第一章
1.信号与系统研究的是输入与输出的关系
2.单位脉冲
δ
(
x
)
=
{
1
,
x
=
0
0
,
x
≠
0
\delta(x) = \begin{cases} 1 ,& x =0\\ 0 ,& x\not= 0 \end{cases}
δ(x)={1,0,x=0x=0
单位阶跃
u
(
x
)
=
{
1
,
x
>
=
0
0
,
x
<
0
u(x) = \begin{cases} 1 ,& x >=0\\ 0 ,& x<0 \end{cases}
u(x)={1,0,x>=0x<0
后者是前者的积分
3.时不变性,就是系统的行为不随时间而变。就是说系统的输出是输入的函数,而不是t的函数,即y(x)而不是y(x,t)
比如
y(t)=sin[x(t)]
这个系统就是时不变的,因为y可以写成是x的函数,与t无关
4.线性
y
1
(
t
)
+
y
2
(
t
)
是
x
1
(
t
)
+
x
2
(
t
)
的
响
应
a
y
1
(
t
)
是
a
x
1
(
t
)
的
响
应
y_{1}(t)+y_{2}(t) 是 x_{1}(t) + x_{2}(t)的响应\\ ay_{1}(t)是ax_{1}(t)的响应
y1(t)+y2(t)是x1(t)+x2(t)的响应ay1(t)是ax1(t)的响应
5.复指数信号
这是最基本的周期信号
高数里学的傅里叶级数,cos函数和sin函数是分开的,其实可以用复指数信号来统一,同样的频率中,cos和sin相差2分之PI的相位差
第二章 线性时不变系统
1.卷积定义
y ( n ) = f ( n ) ∗ g ( n ) = ∫ − ∞ + ∞ f ( t ) g ( n − t ) d t y (n) =f(n)*g(n) = \int_{-\infty}^{+\infty}f(t)g(n-t)dt y(n)=f(n)∗g(n)=∫−∞+∞f(t)g(n−t)dt
就像是图像处理里的高斯模糊
如何动态地理解这个公式,g(n) 就是一个函数,就像是高斯掩膜,
现在固定n,把t看作变化量,那么对于每一个n,f(t)g(n-t)是每一个t对最终的结果y(n)的一份贡献值。
相当于掩膜先以y轴对称,再向右移n个单位, 和f(t)相乘
注意:要先作镜面对称
计算
2.输入卷积化
离散的输入可以看着是输入与冲击函数的卷积
x
[
n
]
=
∑
k
=
0
+
∞
x
[
k
]
δ
[
n
−
k
]
x[n] = \sum_{k=0}^{+\infty}x[k]\delta[n-k]\\
x[n]=k=0∑+∞x[k]δ[n−k]
其
实
所
有
函
数
和
δ
的
卷
积
都
是
它
本
身
其实所有函数和 \delta的卷积都是它本身
其实所有函数和δ的卷积都是它本身
3.输出
令
h
k
[
n
]
为
线
性
系
统
对
单
位
脉
冲
δ
[
n
−
k
]
的
响
应
h_{k}[n]为线性系统 对单位脉冲\delta[n-k]的响应
hk[n]为线性系统对单位脉冲δ[n−k]的响应
那么由线性可加性得,系统的响应函数为
y
[
n
]
=
∑
k
=
0
+
∞
x
[
k
]
h
k
[
n
]
y[n] =\sum_{k=0}^{+\infty}x[k]h_{k}[n]
y[n]=k=0∑+∞x[k]hk[n]
因为是时不变的系统 ,所以
h
k
[
n
]
=
h
0
[
n
−
k
]
h_{k}[n]=h_{0}[n-k]
hk[n]=h0[n−k]
系
统
对
δ
[
0
]
的
响
应
向
右
平
移
到
k
处
,
等
于
系
统
对
δ
[
n
−
k
]
的
响
应
系统对\delta[0]的响应向右平移到k处,等于系统对\delta[n-k]的响应
系统对δ[0]的响应向右平移到k处,等于系统对δ[n−k]的响应
所以有
y
[
n
]
=
∑
k
=
0
+
∞
x
[
k
]
h
[
n
−
k
]
y[n] =\sum_{k=0}^{+\infty}x[k]h[n-k]
