数字信号处理(一)绪论

信号分类

模拟信号： 自变量时间在定义域内是连续的，信号的幅度在一定的动态范围内连续取值。

离散时间信号： 自变量时间在定义域内是离散的。离散时间信号可以通过对连续时间信号的采样来获得，或信号本身就是离散时间信号。

数字信号： 时间离散，幅度量化为有限字长二进制数的信号。

模拟信号 -> 离散时间信号 -> 数字信号

模/数转换包括两步：时域采样和幅度量化

时域采样定理

模拟信号采样

时域采样定理推导：

采样信号表示如下：

${\hat{x}}_a(t)=x_a(t)p_{\delta }(t)$ (1) ， 其中$p_{\delta }(t)={\sum }_{k=-\infty }^{+\infty }\frac{1}{T}{e}^{jk{\Omega }_{s}t}$

对(1)式两边分别去傅里叶变换：
$${\hat{X}}_a(j\Omega )={\int }_{-\infty }^{\infty }{x}_a(t)p_{\delta }(t)dt={\int }_{-\infty }^{\infty }{x}_a(t)\sum _{k=-\infty }^{+\infty }\frac{1}{T}{e}^{jk{\Omega }_{s}t}{e}^{-j\Omega t}dt$$

$$={\int }_{-\infty }^{\infty }{x}_a(t)\frac{1}{T}\sum _{k=-\infty }^{+\infty }{e}^{jk{\Omega }_{s}t}{e}^{-j\Omega t}dt=\frac{1}{T}{\int }_{-\infty }^{\infty }{x}_a(t)\sum _{k=-\infty }^{+\infty }{e}^{-j(\Omega -k{\Omega }_s)t}dt$$

$$因为{\int }_{-\infty }^{\infty }{x}_a(t)e^{-j\Omega t}dt=X_a(j\Omega ),所以上式=\frac{1}{T}\sum _{k=-\infty }^{+\infty }{X}_a(j\Omega -jk{\Omega }_s)$$

因此得到如下图：

时域采样定理： 对于带宽为$\Omega$的带限模拟信号$x_a(t)$，如果采样频率${\Omega }_s>2{\Omega }_c$，可以从采样信号$x_a^{\prime }(t)$中无失真的恢复出$x_a(t)$，否则采样信号会发生频谱混叠。

量化

• 对于一个无限精度十进制数需要用无限位二进制数才能精确表示。但现实中的A/D转换器、寄存器等数据存储器件的存储位数都是有限的，只能用有限字长的二进制数来表示，这就需要进行量化，量化所产生的误差称为量化误差。

• 假设用（b+1）位二进制数表示数字信号，其中第1位是符号位，尾数用b表示，能表示的最小单位称为量化阶q=2。如果二进制的尾数长于b，必须进行尾数处理，将其限制为b位的操作，这就是量化。

• 如果二进制数x被量化，则将引入量化误差e，即e=[x]-x。[x]表示数x的量化值，是x经截尾或舍入后的值。

离散时间信号的序列描述

• 离散时间信号可视为连续时间信号的采样

• 若模拟信号为$x_a(t)$，对它进行以周期为T的等间隔采样，则得到的离散时间信号为：
  $$x_a(t{)}_{|t=nT}=x_a(nT)=x(n),-\infty <n<\infty$$
  其中$x(n)$称为离散时间信号（数值序列），n取整数

• 需要强调的是：n只能取整数值

单位采样序列 $\delta (n)=\{\begin{array}{ll}1& n=0\\ 0& n\ne 0\end{array}$，单位采样序列又称为单位脉冲序列，其特点是在n=0时取值为1，其它n时刻取值0

单位阶跃序列$u(n)=\{\begin{array}{ll}1& n\ge 0\\ 0& n<0\end{array}$

矩形序列$R_n=\{\begin{array}{ll}1& 0\le n\le N-1\\ 0& else\end{array}$

序列的基本运算

序列加法：
$$x(n)=x_1(n)+x_2(n)$$
序列加法是指把两个序列$x_1(n)$、$x_2(n)$中同序号的序列值逐项对应相加，形成新的序列。

序列乘法：
$$x(n)=x_1(n)x_2(n)$$
序列乘法是指把两个序列$x_1(n)$、$x_2(n)$中同序号的序列值逐项对应相乘，形成新的序列。序列的乘法是一种非线性运算，它用于信号的调制。

