δ
τ
]
[0, \Delta \tau]
[0,Δτ]时,
g
(
t
)
≡
0
g(t)\equiv 0
g(t)≡0成立。于是函数就可以用以下式子表示:
x
(
t
)
≈
∑
n
=
−
∞
∞
x
(
n
Δ
τ
)
⋅
g
(
t
−
n
Δ
τ
)
≈
∑
n
=
−
∞
∞
x
(
n
Δ
τ
)
⋅
g
(
t
−
n
Δ
τ
)
Δ
τ
⋅
Δ
τ
x(t)\approx\sum_{n=-\infty}^{\infty}x(n\Delta \tau)\cdot g(t-n\Delta\tau)\approx\sum_{n = -\infty}^{\infty}x(n\Delta \tau)\cdot{g(t - n\Delta\tau) \over\Delta \tau}\cdot\Delta\tau
x(t)≈n=−∞∑∞x(nΔτ)⋅g(t−nΔτ)≈n=−∞∑∞x(nΔτ)⋅Δτg(t−nΔτ)⋅Δτ
因子
x
(
n
Δ
τ
)
x(n\Delta\tau)
x(nΔτ)表示第
n
+
1
n+1
n+1个矩形的对应信号值,而
g
(
t
−
n
Δ
τ
)
g(t-n\Delta\tau)
g(t−nΔτ)因子帮忙完成了一个选择,即
n
Δ
τ
≠
t
n\Delta\tau\neq t
nΔτ=t时,得到的累加项恒为
0
0
0,所以就完成了对函数值
x
(
t
)
x(t)
x(t)的一个筛选。然而这样是不完美的,因为不一定存在
n
Δ
τ
=
t
n\Delta\tau=t
nΔτ=t,因此取到极限,无微不至,离散化为连续。
即:
Δ
τ
→
0
,
Δ
τ
→
τ
,
n
Δ
τ
→
τ
,
g
(
t
−
n
Δ
τ
)
Δ
τ
→
δ
(
t
−
τ
)
\Delta \tau \rightarrow0,\Delta\tau\rightarrow\tau,n\Delta\tau\rightarrow\tau,\frac{g(t-n\Delta\tau)}{\Delta\tau}\rightarrow\delta(t - \tau)
Δτ→0,Δτ→τ,nΔτ→τ,Δτg(t−nΔτ)→δ(t−τ)
故有:
x
(
t
)
=
∫
−
∞
∞
x
(
τ
)
δ
(
t
−
τ
)
d
τ
x
(
n
)
=
∑
k
=
−
∞
∞
x
(
k
)
δ
(
n
−
k
)
x(t) = \int_{-\infty}^{\infty}x(\tau)\delta(t - \tau)d\tau\quad\quad x(n) = \sum_{k = -\infty}^{\infty}x(k)\delta(n-k)
x(t)=∫−∞∞x(τ)δ(t−τ)dτx(n)=k=−∞∑∞x(k)δ(n−k)
5.正交分解
正交之义就是垂直,内积为
0
0
0,不相关。
例如矩形波信号的分解,之后的课程学习中会用傅里叶变换的知识进行定量分析,在这里只进行介绍。正交分解即将信号分解为互不相关的具有正交性的基底,从而达到提取信号不同成分的目的。