y[n]=k=0∑+∞x[k]h[n−k]
y
[
n
]
=
x
[
n
]
∗
h
[
n
]
y[n]=x[n]*h[n]
y[n]=x[n]∗h[n]
第二章 周期信号的傅里叶级数表示
1.特征值
把线性系统看着一个变换T,输入x(t)看成一个向量,如果Tx(t)=ax(t),那么x(t)就是特征函数,a就是特征向量
书上有证明
e
s
t
是
所
有
L
T
I
系
统
的
特
征
函
数
e^{st}是所有LTI系统的特征函数
est是所有LTI系统的特征函数
对
应
的
特
征
值
是
H
(
s
)
=
∫
−
∞
+
∞
h
(
τ
)
e
−
s
τ
d
τ
对应的特征值是H(s)=\int_{-\infty}^{+\infty}h(\tau)e^{-s\tau}d\tau
对应的特征值是H(s)=∫−∞+∞h(τ)e−sτdτ
其
中
h
是
系
统
对
单
位
冲
击
的
响
应
其中h是系统对单位冲击的响应
其中h是系统对单位冲击的响应可以看到特征值是单位冲击响应的傅里叶变换
证明简单,但为什么会想到复指数函数呢,这个我还想不明白
有了这个公式,那么对系统的研究,就可以分解为对特征值的研究
因此,将输入信号分解为复指数信号变成了问题的焦点
设
x
(
t
)
=
a
1
e
s
1
t
+
a
2
e
s
2
t
+
a
3
e
s
3
t
x(t)=a_{1}e^{s_{1}t}+a_{2}e^{s_{2}t}+a_{3}e^{s_{3}t}
x(t)=a1es1t+a2es2t+a3es3t
系
统
对
每
个
分
量
的
响
应
是
系统对每个分量的响应是
系统对每个分量的响应是
a
1
H
(
s
1
)
e
s
1
t
a
2
H
(
s
2
)
e
s
2
t
a
3
H
(
s
3
)
e
s
3
t
a_{1}H(s_{1})e^{s_{1}t}\\a_{2}H(s_{2})e^{s_{2}t}\\a_{3}H(s_{3})e^{s_{3}t}
a1H(s1)es1ta2H(s2)es2ta3H(s3)es3t
所
以
最
终
的
响
应
是
y
(
t
)
=
a
1
H
(
s
1
)
e
s
1
t
+
a
2
H
(
s
2
)
e
s
2
t
+
a
3
H
(
s
3
)
e
s
3
t
所以最终的响应是y(t)=a_{1}H(s_{1})e^{s_{1}t}+a_{2}H(s_{2})e^{s_{2}t}+a_{3}H(s_{3})e^{s_{3}t}
所以最终的响应是y(t)=a1H(s1)es1t+a2H(s2)es2t+a3H(s3)es3t
2.连续周期信号的傅里叶级数的表示
x
(
t
)
=
∑
k
=
−
∞
+
∞
a
k
e
j
k
(
2
π
/
T
)
t
x(t)=\sum_{k=-\infty}^{+\infty}a_{k}e^{jk(2\pi/T)t}
x(t)=k=−∞∑+∞akejk(2π/T)t
a
k
=
1
/
T
∫
T
x
(
t
)
e
−
j
k
(
2
π
/
T
)
t
d
t
a_{k}=1/T\int_{T}x(t)e^{-jk(2\pi/T)t}dt
ak=1/T∫Tx(t)e−jk(2π/T)tdt
3.离散周期信号的级数表示
离
散
周
期
信
号
形
如
x
[
n
]
=
x
[
n
+
N
]
它
的
周
期
为
N
,
基
波
频
率
是
2
π
/
N
离散周期信号形如x[n]=x[n+N]\\它的周期为N,基波频率是2\pi/N
离散周期信号形如x[n]=x[n+N]它的周期为N,基波频率是2π/N
我
们
希
望
用
频
率
是
2
π
/
N
的
整
数
倍
的
离
散
的
复
指
数
信
号
的
线
性
组
合
来
表
示
它
。
x
[
n
]
=
∑
k
=
<
N
>
a
k
e
j
k
(
2
π
/
N
)
n
(
这
个
希
望
为
什
么
是
合
理
的
?