序列的倍乘

序列倍乘是指把序列$x(n)$中所有序号下的序列值同乘一个常数a
$$y(n)=ax(n)$$
序列移位、翻转以及尺度变换

移位—$x(n-n_0)$

翻转—$x(-n)$

尺度变换—$x(mn)$

当$n_0>0$时，序列右移$n_0$个序数，称为x(n)的延时序列

当$n_0<0$时，序列左移$n_0$个序数，称为x(n)的超前序列

序列绝对值之和

设序列为x(n)，则
$$S_x=\sum _{n=-\infty }^{\infty }|x(n)|$$
称为序列绝对值之和。如果满足$s_x<\infty$，则x(n)为绝对可和序列。

如果一个序列x(n)的每个序列值的绝对值均小于等于某一个有限的正整数$M_x$，即满足
$$|x(n)|\le M_X<\infty$$
则称x(n)为有界序列。

序列能量

复数序列x(n)的能量为
$$E_x=\sum _{n=-\infty }^{\infty }|x(n){|}^2=\sum _{n=-\infty }^{\infty }x(n)x^{\ast }(n)$$
上标*表示共轭运算

周期序列的平均功率

设x(n)是周期为N的周期序列，则其平均功率
$$P_x=\frac{1}{N}\sum _{n=0}^{N-1}|x(n){|}^2$$

线性系统

当且仅当系统L[.]满足叠加原理时是线性系统

解释：
$$y_1(n)=L[x_1(n)],y_2(n)=L[x_2(n)]\forall x_1(n),x_2(n)$$
两个属性：

(1)可加性 $L[x_1(n)+x_2(n)]=L[x_1(n)]+L[x_2(n)]\forall x_1(n),x_2(n)$

(2)齐次性 $L[a_1{x}_1(n)]=a_{1}L[x_1(n)]\forall a_1,x_1(n)$

叠加原理：(1)+(2)即是叠加原理
$$T[a{x}_1(n)+b{x}_2(n)]=aT[x_1(n)]+bT[x_2(n)]=a{y}_1(n)+b{y}_2(n),\forall a_1,a_2,x_1(n),x_2(n)$$

时不变系统

如果系统对于输入信号的响应与信号加于系统的时间无关，则称该系统为时不变系统

即，如果 $y(n)=T[x(n)]$,若对于任意整数$n_0$，时不变系统一定满足 $y(n-n_0)=T[x(n-n_0)]$

线性时不变系统

如果线性系统对输入序列的运算关系L[.]在整个运算过程中不随时间变化，则称为线性时不变（LTI）系统

线性卷积

$$y(n)=x(n)\ast h(n)=\sum _{m=-\infty }^{\infty }x(m)h(n-m)$$

• 将x(n)和h(n)用x(m)和h(m)表示，并将h(m)进行翻转，形成h(-m)

• 将h(-m)移位n，得到h(n-m)

  n>0时，序列右移

  n<0时，序列左移

• 将x(m)和h(n-m)对应项相乘相加得到y(n)

线性卷积服从：

交换律：$x(n)\ast h(n)=h(n)\ast x(n)$

结合律：$x(n)\ast [h_1(n)\ast h_2(n)]=[x(n)\ast h_1(n)]\ast h_2(n)$

分配律：$x(n)\ast [h_1(n)+h_2(n)]=x(n)\ast h_1(n)+x(n)\ast h_2(n)$

线性常系数差分方程

一个N阶线性常系数差分方程用下式表示：
$$y(n)=\sum _{i=0}^M{b}_{i}x(n-i)-\sum _{k=1}^N{a}_{k}y(n-k)$$

$$或者\sum _{i=0}^M{b}_{i}x(n-i)=\sum _{k=0}^N{a}_{k}y(n-k),a_0=1$$

式中$a_k$和$b_i$均为常数

线性： 式中y(n-k)和x(n-i)项只有一次幂，也没有相互交叉项，故称为线性常系数差分方程

阶数： 由方程y(n-k)项中k的取值最大与最小之差确定。式中，y(n-k)项k最大的取值为N，k的最小取值为零，因此称为N阶差分方程。

对于线性差分方程，可以通过递推法求解