信号与系统读书笔记

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
$$\delta (x)=\{\begin{array}{ll}1,& x=0\\ 0,& x\ne 0\end{array}$$
单位阶跃
$$u(x)=\{\begin{array}{ll}1,& x>=0\\ 0,& x<0\end{array}$$
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
$$\begin{gathered} y_1(t)+y_2(t)是x_1(t)+x_2(t)的响应 \\ a{y}_1(t)是a{x}_1(t)的响应 \end{gathered}$$

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

$$y(n)=f(n)\ast g(n)={\int }_{-\infty }^{+\infty }f(t)g(n-t)dt$$

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

$$x[n]=\sum _{k=0}^{+\infty }x[k]\delta [n-k]$$
$$其实所有函数和\delta 的卷积都是它本身$$

3.输出
令$$h_k[n]为线性系统对单位脉冲\delta [n-k]的响应$$
那么由线性可加性得，系统的响应函数为
$$y[n]=\sum _{k=0}^{+\infty }x[k]h_k[n]$$
因为是时不变的系统 ，所以
$$h_k[n]=h_0[n-k]$$
$$系统对\delta [0]的响应向右平移到k处，等于系统对\delta [n-k]的响应$$
所以有
$$y[n]=\sum _{k=0}^{+\infty }x[k]h[n-k]$$
$$y[n]=x[n]\ast h[n]$$

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
$$e^{st}是所有LTI系统的特征函数$$
$$对应的特征值是H(s)={\int }_{-\infty }^{+\infty }h(\tau )e^{-s\tau }d\tau$$
$$其中h是系统对单位冲击的响应$$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$$x(t)=a_1{e}^{s_{1}t}+a_2{e}^{s_{2}t}+a_3{e}^{s_{3}t}$$
$$系统对每个分量的响应是$$
$$\begin{gathered} a_{1}H(s_1)e^{s_{1}t} \\ {a}_{2}H(s_2)e^{s_{2}t} \\ {a}_{3}H(s_3)e^{s_{3}t} \end{gathered}$$
$$所以最终的响应是y(t)=a_{1}H(s_1)e^{s_{1}t}+a_{2}H(s_2)e^{s_{2}t}+a_{3}H(s_3)e^{s_{3}t}$$

2.连续周期信号的傅里叶级数的表示
$$x(t)=\sum _{k=-\infty }^{+\infty }{a}_k{e}^{jk(2\pi /T)t}$$
$$a_k=1/T{\int }_{T}x(t)e^{-jk(2\pi /T)t}dt$$

3.离散周期信号的级数表示
$$\begin{gathered} 离散周期信号形如x[n]=x[n+N] \\ 它的周期为N，基波频率是2\pi /N \end{gathered}$$
$$\begin{gathered} 我们希望用频率是2\pi /N的整数倍的离散的复指数信号的线性组合来表示它。 \\ x[n]=\sum _{k=<N>}{a}_k{e}^{jk(2\pi /N)n}（这个希望为什么是合理的？） \end{gathered}$$
下面解释为什么这个希望是合理的。
$$\begin{gathered} 因为x[n]=x[n+N] \\ 所以可以列出N个线性方程组来，确定N个未知数a_k \end{gathered}$$
$$a_k=1/N\sum _{n=<N>}x[n]e^{-jk(2\pi /N)n}$$

3.卷积和相乘
一个域的相乘就是另一个域的卷积。
$$y(t)=x(t)\ast h(t)$$
$$\begin{gathered} x(t)=\sum a_k{e}^{jwt},h(t)=\sum b_k{e}^{jwt}, \\ y(t)=\sum c_k{e}^{jwt} \end{gathered}$$
$$那么，c_n=\sum _{k=-\infty }^{\infty }{a}_k{b}_{n-k}$$
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
$$x(t)=\sum _{k=-\infty }^{+\infty }{a}_k{e}^{jk(2\pi /T)t}$$
$$T{a}_k={\int }_{T}x(t)e^{-jk(2\pi /T)t}dt$$
$$令w=2\pi /T，如果x(t)的周期T是无穷大，那么w\to 0$$
$$令X=T{a}_k，那么a_k=X/T=Xw/2\pi$$
$$那么x(t)=\frac{1}{2\pi }\sum _{k=-\infty }^{\infty }X{e}^{jkwt}w，其中w\to 0$$
$$写成积分形式x(t)=\frac{1}{2\pi }{\int }_{-\infty }^{\infty }X(jw)e^{jwt}dw$$
$$X(jw)={\int }_{-\infty }^{\infty }x(t)e^{-jwt}dt$$

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$$e^{j{w}_{0}t}$$
$$它对应的频谱应该是w=w_0的一个冲击，这个冲击就是X(jw)=2\pi \delta (w-w_0)$$

所以
$$x(t)=\sum _{k=-\infty }^{\infty }{a}_k{e}^{j{w}_{0}t}$$
$$T{a}_k=X(jw)$$
$$X(jw)=\sum _{k=-\infty }^{\infty }2\pi a_k\delta (w-k{w}_0)$$

一些思考，不一定对

$$\begin{gathered} 1.sinwt和coswt都是频率为w的信号，它们相位差了\pi /2, \\ 因此用复指数信号e^{jwt}可以完全地表示出来。 \\ 所以单纯分解cos\theta 在频率域上是Y轴对称的两个冲击，是因为要通过共轭性把虚部抵消掉 \end{gathered}$$

2.频移性质的理解
$$e^{jwt}x(t)\to X(j(w-w_0))$$
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
$$x(t-t_0)\to e^{-jw{t}_0}X(j(w))$$
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
$$x(at)=\frac{1}{|a|}X(\frac{jw}{a})$$
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