)
我们希望用频率是2\pi/N的整数倍的离散的复指数信号的线性组合来表示它。\\x[n]=\sum_{k=<N>}a_{k}e^{jk(2\pi/N)n}(这个希望为什么是合理的?)
我们希望用频率是2π/N的整数倍的离散的复指数信号的线性组合来表示它。x[n]=k=<N>∑akejk(2π/N)n(这个希望为什么是合理的?)
下面解释为什么这个希望是合理的。
因
为
x
[
n
]
=
x
[
n
+
N
]
所
以
可
以
列
出
N
个
线
性
方
程
组
来
,
确
定
N
个
未
知
数
a
k
因为x[n]=x[n+N]\\所以可以列出N个线性方程组来,确定N个未知数a_{k}
因为x[n]=x[n+N]所以可以列出N个线性方程组来,确定N个未知数ak
a
k
=
1
/
N
∑
n
=
<
N
>
x
[
n
]
e
−
j
k
(
2
π
/
N
)
n
a_{k}=1/N\sum_{n=<N>}x[n]e^{-jk(2\pi/N)n}
ak=1/Nn=<N>∑x[n]e−jk(2π/N)n
3.卷积和相乘
一个域的相乘就是另一个域的卷积。
y
(
t
)
=
x
(
t
)
∗
h
(
t
)
y(t)=x(t)*h(t)
y(t)=x(t)∗h(t)
x
(
t
)
=
∑
a
k
e
j
w
t
,
h
(
t
)
=
∑
b
k
e
j
w
t
,
y
(
t
)
=
∑
c
k
e
j
w
t
x(t)=\sum a_{k}e^{jwt}, h(t)=\sum b_{k}e^{jwt}, \\y(t)=\sum c_{k}e^{jwt}
x(t)=∑akejwt,h(t)=∑bkejwt,y(t)=∑ckejwt
那
么
,
c
n
=
∑
k
=
−
∞
∞
a
k
b
n
−
k
那么,c_{n}=\sum_{k=-\infty}^{\infty}a_{k}b_{n-k}
那么,cn=k=−∞∑∞akbn−k
证明这个,可以用有限项相乘,合并同类项,可以观察系数的规律
第四章 连续信号的傅里叶变换
1.非周期信号的傅里叶变换
把上一章的级数公式变一下
x
(
t
)
=
∑
k
=
−
∞
+
∞
a
k
e
j
k
(
2
π
/
T
)
t
x(t)=\sum_{k=-\infty}^{+\infty}a_{k}e^{jk(2\pi/T)t}
x(t)=k=−∞∑+∞akejk(2π/T)t
T
a
k
=
∫
T
x
(
t
)
e
−
j
k
(
2
π
/
T
)
t
d
t
Ta_{k}=\int_{T}x(t)e^{-jk(2\pi/T)t}dt
Tak=∫Tx(t)e−jk(2π/T)tdt
令
w
=
2
π
/
T
,
如
果
x
(
t
)
的
周
期
T
是
无
穷
大
,
那
么
w
→
0
令w=2\pi/T,如果x(t)的周期T是无穷大,那么w\rightarrow0
令w=2π/T,如果x(t)的周期T是无穷大,那么w→0
令
X
=
T
a
k
,
那
么
a
k
=
X
/
T
=
X
w
/
2
π
令X=Ta_{k},那么a_{k}=X/T=Xw/2\pi
令X=Tak,那么ak=X/T=Xw/2π
那
么
x
(
t
)
=
1
2
π
∑
k
=
−
∞
∞
X
e
j
k
w
t
w
,
其
中
w
→
0
那么x(t)=\frac{1}{2\pi}\sum_{k=-\infty}^{\infty}Xe^{jkwt}w,其中w\rightarrow0
那么x(t)=2π1k=−∞∑∞Xejkwtw,其中w→0
写
成
积
分
形
式
x
(
t
)
=
1
2
π
∫
−
∞
∞
X
(
j
w
)
e
j
w
t
d
w
写成积分形式x(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}X(jw)e^{jwt}dw
写成积分形式x(t)=2π1∫−∞∞X(jw)ejwtdw
X
(
j
w
)
=
∫
−
∞
∞
x
(
t
)
e
−
j
w
t
d
t
X(jw)=\int_{-\infty}^{\infty}x(t)e^{-jwt}dt
X(jw)=∫−∞∞x(t)e−jwtdt
2.周期信号的傅里叶变换
和离散的形式一样,周期信号也可以表示成基波频率倍数的一系列信号的线性组合
想象一个信号
e
j
w
0
t
e^{jw_{0}t}
ejw0t
它
对
应
的
频
谱
应
该
是
w
=
w
0
的
一
个
冲
击
,
这
个
冲
击
就
是
X
(
j
w
)
=
2
π
δ
(
w
−
w
0
)
它对应的频谱应该是w=w_{0}的一个冲击,这个冲击就是X(jw)=2\pi\delta(w-w_{0})
它对应的频谱应该是w=w0的一个冲击,这个冲击就是X(jw)=2πδ(w−w0)
所以
x
(
t
)
=
∑
k
=
−
∞
∞
a
k
e
j
w
0
t
x(t)=\sum_{k=-\infty}^{\infty}a_{k}e^{jw_{0}t}
x(t)=k=−∞∑∞akejw0t
T
a
k
=
X
(
j
w
)
Ta_{k}=X(jw)
Tak=X(jw)
X
(
j
w
)
=
∑
k
=
−
∞
∞
2
π
a
k
δ
(
w
−
k
w
0
)
X(jw)=\sum_{k=-\infty}^{\infty}2\pi a_{k}\delta(w-kw_{0})
X(jw)=k=−∞∑∞2πakδ(w−kw0)
一些思考,不一定对
1. s i n w t 和 c o s w t 都 是 频 率 为 w 的 信 号 , 它 们 相 位 差 了 π / 2 , 因 此 用 复 指 数 信 号 e j w t 可 以 完 全 地 表 示 出 来 。 所 以 单 纯 分 解 c o s θ 在 频 率 域 上 是 Y 轴 对 称 的 两 个 冲 击 , 是 因 为 要 通 过 共 轭 性 把 虚 部 抵 消 掉 1.sinwt和coswt都是频率为w的信号,它们相位差了\pi/2,\\因此用复指数信号e^{jwt}可以完全地表示出来。\\所以单纯分解cos\theta在频率域上是Y轴对称的两个冲击,是因为要通过共轭性把虚部抵消掉 1.sinwt和coswt都是频率为w的信号,它们相位差了π/2,因此用复指数信号ejwt可以完全地表示出来。所以单纯分解cosθ在频率域上是Y轴对称的两个冲击,是因为要通过共轭性把虚部抵消掉
2.频移性质的理解
e
j
w
t
x
(
t
)
→
X
(
j
(
w
−
w
0
)
)
e^{jwt}x(t)\rightarrow X(j(w-w_{0}))
ejwtx(t)→X(j(w−w0))
可以理解这在时域上旋转变快了,所以频率向右移了
3.时移性质的理解
x
(
t
−
t
0
)
→
e
−
j
w
t
0
X
(
j
(
w
)
)
x(t-t_{0})\rightarrow e^{-jwt_{0}}X(j(w))
x(t−t0)→e−jwt0X(j(w))
本来从与频移对称性上可以理解 ,但更直观的理解是,波的相位变化了,但是频率没变,所以在右侧,频率的模乘以了一个单位复数,而频率的相位变化为wt0
4.时间与频率尺度变换的理解
x
(
a
t
)
=
1
∣
a
∣
X
(
j
w
a
)
x(at)=\frac{1}{|a|}X(\frac{jw}{a})
x(at)=∣a∣1X(ajw)
时间轴上缩短了x(t)的形状,说明频率变高了,那么在频域上会被拉伸